Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050

Report 2026/26

Orvika Rosnes, Harald Svartsund, Wiljar Hansen, Bjørn Gjerde Johansen og Øyvind Vennerød

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050

Category	Reports
Sub-Categories	Transport Climate change and the green transformation Local and regional development Modeller og databaser
Year	2026
Report Number	26
Author(s)	Orvika Rosnes Harald Svartsund Wiljar Hansen Bjørn Gjerde Johansen Øyvind Vennerød
Download	file_download (3.7 MB)
Read in browser	PDF

Rapport 2026/26	 | For Transportetatene	 	 	
 	
 	
 	 	
 	
Videreutvikling av makromodellen NOREG 2 for analyser av 
omstilling til lavutslippssamfunnet 2050	 	
Nye modelleringsmuligheter	 	
Orvika Rosnes, Harald Svartsund, Wiljar Hansen, Bjørn Gjerde Johansen, Øyvind Vennerød

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 
Vista Analyse	 | Rapport 2026/26	 	 	
 
Dokumentdetaljer	 	
Tittel	 	Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til 
lavutslippssamfunnet 2050	 	
Rapportnummer 	 	Rapport 2026/26	 	
Forfattere	 	Orvika Rosnes, Harald Svartsund, Wiljar Hansen, Bjørn Gjerde Johansen, Øyvind Vennerød	 	
ISBN	 	978	-82	-8126	-783	-1 	
Prosjektnummer	 	25	-ORO	-37	 	
Prosjektleder	 	Orvika Rosnes 	 	
Oppdragsgiver	 	Transportetatene	 	
Dato for ferdigstilling	 	31.10.	2025	 	
Kilde forsidefoto	 	iStock 	
Tilgjengelighet	 	Offentlig 	 	
Nøkkelord	 	Samferdsel, 	Klima og det grønne skiftet, Lokal og regional utvikling, 	Modeller og databa-	
ser,	 CGE	-modell	 	
 
 
 
 
 
 
 
 
 
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 temaområder 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.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 
Vista Analyse	 | Rapport 2026/26	 	 	
 
Forord 	 	
Vista Analyse har sammen	 med 	Transportøkonomisk institutt (TØI), Menon Economics	 og SSB utviklet 	den regionale 	
generelle likevektsmodellen	 NOREG2 siden 2018. 	Prosjektet inne	bærer modellutvikling og modellbaserte analyser 	
av norsk økonomi. 	Hovedp	rosjektet er finansiert 	av Kommunal	- og distriktsdepartementet 	og 	Norges forskningsråd 	
gjennom 	NFRs 	DEMOS	-program	. 	
Denne rapporten dokumenterer arbeidet med å videreutvikle og tilrettelegge NOREG2 for analyser av klimaomstil-
ling	, slik at den kan benyttes til analyser av virkemiddelpakker 	i neste Nasjonal transportplan (NTP). 	Formålet er å 	
styrke modellens evne til å analysere langsiktige strukturelle endringer i norsk økonomi og transportsektor i over-
gangen mot lavutslippssamfunnet 2050.	 	
Videreutviklingen omfatter blant annet: 	 	
• 	Eksplisitt modellering av klimagassutslipp	 	
• 	Oppdatering av modellens basisår til 2022 	 	
• 	Detaljering av utenrikshandelen 	 	
• 	Kobling til persontransportmodellene 	 	
• 	Utvikling av rutiner for analyser med soft	-linkede modeller 	 	
Vista Analyse har hatt hovedansvaret for modellering av klimagassutslipp. 	 	
Prosjektgruppen har bestått av 	Wiljar Hansen	 (prosjektleder) og 	Bjørn Gjerde Johansen 	ved 	TØI	, Orvika Rosnes og 	
Harald Svartsund ved Vista Analyse, 	og 	Øyvind Vennerød 	ved 	Menon Economics.	 	
Arbeidet er gjennomført på oppdrag av	 metodegruppe	n i transportetatene	, bestående av 	Statens vegvesen, Jernba-	
nedirektoratet, Kystverket, Nye Veier AS, Bane NOR og Avinor	. Våre primære kontaktpersoner hos oppdragsgiver har 	
vært Oskar Kleven i Statens vegvesen og Cecilie Bjørlykke i Jernbanedirektoratet. Vi takker 	dem og 	resten av 	NTPs 	
metodegruppe for et godt samarbeid under prosjektet, samt alle kommentarer og innspill underveis.	 	
Rapporten er også utgitt som TØI	-rapport 	2120	/2025. 	 	
 
Orvika Rosnes 	 	
31. oktober 	2025 	 	
Vista Analyse AS

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	
Vista Analyse	 | Rapport 2026/26

Copyright © Transportøkonomisk institutt,	 2025	. Denne publikasjonen er vernet i henhold til 	Åndsverkloven	 av 2018.	 	Ved gjengivelse av materiale fra publikasjonen, må fullstendig kilde oppgis	. 	
Innhold	 	
Sammendrag	 	
Summary	 	
1 	Innledning	 ................................	................................	................................	............................	 1 	
1.1	 Bakgrunn	 ................................	................................	................................	................................	.1 	
1.2	 Formål	 ................................	................................	................................	................................	.....	1 	
1.3	 Avgrensning	 ................................	................................	................................	............................	2 	
1.4	 Rapportstruktur	 ................................	................................	................................	......................	3 	
2 	Kort om den makroøkonomiske modellen NOREG 2	 ................................	..............................	 4 	
2.1	 Innledning	 ................................	................................	................................	...............................	4 	
2.2	 Modellstruktur og aktører	 ................................	................................	................................	......	4 	
2.3	 Dynamikk og tilpasning	 ................................	................................	................................	...........	5 	
2.4	 Husholdninger og regionale forskjeller	 ................................	................................	...................	5 	
2.5	 Bedrifter og produksjon	 ................................	................................	................................	..........	5 	
2.6	 Regional modellering	 ................................	................................	................................	..............	5 	
2.7	 Sammenligning med etterspørselsdrevne modeller	 ................................	..............................	6 	
2.8	 Oppsummert	 ................................	................................	................................	...........................	6 	
3 	Videreutvikling og tilrettelegging av NOREG 2 for å bedre kunne analysere omstillingen til et 
lavutslippssamfunn 2050	 ................................	................................	................................	......	 7 	
3.1	 Innledning	 ................................	................................	................................	...............................	7 	
3.2	 Utvikling og tilrettelegging for analyser av klimaomstilling	 ................................	....................	7 	
3.3	 Oppdatering av modellens basisår til 2022 og revidert næringssammensetning	 ...............	 12	 	
3.4	 Utenrikshandel	 ................................	................................	................................	.....................	 13	 	
3.5	 Kobling til persontransportmodellene	 ................................	................................	.................	 14	 	
4 	Utvikling av rutiner for soft	-linking av NOREG 2 og transportmodellene	 ...............................	 19	 	
4.1	 Hva menes med soft	-linking av modeller?	................................	................................	...........	 19	 	
4.2	 Soft	-linking av NOREG 2 og Nasjonal godsmodell	 ................................	...............................	 20	 	
4.3	 Soft	-linking av NOREG 2 og persontransportmodellene	 ................................	.....................	 24	 	
4.4	 Oppsummering: Sammensatte rutiner for soft	-linking i etableringen av referansebanen	 . 26	 	
5 	Eksempelresultater fra referansebanen	 ................................	................................	...............	 28	 	
5.1	 Innledning: Referansebane og EU	-bane	 ................................	................................	..............	 28	 	
5.2	 Forutsetninger bak referansebanen	 ................................	................................	....................	 28	 	
5.3	 Steg Referansebanen	 ................................	................................	................................	........	 30	 	
5.4	 Referansebane: Utvikling i bruttoprodukt per næring	 ................................	........................	 31	 	
5.5	 Referansebane: Korrigert befolkningsframskriving	 ................................	.............................	 35	 	
5.6	 Referansebane: CO	2-utslipp	 ................................	................................	................................	. 38	 	
6 	Oppbygging av virkemiddelpakkene i strategibanene	 ................................	...........................	 39

Copyright © Transportøkonomisk institutt,	 2025	. Denne publikasjonen er vernet i henhold til 	Åndsverkloven	 av 2018.	 	Ved gjengivelse av materiale fra publikasjonen, må fullstendig kilde oppgis	. 	
6.1	 Fire strategier for å nå lavutslippssamfunnet 2050	 ................................	.............................	 39	 	
6.2	 Sammensetningen av virkemidler i de fire strategibanene	 ................................	.................	 40	 	
7 	Eksempelresultater fra strategibanene	 ................................	................................	................	 44	 	
7.1	 Eksempelberegninger fra et metodeutviklingsprosjekt	................................	.......................	 44	 	
7.2	 Trinnvise analyser med sammenkoblede modeller	 ................................	.............................	 44	 	
7.3	 Fokus på metodeutvikling, ikke modellresultater	 ................................	...............................	 45	 	
7.4	 Eksempelresultater: Nasjonal BNP	-effekt	 ................................	................................	............	 46	 	
7.5	 Eksempelresultater: Næringsvis BNP	-effekt	 ................................	................................	........	 47	 	
7.6	 Eksempelresultater: Regionale effekter	 ................................	................................	..............	 52	 	
7.7	 Eksempelresultater: Klimagassutslipp	 ................................	................................	.................	 56	 	
7.8	 De samfunnsøkonomiske kostnadene av omstilling til lavutslippssamfunnet 2050	 ...........	 56	 	
7.9	 Følsomhetsanalyser	 ................................	................................	................................	.............	 57	 	
8 	Hvilke faktorer / effekter fanger vi ikke i NOREG 2	 ................................	...............................	 60	 	
9 	Neste trinn i modellutviklingen	 ................................	................................	............................	 61	 	
9.1	 Videre nødvendig arbeid for å kunne benytte framskrivingene til politikkutforming	.........	 61	 	
9.2	 Annen videreutvikling som vi tilrettelegge for bedre analyser av omstillingen til 
lavutslippssamfunnet 2050	 ................................	................................	................................	. 62	 	
10	 	En nærmere beskrivelse av NOREG 2.4	 ................................	................................	................	 64	 	
10.1	 Generelle likevektsmodeller	 ................................	................................	................................	 64	 	
10.2	 Produksjon	 ................................	................................	................................	...........................	 65	 	
10.3	 Konsum: Representativ husholdning og offentlig sektor	 ................................	....................	 66	 	
10.4	 Klimagassutslipp	................................	................................	................................	...................	 67	 	
10.5	 Sparing og investering	 ................................	................................	................................	..........	 68	 	
10.6	 Tilgang på arbeidskraft	 ................................	................................	................................	........	 69	 	
10.7	 Handel mellom regioner og mellom land	 ................................	................................	............	 70	 	
10.8	 Modellens inngangsdata	 ................................	................................	................................	......	 71	 	
10.9	 Næringer i NOREG 2.4	 ................................	................................	................................	..........	 73	 	
10.10	 Geografiske soner	 ................................	................................	................................	................	 75	 	
Referanser	 ................................	................................	................................	................................	.. 77

Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
 	
NORSK	 	Sammendrag	 	
 	
I denne rapporten dokumenteres	 videreutviklingen og tilretteleggingen av den 	regionale 	
generelle likevektsmodellen NOREG 2 til å bedre kunne analysere omstillingen til 	lavutslipps	-	
samfunnet 2050	. 	
Videreutvi	klingen omfatter:	 	
• 	Eksplisitt modellering av klimagassutslipp	. Både energirelaterte utslipp og prosess	-	
utslipp, samt modellering av klimapolitiske virkemidler i 	modellen.	 	
• 	Oppdatering av modellens basisår til 2022	 	
• 	Detaljering av utenrikshandelen	 	
• 	Kobling	 til persontransportmodellene	 	
Den videreutviklede likevektsmodellen er soft	-linket til	 transportmodellene for både gods	- 	
og persontransport og det er utviklet rutiner for iterative analyser me	d bruk av de sammen	-	
koblede modellene.	 	
 	
NOREG2 er en regional SCGE	-modell (Spatial Computable General Equilibrium), tallfestet på 	
data for norske fylker og kommuner. Modellen er designet for detaljerte regionale eller lokale 
økonomiske 	analyser hvor man ved bruk av modellapparatet kan vurdere de langsiktige 	
konsekvensene av politikkendringer eller eksogene sjokk.	 	
NOREG 2	-modellen utvikles og driftes som et samarbeidsprosjekt mellom Transportøkonomisk 	
institutt (TØI), Statistisk sentralbyrå (SSB), Vista Analyse og Menon Economics.	 	
Denne rapporten beskriver tilretteleggingen og videreutviklingen av NOREG 2	-modellen for å 	
kunne analysere omstilling av den norske økonomien til lavutslippssamfun	net 2050. 	 	
Videreutvikling av NOREG 2 for analyser av klimaomstilling	 	
Gjennom klimaloven har Norge lovfestet målet om å bli et lavutslippssamfunn innen 2050	. 	
Rapporten dokumenterer NOREG 2 	-konsortiets arbeid med å videreutvikle og tilrettelegge 	
NOREG 2	-modellen med formål om å	 styrke modellens evne til å analysere langsiktige struktu	-	
Videreutvikling av makromodellen NOREG 
2 for analyser av omstilling til 
lavutslippssamfunnet 2050	 	
Nye modelleringsmuligheter	 	
TØI rapport	 2120/2025 	 • Forfattere: 	Wiljar Hansen, Bjørn	 Gjerde	 Johansen, Orvika	 Rosnes, Øyvind	 Vennerød, 	Harald	 Svartsund	 • Oslo	 2025	 • 77 sider

Transportøkonomisk Institutt, Gaustadalléen 21, 0349	 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
relle endringer i norsk økonomi og transportsektor i overgangen mot lavutslippssamfunnet 
2050. Oppdraget omhandler 	blant annet 	oppdatering og videre klargjøring av likevekts	model	-	
len NOREG 2 til å kunne benyttes til analyser av virkemiddelpakker for å nå lavutslippssamfun	-	
net i 2050	. Behovet for slike verktøy er stort: Klimapolitikk vil endre næringsstruktur, lokalise	-	
ring av aktivitet og transportbehov nasjonalt og regionalt. Modellutvidelsen gjør det mulig å 
studere hvordan ulike klimapolitiske virkemidl	er (kvoter, skatter/avgifter, subsidier m.m.) 	
påvirker utslipp, produksjon, sysselsetting og transportetterspørsel 	– samlet og fordelt på 	
regioner og næringer.	 	
Utviklingen og tilretteleggingen av NOREG 2 til å møte analysebehovene til 
transportvirksomhetene er inndelt i fire tematisk beslektede utviklingstrinn	: 	
1. Tilrettelegging av NOREG 2 for analyser av klimaomstilling	 	
2. Oppdatering av modellens basisår til 2022	 	
3. Detaljering av eksportmarkedet	 	
4. Sterkere kobling til persontransportmodellene	 	
Modellering av utslipp og klimapolitiske virkemidler	 	
Utslippsmodulen skiller mellom 	energirelaterte (forbrennings	-) utslipp	 og	 prosessutslipp	, og 	
inkluderer seks klimagasser (CO₂, CH₄, N₂O, HFK, PFK, SF₆) omregnet til CO₂	-ekvivalenter. Det 	
skilles mellom 	kvotepliktige og ikke	-kvotepliktige	 næringer. Datagrunnlaget bygger på SSBs 	
offisielle statistikk for utslipp fra 	norsk territorium	 (relevant for klimamål) og for 	norsk økono	-	
misk aktivitet	, kombinert med Miljødirektoratets anleggsdata. Slik ka	n utslipp 	fordeles	 på 	
NOREG 2s næringer	 og 	regionaliseres til kommuner	. Karbonavgifter kalibre	res fra SSB	 for å 	
beregne 	effektiv karbonpris	 per næring.	 	
Med denne utvidelsen kan NOREG 2 gjennomføre 	scenarioanalyser	 av enkelttiltak og 	samtidig 	
virkemiddelbruk	, vurdere 	hvilke næringer og regioner som påvirkes mest	, beregne 	utslipps	-	
reduk	sjoner per næring og regi	on	, og analysere	 effekter på transportetterspørselen	. Modellen 	
kan også belyse hvordan eventuelle 	kompenserende avgiftsendringer	 i andre deler av økono	-	
mien kan dempe negative effekter på BNP, og hvordan virkemidler 	slår ulikt ut geografisk	 gitt 	
variasjoner i regional næringssammensetning. Samlet gir 	dette et styrket beslutningsgrunnlag 	
for 	målrettet og geografisk treffsikker klimapolitikk	. 	
Oppdatering av modellens basisår til 2022	 	
I NOREG 2 er SSBs nasjonale kryssløp 	regionalisert ned til kommunenivå	, slik at modellen 	
fanger opp økonomiske forskjeller og koblinger på tvers av landet. Datagrunnlaget i NOREG 2, 
versjon 2.4 er i arbeidet dokumentert i denne rapporten oppdatert til 	regnskapsåret 2022	. 	
Samtidig med oppdateringen 	av basisåret 	er det gjort flere forbedringer i regionaliseringen og i 	
modellens 	næringsinndelin	g: 	
• 	Landbruksnæringen	 er geografisk fordelt med høyere presisjon ved bruk av data fra 	
Landbruksdirektoratet om tilskudd, areal, dyretall og salg til meieri og slakteri. Dette 
gir et langt mer realistisk bilde av hvor den økonomiske aktiviteten faktisk foregår.	 	
• 	Næringsinndelingen	 er revidert slik at 	fiske og fangst	 og 	akvakultur	 behandles som 	
separate næringer, basert på forskjeller i geografi, kostnadsstruktur og vekstbaner.	 	
Samlet gir disse oppdateringene et mer presist og balansert empirisk grunnlag for modellering 
av regional økonomisk utvikling i Norge, og styrker NOREG 2 som verktøy for analyser av 
nærings	- og klimapolitikk på tvers av sektorer og regioner.

Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
Utenrikshandel 	 	
I arbeidet med å videreutvikle modellgrunnlaget for norsk eksport og import er det lagt vekt på 
å øke den geografiske presisjonen i datagrunnlaget.	 Ved å kombinere informasjon fra tidligere 	
prosjekter, som 	Eksportmeldingen	, er det utviklet en mer detaljert regional fordeling av 	
eksporten. Dette gir et mer realistisk bilde av hvor i landet eksportinntektene faktisk skapes, 
og dermed et bedre grunnlag for å analysere regionale effekter av internasjonal handel.	 	
Selve eksportnivået per næring bygger fortsatt på kryssløpsdata, men den regionale og geogra	-	
fiske fordelingen er nå betydelig mer presis. I tillegg er det utviklet nye estimater for ekspor	-	
tens mottakerregioner, basert på detaljerte handelsdata på varenivå (HS	-koder) koblet til 	
NOREG	-næringer via OECDs	 koblingsnøkler.	 Tilsvarende er det utviklet en forbedret meto	dikk 	
for import, der kryssløpsinformasjon, OECD	-data og handelsstatistikk kombineres for å identifi	-	
sere hvilke produkter som importeres og fra h	vilke land. Denne utvidelsen gir en mer helhetlig 	
forståelse av Norges internasjonale handelssystem 	– både utadgående og innadgående 	– og 	
styrker grunnlaget for analyser av hvordan globale endringer påvirker norsk økonomi og 
regionale næringer.	 	
Kobling til persontransportmodellene	 	
I denne modellutvidelsen er NOREG 2 koblet sammen med de nasjonale persontransport	-	
modellene (RTM/NTM6), i tillegg til den eksisterende koblingen til Nasjonal godsmodell. 
Formålet har vært å implementere modellering av arbeidspendling, slik at husholdninger i 
modellen kan bo i én region og arbeide i en annen. Dette gir en mer realistisk 	beskrivelse av 	
det norske arbeidsmarkedet og et bedre grunnlag for å analysere samspillet mellom økonomi, 
demografi og transportinfrastruktur.	 	
Tidligere var arbeidsstyrken i hver region antatt å tilsvare de som bodde der. I den nye versjo	-	
nen er bosted og arbeidssted frikoblet basert på registerdata for alle sysselsatte (microdata.no, 
A-meldingen, foretaksregisteret). Dette gjør det mulig å beregne realistiske pendlerstrømmer 
på kommunenivå, fordelt etter utdanningsnivå. Lønnsinntektene fly	ter nå mellom bosteds	- og 	
arbeidsregioner, slik at modellen bedre fanger hvordan verdiskaping, inntekt og forbruk 
fordeles geografisk.	 	
Koblingen til transportmodellene er etablert gjennom en egen CUBE	-applikasjon, som aggrege	-	
rer data fra RTM/NTM6 om turer, transportmiddel, reisehensikt, distanse, tid og kostnader 
mellom alle norske kommuner. Disse dataene inngår både i kalibreringen av basisåret og som 
eksogene scenariodata for 2050, der endringer i transportkostnader og reise	omfang brukes til 	
å beregne årlige vekstrater som påvirker pendlingsmønstre og privat konsum i NOREG 2.	 	
Pendlingen modelleres endogent ved hjelp av en logistisk sannsynlighetsfordeling som 
bestemmes av bedriftenes etterspørsel etter arbeidskraft og de generaliserte reisekostnadene 
mellom regioner. Dermed påvirkes pendlerstrømmene både av økonomiske endringer	 (lønns	-	
nivå og sysselsettingsvekst) og av endringer i transporttilbud og 	-kostnader fra transport	-	
model	lene.	 	
I tillegg er utlegg til transport koblet direkte til husholdningenes private konsum i NOREG 2, slik 
at endringer i transportkostnader og reiseaktivitet fra RTM/NTM gjenspeiles i forbruket av 
transporttjenester. Dette skaper konsistens mellom transport	- og 	økonomimodellene, og gir et 	
helhetlig rammeverk for analyser av hvordan transportpolitikk og infrastrukturtiltak påvirker 
arbeidsmarked, konsum, regional utvikling og velferd på lang sikt.

Transportøkonomisk Institutt, Gaustadalléen 21, 0349	 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
Utviklede rutiner for soft	-linking mellom NOREG 2 og 	
transportmodellene.	 	
Med soft	-linking mener vi sammenkobling av separate modeller der informasjonsutvekslingen 	
mellom modellene skjer manuelt. NOREG 2 er allerede soft	-linket til Nasjonal godsmodell. I 	
denne modellutvidelsen har modellen også blitt soft	-linket til persontransp	ortmodellene.	 	
NOREG 2 er soft	-linket til modellene i transportmodellsystemet, og i analysene i dette 	
metodeprosjektet benytter vi iterative prosesser mellom modellverktøyene for å fange det 
fulle bildet av omstillingen til et lavutslippssamfunn.	 	
 	
NOREG 2 benytter transportkostnadene fra både nasjonal godsmodell (NGM) og fra person	-	
transportmodellene (RTM/ NTM 6) som eksogene parameterverdier i modelleringen av de 
geografiske sammenhengene i økonomien. Fra NGM hentes det godstransportkostnader per 
sonepar og per næring, mens det fra persontransportmodellene hentes transportkostnader 	er 	
sonepar og reisehensikt. I NGM er handelsvolumet eksogent og dette hentes fra NOREG 2, 
mens den regionale befolkningsutviklingen og attraktiviteten til sonene i person	transport	-	
model	lene er eksogene i disse modellene. NOREG 2 har endogen flytting og beregner nærings	-	
vis endring i sysselsetting og produksjon m.m., som kan benyttes som eksogene endringer av 
befolkningsutviklingen og den sonevise reiseattraktiviteten i persontransportmodellene. 	 	
Utvikling av rutiner for soft	-linking mellom NOREG 2 og transportmodellen har vært sentralt i 	
metodeutviklingen i dette prosjektet. 	 	
De sammensatte rutinene for soft	-linkingen av NOREG 2 og transportmodellene for å etablere 	
referansebanen er delt opp i følgende steg:	 	
Steg 0:	 Avklaring av hvilke utviklingstrekk og hvilket transportnettverk som skal ligge til 	
grunn i referansebanen.	 	
Steg 1:	 Beregne transportkostnader per vare og sonepar i NGM, samt beregne transport	-	
kostnader per reisehensikt og transportmiddel i persontransportmodellene.	 	
Steg 2:	 NOREG 2 kjøres med det settet av virkemidler som er definert til å være en del av 	
referansebanen og med transportkostnader fra transportmodellene beregnet i steg 1. 	 	
Steg 3:	 NGM kjøres med utviklingsbaner for varestrømmer fra NOREG 2 beregnet i steg 2.	 	
Steg 4: Etablere referansebanen gjennom iterative kjøringer med NOREG 2, NGM og 
persontransportmodellene.	 	
Referansebane og eksempelstrategier	 	
Analysene i rapporten er foretatt i en modell med 	SSB sine økonomiske regioner som geogra	-	
fisk enhet. Det er 85 økonomiske regioner i Norge.	 	
For å kunne vurdere effektene av klimapolitiske virkemidler i NOREG 2 må det etableres en 
referansebane som beskriver hvordan økonomien utvikler seg dersom dagens politikk videre	-	
føres. Referansebanen fungerer som et sammenligningsgrunnlag for de alternative strategi	-	
banene, og et tydelig skille mellom disse er avgjørende for analysens validitet.	 	
Referansebanen representerer en business	-as-usual	-utvikling, der produksjon, konsum, 	
handel, priser og utslipp følger gitte forutsetninger om befolkningsvekst, produktivitet,

Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
teknologi og eksisterende politikk. Den er ikke en prognose, men en normativ referanse som 
danner et konsistent utgangspunkt for å analysere virkninger av nye tiltak og endringer i klima	-	
politikken.	 	
I dette prosjektet er det definert to referansebaner:	 	
0. Referansebanen	 (business	-as-usual / frozen	-policy)	 	
1. EU	-banen	 	
Steg representerer den tradisjonelle referansebanen hvor det legges til grunn at Norge som 
helhet utvikler seg i tråd med framskrivningene i Perspektivmeldingen 2024 (St.Meld. 31 
(2023	-2024	). EU	-banen i stor grad en videreføring av Steg 0, men med innføring av EU	-krav	 	
knyttet til reduksjon i GHG	-intensitet i skipsfarten og krav om innblanding av 	Sustainable 	
Aviation Fuel (SAF)	 i luftfarten.	 	
Det er utviklet fire eksempelstrategier for norsk transportsektors vei mot lavutslippssamfunnet 
2050. De overordnede premissene for alle de fire strategibanene er at utslippene fra trans	-	
port	sektoren skal være tilnærmet null i 2050. I analysene med NOREG 2 evalueres disse fire 	
eksempelstrategiene opp imot referansebanen.	 	
Følgende eksempelstrategier er definert	 	
• 	UFF	-banen	 	
• 	UF	-banen	 	
• 	Teknologibanen	 	
• 	Kostandseffektivitetsbanen

Transportøkonomisk Institutt, Gaustadalléen 21, 0349	 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
For hver av eksempelstrategiene, følger de iterative analysene med modellverktøyene samme 
stegvise oppsett:	 	
Steg 1:	 Transportmodellene kjøres med de klimapolitiske virkemidlene som tilhører transport	-	
sektoren	. 	
Steg 2:	 NOREG 2 kjøres med eksogene endringer i transportkostnader fra steg 1 og klima	-	
politiske virkemidler og tilpasninger modellert i NOREG 2.	 	
Steg 3:	 NGM kjøres med utviklingsbaner for varestrømmer fra NOREG 2 beregnet i steg 2 for å 	
beregne framskriving av godsvolumer per transportmiddel i eksempelstrategiene. Ved større 
endringer, vurderes det om det er formålstjenlig å oppdatere befolkningsutvikling	en i person	-	
transportmodellene med resultatene fra den endogene flyttingen i NOREG 2.	 	
De fire settene av virkemiddelpakker definert i eksempelstrategiene inneholder både virke	-	
midler som er spesifikt rettet mot transportsektoren, 	finansieringen av disse klimatilpas	nin	-	
gene og	 virkemidler som er rettet mot de øvrige sektorene i økonomien	. 	
Forutsetninger bak	 referansebanen	 	
Referansebanen i NOREG2 framkommer ved å bruke de samme antakelsene som ligger til 
grunn for framskrivinger i Perspektivmeldingen. Dette vil gi ulike utslag i ulike regioner i Norge 
på grunn av forskjeller i befolkningsutvikling, næringsstruktur, handelsmø	nster og befolk	nin	-	
gens utdanningssammensetning.	 	
Forutsetningene for de 	regionale	 utviklingsbanene følger forutsetningene som ligger til grunn 	
for Regjeringens Perspektivmelding 2024:	 	
• 	Befolkningsutvikling	 er basert på SSBs kommunevise befolkningsframskrivinger fra 	
2024. 	 	
• 	For å framskrive 	arbeidsstyrken	 tar vi utgangspunkt i befolkningsutviklingen for perso	-	
ner i alderen 16	-74 år. Deltakelse i arbeidsstyrken	 er basert på årlige sysselsettings	-	
andeler fra DEMEC. For perioden 2024	-20	50 ligger denne stort sett mellom 71 og 72 	
prosent for alders	gruppen 16	-74 år.	 	
• 	Endring i utdanningsnivå	 følger Cappelen mfl. 	(2020). 	 	
• 	Etterspørselen etter utdanning 	er antatt å øke i tråd med utdanningsnivået	. 	
• 	Petroleumsnæringen	 er antatt å reduseres med om lag 60 prosent i 2060 	
sammenlignet med 2024	-nivå	1. 	
• 	Vekst i	 offentlig konsum 	følger DEMEC. Dette innebærer en årlig vekst på i overkant 	
av 1,5 prosent (i faste priser) fram mot 2036, og en avtakende vekst etter dette. I snitt 
vil offentlig sektor øke med 1,3 prosent i året i perioden 2024	-2060.	 	
• 	Vi legger til grunn en 	sterk vekst i forsvaret	 den første 12	-årsperioden. I tråd med 	
Perspektiv	meldingen vil det, på grunn av lave fødselstall den siste tiden, være tilsva	-	
rende lavere vekst i utdanning. Dette betyr at ekspansjonen av forsvaret ikke vil gi et 
trendbrudd i veksten for offentlig sektor som helhet.	 	
 	
1 Perspektivmeldingens anslag på utviklingen i oljeproduksjon på norsk sokkel baseres på 
Sokkeldirektoratets anslag for den gjenværende ressursbasen på norsk kontinentalsokkel. Anslaget 
følger mulighetsbildet «Forventning» fra Sokkeldirektoratets Ressursrap	port 2024.

Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
• 	Produktivitetsvekst	 bygger også på DEMEC. Gjennomsnittlig årlig produktivitetsvekst i 	
perioden 2024	-2060 er på litt over 0,7 prosent i private næringer, og i underkant av 0,5 	
prosent i offent	lige næringer.	 	
• 	Energieffektivisering	 er antatt å være nesten 1 prosent årlig, basert på anslag fra CEPII 	
(EconMap, 2016).	 	
Referansebanene i NOREG 2 er regionale varianter av referansebanen som ligger til grunn for 
Regjeringens perspektivmelding, og er kalibrert til å samsvare med de nasjonale makrotallene 
og forutsetningene derfra. Modellen produserer dermed regionale perspek	tivmeldinger som 	
er konsistente med den nasjonale utviklingen.	 	
Referansebanen som presenteres i dette kapittelet er imidlertid en eksempelberegning, utvik	-	
let gjennom iterasjoner mellom NOREG 2 og transportmodellene (RTM, NTM6, NGM). Innenfor 
prosjektets tidsramme har det ikke vært mulig å kalibrere banen fullt ut mot Perspektiv	-	
meldingen 2024, Nasjonalbudsjettet 2025 og SNOW	-modellen.	 	
Resultatene må derfor betraktes som metodiske illustrasjoner, ikke som beslutningsgrunnlag 
eller framskriving av norsk økonomi. Arbeidet gir verdifull erfaring med samkjøring av model	-	
lene og videreutvikling av soft	-linking	-rutinene, men en mer grundig kalibrering og kvalitets	-	
sikring er nødvendig før resultatene kan benyttes i politikkutforming.	 	
Evaluering at eksempels	trategier	 	
De fire settene av virkemiddelpakker definert i eksempelstrategiene inneholder både virke	-	
midler som er spesifikt rettet mot transportsektoren, finansieringen av disse klimatilpas	nin	-	
gene og virkemidler som er rettet mot de øvrige sektorene i økonomien. 	 	
I dette prosjektet har hovedfokuset vært på metodeutvikling, både en videreutvikling av 
NOREG 2	-modellen til å bedre kunne analysere omstillingen til et lavutslippssamfunn i 2050, 	
men også utviklingen av rutiner for soft	-linking av NOREG 2 med transportmod	ellene, både 	
NGM og persontransportmodellene. Parallelt har det pågått et stort arbeid med utvikling av 
prosesser for sammenstillingen av virkemiddelpakker og etablering av fremtidsstrategier for å 
nå lavutslippssamfunnet for transportsektoren. 	 	
Resultatene og læringspunktene fra dette metodeutviklingsprosjektet, skal tas med i videre 
arbeid. Resultatene som presenteres fra modellanalysene må	 forstås som illustrative eksem	-	
pel	beregninger. De ulike eksempelstrategiene er utviklet i samarbeid mellom NTPs metode	-	
gruppe og forskere på TØI, gjennom en prosess preget av løpende vurderinger av hva som er 
hensiktsmessig både fra et strategisk transportpolitisk perspektiv og fra et modellteknisk 
ståsted, samtidig som det har vært en løpende avveining mellom behovet for 	å kvalitetssikre 	
og kalibrere modellverktøyene, og behovet for framdrift og leveranser i prosjektet. 	 	
Dette er første gang hele modellapparatet 	– NOREG 2, RTM, NTM6 og NGM 	– samordnes og 	
kjøres i fellesskap, og i tillegg er det benyttet nyutviklede forenklede versjoner av RTM. Erfarin	-	
gene fra dette arbeidet gir verdifull innsikt for videre utvikling og anvendelse av metodikken, 
men selve beregningene	 bør tolkes med varsomhet. Ytterligere modelltilpasning, kalibrering og 	
kvalitetssikring vil være nødvendig før resultatene kan brukes som grunnlag for beslutninger.

Transportøkonomisk Institutt, Gaustadalléen 21, 0349	 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
 	
 
Analyseresultatene aggregert opp til nasjonalt nivå, indikerer at UF	-banen har den mest 	
inngripende effekten på norsk økonomi. 	 	
I rapporten presenteres resultater både	 for enkeltnæringer og per økonomisk region	, samt et 	
anslag på den samfunnsøkonomiske kostnaden for	 en omstilling til lavutslippssamfun	net 2050	. 	
Analysene	 av eksempelstrategiene viser relativt sto variasjon mellom strategiene når man	 	
zoomer inn på økonomiske regioner og enkeltnæringer, mens noe av variasjonen hviskes ut 
når resultatene aggregeres over næringer og soner og presenteres som nasjonale 	verdier.	 	
Videre arbeid	 	
Videreutviklingen av NOREG 2 skjer både innenfor rammen av det tiårige forskningsprosjektet 
finansiert av Forskningsrådets DEMOS	-program og gjennom oppdragsfinansierte prosjekter. I 	
samarbeid med transportetatene er 	NOREG 2	 utvidet for å styrke analysene av omstilling til 	
lavutslippssamfunnet 2050	. Arbeidet har omfattet utvikling av selve modellen, etablering av 	
rutiner for kobling mot transportmodellene (RTM, NTM6, NGM) og testing gjennom eksempel	-	
strategier. Neste steg er å bruke verktøyet på reelle strat	egier som kan inngå i arbeidet med 	
Nasjonal transportplan (NTP).	 	
Før modellene kan brukes direkte i politikkutforming, må det gjennomføres flere utviklings	-	
trinn:	 
• 	Rekalibrering av NOREG 2 til oppdaterte varestrømsmatrise	r fra utviklingsprosjektet i	 	
Nasjonal godsmodell (NGM).	 	
• 	Etablering av en politikk	-konsistent og validert referansebane, slik at framskrivingene 	
blir konsistente med Perspektivmeldingen 2024 og Nasjonalbudsjettet 2025, inkludert 
implementering av sektorspesifikke teknologiforutsetninger fra Finansdepartementets 
SNOW	-modell.	 	
Annen videreutvikling som også legger	 til rette for bedre analyser av omstillingen til 	
lavutslipps	samfunnet	 innbefatter	: 	
• 	Prisområder i kraftmarkedet skal modelleres mer presist for å fange geografiske 
forskjeller i kraftpriser og effekter på næringslokalisering.	 	
0,500%
0,550%
0,600%
0,650%
0,700%
0,750%	
Gjennomsnittlig årlig vekst i fastlands	-BNP per capita mellom 	
2023 og 2050	
0_Ref	1_EU	2_UFF	3_UF	4_Tek	5_Kost.eff

Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo	, E-post:	 toi@toi.no	 www.toi.no	 	
• 	Iterativ kobling mellom NOREG 2 og transportmodellene skal utforskes videre, slik at 
endringer i befolkning, arbeidsplasser og destinasjonsattraktivitet i NOREG 2 kan 
påvirke transportmodellene, og omvendt.	 	
• 	Et pågående arbeid med å innlemme 	kontinentalsokkelen som et nytt geografisk 	
element i modellen. Aktiviteten på sokkelen deles inn i fem petroleumsregioner, med 
tilhørende leveransekjeder på land kartlagt via AIS	-data og næringsdata. Dette vil gjøre 	
det mulig å analysere regionale konsekven	ser av endringer i petroleums	- og havvind	-	
aktivitet, samt koblingen mellom offshore og fastlandsøkonomien.	 	
Samlet sett vil disse videreutviklingene gi et mer presist, geografisk detaljert og integrert 
modellverktøy som bedre kan brukes til å vurdere langsiktige nærings	-, klima	- og transport	-	
politiske strategier frem mot 2050.

Institute of Transport Economics	, Gaustadalléen	 21, 	N-0349 Oslo	, Norway	, E-mail	: toi@toi.no	 www.toi.no	 	
 	
ENGLISH	 	Summary	 	
 	
This report documents the further development and adaptation of the 	regional 	general 	
equilibrium model NOREG 2 to better 	analyse	 Norway’s transition to a low	-emission society 	
by 2050.	 	
The model enhancements include:	 	
• 	Explicit 	modelling	 of greenhouse gas emissions, covering both energy	-related and 	
process emissions, as well as the inclusion of climate policy instruments in the 
model.	 	
• 	Updating the model’s base year to 2022.	 	
• 	Greater detail in 	modelling	 foreign trade.	 	
• 	Linking the model to the national passenger transport models.	 	
The updated general equilibrium model is soft	-linked to both freight and passenger trans	-	
port models, and routines for iterative analyses using the integrated 	modelling	 framework 	
have been developed.	 	
 	
NOREG 2 is a regional Spatial Computable General Equilibrium (SCGE) model calibrated with 
data for Norwegian counties and municipalities. The model is designed for detailed regional or 
local analyses, enabling assessment of the long	-term economic impacts o	f policy changes or 	
external shocks.	 	
NOREG 2 is developed and maintained as a collaboration between the Institute of Transport 
Economics (TØI), Statistics Norway (SSB), Vista Analyse, and Menon Economics.	 	
This report describes the adaptation and further development of the NOREG 2 model to 
analyze the transition of the Norwegian economy toward a low	-emission society by 2050. 	 	
Advancing the NOREG 2 Macroeconomic 
Model for Assessing Norway’s Transition 
to a Low	-Emission Society by 2050	 	
Expanding the Modeling Framework	 	
TØI 	Report	 2120/2025 	 • Author	s: Wiljar Hansen, Bjørn	 Gjerde	 Johansen, Orvika	 Rosnes, Øyvind	 Vennerød, 	Harald	 Svartsund	 • Oslo	 2025	 • 77 pages

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
Further development of NOREG 2 for climate transition analysis	 	
Through the Climate Act, Norway has legally committed to becoming a low	-emission society by 	
2050. This report documents the NOREG 2 consortium’s efforts to improve and adapt the 
model to better analyze long	-term structural changes in the Norwegian economy 	and trans	-	
port sector during this transition. The project includes updating and preparing NOREG 2 to 
analyze policy packages aimed at achieving the low	-emission target.	 	
The need for such analytical tools is substantial: climate policy will reshape industrial structure, 
activity location, and transport demand at both national and regional levels. The model exten	-	
sion makes it possible to study how various climate policy instruments (quotas, taxes, subsi	-	
dies, etc.) affect emissions, production, employment, and transport demand	—both in total 	
and distributed across regions and industries.	 	
The development work has been organized into four main thematic components:	 	
1. Adapting NOREG 2 for climate transition analysis	 	
2. Updating the model’s base year to 2022	 	
3. Adding greater detail to the export market	 	
4. Strengthening links to passenger transport models	 	
Modeling of emissions and climate policy instruments	 	
The emissions module distinguishes between energy	-related (combustion) emissions and 	
process emissions, and includes six greenhouse gases (CO₂, CH₄, N₂O, HFCs, PFCs, SF₆) expres	-	
sed in CO₂	-equivalents. It also separates emission trading system (ETS) and non	-ETS sectors.	 	
The data are based on Statistics Norway’s official emission statistics for both territorial 
emissions (relevant for national climate targets) and emissions from Norwegian economic 
activity, combined with facility	-level data from the Norwegian Environment A	gency. This 	
allows emissions to be allocated across NOREG 2’s industries and regionalized to municipali	-	
ties.	 	
Carbon taxes are calibrated using Statistics Norway’s data to calculate effective carbon prices 
per industry.	 	
With this extension, NOREG 2 can perform scenario analyses of individual measures or 
combinations of instruments, identify which sectors and regions are most affected, estimate 
emission reductions per industry and region, and analyze transport demand impac	ts. The 	
model can also assess how compensatory tax adjustments in other sectors could mitigate 
negative GDP effects, and how the policy impacts differ geographically due to variations in 
regional industrial structure. Together, these capabilities provide a	 stronger basis for targeted 	
and geographically balanced climate policy.	 	
Updating the model	’s base year to 2022	 	
In NOREG 2, the national input	-output tables from Statistics Norway have been regionalized 	
down to the municipal level, capturing economic differences and linkages across Norway. In 
this work (NOREG 2 version 2.4), the base year has been updated to 2022.

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
Several improvements have been made alongside this update:	 	
• 	The agriculture sector has been geographically distributed with higher precision using 
data from the Norwegian Agriculture Agency on subsidies, land use, livestock numbers, 
and sales to dairies and slaughterhouses, providing a more realistic picture of whe	re 	
production actually occurs.	 	
• 	The industrial classification has been refined by separating fishing and catching from 
aquaculture, reflecting their different geographic structures, cost profiles, and growth 
paths.	 	
These updates provide a more accurate and balanced empirical foundation for modeling 
regional economic development in Norway and strengthen NOREG 2 as a tool for analyzing 
industrial and climate policies across sectors and regions.	 	
Foreign trade	 	
In the further development of the model’s trade module, emphasis has been placed on impro	-	
ving the geographical precision of export and import data. By combining information from 
previous projects (such as the Norwegian Export White Paper) with new datasets, a more 
detailed regional distribution of exports has been established. This provides a 	more realistic 	
picture of where export revenues are generated, improving the basis for analyzing regional 
impacts of international trade.	 	
While export levels per industry remain based on the input	-output framework, the regional 	
and international distribution has become much more precise. New estimates have been 
developed for export destinations, using detailed commodity	-level trade data (HS 	codes) 	
linked to NOREG industries through OECD concordance keys.	 	
A corresponding methodology has been developed for imports, combining input	-output data, 	
OECD keys, and trade statistics to identify which products are imported and from which 
countries. These enhancements provide a comprehensive view of Norway’s trade sys	tem, both 	
inbound and outbound, and strengthen the analytical basis for assessing how global changes 
affect Norway’s economy and regional industries.	 	
Linking to the passenger transport models	 	
In this development phase, NOREG 2 has been connected to the national passenger transport 
models (RTM/NTM6), in addition to the existing link to the National Freight Model (NGM). The 
objective has been to implement commuting behavior in the model, allowing	 households to 	
live in one region and work in another. This creates a more realistic representation of the 
Norwegian labor market and a stronger analytical basis for examining interactions between 
the economy, demographics, and transport infrastructure.	 	
Previously, each region’s labor force was assumed to match its resident population. In the new 
version, residence and workplace are decoupled using register data for all employed persons 
(from microdata.no, A	-melding, and the business register). This enabl	es realistic commuting 	
flows at the municipal level, disaggregated by education level. Income now flows between 
residence and work regions, improving the model’s ability to represent how value creation, 
income, and consumption are geographically distribute	d. 	
The link to transport models is implemented through a dedicated CUBE application that aggre	-	
gates data from RTM/NTM6 on trips, transport modes, travel purposes, distances, times, and 
costs between all Norwegian municipalities. These data are used both for base	-year calibration 	
and as exogenous scenario inputs for 2050, where changes in transport 	costs and travel

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
demand determine annual growth rates that influence commuting and private consumption in 
NOREG 2.	 	
Commuting is modeled endogenously using a logistic probability distribution, driven by firms’ 
labor demand and the generalized travel cost between regions. Thus, commuting flows are 
affected by both economic changes (wages and employment) and transport sys	tem develop	-	
ments (costs and accessibility).	 	
In addition, household transport expenditure is directly linked to private consumption in 
NOREG 2, so changes in transport costs and travel behavior from RTM/NTM are reflected in 
the consumption of transport services. This ensures consistency between trans	port and 	
economic models, providing an integrated framework for analyzing how transport policy and 
infrastructure investments affect the labor market, consumption, regional development, and 
welfare over time.	 	
Development og soft	-linking routines between NOREG 2 and the 	
transport models	 	
Soft	-linking refers to the manual integration of separate models where information is exchan	-	
ged iteratively. NOREG 2 has previously been soft	-linked to the National Freight Model (NGM), 	
and in this phase, it has also been linked to the passenger transport models.	 	
In this methodological project, iterative processes between the models have been used to 
capture the full dynamics of the low	-emission transition. NOREG 2 uses transport cost data 	
from both NGM (freight costs per zone pair and industry) and RTM/NTM6 (trave	l costs per 	
zone pair and purpose) as exogenous parameters. Conversely, NGM relies on trade volumes 
from NOREG 2, while NOREG 2 provides regional employment and demographic projections 
that can feed back into the passenger models.	 	
The soft	-linking routine for establishing a reference pathway involves five main steps:	 	
0. Define the underlying development trends and transport network for the reference 
case.	 	
1. Calculate transport costs per commodity and zone pair in NGM, and per travel purpose 
and transport mode in RTM/NTM6.	 	
2. Run NOREG 2 using the defined policy set and transport costs from step 1.	 	
3. Run NGM with freight flow trajectories from NOREG 2 (step 2).	 	
4. Establish the reference pathway through iterative runs between NOREG 2, NGM, and 
the passenger transport models.	 	
Reference	 scenario and example strategies	 	
The analyses in this report use Statistics Norway’s 85 economic regions as the geographic unit.	 	
To assess the effects of climate policy measures, NOREG 2 requires a reference pathway 
describing how the economy would evolve under current policies. This pathway serves as a 
benchmark for the alternative strategic scenarios, and maintaining a clear disti	nction between 	
them is crucial for analytical validity.	 	
The reference pathway represents a business	-as-usual development, where production, 	
consumption, trade, prices, and emissions follow assumptions about population growth, 
productivity, technology, and existing policies. It is not a forecast but a normative 	baseline 	
providing a consistent foundation for evaluating the effects of new policy interventions.

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
Two reference pathways have been defined:	 	
0. Reference Pathway (business	-as-usual / frozen	-policy) 	– assuming Norway develops in 	
line with the projections in the 2024 Perspective Report (White Paper 31 (2023	–	
2024)).	 	
1. EU Pathway 	– largely based on the same assumptions as step but incorporating EU 	
requirements related to reduced GHG intensity in shipping and Sustainable Aviation 
Fuel (SAF) blending mandates.	 	
Four example strategies have been developed to illustrate potential pathways for the 
Norwegian transport sector toward a low	-emission society by 2050. All assume near	-zero 	
transport emissions by 2050 and are evaluated against the reference pathway in NOREG	 2: 	
• 	UFF Pathway	 	
• 	UF Pathway	 	
• 	Technology Pathway	 	
• 	Cost	-Effectiveness Pathway	 	
Iterative Analysis Setup	 	
For each of the example strategies, the iterative analyses across the model tools follow the 
same stepwise procedure:	 	
Step 1:	 The transport models are run with the climate policy instruments that apply to the 	
transport sector.	 	
Step 2:	 NOREG 2 is run using the exogenous changes in transport costs from Step 1, along with 	
the climate policy measures and adjustments modeled within NOREG 2.	 	
Step 3:	 The National Freight Model (NGM) is run using the projected freight flows from NOREG 	
2 (Step 2) to calculate future freight volumes by transport mode for each example strategy. For 
larger structural changes, it is assessed whether it	 is appropriate to update the population 	
development in the passenger transport models based on endogenous migration results from 
NOREG 2.	 	
The four sets of policy packages defined in the example strategies include both sector	-specific 	
measures for transport, financing mechanisms for these climate adaptations, and measures 
targeting other sectors of the economy.	 	
Assumptions Underlying the Reference Pathway	 	
The reference pathway in NOREG 2 is based on the same assumptions used in the 
Government’s 2024 Perspective Report (PM2024). This yields different regional outcomes due 
to variations in population growth, industrial structure, trade patterns, and education	al 	
composition across Norwegian regions.	 	
The regional development assumptions follow those of the 2024 Perspective Report:	 	
• 	Population growth:	 Based on SSB’s 2024 municipal population projections.	 	
• 	Labor force:	 Projected using population data for ages 16	–74, with participation rates 	
from DEMEC. Between 2024 and 2050, participation remains around 71	–72 percent 	
for this age group.	 	
• 	Education:	 Educational attainment follows Cappelen et al. (2020), with demand for 	
education assumed to rise in line with attainment levels.	 	
• 	Petroleum sector:	 Expected to decline by about 60 percent by 2060 relative to 2024.

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
• 	Public consumption growth:	 Based on DEMEC	—just over 1.5% annually (real terms) 	
until 2036, tapering thereafter, averaging 1.3% per year from 2024	–2060.	 	
• 	Defense and education:	 Strong defense growth is assumed in the first 12	-year period; 	
lower birth rates imply weaker growth in education, consistent with PM2024.	 	
• 	Productivity growth:	 Based on DEMEC	—just over 0.7% annually in private industries 	
and just under 0.5% in public services between 2024 and 2060.	 	
• 	Energy efficiency:	 Assumed to improve by almost 1% annually, following CEPII 	
(EconMap, 2016).	 	
The reference pathways in NOREG 2 are thus regionalized versions of the Perspective Report 
baseline, calibrated to align with national macroeconomic aggregates and assumptions. 
NOREG 2 therefore produces regional perspective pathways consistent with the na	tional one.	 	
The reference pathway presented in this chapter, however, is a demonstration case developed 
through iterations between NOREG 2 and the transport models (RTM, NTM6, NGM). Within 
the project timeframe, it has not been possible to fully calibrate the pathway 	to the 2024 	
Perspective Report, the 2025 National Budget, and the SNOW model.	 	
As such, the results should be regarded as methodological illustrations, not as forecasts or 
policy	-ready outputs. The work provides valuable experience in coordinating the models and 	
advancing soft	-linking routines, but further calibration and quality ass	urance are required 	
before the results can inform policy decisions.	 	
Evaluation of Example Strategies	 	
The four example strategies comprise integrated policy packages that include sector	-specific 	
measures for the transport sector, their financing, and related policies targeting other parts of 
the economy.	 	
The project’s main focus has been methodological development	—both refining NOREG 2 to 	
better analyze the transition toward a low	-emission society by 2050, and developing soft	-	
linking routines between NOREG 2 and the transport models (NGM and the passenger 
models). In parallel, significant effort has gone into designing the policy packages and long	-	
term strategic pathways for achieving low emissions in the transport sector.	 	
The findings and lessons from this methodological project will inform future work. The model 
results presented here should be interpreted as illustrative examples, not forecasts. The 
example strategies were developed jointly by the National Transport Plan 	(NTP) methods 	
group and researchers at TØI, through a process involving continuous assessments of what is 
appropriate both from a strategic transport policy perspective and a modeling perspective. 
Throughout, trade	-offs were made between the need for model	 calibration and quality 	
assurance and the need for progress and delivery within the project timeline.	 	
This marks the first time the entire modeling system	—NOREG 2, RTM, NTM6, and NGM	—has 	
been integrated and run jointly, including the use of newly developed simplified versions of 
RTM. The experience gained provides valuable insights for future methodologica	l and model 	
development, though the current calculations must be interpreted with caution. Further 
model refinement, calibration, and validation will be necessary before the results can serve as 
a solid basis for policymaking.	 	
When aggregated to the national level, the results indicate that the UF pathway has the most 
significant overall impact on the Norwegian economy.	 	
The report presents results both by individual industries and by economic regions, as well as 
an estimate of the socioeconomic cost of transitioning to a low	-emission society by 2050.

Institute of Transport Economics, Gaustadalléen 21, N	-0349 Oslo, N	orway,	 E-mail	: toi@toi.no	 www.toi.no	 	
The analyses of the example strategies reveal considerable variation between strategies when 
examined at the regional or sectoral level. However, much of this variation becomes less 
pronounced when the results are aggregated across sectors and zones and pr	esented as 	
national averages.	 	
Further Work	 	
The further development of NOREG 2 is progressing both within the framework of the ten	-year 	
research project funded by the Research Council of Norway’s DEMOS program and through 
commissioned projects. In cooperation with the Norwegian transport agencies, t	he model has 	
been expanded to strengthen its capacity to analyze the transition to a low	-emission society by 	
2050.	 	
This work has involved improvements to the model itself, the establishment of routines for 
linking with the transport models (RTM, NTM6, NGM), and testing through example strategies. 
The next step is to apply the tool to real strategic analyses that can be	 incorporated into the 	
National Transport Plan (NTP).	 	
Before the models can be used directly for policy formulation, several additional development 
steps are required:	 	
• 	Recalibration of NOREG 2	 using updated freight flow matrices from the ongoing 	
development project for the National Freight Model (NGM).	 	
• 	Establishment of a policy	-consistent and validated reference pathway	, ensuring 	
projections are aligned with the 2024 Perspective Report and the 2025 National 
Budget, including the implementation of sector	-specific technology assumptions from 	
the Ministry of Finance’s SNOW model.	 	
Other planned extensions that will improve the model’s ability to analyze the transition to a 
low	-emission economy include:	 	
• 	More detailed modeling of electricity price zones	 to capture regional variations in 	
power prices and their effects on industrial location.	 	
• 	Further exploration of iterative linkages	 between NOREG 2 and the transport models, 	
enabling mutual feedback between changes in population, employment, and destina	-	
tion attractiveness.	 	
• 	Integration of the Norwegian continental shelf	 as a new geographic component of the 	
model. Offshore activity will be divided into five petroleum regions, with associated 
onshore supply chains mapped using AIS shipping data and industrial datasets. This will 
enable analysis of regional impacts of chang	es in petroleum and offshore wind activity, 	
and strengthen the connection between the offshore and mainland economies.	 	
Overall, these enhancements will provide a more precise, geographically detailed, and integra	-	
ted modeling framework, better suited for evaluating long	-term industrial, climate, and trans	-	
port policy strategies toward 2050.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	1 	
1	 	Innledning	 	
1.1	 	Bakgrunn	 	
Denne rapporten beskriver tilretteleggingen og videreutviklingen av NOREG 2	-modellen for å kunne 	
analysere omstilling av den norske økonomien til lavutslippssamfunet 2050. Arbeidet som dokumente	-	
res er finansiert av transportvirksomhetene og utført av NOREG 2	-konsortiet. NOREG 2 modellen har 	
grunnfinansiering fra K	ommunal	- og distriktsdepartementet	 og N	orges forskningsråd 	gjennom DEMOS	-	
programmet i NFR. 	 	
Utviklingen av likevektsmodellen NOREG 2 er et samarbeidsprosjekt mellom TØI, Vista Analyse, Menon 
Economics og SSB. Utviklingen ledes av TØI. Heretter omtales samarbeidspartnerne i NOREG 2	-	
utviklingen som NOREG 2	-konsortiet. 	 	
Gjennom klimaloven har Norge lovfestet målet om å bli et lavutslippssamfunn innen 2050. Loven fast	-	
slår at klimagassutslippene skal reduseres i størrelsesorden 90	-95 % sammenlignet med referanseåret 	
1990. Størstedelen av norske utslipp av klimagasser kommer fra olje	- og gassutvinning og fra industrien, 	
etterfulgt av transportsektorene, jordbrukssektoren	 og avfallssektoren	 2. 	
I Parisavtalen oppmuntres alle land til å utvikle langsiktige lavutslippsstrategier	3. Norges lavutslipps	-	
strategi skisserer fire hovedtrekk ved lavutslippssamfunnet 2050: 	 	
• 	Lavutslippssamfunnet er et samfunn med lave utslipp i alle sektorer	 	
• 	Areal, skog og ressurser blir forvaltet på en bærekraftig måte som legger til rette for høyt opptak 
og lavt utslipp. Våre arealer lagrer karbon og forsyner oss med materialer, mat og energi.	 	
• 	Et grønt næringsliv med lave utslipp av klimagasser	 	
• 	Byer og lokalsamfunn legger til rette for lave klimagassutslipp og gode levekår for innbyggerne	 	
For å begrense den globale temperaturøkningen til godt under to grader celsius, slik Parisavtalen forplik	-	
ter til, må alle land gjennomføre omfattende utslippskutt på tvers av sektorer. NOU 2023:25 
(Klimautvalget 2050) peker på at Norge må bruke energi, materialer og arealer mer effektivt for å nå 
målet om et lavutslippssamfunn. Alle sektorer må bidra, og ders	om én sektor ikke leverer tilstrekkelige 	
utslippsreduksjoner, øker belastningen på de andre. En koordinert overgang krever derfor at analyser og 
beslu	tningsgrunnlag er konsistente med de langsiktige klima	- og naturmålene.	 	
1.2	 	Formål	 	
Samferdselsdepartementet undersøker i 2025 hvordan visjonsstyrt planlegging kan innarbeides i norsk 
transportplanlegging. I den forbindelse har NTPs metodegruppe 	– bestående av Statens vegvesen, 	
Jernbanedirektoratet, Kystverket, Nye Veier AS, Bane NOR og A	vinor 	– fått i oppdrag å vurdere hvordan 	
det faglige grunnlaget for å analysere måloppnåelse og framtidig transportetterspørsel kan styrkes. 
Dette inkluderer utprøving av backcasting og vurdering av metoder som kan understøtte visjonsstyrt 
planlegging.	 	
 	
2 NOU 2023:25 Klimautvalget 	 	
3 Stortinget behandlet Norges lavutslippsstrategi i	 forbindelse med Klima	- og miljødirektoratet sin budsjett	propo	-	
sisjon for 2020 (Prop. 1S (2019	-2020). 	Gjennom Parisavtalen er hvert land forpliktet til å oppdatere k	limamålene 	
hvert femte år. 	I 2025 skal alle land melde inn sine klimamål for p	erioden etter 2030.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	2 
Denne rapporten dokumenterer NOREG 2 	-konsortiets arbeid med å videreutvikle og tilrettelegge en 	
regional generell likevektsmodell (SCGE	-modell) som verktøy i dette arbeidet. Formålet er å styrke 	
modellens evne til å analysere langsiktige strukturelle endr	inger i norsk økonomi og transportsektor i 	
overgangen mot lavutslippssamfunnet 2050. Oppdraget omhandler oppdatering og videre klargjøring av 
likevektsmodellen NOREG 2 til å kunne benyttes til analyser av virkemiddelpakker for å nå lavutslipps	-	
samfunnet i 	2050, og skal bidra til at transportetatene skal kunne svare ut sitt oppdrag fra Samferdsels	-	
departementet, fase 2. 	 	
Transportvirksomhetene er bedt som en del av et oppdrag fra Samferdselsdepartementet å benytte 
makromodeller som en del av virkemiddelanalysene for å nå lavutslippssamfunnet i 2050. I den forbin	-	
delse er NOREG 2	-modellen valgt til å svare ut oppdraget fra 	Samferdselsdepartementet. 	 	
En omstilling til et lavutslippssamfunn i 2050 vil trolig innebære en radikal endring av både samfunnet 
og økonomien. En utvikling mot et lavutslippssamfunn vil gi både muligheter og utfordringer, hvor en av 
hovedutfordringene er omstillingen til en situas	jon uten store olje	- og gassinntekter. NOREG 2 er et godt 	
verktøy til å fremskrive hvordan næringsstrukturen i lavutslippssamfunnet vil se ut (under ulike forutset	-	
ninger om hvilke tiltak man gjennomfører for å komme dit), og hvordan denne endringen i 
næri	ngsstruktur vil påvirke framtidens transportetterspørsel.	 	
En makroøkonomisk modell er en forenklet representasjon av økonomien utviklet for å analyser endrin	-	
ger som omfatter flere sektorer i samspill. På klimaområdet benyttes gjerne makroøkonomiske modeller 
til virkningsanalyser av klimapolitikk, herunder hvordan virkninger av reguleringer og virkemidler rettet 
mot én næring forplanter seg gjennom hele økonomi	en som følge av samspillet mellom næringene. 	
NOREG 2 er en type makroøkonomisk modell kalt Spatial Computable General Equilibrium (SCGE)	-	
modeller. Dette er 	en generell likevektsmodell som har en geografisk dimensjon gjennom en regional 	
inndeling av den nasjonale økonomien. 	 	
Makroøkonomiske modeller gjør det mulig å blant annet:	 	
• 	Simulere effekter av klimatiltak som karbonavgifter, subsidier, teknologistøtte eller utslipps	-	
kvoter på makroøkonomiske størrelser som BNP, sysselsetting, faktorpriser, investeringer, 
forbruk, 	osv.	 	
• 	Analysere omstillingskostnader og fordelingsvirkninger (geografisk og/eller mellom befolknings	-	
grupper), avhengig av modelltype	 	
• 	Vurdere samspillet mellom klimapolitikk og annen økonomisk politikk, som hvordan karbon	-	
avgifter påvirker konsum og utenrikshandel.	 	
• 	Utvikle referansebaner og scenarier for lavutslippsomstilling som kan sammenlignes med 
«business	-as-usual»	-utvikling.	 	
1.3	 	Avgrensning	 	
Denne rapporten dokumenterer det store metodeutviklingsprosjektet som er gjennomført for å videre	-	
utvikle og tilpasse NOREG 2 til analyser av klimaomstilling	. Hovedfokus i prosjektet og i dokumenta	sjo	-	
nen har vært metodeutvikling	. 	
Rapporten beskriver modellutviklingsarbeidet som er utført og de nye metodene som er utviklet for 
soft	-linking av NOREG 2 og transportmodellene. 	 	
For å utvikle og teste metodikken er prosjektet basert på fire eksempelstrategier utarbeidet av trans	-	
port	virksomhetene . Disse skal forstås som illustrative eksempler, ikke som ferdige strategier. Utvikling 	
av robuste og helhetlige strategier for lavutslippssamfunnet krever omfattende analyser, gode prosesser 
og videreutvikling av modellverktøyene. En slik om	stilling vil være transformativ for hele økonomien, 	
ikke bare transportsektoren. Det eksisterende modellsystemet, der flere modeller soft	-linkes, gir	 et

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	3 	
sterkt grunnlag for strategiske analyser, men har også begrensninger som omtales i rapporten.	 Analy	-	
sene som presenteres må betraktes som eksempelberegninger, hvor det i framtidige analyser som skal 
ligge til grunn for politikkutforming, må gjennomføres en grundigere kalibrering av de sammenkoblede 
modellene og validering av modellresultatene.	 	
FNs klimapanel (IPCC) har gjentatte ganger dokumentert at dersom verden ikke når klimamålene 	– 	
særlig målet om å begrense oppvarmingen til godt under 2 °C 	– vil det få alvorlige og vedvarende nega	-	
tive konsekvenser for global økonomisk vekst. Økende temperaturer vil føre til 	havnivåstigning og 	mer 	
ekstremvær, som tørke, flom og hetebølger	, som	 får negative effekter på alt fra helse til makroøkonomi.	 	
I flere modellberegninger samlet inn av IPCC vil man finne at de langsiktige økonomiske tapene som 
følger av 	klimaendringer vil overstige de kortsiktige kostnadene ved å overholde togradersmålet, særlig 	
ved diskonteringsrater på 3 % eller lavere.	 	
I våre beregninger sammenlignes ulike 	eksempel	strategier for å nå lavutslippssamfunnet i 2050 med en 	
referansebane der dagens politikk videreføres. Denne såkalte «frozen	-policy»	-utviklings	banen inklude	-	
rer ingen direkte økonomiske 	skadekostnader av	 klimaendringene, og tar 	heller ikke	 hensyn til IPCCs 	
prognoser for hvordan et varmere klima vil svekke den globale økonomiske utviklingen.	 Når vi i våre 	
analyser sammenligner strategibanene med referansebanen, kan det derfor se ut som om klimaomstil	-	
ling 	kun 	har en negativ effekt på norsk økonomi. Dette skyldes imidlertid at referansebanen ikke tar 	
hensyn til kostnadene ved å ikke handle, og ikke at klimaomstillingen i seg selv svekker den økonomiske 
utviklinge	n. 	Når vi i rapporten diskuterer effektene av eksempelstrategiene på realøkonomien, så er 	
dette relativt til en framskriving av verden slik vi kjenner den i dag, og ikke en verden som 	gjennomgår 	
omfattende klimaendringer	. 	
1.4	 	Rapportstruktur	 	
Rapporten inneholder 	10 kapitler. I kapittel 2 gir vi en kort og overordnet innføring i	 den genere	lle	 like	-	
vekts	modellen NOREG 2 og hvilke bruksområder et slikt modellverktøy har. 	I kapittel 3 går vi videre til å 	
presentere videreutviklingen av NOREG 2 til bedre å kunne analysere omstillingen til et lav	utslipps	sam	-	
funn 2050	. De nyutviklede rutinene for soft	-linking av NOREG 2 og transportmodellene diskuteres i 	
kapit	tel 4, mens eksempelberegningen av en referansebane gis i kapittel	 5. Kapittel 6 beskriver	 oppbyg	-	
gingen av eksempelstrategiene	 som vi analyserer og presenterer eksempelberegninger av i kapittel 7. I 	
kapittel 8 diskuterer vi enkeltfaktorer ved utviklingen fram mot et framtidsscenario som ikke fanges i 
likevektsmodellen	, mens kapittel 9 tar for seg neste trinn i modellutviklingen. I kapittel 10 gir vi en 	
grundigere gjennomgang av NOREG	 2.4.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	4 
2	 	Kort om den makroøkonomiske modellen 
NOREG 2	 	
2.1	 	Innledning	 	
NOREG 2 er en regional generell likevektsmodell 
(SCGE	-modell) 	utviklet for analyser av regional 	
næringsutvikling og økonomisk tilpasning over tid. 
Modellen kombinerer nasjonal makroøkonomisk 
modellering med en geografisk dimensjon som 
muliggjør analyser på regionalt nivå (økonomiske 
regioner, fylker eller	 kommuner). Formålet med 	
modellen er å framskrive hvordan den regionale 
næringsstrukturen endres over tid under ulike 
forutsetninger, og å analysere de langsiktige 
virkningene av politikk, strukturelle endringer og 
eksterne sjokk.	 	
Modellen er basert på regionale data for norsk 
økonomi med elastisitetsverdier estimert på norske 
data.	 	
En mer teknisk beskrivelse av modellens oppbygging 
og datagrunnlag gis i 	kapittel	 10	. 	
2.2	 	Modellstruktur og 
aktører	 	
NOREG 2 beskriver økonomien som et samspill 
mellom husholdninger, bedrifter og offentlig sektor.	 	
• 	Husholdningene representeres ved én 
representativ husholdning per region, som 
mottar alle inntektene fra primærfaktorene 
arbeidskraft og kapital, og maksimerer 
nytten gitt priser og budsjettbetingelser	 	
• 	Bedriftene representeres ved én aktør per næring i hver region, som minimerer kostnader og 
maksimerer profitt. 	 	
• 	Offentlig sektor er modellert på nasjonalt nivå, mottar skatteinntekter og kapitalinntekter fra 
offentlige næringer, og foretar overføringer til husholdninger og subsidier til bedrifter.	 	
Likevektsmodellen modellerer samspillet mellom aktørene i økonomien hvor atferden til alle aktører er 
fundamentert i mikroøkonomisk teori. Økonomien modelleres som liten og åpen, med handel 	mellom 	
de innenlandske regionene i modellen og 	mot utlandet.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	5 	
2.3	 	Dynamikk og tilpasning	 	
Modellen er dynamisk rekursiv, dvs. den består av en serie statiske likevektsmodeller som bindes 
sammen over tid gjennom sparing, investering og migrasjon.	 	
• 	Husholdningenes sparing og bedriftenes investeringer kobler sammen økonomien i ett år med 
neste år.	 	
• 	Over tid angir sparing og investering en tidsutvikling for realkapital, som sammen med forutset	-	
ninger om sysselsettingsutviklingen og forutsetninger om teknologisk fremgang bestemmer 
økonomisk vekst på makronivå	 	
Tilpasningen mellom år skjer uten friksjoner. Det innebærer at kapital og arbeidskraft omdisponeres 
umiddelbart, og at arbeidstakere skifter jobb uten ledighet. Slike forutsetninger gjør modellen godt 
egnet til langsiktige analyser, mens resultater på kort	 sikt bør tolkes med varsomhet.	 	
2.4	 	Husholdninger og regionale forskjeller	 	
Hver region har én representativ husholdning som reflekterer regionens befolkning og inntektsnivå. 
Husholdningene er imidlertid ikke identiske på tvers av regioner:	 	
• 	Størrelsen på arbeidsmarkedet og utdanningsnivået varierer.	 	
• 	Det er geografiske forskjeller i disponibel realinntekt.	 	
• 	Ulik næringssammensetning skaper regionale variasjoner i inntekts	- og konsumstrukturen.	 	
Dette gjør modellen i stand til å fange opp ulikheter i tilpasningsevne og sårbarhet mellom regioner.	 	
2.5	 	Bedrifter og produksjon	 	
I hver region finnes én representativ bedrift per næring som produserer én varetype. Bedriftene antas å 
minimere kostnader gitt produksjonsnivået, og produksjonsteknologiene har konstant skalautbytte. Det 
samme produksjonsnivået kan oppnås ved forskjellige	 kombi	nasjoner av innsatsfaktorer, og til hvert 	
produksjonsnivå antar vi at bedriftene velger kombinasjoner av innsatsfaktorer på en slik måte at 
produk	sjonskostnaden minimeres. Dette gir den kostnadsmini	me	rende mengden av kapital, arbeids	-	
kraft, energ	i- og innsatsvarer som skal til for å produsere en enhet av varen. Hvor mange enheter som 	
blir produsert blir deretter bestemt utfra profittbetingelsen til bedrif	tene. 	 	
Produksjonsfunksjonene er modellert som CES	-funksjoner (Constant Elasticity of Substitution), der kapi	-	
tal, arbeidskraft, energi og andre innsatsvarer (den såkalte 	KLEM	-strukturen) kan substitueres i ulik grad. 	
Når relative priser endres, justerer bedriftene faktorinnsatsen i tråd med de estimerte elastisite	tene.	 	
Unikt for NOREG 2 er at disse elastisitetene er estimert på norske data 	– 64 næringer over ti år på 	
kommunenivå 	– i stedet for å bruke internasjonale anslag. Dermed er modellen bedre kalibrert til 	
norske produksjonsforhold.	 	
2.6	 	Regional modellering	 	
NOREG 2 er utviklet for å studere regional økonomisk utvikling og har en fleksibel geografisk inndeling. 
Analysene kan gjennomføres:	 	
• 	på fylkesnivå,	 	
• 	på kommunenivå for et mindre antall kommuner, f.eks. kommuner i ett fylke

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	6 	
• 	med andre regionale aggregeringer etter behov, som for eksempel SSB sin inndeling i 
økonomiske regioner.	 	
Gitt den valgte inndelingen beregner modellen utviklingen i hver region innenfor en nasjonal makro	-	
økonomisk ramme. Dette gjør modellen særlig egnet til å analysere:	 	
• 	nærings	- og regional utvikling	 	
• 	fremveksten av økonomiske ubalanser mellom regioner	 	
• 	samt virkninger av politikk og eksterne sjokk på lang sikt.	 	
Handel i varer og tjenester binder sammen de geografiske sonene i modellen. Det er handel i både varer 
og tjenester mellom de representative aktørene internt og mellom hvert par av modellsoner. Dette er 
svært viktig komponent i en SCGE	-modell og muliggjør 	ringvirkningsanalyser både på tvers av geografi 	
og sektorer: vareflyten gjør at virkningene av en politikkendring eller et sjokk sprer seg både utover i 
geografien og ut i økonomien gjennom kryssløpssammenhengene. 	 	
2.7	 	Sammenligning med etterspørselsdrevne modeller	 	
NOREG 2 skiller seg fra tradisjonelle etterspørselsdrevne modeller ved at ressursgrunnlaget er begren	-	
set. Virkemåten til NOREG 2 kan kontrasteres med virkemåten til etterspørselsdrevne modeller: I en 
etter	spørselsdrevet modell vil en regional stimulans gi økt aktivitet og ringvirkninger både i målsektoren 	
og hos leverandører. Økte inntekter til sektoren og til underleverandører vil så sette i gang ringvirk	nin	-	
ger når inntektene blir brukt på varer og tjenester. Samlet kan en etterspørselsstimulans lede til et 
betydelig antall arbeidsplasser i form av ringvirkninger. NOREG 2 har alle de samme egenskapene 	som 	
en etter	spørselsdrevet modell, men i tillegg har modellen en realøkonomisk ramme som reflekterer at 	
ressur	sene som strømmer til regionen som opplever etterspørselsstimulans, må flytte ut av andre 	
sektorer og regioner. I NOREG 2 antas full ressursutny	ttelse, slik at ressurser som tilføres en region må 	
hentes fra andre regioner eller sektorer. Dette demper ringvirkningene og reflekterer de langsiktige 
realøkonomiske tilpasningene.	 	
I NOREG 2 møtes etterspørsels	- og tilbuds	siden i økonomien i likevekt. Hvilken modell som modellerer 	
virkeligheten best, kommer an på om det faktisk er ledige ressurser eller full ressursutnyttelse i 
økonomien. Dermed kan man si at:	 	
• 	etterspørselsdrevne modeller beskriver kort	siktige virkninger, mens	 	
• 	NOREG 2 beskriver langsiktige likevektsvirkninger i økonomien.	 	
2.8	 	Oppsummert	 	
NOREG 2 gir et helhetlig rammeverk for å analysere hvordan norsk regional økonomi og næringsstruktur 
utvikler seg over tid, og hvordan ulike politiske tiltak og eksterne endringer påvirker regioner og nærin	-	
ger på forskjellig måte. Modellens styrke ligger i kombinasjonen av et mikroøkonomisk teorifundament, 
elastisiteter estimert på norske data og en fleksibel geografisk inndeling som muliggjør detaljerte 
regionale analyser.	 	
En av styrkene til denne typen modeller er muligheten til å analysere hvordan endringer i én del av 
økonomien påvirker andre deler av økonomien og den gjensidige påvirkningen som oppstår mellom 
sektorer.	 	
Modellen egner seg derfor særlig godt til scenarioanalyser, vurdering av strukturelle endringer og analy	-	
ser av politikk som påvirker den langsiktige økonomiske balansen mellom regioner. Gjennom slike 
anven	delser bidrar NOREG 2 til å styrke grunnlaget for kunnskapsbasert og geografisk treffsikker 	
politikkutforming.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	7 	
3	 	Videreutvikling og tilrettelegging av 
NOREG 2 for å bedre kunne analysere 
omstillingen til et lavutslippssamfunn 
2050	 	
3.1	 	Innledning 	 	
Utviklingen og tilretteleggingen av NOREG 2 til å møte analysebehovene til transportvirksomhetene er 
inndelt i fire tematisk beslektede utviklingstrinn som alle har blitt gjennomført i løpet av våren/somme	-	
ren	 2025:	 	
1. Tilrettelegging av NOREG 2 for analyser av klimaomstilling	 	
2. Oppdatering av modellens basisår til 2022	 	
3. Detaljering av eksportmarkedet	 	
4. Sterkere kobling til persontransportmodellene	 	
 	
 	
3.2	 	Utvikling og tilrettelegging for analyser av 
klimaomstilling	 	
Det er stort behov for	 verktøy som kan benyttes til	 analyser av 	effektene av virkemidler i 	klimapolitik	-	
ken, både på nasjonalt og regionalt/lokalt nivå. K	limapolitikk 	som er nødvendig for å nå klimamålene	 vil

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	8 
føre til	 samfunnsendringer som vil påvirke både næringsstrukturen i Norge, den geogra	fiske 	beliggen	-	
heten til 	næringer og fremtidig transportomfang og behov. 	 	
Modellutviklingen av NOREG 2 som skal gi et bedre grunnlag for å analysere omstilling til lavutslipps	-	
samfunnet i 2050 er utformet med utgangspunkt i transportvirksomhetenes oppdrag fra Samferdsels	-	
departementet om bruk av makromodeller i framsynsanalyser av klimaomstilling	. 	
Modellutvidelsen handler i store trekk om å inkludere i modellen: 	 	
• 	Utslipp fra ulike næringer og aktiviteter 	 	
• 	Relevante klimapolitiske virkemidler (kvoter, skatter, avgifter, subsidier, mm.) 	 	
Begge kulepunktene innebærer tilrettelegging av data, kalibrering av modellen og endringer i selve 
modellkoden. Vi beskriver dette nærmere nedenfor. 	 	
3.2.1	 	Utslipp	 	
De viktigste utslippene av klimagasser kommer fra olje	- og gassutvinning, industri, veitrafikk og annen. 	
Jordbruk, avfall og oppvarming av bygg forårsaker også utslipp. Norges klimagassutslipp i 2023 er vist i 
figur 	3.1. Figuren viser også at det er ulike måter å kategorisere utslippene på: basert på aktivitet eller 	
basert på næring. I figuren til venstre er alle utslippene fra veitrafikk samlet, mens på figuren til høyre er 
utslippene knyttet til veitrafikk fordelt på n	æringer (f.eks. varehandel). 	 	
 	
Figur 	3.1: Utslipp av klimagasser, 2023. Kilde: Miljødirektoratet og SSB 2024 / Miljøstatus.no	 	
Utslipp stammer både fra 	energibruk	 og fra 	prosesser i industrier	. 	
• 	Energirelaterte utslipp 	(også kalt forbrenningsutslipp)	 skyldes bruk av energivarer som bensin, 	
diesel, osv. Hver liter av fossile brensler inneholder en bestemt mengde 	CO	2 som slippes ut ved 	
forbrenning. Utslippene fra transport og oppvarming skyldes nettopp forbrenning av fossile 
brensler. 	 	
• 	Prosessutslipp	 er knyttet til prosesser i industrien eller i jordbruket. For eksempel er det utslipp 	
knyttet til aluminiumproduksjon og sementproduksjon som skyldes kjemiske prosesser, ikke 
energibruk. Utslipp i jordbruket er knyttet til husdyrhold. 	 	
Modelleringen må skille mellom disse utslippene, siden det er ulike muligheter til å redusere disse 
utslippene og det brukes ulike tiltak og virkemidler:

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	9 	
• 	Energirelaterte utslipp	 (forbrenningsutslipp)	 kan reduseres ved å redusere bruken av fossile 	
energivarer. Det kan skje enten ved redusert aktivitetsnivå (f.eks. at man kjører mindre) eller 
ved å bruke andre, mindre forurensende energivarer (f.eks. vridning fra konvensjonelle bensin	- 	
og dieselbiler mot	 elektriske kjøretøy). 	 	
• 	Reduksjon av prosessutslipp innebærer i stor grad redusert aktivitetsnivå. Prosessutslipp kan i 
veldig liten grad renses. CCS er en mulig renseteknologi i framtiden.	 	
Det er også viktig å merke seg at mens energirelaterte utslipp skjer hos så godt som alle aktørene i 
økonomien, er prosessutslippene konsentrert hos noen næringer. For eksempel har de fleste aktørene i 
økonomien utslipp knyttet til transport. I tillegg til	 transportnæringene har for eksempel varehandel, 	
bygg og anlegg og offentlig administrasjon en del utslipp knyttet til transport. Husholdninger har utslipp 
knyttet til egen bilbruk, mens utslipp knyttet til kollektivtransport regnes under transportnæringen	e. 	 	
Vi har inkludert 6 klimagasser	: k	arbondioksid (	CO	2), m	etan (CH	4), lystgass (N	2O)	, h	ydrofluorkarboner 	
(HFK)	, p	erfluorkarboner (PFK)	, svovelheksafluorid (SF6)	 i modellen. 	Alle er regnet om til felles enhet 	
(CO	2-ekvivalenter). 	 	
Vi skiller også mellom kvotepliktige 	og ikke	-kvotepliktige næringer	. Det er viktig for virkemiddelbruk. 	 	
3.2.2	 	Modellering og data	 	
En viktig del av t	ilrettelegging	en 	av NOREG2 for analyser av klimaomstilling 	handlet om 	innhenting og 	
bearbei	ding av relevante data	 og 	kalibrering	 av modellen	. Utslippsmodulen basert på det offisielle 	
utslippsregnskapet utarbeidet av SSB. Utslippene i modellen samsvarer med den offisielle statistikken. 	 	
Statistikken er laget på to måter: for utslipp fra norsk territorium og for utslipp av norsk økonomisk 
aktivitet, se 	figur 	3.2. For vårt formål er det relevant å bruke utslippene fra norsk territorium, siden 	
klimamål og Kyoto	-forpliktelsene er knyttet til det.	 	
 	
 	
Figur 	3.2: Utslippene fra norsk territorium og fra norsk økonomisk (	Kilde: https://www.ssb.no/natur	-og	-	
miljo/artikler	-og	-publikasjoner/hvilke	-utslipp	-dekkes	-av-statistikkene	)

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	10	 	
Utfordringen er imidlertid at den offentlige utslippsstatistikken har ikke inndeling etter næring	 på en 	
måte som man trenger til NOREG 2	: 	
• 	Utslipp av klimagasser fra 	norsk territorium	 (SSB Statistikkbanken tabell 13931) viser utslipp 	
etter utslippskilde (f.eks. oppvarming, kjøretøy, kunstgjødsel, …), men ikke etter hvilken næring 
disse utslippene oppstår i. 	 	
• 	Utslipp av klimagasser fra 	norsk økonomisk aktivitet	 (SSB Statistikkbanken tabell 13932) viser 	
utslipp etter næringer i nasjonalregnskapet (A64, som også er grunnlaget for NOREG2). Men 
denne statistikken inkluderer også utslipp som skjer andre steder i verden (	norske datterselskap 	
i utlandet	). Utenriks sjøfart er den største kilden til utslipp som skjer utenlands, men det er også 	
andre næringer som har utslipp i utlandet. Tilsvarende er ikke utslipp knyttet til utenlandske 
selskapers aktivitet i Norge ikke 	inkludert. 	 	
3.2.2.1	 	Datagrunnlag til NOREG2 	 	
Vi har kombinert begge utslippsstatistikkene, i tillegg til statistikken over anleggsutslipp fra landbasert 
industri fra Miljødirektoratet, for å etablere datagrunnlaget til NOREG2. Statistikken over anleggsutslipp 
inneholder punktutslipp fra alle rapporte	ringspliktige landbaserte anlegg (dekker 13,7 mill. tonn CO	2-	
ekvivalenter). 	 	
Vi 	bruker 	data for utslipp i Norge for å anslå hvordan utslippene fra norsk økonomisk territorium forde	-	
ler seg på næringer (A64). 	SSB Statistikkbankens tabell 13931 sammen med datasettet fra Miljødirek	-	
toratet gir oss utslippene innenfor norsk territorium for en del av næringene. Utslippene i de resterende 
næringene fordeles basert på forskjellen mellom økonomisk aktivitet fra utenlandske datterselskap	 i 	
Norge og norske datterselskap	 i utlandet ved å bru	ke antall sysselsatte i næringen som et mål på for 	
øk	onomisk aktivitet. 	Til slutt sprer	 vi 	ut de resterende utslippene basert	 på 	en antagelse om homogen 	
utslippsintensitet for resten av landet.	 I tillegg må vi regionalisere utslippene, dvs. fordele dem på 	
kommuner (som er den minste regionale enheten i NOREG2). 	 	
Vi utdyper de ulike stegene nedenfor. 	 	
3.2.2.2	 	Fordeling av utslipp fra norsk territorium på næringer 	 	
Tabell 13932 mangler utslippene fra utenlandske foretak i Norge, men inkluderer utslippene fra norske 
datterselskap i utlandet. Dette gjør at totalen for utslipp for tabell 13932 blir større enn for tabell 13931. 	 	
For noen næringer kan vi bruke utslippstall basert på tabell 13931 direkte, ettersom noen av kildene 
peker på en spesifikk næringskategori. Dette gjelder følgende næringer: 	 	
• 	Utvinning av råolje og naturgass inkl. tjenester og rørtransport	 	
• 	Produksjon av papir og papirvarer	 	
• 	Produksjon av andre ikke	-metallholdige mineralprodukter	 	
• 	Elektrisitets	-, gass	- og varmtvannsforsyning	 	
• 	Luftransport	 	
• 	Utenriks sjøfart	 	
For de resterende næringene bruker vi Tabell 08882 og Tabell 08085 for å beregne forskjellen i syssel	-	
satte i utenlandske foretak i Norge versus sysselsatte i norske datterselskap i utlandet. Vi bruker syssel	-	
satte som en proxy for økonomisk aktivitet og 	forutsetter	 at utslippsintensiteten til en næring er det 	
samme i datterselskap i utlandet og utenlandskontrollerte selskap i Norge. Da kan vi justere utslippene 
fra norsk økonomisk aktivitet basert på differansen i utslipp. Et eksempel på dette er at vi jus	terer 	
hovedområdet ‘industri’ ned med 78% for de næringene vi ikke identifiserer spesifikt fra tabell 13931. 
Dette er fordi det er sysselsatt flere norske datterselskap i utlandet enn i utenlandske foretak i Norge i 
industrien i 2022.	 	
Husholdninger er en egen kategori i begge tabellene.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	11	 	
Vi bruker også tabell 13931 for å kategorisere prosessutslipp, og antar at alle andre utslipp kommer fra 
forbrenning av brensel.	 	
3.2.2.3	 	Regionalisering: Fordeling av utslipp på kommuner 	 	
Videre sprer vi disse utslippene ut på kommuner ved å bruke to datakilder: Miljødirektoratets anleggs	-	
data for landbasert industri og det regionaliserte kryssløpet som utgjør kjernen av NOREG2. 	 	
Vi bruker anleggsdata for næringen 	Oljeraffinering, kjemisk og farmasøytisk industri	, siden denne er slått 	
sammen av flere næringer og et gjennomsnitt av utslippene vil ikke fange opp heterogeniteten i de ulike 
industrielle aktivitetene i næringene. Vi gjør det samme for 	Produksjon av andre ikke	-metallholdige 	
mineralprodukter	 og 	Produksjon av metaller	, ettersom utslippsintensiteten varierer avhengig av hvilken 	
vare man produserer. 	 	
Etter at vi har delt ut utslipp fra næringenes total, beregner vi nasjonale utslippskoeffisienter basert på 
produksjon	 og forbruk av 	fossile brensler	. Dette bruker vi til å fordele de resterende utslippene til hver 	
kommune.	 	
3.2.3	 Klimapolitiske virkemidler 	 	
For analyser av klimapolitikk er det også viktig å legge til relevante skatter og avgifter. I den forrige 
modellversjonen var karbonavgifter mm. 	slått sammen med	 andre særavgifter. I denne tilretteleggingen 	
har vi skilt dem ut fra de samlede skattene og avgiftene som hver næring betaler. 	 	
For å kalibrere avgifter, bruker vi totale utgifter til karbonavgifter for hver næring (fra SSB Statistikk	-	
banken tabell 14360). Dette gir oss en effektiv karbonpris, med andre ord tar vi også hensyn til even	-	
tuelle subsidier.	 	
3.2.4	 Nye muligheter med ny modellversjon 	 	
En slik modellutvidelse gir oss muligheten til flere nye analyser:	 	
• 	Analyser av virkninger av klimapolitikk	 	
o 	Ulike virkemidler 	 	
o 	Samtidig virkemiddelbruk	 	
• 	Analyser av hvilke næringer som blir mest berørt av virkemidlene	 	
• 	Regionale forskjeller av effekten av virkemidlene	 	
• 	Beregnede utslippsreduksjoner per næring og region	 	
• 	Effekt på transportetterspørselen av klimapolitikk	 	
Modelleringen av skatte	- og avgiftsnivået i modellen er forbedret og gir nå ikke bare mulighet for analy	-	
ser av enkeltvirkemidler med også mulighet for analyser av samtidig virkemiddelbruk, hvor avgiftslettel	-	
ser i andre sektorer i økonomien kan minske de negative effektene klimatiltakene vil kunne ha på real	-	
økonomien. Isolert sett vil et klimapolitisk virkemiddel med en høy utslippspris per CO	2-ekvivalent 	
eksempelvis kunne gi en reduksjon i BNP. Dette kan motvirkes med avgiftslettelser i andre deler av 
øk	onomien. Den regionale konsekvensen av denne typen samspill i politikkutformingen vil kunne analy	-	
seres ved bruk av NOREG 2, hvor ulikheter i den regionale næringssammensetningen på tvers av 
regioner vil gjøre at politikkutformingen slår ulikt ut i ulike deler av landet. Slike analysemulig	heter vil 	
bidra til økt forståelse av hvordan økonomiske konsekvenser av virkemiddelbruk slår ulikt ut på tvers av 
regioner og mer målrettet virkemiddelbruk.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	12	 	
 	
3.3	 	Oppdatering av modellens basisår til 2022	 og revidert 	
næringssammensetning	 	
Det viktigste datagrunnlaget i en generell likevektsmodell er næringskryssløpet. Kryssløpstabellen gir en 
detaljert og systematisk oversikt over hvordan produksjon, forbruk og handel henger sammen i økono	-	
mien. Den viser hvordan aktivitet i en næring skaper etterspørsel i andre, og hvordan produksjonen 
fordeles mellom ulike sluttbrukere.	 	
Kryssløpet består av tre hovedkomponenter:	 	
• 	Inter	-industrielle transaksjoner	, som viser vare	- og tjenestestrømmer mellom næringene.	 	
• 	Endelig etterspørsel	, som viser fordelingen av varer og tjenester til husholdninger, offentlig 	
sektor, investeringer og eksport.	 	
• 	Primærinntekter	, som viser næringenes kostnader til innsatsfaktorer som lønn, kapital og 	
skatter.	 	
Kjernen i NOREG 2 er den nasjonale kryssløpstabellen fra SSB Denne har vi videreutviklet ved å regiona	-	
lisere dataene ned til kommunenivå, slik at modellen fanger opp økonomiske forskjeller og sammen	-	
henger på tvers av landet.	 	
Siste tilgjengelige regnskapsår for næringskryssløp for Norge er 2022, og vi har oppdatert modellens 
grunnlagsdata til dette året. Dette innebærer å oppdatere de økonomiske og demografiske grunnlags	-	
data til siste tilgjengelige regnskapsår. Grunnet uregelmessigheter i økonomien som følge av Covid19 og 
myndighetenes tiltakspakker for å stimulere økonomien under pandemien, har det tidligere ikke vært 
hensiktsmessig å oppdatere basisåret i modellen. Nå f	oreligger det 2022 data for nasjonalt nærings	-	
kryssløp so	m muliggjør første oppdatering til en økonomi som kan forutsettes å være i likevekt.	 	
Spesialtilpasning av Petroleumssektoren.	 Petroleumssektoren fikk et midlertidig oppsving i 2022 som 	
følge av energikrisen etter Russlands invasjon av Ukraina. De ekstraordinært høye olje	- og gassprisene 	
førte til en kunstig økning i sektorens størrelse. For å unngå at modellen starter fra et uba	lansert nivå

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	13	 	
med midlertidige pris	- og aktivitetsnivåer, er sektoren derfor justert tilbake til 2019	-nivået. Dette gir et 	
mer realistisk utgangspunkt for langsiktige framskrivninger og analyser.	 	
Forbedret metodikk for geografisk fordeling av landbruksnæringen: 	Vi har inkludert nye data for land	-	
bruksnæringen som gjør at vi kan gi et mer presist estimat på den geografiske fordelingen av landbruks	-	
næringen enn hva som har vært mulig tidligere. I dette arbeidet har vi benyttet data om produksjons	-	
tilskudd og salgsdata fra Landbruksdirektoratet, inkludert blant annet areal, dyretall, tilskudd, salg til 
meieri, slakteri og mer for å fordele den økonomiske aktiviteten utover geografisk på de ulike kommu	-	
nene. Dette gir et mye mer presist estimat på hvor den økonomiske aktiviteten foregår enn det tidlige	re 	
analyser har kunnet gjøre, og gjør at vi har et betydelig forbedret estimat på den geografiske fordelingen 
av jordbruksnæringen enn det vi og andre regionale analyser har kunnet ha tidligere.	 	
Revidert næringssammensetning: 	I det nasjonale kryssløpet fra SSB er fiskeri, fangst og akvakultur sam	-	
let i én næring. I NOREG 2 har vi delt denne opp i to: Fiske og fangst (03a) og Akvakultur (03b). Dette er 
gjort fordi næringene har svært ulike geografiske strukturer, kostnadsprofiler og vekstbaner. Oppsplit	-	
tingen bygger på nasjonalregnskapets totaler kombinert med geografisk spesifikk regnskapsdata for 
enkeltbedrifter. Resultatet er en mer realistisk representasjon av fiskeri	- og oppdrettsnæringen i mo	del	-	
len.	 	
Splitting av kryssløpet for R19, R20 og R21. 	I SSBs kryssløp er næringene R19, R20 og R21 slått sammen 	
for å ivareta konfidensialitet, men disse sektorene har i realiteten ulike innkjøpsmønstre og markedsrol	-	
ler. For å forbedre modellens realisme har vi benyttet kryssløp fra EU27 for å estimere fordelingen av 
leveranser og kjøp mellom disse tre næringene. Totaltallene er balansert slik at de samsvarer med SSBs 
data, men den interne fordelingen er basert på møn	stre fra europeiske økonomier. Dette gir en mer 	
nyansert fremstilling av disse sektorene i den norske økonomien.	 	
3.4	 	Utenrikshandel	 	
I arbeidet med å videreutvikle modellgrunnlaget for norsk eksport har vi lagt vekt på å forbedre den 
geografiske presisjonen i datagrunnlaget. Ved å kombinere informasjon fra tidligere prosjekter 	– blant 	
annet 	Eksportmeldingen	 – med intervjuer av sentrale næringsaktører, har vi utviklet en mer detaljert 	
fordeling av eksporten etter region. Dette gir et mer realistisk bilde av hvor i landet eksportinntektene 
faktisk skapes, og dermed et bedre grunnlag for å analysere regionale e	ffekter av internasjonal hande	l.4 	
Selve størrelsen på eksporten per næring er fortsatt basert på kryssløpet, og den regionale fordelingen 
er nå betydelig mer presis enn tidligere.	 	
I tillegg til å forbedre den geografiske fordelingen av eksporten innenlands, har vi utviklet nye estimater 
for hvilke utenrikssoner de ulike næringene selger til. Dette gjør det mulig å analysere hvordan økono	-	
mi	ske endringer eller sjokk i ett land eller en region påvirker norsk eksportsektor.	 	
Fordelin	gen av eksport etter mottakerland bygger på detaljerte handelsdata på varenivå (HS	-koder), 	
som er koblet til næringene i NOREG	-modellen gjennom koblingsnøkler fra OECD	5. Denne metoden gir 	
oss et mer presist bilde av hvilke land og regioner som er sentrale handelspartnere for hver enkelt 
næring, og hvordan sjokk hos enkelte handelspartnere kan påvirke norsk geografi regionalt. 	 	
 	
4 Det er fortsatt slik at eksporten er fordelt der verdien av eksporten oppstår som ikke nødvendigvis samsvarer 
med der varen transporteres fra. Hvis en industribedrift har produktdesign i en kommune, produksjon i en annen 
kommune, og hovedkontor i en tredj	e kommune, fordeles eksporten mellom disse tre etter antall ansatte i disse 	
tre kommunene.	 	
5 OECDs HS to ISIC to End	-use conversion key fra OECD, TiVA / STAN Team 	- Directorate for Science,Technology 	
and Innovation (STI).

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	14	 	
 	
En tilsvarende metodikk er utviklet for importen. Ved å kombinere informasjon fra kryssløpet 	– som 	
viser hvilke næringer som kjøper fra hverandre 	– med OECDs koblingsnøkler og detaljert utenriks	-	
handels	statistikk, kan vi nå estimere hvilke produkter som importeres, og fra hvilke land de kommer. 	
Dette gir en mer fullstendig forståelse av Norges handelssystem, både innadgående og utadgående og 
legger grunnlag for bedre analyser av hvordan internasjonale en	dringer slår ut i norsk økonomi.	 	
3.5	 	Kobling til persontransportmodellene	 	
NOREG 2 er allerede soft	-linket til Nasjonal godsmodell. I denne modellutvidelsen har modellen også 	
blitt soft	-linket til persontransportmodellene.	 	
Formålet med denne utviklingsoppgaven har vært å implementere modellering av arbeidspendling i 
NOREG 2. Dette har gitt modellverktøyet ful mobilitet i arbeidsmarkedet og en kobling av NOREG 2 til de 
nasjonale og regionale modellene for persontransport. En 	slik kobling vil blant annet gi utvidede mulig	-	
heter til å analysere demografi	- og næringseffekter av tiltak i transportsystemet. Denne modellutvidel	-	
sen tillater at husholdningene i modellen bor i en modellsone og jobber i en annen modellsone.	 	
3.5.1	 Frikobling av bosted og arbeidssted i NOREG 2	 	
I forrige versjon av NOREG 2	-modellen var arbeidsstyrken i en region antatt å tilsvare antall arbeidere 	
som er bosatt i den samme regionen. Dette er også en standard antakelse i de fleste SCGE	-modeller 	
hvor transportnæringene ikke er det primære fokuset. D	enne forenklingen innebærer at arbeids	takere 	
verken pendler mellom regioner, eller endrer (geografisk) arbeidssted uten å endre bosted. Selv om 
antakelsen gjør modellstrukturen mer håndterbar og bidrar til en tydelig kobling mellom regional 
befolkning, in	ntekt og produksjon, kan den også introdusere betydelige skjevheter i hvordan regionale 	
arbeidsmarkeder og økonomiske interaksjoner blir fremstilt.	 	
I virkeligheten er arbeidsmarkedene sterkt integrerte på tvers av regioner. Mange arbeidstakere pendler 
daglig over både kommune	- og fylkesgrenser, og bedrifter rekrutterer arbeidskraft fra et langt større 	
geografisk omland enn det som reflekteres i bosted	sregionen alene. Når SCGE	-modeller antar at 	
arbeids	kraften i en region utelukkende består av personer som er bosatt der, ignoreres derfor viktige 	
dimensjoner ved arbeidsmobilitet og regional samhandling. Dette kan føre til feilaktig kalibrering av

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	15	 	
både regionale inntekter, produksjonsnivåer og velferdseffekter, særlig i analyser som omhandler 
infrastruktur, transportkostnader, eller endringer i næringsstruktur.	 	
I en modell hvor bosatte og sysselsatte arbeidere per region er antatt å være den samme gruppen, vil 
det nødvendigvis ikke være samsvar med offentlig regional statistikk over arbeidsinntekter og lønns	-	
utbetalinger. I Oslo, for eksempel, er de samlede lønns	utbetalingene fra bedrifter betydelig høyere enn 	
de totale lønnsinntektene til arbeidstakere som er bosatt i regionen. Dette skyldes at en stor andel av 
lønnsutbetalingene går til arbeidstakere som pendler inn fra andre kommuner. Å skille mellom bosted 
og 	arbeidssted i modellen bidrar derfor ikke bare til en mer realistisk beskrivelse av arbeidsmarkedet, 	
men også til bedre samsvar mellom modellen, regionaliserte nasjonalregnskaps	data og inntektsdata.	 	
Når arbeidstakere kan bo i én region og arbeide i en annen, oppstår det en mer realistisk geografisk 
fordeling av inntekter og etterspørsel. Arbeidere bringer med seg lønnsinntekter opptjent i arbeids	-	
regionen tilbake til bostedsregionen, hvor de konsumerer varer og tjenester og betaler lokale avgifter. 
Dette innebærer at verdiskaping og produksjon kan være konsentrert i enkelte regioner, mens deler av 
inntektene og forbrukseffektene fordeles over et st	ørre geografisk område. Ved å tillate slike inter	regio	-	
nale pendlerstrømmer fanger modellen opp hvordan økonomiske impulser sprer seg mellom regioner, 
og hvordan endringer i for eksempel næringsstruktur, transportkostnader eller regional politikk påvirker 
både arbeids	- og bostedsregioner. Dermed gir en eksplis	itt modellering av pendling ikke bare et mer 	
korrekt bilde av arbeidsmarkedet, men også en mer presis beregning av geografiske ringvirkninger og 
regional velferd.	 	
I tidligere SCGE	-modeller (se bl.a. Hansen og Johansen, 2016) har pendlerstrømmer typisk blitt kalibrert 	
ved hjelp av OD	-matriser for arbeidsreiser fra de norske persontransportmodellene. I dette arbeidet har 	
vi derimot benyttet oss av registerdata for all	e norske sysselsatte, ved hjelp av tjenesten microdata.no. 	
Fra registerdata har vi informasjon om bostedskommunen til hele den norske befolkningen, og hver 
enkelt persons utdanningsnivå. A	-meldingsdata gjør at vi kan identifisere hvem som er sysselsatte, o	g 	
hvilken virksomhet som er hovedarbeidsgiveren til hver enkelt sysselsatt. Ved hjelp av bedrifts	- og 	
foretaksregisteret har vi informasjon om kommunen hver enkelt virksomhet er lokalisert i, og dette kan 
kobles til sysselsatte individer via organisasjonsn	ummeret til virksomheten fra A	-meldingen. Dermed 	
kan vi hente ut data om bosted og arbeidssted på kommunenivå for alle sysselsatte i Norge, fordelt på 
utdanningskategoriene vi benytter i NOREG 2	-modellen.	 	
Ved hjelp av disse dataene kan vi frikoble bo	- og arbeidsmarkedene. Konseptuelt innebærer dette tre 	
endringer: 	 	
• 	Tidligere klarerte arbeidsmarkedet for hver utdanningskategori og region ved at summen av 
antall sysselsatte per næring måtte samsvaret med den sysselsatte befolkningen i regionen. Den 
sysselsatte befolkningen i regionen er det regionale arbeidstilbudet i 	modellen, som endres fra 	
år til år (eksogent, gjennom SSBs befolkningsprognoser og endringer i utdannings	nivå, og endo	-	
gent, gjennom flytting mellom regioner). Nå klarerer arbeids	markedet for hver utdannings	kate	-	
gori og region, ved at summen av antall s	ysselsatte per næring må samsvare med summen av 	
antall 	innpendlere	 til regionen, fra alle modellens andre regioner. På samme måte må summen 	
av antall 	utpendlere	 fra en region samsvare med antall sysselsatte som er bosatt i regionen. 	 	
• 	Tidligere var delen av den regionale husholdningsinntekten som lønninger utgjorde bestemt av 
det utdanningsspesifikke lønnsnivået i regionen. Nå blir lønnsinntekten i en region heller bereg	-	
net som den pendler	-vektede summen av lønnsnivåene i omkringliggende regioner. På den 	
måten vil pendlere ta med seg lønna si tilbake til bostedsregionen. Dette innebærer at lønna 
bedrifter som er lokalisert i en region kan tilby, ikke nødvendigvis trenger 	å samsvare med hva 	
de bosatte i den samme regionen vil tjene.	 	
• 	Dette også vil påvirke modellpredikerte flyttemønstre. Det er lønnsnivået som påvirker flytting 
utover det som allerede er fanget opp i SSBs befolkningsframskrivinger, men med frikoblet 
bosted og arbeidssted tilsvarer ikke nødvendigvis lønna for en regions	 innbyggere det lønns	-	
nivået som tilbys ved arbeidsplassene i regionen. En konsekvens av dette er at økte lønninger i

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	16	 	
for eksempel Oslo nå vil medføre økt tilflytting til de omkringliggende regionene, hvor en stor 
andel av de sysselsatte pendler inn til Oslo. På denne måten vil pendlings	mønstrene også bidra 	
til en geografisk spredning av hvordan lønnsforskjeller påvirker	 flyttemønstre.	 	
3.5.2	 CUBE	-applikasjon for innhenting og aggregering av data fra RTM/NTM6	 	
Det første trinnet for å koble NOREG 2 til persontransportmodellene, etter at bosted og arbeidssted er 
frikoblet, er å lese inn data. Dette innebærer å generere inndata	-filer på riktig format til NOREG 2, 	
basert på resultatene av kjøringer med persontransp	ortmodellene. For dette formålet har det blitt 	
utviklet en egen CUBE	-applikasjon. 	 	
Applikasjonen tar utgangspunkt i turer fra RTM/NTM6 for hele Norge, fordeler disse på transportmid	-	
lene «bilfører», «bilpassasjer», «kollektiv» og «fly» og på reisehensiktene «arbeidsreiser», «fritidsreiser» 
og «tjenestereiser». Dette resulterer i totalt 12 filer med transportmodellresultater 	– én for hver kombi	-	
na	sjon av transportmiddel og reisehensikt. 	 	
De 6 filene for «bilfører» og «bilpassasjer» inneholder kolonnene:	 	
• 	Fra	-kommune	 	
• 	Til	-kommune	 	
• 	Turer per år	 	
• 	Gjennomsnittlig tidsbruk	 	
• 	Gjennomsnittlig distanse	 	
• 	Gjennomsnittlige direktekostnader	 	
De 6 filene for «kollektiv» og «fly» inneholder kolonnene:	 	
• 	Fra	-kommune	 	
• 	Til	-kommune	 	
• 	Turer per år	 	
• 	Gjennomsnittlig tilbringertid	 	
• 	Gjennomsnittlig ombordtid	 	
• 	Gjennomsnittlig ventetid	 	
• 	Gjennomsnittlig antall påstigninger	 	
• 	Gjennomsnittlig billettpris	 	
Fra	-kommune og til	-kommune omfatter alle kommunepar i Norge. Variabelen «turer per år» angir det 	
totale antallet reiser, per transportmiddel og reisehensikt, aggregert fra transportmodellenes sonenivå 
til kommunenivå. De øvrige variablene er beregnet som t	urvektede gjennomsnitt på kommunenivå, der 	
vekten er antall turer.	 	
Resultatet av denne applikasjonen er altså datasett som omfatter alle årlige bilturer, kollektivturer og 
flyturer mellom norske kommuner, og kostnaden for disse.	 	
Det siste året har det blitt utviklet	 en forenklet etterspørselsmodell for persontransport, bas	ert	 på RTM 	
og NTM6, med mål om å redusere beregningstiden og øke	 fleksibiliteten for nye transportmidler	. I ana	-	
lysene i dette metodeutviklingsprosjektet er den forenklede modellen benyttet for korte reiser under	 70 	
km én vei, mens den tradi	sjonelle	 persontransportmode	llen er benytte for de lange reisene. 	Overgangen 	
til forenklet modell har krevd endringer i datautvekslingen mellom persontransportmodel	lene og 	
NOREG 2. NOREG 2 benytter data om turer	 og transportkostnader mellom kommuner, og det opprin	ne	-	
lige oppsettet var tilpasset et mer detaljert datagrunnlag. Løsningen er derfor justert for å sikre konsis	-	
tente dataflyter mellom modellene.	 	
En oppdatert versjon av CUBE	-applikasjonen er tilpasset til å kunne innhente data fra person	transport	-	
modell	kjøringer med en forenklet regional modell, som ikke har den samme detaljerte opp	splittingen på 	
reisehensikt som RTM/NTM6 har. For å fordele ture	ne fra forenklet modell mellom reise	hensikter

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	17	 	
brukes det forholdstall fra basiskjøringer med RTM/NTM6 på transportmiddel	-transport	modellsone	-	
transportmodellsone	-nivå.	 	
3.5.3	 Bearbeiding av inngangsdata fra RTM/NTM6 til NOREG 2	 	
Etter at dataene har blitt lest inn i NOREG 2, blir det beregnet både monetære og generaliserte reise	-	
kostnader for alle transportmidler og reisehensikter. For å kunne lese inn turer og generaliserte/mone	-	
tære kostnader fra persontransportmodellene i basisåret, har applikasjonen blitt kjørt én gang for nå	-	
situasjonen. Disse dataene inngår nå som en del av grunn	-kalibreringen av modellen, uavhengig av 	
hvilket scenarie man ønsker å kjøre. 	 	
Deretter har applikasjonen blitt kjørt én gang per scenarie for 2050 (inkludert for referansen). Datafilene 
fra disse kjøringene inngår i NOREG 2 som scenario	-spesifikke inndatafiler. En egen modul i NOREG 2	-	
modellen sammenligner antall turer, monetære kos	tnader og generaliserte kostnader for ulike reisehen	-	
sikter og transportmidler i basisåret med de scenario	-spesifikke 2050	-tallene, og beregner deretter gjen	-	
nomsnittlige årlige vekstrater basert på tallene. Disse årlige vekstratene blir deretter brukt som	 årlige 	
eksogene sjokk, som en del av hvert scenarie. 	 	
Endringer i persontransport	kostander og antall turer fra transportmodellene blir i hovedsak brukt til to 	
ulike formål i NOREG 2	-modellen: (a) til å beregne pendlertilbøyeligheten mellom modellens regioner, 	
og hvordan denne endrer seg dersom generaliserte 	transportkostnader ved pendling endrer seg; og (b) 	
til eksogene endringer i privat konsum av transporttjenester og varer knyttet til persontransport. Disse 
to modellmekanismene er nærmere beskrevet i de to neste avsnittene.	 	
Da det er dårlig samsvar mellom registerbasert sysselsettingsdata (antall sysselsatte som bor i én 
kommune og jobber i en annen kommune) og persontransportmodellgenererte arbeidsreiser (antall 
årlige arbeidsreiser mellom de to samme kommunene i dagens situ	asjon), er det arbeids	krevende å 	
harmonisere de ulike datakildene slik at de danner et konsistent bilde av nå	-situasjonen i basisåret.	 	
3.5.4	 Endogenisering av pendlingsmønstre	 	
Hvorvidt en arbeider velger å pendle til en annen region, avhenger av to forhold: (a) bedrifters etter	-	
spørsel etter arbeidskraft i denne regionen (relativt til bedrifters etterspørsel i omkringliggende regio	-	
ner), og (b) den generaliserte reisekostnaden for arbeidsreiser til regionen (relativt til den generaliserte 
reisekostnaden til omkringliggende regioner). For hver utdanningsgruppe og hver bostedsregion er 
valget av arbeidsstedsregion modellert slik at pen	dlerandelene følger en logistisk sannsynlighets	forde	-	
ling, som avhenger av disse to forholdene. 	 	
Som beskrevet i forrige avsnitt, leses transportkostnadene for nåsituasjonen inn som en del av kalibre	-	
ringen av modellen. Pendlingspreferansene er deretter kalibrert slik at den logistiske sannsynlighets	-	
fordelingen gjenskaper pendlings	mønsteret fra sysselsettingsbasert registerdata i basis	-året (som 	
beskrevet i avsnitt 	3.5.1	), gitt de generaliserte reisekostnadene for arbeidsreiser mellom kommuner fra 	
nå	-situasjonen. Men dette pendlingsmønsteret vil endres i modellens årlige likevektssituasjoner i de 	
ulike scenariekjøringene:	 	
• 	For det første vil endringer i generaliserte reisekostnader for arbeidsreiser som leses eksogent 
inn fra transportmodellene (se forrige avsnitt) påvirke pendlingsmønsteret. Dersom for eksem	-	
pel transportkostnaden per kilometer for arbeidsreiser øker, vil attraktiviteten til nære arbeids	-	
plasser øke relativt til arbeidsplasser som er lengre unna. Transportkostnader har dermed 
direkte påvirkning på sammensetningen til ulike arbeidsmarkeder.	 	
• 	For det andre vil regionaløkonomiske endringer påvirke størrelsen på arbeidsmarkedene. Der	-	
som etterspørselen etter, og dermed lønna til, en viss type arbeidskraft i en region øker, vil en 
økt andel av bosatte fra omkringliggende regioner velge å pendle dit. Hvor attraktivt dette er for 
de bosatte i omkringliggende regioner, kommer an på den gen	eraliserte reisekostnaden for å 	
komme seg dit, relativt til andre regioner.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	18	 	
Pendlingsmønstrene som nye markedslikevekter resulterer i må også sikre at arbeidsmarkedet klareres 
for hver utdanningskategori. Dette innebærer at summen av sysselsatte per næring må samsvare med 
summen av innpendlere til regionen, og summen av utpendlere	 fra regionen må samsvare med antall 	
sysselsatte som er bosatt der.	 	
3.5.5	 Kobling av utlegg til transport fra RTM/NTM6 til privat konsum i NOREG 2	 	
Transportmodellene er bedre på transportmarkedet enn va NOREG 2 er. Av den grunn ønsker vi å åpne 
for at modellresultatene fra RTM/NTM kan styre privat konsum av transportnæringene i NOREG 2, og på 
den måten sikre konsistens mellom modellverktøyene. Som be	skrevet i avsnitt 	3.5.3	, leser vi inn årlige 	
endringer i transportkostnader og antall turer for ulike reisehensikter og transportmidler per scenarie. 
Endringen i totale utlegg til transport per transportmiddel brukes til å eksogent endre det private konsu	-	
met av transportvarer i hver region tilsvarende. Endring i utlegg til kollektivturer fra transportmodellene 
er koblet til NOREG 2	-transportnæringen «land	-transport», mens endringer i utlegg til flyturer er koblet 	
til NOREG 2	-transportnæringen «luft	-transpo	rt». Endring i utlegg til bilturer er koblet til NOREG 2	-	
næringen «elektrisitet», ut fra en antakelse om at så å si all privatbilisme er elektrisk i 2050. 	 	
Dette påvirker andelen av husholdningenes konsumbudsjett som benyttes til transport, og dermed også 
den gjenstående andelen som benyttes til konsum av andre varer og tjenester.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	19	 	
4	 	Utvikling av rutiner for soft	-linking av 	
NOREG 2 og transportmodellene	 	
4.1	 	Hva menes med soft	-linking av modeller?	 	
Utarbeidelsen av rutiner for soft	-linking av NOREG 2 med nasjonal godsmodell og med persont	ransport	-	
modellene er en sentral del av metodeutviklingsprosjektet til transportetatene. 	 	
Med soft	-linking mener vi sammenkobling av separate modeller der informasjonsutvekslingen mellom 	
modellene skjer manuelt. Alternativene til 	soft	-linking	 er 	hard	-linking	 og 	hybridmodeller	. I modellsyste	-	
mer der de separate modellene er 	hard	-linket	, er informasjonsutvekslingen mellom modellene automa	-	
tisert. For 	hybridmodeller	, så er modellene integrert i felles matematisk oppbygging. Felles for både soft	-	
linking og hard	-linking er at det itereres mellom de sammenkoblede modellene til man oppnår konsis	-	
tens 	(TBU Klima, 2021).	 	
NOREG 2 er en generell likevektsmodell. Dette innebærer at NOREG 2 er en økonomisk markedsbasert 
modell som løses ved å finne den vektoren av priser som simultant klarerer alle markedene. Som 
beskre	vet tidligere, er generelle likevektsmodeller i hovedsak utformet for å beskrive økonomiske 	
tilpasninger mellom sektorer, regioner og aktører. Noe av disse modellenes styrker ligger i evnen til å 
fange opp samspillet mellom markeder og de makroøkonomiske e	ffektene av endringer i politiske 	
virkemidler eller tekno	logi. Samtidig innebærer dette at likevektsmodellene i mindre grad er egnet til å 	
modellere og fange opp detaljerte tekniske sammenhenger i enkeltsektorer. 	 	
Partielle modeller på sin side beskriver økonomiske eller tekniske sammenhenger for deler av økono	-	
mien. Partielle modeller har ofte en detaljert beskrivelse av teknologien i den aktuelle sektoren, sam	-	
men med etterspørsels	- og tilbudsatferd. Transportmodellene er eksempler på slike partielle modeller 	
hvor transportmarkedet modelleres i detalj. Nasjonal godsmodell har en rik beskrivelse av kostnads	-	
funksjonene til ulike framdriftsteknologier for godstransport, mens modellene for både korte	- og lange	- 	
person	reiser har en detaljert modellering av markedene for persontransport. 	 	
I generelle likevektsmodeller representeres produksjonsprosesser vanligvis ved enkle funksjonelle 
sammenhenger, som for eksempel CES	-funksjoner, som beskriver hvor lett ulike innsatsfaktorer kan 	
erstattes med hverandre. Slike funksjoner gir en konsistent o	g beregningseffektiv framstilling av økono	-	
misk atferd, men de fanger ikke opp faktiske teknologiske prosesser, virkningsgrader, eller fysiske 
begrensninger som er sentrale i mange sektorer 	– for eksempel innen energi, transport eller industri. 	
Dermed er g	enerelle likevektsmodeller mindre egnet til å analysere detaljerte teknologiske skift, som 	
innfasing av ny energiteknologi, overgang til lavutslippskjøretøy, eller endringer i produksjonsprosesser 
som krever spesifikke innsatsfaktorer.	 	
For å utnytte det beste fra begge verdenen, benyttes ofte koblinger (linking) mellom CGE	-modeller og 	
mer detaljerte partielle sektormodeller. Disse sektormodellene kan representere teknologiske og fysiske 
sammenhenger på et langt mer detaljert nivå, og bru	kes til å beregne teknologispesifikke endringer i 	
kostnader, utslipp eller ressursbruk som så kan overføres til den generelle likevektsmodellen.	 	
En vanlig tilnærming er såkalt soft	-linking, hvor informasjonsutvekslingen mellom modellene skjer 	
manuelt uten at de sammenkoblede modellene er integrert i én modellstruktur. Det innebærer typisk at 
resultatene fra sektormodellen 	– for eksempel endrede tra	nsportkostnader per reisehensikt eller i gods	-	
framføringen	– brukes som eksterne sjokk eller parametere i CGE	-modellen. Deretter kan de makro	-	
økonomiske effektene fra likevektsmodellen mates tilbake til sektormodellen for en ny beregning. 
Denne iterative pr	osessen gjør det mulig å kombinere teknisk realisme med økonomisk konsistens, 	
samtidig som modellene kan videreutvikles uavhengig av hverandre.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	20	 	
En slik kobling mellom partielle sektormodeller og en generell likevektsmodell gir dermed et mer helhet	-	
lig analyseverktøy for studier av lavutslippsomstilling, energisystemendringer og andre tverr	sektorielle 	
problemstillinger. Det muliggjør en mer presis vurdering av hvordan teknologiske og politiske tiltak på 
sektornivå påvirker økonomien som helhet 	– og omvendt.	 	
NOREG 2 er soft	-linket til modellene i transportmodellsystemet, og i analysene i dette metodeprosjektet 	
benytter vi iterative prosesser mellom modellverktøyene for å fange det fulle bildet av omstillingen til et 
lavutslippssamfunn.	 	
 	
NOREG 2 benytter transportkostnadene fra både nasjonal godsmodell (NGM) og fra persontransport	-	
modellene (RTM/ NTM 6) som eksogene parameterverdier i modelleringen av de geografiske sammen	-	
hengene i økonomien. Fra NGM hentes det godstransportkostnader per sonepar og per næring, mens 
det fra persontransportmodellene hentes transportkostnader er sonepar og reisehensikt. I NGM er 
handelsvolumet eksogent og dette hentes fra NOREG 2, mens den reg	ionale befolkningsutviklingen og 	
attraktiviteten til sonene i perso	ntransportmodellene er eksogene i disse modellene. NOREG 2 har 	
endogen flytting og beregner næringsvis endring i sysselsetting og produksjon m.m., som kan benyttes 
som eksogene endringer av befolkningsutviklingen og den sonevise reiseattraktiviteten i pers	ontrans	-	
portmodellene. 	 	
I etableringen av en rutine for soft	-linking av modellverktøyene som skal sammenkobles, skilles det på 	
rutiner for sammenkobling i referansescenarioet og rutiner for sammenkobling i tiltaksscenarioet.	 	
4.2	 	Soft	-linking av NOREG 2 og Nasjonal godsmodell	 	
4.2.1	 	Nasjonal godsmodell (NGM)	 	
Nasjonal godsmodell beregner framskrivinger av godsvolumer per lastbærer og vare for gitte makro	-	
økonomiske utviklingstrekk. Tilbudssiden i NGM er representert ved kostnadsfunksjoner og en nett	-	
verks	modell som definerer transporttilbudet mellom alle soner i systemet. I tillegg er det en logistikk	-	
modell (de Jong et al 2013) hvor transportløsninger velges på en slik måte at bedriftenes logistikk	-	
kostnader minimeres.	 	
NGM er en detaljert sektormodell over det norske markedet for godstransport. De viktigste kompo	nen	-	
tene som inngår i nasjonal godstransportmodell er (Madslien m.fl. 2022): 	 	
• 	Varestrømsmatriser	, som skal representere årlig vareflyt mellom norske kommuner og mellom 	
norske kommuner og utlandet, fordelt på 39 aggregerte varegrupper. Disse matrisene frem	skri	-	
ves til ulike prognoseår, slik at de representerer etterspørselen etter godstransport for hvert år 
man ønsker å analysere. 	 	
• 	Informasjon om antall bedrifter i hver sone	 som er henholdsvis leverandør eller mottaker av 	
hver varetype i varestrømsmatrisene. 	 	
• 	Kostnadsmodell/kostnadsfunksjoner	, som representerer transportmidlenes tids	- og distanse	-	
avhengige kostnader relatert til framføring av godset, samt lasting	-/lossing og omlastings	kost	-	
nader, og kapitalkostnader inkludert tidskostnader og degraderingskostnader for varer i trans	-	
port. Det inngår også andre logistikkostnader, som ordrekostnader, lagerholdskostnader mv. 	 	
• 	Transportnettverk 	som representerer de fysiske framføringsårene for vei, sjø, jernbane og 	
flytransport, og terminaler og omlastingspunkter mellom transportformene. Basert på dette 
nettverket hentes det ut informasjon om transportdistanse, transporttid etc. mellom alle soner	 i 	
systemet, ved ulike transportmidler og kjøretøytyper (LoS	-matriser). Disse dataene benyttes

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	21	 	
sammen med kostnadsfunksjonene til å etablere transportkostnader for alle fremføringsalterna	-	
tiver. 	 	
• 	Optimeringsrutiner	 for valg av sendingsstørrelse og transportkjede, der optimale valg gjøres 	
basert på minimering av logistikkostnadene.	 	
Etterspørselen etter godstransport beregnes i NOREG 2, hvor likevektsmodellen beregner utviklings	-	
baner for fremtidig intra	- og inter	-regional handel med varer. Vekstbanene for handel fra NOREG 2 for 	
hver næring og hvert par av soner, benyttes som inngangsdata i NGM og da til å fremskrive varestrøms	-	
matrisene til ulike prognoseår.	 	
4.2.2	 Etablering av en felles referansebase: Step	-by	-step rutiner for soft	-linking 	
mellom NOREG 2 og NGM for etablering av referansebanen	 	
Det er helt avgjørende for validiteten til analysene at referansebanen er klart definert. Alle strategi	-	
banene skal sammenlignes med referansebanen og da er det svært viktig at referansebanen reflekterer 
robuste framskrivinger av sannsynlige utviklingstrekk dersom dagens politikk videreføres. 	 	
Etableringen av referansebanen er på mange måter det viktigste trinnet i en analyse. Dette gjelder for 
analyser med likevektsmodellen alene, men særlig for analyser hvor det skal etableres en felles base for 
referansen mellom soft	-linkede modeller. Noen vi	ktige premisser for etablering av en slik felles 	
referanse	base mellom NOREG 2 og NGM er:	 	
• 	Samme vare	-kobling og samme sone	-kobling i alle iterasjoner, og ingen manuelle korreksjoner 	
på noen trinn i itereringsprosessen.	 	
• 	Ved korreksjon / endring av koblingene mellom varer og/eller soner, bør man gå tilbake og re	-	
starte prosessen med å iterere seg fram til en felles referansebane	 	
 
Rutinen for soft	-linkingen av NOREG 2 og NGM for å etablere referansebanen er delt opp i følgende 	
steg:	 	
Steg 0:	 Avklaring av hvilke utviklingstrekk og hvilket transportnettverk som skal ligge til grunn i 	
referansebanen.	 	
I NGM må det avklares hvilket transportnettverk som skal ligge til grunn for referanse	-	
banen. Dette transportnettverket kodes inn i NGM, her vil normalt sett vedtatte prosjekter 
fra NTP ligge til grunn for referansen. I tillegg må det spesifiseres hvilke vedtatte politiske	- 	
og andre utviklingstrekk som skal ligge i referansebanen og hvilken 	politikk som er et 	
virkemiddel som skal analyseres i alternativbanen.	 	
Steg 1:	 Beregne transportkostnader per vare og sonepar i NGM.	 	
NGM kjøres for det valgte transportnettverket og det settet av utviklingstrekk som skal 
ligge til grunn for referansebanen. Da vi enda ikke har kjørt NOREG 2, benyttes det nærings	-	
vise vekstbaner fra siste offisielle godsframskriving	 	
Steg 2:	 NOREG 2 kjøres med det settet av virkemidler som er definert til å være en del av referanse	-	
banen og med transportkostnader fra NGM beregnet i steg 1.	 	
Transportkostnadene fra NGM benyttes som inngangsdata i NOREG 2, som løses iterativt år 
for år. Basert på resultatene fra NOREG 2	-kjøringene, beregnes utviklingsbaner for vare	-	
strømmer mellom sonepar for hver næring, i tillegg til næringsspesifikke regionale import	- 	
og eksportstrømmer.	 	
Steg 3:	 NGM kjøres med utviklingsbaner for varestrømmer fra NOREG 2 beregnet i steg 2.	 	
Vekstbaner for handel for hver vare og hvert sonepar fra NOREG 2 benyttes som inngangs	-	
data i NGM til å beregne framskriving av godsvolumer per kjøretøy/transport	middel.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	22	 	
Steg 2	-3 kan gjentas i en iterativ prosess for å konvergere mot konsistens mellom de sammenkoblede 	
modellene. I dette prosjektet har vi funnet det tilstrekkelig å stoppe etter steg 3.	 	
4.2.3	 Kobling av varegrupper mellom NGM og NOREG 2	 	
NGM har en modellspesifikk inndeling i varer. I denne inndelingen er det tatt hensyn til at ulike egenska	-	
per ved godset stiller ulike krav til transportkvalitet og framføringstid, og hvor det også skilles mellom 
innsats	- og konsumvarer. Vareinndelingen i NGM følger ikke varene i A64	-næringene fra Nasjonal	regn	-	
skapet, men er et aggregat av varer fra 4	-sifrede SN2007	-næringer, og hvor det til dels aggregeres på 	
tvers av varene fra A64	-næringene. 	 	
Næringene i NOREG 2 er aggregater av A64	-næringene. Datagrunnlaget til NOREG 2 er basert på kryss	-	
løpstabellene fra Nasjonalregnskapet og A64 er det minst aggregerte nivået for denne datakilden. Det 
benyttes derfor koblingsnøkler mellom NOREG 2	-varer og NGM	-varer.	 	
Under gjengis koblingsnøkkelen som er benyttet i eksempelanalysene som presenteres i denne rappor	-	
ten. I en fremtidig offisiell fullt ut kvalitetssikret referansebane vil vi basert på erfaringene fra dette 
metodeutviklingsprosjektet vurdere både koblingsnøkkelen og hvorvidt det er hensiktsmessig å videre 
disaggregere næringsgrupperingen i NOREG 2. I ta	bellen under markerer de blå cellene den nye 	
oppsplittingen av næringen 	Fiske, fangst og akvakultur	 til de to nye næringene 	Fiske	 og 	Akvakultur. 	De 	
øvrige far	gede rutene markerer endrede koblinger fra analysene som lå til grunn for framskrivingen av 	
godstransport til NTP 2025	-2036.	 	
Tabell 	4.1: Koblingen mellom varene i NGM og næringen ei NOREG 2 benyttet i eksempelanalysene	. 	
 	NGM	-vare	 	Næring i NOREG 2 i analysen	 	
1 	 Jordbruksvarer	 	LANDBRUK	 	
2 	 Frukt, grønt, blomster og planter	 	LANDBRUK	 	
3 	 Levende dyr	 	LANDBRUK	 	
4 	 Innsatsvarer termo	 	MAT	 	
5 	 Fersk fisk og sjømat	 	AKVAKULTUR	 	
6 	 Fryst fisk og sjømat	 	FISKE	 	
7 	 Termovarer, konsum	 	MAT	 	
8 	 Matvarer konsum	 	MAT	 	
9 	 Drikkevarer	 	MAT	 	
10 	 Dyrefôr	 	MAT	 	
11 	 Organiske råvarer	 	IND	-ANNEN	 	
12 	 Andre råvarer	 	IND	-KKI	 	
13 	 Jern og stål	 	IND	-KKI	 	
14 	 Andre metaller	 	IND	-KKI	 	
15 	 Metallvarer	 	IND	-ANNEN	 	
16 	 Kjemiske produkter	 	KJEMI	-RAFF	 	
17 	 Plast og gummi	 	IND	-KKI	 	
18 	 Tømmer og produkter fra skogbruk	 	LANDBRUK	 	
19 	 Trelast og trevarer	 	IND	-KKI	 	
20 	 Flis og tremasse	 	IND	-KKI	 	
21 	 Papir	 	IND	-KKI	 	
22 	Trykksaker	 	TJEN	-ANNEN	 	
23 	 Kull, torv og malm	 	IND	-KKI	 	
24 	 Stein, sand, grus, pukk, leire	 	BYGG	-ANLEGG	 	
25 	 Mineraler	 	IND	-KKI	 	
26 	 Maskiner og verktøy	 	IND	-TEKN

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	23	 	
 	NGM	-vare	 	Næring i NOREG 2 i analysen	 	
27 	 Elektrisk utstyr	 	IND	-TEKN	 	
28 	 Byggevarer	 	BYGG	-ANLEGG	 	
29 	Sement og kalk	 	BYGG	-ANLEGG	 	
30 	 Forbruksvarer	 	HANDEL	 	
31 	 Høyverdivarer	 	IND	-TEKN og KJEMI	-RAFF	 	
32 	 Transportmidler	 	IND	-ANNEN	 	
33 	 Petroleum uraffinert	 	PETRO	 	
34 	 Naturgass	 	PETRO	 	
35 	 Raffinerte petroleumsprodukter	 	PETRO	 	
36 	 Bitumen	 	PETRO	 	
37 	 Avfall og gjenvinning	 	VANN	 	
38 	 Bearbeidet fisk	 	FISKE	 	
39 	Kunstgjødsel	 	KJEMI	-RAFF	 	
 
4.2.4	 Preprosesseringsrutiner i soft	-linkingen mellom NGM og NOREG 2	 	
Mellom alle stegene i prosessen som leder fram til en fel	les referansebane, er det rutiner for preproses	-	
sering av resultatene fra én av modellene før disse benyttes som inngangsdata i den andre modellen.	 	
 	
Figur 	4.1: Dataflyt mellom NOREG 2 og NGM	. 	
Det er nødvendige rutiner for preprosessering begge veier i itereringen mellom NOREG 2 og NGM. Dette 
skyldes:	 	
1. ulike enheter i de to modellene	 	
2. forskjeller i vareinndelingen	 	
3. ulik geografisk soneinndeling	 	
 	
NGM er en modell med en detaljert beskrivelse av godsmarkedet med kostnadsfunksjoner for ulike 
lastbærere. Modellen opererer i fysiske størrelser og beregner kostnader per tonn for ulike kostnads	-	
elemen	ter i framføringen av godset. NOREG 2 er en modell som opererer i verdienheter. For å konver	-	
tere de beregnede transportkostnadene fra kr/tonn og til kr/verdienhet, benyttes næringspesifikke data

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	24	 	
for vareverdi/tonn fra SSB sin utenrikshandelsstatistikk. Det samme gjelder for konvertering av vare	-	
strømmene fra NOREG 2 som er målt i verdi, over til fysiske godsstrømmer i NGM.	 	
NGM har en finere geografisk soneinndeling enn NOREG 2. I NGM er varestrømmene lokalisert til 
bydeler for de seks største byene, mens de øvrige kommunene innenlands er representert ved én sone 
per kommune (basert på kommuneinndelingen fra 2003, dvs	. før kommunereformen). For utenriks	-	
hande	len, er det i hovedsak én sone per land for europeiske handelspartnere mens verdensdeler uten	-	
for Europa i hovedsak er representert ved én sone pr kontinent. Våre nærmeste handelspartnere er 
imidlertid representert med me	r enn én sone, der Sverige har mest detaljert inndeling med 13 soner. 	
NOREG 2 har en fleksibel geografisk inndeling med kommune som minste mulige byggestein. I dette 
prosjektet har vi bygd NOREG 2 til et nivå hvor vi har SSB sine økonomiske regioner som so	ne	-enhet. 	
Dette er aggregater av kommuner. I preprosesseringen av data mellom NGM og NOREG, aggregerer vi 
tonnmengdene som transporteres mellom sonepar i NGM opp til sonene i NOREG 2 før de regnes om til 
kr/verdienhet.	 	
Samtidig benyttes koblingsnøkkelen for koblingen mellom NGM	-varer og NOREG 2 	-næringer til å 	
avstemme varene og næringene de to modellverktøyene.	 	
4.3	 	Soft	-linking av NOREG 2 og persontransportmodellene	 	
Rutinene for soft	-linkingen av NOREG 2 og persontransportmodellene er nyutviklet gjennom dette 	
metodeutviklingsprosjektet. Noen av linkene er utprøvd i prosjektet, mens andre itereringsmuligheter 
og utnyttelser av NOREG 2	-resultater inn i transportmodellen	 fremdeles er på det konseptuelle stadiet 	
hvor utprøving gjenstår. 	Det er utviklet funksjonalitet som gjør at resultater fra NOREG 2 	– som 	
endringer i antall arbeidstakere per økonomisk sone 	– kan brukes til å oppdatere befolkningsgrunnlaget 	
i transportmod	ellene. Dermed etableres en tettere integrasjon mellom persontransportmodellene og 	
NOREG 2, der begge modellene gjensidig utveksler informasjon. Denne koblingen gir et mer konsistent 
og dynamisk rammeverk for analyser av samspillet mellom transport, arbeid	smarked og regional 	
utvikling.	 	
En detaljert gjennomgang av de nye koblingene mellom NOREG 2 og persontransportmodellen er gitt i 
kapittel 	3.5	. 	
Resultater fra persontransportmodellene er viktige inngangsdata i modelleringen av arbeidsmarkedet i 
NOREG 2, hvor pendlingsmuligeten skaper 	større 	mobilitet i 	modelleri	ngen av 	arbeidsmarkedet. 	I tidli	-	
gere modellversjoner har arbeidstakeren vært låst til å arbeide i den modellsonen hvor han bor	, og 	
dersom de relative lønnsforskjellene 	øker har han hatt en tilbøyelighet til å flytte til en sone med relativt 	
sett høyere lønninger. I den nye modelleringen av arbeidsmarkedet i NOREG 2.4 utviklet i dette prosjek	-	
tet, tilføres muligheten for arbeidstakeren 	til å bo i en sone og jobbe i en annen sone.	 	
Det	 er utviklet en CUBE	-applikasjon for 	sammenstilling av transportmodellresultater 	og til å generere	 	
inndatafiler på riktig format til NOREG 2. 	Som 	en 	konsekvens av at forenklet 	persontransport	modell 	
benyttes 	for korte reiser	 i dette prosjektet	, har vi vært nødt til å endre opplegget for datautveksling 	
mellom persontransportmodellene og NOREG 2. NOREG 2 bruker turer og transportkostnader mellom 
norske kommuner som inndata for sine beregninger. Det opprinnelige opplegget for dette var basert på 
de tradisjon	elle transportmodellene, og la til grunn en høyere detaljeringsgrad for transportkostnader 	
og reisehensikter enn hva den forenklede modellen i utgangspunktet støtter.	 	
Det er også etablert funksjonalitet for å justere transportmodellenes befolkningsfiler basert på resulta	-	
ter fra NOREG 2. NOREG 2 beregner endring i antall arbeidstakere pr økonomisk sone. Dette kan brukes 
til å justere den forventede befolkningsutviklingen som ligger til grunn i transportmodellene.	 I den 	
etablerte funksjonaliteten tas det både hensyn til at NOREG 2 beregner	 sonevis flytting målt i antall 	
arbeidere, og at NOREG 2 opererer med en grovere geografisk oppdeling enn hva som benyttes i 
transportm	odellene.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	25	 	
En ytterligere soft	-linkingsmulighet, men som foreløpig ikke er utforsket, ligger i justering av destina	-	
sjons	attraktiviteten i persontransportmodellene basert på resultater fra NOREG 2. Her er det spesielt 	
endring i sysselsetting 	mellom	 næringer som kan	 bidra til en endring i transportmønsteret innad i sonen	. 	
Rutinen for soft	-linkingen av NOREG 2 og 	persontransportmodellene	 for å etablere referansebanen er 	
delt opp i følgende steg:	 	
Steg 0:	 Avklaring av hvilke utviklingstrekk og hvilket transportnettverk som skal ligge til grunn i 	
referansebanen.	 	
Det må	 avklares hvilket transportnettverk som skal ligge til grunn for referansebanen. Dette 	
transportnettverket kodes inn i 	transportmodellene	, her vil normalt sett vedtatte prosjekter 	
fra NTP ligge til grunn for referansen. I tillegg må det spesifiseres hvilke vedtatte politiske	- 	
og andre utviklingstrekk som skal ligge i referansebanen og hvilken politikk som er et 
virkemiddel som skal analyser	es i alternativbanen.	 	
Steg 1:	 Kjøre en referansebanekjøring i persontransportmodellene 	 	
Transportmodellene kjøres for referansetransportnettverket og med de forutsetningene 
som er definert til å være en del av referansebanen	. 	
Steg 2: Benytte CUBE	-applikasjonen for å prosessere resultatene fra transportmodellen over til 	
inngangsfiler til NOREG 2	 	
I datautvekslingen mellom	 transport	modell	ene	 og NOREG 2 	genereres det 12 inndatafiler i 	
kombinasjonen mellom reisehensiktene arbeids	-, fritids	- og tjenestereiser, og transport	-	
midlene bilfører, bilpassasjer, kollektiv og fly	. 	
Steg 3:	 NOREG 2 kjøres med det settet av virkemidler som er definert til å være en del av referanse	-	
banen og med transportkostnader fra RTM/NTM 6 	(eventuelt for	enklet modell dersom den er benyt	-	
tet) 	beregnet i steg 1.	 	
Funksjonalitet for preprosessering av resultater fra NOREG 2 før disse benyttes som 
endrin	gsfiler i transportmodellene.	 	
Steg 4: RTM/NTM6 kjøres med endret sonevis befolkningsframskriving og endret soneattraktivitet fra 
NOREG 2 sin kjøring på steg 3.	 	
 	
 	
Figur 	4.2: Dataflyt mellom NOREG 2 og persontransportmodlelene	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	26	 	
Også mellom NOREG 2 og persontransportmodellene er det rutiner for preprosesserings av modell	-	
resultatene fra det ene modellen før disse kan benyttes som inngangsdata i den andre modellen. 
Persontransportmodellene opererer på et svært finmasket geografisk nivå, mens NOREG 2 opererer 
med geografiske soner som er aggregater av kommuner. Hver sone i N	OREG 2 består av en mengde 	
soner i persontransportmodellene. Det er utviklet funksjonalitet for å kunne beregne reiser og kostna	-	
der etter transportmiddel og reis	ehensikt for aggregater av soner i transportmodellene	, slik at disse kan 	
benyttes inn i NOREG 2	. Samtidig er det også utviklet rutiner for	 å justere befolknings	utviklingen på 	
grunnkretsnivå i transportmodellene basert på NOREG 2 resultater på en grovere geografisk 	oppdeling.	 	
4.4	 	Oppsummering: 	Sammensatte rutiner for soft	-linking i 	
etableringen av referansebanen	 	
Rutiner for sammenkobling av NOREG 2 og NGM ble presentert i kapittel 	4.2	, mens rutinene for kobling 	
av NOREG 2 og persontransportmodellene ble presenter i kapittel 	4.3	. I dette oppsummerende avsnit	-	
tet, setter vi sammen rutinene for soft	-linking av modellverktøyene til en helhetlig felles rutine for 	
etablering av en felles referansebane.	 	
De sammensatte rutinene 	for soft	-linkingen av NOREG 2 og transportmodellene for å etablere 	
referanse	banen er delt opp i følgende steg:	 	
Steg 0:	 Avklaring av hvilke utviklingstrekk og hvilket transportnettverk som skal ligge til grunn i 	
referansebanen.	 	
I transportmodellene må det avklares hvilket transportnettverk som skal ligge til grunn for 
referansebanen. Dette transportnettverket kodes inn i transportmodellene, her vil normalt 
sett vedtatte prosjekter fra NTP ligge til grunn for referansen. I tillegg	 må det spesifiseres 	
hvilke vedtatte politiske	- og andre utviklingstrekk som skal ligge i referansebanen og hvilken 	
politikk som er et virkemiddel som skal analyseres i alternativbanen.	 	
Vedtatt politikk i transportsektoren modelleres i transportmodellene, mens øvrig vedtatt 
politikk og makroøkonomiske utviklingstrekk inkluderes i NOREG 2. 	 	
Steg 1:	 Beregne transportkostnader per vare og sonepar i NGM, samt beregne transportkostnader per 	
reisehensikt og transportmiddel i persontransportmodellene.	 	
Transportmodellene kjøres for det valgte transportnettverket og det settet av utviklings	-	
trekk som skal ligge til grunn for referansebanen. Da vi enda ikke har kjørt NOREG 2, 
benyttes det næringsvise vekstbaner fra siste offisielle godsframskriving for framskri	vin	-	
gene i NGM.	 	
Steg 2:	 NOREG 2 kjøres med det settet av virkemidler som er definert til å være en del av referanse	-	
banen og med transportkostnader fra transportmodellene beregnet i steg 1. 	 	
Transportkostnadene fra både NGM og persontransportmodellene benyttes som inngangs	-	
data i kjøring med NOREG 2 for å produsere regionale makroøkonomiske utviklingstrekk for 
referansescenarioet.	 	
For å kunne benytte resultatfilene fra transportmodellene som inngangsdata i NOREG 2, 
kjøres det utviklede preprosesseringsrutiner for datautveksling mellom modellverktøyene.	 	
Steg 3:	 NGM kjøres med utviklingsbaner for varestrømmer fra NOREG 2 beregnet i steg 2.	 	
Vekstbaner for handel for hver vare og hvert sonepar fra NOREG 2 benyttes som inngangs	-	
data i NGM til å beregne framskriving av godsvolumer per kjøretøy/transportmiddel i 
referansebanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	27	 	
Utviklede preprosesseringsrutiner kjøres for å kunne benytte resultatene fra NOREG 2 inn i 
NGM.	 	
Steg 4: 	Etablere referansebanen gjennom 	iterative 	kjøringer med NOREG 2, NGM og persontransport	-	
modellene.	 
Steg 2	-3 kan gjentas i en iterativ prosess for å konvergere mot konsistens mellom de 	
sammen	koblede modellene. Når tilstrekkelig konvergens er oppnådd mellom NOREG 2 og 	
NGM, vurderes det om resultatene fra NOREG 2 skal benyttes til å korrigere den regionale 
befolkningsframskrivingen og sone	-attraktiviteten i persontransportmodellene.	 	
 	
 	
Figur 	4.3: Dataflyt for iterativ soft	-linking mellom NOREG 2 og transportmodellene.	 	
I referansebanen kalibreres NOREG 2 til å følge de nasjonale makroøkonomiske utviklingstrekkene som 
er fastlagt i Regjeringens perspektivmelding, samt Nasjonalbudsjettet, og en videreføring av dagens 
CO2	-avgiftsnivå.	 	
Det er helt avgjørende for validiteten til analysene at Referansebanen er klart definert. Alle strategi	-	
banene skal sammenlignes med referansebanen og da er det svært viktig at referansebanen reflekterer 
robuste framskrivinger av sannsynlige utviklingstrekk dersom dagens politikk videreføres. I analyse med 
likevektsmodellen, vurderes de klimapolitiske virkem	idlene som skal evalueres, ved at et kontrafaktisk 	
scenario (eksempelstrategiene) sammenlignes med Referansebanen hvor dagens politikk videreføres.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	28	 	
5	 	Eksempelresultater fra referansebanen	 	
5.1	 	Innledning: Referansebane og EU	-bane	 	
For å kunne evaluere 	klimapolitiske virkemidler	, må det etableres en referansebane som reflekterer 	
sann	syn	lige utviklingstrekk dersom dagens politikk videreføres. I NOREG 2	-analysene benyttes 	
referanse	bane som grunnlaget i analysene av virkemidlene som skal evalueres i de ulike strategibanene, 	
og det er helt avgjørende for validiteten til analysene at referansebanen er klart definert og at det er et 
konsistent og klart skille mellom referansebanen og de	 alternative strategibanene.	 	
Referansebanen (	business	-as-usual / frozen	-policy	) representerer utviklingen i økonomien slik den 	
forven	tes å forløpe uten nye politiske inngrep eller endringer utover de som allerede er vedtatt. Den 	
fungerer som et sammenligningsgrunnlag og etablerer et konsistent likevektsforløp over tid, der produk	-	
sjon, konsum, handel, priser og utslipp utvikler seg i tråd med gitte forutsetninger om befolkningsvekst, 
produktivitetsutvikling, internasjonale priser, teknologi og eksisterende politikk. Referansebanen er 
dermed ikke et prognoseverktøy i seg selv, men en normativ referanse som danner utgangspunkt for 
analyse.	 	
I dette prosjektet er det definert to referansebaner:	 	
2. Referansebanen	 (business	-as-usual / frozen	-policy)	 	
3. EU	-banen	 	
Steg representerer den tradisjonelle referansebanen hvor det legges til grunn at Norge som helhet 
utvikler seg i tråd med framskrivningene i Perspektivmeldingen 2024	 (St.Meld. 31 (2023	-2024))	. I 	
etableringen av referansebanen, kalibrerer vi NOREG 2 til å følge samme nasjonale årlige prosentvise 
vekst i fastlands	-BNP som DEMEC	6. Dette gjøres ved å legge de samme underliggende forutsetningene 	
til grunn for begge modellene og kalibrere parameterverdier slik at den aggregerte nasjonale framskri	-	
vingen i NOREG 2 repliserer den nasjonale framskrivingen fra DEMEC.	 	
EU	-banen i stor grad en videreføring av Steg 0, men med innføring av følgende vedtatte EU	-krav:	 	
• 	FuelEU Maritime, som innebærer et krav om 80 % reduksjon i GHG	-intensitet i energien brukt 	
fra skip over 5000 BT i 2050. 	 	
• 	ReFuelEU Aviation, som innebærer et krav om 70 % innblanding av Sustainable Aviation Fuel 
(SAF) ved alle EU	-flyplasser i 2050. 	 	
Disse EU	-kravene vil bidra til at svært store andeler av klimagassutslippene i transportsektoren blir 	
kuttet. 	 	
I denne rapporten omtaler vi Steg referansen som	 Referansebanen	, og Steg 1 referansen som 	
EU	-banen	. 	
5.2	 	Forutsetninger bak referansebanen	 	
For å kunne benytte NOREG 2 til virkemiddelanalyser og framskrivinger av norsk økonomi, må modellen 
kalibreres slik at den følger de offisielle framtidsvisjonene for norsk økonomi. Regjeringens perspektiv	-	
 	
6 DEMEC er en numerisk generell likevektsmodell (Computable General Equilibrium 	– CGE) for Norge, utformet for 	
å studere langsiktige sammenhenger mellom demografi, makroøkonomisk utvikling og offentlige finanser. 	Den er 	
særlig egnet til å belyse finanspolitikkens langsiktige bærekraft og bl	ir blant annet brukt 	av Finansdepartementet 	i 	
analysene som ligger til grunn for Regjeringens p	erspektiv	meldinge	r.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	29	 	
melding er en stortingsmelding som legges frem av Finansdepartementet og som skisserer de langsiktige 
utfordringene og mulighetene for norsk økonomi. Denne stortingsmeldingen legges frem hvert fjerde år 
og Perspektivmeldingen 2024 ble lagt frem av Regjerin	gen i august 2024. 	 	
Perspektiveldingen er et sentralt strategisk dokument som blant annet skal sikre at nasjonen tidlig nok 
tar de grep som er nødvendig for å møte utfordringene og mulighetene som ligger foran oss i et langsik	-	
tig perspektiv.	 	
Regjeringens perspektivmelding er en referansebane for den nasjonale utviklingen av norsk økonomi inn 
i fremtiden. NOREG 2 modellen kan benyttes til å produsere regionale perspektivmeldinger. Refe	ranse	-	
banen i NOREG2 fram	kommer ved å bruke de samme antakelsene som ligger til grunn for fram	skrivinger 	
i Perspektivmeldingen. Dette vil gi ulike utslag i ulike regioner i Norge på grunn av forskjeller i befolk	-	
nings	utvikling, næringsstruktur, handelsmønster og befolkningens utdannings	sam	men	setning.	 	
De økonomiske framskrivingene i Perspektivmeldingen er i hovedsak basert på modellen DEMEC, som er 
driftet av SSB og finansiert av Finansdepartementet. DEMEC har imidlertid en grovere inndeling enn 
NOREG2: det er ingen geografisk dimensjon, og kun to priva	te næringer (varer og tjenester). Til gjengjeld 	
er petroleumssektoren og offentlig sektor mer detaljert modellert, med henholdsvis tre offshore	-	
næringer og 11 offentlige sektorer.	7 	
Både DEMEC og NOREG 2 er makroøkonomiske modeller som er utformet for å studere langsiktige 
sammenhenger i norsk økonomi. Men der DEMEC legger hovedvekt på demografi og offentlige finanser, 
og er bedre egnet til å studere langsiktige finanspolitiske sammen	henger, fokuserer NOREG 2 mer på 	
den regionale samhandlingen i økonomien. 	 	
NOREG 2 er en SCGE	-modell for Norge med en geografisk dimensjon, der landet er delt opp i regioner. 	
DEMEC har ingen slik geografisk dimensjon. Med det menes at det i NOREG 2 eksplisitt blir modellert at 
konsum og produksjon oppstår på ulike steder i landet	, og at varer fraktes internt og mellom de innen	-	
landske regionene (sonene) i modellen, i tillegg til handel med utlandet.	 	
NOREG 2 produserer mange av de samme makroøkonomiske resultatvariablene som DEMEC (BNP, 
produksjon og verdiskapning for hver næring, konsum, handel, osv.), men at der DEMEC kun gir 
nasjonale resultater, beregner NOREG 2 resultater både på nasjonalt og på r	egionalt nivå. 	 	
Forutsetninger som ligger til grunn for kalibreringen mot Perspektivmeldingen 2024: 	 	
• 	Befolkningsutvikling	 er basert på SSBs kommunevise befolkningsframskrivinger fra 2024. 	 	
• 	For å framskrive 	arbeidsstyrken	 tar vi utgangspunkt i befolkningsutviklingen for personer i 	
alderen 16	-74 år. Deltakelse i arbeidsstyrken	 er basert på årlige sysselsettingsandeler fra 	
DEMEC. For perioden 2024	-2060 ligger denne stort sett mellom 71 og 72 prosent for alders	-	
gruppen 16	-74 år.	 	
• 	Endring i utdanningsnivå	 følger Cappelen mfl. 	(2020). Andelen av arbeidsstyrken med lav 	
utdanning og fagutdanning er antatt å gå ned, mens andelen med universitetsutdanning øker.	 	
• 	Etterspørselen etter utdanning 	er antatt å øke i tråd med utdanningsnivået, slik at bedrifter er i 	
stand til å benytte seg av den stadig mer utdannede arbeidsstyrken.	 	
• 	Petroleumsnæringen	 er antatt å reduseres med om lag 60 prosent i 2060 sammenlignet med 	
2024	-nivå	8. 	
 	
7 Offentlige finanser på lang sikt (DEMEC) 	– SSB	 	
8 Perspektivmeldingens anslag på utviklingen i oljeproduksjon på norsk sokkel baseres på Sokkeldirektoratets 
anslag for den gjenværende ressursbasen på norsk kontinentalsokkel. Anslaget følger mulighetsbildet 
«Forventning» fra Sokkeldirektoratets Ressursrap	port 2024.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	30	 
• 	Vekst i	 offentlig konsum 	følger DEMEC. Dette innebærer en årlig vekst på i overkant av 1,5 	
prosent (i faste priser) fram mot 2036, og en avtakende vekst etter dette. I snitt vil offentlig 
sektor øke med 1,3 prosent i året i perioden 2024	-20	50. 	
• 	Vi legger til grunn en 	sterk vekst i forsvaret	 den første 12	-årsperioden. I tråd med Perspektiv	-	
meldingen vil det, på grunn av lave fødselstall den siste tiden, være tilsvarende lavere vekst i 
utdanning. Dette betyr at ekspansjonen av forsvaret ikke vil gi et trendbrudd i veksten for 
offentlig sektor 	som helhet.	 	
• 	Produktivitetsvekst	 bygger også på DEMEC. Gjennomsnittlig årlig produktivitetsvekst i perioden 	
2024	-2060 er på litt over 0,7 prosent i private næringer, og i underkant av 0,5 prosent i offent	-	
lige næringer.	 	
• 	Energieffektivisering	 er antatt å være nesten 1 prosent årlig, basert på anslag fra CEPII 	
(EconMap, 2016).	 	
Et viktig grunnlag for å kalibrere 	NOREG 2	 riktig er varestrømsmatrisene fra 	Nasjonal godsmodell (	NGM	), 	
som bestemmer 	handelsmønsteret 	mellom innenlandsregioner	 i modellen	. Handelsmønsteret	 er 	avgjø	-	
rende	 for hvordan økonomiske impulser forplanter seg mellom regione	r – altså hvordan	 endringer i 	
produksjon, transport	kostnader eller etterspørsel i én region 	gjennom handel vil gi	 ringvirkninger i andre 	
deler av landet	. Det pågår for tiden et arbeid med å oppdatere varestrømsmatrisene	 som brukes i NGM. 	
Når dette arbeidet er ferdigstilt, 	ønsker vi å implementere de oppdaterte varestrømmene i NOREG 2	-	
modellen. 	Dette vil kunne endre hvordan modellen fanger opp samhandlingen mellom r	egioner, etter	-	
som oppdaterte varestrømmer påvirker de grunnleggende handelsmønstrene i økonomien. Som følge 
av dette kan også de beregnede virkningene av ulike tiltak endre seg. For å sikre at modellen fortsatt gir 
et nasjonalt vekstforløp som er konsistent med Perspekt	ivmeldingen, vil det derfor være nødvendig å 	
rekalibrere	 NOREG 2 	mot denne 	når de oppdaterte varestrømmene tas i bruk.	 	
5.3	 	Steg Referansebanen	 	
Referansebanene som produseres i NOREG 2 er regionaliserte varianter av den referansebanen som 
ligger til grunn for Regjeringens perspektivmelding. I kalibreringen av referansebanen sikter vi på å treffe 
makrotallene fra perspektivmeldingen og benytter sam	me sett av forutsetninger som ligger til grunn for 	
denne. NOREG 2 produserer regionale perspektivmeldinger som er konsistente med den nasjonale 
perspektivmeldingen. 	 	
Referansebanen som presenteres i dette kapitlet må behandles som en eksempelberegning og ikke som 
en referansebane til bruk i politikkutforming eller som framskriving av norsk økonomi. I dette kapitlet 
presenteres et regneeksempel hvor vi har beregnet en r	eferansebane gjennom iterasjon mellom NOREG 	
2 og transportmodellene. Dette er kun et regneeksempel da det innenfor tidsrammen for dette prosjek	-	
tet ikke har vært mulig å kalibrere referansebanen slik at denne fullt ut følger de politisk vedtatte utvik	-	
ling	strekkene fra PM24, NB25 og SNOW. Fokuset i arbeidet har vært at dette er et metodeutviklings	-	
prosjekt og dette er første gang hele modellsystemet (NOREG 2, RTM, NTM6 og NGM) skal samordnes 
og samkjøres i praksis, attpåtil med bruk av nyutviklede forenklede/nedskalerte versjoner av RTM.	 	
Dette gir svært viktig lærdom for utvikling og anvendelse av metodikken, men selve beregningene bør 
tolkes med stor forsiktighet. Det er nødvendig med en grundigere kalibrering av modellene og mer 
konsistent gjennomføring av rutinene for soft	-linking av mo	dellverktøyene, samt kvalitetssikring før 	
resultatene kan anvendes til beslutningstagning.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	31	 
 	
Figur 	5.1: Årlig prosentvis vekst i fastlands	-BNP per innbygger iht. Perspektivmeldingen 2024, både utfra 	
Finansdepartementets DEMEC	-modell og NOREG 2	. 	
I Perspektivmeldingen er det lagt til grunn en vekst i petroleumsnæringen i de første årene av prognose	-	
perioden, før produksjonen faller i takt med at ressursene på norsk sokkel tømmes (Sokkeldirektoratet, 
2024).	 Dette reflekteres i utviklingsbanen for årlig prosentvis vekst i fastlands	-BNP per capita som holder 	
et nivå på rundt 1 % årlig vekst fram imot decennieskiftet, hvor det faller kraftig fram imot 2040 og øker 
deretter svakt fram mot 2050. 	Figur 	5.1 viser at det er samsvar mellom de aggregerte nasjonale 	
framskrivingene fra NOREG 2 og framskrivingen fra DEMEC som ligger til grunn for Perspektivmeldingen 
2024. 	 	
Med utgangspunkt i forutsetninger i Perspektivmeldingen framskriver vi den gjennomsnittlige BNP	-	
veksten per innbygger i fastlands	-Norge i perioden 2024	-2050 er 	rett i underkant av 	0,7 prosent per år. 	
Veksten er noe høyere de nærmeste årene, rundt 1,0 prosent, mens aktiviteten i petroleumssektoren er 
antatt å øke. Etter 2026 er det forutsatt lavere aktivitet i petroleumssektoren, og dette får ringvirkninger 
til resten av økonomien. V	eksten i fastlands	-BNP per innbygger synker til rundt 0,6 prosent i perioden	 	
rundt 2035	- 2040, og øker deretter til 	rundt 	0,7	 % utover mot 2050.	 	
5.4	 	Referansebane: Utvikling i bruttoprodukt per næring	 	
Figur 	5.2 viser den økonomiske utviklingen fram mot 2050 for hver av modellens næringer. Resultatene 	
er her aggregert opp fra resultater per økonomisk region og til nasjonale verdier per næring.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	32	 	
 	
Figur 	5.2: BNP per næring, absolutte tall. Mill. 2022kr. Referansebanen for 2023 og 2050	, og EU	-bane 2050.	 	
Figur 	5.2 viser BNP per næring i absolutte tall for referansebanen og for EU	-banen. Her har vi aggregert 	
opp de regionale referansebanene fra NOREG 2 for å kunne se på nasjonale framskrivinger av brutto	-	
produkt per næring i referansebanen og i EU	-banen. 	Søylen for Ref2023 indikerer det felles startpunktet 	
for både EU	-banen og referansebanen. 	Først ser vi at petroleumsnæringen er styrt til halvering i henhold 	
til perspektivmeldingen, dernest ser vi at det i denne oppløsningen er svært liten forskjell på EU	-banen 	
og referansebanen	, noe som ikke er overraskende da det er lite som skiller disse to referansebanene. 	
For enkeltnæringer	, som helse, bygg	- og anleggsrelaterte 	tjen	ester	 og elektrisitet	, kan vi se sm	å varia	-	
sjoner mellom EU	-banen og referansebanen.	 	
0	100 000	200 000	300 000	400 000	500 000	600 000	700 000	
TRANSP-LUFT	
FISKE
VANN	
KJEMI-RAFF
LANDBRUK
TRANSP-TJEN	
IND-TEKN	
TRANSP-HAV
AKVAKULTUR	
MAT	
IND-ANNEN	
REISE
IND-KKI	
TRANSP-LAND	
FINANS	
TJEN-ANNEN
ELEKTRISITET	
SKOLE	
BYGG-ANLEGG	
OFF-ADM
HANDEL
TJEN-TEKN
BYGG-TJEN	
HELSE
PETRO	
Referansebane: Bruttoprodukt nasjonalt	
EU2050	Ref2050	Ref2023

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	33	 	
 	
Figur 	5.3: Bruttoprodukt per næring for henholdsvis Troms fylke og Oslo. Referansebane 2023 og 2050. Mill 2022kr.	 	
Figur 	5.3 gir et eksempel på at utviklingen fram til 2050 også varierer mellom regioner. I dette eksemplet 	
er det aggregert opp til Troms fylke som sammenlignes med Oslo. Merk at det er ulik skala på X	-aksen i 	
de to figurene, så de viser også forskjellen i den over	ordnede næringsstrukturen mellom de to fylkene.	 I 	
Oslo ser vi at tjenesteytende næringer som finans og tekniske tjenester som har størst økning, mens det 
for Troms fylke er stor vekst i offentlige tjenester som helse og offentlig administrasjon. Bygg	-tjenester 	
vokser i begge fylker.	 	
 	
 	
Figur 	5.4: Gjennomsnittlig årlig vekst i fastlands	-BNP for perioden 2023	-2050 for referansebanen og EU	-banen.	 	
0,550%
0,570%
0,590%
0,610%
0,630%
0,650%
0,670%
0,690%
0,710%	
Gjennomsnittlig årlig vekst i fastlands	-BNP per capita mellom 2023 og 2050	
0_Ref	1_EU

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	34	 	
Figur 	5.4 Viser gjennomsnittlig årlig vekst i fastlands	-BNP per capita for referansebanen og for EU	-banen. 	
Vi ser av figuren at de restriksjonene som er pålagt transportsektoren gjennom vedtatte EU	-krav i EU	-	
banen, gir marginalt lavere beregnet BNP	-vekst enn refera	nsebanen. For resultater av hvordan dette 	
slår ut i endret transportarbeid, henviser vi til Wangsness m.fl. (2025).	 	
Figur 	5.5 viser prosentvis vekst i bruttoprodukt per næring på nasjonalt nivå for referansebanen hvor 	
referansebanen 2050 er sammenlignet med referansebanen 2023, mens 	Figur 	5.6 viser gjennomsnittlig 	
årlig vekst for samme næringer og periode.	 	
Næringene som har størst vekst i absolutte tall fra 2023	-2050 er næringer som 	elektrisitet, finans, 	
akvakultur, landbruk, off.adm og fiske, mens vi i andre enden av skalaen finner næringene som eksogent 
er styrt til tilbakegang (petroleum og kjemi	-raff). Det viktigste å få med seg fra disse figurene er at det er 	
stor spredning mello	m næringene.	 	
 	
 	
Figur 	5.5: Prosentvis vekst i næringsvis bruttoprodukt fra 2023 til 2050 for referansebanen	. 	
-80%	-60%	-40%	-20%	0%	20%	40%	60%	80%	100%	120%	
PETRO	
KJEMI-RAFF	
REISE	
BYGG-ANLEGG	
IND-ANNEN	
HANDEL	
TRANSP-LUFT
TRANSP-LAND
TRANSP-TJEN	
IND-KKI
SKOLE
MAT	
TJEN-ANNEN
TRANSP-HAV	
VANN
HELSE	
BYGG-TJEN
IND-TEKN
TJEN-TEKN
OFF-ADM	
FISKE	
LANDBRUK
AKVAKULTUR	
FINANS	
ELE	
Relativ prosentvis endring fra 2023 til 2050 i bruttoprodukt, referansebanen

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	35	 	
 	
Figur 	5.6: Gjennomsnittlig årlig vekst i bruttoprodukt per næring for referansebanen i perioden 2023	-2050.	 	
5.5	 	Referansebane: Korrigert befolkningsframskriving	 	
Statistisk sentralbyrås (SSB) hovedalternativ for befolkningsframskrivinger peker mot en framtid med 
lavere samlet befolkningsvekst, en sterkere aldring av befolkningen, samt en større og eldre innvandrer	-	
befolkning enn i 	dag (Tømmerås og Thomas, 2024).	 Denne utviklingen vil ha betydelige konsekvenser for 	
etterspørselen	 etter offentlige tjenester, særlig innen utdanning, helse og omsorg. SSB anslår blant 	
annet at 	«befolkningen over 80 år, en gruppe som i dag er store brukere av helse	- og omsorgstjenester, 	
forventes å mer enn doble seg innen 2050».	 	
De regionale befolkningsframskrivingene (Leknes og Løkken, 2024) bygger på demografiske rater for 
frukt	barhet, dødelighet/levealder og inn	- og utvandring, fordelt etter kjønn og ettårige aldersklasser. I 	
tillegg inngår rater for innenlands flytting for personer under 70 år. Mottakerkommunen for en utflytter 
bestemmes her ut fra observerte flyttemønstre mell	om kommuner de siste ti årene.	 Vi tar utgangspunkt 	
i middelsalternativet for disse (MMMM)	 og modellerer den flyttingen som skjer i tillegg til SSB sin f	ram	-	
skriving.	 	
Ettersom SSBs framskrivinger baserer seg på historiske flyttemønstre, fanger de ikke nødvendigvis opp 
framtidige endringer i bosettingsmønstre som kan følge av ulik økonomisk utvikling mellom regionene. 	I 	
NOREG 2 modelleres flytting endogent. Med det menes at flytting mellom sonene i modellen framkom	-	
mer som et resultat av prisvektoren som løser ligningssettet. 	I våre analyser modelleres derfor tilleggs	-	
effekter av innenlands flytting som kan oppstå som følge av relative endringer i lønnsnivå og sysselset	-	
tingsmuligheter mellom regioner, i tillegg til den flyttingen som allerede inngår i SSBs framskrivinger.	 	
SSB sin	 befolkningsframskriving baserer seg på historiske trender og inneholder på den måten de 	
faktoren som historisk har skapt attraktiviteten ved de ulike lokalitetene. 	 	
Det som i størst grad gjør at de regionale befolkningsprognosene korrigeres	 i forhold til SSB sin fram	skri	-	
ving	 i referansebanen, er halveringen av petroleumssektoren	 fram mot 2050	. I PM24 er det forutsatt at 	
norsk olje	- og gassproduksjon skal halveres fram imot 2050 i henhold til en utviklingsbane gitt av Sokkel	-	
direktoratet. Dette får direkte konsekvenser for de som arbeider i olje	- og gassektoren, indirekte konse	-	
kvenser for leverandørindustrien og indusert effekter gjennom inntekts	- og konsumeffekter f	or de 	
sysselsatte i disse sektorene. Nedskaleringen av oljesektoren får regionale lønnseffekter, som i modellen 
medfører flytting til regioner hor det relativt sett er høyere lønningen.	 	
-4%
-3%
-2%
-1%
0%
1%
2%
3%
4%	
Gjennomsnittlig årlig utvikling i bruttoprodukt i referansebanen

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	36	 	
 	
Figur 	5.7: Fylkesvis korr	eksjon av antall arbeidere	 i referansebanen i forhold til SSBs 	MMMM	-framskriving. 	
Befolkning i 2050.	 	
I Figur 	5.7 er korrigert befolkningsframskriving per økonomisk region aggregert opp til fylke for å lette 	
framstillingen. Her er det viktig å få med seg at dette er regnet i antall arbeidere, og ikke totalt for folke	-	
tallet i fylket. Antall arbeidere er i modellen definert som prosentvis yrkesdeltakelse ganget med yrkes	-	
aktiv befolkning. Framskrivingen av yrkesdeltakelsen er gitt av perspektivmeldingen.	 	
Vi ser at den største korreksjonen kommer i Rogaland, mens Vestland, Nordland og Innlandet får den 
relativt sett største positive korreksjonen til SSB sin framskriving av befolkningen i 2050. Flyttefigurene 
fra NOREG 2 må altså tolkes sammen med befolkning	smønsteret som allerede ligger inne som inngangs	-	
data i både NOREG 2 og persontransportmodellene for at man skal få det fulle bildet av bosettings	-	
mønste	ret i 2050. Den generelle historiske trenden som også er framtredende i SSB sine befolknings	-	
framskriv	inger, er et flyttemønster preget av sentralisering med befolkningsøkning i sentrale strøk og 	
reduksjon i mindre sentrale strøk. Korreksjonen gitt av NOREG 2, reduserer denne 
sentraliseringseffekten. 	 	
Nasjonalt holdes befolkningsveksten til å følge SSB sine nasjonale framskrivinger, mens det skjer en 
omfordeling i forhold til de regionale fraskrivingene til SSB. Dette kan gi effekter for turproduksjonen i 
persontransportmodellene dersom den regionale be	folkningen i RTM/NTM6 korrigeres i henhold til 	
analysene fra NOREG 2. 	 	
-12 000	-10 000	-8 000	-6 000	-4 000	-2 000	0	2 000	4 000	6 000	
Oslo	
Rogaland	
Møre og Romsdal	
Nordland
Østfold
Akershus
Buskerud
Innlandet
Vestfold
Telemark	
Agder	
Vestland
Trøndelag	
Troms	
Finnmark

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	37	 	
 	
Figur 	5.8: Modellberegnet	 korr	eksjon av antall arbeidere	 i referansebanen i forhold til SSBs MMMM	-framskriving	 	
for økonomiske regioner i Rogaland	. Befolkning i 2050.	 	
Figur 	5.8 zoomer inn på de ulike økonomiske regionene innad i Rogaland fylke. I 	figur 	5.7 så vi at korrek	-	
sjonen fra MMMM	-befolkningsutviklingen for Rogaland ble beregnet til å være tett oppunder 10	 000 	
arbeidere. Når vi går inn i Rogaland fylke og ser på de ulike økonomiske regionene der, finner vi at 
befolkningskorreksjonen er avgrenset til de to regionene J	æren og Stavanger/Sandnes, mens de øvrige 	
tre regionene i fylket er beregnet til å være tilnærmet uberørt. 	 	
For å ytterligere illustrere mulighetene i modellverktøyet, kan vi se nærmere på om det er forskjeller i 
flyttemønsteret på tvers av utdanningsgrupper.	 	
 	
 	
Figur 	5.9: Modellberegnet korr	eksjon av antall arbeidere	 i referansebanen i forhold til SSBs MMMM	-framskriving 	
for økonomiske regioner i Rogaland. Befolkning i 2050.	 	
-7000	-6000	-5000	-4000	-3000	-2000	-1000	0	1000	
Dalane	
Stavanger / Sandnes	
Jæren	
Indre Ryfylke
Haugaland	
-2500	-2000	-1500	-1000	-500	0	500	
Dalane	
Stavanger / Sandnes	
Jæren	
Indre Ryfylke
Haugaland	
Høyere universitetsuttdanning	Lavere universitetsutdanning	Fagutdanning	Lavere utdanning

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	38	 	
De regionale husholdningene i modellen er differensiert etter utdanningsnivå, hvor det er estimert 
flyttetilbøyelighet etter nivå av utdanning (Kornstad m.fl. 2023 	og Skjerpen m.fl. 2023	). Forskjellen 	
mellom disse publikasjonene er at i Skjerpen m.fl. (2023) er den økonometriske modellspesifikasjonen 
tilpasset inndelingene i NOREG 2	). Hver region i modellen har arbeidsmarkeder for arbeidskraft av hver 	
av de fire utdanningskategoriene, og lønnsnivået er et resultat av tilbudet og etterspørselen etter 
arbeids	kraft på et gitt tidspunkt. Næringer som vokser etterspør mer arbeidskraft. For å få tak i denne 	
arbeidskraften tilbyr de høyere lønn. Når lønnsforskjellene blir store nok, vil arbeidstakere flytte dit hvor 
lønningene er høyere (til man når en ny likevekt)	. Flyttetilbøyeligheten er imidlertid ganske lav, særlig 	
for høyt utdannet arbeidskraft.	 Figur 	5.9 viser den modellberegnede korreksjonen av antall arbeidere 	
etter utdanningsnivå i de fem økonomiske regionene i Rogaland.	 	
5.6	 	Referansebane: CO	2-utslipp	9 	
I NOREG 2 er det modellert inn 	tre typer	 av CO	2-utslipp (dvs	. utslipp av klimagasser målt i CO	2 -	
ekvivalenter):	 	
• 	Prosessutslipp:	 Utslipp av klimagasser som følge av kjemiske eller fysiske prosesser i selve 	
produksjonen	.10 	
• 	Energiutslipp: 	Utslipp av klimagasser relatert til forbrenning av fossilt drivstoff	 	
• 	Utslipp fra sluttkonsum:	 Husholdningenes utslipp av klimagasser knyttet til forbruk av fossilt 	
drivstoff.	 	
• 	 	
 	
Figur 	5.10	: Klimagassutslipp målt i CO	2-ekvivalenter for referansebanen, fordelt på utslipp fra prosessindustrien, 	
energiutslipp og utslipp fra husholdningenes sluttkonsum	 	
 	
9 Utslippene i referansebanen er ikke fullt ut kalibrert til å stemme overens med PM24, NB25 og SNOW. Dette lot 
seg ikke gjøre innenfor tidsfristen for dette prosjektet, men vil bli foretatt i neste trinn av modellutviklingen.	 	
10 Eksempler her er kalk	- og sementproduksjon, metallproduksjon og kjemisk industri. Felles for utslippene av 	
klimagasser i prosessindustrien er at det vanskelig lar seg rense da de som oftest er knyttet til selve prosessen i 
produksjonen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	39	 	
6	 	Oppbygging av virkemiddelpakkene i 
strategibanene	 	
6.1	 	Fire strategier for å nå lavutslippssamfunnet 2050	 	
For en detaljert gjennomgang av oppbyggingen, forutsetningene	, premissene	 og analysegrunnlaget for 	
strategibanene, henviser vi til Wangsness m.fl. 2025.	 	
Her vil vi gi en kort gjennomgang av de ulike kombinasjonene av virkemidler som liger til grunn for de 
fire strategiene for norsk transportsektors vei mot lavutslippssamfunnet 2050. De overordnede premis	-	
sene for alle de fire strategibanene er at utslippene fra transportsektoren skal være tilnærmet null i 
2050. 	I praksis vil dette bety at all transport baserer seg på nullutslippsteknologi eller 100 % innblanding 	
av nullutslippsdrivstoff, med noen unntak hvor sikkerhetshensyn, lovverk, ekstreme kostnader e.l	. gjør 	
at noen mindre segmenter av sektoren ikke kan benytte seg av nullutslippsløsninger. Dette vil gjelde for 
alle strategier	. 	
Sentrale aspekter som vil skille disse strategiene fra hverandre er:	 	
o 	Hvem som tar regningen 	– blir det transportbrukere eller skattebetalerne?	 	
o 	Hva blir det resulterende omfanget av mobilitet og godstransport i sektoren?	 	
o 	Hvordan blir mobilitet og godstransport fordelt på ulike transportmidler?	 	
Med disse premissene i grunn har NTPS metodegruppe tatt utviklet fire ulike strategikonsepter for å nå 
lavutslippssamfunnet i 2050	. 	
 	
 	
Figur 	6.1: Strategikonsepter for metodeprosjektet utviklet av transportvirksomhetene	. Kilde: Wangsness m.fl. 2025.	 	
De fire utviklede strategiene vil bli benyttet som grunnlag for eksempelberegningene som presenteres i 
kapittel 	7, her testes de utviklede rutinene for soft	-linking av modellverktøyene i praksis.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	40	 	
6.2	 	Sammensetningen av virkemidler i de fire 
strategibanene	 	
Under presenteres en kort oppsummering av de klimapolitiske virkemidlene som utgjør hver av de fire 
utviklede strategiene som skal lede til nullutslipp i transportsektoren i 2050.	 	
1. Teknologibanen	 	
2. UFF	-banen	 	
3. UF	-banen	 	
4. Kostnadseffektivitetsbanen	 	
6.2.1	 Teknologibanen: Omstilling gjennom teknologisk utvikling og innovasjon; 
forbedre.	 	
Kort beskrivelse av teknologibanen: 	Strategien her er at tiltak som bringer oss fra referansebanen og til 	
målet om null utslipp i 2050 primært skal oppnås med implementering av nullutslippsløsninger. Det 
legges liten eller ingen vekt på restriktive virkemidler, og mobiliteten for både gods 	– og persontransport 	
minst opprettholdes. I denne strategibanen blir den tilstrekkelige utviklingen og utrullingen av null	-	
utslipps	løsninger finansiert av skattebetalerne og ikke spesifikt av transportbrukerne.	 	
 
Virkemiddelpakke i teknologibanen	 	
• 	Krav om nullutslippsløsninger for lastebiler	11 som kjører i Norge, kombinert med 	 	
− 	subsidiert hurtigladeinfrastruktur	 for økningen i dekning som trengs fra EU	-banen til 	
100 % elektrifisert lastebiltransport (slik at kostnadene for hurtiglading forblir på 
samme nivå som i både Referansebanen og EU	-banen)	. 	
• 	Krav om nullutslippsløsninger i skipsfarten	 i norske farvann, kombinert med	 	
− 	subsidiert lading/bunkring;	 el-lading, hydrogen	-bunkring og/eller bio	-bunkring (nok 	
til å holde kostnader per transportarbeid på et nivå som i referansebanen)	. 	
• 	Subsidier til SAF i luftfart	, gjelder til den innblandingsdelen som ligger utover 	
innblandingskravet fra EU (70 % i 2050)	. 	
• 	Subsidier til elfly på kortbanenettet	 (dersom dette skulle fremkomme som billigere enn 	
SAF for de aktuelle rutene, men dette blir ikke eksplisitt modellert)	. 	
• 	Subsidier til å elektrifisere dieseltogstrekningene	. 1433 km (36%) er ikke elektrifisert i 	
dag.	 	
• 	Økt skatt på inntekt	 for å finansiere subsidebehovet	 fra øvrige virkemidler.	 	
• 	Økte CO	2-avgifter og EU	-ETS kvotepriser	 på andre sektorer utenfor transportsektoren 	
(dette vil gjelde i samtlige strategibaner)	. 	
 	
11 Som det vil kommer frem av kostnadsutviklingsbanene, så forventes det å være bedriftsøkonomisk lønnsomt å 	
velge elektrisk lastebil over dieseldrevet. I modelleringen vil de dermed ikke motta subsidier. Det legges imidlertid 
inn et behov for subsidiering a	v tilstrekkelig hurtigladeinfrastruktur (antatt i de mindre sentrale områdene) som 	
gjenspeiles i et behov for høyere skattetrykk.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	41	 	
6.2.2	 UFF	-banen: Omstilling gjennom å unngå, flytte og forbedre	 	
Dette er en mer balansert strategibane hvor utslippskutt mellom og målet skal kunne oppnås med tiltak 
som både faller under «unngå», «flytte» og «forbedre. Ettersom det endelige målet er null utslipp, vil 
krav om nullutslippsløsninger stå sentralt i 2050, 	som er et direkte virkemiddel rettet mot Forbedre. 	
Men i motsetning til den subsidierte teknologibanen, vil kostnaden av å overholde kravet måtte bæres 
av transporttilbydere og transportbrukere, og ikke skattebetalerne generelt som i Teknologibanen. I 
møte	 med denne kostnadsøkningen vil transportbrukere velge ulike former for tilpasninger under både 	
Unngå og Flytte.	 	
Den balanserte UFF	-banen 	- virkemiddelpakke	 	
• 	Krav om nullutslippsløsninger for lastebiler	 som kjører i Norge i 2050, 	men uten noen 	
form for subsidiering	 12 	
• 	Krav om nullutslippsløsninger i skipsfarten	 i norske farvann i 2050, men 	uten 	
subsidiering	13. 	
• 	Subsidier til SAF i luftfart	, utover innblandingskravet fra EU, 	finansiert av økt 	
passasjeravgift	 (for å overholde EU	-regler kan ikke innblanding utover EU	-kravet pålegges 	
direkte, men det kan finansieres frivillig av det enkelte land)	. 	
• 	Distansebasert veiprising	 for effektiv internalisering av de eksterne kostnadene av 	
veitransport 	(Rødseth et al., 2020; Wangsness et al., 2023	), selv om all veitransport har 	
oppnådd null 	CO	2-utslipp, samt å bidra til at nullvekstmålet overholdes i byområdene	. 	
Dette vil gjelde for både personbiler og lastebiler. Dette vil innebære relativt 	lave priser i 	
rurale strøk	 og 	høye	 priser	 i storbyer. KVU	-en om 	veiprising 	(Steinsland et al., 2022	) kan	 	
fungere som et utgangspunkt.	 	
• 	Arealrestriksjoner og mer fortettet bosetning	, for å beslaglegge mindre areal og redusere 	
det totale transportbehovet. Dette gir kortere gjennomsnittlig avstand mellom startpunkt 
og sluttpunkt og øker konkurransedyktigheten til kollektivtransport, sykkel og gange.	 	
• 	Tilrettelegging (eller krav) for mer hjemmekontor	. Virkemidlet innrettes med henblikk på 	
å erstatte arbeids	- og tjenestereiser, 	så den totale energibruken på korte turer (primært 	
bilreiser)	 reduseres	. 	
• 	Tilrettelegging (eller krav) for digitale møter	. Virkemidlet innrettes med henblikk på å	 	
erstatte flyreiser, for å redusere den totale energibruken på flytrafikk	. 	
• 	Subsidier til å elektrifisere dieseltogstrekningene	. 1433 km (36%) er ikke elektrifisert i 	
dag.	 	
• 	Reduserte satser og transaksjonskostnader	 på togtransport og langdistansebusser 	på 	
strekninger og tidspunkter hvor det er ledig kapasitet	 	
• 	Økte CO2	-avgifter og EU	-ETS kvotepriser	 på andre sektorer utenfor transportsektoren	. 	
 	
12 Etter spesifisering fra NTPs metodegruppe vil denne eksempelstrategien inneholde subsidiering av å øke 	
omfanget av hurtigladenettverket for å imøtekomme etterspørselen økt fra EU	-banen til 100% elektrifisert 	
lastebilpark. Dette vil slå ut i noe høyere ska	ttetrykk enn i referansebanen, men lavere enn i Teknologibanen.	 	
13 Etter spesifisering fra NTPs metodegruppe vil denne eksempelstrategien inneholde subsidiering av å øke 	
omfanget av fyllingsinfrastruktur for karbonnøytrale drivstoff i norske havner for å imøtekomme etterspørselen 
økt fra EU	-banen til 100% bruk av karbonn	øytralt drivstoff. Dette vil slå ut i noe høyere skattetrykk enn i 	
referansebanen, men lavere enn i Teknologibanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	42	 	
6.2.3	 UF	-banen: Omstilling gjennom å unngå og flytte	 	
I UF	-banen vil det legges til ytterligere restriktive virkemidler fra UFF	-banen, hvor hensikten er å redu	-	
sere de mest belastende transportformer, fly	- og individuell veitransport. Også i denne strategi	banen vil 	
kostnaden av å overholde kravet om nullutslipp i transportsektoren måtte bæres av transporttilbydere 
og transportbrukere (og ikke skattebetalerne som i Teknologibanen). Sentralt i denne strategibanen er 
arealrestriksjoner og mer fortettet bosetti	ng	. 	
Redusere	-banen 	- virkemidler	 	
• 	Krav 	om nullutslippsløsninger for lastebiler som kjører i Norge i 2050, men 	uten noen form for 	
subsidiering	14 	
• 	Krav	 om nullutslippsløsninger i skipsfarten i norske farvann i 2050, men 	uten noen form for 	
subsidiering	15 	
• 	Subsidier til SAF i luftfart, 	utover innblandingskravet fra EU, finansiert av 	økt passasjer	avgift	 	
(for å overholde EU	-regler kan ikke innblanding utover EU	-kravet pålegges direkte, men det 	
kan finansieres frivillig av det enkelte land). Passasjeravgiften vil være høyere enn i UFF	-	
banen.	 	
• 	Distansebasert veiprising	 for effektiv internalisering av de eksterne kostnadene av veitrans	-	
port (selv om all veitransport har oppnådd null CO	2-utslipp) og bidra til at nullvekstmålet 	
overholdes i byområdene. Veiprisingen i storbyene vil være høyere enn i UFF	-banen.	 	
• 	Distansebasert prising av godstransport til sjøs 	for effektiv internalisering av de eksterne 	
kostnadene (f.eks. akutt forurensing til vann).	 	
• 	Distansebasert prising av godstransport på jernbane 	for effektiv internalisering av de 	
eksterne kostnadene (f.eks. støy, ulykker og slitasjekostnader)	 	
• 	Tilrettelegging (eller krav) for mer hjemmekontor	. Virkemidlet innrettes med henblikk på å 	
erstatte arbeids	- og tjenestereiser, så den totale 	energibruken	 på korte turer (primært 	
bilreiser) reduseres.	 	
• 	Økt stimulering til og krav om digitale møter	 istedenfor flyreiser. Sterkere virkemiddel	bruk 	
enn i UFF	-banen.	 	
• 	Subsidier til å elektrifisere dieseltogstrekningene.	 1433	 km (36%) er ikke elektrifisert i dag.	 	
• 	Arealrestriksjoner og mer fortettet bosetning	, for å beslaglegge mindre areal og redusere det 	
totale transportbehovet. Dette gir kortere gjennomsnittlig avstand mellom startpunkt og 
sluttpunkt og øker konkurransedyktigheten til kollektivtransport, sykkel og gange. 	Restriktiv 	
politikk på arealbruk og nedbygging	 kan også slå ut i lavere materialbruk.	16 	
 	
14 Etter spesifisering fra NTPs Metodegruppe vil denne eksempelstrategien inneholde subsidiering av å øke 	
omfanget av hurtigladenettverket for å imøtekomme etterspørselen økt fra EU	-banen til 100% elektrifisert 	
lastebilpark. Dette vil slå ut i noe høyere ska	ttetrykk enn i referansebanen, men lavere enn i Teknologibanen.	 	
15 Etter spesifisering fra NTPs Metodegruppe vil denne eksempelstrategien inneholde subsidiering av å øke 	
omfanget av fyllingsinfrastruktur for karbonnøytrale drivstoff i norske havner	 	
16 Her ønsker vi å fange opp at dette sannsynligvis vil slå ut på mindre materialbruk og lavere aktivitet i bygg	- og 	
anleggsbransjen gjennom restriksjoner på bygging av f.eks. hytter, eneboliger og nye veier. Gitt at byggematerialer 
(trelast, plank, stein, s	and og pukk) er blant varekategoriene med flest tonnkilometer på norsk område enten med 	
lastebiler eller bulkskip, vil slike være virkemidler til å begrense både arealbehovet, byggebehovet og transport	-	
behovet.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	43	 	
• 	Reduserte satser og transaksjonskostnader på togtransport og langdistansebusser på	 	
strekninger og tidspunkter hvor det er ledig kapasitet	 	
• 	Økte CO	2-avgifter og EU	-ETS kvotepriser 	på andre sektorer	 utenfor transportsektoren 	 	
 
6.2.4	 Kostnadseffektivitetsbanen: Omstilling gjennom de til enhver tid mest 
kostnadseffektive tiltakene på tvers av sektorer	 	
I Kostnadseffektivitetsbanen operasjonalisere CO	2-prisingen i Norge, både i transportsektoren og 	
utenfor, på et litt annet vis enn i de andre banene. Der vil vi modellere det som et verktøy til å oppnå 
like store utslippskutt 	nasjonalt	 som i de andre strategibanene, men hvor man er villig til å unngå de 	
dyreste utslippskuttene i transportsektoren og heller kutte på relativt billigere vis andre steder i økono	-	
mien, hvis dette er mulig. Resultatet blir at de samlede utslippskuttene blir like store som i UFF	-banen, 	
men til lavere samfunnskostnader. Det blir dermed ikke noe absolutt krav om nullutslippsløsninger i 
transportsektoren.	 	
Den kostnadseffektive banen 	- virkemidler	 	
• 	Distansebasert veiprising	 for effektiv internalisering av de eksterne kostnadene ved 	
veitransport, som kø, ulykkesrisiko, støy, slitasje og partikkelforurensing 	 	
• 	Distansebasert prising av godstransport til sjøs 	for effektiv internalisering av de eksterne 	
kostnadene (f.eks. akutt forurensing til vann)	 	
• 	Distansebasert prising av godstransport på jernbane 	for effektiv internalisering av de 	
eksterne kostnadene (f.eks. støy, ulykker og slitasjekostnader)	 	
• 	Økt regulatorisk frihet til 	fortetting	 	
• 	Økte CO	2-avgifter og EU	-ETS kvotepriser	 på andre sektorer utenfor transportsektoren (	kan 	
overstige 	9089 kr	2025 	om tiltakskostnadene i transportsektoren er høyere	) 	
 
I Kostnadseffektivitetsbanen åpnes det for en høyere CO	2-avgift enn 9089 kr/tonn CO	2 i enkelte sektorer 	
dersom det er kostnadseffektivt. Dette er ikke utforsket i denne runden med eksempelberegninger. I 
NOREG 2 er det implementert lik CO	2-avgift for alle sektorer lik 9089 kr/tonn CO	2.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	44	 	
7	 	Eksempelresultater fra strategibanene	 	
7.1	 	Eksempelberegninger fra et metodeutviklingsprosjekt	 	
Resultatene vi gjennomgår i dette kapittelet må behandles som eksempelberegninger. Eksempel	strate	-	
giene er blitt laget gjennom en prosess med NTPs metodegruppe og TØI	-teamet med kontinuerlige 	
vurderinger om hva som er hensiktsmessig fra strategisk transportpolitisk perspektiv og hva som er 
hensiktsmessig å modellere. De har ikke blitt til gjennom fasts	atte, målbare kriterier. Videre er det første 	
gang hele dette modellapparatet (NOREG 2, RTM, NTM6 og NGM) skal samordnes og samkjøres i prak	-	
sis, attpåtil me	d bruk av nyutviklede forenklede/nedskalerte versjoner av RTM. Dette gir svært viktig 	
lærdom for utvikling og anvendelse av metodikken, men selve beregningene bør tolkes med stor 
forsiktighet. Det er nødvendig med grundigere kalibrering av modellverktøyene	 og at rutinene for soft	-	
linking v modellene følges på en konsistent måte, samt kvalitetssikring før resultatene kan anvendes til 
beslutningstagning.	 	
7.2	 	Trinnvise analyser med sammenkoblede modeller	 	
De fire eksempelstrategiene ble presentert i kapittel 	6. For en grundig gjennomgang prosessen fram til 	
eksempelstrategiene og en detaljert oversikt over de klimapolitiske virkemidlene i hver enkelt strategi, 
henviser vi 	til Wangsness m.fl. 2025.	 	
Følgende eksempelstrategier er definert	 	
• 	UFF	-banen	 	
• 	UF	-banen	 	
• 	Teknologibanen	 	
• 	Kostandseffektivitetsbanen	 	
For hver av eksempelstrategiene, følger de iterative analysene med modellverktøyene samme stegvise 
oppsett:	 	
Steg 1:	 Transportmodellene kjøres med de klimapolitiske virkemidlene som tilhører transportsektoren	 	
Steg 2:	 NOREG 2 kjøres med eksogene endringer i transportkostnader fra steg 1 og klimapolitiske virke	-	
midler og tilpasninger modellert i NOREG 2.	 	
Steg 3:	 NGM kjøres med utviklingsbaner for varestrømmer fra NOREG 2 beregnet i steg 2 for å beregne 	
framskriving av godsvolumer per transportmiddel i eksempelstrategiene. Ved større endringer, vurderes 
det om det er formålstjenlig å oppdatere befolkningsutvikling	en i persontransportmodellene med 	
resultatene fra den endogene flyttingen i NOREG 2.	 	
De fire settene av virkemiddelpakker definert i eksempelstrategiene inneholder både virkemidler som er 
spesifikt rettet mot transportsektoren, 	finansieringen av disse klimatilpasningene og	 virkemidler som er 	
rettet mot de øvrige sektorene i økonomien	. 	
For hver av eksempelstrategiene er det i transportmodellene modellert et sammensatt sett av virkemid	-	
ler i transportsektoren som skal lede fram til målsettingen om nullutslipp i 2050. Disse virkemiddelpak	-	
kene ble diskutert i kapittel	 6. Hver eksempelstrategi gir et sett av strategispesifikke transportkostnader 	
for både gods	- og persontransport som inngår som eksogene endringer i NOREG 2 sammenlignet med 	
referansebanen.	 Tabell 	7.1 oppsummerer de øvrige strategispesifikke modelltilpasningene som gjøres i 	
NOREG 2 for hver av eksempelstrategiene, referansebanen og EU	-banen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	45	 	
Tabell 	7.1: modelltilpasninger i NOREG 2 for hver av eksempelstrategiene.	 	
 	CO	2-avgifter	 	Finansiering av tiltak i transportsektoren	 	Andre sektoravgifter	 	Annen modelltilpasning	 	
Referansebanen	 	Uendret 	 	 	 	 	
EU	-banen	 	Uendret	 	 	 	 	
UFF	-banen	 	
9089 kr/tonn	 	2.6 mrd. lump	-sum 	overføring fra husholdningene	 	
 	Vridning i utenlandsk etterspørsel mot varer med lavere CO	2-intensitet	 	
UF-banen	 	
9089 kr/tonn	 	2.6 mrd. lump	-sum 	overføring fra husholdningene	 	
Sektoravgift i bygg	- og 	anleggssektoren som reduserer innsatsfaktorbruken med 20 %	 	
Vridning i utenlandsk etterspørsel mot varer med lavere CO	2-intensitet	 	
Teknologibanen	 	
9089 kr/tonn	 	9.8 mrd. lump	-sum 	overføring fra husholdningene	 	
 	Vridning i utenlandsk etterspørsel mot varer med lavere CO2	-intensitet	 	
Kostnads 	-effektivitetsbanen	 	
9089 kr/tonn	 	 	 	Vridning i utenlandsk etterspørsel mot varer med lavere CO2	-intensitet	 	
 
I NOREG 2 modelleres Norge som en liten åpen økonomi som tar verdensmarkedsprisen for gitt og 
handler med	 utlandet. Videre har vi antatt at alle våre handelspartnere er	 gjenstand for de samme 	
internasjonale klimaforpliktelsene	, slik at CO	2 avgiftene gjelder globalt. Denne antakelsen innebærer at 	
det i	kke er noen vridning mot eksport eller import ettersom CO	2-avgifter på 9089 kr/tonn CO	2 innføres 	
på produksjonen i Norge. 	Ettersom 	CO	2-avgiftene innføres globalt, har vi antatt at dette medfører en 	
vridning 	fra	 varer med høy CO	2-intensitet og mot varer med lav CO	2-intensitet 	i den internasjonale 	
etterspørselen etter norske	 produkter	. 	
I alle policy	-analyser med en numerisk generell likevektsmodell, er sammenligningen mellom referanse	-	
likevekten og den kontrafaktiske likevekten sentral.	 	
Mens referansebanen representerer en utvikling fram mot 2050 slik den forventes å forløpe uten nye 
politiske inngrep eller endringer enn de som allerede er vedtatt (frozen	-policy), så beskriver strategi	-	
banene 	derimot økonomiens utvikling under endrede forutsetninger. 	Strategibanene utgjør kontrafak	-	
tiske likevekter som viser hvordan økonomien vil tilpasse seg under alternative forutsetninger for de 
eksogene parameterverdiene. 	Hver strategibane spesifiseres ved et sett av endringer i modellens 	
eksogene vari	abler eller parametere i forhold til referansebanen. 	I NOREG 2 beregnes en ny alternativ 	
likevektsbane for hver eksempelstrategi.	 	
Ved å sammenligne resultatene fra strategibanene med referansebanen, kan man kvantifisere virk	-	
ningen av de aktuelle tiltakene 	– for eksempel endringer i produksjon, sysselsetting, konsum, priser, 	
utslipp eller velferd. Differansen mellom alternativ og referanse utgjør den politiske eller økonomiske 
effekten av tiltaket som evalueres.	 	
7.3	 	Fokus på metodeutvikling	, ikke modellresultater	 	
I dette prosjektet har hovedfokuset vært på metodeutvikling, både en videreutvikling av NOREG 2	-	
modellen til å bedre kunne analysere omstillingen til et lavutslippssamfunn i 2050, men også 	utviklingen 	
av rutiner for soft	-linking av NOREG 2 med transportmodellene, både NGM og	 persontransportmodel	-	
lene. Parallelt har det pågått et stort arbeid med 	utvikling av prosesser for 	sammenstillingen av virke	-	
middelpakker og 	etablering av 	fremtidsstrategier for å nå lavutslippssamfunnet for transportsektoren	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	46	 	
Resultatene og læringspunktene fra dette metodeutviklingsprosjektet, skal tas med 	i videre	 arbeid.	 	
Resultatene som presenteres fra modellanalysene må	 forstås som illustrative eksempel	beregninger. De 	
ulike eksempelstrategiene er utviklet i samarbeid mellom NTPs metodegruppe og	 forskere på TØI, gjen	-	
nom en prosess preget av løpende vurderinger av hva som er hensiktsmessig	 både fra et strategisk 	
transportpolitisk perspektiv og fra et modellteknisk ståsted	, samtidig som det har vært en løpende 	
avveining 	mellom 	behovet for å kvalitetssikre og kalibrere modellverktøyene	, o	g behovet for framdrift 	
og leveranser i prosjektet. 	 	
Dette er første gang hele modellapparatet 	– NOREG 2, RTM, NTM6 og NGM 	– samordnes og kjøres i 	
fellesskap, og i tillegg er det benyttet nyutviklede forenklede versjoner av RTM. Erfaringene fra dette 
arbeidet gir verdifull innsikt for videre utvikling og anv	endelse av metodikken, men selve beregningene	 	
bør tolkes med varsomhet. Ytterligere modelltilpasning, kalibrering og kvalitetssikring vil være nødven	-	
dig før resultatene kan brukes som grunnlag for beslutninger.	 	
7.4	 	Eksempelresultater: Nasjonal BNP	-effekt	 	
Den versjonen av NOREG 2 som er benyttet i dette prosjektet, har økonomisk region som geografisk 
soneinndeling. Norge består av 85 slike økonomiske regioner	, og hver region er aggregater av kommu	-	
ner og avgrenset til å følge fylkesinndelingen	. E	n av hovedstyrkene til NOREG 2 er	 den regionale dimen	-	
sjonen i analysene, hvor ulikheten mellom regionene gir 	ulike makroøkonomiske vekstbaner for hver 	
region. 	 	
Imidlertid, er det ofte formålstjenlig å aggregere opp modellresultatene, enten	 over næringer eller over 	
soner, for å vise resultater på et mer overordnet nivå. Dette for både å få det store bildet og for å 	lette 	
presentasjonen av resultatene. 	 	
Figur 	7.1 viser nasjonalt aggregerte resultater for gjennomsnittlig	 årlig	 vekst i fastlands	-BNP per capita	 	
for tidsperioden 2023 	– 2050. Fastlands	-BNP er her definert som en økonomi uten petroleumssektor. 	
Figuren viser gjennomsnittlig årlig vekst for de to referansebanene (0_Ref og EU	-banen), samt for de fire 	
strategibanene	 (UFF	-banen, UF	-banen, Teknologibanen og 	Kostnadseffektivitetsbanen)	. 	
 	
 	
Figur 	7.1: Eksempelresultater av gjennomsnittlig årlig vekst i fastlands	-BNP	 per capita for 2023	-2050	 i 	
referansebanene og i strategibanene	. 	
0,500%
0,550%
0,600%
0,650%
0,700%
0,750%	
Gjennomsnittlig årlig vekst i fastlands	-BNP per capita mellom 2023 og 	
2050	
0_Ref	1_EU	2_UFF	3_UF	4_Tek	5_Kost.eff

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	47	 	
Som det framgår av figuren, gir	 analysene med NOREG 2 små relative utslag i resultater på nasjonalt 	
nivå mellom	 UFF	-banen, Teknologibanen og Kostnadseffektivitetsbanen, mens vi ser et relativt sett stort 	
utslag	 mellom både referansebanene og UF	-banen, og mellom de øvrige strategibanene og UF	-banen.	 	
Hver av eksempelstrategiene har et sett av klimapoliske virkemidler	. De virkemidlene som er spesifikt 	
modellert i NOREG 2 er	 gjengitt i 	Tabell 	7.1. Her framkommer det at	 CO	2-avgiftene i 2050 er like på t	vers 	
av næringer og mellom strategibanene	, mens det som varierer	, utenom virkemiddelpak	kene modellert i 	
transportmodellene	, er finansieringsbehovet for tiltakene i transportsektoren 	og sektorspesifikke 	
restrik	sjoner i bygg	- og anleggssektoren i UF	-banen.	 	
I Kaush	al og Yonezawa 	(2022) analyseres det ulike for	mer for modellering av	 CO	2-avgifter i SNOW	-	
modellen	. De evaluerer blant annet utformingen av 	overføringene av skatteinntektene tilbake til økono	-	
mien	 og finner at h	vorvidt 	skatteinntektene fra 	den økte 	CO	2-avgiften	 overfører 	tilbake til økonomien	 	
gjennom et engangsbeløp til husholdningene eller som redusert skattesats på arbeidsinntekt, har stor 
betydning for de 	beregnede 	makroøkonomiske effektene	 fra SNOW	-modellen	. I utviklingsprosjektet 	
som l	igger til grunn for resultatene som vi presenterer i dette kapitlet, har det ikke vært rom for å 	teste 	
ut ulike utforminger av	 skatteinntektenes overføringer	 tilbake til økonomien. 	I vår utforming av	 de økte 	
overføringene fra myndighetene som følge av økte CO	2-avgifter, så	 spres de jevnt 	ut 	utover hushold	-	
ningene	 i modellen. 	 	
Klimatiltakene i transportsektoren	 i de ulike strategibanene har ulik grad av subsidiering og tilhørende 	
skattefinansiering	. Denne skattefinansieringen modelleres i NOREG 2	. Utforming	en	 av	 skattefinansie	-	
ringen 	i modellen vil også trolig påvirke resultatene. Dette 	har det heller ikke vært rom for å evaluere 	
innenfor rammen av dette prosjektet	. 	
7.5	 	Eksempelresultater: Næringsvis BNP	-effekt	 	
I analysene i denne rapporten	 har vi benyttet en mode	llversjon av NOREG 2 som har 	25 regionale nærin	-	
ger	, fordelt på både vareproduserende næringer, tjenesteytende private næringer og offentlig	e tjenes	-	
ter. 	 	
Figur 	7.2 viser nasjonale resultater for 	endring i produksjonsverdi per næring. I figuren presenteres 	
resultatene som 	prosentvis endring 	for strategibanene 	i forhold til referansebanen i 2050	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	48	 	
 	
Figur 	7.2: Prosentvis endring 	i strategibanene	 i 2050 relativt til referansebanen	. 	
Her ser vi ikke bare at det er stor spredning 	mellom næringene i effekten 	på produksjonen 	av 	klima	-	
tiltakene i 	strategibanen	e, men også at det	 for enkelte næringer er forskjeller i hvor stor effekten er	 	
mellom de ulike eksempelstrategiene.	 Vi ser at landbrukssektoren får den største effekten på produk	-	
sjonsverdien 	i alle eksempelstrategiene. Dette skyldes i store trekk innføringen av en 	lik 	CO	2-avgi	ft på 	
9089 kr/tonn CO	2 på tvers av alle sektorer. Landbruket har en relativt sett høy CO	2-intensitet og per i 	
dag en relativt lav CO	2 avgift sammenlignet med øvrige sektorer i økonomien. En	 innføring av en høy 	
avgift på tvers av alle sektorer, vil medføre en relativt sett høyere avgiftsøkning for landbrukssekto	ren 	
enn for andre sektorer	, og da også en relativt sett høyere effekt av 	klimatiltakene slik de er definert i 	
eksempelstrategiene. 	 	
Mulighetene for energieffektivisering og teknologisk utvikling vil variere mellom næringene	. I enkelte 	
næringer er det store muligheter for energieffektivisering, mens andre næringer har begrensede 
muligheter, det samme med	 teknologisk utvikling. 	En kalibrering til n	æringsvise utslippsbaner fra 	
-60%	-50%	-40%	-30%	-20%	-10%	0%	10%	20%	
ELE
REISE
FINANS	
TJEN-TEKN	
AKVAKULTUR	
SKOLE
HELSE	
OFF-ADM
IND-TEKN
BYGG-TJEN	
HANDEL	
TJEN-ANNEN
BYGG-ANLEGG	
IND-ANNEN
TRANSP-TJEN	
FISKE	
TRANSP-HAV
TRANSP-LAND	
PETRO
MAT
VANN	
TRANSP-LUFT
KJEMI-RAFF	
IND-KKI	
LANDBRUK	
Prosentvis endring i produksjonsverdi per næring i 2050 for strategibanene relativt 	
til referansebanen	
Kost.Eff.2050	Tek2050	UF2050	UFF2050

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	49	 	
Nasjonalbudsjettet 2025, vil 	kunne 	gi vridende effekter mellom næringene	 ettersom	 ulike næringer har 	
ulik	 utvikling i CO2	-utslipp. Disse forholdene skyldes i hovedsak ulike 	energieffektiviseringsbaner mellom 	
næringene. 	I PM24 skilles det på produktivitetsvekst i offentlig sektor og i privat sektor. Dette er et grovt 	
skille som	 nok skjuler reelle forskjeller i	 teknologisk utvikling på tvers av både de offentlig og private 	
sektorene, hvor noen sektorer 	vil ha høyere produktivitetsvekst enn andre fram imot 205	0. 	
Et moment som burde tas med videre inn i diskusjonen når	 det skal utvikles strategibaner som skal 	
benyt	tes i politikkutforming, er 	i hvilken grad petroleumssektoren skal få	 ha et endogent forløp i 	
strategi	banen eller om den skal styres eksogent også her. PM24	 gir en referansebane hvor petroleums	-	
sektoren reduseres i takt med sektorframskri	vinger fra sokkeldirektoratet. I 	NOREG 2 har vi eksogent 	
styrt denne sektoren til å følge dette forløpet i referansebanen, samtidig har vi også innført en grad av 
nedska	lering i vår 	kjemi	-raff sektor. Da kjemi	-raff sektoren	, slik næringsinndelingen i NOREG 2 er i den 	
versjonen som er benytte i dette arbeidet	, inneholder mer enn raffinering av petroleumsprodukter, har 	
vi kun delvis styrt denne etter forløpet gitt av PM24. 	Som det framgår av 	figur 	7.2, så 	medfører de klima	-	
politiske virkemidlene som innføres i strategibanene	 en reduksjon i produksjonsverdi i petroleums	sekto	-	
ren relativt til referansebanen	, og vi ser at denne effekten er markant i UF	-banen.	 Sokkeldirektoratets	 	
prognose for framtidig produksjon av olje og	 gasser satt sammen av forventninger rundt 	gjenværende 	
ressursgrunnlag på norsk sokkel, leteaktivitet og teknologiutviklingen i	 petroleumssektoren. 	Leteaktivi	-	
teten er noe som 	både er politisk 	styrt 	og	 styrt av	 økonomiske	 avveininger	. I utviklingen av eksempel	-	
strategiene er det ikke vurdert hvorvidt 	de ulike strategiene gir ulikt forløp i leteaktivitet, og derigjen	-	
nom	 ytterligere reduksjon i aktiviteten i petroleumssektoren.	 	
Figur 	7.3 gir	 et eksempel på hvordan produksjonsverdien i en næring varierer på tvers av sonene i 	
modellen	. Her har vi benyttet Ind	-KKI næringen som eksempel og aggregert opp	 resultatene fra 	
henholdsvis UF	- banen og UFF	-banen	 for 	økonomisk region og opp til fylkesnivå for å lette fremstil	-	
lingen.	 	
 	
 	
Figur 	7.3: Fylkesvis endring i produksjonsverdi for Ind	-KKI næringen	 relativt til referansebanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	50	 	
Fra 	Figur 	7.3 ser vi at 	de næringsspesifikke resultatene varierer både på tvers av strategibane og på tvers 	
av 	fylke.	 På bakgrunn av 	Figur 	7.1 - Figur 	7.3, kan vi slutte at	 spredningen i resultatene mellom de ulike 	
strategibanene øker 	når vi øker dimensjonaliteten i	 framstillingen. 	NOREG 2 produserer vekstrater per 	
næring og per sonepar	 for framtidige varestrømmer	. Disse vekstratene benyttes inn i NGM for fram	skri	-	
ving av godstransport. 	Med	 85 økonomiske regioner	, produserer NOREG 2 mer en 60	 000 vekstrater til 	
NGM.	 	
Figur 	7.4 - Figur 	7.7 viser endringen i bruttoprodukt per næring	 i 2050 for hver av strategibanene relativt 	
til referansebanen	. 	
 	
 	
Figur 	7.4: Endring i bruttoprodukt	 i 2050 i 	UFF	-banen relativt til referansebanen	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	51	 	
 	
Figur 	7.5: Endring i bruttoprodukt	 i 2050 i 	UF	-banen relativt til referansebanen	. 	
 	
 	
Figur 	7.6: Endring i bruttoprodukt	 i 2050	 i Teknologibanen relativt til referansebanen	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	52	 	
 	
Figur 	7.7: Endring i bruttoprodukt i Kostnadseffektivitetsbanen i 2050 relativt til	 referansebanen	. 	
7.6	 	Eksempelresultater: Regionale effekter	 	
NOREG 2 har en fleksibel geografisk oppløsning hvor modellsonene kan anpasses analyseformålet. 
Begrensningen ligger i modellens løsningstid, tilgjengelige data og at soneinndelingen må følge aggre	ga	-	
ter av kommuner. Kompleksiteten og dermed løsningstiden for en modellkjøring tiltar eksponentielt 
med antall geografiske soner. Med de modellspesifikasjonene som ligger til grunn for analysene i denne 
rapporten med NOREG 2.4, øker løsningstiden fra ca. 15 	minutter for en modell på fylkesnivå og til ca. 9 	
timer 	for en modell med 85 økonomiske regioner.	 	
Figur 	7.8 til 	Figur 	7.11	 viser kartillustrasjoner over endringene i fastlands	-BNP per capita i 2050 for hver 	
og en av strategibanene	 relativt til referansebanen. Kartene viser effektene for økonomiske regioner	, 	
hvor henholdsvis de 10 regionene med størst relativ effekt og de 10 regionene med	 minst relativ effekt 	
er framhevet i kartene.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	53	 
 	
Figur 	7.8: Grafisk 	kart	-framstilling av e	ndring i fastlands	-BNP per	 capita	 per økonomisk region for	 UF banen relativt 	
til referansebanen	. De 	10 økonomiske regionene med henholdsvis minst relativ effekt og de 10 med størst relativ 	
effekt er fremhevet i	 kartframstillingen.	 	
Fra kartene ser vi at det 	til dels er stor variasjon i effekten av strategibanene på	 fastlands	-BNP 	også 	
innad i et fylke	, samt at det er stort spenn i resultatene på tvers av økonomiske regioner. For UF	-banen 	
ser vi til eksempel at	 effekten på fastlands	-BNP per capita spenner fra svakt posit	iv i den økonomiske 	
regionen med	 størst positiv effekt og til	 6 % reduksjon	 i regionen med størst negativ effekt på fastlands	-	
BNP sammenlignet med referansen i 2050.	 	
 	
 	
Figur 	7.9: Grafisk kart	-framstilling av endring i fastlands	-BNP per capita per økonomisk region for UFF	-banen 	
relativt til referansebanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	54	 	
For UFF	-banen viser kartene i 	Figur 	7.9 at det er regioner som får til dels merkbare positive BNP	-effekter 	
av denne strategibanen, noe som 	trolig	 er relatert til 	modelleringen av klimatiltakene i 	
transportsektoren for denne strategibanen.	 	
 	
 	
Figur 	7.10	: Grafisk kart	-framstilling av endring i fastlands	-BNP per capita per økonomisk region for Teknologibanen 	
relativt til referansebanen.	 	
Noe av det same bildet finner vi igjen i både teknologibanen (	Figur 	7.10	) og i kostnadseffektivitetsbanen 	
(Figur 	7.11	): 	
 	
Figur 	7.11	: Grafisk kart	-framstilling av endring i fastlands	-BNP per capita per økonomisk region for 	
kostnadseffektivitetsbanen relativt til referansebanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	55	 	
Vi kan også merke oss at 	spredningen i effekten på regionalt bruttoprodukt er større i kostnadseffek	-	
tivitetsbanen og teknologibanen, enn hva som er tilfellet for UF	-banen. Mens totale nasjonale BNP	-	
effekter gir et 	bilde hvor UF	-banen har den kraftigste BNP	-reduksjonen av alle de fire strategibanene. 	 	
7.6.1	 Regionale effekter: Byområder	 	
I Figur 	7.12	 og 	Figur 	7.13	 framhever vi effekten på fastlands	-BNP per capita for 11 regionale byområder	. 	
 	
Figur 	7.12	: Grafisk kart	-framstilling av endring i fastlands	-BNP per capita per økonomisk region for UF	-banen og 	
UFF	-banen relativt til referansebanen.	 	
 	
Figur 	7.13	: Grafisk kart	-framstilling av endring i fastlands	-BNP per capita per økonomisk region for 	teknologibanen 	
og kostnadseffektivitetsbanen relativt	 til referansebanen.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	56	 	
7.7	 	Eksempelresultater: Klimagassutslipp 	 	
I strategibanene er det antatt en CO	2-avgift på 9089 kr/tonn CO	2 i 2050. Denne avgiften antas på tvers 	
av alle sektorer. Videre antas det at dette avgiftsnivået gjelder globalt ved at alle land er gjenstand for 
de samme internasjonale klimaforpliktelsene.	 	
Økte CO	2-avgifter generelt for alle sektorene i økonomien medfører en generell økning av produksjons	-	
kostnadene. Den relative økningen vil variere etter hvor store avgifter det i utgangspunktet er i de ulike 
sektorene. Noen sektorer har lave avgifter i dag, andre høyere. Hvis alle sektorer får samme avgiftsnivå, 
vil det relative forholdet mellom faktorpri	sene i produksjonen endres da noen innsatsfaktorer blir rela	-	
tivt sett mer dyre enn andre. En avgiftsøkning til 9089 kr/tonn 	CO	2 for alle sektorer får da flere effe	kter 	
som spiller inn på transportarbeidet:	 	
• 	Den 	samlede	 produksjonen vil gå ned som følge av økte kostnader	. Dette vil gi	 lavere transpor	-	
tert mengde	. 	
• 	Gjennom næringskryssløpet vil produsentene substituere seg bort fra varer som har hatt relativt 
sett høyere økning av faktorpris og mot innsatsvarer som har blitt relativt sett billigere. Dette får 
en vridende effekt i transporten. 	Generelt blir 	det	 mer transport av varer som har blitt billigere 	
og mindre transport av varer som har blitt dyrere	. 	
Når produksjonskostnadene øker, så øker 	også slutt	prisene for konsumentene. 	Husholdningene får 	
mindre igjen for en gitt 	konsumbudsjett. 	Noen varer er mer prisfølsomme i etterspørselen enn andre.	 	
7.8	 	De samfunnsøkonomiske kostnadene av omstilling til 
lavutslippssamfunnet 2050	 	
Referansebanen gir et bilde på et referansescenario hvor veksten i økonomien nasjonalt følger 	en 	
utviklingsbane for norsk økonomi og transportsektor i tråd med de offisielle framskrivninger fra dagens 
situasjon gitt av PM24, og kun vedtatt politikk (eller politikk man har sterke signaler om skal komme) er 
implementert. Referansebanen følger de vanl	ige «frozen policy»	-retningslinjene for infrastrukturnettet 	
der prosjekter som er åpnet i 2024 eller som har startet opp eller fått bevilgning i statsbudsjettet 2	025 	
inkluderes. Samlet gir dette en utviklingsbane fram imot 2050 som vi beregner til å ha en gjennomsnitt	-	
lig årlig vekst i fastland	-BNP på 0,69 %.	 	
I hver av eksemplene på strategier for veien fram til lavutslippssamfunnet 2050, har et sett av virke	-	
midler, og vi har illustrert i	 Figur 	7.1 at disse eksempelstrategiene gir lavere gjennomsnittlig årlig vekst i 	
fastlands	-BNP per capita enn hva som er tilfellet for referansebanen, hvor styrken og designet på de 	
ulike eksempelstrategiene avgjør størrelsen på avviket.	 	
For å beregne den samlede samfunnsøkonomiske omstillingskostnaden ved eksempelstrategiene, må 
man summere alle de årlige differansene mellom strategibane og referansebane for hele perioden fram 
imot 2050.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	57	 	
 	
Figur 	7.14	: Utvikling i fastlands	-BNP for referansebanen og UF	-banen for 2023	-2050, mill.2022kr.	 	
Figur 	7.14	 viser utviklingsbanene for henholdsvis referansebanen og UF	-banen for perioden 2023	-2050 	
målt i millioner 2022kr. I punktet 2050, måler differansen mellom referansen og UF	-banen ca. 173 	
mrd.kr. For å finne et anslag på den samfunnsøkonomiske omstillingsko	stnaden, må man beregne 	
integralet under referansebanekurven, fratrukket integralet under UF	-banekurven. For denne formule	-	
ringen av eksempelstrategien i UF	-banen, utgjør denne omstillingskostnaden om lag 2800 mrd. kr for 	
hele økonomien samlet. 	 	
NOREG 2 er en regional modell med en oppdeling av økonomien i en rekke sektorer. Dette muliggjør 
resultater på både regionalt nivå og for enkeltnæringer. Dette gjelder også for omstillingskostnadene, 
som både kan beregnes for enkelt	-soner og for enkeltnæri	nger, eller aggregater av soner og næringer.	 	
7.9	 	Følsomhetsanalyser	 	
Figur 	7.15	 viser følsomhetsberegninger for ulike varianter av teknologibanen. I tillegg er referansebanen	 	
inkludert i fra	mstillingen for å gi et sammenligningsgrunnlag	. Følgende spesifikasjoner av teknologi	-	
banen er testet:	 	
• 	Teknologibanen	: Dette er strategibanen slik den er definert i kap	ittel 6.	 	
• 	Kun klimatilpasninger (teknologibanen)	 i transportsektoren:	 Dette er en analyse med NOREG 2 	
hvor vi kun har 	tatt hensyn til de eksogene endringene i transportkostnader fra NGM og person	-	
transportmodellene. Denne banen reflekterer da en isolert effekt av klimatilpasningen i 
transportsektoren uten at disse skattefinansieres.	 	
• 	Skattefinansierte klimatilpasninger (teknologibanen) i transportsektoren:	 Dette er tilsvarende 	
analyse som forrige kulepunkt, men hvor det i tillegg er inkludert en skattefinansiering av 
klimatiltakene i trans	portsektoren.	 	
• 	Teknologibanen med 90 % skattefinansiering:	 Dette er teknologibanen slik den er definert i 	
kapittel 6, men hvor skattefinansieringen er redusert til 90 %	. 	
• 	Teknologibanen med tredobbel skattefinansiering:	 dette er teknologibanen slik den er definert 	
i kapittel 6, men med tre ganger så høy skattefinansiering	. 	
3 500 000
3 700 000
3 900 000
4 100 000
4 300 000
4 500 000
4 700 000
4 900 000
5 100 000
5 300 000
5 500 000	
2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	2036	2037	2038	2039	2040	2041	2042	2043	2044	2045	2046	2047	2048	2049	2050	
Fastlands	-BNP 2023	-2050 	
0_Ref	3_UF

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	58	 	
 	
Figur 	7.15	: Følsomhetsberegninger for ulike utgaver av teknologibanen	. 	
Figuren viser følsomhetsberegninger for teknologibanen. Teknologibanen består både av et sett av 
sektorspesifikke virkemidler i transportsektoren, finansiering av disse virkemidlene og virkemidler på 
øvrige sektorer i økonomien. Referansebanen gir et total	bilde på gjennomsnittlig årlig vekst i fastlands	-	
BNP per capita i referansescenarioet, hvor veksten i økonomien nasjonalt følger 	en utviklingsbane for 	
norsk økonomi og transportsektor i tråd med de offisielle framskrivninger fra dagens situasjon gitt av 
PM	24, og kun vedtatt politikk (eller politikk man har sterke signaler om skal komme) er implementert. 	
Teknologibanen er designet for å reflektere omstilling gjennom teknologisk utvikling og innovasjon, hvor 
strategibanen inneholder en rekke skattefinansierte	 subsidier for at mobiliteten ikke skal begrenses av 	
kostnadene knyttet til innfasing av nullutslippsteknologiene, og få eller ingen restriktive virkemidler. Den 
gule søylen viser den isolerte effekten av de tiltakene som er implementert i transportsektore	n, og som 	
sikter mot minst å opprettholde samme mobilitet og godstransport som i EU	-banen. I dette regne	-	
eksemp	let ser vi at den beregnede effekten på fastland	-BNP fra NOREG stemmer overens med inten	-	
sjonen til teknologibanen ved at det kun er en marginal nedgang fra referansebanen og til en bane hvor 
vi kun analyserer BNP	-effekten av tiltakene i transportsektoren. Subsidiene av lavutslippsteknologien i 	
transportsektoren er skattefinansierte. Slik denn	e skattefinansieringen er konstruert og implementert i 	
dette eksemplet, ser vi at den samlede skattebyrden på 9.8 mrd.kr har liten effekt på gjennomsnittlig 
vekst i fastlands	-bnp per capita (differansen mellom gul søyle og lyseblå søyle).	 	
I tillegg til virkemidler i transportsektoren og skattefinansiert subsidiering av lavutslippsteknologi, 
inneholder teknologibanen, på lik linje med alle eksempelstrategibanene, en forutsetning om at CO	2-	
avgiftene har økt drastisk over tid, slik at alle sektorer møter en karbonpris (sum av ETS	-kvotepris og 	
CO	2-avgift hvor aktuelt) på 9089 NOK i 2050. Eksemplet med en innfasing av en CO	2 avgift på 9089 	
kr/tonn CO	2 på tvers av sektorer, ser vi slå kraftigere ut i gjennomsnittlig årlig vekst i fastlands	-BNP per	 	
capita. Her faller veksten i dette eksemplet fra i overkant av 0,69 % årlig vekst og til 0,65 % årlig vekst, i 
sum tilsvarer dette i underkant av 58 mrd 2022kr i 2050. Eksemplene presentert i figuren indikerer at 
endringene i skattetrykk på inntekt har li	te så si for den samlede veksten i fastlands	-BNP per capita. 	
Høyere skattetrykk medfører lavere vekst, men med de størrelsesordenene som er relevante i disse 
0,620%
0,630%
0,640%
0,650%
0,660%
0,670%
0,680%
0,690%
0,700%	
Gjennomsnittlig vekst i fastlands	-BNP per capita for 2023	-2050	
0_Referansebanen
Teknologibanen
Kun klimatilpasninger (teknologibanen) i transportsektoren
Skattefinansierte klimatilpasninger (teknologibanen) i transportsektoren
Teknologibanen med 90% skattefinansiering
Teknologibanen med tredobbel skattefinansiering

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	59	 	
eksempelstrategiene, er effektene moderate. Det er bl.a. fordi at skatt på inntekt ikke er implementert 
på en måte som har vridende effekter på arbeidstilbudet og dermed produksjonen. Den fungerer først 
og fremst som en reduksjon i disponibel inntekt for h	usholdningene. Denne reduksjonen i disponibel 	
inntekt for husholdningene blir dermed en overføring til transportsektoren (i transportmodellene) for å 
dekke merkostnader, og effektene på makroøkonomien begrenser seg i stor grad til selve beløpet 
husholdning	ene taper. Og med en gjennomsnittlig årslønn i 2024 på over 700	 000 NOK	[1] blir selv 	
følsomhetsanalysen med 30 mrd. NOK per år i økt skattetrykk (den grå søylen) godt under 1 % av en 
gjennomsnittlig årslønn i 2050. 	 	
 	
 	
[1] Årslønn 	– SSB

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	60	 	
8	 	Hvilke faktorer / effekter fanger vi ikke i 
NOREG 2	 	
I NOREG 2 søker vi å framstille den norske økonomien gjennom bruk av økonomiske	- og demografiske 	
data, hvor vi gjennom et omfattende sett av ligninger og parameterverdier modellerer atferden til 
aktørene i økonomien og samhandlingen dem imellom. Som alle m	odeller, er NOREG 2 en forenklet 	
representasjon av virkeligheten, og kan ikke forutsi effekten av et tiltak med full presisjon. Formålet 
med modeller er ikke å gi eksakte svar, men å fungere som beslutningsstøtte i vurderingen av ulike 
politikkalternativer	. Resultatene fra SCGE	-modeller gir et felles, analytisk utgangspunkt for diskusjoner 	
om politikkens virkninger. Gjennom scenarioanalyser og modellbaserte eksperimenter kan modellene 
bidra til bedre forståelse av de underliggende mekanismene i økonomien, og 	dermed legge grunnlag for 	
mer kunnskapsbasert styring av transportsystemet.	 	
Selv om modellene er komplekse og bygger på forenklede antakelser, representerer de et mer systema	-	
tisk og konsistent grunnlag for analyse enn rene, subjektive vurderinger. Det er imidlertid viktig å være 
bevisst at modellresultater alltid må tolkes med varsomhet og brukes i lys av modellens forutsetninger 
og begrensninger.	 	
Vi vil trekke fram noen momenter/ effekter vi ikke fanger i NOREG 2.	 	
1. Nye næringer	: For at det skal oppstå vekst i en næring på en lokalitet, må denne næringen 	
eksistere å denne lokaliteten i utgangspunktet. Det lar seg ikke gjøre å endogent modellere 
framveksten av nye næringer. Denne typen effekter må eksogent tilføres modellsystemet 	basert 	
på ekspertkunnskap eler antakelser.	 	
2. I NOREG 2 skjer tilpasningene uten 	friksjon og uten tilpasningskostnader	. Dynamikken i model	-	
len fungerer slik at framskrivingene i modellen er et sett av statiske likevekter som løses separat 
for hvert år i perioden som defineres. Mellom periodene, oppdateres basisgrunnlaget for bereg	-	
ningene basert på forrige prognoseår sine resultater. Alle omstillinger skjer uten kostand og 
momentant. I den virkelige verdenen, så er det gjerne omstillingskostnader knyttet til for 
eksem	pel endring av yrke, og for bedrif	tene så reageres det ikke nødvendigvis momentant på en 	
prisøkning i innsatsfaktorer.	 	
3. Markedsimperfeksjoner og eksterne effekter	: I NOREG 2 antas det perfekt konkurranse i alle 	
markeder. Dette er i mange tilfeller en helt uproblematisk antakelse og en antakelse man finner 
igjen i de tradisjonelle nytte	-kostnadsanalysene som benyttes i prosjektvurderinger. Man bør 	
imidlertid være kl	ar over at det under en slik antakelse vi være eksterne effekter (både kost	-	
nader og gevinster) som ikke fanges opp.	 	
Det først av disse tre momentene er generelt for alle modellvarianter og modelltyper. Moment 2 og 
moment 3 er vanlig for de aller fleste likevektsmodeller. Det er mulig å innføre både friksjon i tilpasnin	-	
gene og mulig å til en viss grad ta hensyn til markedsimperfeksjoner i modellen, hvor det først er enklere 
enn det siste.	 	
Relatert til markedsimperfeksjonene og eksterne effekter, så er det enkelte næringer som har restrik	-	
sjoner/beskrankninger i produksjonen eller i handelen som vi ikke fanger opp i modellen. Eksempler på 
dette er prisområder for strøm. Disse prisområdene er en funksjon av overføringskapasiteten i strøm	-	
nettet. Slike prisområder kan modelleres i likevektsmodellen. En slik oppdatering vil være el av en 
fremtidig modelloppdatering og et neste trinn i utviklingen. Primærnæringene er typiske næringer hvor 
det er 	beskrankninger i produksjonen som ikke er modellert i NOREG 2. I fiskerinæringen er det kvoter 	
på fiske som setter tak på produksjonen, skogbruk har på kort sikt en naturlig grense for vekst og noe av 
det samme finnes i jordbruket.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	61	 	
9	 	Neste trinn i modellutviklingen	 	
NOREG 2 	-modellen utvikles både innenfor rammen av det 10	-årige prosjektet finansiert av DEMOS	-	
programmet i forskningsrådet, og gjennom modellutvikling finansiert av øvrige oppdragsgivere. 	 	
Finansiert av transportetatene har vi i	 dette prosjektet videre	utviklet NOREG 2 til bedre å kunne analy	-	
ser omstillingen til et lavutslippssamfunn 2050	. Dette har vært et ledd i 	transportvirksomhetenes vurde	-	
ring av 	hvordan 	det faglige grunnlaget for å analysere måloppnåelse og framtidig transport	etterspørsel 	
kan styrkes. Dette inkluderer utprøving av backcasting og vurdering av metoder som kan understøtte 
visjonsstyrt planlegging.	 	
Metode	- og modellutviklingen har inneholdt både videreutvikling av	 NOREG 2	-modellen, men også 	
utvikling av rutiner for sammenkobling av	 NOREG 2 med transportmodellene	, samt 	funksjonalitet og 	
rutiner for preprosessering av dataflyten mellom mode	llverktøyene.	 Modell	- og metodeutvidelsen er 	
testet på eksempelstrategier	, og i rapporten er det presentert eksempler på resultater fra analyser med 	
det utviklede modellverktøyet.	 Det er utført et stort stykke arbeid	 i dette metodeutviklingsprosjektet. ET 	
naturlig nest	e steg er å gå fra testing av eksempelstrategier, til å teste	 reelle gjennomarbeidede strate	-	
gier som kan inngå i politikkutforming og arbeidet med Nasjonal transportplan og tilhøre	nde sektor	-	
strate	gier.	 Det er imidlertid noen nødvendige utviklingstrinn som må gjennomføres før verktøyene kan 	
tas i bruk	 som støtte i politikkutforming.	 	
Under presenteres	: 	
1. Videre nødvendig arbeid for å kunne benytte fraskrivingene til politikkutforming	 	
2. annen videreutvikling som vil tilrette	legge for 	bedre 	analyser av omstillingen til lavutslipps	-	
samfunnet 2050	 	
9.1	 	Videre nødvendig arbeid 	for å kunne benytte 	
framskrivingene til	 politikkutforming	 	
9.1.1	 	 Rekalibrering av modellen til nye varestrømsmatriser i NGM	 	
NOREG 2 benyttes sammen med n	asjonal godstransportmodell (NGM) til å beregne effekten på trans	-	
port	middelfordeling og samlede transport	-/logistikkostnader av de ulike strategiene, målt opp mot det 	
som beregnes for referansebanen i 2050. Beregnet transport	- eller trafikkarbeid per transportform og 	
kjøretøytype/skipstype er i sin tur brukt videre i utslip	ps	- og energiberegninger.	 	
Det er et 	pågående 	revisjons	- og utviklingsprosjekt i NGM 	med 	blant annet 	etablering av nye vare	-	
strøms	matriser til NGM. 	Når det foreligger oppdaterte varestrømsmatriser som er implementert i NGM	, 	
utløses det en nødvendig rekalibrering av NOREG 2 	(se avsnitt 	10.8.2	 for en beskrivelse av hvordan 	
varestrømsmatriser blir hensyntatt i NOREG 2	-kalibreringen av basisåret)	. 	
9.1.2	 	 Etablering av en politikk	-konsistent og validert referansebane	 	
Fokuset 	i dette oppdraget	 for transportetatene har i hovedsak omhandlet hvordan klimatiltakene i 	
transportsektoren påvirker de øvrige sektorene i økonomien. 	Dette har	 utelukkende omhandlet status 	
på transportsektorene i 2050 og ikke framskrivingsbanen fram imot 2050. 	 	
For at NOREG 2 skal kunne levere 	utslipps	framskrivinger både regionalt og etter næring som er konsis	-	
tente med både 	Perspektivmeldingen 2024 og N	asjonalbudsjettet, må NOREG 2 kalibrere	s til å replisere 	
framskrivingene av norsk økonomi og utslipp fra aktivitet i Norge	 som er presentert der. Utslipps	fram	-	
skrivinger i Perspektivmeldingen 2024 og N	asjonalbudsjettet	 er nasjonale, og laget med CGE	-modellen

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	62	 	
SNOW	. En viktig del av dette arbeidet innebærer å vurdere og implementere forutset	ninger om sektor	-	
spesifikk teknologiutvikling (som vil påvirke utslippskoeffisientene for næringer). 	 	
I dette arbeidet vil vi ta utgangpunkt i 	forutsetninger 	som ble brukt i SNOW	-modellen i	 fremskrivingen 	
av klimagassutslipp til nasjonalbudsjettet 2025 	(Finansdepartementet, 2025). Siden modellene har ulik 	
oppløsning (bl.a. er SNOW en nasjonal modell, uten regional oppløsning), vil denne kalibreringen 
sannsynligvis kreve en del iterasjoner. 	 	
9.2	 	Annen videreutvikling som vi tilrettelegge for bedre 
analyser av omstillingen til lavutslippssamfunnet 2050	 	
9.2.1	 	 Prisområder i kraftmarkedet	 	
Det norske kraftsystemet er delt i fem prisområder (NO1	-NO5).	17 I de siste 	
årene har det vært stor forskjell i kraftpriser ulike steder i Norge: til dels 
veldig høye kraftpriser i Sør	-Norge og betydelig lavere priser i Nord	-Norge. 	
Elektrisitet er en viktig innsatsvare i mange næringer, og forskjell i 
kraftpriser vil v	ære viktig for lokalisering av ny næringsvirksomhet (f.eks. 	
batterifabrikk, datasenter, hydrogenproduksjon). 	 	
For å kunne fange opp dette i regionale analyser vil det være viktig å 
modellere prisområdene mer presist. Dette vil i all hovedsak innebære 
tilrettelegging av data, inkl. handelsstrømmer mellom regionene. 	 	
 
9.2.2	 	Videre utforsking av iterasjonsmulighetene mellom NOREG 2 og 
transportmodellene	 	
I dette prosjektet har vi etablert rutiner for soft	-linking mellom NOREG 2 og transportmodellene. 	Med 	
soft	-linking mener vi sammenkobling av separate modeller der informasjonsutvekslingen mellom model	-	
lene skjer manuelt.	 Vi har utarbeidet rutiner for soft	-linking mellom både NOREG 2 og NGM, og mellom 	
NOREG 2 og persontransportmodellene.	 I tillegg har vi utviklet funksjonalitet for dataflyt mellom de 	
sammenkoblede modellverktøyene.	 	
Slike sammenkoblinger åpner nye muligheter for	 alle modellverktøyene som er linket sammen. I dette 	
prosjektet har vi testet sammenkoblingsrutinene mellom NOREG 2 og NGM, mens sammenkoblingen 
mellom NOREG 2 og persontransportmode	llene mer er å det konseptuelle stadiet	. Det er utviklet 	
funksjonalitet for anvendelse av NOREG 2 sine korrigerte befolkningsframskrivinger i persontransport	-	
modellene, men dette er ikke testet på	 enkeltprosjekter. Som 	vist i 	figur 	5.8 og 	figur 	5.9 kan	 denne 	
korreksjonen gi store utslag for befolkningsframskrivingen i enkeltsoner. Her bør det gjennom praktisk	 	
prosjektvurdering evalueres om en slik rutine for soft	-linking bør gjennomføres på enkeltprosjekter i 	
særlig berørte soner.	 	
Sammenkobling mellom NOREG 2 og persontranspor	tmodellene åpner også for justering av destina	-	
sjonsattraktiviteten i RTM /NTM 6 basert på resultater fra NOREG 2. 	Framskrivingene i NOREG 2 gir 	
bilder på hvordan arbeidsplassene i regionene utvikler seg per næring. Ved større	 næringsomlegging, vil 	
det kunne ha effekt på turproduksjonen i persontransportmod	ellene. Dette er også en iterativ bruk av 	
modellverktøyene som burde utforskes nærmere.	 	
 	
17 https://www.statnett.no/om	-statnett/forsta	-strom	-og	-kraftsituasjonen/fakta	-om	-prisomrader/

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	63	 	
9.2.3	 	Kontinentalsokkel	 	
I en pågående videreutvikling av NOREG 2 finansiert gjennom grunnfinansieringen av modellverktøyet 
fra forskningsrådet innføres og modelleres det geografisk fordelte kontinentalsokkelsoner som følger 
leveransemønsteret til offshore installasjonene på norsk	 sokkel. En slik modellutvidelse vil øke relevan	-	
sen til modellverktøyet og gi en bedre kobling mellom aktiviteten på sokkelen og fastlands	-Norge, både 	
når det gjelder arbeidskraft og for det regionale opphavet til bruken av innsatsvarer på sokkelen.	 	
Den geografiske effekten av økt eller redusert aktivitet på kontinentalsokkelen gir forskjellige utslag i 
leverandørnæringene på land avhengig av hvor endringen i aktivitet på sokkelen skjer. For å kunne fange 
opp disse effektene vil vi i denne kommende mo	delloppdateringen derfor splitte petroleumsaktiviteten 	
på sokkelen inn i fem petroleumsregioner som har forskjellig leveransestruktur. Første skritt i dette 
arbeidet er å gjøre en omfattende analyse av hvilke supplybaser på land som leverer til hvilke offs	hore	-	
felt. Denne kartleggingen vil bli utført ved bruk av AIS	-data (altså skipstrafikkdata som viser hvor skipene 	
har seilt), slik at vi har en oversikt over hvilke supplybaser som leverer til hvilke felt. I det videre arbeidet 
vi vi kartlegge hvilke nærin	ger som har mye aktivitet i supplybasene og hvilke som leveres fra leveran	-	
dører som kun sender varene gjennom supplybasene, slik at vi kan fordele næringsaktiviteten med 
høyest mulig presisjon. Dette gjør vi med en kombinasjon av intervjuer og sammenstill	ing av flere 	
forskjellige datakilder. 	 	
Petroleumsregioner / kontinentalsokkelregioner vil bli implementere i modellen, slik at det blir mulig å 
modellere hvordan økning eller nedgang i aktivitet i en petroleumsregion (for eksempel økt aktivitet i 
Barentshavet, mindre aktivitet i Nordsjøen eller	 mer aktivitet innen eksempelvis havvind) vil gi utslag i 	
endringer i aktivitet i forskjellige deler av Norge. Dette vil både kunne være nyttig for å analysere de 
geografiske konsekvensene av en utfasing av petroleumsaktivitet, samt eventuelle nye felter e	ller ny 	
aktivitet i fremvoksende næringer på sokkelen som havvind eller havbruk til havs.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	64	 	
10	 	En nærmere beskrivelse av NOREG 2.4	 	
Likevektsmodellen NOREG 2 er under kontinuerlig utvikling og vil gjennomgå flere oppdateringer og 
forbedringer i løpet av prosjektets 10	-årige varighet. Hver ny versjon av modellen innfører betydelige 	
forbedringer og utvidelser. Den opprinnelige versjonen,	 NOREG 2.0, la grunnlaget for modellsystemet 	
ved å integrere de tidligere SCGE	-modellene PINGO (Hansen 2015, Hansen og Johansen 2016) og NOREG 	
(Bruvoll m.fl. 2015). NOREG 2.2 inneholdt flere viktige oppdateringer, inkludert en mer detaljert model	-	
lering a	v arbeidsmarkedet med fire ulike utdanningsnivåer, samt en endogen behandling av arbeids	kraf	-	
tens mobilitet mellom modellens geografiske soner. Nytt i NOREG 2.3 var utviklingen og innføringen av 
substitusjonselastisiteter tilpasset produksjonsstrukturen i NOREG 2 og estimert på norske data	 	
(Winther	-Larsen mfl. 2025, under fagfellevurdering) .	 	
Under følger en grundigere beskrivelse av NOREG 2	- modellen, versjon 2.4 som er utviklet og benyttet i 	
analysene av eksempelstrategiene for å nå lavutslippssamfunnet 2050	. 	
NOREG 2 er programmert i GAMS	18 	
10.1	 	Generelle likevektsmodeller	 	
En generell likevektsmodell er en matematisk representasjon av et sammenkoblet system av markeder 
der alle markeder er i likevekt. En numerisk generell likevektsmodell, ofte referert til som en 
Computable General Equilibrium (CGE)	-modell, kan løses matemat	isk ved å sette inn numeriske verdier 	
og parameterestimater i ligningssystemet, og på den måten kvantitativt analysere og forutsi økonomi	-	
ens responser på ulike eksogene endringer.	 	
Modellen består av et omfattende sett av ligninger som beskriver atferden til økonomiske aktører som 
husholdninger, bedrifter og myndigheter, samt strukturen i markedene, inkludert bruken av innsats	-	
faktorer og vareflyt. Disse ligningene bygger på mikroøkonomisk teori og er formulert ved hjelp av 
antakelser om funksjonsformer for produksjon og nytte, samt verdier for eksogene parametere som 
elastisiteter. Dette gjør CGE	-modeller teoretisk konsistente,	 ettersom de er forankret i grunnleggende 	
mikroøkonomiske	 prinsipper og fanger opp dynamikken i hele økonomien på en systematisk måte.	 	
Til grunn for modellen ligger et referansedatasett som beskriver alle transaksjonene i økonomien i et 
basisår. Referansedatasettet er et slags øyeblikksbilde av økonomien i basisåret. Den underliggende 
forutsetningen i numeriske generelle likevektsmodeller	 er at økonomien er i likevekt i basisåret, og at 	
referansedatasettet dermed representerer en likevektssituasjon. Likevekt kjennetegnes ved at det er 
likhet mellom tilbud og etterspørsel. Prisene i modellen reflekterer samspillet mellom de ulike aktørene 
og sørger for at alle markeder simultant bringes i balanse. I en likevektsmodell er både tilbud, etter	-	
spørsel og relative priser endogent bestemt. Når prisen på en vare eller tjeneste endres, påvirker det 
prisene på andre varer og tjenester gjennom produksjons	- og etterspørselssammenhengene i økono	-	
mien. Høyere priser på en innsatsvare vil øke kostnadene 	– og dermed prisene 	– på produktene som 	
bruker den, noe som igjen endrer etterspørselen etter andre varer og tjenester. Disse tilpasningene 
sprer seg vider	e i økonomien til ny likevekt er oppnådd. I de fleste generelle likevektsmodeller skjer 	
denne prosessen umiddelbart. Det forutsettes som regel at samfunnets ressurser, som arbeidskraft og 
kapital, er fullt utnyttet og derfor begrenset. Økt ressursbruk i én	 næring må dermed motsvares av 	
redusert ressursbruk i andre næringer.	 	
NOREG 2 tilhører en spesialisert form for CGE	-modeller som kalles Spatial Computable General 	
Equilibrium (SCGE)	-modeller. Dette er en spesialisert form for numeriske generelle likevektsmodeller 	
 	
18General Algebraic Modeling System: 	GAMS 	- Cutting Edge Modeling

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	65	 	
som har en regional inndeling av den nasjonale økonomien. I motsetning til CGE	-modeller har SCGE	-	
modellen en geografisk dimensjon. I SCGE	-modeller tas det hensyn til at produksjon og konsum foregår 	
på ulike steder i landet, og at transportkostnader utgjør 	en del av de totale varekostnadene. Dette betyr 	
at interaksjonene mellom aktører og markeder på ulike geografiske lokaliteter også blir modellert. 
Dermed utvides analysene til å omfatte regionale eller romlige aspekter av økonomien, noe som gir en 
dypere f	orståelse av hvordan økonomiske endringer påvirker ulike deler av landet ulikt. 	 	
Nytt i Versjon 2.4 er:	 	
• 	eksplisitt modellering av klimagassutslipp og en utvidet modellering av klimapolitiske 
virkemidler	 	
• 	Innføring av arbeidspendling	 	
• 	Detaljering av utenrikshandelen.	 	
I tillegg er modellen oppdatert til 2022 som basisår.	 	
10.2	 	Produksjon	 	
I hver region er det én representativ bedrift i hver næring som minimerer kostnadene i hver periode og 
hver næring produserer én vare. Noen av disse varene er tjenestevarer, mens andre er industrivarer. Vi 
antar at både industri	- og tjenestevarene er mobil	e og kan ha ulikt geografisk opphav. Den representa	-	
tive næringen velger den tilpasningen so maksimerer profitten til gitte priser.	 	
Det samme produksjonsnivået kan oppnås ved forskjellige kombinasjoner av innsatsfaktorer, og til hvert 
produksjonsnivå antar vi at bedriftene velger kombinasjoner av innsatsfaktorer på en slik måte at 
produksjonskostnaden minimeres. Dette gir den kostnadsm	inimerende mengden av kapital, arbeids	-	
kraft, energi	- og innsatsvarer som skal til for å produsere en enhet av varen. Hvor mange enheter som 	
blir produsert blir deretter bestemt utfra profittbetingelsen til bedriftene. 	 	
Produktfunksjonen er kalibrert slik at de observerte mengdene av innsatsfaktorer i basisåret løser 
produsentenes kostnadsminimeringsproblem, gitt produksjonsmengden som er observert i basisåret. 
Ettersom relative priser på innsatsvarer endres, vil bedrifte	ne endre sammensetningen av faktor	- og 	
vareinnsatsen, basert på elastisiteter. Produktfunksjonen gir et bilde av hvordan bedriftene kombinerer 
innsatsfaktorer og innsatsvarer fra andre næringer for å produsere en gitt vare. 	 	
Produksjonsteknologiene har konstant skalautbytte, og er modellert som CES	-funksjoner der kapital, 	
arbeidskraft og ulike innsatsvarer (inkl. energivarer) til en viss grad er substituerbare med hverandre. 
Det er mulig å spesifisere ulike substitusjonselasti	siteter på alle nivåer i CES	-funksjonen. CES	-funksjoner 	
karakteriseres ved at de har konstant substitusjonselastisitet (som er en elastisitet som beskriver hvor 
enkelt det er å bytte mellom innsatsvarer og innsatsfaktorer til et gitt produksjonsnivå). Kons	tant 	
substitusjonselastisitet innebærer at substitusjonsmuligetene (elastisiteten for å bytte ut én innsats	-	
faktor med en annen) er uavhengige av hvor mye av innsatsfaktorene eller innsatsvarene som benyttes i 
utgangspunktet	 	
Figur 	10	.1 illustrerer produktfunksjonen (den nestede CES	-funksjonen) til en representativ bedrift som 	
produserer vare 	i. Produsenten kombinerer innsatsen av arbeidskraft, kapital, energivarer og andre 	
innsatsvarer.	 	
Arbeidskraften er differensiert, basert på utdanningsnivå. Vi antar at arbeidskraft med ulikt utdannings	-	
nivå kan til en viss grad erstatte hverandre (representert med substitusjonselastisiteten 	�������). Videre kan 	
også arbeidskraft og kapital erstatte hverandre til en viss grad (representert med 
substitusjonselastisiteten 	��������	). 	
Vi skiller mellom energivarer og alle andre varer og tjenester. Energivarene elektrisitet, petroleum og 
raffinerte petroleumsprodukter kan substitueres med hverandre. Den aggregerte energivaren (ENERGI)

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	66	 	
kan videre substitueres med aggregatet av kapital og arbeidskraft (KL). Alle andre varer og tjenester enn 
energivarer inngår i innsatsvareaggregatet. 	 	
Parameterne 	������ er substitusjonselastisiteter. Substitusjonselastisiteter angir hvor mye bedriftene vil 	
endre den relative mengden av innsatsfaktorer som følge av en endring i den relative prisen. Vi antar 
substitusjon på alle nivåer. Unntaket er varer og tjenester som i	nngår i innsatsvareaggregatet, hvor 	
produksjonsteknologien er modellert ved hjelp av Leontief	-funksjoner (	�������	=	0). Dette betyr at det er et 	
fast forhold mellom mengden av ulike innsatsvarer.	 	
Produksjonen i alle næringer er representert ved en slik CES	-funksjon. Verdiene som inngår i funksjonen 	
(både mengder av innsatsfaktorer og substitusjonselastisiteter) varierer imidlertid mellom næringene.	 	
 	
 	
Figur 	10	.1: CES	-produksjonsfunksjon av vare i, med tilhørende elastisiteter	. 	
10.3	 	Konsum: Representativ husholdning og offentlig sektor	 	
En vanlig forutsetning i denne typen modeller, er at konsumentenes preferanser kan representeres 
gjennom preferansene til én representativ husholdning i hver region. Denne husholdningen repre	-	
senterer adferden til hele befolkningen i regionen, basert på en	 forutsetning om nyttemaksime	rende 	
rasjonelle aktører.	 	
Vi antar at husholdninger får nytte av konsum, og at de bestemmer konsumet slik at nytten maksimeres 
gitt deres konsumbudsjett. Dette konsumbudsjettet er bestemt av nettoinntekten pluss overføringer fra 
det offentlige minus privat sparing, som er en fast a	ndel av inntekten. Husholdningene tilbyr sin arbeids	-	
kraft til bedriftene i modellen og mottar lønn og kapitalinntekter. Husholdningene eier realkapitalen, 
som de leier ut mot renteinntekter, og tilbyr arbeidskraft i bytte mot lønnsinntekt. Utleie av kapit	al og 	
arbeidskraft utgjør husholdningenes inntekt. 	 	
Selv om det er én representativ husholdning i hver region i modellen, betyr ikke det at husholdningene 
er like på tvers av regioner. Størrelsen på arbeidsmarkedene i regionene er ulik (bestemt av referanse	-	
datasettet) og sammensetningen av utdanningsnivå e	r ulik i de forskjellige geografiske sonene. Det er i 	
tillegg geografiske forskjeller i disponibel realinntekt mellom regionene i modellen. Ulik industrisam	-	
men	setning i de ulike regionene i modellen forsterker de geografiske forskjellene mellom de repres	en	-	
tative husholdningene på tvers av regioner.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	67	 	
Nasjonale og regionale myndigheter er inkludert i modellen som en enkelt aktør. Denne aktøren samler 
inn skatter, mottar kapitalinntekter, konsumerer varer etter en enkel nyttefunksjon og fordeler subsidier 
og stønader. Samlet utgjør dette myndighetenes bu	dsjettbetingelse, som må overholdes når nyttefunk	-	
sjonen maksimeres	 	
10.4	 	Klimagassutslipp 	 	
Utslipp av klimagasser er modellert ved å utvide produksjonsfunksjonen (vist i 	figur 	10	.1) med utslipp. 	 	
Som forklart i kapittel 	3 inkluderer vi både forbrenningsutslipp og prosessutslipp. 	 	
Forbrenningsutslipp	 er knyttet til bruken av energivarer. Det er to energivarer som inngår som innsats	-	
vare i produksjonen av en gitt vare: elektrisitet og raffinerte oljeprodukter (som inkluderer bensin, 
diesel, osv.).	19 Det er fast forhold mellom bruk av raffinerte oljeprodukter og utslipp fra dem. Dette er 	
representert i modellen ved at substitusjonselastisiteten er lik null (Leontief). Det er ingen utslipp 
knyttet til bruken av elektrisitet. Ev. utslipp knyttet til elek	trisitet skjer i produksjonsfasen, f.eks. når man 	
bruker gass som innsatsfaktor for å produsere elektrisitet. 	 	
Det er substitusjonsmuligheter mellom ulike energiprodukter (representert ved substitusjonselastisi	te-	
ten 	sigmaE	. Når utslippene blir dyrere, blir også bruken av fossile brensler dyrere (siden det er et fast 	
forhold mellom energi	- og CO	2-innhold). Da blir elektrisitet relativt sett billigere. Dette vil trigge en 	
substitusjon fra fossile brensler til utslippsfrie energikilder. Utslippene vil også reduseres hvis man 
nedskalerer bruken av energivarer totalt (uten å substituere mot utslippsfr	ie varer). 	 	
Prosessutslipp	 er knyttet til selve produksjonen, ikke til bruk av en bestemt innsatsvare. Prosess	utslip	-	
pene er dermed knyttet til toppnivået (KLEM	-aggregatet) i CES	-funksjonen, se 	figur 	10	.2. Prosess	utslip	-	
pene kan reduseres ved å redusere selve produksjonen (aktivitetsnivået). Vi har foreløpig ikke lagt til 
rette for rensing (CCS vil kunne være en mulighet i framtiden). 	 	
Klimapolitiske virkemidler er representert ved 	karbonavgifter	, som	 er knyttet til både forbrennings	-	
utslipp og til prosessutslipp. I tidligere modellversjoner var karbonavgiftene inkludert i «samlepotten» 
for skatter og avgifter. Tilsvarende er elavgift skilt ut som egen avgift, knyttet til bruk av elektrisitet. 	 	
For 	husholdninger	 er utslippene i all hovedsak knyttet til forbrenningsutslipp 	– energibruk knyttet til 	
transport og (i mindre grad) oppvarming. Dette er modellert i husholdningenes etterspørselsfunksjon på 
tilsvarende måte som bedriftenes produktfunksjon. Utslipp som stam	mer fra privat transport er knyttet 	
til husholdningenes kjøp av fossile brensler, mens utslipp knyttet til kollektivtransport er allokert til 
næringen Landtransport (og deres kjøp av fossile brensler). På denne måten unngår vi dobbelttelli	ng. 	 	
 	
19 Det finnes også en tredje energivare, råolje, men denne brukes ikke direkte av noen andre næringer enn 	
raffinerier. Den er derfor utelatt fra figuren for enkelthets skyld.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	68	 	
 	
Figur 	10	.2: CES	-produksjonsfunksjon av vare 	i, med utslipp	. 	
10.5	 	Sparing og investering	 	
NOREG 2 er en likevektsmodell med rekursiv dynamikk. Dette innebærer at modellen er en serie av 
årlige statiske likevekter der hvert enkelt år er knyttet sammen via husholdningenes sparebeslutninger 
og bedriftenes investeringsbeslutninger. Endringen i real	kapitalen mellom periodene sørger for en 	
rekursiv dynamikk ved å koble den statiske likevekten i ett år med den statiske likevekten neste år, men 
da med en oppdatert kapitalbase. Den rekursive tilnærmingen innebærer at husholdningene i modellen 
er bakovers	kuende, noe som betyr at de lærer av tidligere perioder, men ikke gjør rasjonelle anskuelser 	
om fremtiden. I hver periode tar husholdningene beslutning om konsum, sparing og tilbud av arbeids	-	
kraft som maksimerer deres nytte gitt det budsjettet de har tilg	jengelig.	 	
Modellens likevektsbetingelse sier at total sparing må være lik totale investeringer. Total innenlands 
sparing, er definert som husholdningenes sparing, myndighetenes sparing, pluss bedrifters kostnad ved 
opprettholdelse av realkapital. Innenlands sparing 	pluss investering i utlandet minus netto økning i 	
lagerbeholdninger utgjør det totale beløpet som kan investeres. 	 	
Investeringsfunksjonen produserer ny realkapital med en produktfunksjon på Cobb	-Douglas form. 	
Maksimering av denne produktfunksjonen gitt investeringsbudsjettet gir etterspørselsfunksjonen for 
innsatsvarer for investering i realkapital. Disse investeringsv	arene blir investert i de næringene som har 	
høyest etterspørsel etter kapital.	 	
Husholdningene sparer en fast andel av sin totale inntekt, hvor denne andelen er avhengig av deres 
marginale tilbøyelighet til sparing. Investeringer i realkapital blir brukt til anskaffelse av ulike typer 
kapitalvarer. Fordelingen av fysisk realkapital ti	l de ulike sektorene bestemmes av kapitalavkastningen i 	
sektorene. Den nominelle renta i økonomien blir beregnet som det vektede gjennomsnittet av kapital	-	
avkastningen i hver sektor. 	 	
Driftsbalansen med utlandet og endringer i lagerbeholdning er eksogene størrelser.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	69	 	
10.6	 	Tilgang på arbeidskraft	 	
Modellen opererer med fire arbeidsmarkeder per geografiske region: ett arbeidsmarked for hver av de 
fire utdanningsgruppene «lav utdanning», «fagutdanning», «lavere høyskole	- og universitets	utdanning» 	
og «høyere høyskole og universitetsutdanning». Hvert a	v disse arbeidsmarkedene klareres ved hjelp av 	
en likevektspris 	– altså, lønnsnivået til hver utdanningsgruppe per region. Dette lønnsnivået er den 	
prisen bedrifter som er en del av det samme arbeidsmarkedet (altså konkurrerer om den samme 
arbeidskraften) 	er nødt til å betale i likevekt.	 	
Antall arbeidere per region per utdanningskategori i basisåret er informasjon som aggregeres opp fra 
kommunespesifikk data hentet fra microdata.no. Nytt i denne modellversjonen er at arbeidsstyrken ikke 
lenger er det samme som sysselsatte som er bosatt i s	amme region, men også består av innpendlere fra 	
andre regioner. Pendlingsmønsteret i basisåret, definert på bostedsregion	-arbeidsstedsregion	-	
utdanningsgruppe	-nivå, er også hentet fra microdata.no. Dette er antall sysselsatte i Norge, tabulert 	
etter (a) per	sonens «høyeste fullførte utdanning», definert i tråd med NOREGs utdanningsgrupper, (b) 	
kommunen personen er bosatt i og (c) kommunen virksomheten personens arbeidsgiver er lokalisert i. 
Virksomheten vi tar utgangspunkt i for hver sysselsatt er hovedarbeid	sgiveren, slik hovedarbeidsgiver er 	
definert i SSBs registerdata fra A	-meldingen, og kommunen til denne virksomheten er hentet fra 	
virksomhets	- og foretaksregisteret.	 	
Arbeidsmarkedene, per utdanningskategori, klarerer ved at (a) summen av utpendlere 	fra	 en region er 	
lik antall bosatte arbeidere, og (b) at summen av innpendlere 	til en region er lik antall sysselsatte 	
arbeidere (altså summen av arbeidere i alle bedrifter som er en del av det samme arbeidsmarkedet).	 	
Utover dette er det hovedsakelig fire mekanismer som påvirker 	tilgangen	 på arbeidskraft i hvert av 	
modellens arbeidsmarkeder; to eksogene («endring i utdanningsnivå» og «befolkningsutvikling») og to 
endogene («flytting» og «pendling»).	 	
• 	Endring i utdanningsnivå følger Cappelen mfl. (2020), på lik linje med Perspektivmeldingen 2024. 
I og med at modellen antar full sysselsetting, tar vi utgangspunkt i framskrivinger for arbeids	-	
styr	kens utdanningsnivå (i motsetning til befolkningens utdanningsnivå). 	Andelen av befolk	-	
ningen med lav utdanning er antatt å gå ned, mens andelen med universitetsutdanning øker. 
Andelen med fagutdanning er forholdsvis uendret, men er antatt å ha en liten reduksjon. 	 	
• 	Befolkningsutvikling følger SSBs MMMM	-bane for kommunevise befolkningsframskrivinger for 	
2024. For å framskrive arbeidsstyrken tar vi utgangpunkt i befolkningsutviklingen for personer i 
alderen 16	-74 år. Deltakelse i arbeidsstyrken er basert på årlige syss	elsettings	andeler fra 	
DEMEC. For perioden vi ser på ligger denne stort sett mellom 71 og 72 prosent for denne 
aldersgruppen.	 	
• 	NOREG	-modellen har også endogen flytting utover flyttemønstre som allerede er hensyntatt i 	
MMMM	-banen fra SSB. Årsaken til at vi modellerer dette eksplisitt er at SSBs MMMM	-bane 	
utelukkende er basert på flyttemønstret de siste ti årene, og dermed ikke vil 	ta innover seg 	
hvordan 	framtidige	 endringer i næringsstruktur og andre regionaløkonomiske forhold vil påvirke 	
attraktiviteten til regioner. Vi modellerer endogen flytting mellom år som en funksjon av relative 
lønnsforskjeller på tvers av regioner: Dersom e	t tiltak gjør at lønningene i én region øker, vil 	
også nettoinnflyttingen til denne regionen øke, alt 	annet	 likt. I hvor stor grad lønnsforskjeller 	
slår ut i flytting er bestemt av flyttetilbøyeligheter. Dette er utdannings	gruppe	-spesifikke 	
parametre estimert på norske data spesielt for NOREG	-modellen (se Skjerpen m.fl., 2023). 	
Lønnsnivået en arbeider forvente	r å motta dersom hen flytter til én region blir beregnet som en 	
pendler	-vektet sum av lønningene i omkringliggende regioner (en person som vurderer å	 flytte 	
til Akershus vil med andre ord ta innover seg at hen kan bo i Akershus, men pendle til Oslo og 
tjene lønna si der).	 	
• 	Tilbudet av arbeidskraft i én region er definert som summen av innpendlere til denne regionen. 
Denne pendlingen er endogenisert: Hvorvidt en arbeider velger å pendle til en annen region,

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	70	 	
avhenger av bedrifters etterspørsel etter arbeidskraft i denne regionen, og dermed lønna 
arbeideren kan forvente å motta. Den generaliserte reisekostnaden for å pendle mellom to 
regioner blir lest inn fra persontransport	modellene, og denne kostnaden beste	mmer hvor 	
tilbøyelige arbeidere er til å endre pendlemønster. Dersom arbeidsmarkedet i en region styrkes, 
vil denne regionen dermed tiltrekke seg pendlere fra omkringliggende regioner; hvilke regioner 
disse pendlerne kommer fra, avhenger av det relative fo	rholdet mellom generaliserte reise	kost	-	
nader til denne regionen fra de omkringliggende regionene. På samme måte vil en endring i 
generaliserte reisekostnader mellom to regioner (for eksempel en ny bomstasjon) føre til at en 
andel av eksisterende pendlere mellom disse to regionene vil velge å jo	bbe et annet sted: Hvor 	
de velger å jobbe istedenfor kommer an på hvor attraktivt arbeidsmarkedet i den nye regionen 
er, samt hva som er den generaliserte reisekostnaden for å komme seg dit, relativt til andre 
region	er. Størrelsen på hvert arbeidsmarked er altså endogent, og bestemt av summen av antall 	
innpendlere til regionen.	 	
10.7	 	Handel mellom regioner og mellom land	 	
NOREG 2 modellerer Norge som en liten åpen økonomi	 hvor det både er handel mellom de innenland	-	
ske sonene i modellen og mot utlandet	. Det antas at prisen på verdensmarkedet tas for gitt og at norsk 	
import og eksport ikke påvirker denne	. 	
Den romlige dimensjonen i modellen ivaretas ved at det er handel med varer og tjenester mellom de 
ulike innenlandske regionene i modellen og mellom innenlandske regioner og utlandet. I modellen 
innebærer dette at innsatsvarene i den sektorvise produksjonen	 i hver region har sitt geografiske 	
opphav i samme region, en annen innenlandsk region og/eller utlandet. Nytt i versjon 2.4 er at vi har 
lagt til rette for å modellere flere utenlandssoner slik at vi kan skille på det geografiske opphavet til 
importerte i	nnsatsvarer og bestemmelseslandet til eksporten.	 	
For å kunne modellere handel mellom ulike regioner i modellen, antar vi at det er én handelsagent i 
hver region som står for all handel med andre regioner og med utlandet. Denne handelsagenten samler 
alle varene som produseres i regionen og sender de til b	ruk i annen industriproduksjon i inn	- og utland 	
eller som sluttprodukter til husholdningene eller offentlige myndigheter. På samme måte fordeler 
handelsagenten importvarene (både fra innenlandske regioner og fra utlandet) som kommer inn i 
regionen mellom d	e ulike regionspesifikke sektorene. 	 	
I modellen er alle varer i hver sektor homogene. Ut ifra økonomisk teori om nyttemaksimering ville 
dette normalt sett betydd at husholdningene ville importere hver vare fra det landet eller den innen	-	
landske regionen som tilbyr den laveste prisen (som en f	unksjon av transportkostnadene). Denne 	
forenklingen stemmer ikke med virkeligheten da varene som etterspørres i økonomien ikke er homo	-	
gene innenfor hver sektor. Dette finner vi også igjen i dataene hvor det framkommer at varer fra den 
samme sektoren blir 	etterspurt fra flere forskjellige regioner og land, ikke bare fra der hvor prisen er 	
lavest. 	 	
Måten dette problemet løses i modellen er ved hjelp av Armington	-elastisiteter. Dette innebærer at 	
produkter fra den samme sektoren, men produsert i forskjellige regioner eller land, blir modellert som 
imperfekte substitutter av hverandre. Graden av substi	tusjon mellom produkter fra ulikt geografisk 	
opphav reflekterer at den faktiske produktsammensetningen i hver region varierer. I tråd med de fleste 
andre tilsvarende likevektsmodeller antar vi at handelen mellom innenlandske regioner er litt mer 
prisfølsom	 enn handelen med utlandet. I NOREG 2.4 har vi ikke innført Armington	-elastisiteter mellom 	
utenlandske soner. 	 	
For handel i tjenester, så antar vi at det regionale handelsmønsteret for tjenestevarer følger mønsteret 
for arbeidsreiser fra persontransportmodellene. Denne antagelsen muliggjør handel med tjenester på 
tvers av modellens soner.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	71	 	
10.8	 	Modellens inngangsdata	 	
10.8.1	 	Kryssløpstabeller fra nasjonalregnskapet, fordelt på kommuner	 	
NOREG 2.4 er oppdatert til 2022 som basisår.	 	
Kryssløpstabellen representerer det næringsvise nasjonalregnskapet for Norge og 	gir en systematisk og 	
detaljert oversikt over økonomiens produksjonsstruktur og sammenhenger. 	For hver næring inneholder 	
datasettet informasjon om all økonomisk aktivitet: produksjon, hvilke innsatsfaktorer (arbeidskraft, 
kapital og innsatsfaktorer) næringen bruker og hva produksjonen brukes til. Tabellene gir således av en 
full oversikt over alle 	næringer og hvordan de samhandler med hverandre. 	 	
En av hovedutfordringene i regionale analyser og modellering av den regionale økonomien, er mangelen 
på data, og da spesielt data på inter	-regional handel og inter	-industrielle transaksjoner på regionalt nivå. 	
Inter	-regional handel refererer til vare	- og t	jenestestrømmer mellom ulike geografiske regioner, som 	
fylker, kommuner eller landsdeler. Det beskriver hvordan regioner kjøper og selger varer og tjenester til 
hverandre. Mens inter	-industrielle transaksjoner beskriver økonomiske utvekslinger av varer og 	tjenes	-	
ter mellom ulike næringer innenfor eller mellom regioner. Disse transaksjonene reflekterer produksjons	-	
prosessen, hvor én næring leverer innsatsfaktorer til en annen.	 	
Manglende detaljerte data på regionalt nivå er den største utfordringen når det skal lages næringskryss	-	
løp på kommune og fylkesnivå. Input	-output tabeller er tilgjengelig på nasjonalt nivå, men ikke for 	
mindre geografiske enheter som kommuner eller fylker	. Vår eneste kilde til næringskryssløp, er de 	
nasjonale datatabellene som SSB publiserer.	 	
Den nasjonale kryssløpstabellen 	regionaliseres	 til kommunevise kryssløpstabeller. Til dette bruker vi 	
årlig regnskaps	- og aktivitetsinformasjon for alle norske bedrifter som er rapporteringspliktige til 	
Brønnøysundregistrene, blant annet inkludert hvor bedriften er lokalisert. Vi fordeler alle 	produksjons	-	
størrelser	 (alle variabler i kryssløpstabellen unntatt forbruk og investering fra privat og offentlig sektor) 	
ved hjelp av omsetning. Med andre ord, andelen av produksjonen i en næring allokeres til en git	t 	
kommune, basert på kommunens andel av omsetning i den enkelte næring i regnskapsdatabasen; 
tilsvarende for alle andre produksjonsstørrelser. 	Forbruk	 og 	investeringer	 fordeles basert på disponibel 	
inntekt, og her brukes det samme fordelingsnøkkel for alle næringer i en kommune. Denne øvelsen gir 
oss dermed en fullverdig kryssløpstabell for hver enkelt kommune. De kommunale kryssløpstabellene er 
balanserte og summerer s	eg opp til nasjonalregnskapet når de aggregeres.	 Målsettingen i en slik 	
regionalisering e	r at de regionale kryssløpstabellene som konstrueres i størst mulig grad skal reflektere 	
den industrielle strukturen i den aktuelle regionen.	 	
Regionale kryssløpstabeller er et kraftig verktøy for å analysere de økonomiske sammenhengene i en 
region, hvor tabellene gir et detaljert bilde av hvordan ulike sektorer påvirker hverandre, og hvordan 
endringer i én del av økonomien kan skape ringvirkning	er i andre deler av økonomien.	 	
10.8.2	 	Varestrømsmatriser fra NGM	 	
De regionale kryssløpstabellene 	mangler informasjon om handelsmønstre. De inneholder 	produksjon	 og 	
eksport på kommune	-nivå, men ikke informasjon om 	hvor	 varene som produseres til det innenlandske 	
markedet forbrukes. 	Likeledes 	inneholder de 	sluttforbruk	et i hver kommune	, av import og norsk	-	
produserte varer	, men ikke	 informasjon om 	hvor	 i Norge 	varene som forbrukes har blitt produsert.	 	
Det er avgjørende at handelsmønsteret i NOREG 2 er så virkelighetsnært som mulig, ettersom dette 
danner grunnlaget for hvordan økonomiske impulser forplanter seg mellom regionene i modellen. Et 
realistisk handelsmønster sikrer at endringer i produksjon, tr	ansportkostnader eller etterspørsel i én 	
region gir plausible og økonomisk konsistente ringvirkninger i andre regioner, gjennom de mellom	-	
regionale varestrømmene.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	72	 	
For å kalibrere et realistisk handelsmønster 	som er konsistent med de regionale kryssløps	tabellene	, 	
benyttes varestrømsmatriser fra NGM	 for	 basisåret	. Dette er en omfattende prosedyre,	 formulert som 	
et 	matematisk 	minimerings	problem	. I en forenklet og konseptuell framstilling, kan man si at 	
minimeringsproblemet består av tre deler: 	(1) 	et sett av 	variabler	 som skal bestemmes, (2) 	en 	
objektivfuksjon,	 som	 variablene som velges er ment å minimere	, og 	(3) 	et sett av bibetingelser som må 	
holde for at løsningen skal være gyldig	. Disse er:	 	
1. Variable	 (dimensjon:	 næring	 × avsender	-kommune	 × mottaker	-kommune)	: Næringsvise 	
varestrømmer	 til bruk i NOREG 2, 	for alle Norges kommunepar.	 	
2. Objektivfunksjon: 	En aggregert differanse 	mellom 	varestrømsmatrisene fra NGM 	(data) 	og 	de 	
næringsvise varestrømmene 	til 	bruk i NOREG 2 (variable)	. 	
3. Bibetingelser:	 Disse skal sørge for at de 	næringsvise varestrømmene som bestemmes er k	onsis	-	
tente med de regionale kryssløpstabellene. Det er to sett av slike bibetingelser	: 	
a. For innenlandsk 	tilbud (dimensjon: næring	 × avsenderkommune): 	Betingelser 	for hver 	
næring 	som sørger for at summen av alle varestrømmer som sendes fra en region	 er lik 	
det regionale tilbudet	, ekskludert eksporten	. 	
b. For innenlandsk etterspørsel (dimensjon: næring	 × mottaker	kommune): Betingelser for 	
hver næring som sørger for at summen av alle varestrømmer som sendes 	til en region er 	
lik det regionale 	sluttforbruket	, ekskludert sluttforbruk av importvarer	. 	
Kalibreringsprosessen innebærer i praksis en balansering mellom to hensyn: å bevare den empiriske 
strukturen i NGM	-dataene, som reflekterer observerte handelsrelasjoner, og å sikre full konsistens med 	
de regionale kryssløpstabellene, som fastsetter nivået 	på regional produksjon og etterspørsel. Resultatet 	
er et sett av næringsvise handelsmatriser som beskriver hvordan produksjonen i hver kommune fordeles 
på mottakerkommuner i Norge. 	 	
Før denne prosedyren kan gjennomføres, må 	varestrømsmatrisene 	transformeres fra NGM	-nivå, til 	
NOREG	 2-nivå	.20 Dette innebærer:	 	
• 	En kobling fra NGM	-vare til 	vareproduserende næring (se 	tabell 	4.1 for en oversikt over samsvar 	
mellom NGM	-varer og NOREG 2	-næring	. Koblingen her gjøres imidlertid ikke 	på	 NOREG 2	-	
næring	snivå, men på tilnærmet A64	-nivå	). 	
• 	En kobling 	fra NGM	-soner til norske kommuner.	 	
• 	En omregning fra tonn (som er enheten i NGM) til 	kroner 	(som er enheten i NOREG 2).	 	
10.8.3	 	Demografiske data	 	
Vi benytter en rekke demografiske datakilder i NOREG 2:	 	
• 	Regionale befolkningsframskrivinger fra SSB. Her benyttes MMM	-alternativet for 	
befolkningsframskriving på kommunalt nivå for arbeidsstyrken 16	-74 år.	 	
• 	Kommunevise lønnsdata per utdanningsgruppe og næring hentet fra Micodata.no	 	
• 	Kommunevis utdanningssammensetning per næring fra Micodata.no	 	
• 	Framskrivning av sysselsettingsrater	 	
 	
20 Kryssløpstabellene til NOREG 2 er etablert på kommune	- og (tilnærmet) A64	-nivå, for senere å bli aggregert opp 	
til region	- og næringsstrukturen som brukes i den endelige modellen (se avsnitt 	10.9	 og 	10.10	 for mer informasjon 	
om dette).

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	73	 	
10.8.4	 	Data for utenrikshandel	 	
For utenrikshandelen benytter vi blant annet	 	
• 	Utenrikshandel med varer for detaljerte data og eksport og import av varer	 	
• 	Utenriksregnskapet for eksport og import av tjenester på så findelt nivå som mulig	 	
• 	Omfattende kartlegging av eksportintensitet i forskjellige selskap fra 	Eksportmeldingen	 	
• 	SSBs kryssløp for totale eksporttall og totale import	-tall	 	
• 	Næringsspesifikk data for visse næringer, slik som overnattingsnæringen, som fordeles ut fra 
antall utenlandske gjestedøgn. 	 	
• 	Regnskapsdata fra Brønnøysund om hvor alle norske selskap ligger. 	 	
10.8.5	 	Klimagassutslipp 	 	
For beregning av klimagassutslipp benytter vi:	 	
• 	Utslipp av klimagasser fra 	norsk territorium	 (SSB Statistikkbanken tabell 13931) viser utslipp 	
etter utslippskilde (f.eks. oppvarming, kjøretøy, kunstgjødsel, …), men ikke etter hvilken næring 
disse utslippene oppstår i. 	 	
• 	Utslipp av klimagasser fra 	norsk økonomisk aktivitet	 (SSB Statistikkbanken tabell 13932) viser 	
utslipp etter næringer i nasjonalregnskapet (A64, som også er grunnlaget for NOREG2). Men 
denne statistikken inkluderer også utslipp som skjer andre steder i verden (norske datterselskap 
i utlandet). Utenriks sjøf	art er den største kilden til utslipp som skjer utenlands, men det er også 	
andre næringer som har utslipp i utlandet. Tilsvarende er ikke utslipp knyttet til utenlandske 
selskapers aktivitet i Norge ikke 	inkludert. 	 	
Begge utslippsstatistikkene	 fra SSB kombineres	, i tillegg 	benytter vi 	statistikken over anleggsutslipp fra 	
landbasert industri fra Miljødirektoratet. Statistikken over anleggsutslipp inneholder punktutslipp fra 
alle rapporteringspliktige landbaserte anlegg (dekker 13,7 mill. tonn CO	2-ekvivalenter). 	 	
10.8.6	 	Transportkostnader 	 	
Det er 	nasjonalregnskapsdata over handels	- og transportmarginer som bestemmer 	hvor store de 	
aggregerte transportkostnadene skal være i hver næring i basisåret.	 Vi bruk	er imidlertid en NGM	-kjøring 	
for NOREG 2 sitt basis	-år for 	å fordele de aggregerte kostnadene til transport mellom	 ulike innenlandske 	
varestrømmer.	 	
I scenarieanalysene som har blitt gjennomført i de	tte arbeidet, har nye transportkostnader for ulike 	
framtidsår blitt lest inn eksogent i modellen.	 Tall for disse eksogene e	ndringe	ne	 hentes fra en NGM	-	
kjør	ing for framtidsåret 2050. Med utgangspunkt i dette beregner vi årlige 	eksogene 	vekstrater for 	
transportkostnader mellom ulike regioner for hver næring	, ved å sammenligne transportkostnadene fra 	
NGM i 2050 med transportkostnadene fra NGM som allerede har blitt innlest for basis	-året.	 	
10.9	 	Næringer i NOREG 2.4	 	
Næringsinndelingen til inngangsdataene 	er i utgangspunktet begrenset av næringsinndelingen 	i de 	
nasjonale 	kryssløpstabellene publisert av SSB.	 Denne er vist i den første kolonnen i tabellen under.	 	
Inngangsdata leses inn på dette nivået, for å sikre mulighet for å aggregere opp på en fleksibel måte 
etterpå. Tabellen under 	viser næringsinndelingen som er brukt i NOREG 2.4, og hvilke næringskoder fra 	
SSBs 	nasjonale kryssløpstabeller som er inneholdt i hver 	NOREG	-næring.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	74	 	
Tabell 	10	.1: Kobling fra næringskoder	 i SSBs kryssløpstabeller til NOREG	-næringer	 	
Nærings	- 	kode*	 	Forklaring	 	NOREG	-næring	 	
R01	 	Jordbruk, jakt og viltstell; tjenester tilknyttet	 	LANDBRUK	 	
R02	 	Skogbruk; tjenester tilknyttet	 	LANDBRUK	 	
R03A	** 	Fiske og fangst	 	FISK	E 	
R03	B** 	Akvakultur	 	AKVAKULTUR	 	
R10_12	 	Matvarer	 	MAT	 	
R13_15	 	Klær, lær, sko	 	IND	-ANNEN	 	
R16	 	Trelast, trevarer	 	IND	-KKI	 	
R17	 	Papir, papirvare	 	IND	-KKI	 	
R18	 	Trykking mv	 	TJEN	-ANNEN	 	
R19	** 	Raffinerte petroleumsprodukter	 	KJEMI	-RAFF	 	
R20	** 	Kjemisk industri, basisplast	 	KJEMI	-RAFF	 	
R21	** 	Farmasøytiske pr	odukter	 	KJEMI	-RAFF	 	
R22	 	Gummi	- og plastprodukter	 	IND	-KKI	 	
R23	 	Glass, keramikk, sement, ikke	-metalliske mineraler	 	IND	-KKI	 	
R24	 	Metaller (jern, stål, ferrolegeringer, aluminium)	 	IND	-KKI	 	
R25	 	Produksjon av metallkonstruksjoner og metallvarer	 	IND	-ANNEN	 	
R26	 	Produksjon av datamaskiner, elektroniske og optiske produkter	 	IND	-TEKN	 	
R27	 	Produksjon av elektrisk utstyr	 	IND	-TEKN	 	
R28	 	Produksjon av maskiner og utstyr til generell bruk	 	IND	-TEKN	 	
R29	 	Produksjon av motorvogner, tilhengere, transportmidler	 	IND	-ANNEN	 	
R30	 	Bygging av skip og båter, oljeplattformer, moduler	 	IND	-ANNEN	 	
R31_32	 	Produksjon av møbler, annen industriproduksjon	 	IND	-ANNEN	 	
R33	 	Reparasjon og installasjon av metallprodukter, maskiner og utstyr	 	TJEN	-ANNEN	 	
R36	 	Vannforsyning mm	 	VANN	 	
R37_39	 	Avløp, avfall, miljørydding, osv.	 	VANN	 	
R45	 	Handel med og reparasjoner av motorvogner	 	HANDEL	 	
R46	 	Agentur	- og engroshandel, unntatt med motorvogner	 	HANDEL	 	
R47	 	Detaljhandel, unntatt med motorvogner	 	HANDEL	 	
R49	 	Passasjer	- og godstransport på land (jernbane, drosje, annen på vei), rørtransport	 	TRANSP	-LAND	 	
R50	 	Sjøfart (innenriks og utenriks), supply	-virksomhet	 	TRANSP	-HAV	 	
R51	 	Lufttransport	 	TRANSP	-LUFT	 	
R52	 	Tjenester tilknyttet transport (sjø, luft, ellers), lagring	 	TRANSP	-TJEN	 	
R53	 	Post og distribusjonsvirksomhet	 	TRANSP	-TJEN	 	
R58	 	Forlagsvirksomhet	 	TJEN	-ANNEN	 	
R59_60	 	Film	-, video	- og fjernsynsprogramproduksjon, utgivelse av musikk	- og lydopptak; radio, 	fjernsyn	 	TJEN	-ANNEN	 	
R61	 	Telekommunikasjon	 	TJEN	-TEKN	 	
R62_63	 	Informasjonstjenester, tjenester tilknyttet informasjonsteknologi	 	TJEN	-TEKN	 	
R64	 	Bankvirksomhet, finansiell tjenesteyting	 	FINANS	 	
R65	 	Forsikring	 	FINANS	 	
R66	 	Tjenester tilknyttet finansierings	- og forsikringsvirksomhet	 	FINANS	 	
R68A	 	Boligtjenester, egen bolig, borettslag og sameie	 	BYGG	-TJEN	 	
R68B	 	Omsetning og drift av fast eiendom; Boligtjenester, egen bolig, borettslag og sameie	 	BYGG	-TJEN	 	
R69_70	 	Juridisk og regnskapsmessig tjenesteyting, Hovedkontortjenester, administrativ rådgivning	 	TJEN	-TEKN	 	
R71	 	Arkitektvirksomhet og teknisk konsulentvirksomhet, og teknisk prøving og analyse	 	TJEN	-TEKN	 	
R72	 	Forskning og utviklingsarbeid	 	TJEN	-TEKN

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	75	 	
Nærings	- 	kode*	 	Forklaring	 	NOREG	-næring	 	
R73	 	Annonse	- og reklamevirksomhet og markedsundersøkelser	 	TJEN	-ANNEN	 	
R74_75	 	Annen faglig, vitenskapelig og teknisk virksomhet; Veterinærtjenester	 	TJEN	-ANNEN	 	
R77	 	Utleie	- og leasingvirksomhet	 	BYGG	-TJEN	 	
R78	 	Arbeidskrafttjenester	 	HANDEL	 	
R79	 	Reisebyråvirksomhet, turistkontor samt tilknyttede tjenester; Reisearrangørvirksomhet og andre aktivitetsarrangører	 	REISE	 	
R80_82	 	Vakttjeneste og etterforsking; tjenester tilknyttet eiendomsdrift; annen forretningsmessig tjenesteyting	 	BYGG	-TJEN	 	
R84	 	Offentlig administrasjon og forvaltning; Forsvaret	 	OFF	-ADM	 	
R86	 	Helsetjenester	 	HELSE	 	
R87_88	 	Omsorgstjenester; barnehager, SFO	 	HELSE	 	
R90_92	 	Kunstnerisk virksomhet og underholdningsvirksomhet; biblioteker, museer, annen kulturvirksomhet	 	TJEN	-TEKN	 	
R93	 	Sports	- og fritidsaktiviteter	 	TJEN	-ANNEN	 	
R94	 	Aktiviteter i medlemsorganisasjoner + internasjonale organisasjoner	 	TJEN	-ANNEN	 	
R95	 	Reparasjon av datamaskiner, husholdningsvarer og varer til personlig bruk	 	TJEN	-ANNEN	 	
R96	 	Annen personlig tjenesteyting	 	TJEN	-ANNEN	 	
RB 	Utvinning av råolje og naturgass, bergdrift	 	PETRO	 	
RD	 	Elektrisitet, damp	- og varmtvannsforsyning	 	ELE	 	
RF 	Bygg og anlegg; Oppføringer av bygninger; utvikling av byggeprosjekter	 	BYGG	-ANLEGG	 	
RI 	Overnattingsvirksomhet; serveringsvirksomhet	 	REISE	 	
RP 	Undervisning	 	SKOLE	 	
RT 	Lønnet arbeid i private husholdninger	 	TJEN	-ANNEN	 	
* Se: 	https://www.ssb.no/en/nasjonalregnskap	-og-konjunkturer/metoder	-og-dokumentasjon/supply	-and	-use	-and	-input	-output	-	
tables	 for en oversikt over SSBs nasjonale kryssløpstabeller, hvor disse næringskodene er hentet fra.	 	
** 	I nær	ingskodene 	i de nasjonale kryssløpstabellene er «fiske» og «akvakultur», og 	«raffinerte petroleumsprodukter», «kjemisk 	
industri» og «farmasøytiske produkter»	 slått sammen	. I dette arbeidet har det blitt gjenomført en omfattende jobb knyttet til å 	
splitte 	opp 	alle inngangsdata knyttet til 	disse næringene.	 Dette innebærer at vi har kunnet definere egne NOREG 2	-næringer for 	
«FISKE» og «AKVAKULTUR». Den samme oppsplittingen kan også gjøres for R19	-R21	, men det har ikke vært tid til dette innenfor 	
tidsfristene 	i dette prosjektet.	 	
10.10	 Geografiske soner	 	
Ett av de elementene som gjør NOREG 2 til et unikt analyseverktøy er den geografiske oppløsningen. I 
modellen kan det handles i både varer og tjenester mellom de representative aktørene internt og 
mellom hver modellsone. Dette er svært viktig komponent i e	n SCGE	-modell og muliggjør ringvirknings	-	
analyser både på tvers av geografi og sektorer. Modellen har et fleksibelt oppsett som gjør at man, 
avhengig av analyseformål, kan aggregere modellens regionale inndeling til det ønskede nivået. Nedad 
er den geograf	iske oppløsningen begrenset til kommunenivå som minste mulige geografiske enhet. Den 	
geografiske dimensjonen i modellsystemet muliggjør detaljerte regionale og lokale analyser av lang	-	
siktige økonomiske konsekvenser helt ned på kommunenivå.	 	
Data fra nasjonale kryssløpstabeller fordeles ut på hver enkelt kommune slik at vi får et sammenhen	-	
gende og konsistent sett av kommunefordelte nasjonalregnskap. Modellen brukes imidlertid sjelden på 
kommunenivå, for de fleste analyser er det lite hensikts	messig med en så detaljert regional inndeling. 	
Det er da nyttig å aggregere kommunene til større enheter. For analysene av omstilling til lavutslipps	-	
samfunnet 2050 har vi i hovedsak basert oss på SSB sin inndeling av Norge i økonomiske regioner som 
geogra	fisk enhet.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post: 	toi@toi.no	 www.toi.no	 	76	 	
Økonomiske regioner er en geografisk 
inndeling på nivået mellom fylke og 
kommune. Dette er en inndeling 
motivert av praktiske analyseformål 
hvor inndelingen er laget for å gjøre 
statistikk på et regionalt nivå mer 
meningsfull 	– slik at man får data for 	
omr	åder som er større enn kommuner, 	
men mindre enn fylker. De økonomiske 
regionene er definert slik at de ikke 
krysser fylkesgrenser og er aggregater 
av kommuner. 	 	
Per i dag er det 85 slike økonomiske 
regioner i Norge.	 	
 
 
 
 
 
 
 
 	
 
Figur 	10	.3: SSB sin inndeling av Norge i Økonomiske regioner	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
Transportøkonomisk Institutt, Gaustadalléen 21, 0349 Oslo, E	-post:	 toi@toi.no	 www.toi.no	 	77	 	
Referanser	 	
Cappelen, Å	., Dapi, B	. & Gjefsen, H	. M. (2020). 	Framskrivinger av arbeidsstyrken og sysselsettingen etter 	
utdanning mot 2040. SSB	-rapport 2020/41. Statistisk sentralbyrå	. 	
Finansdepartementet (2025):	 Dokumentasjon av forutsetninger for fremskrivingen av klimagassutslipp 	
til Nasjonalbudsjettet 2025. 	 	
Hansen, W. 	& Johansen	, B. G.	 (2016): Beregning av netto ringvirkninger på utvalgte prosjekter, NTP 	
2018	-2029. 	TØI	-rapport 1471/2016	. 	
Kaushal	, K.	 R. & Yonezawa	, H.	 (2022)	: Increasing the CO	2 tax towards 2030; impacts on the Norwegian	 	
economy and CO	2 emissions	. Statistics Norway	 Reports 2022/43	. 	
Kornstad, T., Skjerpen 	T. &	 Stambøl	 L. S. 	 (2023): Empirical modelling of internal migration and 	
commuting flows for economic regions in Norway. 	The Annals of Regional Science. Tilgjengelig 	
fra: 	https://doi.org/10.1007/s00168	-023	-01208	-3 	
Leknes, S	. & Løkken, S	. A. (2024). Befolkningsframskrivinger for kommunene 2024. SSB	-rapport 2024/20. 	
Statistisk sentralbyrå.	 	
Menon Economics (2025): Eksportmeldingen 2025. Menon	-publikasjon Nr. 35	. 	
Rødseth, K. L., Wangsness, P. B., Veisten, K., Elvik, R., Høye, A. K., Klæboe, R., Thune	-Larsen, H., 	
Fridstrøm, L., 	Lindstad, E., Rialland, A., Odolinski, K. & Nilsson, J.	-E. (2020). 	Eksterne 	
skadekostnader ved transport i Norge 	- Estimater av marginale skadekostnader for person	- og 	
godstransport [TØI	-rapport 1704/2019]	. 	
Skjerpen, T., Kornstad	, T.	 & Stambøl	 L. S.	 (2023). 	Modelling of net domestic migration and commuting 	
flows between economic regions in Norway 2001	–2014. 	Notater 2023/33, Statistisk sentralbyrå.	 	
Sokkeldirektoratet (2024): 	Ressursrapport 2024. 	Ressursrapport 2024 	- Sokkeldirektoratet	 	
Steinsland, C., Madslien, A., Johansen, K. W. & Wangsness, P. B. (2022). 	Konseptvalgutredning 	
veibruksavgift og bompenger, vedlegg 6	-3 Transportmodellberegninger	. 	
https://www.toi.no/publikasjoner/konseptvalgutredning	-veibruksavgift	-og	-bompenger	-vedlegg	-	
6-3-transportmodellberegninger	-article37880	-8.html	 	
St.Meld. 31 (2023	-2024). Perspektivmeldingen 2024. Det Kongelige Finansdepartement.	 	
Teknisk beregningsutvalg for klima. (2021). 	Makromodeller til bruk i klimaanalyser; Rapport fra Teknisk 	
beregningsutvalg for klima.	 Utgitt av Teknisk beregningsutvalg for klima, oppnevnt av 	
Regjeringen 15. juni 2018 	m-2110_2021	-tbu	-klima	-makrorapport	-002.pdf	 	
Tømmerås, A	. M. 	& Thomas, M	. J. (2024). 	Nasjonale befolkningsframskrivinger 2024. Sammendrag av 	
forutsetninger og resultater. SSB	-rapport 2024/21. Statistisk sentralbyrå.	 	
Wangsness, P. B., Rødseth, K. L., Thune	-Larsen, H. & Ellingsen, L. A.	-W. (2023). Eksterne kostnader fra 	
godstransport på veg og til sjøs	-Oppdaterte estimater av marginale skadekostnader 	- 2022 	TØI	-	
Rapport 1953/2023	. 	
Wangsness, P. B., 	Madslien,	 A.,	 Ha	nsen, 	W., 	Kristensen, 	N. B.,	 Hovi,	 I. B., 	 Johansen, 	B. G., 	Pinchasik	, D. R.	 	
& Halse	, A. H.	 (2025): Metoder, prosesser og eksempelberegninger for å analysere strategier 	
mot en karbonnøytral transportsektor i 2050; Nye modelleringsmuligheter. TØI	-rapport 	
2119/2025	. 	
Winther	-Larsen, S. G., Vennerød, Ø. E. F., Aslesen, S. R., & Erraia, J. L. (2025). 	Stabilizing CES Estimates: A 	
Bootstrap Aggregation Approach using Norwegian Industry Data. 	Manuscript submitted for 	
publication	.

Videreutvikling av makromodellen NOREG 2 for analyser av omstilling til lavutslippssamfunnet 2050	 	
 	
Vista Analyse	 | Rapport 2026/26	 	 	
 
 	
 
 
 
 	
Vista Analyse AS	 	
Meltzers gate 4	 	
0257 Oslo	 	
 
post@vista	-analyse.no	 	
vista	-analyse.no