Kan regional utdanning hjelpe mot sentralisering?

Kategori	Artikler
Underkategori(er)	n/a
År	2023
Forfatter(e)	Orvika Rosnes Haakon Vennemo Wiljar Hansen Bjørn Gjerde Johansen Annegrete Bruvoll Jonas Erraia Terje Skjerpen
	https://www.samfunnsokonomen.no/journal/2023/4/m-1552/Kan_regional_utdanning_hjelpe_mot_sentralisering
Last ned	file_download (649.7 kB)
Les i nettleser	find_in_page

Kan regional utdanning hjelpe 
mot sentralisering?	
1	
Halvparten av befolkningsveksten de siste 25 årene har skjedd i Oslo og Viken. Det er neppe 
en politisk ønsket utvikling. For å motvirke utviklingen har flere offentlige ekspertutvalg fore-
slått å desentralisere høyere utdanning. Vi analyserer to tiltak og drøfter mekanismene de 
skaper. Tiltakene sammenliknes med en referansebane som ser på regionale virkninger av 
Perspektivmeldingens forutsetninger. Referansebanen kan ha selvstendig interesse. Den gir 
ytterligere vekst i Oslo og Viken.
ORVIKA ROSNES
Vista Analyse
TERJE SKJERPEN
SSB HAAKON VENNEMO
Vista Analyse
ANNEGRETE BRUVOLL
Menon Economics WILJAR HANSEN
TØI
JONAS ERRAIA
Menon Economics BJØRN GJERDE JOHANSEN
TØI
VI UNDERSØKER TO UTDANNINGSTILTAK
På tvers av politiske partier er det et mål å sikre bosetting 
og vekst i alle deler av landet. Regjeringen Støre sier for 
eksempel i Hurdalsplattformen (2021) at «regjeringen vil 
føre en politikk for sterkere fellesskap, vekst og utvikling i 
hele landet, der by og land går hand i hand.» Dette målet 
utfordres av negativ befolkningsvekst i mange av de små 	
1
1 Rosnes har koordinert prosjektet. Vennemo, Rosnes og Hansen har 
skrevet det meste av artikkelen. Rosnes og Johansen har stått for mo-
dellutviklingen og Johansen er ansvarlig for modellkjøringene. Skjer -
pen står bak flytterelasjonene, som er viktige for analysen i artikkelen. 
Erraia og Bruvoll har bidratt til modellutviklingen og artikkelen. Takk 
til Leif D. Grandum (Vista Analyse) for forskningsassistanse. Takk til 
Vidar Jensen for gode kommentarer til et utkast. Prosjektet NOREG 2 
er et samarbeid mellom TØI, Menon Economics, SSB og Vista Ana-
lyse finansiert av Norges forskningsråd (prosjektnummer 283398).	
SAMFUNNSØKONOMEN NR. 4 2023 // 53
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERp
EN, BRUVOll Og ERRAiA	
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

distriktskommunene og av at de mest sentrale kommunene 
vokser mest. Også på fylkesnivå ser vi at de mest sentrale 
områdene vokser mest. Figur 1 viser befolkningsveksten i 
Nordland, Vestland og Oslo de siste 25 årene, fra 1997 til 
2022. I Nordland har veksten vært nær null, i Vestland har 
befolkningen vokst med 20 prosent og i Oslo med hele 40 
prosent. Halvparten av landets samlede befolkningsvekst 
siden 1997 har kommet i Oslo og Viken.
Tall som dette fører naturlig nok til en leting etter tiltak. 
Hva kan gjøres for å spre befolkningsveksten jevnere 
utover? Hvordan hindre sentralisering? Tre offentlige 
ut valg har nylig vurdert utfordringene knyttet til redusert 
befolkning i distriktene: Distriktsnæringsutvalget (NOU 
2020:  12), Demografiutvalget (NOU 2020:  15) og 
Generalist kommuneutvalget (NOU 2023:  9). Alle utval-
gene peker på at et desentralisert utdanningstilbud bidrar 
til å sikre kompetansen i distriktene. I juni kom forslag til 
ny universitets- og høyskolelov, der regjeringen overtar 
myndigheten til å nedlegge studiesteder. Et resonnement er 
at i) befolkningsutviklingen drives av utviklingen av 
arbeidsplasser. Distriktene mangler gode arbeidsplasser i 
vekstnæringer, ii) gode arbeidsplasser i vekstnæringer ska-
pes når kompetente entreprenører går sammen med (annen) 
kompetent arbeidskraft, iii) kompetent arbeidskraft har 
stedspreferanser, iv) stedspreferanse påvirkes av utdan-
ningsstedets beliggenhet. Hypotesen som følger av resonnementet er at arbeidskraft 
som utdannes lokalt, velger å bli boende. Med en kritisk 
masse utdannet arbeidskraft skapes det kompetansear -
beidsplasser lokalt istedenfor sentralt. Temaet for vår artik -
kel er å undersøke om hypotesen stemmer. Konkret sam-
menlikner vi to tiltak:
1. I det ene tiltaket økes utdanningskapasiteten for fagar -
beidere lokalt (konkret i Trøndelag).
2. I det andre tiltaket økes satsingen på etterutdanning i 
hele landet.
Hvis hypotesen er riktig, burde det første tiltaket lede til at 
flere tar fagutdanning i Trøndelag, flere blir boende i 
Trøndelag, og gjennom innsatsen til kompetente arbeidsta-
kere og entreprenører skapes det flere kompetansebedrifter 
og kompetansearbeidsplasser i Trøndelag. Det andre tilta-
ket har ifølge hypotesen ingen slik virkning: Det hever 
kompetansen i landet som helhet og fører til flere kompe-
tansearbeidsplasser og høyere produktivitet, men uten at 
det spesielt kommer distriktene til gode.
Utdanningsinstitusjoner er gjerne lokalisert i sentrale deler 
av et fylke og kan forsterke de sentrale delene sammenlik -
net med andre deler av fylket. Denne dimensjonen av tilta-
ket økt utdanningskapasitet drøfter vi ikke, men det er 
grunn til å tro at jo sterkere effekter man finner for fylket 	
%
%
%
%
%
%
%
%
%

=  %	
O
slo
Vest la n d
\b ord la n	d	
Figur 1: Befolkningsutviklingen i Oslo, Vestland og Nordland, 1997–2022
Kilde: SSB Statistikkbanken tabell 01223
54 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

som helhet, desto sterkere er effekten for en representativ 
kommune i fylket.
Det finnes ulike tilnærminger for å undersøke hypotesen 
om sammenhengen mellom utdanning i distrikter og 
omfanget av kompetansebaserte distriktsarbeidsplasser. 
Man kan sette opp en mikroøkonomisk modell som beskri-
ver stegene fra utdanning via møtet med entreprenører og 
eksisterende bedrifter til sysselsetting, eller man kan sette 
opp en økonometrisk modell som sammenlikner arbeids-
plasser og befolkning på steder med og uten lokale utdan-
ningstilbud. Vi har en tredje tilnærming. Vår tilnærming er 
å vurdere virkninger av lokal utdanning innenfor et helhet-
lig bilde av økonomien, gitt ved den anvendte, regionali-
serte generelle likevektsmodellen NOREG 2. I modellen 
oppstår arbeidsplasser i møtet mellom etterspørsel og til-
bud av varer og tjenester. Tidsperspektivet er langt nok til 
at markedet får tid til å skape de nødvendige arbeidsplas-
sene. Arbeidstakerne har stedspreferanser på samme måte 
som i resonnementet som leder frem til hypotesen, og disse 
stedspreferansene er med på å drive resultatene.
I en modellbasert analyse trenger man en referansebane å 
sammenlikne tiltak mot. Vår referansebane er basert på 
samme forutsetninger som Perspektivmeldingen (Meld. St. 
14 (2020–2021)). Med forutsetningene fra Perspektiv -
meldingen predikerer vår regionaliserte likevektsmodell at 
sentraliseringen fra de siste tiårene vil fortsette. Dette er et 
funn som har selvstendig interesse. Så vidt vi kjenner til, er 
ikke denne regionale implikasjonen av Perspektivmeldingen 
blitt belyst tidligere.
Våre resultater gir betinget støtte til hypotesen. Flere 
utdanningsplasser for fagarbeidere i Trøndelag øker sys-
selsettingen av fagutdannede, men enkelte fagutdannede 
flytter ut av fylket. Samtidig flytter personer med annen 
type utdanning inn, og samlet sysselsetting er så å si uen-
dret. Etterutdanning i hele landet har ingen positiv effekt 
på regional utvikling. Tvert imot ser dette tiltaket ut til å 
forsterke sentraliseringen.
TIDLIGERE ANALYSER AV SAMMENHENGEN 
MELLOM UTDANNING OG BOSTED
Det er få eller ingen studier av sammenhengen mellom 
bosted og utdanning hvor det blir skilt på videregående 
yrkesutdanning. Carlsen mfl. (2013) ser på mobilitetsre-
spons av regionale sjokk etter utdanningsnivå hvor det gjø-
res et skille mellom høyere utdanning, videregående utdan- ning og grunnskoleutdanning, men hvor det verken 
studeres utdanningspolitiske virkemidler eller skilles på 
videregående fagutdanning i analysene. Den regionale 
betydningen av universiteter og høyskoler på bostedsvalg 
er blant annet studert av Stambøl (2011, 2013), som både 
ser på lokal og regional rekruttering til høyere utdanning 
og tilførselen av høyt utdannede. Resultatene herfra viser 
at mye av den geografiske tilpasningen i valg av bosted 
skjer i forbindelse med studiene eller nært etter endt utdan-
ning, og at lokale studiemuligheter for de fleste fagfelt gir 
sterkere lokal tilførsel av høyt utdannede enn det den lokale 
rekrutteringen skulle tilsi. Denne tendensen blir bekreftet 
av Gythfeldt og Heggen (2013), som benytter registerdata 
til å analysere høyskolenes betydning for rekrutteringen av 
arbeidskraft til egne regioner, hvor de primært ser på vel-
ferdskandidater, dvs. lærer-, sykepleier-, førskolelærer og 
sosialarbeiderutdanning. De finner blant annet at høyskole-
tilbudet i et fylke spiller en viktig rolle for rekrutteringen 
fra eget fylke, og at en svært stor andel av de som vokste 
opp og studerte i en region, blir boende i regionen etter 
endt utdanning. De finner også at en betydelig andel av 
studentene som vokser opp i andre fylker enn der høysko-
len er lokalisert, begynner å arbeide i fylket der de studerte 
når de er ferdigutdannet. I en nyere undersøkelse fra SSB 
(Moafi, 2022) bekreftes resultatene for velferdskandidater 
fra Gythfeldt og Heggen (2013).
Disse resultatene står i kontrast til funnene i Falch (2022a), 
som ikke finner en sammenheng mellom antall lærere og 
om det er lokal lærerutdanning i regionen. I en kommentar 
av Heggen (2022) trekkes den geografiske oppløsningen 
og bruken av bo- og arbeidsmarkedsregioner som analyse-
objekt frem som hovedankepunktet mot resultatene fra 
Falch (2022a). I et tilsvar til Heggen i Khrono argumente-
rer Falch (2022b) for at desentralisering av utdanning bør 
vurderes i lys av type utdanning. Resultatene fra Falch 
(2022a) er for så vidt i henhold til konklusjoner i Stambøl 
(2013), som viser noe svakere lokal tilførsel enn rekrutte-
ringen skulle tilsi for lærerutdanning og pedagogiske fag.
Arbo (2019) argumenterer for at tilstedeværelsen av et 
lokalt tilbud om høyere utdanning påvirker studietilbøye-
ligheten, og at flere vil velge å satse på høyere utdanning 
hvis de har et lokalt tilbud. Knutsen mfl. (2020) ser på 
utdanningsvalg og endringen i tilbøyelighet til å ta høyere 
utdanning når det etableres nye regionale utdanningstil-
bud, og finner at endringen skjer på den intensive margi-
nen: flere velger lokalt etablert utdanning, men samlet sett 
blir det ikke flere høyt utdannede.	
SAMFUNNSØKONOMEN NR. 4 2023 // 55
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

De første studiene av utdanningspolitikk hvor man anvendte 
generelle likevektsmodeller i analysen dukket opp mot slut-
ten av 1990-tallet og brukte data for USA. Ho og Jorgenson 
(1999) så på langsiktige velferdseffekter av ulike former for 
inntaks- og finansieringspolitikk til høyere utdanning, mens 
Heckman mfl. (1999) analyserte virkningen av stipender og 
skattepolitiske virkemidler på utdanningsvalg. Felles for 
disse tidlige studiene er at de bruker nasjonale modeller 
som ikke innehar en geografisk dimensjon. Det man imid-
lertid kan ta med seg som viktigste lærdom fra disse studi-
ene, er at det er viktig å ta hensyn til generelle likevekts-
effekter når man analyserer effekten av utdanningspolitiske 
virkemidler (Hægeland og Møen, 2000).
Vårt bidrag til litteraturen er todelt: tematisk og metodisk. 
Tematisk ser vi på et lite studert felt hvor vi fokuserer på 
utdanningspolitiske virkemidlers effekt på lokale bo- og 
arbeids markeder. Lokalisering og opprettelsen av videregå-
ende yrkesutdanning er et av få utdanningspolitiske virke-
midler som er tilgjengelig for fylkeskommunene. Tid ligere 
studier fokuserer enten på spesifikke typer høyere utdan-
ning eller skiller kun på lav og høy utdanning. Vårt bidrag 
er her å belyse de regionale effektene av politikkhåndtaket 
fylkeskommunene har gjennom å styre den videregående 
fagutdanningen. Dette gjør vi gjennom å ta hensyn til gene-
relle likevektseffekter. Gjennom dette fyller vi et metodisk 
hull i litteraturen omkring desentralisert utdanning.
NOREG 2-MODELLEN ER VÅRT VERKTØY
Vi bruker den anvendte, regionaliserte generelle likevekts-
modellen NOREG 2 i analysen av de to utdannings politiske 
alternativene. NOREG 2 (Norwegian Regional General 
Equilibrium Modelling System) er en generell likevekts-
modell med en geografisk dimensjon som er utviklet for 
analyser av den regionaløkonomiske utviklingen på mel-
lomlang og lang sikt. Modellen er velegnet for å studere 
virkninger av regionale tiltak og de regionale implikasjo-
nene av nasjonale trender og politikkområder.
NOREG 2 knytter aktørene i den norske økonomien 
sammen gjennom kryssløpet, faktormarkedene og bud-
sjettbetingelsene. Som en ‘spatial computable general 
equilibrium’-modell (SCGE-modell) tar den innover seg at 
produksjon og konsum kan foregå på ulike steder i landet, 
og kostnaden ved transporten er en del av varekostnaden. 
Ettersom det løpende legges til nye egenskaper og modu-
ler, kommer nye versjoner av modellen fortløpende. I 
denne analysen bruker vi NOREG 2.2, der flyttingen skjer 
endogent, under hensyn til stedspreferanser. Modellen er dynamisk rekursiv, som betyr at de enkelte 
årene er knyttet sammen via husholdningenes sparebeslut-
ninger og bedriftenes investeringsbeslutninger. Det er full 
ressursutnyttelse, med andre ord ingen arbeidsledighet 
eller andre ledige ressurser. Nasjonal tilgang på arbeids-
kraft er eksogent gitt i hvert år, og bestemmer sammen 
med kapitalbasen og produktivitet økonomiens størrelse til 
enhver tid. Prisene på innsatsfaktorer og produkter sørger 
for likevekt i vare- og faktormarkedene.
NOREG 2 fyller et udekket behov
NOREG  2 fyller et udekket behov for analyser av norsk 
økonomi. Modellene som benyttes av Finansdepartementet 
er alle nasjonale, uten regional inndeling. Modellene som 
ofte brukes for å studere regionale effekter (ringvirknings-
modeller mm.) mangler egenskapene som hensyntar like-
vekten i økonomien. NOREG  2 kombinerer det generelle 
likevektsperspektivet med det regionale perspektivet i ett 
konsistent rammeverk. Modellen fyller dermed et hittil 
udekket behov for regionale analyser som hensyntar hvor -
dan etterspørselen etter knappe ressurser påvirker prisene 
og samvirkninger mellom regioner.
Finansdepartementet benytter KVARTS til framskrivnin-
ger og politikkanalyser på kort og mellomlang sikt. 
KVARTS brukes også av SSB til konjunkturanalyser. I til-
legg er NORA (NORwegian fiscal policy Analysis model) 
en makroøkonomisk modell som kan brukes til å analysere 
hvordan finanspolitikken påvirker sentrale makroøkono-
miske størrelser på mellomlang sikt. DEMEC brukes for å 
studere langsiktige sammenhenger mellom demografi, 
makro økonomisk utvikling og offentlige finanser. De lang-
siktige anslagene i Perspektivmeldingen er basert på 
DEMEC. DEMEC har imidlertid ganske få næringer. 
SNOW er en generell likevektsmodell av samme type som 
NOREG 2, men er først og fremst tilpasset for å analysere 
klimaspørsmål (Rosnes mfl., 2019). Ingen av disse model-
lene har regional inndeling.	
1	
NOREG 2 avløser en tidligere modell, NOREG 1 (Bruvoll 
mfl., 2015) og er modellert etter de samme prinsippene som 
SCGE-modellen PINGO, utviklet ved TØI (Hansen og 
Johansen, 2016, 2017). Mens PINGO hadde fokus på trans-
port og infrastrukturutbygging, muliggjør NOREG 2 regio-
nale analyser i et langt bredere perspektiv. REMES 
(Regional Equilibrium Model for Norway with focus on the 
1 Tidligere har MODAG vært benyttet for studier av regional utvikling, 
ved enten å spre makroeffektene etter regionenes sysselsettingsandeler, 
eller ved å koble seg på andre modeller, som SSBs tidligere REGARD-
modell. Verken MODAG eller REGARD er i bruk lenger.	
56 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

Energy System) er en annen CGE-modell med regional 
oppløsning (Werner mfl., 2017). REMES ligner i prinsippet 
på NOREG  2, men har et annet datagrunnlag og vekt på 
modellering av energisystemet, og er mindre egnet til å stu-
dere generelle regional- og strukturpolitiske virkemidler.
Både NOREG 2, REMES og PINGO er en del av en euro-
peisk familie av SCGE-modeller med utspring i den neder -
landske RAEM-modellen (Ivanova mfl., 2007), hvor 
modellprinsippene blant annet er videreført i de regionale- 
og multinasjonale modellene RHOMOLO (Mercenier 
mfl., 2016) som er EU- kommisjonens SCGE-modell på 
NUTS 2 nivå.	
2	
Panda-modellen	3 er en regional modell for Norge, som bru-
kes til analyser og framskrivinger innenfor demografi, 
befolkning og næringsliv, og omstillings- og konsekvens-
analyser av tiltak. Modellen inneholder en kryssløpsmodell 
for leveranser mellom norske næringer, og beregner regio-
nal utvikling basert på forutsetninger om nasjonal og regio-
nal ressurstilgang, men tar ikke hensyn til markedsbaserte 
tilpasninger og begrensninger på tilbudssiden. Panda-
modellen er i hovedsak en partiell modell som benyttes til 
analyser av enkeltregioner på kort og mellomlang sikt, i 
motsetning til NOREG 2, som analyserer de langsiktige 
regionale likevektseffektene av endringer i politikkvariabler.
Aktører, atferd og markeder i NOREG 2	
4	
NOREG 2 framstiller økonomien ved hjelp av representa-
tive husholdninger, bedrifter og offentlig sektor.
Husholdninger er modellert som fire representative hus-
holdninger i hver region, differensiert etter utdannings-
nivå: ufaglærte/lav utdanning (grunnskole og videre gående 
skole utenom fagutdanning), faglærte med fag ut danning 
(yrkesfaglige retninger i videregående skole), lavere grads 
universitets- og høyskoleutdanning (bachelor og tilsva-
rende), og høyere grads universitets- og høyskoleutdan-
ning (over bachelor). Husholdningene tilbyr arbeidskraft 
til bedriftene og mottar lønn lik med verdien av sin grense-
produktivitet. Husholdningene og det offentlige eier real-
2 NUTS (nomenclature des unités territoriales statistiques) er en stan-
dardkode for regioninndeling i Eurostat, se https://ec.europa.eu/eu-
rostat/web/nuts/background.
3 Panda-modellen ble utviklet av Sintef. Den første versjon av model-
len ble utviklet i 1989–1991. Modellen driftes av foreningen Panda 
analyse, bestående av fylkeskommunene og Kommunal- og distrikts-
departementet. https://www.pandaanalyse.no/pandamodellen/
4 En mer detaljert omtale av modellen finnes i Hansen mfl. (2023).	
kapitalen, som de leier ut mot renteinntekter.	5 Hus hold-
ningenes inntekt består derfor av netto lønnsinntekt og 
kapitalinntekt (etter skatt), og overføringer fra myndig-
hetene i form av barnetrygd, alderstrygd med videre. Hus-
holdningene maksimerer nytte gitt sitt tilgjengelige bud-
sjett. Det er antatt en Stone-Geary nyttefunksjon, som gir 
hver husholdningstype i hver region et lineært utgiftssys-
tem (LES).
I hver region er det profittmaksimerende bedrifter som 
representerer ulike næringer (24 næringer i denne modell-
versjonen). Hver bedrift i hver region produserer én vare. 
Produksjonsteknologiene har konstant skalautbytte, og er 
modellert som CES-funksjoner der kapital (K), ulike typer 
arbeidskraft (L), energi (E) og ulike innsatsvarer (M) (til 
sammen KLEM) er substituerbare (Figur 2). Det er sepa-
rate substitusjonselastisiteter for hver næring. Sub stitu-
sjons elastisitetene er basert på internasjonal forsknings-
litteratur. Vi bruker særlig estimatene fra Koesler og 
Schy mura (2015), som benytter i hovedsak samme KLEM-
struktur og lignende næringsinndeling som i NOREG 2. 
Elastisitetene i Koesler og Schymura (2015) er estimert 
basert på World Input-Output Database (WIOD), som 
inneholder data for 40 land (inkl. 27 EU-land). Det pågår et 
arbeid med å beregne elastisitetene på norske data og til-
passet NOREG 2.
Kapitalen er låst til en næring på kort sikt, men flyttbar på 
lang sikt. Arbeidskraft kan flytte mellom næringene og 
regionene. Dette innebærer at størrelsen på næringene i 
hver region, og nasjonalt er endogen, men stiavhengig.
Offentlig sektor er modellert som én nasjonal aktør som 
mottar alle skatteinntektene og betaler ut subsidier til 
bedrifter og overføringer til husholdninger. Offentlig sek -
tors etterspørsel etter varer og tjenester er eksogen.
Regional inndeling og handel
For å representere regioner antar NOREG 2 at den norske 
økonomien er summen av regionenes økonomi. Hver 
region er slik sett å sammenlikne med et «land» preget av 
fri bevegelse av faktorer, varer og tjenester til og fra 
«utlandet».	
6 Den regionale inndelingen i modellen er flek -
sibel: den minste enheten er kommuner, som kan aggrege-	
5 Utenlandsk eierskap og norsk eierskap i utlandet ser vi bort fra i mo-
dellen. Overføringer til og fra utlandet og sparing i utlandet er imidler -
tid tatt hensyn til.
6 Noen lesere kan spørre seg hvor det blir av handelsbalansen til et slikt 
«land». Den vil være summen av individuelle budsjettbetingelser og 
vil derfor ikke løpe løpsk. Det samme gjelder for øvrig nasjonen som 
helhet.	
SAMFUNNSØKONOMEN NR. 4 2023 // 57
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

res til større enheter etter behov, f.eks. til fylker, økono-
miske soner eller landsdeler. Det er også mulig å kombinere 
inndelingen, f.eks. analysere ett fylke inndelt i kommuner, 
mens resten av landet er inndelt i fylker. I modellanvendel-
sen her er den regionale enheten fylke.
Økonomien er liten og åpen, med omfattende handel med 
utlandet og mellom regionene. I en liten åpen økonomi er 
verdensmarkedsprisene eksogent gitt. Utenrikshandelen er 
modellert ved Armington-forutsetningen, som antar at 
importerte og hjemmeproduserte varer er imperfekte sub-
stitutter. Handelen mellom regioner i Norge er modellert 
på samme måte, men verdiene for elastisitetene er forskjel-
lige ved at det er langt lettere å substituere mellom innen-
landskproduserte varer fra ulike steder i Norge enn med 
varer fra utlandet. Det er også enklere å handle med eller 
transportere enkelte varer og tjenester enn andre, noe som 
gjenspeiles i handelselastisitetene. Det er lavere handelse-
lastisitet for tradisjonelt offentlige tjenester enn for varer, 
som betyr at slike tjenester forbrukes i større grad i samme 
region som de produseres.
Flytting er endogen
Arbeidskraften kan flytte mellom regionene. Flytte elas-
tisite 
ter til NOREG 2 er estimert i en modifisert versjon av Kornstad mfl. (2023), som modellerte brutto innenlands 
flytting mellom 89 økonomiske soner. I deres modell fører 
lønnsforskjeller til flytting mellom de økonomiske sonene. 
I den modifiserte versjonen, Skjerpen mfl. (2023), model-
leres derimot netto flytting til en økonomisk sone. Det har 
også blitt foretatt noen modifikasjoner av inndelingen etter 
utdanning (dvs. hvilke utdanningskoder som inngår i de 
fire aggregerte gruppene). Skjerpen mfl. (2023) gjennom-
førte separat estimering for de fire utdanningskategoriene 
basert på data for perioden 2001–2014 for de 89 observa-
sjonsenhetene. Modellspesifikasjonen med fokus på effek -
ten av endring av relativ realtimelønn er gitt under. 
Virkningsparameteren er den samme for alle de økono-
miske sonene.
 
 
 	
 
MIGRASJON 	re ,t + 1	 
 	____________	 	 
BEFOLKNING 	re ,t + 1	 
 
 = 
β 
 	e 
 
 (log 	( 
W 
 re t 
 ) 
 − log 	( 
 _ W 
 
 re t 
 ) ) 
 + X γ + 
ε 
 	re ,t + 1	 
 
 
der
• 
 
W 	
re t 
 
 
 : Gjennomsnittlig timelønn i region r for utdan-
ningsgruppe e i år t
• 
 
 	
_ W 
 re t 
 
 
 : Gjennomsnittlig befolkningsveid timelønn i alle 
andre regioner
• 
X : Andre kontrollvariabler (arbeidsledighet, regionale 
og trendeffekter, etc.)	
Figur 2: CES-produksjonsteknologien for produksjon av vare i. σ viser substitusjonselastisiteter mellom ulike innsatsfaktorer
58 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

Skjerpen mfl. (2023) finner at elastisitetene for flytting 
som følge av endring i reallønn er rundt 0,01. Det betyr at 
en ti prosents økning i reallønn i en region øker tilflyttin-
gen med 0,1 prosent, og må karakteriseres som en svært 
lav respons. Husholdningene i vår modell har med andre 
ord sterke stedspreferanser, og det er de mest høyest utdan-
ning som har sterkest stedspreferanse (lavest elastisitet), 
mens de ufaglærte har noe høyere tilbøyelighet til å flytte 
utfra lønnsforskjeller.
Nasjonalregnskapet og Nasjonal Godsmodell gir 
datagrunnlag
Datagrunnlaget til modellen er kryssløpstabeller fra nasjo-
nalregnskapet, fordelt på modellens regioner.	
7 Handelen 
mellom regionene i basisåret beregnes ved bruk av matri-
ser for regionale varestrømmer og transportkostnader hen-
tet fra Nasjonal Godsmodell (NGM).	
8	
Viktige drivere bak resultatene
Styrken med en generell likevektsmodell er at «alt henger 
sammen med alt», akkurat som i den faktiske økonomien. 
Men en viktig driver bak etterutdanningstiltak vil typisk 
handle om hvordan tiltaket påvirker arbeidsmarkedet. 
Opphavet ligger på tilbudssiden i arbeidsmarkedet, men 
virksomhetenes appetitt på å ansette ulike former for kom-
petanse (etterspørselssiden) er også viktig. Appetitten 
varierer mellom næringer, slik at næringsstrukturen også 
er viktig. Tilbuds- og etterspørselssiden av arbeidsmarke-
det skaper utslaget på relative lønninger, siden lønnsdan-
nelsen ligger i «markedskrysset». Utslaget på relative løn-
ninger genererer i neste omgang flytting inn og ut av 
regionen.
FRAMSKRIVNINGER AV ØKONOMIEN VISER 
ØKTE REGIONALE UBALANSER
Referansebanen følger Perspektivmeldingen (Meld. St. 14 
(2020–2021)). Perspektivmeldingens økonomiske fram-
skrivninger bygger på forventninger om store omstillinger 
som følge av blant annet endrede internasjonale rammebe-
tingelser, klimaendringer og endringer i befolkningen og 
arbeidslivet, og endrede økonomiske forutsetninger.
Vi bruker de viktigste forutsetningene fra Perspektiv -
meldingen: gjennomsnittlig årlig total produktivitets-
vekst på 1 prosent i private fastlandsnæringer og 0,3 pro-
7 https://www.ssb.no/en/nasjonalregnskap-og-konjunkturer/metoder-
og-dokumentasjon/supply-and-use-and-input-output-tables
8 NGM beregner transportkostnader for godstransport innenfor en rekke 
produktkategorier mellom alle norske kommuner.	
sent i offentlig sektor. Aktiviteten i petroleumsnæringen 
vil avta fra midt på 2020-tallet (se f.eks. figur 3.10 i 
Perspektiv meldingen). Offentlig konsum følger en ekso-
gen bane, og øker med omtrent 1,4 prosent i året. Vi leg-
ger også til grunn en energieffektivisering på omtrent 
1 prosent i året.
Befolkningsutvikling er en viktig forutsetning og driver i 
modellen. Vi baserer oss på SSBs befolkningsframskrivin-
ger (SSB, 2020), og bruker MMMM-banen som grunnlag. 
MMMM danner utgangspunktet for befolkningen i hver 
region, men som omtalt ovenfor kan arbeidskraften flytte 
hvis lønnsforskjellene tilsier det. Yrkesdeltakelsen er rundt 
70 prosent, økende til over 71 prosent mot 2050.
Selv om det er arbeidskraft med ulik utdanning i modellen, 
er beholdningen av arbeidskraft av hver type eksogen. 
Derfor må vi gjøre noen forutsetninger om hvordan befolk -
ningens utdanningsnivå vil utvikle seg. Vi har tatt utgangs-
punkt i framskrivinger i Samfunnsøkonomisk analyse 
(2019). Andre studier av dette er Cappelen mfl. (2020) og 
Larsen mfl. (2022). I framskrivingene øker andelen med 
høgskole- og universitetsutdanning med 1–1,4 prosent per 
år, slik at andelen øker fra 39 prosent i 2018 til 53 prosent 
i 2040. Framskrivingen antar ingen endring i andelen av 
befolkningen som har fagutdanning. Modellresultatene 
viser at lønnsnivået til fagutdannede nærmer seg lønnsni-
vået til bachelor-utdannede. Det tyder på at det er større 
etterspørsel etter fagutdannede over tid.
Til sammen gir forutsetningene en gjennomsnittlig årlig 
vekst i fastlands-BNP per innbygger på 1,1 prosent. Det 
samsvarer med utviklingen i Perspektivmeldingen.
NOREG 2 framskriver økende regionale forskjeller i BNP 
per innbygger. Oslo-området får høyest vekst i perioden 
fram til 2050, med en gjennomsnittlig årlig økning av brut-
toproduktet på 1,4 prosent. Rogaland, Vestland og Trønde-
lag ligger omtrent på landsgjennomsnittet på 1,1 prosent, 
mens de andre fylkene har lavere vekst (se Figur 3). 
Utviklingen reflekterer og forsterker dermed dagens bilde.
For å forstå hvorfor dette skjer, er det nyttig vurdere vek -
sten i ulike næringer. I Figur 4 har vi plukket ut de fire 
næringene som har størst vekst i perioden i henholdsvis 
Oslo og Trøndelag. Figuren viser betydelige forskjeller. I 
Oslo vokser Kunnskapsbaserte tjenester og Finans klart 
mest, men også Andre private tjenester vokser. Veksten 
i  Trøndelag drives av Kunnskapsbaserte tjenester, som i 
Oslo, mens Helse og omsorg er vekstmotor nummer to, 	
SAMFUNNSØKONOMEN NR. 4 2023 // 59
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

i motsetning til Oslo. Vi legger også merke til at Offentlig 
administrasjon er større i Trøndelag. Samlet har altså 
regionen en langt kraftigere vekst i offentlige tjenester 
sammenliknet med Oslo, der det er private tjenester som 
vokser. Bygg- og boligtjenester er viktige næringer i 
begge fylkene og antyder at man vil se høyere boligpriser 
og flere boliger begge steder, i tråd med bosettings-
mønsteret.
Av dette kan vi utlede at den høyere veksten i Oslo i stor 
grad skyldes næringsmessige sammensetningseffekter. De 
kunnskapsbaserte private tjenestenæringene, som Finans 
og andre kunnskapsintensive tjenester, vokser og tar over i 
næringssammensetningen. Dette er tjenester som lett lar 
seg selge rundt i landet, og det er det Oslo gjør: Regionen 
eksporterer kunnskapsbaserte tjenester til andre regioner. I 
Trøndelag vokser også kunnskapsindustrien, men ellers er 
det offentlige tjenester med noe lavere produktivitet som 
vokser frem.
Med kraftig vekst i kunnskapsbaserte private tjenester føl-
ger det at høyt utdannet arbeidskraft, med universitets-/
høyskoleutdanning, flytter til Oslo, mens flyttestrømmen 
av lavt utdannede og fagutdannede går andre veien (Figur 
5). Bildet er det samme i Trøndelag som helhet, og her kan 
man spekulere at Trondheim er motoren for å tiltrekke seg 
utdannet arbeidskraft. TO UTDANNINGSPOLITISKE TILTAK
Vi sammenligner to utdanningspolitiske tiltak og ser på 
hvilke implikasjoner de får for regionale bo- og arbeids-
markedsmønstre. Tiltakene er:
• Lokal økning i utdanningskapasiteten for fagarbeidere 
i Trøndelag
• Økt nasjonal satsning på etterutdanning
Hypotesen et at lokalt rettede utdanningspolitiske tiltak 
kan bidra til å sikre bosetting og vekst lokalt. Arbeidskraft 
som utdannes lokalt, utvikler stedspreferanser og blir 
boende. Effekten er sterkere, desto lengre utdanningsløpet 
varer. Med utdannet arbeidskraft til stede, skapes det kom-
petansearbeidsplasser regionalt istedenfor sentralt. Tiltak 
som hever kompetansen i landet som helhet, vil gi flere 
kompetansearbeidsplasser og høyere produktivitet nasjo-
nalt, men allikevel videreføre den eksisterende trenden 
med økt sentralisering.
Økt fagutdanning i Trøndelag styrker Trøndelags økonomi
I mange fylker er det behov for arbeidstakere med fagut-
danning (Myklathun, 2023). Fagutdanning er yrkesfaglige 
retninger i videregående skole, for eksempel bygg- og 
anlegg, elektrofag, frisør, helse- og oppvekst, IKT og 
medieproduksjon. Vi analyserer en økning i antall studie-
plasser innen yrkesfag i Trøndelag. Tiltaket kan også 
 
tolkes som en økning i antallet som fullfører sin fag ut-	
, %, %, %, %, %, %, %, %	
Oslo
Rogaland Vestland
Tr\bndelag Troms
Nordland Finnmark Agder
Akershus
M\bre og Romsdal	
Vestfold og Telemark	
Buskerud
Innlandet Østfold	
Figur 3: 
Gjennomsnittlig årlig vekst i fastlands-BNP per innbygger (2018–2050)
60 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

danning. Det er en del frafall i fagutdanningen (Ut dan-
nings direktoratet, 2023) og fylkene arbeider for å få ned 
frafallet. Man kan forstå tiltaket som at dette arbeidet lyk -
kes i Trøndelag.
Konkret antar vi at antallet fagutdannede i Trøndelag øker 
med én prosent per år i perioden 2025–2035 (11 år). Det 
tilsvarer om lag 700 nyutdannede per år og om lag 7800 flere fagutdannede totalt. Til sammenlikning arbeider det 
ifølge SSB snaue 250  000 personer i Trøndelag. 7800 
utgjør om lag tre prosent av dette.
Vi ønsker å undersøke virkninger på tilflytting og utflytting 
av et tiltak som hever kompetansen til befolkningen. 
Modellteknisk betyr det at vi ikke ønsker at en økning i 
antall fagutdannede skal påvirke tilflytting eller utflytting 	
 -              
Bygg- og
 boligtjenester Finans
Fiske, \bangst
 og akvakultur VarehandelHelse og
 omsorg
O\b\bentlig adm.
Andre tjenester	
Kunnskapsintensive	 tjenester
Mrd. kr	
Oslo	
	 	
 -                      	  	
Trøndelag	
Bygg- og
 boligtjenester Finans
Fiske, \bangst
 og akvakultur VarehandelHelse og
 omsorg
O\b\bentlig adm.
Andre tjenester
Kunnskapsintensive
 tjenester	
	 
Mrd. kr	
- - -
-

Oslo	
Trøndelag
Antall personer (a\b\bu\Amulert –)	
Høye re  g ra d s  uni	v.	
La ve re  g ra d s u niv.
F a g utd an nin g
La v  utd an n in g	
Figur 4: Næringsutvikling i Oslo og Trøndelag: bruttoprodukt i 2018 og 2050. Merk at skalaen på x-aksen er ulik.
Figur 5: Antall personer som har flyttet inn (akkumulert sum 2018–2050)	
SAMFUNNSØKONOMEN NR. 4 2023 // 61
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

på en eksogen måte. Økningen i antall fagutdannede i 
Trøndelag må derfor motsvares av en like stor nedgang i en 
annen gruppe. Vi forutsetter at det er gruppa med lav 
utdanning som blir mindre, mao. at 7800 personer går fra å 
ha lav utdanning til å ha fagutdanning. Tiltaket handler 
altså om å opprette studieplasser, slik at om lag tre prosent 
av arbeidsstyrken går fra å være lavt utdannede til være 
fagutdannede.
Fagutdannede flytter ut, lavt utdannede flytter inn
Kompetansehevingen til de lavt utdannede i Trøndelag 
fører til endringer i relative lønninger for ulike arbeids-
takerkategorier, som igjen fører til endringer i etterspørsel 
etter arbeidskraft i næringer og til endogen flytting til og 
fra fylket.
Tiltaket fører til at om lag 1000 fagutdannede flytter ut av 
Trøndelag, som en endogen respons til lønnsendringer, 
sammenliknet med referansebanen (se Figur 6). Det kan 
ikke sies å være en stor lekkasje sammenliknet med øknin-
gen i antallet fagutdannede på 7800. Samtidig er lekkasjen 
større enn null, som betyr at tiltaket i seg selv er uegnet til 
å lokke flere til fylket.
Som følge av kompetanseøkningen blir det over ti år blir 
7800 færre med lav utdanning i fylket. Det fører til tilflyt-
ting av slike arbeidstakere fra andre fylker å fylle hullet 
etter de 7800 som fikk økt kompetanse. Denne tilflyttings-
strømmen er nesten like stor som utflyttingsstrømmen av fagarbeidere (snaue 1000 personer). I tillegg skjer det en 
liten utflytting i gruppa med lavere universitetsutdanning. 
Samlet sett fører tiltaket til at sysselsetting og befolkning i 
Trøndelag er omtrent uendret (se den stiplede linjen på 
Figur 6). I sum sitter økonomien i Trøndelag igjen med 
langt flere fagutdannede i næringslivet.
Det er verdt å merke seg at driveren bak innflytting til 
Trøndelag ikke er de fagutdannede som det blir flere av 
internt i fylket, men de lavt utdannede som det blir færre av 
internt i fylket. Det er en generell likevektseffekt som så 
langt ikke er særlig vektlagt i norsk distriktsdebatt.
Relative lønninger følger inn- og utflytting
I regionale analyser i Norge snakkes det mye om ringvirk -
ninger, der endringer i ulike næringspolitiske motorer fører 
til flere arbeidsplasser enn dem man opprinnelig hadde. I 
en generell likevektsanalyse må en fysisk endring, for 
eksempel tilflytting, motsvares av en korresponderende 
prisendring. For eksempel må lønnsnivået for faglærte øke 
for at den opprinnelige økningen fra tiltaket skal gi ring-
virkninger i form av at enda flere faglærte strømmer til fyl-
ket. Det er lite sannsynlig at økt tilbud skulle gi høyere 
lønnsnivå, og dermed er det et viktig hull i ringvirknings-
teorien.
I vår modellanalyse bidrar økt tilbud av faglærte til at det 
relative lønnsnivået for faglærte i Trøndelag går ned (Figur 
7). En slik lønnsnedgang er nødvendig for å skape flere 	
-
-
-

Lav t utdanned e	Fagut dannede	Un\bv ers \bt e t,  la ve re	
U n\bv ers \bt e t,  h ø yere	T o ta lt	
Figur 6: Årlig netto innflytting til Trøndelag, relativt til referansebanen (sysselsatte personer)
62 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

arbeidsplasser for faglærte – i en generell likevektsanalyse 
er det ikke rom for å ansette mange flere til nøyaktig samme 
lønn. Den relative lønnsnedgangen er samtidig årsaken til 
at noen av de faglærte flytter ut av fylket. Dette er personer 
som overvinner sin stedspreferanse for å få høyere lønn 
andre steder.
Den andre siden av saken er at lønnsnivået for personer 
med lav utdanning øker. Det er en følge av økt knapphet på 
slike personer i Trøndelag. Bedriftene slåss om dem på en 
annen måte enn før. Den høyere relative lønnen for de med 
lav utdanning fører til innflytting til fylket.
For oss er det en troverdig mekanisme modellen peker på: 
Man vil ikke få tilflytting uten noe høyere lønninger, og det 
vil ikke skapes flere arbeidsplasser uten noe lavere relative 
lønninger i forhold til sammenlikningsgrunnlaget. I en 
gruppe hvor lønnsnivået går ned, vil noen flytte ut. I en 
gruppe hvor lønnsnivået går opp, vil noen flytte inn fra 
andre steder.
Produktiviteten i næringslivet i Trøndelag går opp
Resonnementet over kan få noen til å tro at økt fagutdan-
ning har null virkning på gjennomsnittlige lønninger. Det 
er ikke riktig. Selv om lønna for fagutdannede går omtrent 
like mye ned som lønna for lavt utdannede går opp, så blir 
det flere fagutdannede og færre med lav utdanning. Det 
vektede gjennomsnittet går derfor opp. Siden fylket tjener 
det det skaper, innebærer dette at Trøndelag produserer mer med omtrent like mye ressurser. Økningen i bruttopro-
dukt per person er om lag 0,65 prosent på lang sikt. Det er 
kanskje ikke så mye, men vi må huske at det stammer fra 
en beskjeden overgang på tre prosent av arbeidsstokken fra 
lavt utdannet til fagutdannet kategori.
Man kunne tenke at den økte inntekten på 0,65 prosent per 
person ville utløse økt etterspørsel, mer kjøp og omsetning 
i butikkene, som i neste omgang ville øke sysselsettingen i 
Trøndelag. Denne effekten er til stede i vår analyse, men 
det er viktig å huske at opphavet til etterspørselen er økt 
produktivitet. Dermed er det i makro ikke behov for flere 
sysselsatte for å dekke økt etterspørsel. Alt som står igjen 
av påstanden om økt sysselsetting som følge av økt etter -
spørsel er sammensetningseffekter. Sammen setnings eff ek-
ter kan opp stå dersom etterspørselen retter seg mot andre 
næringer enn de som får økt produktivitet. Mellomlegget 
her er handel med andre regioner, som modellen tar hensyn 
til og holder styr på.
Disse betraktningene antyder at endringer på næringsnivå 
som følger av tiltaket er en sum av mange underliggende 
drivkrefter. Figur 8 viser samlet utfall på næringsnivå.
Kjemisk industri og kraftkrevende industri er næringene 
som vokser mest som følge av tiltaket. I hovedsak er det én 
næring som går ned i omsetning, nemlig reiseliv. For å for -
klare disse endringene på en systematisk måte er det nyttig 
å starte med kostnadsendringene: En næring vil oppleve at

,
,
,
,

Reallø nn per arbeider, mN\bK	
LA V R efe rans ebane	LA V S ce n ario	F A G  R efe rans eba ne	FA G  S cenar io	
Figur 7: Lønnsutvikling i Trøndelag	
SAMFUNNSØKONOMEN NR. 4 2023 // 63
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

kostnadene går ned om man er intensiv i faglærte og opp 
om man er intensiv i ufaglærte. Det driver omsetningen opp 
i næringer som får en kostnadsfordel. Eksempelvis kommer 
nesten 60 prosent av arbeidsinnsatsen i kraftkrevende 
industri fra faglærte, og nesten 25 prosent fra ufaglærte. I 
næringen reiseliv er bildet motsatt, med 55 prosent av 
arbeidsinnsatsen fra ufaglærte og 23 prosent fra faglærte.
Samtidig er det en annen mekanisme som har betydning i 
modellen: Etter utflytting og innflytting sitter vi igjen med 
at det er flere faglærte og færre ufaglærte i Trøndelag. Til 
gitte priser og kostnader (altså når vi ignorerer momentet 
vi nettopp diskuterte) tilpasser økonomien seg ved at 
næringer som bruker relativt mye faglært arbeidskraft 
ekspanderer og næringer som bruker relativt lite reduseres. 
Dette er en generell likevektsmekanisme vi kjenner fra 
handelsteorien som Rybczynski-teoremet. Bred satsing på etterutdanning forsterker presset på Oslo
Skiftende regjeringer har ønsket å satse bredt på etterut-
danning (Hurdalsplattformen, 2021). Det er lett å tro at 
etterutdanningstilbud over hele landet vil bremse sentrali-
seringen på samme måte som lokale utdanningstilbud. Ved 
et slikt program kan man ta etterutdanningen der man bor, 
som binder en fastere til bostedet, stedspreferansene blir 
sementert, og man kan etterpå bidra å utvikle kompetanse-
arbeidsplasser over hele landet.
Poenget med etterutdanning er å bli mer produktiv. Vi illus-
trerer effekten av en bred satsing på etterutdanning ved å 
anta at etterutdanning er et tilbud til arbeidstakere med 
lavere grads universitetsutdanning. I dette tiltaket ser vi for 
oss et bredt lansert etterutdanningsprogram som øker pro-
duktiviteten jevnt over i hele denne utdanningsgruppen. 
Eksempler på slike program kan være bredt anlagte kurs og 	
-% -% %%%%% %%	
Kjemisk industri
Kra\btkrevende industri\d Sjø\bart
Annen industri Landbruk
Næringsmiddelindustri Bygg og anlegg
Fiske, \bangst og akv\dakultur Andre tjenester
Teknologisk industri\d
Vann og avløpElektrisitet
Lu\bttransport
Landtransport
Transportrelaterte tj\denester	
Kunnskapsintensive \dtjenester	
Bygg- og boligtjen\dester VarehandelFinans
Helse og omsorg Undervisning
O\b\bentlig adm.
PetroleumReiseliv	
Figur 8: 
Bruttoprodukt i ulike næringer i Trøndelag 2050: relativ endring fra referansebanen (faste priser)
64 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA

videreutdanning innen digitalisering, eller mer fagrettet for-
nyelse og ajourføring av oppdatert kunnskap. Etter 
utdan-
nings programmet er modellert som et program som ikke gir 
formell kompetanseheving ved at folk flyttes til en høyere 
utdanningskategori, men som gir produktivitetsøkning til 
den kategorien man allerede tilhører. Vi antar at tilstrekke-
lig mange benytter seg av tilbudet til at arbeidsproduktivite-
ten i gruppa lavere grads universitetsutdanning øker med 
0,5 prosent i året i 11 år, og omtrent 5,5 prosent til sammen. 
Den økte arbeidsproduktiviteten fører til en langsiktig 
økning i fastlands-BNP på om lag to prosent.
Tiltaket viser seg å gi moderate virkninger på flyttemønste-
ret, men fortegnet på virkningen går i retning større befolk -
ning i Oslo og Viken. Over hele perioden er det snakk om 
omtrent 320 flere sysselsatte i Oslo og Viken, og kanskje 
dobbelt så mange når man inkluderer de sysselsattes fami-
liemedlemmer.
For å forklare fortegnet på tilflyttingen må man se på de 
samme faktorene som bidrar til tilflytting i referansebanen. I 
begge tilfeller er det generell økonomisk vekst som er driv -
kraften. Generell økonomisk vekst fører til at etterspørselen 
vrir seg mot næringer som befinner seg sentralt. Det driver 
opp lønnsnivåene i disse næringene og fører til tilflytting.
For å forklare styrken i tilflyttingen, må en huske på at 
arbeidstakerne i modellen har forholdsvis sterke stedspre-
feranser. Selv om lønningene øker Oslo og Viken, reagerer 
arbeidstakerne moderat. Svakere stedspreferanser vil inne-
bære økt flytting.
AVSLUTNING
De siste 25 årene har vært preget av sentralisering til 
Østlandet. Modellen predikerer at uten særskilte tiltak vil 
de neste 25 fortsette på samme måten. Det er et funn av 
selvstendig interesse, men det er bare et mellomsteg i vår 
analyse. Flere offentlige utvalg har foreslått å desentrali-
sere studietilbud som tiltak mot sentralisering. Problem-
stillingen i analysen er om slike tiltak virker. Vi studerer to 
tiltak. Tiltaket økt fagutdanning i Trøndelag er å utdanne 
flere fagutdannede som ellers ville vært lavt utdannet. Vi 
finner at de fleste nye som får fagutdanning, fortsetter å bo 
i regionen, men noen flytter ut. Til gjengjeld flytter det inn 
arbeidstakere fra andre steder i landet for å fylle gapet i 
arbeidsmarkedet etter personer med lav fagutdanning. Inn- 
og utflytting viser seg å mer eller mindre oppveie hveran-
dre. Grunnen til det er at utslaget (i absoluttverdi) på rela-
tive lønninger er omtrent det samme, og stedspreferansene er om lag like sterke for de to gruppene. Mer generelt vil 
totaleffekten avhenge av forskjellen i lønnsutslag og 
stedspreferanser i gruppen det blir flere av (fagutdannede) 
og gruppen eller gruppene det blir færre av.
Det andre tiltaket er en bred satsing på etterutdanning gjen-
nom lokale etterutdanningstilbud. Vi finner at dette tiltaket 
virker moderat sentraliserende. Det skyldes at etterutdan-
ning gir økt produktivitet bredt utover hele landet, som gir 
økt kjøpekraft, og kjøpemønsteret retter seg mot sentrale 
områder av landet.
Et viktig særtrekk ved vår analyse, sammenliknet med tid-
ligere analyser av temaet, er at vi legger vekt på generelle 
likevektsvirkninger av tiltakene. I tiltaket økt fagutdanning 
i Trøndelag er for eksempel adferden til de lavt utdannede 
like viktig som adferden til de (nye) fagutdannede. Gjen-
nom å legge vekt på generelle likevektsvirkninger fyller vi 
et hull i litteraturen om desentralisert utdanning. Det er 
etter vårt syn en generell svakhet i mange tidligere analyser 
at man ikke presiserer alternativet til økt lokal utdannings-
kapasitet og hvor studentene hentes fra. Vår analyse får 
frem hvor kritisk det er å presisere dette.
Er så desentralisert utdanning et godt tiltak mot sentralise-
ring? Først og fremst tyder vår analyse på at utslaget ikke 
er så stort i den ene eller andre retningen. Dernest tyder 
analysen på at det kommer an på hva man mener med 
desentralisert utdanning. Et nytt utdanningstilbud i en 
region ser ikke ut til å skape særlig netto innflytting, men 
det bidrar i hvert fall ikke til sentralisering. Dersom mange, 
og til slutt alle regioner har egne tilbud, så er det som om 
ingen har en fordel av det. Men det kan likevel være bedre 
for bosettingen enn å samle flere utdanningstilbud i Oslo.
REFERANSER	
Arbo, P. (2019). Universitet og region – en sammensatt relasjon, i Knudsen, J. P. og T. Lauvdal (red.) Geografi, kunnskap, vitenskap: 
Den regionale UH-sektorens framvekst og betydning. Cappelen 
Damm Akademisk, Oslo.
Bruvoll, A., L. Grünfeld, J. Skogstrøm og H. Vennemo (2015). Hvordan ta hele NOREG i bruk? Ny modell for økonomisk 
utvikling i regionene. Samfunnsøkonomen 129 (6), 8–10. 
Tilg jengelig fra: https://samfunnsokonomene.no/app/
uploads/2019/04 /Samfunns%C3%B8konomen-nr-6-2015.pdf
Cappelen, Å., B. Dapi, H. M. Gjefsen og N. M. Stølen (2020). Framskrivinger av arbeidsstyrken og sysselsettingen etter 
utdanning mot 2040. Rapporter 2020/41, Statistisk sentralbyrå. 
Tilg jengelig fra: https://www.ssb.no/arbeid-og-lonn/
artikler-og-publikasjoner/_attachment/436239?_ts=1758cde9da8	
SAMFUNNSØKONOMEN NR. 4 2023 // 65
ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA 
AKTUELL ANALYSE

Carlsen, F., K. Johansen og L. S. Stambøl (2013). Effects of regional labour markets on migration flows, by education level. Labour 
27 (1), 80–92.
Falch, T. (2022a). Er regional høyere utdanning viktig for regional rekruttering av kompetanse? Samfunnsøkonomen 136 (2), 39–49.
Falch, T. (2022b). Heggen tar omvei om regioner. Debattinnlegg, Khrono, 9. juli. Tilg jengelig fra: https://khrono.no/
heggen-tar-en-omvei-om-regioner/702509
Gythfeldt, K. og K. Heggen (2013). Hva betyr høgskolene for rekruttering av arbeidskraft til egne regioner? Søkelys på 
arbeidslivet 30 (3), 235–250.
Hansen, W. og B. G. Johansen (2016). Beregning av netto ringvirkninger på utvalgte prosjekter, NTP 2018-2029. TØI-
rapport 1471/2016, Transportøkonomisk institutt.
Hansen, W. og B. G. Johansen (2017). Regional repercussions of new transport infrastructure investments: An SCGE model 
analysis of wider economic impacts. Research in transportation 
economics 63, 38–49. Tilg jengelig fra: https://doi.org /10.1016/j.
retrec.2017.07.004
Hansen W., B. G. Johansen og O. Rosnes (2023). Likevektsmodellen NOREG versjon 2.2. Dokumentasjon av modellsammenhenger. 
TØI-rapport 1937/2023, Transportøkonomisk institutt.
Heckman, J. J., L. Lochner og C. Taber (1999). General Equilibrium Cost Benefit Analysis of Education and Tax Policies. NBER 
Working Paper No. 6881. Cambridge, Massachusetts.
Heggen, K. (2022). Regional høgre utdanning viktig for regional rekruttering? Samfunnsøkonomen 136 (5), 66–67.
Ho, M. S. og D. W. Jorgenson (1999). Education Policies to Stimulate Growth, i Harrison, G.W., S. E. H. Jensen, L. H. Pedersen og T.H. 
Rutherford (red.). Using Dynamic General Equilibrium Models for 
Policy Analysis. North Holland, Amsterdam.
Hurdalsplattformen (2021). For en reg jering utgått fra Arbeiderpartiet og Senterpartiet 2021–2025. Statsministerens kontor.
Hægeland, T. og J. Møen (2000). Betydningen av høyere utdanning og akademisk forskning for økonomisk vekst: En oversikt over 
teori og empiri. Rapporter 2000/10, Statistisk sentralbyrå.
Ivanova, O., C. Heyndrickx, K. Spitaels, L. Tavasszy, W. Manshanden, M. Snelder og O. Koops (2007). RAEM: version 3.0. Transport 
Mobility Leuven, Leuven.
Koesler, S. og M. Schymura (2015). Substitution elasticities in a constant elasticity of substitution framework – empirical 
estimates using nonlinear least squares. Economic Systems 
Research 27 (1), 101–121. Tilg jengelig fra: http://dx.doi.org /10.10
80/09535314.2014.926266
Kornstad, T., T. Skjerpen og L. S. Stambøl (2023): Empirical modelling of internal migration and commuting flows for economic regions 
in Norway. The Annals of Regional Science. Tilg jengelig fra: 
https://doi.org /10.1007/s00168-023-01208-3
Knutsen. T. R., J. Modalsli og M. Rønning (2020). Distance and choice of field: Evidence from a Norwegian college expansion reform. 
Discussion Papers No. 932, Statistisk sentralbyrå.
Larsen, M. F., M. Anker-Nilssen, L. Berg, H. Medin, H. Størset og O. Tkachenko (2022). Framtidige kompetansebehov – et oppdatert kunnskapsgrunnlag. Rapport nr. 15 /2022. Direktoratet for høyere 
utdanning og kompetanse.
Meld. St. 14 (2020–2021). Perspektivmeldingen 2021.
Mercenier J., M. T. Alvarez Martinez, A. Brandsma, F. Di Comite, O. Diukanova, D. Kancs, P. Lecca, M. Lopez Cobo, P. Monfort, D. 
Persyn, A. Rillaers, M. Thissen, W. Torfs (2016). RHOMOLO-v2 
Model Description: A spatial computable general equilibrium 
model for EU regions and sectors. JRC Technical Reports JRC 
100011. Publications Office of the European Union, Luxembourg. 
Tilg jengelig fra: https://dx.doi.org /10.2791/18446
Moafi, H. (2022). Bosetting etter endt utdanning: En kartlegging av bosettingsmønster etter endt barnehagelærer-, lærer-, 
sykepleier-, sosialarbeider-, psykologi- og medisinutdanning. 
Rapporter 2022/9, Statistisk sentralbyrå.
Myklathun, K. H. (2023). NAVs bedriftsundersøking 2023: Redusert mangel på arbeidskraft. NAV-rapport 2023: 5, NAV.
NOU 2020: 12. Næringslivets betydning for levende og bærekraftig lokalsamfunn.
NOU 2020: 15. Det handler om Norge – bærekraft i hele landet.
NOU 2023: 9. Generalistkommunesystemet. Likt ansvar – ulike forutsetninger.
Rosnes, O., B. Bye og T. Fæhn (2019). SNOW-modellen for Norge. Dokumentasjon av framskrivningsmodellen for norsk økonomi 
og utslipp. Notater 2019/01, Statistisk sentralbyrå. Tilg jengelig 
fra: https://www.ssb.no/nasjonalregnskap-og-konjunkturer/
artikler-og-publikasjoner/snow-modellen-for-norge
Samfunnsøkonomisk analyse (2019). Endringer i kompetansesammensetningen i arbeidslivet. Rapport 31-2019, 
Samfunnsøkonomisk analyse.
Skjerpen, T., T. Kornstad og L. S. Stambøl (2023). Modelling of net domestic migration and commuting flows between economic 
regions in Norway 2001–2014. Notater 2023 /33, Statistisk 
sentralbyrå.
SSB (2020). Statistikkbanken kildetabell 13600, Statistisk sentralbyrå. https://www.ssb.no/befolkning /befolkningsframskrivinger/
statistikk/regionale-befolkningsframskrivinger
Stambøl, L. S. (2011). Den regionale betydningen av universiteter og høgskoler. Vedleggsrapport til NOU 2011: 3 
Kompetansearbeidsplasser – drivkraft for vekst i hele landet. 
Tilg jengelig fra: https://www.reg jeringen.no/globalassets/
upload/krd/nou/kompetansearbeidsplasser/universiteter_
hoyskoler.pdf
Stambøl, L. S. (2013). Studentvandringer. Rekruttering til studier og tilførsel av nye høyt utdannede i et geografisk perspektiv. 
Rapporter 2013 /6, Statistisk sentralbyrå.
Utdanningsdirektoratet (2023). Flere elever sluttet i 2021–22 enn året før. Tilg jengelig fra: https://www.udir.no/tall-og-
forskning /statistikk/statistikk-videregaende-skole/analyser/
elever-som-slutter-i-lopet-av-skolearet/
Werner, A., G. A. Perez-Valdes, U. Johansen og A. M. Stokka (2017). REMES – a regional equilibrium model for Norway 
with focus on the energy system. SINTEF Report A26705, 
SINTEF. Tilg jengelig fra: https://ntnuopen.ntnu.no/ntnu-xmlui/
handle/11250/2434516
66 // SAMFUNNSØKONOMEN NR. 4 2023 ROSNES, VENNEMO, HANSEN, JOHANSEN, SKJERPEN, BRUVOLL OG ERRAIA