NOREG En langsiktig makro- og regionaløkonomisk modell for Norge, med fokus på Nord-Norge

Rapport 2014/16

Haakon Vennemo, Rasmus Bøgh Holmen, Annegrete Bruvoll og Henning Wahlquist

NOREG En langsiktig makro- og regionaløkonomisk modell for Norge, med fokus på Nord-Norge

Kategori	Rapporter
Underkategori(er)	n/a
År	2014
Rapportnummer	16
Forfatter(e)	Haakon Vennemo Rasmus Bøgh Holmen Annegrete Bruvoll Henning Wahlquist
Last ned	file_download (3.7 MB)
Les i nettleser	find_in_page

NOREG 	
En langsiktig makro- og regionaløkonomisk 
modell for Norge, med fokus på Nord-Norge

Menon Business Economics / Vista Analyse AS 	II	RAPPORT 	
 	
 
 	
 
VISTA ANALYSE RAPPORT 2014/16 
MENON-PUBLIKASJON NR. 15/2013 
Av Annegrete Bruvoll, Leo A. Grünfeld, 
Rasmus Bøgh Holmen, Audun Iversen, Jens Fredrik Skogstrøm, 
Henning Wahlqvist, Haakon Vennemo 
ISBN 978-82-8126-157-0 
 	
 
NOREG 
 
En langsiktig makro- og 
regional-økonomisk modell 
for Norge, med fokus på 
Nord-Norge 
 	
RAPPORT

Menon Business Economics / Vista Analyse AS 	III	RAPPORT 	
Forord ved departementene 
Bakgrunnen for denne kunnskapsinnhentingen er Meld. St. 10 (2010 – 2011) Oppdatering av forvaltningsplan	 	
for det marine miljø i Barentshavet og havområdene utenfor Lofoten. Her ble det besluttet å gjennomføre to 
kunnskapsinnhentinger: 
Nærings- og handelsdepartementet, Fiskeri- og kystd epartementet, Kommunal- og 
regionaldepartementet og Miljøverndepartementet gje nnomfører kunnskapsinnhenting om virkninger 
og ringvirkninger av økt satsing på verdiskaping so m reiseliv og fiskerirelaterte virksomheter. 
Kunnskapen som samles inn, skal kunne brukes som gr unnlag for neste oppdatering av 
forvaltningsplanen. [……] 
Olje- og energidepartementet gjennomfører kunnskaps innhenting om virkninger av 
petroleumsvirksomhet i uåpnede deler av Nordland IV , V, VI, VII og Troms II. Kunnskapen som samles 
inn, skal kunne brukes i en eventuell konsekvensutr edning om petroleumsvirksomhet. Kunnskapen som 
samles inn, skal kunne brukes som grunnlag for nest e oppdatering av forvaltningsplanen. [……] 
Kunnskapsinnhenting - verdiskaping i nord omfatter de tre nordligste fylkene (Nordland, Trom s og Finnmark), 
og har et særlig fokus på kystområdene. Temaene for kunnskapsinnhentingen er fastsatt i samspill med lokale 
og regionale myndigheter, samt sektormyndigheter, f agmiljøer, næringsaktører og andre berørte parter. Det er 
utarbeidet et program for kunnskapsinnhentingen som er tilgjengelig på Nærings- og handelsdepartementets 
hjemmeside	. 	
Målet med kunnskapsinnhentingen er å synliggjøre mu lighetene for økt bærekraftig verdiskaping i en ressursrik 
region og tegne et kunnskapsbasert framtidsbilde av Nord-Norge fram mot 2030 og 2050, med særlig vekt på 
fiskeri, havbruk, nye marine næringer, reiseliv, fo rnybar energi og mineraler. Kunnskapsinnhentingen skal bidra 
til å gi et bedre beslutningsgrunnlag for de veival g som kan tas og vise hvilke virkemidler og tiltak som kan 
påvirke utviklingen og bidra til å utløse landsdele ns verdiskapingspotensial. 
Status og potensial i de utvalgte sektorene kartleg ges i egne sektoranalyser. I tillegg adresseres grunnleggende 
forutsetninger og virkemidler for økt verdiskaping gjennom tverrgående utredninger som omhandler bruke n av 
økosystemtjenester, etablering av attraktive lokals amfunn og arbeidsmarkedsregioner, styrking av 
infrastruktur, kompetanse og innovasjon, hvordan ku lturminner kan brukes for å fremme verdiskaping, samt 
særlige samiske problemstillinger. For å vurdere sa mlet verdiskaping utvikles det en regionaløkonomisk modell. 
De faglige utredningene kompletteres med en scenari eprosess hvor en bredt sammensatt gruppe av aktører i 
regionen er engasjert, og som skal resultere i kval itative framtidsbilder for Nord-Norge i 2030. 
Denne rapporten er en av de faglige utredningsrappo rtene i kunnskapsinnhentingen. Rapporten er laget på 
oppdrag for de berørte departementene, men utredere n står selv ansvarlig for det faglige innholdet. 
Departementene vil legge frem resultatene fra kunns kapsinnhentingen i en sluttrapport våren 2014. 
 
Nærings- og fiskeridepartementet 
Kommunal- og moderniseringsdepartementet 
Klima- og miljødepartementet

Menon Business Economics / Vista Analyse AS 	IV	RAPPORT 	
Forord ved forfatterne 
Nærings- og handelsdepartementet, Fiskeri- og kystdepartementet, Kommunal- og regionaldepartementet og 
Miljøverndepartementet har gjennomført en kunnskaps innhenting om virkninger og ringvirkninger av økt 
satsing på verdiskaping i Nord-Norge. Analysene uta rbeidet i prosessen skal synliggjøre potensialet for 
verdiskaping i næringene samlet og hver for seg. Fo r å håndtere de ulike analysene på en konsistent må te, er 
det blitt utarbeidet fremtidsbilder hvor hver nærin g analyseres i sammenheng med hverandre i form av 
konsistente fremtidsbilder. Disse fremtidsbildene k ompletteres med modellbaserte analyser av konsekven ser 
for verdiskaping og sysselsetting i ulike alternati ve bilder med ulik politikk. 
I dette dokumentet presenterer vi en modell for lan gsiktige effekter av ulike typer politikk for den økonomiske 
utviklingen i Nord-Norge spesielt, og norsk økonomi generelt. For å kunne si noe om dette, har det vær t 
nødvendig å utivkle en helt ny modell som både tar hensyn til makroøkonomiske sammenhenger og 
regionaløkonomiske forhold. Modellen har fått navne t NOREG, nettopp fordi den beskriver økonomien i No rge 
med fokus på regionenes/fylkenes utvikling. Modelle n beskriver en næringsstruktur som særlig vektlegger 
følgende næringer: Reiseliv, fornybar energi, marin e næringer og mineraler. Vektleggingen er et result at av at 
kunnskapsinnhentingen har fokus på disse næringene i Nord-Norge. 
Modellen - og rapporten som dokumenterer modellen - er utarbeidet av Menon Business Economics og Vista 
Analyse, med bistand fra Nofima. Arbeidet har vært utført av Leo A. Grünfeld (prosjektleder), Annegrete 
Bruvoll, Rasmus Bøgh Holmen, Audun Iversen, Jens Fr edrik Skogstrøm, Henning Wahlqvist og Haakon 
Vennemo. Vi takker også Snorre Kverndokk, Michael H oel, og Sveinung Fjose for verdifulle innspill i arbeidet 
med å etablere modellen. 
Prosjektet har hatt en egen referansegruppe beståen de av Karin Ibenholt, Gaute Wahl, Olav Rostad og 
Raymond Jenssen (Nærings- og fiskeridepartentet), G rethe Lunde (Kommunal- og 
moderniseringsdepartementet) og Martin Johannes Fer nander Smit (Kilma- og miljødepartementet). 
Referansegruppen og oppdragsgiver har gitt viktige innspill hele veien og spilt en sentral rolle for å sikre 
kvalitet. 
Oslo den 28. mars 2014 
Leo A. Grünfeld 
Prosjektleder

Menon Business Economics / Vista Analyse AS 	V	RAPPORT 	
Sammendrag 
I denne rapporten presenterer vi en ny makro- og regionaløkonomisk modell for Norge der vi særlig fokuserer 
på landsdelen Nord-Norge. Modellen er laget for å b eregne den økonomiske utviklingen for landet og for 
Norges regioner (fylker) i perioden frem mot 2060 o g videre mot 2100. Det er første gang det lages en 
økonomisk prognosemodell for Norge som både tar hen syn til økonomiske likevektsegenskaper, og regional 
utvikling basert på sentrale prinsipper fra faget ø konomisk geografi, der geografisk avstand mellom ak tører og 
geografisk opphopning av økonomisk aktivitet står s entralt. Modellen har fått navnet NOREG, og egner seg til å 
studere effekter av ulike typer politikk, som infra strukturinvesteringer, økt satsing på havbruk og fo rnybar 
energi, åpning av nye områder for olje- og gassprod uksjon, økt satsing på utdanning og FoU, endret 
innvandringspolitikk, klimapolitikk mm. Modellen er i utgangspunktet utviklet for analyser av virkemiddelbruk i 
Nord-Norge, men den egner seg vel så godt til studi er av politikk rettet mot andre landsdeler. 
Bakgrunnen for etableringen av modellen er oppdater ingen av forvaltningsplanen for det marine miljø i 
Barentshavet og havområdene utenfor Lofoten (Meld. St. 10 (2010-2011)). I denne forbindelse har man satt i 
gang en kunnskapsinnhenting om verdiskaping i de be rørte områdene. Geografisk omhandler denne 
kunnskapsinnhentingen de tre nordligste fylkene (No rdland, Troms og Finnmark). Det er Nærings- og 
fiskeridepartementet, Kommunal- og moderniseringsde partementet og Klima- og miljødepartementet som har 
hatt ansvaret for å gjennomføre kunnskapsinnhenting en. Den inkluderer analyser av virkninger og 
ringvirkninger av økt satsing på verdiskaping i Nor d-Norge. Kunnskapsinnhentingen baserer seg i stor g rad på 
eksternt utførte analyser som skal synliggjøre pote nsialet for verdiskaping i næringene samlet sett og hver for 
seg. For å håndtere de ulike analysene på en konsis tent måte, har det vært ønskelig å utarbeide fremtidsbilder 
for landsdelen hvor hver sektor/næring analyseres i sammenheng med resten av økonomien, i form av 
konsistente prognoser/fremtidsbilder. For å sikre e n slik konsistent fremstilling har departementene v algt å 
bidra til å utvikle en modellbasert analyse av verd iskapings- og sysselsettingsmessige konsekvenser for 
landsdelen, knyttet til ulike typer politikkvirkemi dler. Denne rapporten dokumenterer modellen og pres enterer 
effektberegninger av ulike typer politikktiltak som denne modellen genererer. 
Det finnes i dag flere økonomiske modeller som i ut gangspunktet kan egne seg for å analysere effekten av 
økonomisk politikk på ulike deler av landet. Proble met er at hver og en av disse modellene har begrens ninger 
som gjør dem mindre relevante som analyseverktøy i sammenheng med kunnskapsinnhentingen. Med NOREG 
etableres det en modell som både beskriver økonomis k markedsatferd, betingelser om likevekt i markedene, 
en eksplisitt tilbudsside med begrenset tilgang på ressurser, og en regional modul som tar høyde for 
betydningen av reiseavstand, geografisk opphopning og likevekt i regionale markeder. 
Modellen har fått navnet NOREG fordi det er en modell for NOrges REGioner, der fylkesnivået definerer 
regionene. De tre nordnorske fylkene er derfor defi nert som tre separate regioner i modellen, men i ma nge 
sammenhenger i denne rapporten behandler vi de tre fylkene Nordland, Troms og Finnmark som en region 
eller landsdel. NOREG-modellen er en regional model l for Norge med en makroøkonomisk overbygging. 
Modellen har to separate moduler, en makro-modul og en regional-modul: 
I makromodulen ser vi på norsk økonomi som en enhet. Her passer v i på at endringer i en sektor av økonomien 
gir effekter i andre sektorer av økonomien, basert på økonomiske mekanismer som hviler på markedsatfer d og 
såkalt generell likevekt. I makromodulen ivaretar v i også det viktige prinsippet at tilgangen på ressurser i 
økonomien er begrenset (tilbud av arbeidskraft, kap ital etc.). Dette betyr at effekten av offentlig økonomisk 
stimulans i modellen både tar hensyn til finansieri ngen av stimulansen, og et perspektiv som knytter s eg til

Menon Business Economics / Vista Analyse AS 	VI	RAPPORT 	
alternativ ressursanvendelse. NOREG er med andre ord en generell likevektsmodell for norsk økonomi, der 
etterspørselen etter varer og tjenester, arbeidskra ft og kapital til enhver tid er i overenstemmelse m ed 
tilbudet. Tilbud og etterspørsel etter varer, tjene ster og innsatsfaktorer balanseres ved at prisene e ndrer seg. 
Makromodulen styrer også mye av den langsiktige utv iklingen. NOREG beregner den langsiktige utviklingen i 
norsk økonomi frem til 2100, men i analysene i denn e dokuentasjonsrapporten setter vi grensen ved 2060 . 
Som grunnlag for utviklingen fremover har vi etable rt en såkalt referansebane som alle andre prognoser 
vurderes opp mot. I referansebanen har vi lagt oss nært opp til den fremtidsbeskrivelse som er brukt i 
Perspektivmeldingen (Finansdepartementet, 2013). De tte sikrer at effekter av politikk måles opp mot en 
referanse som mange økonomer anser som rimelig og b alansert. Når dette er sagt viser all erfaring at slike 
referansebaner også er beheftet med stor usikkerhet , særlig på lengre sikt. 
Den regionale modulen sprer makroeffekter fra makromodulen utover modell ens regioner, som er fylker i 
nåværende modellspesifikasjon. De to modulene er se parable i den forstand at makro-modulen leverer 
infomasjon til regional-modulen, som til slutt prod userer informasjon om økonomisk aktivitet på fylkes nivå, 
som samlet summerer seg til nasjonal økonomisk akti vitet. Regionalmodulen leverer ikke informasjon tilbake til 
makro-modulen. Regional-modulen sprer effektene for skjellig på fylker, avhengig av hvor den økonomiske 
endringen (eller politikktiltaket) inntreffer i lan det, og modulen tar eksplisitt hensyn til to viktig e regionale 
egenskaper: 
1. avstand mellom regioner (fylker) 
2. opphopning av økonomisk aktivitet i regioner 
Gjennom regional-modulen tar modellen dermed både h ensyn til landets geografi (avstander) og regionenes 
grad av sentralisering/spesialisering (opphopning a v økonomisk aktivitet). 
I denne rapporten går vi gjennom modellanalyser av ulike politiske tiltak, i form av offentlige investeringer, 
endret lisens-politikk, satsning på utdanning etc. Størrelsen og formen på tiltakene er designet med b akgrunn i 
samtaler med oppdragsgiver (departementene) og vi h ar hatt til hensikt å belyse hvordan mange av de tiltak 
som foreslås i sektoranalysene i kunnskapsinnhentin gen påvirker økonomien samlet, i fylkene, landsdelen og 
landet på mellomlang og lang sikt. Modell-simulerin gene tar for seg politikk knyttet til utdanning, FoU, 
innvandring, klima, havbruk, mineralnæringen, forny bar energi, olje og gass-produksjon, nfrastruktur og 
reiselivsnæringen.

Menon Business Economics / Vista Analyse AS 	VII	RAPPORT 	
 
Oppsummering av beregnede verdiskapingseffekter av ulike tiltak for fylkene i Nord-Norge og Norge totalt: 
Prosentvis økning i verdiskaping i forhold til refe ransebanen (2030 og 2060) 
 
 
 
Økt satsing på havbruk 
Beregningene gir en 7 prosent årlig økning i verdis kapingen, som gjør nivået dobbelt så høyt i 2030. D ette 
gjelder for alle tre fylker. Selv om vi demper veks ten til den samme som i referansebanen i perioden 2 030 til 
2060, blir likevel nivået nærmere 5 ganger så høy i 2050. Dette resulterer i at næringens andel av 
verdiskapingen i de tre fylkene dobler seg frem mot 2060. 
Den totale verdiskapingen i fylkene øker ikke på la ngt nær så mye. Dette knytter seg til at aktivitetsøkningen i 
havbruk tar i bruk ressurser som ellers kunne blitt benyttet i andre næringer. Denne fortrengningseffe kten er 
betydelig. Verdiskapingen i andre næringer faller i forhold til referansebanen med mellom 2,8 og 4,2 p rosent i 
2060. Størst er fortrengningen i Finnmark, mens den er minst i Nordland. I 2030 har nærmere 60 prosent av 	
Nordland Troms Finnmark Norge	
Scenarier/politikk	2030 2060 2030 2060 2030 2060 2030 2060
Prosent økning i forhold til referansebanen 
Politikk rettet mot en næring 
Havbruk 2,9 % 10,5 % 1,9 % 6,6 % 2,4 % 7,9 % 0,2 % 0,7 %
Reiseliv 0,1 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Mineraler 0,7 % 0,7 % 0,1 % 0,1 % 1,0 % 1,0 % 0,0 % 0,1 %
Fornybar energi 0,8 % 2,9 % 0,2 % 0,8 % 0,6 % 2,1 % 0,0 % ,1 %
Bredt anlagt politikk 
Økt innvandring 2,7 % 9,6 % 3,0 % 12,7 % 2,5 % 10,2 % 3,0 % 13,3 %
Mer infrastruktur i landsdelen 3,0 % 4,4 % 2,4 % 4,1 % 3 ,1 % 4,7 % 0,1 % 0,3 %
FoU i Nord-Norge 3,0 % 5,1 % 2,8 % 5,2 % 3,2 % 5,3 % 0,3 % 1,2 %
FoU i Norge 1,0 % 1,5 % 1,5 % 2,3 % 1,4 % 1,9 % 0,3 % 1,2 % 
Økt utdanning i Nord-Norge 7,0 % 6,4 % 7,4 % 6,8 % 6,8 % 6,1 % 2,4 % 2,5 %
Økt utdanning i Norge 2,2 % 1,8 % 2,7 % 2,6 % 2,2 % 1,8 % 2,4 % 2,5 %
Økt olje- og gassproduksjon 0,6 % 2,9 % 1,6 % 15,4 % 13 ,4 % 54,4 % 4,2 % 3,2 %
Klima (Økte CO2-priser) 3,1 % 20,0 % 0,5 % 3,9 % 2,0 % 13 ,3 % 0,6 % 4,9 %
Kombinasjon av virkemidler/politikk 
Havbruk med økt innvandring 5,8 % 20,0 % 5,1 % 19,1 % 5, 1 % 17,8 % 3,2 % 13,8 %
Økt utdanning og FoU 3,3 % 3,5 % 4,4 % 5,0 % 3,7 % 3,9 % 2,9 % 4,0 %
Økt utdanning og FoU i Nord-Norge 10,4 % 12,0 % 10,6 % 12,7 % 10,4 % 11,9 % 2,9 % 4,0 %
Havbruk med økt FoU og utdanning 6,2 % 14,1 % 6,4 % 11, 8 % 6,1 % 12,0 % 3,0 % 4,7 %
Reiseliv med økt FoU og utdanning 3,6 % 3,8 % 4,7 % 5,4 % 3,9 % 4,1 % 2,9 % 4,0 %
Mineraler med økt FoU og utdanning 4,0 % 4,2 % 4,5 % 5, 1 % 4,8 % 4,9 % 2,0 % 4,0 %
Fornybar med økt FoU og utdanning 5,2 % 9,7 % 4,9 % 6,8 % 5,1 % 8,4 % 2,9 % 4,3 %	
Havbruk og reiseliv med økt FoU og utdanning	6,9 % 14,7 % 6,4 % 11,1 % 5,6 % 9,8 % 3,0 % 4,7 %

Menon Business Economics / Vista Analyse AS 	VIII	RAPPORT 	
den økte verdiskapingen i næringen i Troms og Finnmark falt bort i makro på grunn av fortrengning. I 2060 er 
dette fallet redusert til rundt 30 prosent. 
Politikken har ingen innvirkning på sysselsetting n asjonalt ettersom arbeidstilbudet er gitt for Norge som 
helhet. I Nord-Norge skulle man kanskje forvente at sysselsettingen økte i takt med verdiskapingsveksten, men 
fordi havbruksnæringen er en lite arbeidsintensiv n æring, får vi en dreining bort fra mer arbeidsintensive 
næringer, og det trekker i retning av mindre syssel setting i landsdelen. Det er bare Nordland som vil oppleve en 
svak sysselsettingsøkning som følge av en raskere v oksende havbruksnæring. Dette bildet er også relati vt 
konsistent med den lave sysselsettingsveksten denne næringen kan vise til gjennom de seneste tiårene, til tross 
for en kraftig økning i produksjonsvolumene. 
På nasjonalt nivå endres ikke sammensetningen av la vere og høyt utdannede seg som følge av denne 
endringen i næringen. Men som en følge av endret næ ringsstruktur i Nord-Norge, relativt til resten av landet, 
får vi noen marginale endringer i retning av en økt andel med høyre utdannede i Troms og Finnmark, men en 
litt lavere andel i Nordland. 
Økt satsing på reiseliv 
En økt satsing på reiselivsnæringen bidrar til å øk e næringens verdiskaping i fylkene med mellom 4 og 10 
prosent i 2030 og mellom 1,4 og 4 prosent i 2060, s ett opp mot referansebanen. Økningen i BNP i fylken e og i 
Norge totalt som følge av reiselivsatsingen blir he lt marginal. Dette er et resultat av at reiselivssatsingen gir 
store fortrengningseffekter. Opp mot 95 prosent av gevinsten i form av økt verdiskaping i reiseliv, blir spist opp 
av at man fortrenger aktivitet i andre næringer, bå de nasjonalt og regionalt. Den sterke fortrengnings effekten 
kommer sannsynligvis fordi næringen er relativt arb eidsintensiv, og stjeler derfor arbeidskraft fra andre 
sektorer. Dette bekreftes i tallene for sysselsetti ng. Når reiselivsnæringen i Nord-Norge øker aktivit eten øker 
også den totale sysselsettingen i fylkene mer enn i resten av landet. 
 
Økt satsing på mineral-næringen 
Mineralnæringen er liten i nasjonal målestokk. Det betyr reelt sett at effekten på BNP, både på fylkesnivå og 
nasjonalt er liten, selv når vi øker produksjonen i næringen markant frem mot 2030. I modellen økes næ ringens 
verdiskaping i Nordland, Troms og Finnmark med henh oldsvis 74, 54 og 75 prosent i 2030, og nærmere det 
dobbelte i 2060. 
Økningen i fylkenes totale verdiskaping når knapt e n prosent i 2060, dette til tross for at mineralnæringen har 
relativt sett større betydning for økonomien i Nord -Norge enn i resten av landet. Også denne 
modellsimuleringen viser at det finner sted en bety delig fortrengningseffekt i Nord-Norge ved å satse på 
mineralproduksjon. I 2030 spises halvparten av den direkte verdiskapingsøkningen opp av 
fortrengningseffekter, mens dette er redusert til 1 prosent i Nordland og ca. 20 prosent i Troms og F innmark i 
2060. 
Sysselsettingseffektene for landsdelen er små. I de n grad det kommer noen endring, så er den negativ. Dette er 
knyttet til at næringen er lite arbeidsintensiv og fortrenger aktivitet i andre mer arbeidsintensive n æringer. Den 
negative sysselsettingseffekten er sterkest i Finnm ark.

Menon Business Economics / Vista Analyse AS 	IX	RAPPORT 	
 
 
Økt satsing på fornybar energi 
I dette scenariet er veksten i produksjon av energi og derav verdiskaping mer markant lenger ut i bane n. Vi får 
derfor betydelig høyere vekst i 2060 sammenlignet m ed referansebanen, og da særlig i Nordland og Finnmark. 
De eksogene økningene i næringens aktivitet i Nord- Norge trekker opp verdiskapingen med ca. 9 prosent i 2030 
og 23 prosent i 2060, sammenlignet med referanseban en. 
Igjen ser vi at økningen i fylkets verdiskaping som følge av en sektor-stasning er moderat. Hovedårsak en til 
dette er at økninger i verdiskapingen i denne nærin gen gir store fortrengningseffekter. Rundt 90 prosent av 
den økte verdiskapingen blir spist opp av et aktivi tetsfall i andre næringer i landsdelen, både i 2030 og 2060. 
Politikkanalyser for denne næringen må ses i lys av at referansebanen beskriver en næring i kraftig vekst. 
Ettersom fornybarproduksjon allerede spiller en rel ativt viktig rolle for landsdelen, vil framskrivningene i 
referansebanen for landsdelen gi en enda større bet ydning til denne næringen. Det betyr at prosentvise 
endringer i 2030 og 2060 får gradvis større betydni ng for totaløkonomien i landsdelen. Faktisk utgjør 
fortrengningen ca. 12 prosent av den totale verdisk apingen i Nordland og Finnmark i 2060, sammenlignet med 
referansebanen. Den sterke fortrengningseffekten kn ytter seg til sammensetningen i faktorbruk i næringen. 
 
Økt satsing på FoU i Nord-Norge 
Effektene av å satse på mer FoUi Nord-Norge blir re lativt stor på sikt. Verdiskapingen for fylkene totalt øker 
med ca. 3 prosent i 2030 og ca. 5 prosent i 2060. E ffekten er betydelig større enn for landet totalt da vi har lagt 
in at 30 prosent av FoU-effektene tilfaller Nord-No rge. En stor andel av verdiskapingsøkningen kommer som en 
følge av at utgiftene og arbeidsplassene blir lokal isert i landsdelen. Det er likevel ikke ubetydelige effekter av 
produktivitetsøkningene som kommer som en følge av FoU-investeringene. Effektene av økt FoU er nokså lik 
for de tre fylkene, og dette styres i stor grad av at utgiftssiden også fordeles etter fylkets verdisk apingsandel i 
basisåret. Dersom man hadde fordelt FoU-aktiviteten etter dagens FoU-intensitet i fylkene ville Troms fått en 
betydelig høyre økning i verdiskaping og sysselsett ing. 
Den økte aktiviteten trekker også opp sysselsetting en med mellom 1 og 2 prosent sammenlignet med 
referansebanen i 2030 og 2060, og fordi dette tilta ket i stor grad handler om økt bruk av ressurser i offentlige 
tjenester, får vi en svak økning i andelen med høye re utdannede i landsdelen. 
Økt satsing på utdanning i Nord-Norge 
Dersom vi lar en større del av utgiftsveksten tilfalle Nord-Norge (fordelt andelsmessig etter fylke i basisåret), 
får vi sterke effekter i regionen: Anslagsvis 7 pro sent i 2030 og 6-7 prosent i 2060. 
Satsing på utdanning i Nord-Norge bidrar til en kra ftig økning i sysselsettingen i landsdelen. Der vi har lagt inn 
en økning på 4-5 prosent for hele landet, har vi in ne en økning på nærmere 15 prosent i 2030, og en no e mer 
moderat økning i forhold til referansebanen i 2060. 
Satsningen på utdanning gir – slik vi har modellert endringen – en nasjonal økning i andelen med høyer e 
utdanning på ca. 16 prosent i 2030 og 12 prosent i 2060. I Nord-Norge blir effekten betydelig større og med

Menon Business Economics / Vista Analyse AS 	X	RAPPORT 	
denne omfattende satsningen vil om lag 80 prosent av de sysselsatte i Nord-Norge har høyere utdanning i 
2060. Dette kommer som et resultat av en kraftig øk ning i offentlig tjenesteproduksjon i fylkene, en sektor som 
er utdanningsintensiv.

Menon Business Economics / Vista Analyse AS 	XI	RAPPORT 	
Innhold	 	
Forord ved departementene.................................................................................................................................. III	 	
Forord ved forfatterne ............................ ............................................................................................................... IV	 	
Sammendrag ........................................ ................................................................................................................... V	 	
1. 	Innledning ........................................ ......................................................................................................... 1	 	
1.1.	 	Kort om modellen .................................. ................................................................................................... 1	 	
1.2.	 	Kort om politikkanalysene ......................... ............................................................................................... 2	 	
1.3.	 	Hvorfor trenger vi NOREG? ......................... .............................................................................................. 3	 	
2. 	Økonomien i Nord-Norge: En kort innføring ......... ................................................................................... 6	 	
2.1.	 	Næringenes størrelse .............................. .................................................................................................. 6	 	
2.2.	 	Vekst ............................................. ............................................................................................................ 9	 	
2.3.	 	Internasjonal konkurranseevne ..................... ......................................................................................... 10	 	
2.4.	 	Regional kontroll ................................. .................................................................................................... 1 1	 	
2.5.	 	FoU og innovasjon ................................. ................................................................................................. 13	 	
2.6.	 	Utdanning ......................................... ...................................................................................................... 15	 	
3. 	Modellens design: En kort innføring ............... ........................................................................................ 17	 	
4. 	Makro-modulen ..................................... ................................................................................................. 20	 	
4.1.1.	 	Produksjonsdelen .................................. ................................................................................................. 21	 	
4.1.2.	 	Næringene i NOREG ................................. ............................................................................................... 22	 	
4.1.3.	 	Handel med utlandet ............................... ............................................................................................... 23	 	
4.1.4.	 	Anvendelsesdelen .................................. ................................................................................................. 23	 	
4.1.5.	 	Nasjonalregnskap og kryssløp ...................... ........................................................................................... 24	 	
4.1.6.	 	Likevekter ........................................ ....................................................................................................... 27	 	
4.1.7.	 	Datagrunnlag ...................................... .................................................................................................... 2 8	 	
4.2.	 	Makro-modulens referansebane over tid ............. .................................................................................. 28	 	
4.2.1.	 	Offentlig konsum .................................. .................................................................................................. 29	 	
4.2.2.	 	Olje- og gassnæringen ............................. ............................................................................................... 29	 	
4.2.3.	 	Havbruk ........................................... ........................................................................................................ 30	 	
4.2.4.	 	Arbeidskraft ...................................... ...................................................................................................... 30	 	
4.2.5.	 	Andre eksogene vekstforutsetninger ................ ..................................................................................... 30	 	
4.2.6.	 	Investeringer som kilde til dynamikk .............. ........................................................................................ 31	 	
4.2.7.	 	Sentrale trekk ved referansebanen i makro ......... .................................................................................. 31	 	
5. 	Regional-modulen .................................. ................................................................................................. 34	 	
5.1.	 	Fylkene i basisåret ............................... ................................................................................................... 34

Menon Business Economics / Vista Analyse AS 	XII	RAPPORT 	
5.1.1.	 	Kontinentalsokkelen ............................................................................................................................... 35	 	
5.2.	 	Det regionale kryssløpet .......................... ............................................................................................... 36	 	
5.3.	 	Beregning av handel mellom regioner i basisåret ... ............................................................................... 36	 	
5.3.1.	 	Avstand og opphopning av aktivitet forklarer handel mellom fylker ..................................................... 37	 	
5.4.	 	Makroøkonomisk politikk og nasjonale økonomiske sjo kk .................................................................... 39	 	
5.5.	 	Regional økonomisk politikk og regionale sjokk .... ................................................................................. 39	 	
5.6.	 	Sentrale trekk ved referansebanen for regionene ... .............................................................................. 40	 	
6. 	Analyser av politikk og virkemiddelbruk i NOREG ... ............................................................................... 44	 	
6.1.	 	Økt satsing på havbruk ............................ ............................................................................................... 47	 	
6.1.1.	 	Bakgrunn .......................................... ....................................................................................................... 47	 	
6.1.2.	 	Praktisk implementering av politikk i modellen .... ................................................................................. 49	 	
6.1.3.	 	Virkninger av politikken .......................... ................................................................................................ 49	 	
6.2.	 	Satsing på reiseliv ............................... .................................................................................................... 5 0	 	
6.2.1.	 	Bakgrunn .......................................... ....................................................................................................... 50	 	
6.2.2.	 	Økonomisk politkk og implementering i modellen .... ............................................................................. 52	 	
6.2.3.	 	Virkninger av politikken .......................... ................................................................................................ 53	 	
6.3.	 	Satsing på mineralnæringen ........................ ........................................................................................... 54	 	
6.3.1.	 	Bakgrunn .......................................... ....................................................................................................... 54	 	
6.3.2.	 	Praktisk implementering i modellen ................ ....................................................................................... 54	 	
6.3.3.	 	Virkninger av politikken .......................... ................................................................................................ 54	 	
6.4.	 	Økt produksjon av fornybar energi ................. ........................................................................................ 55	 	
6.4.1.	 	Bakgrunn .......................................... ....................................................................................................... 55	 	
6.4.2.	 	Praktisk implementering ........................... .............................................................................................. 55	 	
6.4.3.	 	Virkninger av politikken .......................... ................................................................................................ 56	 	
6.5.	 	Økt innvandring til Norge ......................... .............................................................................................. 56	 	
6.5.1.	 	Virkninger av politikken .......................... ................................................................................................ 57	 	
6.6.	 	Økt satsing på infrastruktur ...................... .............................................................................................. 58	 	
6.6.1.	 	Bakgrunn .......................................... ....................................................................................................... 58	 	
6.6.2.	 	Nærmere om beregninger av produktivitetsvirkninger av infrastrukturinvesteringer .......................... 58	 	
6.6.3.	 	Praktisk implementering av politikken i modellen .. ............................................................................... 59	 	
6.6.4.	 	Virkninger av politikken .......................... ................................................................................................ 59	 	
6.7.	 	Økt satsing på FoU ................................ .................................................................................................. 60	 	
6.7.1.	 	Bakgrunn .......................................... ....................................................................................................... 60	 	
6.7.2.	 	Praktisk implementering ........................... .............................................................................................. 60

Menon Business Economics / Vista Analyse AS 	XIII	RAPPORT 	
6.7.3.	 	Virkninger av politikken .......................................................................................................................... 60	 	
6.8.	 	Økt vekt på utdanning ............................. ............................................................................................... 61	 	
6.8.1.	 	Bakgrunn .......................................... ....................................................................................................... 61	 	
6.8.2.	 	Praktisk implementering ........................... .............................................................................................. 62	 	
6.8.3.	 	Virkninger av politikken .......................... ................................................................................................ 62	 	
6.9.	 	Klimapolitiske tiltak ............................. ................................................................................................... 63	 	
6.9.1.	 	Bakgrunn .......................................... ....................................................................................................... 63	 	
6.9.2.	 	Praktisk implementering ........................... .............................................................................................. 63	 	
6.9.3.	 	Virkninger av politikken .......................... ................................................................................................ 63	 	
6.10.	 	Økt oljeutvinning i Nord-Norge .................... .......................................................................................... 64	 	
6.10.1.	 	Bakgrunn .......................................... .................................................................................................. 64	 	
6.10.2.	 	Praktisk implementering ........................... ......................................................................................... 65	 	
6.10.3.	 	Virkninger av politikken .......................... ........................................................................................... 66	 	
6.11.	 	Kombinasjons-scenarier ............................ ............................................................................................. 66	 	
6.11.1.	 	Økt satsing på havbruk med økt innvandring ........ ............................................................................ 67	 	
6.11.2.	 	Økt satsing på havbruk med økt FoU og utdanning ... ........................................................................ 67	 	
6.11.3.	 	Satsing på reiseliv med økt FoU og utdanning ...... ............................................................................. 68	 	
6.11.4.	 	Økt satsing på mineralnæringen med økt FoU og utdan ning. ........................................................... 68	 	
6.11.5.	 	Økt satsing på fornybar energi med økt FoU og utdan ning. .............................................................. 68	 	
6.11.6.	 	Satsing på reiseliv og havbruk med økt FoU og utdan ning ................................................................ 68	 	
7. 	NOREG – Modellens ligningsstruktur................. ..................................................................................... 69	 	
7.1.	 	Makro-modulen ..................................... ................................................................................................. 69	 	
7.1.1.	 	Arbeidskraft, L .................................................. ................................................... .................................... 69	 	
7.1.2.	 	Bruttoprodukt, Y .................................................. ................................................... ................................ 69	 	
7.1.3.	 	Bruttoproduksjon, Z .................................................. ................................................... ........................... 70	 	
7.1.4.	 	Offentlig sektor .................................. ..................................................................................................... 70	 	
7.1.5.	 	Investeringer ..................................... ...................................................................................................... 70	 	
7.1.6.	 	Husholdningskonsum................................. ............................................................................................. 71	 	
7.1.7.	 	Eksport ........................................... ......................................................................................................... 71	 	
7.1.8.	 	Import ............................................ ......................................................................................................... 71	 	
7.1.9.	 	Markedsklarering .................................. .................................................................................................. 71	 	
7.2.	 	Kalibrering ....................................... ........................................................................................................ 73	 	
7.3.	 	Beregning av handel mellom regioner i basisåret ... ............................................................................... 75	 	
7.4.	 	Symbolliste........................................ ...................................................................................................... 77

Menon Business Economics / Vista Analyse AS 	XIV	RAPPORT 	
7.4.1.	 	Fotskrifter ............................................................................................................................................... 77	 	
7.4.2.	 	Kvantumsvariable .................................. ................................................................................................. 77	 	
7.4.3.	 	Prisvariable ...................................... ....................................................................................................... 77	 	
7.4.4.	 	Vekstforutsetninger ............................... ................................................................................................. 78	 	
7.4.5.	 	Parametere ........................................ ..................................................................................................... 78	 	
7.4.6.	 	Oppsummeringsligninger mm. ........................ ....................................................................................... 79	 	
7.4.7.	 	Næringer, varer og modellstruktur ................. ........................................................................................ 79	 	
8. 	Dokumentasjon av input til basisåret .............. ....................................................................................... 81	 	
8.1.	 	Næringsinndeling .................................. .................................................................................................. 81	 	
8.2.	 	Kryssløp; X, Xs, CI, GI, JI, E, M ................. ................................................................................................ 84	 	
8.2.1.	 	Næring 1 Fiske og fangst .......................... ............................................................................................... 87	 	
8.2.2.	 	Næring 2 Havbruk .................................. ................................................................................................. 87	 	
8.2.3.	 	Næring 3 Olje og gass ............................. ................................................................................................ 88	 	
8.2.4.	 	Næring 4 Mineralnæring ............................ ............................................................................................ 88	 	
8.2.5.	 	Næring 5 Fornybar energi .......................... ............................................................................................. 88	 	
8.2.6.	 	Næring 6 Annen industri ........................... .............................................................................................. 89	 	
8.2.7.	 	Næring 7 Bygg og anlegg ........................... ............................................................................................. 89	 	
8.2.8.	 	Næring 8 Infrastruktur ............................ ................................................................................................ 89	 	
8.2.9.	 	Næring 9 Reiseliv ................................. ................................................................................................... 90	 	
8.2.10.	 	Næring 10 Annen privat tjenesteyting .............. ................................................................................. 90	 	
8.2.11.	 	Næring 11 Offentlig tjenesteyting ................. .................................................................................... 91	 	
8.3.	 	Importvarer, M .................................... ................................................................................................... 91	 	
8.4.	 	Sysselsetting, LH	0 og LL	0 ..................................................................................................... ..................... 92	 	
8.5.	 	Årslønn, wh	0 og wl	0 ..................................................................................................... ............................ 92	 	
8.6.	 	Kapital CAP, investeringer JD, avskrivningsrate τ . .................................................................................. 93	 	
9. 	Parametre ......................................... ...................................................................................................... 94	 	
9.1.	 	Pris- og inntektselastisiteter .................... ............................................................................................... 94	 	
9.2.	 	Parametre i konsumetterspørselssystemet ........... ................................................................................. 95	 	
9.3.	 	Substitusjonselastisiteter ........................ ................................................................................................ 95	 	
9.4.	 	Andeler for fylkenes egenleveranser og nabofylke-le veranser .............................................................. 96	 	
10.	 	Referanser......................................... ...................................................................................................... 98

1 
 	
1. Innledning 
I denne rapporten dokumenterer vi en ny makroøkonom isk modell for Norge, som er laget for å beregne den 
økonomiske utviklingen for landet og for Norges reg ioner (fylker) i perioden frem mot 2060 og videre m ot 
2100. Det er første gang det lages en økonomisk pro gnosemodell for Norge som både tar hensyn til 
økonomiske likeveketsegenskaper, og regional handel og utvikling basert på sentrale prinsipper fra økonomisk 
geografi, der geografisk avstand mellom aktører og geografisk opphopning av økonomisk aktivitet står s entralt. 
Modellen har fått navnet NOREG, og egner seg godt t il å studere effekter av ulike typer politikk, som 
infrastrukturinvesteringer, økt satsing på havbruk og fornybar energi, åpning av nye områder for olje og 
gassproduksjon, økt satsing på utdanning og FoU, en dret innvandringspolitikk, klimapolitikk mm. Modellen er i 
utgangspunktet utviklet for analyser av virkemiddel bruk i Nord-Norge, men den egner seg vel så godt ti l studier 
av politikk rettet mot andre landsdeler. 
Bakgrunnen for etableringen av modellen er oppdater ingen av forvaltningsplanen for det marine miljø i 
Barentshavet og havområdene utenfor Lofoten (Meld. St. 10 (2010-2011)). I denne forbindelse har man initiert 
en kunnskapsinnhenting om verdiskaping i de berørte områdene. Geografisk omhandler denne 
kunnskapsinnhentingen de tre nordligste fylkene (No rdland, Troms og Finnmark). Det er Nærings- og 
fiskeridepartementet, Kommunal- og moderniseringsde partementet og Klima- og miljødepartementet som har 
hatt ansvaret for å gjennomføre kunnskapsinnhenting som inkluderer analyser av virkninger og ringvirkninger 
av økt satsing på verdiskaping i Nord-Norge. Kunnsk apsinnhentingen baserer seg i stor grad på eksternt utførte 
analyser som skal synliggjøre potensialet for verdi skaping i næringene samlet sett og hver for seg. Fo r å 
håndtere de ulike analysene på en konsistent måte, har det vært ønskelig å utarbeide fremtidsbilder for 
landsdelen hvor hver sektor/næring analyseres i sam menheng med resten av økonomien, i form av konsiste nte 
prognoser/fremtidsbilder. For å sikre en slik konsi stent fremstilling har departementene valgt å bidra til å 
utvikle en modellbasert analyse av verdiskapings- o g sysselsettingsmessige konsekvenser for landsdelen, 
knyttet til ulike typer politikkvirkemidler. Denne rapporten dokumenterer modellen og presenterer 
effektberegninger av ulike typer politikktiltak som denne modellen genererer. 
1.1. Kort om modellen 
Modellen har fått navnet NOREG fordi det er en modell for REGionene i NOrge, der fylkesnivået definerer 
regionene. De tre nordnorske fylkene er derfor defi nert som tre separate regioner i modellen, men i ma nge 
sammenhenger i denne rapporten behandler vi de tre fylkene Nordland, Troms og Finnmark som en region 
eller landsdel. NOREG-modellen er en regional model l for Norge med en makroøkonomisk overbygging. 
Modellen har to separate moduler, en makro-modul og en regional-modul: 
I makromodulen ser vi på norsk økonomi som en enhet . Her passer vi på at endringer i en sektor av økonomien 
gir effekter i andre sektorer av økonomien, basert på økonomiske mekanismer som hviler på markedsatfer d og 
såkalt generell likevekt. I makromodulen ivaretar v i også det viktige prinsippet at tilgangen på ressurser i 
økonomien er begrenset (tilbud av arbeidskraft, kap ital etc.). Dette betyr at effekten av offentlig økonomisk 
stimulans i modellen både tar hensyn til finansieri ngen av stimulansen, og et perspektiv som knytter s eg til 
alternativ ressursanvendelse. NOREG er med andre or d en generell likevektsmodell for norsk økonomi, der 
etterspørselen etter varer og tjenester, arbeidskra ft og kapital til enhver tid er i overenstemmelse m ed 
tilbudet. Tilbud og etterspørsel etter varer, tjene ster og innsatsfaktorer balanseres ved at prisene e ndrer seg.

2 
 
Makromodulen styrer også mye av den langsiktige utv
iklingen. NOREG beregner den langsiktige utviklingen i 
norsk økonomi frem til 2100, men i analysene i denn e dokuentasjonsrapporten setter vi grensen ved 2060 . 
Som grunnlag for utviklingen fremover har vi etable rt en såkalt referansebane som alle andre prognoser 
vurderes opp mot. I referansebanen har vi lagt oss nært opp til den fremtidsbeskrivelse som er brukt i 
Perspektivmeldingen (Finansdepartementet, 2013). 
Den regionale modulen sprer makroeffekter fra makro modulen utover modellens regioner, som er fylker i 
nåværende modellspesifikasjon. De to modulene er se parable i den forstand at makro-modulen leverer 
infomasjon til regional-modulen, som til slutt prod userer informasjon om økonomisk aktivitet på fylkes nivå, 
som samlet summerer seg til nasjonal økonomisk akti vitet. Regionalmodulen leverer ikke informasjon tilbake til 
makro-modulen. Regional-modulen sprer effektene for skjellig på fylker, avhengig av hvor den økonomiske 
endringen (eller politikktiltaket) inntreffer i lan det, og modulen tar eksplisitt hensyn til to viktig e regionale 
egenskaper: 
1 avstand mellom regioner (fylker) 
2 opphopning av økonomisk aktivitet i regioner 
Gjennom regional-modulen tar modellen dermed både h ensyn til landets geografi (avstander) og regionenes 
grad av sentralisering/spesialisering (opphopning a v økonomisk aktivitet). Regional-modulen er også ko nstruert 
slik at vi får frem et bilde av hvordan varer og tj enester handles mellom regionene i dag og i årene f remover. 
Denne informasjonen trenger vi for å vite hvor i la ndet vi skal forvente at varer og tjenester blir produsert når 
det kommer en økning i etterspørselen i en region. Eksempelvis er det større sannsynlighet for at det leveres 
en bygg- og anleggstjeneste fra Oppland dersom noe skal bygges i Hedmark enn dersom samme bygget skal 
oppføres i Finnmark. Denne leveransestrukturen er i nformasjon som ikke er tilgjengelig andre steder gjennom 
offisiell statistikk. Vi har derfor laget en full m atrise av vare- og tjenesteleveranser mellom 19 fyl ker og 5 sokkel-
regioner der det produseres olje og gass. Denne reg ionale leveringsmatrisen trenger vi for å kunne si noe om 
hvordan politikken påvirker sammensetningen av regi onenes økonomi. Regional-modulen tar ikke hensyn ti l 
fortrengning av aktivitet på regionalt nivå, etters om dette allerede er håndtert i makro-modulen, men den 
passer på at produksjon i et fylke blir kjøpt av ak tører, enten i eget fylke eller i andre fylker. 
NOREG-modellen er bygget på plattformen GAMS (se Ro senthal 2014 for mer om dette programmet). Begge 
modulene er strukturert på denne plattformen, men f or å legge inn data i modellen og for å hente ut data fra 
modellen benytter vi excel. GAMS opererer med en ve lfungerende kobling til Excel gjennom enkle Visual Basic 
programmer. 	
1.2. Kort om politikkanalysene 
I denne rapporten går vi gjennom modellanalyser av ulike tiltak, i form av politiske endringer, investeringer etc. 
Tiltakene eller endringene er designet med bakgrunn i samtaler med oppdragsgiver og vi har hatt til hensikt å 
belyse hvordan mange av de tiltak som foreslås i se ktoranalysene i kunnskapsinnhentingen påvirker økon omien 
samlet, i fylkene, landsdelen og landet på mellomla ng og lang sikt.

3 
 
I tabellen under presenterer vi hva slags tematikk 
knyttet til de politiske endringene vi studerer. Til sammen ser 
vi på hele 19 politikkanalyser og fremtidsbilder i tillegg til modellens referansebane. 	
Tabell 1: Oversikt over modellsimuleringer som gjen nomføres i denne rapporten 	
 
Modell-simuleringene tar for seg politikk knyttet t il utdanning, FoU, innvandring, klima, havbruk, 
mineralnæringen, fornybar energi, olje- og gassprod uksjon, infrastruktur og reiselivsnæringen. 
Enkelte av virkningsberegningene i NOREG kombinerer flere av endringene, og i disse beregningene vektlegger 
vi særlig politikk der man satser på økt utdanning og FoU, sammen med ulike næringsrettede 
virkemiddelpakker. 	
1.3. Hvorfor trenger vi NOREG? 
Det finnes i dag flere økonomiske modeller som i ut gangspunktet kan egne seg for å analysere effekten av 
økonomisk politikk på ulike deler av landet. Proble met er at hver og en av disse modellene har begrens ninger 
som gjør dem mindre relevante som analyseverktøy i sammenheng med kunnskapsinnhentingen. I tillegg til 
dette har oppdragsgiver vært eksplisitt og tydelig på at modellen må ha egenskaper som dagens eksister ende 
modeller vanskelig klarer å dekke. Disse egenskapen e/kravene er kort beskrevet nedenfor: 
• Modellen bør ha en forholdsvis grundig beskrivelse av sektorene fiskeri/havbruk/nye marine næringer; 
reiseliv; fornybar energi; mineralnæringen, og anne n industri og næringsvirksomhet, men med vekt på 
fiskeri og havbruk og reiseliv. Også næringer som p etroleum og offentlig virksomhet skal modelleres. 
 
• Modellen skal kunne gjøre beregninger på regionnivå (fylke). 
 
• Modellen skal kunne samordne sektoranalyser i en ko nsistent ramme, og beregne virkninger av 
virkemidler for regional utvikling og vekst. Dette fordrer blant annet at modellen må inkludere ulike 
typer arbeidskraft, og produktivitetseffekter av in frastruktur. 
 
• Modellen skal kunne spesifisere effekten av virkemi dler på næringssammensetning, sysselsetting, 
økonomisk verdiskaping direkte og via ringvirkninge r. Den bør i tillegg kunne brukes til å vurdere 
fremtidig kompetansebehov og befolkningsstruktur. 
Scenarier/politikk
Politikk rettet mot en næring/område Kombinasjon av virkemidler/politikk
Havbruk Havbruk med økt innvandring
Reiseliv 
Mineraler Økt utdanning og FoU 
Fornybar energi Økt utdanning og FoU i Nord-Norge 
Økt innvandring Havbruk med økt FoU og utdanning 
Mer infrastruktur i landsdelen Reiseliv med økt FoU og utdanning
FoU i Nord-Norge Mineraler med økt FoU og utdanning
FoU i Norge Fornybar med økt FoU og utdanning
Økt utdanning i Nord-Norge Havbruk og reiseliv med ø kt FoU og utdanning
Økt utdanning i Norge
Økt olje- og gassproduksjon 
Klima (Økte CO2-priser)

4 
 
• Modellen skal kunne beskrive utviklingen på lang si kt. 
 
Som nevnt over finnes det i dag modeller som håndte rer mange av punktene over for norsk økonomi, men 
ingen modeller som dekker alle punktene. Nedenfor g ir vi et kort innblikk i dagens eksisterende modeller: 
SNF-modellen (se Gaasland, 2013) er en generell likvektsmodell som i likhet med NOREG tar hensyn til at det er 
begrensede ressurser i økonomien og at allokering a v arbeidskraft, kapital og råvarer bestemmes i et marked. 
Modellen har en mer detaljert næringsstruktur enn N OREG og er særlig detaljrik på fiskerisektoren og 
landbrukssektoren. Opp gjennom årene er det særlig disse sektorene som er blitt studert i denne modellen. I 
likhet med NOREG sprer SNF-modellen den nasjonale a ktiviteten ut på regioner, men modellen har en enkel og 
mekanisk fordelingsmekanisme der hver region får ti ldelt aktivitet utelukkende basert på regionens andel av 
aktiviteten i basisåret. SNF-modellen skiller ikke mellom arbidskraft med ulik utdannings- eller kompe tansenivå, 
men deler næringene inn i grupper med høy og lav ku nnskapsintensitet. Dette innebærer at det blir litt 
vanskeligere å modellere utdanningsinvesteringer i modellen. Så vikt vi vet inneholder ikke modellen e n 
eksplisitt regional håndtering av olje- og gassprod uksjonen på sokkelen. 
REGNA inngår som en komponent i den såkalte PANDA-modell en (se Panda-gruppen 2010). REGNA er en 
kryssløpsmodell (input-output) som beregner den øko nomiske utviklingen for en region, basert på gitte 
forutsetninger om nasjonal og regional ressurstilga ng, og leveranser mellom næringer og sektorer slik de er 
beskrevet i nasjonalregnskapet. Modellen har ingen kjerne som tar hensyn til markedsbaserte tilpasninger, og 
det er ikke formulert noen form for begrensninger f ra tilbudssiden. Dette gjør at modellen ikke har noen 
fortrengningseffekter: all økt etterspørsel blir mø tt med tilbud til samme pris. I REGNA blir sysselse ttingen i 
hver næring fordelt ned på de enkelte regioner, fyl ker/kommuner/bydeler. Den enkelte region beholder s in 
andel av den regionale sysselsettingen i hver nærin g. Vi har med andre ord samme regionale 
fordelingsmekanisme som i SNF-modellen, men det er i tillegg innarbeidet en eksplisitt kobling til demografi, 
der næringsaktiviteten påvirker regionens demografi . Beregningene i REGNA styres av utviklingen i eksogene 
etterspørselskomponenter som offentlig konsum, inve steringer og eksport til resten av landet og utlandet. 
Kryssløpskjernen i REGNA er utvidet med en husholds -sektor hvor yrkesinntekter (lønn og næringsinntekt) og 
privat konsum beregnes i modellen. I slutt-trinnet beregner modellen utvikling i produksjonsverdi og 
sysselsetting for regionene via forutsetninger om p roduktivitetsendring. I likhet med SNF-modellen blir ikke 
handel mellom regioner eksplisitt modellert, og eff ekten av endringer i reiseavstand kan dermed ikke 
modelleres eksplisitt i REGNA . 
Den makro-økonomiske modellen MSG6 (se Heide m. fl. (2004)) har lang tradisjon i nors k langsiktig 
planleggingspolitikk og forvaltes og utvikles av SS B. MSG6 er en generell likevektsmodell for hele Nor ge, og den 
har ingen regional modul. Modellen gir en detaljert beskrivelse av norsk økonomisk politikk, produksjon og 
forbruk. Modellen gir en relativt rik representasjo n av myndighetenes økonomiske virkemidler og hvorda n de 
påvirker atferden og velferden i privat sektor. Mod elleringen av atferd er basert på en rekke empiriske studier. 
Modellen har 40 næringer og en mer sofistikert prod uksjonsstruktur enn NOREG. Hver næring består av fl ere 
bedrifter med ulik produktivitet og størrelse. Hver bedrift produserer egne produktvarianter som er ul ike, men 
kan substituere hverandre i forbruk og vareinnsats. Det er dermed ikke fullkommen konkurranse og bedri ftene 
oppnår noe høyere pris enn kostnadene skulle tilsi (markup-prising). En detaljert beskrivelse av 
produksjonssiden i modellen finnes i Holmøy og Hæge land (1997). Modellen brukes for studier av en rekke 
politikktiltak, men har særlig blitt rettet mot ene rgi- og klimaspørsmål, pensjon og skatt, og interna sjonal 
handelspolitikk.

5 
 	
Ettersom den regionale arbeidsmarkedsutviklingen er styrt av en rekke forhold har SSB tidligere sett det som 
hensiktsmessig å etablere et analyseapparat som ser de ulike faktorene i sammenheng. Til dette formålet har 
Statistisk sentralbyrå utviklet modellsystemet REGARD. Ved hjelp av denne modellen er en i stand til å be lyse 
implikasjonene av den makroøkonomiske utviklingen f or sysselsetting, arbeidsstyrke og arbeidsledighet i den 
enkelte region. I tillegg har modellapparatet vært benyttet til å analysere virkninger på regional sysselsetting og 
befolkningsutvikling av en omlegging av den økonomi ske politikken. I forbindelse med modellutviklingen har 
man tidligere gjennomført empiriske analyser av reg ional produsentatferd i industrien, og av sammenhen gen 
mellom den regionale arbeidsmarkedsutviklingen og innenlandske flyttebevegelser.Se Stambøl (2002) for mer 
om denne modellen. Arbeidet med denne modellen har ikke blitt videreført det siste tiåret og modellen er 
derfor ikke oppdatert med relevante tall. 
For analyser av mer kort og mellomlangsiktig natur, benytter departementer og SSB modellene KVARTS og 
MODAG . Den førstnevnte modellen produserer prognoser bas ert på kvartalsvis informasjon, mens MODAG 
baserer seg på årlige data. Begge modellene er såka lte økonometriske makromodeller der likevekt i alle 
markeder ikke nødvendigvis oppnås. Det betyr at mod ellene tillater ledig kapasitet i form av arbeidsledighet og 
uutnyttet produksjonskapasitet i bedriftene. Heller ikke KVART og MODAG har en regional struktur, men 
MODAG-modellen har vært benyttet for studier av reg ional utvikling, blant annet analyser av regionalt 
differensiert arbeidsgiveravgift. I slike analyser har man enten spredt makro-effektene ut etter regio nenes 
sysselsettingsandeler, eller man har koblet seg på andre modeller (se for eksempel Cappelen og Stambøl , 
2003).	
1 
En rekke økonomiske analysemiljer har utviklet ulik e typer ringvirkningsmodeller for studier av hvordan 
økonomisk aktivitet sprer seg mellom næringer, regi oner, bedrifter etc. I Menon (2013c) presenteres slike 
modeller og et rammeverk for hvordan kryssløpsbaser te ringvirnkningsmodeller bør se ut. Disse modellene har 
samme grunnleggende egenskaper som Regna-modellen, ettersom det ikke finnes noen tilbudsside i modellen. 
Modellen TEM (Totaleffektmodellen), som forvaltes av Menon (201 3c), har særlig vektlagt å modellere en mer 
detaljert struktur på ringvirkningene av aktivitete n i olje- og gasssektoren og maritim sektor. Den ha r en 
betydelig mer detaljert kryssløpsstruktur rundt dis se næringene enn det man finner i kryssløpet i 
nasjonalregnskapet. Modellen inneholder også infoma sjon om regionale variasjoner av kryssløpsleveranser i 
tilknytning til disse næringene. 
Med NOREG etableres det en modell som både innehold er økonomisk markedsatferd, betingelser om likevekt i 
markedene, en eksplisitt tilbudsside med begrenset tilgang på ressurser, og en regional modul som tar høyde 
for betydningen av reiseavstand, geografisk opphopn ing og likevekt i regionale markeder. 
 
 	
 
1 NAM-modellen (Norsk aggregert modell) har mange li khetstrekk med MODAG og har vært benyttet for 
studier av regional næringspolitikk og langsiktige regionaløknomiske utviklingstrekk. Heller ikke denn e 
modellen har en regional modul.

6 
 	
2. Økonomien i Nord-Norge: En kort innføring 
Før vi presenterer modellen og dens anvendelse knyt tet til økonomien i Nord-Norge, er det instruktivt å sette 
modellarbeidet inn i en nordnorsk kontekst. Hvordan ser økonomien ut i landsdelen, hvilke næringer 
dominerer, hvor stort er omfanget av FoU og utdanni ng og hva slags kapital er tilgjengelig. I rapporten 
«Fremtidens næringer i Nord» (Menon, 2013a) present eres næringslivet i Nord-Norge i lys av seks sentrale 
dimensjoner for næringene: Størrelse, vekst, intern asjonal konkurranseevne, regional kontroll, FoU/inn ovasjon, 
og kunnskap og produktivitet. I dette kapittelet re kapitulerer vi kort de mest sentrale elementene i d enne 
rapportens innhold. 
Vær oppmerksom på at i gjennomgangen er ikke minera lnæringen skilt ut som egen næring, og fiske og 
havbruk er slått sammen til en næringsgruppe under flagget «sjømat». Videre inneholder denne 
gjennomgangen en egen maritim næring og en offshore rettet sektor som inkluderer leverandørindustrien til 
olje og gass. I modellen er derimot maritim og offs hore ikke skilt ut som egne næringer. I senere kapitler 
kommer vi tilbake til hvorfor. 
2.1. Næringenes størrelse 
For å måle næringenes relative størrelse har vi set t på næringenes verdiskaping, verdiskapings-balassa , og 
sysselsetting i Nord-Norge. Balassaindeksen viser h vor stor en næring er relativt til næringens større lse 
nasjonalt. En balassaindeks på fem indikerer at nær ingen er fem ganger større i nord enn i resten av landet. 
Måler vi størrelsen i sysselsetting alene, er hande lsnæringen sammen med bygg og anlegg klart størst i nord. 
Disse to næringene har henholdsvis 26 000 og 24 000 ansatte. Reiseliv kommer på en god tredjeplass med 
12 500 ansatte. Med til sammen 50 000 sysselsatte e ller omkring 45 prosent av de ansatte i næringslivet har 
bygg- og anleggsbransjen sammen med handelsnæringen en dominerende rolle i næringslivet. Dette kan virke 
som store tall, men ser man på balassaindeksene for sysselsetting skiller næringene seg lite ut fra næringslivet 
ellers i Norge. Et annet viktig poeng å ha med seg videre er at privat næringsliv i Nord-Norge står bak under 
halvparten av sysselsettingen i landsdelen. Det er offentlig sektor som dominerer sysselsettingen, med over 
100 000 ansatte. Dette er ansatte i statlige, fylke skommunale og kommunale organisasjoner som står bak en 
rekke offentlig tjenestetilbud. Offentlig sektor er dermed større enn samtlige næringer i nord.

7 
 
Figur 
1: Verdiskaping i nord fordelt på næringer, 2011. Ki lde: Menon Business Economics/Soliditet
 
Et annet mål på næringenes størrelse er verdiskapin g. Da måler vi merverdien en næring skaper i løpet av et år, 
og i nasjonal kontekst kan det sammenlignes med bru tto nasjonalprodukt (BNP). Bygg og anlegg er klart størst 
her. Denne næringen skapte verdier for 14,3 milliar der kroner i 2011, en oppgang på over 12 prosent fr a året 
før. Varehandel og sjømat er også store, med verdis kaping på henholdsvis 11,5 og 9,7 milliarder kroner i 2011. 	
 
Hva er verdiskaping, og hvorfor er det et godt mål på en nærings størrelse? 
Verdiskaping beregnes ganske enkelt som bedriftenes omsetning fraktrukket kjøpte varer og tjenester. Det 
betyr samtidig at bedriftenes verdiskaping tilsvare r summen av lønnskostnader og driftsresultat før 
avskrivninger og nedskrivninger (EBITDA, hvor EBITDA er forkortelsen for Earnings Before Interest, Taxes, 
Depreciation and Amortization). Et annet navn på ve rdiskaping er bruttoprodukt. På nasjonalt nivå blir dette 
betenget med BNP. 
En nærings verdiskaping er dermed summen av lønnsko stnader og EBITDA i alle bedriftene. Verdiskaping er et 
godt størrelsesmål av to grunner. For det første unngår man dobbelttelling av varer og tjenester, noe som gjør 
det meningsfullt å sammenligne verdiskaping på tver s av næringer. Dessuten gir verdiskaping et godt bilde på 
den samfunnsmessige avkastning av næringsvirksomhet en. Det skyldes at verdiskaping fanger opp avlønningen 
til de viktigste interessentene (stakeholders) i næringen, det vil si de ansatte gjennom lønn, kommune ne og 
staten gjennom inntektsskatt, arbeidsgiveravgift og selskapsskatt, kreditorene gjennom renter på lån, og til 
slutt eierne gjennom overskudd. 
Sammenligner vi næringene i nord med de samme nærin gene nasjonalt, finner vi at sjømatnæringen er nesten 
seks ganger større i nord og dermed mye større og v iktigere her enn i resten av landet, både når det gjelder 
sysselsetting og verdiskaping. Også reiseliv og for nybar energi er næringer som er relativt viktigere i nord enn 
nasjonalt. IT, kunnskapstjenester og offshore befin ner seg i den andre enden av skalaen – vesentlig mi ndre i 
nord enn i resten av landet. Dette er illustrert i Balassaindeksen nedenfor.

8 
 	
Figur 2: Balassaindeks - 13 næringer i Nord rangert ett er næringenes andel av verdiskaping i Nord-Norge relati vt til 
næringens andel av verdiskaping nasjonalt. Kilde: Menon/ Soliditet 	
 
 	
Verdiskaping og lønn per ansatt 
Finans, fornybar energi og sjømat er de næringene s om har høyest verdiskaping per sysselsatt i nord, med 
henholdsvis 1,8 millioner kroner for finans og forn ybar energi og 1,4 millioner kroner for sjømat. Det te er 
kapitalintensive næringer som må ha høyere verdiska ping per sysselsatt for å dekke bedriftens 
kapitalkostnader. Lønnskostnader per ansatt er et a nnet mål på arbeidsproduktivitet. Det representerer et 
minimumsnivå for de ansattes gjennomsnittlige bidra g til bedriftenes verdiskaping. Også her ligger finans og 
sjømat høyt, med rundt 730 000 kroner i lønnskostn ader per sysselsatt i sjømatnæringen og 630 000 kroner i 
finansnæringen. Rangeringen toppes av ansatte i for nybar energi og maritim som begge har over 800 000 
kroner i lønnskostnader per ansatt. Det er nesten d et dobbelte av snittet for de ansatte i privat næringsliv i 
regionen. Lønnsveksten har også vært sterkest i de sjøbaserte næringene. Mens lønnsveksten har vært på 5,5 
prosent per år i perioden 2004 til 2011 i næringsli vet i Nord-Norge totalt, har veksten i de to sjøbaserte 
næringene vært nesten dobbelt så høy.

9 
 	
Figur 3: Produktivitet i næringene målt ved verdiskap ing per sysselsatt og lønnskostnader per sysselsatt. Kilde: Menon 
Business Economics 2013 	
 	
Sjømat og maritim er næringer der kunnskapsintensit eten målt ved utdanning er lav, men disse næringene har 
likevel høy lønn per ansatt. Et interessant spørsmå l er om det er mulig å utvikle næringene i en mer 
kunnskapsintensiv retning når man får høy lønn uten utdannelse. Uten en slik utvikling kan det være vanskelig 
for næringene å opprettholde sin styrke i fremtiden . 
2.2. Vekst 
Det er havbaserte næringer som vokser mest i nord. Sjømat, maritim og offshore har høye årlige vekstrater – 
og næringene vokser også sterkt sammenlignet med re sten av landet. Offshore, maritim og sjømat er næringer 
som vokser raskt. De to førstnevnte vokser raskere i nord enn den nasjonale veksttakten til næringene. 
Offshore og maritim ligger på topp med årlig verdis kapingsvekst på 18 og 14 prosent i perioden 2004 ti l 2011. 
Dette er høyt. Til sammenligning har konsumprisinde ksen ligget på rundt 2 prosent, og den gjennomsnittlige 
lønnsøkningen har vært på omtrent 4,5 prosent i sam me periode. Når vi måler den relative veksten mot resten 
av landet, er det fornybar energi som skårer høyest . RECs vekst har vært en viktig forklaring til den sterke 
veksten fornybar energi opplevde frem til 2011. Ett ersom selskapet har lagt ned produksjonen i Glåmfjo rd, er 
det likevel naturlig å anta at veksten ville ha lig get nærmere landsgjennomsnittet om vi trakk histori kken frem 
til 2013. 
Det er også interessant å se på næringene som vokse r klart svakere enn ellers i landet. Både IT, finans, 
kunnskapstjenester og tele og media vokser klart sv akere enn landsgjennomsnittet. Dette er alle 
tjenestedominerte støttetjenester, hvor de største aktørene gjerne er etablert i de større bysentrene.

10 
 	
Figur 4: Årlig verdiskapingsvekst for 13 næringer i nord i perioden 2004 til 2011, sammenlignet med næri ngene nasjonalt. 
Kilde: Menon Business Economics 	
 
En annen måte å fange opp veksten i næringene på, e r å se hvor stor andel av verdiskapingen som stammer fra 
bedrifter etablert siste fem år. Dette forteller no e om dynamikken og grad av nyskaping i næringen. De t er 
reiselivsnæringen som ligger på topp i denne måling en. Her kommer 19 prosent av verdiskapingen fra 
nystartede bedrifter. Dette er ikke overraskende se tt i lys av alt det spennende som skjer i reiselivsnæringen i 
nord for tiden – særlig hos opplevelsesbedriftene. Reiseliv blir etterfulgt av bygg og anlegg, hvor 18 prosent av 
verdiskapingen kommer fra nystartede bedrifter. Det te er også relativt høyt sammenlignet med andre 
næringer. For eksempel er det tilsvarende tallet fo r finans og tele og media under 5 prosent. 	
2.3. Internasjonal konkurranseevne 
For å vurdere hvor sterk næringenes internasjonale konkurranseevne er, har vi sett på eksportgrad, nær ingens 
internasjonale ambisjoner og hvor attraktiv næringe n er for utenlandske eiere. Næringers eksportgrad, det vil si 
hvor stor andel av omsetningen som kommer fra marke der utenfor Norge, er et uttrykk for internasjonal 
konkurranseevne. Eksportgraden viser med andre ord om næringen er konkurransedyktig også i tøff 
konkurranse med ledende miljøer globalt. Bedrifter som spesialiserer seg innenfor enkelte segmenter, o pplever 
fort at de største vekstmulighetene ligger utenfor Norges grenser. Et eksempel er verdiskapingen rundt 
nordnorske mineralressurser, som er totalt avhengig av utenlandske markeder. 
Ser vi på den totale rangering er det sjømat og rei seliv som kommer best ut etterfulgt av maritim, off shore og 
prosessindustri. Alle disse næringene er avhengige av å lykkes i den internasjonale konkurransen om de skal 
være drivere for videre vekst i landsdelen. 
I figuren nedenfor har vi sammenlignet bedriftenes internasjonale ambisjoner med deres faktiske ekspor tgrad. 
Som grafen viser er ambisjonene om internasjonal su ksess store i næringer som offshore og 
kunnskapstjenester, selv om eksportgraden i disse n æringene er lav. Den eneste næringen som både har h øye 
ambisjoner og høy eksportgrad er sjømat. Nesten hal vparten av bedriftene har ambisjoner om å lykkes

11 
 
internasjonalt, og eksportgraden er tilsvarende høy
. Med unntak av de tre nevnte næringene er det stor e 
flertall av bedrifter i nord fornøyd med å lykkes l okalt og nasjonalt. 	
Figur 5: Oversikt over næringenes eksportgrad og ande l bedrifter med internasjonale ambisjoner i Nord-Norge . Kilde: 
Menon Business Economics og EKNN 	
 
Den tredje underindikatoren vi har brukt for å måle nordnorsk næringslivs internasjonale konkurranseev ne er 
internasjonalt eierskap. De tre næringene som har h øyest andel internasjonalt eierskap er reiseliv, maritim og 
prosessindustri. Oppkjøp av utenlandske aktører er positivt i den forstand at det viser at næringene i regionen 
er internasjonalt attraktivt. I 2010 ble omkring 35 prosent av verdiskapingen i privat næringsliv skap t i selskaper 
med utenlandsk eiere (NHO Privat eierskapsberetning 2011). 	
2.4. Regional kontroll 
Det å ha beslutningsmyndighet innad i landsdelen ka n være viktig, ettersom lokale hovedkontor og eiere da 
kan fatte beslutninger som styrer næringsutviklinge n i regionen. For å vurdere graden av regional kontroll i de 
ulike næringene i Nord-Norge har vi benyttet to ind ikatorer. Vi har sett på antall konsern med mer enn 50 
millioner kroner i verdiskaping og hovedkontor i No rd-Norge, og andelen av næringenes totalkapital som blir 
kontrollert fra Nord-Norge. I bygg- og anleggsnærin gen finner vi 23 hovedkontorer med mer enn 50 milli oner 
kroner i verdiskaping i nord, mens fornybar energi og sjømat har henholdsvis 15 og 13 millioner kroner . I 
offshorenæringen er det kun to hovedkontorer. I IT, tele og media er det til sammen kun ett hovedkonto r hvor 
konsernet har mer enn 50 millioner kroner i verdisk aping.

12 
 	
Figur 6: Antall konsern med mer enn 50 mNOK i omsetn ing og hovedkontor i Nord-Norge. Kilde: Menon/Soliditet 	
 
Den andre underindikatoren viser hvor stor andel av kapitalen i næringene som er eid av personer, bedrifter 
eller offentlige aktører i landsdelen. 
Over 90 prosent av bygg- og anleggsbransjen kontrol leres av lokale krefter. Som grafen under viser er det store 
forskjeller mellom andelen av totalkapitalen som st yres fra nord i de ulike næringene. Det tilsvarende tallet for 
finans, offshore og tele og media er under 30 prose nt. Disse kunnskapsnæringene er gjerne filialer av nasjonale 
selskap som Telenor, Statoil, DNV eller DNB. Det be tyr også at det er spesielt viktig å beholde de store 
nordnorske aktørene innen kunnskapsnæringer som i d ag har hovedkontor i landsdelen. 	
 	
Figur 7: Andel av næringens totalkapital som eies av aktører i Nord-Norge. Kilde: Menon Business Economic s

13 
 
 	
2.5.
 FoU og innovasjon 
Kunnskapsnæringene driver mest med forskning og er de klart mest innovative i Nord-Norge. For å måle FoU og 
innovasjon har Menon tatt i bruk to underindikatore r. Næringenes Innovasjonsgrad (hentet fra SSBs 
innovasjonsundersøkelse) viser andel av bedriftene i næringen som svarer at de har omsetning fra produ kter 
som er nye for markedet. Ikke overraskende er det k unnskapstjenester og tele og media som har høyest 
innovasjonsgrad i landsdelen. Over 60 prosent av IT -bedriftene svarer at de har omsetning fra produkte r nye 
for markedet. Ser vi på innovasjonsgraden i Nord-No rge i forhold til næringene nasjonalt, er det imidlertid 
reiselivsnæringen som utmerker seg. Til tross for a t reiselivsbedriftene ikke driver med forskning, er de relativt 
innovative – og langt mer innovative i den nordligs te landsdelen enn i resten av landet.	
2 
 	
 	
 
 
2 En viktig kilde til innovasjon, spesielt blant opp levelsesbedriftene, er de to Arena-prosjektene i No rd-Norge; 
«Arena innovative opplevelser» og «Arena vinteroppl evelser».

14 
 	
Tabell 2: Oversikt over næringenes innovasjonsgrad og FoU-intensitet. Kilde: SSB og Menon Business Economics 
 	Innovasjonsgrad 	 	
 Nord-Norge Norge 
IT 63 % 56 % 
Tele og media 35 % 35 % 
Handel 33 % 28 % 
Prosessindustri 27 % 34 % 
Finans 25 % 24 % 
Offshore 24 % 38 % 
Fornybar 24 % 30 % 
Sjømat 23 % 31 % 
Reiseliv 19 % 9 % 
Maritim 18 % 31 % 
Kunnskapstjenester 18 % 42 % 
Bygg og anlegg 15 % 21 % 
Helse % 49 % 
 
Den andre underindikatoren vi har tatt i bruk er an delen av næringens samlede inntekter som investeres i FoU. 
Også her er det de teknologisk orienterte og kunnsk apsintensive næringer som kunnskapstjenester og IT som 
er de mest FoU-intensive i landsdelen. Næringer som bygg og anlegg, reiseliv	
3 og handel er svært lite FoU-
tunge. Ser vi på FoU-intensiteten i forhold til nær ingene nasjonalt, er det sjømatnæringen som utmerke r seg. I 
nord bruker de omtrent 2 prosent av omsetningen sin til FoU-aktiviteter. Dette er nesten tre ganger så mye 
som i resten av landet. Dette understreker sjømatnæ ringens sterke posisjon i Nord-Norge. 
Sett under ett har Nord-Norge en liten andel av FoU -utgiftene i Norge.	
4 En gjennomgang fra Forskningsrådet 
viser at regionen sto bak 6,2 prosent av Norges FoU -utgifter i 2009, noe som er mindre enn det folketallet 
skulle tilsi. Mens næringslivet på landsbasis sto b ak 45 prosent av FoU-utgiftene, var denne andelen f or Nord-
Norge kun 23 prosent. Offentlige aktører er dermed klart viktigst for den FoU-virksomheten som foregår i 
Nord-Norge. Ser en på fylkesfordelingen, var FoU-ut giftene per innbygger lavest i Finnmark og Nordland med 
henholdsvis 1 700 og 2 200 kroner. Det er langt lav ere enn landsgjennomsnittet på 9 200 kroner i FoU-u tgifter 
per innbygger. Troms på den andre siden ligger godt over gjennomsnittet med 13 800 kroner i FoU-utgift er per 
innbygger. 	
 
 
 
3 I SSBs FoU- og innovasjonsundersøkelser er ikke ho tell og restaurant inkludert. Det er derfor kun transport- og 
opplevelsesdelen av reiseliv som er inkludert i dat agrunnlaget. 
4 Kilde: 
http://www.forskningsradet.no/servlet/Satellite?blo bcol=urldata&blobheader=application%2Fpdf&blobheade r
name1=Content-
Disposition%3A&blobheadervalue1=+attachment%3B+file name%3D%222012Kapittel4endelig.pdf%22&blobke
y=id&blobtable=MungoBlobs&blobwhere=1274497136567&s sbinary=true

15 
 	
2.6. Utdanning 
Det er store forskjeller mellom næringene med hensy n til de ansattes utdanningsnivå i Nord-Norge. Mens helse 
ligger på en klar førsteplass med over 55 prosent a v de ansatte som innehar enten en bachelor-, master - eller 
doktorgrad, er tilsvarende tall for hele 6 av nærin gene under 15 prosent. I næringer som sjømat og mar itim har 
bare 10 prosent av de ansatte høyere utdannelse. 
Figur 8: Andel av ansatte med høyere utdanning i 13 næ ringer. Kilde: SSB/EKNN 	
 	
Figur 9: Differanse i prosentpoeng mellom 13 næringer i Nord-Norge og nasjonalt mht. hvor stor andel av de ansatte som 
har høyere utdanning. Kilde: SSB/EKNN

16 
 
Selv om næringene i nord varierer kraftig i utdanni
ngsintensitet, har de til felles at utdanningsnivået er lavere 
enn i tilsvarende næringer nasjonalt. Som figuren n edenfor viser har samtlige næringer med unntak av h else 
lavere utdanningsnivå enn næringene har nasjonalt. Aller størst er differansen i IT og finans, to næringer med 
høyt utdanningsnivå også i nord, men hvor om lag 15 prosent flere av de ansatte har høyere utdanning i resten 
av landet.

17 
 	
3. Modellens design: En kort innføring 
NOREG-modellen er en regional modell for Norge med en makroøkonomisk overbygging. Modellen har to 
separate moduler, en makro-modul og en regional-mod ul. Disse er separable i den forstand at makro-modulen 
leverer infomasjon til regional-modulen, som til sl utt produserer informasjon om økonomisk aktivitet p å 
fylkesnivå som samlet summerer seg til nasjonal øko nomisk aktivitet. I kapittel 4 og 5 dokumenterer vi 
modellen i mer detalj. Her gir vi en kort innføring . 
Modellen har fått navnet NOREG fordi det er en modell for REGionene i NOrge, der fylkesnivået definerer 
regionene. De tre nordnorske fylkene er derfor defi nert som tre separate regioner i modellen, men i ma nge 
sammenhenger i denne rapporten behandler vi de tre fylkene Nordland, Troms og Finnmark som en region 
eller landsdel. NOREG-modellen er en regional model l for Norge med en makroøkonomisk overbygging. 
Modellen har to separate moduler, en makro-modul og en regional-modul. 
Strukturen til makro-modulen kan oppsummeres gjenno m tre hoveddeler; produksjonsdelen, 
anvendelsesdelen og handelen med utlandet. Modellen har fire typer innsatsfaktorer som inngår i 
produksjonen: to typer arbeidskraft (arbeidskraft m ed høy og lav utdanning), kapital og produktinnsats . 
Arbeidskraften er delt opp i lavt og høyt utdannet arbeidskraft . Arbeidskraft med høy utdanning er mer 
produktiv enn arbeidskraft med lav utdanning, når v i ser på en enkelt næring. Samlet tilbud av sysselsatte og 
sammensetningen av høyt og lavt utdannet arbeidskra ft er bestemt utenfor modellen. Det generelle prisnivået 
på kapital er blant annet avhengig av veksten i tot al kapital. Prisen på kapital i hver næring avhenger av hvor 
mye kapital kaster av seg i næringene. 
Næringsinndelingen i NOREG er basert på den offisie lle næringsinndelingen i SSB, men avviker noe fra andre 
makromodeller fordi oppdragsgiver har ønsket å rett e søkelys mot noen næringer som går litt på tvers av de 
mer overordnede næringskategoriene i nasjonalregnsk apet og det nasjonale kryssløpet. Tabellen under lister 
opp de elleve næringene i modellen, som korresponde rer med elleve varer/tjenester: 
Tabell 3: Næringene og deres varer/tjenester i NOREG 
Næringnr NOREG-betegnelse, næring NOREG-betegnelse, vare/tjeneste 
NOREG 1 Fiske og fangst Fiske- og fangstprodukter 
NOREG 2 Havbruk Akvakulturprodukter 
NOREG 3 Olje og gass Råolje- og naturgassprodukter 
NOREG 4 Mineralnæring Mineralnæringsprodukter 
NOREG 5 Fornybar energi Fornybar energi 
NOREG 6 Annen industri Andre industriprodukter 
NOREG 7 Bygg og anlegg Bygg- og anleggsprodukter 
NOREG 8 Infrastruktur Infrastrukturtjenester 
NOREG 9 Reiseliv Reiselivsprodukter 
NOREG 10 Annen privat tjenesteyting Andre private tjenester 
NOREG 11 Offentlig tjenesteyting Offentlige tjenester

18 
 
Modellen har eksplisitt skilt mellom fiske og fangs
t, og havbruk. I figuren under presenteres næringen es andel 
av nasjonal verdiskaping. Figuren viser at de fem n æringene som står i fokus i kunnskapsinnhentingen 
(mineralnæringen, fiskeri, havbruk, reiseliv og for nybar energi) er de minste næringene i modellen og utgjør til 
sammen litt over 5 prosent av samlet verdiskaping i landet. Dette er et viktig poeng fordi de næringer som 
studeres i politikk-kapittelet gjennomgående er små og skaper derfor små effekter for den samlede 
økonomien. Effektene av endringer i disse næringene blir ytterligere skalert ned når man i tillegg fokuserer på 
en landsdel som representerer mellom 6 og 7 prosent av nasjonal verdiskaping. Dette kommer vi tilbake til i 
kapittel 5. 	
Figur 10: Næringenes andel av nasjonal verdiskaping (BN P) i basisåret (2010) 	
 
Norge er en liten åpen økonomi hvor om lag halvpart en av BNP eksporteres og om lag halvparten av innen lands 
forbruk importeres. Det legges i modellen restriksj oner på handelsbalansen overfor utlandet. Så lenge olje og 
gassnæringen utgjør en stor andel av økonomien anta s det at Norge fortsetter å bygge opp fordringer på 
utlandet. Dette skjer helt til olje- og gassepoken er over. Handelsbalanserestriksjonen legger føringe r på 
hvordan innenlandske priser på primære innsatsfakto rer kan endres, idet utviklingen i priser på internasjonale 
varer og tjenester settes av modellbrukeren. Prisen e på primære innsatsfaktorer tilpasser seg slik at landet 
eksporterer og importerer det som er bestemt av han delsbalanserestriksjonen. Gitt tilgangen på primære 
innsatsfaktorer og handelsbalanserestriksjonen tilp asses privat konsum slik at sparing er lik investering og alle 
ressurser brukes opp i økonomien. 
I makromodulen passer vi på at endringer i en sekto r av økonomien gir effekter i andre sektorer av økonomien, 
basert på økonomiske mekanismer som hviler på marke dsatferd og såkalt generell likevekt. I makromodulen 
ivaretar vi også det viktige prinsippet at tilgange n på ressurser i økonomien er begrenset (tilbud av 
arbeidskraft, kapital etc.). Dette betyr at effekte n av offentlig økonomisk stimulans i modellen både tar hensyn 
til finansieringen av stimulansen, og et perspektiv som knytter seg til alternativ ressursanvendelse. NOREG er 
med andre ord en generell likevektsmodell for norsk økonomi, der etterspørselen etter varer og tjenester, 
arbeidskraft og kapital til enhver tid er i overens temmelse med tilbudet. Tilbud og etterspørsel etter varer, 
tjenester og innsatsfaktorer balanseres ved at pris ene endrer seg. Makromodulen styrer også mye av den 	
33,7 %
22,8 % 21,0 %
8,4 %5,5 % 3,4 %2,5 %
1,5 % 0,6 %0,4 %
0,2 %

19 
 
langsiktige utviklingen. NOREG beregner den langsik
tige utviklingen i norsk økonomi frem til 2100, men i 
analysene i denne dokumentasjonsrapporten setter vi grensen ved 2060. 
Som grunnlag for utviklingen fremover har vi etable rt en såkalt refereansebane som alle andre prognose r i 
modellen vurderes opp mot. I referansebanen har vi lagt oss nært opp til den fremtidsbeskrivelse som er brukt 
i Perspektivmeldingen (Finansdepartementet, 2013) 
Den regionale modulen sprer makroeffekter fra makro modulen utover modellens regioner, som er fylker i 
nåværende modellspesifikasjon. De to modulene er se parable i den forstand at makro-modulen leverer 
infomasjon til regional-modulen, som til slutt prod userer informasjon om økonomisk aktivitet på fylkes nivå, 
som samlet summerer seg til nasjonal økonomisk akti vitet. Regionalmodulen leverer ikke informasjon tilbake til 
makro-modulen. Regional-modulen sprer effektene for skjellig på fylker, avhengig av hvor den økonomiske 
endringen (eller politikktiltaket) inntreffer i lan det, og modulen tar eksplisitt hensyn til to viktig e regionale 
egenskaper: 
1. avstand mellom regioner (fylker) 
2. opphopning av økonomisk aktivitet i regioner 
Gjennom regional-modulen tar modellen dermed både h ensyn til landets geografi (avstander) og regionenes 
grad av sentralisering/spesialisering (opphopning a v økonomisk aktivitet). 
Regional-modulen er konstruert slik at vi får frem et bilde av hvordan varer og tjenester handles mell om 
regionene i dag og i årene fremover. På denne måten kan vi foreta beregninger av hvordan etterspørsel ett 
sted i landet møtes gjennom tilbud og produksjon et annet sted i landet. Vi trenger med andre ord denne 
informasjonen for å vite hvor i landet vi skal forv ente at varer og tjenester blir produsert når det k ommer en 
økning i etterspørselen i en region. Eksempelvis er det større sannsynlighet for at det leveres en byg g- og 
anleggstjeneste fra Oppland dersom noe skal bygges i Hedmark enn dersom samme bygget skal oppføres i 
Finnmark. Denne leveransestrukturen er informasjon som ikke er tilgjengelig andre steder gjennom offisiell 
statistikk. Vi har derfor laget en full matrise av vare- og tjenesteleveranser mellom 19 fylker og 5 s okkel-
regioner der det produseres olje og gass. 
For å sikre oss at at en region har kapasitet til å produsere en vare eller tjeneste, har vi også bygg et en såkalt 
budsjettbetingelse for hver region. Denne sier at d et som produseres i regionen må enten konsumeres av 
regionen eller eksporteres til en annen region elle r et annet land. På konsumsiden kan produktene gå t il 
regionens husholdninger (privat konsum), regionens offentlige sektor eller regionens næringsliv (bedriftene) i 
form av vareinnsats eller investeringer. Dersom kon sum/anvendelsessiden i regionen er for stor, må den 
importere. Regionen vil da importere fra andre regi oner der det er overskudd av produktet, og vil velge å hente 
inn produkter fra regioner som ligger nært geografi sk. For å få til dette samspillet i alle år frem til 2060 må den 
regionale modulen foreta et stort antall beregninge r med leveranser mellom 19 fylker + 5 sokkel-region er og 11 
næringer i 50 år fremover. Vi benytter beregningsve rktøyet GAMS for å kalkulere disse strømmene mellom 
fylkene og ut av landet. 
Regional-modulen tar ikke hensyn til fortrengning a v aktivitet på regionalt nivå, ettersom dette allerede er 
håndtert i makro-modulen, men den passer på at prod uksjon i et fylke blir kjøpt av aktører, enten i eget fylke 
eller i andre fylker.

20 
 	
4. Makro-modulen 
Makro-modulen i NOREG er en standard anvendt genere ll likevektsmodell for vekst hvor de underliggende 
vekstfaktorene er tilgang på arbeidskraft, tilgang på kapital og teknologisk endring. Med utgangspunkt i anslag 
på disse faktorene vokser økonomien ved at produksj onsnæringene opplever produktivitetsfremgang og får økt 
tilgang på de primære innsatsfaktorene. Fordelingen av veksten på produksjonsnæringer er i utgangspunk tet 
avhengig av relative prisforhold og relative produk tivitetsforhold mellom næringene. 
Norge er en liten åpen økonomi hvor om lag halvpart en av BNP eksporteres og om lag halvparten av innen lands 
forbruk importeres. Det legges i modellen restriksj oner på handelsbalansen overfor utlandet. Norge har i dag 
en betydelig positiv handelsbalanse som resulterer i et raskt voksende pensjonsfond utland. I referansebanen 
har vi lagt til grunn at handelsbalansen fases ut v ha en årlig nedgang på 10. Handelsbalanserestriksjo nen legger 
føringer på hvordan innenlandske priser på primære innsatsfaktorer kan endres, idet utviklingen i priser på 
internasjonale varer og tjenester settes av modellb rukeren. Prisene på primære innsatsfaktorer tilpass er seg 
slik at landet eksporterer og importerer det som er bestemt av handelsbalanserestriksjonen. Gitt tilgangen på 
primære innsatsfaktorer og handelsbalanserestriksjo nen tilpasses privat konsum slik at sparing er lik 
investering og alle ressurser brukes opp i økonomie n. 
Strukturen til makro-modulen kan oppsummeres gjenno m tre hoveddeler; produksjonsdelen, 
anvendelsesdelen og handelen med utlandet, se model lens grunnstruktur i figuren nedenfor og forklaringer i 
påfølgende avsnitt. Makro-modulen er beskrevet i li gningsform i kapittel 7.1.

21 
 	
Figur 11: Makro-modulens hovedstruktur i figurform 	
 
 	
4.1.1.	 Produksjonsdelen 	
Fire typer innsatsfaktorer inngår i produksjonen: t o typer arbeidskraft (arbeidskraft med høy og lav u tdanning), 
kapital og produktinnsats. Produksjonen er beskreve t ved et sett av produktfunksjoner av typen CES (th e 
constant elasticity of substitution) som omdanner i nnsatsfaktorer til varer og tjenester. Vi antar separable 
funksjoner i tilfeller med mange input slik at de d anner parvise aggregater. Separable funksjoner bety r her at 
substitusjonen mellom to innsatsfaktorer, for eksem pel høyt og lavt utdannet arbeidskraft, er uavhengig av alle 
andre priser enn prisen på disse to faktorene. På s amme måte er substitusjonen mellom total arbeidskra ft og 
kapital i en næring bare avhengig av prisen på diss e to faktorene og tilsvarende mellom bruttoprodukte t og 
produktinnsatsen på det øvre trinnet i produktfunks jonen. Dette systemet av separable funksjoner gir samlet 
stor fleksibilitet i sammensetningen av innsatsfakt orer i produksjonsnæringene. Prisen på produktet i en 
næring framkommer som aggregat av priser og mengder per produsert enhet i produksjonstreet. 
Arbeidskraften er delt opp i lavt og høyt utdannet arbeidskraft . Prisen på arbeidskraft (lønn) varierer mellom 
næringer og typer arbeidskraft, og prisen reflekter er arbeidskraftens produktivitet. Arbeidskraft med høy 
utdanning er mer produktiv enn arbeidskraft med lav utdanning, når vi ser på en enkelt næring. Samlet tilbud 
av sysselsatte og sammensetningen av høyt og lavt u tdannet arbeidskraft er bestemt utenfor modellen. Det 
relative lønnsnivået mellom lavt og høyt utdannet a rbeidskraft er avhengig av forskjellen i veksten i tilgangen 
på de to typene arbeidskraft. Siden tilgangen på ar beidskraft er bestemt utenfor modellen, vil prisnivået for 
arbeidskraft bestemmes av etterspørselen etter arbe idskraft som bestemmes i modellen, og av restriksjonen 
på handelsbalansen. Lønningene må tilpasses slik at etterspørselen etter arbeidskraft er lik tilbudet.

22 
 
Bruttoprodukt
et (også kalt verdiskaping) er et aggregat av innsa tsen av arbeidskraft og kapital. Det generelle 
prisnivået på kapital er blant annet avhengig av ve ksten i total kapital. Den relative faktorprisen på kapital i 
hver næring avhenger av hvor mye kapital kaster av seg i næringene, total avkastningsrate i økonomien, 
avskrivningsrater i næringene, som er eksogene, og prisen på investeringsvarer og det generelle prisnivået på 
kapital, som er endogene. Indirekte henger prisnivå et sammen med handelsbalansen på samme måte som 
lønningene. 
Bruttoproduksjonen er summen av bruttoproduktet og samlet produktinnsats i næringen. Prisen på 
produktinnsatsen er et veid aggregat av prisene på den innenlandske bruttoproduksjonen og importprisen e. 
Produktinnsats av hver enkelt innsatsvare står i et fast forhold til total produktinnsats i hver næring 
(kryssløpet). Prisen på den innenlandske delen av p roduktet av total produktinnsats og import er da et veid 
aggregat av produktprisene med kryssløpskoeffisient ene som vekter. Kryssløpet bestemmes fra basisårsta llene 
(2010) i nasjonalregnskapet og holdes fast gjennom hele vekstperioden (se kapittel 4.1.5). 	
4.1.2.	 Næringene i NOREG 	
Rammeverket for modellen legger opp til at næringsi nndelingen kan tilpasses problemstillingen. I denne 
versjonen av modellen er norsk økonomi delt inn i e lleve næringer. Næringsinndelingen er basert på den 
offisielle næringsinndelingen i SSB, men avviker no e fra andre makromodeller fordi oppdragsgiver har ø nsket å 
rette søkelys mot noen næringer som går litt på tve rs av de mer overordnede næringskategoriene i 
nasjonalregnskapet og det nasjonale kryssløpet. Kap ittel 8.1 beskriver hvordan de ulike næringene er satt 
sammen av nace-næringer på et mer detaljert nivå. T abellen under lister opp de elleve næringene i modellen, 
som korresponderer med elleve varer/tjenester: 
Tabell 4: Næringene og deres varer/tjenester i NOREG 
Næringnr NOREG-betegnelse, næring NOREG-betegnelse, vare/tjeneste 
NOREG 1 Fiske og fangst Fiske- og fangstprodukter 
NOREG 2 Havbruk Akvakulturprodukter 
NOREG 3 Olje og gass Råolje- og naturgassprodukter 
NOREG 4 Mineralnæring Mineralnæringsprodukter 
NOREG 5 Fornybar energi Fornybar energi 
NOREG 6 Annen industri Andre industriprodukter 
NOREG 7 Bygg og anlegg Bygg- og anleggsprodukter 
NOREG 8 Infrastruktur Infrastrukturtjenester 
NOREG 9 Reiseliv Reiselivsprodukter 
NOREG 10 Annen privat tjenesteyting Andre private tjenester 
NOREG 11 Offentlig tjenesteyting Offentlige tjenester 
 
Modellen har eksplisitt skilt mellom fiske og fangs t, og havbruk. For å få til dette har vi måttet bestille egne 
kryssløpsberegninger fra SSB. Mineralnæringen bestå r av bergverksprodukter utenom olje og gass, og 
eksklusive kull (se kapittel 8.1). Infrastrukturnær ingen består primært av transport- og logistikktjen ester, og 
reiselivstjenester utgjør en kombinasjon av overnat ting, servering og reiseoperatørtjenester. Offentlig 
tjenesteyting inneholder alle FoU-tjenester.

23 
 
I figuren under presenteres næringenes andel av nas
jonal verdiskaping. Figuren viser at de fem næringene som 
står i fokus i kunnskapsinnhentingen (mineralnæring en, fiskeri, havbruk, reiseliv og fornybar energi) er de 
minste næringene i modellen og utgjør til sammen li tt over 5 prosent av samlet verdiskaping i landet. Dette er 
et viktig poeng fordi de næringer som studeres i po litikk-kapittelet gjennomgående er små og skaper de rfor 
små effekter for den samlede økonomien. Effektene a v endringer i disse næringene blir ytterligere skalert ned 
når man i tillegg fokuserer på en landsdel som repr esenterer mellom 6 og 7 prosent av nasjonal verdisk aping. 
Dette kommer vi tilbake til i kapittel 5. 	
Figur 12: Næringenes andel av nasjonal verdiskaping (BN P) i basisåret (2010) 	
 	
4.1.3.	 Handel med utlandet 	
Deler av bruttoproduksjonen eksporteres, resten går til innenlandske leveranser. Forde lingen her er bestemt i 
en såkalt transformasjonsfunksjon der de relative p risene på innenlandske leveranser og eksportprisene er 
bestemmende. Hvis eksportprisene øker relativt til innenlandske priser, kanaliseres større volumer til eksport. 
Samlet innenlandsk anvendelse av varer og tjenester tilsvarer de innenlandske leveransene fra innenlandsk 
produksjon, pluss import. Dette bestemmes i en såkalt Armingtonfunksjon der de relative prisene mellom 
import og innenlandske anvendelser gir fordelingen. Priser på importerte og eksporterte produkter bestemmes 
utenfor modellen. Man kan tenke seg at de ikke avhe nger av norske forhold fordi de bestemmes på 
verdensmarkedet. 
4.1.4.	 Anvendelsesdelen 	
Innenlandsk anvendelse er fordelt på fire kategorier; privat konsum, offe ntlig etterspørsel, investeringer og 
produktinnsats. 
Totalt privat konsum bestemmes gjennom restriksjoner på handelsbalansen og kravene om likevekt i arbeids- 
og kapitalmarkedene. Omfanget av konsum bestemmes d a slik at tilgangen av arbeidskraft og kapital akkurat 
brukes opp. Fordelingen av totalt privat konsum på modellens konsumgoder er en funksjon av inntekt og 
relative priser på konsumgoder, og spesifisert ved et såkalt lineært utgiftsystem. Dette systemet spes ifiserer 
konsumet som en funksjon av priser og inntekt som e r konsistent med forutsetninger om nyttemaksimering 
under gitt budsjett. Systemet definerer et minsteko nsum og kan beskrives som et Cobb-Douglas system ut over 	
33,7 %
22,8 % 21,0 %
8,4 %5,5 % 3,4 %2,5 %
1,5 % 0,6 %0,4 %
0,2 %

24 
 
minstekonsumet. Kjennetegn ved systemet er blant an
net konstante marginale budsjettandeler og direkte 
priselastisiteter mindre enn én i tallverdi.	
5 
Offentlig konsum er gitt eksogent og må tolkes som politisk bestemt . Offentlig konsum av hvert produkt er i 
denne versjonen av modellen en fast andel av totalt offentlig konsum. Denne andelen bestemmes utenfor 
modellen, gjennom politikk, og kan dermed påvirke f ordelingen over offentlige konsumgoder over vekstba nen. 
Bruttoinvestering er i hver næring bestemmes gjennom etterspørsel ett er kapital i produktfunksjonene. 
Kapitalen i hver næring avskrives med en faktor hve rt år, som er bestemt fra kapitalslitet og kapitalen i 
basisåret slik det er definert i nasjonalregnskapet . Forskjellen mellom etterspørselen etter kapital o g den 
nedskrevne kapitalen fra året før må da være lik br uttoinvesteringene. Netto investeringer er lik brutto 
investeringer minus kapitalslitet. 	
4.1.5.	 Nasjonalregnskap og kryssløp 	
NOREG-modellen innebefatter to kryssløp – ett for i nnenlandsk produksjon og ett for import. Det innenl andske 
kryssløpet baserer seg på SSBs innenlandske nærings kryssløp (SSB1850, 2010). Kryssløpet er bestemmende for 
den nasjonale handelen mellom næringer, så vel som nasjonale salg fra næringer og til sluttanvendelser (se 
under). Det danner grunnlaget for næringsvariablene produksjon (X), vareleveranser (Xs), privat konsum (CI), 
offentlig konsum (GI), bruttoinvestering (JI), lage rendringer, eksport (E) og bruk av importerte varer (M). 
Sammen med Fylkesfordelt nasjonalregnskap (FNR) lig ger det innenlandske kryssløpet også til grunn for 
modellens fylkesspesifikke innenlandske kryssløp. I likhet med SSBs kryssløp er produksjonssiden (leve rende 
næring) gitt vertikalt og anvendelsessiden (mottake nde næring) gitt horisontalt. 
 
 
5 Se for eksempel Annabi, N., J. Cockburn and B. Dec aluwé (2006): Functional forms an parametrization o f CGE 
models, MPIA Working Paper 04

25 
 	
Tabell 5: Illustrasjon av det innenlandske næringsk ryssløpet benyttet i NOREG-modellen. Kilde: Menon 	KRYSSLØP FOR NOREG H.1 H.4 H.7 H.8 H.9 H.10
INNENLANDSK PRODUKSJON	
 Va re le ve ra nse r til 
næringslive t 
 Sluttkonsum for husholdninge ne 
 Sa mle de 
bruttoninve ste ringe r 
Eksport
 Sa mle t 
slutta nve nde lse 
Sa mle t a nve nde lse	
 Sum va re le ve ra nse r til 
næring 1 til 11 Sum sluttkonsum for 
husholdninge ne (H.2) 
og sluttkonsum for de t 
offe ntlige (H.3) Fa ste 
bruttore a linve ste ringe r (H.5) og e ndring i 
va re la ge r (H.6.) Eksport (H.8) 
 Sum slutta nve nde lse 
ve d H.4, H.7 og H.8 Sum a nve nde lse r ve d 
H.1 og H.9 	
1
 Fiske ri
2
 Ha vbruk
3
 Utvinning a v rå olje og na turga ss
4
 Mine ra lnæring
5
 Fornyba r e ne rgi
6
 Anne n industri og primærnæringe r
7
 Bygg og a nle gg
8
 Infra struktur
9
 Re ise liv
10
 Anne n priva t tje ne ste yting
11
 Offe ntlig tje ne ste yting
V.1 Tota lt konsum i ma rke dsprise r 
V.2 Bruk a v importe rte gode r 
V.3 Re la tive produktsubsidie r 
V.4 Tota lt konsum i ba sisprise r
V.5 Ne tto driftsove rskudd
V.6 Konsum a v fa st ka pita l
V.7 Brutto driftsove rskudd 
V.8 Lønnskostna de r 
V.9 Andre ne ttoproduktska tte r
V.10 Ve rdiska ping i ba sisprise r
V.11 Produksjon i ba sisprise r

27 
 
Statistisk sentralbyråets innenlandske næringskryss
løp for 2010 er aggregert opp i tråd med modellens 
næringsinndeling. 
NOREGs innenlandske kryssløp er illustrert i tabell en under. I kapittel 8.2 presenterer vi samme kryss løp, men 
da med verdier på leveransene mellom sektorer og an vendelser: 
Vertikalt summerer alle innenlandske vareleveranser til en konsumerende sektor seg til næringens samle de 
konsum fra innenlandsk produksjonsnæring (målt i ma rkedspriser). Næring 1 til 11 vertikalt summerer seg til 
V.11. Bruk av importerte goder og påførte produktsk atter ligger også inne, slik at samlede vareleveranser i 
basispriser følger både for næringer og sluttanvend elser (V.1 til V.3 summerer seg til V.4). 
Produksjonen kan dekomponeres til verdiskaping og k onsum fra innenlandske produksjonsnæringer (V.1 og 
V.10 summerer seg til V.11). Videre er verdiskaping en i basispriser satt sammen av lønnskostnader, 
driftsoverskudd og nettoproduktskatter. 
NOREGs kolonner på anvendelsessiden tilsvarer SSBs kryssløp, unntatt «endelig konsum i husholdningene» og 
«endelig konsum i nonprofit-organisasjoner som betj ener husholdningene», som vi har slått sammen til 
«sluttkonsum for husholdningene». 
For en mer utfyllende drøfting av kryssløpet i NORE G, se kapittel 8.2. 
 	
4.1.6.	 Likevekter 	
Makro-modulen i NOREG er en generell likevektsmodel l. Det betyr at det må være likevekt i alle markeder, 
både produktmarkedene og markedene for de primære i nnsatsfaktorene arbeidskraft og kapital. 
Produktmarkedet: Hver enkelt næring produserer leveranser til produ ktinnsats til næringene, privat konsum, 
offentlig konsum, investeringer og eksport, se figu rbeskrivelsen av modellen over. Tilgangssiden bestå r av 
produksjon pluss import, som for hver vare skal vær e lik alle anvendelser av hver vare. 
Kapitalmarkedet: Den totale etterspørselen etter kapital må akkurat svare til tilgangen på kapital som er 
bestemt av modellbrukeren. Prisen på kapital bestem mes i modellen slik at denne betingelsen er oppfylt. 
Etterspørselen etter kapital bestemmer sammen med f jorårets kapital og avskrivningene bruttoinvesteringen i 
næringene. Videre produserer prinsipielt hver nærin g leveranser til bruttoinvesteringer. For eksempel vil bygg- 
og anleggsnæringen levere investeringsvarer til ann en industri og fornybar energi. Samlet må disse leveransene 
akkurat svare til den samlede etterspørselen etter investeringsvarer i næringene. Dette skjer gjennom et 
investeringskryssløp der etterspørselen etter en in vesteringsvare fra næringene står i et visst forhold til den 
totale investeringsetterspørselen fra næringen. Det te kryssløpet er beskrevet i delkapittelet om kryssløpet. På 
denne måten transformeres det totale tilbudet av in vesteringer fra en næring til etterspørsel etter 
«investeringsarter» som da går inn i likevektsbetin gelsen for produktmarkedene. 
Arbeidsmarkedet: Den totale tilgangen på hver av de to kategoriene a v arbeidskraft (lavt og høyt utdannet) er 
bestemt utenfor modellen. Etterspørselen bestemmes gjennom nivået på produksjonen i næringen, og det 
nestede treet av produktfunksjoner. Summen av etter spørsel etter hver type arbeidskraft må være lik det 
totale tilbudet av samme type arbeidskraft i likeve kt. Prisene på arbeidskraft (lønn) i modellen bestemmes slik 
at denne betingelsen er oppfylt.

28 
 	
4.1.7.	 Datagrunnlag 	
Basisårsverdier: Basisårsverdiene i makro-modulen er kalibrert på gr unnlag av data fra Nasjonalregnskapet 
m.m. i 2010. Det samme gjelder alle sentrale koeffi sienter som for eksempel andelen for offentlige 
konsumgoder, avskrivningsrater, kapitalavkastningsr ater, og såkalte kryssløpskoeffisienter for produktinnsats 
og investeringsarter. Disse koeffisientene er dokum entert i kapittel 9. 
Eksogene variabler: Utviklingen i de teknologiske endringsratene bestem mes av modellbrukeren. 
Modellbrukeren bestemmer også nivåvariable for tilg ang på arbeidskraft, kapital, handelsbalanse og totalt 
offentlig konsum. I studier av virkemiddelbruk kan modellbrukeren endre disse variablene, eller en kan 
bestemme total produksjon eller kapital i utvalgte næringer. 
Parametre: Elastisiteter i produktfunksjoner på alle nivå, pri vat konsum og eksport og importrelasjoner hentes 
fra litteraturen, se dokumentasjon i kapittel 9. 
4.2. Makro-modulens referansebane over tid 
Så langt har vi fokusert på å presentere makro-modu len i NOREG slik den ser ut i et gitt år. NOREG skal simulere 
utviklingen i økonomien gjennom mange år, frem til 2050-2100, og da er det behov for fremskrivninger av en 
rekke forhold som ligger utenfor modellen. Disse fo rholdene legger grunnlaget for det vi kaller referansebanen. 
Dette er en bane som skal fungere som utgangspunkt eller referanse for de analyser vi senere gjennomfører 
basert på endringer i politikk og økonomiske forhol d (økonomiske sjokk). For at referansebanene skal h a en 
forankring i en allmen oppfatning av hvordan fremti den vil se ut dersom ikke store endringer finner sted, har 
oppdragsgiver ønsket at NOREG har en referansebane som er knyttet tettest mulig opp til Regjeringens 
perspektivmelding (Stortingsmelding nr 12, 2012-201 3). Her fremskrives norsk økonomi frem til 2060, basert på 
forutsetninger som Finansdepartementet har ansett s om rimelige.

29 
 	
4.2.1.	 Offentlig konsum 	
Totalt offentlig konsum er framskrevet med utgangsp unkt i offentlig konsum i faste priser fra 
Perspektivmeldingen. Denne banen framskriver utvikl ingen til 2060. Gjennonsnittlig årlig vekst er 1,7 prosent. 
Etter dette har vi lagt inn en årlig vekst på 1,4 p rosent. Banen er glattet. Følgende tall er lagt til grunn: 
Tabell 6 Forutsetninger bak fremskriving av offentlig konsum i referansebanen 	
År 	Offentlig konsum, 	
Finansdep, 	 	
mill. 2009 kr 	 	
Årlig gjennomsnittlig 
vekst (siden forrige 	
oppgitte år i tabellen) 	
Input i NOREG, dtgi 	Årlig gjennomsnittlig 
vekst (siden forrige 	
oppgitte år i tabellen) 	
2009 530682 
 	 	 	
2010	 	 	 
1,00 	
2020	 	661907	 	2,03 %	 	1,19	 	1,74 %	 	
2030	 	784518	 	1,71 %	 	1,41	 	1,75 %	 	
2040	 	933666	 	1,76 %	 	1,67	 	1,71 %	 	
2050	 	1084221	 	1,51 %	 	1,97	 	1,66 %	 	
2060	 	1256188	 	1,48 %	 	2,31	 	1,58 %	 	
2100
 
4,02 1,40 %	 	
 	Perioden 2009-2060 	
1,70 % 	Perioden 2010-2060	 	
1,69 %	 	
 
4.2.2.	 Olje- og gassnæringen 	
For næring 3, olje og gass, har vi framskrevet brut toproduktet med veksten for bruttoproduksjon i fast e priser i 
Oljeutvinning og rørtransport fra Perspektivmelding en (Finansdepartementet, 2013). Merk at vår næring 3 er 
større enn Nasjonalregnskapets næring Oljeutvinning og rørtransport. Næring 3 inkluderer tjenester i 
tilknytning til utvinning og rørtransport. Derfor e r bruttoprodukt i næring 3 av samme størrelse som 
bruttoproduksjon i Finansdepartementets fremskrivin g. Banen i Perspektivmeldingen beskriver et sterkt fall i 
næringens aktivitet fram til 2060. Banen er glattet . Vi har lagt til grunn 2060-nivået fram til 2100 (1 prosent 
reduksjon fra 2060 for å flate ut banen noe). Følge nde tall er lagt til grunn: 
Tabell 7 Fremskriving av olje- og gassnæringen 	
År 	Bruttoproduksjon, 
Finansdpt, mill. 2009 	
kr 	
Årlig gjennomsnittlig 
vekst (siden forrige 	
oppgitte år i tabellen) 	
Input i NOREG, Y3 	Årlig gjennomsnittlig 
vekst (siden forrige 	
oppgitte år i tabellen) 	
2009 506281 
2010	 	 	 528885 	 	
2020 471150 -0,65 % 485639 -0,85 %	 	
2030 380085 -2,12 % 399070 -1,94 %	 	
2040 269810 -3,37 % 294811 -2,98 %	 	
2050 200633 -2,92 % 196507 -3,98 %	 	
2060 118245 -5,15 % 127803 -4,21 %	 	
2100 124395 -0,07 %	 	
 	2009-2060 	-2,81 % 	 	-2,80 %

30 
 	
4.2.3.	 Havbruk 	
For næring 2, Havbruk, er det lagt inn en vekst for hele Norge tilsvarende SINTEFs framskrivningsalternativ 
«Dagens utvikling fortsetter», se næringsanalysen f or de marine næringene i Nord-Norge (Sintef, 2013; side 
150). Banen er glattet. 
Tabell 8 Mulig utvikling for produksjonsvolum for havbruk i Nord-Norge frem mot2100, (Kilde: SINTEF, 2 013) 	
 	
4.2.4.	 Arbeidskraft 	
Vi har framskrevet arbeidskrafttilgangen med vekste n i 1000 årsverk tilsvarende Perspektivmeldingens 
forutsetninger (Finansdepartementet, 2013) fram til 2060. Vi har lagt til grunn 2060-nivået fram til 2100 (1 
prosent reduksjon fra 2060 for å flate ut banen noe ). Banen er glattet. Følgende tall er lagt til grunn: 
Tabell 9 Fremskriving av arbeidsstyrken i referanseban en 	
År 1000 årsverk, 
Finansdepartementet Indeks 
Finansdepartementet, 2010=1,00 Vår input, 
2010=1,00 Årlig gjennomsnittlig vekst 
fra Finansdpts siste estimatår 	
2009 2298 1,00 (2010) 1,00 
2020
 2576 1,12 1,06 0,57 % 
2030
 2675 1,16 1,11 0,48 % 
2040
 2742 1,19 1,15 0,39 % 
2050
 2814 1,22 1,19 0,31 % 
2060
 2848 1,24 1,22 0,24 % 
2100
 3000 1,31 1,26 0,08 % 
 
Veksten er fordelt på arbeidskraft med høy og lav u
tdanning (hhv. dth og dtl i modellen). Andelen arbeitskraft 
med høyere utdanning (mer enn videregående skole) v ar 34 prosent i 2010. Denne øker til 45 prosent i 2030 og 
48 prosent fra 2042. Framskrivningen av fordelingen tar utgangspunkt i andelen studenter og framskrivningene 
i Gjefsen 	
(2013)	. I videre framskrivninger har vi tatt hensyn til d agens andel studenter.	 	
 
4.2.5.	 Andre eksogene vekstforutsetninger 
Handelsbalanse og pensjonsfond 	
Norge har i dag en betydelig positiv handelsbalanse , som resulterer i et raskt voksende pensjonsfond utland. I 
referansebanen har vi lagt til grunn at overskuddet på handelsbalansen fases ut vha en årlig nedgang p å 10 
Volum i tusen tonn
2012 2030 2050 2100
Dagens utvikling 
fortsetter	435 615 800 1250

31 
 
prosent, 
dthb=0,9. Det gir en kraftig oppbremsing av veksten i p ensjonsfondet, men innebærer samtidig at vi 
ikke tærer på pensjonsfondet gjennom perioden frem mot 2060. Dersom man ønsker å simulere økt bruk av 
pensjonsfondet, er det mulig å gjennomføre i separa te virkningsberegninger. 	
Lagerendring 
Lagerendringen fases ut vha en årlig nedgang på 10 prosent. 
Generell teknologisk framgang (	ω
ωω
ω) 	
Det er lagt inn en generell framgang på 1,3 prosent
 (noe lavere enn Perspektivmeldingens 1,6 prosent); 
ω =1,013. Teknologisk fremgang styrer mye av veksten i økonomien, og for å sikre at NOREG ikke genererer 
langt høyere vekst enn det vi har fra referansebane n i Perspektivmeldingen, opererer vi med noe lavere 
eksogen teknologisk fremgang. Imidlertid har vi som nettopp beskrevet, også en vekst i andelen høyt 
utdannede arbeidstakere. Høyt utdannede har høyere produktivitet enn lavt utdannede. Vår forutsetning 
innebærer da at gjennomsnittlig arbeidskraftsproduk tivitet øker. Endelig har vi en eksogen vekst i 
arbeidskraftens produktivitet. 
Vekst i arbeidskraftens produktivitet 
Det er lagt en framgang på 1,0 prosent på produktiv iteten til høyt utdannet arbeidskraft, ωl=1,01. Dette 
hindrer at lønnsforskjellen mellom høyt- og lavt ut dannede blir for lav, noe som ellers er et problem når 
andelen høyt utdannede øker. 
4.2.6.	 Investeringer som kilde til dynamikk 	
Det er lagt en årlig vekst på 1,0 prosent på total kapitaltilgang, som tilpasning til Finansdepartementets 
framskrivning i Perspektivmeldingen; dtcap=1,01. Netto realinvesteringer, som er endogene, øk er over tid også 
om lag 1 prosent i året. Brutto realinvesteringer, som inkluderer kompensasjon for kapitalslit, øker i midlertid 
mer enn dette. Den økte kapitalbeholdningen gir øko nomien et stadig bredere fundament for produksjonen , og 
grunnlag for stadig økende produksjon. Hvor stor øk ningen i produksjonen blir, indikeres av kapitalens 
avkastningsrate. 
Siden økonomien i hvert enkelt år arver en kapitalb ase fra forrige periode og leverer en økt kapitalbase til neste 
perioden, danner kapitalen og investeringene en bro mellom fortid og fremtid. Prinsipielt sett har modellen en 
bro til, nemlig handelsbalansen og petroleumsfondet . Det er imidlertid handelsbalansen, strømningsvariabelen, 
som er eksogen og fondsoppbyggingen er ikke eksplis itt modellert. Dermed blir ikke dynamikken visualisert på 
samme måte som for realkapital. 
4.2.7.	 Sentrale trekk ved referansebanen i makro 	
I figuren under presenterer vi utviklingstrekk i re feransebanen med fokus på sentrale makroøkonomiske 
variable. BNP vokser jevnt gjennom perioden med kna ppe 2 prosent årlig. Investeringsveksten ligger noe under 
2 prosent årlig. Antall sysselsatte med høyere utda nning er eksogent gitt og vokser først relativt raskt, men 
veksten avtar mot 2060, basert på de gitte fremskri vningene som er presentert over. Den raske økningen i 
antall med høyere utdanning trekker i retning av at lønnsveksten blir lavere enn for de med lavere utd anning. 
Men ettersom vesten i antall med høyer utdanning fa ller, vil lønnsveksten gradvis bli høyere enn for de med 
lavere utdanning. Veksten i antall sysselsatte med lav utdanning er negativ frem til ca 2040. På grunn av 
befolkningveksten får vi en svak økning i antall me d lavere utdanning etter dette.

32 
 	
Figur 13: Årlig vekst i sentrale makroøkonomiske vari able frem mot 2060 	
 
Eksportveksten i referansebanen tar seg gradvis noe opp utover i referansebanen. Dette innebærer at an dre 
næringer tar over for olje- og gassnæringen som vik tige kilder til eksportinntekt. Dette gjelder ikke minst 
havbruk. I referansebanen har vi styrt produksjonen og verdiskapingen i havbruk og olje og gass, mens for 
andre næringer bestemmes disse verdiene endogent i modellen. Hvilke næringer som skal ha endogen og 
eksogen produksjon og/eller verdiskaping kan styres av de som kjører modellen. 
I tabellen under beskriver vi utviklingen i verdisk aping i de ulike næringene i modellens referanseban e: 	
Tabell 10: Næringenes andel av total verdiskaping fra 2010 til 2060 	
 	
0,00 %
0,50 %
1,00 %
1,50 %
2,00 %
2,50 %
2015 2020 2025 2030 2035 2040 2045 2050 2055 2060	
Lønn høyt utdannet	Lønn lavt utdannet	
BNP	Offentlig konsum	
Investeringer	Eksport	
Fiskeri	Havbruk	Olje og gass	Mineral-næring	Fornybar energi	Annen industri	Bygg og anlegg	Infra-struktur	Reiseliv	Private tjeneste	Offentlige tjenester	
Næringenes andel av total verdiskaping2010 0,4 % 0,6 % 22,8 % 0,2 % 2,5 % 8,4 % 5,5 % 3,4 % 1,5 % 3 3,7 % 21,0 %
2020 0,5 % 0,6 % 17,2 % 0,2 % 3,2 % 9,1 % 4,6 % 3,9 % 2,1 % 3 7,0 % 21,7 %
2030 0,6 % 0,5 % 11,7 % 0,2 % 3,7 % 9,9 % 4,3 % 4,2 % 2,8 % 4 0,1 % 22,0 %
2060 0,6 % 0,4 % 2,1 % 0,1 % 5,3 % 6,8 % 4,5 % 4,4 % 6,7 % 47 ,5 % 21,5 %
Næringenes andel av total verdiskaping uten olje og gass
2010 0,5 % 0,7 % 0,3 % 3,3 % 10,9 % 7,2 % 4,4 % 1,9 % 43,6 % 27,1 %
2020 0,6 % 0,7 % 0,2 % 3,9 % 11,0 % 5,5 % 4,7 % 2,5 % 44,7 % 26,2 %
2030 0,7 % 0,6 % 0,2 % 4,2 % 11,2 % 4,9 % 4,8 % 3,2 % 45,4 % 24,9 %
2060 0,6 % 0,5 % 0,1 % 5,4 % 6,9 % 4,6 % 4,5 % 6,8 % 48,6 % 2 2,0 %

33 
 
Referansebanen baserer seg som nevnt på Perspektivm
eldingen (Finansdepartementet, 2013) der olje- og 
gassproduksjonen faller kraftig mot 2060 (fra 23 pr osent til ca 2 prosent av BNP). Dette innebærer at 
økonomien omstiller seg kraftig i referansebanen. D ette skjer gjennom en økning i produksjon av privat e 
tjenester, reiselivstjenester (opplevelser/fritidst jenester), samt produksjon av fornybar energi. I 
referansebanen er veksten i fiske og fangst og havb ruk på linje med resten av økonomien og oppretthold er 
derfor verdiskapingsandelene over tid. Mineralnærin gens andel krymper derimot noe over tid. Offentlig 
tjenesteproduksjon styres i stor grad av det offent lige konsumet, som er eksogent gitt og lagt tett op p til 
Perspektivmeldingen. Næringen beholder – som en føl ge av dette – den andel som næringen har i basisåret.

34 
 	
5. Regional-modulen 
Den regionale modulen sprer makroeffekter fra makro modulen utover modellens regioner, som er fylker i 
nåværende modellspesifikasjon. Regional-modulen spr er effektene forskjellig, avhengig av hvor den 
økonomiske endringen (eller politikktiltaket) inntr effer i landet, og modulen tar eksplisitt hensyn til 
1. avstand mellom fylker og 
2. opphopningseffekter 
i spredningen av disse effektene. På denne måten ta r modellen både hensyn til landets geografi (avstander) og 
regionenes grad av sentralisering (opphopning av øk onomisk aktivitet). Regional-modulen tar ikke hensyn til 
fortrengning av aktivitet på regionalt nivå, etters om dette allerede er håndtert i makro-modulen. 
Arbeidskraften og kapitalen flyter fritt mellom reg ioner i modellen. Det er med andre ord ingenting so m 
hindrer en arbeidstaker å flytte seg fra et fylke t il et annet. 
Når vi foretar en modellanalyse av en endring i øko nomien, beregner vi først de makroøkonomiske effekt ene 
frem til 2060. Deretter beregnes de regionale effek tene, basert på endringene nasjonalt. Koblingen mel lom 
makro-modulen og regional-modulen i basisåret og i referansebanen gjøres ved å fordele nasjonal aktivitet på 
næringsnivå ut på fylkene basert på fylkenes andel av verdiskaping i næringen i hvert år. Dette innebæ rer at vi 
forutsetter at alle fylkene opererer med samme prod uktivitet i næringene: Produksjon, sysselsetting, 
kapitalbruk og vareinnsatsbruk følger samme brøk so m verdiskapingen. 
5.1. Fylkene i basisåret 
For å fordele den nasjonale aktiviteten ut på fylke r i basisåret, bruker vi Fylkesfordelt nasjonalregnskap (FNR) 
fra SSB. I figuren under presenterer vi den fylkesv ise fordelingen av nasjonal verdiskaping i 2010:

35 
 	
Figur 14: Fylkesvis fordeling av verdiskaping i basis året (2010) 	
 
Figuren viser at de tre nordnorske fylkene samlet s to for 6,4 prosent av Norges verdiskaping. Holder v i olje- og 
gassproduksjonen utenfor øker andelen til 8 prosent . Dette er et viktig poeng fordi det er komplisert å fordele 
den verdiskaping som finner sted på sokkelen. I tab ellen under presenteres den nærings- og fylkesforde lte 
verdiskapingen i basisåret 2010. 	
Tabell 11: Nord-Norges andel av nasjonal verdiskaping (B NP i næringen) i basisåret 2010 	
 
Tabellen viser at Nord-Norges andel av verdiskaping en i Norge er særlig høy innen fiske og fangst, havbruk, 
mineral og fornybar energi. Den er også høyere enn andelen av total verdiskaping i næringene for reiseliv, 
infrastruktur, bygg og anlegg og offentlige tjenest er. De nordnorske fylkene er relativt små i produks jon av 
private tjenester (stor næring nasjonalt) og annen industri. Samlet sett står Nordland for ca 4 prosen t av 
nasjonal verdiskaping når vi holder olje- og gasspr oduksjon utenfor. Troms har en andel på 2,7 prosent mens 
Finnmark står for 1,2 prosent. 	
5.1.1.	 Kontinentalsokkelen 	
Som vist i Figur 14: Fylkesvis fordeling av verdis kaping i basisåret (2010)over, er også olje-og gass aktiviteten 
fordelt på ulike deler av sokkelen modellert i till egg til fylkene. Aktiviteten på kontinentalsokkelen er delt opp i 
fem deler: Nordsjøen syd, Nordsjøen nord, Norskehav et syd, Norskehavet nord og Barentshavet. Dette gjør vi 
fordi det er vanskelig å fordele aktiviteten på sok kelen ut på fylkene. Inndelingen i fem sokkel-regio ner er 
sentral for vår effektmodellering. Fylker som ligge r nærme den enkelte sokkel-regionen vil levere en s tørre 
andel av varer og tjenester til denne delen av sokk elen. 	
3,25 %
2,12 %
0,99 %	
0%
2%
4%
6%
8%
10%
12%
14%
16%
18%	
Østfold
Akershus Oslo
Hedmark Oppland
Buskerud
Vestfold
Telemark
Aust Agder Vest Agder Rogaland
Hordaland S&F
M&R
Sør Trøndelag
Nord Trøndelag
NordlandTroms
Finnmark Svalbard
Nordsjøen syd
Nordsjøen nord
Norskehavet syd
Norskehavet nord Barentshavet	
Fiskeri Havbruk Olje og 
gass Mineral -
næring Fornybar 
energi Annen 
i ndustri Bygg og 
anlegg Infra-
struktur Reisel iv Private 
tjeneste Offentl ige 
tjenester Total for 
næringer Total uten 
olje og gass
Fylkenes andel av næringens verdiskaping 
Nordland 17,0 % 22,0 % 0,0 % 13,9 % 12,1 % 3,7 % 4,3 % 4,6 % 3,7 % 2,5 % 5,3 % 3,2 % 4,2 %
Troms 9,2 % 10,4 % 0,1 % 1,3 % 2,3 % 1,3 % 2,5 % 3,5 % 2,9 % 1,9 % 4,3 % 2,1 % 2,7 %
Finnmark 10,2 % 5,9 % 0,2 % 6,8 % 2,7 % 0,5 % 1,1 % 1,2 % 1, 6 % 0,7 % 1,8 % 1,0 % 1,2 %
Nord-Norge 36,4 % 38,3 % 0,2 % 22,1 % 17,1 % 5,5 % 7,9 % 9, 3 % 8,1 % 5,2 % 11,4 % 6,4 % 8,2 %

36 
 	
5.2. Det regionale kryssløpet 
FNR inneholder data for for alle 11 næringer og 20 fylker (inkludert Svalbard). På samme måte som i ma kro-
modulen, har hvert fylke også et kryssløp som forte ller hvilke næringer som leverer til hva. Disse regionale eller 
fylkesvise kryssløpene har samme struktur som det n asjonale. I likhet med det nasjonale kryssløpet går enkelte 
nye næringer på tvers av offisiell nærings- og krys sløpsstatistikk. I dette arbeidet tar vi i bruk den fylkesvise 
fordelingen av næringsaktivitet i Menons regnskapsd atabase for bedrifter, som igjen henter informasjon fra 
Brønnøysund-registerne. 
Kryssløpet endrer seg fra år til år og hentes inn f ra makromodulen. 
5.3. Beregning av handel mellom regioner i basisåret 
De regionale kryssløpene spesifiserer hva som produ seres i fylket og hva som anvendes i fylket. I noen tilfeller 
avviker det som produseres i fylket fra det som kon sumeres i fylket, etter justeringer for eksport og import ut 
av landet. Slike avvik kan oppstå fordi fylkene han dler med hverandre. For å kunne si noe substansielt om de 
regionale effektene av ulike typer politikk, trengs anslag på hvorvidt økt etterspørsel i et fylke gen ererer økt 
produksjon, verdiskaping og sysselsetting i dette f ylket, eller om man kun velger å importere varer og tjenester 
fra andre fylker. 
Ved estimering av handelen med vareinnsats mellom r egioner benytter vi oss av rammeverket fra Canning og 
Wang (2005)	
6. Formålet med metoden er å estimere regionale krys sløp som er konsistente med 
nasjonalregnskapet. Dette må vi gjøre basert på utv algte data for samhandling mellom regionene. Metode n 
kan også brukes til å estimere interregionale strøm mer av vareinnsats når man, som i dette tilfellet, har 
nasjonalregnskapstall både nasjonalt og fylkesforde lt. 
Fylkesfordelt nasjonalregnskap benyttes til å ident ifisere produksjonen i hver næring (i) i hvert fylke ( r). 
Vareinnsatsbruken for et gitt produksjonsnivå er gi tt av det nasjonale kryssløpet, hvor det antas at 
faktorbruken per produserte enhet for en gitt nærin g er lik i alle fylker. 
Næringenes eksport til utlandet og import fra utlan det følger samme andeler, uavhengig av om en ser på fylke 
eller nasjonalt. Det er med andre ord makro-modulen som bestemmer hvor stor andel av fylkets produksjon av 
en vare/tjeneste som skal gå til eksport og hvor my e som skal forsynes gjennom import. 
Ut fra dette vil hver region ha overskudd og unders kudd i produksjon i de forskjellige næringene, hvor 
produksjonen er høyere eller lavere enn summen av v areinnsats, konsum, investeringer, lager og eksport minus 
import. Disse overskuddene og underskuddene må bala nseres ut gjennom interregional handel. 
Modellbrukeren lager et estimat på handelen 	
, inkludert leveranser til egen region, tar hensyn 
til avstanden 
mellom regionene, naboleveranser og spesielle lever anseforhold i leverandørindustrien samtidig som balansen 
i anvendelse og produksjon i hver region overholdes . 
 	
 
6 Patrick Canning og Zhi Wang: “A Flexible Mathemati cal Programming Model To 
Estimate Interregional Input–Output Accounts”, Jour nal of Regional Science Vol. 45, No. 3, 2005, pp. 539–563

37 
 	
5.3.1.	 Avstand og opphopning av aktivitet forklarer handel mellom fylker 	
Handel mellom to regioner beregnes på grunnlag av TØIs varestrømmatriser som igjen baserer seg på SSBs 
varestrømundersøkelse (Wethal, 2012). I disse matri sene har man tall for hvilke typer varer som transporteres 
fra et fylke til et annet, målt i volumer. 
Leveranseandeler til andre fylker enn eget fylke og nabofylker er som nevnt beregnet utfra 
varestrømmatrisene, som igjen er målt opp mot forkl aringsvariablene reisetid og mottakerfylkets andel av det 
totale konsumet nasjonalt. Ved å måle varestrømmene opp mot disse to faktorene, har vi etablert en direkte 
sammenheng mellom handel mellom regioner på den ene siden og avstand og regionens økonomiske størrelse 
(opphopning) på den andre siden. Følgende best egne de økonometriske spesifikasjon benyttes: 
 
	= 	 + 1		∗ 		+ 2		∗ 	
	+ 1		∗ 		+ 2		∗

der A1o, A2o, K1o, K2o er koeffisienter. Koeffisien tene er næringsavhengige. 
I de tilfellene hvor næringen ikke er representert i varestrømundersøkelsene er initialverdiene satt utfra 
standard avstandselastisiteter, slik de vanligvis b lir estimert i internasjonale studier av internasjonal handel der 
man benytter gravity-ligninger. Gravity-modeller fo rklarer handel mellom to land eller regioner som en 
funksjon av landenes størrelse og avstand mellom de m. Det er på samme måte som to objekter og 
gravitasjonskraften mellom dem. 
I visse tilfeller, spesielt i tjenesteytende næring er, er elastisitetene for leveranser utover en viss avstand satt lik 
med visse varegrupper, samtidig som leveransene til eget fylke og nabofylker er satt høyt. Elastisitetene er 
presentert i tabellen under: 	
Tabell 12: Koeffisienter som forklarer hvordan handel mellom fylker bestemmes 	
 
Andel leveranser som går til eget fylke ble beregne t på grunnlag av varestrømmatrisene. Andelene er 
næringsavhengige. 
	
	=  	  	
Reisetid (minutter) Reisetid (kvadrert) Nasjonal kons
umandel (K1o/A1o) kvadert Konstant
A1o A2o K1o K2o Co	
Fiskeri	-0,958 0,0003610 55,196 -6646,125 0,074	
Havbruk	-0,958 0,0003610 55,196 -6646,125 0,074	
Olje og gass	0,000 0,0000000	
Mineral-næring	0,834 -0,0003750 70,699 -6423,222 -0,014	
Fornybar energi	0,000 0,0000000	
Annen industri	-0,205 0,0000462 24,058 -2746,494 0,041	
Bygg og anlegg	-0,205 0,0000462 24,058 -2746,494 0,041	
Infrastruktur	-0,205 0,0000462 24,058 -2746,494 0,041	
Reiseliv	-0,205 0,0000462 24,058 -2746,494 0,041	
Private tjenester	-0,205 0,0000462 24,058 -2746,494 0,041	
Offentlige tjenester	-0,205 0,0000462 24,058 -2746,494 0,041

38 
 
Andel leveranser som går til nabofylkene er også be
regnet på grunnlag av varestrømmatrisene. Andelene er 
næringsavhengige. 
	
	= !	 	  
Tallene vi bruker for egenleveranser i fylkene og n aboleveranser mellom fylkene er beskrevet i kapitte l 9.4. Det 
er mest egenleveranser innen offentlige og private tjenester, mens sjømat og fornybar energi i liten grad 
leveres til eget fylke. 
Leveranser til de forskjellige delene av norsk sokk el er satt på bakgrunn av hvert fylkes andel av lan dets 
offshore leverandørindustri, samt en lokal del knyt tet til drift. De fylkesvise tallene for leverandørindustrien er 
hentet fra Menons regskapsdatabase for leverandørin dustrien. Leveransene til de forskjellige delene av 
sokkelen antas å komme fra tilgrensende fylker (fyl ker som grenser mot sokkel-regionen) og den 
landsdekkende leverandørindustri, hvor andelene er satt til henholdsvis 30 og 70 prosent av leveransene. 
Initialverdien for leveranser til kontinentalsokkel en følger av andelen lokale og nasjonale leveranser fra 
leverandørindustrien som er beskrevet over. 
	
	= 0,7 ∗  ø. '	 + 0,3 ∗  
ø. 	 
Dette rammeverket gir en matrise av handelsstrømmer med 11 varer/tjenester mellom 20 fylker og 5 
sokkelregioner. Til sammen snakker vi derfor om 687 5 handelsstrømmer som skal beregnes for hvert år i 
perioden 2010 til 2060 i modellen. 
I basisåret 2010 har vi følgende handelsmatrise, de r vi har slått sammen alle varer og tjenester til en 
makrovare. Tallene er oppgitt i andel av fylkets to tale produksjon. På vertikalen finner vi leverende fylker, mens 
mottakende fylker er plassert horisontalt. 	
Tabell 13: Andel av fylkenes vare og tjenesteproduks jon som går til andre fylker i basisåret (2010) 
 
 	
Øst Aker Oslo Hed Opp	Buskerud	Vest Te le AustA VestA Rog Hord S&F M&R Sør-T	Nord-T	Nord Trom Finn Sval NorS NorN NskS NskN Bar
Østfold 53 % 7 % 11 % 1 % 2 % 3 % 3 % 2 % 1 % 2 % 3 % 3 % 1 % 1 % 2 % 1 % 1 % 1 % % % % % % % %
Ake rshus 5 % 57 % 10 % 4 % 4 % 2 % 2 % 1 % % 1 % 4 % 3 % 1 % 1 % 1 % 1 % 1 % 1 % % % 1 % 1 % % % %
Oslo 2 % 5 % 62 % 1 % 1 % 3 % 2 % 1 % % 2 % 7 % 5 % % 3 % 2 % % 2 % 1 % % % % % % % %
He dmark 2 % 3 % 7 % 59 % 3 % 3 % 2 % 2 % 1 % 2 % 3 % 3 % 1 % 2 % 2 % 1 % 1 % 1 % 1 % % % % % % %
Oppland 2 % 5 % 8 % 4 % 54 % 5 % 2 % 2 % 1 % 2 % 3 % 3 % 1 % 2 % 2 % 1 % 1 % 1 % % % % % % % %
Buskerud 3 % 7 % 13 % 1 % 1 % 49 % 2 % 2 % 1 % 2 % 4 % 4 % 1 % 2 % 3 % 1 % 2 % 1 % % % % % % % %
Ve stfold 3 % 6 % 11 % 1 % 1 % 4 % 53 % 4 % 1 % 2 % 4 % 3 % 1 % 1 % 2 % 1 % 1 % 1 % % % % % % % %
Telemark 2 % 5 % 9 % 1 % 2 % 5 % 5 % 49 % 4 % 2 % 4 % 3 % 1 % 2 % 2 % 1 % 1 % 1 % % % 1 % % % % %
Aust Agder 2 % 3 % 5 % 1 % 1 % 2 % 2 % 7 % 55 % 7 % 3 % 2 % 1 % 1 % 1 % 1 % 1 % 1 % % % 1 % 1 % % % %
Ve st Agder 2 % 4 % 9 % 1 % 1 % 2 % 2 % 2 % 5 % 51 % 9 % 3 % 1 % 1 % 2 % % 1 % 1 % % % 2 % 1 % % % %
Rogaland 1 % 3 % 7 % 1 % 1 % 2 % 2 % 1 % 1 % 3 % 55 % 4 % 1 % 1 % 2 % 1 % 1 % 1 % % % 7 % 3 % 1 % % %
Hordaland 1 % 4 % 8 % 1 % 1 % 2 % 1 % 1 % % 1 % 5 % 63 % 2 % 1 % 2 % % 1 % % % % 1 % 4 % 1 % % %
S&F 2 % 4 % 6 % 2 % 2 % 2 % 2 % 2 % 1 % 2 % 4 % 8 % 50 % 7 % 3 % 1 % 1 % 1 % % % % 1 % % % %
M&R 1 % 4 % 9 % 1 % 1 % 2 % 1 % 1 % % 1 % 4 % 3 % 1 % 59 % 2 % 1 % 1 % 1 % % % 1 % 4 % 2 % % %
Sør Trønde lag 1 % 3 % 6 % 1 % 1 % 2 % 1 % 1 % % 1 % 3 % 3 % 1 % 4 % 64 % 3 % 2 % 1 % % % % % 1 % % %
Nord Trønde lag 2 % 3 % 4 % 2 % 2 % 2 % 2 % 1 % 1 % 1 % 2 % 2 % 1 % 2 % 5 % 61 % 4 % 1 % 1 % % % % % % %
Nordland 2 % 3 % 6 % 1 % 1 % 2 % 2 % 1 % 1 % 1 % 3 % 3 % 1 % 2 % 3 % 2 % 64 % 2 % 1 % % % % % % %
Troms 1 % 1 % 2 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 1 % 4 % 75 % 3 % % % % % % %
Finnmark 1 % 2 % 2 % 1 % 1 % 2 % 1 % 1 % 1 % 2 % 2 % 2 % 1 % 1 % 2 % 1 % 2 % 2 % 69 % 1 % 1 % 1 % % % 1 %
Svalbard 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 2 % 50 % 6 % 6 % 1 % % %
Nordsjøen syd 2 % 4 % 3 % 1 % 1 % 4 % 3 % 2 % % 4 % 10 % 7 % 1 % 5 % 3 % 1 % 1 % % % % 48 % % % % %
Nordsjøen nord 2 % 4 % 3 % 1 % 1 % 4 % 3 % 2 % % 4 % 10 % 7 % 1 % 5 % 3 % 1 % 1 % % % % % 48 % % % %
Norskehave t syd 3 % 4 % 4 % 2 % 2 % 4 % 3 % 3 % 1 % 4 % 5 % 5 % 2 % 4 % 3 % 1 % 2 % % % % % % 48 % % %
Norskehave t nord 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 2 % % % % % % 48 % %
Bare ntshavet 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 2 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 3 % 2 % % % % % % % 48 %

39 
 
Tabellen viser at fylkene leverer mye til seg selv,
 men at egenleveranseandelen varierer betydelig mel lom 
fylker. Fylkene med høyest egenleveranseandel er Tr oms og Finnmark, mens lavest egenleveranseandel fin ner 
vi i Buskerud, Telemark og Sogn og Fjordane (S&F). 	
5.4. Makroøkonomisk politikk og nasjonale økonomiske sjo kk 
Dersom økonomiske tiltak er nasjonalt anlagt og berører alle regioner i landet, vil effekten på fylkene bli likt 
fordelt. Siden fylkene har ulik næringssammensetnin g, vil de kunne få ulik vekstimpuls. Dersom tiltaket rettes 
mot en næring, vil effekten bli sterkere i de fylke ne der næringen spiller en relativt sett viktig rolle. For 
eksempel vil en mer liberal norsk konsesjonspolitik k overfor havbruk få særlig sterkt utslag i Nordland, fordi 
fylket har høy av aktivitet i denne næringen, samme nlignet med mange andre næringer. Det er ingen 
avstandseffekter som virker i referansebanen eller ved nasjonal politkk/sjokk. 
Spredningen av konsum på regioner vil følge syssels ettingen i fylket som igjen er gitt av næringsfordelte 
sysselsettingstall. Det vil si at hvert fylke konsu merer en andel av totalt offentlig og privat konsum som tilsvarer 
andelen av den nasjonale sysselsettingen. 
5.5. Regional økonomisk politikk og regionale sjokk 
Regional økonomisk politikk eller økonomiske sjokk kan enten legges til enkeltfylker eller grupper av fylker. I 
det siste tilfellet vil man enten legge inn direkte føringer på fordelingen av sjokket på fylkene, ell er legge 
sjokket på de berørte fylkene i henhold til deres r elative produksjonsandeler. 
Ved regionale sjokk vil fordelingen av makroeffekte n følge fylkesfordelt nasjonalregnskap, men her vil sjokket 
også endre sammensetningen i fylkesfordelt nasjonal regnskap. For produksjon vil endringen påvirkes av 
avstanden mellom regionene og næringens grad av han del med andre fylker. Sysselsetting og verdiskaping 
spres etter samme fordeling som produksjon, og kons umet spres i henhold til hvordan sysselsettingen endrer 
seg regionalt. 
Spredning av produksjonseffekter ved regionale sjok k/politikk 
Fordelingen av et regionalt sjokk er beskrevet i figuren under. Et regionalt sjokk identifiseres gjennom 
differansen i produksjon mellom endringsbanen, her representert ved )	
∗, og referansebanen, representert ved 
) *
. Denne differansen spres i henhold til hvilket fyl ke som mottar sjokket, her representert ved r, og d e 
beregnede interregionale handelsstrømmene 	
. Ved tilbudssidesjokk som treffer enkeltnæringer s
pres 
differansen ut slik at hele differansen i ) for den aktuelle næringen legges til fylket eller fylkene hvor sjokket 
finner sted. Differansen for resterende næringer sp res i henhold til de estimerte handelsstrømmene. Ve d 
etterspørselssidesjokk spres differansen for alle n æringer i henhold til handelsstrømmene.

40 
 	
Figur 15: Fordeling av regionalt sjokk 	
 
Videre spres andre variabler som sysselsetting og v erdiskaping med samme fordelingsnøkkel som 
produksjonen. Konsumendringen spres utover regionen e ved at differansen i konsum mellom endringsbanen 
og referansebanen spres etter samme nøkkel som syss elsettingen. Den delen av konsumet og sysselsettingen 
som tilfaller de forskjellige delene av norsk sokke l spres tilbake på fastlandet i henhold til lokal og nasjonal 
leverandørindustri hvor 30 prosent går til førstnev nte og 70 prosent til sistnevnte. 	
5.6. Sentrale trekk ved referansebanen for regionene 
I Kapittel 4.2.7 presenterte vi referansebanen på n asjonalt nivå. Ettersom næringssammensetningen endr er seg 
over tid, påvirkes også fylkenes andel av verdiskap ingen over tid. De fylkene som har høy produksjon i nnen de 
næringer som vokser relativt mye vil få sin andel a v nasjonal verdiskaping økt, og vice versa. I figuren under ser 
vi hvordan den regionale verdiskapingen endrer seg over tid i referansebanen, når vi holder olje- og 
gassproduksjonen utenfor. 
Figur 16: Fylkenes andel av nasjonal verdiskaping (BNP) i 2010 og endring mot 2060

41 
 
 
 
Av figuren ser vi at Rogaland, Møre og Romsdal og V estfold vil få en redusert andel av nasjonal verdiskaping i 
2060. Dette knytter seg i stor grad til nedskalerin gen av olje- og gassnæringen, som disse fylkene lev erer mye 
varer og tjenester til. Det er altså ikke selve fal let i olje- og gassproduksjon som drar ned aktivite ten i Rogaland i 
denne figuren, men den indirekte effekten på levera ndørindustrien. I den andre enden finner vi Oslo, Akershus, 
Sogn og Fjordane og til en viss grad Nordland. Dett e preges av en kombinasjon av at disse fylkene er s tore 
innen privat tjenesteyting og fornybar energi, næri nger som vil vokse mye i referansebanen. 
I figuren over ser vi at de tre fylkene i Nord-Norg e i liten grad vil få endret sin relative betydning i norsk 
økonomi. Dette gjelder som nenvt dersom vi holder o lje- og gassproduksjonen holdes utenfor. Fordi denne 
produksjonen faller jevnt og trutt i referansebanen , vil landsdelens andel av den totale norske økonom ien øke 
markant. Dette ser vi i tabellen under. 	
Tabell 14: Nord-Norges rolle i norsk økonomi i refe ransebanen 	
-2,00 %
-1,50 %
-1,00 %
-0,50 %
0,00 %
0,50 %
1,00 %
1,50 %
2,00 %
2,50 %
3,00 %
0,00 %
5,00 %
10,00 %
15,00 %
20,00 %
25,00 %	
Andel verdiskaping fastlands-Norge 2010 (venstre ak
se)
Prosentpoeng endring i andel av verdiskaping fra 2010 til 2060 (høyre akse)

42 
 
 
 
Når det gjelder private tjenester, så har Nord-Norg e relativt lite av dette. Det trekker i retning av at landsdelens 
andel av nasjonal verdiskaping reduseres. Reiselivs næringen har nesten samme omfang som resten av land et 
og preger derfor i liten grad utviklingen i landsde lens andel av total verdiskaping. Når det gjelder i nfrastruktur, 
bidrar denne næringen til at landsdelen får en høye re andel. Mineraler er viktig for Nord-Norge, men samlet 
sett er denne næringen så liten at den ikke påvirke r samlet andel. Havbruksnæringen ligger inne med la v vekst 
og trekker Nord-Norges andel ned fremover i referan sebanen. Veksten i fiske og fangst er som veksten totalt og 
trekker derfor ikke i noen retning for landsdelen. 
Et sentralt spørsmål er om avvikene i fylkenes veks ttakt betyr noe for sammensetningen av aktivitet på lang 
sikt. I tabellen under presenterer vi tall for verd iskaping i 2030 og 2060 relativt til basisåret. Her ser vi at det 
økonomiske landskapet i Norge endrer seg markant ov er 50-års perioden, primært drevet av den reduserte 
olje- og gassvirksomheten i referansebanen. Nordlan d, Troms og Finnmark har alle en verdiskaping som er over 
tre ganger så høy i 2060 sammenlignet med 2010. For landet totalt sett er den akkumulerte veksten langt mer 
moderat (kun knappe 160 prosent). 	
Tabell 15: Verdiskaping i fylkene og nasjonalt i 2030 og 2060 relativt til 2010 (Bruttoprodukt i faste 2010-priser) 	
 
 
Holder vi derimot olje- og gassnæringen utenfor bli r det ingen vesentlig forskjell i vekst mellom Norge totalt og 
Nord-Norge. I tabellen under presenterer vi fordeli ngen av sokkelens verdiskaping (olje og gass) på de fem 
sokkelregionene. Denne fordelingen er vesentlig når man eventuelt endrer olje- og gassproduksjonen i 
virkningsberegninger i modellen. Fordelingen og fre mskrivningene er basert på Perspektivmeldingen 
(Finansdepartementet, 2013), og reduksjonen er fore tatt andelsmessig. 	
Tabell 16: Utvikling i verdiskaping på sokkelen (Mrd 2010-kroner, kun produksjon av olje og gass) 	
Nord-Norges andel 	
av Norges 
verdiskaping	
Nord-Norges andel av 
Norges verdiskaping 	
uten olje og gass	
2010 6,4 % 8,2 % 
2020 6,8 % 8,2 %
2030 7,2 % 8,1 % 
2060 7,9 % 8,1 %	
Nordland Troms Finnmark Norge
Scenarier 2030 2060 2030 2060 2030 2060 2030 2060
Økning i forhold til basisåret 
Referansebane i fylkene 67,7 % 224,2 % 64,5 % 217,9 % 6 4,2 % 216,3 % 46,9 % 158,8 %

43 
 
 
Som følge av endret næringsstruktur får fylkene ogs å endret sin sammensetning av arbeidsstyrken. Vekst en i 
antall med høyere utdanning ligger rundt 1 prosent per år, og i Nord-Norge er veksten på linje med eller litt 
under resten av landet. Veksten i antall sysselsatt e med lavere utdanning faller gjennomgående, men i 
Finnmark, Oslo og Akershus blir det noe vekst, drev et av dreiningen i næringsstrukturen. 	
Figur 17: Årlig vekst i antall sysselsatte med høy og lav utdanning i referansebanen 	
 	
2010 2020 2030 2060
Fastlandet 50 46 38 12 
Nordsjøen syd 194 178 147 47 
Nordsjøen nord 194 178 147 47 
Norskehavet syd 78 71 59 19 
Norskehavet nord 4 4 3 1
Barentshavet 8 7 6 2 
Totalt 529 486 399 128	
-0,30 % 0,20 % 0,70 % 1,20 % 1,70 % 2,20 % Østfold
Akershus
Oslo
Hedmark Oppland
Buskerud Vestfold
Telemark
Aust Agder Vest Agder
Rogaland
Hordaland
Sogn og Fjordane
Møre og Romsdal Sør Trøndelag
Nord Trøndelag
NordlandTroms
Finnmark	
Lavere utdannet
Høyere utdannet

44 
 	
6. Analyser av politikk og virkemiddelbruk i NOREG 
I dette kapittelet går vi gjennom modellanalyser av ulike tiltak, i form av politiske endringer, investeringer etc. 
Tiltakene eller endringene er designet med bakgrunn i samtaler mellom oppdragsgiver og Menon/Vista, og vi 
har hatt til hensikt å belyse hvordan mange av de t iltak som foreslås i sektoranalysene i kunnskapsinn hentingen 
påvirker økonomien samlet; i fylkene, landsdelen og landet på mellomlang og lang sikt. 
I tabellen under oppsummerer vi hva slags endringer vi analyserer i modellen. Til sammen ser vi på hele 17 
politikkanalyser og fremtidsbilder i tillegg til mo dellens referansebane. 
Tabell 17: Oversikt over virkningsberegninger i dette kapittelet 	
 
Modell-simuleringene tar for seg politikk knyttet t il utdanning, FoU, innvandring, klima, havbruk, min eral, 
fornybar, petroleum, infrastruktur og reiseliv. 
Enkelte av virkningsberegningene i NOREG kombinerer flere av endringene. Disse kombinasjonssimuleringene 
er beskrevet i det lyseblå feltet, og vektlegger po litikk der man satser på økt utdanning og FoU samme n med 
ulike næringsrettede virkemiddelpakker. Dette komme nterer vi fortløpende i dette kapittelet. 
De regionale virkningsberegningene kan foretas på t o måter. Enten kjøres effekten av tiltaket ut på hele landet, 
eller så kjøres effekten ut på enkeltregioner etter en spesifisert fordelingsnøkkel. I tillegg kan man tvinge 
modellen til å legge alle effektene av næringen hvo r endringen skjer til de fylkene som mottar sjokket. Altså, 
om havbruk blir mer produktivt i én region, så skje r hele endringen i havbruk i denne regionen, mens 
endringene i underleverandører sprer seg utover lan det. 
Her følger en skjematisk oversikt over hvordan vi h ar valgt å håndtere slike spørsmål i våre modellkjøringer: 	
 
 	
Referanse-
bane Utdanning FoU Innvandring Klima Havbruk Mineral Fornybar P
etroleum Infrastruktur Reiseliv	
REF X
V1 X X 
V2 X X
V10 X X V7 X X
V3 X X
V4 X X
V5 X X
V6 X X
V9 X X
V11 X X X
V12 X X
V20 X X X
V21 X X X X
V22 X X X X
V23 X X X X
V24 X X X X
V25 X X X X X

46 
 	
Tabell 19: Oppsummering av beregnede verdiskapingseff ekter av ulike tiltak for fylkene i Nord-Norge og Norge totalt: 
Prosentvis økning i verdiskaping i forhold til refer ansebanen (2030 og 2060) 
 
 
Finnes det gratis luncher i modellen? 
Mange av våre politikkanalyser inneholder både en utgiftskomponent og en inntektskomponent. Eksempelvi s 
øker man offentlig konsum for å øke produktiviteten (mer FoU), for å få flere med høyere utdanning, eller for å 
få bedre veier. I slike analyser antas det eksplisi tt at det kun kan skapes økt verdiskaping gjennom a t tiltakene i 
tilstrekkelig grad bidrar til å effektivisere økono mien. Men det er i prinsippet ingenting i veien for at en modell 
som NOREG kan generere høyere verdiskaping gjennom kun å flytte ressurser fra privat til offentlig sektor 
gjennom skattlegging. For å identifisere om det fin nes mulighet for slike effekter i modellen, har vi foretatt 
beregninger der vi øker offentlig konsum, uten å le gge inn noen former for produktivitetsgevinster. Re sultatene 
viser at verdiskapingen faller marginalt. Det gir e t tydelig signal om at modellen ikke produserer gra tis luncher 
gjennom å flytte ressurser mellom privat og offentl ig sektor. 	
Nordland Troms Finnmark Norge	
Scenarier/politikk	2030 2060 2030 2060 2030 2060 2030 2060
Prosent økning i forhold til referansebanen 
Politikk rettet mot en næring 
Havbruk 2,9 % 10,5 % 1,9 % 6,6 % 2,4 % 7,9 % 0,2 % 0,7 %
Reiseliv 0,1 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Mineraler 0,7 % 0,7 % 0,1 % 0,1 % 1,0 % 1,0 % 0,0 % 0,1 %
Fornybar energi 0,8 % 2,9 % 0,2 % 0,8 % 0,6 % 2,1 % 0,0 % ,1 %
Bredt anlagt politikk 
Økt innvandring 2,7 % 9,6 % 3,0 % 12,7 % 2,5 % 10,2 % 3,0 % 13,3 %
Mer infrastruktur i landsdelen 3,0 % 4,4 % 2,4 % 4,1 % 3 ,1 % 4,7 % 0,1 % 0,3 %
FoU i Nord-Norge 3,0 % 5,1 % 2,8 % 5,2 % 3,2 % 5,3 % 0,3 % 1,2 %
FoU i Norge 1,0 % 1,5 % 1,5 % 2,3 % 1,4 % 1,9 % 0,3 % 1,2 % 
Økt utdanning i Nord-Norge 7,0 % 6,4 % 7,4 % 6,8 % 6,8 % 6,1 % 2,4 % 2,5 %
Økt utdanning i Norge 2,2 % 1,8 % 2,7 % 2,6 % 2,2 % 1,8 % 2,4 % 2,5 %
Økt olje- og gassproduksjon 0,6 % 2,9 % 1,6 % 15,4 % 13 ,4 % 54,4 % 4,2 % 3,2 %
Klima (Økte CO2-priser) 3,1 % 20,0 % 0,5 % 3,9 % 2,0 % 13 ,3 % 0,6 % 4,9 %
Kombinasjon av virkemidler/politikk 
Havbruk med økt innvandring 5,8 % 20,0 % 5,1 % 19,1 % 5, 1 % 17,8 % 3,2 % 13,8 %
Økt utdanning og FoU 3,3 % 3,5 % 4,4 % 5,0 % 3,7 % 3,9 % 2,9 % 4,0 %
Økt utdanning og FoU i Nord-Norge 10,4 % 12,0 % 10,6 % 12,7 % 10,4 % 11,9 % 2,9 % 4,0 %
Havbruk med økt FoU og utdanning 6,2 % 14,1 % 6,4 % 11, 8 % 6,1 % 12,0 % 3,0 % 4,7 %
Reiseliv med økt FoU og utdanning 3,6 % 3,8 % 4,7 % 5,4 % 3,9 % 4,1 % 2,9 % 4,0 %
Mineraler med økt FoU og utdanning 4,0 % 4,2 % 4,5 % 5, 1 % 4,8 % 4,9 % 2,0 % 4,0 %
Fornybar med økt FoU og utdanning 5,2 % 9,7 % 4,9 % 6,8 % 5,1 % 8,4 % 2,9 % 4,3 %	
Havbruk og reiseliv med økt FoU og utdanning	6,9 % 14,7 % 6,4 % 11,1 % 5,6 % 9,8 % 3,0 % 4,7 %

47 
 	
6.1. Økt satsing på havbruk 
6.1.1.	 Bakgrunn 	
På kort og mellomlang sikt vil politikkutformingen være avgjørende for vekst, og fordeling av veksten, i 
havbruksnæringen. På litt lengre sikt må vi anta at det er markedet og de fysiske/biologiske forholden e i Norge 
som vil styre veksten i næringen. 
Produksjonen per ansatt har vokst mye frem til i da g. Antallet sysselsatte i matfiskproduksjon er omtrent det 
samme som midt på 80-tallet, selv om produksjonen e r 25 ganger større. Dette har vært mulig gjennom større 
enheter, en utstrakt automatisering av foring og ov ervåking, samt outsourcing av funksjoner som røkter ne 
tidligere tok seg av (Robertsen, Andreassen and Ive rsen, 2012)	
7. Rundt oppdrettsnæringen har vi dermed fått 
en stor utstyrsindustri og en mengde leverandører a v spesialiserte tjenester. I modellen hører disse aktørene til 
i annen industriproduksjon og privat tjenesteyting. Det er rimelig å vente at denne utviklingen vil fortsette, og 
at ytterligere produktivitetsforbedringer vil komme gjennom større enheter, mer automatisering, bedre 
kontroll og bedre og enda mer spesialiserte driftsr elaterte tjenester. 
Produksjonen av oppdrettslaks «tok av» litt senere i nord, spesielt i Troms og Finnmark, enn lenger sør i landet. 
Nordland var ganske tidlig ute, og er fortsatt vårt største oppdrettsfylke i landsdelen. 	
Tabell 20: Solgt mengde av slaktet fisk fordelt på fylke, 2007–2011 (Mengde i tonn rundvekt) 	
2011	 	2010	 	2009	 	2008	 	2007	 	2006	 	
Nordland 218793	 	192962	 	162922	 	153220	 	152359	 	140448	 	
Troms 109563	 	109537	 	106163	 	90181	 	84215	 	71921	 	
Finnmark 54107	 	57096	 	36269	 	35430	 	22238	 	22754	 	
Totalt Nord-Norge 382463	 	359595	 	305354	 	278831	 	258812	 	235123	 	
Kilde: Nofima/Fiskeridirektoratet 
Tabell 21: Verdi av slaktet fisk fordelt på fylke, 2007–2011 (Verdi i 1000 kroner) 
Fylke 2011	 	2010	 	2009	 	2008	 	2007	 	
Nordland 5.862.620	 	5.802.116	 	3.652.167	 	3.205.773	 	2.991.650	 	
Troms 2.862.119	 	3.442.523	 	2.562.325	 	1.955.488	 	1.811.454	 	
Finnmark 1.430.023	 	1.818.164	 	892.366	 	788.066	 	475.830	 	
Totalt for Nord-Norge 10.154.762	 	11.062.803	 	7.106.858	 	5.949.327	 	5.278.934	 	
Kilde: Nofima/Fiskeridirektoratet 
 
Lang sikt. På lang sikt vil veksten i næringen være avhengig av markedsveksten, tilgang på areal, tilgang på 
forressurser og teknologisk utvikling. Hittil har v eksten i oppdrettsnæringen vært nokså jevn. Vi ser imidlertid at 
 
 
7 Robertsen, R., O. Andreassen and A. Iversen (2012). Havbruksnæringens ringvirkninger i Troms. Tromsø, 
Nofima.

48 
 
det er en hårfin balanse mellom tilbud og etterspør
sel, og at prisene kan variere mye om denne balanse n 
forrykkes. Oppdrettslaks har en relativt lang produ ksjonssyklus, den lange tiden mellom utsett og slak ting er en 
av forklaringene på at man har sett sykliske priser og svingende lønnsomhet i næringen. Produksjonsvek sten på 
lang sikt er avhengig av at etterspørselsveksten fo rtsetter. I Europa, som hele tiden har vært det vik tigste 
markedet for laks, har etterspørselen vokst år for år. På linje med annen norsk fisk nyter også laksen godt av en 
lavere selvforsyningsgrad av fisk i EU, men lakseko nsumet har også økt som en følge av målrettet 
markedsarbeid. Ikke minst har man for laks sett en selvforsterkende virkning av større sortiment i butikkene, 
mer hylleplass og mange kampanjer. Laks har dermed gått fra å være et av mange fiskeslag i butikkene til å bli 
en egen kategori i europeiske supermarkeder. 
På tilbudssiden er veksten i oppdrettsnæringen begr enset av tilgang til produksjonsarealer. I dag er mange 
kommuner skeptiske til å legge til rette for mer op pdrett, av frykt for lokal overgjødsling, rømt laks og 
luseproblematikk. 
Kort og mellomlang sikt. Produksjonsmengden styres indirekte gjennom antall konsesjoner og tillatt biomasse i 
sjø for hver konsesjon (maksimalt tillatt biomasse, MTB). Økt produksjon kan komme gjennom tildeling a v flere 
konsesjoner eller økning av MTB for hver konsesjon. Dette er politisk bestemt og vil være eksogent gitt i 
modellen. 
Man kan også modellere en teknologisk utvikling. De t er rom for en produksjonsøkning innenfor et gitt antall 
konsesjoner og en gitt MTB, gjennom bedre utnyttels e av MTBen og gjennom endret driftspraksis. I dag er 
kapasiteten, målt ved MTB, noe lavere utnyttet i no rd enn på Vestlandet. Det er kun i korte perioder at MTB 
blir en reell begrensning. Om målet er å utnytte ko nsesjonen bedre er dette mulig gjennom å endre 
driftspraksisen noe. Utnyttelsen av MTBen kan økes gjennom å slakte oftere, slik at biomassen i sjøen holdes 
tettere opp mot MTB. Man kan også slakte fisken ved lavere slaktevekt, ettersom liten fisk vokser raskere enn 
stor fisk. Utnyttelsen av MTB blir også bedre gjenn om å sette ut større smolt, slik at fisken står kortere tid i sjø. 
Denne effekten er imidlertid begrenset, ettersom sm olt (nyutsatt fisk) utgjør lite i biomasse. 
Konsentrasjon og produktivitetsforbedring 
I oppdrettsnæringen har vi sett en konsentrasjon bå de i form av antallet foretak og antall produksjonsenheter. 
Antallet foretak sank fra ca 260 i 2001 til ca 130 i 2011, som illustrert figuren under. 	
Figur 18: Antall foretak og beholdning av laksefisk. Ki lde: SSB.

49 
 
Antallet lokaliteter som er i bruk har blitt nesten
 halvert siden 2000, fra 1806 i 2000 til 1020 i dag , samtidig som 
produksjonen ble doblet. Produksjon per lokalitet e r dermed omtrent firedoblet, fra 223 tonn per lokal itet i 
1999 til 1023 tonn i 2011, se figuren under. 	
Figur 19: Produksjon per lokalitet i oppdrett av laks og ørret. Kilde: Nofima/Fiskeridirektoratet. 	
 
Det er grunn til å tro at produksjon per lokalitet vil fortsette å vokse. Samtidig ser vi at det skjer en dreining 
mot mer eksponerte lokaliteter, med bedre dybde- og strømforhold. Langs kysten finnes det fortsatt mange 
gode lokaliteter, tilgangen på gode lokaliteter er kanskje mest politisk begrenset. 	
For havbruk presenterer Sintef (2013) i sin sektorr apport ett referansealternativ og to virkningsalternativer 
(”alt legges til rette” 1 og 2), tabell 7.2 i Sinte f-rapporten. NHD foreslår å legge første alternativ et til grunn i 
virkningsberegningen. Dette anslaget baseres på gje nnomsnittlig vekst i havbruk globalt. 
Veksten i Sintefs referansebane er om lag lik vekst en i modellens referansebane (se kapittel 4.2.3), og veksten i 
Sintefs virkningsbane om lag 7 prosent årlig i peri oden fra 2012 til 2030. 
6.1.2.	 Praktisk implementering av politikk i modellen 	
Vi modellerer endringen på følgende måte: Verdiskap ingen i havbruksnæringen er økt med 7 prosent årlig i 
perioden 2012-2030 for Nord-Norge, som utgjør 40 pr osent av verdiskapingen nasjonalt. Havbruk i resten av 
landet, som utgjør 60 prosent i 2010, vokser som i referansebanen. Etter 2030 antar vi lik vekst som i 
referansebanen for hele landet. Økningen i Nord-Nor ge spres jevnt utover de tre fylkene, etter fylkenes andel 
av verdiskapingen i basisåret 2010. 
6.1.3.	 Virkninger av politikken 	
Det er viktig å merke seg at økningen i aktiviteten i denne sektoren er modellert i form av en eksogen økning i 
verdiskapingen i næringen. I tabellen under er veks ten i næringens verdiskaping gitt utenifra. Det er likevel 	
0
200
400
600
800
1000
1200
1400
1600
1800
2000
0
200 000
400 000
600 000
800 000
1 000 000
1 200 000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 201 1	
Antall lokaliteter / uttak pr lokalitet i tonn Uttak av laks og ørret (tonn)	
Uttak av laks og ørret	Lokaliteter for laks og ørret	Uttak pr. lokalitet

50 
 
verdt å merke seg at med en 7 prosent årlig økning 
i verdiskapingen blir nivået dobbelt så høyt i 2030. Dette 
gjelder for alle tre fylker. Selv om vi demper veks ten til den samme som i referansebanen i perioden 2 030 til 
2060, blir likevel nivået nærmere 5 ganger så høy i 2050. Dette resulterer i at næringens andel av 
verdiskapingen i de tre fylkene dobler seg frem mot 2060. 
Den totale verdiskapingen i fylkene øker ikke på la ngt nær så mye. Dette knytter seg til at aktivitetsøkningen i 
havbruk tar i bruk ressurser som ellers kunne blitt benyttet i andre næringer. Denne fortrengningseffe kten er 
betydelig. Verdiskapingen i andre næringer faller i forhold til referansebanen med mellom 2,8 og 4,2 p rosent i 
2060. Størst er fortrengningen i Finnmark, mens den er minst i Nordland. I 2030 har nærmere 60 prosent av 
den økte verdiskapingen i næringen i Troms og Finnm ark falt bort i makro på grunn av fortrengning. I 2060 er 
dette fallet redusert til rundt 30 prosent. 
Politikken har ingen innvirkning på sysselsetting n asjonalt ettersom arbeidstilbudet er gitt for Norge som 
helhet. I Nord-Norge skulle man kanskje forvente at sysselsettingen økte i takt med verdiskapingsveksten, men 
fordi havbruksnæringen er en lite arbeidsintensiv n æring, får vi en dreining bort fra mer arbeidsintensive 
næringer, og det trekker i retning av mindre syssel setting i landsdelen. Det er bare Nordland som vil oppleve en 
svak sysselsettingsøkning som følge av en raskere v oksende havbruksnæring. Dette bildet er også relati vt 
konsistent med lave sysselsettingsveksten denne nær ingen kan vise til gjennom de seneste tiårene, til tross for 
en kraftig økning i produksjonsvolumene. 
På nasjonalt nivå endres ikke sammensetningen av la vere og høyt utdannede seg som følge av denne 
endringen i næringen. Men som en følge av endret næ ringsstruktur i Nord-Norge, relativt til resten av landet, 
får vi noen marginale endringer i retning av en økt andel med høyre utdannede i Troms og Finnmark, men en 
litt lavere andel i Nordland. 	
Tabell 22: Oversikt over utvalgte endringer i økon omien som følge av tiltaket 	
 
 	
6.2. Satsing på reiseliv 
6.2.1.	 Bakgrunn 	
Norsk reiselivsnæring opplever krevende tider. Den internasjonale konkurranseevnen er svekket kraftig de siste 
årene, paradoksalt nok som følge av at Norge er bli tt verdens rikeste land. Rikdommen har ført til høyere 
lønninger enn i landene vi konkurrerer med. Fordi r eiseliv er svært arbeidsintensivt, har næringen tapt 	
Økt satsning på havbruk
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,2 % 0,7 % 0,2 % 0,7 % 0,2 % 0,7 % 
Økning i fylkets verdiskaping (BRP) 2,9 % 10,5 % 1,9 % 6,6 % 2,4 % 7,9 %
Økning i næringens verdiskaping i fylket 100,6 % 467, 8 % 100,6 % 467,8 % 100,6 % 467,8 %
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 0,3 % 1,1 % -0,1 % -1,1 % -0,1 % -1,6 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) -0,1 % - 0,2 % 0,0 % 0,3 % 0,0 % 0,4 %

51 
 
kostnadsmessig konkurranseevne internasjonalt. Samt
idig tapes kampen om talentene, fordi lønnsnivået og 
karrieremulighetene er for dårlige sammenlignet med andre næringer. Sagt på en annen måte er lønnsnivået 
for høyt i forhold til konkurrentene, men for lavt i forhold til andre næringer. 
Over 20 prosent av reiselivets omsetning er eksport , det vil si utenlandske turister som kommer til Norge. 
Markedet for internasjonal turisme er i sterk vekst , og det er tre underliggende drivkrefter som bidra r til dette; 
globalisering, økonomisk vekst og demografiske endr inger. UNWTO legger tydelig vekt på at reiseliv-eksporten 
til de såkalte BRIC-landene vil vise høyest vekst f remover. Fra de store europeiske utreisemarkedene f orventer 
man moderat vekst fra landene som får økonomien und er kontroll, og en reduksjon fra markedene med 
økonomiske problemer. Klarer man å tiltrekke en pro mille av konsumentene i disse enorme BRIC-markedene , 
vil det gi en kraftig vekst i nordnorsk turisme. Av BRIC-landene er det Russland som ligger nærmest No rge, og 
tilgjengeligheten er relativt god. Potensialet her er derfor svært stort. Samtidig er det viktig å hol de fokus på 
volummarkedene, som for det første er nærmarkedet N orge (69 prosent av alle kommersielle gjestedøgn i 
Nord-Norge	
8), etterfulgt av Tyskland som sto for 28 prosent av alle utenlandske overnattinger i 2011. 
Storbritannia er det volummarkedet som øker mest i Nord-Norge, og regionen har nå 11 prosent av britiske 
gjestedøgn i Norge, mot kun 5,5 prosent i 2005. 
I følge sektorrapporten om reisliv i Nord-Norge (Me non, 2013), er Nord-Norge er i seg selv et nisjeprodukt i det 
globale turistmarkedet – arktisk turisme – og inneh older en rekke produkter godt egnet for en nisjestrategi. 
Utfordringen er å finne fram til nisjemålgruppene s om er interessert i de ulike aspektene ved arktisk turisme 
som issvømming, arktisk flora og fauna, nordlys, sa misk kultur, kyst og kystkultur i nord, arktisk levesett med 
mer. Å kartlegge hvilke nisjer man har og deretter gjennomføre markedsanalyser for å få kunnskap om hv em 
målgruppen er og hvordan man skal nå dem, vil være helt sentralt. 
Det viktigste konkurransefortrinnet til reiselivsnæ ringen i Nord-Norge er den spektakulære naturen, sa mt 
kulturhistorien knyttet til menneskenes liv i denne naturen. Alle markedsundersøkelser viser at Norge 
assosieres med ren og vakker natur, og Nord-Norges unikhet ligger i den arktiske naturen, arktisk dyreliv, og 
ikke minst, naturfenomener som nordlyset, midnattss olen og Nordkapp. Sommerturismen er preget av 
rundreiseturisme, og landsdelen har en rekke nasjon alparker og Nasjonale turistveger med høy 
attraksjonsverdi. Vinterturismen er i større grad p reget av baseturisme,	
9 og de senere år har turisme knyttet til 
nordlyset hatt en kraftig vekst. Hurtigruten har væ rt med på å prege turismen i Nord-Norge i en årrekk e og er 
en viktig del av infrastrukturen og opplevelsestilb udet. Nord-Norge har etter hvert fått en rekke fest ivaler og 
arrangementer som bidrar til å fylle sengene også u tenfor hovedsesongen, som Nordland musikkfestuke i 
Bodø, Festspillene i Nord-Norge (Harstad), Tromsø I nternasjonale Filmfestival, Borealis Alta Vinterfestival, 
urfolksfestivalen Riddu Riddu og Barents Spektakel i Kirkenes. 
For å skape verdier basert på naturen er det helt e ssensielt at man utvikler opplevelsestilbud tilrettelagt for 
ulike kundesegmenter. Tilbudet innenfor opplevelser har blitt styrket de senere år, og det merkes også i form 
av kraftig vekst i verdiskapingen. Veksten i opplev elsesbransjen har vært på hele åtte prosent fra 200 5 til 2011. 
Dette er den bransjen som vokser raskest. 
Den mest utbredte formen for sjøfisketurisme er tur ister som leier overnatting og båt for fiske på egen hånd. 
Fisketurisme er en svært positiv markedsnisje for r eiselivsaktører langs kysten, fordi dette representerer en 
 	
 
8 SSBs gjestedøgnstatistikk 2012	 	9 Baseturisme: at man overnatter på ett sted, og tar utflukter fra denne basen.

52 
 
forlengelse av en ellers kort reiselivssesong på so
mmeren. Norut Tromsø har kartlagt verdiskaping fra 
sjøfisketurisme i Norge (Norut Tromsø Faktaark sjøf isketurisme, 2010). Den årlige verdiskapingen fra 434 
fisketurismebedrifter er anslått til å være 222 mil lioner kroner i Norge. De 205 fisketurismebedriften e som 
holder til i Nord-Norge står for cirka 100 millione r kroner av dette, det vil si cirka	
 45 prosent. Den viktigste 
sesongen er sommeren, og det viktigste markedet er helt klart Tyskland som står for 59 prosent på landsbasis. 	
6.2.2.	 Økonomisk politkk og implementering i modellen 	
I sektorrapporten om reiseliv (Menon, 2013) present eres en rekke tiltak som kan tenkes å stimulere til økt 
aktivitet i reiselivsnæringen i Nord-Norge i årene frem mot 2030, 2050 og 2100. Mange av disse tiltake ne er det 
vanskelig å modellere innenfor det rammeverket som NOREG er basert på fordi forslagene er av mer kvalitativ 
art uten spesifiserte kostnader og forventede innte kter. Å modellere effekter i NOREG krever i stor grad at man 
kan beregne kostnads- og inntektseffekter med en gr ad av rimelighet. 
Etter nærmere diskusjoner med forfatterne av denne rapporten har vi valgt å modellere effekten av to større 
tiltak: Etablering av et charterfond med destinasjo nsutvikling, samt flyplassutbygginger. Disse tiltakene er 
nærmere omtalt i rapporten. 
Destinasjonsutvikling og charterfond:	 
I dette tiltaket har vi lagt inn en tredobling av d agens midler til NordNorsk reiseliv og satsing på c harterfly. 
Charterfondet har til hensikt å redusere risiko for operatører som ønsker å sette opp ruter til Nord-N orge. I et 
scenarioet ser vi for oss at Nord-Norge tar imot 50 charterfly i 2020, hvorav fondet garanterer for 20 prosent 
av setene. Kostnadene knyttet til dette sammen med relevant destinasjonsutvikling er satt til ca. 100 millioner 
kroner per år. 	
Flyplassutbygginger:	 
Bygging av flyplass på Gimsøy, Lofoten og flyplass i Mo i Rana, Helgeland forventes å koste 4 milliard er kroner 
kroner samlet gjennom perioden 2016 til 2020. Kostn adsanslagene er hentet fra nasjonal transportplan og 
Avinors anslag. 
På effektsiden har vi modellert tiltakene i form av endringer i reiselivsnæringens eksportelastisitet. Gjennom 
investeringene kan reiselivsnæringen eksportere mer for en gitt pris. I mer teknisk terminologi har vi justert 
eksport-relasjonene ved å justere Armington-elastis iteten slik at eksporten øker med det tallene som er oppgitt 
i tabellen under. Effekten av et charterfond er vur dert opp mot de erfaringer man har hatt med tilsvar ende 
ordninger i Finland. Våre anslag må anses som moder ate sett opp mot denne erfaringen. Etter at flyplassene er 
kommet på plass forventet vi en vekst på 180 000 ho tellgjestedøgn i Lofoten og 100 000 hotellgjestedøgn i 
Helgeland.

53 
 	
Tabell 23: Investerings- og driftsutgifter for tilt ak i reiselivsnæringen for utvalgte år, samt forventede eksportinntekter 
(2010-kroner) 	
 	
6.2.3.	 Virkninger av politikken 	
En økt satsing på reiselivsnæringen bidrar til å øk e næringens verdiskaping i fylkene med mellom 4 og 10 
prosent i 2030 og mellom 1,4 og 4 prosent i 2060, s ett opp mot referansebanen. I tabellen ser vi at økningen i 
BNP i fylkene og i Norge totalt som følge av reisel ivsatsingen blir helt marginal. Dette er et resultat av at 
reiselivssatsingen gir store fortrengningseffekter (opp mot 95 prosent av gevinsten i form av økt verd iskaping i 
reiseliv, blir spist opp av at man fortrenger aktiv itet i andre næringer, både nasjonalt og regionalt. Den sterke 
fortrengningseffekten kommer sannsynligvis fordi næ ringen er relativt arbeidsintensiv, og stjeler derfor 
arbeidskraft fra andre sektorer. Dette bekreftes i tallene for sysselsetting. Når reiselivsnæringen i Nord-Norge 
øker aktiviteten øker også den totale sysselsetting en i fylkene mer enn i resten av landet. Dette vitn er om at 
næringen er arbeidsintensiv. 
Tabell 24: Oversikt over utvalgte endringer i økonom ien som følge av reiselivstiltakene 	
 	
 
 
Investeringer 2016 2021 2030 2060
Destinasjonsutvikling og charterfond 99 500 000 109 856 040 131 288 137 237 810 288 
Flyplassutbygginger 800 000 000 0
Sum 899 502 016
 109 858 061 131 290 167 237 812 348 
Eksport 2016 2021 2030 2060
Destinasjonsutvikling og charterfond 415 334 033 458 562 333 548 024 436 992 670 411 
Flyplassutbygginger -
 220 320 000 263 302 795 476 936 567 
Sum 415 336 049
 678 884 354 811 329 261 1 469 609 038 	
Økt satsning på reiseliv
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i fylkets verdiskaping (BRP) 0,1 % 0,0 % 0,0 % ,0 % 0,0 % 0,0 %
Økning i næringens verdiskaping i fylket 10,6 % 3,9 % 4,5 % 1,7 % 3,9 % 1,4 %
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 0,2 % 0,2 % 0,1 % 0,1 % ,1 % 0,1 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) -0,1 % ,0 % 0,0 % 0,0 % 0,0 % 0,0 %

54 
 	
6.3. Satsing på mineralnæringen 
6.3.1.	 Bakgrunn 	
Vista Analyse (2013) er en sektorrapport om mineral næringen i Nord-Norge. Den inneholder framskrivning er av 
malm- og industrimalmressursene. 	
Referansealternativet er definert som en videreføri ng av produksjon på nivå 
med dagens forekomster fram mot 2030 og 2060. Baser t på NGUs data antas det at eksisterende virksomheter 
dobler omsetning og verdiskaping i 2030 i forhold t il i 2011, og at produksjonen deretter videreføres uendret 
fram til 2050. 
Det er definert et maksalternativ i den ovennevnte rapporten som tilsvarer referansealternativet pluss hva som 
er mulig få bygget ut fram mot 2030 og 2050 med nye /sterkere virkemidler. I virkningsbanene har vi simulert 
en bane for bruttoprodukt (verdiskaping) som ligger midt mellom maksalternativet og referansealternati vet. 
Maksalternativet i Vista-rapporten krever en radika l omlegging i arealplan-politikken, hvor berørte parter blir 
betalt/kompensert for å tillate utvinning i sårbare områder. Denne omleggingen kan oppfattes som ureal istisk, 
og vi har derfor valgt å legge politkken et sted mi dt i mellom. 	
 
6.3.2.	 Praktisk implementering i modellen 	
I denne simuleringen har vi økt produktiviteten i n æringen (ved å øke ω4-parameteren, se kapittel 8) s lik at 
omsetningen er doblet i næringen frem til 2030 og d eretter uendret i forhold til referansebanen. 
6.3.3.	 Virkninger av politikken 	
Mineralnæringen er liten i nasjonal målestokk. Det betyr reelt sett at effekten på BNP, både på fylkesnivå og 
nasjonalt er liten, selv når vi øker produksjonen i næringen markant frem mot 2030. I modellen økes næ ringens 
verdiskaping i Nordland, Troms og Finnmark med henh oldsvis 74, 54 og 75 prosent i 2030, og nærmere det 
dobbelte i 2060. 
Økningen i fylkenes totale verdiskaping når knapt e n prosent i 2060, dette til tross for at mineralnæringen har 
relativt sett større betydning for økonomien i Nord -Norge enn i resten av landet. Også denne 
modellsimuleringen viser at det finner sted en bety delig fortrengningseffekt i Nord-Norge ved å satse på 
mineralproduksjon. I 2030 spises halvparten av den direkte verdiskapingsøkningen opp av 
fortrengningseffekter, mens dette er redusert til 1 prosent i Nordland og ca. 20 prosent i Troms og F innmark i 
2060. 
Sysselsettingseffektene for landsdelen er små. I de n grad det kommer noen endring, så er den negativ. Dette er 
knyttet til at næringen er lite arbeidsintensiv og fortrenger aktivitet i andre mer arbeidsintensive n æringer. Den 
negative sysselsettingseffekten er sterkest i Finnm ark.

55 
 	
 
Tabell 25: Oversikt over utvalgte endringer i økonom ien som følge av økt mineralproduksjon 	
 	
 
6.4. Økt produksjon av fornybar energi 
6.4.1.	 Bakgrunn 	
I framskrivningene av fornybar energi i sektorrappo rten fra Analyse & Strategi (2013) legges høyscenariet til 
grunn. I rapporten er verdiskapingen for fornybar e nergi i Nord-Norge anslått til 6 milliarder kroner i 2011. 
Tabellen under viser anslagene i rapportens basissc enario og høyscenariet.	
10 	
Tabell 26: 	Verdiskaping fornybar energi i Nord-Norge, mrd kr	 	
 Basisscenariet Høyscenariet 
2011 6 
2030 10 11 
2050 16 20 
2100 28 41 
6.4.2.	 Praktisk implementering 	
I modellen er produksjonen av fornybar energi gitt utenfor modellen. Dette styres i hovedsak av 
konsesjonstildelinger i kraft-politikken. For å kun ne vurdere den beskrevne endringen i fornybarproduk sjon, 
med bakgrunn i endret politikk, legger vi høyscenar iet til grunn. 
 
 
10 Side 84 og 193 i rapporten, se også side 189 	
Økt satsning på mineralnæringen
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,0 % 0,1 % 0,0 % 0,1 % 0,0 % 0,1 % 
Økning i fylkets verdiskaping (BRP) 0,7 % 0,7 % 0,1 % ,1 % 1,0 % 1,0 %
Økning i næringens verdiskaping i fylket 74,8 % 144,9 % 53,9 % 102,9 % 75,2 % 145,7 %
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting -0,1 % -0,2 % 0,0 % 0,0 % -0,4 % -0,4 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,0 % 0, 1 % 0,0 % 0,0 % 0,1 % 0,1 %

56 
 
For Nord-Norge øker vi verdiskapingen tilsvarende f
orskjell mellom høyscenariet og basisscenariet i 2030, 2050 
og 2060 med jevn vekstendring i årene mellom. Dette gjør vi ved å sette Nord-Norges andel av nasjonal 
verdiskaping lik andelen av fornybar kraftproduksjo n i 2010 (21 av 140 TWH i NN =15 prosent). 
For resten av landet antar vi at veksten i verdiska pingen i næringen er lik veksten i referansebanen. 	
6.4.3.	 Virkninger av politikken 	
I dette scenariet er veksten i produksjon av energi og derav verdiskaping mer markant lenger ut i bane n. Vi får 
derfor betydelig høyere vekst i 2060 sammenlignet m ed referansebanen, og da særlig i Nordland og Finnmark. 
De eksogene økningene i næringens aktivitet i Nord- Norge trekker opp verdiskapingen med ca. 9 prosent i 2030 
og 23 prosent i 2060, sammenlignet med referanseban en. 
Igjen ser vi at økningen i fylkets verdiskaping er moderat. Hovedårsaken til dette er at økninger i ve rdiskapingen 
i denne næringen gir store fortrengningseffekter. R undt 90 prosent av den økte verdiskapingen blir spi st opp av 
et aktivitetsfall i andre næringer i landsdelen, bå de i 2030 og 2060. Politikkanalyser for denne nærin gen må ses 
i lys av at referansebanen beskriver en næring i kr aftig vekst. Ettersom fornybarproduksjon allerede s piller en 
relativt viktig rolle for landsdelen, vil framskriv ningene i referansebanen for landsdelen gi en enda større 
betydning til denne næringen. Det betyr at prosentv ise endringer i 2030 og 2060 får gradvis større betydning 
for totaløkonomien i landsdelen. Faktisk utgjør for trengningen ca. 12 prosent av den totale verdiskapi ngen i 
Nordland og Finnmark i 2060, sammenlignet med refer ansebanen. Den sterke fortrengningseffekten knytter 
seg til sammensetningen i faktorbruk i næringen. 
Tabell 27: Oversikt over utvalgte endringer i økonomi en som følge av økt produksjon av fornybar kraft 	
 
Effekten på sysselsetting og ansatte med høyere utd anning i landsdelen er helt marginal. Dette indikerer at den 
direkte og indirekte bruken av arbeidskraft i denne næringen ikke skiller seg markant fra annen anvend else. 	
 
6.5. Økt innvandring til Norge 
I denne virkningsberegningen har vi gått fra å beny tte SSBs middel-prognose til SSBs høy-prognose for 
innvandring. Gjennom det siste tiåret har erfaringe ne vist at den faktiske innvandringen har ligget betraktelig 
høyere enn det middel-prognosen har angitt. Økninge ns effekt på sysselsetting i modellen er beskrevet i 
tabellen under. Framskrivningen gir en økning på ca . 6 prosent i 2030 og over 25 prosent i 2060. Det er med 	
Økt satsning på fornybar-produksjon
Nordland Troms Finnmark	2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,0 % 0,1 % 0,0 % 0,1 % 0,0 % 0,1 % 
Økning i fylkets verdiskaping (BRP) 0,8 % 2,9 % 0,2 % ,8 % 0,6 % 2,1 %
Økning i næringens verdiskaping i fylket 8,8 % 22,7 % 8,8 % 22,7 % 8,8 % 22,7 %
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 0,0 % 0,2 % 0,0 % 0,0 % ,0 % 0,1 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,0 % 0, % 0,0 % 0,0 % 0,0 % 0,0 %

57 
 
andre ord snakk om betydelige økninger i tilgangen 
på arbeidskraft. Andelen med høyere utdanning er an tatt å 
holde seg uendret. Vi antar med andre ord at vi får en balansert innvandring mht. utdanningsnivå. 	
Tabell 28: Økning i nasjonal sysselsetting som følge av økt innvandring 	
 
 	
6.5.1.	 Virkninger av politikken 	
En kraftig økning i innvandringen gir betydelige ef fekter på verdiskaping både i Nord-Norge og i Norge totalt. 
Flere arbeidstakere gir per se økt verdiskaping ett ersom flere produktive ressurser kommer i anvendels e. Det 
er særlig de arbeidsintensive næringene som får kra ftig vekst ettersom disse næringene får et større tilbud av 
den viktigste innsatsfaktoren. Dette gjør det relat ivt sett billigere å produsere varer og tjenester i disse 
næringene. Dette er særlig relevant for reiselivsnæ ringen, infrastruktur (transport), privat og offentlig 
tjenesteyting. I Troms er disse næringene særlig vi ktige, og det er derfor naturlig at effektene på fylkets totale 
verdiskaping blir størst i Troms. 
Tabell 29: Oversikt over endringer i økonomien som følge av økt innvandring 	
 
I tabellen ser vi at sysselsettingseffekten i Nord- Norge blir noe lavere enn i landet som helhet. Dett e knytter seg 
til at landet som helhet har noe mer aktivitet inne n arbeidsintensivt næringsliv, dette gjelder særlig annen 
privat tjenesteyting. 	
Antall 	
sysselsatte i 
referanse-
banen	
Antall 
sysselatte 	
med høyere 
innvandring	
Økning i 
syssel-
setting	
Prosentvis økning i 
syssel-
setting	
Sysselsatte 2030 2 868 911 3 039 248 170 337 5,9 % 2060 3 180 741 3 994 215 813 474 25,6 %	
Økt innvandring
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 3,0 % 13,1 % 3,0 % 13,1 % 3,0 % 13,1 %
Økning i fylkets verdiskaping (BRP) 2,7 % 9,6 % 3,0 % 1 2,7 % 2,5 % 10,2 %
Økning i næringens verdiskaping i fylket 
Økning i sysselsetting (Norge) 5,9 % 25,6 % 5,9 % 25,6 % 5,9 % 25,6 %
Økning i fylkets sysselsetting 5,4 % 23,2 % 5,2 % 23,5 % 5,1 % 23,3 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,0 % -0, 1 % 0,0 % -0,2 % 0,0 % -0,2 %

58 
 	
6.6. Økt satsing på infrastruktur 
6.6.1.	 Bakgrunn 	
Hvilken betydning har økte investeringer) i infrast rukturtiltak for verdiskaping og næringsutvikling i Nord-
Norge? Bedre infrastruktur kan forventes å bidra ti l lavere transportkostnader, som vil ha betydning for 
næringslivet. I modellen fremkommer denne effekten ved at reisetiden blir kortere, noe som igjen påvirker 
handelen mellom fylker (jfr. kapittel 5). Infrastru kturtiltak vil også påvirke størrelsen og robusthet en i 
arbeidsmarkedsregionene. Redusert pendletid gir til gang på mer arbeidskraft. Dette betyr at modell-
beregningene også må ta hensyn til at næringslivet blir mer produktivt. Nedenfor redegjør vi kort for hvordan 
slike produktivitetseffekter er beregnet som input til modellen. Denne redegjørelsen hviler på et mer 
omfattende arbeid (se Vista Analyse, 2014) som er u tført paralellt med denne modell-studien der vi har 
beregnet produktivitetseffekter av infrastrukturtil tak. 	
 	
6.6.2.	 Nærmere om beregninger av produktivitetsvirkninger av infrastrukturinvesteringer 	
Endringer som følger av konkurranse om innsatsfaktorer vil fanges opp av makromodellen. I tillegg vil 
infrastrukturinvesteringer ha positive produktivite tsvirkninger. I makromodellen er den teknologiske 
utviklingen bestemt av modellbrukeren, og produktiv itetsvirkninger må derfor beregnes og integreres i 
modellen. Virkningene kan deles i tre kategorier: 
1) Det vil bli endret økonomisk aktivitet knyttet til investeringsp rosjektet gjennom etterspørsel etter 
arbeidskraft og andre innsatsfaktorer . Dette innebærer en konkurranse om innsatsfaktoren e mellom andre 
sektorer i økonomien, og sammensetningen av produksjonen i ulike sektorer vil også påvirkes. De samlede 
virkningene fanges opp av makromodellen ved justeri nger av offentlige budsjetter og utgifter til infrastruktur. 
2) Videre vil infrastrukturinvesteringer redusere reisekostnadene for de som bruker den utbedrede 
infrastrukturen. Dette vil gi mer produktive innsat sfaktorer. Anslag på produktivitetsøkningen som føl ge av 
reduserte reisekostnader dokumenteres i en separat rapport av Vista Analyse (2014), og integreres i modellen. 
3) Til slutt kan det oppstå produktivitetsvirkninge r gjennom økt tetthet . Dette kan lettest forklares som positive 
eksternaliteter utover virkningene som kommer av se lve bruken av ny infrastruktur: når områder knyttes 
tettere sammen, vil en få samme typen tetthetseffek ter som om befolkning og næringsliv på hvert sted øker. 
Produktivitetseffekter kan oppnås gjennom deling (kortere reisetider bidrar til å forstørre markedene), læring 
(raskere og mer omfattende utveksling av kompetanse og ressurser) og matching (mellom arbeidskraften og 
bedrifter).	
 	
Forutsetningene som benyttes for å ivareta disse ef fektene i modellen er som nevnt dokumentert i et eg et 
notat (Vista Analyse, 2014). Grunnlaget er eksister ende beregninger bak to større Konseptvalgutredning er fra 
to store infrastrukturprosjekter i Nord-Norge; E10/ rv. 85 Evenes – Sortland og E6 Mørsvikbotn – Ballan gen. 
Dette er eksempler på prosjekter som utvikler vikti ge transportårer gjennom landsdelen og potensielt v il kunne 
ha store ringvirkninger for næringsliv og produktiv itet. 
 
Anvendelse i makromodellen	 	
Tabellen under oppsummerer anslagene over produktiv itetsvirkninger fra de vurderte infrastruktur-
investeringene i Nord-Norge.

59 
 
 	
Tabell 30: Oppsummering av resultatene, i mill. krone
r 	
 	
 	
 	
Evenes - 
Sortland	
 	 
Mørsvikbotn- Ballangen	
 	
 	 Konsept 1	 	Konsept 2	 Konsept 3	 	 	
Investeringskostnad 	 	2800	 	3100	 	3800	 	4700	 	
Årlige trafikantnyttevirkninger / 
invest.kost 	 	
5,4 %	 	7,8 %	 	7,8 %	 	4,6 %	 	
Årlige produktivitetsvirkning / 
invest.kost 	 	
1,6 %	 	2,6 %	 	2,6 %	 	0,5 %	 	
Samlet produktivitetsvekst	 	 	7,0 %	 	10,4 %	 	10,4 %	 	5,1 %	 	
 
6.6.3.	 Praktisk implementering av politikken i modellen 	
I vår modellanalyse investeres det 3 milliarder i v ei i Nord-Norge fordelt andelsmessig etter fylkenes 
verdiskaping i basisåret. Investeringen har en utgi ftsside gjennom offentlig konsum som øker slik at 
investeringene i infrastruktur (næring 8) øker akku rat så mye. For at ikke alle andre næringer skal bli like mye 
påvirket justeres de offentlige konsumandelene tils varende. For å sikre at effektene blir regionale, legges all 
økning i offentlig konsum til de tre fylkene i Nord -Norge andelsmessig etter verdiskapingsandel i basi såret. 
Vi har videre lagt inn en produktivitetsvekst som t ilsvarer en vekst i produktiviteten i investeringsområdet på 
rundt 10 prosent per investert krone. Dette gjøres ved å justere omega-parameteren i modellen. 
Ettersom vi sprer investeringene jevnt utover lands delen er det vanskelig å modellere redusert reisetid. Små 
endringer i reisetid mellom fylkene i Nord-Norge vi l domineres fullstendig av egenleveranser og nabole veranser 
i modellen, som er særlig store i disse fylkene (se kapittel 5.3). Når det er sagt, blir trafikknytte fra redusert 
reisetid tatt eksplisitt hensyn til gjennom produkt ivitetsøkningen. 
6.6.4.	 Virkninger av politikken 	
Investeringene på relativt beskjedne 3 milliarder k roner gir betydelige effekter i landsdelen. Verdiskapingen 
ligger 2-3 prosent høyere i 2030, og 4-5 prosent hø yere i 2060. Nasjonalt er effektene svært små, noe som 
illustrerer at dette investeringstiltaket er lite i nasjonal målestokk. 
Effekten på sammensetningen av aktivitet i økonomie n i Nord-Norge er litt uvant, men interessant. For det 
første får vi en betydelig økning i verdiskapingen i bygg- og anleggsnæringen i landsdelen (ca. 4 pros ent høyere 
enn i referansebanen). Det er denne næringen som le verer det meste av innsatsen til infrastrukturen. Videre 
får vi en økning i verdiskapingen i reiselivsnæring en i samme omfang. Derimot får leverandørene av 
infrastrukturtjenester et betydelig fall i verdiska pingen ettersom reiseavstandene reduseres og behove t for 
slike tjenester avdempes. De regionale effektene st yres dels av selve investeringen, og dels av den øk te 
produktiviteten i næringslivet som følger av invest eringene.

60 
 	
Tabell 31: Oversikt over endringer i økonomien som følge av økt satsing på infrastruktur 	
 
Den økte investeringen i infrastruktur har nærmest ingen effekt på sysselsetting og utdanningsgrad i fylkene. 	
6.7. Økt satsing på FoU 
6.7.1.	 Bakgrunn 	
Dette virkemidlet er ment å fange opp betydningen a v økte bevilgninger og/eller økt samarbeid mellom 
forskningsinstitusjoner og næringsliv. Solberg-	
regjeringen legger opp til at 3 prosent av BNP skal brukes på FoU 
i 2030, dvs. nærmest en fordobling av dagens innsat s. FoU-innsatsen i Nord-Norge er vesentlig lavere enn i 
landet for øvrig (se kapittel 2 og Damvad, 2013). 
I dette scenariet økes offentlige utgifter til FoU med 1,5 prosent av BNP. Vi har antatt at dette gir en økt 
realavkastning tilsvarende det man har funnet for S katteFunn-ordningen, dvs. 8 prosent (Cappelen med f lere, 
2008). Vi legger hele utgiftsøkningen til Nord-Norg e og sprer det ut over fylkene i henhold til 
verdiskapingsandel. 	
6.7.2.	 Praktisk implementering 	
Det offentlige konsumet av offentlige tjenester øke s tilsvarende 1,5 prosent av BNP i referansebanen f ra og 
med 2020. For å få dette til justeres vektene i det offentlige konsumet slik at det bare kommer en økn ing i 
produksjon av offentlige tjenester (det er her FoU- aktiviteten ligger i modellen). 
For å få inn den forventede økningen i produktivite t, har vi økt produktivitetsfaktoren omega i alle næringer 
med 0,1 prosent. Dette tilsvarende en endring som g ir 8 prosent realavkastning av investeringer i næringene. 
I kjøringen knyttet til Nord-Norge har vi lagt en s tørre andel av FoU-utgiftene og produktivitetsgevin stene til 
landsdelen (30 prosent av totalen). Det kan tolkes som at en større andel av FoU-satsingen rettes mot 
arbeidsplasser i Nord-Norge med tilhørende produkti vitetsgevinster. 
6.7.3.	 Virkninger av politikken 	
Vi ser av dette at effektene i Nord-Norge blir relativt stor på sikt. Verdiskapingen øker med ca. 3 pr osent i 2030 
og ca. 5 prosent i 2060. Effekten er betydelig stør re enn for landet totalt, noe som indikerer at en s tor andel av 
verdiskapingsøkningen kommer som en følge av at utg iftene og arbeidsplassene blir lokalisert i landsdelen. Det 
er likevel ikke ubetydelige effekter av produktivit etsøkningene som kommer som en følge av FoU-
investeringene. Effektene av økt FoU er nokså lik f or de tre fylkene, og dette styres i stor grad av at utgiftssiden 	
Økt satsning på infrastruktur
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,1 % 0,3 % 0,1 % 0,3 % 0,1 % 0,3 % 
Økning i fylkets verdiskaping (BRP) 3,0 % 4,4 % 2,4 % 4 ,1 % 3,1 % 4,7 %
Økning i næringens verdiskaping i fylket 
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 0,1 % -0,4 % 0,1 % -0,1 % 0,1 % -0,1 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,0 % -0 ,1 % 0,0 % -0,1 % 0,0 % -0,1 %

61 
 
også fordeles etter fylkets verdiskapingsandel i ba
sisåret. Dersom man hadde fordelt FoU-aktiviteten e tter 
dagens FoU-intensitet i fylkene ville Troms fått en betydelig høyre økning i verdiskaping og sysselset ting. 
Den økte aktiviteten trekker også opp sysselsetting en med mellom 1 og 2 prosent sammenlignet med 
referansebanen i 2030 og 2060, og fordi dette tilta ket i stor grad handler om økt bruk av ressurser i offentlige 
tjenester, får vi en svak økning i andelen med høye re utdannede i landsdelen. 	
Tabell 32: Oversikt over endringer i økonomien som følge av økt satsing på FoU 	
 	
6.8. Økt vekt på utdanning 
6.8.1.	 Bakgrunn 	
Kunnskapsinnhentingens utredning om kompetanse i No rd-Norge	11 påpeker at kompetansenivået er generelt 
lavere i Nord-Norge enn i resten av landet, og arbe idstilbudet vokser saktere. 	
En viktig utfordring i Nord-Norge 
er også mangelen på fagutdannede. 
I modellens referansebane vokser arbeidsstyrken i t akt med befolkningsveksten som i SSBs midt-alternat iv. 
Modellen spesifiserer to typer arbeidskraft; person er med lav utdanning som har opp til og med videreg ående 
skole som høyeste utdanning, og høy utdanning, som har utdanning på universitets- og høyskolenivå. 
Produktiviteten og dermed lønnen, er høyere for høy arbeidskraft.	
 	
I referansebanen øker andelen med høy utdanning i a rbeidsstyrken fra 36 prosent i 2012 til 45 prosent i 2030 
og 48 prosent fra og med 2042. Forutsetningene er l inket opp til framskrivningene i SSB (Gjefsen, 2013). Se 
også avsnitt 4.2.4. 
Det er viktig å bemerke at næringslivet i Nord-Norg e har et stort behov for yrkesfaglig utdannede. Den ne 
gruppen vil sortere under gruppen med lavere utdann ing i modellen, men vil sannsynligvis ha høy 
produktivitet. Av ressursmessige årsaker har vi måt tet begrense modellen til to typer arbeidskraft, me n i 
fremtidige modellversjoner er det ikke noe i veien for å spesifisere flere typer. 
 
 
 
11 Damvad og Menon (2013): Kompetanse, forsking og in novasjon i Nord-Norge, Kunnskapsinnhenting – 
verdiskaping i nord 	
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,3 % 1,2 % 0,3 % 1,2 % 0,3 % 1,2 % 
Økning i fylkets verdiskaping (BRP) 3,0 % 5,1 % 2,8 % 5 ,2 % 3,2 % 5,3 %
Økning i næringens verdiskaping i fylket 
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 1,6 % 1,2 % 1,2 % 1,0 % 1 ,5 % 1,1 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,2 % 0, 2 % 0,2 % 0,1 % 0,2 % 0,2 %

62 
 	
6.8.2.	 Praktisk implementering 	
I virkningsbanen legger vi inn en styrking av utdan ningsnivået. Det antas at andelen med høy utdanning øker 
gradvis til 60 prosent til 2030 og deretter holdes på dette nivået flatt. 
Kostnadene antas å beløpe seg til 750 000 kroner pe r utdanningsplass (150 000 per år i 5 år).	
12 Dette beløper 
seg til ca. 6 mrd kroner årlig. Logikken her er som følger: det blir født ca. 60 000 hvert år, med 85 prosent 
yrkesfrekvens gir det vel 50 000 nye i arbeidsmarke det hvert år. Andelen høyt utdannede i 2030 økes fr a ca. 45 
til 60 prosent, noe som utgjør 7500 flere utdannet hvert år, eller nærmere 6 mrd kroner. Kostnaden utg jør om 
lag 1 prosent av totalt offentlig konsum av offentl ige tjenester, og er lagt på denne posten. 
Med en økning i utdanningsnivået har vi også lagt i nne en svak økning i sysselsettingsgraden, slik at antall 
sysselsatte nasjonalt øker med 4-5 prosent i 2030 o g 2060. 	
 	
6.8.3.	 Virkninger av politikken 	
Dersom vi lar en større del av utgiftsveksten tilfalle Nord-Norge (fordelt andelsmessig etter fylke i basisåret), får 
vi sterke effekter i regionen: Anslagsvis 7 prosent i 2030 og 6-7 prosent i 2060. 
Satsing på utdanning i Nord-Norge bidrar til en kra ftig økning i sysselsettingen i landsdelen. Der vi har lagt inn 
en økning på 4-5 prosent for hele landet, har vi in ne en økning på nærmere 15 prosent i 2030, og en no e mer 
moderat økning i forhold til referansebanen i 2060. 
Satsningen på utdanning gir – slik vi har modellert endringen – en nasjonal økning i andelen med høyer e 
utdanning på ca. 16 prosent i 2030 og 12 prosent i 2060. I Nord-Norge blir effekten betydelig større og med 
denne omfattende satsningen vil om lag 80 prosent a v de sysselsatte i Nord-Norge har høyere utdanning i 
2060. Dette kommer som et resultat av en kraftig øk ning i offentlig tjenesteproduksjon i fylkene, en sektor som 
er utdanningsintensiv. 
Tabell 33: Oversikt over endringer i økonomien som følge av økt satsing på utdanning 
 
 
 
 
 
12 Anslaget er basert på Kunnskapsdepartementets regn skaper over normerte kostnader for studieplasser i 
landet. 	
Økt satsning på utdanning i Nord-Norge
Nordland Troms Finnmark	
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 2,4 % 2,5 % 2,4 % 2,5 % 2,4 % 2,5 % 
Økning i fylkets verdiskaping (BRP) 7,0 % 6,4 % 7,4 % 6 ,8 % 6,8 % 6,1 %
Økning i næringens verdiskaping i fylket 
Økning i sysselsetting (Norge) 5,2 % 4,2 % 5,2 % 4,2 % 5 ,2 % 4,2 %
Økning i fylkets sysselsetting 14,7 % 11,6 % 14,5 % 11, 2 % 14,8 % 11,2 %
Økning i andel med høyere utdanning (Norge) 15,8 % 12 ,1 % 15,8 % 12,1 % 15,8 % 12,1 %
Økning i andel med høyere utdanning (Fylket) 39,9 % 3 1,4 % 39,5 % 30,9 % 40,4 % 31,8 %

63 
 	
6.9. Klimapolitiske tiltak 
6.9.1.	 Bakgrunn 	
Analyser tyder på at konvensjonell kull er den marg inale og dermed prisbestemmende kraftkilden i Europ a i 
dag. Konvensjonell kull har i dag CO	
2-innhold på ca 800 gram/kWh. I 2010 var CO	2-prisen i Europa ca 15 euro, 
eller 120 kroner per tonn. Dette løftet kraftprisen e om lag (0,8x12=) 10 øre/KWh. Systemprisen på Nord pool 
var samme år 53 Euro/MWh	
13, rundt regnet 40 øre/kWh. Etter disse overordnede beregningene ville altså 
prisen vært 30 øre/kWh uten CO
2-elementet. 
I fremtiden forventer vi at kullutslipp per kWh fra kull vil gå ned, jf. nye krav til kullkraftverk i USA. Vi forventer 
at man vi se anvendelse av en større andel gass på marginen deler av døgnet. Vi legger til grunn et marginalt 
CO	
2-innhold på 500 gram/kWh fremover. Det reduserer is olert sett CO	2-delen av prisen til (0,5x12=) 6 øre per 
kWh. 
Per forutsetning skal CO	
2-prisen da opp til 1500 kr i 2020 og 1800 i 2050. D et gir et bidrag til kraftprisen på 
(0,5x150=) 75 øre i 2020 og (0,5x180=) 90 øre i 205 0. Man kan imidlertid ikke legge disse verdiene til den 
underliggende kraftprisen, fordi en aggressiv klima politikk vil påvirke verdensmarkedsprisene for kull, gass og 
olje. 
En strengere klimapolitikk globalt vil ventelig ogs å bety noe for prisen for industrivarer i forhold t il tjenester, 
siden industrivarer jevnt over har høyere energiinn hold. Bygg og anlegg, og infrastruktur kan også bli berørt, så 
vel som fiske, oppdrett og reiseliv. Mineralnæringe n kan berøres dersom høyere kostnader i industrien 
forplanter seg til lavere etterspørsel etter minera ler. For å få et grep om disse virkningene trengs e n global 
modell. Vi velger for enkelthets skyld å holde pris ene utenom energisektoren konstante. På den måten i soleres 
effektene i energisektoren. 	
6.9.2.	 Praktisk implementering 	
På et overordnet grunnlag antar vi at verdensmarked sprisen for petroleumsprodukter (pris på varen i sektor 3) 
reduseres jevnt med 1,5 prosent i året, som gir 50 prosent reduksjon til 2050. Etter 2050 holdes prisen 
konstant. I 2020 utgjør prisene 90 prosent av refer ansebanens pris, som vi antar gir 10 prosent nedgan g i 
grunnlaget for kraftprisen, altså 3 øre av de 30 ør e som prisen ville vært uten CO	
2. 
I 2020 blir kraftprisen etter dette rundt regnet (2 7+75=)102 øre/kWh. I 2050 kan kraftprisen beregnes til 
(15+90=)105 øre/kWh. Dette er så liten økning at vi velger å se bort fra den. 
Kraftprisen settes derfor opp fra 40 til 100 øre (1 50 prosent) fra 2010-2020. Prisen på petroleumsprod ukter 
settes ned til 50 prosent av referansebanen fra og med 2050. 	
6.9.3.	 Virkninger av politikken 	
I tabellen under kommer det frem at effektene på ve rdiskaping i landsdelen som følge av klimatiltakene er 
relativt store. Det er særlig i Nordland at virknin gen blir betydelig, og dette drives av en økt produ ksjon av 
fornybar energi som er særlig stor i dette fylket i basisåret. 
 
 
13 http://www.nordpoolspot.com/Market-data1/Elspot/Are a-Prices/ALL1/Hourly/

64 
 
De endringer som er skissert over innebærer ingen e
ndring i produksjonen av olje og gass ettersom den er 
eksogen, eller gitt i modellen. I løpende priser in nebærer prisfallet en kraftig reduksjon i lønnsomhe ten i 
næringen som normalt sett ville føre til redusert o lje- og gassproduksjon over tid, men dette er ikke lagt inn i 
modellen. Økningen i etterspørsel etter fornybar kr aft kommer som en følge av at kraftproduksjon i utl andet 
møter betydelige avgifter fordi kraftproduksjonen h ar høye CO2-utslipp, særlig knyttet til kullkraftverk. Dette 
bidrar til å øke prisen på kraft på de utenlandske markedene, og det trekker igjen opp norsk eksport a v 
fornybar energi. Det er eksporteffekten som trekker opp verdiskapingen i fornybar energi-næringen. 
Innenlandsk etterspørsel etter fornybar energi fall er faktisk noe som følge av de høyere prisene på de nne typen 
kraft. Prisøkningen leder til at bedriftene forsøke r å substituerere seg bort fra kraft og at næringer som er 
kraftintensive får en relativt sett mindre viktig r olle i økonomien. I 2060 er verdiskapingen i næring en for 
fornybar energi 137 prosent høyere enn i referanseb anen, og dette gir betydelige utslag i nasjonal BNP (ca 5 
prosent). Effekten er betydelig større i de fylkene som produserer mye fornybar energi. Implisitt må d a den 
økte veksten i disse fylkene knytte seg til at prod uksjonen øker mest her gjennom økt kapasitet og utb ygging av 
fornybar energiproduksjon. 
Norsk sysselsetting blir ikke påvirket av tiltakene ettersom det ikke blir flere i arbeidsstyrken. Der imot får vi en 
høyere vekst i sysselsettingen i Nordland og Finnma rk der det finner sted mye fornybar energiproduksjo n. I 
Troms får vi en marginal svekkelse i sysselsettinge n. 	
Tabell 34: Oversikt over endringer i økonomien som følge av klimapolitiske tiltak	 	
 	
6.10. Økt oljeutvinning i Nord-Norge 
6.10.1.	 Bakgrunn 	
Olje- og gassproduksjon i referansebanen følger ban en i MSG som benyttes i Perspektivmeldingen 
(Finansdepartementet, 2013). 
I virkningsbanen har vi lagt inn en framskriving so m er konsistent med Oljedirektoratets anslag for fr emtidig 
olje- og gassproduksjon, der vurderingene av gjenvæ rende og uoppdagede ressurser spiller en sentral rolle. 
Anslagene på uoppdagede utvinnbare ressurser er bes krevet i figuren under. Kilden er Oljedirektoratet (2013) 	
Klimapolitikk
Nordland Troms Finnmark
2030 2060 2030 2060 2030 2060
Økning i BNP (Norge) 0,6 % 4,9 % 0,6 % 4,9 % 0,6 % 4,9 % 
Økning i fylkets verdiskaping (BRP) 3,1 % 20,0 % 0,5 % 3,9 % 2,0 % 13,3 %
Økning i næringens verdiskaping i fylket 
Økning i sysselsetting (Norge) 0,0 % 0,0 % 0,0 % 0,0 % ,0 % 0,0 %
Økning i fylkets sysselsetting 0,6 % 3,1 % -0,1 % -0,7 % 0,2 % 0,6 %
Økning i andel med høyere utdanning (Norge) 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Økning i andel med høyere utdanning (Fylket) 0,0 % 0, 2 % 0,0 % 0,1 % 0,0 % 0,4 %

65 
 	
Figur 20: Oljedirektoratets anslag for de uoppdagede ut vinnbare ressursene med usikkerhetsspenn, fordelt på de ulike 
havområdene 	
 	
Med dette bildet som bakgrunn har vi lagt inn en fr amskriving av verdiskapingen på de ulike delene av sokkelen 
slik det er beskrevet i tabellen under. Her ser vi at aktiviteten i Norskehavet syd og Barentshavet fo rventes å bli 
betraktelig høyre enn i referansebanen. Norskehavet nord har vi i liten grad berørt ettersom dette i stor grad 
styres av en potensiell utbygging utenfor Lofoten, Vesterålen og Senja. I virkningsberegningen ligger ikke 
utbygging av disse inne. I oljebanen ligger det inn e en liten økning i Norskehavet nord, fordi Oljedir ektoratet 
opererer med en noe høyere produksjon enn det som e r konsistent med Perspektivmeldingen. 
Tabell 35: Verdiskaping i de ulike delene av sokkelen: Referansebanen og Olje-banen (Mrd kr 2010-priser) 	
 	
6.10.2.	 Praktisk implementering 	
Vi gjennomfører denne modellsimuleringen ved å ekso gent øke verdiskapingen på disse soklene slik tallene er 
presentert for olje-banen over. Som forklart i kapi ttel 5 leverer de ulike fylkene varer og tjenester til disse 
soklene. Jo nærmere fylkene ligger, jo større andel vil de ha av leveransene. 
Ved å øke olje- og gassproduksjonen med så store vo lumer sammenlignet med referansebanen får vi 
problemer med å finne løsninger i modellen. En kraf tig økning i etterspørselen fra fastlandet krever at vi øker 
innvandringen i modellen, ellers finner ikke modell en en løsning. Vi har derfor valgt å gå frem i to trinn i denne 
kjøringen: Først beregner vi effektene at å øke båd e olje og gass-produksjonen og innvandringen (tilsv arende 
innvandrings-scenariet). Deretter sprer vi effekten e utover regionene basert på regionalmodulen. I nes te trinn 	
ReferansebanenOlje-banen	
2010 2020 2030 2060 2010 2020 2030 2060
Fastlandet 50 46 38 12 50 46 38 19 
Nordsjøen syd 194 178 147 47 194 178 147 72
Nordsjøen nord 194 178 147 47 194 178 147 72
Norskehavet syd 78 71 59 19 78 140 130 67
Norskehavet nord 4 4 3 1 4 21 21 11
Barentshavet 8 7 6 2 8 37 122 149
Totalt 529 486 399 128 529 601 605 390

66 
 
trekker vi fra effektene som kommer fra en ren innv
andringskjøring. På denne måten får vi rendurket effekten 
av økt olje og gass-produksjon med hovedvekt på vek st i aktiviteten i Barentshavet 	
6.10.3.	 Virkninger av politikken 	
I tabellen under presenterer vi tallene for den olje-relaterte simuleringen. Det er viktig å være oppm erksom på 
at vi her fokuserer på endringen i BNP for fastland s-Norge, ikke for ikke hele landet med sokkelen. 
Som en følge av den kraftige oppskaleringen av olje - og gassproduksjon i Barentshavet, vil den økonomi ske 
aktiviteten i Finnmark øke kraftig. Sammenlignet me d referansebanen viser modellen at verdiskapingen i 
Finnmark øker med hele 54 prosent, drevet av en kra ftig økning i produksjonen i annen industri og privat 
tjenesteyting som leverer til olje- og gassnæringen . Annen industri går fra å utgjøre 3 prosent til 12 prosent av 
verdiskapingen i fylket i 2050. 
Nasjonalt vil den økte olje- og gassaktiviteten påv irke verdiskapingen i mer moderat omfang. I referan sebanen 
ligger vi allerede inne med en omfattende nedskaler ing av olje- og gassnæringen. Selv et nivå på 
oljeproduksjonen som ligger 3 ganger høyere enn i r eferansebanen i 2050 gir bare moderate effekter nas jonalt 
på lang sikt. 
Tabell 36: Oversikt over endringer i økonomien som følge av økt satsing på olje og gass 	
 
 	
6.11. Kombinasjons-scenarier 
Det er fullt mulig for offentlige myndigheter å ben ytte flere virkemidler samtidig, for å stimulere til økt aktivitet 
i landsdelen. Å legge flere virkemidler oppå hveran dre kan samtidig skape rivaliseringsproblemer etter som det 
er begrenset med ressurser i økonomien. Slike effek ter kan dempe totaleffekten av virkemiddelbruken 
ettersom tiltakenes effekter spiser av hverandre. I innledningen til dette delkapittelet redegjør vi for hva slags 
kombinasjonsanalyser vi ser på. I tabellen under pr esenterer vi beregninger for disse analysene sammen med 
de enkeltstående analysene for næringene som har sæ rlig fokus i kunnskapsinnhentingen. 
Vi har valgt å presentere analyser der vi kombinere r sektor-rettet politikk med økt FoU og utdanning p å 
nasjonalt nivå. Dette gir naturligvis lavere effekt enn dersom vi bruker tall for en satsning der en s tor andel av 
FoU og utdanningsinvesteringene kanaliseres til Nor d-Norge. I tabellen under har vi sammenlignet effek ten i 
Nord-Norge av å satse på FoU og utdanning nasjonalt med effekten dersom 30 prosent av alle investeringer og 
produsktivitetseffekter knyttes til Nord-Norge. Vi ser at effektene øker fra 3-5% til 10-13%. I 
kombinasjonskjøringene med sektor-politikk har vi s om nevnt over valgt å benytte de lavere norske tallene. 
Økt olje- og gassproduksjon	
Nordland Troms Finnmark	
2030 2050 2030 2050 2030 2050
Økning i BNP (Fastlands-Norge) 4,2 % 3,2 % 4,2 % 3,2 % 4 ,2 % 3,2 %
Økning i fylkets verdiskaping (BRP) 0,6 % 2,9 % 1,6 % 1 5,4 % 13,4 % 54,4 %
Økning i andel med høyere utdanning (Norge) 0,0 % -0, 1 % 0,0 % -0,1 % 0,0 % -0,1 %
Økning i andel med høyere utdanning (Fylket) 0,0 % -0 ,3 % -0,3 % -0,5 % -1,3 % -1,2 %

67 
 	
Tabell 37: Oversikt over effekter av virkemiddelpakke r rettet mot Nord-Norge 	
 
 	
6.11.1.	 Økt satsing på havbruk med økt innvandring 	
En kombinasjon av økt satsing på havbruk med økt in nvandring gir omfattende og betydelig større effekter en 
ren satsing på havbruk. I all hovedsak opererer dis se tiltakene uavhengig av hverandre. Summen av de t o 
separate tiltakene for innvandringstiltak og satsin g på havbruk, er nærmest identisk med resultatet fr a den 
felles kjøringen. Dette er som ventet. Økt satsing på havbruk gir små effekter i arbeidsmarkedet, ette rsom 
dette er en relativt lite arbeidsintensiv næring. T ilsvarende kan vi ikke vente å få noen effekt av øk t innvandring 
på verdiskapingen i havbruksnæringen ettersom den e r eksogent gitt. 
 
6.11.2.	 Økt satsing på havbruk med økt FoU og utdanning 	
Ved å satse på havbruk sammen med den bredere anlag te FoU- og utdannings-satsingen, får vi noe 
fortrengning av effekter, men også noe akselerering av effekter. På den ene siden vil havbruksnæringen 
rivalisere med offentlig tjenesteyting om tilgang p å arbeidskraft. På den annen side vil økt satsing på FoU bidra 
til å øke produktiviteten i havbruksnæringen, noe s om igjen vil bidra til økt verdiskaping ut over det som ligger i 
den rene havbruks-simuleringen. Samlet sett blir ef fekten av disse virkemidlene i liten grad preget av 
fortrengning, da summen av virkemidlenes effekter i stor grad ivaretas i den felles kjøringen. Samleeffekten 
ligger bare moderat lavere enn summen av hver kjøri ng. 
 	
Nordland Troms Finnmark Norge	
Scenarier/politikk	2030 2060 2030 2060 2030 2060 2030 2060
Prosent økning i forhold til referansebanen 
Politikk rettet mot en næring 
Havbruk 2,9 % 10,5 % 1,9 % 6,6 % 2,4 % 7,9 % 0,2 % 0,7 %
Reiseliv 0,1 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 % 0,0 %
Mineraler 0,7 % 0,7 % 0,1 % 0,1 % 1,0 % 1,0 % 0,0 % 0,1 %
Fornybar energi 0,8 % 2,9 % 0,2 % 0,8 % 0,6 % 2,1 % 0,0 % ,1 %
Kombinasjon av virkemidler/politikk
Havbruk med økt innvandring 5,8 % 20,0 % 5,1 % 19,1 % 5, 1 % 17,8 % 3,2 % 13,8 %
Økt utdanning og FoU 3,3 % 3,5 % 4,4 % 5,0 % 3,7 % 3,9 % 2,9 % 4,0 %
Økt utdanning og FoU i Nord-Norge 10,4 % 12,0 % 10,6 % 12,7 % 10,4 % 11,9 % 2,9 % 4,0 %
Havbruk med økt FoU og utdanning 6,2 % 14,1 % 6,4 % 11, 8 % 6,1 % 12,0 % 3,0 % 4,7 %
Reiseliv med økt FoU og utdanning 3,6 % 3,8 % 4,7 % 5,4 % 3,9 % 4,1 % 2,9 % 4,0 %
Mineraler med økt FoU og utdanning 4,0 % 4,2 % 4,5 % 5, 1 % 4,8 % 4,9 % 2,0 % 4,0 %
Fornybar med økt FoU og utdanning 5,2 % 9,7 % 4,9 % 6,8 % 5,1 % 8,4 % 2,9 % 4,3 %	
Havbruk og reiseliv med økt FoU og utdanning	6,9 % 14,7 % 6,4 % 11,1 % 5,6 % 9,8 % 3,0 % 4,7 %

68 
 	
6.11.3.	 Satsing på reiseliv med økt FoU og utdanning 	
En økt satsing på reiselivsnæringen sammen med en ø kning i satsingen på FoU og utdanning bidrar til å øke 
verdiskapingen i landsdelens fylker med mellom 3 og 6 prosent i 2030 og 2060, sett opp mot referansebanen. 
Denne økningen er noe større enn dersom man kun øke r utdanning i landsdelen og FoU. Når vi vet at 
verdiskapingsøkningen er helt marginal som følge av en økt satsing på reiseliv, viser denne 
kombinasjonskjøringen at den økte produktiviteten s om folge av FoU og den høyere utdanningsgraden bidr ar 
til å dempe de negative fortrengningseffektene av r eiselivsatsingen. Andre næringer kan kompensere et 
eventuelt bortfall av lavere utdannede med lavere k ostnader knyttet til høyere utdannede, samt en mer 
effektiv produksjon. Reiselivsnæringen selv blir no e mer produktiv gjennom økt FoU, men fordi den er r elativt 
lite utdanningsintensiv, vil den tjene relativt lit e på økt utdanning. 
6.11.4.	 Økt satsing på mineralnæringen med økt FoU og utdan ning. 	
Når vi lar modellen lage prognoser der vi både tillater økt mineralproduksjon og økt satsing på FoU og 
utdanning, ser vi igjen et resultat som ligner på d et vi får når vi studerer havbruk. Mineralnæringen blir i liten 
grad preget av økt tilbud av høyere utdannet arbeid skraft, og effekten av FoU på næringen blir i liten grad 
reflektert i form av en akselererende effekt på ver diskapingen i næringen. Det kan se ut til å finne sted sterk 
fortrengning nasjonalt i 2030, uten at det er helt tydelig hva som er årsaken til dette. 
6.11.5.	 Økt satsing på fornybar energi med økt FoU og utdan ning. 	
Økt satsing på fornybar energiproduksjon viste seg å lede til betydelige fortrengningseffekter. Når vi så legger 
på økt FoU og utdanning ser det ut til at fornybar- satsingen i betydelig mindre grad preges av sterke 
fortrengningseffekter. Vi ser at den koordinerte vi rkemiddelbruken bidrar til en økning i verdiskaping en i de 
nordnorske fylkene som langt overstiger summen av d e separate simuleringene. Ved å øke tilgangen på høyt 
kompetent arbeidskraft og samtidig effektivisere pr oduksjonen, blir ikke behovet like stort for å tiltrekke 
arbeidskraft og kapital fra alternative anvendelser i økonomien. 
6.11.6.	 Satsing på reiseliv og havbruk med økt FoU og utdan ning 	
Den siste kombinasjonsanalysen tillater både økt satsing på havbruk, reiseliv, FoU og utdanning. I likhet med 
analysen over ser vi at kombinasjonen av virkemidle r til en viss grad synes å motvirke fortrengningseffekter. 
Dersom vi sammenligner resultatene fra denne kombin asjonsanalysen med summen av bidrag til vekst 
gjennom reiselivsanalysen og den rene havbruksanaly sen, finner vi at vi får høyere verdiskaping i Nordland ved 
kombinasjonsanalysen. For de to andre fylkene er de t noe lavere verdiskapingsvekst. Gjennomgående ser det 
ut til at den samlede effekten på verdiskaping er p ositiv med en slik virkemiddelkombinasjon.

69 
 	
7. NOREG – Modellens ligningsstruktur 
7.1. Makro-modulen 
7.1.1.	 Arbeidskraft, 	L 	
Prisen på arbeidskraft i en sektor er lik lønn rela tivt til lønn generelt i arbeidsmarkedet for hver k ategori høy og 
lav utdanning. wh	
t og wl	t bestemmes i likevekten i de to arbeidsmarkedene. N ormalisering til 1. 	
(1) 	j
t
tj	wh
wh
plh	0	=	 
(2) 	
j
t
tj	wl
wl
pll	0	=	 	
Pris er lik enhetskostnad for aggregatet L. 
(3) 	
)
1
/(1
1
1	
)
(
)
1(
1	
j
j
j
j
jl
l
t tj
l
j
l
tj
l
j
j
tj	
l
plh
l
pll
l
l
pl	
σ
σ
σ
σ
σ	
ω
β
β
ϕ	
−
−
−	
 



−
+
=	 	
Faktorinput for LH og LL er avhengig av prisforholdet utledet av produktfun ksjonen. 
(4) 	
jl
tj
tj
j
j
j
tj
tj	
pll pl
l
l
l
L
LL	
σ	
ϕ
β
ϕ	

 




=	
 
(5) 	
j
jl
tj
tj
j
j
l
t
j
tj
tj	
plh pl
l
l
l
l
L
LH	
σ
σ	
ϕ
β
ω
ϕ	

 




−
=	
−	)
1(
)
1
(	1	 	
7.1.2.	 Bruttoprodukt, Y 	
Pris er lik enhetskostnadsfunksjonen for aggregatet Y . 
(6) 	[	]	)
1
/(1
1
1	)
1(
1	j
j
j
j
jy
y
tj
y
j
y
tj
y
j
t
j
tj	pk
y
pl
y
y
py	σ
σ
σ
σ
σ	β
β
ω
ϕ	−
−
−	−
+
=	 	
Faktorpris på kapital i hver sektor avhenger av rel ative avkastningsrater (eksogen), total avkastningsrate 
(endogen), avskrivningsrate (eksogen) og prisen på investeringsvarer (endogen) 
(7) 	[	]	t
j
t
tj
tjpj
T
pk	τ	κ	κ	+	=	*	 
(8) 	
jy
tj tj
j
t
j
t
j tj
tj	
pl
py
y
y
y Y
L	
σ	
ϕ
ω
β
ω
ϕ	

 




=	
 
(9) 	
jy
tj
tj
j
t
j
t
j tj
tj	
pk
py
y
y
y Y
CAP	
σ	
ϕ
ω
β
ω
ϕ	

 




−
= )
1(

70 
 	
(10) 	tj
tjκ
κ=	 CAP	tj endogen 
(11) 	
tj
tj	CAP
CAP =	 CAP	tj eksogen	 	
(12) 	∑	∑=	
iti
i ti
ti
t
JS
pq
JS
pj /	 	
7.1.3.	 Bruttoproduksjon, Z 	
Pris på total vareinnsats er et veid aggregat av in nlandspris, som igjen er et veid aggregat av import og pz 
(13) 	∑=	
iti
ij
tj	
pq
ax
px	 	
Prisen på Z følger av produktfunksjonen for Z 
(14) 	[	]	)
1
/(1
1
1	)
1(
1	j
j
j
j
jz
z
tj
z
j
z
tj
z
j
j
tj	px
z
py
z
z
pz	σ
σ
σ
σ
σ	β
β
ϕ	−
−
−	−
+
=	 	
Input av Y og Xs er utledet av en CES produksjonsfunksjon 
(15) 	
zj
tj
tj
j
j
j
tj
tj	
py pz
z
z
z
Z
Y	
σ	
ϕ
β
ϕ	

 




=	
 
(16) 	
jz
tj
tj
j
j
j
tj
tj	
px pz
z
z
z
Z
Xs	
σ	
ϕ
β
ϕ	

 




−
= )
1(	
 	
Produktinnsats av vare i i sektor j står i fast forhold til total produktinnsats i sek tor j 
(17) 	tj
ij
tij	Xs
ax
X =	 	
7.1.4.	 Offentlig sektor 	
Offentlig konsum av vare i er en fast andel av eksogent totalt offentlig kons um 
(18) 	t
j
tj	TGI
GI	μ	=	 
(19) 
t
t	dtgi
TGI
TGI0	=	 	
7.1.5.	 Investeringer 	
Bruttoinvestering i en sektor er lik den oppskrevne nettokapitalen i år t (nettokapital+avskrivning) minus 
kapitalen i år t-1. Kapitalen i t=0 er hentet fra Nasjonalregnskapet 
(20) 	j
tj
j
tj	CAPm
CAP
JD 1
)
1(−	+	=	τ	 t=0(2010) 
(21) 	
j
t
tj
j
tj	CAP
CAP
JD	)1
(	)
1(	−	−	+	=	τ	 t>0

71 
 	
(22) 	tj
ij
tij	JD
JDS	ν=	 
(23) 	
∑=	
j tij
ti
JDS
JS	 	
7.1.6.	 Husholdningskonsum 	
(19) 	 



−
+
=	∑	ti
i i
t
tj j
j
tj	pd
TCI
pd
CI
1
2
1	ζ	ζ	ζ	 	
7.1.7.	 Eksport 	
Transformasjonsfunksjon eksport: Innenlandsk produk sjon (Z) er et aggregat av E og D. Funksjonen er CES. D 
bestemmes fra importligningen, vi forutsetter at ti lbud er lik etterspørsel av innenlandske leveranser. 
(24) 	t
tj	dpm
pm⋅	=1	 
(25) 	
t
tj	dpe
pe⋅	=1	 
(26) 	
[	]	)
1
/(1
1
1	)
1(
1	j
j
j
j
js
s
tj
s
j
s
tj
s
j
j
tj	pd
s
pe
s
s
pz	σ
σ
σ
σ
σ	β
β
ϕ	−
−
−	−
+
=	 
(27) 	
js
tj
tj
j
j
j
tj
tj	
pe pz
s
s
s
Z
E	
σ	
ϕ
β
ϕ	

 




=	
 
(28) 	
js
tj
tj
j
j
j
tj
tj	
pd pz
s
s
s
Z
D	
σ	
ϕ
β
ϕ	

 




−
= )
1(	
 	
7.1.8.	 Import 	
Armington import; innenlandsk anvendelse Q er lik vektet sum av M og D. 
(23) 	[	]	)
1
/(1
1
1	)
1(
1	j
j
j
j
jq
q
tj
q
j
q
tj
q
j
j
tj	pd
q
pm
q
q
pq	σ
σ
σ
σ
σ	β
β
ϕ	−
−
−	−
+
=	 
(24) 	
jq
tj
tj
j
j
j
tj
tj	
pm pq
q
q
q
Q
M	
σ	
ϕ
β
ϕ	

 




=	
 
(25) 	
jq
tj
tj
j
j
j
tj
tj	
pd pq
q
q
q
Q
D	
σ	
ϕ
β
ϕ	

 




−
= )
1(	
 	
7.1.9.	 Markedsklarering 	
 (29) 	t
j tj	dtlh
TLH
LH0	=	∑

72 
 	
(30) 	t
j tj	dtll
TLL
LL0	=	∑	 
(31) 	
∑=	
j tj
t
CAP
TCAP	 
(32) 	
t
t	dtcap
TCAP
TCAP0	=	 
(33) 	
∑=	
i ti
t
M
TM	 
(34) 	
∑=	
i ti
t
E
TE	 
(35) 	
t
t
t	TM
TE
HB −
=	 
(36) 
t
t	dthb
HB
HB0	=	 
(37) 	
t
j
tj	dtf
F
F0	=	 
(38) 	
t
i
ti
j tij
ti
ti
ti
ti
ti	dtf
F
E
X
JS
GI
CI
M
Z0	+
+
+
+
+
=
+	∑	 
(39) 	
0=	UU

73 
 	
7.2. Kalibrering 
Priser i basisåret: pris på kapital lik sum av avka stnings- og avskrivningsrate, pris på arbeidskraft er normalisert 
lik =1 i næring 6, og pris på alle andre goder norm alisert =1. 
Kalibrering av LL og LH i L-aggregatet, se Rutherfo rd (1995) 
(40) 	j
j
jl
l
lσ
σ
ρ/)1
( −
=	 	
(41) 	j
j jl
j
j
l
j
j l
j
j
j	LH
wh
LL
wl LL
wl
l	σ
σ σ	β	/1
0
0
/1
0
0 /1
0
0	+
=	
 	
( 42) 	
[ ]	j
j
jl
l
j
j
l
j
j j
j	LH
l
LL
l L
l	ρ
ρ
ρ	β
β
ϕ	/1
0
0 0	)
1( −
+
=	
 	
Kalibrering av L og CAP i Y -aggregatet 
(43) 	j
j
jy
y
yσ
σ
ρ/)1
( −
=	 	
(44) 	j
j jy
j
j
y
j
j y
j
j
j	CAP
pk
L
w L
w
y	σ
σ σ	β	/1
0
0
/1
0
0 /1
0
0	+
=	 	
(45) 	
[ ]	j
j
jy
y
j
j
y
j
j j
j	CAP
y
L
y Y
y	ρ
ρ
ρ	β
β
ϕ	/1
0
0 0	)
1( −
+
=	
 	
Kalibrering av Y og X i Z–aggregatet (tilgang) 
(46) 	j
j
jz
z
zσ
σ
ρ/)1
( −
=	 	
(47) 	1	0	=j	py	 	
(48) 	1	0	=j	px	 	
(49) 	1	0	=j	pz	 	
(50) 	j
j jz
j
j
z
j
j z
j
j
j	Xs
px
Y
py Y
py
z	σ
σ σ	β	/1
0
0
/1
0
0 /1
0
0	+
=	 	
(51) 	
[ ]	j
j
jz
z
j
j
z
j
j j
j	Xs
z
Y
z Z
z	ρ
ρ
ρ	β
β
ϕ	/1
0
0 0	)
1( −
+
=	
 	
Kalibrering av E og D i Z-aggregatet (anvendelse)

74 
 	
(52) 	j
j
js
s
sσ
σ
ρ/)1
( −
=	 	
(53) 	1	0	=j	pd	 	
(54) 	1	0	=j	pe	 	
(55) 	j
j js
j
j
s
j
j s
j
j
j	D
pd
E
pe E
pe
s	σ
σ σ	β	/1
0
0
/1
0
0 /1
0
0	+
=	 	
(56) 	
[ ]	j
j
js
s
j
j
s
j
j j
j	D
s
E
s Z
s	ρ
ρ
ρ	β
β
ϕ	/1
0
0 0	)
1( −
+
=	
 	
Kalibrering av D og M i Q-aggregatet 
(57) 	j
j
jq
q
qσ
σ
ρ/)1
( −
=	 	
(58) 	1	0	=j	pm	 	
(59) 	1	0	=j	pq	 	
(60) 	j
j jq
j
j
q
j
j q
j
j
j	D
pd
M
pm M
pm
q	σ
σ σ	β	/1
0
0
/1
0
0 /1
0
0	+
=	 	
(61) 	
[ ]	j
j
jq
q
j
j
q
j
j j
j	D
q
M
q Q
q	ρ
ρ
ρ	β
β
ϕ	/1
0
0 0	)
1( −
+
=	
 	
Konsumandelen for gode 
i 
(62) 	0
0	/ TCI
CIi
i	=	α	 	
(63) 	
∑	
=	
i i
i j
j
j
j	
CI
pd CI
pd	0
0 0
0	
2	ε
ζ	 	
Offentlig konsumandel av gode i av total offentlig konsum 
(64) 	0
0	/ TGI
GIi
i	=	μ

75 
 	
7.3. Beregning av handel mellom regioner i basisåret 
De regionale kryssløpene spesifiserer hva som produ seres i fylket og hva som anvendes i fylket. I noen tilfeller 
avviker det som produseres i fylket fra det som kon sumeres i fylket, etter justeringer for eksport og import ut 
av landet. Slike avvik kan oppstå fordi fylkene han dler med hverandre. For å kunne si noe substansielt om de 
regionale effektene av ulike typer politikk, trengs anslag på hvorvidt økt etterspørsel i et fylke gen ererer økt 
produksjon, verdiskaping og sysselsetting i dette f ylket, eller om man kun velger å importere varer og tjenester 
fra andre fylker. 
Ved estimering av handelen av vareinnsats mellom re gioner benytter vi oss av rammeverket fra Canning og 
Wang (2005)	
14. Formålet med metoden er å estimere regionale krys sløp som er konsistente med 
nasjonalregnskapet, når vi har usikre regionale med nasjonale data for samhandling mellom regionene. 
Metoden kan også brukes til å estimere interregiona le strømmer av vareinnsats når man, som i dette tilfellet, 
har nasjonalregnskapstall både nasjonalt og fylkesf ordelt. 
Fylkesfordelt nasjonalregnskap benyttes til å ident ifisere produksjonen )	
 i hver næring (
i) i hvert fylke ( r). 
Vareinnsatsbruken for et gitt produksjonsnivå er gi tt av det nasjonale kryssløpet, hvor det antas at 
faktorbruken per produserte enhet for en gitt nærin g er lik i alle fylker. Dette gir en bruk av vareinnsats +	
, i 
region r der næring i benytter seg av vare j. Hver næring i hver region har verdiskaping -	
 og eksporterer varer 
.	
 . I tillegg til produksjonen importeres det varer 
/	. På anvendelsessiden har vi også privat konsum 
0	 og 
offentlig konsum 10	
 og hver næring leverer 
20	 til investeringer og 
3	 til lager. 
Næringenes eksport til utlandet og import fra utlan det følger samme andeler, uavhengig av om en ser på fylke 
eller nasjonalt. Det er med andre ord makro-modulen som bestemmer hvor stor andel av fylkets produksjon av 
en vare/tjeneste som skal gå til eksport og hvor my e som skal forsynes gjennom import. 
Ut fra dette vil hver region ha overskudd og unders kudd i produksjon i de forskjellige næringene, hvor 
produksjonen er høyere eller lavere enn summen av v areinnsats, konsum, investeringer, lager og eksport minus 
import. Disse overskuddene og underskuddene må bala nseres ut gjennom interregional handel. 
Modellbrukeren lager et estimat på handelen 	
, inkludert leveranser til egen region, tar hensyn 
til avstanden 
mellom regionene, naboleveranser og spesielle lever anseforhold i leverandørindustrien samtidig som balansen 
i anvendelse og produksjon i hver region overholdes . 
Beregningsopplegget er spesifisert som følger: 
min D = 8 8 8

9:;
	
	
<
	
= 
>?	
−  	A

=
 >?
=
>?
B
>?
 
Under følgende bibetingelser: 1. <
X	
,+ 	+ -	 + 20	= )	
B 
,>? 
2. <
+	
,+ 10	+ 0	=
<
	
= 
>?	+ /	 
B 
,>? 
3. <

= 
>?	+ .	 = )	 
 	
 
14 Patrick Canning og Zhi Wang: “A Flexible Mathemati cal Programming Model To 
Estimate Interregional Input–Output Accounts”, Jour nal Of Regional Science VOL. 45, No. 3, 2005, pp. 539–563

76 
 4.
 <
+	
,
= 
>?= +	, 
5. <
)

=
>?= )	 
6. <
-

=
>?= -	 
7. <
10

=
>?= 10	 
8. <
0

=
>?= 0	 
9. <
.

=
>?= .	 
10. <
/

=
>?= /	 
Estimeringen av 	
foregår ved å minimere det kvadratiske avviket mell
om leveranseandelene 	D:EF	<
D	:EF
G 
FHI og en 
inital gjetning 	
 samtidig som man ivaretar budsjettbetingelsene nas
jonalt og i hver region.

77 
 	
7.4. Symbolliste 
7.4.1.	 Fotskrifter 	
t tid j,i næring, vare 
7.4.2.	 Kvantumsvariable 	
TLH	0 total arbeidskraft, høyt utdannet (i basisåret) 
TLL
0 total arbeidskraft, lavt utdannet (i basisåret) 
LH
tj arbeidskraft, lavt utdannet 
LL
tj arbeidskraft, høyt utdannet 
L
tj total arbeidskraft 
CAPm1	
j kapitalinput år før basisår 
CAP	
tj kapitalinput 
TCAP
t total kapitalinput 
X	
tij vareinnsats vare i i næring j 
Xs
tj total vareinnsats i næring j 
Y
tj bruttoprodukt 
Z
tj bruttoproduksjon 
E
tj eksport 
TE
t total eksport 
M
tj import 
TM
t total import 
HB
t 	handelsbalanse (netto eksport) 
D	
tj innenlandske leveranser 
Q
tj innenlandsk anvendelse 
CI
tj privat konsum 
TCI
t totalt innenlandsk konsum 
GI
tj offentlig konsum 
TGI
t 	totalt offentlig konsum 
F	
tj 	lager 
JDS	
tij 	investering av vare i i næring j 
JD	
tj 	etterspørsel etter investeringsvare j 
JS	
ti 	totale leveranser av investeringsvarer 	
7.4.3.	 Prisvariable 	
wh	0j årslønn arbeidskraft, høyt utdannet (i basisåret) 
wl
0j årslønn arbeidskraft, lavt utdannet (i basisåret) 
wh
t årslønn relativt til basisåret, høyt utdannet 
wl
t årslønn relativt til basisåret, lavt utdannet 
pl
tj pris arbeidskraft, totalt 
pll
tj pris arbeidskraft, lavt utdannet arbeidskraft 
plh
tj pris arbeidskraft, høyt utdannet arbeidskraft 
pk
tj faktorpris, kapital 
κ
tj 	avkastningsrate på kapital i basisåret 	
κ T	t 	 avkastningsrate på kapital relativt til basisåret 
τ	
j avskrivningsrate på kapital 
pjt pris på investeringsaggregatet 
py
tj faktorpris, y-komposittet

78 
 
px	
tj 
 faktorpris, x-komposittet 
pz
tj tilbudspris, gode j 
pq
tj Armingtons komposittpris 
pe
tj eksportpris 
pm
tj importpris 
pd
tj innenlandsk pris 
UU tilsynelatende nyttefunksjon 	
7.4.4. 	Vekstforutsetninger	 	
dtlh	t vekst arbeidskraft, høyt utdannet 
dtll
t vekst arbeidskraft, lavt utdannet 
dtcap
t vekst kapital 
dthb
t vekst netto eksportoverskudd 
dtgi
t 	vekst i offentlig konsum 
dtf	
t vekst lager 
dpe
tj vekst eksportpriser 
dpm
tj vekst importpriser 
ω	
t teknisk endring 
ω l
t teknisk endring høyt utdannet arbeidskraft 	
7.4.5.	 Parametere 	
σlj substitusjonselastisitetsparameter i L-komposittet 
σ y
j substitusjonselastisitetsparameter i Y-komposittet 
σ z
j substitusjonselastisitetsparameter i Z-komposittet 
σ q
j substitusjonselastisitetsparameter i armingtonkom posittet 
σ s
j transformasjonselastisitet 
ρ l
j substitusjonselastisitetsparameter i L-komposittet 
ρ y
j substitusjonselastisitetsparameter i Y-komposittet 
ρ z
j substitusjonselastisitetsparameter i Z-komposittet 
ρ q
j substitusjonselastisitetsparameter i Q-komposittet (Armington) 
ρ s
j transformasjonselastisitetsparameter 
β l
j volumandel LL i produktfunksjonen L 
β y
j elastisitet vektet kostnadsandel for L i Y 
β z
j elastisitet vektet kostnadsandel for Y i Z 
β q
j elastisitet vektet kostnadsandel for M i Q 
β s
j elastisitet vektet kostnadsandel for E i Z 
φ l
j kalibreringsfaktor output L 
φ y
j kalibreringsfaktor output Y 
φ z
j kalibreringsfaktor output Z 
φ q
j kalibreringsfaktor output Q 
φ s
j kalibreringsfaktor output S 
ζ 1
j parameter 1 i konsumfunksjonen 
ζ 2
j parameter 2 i konsumfunksjonen 	
εj engelelastisitet i konsumet 
νij 	investeringsartskoeffisient	 	
αj 	andelsparameter i nyttefunksjonen	 	
µj offentlig konsumvareandel 
ax
ij 	kryssløpskoeffisient

79 
 	
7.4.6.	 Oppsummeringsligninger mm. 	
(65) 	∑=	
j tj
t
LH
TLH	 totalt tilbud av arbeidskraft, høyt utdannet 
(66)	
 	∑=	
j tj
t
LL
TLL	 totalt tilbud av arbeidskraft, lavt utdannet 	
(67) 	∑=	
jtj
t
Xs
TX	 total vareinnsats 
(68) 	
∑=	
j tj
t
Y
GDP	 BNP 
(69) 	
∑=	
j tj
t
Z
TZ	 total bruttoproduksjon 
(70) 	
∑=	
j tj
t
JS
TJ	 totale innenlandske investeringer 
(71) 	
∑=	
j tj
t
D
TD	 totale innenlandske leveranser 
(72) 	
∑=	
j tj
t
Q
TQ	 total innenlandsk anvendelse 	
7.4.7.	 Næringer, varer og modellstruktur 	
Tabell 38: Næring/vareliste 
j,i Næring Vare 
1 Fiske og fangst Fiske- og fangstprodukter 
2 Havbruk Akvakulturprodukter 
3 Olje og gass Råolje- og naturgassprodukter 
4 Mineralnæring Mineralnæringsprodukter 
5 Fornybar energi Fornybar energi 
6 Annen industri Andre industriprodukter 
7 Bygg og anlegg Bygg- og anleggsprodukter 
8 Infrastruktur Infrastrukturtjenester 
9 Reiseliv Reiselivsprodukter 
10 Annen privat tjenesteyting Andre private tjenest er 
11 Offentlig tjenesteyting Offentlig tjenester

80 
 
 	
Figur 21: Modellstruktur

81 
 	
8. Dokumentasjon av input til basisåret 
8.1. Næringsinndeling 
 
Modellen har elleve næringer som korresponderer med elleve varer: 
Tabell 39 Modellen næringer og varer/tjenester 
Næringnr NOREG-betegnelse, næring NOREG-betegnelse, vare 
NOREG 1 Fiske og fangst Fiske- og fangstprodukter 
NOREG 2 Havbruk Akvakulturprodukter 
NOREG 3 Olje og gass Råolje- og naturgassprodukter 
NOREG 4 Mineralnæring Mineralnæringsprodukter 
NOREG 5 Fornybar energi Fornybar energi 
NOREG 6 Annen industri Andre industriprodukter 
NOREG 7 Bygg og anlegg Bygg- og anleggsprodukter 
NOREG 8 Infrastruktur Infrastrukturtjenester 
NOREG 9 Reiseliv Reiselivsprodukter 
NOREG 10 Annen privat tjenesteyting Andre private tjenester 
NOREG 11 Offentlig tjenesteyting Offentlig tjenester 
 
Næringene følger NACE- klassifiseringen som følger: 
Tabell 40 Korrespondanse mellom NOREGs næringer og NACE-kategorier 
Næringnr NACE-betegnelse NACE-
kode	 	
NOREG 1 Fiske og fangst 3.1	 	
NOREG 2 Havbruk 3.2	 	
NOREG 3 Utvinning av råolje og naturgass 6	 	
NOREG 3 Tjenester tilknyttet utvinning av råolje og naturga ss 9.1	 	
NOREG 3 Rørtransport 49.5	 	
NOREG 4 Bryting av steinkull og brunkull 5	 	
NOREG 4 Bryting av metallholdig malm 7	 	
NOREG 4 Bryting og bergverksdrift ellers 8	 	
NOREG 4 Tjenester tilknyttet annen bergverksdrift 9.9	 	
NOREG 5 Elektrisitets-, gass-, damp- og varmtvannsforsyning 35	 	
NOREG 6 Jordbruk og tjenester tilknyttet jordbruk, jakt og viltstell 1	 	
NOREG 6 Skogbruk og tjenester tilknyttet skogbruk 2	 	
NOREG 6 Produksjon av nærings- og nytelsesmidler 10	 	
NOREG 6 Produksjon av drikkevarer 11	 	
NOREG 6 Produksjon av tobakksvarer 12

82 
 NOREG 6 
Produksjon av tekstiler 13	
 	
NOREG 6 Produksjon av klær 14	 	
NOREG 6 Produksjon av lær og lærvarer 15	 	
NOREG 6 Produksjon av trelast og varer av tre, kork, strå o g flettematerialer, unntatt møbler 16	 	
NOREG 6 Produksjon av papir og papirvarer 17	 	
NOREG 6 Trykking og tjenester tilknyttet trykking 18	 	
NOREG 6 Produksjon av kull- og raffinerte petroleumsprodukt er 19	 	
NOREG 6 Produksjon av kjemikalier og kjemiske produkter 20	 	
NOREG 6 Produksjon av farmasøytiske råvarer og preparater 21	 	
NOREG 6 Produksjon av gummi- og plastprodukter 22	 	
NOREG 6 Produksjon av andre ikke-metallholdige mineralprodu kter 23	 	
NOREG 6 Produksjon av metaller 24	 	
NOREG 6 Produksjon av metallvarer, unntatt maskiner og utst yr 25	 	
NOREG 6 Produksjon av datamaskiner og elektroniske og optis ke produkter 26	 	
NOREG 6 Produksjon av elektrisk utstyr 27	 	
NOREG 6 Produksjon av maskiner og utstyr til generell bruk, ikke nevnt annet sted 28	 	
NOREG 6 Produksjon av motorvogner og tilhengere 29	 	
NOREG 6 Produksjon av andre transportmidler 30	 	
NOREG 6 Produksjon av møbler 31	 	
NOREG 6 Annen industriproduksjon 32	 	
NOREG 6 Reparasjon og installasjon av maskiner og utstyr 33	 	
NOREG 6 Oppsamling og behandling av avløpsvann 37	 	
NOREG 6 Innsamling, behandling, disponering og gjenvinning av avfall 38	 	
NOREG 6 Miljørydding, miljørensing og lignende virksomhet 39	 	
NOREG 7 Oppføring av bygninger 41	 	
NOREG 7 Anleggsvirksomhet 42	 	
NOREG 7 Spesialisert bygge -og anleggsvirksomhet 43	 	
NOREG 8 Passasjertransport med jernbane 49.1	 	
NOREG 8 Godstransport med jernbane 49.2	 	
NOREG 8 Annen landtransport med passasjerer 49.3	 	
NOREG 8 Godstransport på vei, herunder flyttetransport 49.4	 	
NOREG 8 Innenlandske kystruter med passasjerer 50.102	 	
NOREG 8 Kysttrafikk ellers med passasjerer 50.109	 	
NOREG 8 Innenriks sjøfart med gods 50.202	 	
NOREG 8 Slepebåter 50.203	 	
NOREG 8 Passasjertransport på elver og innsjøer 50.3	 	
NOREG 8 Godstransport på elver og innsjøer 50.4	 	
NOREG 8 Lufttransport 51	 	
NOREG 8 Lagring og andre tjenester tilknyttet transport 52	 	
NOREG 8 Post og distribusjonsvirksomhet 53	 	
NOREG 9 Overnattingsvirksomhet 55	 	
NOREG 9 Serveringsvirksomhet 56	 	
NOREG 10 Handel med og reparasjon av motorvogner 45	 	
NOREG 10 Agentur- og engroshandel, unntatt med motorvogner 46	 	
NOREG 10 Detaljhandel, unntatt med motorvogner 47

83 
 NOREG 10 
Utenriks sjøfart med passasjerer 50.101	
 	
NOREG 10 Utenriks sjøfart med gods 50.201	 	
NOREG 10 Forsyning og andre sjøtransporttjenester offshore 50.204	 	
NOREG 10 Forlagsvirksomhet 58	 	
NOREG 10 Film-, video- og fjernsynsprogramproduksjon, utgive lse av musikk- og lydopptak 59	 	
NOREG 10 Radio- og fjernsynskringkasting 60	 	
NOREG 10 Telekommunikasjon 61	 	
NOREG 10 Tjenester tilknyttet informasjonsteknologi 62	 	
NOREG 10 Informasjonstjenester 63	 	
NOREG 10 Finansieringsvirksomhet 64	 	
NOREG 10 Forsikringsvirksomhet og pensjonskasser, unntatt tr
ygdeordninger underlagt offentlig 
forvaltning 65	 	
NOREG 10 Tjenester tilknyttet finansieringsvirksomhet og for sikringsvirksomhet 66	 	
NOREG 10 Omsetning og drift av fast eiendom 68	 	
NOREG 10 Juridisk og regnskapsmessig tjenesteyting 69	 	
NOREG 10 Hovedkontortjenester, administrativ rådgivning 70	 	
NOREG 10 Akitektvirksomhet og teknisk konsulentvirksomhet, o g teknisk prøving og analyse 71	 	
NOREG 10 Annonse- og reklamevirksomhet og markedsundersøkels er 73	 	
NOREG 10 Annen faglig, vitenskapelig og teknisk virksomhet 74	 	
NOREG 10 Veterinærtjenester 75	 	
NOREG 10 Utleie- og leasingvirksomhet 77	 	
NOREG 10 Arbeidskrafttjenester 78	 	
NOREG 10 Reisebyrå- og reisearrangørvirksomhet og tilknytted e tjenester 79	 	
NOREG 10 Vakttjeneste og etterforskning 80	 	
NOREG 10 Tjenester tilknyttet eiendomsdrift 81	 	
NOREG 10 Annen forretningsmessig tjenesteyting 82	 	
NOREG 10 Kunstnerisk virksomhet, underholdning og fritidsakt iviteter 90	 	
NOREG 10 Drift av biblioteker, arkiver, museer og annen kult urvirksomhet 91	 	
NOREG 10 Lotteri- og totalisatorspill 92	 	
NOREG 10 Sports- og fritidsaktiviteter og drift av fornyeles eetablissementer 93	 	
NOREG 10 Aktiviteter i medlemsorganisasjoner 94	 	
NOREG 10 Reparasjon av datamaskiner, husholdningsvarer og va rer til personlig bruk 95	 	
NOREG 10 Annen personlig tjenesteyting 96	 	
NOREG 10 Lønnet arbeid i private husholdninger 97	 	
NOREG 11 Uttak fra kilde, rensing og distribusjon av vann 36	 	
NOREG 11 Forskning og utviklingsarbeid 72	 	
NOREG 11 Offentlig administrasjon og forsvar, og trygdeordni nger underlagt offentlig forvaltning 84	 	
NOREG 11 Undervisning 85	 	
NOREG 11 Helsetjenester 86	 	
NOREG 11 Pleie- og omsorgstjenester i institusjon 87	 	
NOREG 11 Sosiale omsorgstjenester uten botilbud 88

84 
 	
8.2. Kryssløp; X, Xs, CI, GI, JI, E, M 
NOREG-modellen innebefatter to kryssløp – et for in nenlandsk produksjon og et for import. Vi vil her 
presentere det innenlandske kryssløpet, mens import kryssløpet redegjøres for i kapittel 8.3. 
Det innenlandske kryssløpet baserer seg på SSBs inn enlandske næringskryssløp (SSB1850, 2010). Kryssløp et er 
bestemmende for den nasjonale handelen mellom nærin ger, så vel som nasjonale salg fra næringer og til 
sluttanvendelser. Det danner grunnlaget for næring variablene produksjon (X), vareleveranser (Xs), privat 
konsum (CI), offentlig konsum (GI), bruttoinvesteri ng (JI), lagerendringer, eksport (E) og bruk av importerte 
varer (M). 
Sammen med Fylkesfordelt nasjonalregnskap ligger de t innenlandske kryssløpet til grunn for modellens 
fylkesindividuelle innenlandske kryssløp. I likhet med SSBs kryssløp er produksjonssiden gitt vertikal t og 
anvendelsessiden gitt horisontalt. 
Statistisk sentralbyråets innenlandske næringskryss løp for 2010 er aggregert opp i tråd med modellens 
næringsinndeling.	
15 
I tilfeller der NOREG-næringene har gått på tvers a v næringene i SSBs innenlandske kryssløp (SSB1850, 2010) 
har SSB foretatt splittinger i kryssløpet (både hor isontalt og vertikalt) før aggregeringen. Samlet er det foretatt 
fire splittinger: 
• NACE 3 er splittet til NACE 3.1 (fiskeri) og NACE 3 .2 (havbruk). 
• NACE 5 til 9 er splittet til NACE 5, 6 og 9.1 (utvi nning av råolje og naturgass utenom rørtransport) o g 
NACE 7, 8 og 9.9 (mineralnæringen). 
• NACE 49 er splittet til NACE 40.1.49.4 (innenlandsk passasjertransport, inngår i infrastruktur) og NACE 
49.5 (rørtransport, inngår i utvinning av råolje og naturgass). 
• NACE 50 er splittet til NACE 50.101, 50.201 og 50.2 04 (utenriks sjøfart, inngår i annen privat 
tjenesteyting) og NACE 50.102, 50.109, 50.202, 50.2 03, 50.3 og 50.4 (innenriks sjøfart, inngår i 
infrastruktur) 
 
NOREGs innenlandske kryssløp er illustrert i tabell en under: 
 	
 
15 I våre beregninger har først aggregert opp krysslø pet vertikalt og deretter aggregert det opp horison talt, men 
rekkefølgen har ingen betydning for resultatet; fak torenes orden er likegyldig.

85 
 	
Tabell 41: Illustrasjon av det innenlandske nærings kryssløpet benyttet i NOREG-modellen. 	KRYSSLØP FOR NOREG H.1 H.4 H.7 H.8 H.9 H.10
INNENLANDSK PRODUKSJON	
 Va re le ve ra nse r til 
næringslive t 
 Sluttkonsum for husholdninge ne 
 Sa mle de 
bruttoninve ste ringe r 
Eksport
 Sa mle t 
slutta nve nde lse 
Sa mle t a nve nde lse	
 Sum va re le ve ra nse r til 
næring 1 til 11 Sum sluttkonsum for 
husholdninge ne (H.2) 
og sluttkonsum for de t 
offe ntlige (H.3) Fa ste 
bruttore a linve ste ringe r (H.5) og e ndring i 
va re la ge r (H.6.) Eksport (H.8) 
 Sum slutta nve nde lse 
ve d H.4, H.7 og H.8 Sum a nve nde lse r ve d 
H.1 og H.9 	
1
 Fiske ri
2
 Ha vbruk
3
 Utvinning a v rå olje og na turga ss
4
 Mine ra lnæring
5
 Fornyba r e ne rgi
6
 Anne n industri og primærnæringe r
7
 Bygg og a nle gg
8
 Infra struktur
9
 Re ise liv
10
 Anne n priva t tje ne ste yting
11
 Offe ntlig tje ne ste yting
V.1 Tota lt konsum i ma rke dsprise r 
V.2 Bruk a v importe rte gode r 
V.3 Re la tive produktsubsidie r 
V.4 Tota lt konsum i ba sisprise r
V.5 Ne tto driftsove rskudd
V.6 Konsum a v fa st ka pita l
V.7 Brutto driftsove rskudd 
V.8 Lønnskostna de r 
V.9 Andre ne ttoproduktska tte r
V.10 Ve rdiska ping i ba sisprise r
V.11 Produksjon i ba sisprise r

86 
 
Flere definisjonssammenhenger ligger implisitt i kr
yssløpet. 
Radene på produksjonssiden i NOREGS kryssløp er ekv ivalente med radene i SSBs innenlandske næringskryssløp. Vertikalt 
summerer alle innenlandske vareleveranser til en ko nsumerende sektor seg til næringens samlede konsum fra 
innenlandsk produksjonsnæring i markedspriser (1 ti l 11 vertikalt summerer seg til V.1). Bruk av importerte goder og 
relative produktskatter ligger også inne, slik at s amlede vareleveranser i basispriser følger både for næringer og 
sluttanvendelser (V.1 til V.3 summerer seg til V.4) . 
Definisjonsrelasjonene knyttet til hver nærings pro duksjon og bruttoprodukt fremgår også vertikalt i k ryssløpet og er målt 
i basispriser. Produksjonen kan dekomponeres til ve rdiskaping og konsum fra innenlandske produksjonsnæ ringer (V.1 og 
V.10 summerer seg til V.11). Videre er verdiskaping en i basispriser sammensatt av lønnskostnader, brut todriftsoverskudd 
og nettoproduktskatter 
(V.7 til V.9 summerer seg til V.10). Bruttodriftsov erskudd består igjen av konsum av fast kapital og n etto driftsoverskudd, 
som begge er spesifisert i kryssløpet (V.5 og V.6 s ummerer seg til V.7). 
NOREGS kolonner på anvendelsessiden tilsvarer også SSBs kryssløp, foruten «endelig konsum i husholdningene» og 
«endelig konsum i nonprofit-organisasjoner som betj ener husholdningene», som vi har slått sammen til «sluttkonsum for 
husholdningene». 
Fem definisjonssammenhenger ligger inne horisontalt i kryssløpet. Vareleveransene fra en gitt produserende næring til 
alle konsumerende næringer summer seg til de totale innenlandske vareleveransene fra den produserende næringen (1 
til 11 horisontalt summerer seg til H.1.). Videre u tgjør sluttkonsumet for husholdningene og sluttkons umet for det 
offentlige det samlede sluttkonsumet (H.2 og H.3 su mmerer seg til H.4), mens samlede realinvesteringer består av faste 
brutto realinvesteringer og endringer i varelager ( H.5 og H.6 summerer seg til H.7). 
Samlet sluttforbruk fremgår som summen av konsum, i nvesteringer og eksport (H.4, H.7 og H.8. summerer seg til H.9). 
Samlet anvendelse av en nærings samlede produksjon fremgår som summen av totale innenlandske varelever anser og 
samlet sluttforbruk (H.1 og H.9 summerer seg til H. 10). 
Dessuten innebærer det innenlandske kryssløpet at d et for en gitt næring er samsvar mellom samlet anve ndelse og 
samlet produksjon for næringene (samsvar mellom V.1 1 og H.10 for næringene), så vel som for hele økonomien (samsvar 
mellom rutene {V.11, H.1} og {V.1, H.10}. 
I tabellen under presenteres leveransestrukturen i NOREG i basisåret 2010, i form av bruttoproduksjons verdier. Den 
første tabellen inneholder produksjonssiden mens de n andre tabellen inneholder anvendelsessiden.

87 
 	
Tabell 42 Kryssløpsmatrise for vare og tjenestelever anser i NOREG-modellen 	
 
 
 	
8.2.1.	 Næring 1 Fiske og fangst 	
NACE-koder: 
A03.01 
Tilpasning i kryssløpet: 
R03 Fish and other fishing products; aquaculture pr oducts; support services to fishing 
8.2.2.	 Næring 2 Havbruk 	
NACE-koder: 
A03.02 
Tilpasning i kryssløpet: 
R03 Fish and other fishing products; aquaculture pr oducts; support services to fishing 	
 Motta ke nde se ktor 	Fiskeri HavbrukOlje og 
gass Mineral-
næring Fornybar 
energi Annen 
industri Bygg og 
anle gg Infra-
struktur Reiseliv Private 
tjeneste Offentlige 
tjene ster	 Slutt-konsum i nærings-live t 	Le ve re nde se ktor	Fiskeri	13
 27 	23
 1 13 13 359 4 17 383 170 218 	14 229
 	Havbruk	5
 2 916 	8	 	 	0	 	 	5	 	 	6 669	 	 	1	 	 	6	 	 	136	 	 	56	 	 	72	 	 	9 874
 	Olje og gass	160
 4 	25 893	 	 	697	 	 	234	 	 	63 152	 	 	374	 	 	883	 	 	89	 	 	1 705	 	 	93	 	 	93 284
 	Mineral-næring	14
 	536
 637 1 5 243 1 395 15 5 322 73 	8 241
 	Fornybar energi	4
 519 	2 338	 	 	291	 	 	4 233	 	 	14 387	 	 	1 075	 	 	829	 	 	1 078	 	 	9 839	 	 	6 839	 	 	41 433
 	Annen industri	1 739
 10 561 	30 721
 1 371 915 158 625 40 481 21 966 5 714 62 200 11 734 	346 028
 	Bygg og anlegg	6
 454 	390	 	 	58	 	 	549	 	 	3 614	 	 	59 270	 	 	2 287	 	 	1 463	 	 	24 864	 	 	25 931	 	 	118 887
 	Infra-struktur	130
 495 	7 162	 	 	1 314	 	 	539	 	 	23 579	 	 	7 038	 	 	17 673	 	 	5 215	 	 	41 721	 	 	8 950	 	 	113 816
 	Reiseliv	59
 1 	2 037
 51 328 2 169 465 1 418 2 391 5 519 2 430 	16 868
 	Private tjeneste	795
 3 450 	46 358	 	 	1 501	 	 	7 941	 	 	83 358	 	 	50 787	 	 	37 949	 	 	16 175	 	 	360 329 	63 714	 	 	672 357
 	Offentlige tjenester	9
 31 	4 824
 136 98 5 193 2 531 1 402 79 10 867 8 283 	33 453
 	Tota lt konsum	2 935
 18 458 120 290 6 058 14 857 379 349 163 422 84 445 32 728 517 591 128 337 1 468 471 	Bruk a v importe rte gode r	1 211
 2 867 28 714 1 537 3 049 143 957 35 976 38 500 11 169 146 225 35 608 	448 813
 	Re la ti ve produktsubsidie r	417
 144 187 354 678 1 033 5 539 4 574 2 574 19 533 28 650 	63 684
 	Tota lt konsum i juste rte kjøpe prise r	4 563
 21 469 149 191 7 949 18 584 524 339 204 938 127 519 46 471 683 350 192 595 1 980 968 	Ne tto driftsove rskudd	7 123
 8 998 365 213 645 34 823 43 044 34 877 12 951 5 672 241 397 21 450 	776 193
 	Konsum a v fa st ka pita l	1 283
 1 388 105 515 1 115 11 153 34 515 8 677 13 465 2 510 131 121 52 825 	363 567
 	Brutto driftsove rskudd	8 406
 10 386 470 728 1 760 45 976 77 559 43 554 26 416 8 182 372 518 74 275 1 139 760 	Lønnskostna de r	723
 2 626 54 608 2 556 7 765 128 747 81 008 58 529 24 521 395 906 391 390 	1 148 379
 	Andre ne ttoproduktska tte r	30
 -143 3 362 120 4 646 -11 378 -1 630 -9 655 -397 -5 579 -6 895 	-27 519
 	Ve rdiska ping i ba sisprise r	9 159
 12 869 528 698 4 436 58 387 194 928 122 932 75 290 32 306 762 845 458 770 2 260 620 	Produksjon i ba sisprise r	13 722
 34 338 677 889 12 385 76 971 719 267 327 870 202 809 78 777 1 446 195 651 365 4 241 588 	
 Le vere nde se ktor 	 Slutt-konsum i nærings-live t 	
 konsum 	for 	hushold-ninge ne 	
 konsum for de t offentlige 	
 Samlet slutt-konsum 	
 Fa ste 	bruttore al-
inve ste ring	
e r 	 Endring i va re lage r 	
 Sa mle de bruttoniveste ringer 	 Eksport 	 Sa mle t sluttbruk 	 Samlet 	a nve nde lse 	
Fiskeri	14 229
 	862	 	 	-	 	 	862
 	25	 	 	-3 085	 	 	-3 060
 	1 691	 	 	-507
 13 722 	Havbruk	9 874
 	398	 	 	-	 	 	398
 	-	 	 	2 814	 	 	2 814
 	21 253	 	 	24 464
 34 338 	
Olje og gass	93 284
 	281	 	 	9	 	 	290
 	41 965	 	 	39 802	 	 	81 767
 	502 548 	584 605
 677 889 	Mineral-næring	8 241
 	61	 	 	1	 	 	62
 	16	 	 	684	 	 	700
 	3 381	 	 	4 144
 12 385 	Fornybar energi	41 433
 	30 032	 	 	39	 	 	30 071
 	1 494	 	 	198	 	 	1 691
 	3 776	 	 	35 539
 76 971 	
Annen industri	346 028
 	95 625	 	 	598	 	 	96 224
 	28 115	 	 	13 696	 	 	41 811
 	235 204 	373 239
 719 267 	Bygg og anlegg	118 887
 	1 258	 	 	160	 	 	1 419
 	181 679 	24 725	 	 	206 404
 	1 160	 	 	208 983
 327 870 	Infra-struktur	113 816
 	49 208	 	 	6 201	 	 	55 410
 	6 218	 	 	3 463	 	 	9 681
 	23 902	 	 	88 993
 202 809 	
Reiseliv	16 868
 	31 836	 	 	3	 	 	31 839
 	379	 	 	913	 	 	1 291
 	28 779	 	 	61 909
 78 777 	Private tjeneste	672 357
 	442 394 	10 592	 	 	452 986
 	82 121	 	 	52 424	 	 	134 545
 	186 308 	773 838
 1 446 195 	Offentlige tjenester	33 453
 	76 299	 	 	531 309 	607 608
 	1 245	 	 	4 508	 	 	5 753
 	4 551	 	 	617 911
 651 365 	Totalt konsum 1 468 471 728 255 548 912 1 277 168 343 257 140 141 483 398 1 012 552 2 773 117 4 241 588

88 
 	
8.2.3.	 Næring 3 Olje og gass 	
NACE-koder: 
B06, B09.1, 49.5 
Tilpasning av følgende næring i kryssløpet: 
R5_6_7_8_9 Mining and quarrying 
 
R5_6_7_8_9 fra 2010-kryssløpet inneholder produksjo n tilknyttet flere næringer. Kryssløpstabell fra 2007 splitter 
næringen. Vi har brukt andeler fra denne oppdelinge n som nøkler for å fordele produksjonen på Næring 3 og Næring 4 på 
følgende måte: 
I/O 2007 Y11 Extraction of crude petroleum and natu ral gas; service activities incidental 
to oil and gas extraction excluding surveying Næring 3 Olje og gass 
I/O 2007 Y12 Mining of uranium and thorium ores 
Næring 4 Mineralnæring 
I/O 2007 Y13 Mining of metal ores Næring 4 Mineralnæring 
I/O 2007 Y14 Other mining and quarrying Næring 4 Mineralnæring 
I/O 2007 Y10 Mining of coal and lignite; extraction of peat Næring 6 Annen industri 
 
8.2.4.	 Næring 4 Mineralnæring 	
NACE-koder: 
B07, B08, B09.9 
R5_6_7_8_9 fra 2010-kryssløpet inneholder produksjo n tilknyttet flere næringer. Kryssløpstabell fra 2007 splitter 
næringen. Vi har brukt andeler fra denne oppdelinge n som nøkler for å fordele produksjonen på Næring 3 og Næring 4 på 
følgende måte: 
I/O 2007 Y11 Extraction of crude petroleum and natu ral gas; service activities incidental 
to oil and gas extraction excluding surveying Næring 3 Olje og gass 
I/O 2007 Y12 Mining of uranium and thorium ores 
Næring 4 Mineralnæring 
I/O 2007 Y13 Mining of metal ores Næring 4 Mineralnæring 
I/O 2007 Y14 Other mining and quarrying Næring 4 Mineralnæring 
I/O 2007 Y10 Mining of coal and lignite; extraction of peat Næring 6 Annen industri 
 
8.2.5.	 Næring 5 Fornybar energi 	
NACE-koder: D (35) 
Næringer i kryssløpet: 
R35 Electricity, gas, steam and air-conditioning

89 
 	
8.2.6.	 Næring 6 Annen industri 	
NACE-koder: A01, A02, B05, C (10-33), E (36-39) 
Næringer i kryssløpet: 
R01 Products of agriculture, hunting and related se rvices 	
R02 Products of forestry, logging and related services 	
R10_11_12	 Food products, beverages and tobacco products 	
R13_14_15	 Textiles, wearing apparel and leather products 	
R16 Wood and of products of wood and cork, except f urniture; articles of straw and plaiting materials 
R17 Paper and paper products 
R18 Printing and recording services 	
R19_20_21	 
Coke and refined petroleum products; chemicals and chemical products; basic pharmaceutical 
products and pharmaceutical preparations 	
R22 Rubber and plastics products 
R23 Other non-metallic mineral products 
R24 Basic metals 
R25 Fabricated metal products, except machinery and equipment 
R26 Computer, electronic and optical products 
R27 Electrical equipment 
R28 Machinery and equipment n.e.c. 
R29 Motor vehicles, trailers and semi-trailers 
R30 Other transport equipment 
R31_32 Furniture; other manufactured goods 
R33 Repair and installation services of machinery and equipment 	
 
I tillegg, som forklart under Næring 3 og Næring 4, en andel fra næringen 
R5_6_7_8_9 Mining and quarrying 
 
8.2.7.	 Næring 7 Bygg og anlegg 	
NACE-koder: F (41, 42, 43) 
Næringer i kryssløpet: R41_42_43 Constructions and construction works 
 
8.2.8.	 Næring 8 Infrastruktur 	
NACE-koder: 49.1, 49.2, 49.3, 49.4 
Tilpasning av følgende næring i kryssløpet: R49 Land transport services and transport services via pipelines

90 
 
R49 inneholder pipelines, som hører til Næring 3. 
R50 (water transport er overført til offentlig tjen
esteyting 	
8.2.9.	 Næring 9 Reiseliv 	
NACE-koder: I (55-56) 
Næringer i kryssløpet: 
R55_56 Accommodation and food services 	
R79 Travel agency, tour operator and other reservat ion services and related services 	
 
8.2.10.	 Næring 10 Annen privat tjenesteyting 	
NACE-koder: 49.5, 58, 59, 60, 62, G, J, K, L, M, N, R, S, T, U 
Næringer i kryssløpet: 
R37_38_39	
 
Sewerage; waste collection, treatment and disposal activities; materials recovery; remediation 
activities and other waste management services 	
R45 Wholesale and retail trade and repair services of motor vehicles and motorcycles 
R46 Wholesale trade services, except of motor vehic les and motorcycles 
R47 Retail trade services, except of motor vehicles and motorcycles 
R58 Publishing services 
R59_60 Motion picture, video and television programme prod
uction services, sound recording and music 
publishing; programming and broadcasting services 
R62_63 Computer programming, consultancy and relate d services; information services 
R64 Financial services, except insurance and pension funding 
R65 Insurance, reinsurance and pension funding serv ices, except compulsory social security 
R66 Services auxiliary to financial services and insurance services 	
R68.1/68.3	 Real estate services (excluding imputed rents) 	
R68.2 Imputed rents of owner-occupied dwellings 
R69_70 Legal and accounting services; services of h ead offices; management consulting services 
R71 Architectural and engineering services; technic al testing and analysis services 
R73 Advertising and market research services 
R74_75 Other professional, scientific and technical services; veterinary services 
R77 Rental and leasing services 
R78 Employment services 	
R80_81_82	 
Security and investigation services; services to buildings and landscape; office administrative, office 
support and other business support services 	
R90_91_92	 
Creative, arts and entertainment services; library, archive, museum and other cultural services; 
gambling and betting services 	
R93 Sporting services and amusement and recreation services 
R94 Services furnished by membership organisations 
R95 Repair services of computers and personal and household goods 
R96 Other personal services 
R97 Services of households as employers; undifferentiated goods and services produced by households for

91 
 own use 	
R99 Services provided by extraterritorial organisat
ions and bodies 	
 
8.2.11.	 Næring 11 Offentlig tjenesteyting 	
NACE-koder: O (84), P (85), Q (86-88) 
Næringer i kryssløpet: 
R36 Natural water; water treatment and supply servi ces 	
R72 Scientific research and development services 
R84 Public administration and defence services; compulsory social security services 
R85 Education services 
R86 Human health services 
R87_88 Social work services 	
 
8.3. Importvarer, M 
Importkryssløpet følger i all hovedsak samme logikk som det innenlandske kryssløpet. 
Importkryssløpet i NOREG-modellen baserer seg på SS Bs importkryssløp (SSB1950, 2010). Kryssløpet bestemmer 
næringenes handel med utlandet på nasjonalt nivå, s å vel som import som går direkte til sluttanvendelser og fordeler 
importen av varegrupper på mottakende næringer. Sam men med Fylkesfordelt nasjonalregnskap ligger det innenlandske 
kryssløpet til grunn for NOREGS fylkesindividuelle importkryssløp. I likhet med SSBs kryssløp og NOREG S innenlandske 
importkryssløp, er produksjonssiden gitt vertikalt og anvendelsessiden gitt horisontalt. 
Næringsinndelingen tilsvarer det innenlandske kryss løpet. SSB har også foretatt tilsvarende splitter i importkryssløpet 
(SSB1950, 2010) som for det innenlandske kryssløpet (SSB1850, 2010). I likhet med det innenlandske NOREG-kryssløpet er 
radene og kolonnene ekvivalente med SSBs motsvarend e kryssløp med unntak av «endelig konsum i husholdningene» og 
«endelig konsum i nonprofit-organisasjoner som betj ener husholdningene», som igjen er slått sammen til «sluttkonsum 
for husholdningene». 
Import fra alle produksjonsnæringer for en gitt anv endelse summer seg til samlet import for denne anve ndelsen. 
Relasjonene horisontalt i importkryssløpet er tilsv arende som for det innenlandske kryssløpet, kun med 
tolkningsforskjellen i at det dreier seg om import istedenfor innenlandsk produksjon. 
Importkryssløpet er knyttet til det innenlandske kr yssløpet, som sammen forteller oss hvordan vare- og 
tjenestestrømningene går mellom næringer.

92 
 	
8.4. Sysselsetting, LH	0 og LL	0 	
 
Datagrunnlag: 
LH	
0, LL	0: Data fra Næringsdepartementet / Karin Ibenholt, etter næring ut utdanningsnivå 
 	
8.5. Årslønn, wh	0 og wl	0 	
 
Gjennomsnittslønn per årsverk: 	
0
0
0	/ LH
LHC
wh	=	 	
0
0
0	/ LL
LLC
wl	=	 
der LHC	
0, LLC	0 er totale lønnskostnader for høy og lav arbeidskra ft. 
 	
)
(
 
 LL
w
LH
w
k
Lønnskost	LL
LH	+	=	 	
LH	w
k
LHCLH	*
=	 	
LL
w
k
LLCLL	*
=	 
Dette gir 	
LL
LH
w
w LH
w
w
Lønnskost
LHC	LL
LH LL
LH	+
=
*
/ *
/	 	
LL
LH
w
w LH
Lønnskost
LLC	LL
LH	+
=
*
/	 
 
Datagrunnlag: 
Lønnskost : Lønnskostnader (mill. kr) fra tabell 09174 i Stat istikkbanken SSB, næringsinndeling 
A64 
w	
LH, w	LL: Gjennomsnittlig månedslønn for ansatte, heltidsek vivalenter Tabell 08057 i 
Statistikkbanken SSB, etter utdanningsnivå

93 
 	
8.6. Kapital CAP, investeringer JD, avskrivningsrate τ 
 
Datagrunnlag: 
Fast realkapital , bruttoinvestering i fast realkapital, kapitalslit: 
Basisårsdata for 2010 for er hentet fra SSB, Statis tikkbanken, tabell 09181: Investeringer og 
kapitalbeholdninger, etter art og næring. Næringsgr upperingen følger A64 i Nasjonalregnskapet, se tabe ll i 
Kapittel 8.1. 
Avskrivningsraten er satt lik kapitalslit/CAP i bas isåret.

95 
 	
 Air Transport C76 0,01 0,85 -0,32 
 Transport by Rail-, 
Tram- and Subw C77 0,00 0,94 -0,35 
 Transport by Boat 
and Ferry C78 0,01 1,59 -0,60 
 Postal and Digital 
Services C79 0,03 1,45 -0,64 
 Leisure Goods C25 0,04 1,39 -0,86 9 Reise
liv 1,52 -0,93 
 Direct Purchases 
Abroad C66 0,06 1,61 -0,98 
 Other Services C65 0,18 	 0,71 -0,43 10 Annen privat 
tjenesteyting 0,89 -0,63 	
 Rents C50 0,15 1,10 -0,86 
 Other Services C65 0,18 -0,43 11 Offentlig
 tjenesteyting 1,05 -0,43 
 
9.2. Parametre i konsumetterspørselssystemet 
Konsumetterspørselssystemet er LES. LES trenger ans lag for marginal budsjettandel og minstekonsum. Vi 
bestemmer marginal budsjettandel som budsjettandel i basisåret multiplisert med engelelastisitet. Det er 
enkelt å vise at denne sammenhengen gjelder i LES. Gitt marginale budsjettandeler og basisårskonsum da nner 
konsumetterspørselssystemet i NOREGs 11 likninger t il kalibrering av 11 minstekonsum. Vi løser dette systemet 
numerisk og finner minstekonsum. 
9.3. Substitusjonselastisiteter 
Substitusjonselastisiteter er hentet fra Andreassen og Bjertnes (2006).	17 Som grunnlag for anslåtte 
substitusjonselastisiteter mellom arbeidskraft og k apital (σy) benyttes estimerte substitusjonselastisiteter 
arbeidskraft-maskintjenester og bruttoproduksjon-by gningskapital fra Andreasen og Bjertnes. Tilsvarend e 
grunnlag for bruttoprodukt og vareinnsats ( σz) er estimerte substitusjonselastisiteter modifiser t bruttoprodukt-
vareinnsats. Der data mangler er parameter anslått etter skjønn. Negative parameterestimat er satt lik null. 
Estimater over 1 er generelt satt lik 1. Elastisite tene er estimert etter MSGs næringsinndeling, og ve ktet til 
NOREG-inndeling etter bruttoprodukt hentet fra en k jøring i MSG. Resultatene gjengis i tabellen nedenfor. 
 
 	
 
17 Andreassen, L. og G. Bjertnes (2006): Tallfesting av faktoretterspørsel i MSG6, Notater 7, Statistisk 
sentralbyrå

96 
 	
Tabell 44 Substitusjonselastisiteter i NOREG 
NOREG næring 	σy 	
arbeidskraft versus kapital 	
Σz 	
bruttoprodukt versus vareinnsats 	
1 Fiske og fangst 0,20 1,23 
2 Havbruk 0,53 0,31 
3 Olje og gass 0,24 0,26 
4 Mineralnæring 0,24 0,19 
5 Fornybar energi 0,02 0,67 
6 Annen industri 0,49 0,61 
7 Bygg og anlegg 0,48 1,99 
8 Infrastruktur 0,19 0,31 
9 Reiseliv 0,50 0,50 
10 Annen privat tjenesteyting 0,34 0,43 
11 Offentlig tjenesteyting 0,25 0,14 
 
9.4. Andeler for fylkenes egenleveranser og nabofylke-lever anser 
Tabell 45 Andel av produksjon som går til eget fylke, spesifikt for næringene 	
 	
Tabell 46 Andel av produksjon som går til nabofylker, spesifikt for næringer 	
Fiskeri	Havbruk	Olje og gass	Mine ral-næring	Fornybar energi	Annen industri	Bygg og anlegg	Infra-struktur	Reiseliv	Private tjeneste	Offentlige tjenester	Østfold	7 % 7 % % 46 % 10 % 30 % 50 % 50 % 50 % 70 % 90 %	Akershus	20 % 20 % % 82 % 10 % 28 % 48 % 48 % 48 % 70 % 90 %	Oslo	39 % 39 % % 46 % 10 % 23 % 43 % 43 % 43 % 70 % 70 %	Hedmark	51 % 51 % % 53 % 10 % 36 % 56 % 56 % 56 % 70 % 90 %	Oppland	17 % 17 % % 99 % 10 % 31 % 51 % 51 % 51 % 70 % 90 %	Buskerud	0 % 100 % % 42 % 10 % 27 % 47 % 47 % 47 % 70 % 90 %	Vestfold	49 % 49 % % 54 % 10 % 31 % 51 % 51 % 51 % 70 % 90 %	Telemark	30 % 30 % % 63 % 10 % 29 % 49 % 49 % 49 % 70 % 90 %	Aust Agder	11 % 11 % % 85 % 10 % 32 % 52 % 52 % 52 % 70 % 90 %	Vest Agder	23 % 23 % % 88 % 10 % 40 % 60 % 60 % 60 % 70 % 90 %	Rogal and	20 % 20 % % 43 % 10 % 44 % 64 % 64 % 64 % 70 % 90 %	Hordaland	55 % 55 % % 49 % 10 % 53 % 73 % 73 % 73 % 70 % 90 %	Sogn og Fjordane	18 % 18 % % 16 % 10 % 35 % 55 % 55 % 55 % 70 % 90 %	Møre og Romsdal	53 % 53 % % 73 % 10 % 59 % 79 % 79 % 79 % 70 % 90 %	Sør Trøndelag	46 % 46 % % 56 % 10 % 48 % 68 % 68 % 68 % 70 % 90 %	Nord Trøndel ag	46 % 46 % % 50 % 10 % 45 % 65 % 65 % 65 % 70 % 90 %	Nordland	62 % 62 % % 71 % 10 % 49 % 69 % 69 % 69 % 70 % 100 %	Troms	73 % 73 % % 50 % 10 % 63 % 83 % 83 % 83 % 70 % 100 %	Finnmark	45 % 45 % % 53 % 10 % 62 % 82 % 82 % 82 % 70 % 100 %	Svalbard	20 % 20 % % 10 % 10 % 50 % 70 % 70 % 70 % 70 % 90 %

97 
 
 	
Fiskeri	Havbruk	Olje og gass	Mineral -næring	Fornybar energi	Annen industri	Bygg og anlegg	Infra-struktur	Rei sel iv	Private tjeneste	Offentlige tjenester	Østfold	0,14 0,14 0,00 0,00 0,00
0,13 0,13 0,13 0,13 0,00 0,00	Akershus	0,21 0,210,00 0,00 0,00
0,18 0,18 0,18 0,18 0,00 0,00	Oslo	0,19 0,190,00 0,00 0,00
0,18 0,18 0,18 0,18 0,00 0,00	Hedmark	0,01 0,010,00 0,00 0,00
0,07 0,07 0,07 0,07 0,00 0,00	Oppland	0,10 0,100,00 0,00 0,00
0,10 0,10 0,10 0,10 0,00 0,00	Buskerud	0,00 0,00 0,00 0,00 0,00
0,04 0,04 0,04 0,040,00 0,00	Vestfold	0,28 0,280,00 0,00 0,00
0,08 0,08 0,08 0,08 0,00 0,00	Telemark	0,11 0,110,00 0,00 0,00
0,10 0,10 0,10 0,10 0,00 0,00	Aust Agder	0,37 0,370,00 0,00 0,00
0,16 0,16 0,16 0,16 0,00 0,00	Vest Agder	0,05 0,050,00 0,00 0,00
0,13 0,13 0,13 0,13 0,00 0,00	Rogaland	0,39 0,390,00 0,00 0,00
0,08 0,08 0,08 0,08 0,00 0,00	Hordaland	0,01 0,010,00 0,00 0,00
0,10 0,10 0,10 0,10 0,00 0,00	Sogn og Fjordane	0,21 0,210,00 0,00 0,00
0,14 0,14 0,14 0,14 0,00 0,00	Møre og Romsdal	0,02 0,020,00 0,00 0,00
0,05 0,05 0,05 0,05 0,00 0,00	Sør Trøndel ag	0,05 0,050,00 0,00 0,00
0,11 0,11 0,11 0,11 0,00 0,00	Nord Trøndelag	0,03 0,030,00 0,00 0,00
0,10 0,10 0,10 0,10 0,00 0,00	Nordl and	0,02 0,020,00 0,00 0,00
0,06 0,06 0,06 0,06 0,00 0,00	Troms	0,01 0,010,00 0,00 0,00
0,15 0,15 0,15 0,15 0,00 0,00	Finnmark	0,13 0,130,00 0,00 0,00
0,07 0,07 0,07 0,07 0,00 0,00	Svalbard	0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

98 
 	
10. Referanser 
Analyse & Strategi (2013): Sektoranalyse av fornyba r energy i Nord-Norge, Rapport for Kunnskapsinnhent ingen. 
Oslo	
 
Andreassen, L. og G. Bjertnes (2006): Tallfesting a v faktoretterspørsel i MSG6, Notater 7/2006, Statis tisk 
sentralbyrå, Oslo 
Annabi, N., J. Cockburn and B. Decaluwé (2006): Fun ctional forms and parametrization of CGE models, MP IA 
Working Paper 04 
Canning P. og Z. Wang (2005): “A Flexible Mathemati cal Programming Model To Estimate Interregional Inp ut–
Output Accounts”, Journal of Regional Science Vol. 45, No. 3, pp. 539–563 
 
Cappelen med flere (2008): Evaluering av SkatteFUNN – Sluttrapport, Rapport nr 2/2008, Statistisk sentralbyrå, 
Oslo 
Cappelen, Å. og L.S. Stambøl (2003b): Regionale vir kninger av makroøkonomiske utviklingstrekk og polit ikk. 
http://www.effektutvalget.dep.no/ . 
Damvad, Menon og Salt (2013): Kompetanse, forsking og innovasjon i Nord-Norge, Rapport for 
Kunnskapsinnhenting – verdiskaping i nord 
Finansdepartementet (2013): Perspektivmeldingen 201 3, Meld. St. 12 (2012-2013 
Forskningsrådet (2013): Indikatorrapporten 2013, ka pittel 4, Forskningsrådet, Oslo 
 
Gaasland, I. (2013): Regionale virkninger av økonom isk politikk - et makroperspektiv, SNF-rapport nr 1/2013, 
Bergen 	
Gjefsen, H M (2013) "Educational behavior in the dy namic micro-simulation model MOSART", SSB-rapport n r. 
15/2013, 	
Statistisk sentralbyrå, Oslo 
 
Heide, K. M., E. Holmøy, L. Lerskau and I. F. Solli (2004): Macroeconomic Properties of the Norwegian Applied 
General Equilibrium Model MSG6. Reports 2004/18, St atistics Norway. 
 
Holmøy, E. and T. Hægeland (1997): Aggregate Produc tivity Effects of Technology Shocks in a Model of 
Heterogeneous Firms: The Importance of Equilibrium Adjustments, Discussion Paper 198, Statistics Norway. 
 
Menon (2013a): Fremtidens næringer i Nord, Menon-pu blikasjon nr 19/2013, Oslo 
 
Menon (2013b): 	
Sektoranalyse av reiselivsnæringen i Nord-Norge, Ra pport for Kunnskapsinnhentingen. Oslo	 
Menon (2013c): Ringvirkningsmetodikk til bruk for n æringsstudier i forvaltningsplanarbeidet: Håndbok og 
bakgrunnsrapport. Menon-publikasjon nr 46/2013 
Miljøverndepartementet (2011): Oppdatering av forva ltningsplanen for det marine miljø i Barentshavet og 
havområdene utenfor Lofoten, Meld. St. 10(2010–2011 ) 
NHO (2011): Privat eierskapsberetning 2011. NHO, Os lo 
Norut (2010): Norut Tromsø Faktaark sjøfisketurisme , 2010

99 
 
Oljedirektoratet (2013): Petroleumsressursene på no
rsk kontinentalsokkel 2013 – Leting. 
Panda-gruppen (2010): PANDA Brukerhåndbok. Matemati sk beskrivelse av datatilpasning, prosjektgenerering 
og beregninger i den regionaløkonomiske modellen RE GNA 	
Robertsen, R., O. Andreassen and A. Iversen (2012). Havbruksnæringens ringvirkninger i Troms. Tromsø, 
Nofima. 
Rosenthal R. E (2014) GAMS: A User's Guide: Tutori al, GAMS Development Corporation, Washington, DC, U SA 
Rutherford, T (1995): Extension of GAMS for complem entarity problems arising in applied economic analysis 
Journal of Economic Dynamics and Control , Vol 19, 1299-1324 
Sintef (2013): Sektoranalyse for de marine næringen e i Nord-Norge, Rapport for Kunnskapsinnhentingen. 
Trondheim	
 
Skjerpen, T. (2010): A multi-stage consumer demand system based on LES at all levels, Technical 
documentation, SSB-document 45. Statistisk sentralb yrå, Oslo 
Stambøl, L.S. (2002): Regionale framskrivinger av s ysselsetting og bruttoprodukt ved hjelp av SSBs 
modellsystem REGARD . Notater 2002/12, Statistisk s entralbyrå. 	
Vista Analyse (2013): Sektoranalyse for mineral-næringen i Nord-Norge, Status og potensial mot 2030. R apport 
for Kunnskapsinnhentingen. Oslo 
Vista Analyse (2014): Beregning av mernytte ved inf rastrukturinvesteringer i Nord-Norge i NOREG.