Kommunenes økonomiske atferd 2001-2007

Category	Other
Sub-Categories	n/a
Year	2008
Author(s)	Simen Pedersen
Download	file_download (772.6 kB)
Read in browser	PDF

Notater	
Statistisk sentralbyrå
Statistics Norway	
B	
Statistisk sentralbyrå
Oslo:
Postboks 8131 Dep
NO-0033 Oslo
Telefon: 21 09 00 00
Telefaks: 21 09 49 73
Kongsvinger:
NO-2225 Kongsvinger
Telefon: 62 88 50 00
Telefaks: 62 88 50 30
E-post: ssb@ssb.no
Internett: www.ssb.no
ISSN 0806-3745Returadresse:
Statistisk sentralbyrå
NO-2225 Kongsvinger	
Notater	
Simen Pedersen	
2008/60
Forskningsavdelingen/Gruppe for offentlig økonomi	
Kommunenes økonomiske
atferd 2001-2007

Sammendrag 
 
Norske kommuner produserer nasjonale velferdstjen 	ester innenfor ulike sektorer, som administra- 	
sjon, utdanning, barnehager, helsestell, sosiale tje 	nester, pleie og omsorg, kultur og infrastruktur. 	
Variasjoner i pengebruken per innbygger innenfor 	 disse sektorene skyldes at kommunene har 	
forskjellige inntekter og bundne kostnader (utgifts 	behov) og at de prioriterer pengebruken ulikt. I 	
dette arbeidet benyttes en simultan mikroøkonometrisk modell kalt 	KOMMODE	. Til forskjell fra 	
partielle modeller tar 	KOMMODE	 hensyn til sammenhenger som må gjelde på tvers av sektorene. Dvs. 	
at bibetingelsen om at utgiftene pluss netto dr 	iftsresultat er lik inntektene er gjeldende. Med 	
bakgrunn i budsjettbetingelsen kommunene står ovenf 	or er ressursbruken i de forskjellige sektorene 	
gjensidig avhengige av hverandre. 
 
Kommunene møter lovpålagte oppgaver og minstesta 	ndarder i tjenesteproduksjonen. I en utvidet 	
forstand vil dette omhandle alle minstesta 	ndarder og normer samfunnet pålegger kommunene. 	
Kostnaden forbundet med dette 	produksjonsnivået kalles bundne kostnader. Etter at bundne 	
kostnader i alle sektorer er dekket, sitter kommune 	ne igjen med frie midler til rådighet. Disse frie 	
midlene omtales som frie disponible inntekter og er et uttrykk for kommunenes økonomiske 
handlefrihet. Andelene av de frie disponible i 	nntektene som brukes til de ulike sektorene kalles 	
marginale budsjettandeler. 
 
Dette notatet presenterer modellestimater for åren 	e 2001-2007. Med modellestimater menes effekter 	
av variabler som påvirker bundne kostnader samt 	 marginale budsjettandeler 	tilknyttet ulike sektorer. 	
Resultatene fra analysen viser at modellen er fo 	rholdsvis stabil over tid. Dette kommer til uttrykk i 	
stabilitet i modellestimatene. 
 
Prosjektstøtte: 	 Kommunal- og regionaldepartementet

Innholdsfortegnelse 
1. INNLEDNING ..................................................................................................................	.............................. 1	 	
2. KOMMUNENES ØKONOMISKE 	HANDLEFRIHET 20	01-2007............................................................ 2	 	
2.1	 ØKONOMISKE KONJUNKTURER	.................................................................................................................... 2	 	
2.1.1 Makroøkonomien...........................................................................................................	..................... 2	 	
2.2	 ENDRING I KOMMUNENES INNTEKTSRAMMER	............................................................................................. 4	 	
2.2.1 Finansiering av norske kommuner ..........................................................................................	........... 4	 	
2.2.2 Kommunenes i	nntektsutv	ikling .............................................................................................	.............. 5	 	
2.3	 ENDRING I FORHOLD SOM PÅVIRKER BUNDNE KOSTNADER	......................................................................... 8	 	
2.3.1 Endringer i ko	mmunenes oppgaver ..........................................................................................	.......... 9	 	
2.3.2 Endring i faktorpriser...................................................................................................	.................... 11	 	
2.3.3 Endring i variabler som gir 	variasjoner i bundn	e kostnader ........................................................... 12	 	
2.4	 ENDRINGER I FORHOLD SOM PÅVIRKER BRUKEN AV FRIE DISPONIBLE INNTEKTER	.................................... 17	 	
3. MODELLEN 	KOMMOD	E ............................................................................................................	.............. 19	 	
3.1	 MODELLSPESIFIKASJON	............................................................................................................................ 19	 	
3.1.1 Norske kommuners valgmuligheter ..........................................................................................	........ 19	 	
3.1.2 Kommunen som nytte	maksimerende aktør .....................................................................................	.. 20	 	
3.1.3 Heterogenitet i kostnads-	 og preferan	separametere ........................................................................	22	 	
4. MODELLESTIMA	T 2001-2	007 .....................................................................................................	............. 23	 	
4.1	 NY VERSJON AV 	KOMMODE................................................................................................................... 23	 	
4.1.1 Vurdering av tidlig	ere versjon av KOMMODE................................................................................	23	 	
4.1.2 Forbedringer av modellen .................................................................................................	............... 24	 	
4.1.3 Nytt sett av koeffisienter som 	påvirker kommunenes 	bundne kost	nader........................................... 26	 	
4.2	 ESTIMERINGSRESULTATER	........................................................................................................................ 26	 	
4.2.1 Variasjoner i bundne ko	stnader og mi	nsteutgifter .........................................................................	.. 27	 	
4.2.2 Variasjoner i marg	inale budsje	ttandeler..................................................................................	........ 36	 	
4.2.3 Forklaringsk	raften til 	KOMMODE ...........................................................................................	....... 39	 	
4.3	 DEFINISJON OG MÅLING AV FATTIGDOM	................................................................................................... 41	 	
4.3.1 Evaluering av in	dikator for fattigdom ....................................................................................	.......... 41	 	
5. OPPSUMMERING OG KONKLUSJON..................................................................................................	.46	 	
REFERANSER .....................................................................................................................	............................ 49	 	
VEDLEGG ........................................................................................................................	................................ 52	 	
VEDLEGG 	A. VARIABLER SOM PÅVIRKER BUNDNE KOSTNADER	..................................................................... 52	 	
VEDLEGG 	B. VARIABELDEFINISJONER	............................................................................................................ 54	 	
B.1. Definisjoner av faktorer som fo	rklarer kommunenes bundne kostnader ........................................... 54	 	
B.2. Definisjon av faktorer som forklarer 	bruken av frie disp	onible inntekter.......................................... 59	 	
VEDLEGG 	C. VURDERING AV DATAKVALITET FOR 	2003 ................................................................................. 61	 	
VEDLEGG 	D. INTERPOLERING	......................................................................................................................... 72	 	
VEDLEGG 	E. ESTIMERINGSRESULTATER	......................................................................................................... 73	 	
E.1. Estimeringsresultater for 20	03 med gammelt mo	delloppsett ............................................................. 73	 	
E.2. Effekter som er testet	 og utelatt i KO	MMODE-0107 ......................................................................... 7	5 	
E.3. Estimerte koeffisienter for ko	nstantledd som inngår i marginal	e budsjettandeler etter sektor, 2001- 	
2007........................................................................................................................... 	................................ 76	 	
VEDLEGG 	F. RESULTATER FRA FATTIGDOMSBEREGNINGEN	........................................................................... 77	 	
F.1. Resultater fra evaluering	 av indikato	r for fa	ttigdom	......................................................................	... 77	 	
F.2. Resultater fra regresjonsanalys	e tilhørende fattigdomsberegninger ................................................. 86	 	
F.3. Prosent fattige e	tter kommun	e, 2001 .......................................................................................	.......... 87	 	
VEDLEGG 	G. SEKTORINNDELING I 	KOMMODE-0107 ................................................................................... 95	 	
VEDLEGG 	H. KOMMUNENES KORRIGERTE DRIFTSINNTEKTER	......................................................................... 97	 	
VEDLEGG 	I. PROGRAM	- OG DATABESKRIVELSE FOR 	KOMMODE	 PÅ 	UNIX	................................................... 98

1
1. Innledning	1 	
”En sterk og sunn kommuneøkonomi er et viktig fundament for et godt velferdssamfunn” 
Hans Majestet Kongen, Trontalen, 2006 
 
Gjennom formannskapslovene for by- og herredskommuner av 14. januar 1837, ble kommunene til i 
Norge. Tanken var at kommunene med sine folkevalgte organer skulle styre på lokalt plan. I dag er 
alle kommunene likestilte, siden det formelle skillet mellom by- og herredskommuner ble opphevet i 
kommuneloven av 25. september 1992. 
 
Utviklingen i sektorens størrelse har endret seg betraktelig fra 1837 til i dag. Borge og Rattsø (2002) 
peker på at kommunesektorens	
2 utgiftsbruk, som andel av BNP, har økt fra 3,2 prosent i 1880 til 18,4 
prosent i 1990. Slik vi kjenner kommunene i dag har de som hovedoppgave å tilby nasjonale 
velferdsgoder til befolkningen. Eksempler på tjenester som tilbys er blant annet barnehager, 
grunnskole, sosialtjenester, pleie- og omsorgstjenester, kultur og infrastruktur. 
 
De demografiske, sosiale og geografiske kjennetegnene varierer betydelig mellom kommunene og 
dette spiller inn på den enkelte kommunes forutsetninger for å løse de pålagte oppgavene. Noen har 
store skatteinntekter fordi det bor mange godt lønnede personer i kommunen, andre har store utgifter 
fordi de har mange eldre innbyggere. For å rette på disse skjevhetene på tvers av kommuner ble 
inntektssystemet for kommunene innført i 1986. Gjennom inntektssystemet blir kommunene 
kompensert for ufrivillige kostnadsulemper som skyldes forskjeller i behov og kostnader per 
produserte tjeneste. Dagens system er basert på Rattsø-utvalgets innstilling, der tanken var å lage et 
enklere og mer rettferdig inntektssystem for kommunene.	
3 
 
Den faglige utredingen som lå til grunn for Rattsø-utvalgets innstilling ble gjenstand for en faglig 
debatt. Spesielt ble utvalgets bruk av partielle regresjonsanalyser kritisert. Schweder (1996a,b) 
argumenterte for at denne metodiske tilnærmingen er lite egnet for å avdekke viktigheten av 
kostnadsfaktorer som er felles for flere tjenester. Schweder anbefalte simultan estimering av en 
modell for alle tjenester. 
 
I 1995 startet Statistisk sentralbyrå med utviklingen av en simultan mikroøkonometrisk modell	
4, kalt 	
KOMMODE	, for å forklare kommunenes økonomiske atferd. Tidligere versjoner av 	KOMMODE	 er 
dokumentert i Aaberge og Langørgen (1997, 2003), Langørgen og Aaberge (2001) og Langørgen 
mfl. (2005). Modellen er tidligere estimert på grunnlag av data for enkeltårene 1993, 1998 og 2003. 
 
Modellestimatet for 2003 er basert på 	
KOSTRA	-data.	5 Siden vi først har tilgang på 	KOSTRA	-data for 
året 2001 vil 	
KOSTRA	-versjonen av 	KOMMODE	 bare kunne estimeres for årene fra og med 2001. 
Formålet med dette arbeidet er å estimere 	
KOMMODE	 for hvert av årene 2001-2007 samt å teste 
modellestimatenes stabilitet. Som ledd i dette arbeidet har det blitt lagt vekt på å evaluere og 
eventuelt bytte ut noen av de eksogene variablene i modellen. Vi har lagt særlig vekt på målingen av 
fattigdomsindikatoren. Fattigdomsmålene er nærmere omtalt i avsnitt 3.2.1. 
 
Notatet er organisert på følgende måte: Kapittel 2 ser nærmere på mulige endringer i kommunenes 
økonomiske handlefrihet for perioden 2001-2007, ved å studere forhold som kan ha påvirket 	
 	 	1 Dette notatet er en redigert versjon av min masteroppgave avlagt ved Økonomisk institutt ved Universitetet i Oslo august 
2008. Oppgaven ble skrevet under et engasjement i Forskningsavdelingen i Statistisk sentralbyrå og er finansiert av 
Kommunal- og regionaldepartementet. En stor takk rettes til mine veiledere Audun Langørgen og Rolf Aaberge. 
2 Kommunesektoren/-forvaltningen er definert som både kommunene og fylkeskommunene. 3 Rattsøutvalget ble ledet av professor Jørn Rattsø fra 	NTNU	, se 	NOU	 (1996). 	4 Forskjellen mellom en simultane og en partielle modeller er at partielle modeller ser på enkeltstående sektorer isolert fra 
hverandre mens simultane modeller tar hensyn til sammenhenger som må gjelde på tvers av sektorene. 
5 Siden 2001 har kommunene rapportert sine utgifter gjennom 	KOSTRA	 (KO	mmune-	STat-RApportering) til Statistisk 
sentralbyrå.

2
kommunenes inntekter og kostnader. Kapittel 3 gir en nærmere presentasjon av modellen 	KOMMODE	. 
Kapittel 4 gir en gjennomgang av estimeringsresultatene i 	
KOMMODE	 for årene 2001-2007. Spesielt 
ser vi nærmere på stabiliteten i modellestimatene. 	
2. Kommunenes økonomiske handlefrihet 2001-2007 
I perioden 2001-2007 har Norge blitt styrt av tre regjeringer,	6 som har hatt ulike prioriteringer når det 
gjelder kommunenes oppgaver og økonomi. Kommunene har fått pålegg om utvidelser av 
tjenestetilbudet og krav om forbedringer i standarden på tjenestene som tilbys. Priser på 
innsatsfaktorer i tjenesteproduksjonen har endret seg i løpet av perioden, noe som har påvirket 
kommunenes kostnader. Dessuten har etterspørselen etter ulike tjenester forandret seg som følge av 
endringer i befolkningssammensetningen. Alt dette har i større eller mindre grad innvirket på 
kommunenes økonomiske handlefrihet. 
 
Økonomisk handlefrihet for en kommune kan måles gjennom størrelsen på kommunens frie 
disponible inntekter. Frie disponible inntekter er ifølge Langørgen mfl. (2005) et uttrykk for 
økonomisk handlefrihet, målt ved de inntekter som kommunene har til rådighet etter at bundne 
kostnader	
7 er dekket i alle sektorer. 
 
For å kunne si noe om kommunenes økonomiske handlefrihet i den aktuelle perioden har vi bygd opp 
kapittelet på følgende måte: I avsnitt 2.1 ser vi på den makroøkonomiske utviklingen. Avsnitt 2.2 gir 
en oversikt over endringer i kommunenes inntektsrammer, mens i avsnitt 2.3 studerer vi endringer i 
faktorer som påvirker bundne kostnader. Til slutt ser vi på bruken av de frie disponible inntektene og 
nevner noen hypoteser om hva som kan ha størst innvirkning på kommunenes økonomiske 
handlefrihet i den aktuelle perioden. 	
2.1 Økonomiske konjunkturer 
Tidligere studier viser at det er en sammenheng mellom den makroøkonomiske situasjonen og 
aktivitetsnivået i kommunesektoren.	8 Kommunene sysselsetter over 20 prosent av Norges 
arbeidsstyrke og er samlet den største tilbyder av velferdstjenester i landet. Produksjonen i 
kommunene er arbeidskraftsintensiv slik at lønnsutviklingen i samfunnet har stor betydning for 
kommunenes kostnader. Samtidig er skatteinntektene kommunenes største inntektskilde, der skatt på 
alminnelig inntekt utgjør 87,4 prosent
9 av kommunenes skatteinntekter. Kommunenes skatteinntekter 
og lønnskostnader henger sammen med sysselsettingen, som påvirkes av aktivitetsnivået i 
økonomien. Prisnivået på innsatsfaktorer i tjenesteproduksjonen følger stort sett det generelle 
prisnivået i landet, mens Norges Banks styringsrente påvirker den økonomiske handlefriheten til 
kommuner med gjeld eller formue. Vi starter derfor med å se på hva som kjennetegner utviklingen i 
norsk økonomi i det aktuelle tidsrommet. 	
 
2.1.1 Makroøkonomien 
Stortinget innførte både Handlingsregelen	10 for bruk av oljeinntektene og inflasjonsmål i mars 2001. 
Norges Bank fikk formelt hovedansvaret for konjunkturstyringen gjennom å bruke styringsrenten, 
også kalt foliorenten, som instrument for å nå et inflasjonsmål	
11 på 2,5 prosent. Tanken bak 
inflasjonsstyringen var å bruke renten som et motsyklisk pengepolitisk virkemiddel med sikte på å 	
 	 	6 Stoltenbergs første regjering (2000-2001), Bondeviks andre regjering (2001-2005) og Stoltenbergs andre regjering (2005-
....). 
7 Se kapitel 3 for en presis definisjon av bundne kostnader. 8 Se blant annet Borge og Rattsø (1997) og Jansen og Kolsrud (2008). 9 På bakgrunn av anslag for 2005 gjennomført av Finansdepartementet. 10 En gjennomgang av handlingsregelen kan leses på Finansdepartementet hjemmesider, se referanselisten for 	URL	-adresse. 	11 Inflasjonsmål på 2,5 prosent vil si at sentralbanken har et mål om en årsvekst i konsumprisene på 2,5 prosent.

3
stabilisere inflasjonen innen en tidshorisont på 1-3 år.	12 Figur 2.1 viser utviklingen i styringsrenten 
fra 2001-2007. Handlingsregelen sier at oljeinntektene gradvis skal fases inn i norsk økonomi, ved at 
man årlig kan overføre fire prosent av statens pensjonsfond – utland	
13 til statsbudsjettet. 
Figur 2.1. Forandringer i makroøkonomiske variable i prosent, 2001-2007 	
 	Kilde: Statistisk sentralbyrå og Norges Bank.	 
 	
En lengre periode med høy økonomisk vekst på 90-tallet resulterte i en opphetet økonomi etter 
årtusenskiftet. Mangelen på arbeidskraft var økende i norsk økonomi. Det førte til at Norge hadde en 
høyere lønnsvekst enn våre viktigste handelspartnere. Med bakgrunn i den høye lønnsveksten viste 
Norges Banks analyser våren 2002 at inflasjonen var tiltagende, samtidig var det nedgangskonjunktur 
og fallende renter internasjonalt. Norges Bank valgte å opprettholde et høyt rentenivå for å dempe 
prisstigningen. Det bidro til at det norske rentenivået var relativt høyt i forhold til andre land. Utfallet 
ble at kronen styrket seg mer enn på lenge.	
14 Gjennom 2001 og 2002 steg kronekursen med 15 
prosent. Dette forverret Norges bytteforhold ovenfor utlandet, og våre eksportvarer ble relativt dyrere 
enn de hadde vært tidligere. I tillegg var det lavkonjunktur internasjonalt. Resultatet var at norsk 
industri ble hardt rammet; om lag 25 000 industriarbeidsplasser gikk tapt. Arbeidsledigheten økte og 
norsk økonomi var ved starten av 2003 inne i en lavkonjunktur, som vist i figur 2.1. 
 
Den sterke kronen bidro sammen med lav prisvekst internasjonalt til at Norge importerte mer varer 
fra lavkostland som Kina, som forsterket utflaggingen av industri til utlandet og ga en lavere 
prisvekst innenlands. Utfallet var at Sentralbanken satte ned styringsrenten fra 7 prosent i desember 
2002, til 1,75 prosent i mars 2004. Den store reduksjonen i rentenivået gjorde at kronekursen svekket 
seg betydelig gjennom 2003, og førte til at nedgangskonjunkturen var moderat og av kort varighet. 
Den forbedrede konjunkturutviklingen, både innenlands og utenlands, og den reduserte kronekursen 
resulterte i at den negative utviklingen i norsk økonomi stanset. Gjennom hele perioden 2004 til 2007 
var det en positiv utvikling i norsk økonomi. Disse årene var preget av lavt rentenivå, økende 
investeringer og avtagende arbeidsledighet. 
 	
 	 	12 Se St.meld. nr. 2. (2005-2006). 13 Statens pensjonsfond - utland ble opprettet ved lov 21. desember 2005 nr. 123 som en overbygning over det som tidligere 
var Statens petroleumsfond og Folketrygdfondet, se St.meld. nr. 2. (2005-2006). 
14 Når den norske kronen styrker seg vil det si det samme som at valutakursen reduseres.

4
Fra figur 2.1 ser vi at den kortvarige nedgangskonjunkturen fra 2000 til 2002 reduserte veksten i 
bruttonasjonalprodukt og økte antall arbeidsledige i denne perioden. Med bakgrunn i nedgangs-
konjunkturen falt lønnsveksten fra ca. 6,5 prosent fra 2001 til 2002 til mellom 3 og 4 prosent fra 2002 
til 2003. Lønnsveksten lå på dette nivået helt til 2006 da veksten var på ca. 5 prosent. 
2.2 Endring i kommunenes inntektsrammer 
Som Langørgen og Aaberge (2006) forutsetter vi at en kommunes tilgang på midler alltid er lik en 
kommunes anvendelse. Dvs. at hvis en kommune får en ekstra krone i inntekt vil dette nøyaktig 
motsvares av endringer i utgifter og netto driftsresultat. Endringer i kommunenes inntektsrammer vil 
dermed påvirke deres økonomiske handlefrihet. I dette avsnittet gir vi derfor en oversikt over 
hvordan staten finansierer norske kommuner og ser nærmere på kommunenes inntektsutvikling fra 
2001 til 2007. 
2.2.1 Finansiering av norske kommuner 
Inntektssystemet for kommunene i Norge ble innført i 1986. Dette innebar en endring i statens 
styring av kommunesektoren. Forandringen bestod i at overføringene fra stat til kommune i større 
grad ble ubetingede, dvs. at staten gikk over til mer rammestyring av kommunene isteden for 
øremerkede tilskudd. 	
NOU	 (2005) påpeker at innføringen av inntektssystemet gav kommunene større 
handlefrihet og en bedre oversikt over inntektsforhold enn tidligere. Siden 1986 har det vært flere 
endringer i systemet, men prinsippet om rammestyring har ligget fast. Figur 2.2 viser utviklingen i 
rammetilskudd, øremerkede tilskudd og øvrige statstilskudd, som andel av kommunenes korrigerte 
driftsinntekter,	
15 i perioden 2001-2007. 
 
Ifølge Langørgen (2001) har inntektssystemet som overordnet mål å utjevne kommunenes 
økonomiske rammebetingelser, slik at man oppnår et likeverdig tjenestetilbud til innbyggere over 
hele landet. Med dette menes det ikke at kommunene skal ha like inntekter, men at alle kommunene 
skulle ha like forutsetninger for å gi innbyggerne et likeverdig tjenestetilbud. Dagens inntektssystem 
skal også ivareta regional- og distriktspolitiske målsetninger. Små kommuner mottar derfor 
regionaltilskudd, kommuner i Nord-Norge mottar Nord-Norgetilskudd og deler av skjønnstilskuddet 
er begrunnet ut fra regionalpolitiske hensyn. I tillegg til regionaltilskudd, Nord-Norgetilskudd og 
skjønnstilskudd inneholder det totale rammetilskuddet fra stat til kommune inntektsutjevning og 
utgiftsutjevning.
16 
 
Ved fordeling av rammetilskudd fra stat til kommune tas det hensyn til utjevning av utgifter og 
inntekter. Utgiftsutjevning vil kort sagt si at de kommunene som har et høyt beregnet utgiftsbehov får 
overført midler fra kommuner med et lavere beregnet utgiftsbehov.	
17 Inntektsutjevning omhandler 
derimot fordeling av skatteinntekter	18 fra kommuner med høye skatteinntekter til kommuner med 
lavere skatteinntekter. Langørgen (2001) påpeker at denne utjevningen ikke er fullstendig, siden 
betydelige inntektskomponenter som eiendomsskatt og konsesjonskraftskatt er sett bort ifra og 
kompensasjonsgraden er mindre enn 100 prosent. 
 
I Norge er den lokale beskatningsfriheten meget begrenset. 	
NOU	 (2005) påpeker at blant de nordiske 
landene er det de norske kommuner som har minst grad av lokal beskatningsfrihet. Skatteregler og 
maksimale skattesatser fastsettes i hovedsak av Stortinget. Siden alle kommunene benytter seg av 
maksimalskattesatsene bestemmes kommunenes skatteinntekter av det lokale skattegrunnlaget. 
 	
 	 	15 Se vedlegg H for vår definisjon av kommunenes samlede inntekter samt de ulike inntektsbegrepene. 16 Se Langørgen (2001) for en nærmere forklaring av disse tilskuddene. 17 Ifølge 	NOU	 (2005) er det bare utgiftsutjevning i sektorene barnehager, grunnskole, helsestell, sosialhjelp, pleie og 
omsorg, barnevern, og administrasjon. 	
18 Inntektene som utjevnes er inntekts- og formueskatt fra personlige skatteytere, kommunal selskapsskatt og 
naturressursskatt fra kraftforetak, se 	
NOU	 (2005).

5
Figur 2.2. Statstilskudd, prosent av korrigerte driftsinntekter, 2001-2007 	
0 5 10 15 20 25
2001 2002 2003 2004 2005 2006 2007	
Rammetils kudd
Øremerkede tils kudd
Øvrige statstilskudd	
 	 Kilde: 	KOSTRA	. 	
 
Norske kommuner har også muligheten til å låne penger for å finansiere investeringer. 
Gjeldsfinansiering må godkjennes av fylkesmannen,	19 som setter grenser for kommunenes 
låneopptak. Borge mfl. (2001) konstaterer at kommunene står ovenfor to andre lånebegrensninger. 
For det første møter de begrensninger i kredittmarkedet på lik linje med private aktører.	
20 For det 
andre er kommunene pålagt å følge regler om balanse på sitt budsjett bestemt av de sentrale 
myndighetene. 
 
Kommuner som viser uforsvarlighet gjennom opptak av lån og budsjettering om nedbetaling av lån 
blir kontrollert og fulgt opp av staten. Borge mfl. (2001) påpeker at budsjettkontrollen etter 2001 har 
blitt mer målbestemt enn tidligere.	
21 Kommuner som ikke har balanse i sitt budsjett, og samtidig ikke 
har lagt en plan for nedbetaling av underskudd i løpet av to år, blir fulgt nøye opp av de sentrale 
myndighetene. I 2001 var litt over 10 prosent av norske kommuner oppført i 	
ROBEK	-registeret. 
Kommunenes gjeld ble, ifølge Kommunal- og regionaldepartementet (2006), drastisk redusert i 
perioden 2004–2006. Bakgrunnen for dette var kommunenes økte inntektsvekst i forbindelse med det 
høye aktivitetsnivået i norsk økonomi, rentenivået var lavt i den samme perioden og det var en stor 
økning i rammetilskudd i 2006. 	
2.2.2 Kommunenes inntektsutvikling 
Aktiviteten i norske kommuner styres gjennom deres inntekter. Det er fordi kommunenes utgifter til 
tjenesteproduksjon grovt sett samsvarer med deres tilgjengelige midler. Tabell 2.1 viser oss 
summarisk statistikk for kommunenes korrigerte driftsinntekter per innbygger fra 2001 til 2007. 
Tabellen viser at kommunenes gjennomsnitts- og minimumsinntekt regulert i faste kroner per 
 	 	19 Fylkesmannen er Kongens og regjeringens representant i fylket og skal arbeide for at Stortingets og regjeringens vedtak, 
mål og retningslinjer blir fulgt opp. På vegne av flere departementer utfører fylkesmannen en rekke forvaltningsoppgaver 
i forhold til kommuner og enkeltpersoner, og er klage- og tilsynsmyndighet. 
20 Norske kommuner kan ikke gå konkurs siden sentrale myndigheter blir nødt til å nedbetale gjelden hvis det oppstår en 
finanskrise. Derfor blir lån til kommunene forbundet med liten risiko. 
21 Det har sammenheng med at 	ROBEK	-registeret ble innført 1. januar 2001. 	ROBEK	 (Register om betinget godkjenning og 
kontroll) er et register over kommuner som må ha godkjenning av Kommunal- og regionaldepartementet for å kunne fatte 
vedtak som omhandler opptak av lån, finansiell leasing og leie av bygninger, anlegg og varige driftsmidler som kan 
påføre kommunen utgifter utover de fire neste driftsår.

6
innbygger har økt fra år til år. Dette tyder på at kommunene har forbedret sin økonomiske 
handlefrihet i perioden, forutsatt at de bundne kostnadene ikke har økt like mye. 
Tabell 2.1. Summarisk statistikk for kommunenes korrigerte driftsinntekter, kroner per 
innbygger i 2007-priser* 
År Antall observasjoner** Gjennomsnitt Minimum Maksimum Standardavvik	
2001 432 43 993 25 744 128 172 12 615
2002 431 45 462 16 891 137 222 12 894
2003 432 46 303 27 951 158 725 13 420
2004 433 48 816 31 752 145 219 13 255
2005 432 50 397 31 657 179 214 14 383
2006 430 54 394 35 663 178 347 15 513
2007 430 57 029 38 198 169 759 17 212	
* For å omregne inntektene til 2007-priser har vi benyttet prisindeksen presentert i Kommunal- og regionaldepartementet (2008). 
** Bakgrunnen for at antall observasjoner ikke stemmer overens med kommuneantallet de respektive år er at enkelte kommuner ikke har 
meldt inn inntekter gjennom 	
KOSTRA	. 	
 
Norske kommuner har seks inntektskilder: skatteinntekter, gebyrinntekter fra salg og leie, 
renteinntekter fra bankinnskudd og andre fordringer, øremerkede tilskudd, rammetilskudd og øvrige 
statstilskudd. Tabell 2.2 viser oss utviklingen i kommunenes inntektskilder som prosent av samlede 
inntekter fra 2001 til 2007. Skatteinntekter er den største inntektskilden til kommunene, og utgjør 
nesten 50 prosent av totale inntekter. Øremerkede tilskudd, rammeoverføringer og øvrige 
statstilskudd er overføringene fra staten til kommunene. I tabell 2.2 og figur 2.2 ser vi at summen av 
rammetilskudd og øvrige statstilskudd øker i løpet av perioden. Dette har gitt kommunene økt 
handlefrihet ved at de gradvis har fått større selvråderett over sine inntekter enn tidligere. Økningen i 
øvrige statstilskudd fra 2003 til 2004 skyldes innføringen av momskompensasjonsordningen den 1. 
januar 2004.	
22 Denne ordningen ble finansiert ved at kommunene fikk et mindre rammetilskudd enn 
tidligere. Når det gjelder øremerkede tilskudd har de en betydelig reduksjon fra 2001 til 2002. 
Årsaken til dette er at de øremerkede tilskudd til omsorgstjenester ble innlemmet i inntektssystemet 
den 1. januar 2002.	
23 
Tabell 2.2. Kommunenes inntekter, prosent av korrigerte driftsinntekter, 2001-2007 	
 2001 2002 2003 2004 2005 2006 2007
Skatteinntekter 47,8 47,6 48,4 48,1 48,2 49,1 47,3
Gebyrinntekter 16,6 17,0 17,0 16,2 15,7 14,5 14,5
Netto renteinntekter -0,1 -0,1 -0,8 -0,3 -0,9 -0,9 -0,1
Rammetilskudd 22,0 23,5 22,6 19,0 18,8 19,2 19,2
Øremerkede tilskudd 9,3 7,6 7,6 7,3 8,2 7,5 7,4
Øvrige statstilskudd 4,4 4,4 5,2 9,7 10,0 10,6 11,7
Totalt 100,0 100,0 100,0 100,0 100,0 100,0 100,0
 
Gebyrinntektenes andel av totalinntekter hadde en betydelig reduksjon fra 2003 til 2006. Årsaken til 
denne endringen er at det ble innført en maksimalgrense for foreldrebetalingen i barnehagene på 
2500 kroner	
24 per måned den 1. mai 2004. Den økonomiske belastingen for kommunene ved 
innføringen av denne ordningen var ikke stor siden den ble fulgt opp av økte rammeoverføringer. 
 
Rammeoverføringer, øremerkede tilskudd og øvrige statstilskudd er, som nevnt tidligere, 
overføringer fra staten til kommunene. Finansdepartementet styrer inntektsoverføring fra stat til 
kommune etter føringer fra Stortinget. Midlene bevilges på grunnlag av kommunenes forventede 
utgiftsbehov og skatteinntekter. Disse forventningene har en tendens til å undervurdere 
konjunkturene slik at kommuneøkonomien blir påvirket av realøkonomien. Borge og Rattsø (2002) 
fant at i perioden 1986 til 1999 var det bare to år der Finansdepartementet overestimerte 	
 	 	22 Se Skatteetaten (2004) for en gjennomgang av momskompensasjonsordningen. 23 Det øremerkede tilskuddet til omsorgstjenester var på ca. 3,5 milliarder kroner i 2001. 24 Målt i 2002-priser.

7
kommunenes skatteinntekter. De begrunner dette med at Finansdepartementet underestimerer 
lønnsvekst til offentlig ansatte.	25 
 
Siden kommunenes aktivitetsnivå påvirkes av inntektsoverføringene fra staten, kan de brukes som et 
finanspolitisk virkemiddel. Hole og Gjeldsvik (2006) fastslår at staten har innflytelse på mellom 83 
og 88 prosent av kommuneforvaltningens totale inntektsramme. Ved å øke kommunenes 
inntektsrammer kan Stortinget stimulere økonomien i nedgangstider, eller redusere aktivitetsnivået 
ved en høykonjunktur. Borge og Rattsø (1997) viser at kommunenes aktivitetsvekst i perioden 1900-
1990 ble negativt påvirket av vekst i økonomien som helhet. Dette taler for at staten brukte 
aktivitetsnivået i kommuneforvaltningen som et keynesiansk stabiliseringsverktøy.	
26 
Figur 2.3. Kommunenes gjennomsnittlige skatteinntekter per innbygger i 2007-priser, 2001-
2007 	
0 5 000 10 000 15 000 20 000 25 000 30 000	
2001 2002 2003 2004 2005 2006 2007	
 	 Kilde: 	KOSTRA	. 	
 
Som vi så i tabell 2.2 er skatteinntekter kommunenes desidert største inntektskilde. Kommunene 
deler skattegrunnlaget med fylkeskommunene og staten, der reglene og satsene er bestemt av 
Stortinget. Kommunenes skatteinntekter består av inntekts- og formueskatt, eiendomsskatt,	
27 
naturressursskatt og selskapsskatt, der skatt på alminnelig inntekt utgjør 87,4 prosent av de totale 
skattinntekter. Når det gjelder skatt på alminnelig inntekt ser man at det er to effekter som tilsier at 
skatteinngangen til kommunene skal øke under en høykonjunktur. Hvis aktivitetsnivået er høyt vil 
arbeidsledigheten være lav, og det vil være et høyere lønnspress. Kommunenes skattebase vil øke 
dersom det blir flere skattebetalere og hver av dem betaler mer skatt. 	
 
 	
 	25 Borge og Rattsø (2002) mener dette kommer av Finansdepartementets ønske om at et slikt signal kan virke modererende 
på hele lønnsdannelsen i norsk økonomi. 
26 Keynesiansk stabiliseringspolitikk vil si at man bruker etterspørselssiden i økonomien for å flate ut konjunkturene. 27 Eiendomsskatt er skatt som betales av verdien på fast eiendom. Skatten settes av kommunen selv og kan variere mellom 
2 og 7 promille av likningsverdien på eiendommen. Før 1. januar 2007 var eiendomsskatten bare tilgjengelig for 
kommuner i urbane områder eller kommuner med kraftanlegg. Fra og med skatteåret 2007 kunne kommunene selv 
bestemme om de skal skrive ut eiendomsskatt i hele kommunen, bare innenfor områder som er utbygd på byvis og/eller 
(bare) på verk og bruk. Som hovedregel skal det foretas ny taksering av eiendommen hvert tiende år. Det første året 
kommunen skriver ut eiendomskatt kan ikke satsen overstige 2 promille av likningsverdien på eiendommen. Skattesatsen 
kan for hvert påfølgende år økes med 2 promille, opp til maksimalsatsen på 7 promille.

8
Figur 2.3 viser utviklingen i kommunesektorens skatteinntekter fra 2001 til 2007. Ved å studere figur 
2.3 ser vi at veksten i kommunesektorens skatteinntekter per innbygger øker i hele den aktuelle 
perioden. 	
 	
Rentenivået påvirker også kommunenes økonomi. Fra tabell 2.2 ser vi at netto renteinntekter er 
negative siden kommunene sitter med netto gjeld. Disse inntektene er også små som andel av 
samlede inntekter. Netto renteinntekter avhenger av netto rentenivå og størrelsen på kommunenes 
fordringer. På kort sikt vil effekten av en renteøkning på kommunenes økonomi være usikker. Vi vet 
at kommunenes lån som oftest er bundet til lange renter, slik at korttidseffekten er liten. Kommuner 
med fordringer vil derimot få økte inntekter umiddelbart. På lang sikt vil effekten av en økt rente 
være negativ siden kommunene sitter med nettogjeld.	
28 Denne effekten motvirkes av effekten på 
pensjonspremier. Økt rente gir økt avkastning til pensjonskassene, og dermed reduseres kommunenes 
behov for å betale inn til disse pensjonsfondene for å overholde sine pensjonsforpliktelser. 
 
Gebyrer er lovregulerte og begrenset til å dekke kostnader, men hvor stor andel av kostnadene 
gebyrene dekker varierer fra tjeneste til tjeneste og mellom kommuner. En reduksjon i kommunenes 
gebyrinntekter, som sammen med øremerkede tilskudd omtales som bundne inntekter	
29, kan ha to 
forklaringer: For det første kan endringene skyldes at kommunenes innbyggere i mindre grad 
benytter seg av de gebyrbelagte tjenestene. Dette vil kunne øke kommunenes økonomiske 
handlefrihet hvis gebyret ikke dekker alle kostnadene forbundet med produksjonen av tjenesten. For 
det andre kan en endring i gebyrinntektene skyldes at gebyrsatsene ikke øker i takt med 
kostnadsutviklingen i tjenesteproduksjonen. Dette vil isolert sett føre til en redusert økonomisk 
handlefrihet for kommunene, siden andre inntekter blir bundet opp i produksjonen av tjenesten.	
30 	
2.3 Endring i forhold som påvirker bundne kostnader 
Kommunene må i tjenesteproduksjonen innfri minstestandarder og lovpålagte oppgaver. Generelt vil 
dette gjelde alle minstestandarder og normer samfunnet pålegger kommunene. Kostnaden ved å 
opprettholde denne produksjonen omtales som bundne kostnader. 
 
Endringer i bundne kostnader kan ha fire forklaringer, som vist i figur 2.4. For det første kan 
myndighetene endre kommunens lovpålagte oppgaver eller de kan pålegge reformer. For det andre 
vil forandringer i faktorpriser påvirke kostnadene knyttet til opprettholdelse av minstestandarder og 
lovpålagte oppgaver. For det tredje kan svingninger i demografiske, sosiale og geografiske forhold 
samt andre kostnadsfaktorer gi endringer i bundne kostnader til en gitt standard på kommunens 
tjenestetilbud. 
 
Modellen 	
KOMMODE	 inneholdt i utgangspunktet åtte tjenesteytende sektorer. Rapporteringen fra 
kommune til stat	31 ble mer detaljert fra og med 2001, derfor utarbeidet Langørgen og Aaberge (2006) 
en mer disaggregert versjon av modellen. De delte inn kommunenes tjenesteproduksjon i tolv 
sektorer: administrasjon, grunnskoler, øvrig utdanning, barnehager, helsestell, sosialhjelp, barnevern, 
pleie- og omsorgstjenester, kultur, kommunale veier, vann, avløp og renovasjon (	
VAR	) og øvrig 
infrastruktur. 
 	
 	 	28 I følge 	TBU	 (2006) varierte nettogjeld, i prosent av totale inntekter, mellom 11,1 og 25,1 i årene 2001 til 2005. 	29 Bundne inntekter vil si inntekter kommunene selv ikke kan disponere fritt, da disse inntektene er bundet opp til 
produksjonen av en enkelt tjeneste. Kommunenes gebyrinntekter fra for eksempel innbyggere som benytter seg av 
kommunens barnehager må altså brukes til produksjon av barnehagetjenester. 
30 Regulerte foreldrebetalinger til barnehagesektoren ble innført den 1. mai 2004, som vi kommer tilbake til i avsnitt 2.3.1. 
Innføringen av maksimalprisen ble fulgt opp av økte øremerkede tilskudd til kommunene slik at deres økonomiske 
handlefrihet ikke ble redusert av denne reformen. 
31 Også omtalt som	 KOSTRA 	eller Kommune Stat Rapportering.

9
Figur 2.4. Årsaker til endringer i kommunenes bundne kostnader 	
 	
 
En oversikt over hvilke funksjoner	32 hver av sektorene innholder er gitt i vedlegg G. Med 
utgangspunkt i denne inndelingen har vi beregnet sektorenes driftsutgiftsandeler av de samlede 
driftsutgifter, se tabell 2.3, slik at vi får innblikk i størrelsen på sektorene i forhold til hverandre. 
Tabell 2.3. Fordeling av kommunale driftsutgifter på tjenesteytende sektorer i prosent, 2001-
2007* 	
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 10,8 8,1 9,4 8,8 8,0 8,2 8,5
Grunnskoler 21,9 22,2 22,1 21,9 21,9 21,4 21,1
Øvrig utdanning 3,2 3,4 3,4 3,3 3,2 3,1 3,0
Barnehager 5,9 6,5 7,0 7,8 8,6 9,8 10,6
Helsestell 4,5 4,6 4,5 4,4 4,3 4,2 4,1
Sosialhjelp 4,8 5,1 5,1 4,9 5,1 4,8 4,5
Barnevern 2,9 3,1 3,1 3,2 3,2 3,2 3,2
Pleie og omsorg 28,0 29,7 28,7 28,8 28,9 29,0 29,1
Kultur 4,2 4,3 4,1 4,0 4,1 4,0 4,1
Kommunale veier 1,8 1,7 1,7 1,6 1,6 1,7 1,6
VAR 	5,0 5,0 4,8 4,9 4,6 4,4 4,0
Øvrig infrastruktur 7,0 6,4 6,2 6,4 6,6 6,2 6,2
Sum 100,0 100,0 100,0 100,0 100,0 100,0 100,0	
* Tabellen viser utgiftsandeler for hele landet. For barnehagesektoren har vi fjernet gebyrinntekter på utgiftsiden, en forklaring av dette gis 
i 4.1.2. Kilde: 	KOSTRA	. 	
2.3.1 Endringer i kommunenes oppgaver 
Kommunenes oppgaver er definert som oppgaver de pålegges av Stortinget eller Regjeringen, 
gjennom lovpålagte tjenestetilbud og minstestandarder. Forandring i kommunenes oppgaver kan 
skyldes at ansvaret for produksjonen av tjenesten overføres til staten eller fylkeskommunene	
33, eller 
at det pålegges forandringer i tjenester kommunene allerede produserer. Pålagte forandringer i 
tjenesteproduksjonen henger ofte sammen med nasjonale satsinger eller reformer. Siden vi ser på 
kommunenes kostnadsendringer som følge av deres endring i oppgaver er det derfor viktig å 
presisere hvorvidt den pålagte oppgaveendringen blir fulgt opp finansielt. Dette avsnittet gir en 
oversikt over de viktigste endringene i kommunenes oppgaver i perioden 2001 til 2007. 
 	
 	 	32 En funksjon er et regnskapsbegrep i 	KOSTRA	. For eksempel melder kommunene inn alle sine driftsutgifter forbundet med 
grunnskoler under funksjonen grunnskole i 
KOSTRA	. 	33 Det kan også skje at kommunene overtar oppgaver fra staten eller fylkeskommunen. Frydenberg og Bernt (2005) påpeker 
at trenden med flytting av oppgaver fra staten til kommunene og fylkeskommunene har snudd de siste årene.	
 	
Endringer i andre 
faktorer som påvirker 
kostnader per 
produsert enhet 	Endringer i faktorer 
som påvirker 
behovet for tjenester 	Endringer i 
lovpålagte oppgaver 
og minstestandarder 	
 	
Endringer i bundne 
kostnader etter sektor 	
Endringer i 
faktorpriser 
 	
Varias	joner i bundne kostnade	r

10
1. januar 1998 ble "Handlingsplan for eldreomsorgen - Trygghet, respekt og kvalitet"	34 iverksatt. 
Viktige målsetninger med handlingsplanen var å gi øremerkede midler til nye omsorgsboliger og 
sykehjemsplasser, samt øke driftsutgiftene og dekke renter og avdrag knyttet til investeringene. Man 
skulle også øke antall årsverk i sektoren med i overkant av 12 000, og bygge ut 24 000 
omsorgsplasser av forskjellig art i løpet av perioden. Planen var først ment å vare i fire år, men ble 
senere utvidet med ytterligere to. Begrunnelsen var at man ville øke standarden på eldreomsorgen og 
holde tritt med den økende veksten i antall brukere. Handlingsplanen ble fulgt opp av økte 
rammebetingelser gjennom statsbudsjettene fra 1998 til 2006, noe som begrenser den økonomiske 
belastningen for kommunene. 
 
Stoltenbergs andre regjering satte seg som mål å øke antall årsverk i sektoren med 10 000 i løpet av 
regjeringsperioden. Som vi ser fra figur 2.5 er regjeringen på god vei, siden 2005 har det vært en 
økning på 9 400 årsverk i pleie- og omsorgssektoren. Økningen har i all hovedsak kommet blant 
ansatte med helse- og sosialfaglig bakgrunn, noe som betyr bedre kvalitet for de pleietrengende. 
 
Figur 2.5. Pleie- og omsorgssektoren, 2001-2007 	
 
* For å omregne driftsutgiftene til 2007-priser har vi benyttet prisindeksen presentert i Kommunal- og regionaldepartementet (2008). Kilde: 
Statistisk sentralbyrå 	
 
Utdanningssektoren	35 i kommunene møtte også en økt satsing i løpet av perioden. Ifølge St.prop.1	36 
foreslo regjeringen "Stoltenberg I" gjennom statsbudsjettet	37 september 2001 en ordning med 
rentekompensasjon for å stimulere til økt opprustning og utbygging av skolebygg. Begrunnelsen var 
at den generelle standarden på skolebygg var dårligere enn ønsket, og at elevgrunnlaget var økende. 
Ordningen, som trådte i kraft 1. januar 2002, sier at staten dekker løpende renteutgifter til 
kommunene i en åtteårsperiode, og må ifølge stortingsproposisjonen sees i sammenheng med den 
reelle veksten i kommunesektorens frie inntekter	
38 i 2002. 
 
Ifølge St.prp. nr.64	
39 innførte barne- og familiedepartementet under regjeringen "Bondevik II" en økt 
satsing på barnehager gjennom St.meld. nr.24	40 den 11. april 2003. Dette forliket	41 i Stortinget, som 
trådte i kraft den 1. mai 2004, omfattet hovedsakelig innføring av målet om barnehageplass til alle 
som ønsker det, 80 prosent offentlig finansiering av driftskostnader i sektoren, likebehandling av 
offentlige og private barnehager	
42 og regulering av foreldrebetalingen i barnehager. Innføring av 	
 	 	34 Handlingsplanen ble vedtatt ved behandling av St.meld. nr.50 (1996-1997) og senere fulgt opp av statsbudsjettene 1998-
2006.	
 	35 Utdanningssektoren omhandler sektorene grunnskole og øvrig utdanning i	 KOMMODE	. 	36 St.prp. 1 (2001-2002) " Den kongelige proposisjon om statsbudsjettet medregnet folketrygden for budsjetterminen 1. 
januar - 31. desember 2002."	
 	37 Senere revidert av "Bondevik I", men rentekompensasjonsordningen ble ikke forandret. 38 En kommunes frie inntekter er summen av kommunens skatteinntekter og rammetilskudd. Tanken bak begrepet frie 
inntekter er at disse inntektene ikke er bundet til et spesielt formål, altså ikke øremerket. 
39 St.prp. nr.64 (2003/2004): ”Om lokaldemokrati, velferd og økonomi i kommunesektoren 2005”. 40 St.meld. nr.24 (2002/2003): ”Barnehagetilbud til alle - økonomi, valgfrihet og mangfold”. 41 Kalt "Barnehageforliket". 42 Se referanselisten for 	URL	-adressen til FOR 2004-03-19 nr 539: Forskrift om likebehandling av barnehager i forhold til 
offentlige tilskudd. Ut fra forskriften ser vi at likebehandlingen ikke er fullstendig siden kommunene bare har plikt til å gi

11
maksimalpris, plikten til likeverdig behandling og drift av nye barnehageplasser påførte kommunene 
merutgifter. Disse merutgiftene varierer mye fra kommune til kommune. For å kompensere 
kommunene for påførte merutgifter, ble det fra 1. mai 2004 innført en ny statlig tilskuddordning med 
skjønnsmidler til kommunene. Skjønnsmidlene er et øremerket tilskudd til kommunen, som i sin 
helhet skulle brukes til drift av barnehager. Med bakgrunn i dette forliket fikk om lag 26 000 flere 
barn barnehageplass i 2006 og 2007. 
 
1. januar 2004 var det også tre endringer som påvirket kommunenes økonomi. For det første ble flere 
oppgaver innen matforvaltningen overført fra kommunene til staten.	
43 Overføringen førte til at 
kommunenes rammebevilgninger ble redusert med 148 mill. kroner i 2003	44, samt en reduksjon i 
kommunenes samlede inntekter på 0,07 prosent i 2004. For det andre opphørte ordningen med 
øremerket tilskudd til skolefritidsordningen, ifølge Kommunal- og regionaldepartementet (2004). For 
det tredje ble det innført en finansieringsordning for særlig ressurskrevende brukere. Finansierings-
ordningen gikk ut på at kommunene ble kompensert for 80 prosent av lønnskostnadene som 
overstiger et innslagspunkt.	
45 Ordningen ble finansiert som en overslagsbevilgning. 
 
Fra og med 1. september 2004 gjaldt introduksjonsloven som en obligatorisk ordning for alle 
kommuner. Formålet med denne loven er å styrke nyankomne innvandreres mulighet for deltakelse i 
yrkes- og samfunnslivet, og deres økonomiske selvstendighet.	
46 Introduksjonsordningen ble hoved-
sakelig finansiert av integreringstilskudd	47 og tilskudd til norskopplæring. 	
 
2.3.2 Endring i faktorpriser 
Norske kommuners bundne kostnader påvirkes også av faktorpriser. En økning i prisen på en 
innsatsfaktor til en gitt tjenesteproduksjon vil øke kommunenes kostnader knyttet til denne 
tjenesteproduksjonen. 
 
Produksjonen i kommunene er arbeidskraftintensiv, enhetskostnadene i kommunenes tjeneste-
produksjon vil derfor i stor grad påvirkes av endringer i lønnsnivået. Gjennom såkalte 
lønnssmittemekanismer vil et økt lønnsnivå i privat sektor resultere i økte lønninger i offentlig 
sektor.	
48 Dette gjelder spesielt ved høyt aktivitetsnivå i økonomien, siden konkurransen om 
arbeidskraft da er stor. I Norge har vi dessuten sterke fagforeninger som bidrar til å legge press på 
offentlig lønnsdannelse hvis lønnsutviklingen er dårligere i offentlig enn i privat sektor. 
Kommunenes sentralforbund forhandler på vegne av kommunene, men med nær kontakt med staten. 
Figur 2.6 viser veksten i gjennomsnittslønninger for heltidsansatte, på landsbasis og i kommune-
sektoren, fra 2001 til 2006. Vi ser tydelig at lønnssmittemekanismen er gjeldende, spesielt i 2001-
2003 og 2004-2006. 
 
Kommunene bruker også andre innsatsfaktorer enn arbeidskraft i tjenesteproduksjonen. Prisene på 
disse innsatsfaktorene følger i all hovedsak den nasjonale lønnsutviklingen og kommunenes 
skatteinntekter, slik at effekten på kommunenes handlefrihet er marginal. 
 	
 	 	
et tilskudd til private barnehager som tilsvarer minimum 85 prosent av de tilskuddene de kommunale barnehagene 
mottar. 
43 Utredet i St.prp. nr.1 (2002-2003) - Tillegg nr. 8: "Om ny organisering av matforvaltningen". 44 Ifølge St. prp nr. 66 (2002-2003). 45 Denne finansieringsordningen er beskrevet i St.prp. nr 66 (2002-2003) som modell 2. Se avsnitt B.1 for en gjennomgang 
av utviklingen i innslagpunktet fra 2004 til 2006. 
46 Se Lov om introduksjonsordningen og norskopplæring for nyankomne innvandrere (introduksjonsloven). 47 Introduksjonstilskudd er et særegent tilskudd fra stat til kommune som er ført opp under funksjon 275 art 810 i 	KOSTRA	. 
Tilskuddet blir ført under inntektsgruppen øvrige statsoverføringer, se vedlegg H. 	
48 Se Håkonsen mfl. (2008) for en gjennomgang av disse mekanismene.

12
Figur 2.6. Prosentlig vekst i gjennomsnittlig månedslønn for heltidsansatte, 2001-2007 	
0 1
2
3 4 5
6
7
2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007	
A lle næringer totalt
Kommune og f y lkes kommune	
 
 	Kilde: Statistisk sentralbyrå 	
 
Elektrisitetspriser er derimot meget volatile, som vist i tabell 2.4, og påvirker utgiftene til store deler 
av kommunenes tjenesteproduksjon. Tabellen uttrykker at kommunenes økonomiske handlefrihet var 
begrenset i 2003 og 2006, siden elektrisitetsprisen var relativt høy i disse årene.	
 	
Tabell 2.4. Gjennomsnittlige elektrisitetspriser for offentlig forvaltning målt i øre/kWh med 
alle avgifter inkludert i 2007-priser, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Elektrisitetspriser 45,5
47,9 57,9 55,2 54,2 61,8 59,6
* For å omregne driftsutgiftene til 2007-priser har vi benyttet prisindeksen presentert i Kommunal- og regionaldepartementet (2008). Kilde: 
Statistisk sentralbyrå 
2.3.3 Endring i variabler som gir variasjoner i bundne kostnader 
Kommunenes bundne kostnader er krevende å tallfeste siden det er tjenestestandarden, og ikke 
kostnadene ved å opprettholde den, som de blir pålagt av samfunnet. Endringer i bundne kostnader 
kan skyldes flere ting, som vist i figur 2.4. Langørgen mfl. (2005) testet hypoteser om variabler som 
gir opphav til bundne kostnader i 12 tjenesteytende sektorer ut fra kjennskap til lovpålagte oppgaver, 
minstestandarder, produksjonsforhold og andre rammebetingelser for kommunene. Det ble funnet 
variabler som gav opphav til bundne kostnader i kommunenes tolv tjenesteytende sektorer. I tillegg 
til at disse variablene har en signifikant effekt på utgiftsbruken i de ulike sektorene har de også en 
teoretisk begrunnelse. Vedlegg B gir presise definisjoner og måletidspunkt av alle variablene som 
presenteres i dette avsnittet. Vi vil derfor i dette avsnittet presentere sektorene, variablene og deres 
teoretiske begrunnelse, og se på endringer i disse variablene fra år til år i perioden 2001-2007. Tabell 
A.1 viser endringer i variablene mens A.2 presenterer summarisk statistikk over de samme 
variablene. 
 
Administrasjon. Sektoren administrasjon i en gitt kommune omfatter kommunens kostnader til 
politisk styring og kontrollorgan, administrasjon, administrasjonslokaler og diverse fellesutgifter. 
Langørgen mfl. (2005) fant to variabler som har en positiv sammenheng med bundne kostnader per 
innbygger i sektoren, som er småkommuneindikator 0-2000 innbyggere og 0-5000 innbyggere.	
49 
 
Småkommuneindikatorene har som formål å fange opp kommunens smådriftsulemper ved 
tjenesteproduksjon.	
50 Slike ulemper har sammenheng med at det er en del oppgaver som utføres 	
 	 	49 Småkommuneindikatorene 0-2000 innbyggere og 0-5000 innbyggere er omtalt nærmere i vedlegg B. 50 Se Langørgen mfl. (2005) for en mer utdypende forklaring av indikatorene og den stykkevise funksjonen.

13
uansett om det dreier seg om en liten eller stor kommune. Kostnaden per innbyggere for disse 
kommunale tjenestene er derfor høyere i kommuner med få innbyggere enn i kommuner med mange 
innbyggere. Sammen med sektoren administrasjon fant Langørgen mfl. (2005) at sektorene 
grunnskole, barnehager, helsestell, pleie og omsorg, kultur, kommunale veier og øvrig infrastruktur 
har smådriftsulemper. Med andre ord er det en påvist sammenheng mellom sektorenes bundne 
kostnader per innbygger og småkommuneindikatorene. 
 
Tabell A.2 viser oss summarisk statistikk over blant annet smådriftsindikatorene fra 2001 til 2007. 
Fra disse tallene har vi utarbeidet tabell 2.5, som viser prosentvis endring i indikatorenes 
gjennomsnitt.	
51 Som vi ser har det vært en liten endring i antall småkommuner med et innbyggertall 
mellom hhv. 0-2000 og 2000-5000. Dette tyder på at innbyggertallet i kommunene har vært relativt 
stabilt i denne perioden. Småkommuneindikatorene bidrar derfor i liten grad til å forklare endringene 
i bundne kostnader per innbygger, i de respektive sektorene, i de årene vi ser på. 
Tabell 2.5. Endringer i indikatorer for kommunenes smådriftsulemper, prosent* 	
Variabel 2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007
Småkommuneindikator 0-2000 innb. 6,7 0,0 0,0 0,0 6,3 0,0
Småkommuneindikator 0-5000 innb. 0,0 0,0 0,8 0,0 -0,8 0,8
Basiskriteriet (invers folkemengde) 0,9 0,8 0,8 0,3 0,0 0,8
* Tabellen viser endringer i indikatorenes gjennomsnitt. Basiskriteriet er en variabel som alternativt fanger opp kommunenes 
smådriftsulemper og er inkludert i denne tabellen siden vi benytter denne variabelen til å fange opp smådriftsulemper i den nye versjonen 
av 
KOMMODE	. Se vedlegg B for en definisjon av kriteriet. 	
 
Grunnskoler. I 	KOSTRA	 omfatter grunnskolesektoren to funksjoner: grunnskole	52 samt skolelokaler 
og skyss. Langørgen mfl. (2005) fant syv variabler som påvirker sektorens bundne kostnader per 
innbygger: folkemengde 6-12 år, folkemengde 13-15 år, barn 6-15 år med grunn- og/eller 
hjelpestønad, avstand til sonesenter, avstand til nærmeste nabokrets og småkommuneindikatorene 0-
2000 og 0-5000 innbyggere. 
 
Sammenhengen mellom bundne kostnader per innbygger til grunnskolesektoren og folkemengde 6-
12 år og folkemengde 13-15 år, kommer av at disse befolkningsgruppene går på hhv. barne- og 
ungdomsskolen. Hvis en kommune har flere innbyggere i disse aldersgruppene per innbygger enn 
andre kommuner, vil kommunen ha høyere bundne kostnader i grunnskolesektoren. Grunn- og 
hjelpestønader	
53 er ytelser fra trygdeetaten til uføre og funksjonshemmede. Barn mellom 6 og 15 år 
som mottar grunn- og/eller hjelpe- stønad fanger opp sektorens merkostnader for barn med fysiske 
handikap og psykisk utviklingshemmede barn. 
 
Kommuner med lange reiseavstander antas å ha høyere utgifter til grunnskole fordi de har høyere 
utgifter til skoleskyss og en mer desentralisert skolestruktur. Årsaken til at sektorens utgifter øker 
med en desentralisert skolestruktur er at det kan være behov for små skoler og små klasser. 
Bakgrunnen for dette er at en gjennomsnittlig lang reiseavstand til skolene påvirker kommunens 
behov for en desentralisert skolestruktur, og stordriftsfordelene i sektoren blir ikke utnyttet. For å 
fange opp disse effektene bruker vi sone- og nabokriteriet, som begge har en positiv innvirkning på 
bundne kostnader i sektoren. 
 
Kostnadene til grunnskole per innbygger blir også påvirket av småkommuneindikatorene. 
Sammenhengen mellom disse indikatorene og sektorens utgifter er at små kommuner genererer 
relativt høye utgifter per elev. Gjennomsnittlige endringer i småkommuneindikatorer kan vi lese ut 	
 	 	51 Siden småkommuneindikatorene er stykkevise lineære funksjoner som avhenger negativt av innbyggertallet, hvis 
innbyggertallet ligger mellom hhv. 0-2000 og 2000-5000 innbyggere, har vi valgt å bare se på prosentvis endring i 
indikatorenes gjennomsnitt fra år til år. 
52 Grunnskolen er definert som både barne- og ungdomskolen. 53 Grunnstønad blir gitt til personer som har nødvendige ekstrautgifter i forbindelse med en lidelse mens hjelpestønad blir 
gitt til personer med særskilte behov for pleie og tilsyn på grunn av sykdom, skade eller en medfødt funksjonshemming. 
En person kan motta begge stønader.

14
fra tabell 2.5. Som nevnt tidligere er endringene i indikatorene, fra år til år, ganske små, slik at det er 
naturlig å anta at effekten på sektorens bundne kostnader er neglisjerbare. 
 
Fra tabell A.1 ser vi at barn mellom 6 og 12 år har små endringer mens barn mellom 13 og 15 år og 
barn mellom 6 og 15 år som mottar grunn- eller hjelpestønad har økt betraktelig fra 2001 til 2006. 
Sone- og nabokriteriet har begge en betydelig nedgang fra 2002 til 2003.	
54 Økningen i antall barn i 
ungdomskolealder og barn mellom 6-15 som mottar grunn- eller hjelpestønad har påvirket 
kommunenes økonomiske handlefrihet negativt. 
 
Øvrig utdanning. Sektoren øvrig utdanning omfatter fire funksjoner i KOSTRA: voksenopplæring, 
spesialskoler, skolefritidstilbud og musikk- og kulturskoler. Langørgen mfl. (2005) fant tre variabler 
som påvirker utgiftsbruken i øvrig utdanning: heltidsyrkesaktive kvinner mellom 20-44 år, 
arbeidsledige mellom 16-24 år og flyktninger	
55 med integreringstilskudd.	56 	
 
Heltids yrkesaktive kvinner bidrar til økte bundne kostnader siden deres barn vil benytte seg av 
skolefritidsordingen i større grad enn barn med hjemmeværende mødre. Arbeidsledig ungdom og 
flyktninger med integreringstilskudd påvirker også bundne kostnader positivt. Bakgrunnen for dette 
er trolig at utgiftsbruken til voksenopplæring øker med størrelsen på disse gruppene. 
 
Fra tabell A.1 ser vi at antall heltids yrkesaktive kvinner sank fra 2002 til 2003 og fra 2004 til 2005, 
med hhv. 3,34 og 1,78 prosent, og økte med 7,82 prosent fra 2006 til 2007. Antall arbeidsledige 
mellom 16 og 24 år økte betraktelig fra 2001 til 2003, men hadde en stor nedgang i perioden 2005-
2007. Endringene i disse variablene har sammenheng med nedgangskonjunkturen fra 2002 til 2003 
og det økende aktivitetsnivået etter dette, som er presentert i avsnitt 2.1.1. 
 
Antall flyktninger med integreringstilskudd økte fra 2001 til 2002 og 2003 til 2004, med hhv. 36,8 og 
30,6 prosent. Dette skyldes en betydelig økning i antall personer som fikk innvilget flyktningstatus i 
2002 og 2004. Med bakgrunn i den relative store økningen i personer med flyktningstatus i 2001 og 
2002 er det naturlig at flyktninger med en botid under fem år synker i 2006 og 2007 siden disse 
flyktningene da har en botid i Norge på over fem år. Fra tabell A.1 ser vi at det er tilfelle siden antall 
flyktninger reduseres med hhv. 19,08 og 16,20 prosent. 
 
Med utgangspunkt i disse endringene er det ikke noe entydig svar på hvordan sektorens bundne 
kostnader har utviklet seg i perioden 2001-2007. 
 
Barnehager. Barnehager er en tjeneste som er rettet mot barn i alderen 0-5 år. Derfor vil antall barn i 
denne aldersgruppen påvirke sektorens kostnader. Langørgen mfl. (2005) påpeker at effekten for 0-
åringer på sektorens bundne kostnader ikke er signifikant forskjellig fra null, slik at vi ender opp med 
å bruke variabelen folkemengde mellom 1-5 år. For å ta hensyn til ekstrakostnaden ved at et barn i 
barnehagealder er funksjonshemmet inkluderes variabelen barn i barnehagealder som mottar grunn- 
og/eller hjelpestønad. Vi vet også at heltids yrkesaktive kvinner har større behov for å ha sine barn i 
barnehager enn kvinner som jobber deltid eller er hjemmeværende. Langørgen mfl. (2005) fant i 
tillegg positive og signifikante effekter av småkommuneindikatoren 0-5000 innbyggere og 
sonekriteriet. Dette uttrykker at sektoren er forbundet med smådriftsulemper.	
57 	
 
Fra vedlegg A ser vi at antall barn i barnehagealder reduseres i hele perioden. Sammen med 
reduksjonen i heltids yrkesaktive kvinner fra 2002 til 2003 og fra 2004 til 2005 kan vi forvente at 
 	 	54 Modellen for å beregne disse kriteriene er dokumentert av Reid S. (2002). Bakgrunnen for nedgangen i sone- og 
nabokriteriet er revideringer av modellen i 2003. Nedgangen i sone- og nabokriteriet fra 2002 til 2003 har derfor ingen 
nevneverdig effekt på kommunenes økonomiske handlefrihet. 
55 En flyktning er i henhold til 	FNs flyktningkonvensjon en person som ”har flyktet fra sitt land og har en velbegrunnet frykt 
for forfølgelse på grunn av rase, religion, nasjonalitet, politisk overbevisning eller medlemskap i en bestemt sosial 
gruppe, og som ikke er i stand til eller på grunn av slik frykt ikke villig til å påberope seg sitt lands beskyttelse.” 	
56Integreringstilskuddet er et tilskudd som staten gir kommunene ved bosetting av flyktninger og personer med opphold på 
humanitært grunnlag. 
57 Se diskusjon i Langørgen (2007b).

15
kostnadene i sektoren reduseres i hele perioden. Men sett i sammenheng med at barn i 
barnehagealder som mottar grunn- og/eller hjelpestønad øker bortsett fra 2004 til 2005, antall 
yrkesaktive kvinner øker med 82 prosent fra 2006 til 2007 og at kommunene ble pålagt utbygging av 
barnehager i forbindelse med barnehageforliket, er ikke bildet så klart. Småkommuneindikatoren 0-
5000 innbyggere har som nevnt små endringer og vil ikke ha en nevneverdig effekt på endringene i 
bundne kostnader per innbygger. 
 
Helsestell. Helsestell som en sektor i norske kommuner omfatter blant annet kommunehelsetjenesten 
og forebyggende tiltak i helsesektoren. Langørgen mfl. (2005) fant at sektorens bundne kostnader blir 
påvirket positivt av verdien på sonekriteriet, nabokriteriet og de to småkommuneindikatorene. Dette 
uttrykker at det er merkostnader knyttet til det å tilby et desentralisert tjenestetilbud innenfor sektoren 
for kommuner med lange reiseavstander, samt at kommuner med få innbyggere ikke utnytter 
stordriftsfordelene i sektoren. Fra tidligere vet vi at endringene i småkommuneindikatorene er meget 
små, mens tabell A.1 viser at sone- og nabokriteriet har ubetydelige endringer. 
 
Sosialhjelp. I denne versjonen av 	
KOMMODE	 deles sektoren sosiale tjenester inn i sektorene 
sosialhjelp og barnevern. Sektoren sosialhjelp omfatter tre funksjoner i 	
KOSTRA	: sosialt forbyggende 
arbeid, tilbud til personer med rusproblemer og økonomisk sosialhjelp. Langørgen mfl. (2005) testet 
ut seks modeller med ulike kombinasjoner av variabler som forventes å ha sammenheng med 
sektorens utgiftsbruk. Siden forskjellen i forklaringskraft mellom de ulike modellene er beskjeden, 
bruker vi modell D.	
58 Til forskjell fra tidligere versjoner av 	KOMMODE	 har vi byttet ut antall 
mottakere av uføretrygd 18-49 år med uførepensjonister 18-49 år.	59 
 
Kommunene utbetaler integreringsstønad til flyktninger som har vært bosatt i Norge i mindre enn 5 
år. Langørgen mfl. (2005) fant derfor at innvandrere som utløser integreringstilskudd representerte en 
merkostnad for kommunene. Skilte og separerte, arbeidsledige og fattige er også grupper som bidrar 
til økte kostnader i sosialhjelp. Dette skyldes at disse gruppene har en relativt høy tilbøyelighet til å 
være klienter av kommunal sosialhjelp. Ifølge Langørgen mfl. (2005) er det først og fremst 
arbeidsledige mellom 16 og 24 år som benytter seg av denne tjenesten, noe som kan skyldes at denne 
gruppen i mindre grad fanges opp av andre velferdsordninger som f.eks. arbeidsledighetstrygd. For 
bedre å fange opp effekten av at fattige har større behov for sosiale tjenester har vi utviklet to nye 
fattigdomskriterier. Disse fattigdomskriteriene, som er hhv. fattige med regionspesifikk 
fattigdomsgrense og fattige med prisjustert landsspesifikk fattigdomsgrense, er utdypet nærmere i 
avsnitt 4.3.1. 
 
Fra tabell A.1 ser vi at antall fattige og skilte og separerte øker i hele perioden. Arbeidsledig ungdom 
øker med 20 og nesten 35 prosent fra hhv. 2001-2002 og 2002-2003. Antall uførepensjonister ble 
redusert fra 2004 til 2007 pga. innføringen av systemet med tidsbegrenset uførestønad.	
60 Som nevnt 
tidligere økte flyktninger med integreringstilskudd betraktelig fra 2001 til 2002 og fra 2003 til 2004. 
Ut fra disse endringene er det naturlig å anta at de bundne kostnadene per innbygger til sektoren 
vokste i hele den aktuelle perioden. 
 
Barnevern. Barnevernets hovedoppgaver er å gi barn, unge og familier hjelp og støtte i vanskelige 
situasjoner. Mer spesifikt inneholder sektoren aktivitetstilbud til barn og unge, barnevernstjenesten 
og barnevernstiltak i og utenfor familien. Langørgen mfl. (2005) fant ut at sektorens utgifter per 	
 	 	58 Modell D uttrykker at utgiftsbruken i sosialhjelp per innbygger avhenger positivt av flyktninger med 
integreringstilskudd, skilte og separerte 16-59 år, arbeidsledige 16-24 år og antall fattige. 
59 I avsnitt 4.1 gis en begrunnelse på hvorfor vi har valgt å erstatte antall mottakere av uføretrygd 18-49 år med antall 
mottakere av uførepensjon 18-49 år. 
60 Tidsbegrenset uførestønad er en uføreytelse som gis når det er en viss sannsynlighet for at du kan komme 
tilbake til arbeid senere, mens en uførepensjon kan gis dersom det ikke er utsikt til bedring av din inntekts- og 
arbeidsevne. Ordningen for tidsbegrenset uførestønad ble innført 1. januar 2004 og gis for en periode på ett til 
fire år. Ved utløpet av stønadsperioden kan du sette fram nytt krav om uføreytelse dersom dette fortsatt er 
aktuelt. Det vil si at de som i utgangspunktet skulle bli satt på ordningen for uførepensjon i 2004 isteden mottok 
tidsbegrenset uførestønad. Hele denne gruppen antas derfor å være uførepensjonister innen 1.januar 2008.

16
innbygger i en gitt kommune avhenger av folkemengden 0-19 år, barn 0-15 år som ikke bor sammen 
med begge foreldre, skilte og separerte mellom 16-59 år og antall fattige. Alle disse variablene har en 
positiv signifikant effekt på sektorens utgifter, bortsett fra variabelen barn mellom 0-15 år som ikke 
bor sammen med begge foreldre. Denne variabelen har riktignok en positiv effekt, men er knapt 
statistisk signifikant. Effekten av denne variabelen ble allikevel inkludert i 	
KOMMODE	, med 
bakgrunnen i dens teoretiske begrunnelse. 
 
Barnevernstjenester er fortrinnsvis rettet mot barn som opplever omsorgssvikt, slik at antall personer 
mellom 0-19 år kan påvirke behovet for barnevernstjenester. I de fleste tilfeller skyldes omsorgssvikt 
økonomiske eller sosiale vanskeligheter i familien. Derfor vil antall skilte og separerte, antall fattige 
og antall barn som ikke bor sammen med begge foreldre være avgjørende for sektorens bundne 
kostnader per innbygger i den enkelte kommune. 
 
Fra tabell A.1 ser vi at barn med enslige foreldre, antall skilte og separerte og antall fattige økte i hele 
perioden. Befolkning mellom 0-19 år hadde derimot en nedgang. Disse endringene i de 
sektorspesifikke variablene taler for at bundne kostnader i sektoren har økt i det aktuelle tidsrommet. 
 
Pleie og omsorg. Modellen 	
KOMMODE	 innbefatter åtte variabler som forklarer sektorens bundne 
kostnader per innbygger: Folkemengde 67-79 år, folkemengde 80-89 år, folkemengde 90 år og over, 
ressurskrevende brukere med toppfinansiering	
61, psykisk utviklingshemmede 16 år og over, avstand 
til sonesenter og de to småkommuneindikatorene. Alle variablene har en positiv effekt på sektorens 
bundne kostnader per innbygger. 
 
Psykisk utviklingshemmede og befolkningen som er eldre enn 67 år er potensielle brukere av pleie- 
og omsorgstjenester, og vil derfor påvirke de bundne kostnadene i sektoren. Bakgrunnen for at 
befolkningsantallet 67 år og over er delt inn i tre er at merkostnaden for kommunene øker betydelig 
med alderen på brukerne av tjenestene. Dette skyldes at dekningsgraden er større for eldre brukere, 
samt at sektorens ressursinnsats øker med brukernes alder. På lik linje med eldre varierer sektorens 
merkostnader per psykisk utviklingshemmede med pleietyngden. Siden vi ikke har informasjon om 
pleietyngden basert på diagnoser har vi inkludert ressurskrevende brukere som mottar 
toppfinansiering.	
62 Sonekriteriet fanger opp merkostnaden for kommuner med lange reiseavstander. 
Hvis en kommune har lange reiseavstander bruker den mer ressurser på å yte hjemmetjenester, siden 
reisetiden per bruker øker med reiseavstandene i kommunen. Bakgrunnen for at sektorens bundne 
kostnader blir påvirket positivt av småkommuneindikatorene er at tjenesteproduksjonen har 
stordriftsfordeler. 
 
Folkemengden 80 år og eldre og antall psykisk utviklingshemmede har økt i hele perioden, mens 
folkemengden mellom 67 og 79 år sank fra 2001 til 2006. Siden vi vet at de to førstnevnte gruppene 
medfører større kostnader enn de mellom 67 og 79 år taler det for en økning i kommunenes 
utgiftsbehov. 
 
Tilskuddordningen til ressurskrevende brukere ble innført 1. januar 2004. Ordningen innebar at 
kommunene får dekket 80 prosent av lønnskostnadene som overstiger innslagspunktet.	
63 Som vi ser 
fra tabell A.1 økte antall ressurskrevende brukere med 15,9 prosent fra 2004 til 2005. Denne 
drastiske endringen kan ha tre årsaker. For det første kan økningen skyldes en reformeffekt, gjennom 
at kommunene meldte inn for få tilfeller i 2004 når ordningen trådte i kraft. Det er mulig at 
kommunene ikke hadde oversikt over lønnskostnadene forbundet med de ressurskrevende brukerne 
og lot vente med å få oversikt over dette til året etter. For det andre kan det skyldes en priseffekt 
gjennom at det relativt sett ble billigere å yte tjenester til ressurskrevende brukere etter innføringen 
av ordningen. Med andre ord, kommunene kan ha økt ressursinnsatsen til disse brukerne fordi både 	
 	 	61 Også kalt ressurskrevende brukere. 62Se vedlegg B for en presis definisjon av ressurskrevende brukere. 63 Se avsnitt B.1 for en gjennomgang av utviklingen i innslagspunktet fra 2004 til 2006.

17
substitusjons- og inntektseffekten	64 virker i denne retning. For det tredje kan det skyldes en 
insentiveffekt gjennom at kommunene, etter innføringen av ordningen, har et insentiv til å 
overrapportere kostnadene forbundet med disse brukerne. Imidlertid viser disse effektene at 
kommunenes økonomiske handlefrihet økte. Selv om antall ressurskrevende brukere økte, fikk 
kommunene dekket kostnadene knyttet til denne gruppen. 
 
Kultur. Sektoren kultur i 	
KOMMODE	 omfatter kino, bibliotek, idrett, museer, kunstformidling og 
religiøse formål. I denne sammenheng ble det funnet at småkommuneindikatoren 0-2000 innbyggere 
var den eneste variabelen med innvirkning på sektorens bundne kostnader. Bakgrunnen for denne 
signifikante sammenhengen er at det for kommuner med mindre enn 2000 innbyggere er knyttet store 
kostnader per innbygger til å drifte disse tjenestene. Siden endringen i indikatorens gjennomsnitt er 
liten, som vist i tabell 2.4, forventer vi at endringene i bundne kostnader per innbygger i kultur er 
marginale. 
 
Kommunale veier. I denne versjonen av 	
KOMMODE	 deles sektoren infrastruktur i sektorene 
kommunale veier, øvrig infrastruktur og vann, avløp og renovasjon. Sektoren kommunale veier, som 
vi her tar for oss, omfatter alle kostnader forbundet med kommunale veier, nyanlegg, drift, 
vedlikehold, miljø og trafikksikkerhetstiltak. Det er påvist to variabler som påvirker sektorens 
kostnader positivt: snønedbør og kilometer kommunale veier. 
 
Kilometer kommunale veier endrer seg lite bortsett fra 2002 til 2003 da lengden vei øker med 3,45 
prosent. Snønedbør varierer derimot mye, noe som taler for at det skal være betydelige 
kostnadsvariasjoner tilknyttet snørydding langs det kommunale veinettet. Men vi vet at kommuner 
med fare for betydelig snønedbør har en beredskapskostnad som er ganske stabil fra år til år slik at de 
store variasjonene i snønedbør ikke påvirker sektorens kostnader i et 1:1 forhold. 
 
Vann, avløp og renovasjon (	
VAR	). Sektoren 	VAR	 omfatter all infrastruktur forbundet med vann, avløp 
og renovasjon. Langørgen mfl. (2005) fant en variabel, andelen høygradig rensekapasitet, som har 
positiv og signifikant sammenheng med sektorens utgiftsbruk. Høygradig rensing av kloakk vil si at 
det benyttes kjemisk, biologisk eller en kombinasjon av disse rensemetodene. Metodene blir pålagt 
av fylkesmannen og skiller seg fra mekanisk rensing ved at kostnaden per renset liter vann er 
betydelig høyere. Fra tabell A.1 ser vi at andelen høygradig rensekapasitet vokste betydelig fra 2003 
til 2005 og fra 2006 til 2007, noe som tilsier at sektorens bundne kostnader per innbygger økte i den 
samme perioden. 
 
Øvrig infrastruktur. Sektoren øvrig infrastruktur omfatter all infrastruktur utenom kostnader 
forbundet med kommunale veier og 	
VAR	. Eksempler på tjenester som tilhører denne sektoren er blant 
annet beredskap mot branner og andre ulykker, naturforvaltning og friluftsliv og kommunalt 
disponerte boliger.	
65 Langørgen og Aaberge (2006) fant at småkommuneindikatoren for 0-5000 
innbyggere har en positiv og signifikant sammenheng med sektorens utgiftsbruk. Bakgrunnen for at 
småkommuneindikatoren er positivt signifikant er at sektoren har et betydelig innslag av 
administrative tjenester som tilsier at det er stordriftsfordeler knyttet til produksjonen av disse 
tjenestene. 	
2.4 Endringer i forhold som påvirker bruken av frie disponible inntekter 
Vi har nå sett på endringer i kommunenes inntektsrammer og endringer i forhold som påvirker deres 
bundne kostnader i perioden 2001-2007. Differansen mellom en kommunes inntekter og bundne 
kostnader er kommunens frie disponible inntekter. Som nevnt tidligere er størrelsen på kommunens 
frie disponible inntekter et mål på norske kommuners økonomiske handlefrihet. Det er derfor naturlig 
å se nærmere på hva som kan ha hatt størst innvirkning på denne størrelsen. 
 	 	64 Substitusjonseffekten tilsier at kommunene vil øke ressursinnsatsen til ressurskrevende brukere siden de blir relativt sett 
billigere enn produksjonen av andre kommunale tjenester, mens inntektseffekten tilsier at kommunene vil øke 
ressursinnsatsen i alle kommunale tjenester siden de til en gitt tjenesteproduksjon har mer midler til rådighet. 
65 Se vedlegg G for en oversikt over hvilke funksjoner sektoren inneholder.

18
 
Det er ingen tvil om at kommunenes inntekter har økt i løpet av perioden, spesielt pga. en stor 
inntektsvekst og et lavt rentenivå siden 2003. Med bakgrunn i dette har kommunene blant annet valgt 
å kvitte seg med gjeld, ifølge 	
TBU	 (2006). Tendensen har også vært at kommunene i større grad enn 
tidligere har mottatt ubetingede overføringer fra staten, som tilsier at kommunene har fått et større 
økonomisk spillerom. 
 
Men dette bildet er ikke entydig siden kommunene også har møtt økonomiske utfordringer. 
Lønnsveksten til kommunearbeiderne har vært høy, med bakgrunn i en sterk norsk økonomi. Dette 
taler for økte enhetskostnader i kommunenes tjenesteproduksjon. Kommunene har også møtt store 
utfordringer i forbindelse med flere innbyggere over 80 år. Denne økonomiske belastningen ble for 
øvrig motvirket av handlingsplanen for eldreomsorgen og økt satsing på sektoren fra Stoltenbergs 
andre regjering. Antall barn i ungdomskolealder og antall psykisk utviklingshemmede har også økt 
betraktelig i hele den aktuelle perioden, som har begrenset kommunenes økonomiske handlefrihet. 
 
Kommunene kan selv bestemme bruken av frie disponible inntekter ut fra lokale prioriteringer. Borge 
og Rattsø (1997) argumenterte for at norske kommuners prioriteringer er relatert til ideologi. Dette 
fanger tidligere estimeringer av 
KOMMODE	 opp ved å bruke sosialistandelen i kommunestyret til å 
forklare en kommunes bruk av frie disponible inntekter, se bl.a. Langørgen mfl. (2005). 
Gjennomsnittlig utdanningsnivå for personer mellom 30-59 år og andelen i kommunen som er bosatt 
i tettbebygde strøk er også variabler som påvirker de lokale prioriteringene. 
 
Tabell 2.6. Summarisk statistikk for variabler som påvirker bruk av de frie disponible 
inntektene, 2001-2007 	
 Antall observasjoner 
 Sosialistandel i 
kommunestyretGjennomsnittlig 
utdanningsnivå	66 Andel bosatt 
tettbygd	
Gjennomsnitt 0,368 2,369 0,483	2001 435 
Standardavvik 0,140 0,441 0,278
Gjennomsnitt 0,368 2,426 0,495
2002 434 
Standardavvik 0,140 0,445 0,276
Gjennomsnitt 0,368 2,483 0,498
2003 434 
Standardavvik 0,140 0,447 0,276
Gjennomsnitt 0,383 2,547 0,495
2004 434 
Standardavvik 0,149 0,449 0,281
Gjennomsnitt 0,383 2,616 0,496
2005 433 
Standardavvik 0,149 0,449 0,280
Gjennomsnitt 0,384 2,676 0,499
2006 431 
Standardavvik 0,149 0,454 0,281
Gjennomsnitt 0,384 2,749 0,502
2007 431 
Standardavvik 0,149 0,426 0,280
 
For 2003 fant Langørgen mfl. (2005) at sosialistiske partier	67 gav en relativt høy prioritet til 
administrasjon, grunnskoler, øvrig utdanning, barnehager, sosialhjelp og barnevern. Dette ble 
finansiert av et lavere netto driftsresultat og mindre satsing på infrastruktur. Kommuner med et høyt 
gjennomsnittlig utdanningsnivå prioriterte grunnskoler, øvrig utdanning, barnehager og kultur i 
motsetning til kommuner med et lavt utdanningsnivå som prioriterte helsestell og administrasjon. 
Kommuner med en lavere andel bosatt tettbebygd prioriterte administrasjon og netto driftsresultat, 
mens kommuner med en høyere andel bosatt tettbebygd prioriterte sektoren helsestell. 
 	
 	 	66 Riktig variabelbetegnelse er gjennomsnittlig utdanningsnivå utover 9 år for personer i alderen 30-59 år. 67 Sosialistiske partier defineres som Sosialistisk Venstreparti, Rød Valgallianse, Arbeiderpartiet og alle lister/partier som 
har et sosialistståsted.

19
Tabell 2.6 viser summarisk statistikk over disse tre variablene for årene 2001 til 2007. Tendensen er 
at sosialistandelen i kommunestyret, gjennomsnittlig utdanningsnivå og andelen bosatt tettbebygd 
øker. 
3. Modellen 	KOMMODE	 	
KOMMODE	 er en simultan mikroøkonometrisk modell som forklarer variasjon i utgiftene per 
innbygger innenfor 12 tjenesteytende sektorer samt variasjoner i netto driftsresultat per innbygger. 
Tidligere versjoner av 	
KOMMODE	 er dokumentert i Aaberge og Langørgen (1997, 2003), Langørgen 
og Aaberge (2001) og Langørgen mfl. (2005). Fremstillingen nedenfor bygger på disse arbeidene. 
 
Kommunene møter lovpålagte oppgaver og minstestandarder i tjenesteproduksjonen. I en utvidet 
forstand vil dette omhandle alle minstestandarder og normer samfunnet pålegger kommunen. 
Kostnaden forbundet med dette produksjonsnivået i ulike sektorer kalles bundne kostnader. Faktorer 
som forklarer variasjoner i de bundne kostnadene mellom kommuner vil være av demografisk, sosial 
og geografisk art. Med bakgrunn i kjennskap til minstestandarder, lovpålagte oppgaver, 
rammebetingelser og produksjonsforhold er det utarbeidet og testet hypoteser over hvilke variable 
som gir opphav til de bundne kostnadene.	
68 
 
Etter at bundne kostnader i alle sektorer er dekket, sitter kommunene igjen med frie midler til 
rådighet. Disse frie midlene omtales som frie disponible inntekter og er, som nevnt tidligere, et 
uttrykk for kommunens økonomiske handlefrihet. De marginale budsjettandelene viser andelen av de 
frie disponible inntektene som brukes i de forskjellige sektorene. Modellen antar at bakgrunnen for 
variasjon i de marginale budsjettandelene mellom kommuner er avhengig av sosialistandel i 
kommunestyret, andelen av innbyggerne i kommunen som er bosatt tettbebygd og det 
gjennomsnittlige utdanningsnivået	
69 i kommunen. 
 
Vi kan nå dekomponere kommunenes driftsutgifter for en gitt sektor (i) på følgende måte: 
Utgifter(i) = Bundne kostnader(i) + Marginal budsjettandel(i) * Frie disponible inntekter, 
der bundne kostnader, marginale budsjettandeler og frie disponible inntekter varierer mellom 
kommuner. 
 I modellen inngår tre typer variable 
• Kommunenes inntektsgrunnlag (gitt ved bl.a. skattesatser, skattegrunnlag, og overføringer) 
• Faktorer som forklarer variasjoner i kommunenes bundne kostnader 
• Faktorer som påvirker bruken av frie disponible inntekter, som er lik totale inntekter minus 
bundne kostnader 	
3.1 Modellspesifikasjon 
3.1.1 Norske kommuners valgmuligheter 
Norske kommuner møter regler i forhold til budsjettbalanse, størrelsen på inntektsskatten og andre 
institusjonelle betingelser pålagt av sentrale myndigheter. Disse begrensingene har en signifikant 
effekt på kommunenes handlefrihet, deriblant budsjettbetingelsen. Vår kunnskap om kommunenes 
handlefrihet er essensiell for å kunne definere eksogene og endogene variable i vår modellering. Vi 
følger Aaberge og Langørgen (2003) og definerer en kommunes budsjettbetingelse på følgende måte 
 
(3.1) 	
∑=	
+ = + −	
12
1 ii i o	
q p u v r y	 
 	
 	 	68 Disse variablene, som har en statistisk signifikant effekt på utgiftsbruken i de ulike sektorene, er spesifisert i avsnitt 2.2.2. 69 Det gjennomsnittlige utdanningsnivået i en gitt kommune er definert som kommunens gjennomsnittlige utdanningsnivå 
for personer mellom 30 og 59 år.

20
der 	y er eksogene inntekter, r er netto renteutgifter og avdrag, 	v er brukeravgifter, 	0u	er 
budsjettoverskuddet og der	
ip	 og 	iq	 er henholdsvis priser og kvantum i sektor i. I denne analysen er 
både utgiftsbegrepet 	
i iq p	 og inntektsbegrepet	ydefinert eksklusive innbetalt arbeidsgiveravgift. 
Som forklart i avsnitt 2.2 består kommunenes inntekter av skatteinntekter og overføringer fra staten. 
Skatteinntekter omfatter inntektsskatt, formueskatt, eiendomsskatt og konsesjonskraftinntekter, mens 
statlige overføringer omfatter rammetilskudd og øremerkede tilskudd. I denne versjonen av 	
KOMMODE	 antar vi at brukeravgifter er eksogene, tiltross for at kommunene i hovedsak kan sette 
nivået på disse avgiftene selv. Bakgrunnen for denne forenklingen er at den har relativt liten 
betydning for estimeringsresultatene.	
70 Vi antar også at 	()	v r y+ −	 overstiger kostnadene for å 
opprettholde minstestandarden på det kommunale tjenestetilbudet. 
 
Budsjettbetingelsen (3.1) viser at utgiftsbruken i en sektor er produktet av priser og kvantum i 
kommunenes tjenesteproduksjon. Med bakgrunn i denne oppdelingen av utgiftene blir priser og 
kvantum utledet fra observerbar heterogenitet i kostnadsfunksjonene. En mulig løsning av dette 
problemet er å bruke arbeidskraft som en tilnærming til produksjonen i et fast faktorforhold, hvor 
utgiftene forutsettes å være konstant per enhet arbeidskraft.	
71 
 
I Norge blir lønninger for kommuneansatte innen ulike yrkesgrupper hovedsakelig fastsatt i nasjonale 
lønnsforhandlinger. Dette taler for at enhetskostnadene er sammenliknbare på tvers av kommuner. 
Men vi vet at kommunene kan velge å bruke forskjellige produksjonsteknikker for å tilfredsstille 
lokal etterspørsel. Siden hver kommune står ovenfor valg av produksjonsteknikk og kombinasjoner 
av forskjellig arbeidskraft vil gjennomsnittslønnen være endogen. Substitusjonsmuligheter mellom 
innsatsfaktorer vil dermed resultere i endogene enhetspriser. Produksjonsfunksjonen for tjeneste-
ytende sektor i er derfor gitt ved 
 
 (3.2) 	
()	i i i iz x f q, =	, ()	12 ,..., 2 , 1 = i	 
 
der	
ix er en vektor av innsatsfaktorer i produksjonen og 	izer en vektor av kommunespesifikke 
kjennetegn som påvirker kommunens produksjonsmuligheter. Ved å forutsette konstant skalautbytte 
og kostnadsminimering kan vi uttrykke kostnadsfunksjonen på følgende måte	
72 
 
(3.3) 	
()	()	i i i i i i i iq z w p z w q C	, , ,=	 
 
der 	
iw	er en vektor av faktorpriser i sektor i og 	ip	 nå er definert som enhetskostnaden i sektor i. Med 
bakgrunn i at lønnsnivået i offentlig sektor er satt på grunnlag av sentrale lønnsforhandlinger er det 
naturlig å anta at lønnsnivået ikke varierer på tvers av kommuner. Vi antar også at det er konstante 
priser på andre innsatsfaktorer, denne antagelsen kan forklares av konkurranse i de nasjonale 
faktormarkedene. Med bakgrunn i disse forutsetningene vil derfor lokale variasjoner i 
enhetskostnader begrunnes i at kommunene har ulike produksjonsmuligheter som fanges opp av 
relevante lokale kjennetegn. 	
3.1.2 Kommunen som nyttemaksimerende aktør 
Beslutningstakeren i hver kommune er kommunestyret som består av et parti eller en koalisjon av 
flere partier. Vi antar at kommunestyret i hver kommune er en nyttemaksimerende aktør med positive 
preferanser ovenfor utgiftsbruk i hver av de 12 sektorene 	
()	12 2 1	,..., ,q q q og budsjettoverskudd 	()0u. 
Alle variablene	
()	12 2 1 0	,..., , ,q q q u	er endogene og måles i tusen kroner per innbygger. De lokale 
myndighetene møter dermed et intertemporalt nyttemaksimeringsproblem, siden de står ovenfor 
avveining mellom utgiftsbruk inneværende periode eller utgiftsbruk i fremtiden. 	
 	 	70 Denne forenklingen er forklart nærmere i Langørgen og Aaberge (2003). 71 Kritikk til denne tilnærmingen er behandlet nærmere i Aaberge og Langørgen (2003). 72 Ved å ta i bruk en variant av omhyllingsteoremet, kalt ”Shephard's lemma.”

21
 
Modellen antar at kommunestyret maksimerer en Stone-Geary nyttefunksjon under en gitt 
budsjettbetingelse. Denne nyttefunksjonen kan formelt sees på som en Cobb-Douglas-funksjon, men 
skiller seg ut ved at origo er flyttet fra punktet	
()	0 ,..., , til	()	12 1 0	,..., ,	γ	γ	γ	. Nyttefunksjonen til 
kommunestyret antas å ha følgende struktur 
 
(3.4) 	
()()()	∏=	
− − =	
12
1 12 1 00	,..., ,	
ii i	
i	q u q q u W	β β	γ α	 
 
hvor 	
1	
12
0	
=	∑= ii	
β	, 	i i iq i≤ ∀ ≤ ≤	γ	β	 , 1 0	og	0 0	 	u ≤	α	, der	0α	er det minste akseptable nivået på 
sparing	
73 og 	iγ	angir lovpålagte eller normative minstestandard på produksjonen i tjenesteytende 
sektor i. Kostnaden forbundet med dette produksjonsnivået i ulike sektorer kalles 	
bundne kostnader	. 
Ved å flytte origo, som vist ovenfor, ser vi at "overskuddsproduksjonen" isteden for faktisk 
produksjon, i en gitt sektor, inngår som elementer i nyttefunksjonen. 
 
Restriksjonen 	
1	
12
0	
=	∑= ii	
β	 impliserer at nyttefunksjonen antas å være homogen av grad 1, som i dette 
tilfellet sikrer at en ekstra krone i inntekter blir disponert i samsvar med budsjettbetingelsen (3.1). 
Ved å ta logaritmen på begge sider av (3.4), får vi 
 
(3.5) 	
()()()	∑=	
− + − =	
12
1 12 1 0	
ln ln ,..., , ln	
ii i i	
q u q q u W	γ β α β	 
 
Vi maksimerer (3.5) med budsjettbetingelsen (3.1) som bibetingelse ved hjelp av Lagrangemetoden. 
Maksimeringsproblemet blir dermed 
 
(3.6) 	
()()()	⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
− + − + − − + − =	∑ ∑= =	
v r y q p u q u q q u L	
ii i o
ii i i12
1 12
1 12 1 0	
ln ln ,..., ,	λ γ β α β	 
 
der	
λ betegner lagrangemultiplikatoren tilordnet bibetingelsen - ofte betegnet som inntektens 
grensenytte. Førsteordensbetingelsene for maksimering av W under bibetingelsen (3.1) er 
 
(3.7) 	
()	0 ,..., ,	
0 00
012 1 0	
= −
− =
∂ ∂λ
α	β	
u uq q u L	 
 
(3.8) 	
()	0 ,..., ,	12 1 0	= −
− =
∂ ∂i
i ii
ip
q qq q u Lλ
γ	β	, (i = 0,1,2,...,12). 
 
Fra (3.8) får vi at 
(3.9) 	
i i i	u	α
λ	β	− =	, (i = 0,1,2,...,12), 
 
der 	
i i iq p u= og 	i i i	pγ	α	=. Ved å summere på begge sider av (3.9) og sette inn for 
budsjettbetingelsen (3.1) får vi 
 	
 	 	73 Det minst akseptable nivået på sparing vil si det minst akseptable netto driftsresultat.

22
(3.10) 	∑=	
− + − =	
12
0	1	
ii	
v r y	α
λ	. 
 
Ved å sette inn for 	
λ1 fra (3.10) i (3.9) får vi 
 
(3.11) 	
()	α	α	β	α	− − + − + =0	v r y u	i i i	, (i = 0,1,2,...,12), 
 
der 	
∑=	
=	
12
1
ii	
α α	. Likning (3.11), som er en versjon av det lineære utgiftsystemet, sier at en kommunes 
utgifter i sektor i	
()iuer summen av kommunens bundne kostnader	()	iα	og andelen som brukes av de 
frie disponible inntektene. Parameterne	
iβ	kan derfor tolkes som marginale budsjettandeler, som viser 
hvordan økte frie disponible inntekter fordeles på ulike sektorer. 
 
Selv om vi har brukt en intratemporal modellramme ved utformingen av det utvidede lineære 
utgiftssystemet definert i (3.11), kan utgiftsfunksjonene gis en intertemporal tolkning. Vår 
modifiserte versjon inkluderer en ekstra parameter	
0α	, som kan tolkes som dagens verdi av 
forandringer i fremtidig eksogen inntekt. Det vil si at kommunens eksogene inntekt kan variere fra år 
til år. Denne modifiseringen av det utvidede lineære utgiftssystemet muliggjør underskudds-
finansiering innad i hver kommune. 
 	
3.1.3 Heterogenitet i kostnads- og preferanseparametere 
Som nevnt i avsnitt 3.1.1 er det ulike lokale kostnadsforhold som resulterer i at de bundne kostnadene 
per innbygger varierer mellom kommuner. Dette er ivaretatt ved å la 	
iα	 ()	12 ..., 2 , 1 , = i	 variere som 
en funksjon av lokale kjennetegn som vi antar påvirker sektorens kostnader. Denne antagelsen om 
heterogenitet kan spesifiseres på følgende måte 
 
(3.12) 	
∑=	
+ =	
k
jj ij i i	
z	
1 0
α α α	, 	()	12 ..., 2 , 1 , = i 
 
der 	
kz z z,..., ,	2 1	er k variable, av demografisk, sosial og geografisk art, som antas å påvirke de 
sektorspesifikke bundne kostnadene og minimalt akseptabelt budsjettoverskudd.	
74 Med bakgrunn i 
minstestandarder, lovpålagte oppgaver, rammebetingelser og produksjonsforhold er det utarbeidet 
hypoteser over hvilke variable som gir opphav til bundne kostnader.	
ijα	 er parametrene som 
beskriver variabel j's påvirkning på de bundne kostnadene i sektor i.	
75 
 
Ved innsetting av (3.12) i (3.11) får vi et lineært utgiftsystem som tar hensyn til heterogenitet i 
kommunens utgiftsbehov. Når vi tar hensyn til heterogenitet ved oppsettet av utgiftssystemet vil vi 
kunne tolke de bundne kostnadene som et mål på utgiftsbehovet i de ulike sektorene. 
 
Siden vi vet at kommunene har ulike prioriteringer når det gjelder bruk av deres frie disponible 
inntekter har vi også innført heterogenitet i de marginale budsjettandelene, på tilsvarende måte som 
for bundne kostnader. Vi antar at disse parameterne avhenger av lokale preferanser som 
utdanningsnivået i kommunen, partipolitiske sammensetningen i kommunestyret og andelen 
individer som bor tettbebygd.	
76 Spesifiseringen av marginale budsjettandeler kan skrives på følgende 
måte 
 	
 	 	74 Definisjoner av faktorer som forklarer kommunenes bundne kostnader er gitt i avsnitt B.1. 75 I avsnitt 2.2.2 blir disse sektorspesifikke variablene presentert med deres endringer i perioden vi ser på. 76 Definisjoner av faktorer som forklarer bruken av frie disponible inntekter er gitt i avsnitt B.2.

23
(3.13) 	∑=	
+ =	
m
jj ij i i	
t	
1 0
β β β	, ()	12 ..., 2 , 1 , = i	, 
 
der 	
mt t t	,..., ,2 1	er m variable som antas å påvirke bruken av de frie disponible inntektene. For at 
1	
12
0	
=	∑= ii	
β	skal gjelde innfører vi restriksjonene 
 
(3.14) 	
()	. 1 , ,..., 2 , 1 , 0	
12
00 12
0
∑ ∑= =	
= = =	
ii
iij	
m j	β β	 
 
Ved innsetting av (3.12) og (3.13) i (3.11) får vi et lineært utgiftssystem som tar hensyn til 
heterogenitet i kommunens utgiftsbehov og heterogenitet i lokale preferanser. 	
4. Modellestimat 2001-2007 
Denne versjonen av 	KOMMODE	 har vi kommet frem til ved å ta utgangspunkt i modellestimatet for 
2003	77, som er presentert i Langørgen og Aaberge (2006). Med bakgrunn i denne modellversjonen 
har vi gjort flere endringer. En gjennomgang av disse endringene gis i avsnitt 4.1. Med grunnlag i 
den nye modellversjonen presenterer vi i avsnitt 4.2 modellestimatene for 2001 til 2007, der vi 
spesielt legger vekt på å kommentere modellens stabilitet. Avsnitt 4.3 gir en evaluering av indikator 
for fattigdom. 	
4.1 Ny versjon av 	KOMMODE	 	
For å komme frem til den nye versjonen av 	KOMMODE	78 har vi forbedret modellen i to omganger. 
Først oppdaterte vi 	
KOMMODE-03	 med forbedrede data	79 og byttet ut uførekriteriet og 
fattigdomskriteriet. Med bakgrunn i disse resultatene gir vi i avsnitt 4.1.1 en vurdering av 	
KOMMODE-
03	
. Deretter beregnet vi den forbedrede modellen for årene 2001 til 2007 og fjernet koeffisientene 
som var ustabile og/eller har en lav t-verdi	80 for flere år. Etter å ha fjernet disse koeffisientene gjorde 
vi fire endringer i modellen: Erstattet småkommuneindikatorene med basiskriteriet, byttet ut 
flyktninger med botid under fem år per 1. januar med antall flyktninger kommunene fikk 
integreringstilskudd for i løpet av året, fjernet kommunenes gebyrer tilhørende barnehagesektoren 
både på inntekt- og utgiftsiden og ekskluderte Utsira, kommunen med minst innbyggertall, fra 
analysen. Avsnitt 4.1.2 gir en begrunnelse for disse endringene. I avsnitt 4.1.3 presenterer vi et nytt 
sett at koeffisienter som påvirker kommunenes bundne kostnader. 	
4.1.1 Vurdering av tidligere versjon av 	KOMMODE	 	
For å gjøre modellen bedre har vi endret fattigdomskriteriet. En evaluering av indikator for fattigdom 
er gitt i avsnitt 4.3.	81 Vi vurderte i den sammenheng å bruke andelen fattige 0-15 år istedenfor 
andelen fattige uten aldersbegrensning til å forklare utgiftsbruken til sektoren barnevern. Men siden 
korrelasjonen mellom disse to variablene var høy	
82 valgte vi å fortsette å bruke antall fattige uten 
aldersbegrensing til å forklare sektorens bundne kostnader per innbygger. 
 	
 	 	77 Senere omtalt som 	KOMMODE-03	. 	78 Senere omtalt som 	KOMMODE-0107	. 	79 Dokumentasjon av disse avvikene er presentert i vedlegg C. 80 Med lav t-verdi mener vi at punktestimatet delt på standardavviket er lavere enn 1,960. I en tosidig t-test vil det si at vi 
forkaster hypotesen om at punktestimatet er lik null med mer enn 95 prosent sikkerhet. 
81 Endringer i fattigdomskriteriet er dokumentert i vedlegg C. 82 Korrelasjonen mellom andelen fattige uten aldersbegrensing og andelen fattige 0-15 år var for 2004 lik 0,857.

24
Når det gjelder uførekriteriet har vi bestemt oss for å erstatte mottakere av uføretrygd 18-49 år med 
mottakere av uførepensjon 18-49 år.	83 Bakgrunnen for dette valget er at det ble innført en ordning 
med tidsbegrenset uførestønad i 2004.84 Kriteriet for å motta denne stønaden ble forandret og følgelig 
er ikke antall mottakere av uføretrygd for årene før 2003 sammenliknbart med antall mottakere fra og 
med 2004. Kriteriet for å motta uførepensjon har derimot ikke forandret seg i perioden vi ser på. 
Praksisen er derimot forandret gjennom at potensielt nye uførepensjonister blir innrullert i ordningen 
for tidsbegrenset uførestønad helt til det er klart at de ikke har noen mulighet eller evne til å gå 
tilbake til arbeid. Dette kommer til uttrykk i tabell A.1 i vedlegg A, der ser vi at antall 
uførepensjonister har en årlig nedgang på ca. fem prosent fra 2004 til 2007. Tidsbegrenset 
uførestønad kan man maksimalt motta i fire år. Dvs. at man kan forvente at antall uførepensjonister 
stabiliserer seg på et mer sammenliknbart nivå i løpet av en fireårsperiode. Til tross for denne 
reformeffekten har vi valgt å bruke antall uførepensjonister til å forklare bundne kostnader per 
innbygger til sektoren sosialhjelp. 
 
Tabell E.1.1 gir en oversikt over modellestimatene for 2003 presentert i Langørgen og Aaberge 
(2006), kalt versjon 1, og modellestimatene for 2003 med de endringene som er presentert ovenfor i 
dette avsnittet, kalt versjon 2. 
 
Snønedbør i meter er den variabelen som har den største endringen med bakgrunn i revideringen av 
data.	
85 Figur C.10 viser oss et plottdiagram over snønedbøren i meter fra gamle og reviderte tall, der 
korrelasjonen er 0,878. Som følge av revideringen øker punkt- estimatet fra 0,09 til 0,10, samt at t-
verdien øker fra 6,54 til 7,93. Dette resulterer i at vi øker modellens forklaringskraft av sektoren 
kommunale veier fra 0,59 til 0,61 for året 2003. 
 
Ved å erstatte uføre- og fattigdomskriteriet øker vi 	
R2–justert	86 i sektoren sosialhjelp fra 0,55 til 0,56, 
samt at både koeffisientene og t-verdien for disse kriteriene får en høyere verdi i versjon 2 enn i 
versjon 1. Dette tyder på at begge byttene er med på å forbedre modellen. 
 
Bytte av fattigdomskriteriet har derimot ikke en like klar påvirkning på barnevernssektoren, siden 
punktestimatet reduseres fra 6,37 i versjon 1 til 6,00 i versjon 2 og t-verdien reduseres fra 3,33 til 
2,77. Til tross for dette øker vår forklaringskraft av variasjonen i sektorens bundne kostnader fra 0,25 
til 0,26, noe som tyder på at revideringen av barn 0-15 år som ikke bor sammen med begge foreldre 
bidrar til å gjøre modellen bedre. 
 
Det totale resultatet av revidering av data og bytte av fattigdoms- og uførekriteriet er en forbedret 
modell. 	
R2-justert holder seg konstant i alle sektorer utenom sosialhjelp, barnevern og kommunale 
veier samt at punktestimatene har så å si den samme verdien i versjon 1 som i versjon 2. 	
4.1.2 Forbedringer av modellen 
Ved å estimere 	KOMMODE	 for flere år har vi et bedre beslutningsgrunnlag enn tidligere når det 
gjelder hvilke koeffisienter og variabler modellen skal inneholde. Dette har sammenheng med at 
datakvaliteten har blitt bedre og at vi har estimert modellen for flere år. 	
 	 	83 Endringer i uførekriteriet per innbygger for 2003 er dokumentert i vedlegg C. 84 Se referanselisten for 	URL	-adressen til 	NAV	s gjennomgang av ordningen. 	85 Bakgrunnen for at punktestimatet for snønedbørens påvirkning på bundne kostnader i kommunale veier i versjon 2 er så 
mye lavere enn i versjon 1, se tabell E.1.1, er fordi det ble brukt en annen målestokk i versjon 1 enn i versjon 2. Tidligere 
brukte vi nedbør som snø omregnet til vann i meter mens vi nå bruker nedbør som snø omregnet til snønedbør i meter. 
Tettheten mellom nedbør som snø og vann er om lag 1/10. Vi har altså endret målestokken på denne variabelen ved å 
dele nedbør som snø i millimeter på 100 istedenfor 10. Det betyr at vi tidligere målte snønedbør i desimeter, eller nedbør 
som vann i meter. Se vedlegg B for en gjennomgang av omregningen fra nedbør som snø i millimeter til snønedbør i 
meter. Dvs. at punktestimatet for snønedbør i versjon 1 vil være 0,09 med den nye målestokken. 
86 R2-justert uttrykker andelen av variasjonen som forklares av modellen ved å ta hensyn til datasettets størrelse n og antall 
koeffisienter p. Denne indikatoren kan uttrykkes på følgende måte: 	
()	1) (
1 2
− −
− = −
n
T SSp n
E SS
justert R	, der	ESS	er tilfeldig variasjon 
rundt regresjonslinjen og	
TSS	er total variasjon.

25
Tabell 4.1.2 gir en oversikt over koeffisienter som er testet og utelatt i 	KOMMODE-0107	. Kriteriene 
som ligger til grunn for at koeffisienten ikke skal være med i modellen er ustabilitet i punktestimatet 
samt lav t-verdi i flere år. Vedlegg E.2 begrunner hvorfor koeffisientene er utelatt i den nye 
modellversjonen. 	
Tabell 4.1.2. Effekter som er testet og utelatt i ny versjon av 	KOMMODE	, 2001-2007* 	
Sektor Koeffisient 2001 2002 2003 2004 2005 2006 2007
(2) Barn 6-15 år med grunn- eller 
hjelpestønad** 46,31	
(2,42)	76,31(3,74)	59,61(2,95)	23,38 (1,17) 	31,92 (1,45) 	23,77 (1,25) 	24,84(1,19)	
(2) Gjennomsnittlig avstand til nærmeste 
nabokrets 0,39	
(1,37)	0,89(2,93)	0,61(1,92)	0,73 (1,95) 	0,17 (0,41) 	-0,55 (1,31) 	0,29(0,58)	
(3) Arbeidsledige 16-24 år -10,51	(0,73)	10,98(0,58)	12,90(0,84)	0,76 (0,04) 	-8,77 (0,56) 	-21,64 (1,15) 	-2,19(0,09)	
(4) Barn 0-5 år med grunn- eller 
hjelpestønad*** 22,27	
(0,83)	52,64(2,32)	92,78(3,84)	52,68 (1,82) 	39,85 (1,01) 	19,93 (0,61) 	45,87(1,41)	
(5) Gjennomsnittlig avstand til nærmeste 
nabokrets 0,19	
(0,98)	0,51(2,43)	0,30(1,40)	0,02 (0,11) 	-0,06 (0,28) 	0,15 (0,54) 	0,74(2,84)	
(6) Arbeidsledige 25-59 år 11,48	(1,49)	10,47(1,63)	2,21(0,40)	8,07 (1,40) 	5,03 (0,75) 	4,59 (0,55) 	11,87(1,15)	
(7) Befolkning 0-19 år 0,66	(0,84)	1,41(1,76)	1,19(1,33)	0,70 (0,76) 	0,32 (0,29) 	0,45 (0,39) 	-0,73(0,53)	*Avhengige variable er løpende sektorspesifikke utgifter målt i 1000 NOK per innbygger. T-verdien i absoluttverdi er gitt i parentes under 
koeffisientene. Sektor 2: Grunnskoler Sektor 3: Øvrig utdanning Sektor 4: Barnehager 
 Sektor 5: Helsestell Sektor 6: Sosialhjelp Sektor 7: Barnevern 
** Omtale av denne variabelen er gitt i vedlegg B. 
*** Omtale av denne variabelen er gitt i vedlegg B. 
 
I den nye modellversjonen har vi også valgt å erstatte småkommuneindikatorene med basiskriteriet 
for å fange opp smådriftsulemper i kommunenes sektorer.	
87 At vi valgte å gjennomføre dette bytte 
har tre årsaker. For det første har vi nå en enklere modell gjennom at vi nå benytter en istedenfor to 
variabler til å fange opp kommunenes smådriftsulemper. For det andre er basiskriteriets 
funksjonsform lettere å forstå enn funksjonsformene til småkommuneindikatorene. For det tredje 
bruker inntektssystemet for kommunene invers folkemengde som kriterium for å fange opp 
smådriftsulemper i kommunenes tjenesteproduksjon. Vi testet derfor hvordan basiskriteriet slo ut på 
utgiftsbruken i de 12 sektorene. Til forskjell fra småkommuneindikatorene viste det seg at 
funksjonsformen til basiskriteriet fanger opp smådriftsulemper i 	
VAR	-sektoren men ikke i sektoren 
kommunale veier. 
 
Med bakgrunn i bytte av kriteriet for å fange opp smådriftsulemper så vi nærmere på hvordan 
modellestimatene ble påvirket av at vi fjernet Utsira, den kommunen med lavest innbyggertall, fra 
beregningen av modellestimatene. Resultatet av å utelate denne kommunen i beregningen er at 
modellen predikerer høyere smådriftsulemper for de resterende kommunene, spesielt i sektorene 
administrasjon og øvrig infrastruktur. At Utsira har en selvstendig effekt på estimeringsresultatene 
tyder på at denne kommunen ikke passer så godt inn i modellen. Vi har derfor valgt å ekskludere 
denne kommunen fra analysen. 
 
I denne versjonen av 	
KOMMODE	 har vi også valgt å erstatte antall flyktninger med 
integreringstilskudd beregnet av Statistisk sentralbyrå med antall flyktninger kommunen faktisk har 
mottatt integreringstilskudd for. Disse tallene har vi fått fra Integrerings- og mangfoldsdirektoratet. 
Integrerings- og mangfoldsdirektoratet er de som betaler ut integreringstilskudd til kommunene.	
88 Vi 
mener at denne variabelen har en høyere validitet siden den bedre måler det vi er ute etter. Dette fordi 
disse tallene bygger på faktiske utbetalinger til kommunene i løpet av et bestemt år. 
 
Til forskjell fra tidligere versjoner av 	
KOMMODE	 har vi valgt å fjerne kommunenes gebyrinntekter 
tilhørende barnehagesektoren både på inntekts- og utgiftssiden. Årsaken til dette er at vi på denne 
måten oppnår bedre sammenliknbarhet for kommuner med ulike andeler barn i private og 	
 	 	87 En presis definisjon av basiskriteriet, som er det samme som invers folkemengde, er gitt i vedlegg B. 88 Se vedlegg B.1 for en presis definisjon av flyktninger med integreringstilskudd.

26
kommunale barnehager. Overføringer fra kommunene til private barnehager er registrert under 
utgiftene tilhørende barnehagesektoren. Vi har ikke tilgang på de private barnehagenes 
gebyrinntekter. Ved å bare inkludere gebyrer tilhørende kommunale barnehager vil ikke forholdet 
mellom gebyrinntekter og utgifter tilhørende barnehagesektoren være sammenliknbare på tvers av 
kommuner siden kommunene har en ulik andel kommunale og private barnehager. Tidligere har vi 
brukt hypotetiske barnehageutgifter for å korrigere for dette, se Langørgen mfl. (2005). Etter 
innføringen av likebehandlingen av kommunale og private barnehager i 2004, synes det mer relevant 
å bruke faktiske enn hypotetiske barnehageutgifter. 
4.1.3 Nytt sett av koeffisienter som påvirker kommunenes bundne kostnader 
Som forklart i avsnitt 4.1.1 og 4.1.2 har vi endret/fjernet koeffisienter som påvirker kommunenes 
bundne kostnader per innbygger. Tabell 4.1 gir en oversikt over variabler som påvirker bundne 
kostnader i de ulike sektorene. 
Tabell 4.1. Oversikt over variabler som påvirker bundne kostnader, etter sektor	 * 	
 (0) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
Befolkning 1-5 år X 
Befolkning 6-12 år X 
Befolkning 13-15 år X 
Befolkning 67-79 år X 
Befolkning 80-89 år X 
Befolkning 90 år og over X 
Barn 0-15 år med enslige foreldre X 
Heltids yrkesaktive kvinner 20-44 år X X 
Flyktninger med integreringstilskudd X X 
Skilte og separerte 16-59 år X 
Arbeidsledige 16-24 år X 
Antall fattige X X 
Uførepensjonister 18-49 år X 
Psykisk utviklingshemmete 16 år og over X 
Ressurskrevende brukere X 
Kilometer kommunale veier X 
Snønedbør X 
Høygradig rensekapasitet X 
Gjennomsnittlig avstand til sonesenter X X	
**	X X 
Basiskriteriet (invers folkemengde) X X X	
**	X X X X X 
Vekst i kommunale inntekter X 	
* X angir at variabelen i den samme raden bidrar til å forklare utgiftsbruken til sektoren i den samme kolonnen. 
Sektor 0: Netto driftsresultat Sektor 4: Barnehager Sektor 8: Pleie og omsorg Sektor 12: Øvrig infrastruktur 
Sektor 1: Administrasjon Sektor 5: Helsestell Sektor 9: Kultur 
Sektor 2: Grunnskoler Sektor 6: Sosialhjelp Sektor 10: Kommunale veier 
Sektor 3: Øvrig utdanning Sektor 7: Barnevern Sektor 11: VAR 
** Basiskriteriet og sonekriteriet i barnehagesektoren er fjernet for årene 2005-2007 siden de ikke er statistisk signifikante for disse årene. Se kommentar til 
tabell 4.2.5 for en nærmere begrunnelse. 
4.2 Estimeringsresultater 
I dette avsnittet presenterer vi estimeringsresultatene fra 	KOMMODE-0107	 for årene 2001-2007. 
Formålet med å beregne modellen for flere år er bl.a. å teste modellens stabilitet. Modellens stabilitet 
kommer til uttrykk på to måter. For det første vil stabilitet i punktestimater og statistisk signifikans 
fra år til år tilsi at modellen er stabil.	
89 For det andre vil stabilitet i modellens forklaringskraft, uttrykt 
ved 	
R2-justert etter sektor, være en viktig indikator på modellstabilitet. 
 	
 	 	89 Siden alle avhengige variable i modellen er målt i løpende 1000 kroner vil stabilitet i estimerte koeffisienter tilsi en 
økning i modellestimatene fra år til år pga. pris- og inntektsvekst.

27
I avsnitt 4.2.1 ser vi nærmere på variasjoner i bundne kostnader. Avsnitt 4.2.2 gir en gjennomgang av 
de marginale budsjettandelene. Til slutt ser vi, i avsnitt 4.2.3, på modellens forklaringskraft gjennom 
å se nærmere på utviklingen i 	
R2-justert innad i hver sektor. 	
 
4.2.1 Variasjoner i bundne kostnader og minsteutgifter 
En oversikt over effekter av variabler som påvirker de bundne kostnadene eller minsteutgifter i 
modellen er presentert i tabell 4.2.1 til 4.2.13. Tabellene presenterer estimerte koeffisienter og deres 
t-verdi etter sektor. Disse koeffisientene	
(	)ijα	kan tolkes som effekten på kommunenes 
sektorspesifikke bundne kostnader eller minsteutgifter	
90()	iα	av en økning i en bestemt 
forklaringsfaktor	
(	)jz	med en enhet.	91 I dette avsnittet tar vi for oss variasjoner i bundne kostnader 
innad i hver sektor, der vi spesielt ser nærmere på stabilitet i parameterestimatene.	
92 
 
Netto driftsresultat.	
93 Netto driftsresultat behandles som en residualsektor i 	KOMMODE	. Dvs. at det 
ikke inngår en egen likning for netto driftsresultat i modellen, men at parametrene knyttet til netto 
driftsresultat blir avledet fra likningene for de tolv tjenesteytende sektorene. Minsteutgiften 
tilhørende denne sektoren	
()	0α	 viser forventet netto driftsresultat i en kommune hvor de frie 
disponible inntektene er lik null. Som vi ser fra tabell 4.2.1 har vi valgt å bestemme minsteutgiften 
for netto driftsresultat som en funksjon av inntektsveksten fra året før. Resultatene av å gjøre dette er 
at vekst i kommunale inntekter
94 påvirker minsteutgiften til sektoren positivt. Dette skyldes tregheter 
i tilpasningen av utgiftene til forandrede kommunale inntekter. Desto høyere inntektsvekst, desto 
høyere blir netto driftsresultat som følge av at tilpasningen til endrede rammebetingelser tar tid. Netto 
driftsresultatet blir brukt til å dempe svingninger i inntektene til kommunene. 	
Tabell 4.2.1. Effekter av variabler som påvirker minsteutgiften til netto driftsresultat, 2001-
2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant -1,16 -1,17 -1,56 -0,76 -1,48 -2,23 -3,91
Vekst i kommunale inntekter 
0,30 0,23 0,42 0,25 0,52 0,66 0,48
 	
 (6,93) (3,08) (6,93) (4,32) (9,41) (12,97) (11,20)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Sammenhengen mellom minsteutgiften til netto driftsresultat og vekst i kommunenes frie inntekter er 
vist i tabell 4.2.1. Punktestimatene kan tolkes som andelene av en inntektsøkning fra et år til et annet 
som blir brukt til å øke netto driftsresultatet i det inneværende året. Som vi ser fra tabellen varierer 
denne estimerte andelen mye, 0,23 i 2002 og 0,66 i 2006. Vi har allikevel valgt å beholde denne 
forklaringsvariabelen, med bakgrunn i de høye t-verdiene. 
 
En forklaring på variasjonen i punktestimatene kan være at tilpasningstregheten til kommunene 
avhenger av om inntektsveksten er forventet eller ikke. Rammeoverføringene sammen med 
 	 	90 Koeffisientene er målt i 1 000 kroner per innbygger. Koeffisientene for de demografiske og sosiodemografiske 
variablene kan også tolkes som effekten av en ekstra person målt i 1 000 kr. 
91 Formelt kan tolkningen av en gitt koeffisient for sektor i og forklaringsvariabel j uttrykkes på følgende måte: 	j zi	ij	∂ ∂
=
α
α	. 	
92 Vi kommenterer ikke konstantleddene som er dokumentert i tabell E.3.1 til tabell E.3.13. Bakgrunnen for dette er at 
konstantleddet ikke har en økonomisk tolkning i denne sammenhengen. 
93 Netto driftsresultat for kommuner og fylkeskommuner angir forholdet mellom driftsinntekter og driftsutgifter, medregnet 
netto renteutgifter og låneavdrag. Det tekniske beregningsutvalg for kommunal og fylkeskommunal økonomi anser netto 
driftsresultat som den primære indikatoren for økonomisk balanse i kommunesektoren. Netto driftsresultat viser hvor 
mye som kan avsettes til framtidig bruk og til egenfinansiering av investeringer. 
94 Når vi her snakker om kommunale inntekter mener vi her summen av kommunenes skatteinntekter og 
rammeoverføringer, dvs. kommunenes frie inntekter.

28
forventede skatteinntekter blir lagt frem i kommuneproposisjonen året før.	95 Dvs. at kommunene har 
relativt god tid til å øke utgiftene i de tjenesteytende sektorene tilsvarende en eventuell inntektsvekst. 
Skatteinntekter utover de forventede skatteinntektene er derimot problematisk å fastslå i god tid, 
siden det er løpende overføringer som avhenger direkte av aktivitetsnivået i økonomien. Dette taler 
for at økte rammetilskudd og økte forventede skatteinntekter reduserer effekten av vekst i 
kommunale inntekter på minsteutgiften til netto driftsresultat mens uforutsette økte skatteinntekter 
øker den samme effekten. 
 
En forklaring på det høye punktestimatet for 2006 kan skyldes at den nye flertallsregjeringen	
96 i 2005 
økte rammeoverføringene til kommunene betydelig via revidert nasjonalbudsjett for 2006. 
Skatteinntektene var samtidig mye større enn forventet det samme året. Kommunene forventet ikke 
denne inntektsveksten, noe som resulterte i en økt minsteutgift til netto driftsresultat for 2006. 
 
Administrasjon. Effekter av variabler som påvirker bundne kostnader i sektoren administrasjon er 
dokumentert i tabell 4.2.2. Fra tabellen ser vi at sektoren er forbundet med smådriftsulemper.	
97 
Parameterestimatene tilhørende basiskriteriet er stabile, mellom 3,34 og 4,17, bortsett fra i 2002 der 
smådriftsulempen er relativt lav, på 2,74. 	
Tabell 4.2.2. Effekter av variabler som påvirker bundne kostnader i administrasjon, 2001-
2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,88 1,39 1,07 1,75 1,49 1,25 0,80
 	 (1,38) (6,14) (2,02) (6,49) (3,71) (2,60) (0,79)	
Basiskriteriet (invers folkemengde) 
3,58 2,74 3,52 3,82 3,34 3,77 4,17
 	
 (12,94) (8,24) (10,05) (13,81) (13,60) (14,83) (15,41)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Grunnskoler. Tabell 4.2.3 viser effekter av variable som påviker bundne kostnader til sektoren 
grunnskoler. Fra tabellen og figur 4.1 ser vi at merkostnaden for en barneskoleelev ligger mellom 
29 000 kroner og 39 000 kroner. Ungdomskoleelever har en merkostnad på ca. 60 000 kroner for 
årene 2002-2006 og 77 030 kroner i 2007. Denne merkostnaden for barn i ungdomskolealder var 
lavere for 2001, ca. 50 000 kroner. Det kan ha sammenheng med noe lavere datakvalitet i 2001 fra 
kommunene til 	
KOSTRA	. 	
Tabell 4.2.3. Effekter av variabler som påvirker bundne kostnader i grunnskoler, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
-0,17 0,57 0,06 0,41 0,08 0,41 -0,20
 	 (0,30) (1,07) (0,09) (0,75) (0,14) (0,57) (0,22)	
Befolkning 6-12 år 
33,01 29,19 33,91 34,11 38,92 39,06 36,96
 	
 (6,94) (5,52) (5,75) (6,74) (6,56) (5,70) (5,62)	
Befolkning 13-15 år 
50,68 62,51 58,47 62,39 59,96 58,22 77,03
 	
 (5,06) (4,85) (4,96) (6,18) (6,37) (4,67) (6,24)	
Gjennomsnittlig avstand til sonesenter 
0,68 0,80 0,85 1,11 0,95 0,90 1,26
 	
 (11,79) (19,25) (16,23) (13,74) (9,08) (11,18) (9,64)	
Basiskriteriet (invers folkemengde) 
1,81 1,93 1,87 2,18 1,93 2,22 2,41
 	
 (8,08) (7,81) (5,49) (8,62) (8,29) (8,18) (9,26)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Bortsett fra den lave merkostnaden for barn i ungdomskolealder i 2001 og den relativt høye 
merkostnaden for barn i ungdomskolealderen i 2007 ser vi fra figuren at utviklingen i merkostnaden 
 	 	95 Også kalt kommuneøkonomiproposisjonen. Denne proposisjonen blir lagt frem hvert år i løpet av mai måned og 
inneholder bl.a. kommunenes forventede skatteinntekter og rammeoverføringer til kommunene for året etter. 
96 Stoltenbergs andre regjering tiltrådte høsten 2005. 97 Effekten av basiskriteriet kan tolkes som smådriftsulemper målt i millioner kroner per kommune. I 2007 er 
smådriftsulempene i administrasjon på 4,43 mill. kroner.

29
for barn i ulike aldersgrupper er relativt stabil. At elevene i ungdomsskolen koster mer enn 
barneskoleelever kan ifølge Langørgen (2007b) ha tre årsaker. For det første kan det skyldes at 
lærerne i ungdomskolen har et høyere utdanningsnivå og derfor får høyere lønn. For det andre har 
lærerne i ungdomskolen lavere leseplikt, som er det antall timer lærerne skal undervise per år. Lavere 
leseplikt betyr mer tid til blant annet for- og etterarbeid for lærerne, noe som bidrar til å øke 
kostnaden per elev. For det tredje kan det være forskjeller i utgifter til undervisningsutstyr, for 
eksempel PC-er, mellom barne- og ungdomstrinnet. Resultatet samsvarer for øvrig med statens 
kompensasjon til privatskoler, som blir gitt med en høyere sats for elever i ungdomskolen enn for 
elever i barneskolen. 
 
Vi finner at sonekriteriet og basiskriteriet har en positiv og signifikant effekt på bundne kostnader til 
grunnskoler. Dette skyldes at en desentralisert skolestruktur, med bakgrunn i lengre reiseavstander, 
gir behov for flere små skoler og små klasser. Siden små skoler har en høyere lærertetthet enn store 
skoler vil dette kriteriet også fange opp smådriftsulemper på skolenivå. Disse effektene bidrar til 
høyere kostnader per elev. Basiskriteriet derimot fanger opp sektorens smådriftsulemper, siden 
kommuner med et lavt innbyggertall har et lavt elevgrunnlag. Følgelig vil ikke sektorens 
stordriftsfordeler bli utnyttet i små kommuner. 
Figur 4.1. Merkostnaden i grunnskoler for barn i ulike aldersgrupper, i kroner 	
0 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000
2001 2002 2003 2004 2005 2006 2007	
Barn es ko leald er (6-12 år)
Ungdomskolealder (13-15 år)	
 	
 
Øvrig utdanning. En oversikt over effekter av variabler som påvirker de bundne kostnadene i 
sektoren for øvrig utdanning er gjengitt i tabell 4.2.4. Vi har som nevnt fjernet arbeidsledig ungdom 
som forklaringsvariabel til sektorens bundne kostnader, med bakgrunn i at variabelen ikke er 
signifikant for alle år og har ustabile parameterestimater. Heltids yrkesaktive kvinner i alderen 20-44 
år og flyktinger med integreringstilskudd har derimot positiv effekt på sektorens bundne kostnader i 
hele perioden. 
 
Merkostnaden per flyktning med integreringstilskudd på sektorens bundne kostnader øker fra ca. 
20 600 kroner i 2001 til ca. 31 000 kroner i 2006. Dette kan ha sammenheng med et høyere 
kostnadsnivå knyttet til opplæring av denne gruppen samt at opplæringen gradvis har blitt pålagt 
høyere standard. Bakgrunnen for at yrkesaktive kvinner har en positiv effekt på sektorens bundne 
kostnader er at deres familier i større grad benytter seg av skolefritidsordningen. Effekten av denne

30
variabelen er relativt svak i 2001 og 2006. Dette kan skyldes at det i disse årene var et høyt 
aktivitetsnivå i norsk økonomi og at det følgelig var flere yrkesaktive kvinner enn normalt. Siden det 
ikke er et 1:1 forhold mellom antall yrkesaktive kvinner og barn som benytter seg av 
skolefritidsordningen kan merkostnaden knyttet til hver yrkesaktive kvinne være lavere i en 
høykonjunktur. 
Tabell 4.2.4. Effekter av variabler som påvirker bundne kostnader i øvrig utdanning, 2001-
2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,36 0,38 0,27 0,39 0,32 0,42 0,40
 	 (2,96) (3,12) (2,28) (3,86) (2,83) (3,64) (2,33)	
Heltids yrkesaktive kvinner 20-44 år 
1,93 3,90 5,47 5,07 5,32 3,58 4,21
 	
 (1,34) (2,24) (3,69) (3,35) (3,12) (2,29) (2,46)	
Flyktninger med integreringstilskudd 
20,61 22,64 21,19 23,45 28,44 31,06 29,60
 	
 (6,54) (7,41) (8,12) (7,55) (8,34) (8,20) (7,57)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Barnehager. Tabell 4.2.5 viser effekter av variabler som påvirker bundne kostnader til barnehager fra 
2001 til 2007. Vi finner at barn i barnehagealder, heltids yrkesaktive kvinner, gjennomsnittlig 
avstand til sonesenter og basiskriteriet har en positiv effekt på sektorens bundne kostnader. Med 
bakgrunn i innføringen av likebehandling av private og offentlige barnehager den 1. mai 2004, har vi 
fjernet gebyrinntekter fra inntekt og utgiftsiden i modellen. Begrunnelsen for dette er gitt i avsnitt 
4.1.2. Det er naturlig å anta at denne endringen i modellen påvirker nivået på de estimerte 
parameterne, siden vi nå benytter sektorens utgifter fratrukket kommunenes gebyrinntekter til 
barnehager. 
Tabell 4.2.5. Effekter av variabler som påvirker bundne kostnader i barnehager, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
-0,61 -0,12 -0,5 -0,44 -0,58 -0,5 -0,42
 	 (1,83) (0,56) (1,74) (1,85) (2,17) (1,74) (1,17)	
Befolkning 1-5 år 
11,32 10,27 15,58 23,49 28,56 35,71 44,15
 	
 (4,22) (3,92) (5,56) (7,80) (8,29) (10,17) (10,53)	
Heltids yrkesaktive kvinner 20-44 år 
7,56 10,32 11,86 13,36 15,24 19,05 16,92
 	
 (3,80) (5,03) (5,64) (7,11) (7,91) (8,11) (7,40)	
Gjennomsnittlig avstand til sonesenter 
0,18 0,17 0,15 0,11 - - -
 	
 (3,69) (3,57) (2,59) (2,21) (-) (-) (-)	
Basiskriteriet (invers folkemengde) 
0,55 0,48 0,26 0,37 - - -
 	
 (4,44) (3,78) (1,80) (2,49) (-) (-) (-)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
I tillegg til likebehandling av private og offentlige barnehager innførte man samtidig mål om 
barnehageplass til alle som ønsker det og regulering av foreldrebetalingen. Som vi ser fra tabellen 
øker merkostnaden knyttet til barn i barnehagealder fra 2003-2007 og yrkesaktive kvinner fra 2001 til 
2006. Dette kan skyldes tre ting. For det første vil den regulerte foreldrebetalingen gjøre at flere 
familier vil benytte seg av barnehagetjenester. For det andre vil familier som allerede har barn i 
barnehage ønske en økt oppholdstid i barnehagene. For det tredje vil utbygging av barnehager 
naturlig nok øke dekningsgraden av barn i barnehagealder. 
 
Barnehagereformen hadde derimot motsatt effekt på betydningen av gjennomsnittlig avstand til 
sonesenter og basiskriteriet. Effekten av disse variablene ble borte fra og med 2005, så vi har valgt å 
fjerne disse koeffisientene i modellen etter det samme året. En mulig forklaring på at disse effektene 
forsvinner er innføringen av likebehandling av private og kommunale barnehager. Etter innføringen 
av ordningen ble det dyrere for kommunene å finansiere private barnehager. Kommuner i rurale 
områder, som ofte har lange reiseavstander og få innbyggere, har en høyere andel offentlige 
barnehager siden private aktører ikke har en så stor profittmargin i disse kommunene. Før

31
innføringen av likebehandling hadde små kommuner og kommuner med lange reiseavstander en 
kostnadsulempe knyttet til dyrere kommunale barnehager. 
 
Helsestell. Helsestellsektoren omfatter hovedsakelig primærhelsetjenesten. Tabell 4.2.6 gir oss en 
oversikt over variabler som påvirker sektorens bundne kostnader. Som nevnt tidligere har vi valgt å 
fjerne nabokriteriet som forklaringsvariabel til sektorens utgifter med bakgrunn i ustabile 
punktestimater og lav signifikansgrad. Sonekriteriet, som også fanger opp merkostnader knyttet til 
reiseavstander i kommunene, viser derimot stabilitet og har en positiv og signifikant effekt på 
sektorens bundne kostnader. I likhet med Langørgen og Aaberge (2006) finner vi altså at 
kommunenes bundne kostnader i helsestell blir påvirket av bosetningsmønstre. Dette tyder på at det 
er merkostnader knyttet opp til å yte et desentralisert tjenestetilbud innenfor sektoren i kommuner 
med lange reiseavstander. En desentralisering av legekontorer og helsestasjoner vil dermed kunne 
medføre at befolkningsgrunnlaget er for lite til å utnytte stordriftsfordelene i sektoren. 
Tabell 4.2.6. Effekter av variabler som påvirker bundne kostnader i helsestell, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,56 0,83 0,54 0,76 0,69 0,48 0,28
 	 (2,83) (6,86) (2,33) (5,71) (3,66) (1,96) (0,63)	
Gjennomsnittlig avstand til sonesenter 
0,17 0,23 0,26 0,34 0,29 0,36 0,45
 	
 (4,24) (5,66) (6,58) (9,39) (4,61) (6,71) (8,46)	
Basiskriteriet (invers folkemengde) 
1,19 0,98 1,19 1,49 1,37 1,68 1,66
 	
 (9,34) (6,56) (8,19) (9,26) (9,97) (9,27) (10,06)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Basiskriteriet har også en positiv og signifikant effekt på sektorens utgiftsbruk i hele perioden. Denne 
effekten kan forklares gjennom at kommuner med få innbyggere ikke får utnyttet stordriftsfordelene 
knyttet til tilbudet av primærhelsetjenester. Punktestimatene er meget stabile, bortsett fra i 2002 hvor 
den estimerte koeffisienten er litt lavere enn forventet, på 0,98. 
 
Sosialhjelp. Langørgen og Aaberge (2006) fant at flyktninger med en botid under fem år i Norge, 
skilte og separerte, arbeidsledige ungdom, antall fattige og uføretrygdede var brukere av disse 
tjenestene i 2003. Tabell 4.2.7 bekrefter at disse funnene er gjeldende i hele perioden vi ser på, noe 
som tyder på at alle gruppene er brukere av sosiale tjenester. Vi testet også om arbeidsledige 25-59 år 
og gjennomsnittskvadratmeterpris på solgte brukte eneboliger påvirket sektorens bundne kostnader. 
Disse variablene har ingen signifikant effekt. 
Tabell 4.2.7. Effekter av variabler som påvirker bundne kostnader i sosialhjelp, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
-0,26 -0,34 -0,58 -0,35 -0,37 -0,43 -0,50
 	 (1,83) (2,86) (4,11) (2,82) (2,52) (3,00) (2,94)	
Flyktninger med integreringstilskudd 
41,71 42,29 44,09 45,37 42,31 52,03 55,31
 	
 (12,46) (14,80) (14,43) (12,30) (10,54) (10,64) (10,82)	
Skilte og separerte 16-59 år 
8,16 9,28 10,03 8,17 8,99 11,23 9,51
 	
 (3,94) (4,88) (4,60) (3,82) (4,52) (5,38) (4,11)	
Arbeidsledige 16-24 år 
30,30 71,06 77,84 66,68 65,35 107,52 133,40
 	
 (1,48) (3,75) (4,12) (3,12) (3,32) (5,20) (4,41)	
Antall fattige med regionspesifikke fattigdomsgrenser 
6,25 11,33 13,85 9,82 11,09 7,92 9,77
 	
 (2,59) (5,27) (5,81) (3,52) (4,45) (3,57) (4,71)	
Uførepensjonister 18-49 år 
10,14 4,62 3,53 8,69 8,09 7,11 11,22
 	
 (3,02) (1,18) (0,95) (2,64) (2,32) (1,56) (2,34)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Sosialhjelpsektoren har blitt tilegnet en ny funksjon etter innføringen av introduksjonsloven, som vist 
i tabell G.1. Innføringen av loven har ingen stor påvirkning på merkostnaden knyttet til flyktninger 
med integreringstilskudd, siden parameterestimatene knyttet til denne variabelen er meget stabil i

32
hele perioden. Merkostnaden for en flyktning med integreringstilskudd finner vi ligger mellom 
41 700 kroner og 55 310 kroner. 
 
Skilte og separerte har også stabile parameterestimater. Merkostnaden knyttet til disse brukerne er 
beregnet til å ligge mellom ca. 8 200 kroner og ca. 11 200 kroner. Arbeidsledig ungdom derimot har 
en mindre stabil påvirkning på sektorens bundne kostnader. Merkostnaden knyttet til en arbeidsledig 
ungdom var meget lav i 2001, på ca. 30 300 kroner, og meget høy i 2007, på hele 133 400 kroner. 
Den lave merkostnaden i 2001 kan skyldes at kvaliteten på 	
KOSTRA-	tallene var dårlig for det samme 
året. Den høye merkostnaden i 2007 kan skyldes det høye aktivitetsnivået dette året, slik at 
kommunenes ressursinnsats per arbeidssøker kan antas å ha vært høyere enn normalt. 
 
Effekten av antall fattige med regionspesifikke fattigdomsgrenser er relativt lav i 2001 og 2006, på 
hhv. 6 250 kroner og 7 920 kroner. Årsaken til dette kan skyldes det høye aktivitetsnivået disse årene. 
Andersen mfl. (2003) fant at høykonjunkturer i stor grad er reduserer relativ fattigdom. Det taler for 
at de fattiges behov etter sosialhjelp var lavere i 2001 og 2006 og følgelig var sektorens bundne 
kostnader lave de samme årene. 
 
Effekten av uførepensjonister 18-49 år er ikke statistisk signifikant i 2002, 2003 og 2006, med 
bakgrunn i lave parameterestimater for disse årene. Vi har allikevel valgt å beholde denne 
forklaringsvariabelen i modellen med bakgrunn i at denne variabelen er foreslått som et 
tildelingskriterium i inntektssystemet og at effekten er signifikant positiv i tre av årene. Ordningen 
med tidsbegrenset uføretrygd ble innført i 2004, det vil derfor være nyttig å beholde variabelen i 
modellen for å kunne se hvordan merkostnaden per uførepensjonist utvikler seg i fremtiden. 
 
Barnevern. Tabell 4.2.8 viser effekter av variabler som påviker bundne kostnader til sektoren 
barnevern. Til forskjell fra tidligere versjoner av modellen har vi valgt å fjerne befolkning 0-19 år for 
å forklare variasjoner i sektorens bundne kostnader, med bakgrunn i ustabile punktestimater og lav 
signifikansgrad i hele perioden. Vi sitter dermed igjen med antall fattige med regionspesifikke 
fattigdomsgrenser og barn 0-15 år med enslige foreldre til å forklare variasjoner i sektorens bundne 
kostnader. 	
Tabell 4.2.8. Effekter av variabler som påvirker bundne kostnader i barnevern, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,15 0,16 0,07 0,08 0,18 0,26 0,27
 	 (1,39) (2,00) (0,62) (0,79) (1,65) (2,11) (1,67)	
Barn 0-15 år med enslige foreldre 
6,35 11,73 13,05 14,51 10,62 11,35 12,26
 	
 (3,73) (5,03) (4,31) (4,38) (3,34) (3,59) (3,10)	
Antall fattige med regionspesifikke fattigdomsgrenser 
2,55 6,02 5,32 7,97 8,76 5,26 6,62
 	
 (1,10) (2,59) (2,55) (3,20) (4,03) (2,40) (3,01)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Antall fattige med regionspesifikke fattigdomsgrenser har mindre stabile parameterestimater og er 
ikke signifikant for 2001. Spesielt kommer dette til uttrykk i relativt lave effekter på sektoren i 2001 
og 2006, på hhv. 2 550 kroner og 5 260 kroner. Gitt at det er en positiv sammenheng mellom 
aktivitetsnivået i økonomien og medianinntektene i de økonomiske regionene vil antall fattige øke i 
en høykonjunktur. Kostnadene til barnevernssektoren blir ikke i så stor grad påvirket av 
konjunkturforhold. Med bakgrunn i dette vil det være naturlig at merkostnaden knyttet til fattigdom 
er lavere i en høykonjunktur. 
 
Merkostnaden for barn med enslige foreldre er også relativ lav i 2001, på 6 350 kroner. Dette skyldes 
trolig at vi benytter oss av tall fra folke- og boligtellingen per 3. november 2001 som en beste 
tilnærming til antall barn med enslige foreldre per 1. januar 2001. Merkostnaden for den samme 
variabelen er relativt høyt i 2003 og 2004, på hhv. 13 050 og 14 510 kroner. Årsaken til dette kan 
skyldes at vi benytter interpolerte data for barn med enslige foreldre for disse to årene.	
98 Fra figur C.7 	
 	 	98 En nærmere beskrivelse av metoden for interpolering er gitt i vedlegg D.

33
ser vi at interpolerte tall per innbygger for 2003 er lavere enn tall fra familieregisteret det samme året. 
Hvis det er slik at de interpolerte tallene er lavere enn de faktiske tallene på barn med enslige foreldre 
kan de interpolerte tallene bidra til å overvurdere effekten av koeffisienten på sektorens bundne 
kostnader per innbygger. 
 
Pleie og omsorg. Pleie- og omsorgssektoren omfatter både institusjons- og hjemmetjenester rettet 
mot eldre og funksjonshemmede. Tabell 4.2.9 viser effekter av variabler som påvirker sektorens 
bundne kostnader. I analysen følger vi blant annet Langørgen og Aaberge (2006) og deler de eldre 
brukerne inn i tre aldersgrupper. Vi finner at merkostnaden for en bruker øker med alderen. Ifølge 
Langørgen og Aaberge (2006) skyldes dette at dekningsgradene i hjemmetjenester og institusjoner 
stiger med økende alder samt at desto eldre brukerne er jo større pleiebehov/pleietyngde har de. 
 
Estimeringsresultatene knyttet til de ulike aldersgruppene, som vises i figur 4.2, er relativt stabile 
bortsett fra i 2003. Merkostnaden knyttet til de som er 90 år og eldre er da relativ lav, på 133 370 
kroner, og merkostnaden knyttet til de mellom 80 og 89 år er relativ høy, på 47 960 kroner. Dette kan 
skyldes et multikorrelasjonsproblem mellom de to variablene, siden korrelasjonen mellom de to er 
0,739 i 2003. Fra figur 4.2 ser vi også at merkostnaden knyttet til de som er 90 år og eldre øker 
betraktelig i løpet av perioden vi ser på. Årsaken til dette kan være den økte satsningen på sektoren 
gjennom bl.a. handlingsplanen for eldreomsorgen som varte fra 1998 til 2004. 
Tabell 4.2.9. Effekter av variabler som påvirker bundne kostnader i pleie og omsorg, 2001-
2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,59 1,62 0,91 2,13 1,95 1,32 0,79
 	 (0,67) (2,71) (1,11) (3,38) (2,66) (1,45) (0,49)	
Befolkning 67-79 år 
10,08 21,22 19,48 18,02 18,11 24,13 23,38
 	
 (1,67) (3,28) (2,66) (2,61) (2,52) (2,78) (2,42)	
Befolkning 80-89 år 
44,17 34,67 47,96 40,79 40,10 49,86 45,26
 	
 (3,61) (2,74) (4,10) (3,77) (3,65) (4,18) (2,77)	
Befolkning 90 år og over 
164,51 162,37 133,37 188,49 202,23 201,15 211,25
 	
 (4,92) (4,31) (3,84) (5,54) (5,65) (5,61) (4,63)	
Psykisk utviklingshemmede 16 år og over 
306,05 312,6 227,39 252,57 259,37 290,25 400,79
 	
 (13,27) (11,62) (7,61) (13,70) (14,31) (13,61) (4,63)	
Ressurskrevende brukere 
405,34 542,1 604,73 620,66 664,43 655,07 521,89
 	
 (2,93) (3,41) (4,09) (4,32) (6,22) (5,54) (3,97)	
Gjennomsnittlig avstand til sonesenter 
0,24 0,28 0,46 0,55 0,56 0,28 0,95
 	
 (1,85) (2,47) (4,24) (3,70) (3,29) (2,09) (3,73)	
Basiskriteriet (invers folkemengde) 
2,80 2,16 1,73 2,17 1,41 1,91 2,30
 	
 (7,56) (4,44) (3,20) (4,59) (2,91) (3,78) (4,57)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Estimeringsresultatene viser at merkostnaden knyttet til ressurskrevende brukere øker fra 405 340 
kroner i 2001 til 655 070 kroner i 2006. Bakgrunnen for denne nivåøkningen skyldes at vi benyttet 
antall ressurskrevende brukere for 2004 for 2001-2003 siden vi ikke har tilgang til tall for disse 
årene. Parameterestimatene knyttet til psykisk utviklingshemmede eldre enn 16 år er stabil bortsett 
fra at variabelen er forholdsvis høy for 2001, 2002 og 2007. Dette kan skyldes at ressurskrevende 
brukere og psykisk utviklingshemmede er delvis overlappende grupper slik at koeffisienten 
tilhørende psykisk utviklingshemmede stjeler oppmerksomhet fra koeffisienten tilhørende 
ressurskrevende brukere. 
 
Vi får også bekreftet at det er dyrere å tilby pleie- og omsorgstjenester i kommuner med lange 
reiseavstander. Dette har sammenheng med at kostnaden knyttet til hjemmetjenester vil være høyere 
siden mye av tiden til pleierne går bort i transport. Vi finner også at sektoren omfatter 
smådriftsulemper. Ifølge Langørgen mfl. (2005) har dette sammenheng med smådriftsulemper på 
institusjonsnivå og driften av omsorgsdistrikter for hjemmetjenester. Uavhengig av antall beboere på 
institusjonen må for eksempel et sykehjem ha noen grunnleggende funksjoner. Et større sykehjem vil

34
i mange tilfeller ha større muligheter til å utnytte ressursene bedre, slik at kostnadene per beboer blir 
lavere enn på et sykehjem med relativt få brukere. 
 
Figur 4.2. Merkostnaden i pleie og omsorg for eldre i ulike aldersgrupper, i kroner 	
0 25 000
50 000 75 000 100 000 125 000
150 000 175 000 200 000
225 000
2001 2002 2003 2004 2005 2006 2007	
Be fo lkn in g 67-79 å r
Be fo lkn in g 80-89 å r
Befolkning 90 år og over	
 	
 
Kultur. Vi finner at basiskriteriet har en positiv og statistisk signifikant effekt på sektorens bundne 
kostnader. Parameterestimatene med tilhørende t-verdier er dokumentert i tabell 4.2.10. Dette taler 
for at det er dyrere å tilby kulturelle tjenester i små kommuner pga. smådriftsulemper. For eksempel 
vil kostnaden per innbygger for kulturelt tjenestetilbud være relativt høy i kommuner med få 
innbyggere. Parameterestimatene tilhørende basiskriteriet er stabil bortsett fra i 2007 hvor 
koeffisienten er relativ lav og følgelig ikke er statistisk signifikant. 
Tabell 4.2.10. Effekter av variabler som påvirker bundne kostnader i kultur, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,39 0,68 0,34 0,73 0,64 0,44 0,25
 	 (1,50) (5,50) (1,31) (4,97) (3,28) (1,63) (0,45)	
Basiskriteriet (invers folkemengde) 
0,55 0,53 0,47 0,46 0,46 0,37 0,22
 	
 (4,36) (4,59) (3,35) (3,97) (3,85) (2,86) (1,56)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Kommunale veier. Kommunale veier omfatter alle kostnader kommunene har i forbindelse med 
kommunale veier og gater. Vi finner at effekten av kilometer kommunale veier og snønedbør er 
statistisk signifikante og påvirker sektorens kostnader positivt. Fra tabell 4.2.11 ser vi at 
merkostnaden knyttet til en ekstra kilometer vei varierer mellom ca. 12 700 kroner og 17 200 kroner, 
mens merkostnaden knyttet til en meter ekstra snønedbør varierer mellom ca. 70 kroner og ca. 100 
kroner per innbygger. 
 
I tidligere arbeider, blant annet Langørgen og Aaberge (2006), har man vist at det er en negativ 
sammenheng mellom kommunestørrelsen og sektorens bundne kostnader. Ved å erstatte 
småkommuneindikatorene med basiskriteriet finner vi at denne sammenhengen ikke er signifikant. 
Siden punktestimatene tilhørende basiskriteriet er ustabile og ikke funnet signifikant for noen av

35
årene har vi valgt å fjerne denne koeffisienten i modellen. Dette taler for at små kommuner ikke 
genererer merkostnader knyttet opp mot bundne kostnader i sektoren. 
 
Tabell 4.2.11. Effekter av variabler som påvirker bundne kostnader i kommunale veier, 2001-
2007* 
 	2001 2002 2003 2004 2005 2006 2007	
Konstant 
-0,07 0,00 -0,03 0,05 0,09 0,01 -0,15
 	 (0,73) (0,08) (0,33) (0,82) (1,09) (0,13) (0,68)	
Kilometer kommunale veier 
15,50 16,84 12,67 16,20 14,42 17,22 15,75
 	
 (12,50) (11,70) (7,78) (11,44) (8,36) (10,57) (7,11)	
Snønedbør 
0,09 0,10 0,09 0,07 0,07 0,10 0,08
 	
 (8,16) (6,76) (7,62) (5,78) (4,80) (4,85) (4,51)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
VAR	 (vann, avløp og renovasjon). Tabell 4.2.12 viser effekter av variabler som påvirker bundne 
kostnader tilhørende sektoren. Vi finner en positiv og signifikant sammenheng mellom høygradig 
rensekapasitet og sektorens bundne kostnader per innbygger. Dette skyldes at høygradig 
rensekapasitet, som pålegges av fylkesmannen, er mer kostbart enn lavgradig rensekapasitet. 
 
Basiskriteriet påvirker også sektorens bundne kostnader positivt, men denne effekten er ikke 
statistisk signifikant for årene 2001-2003. Vi har allikevel valgt å beholde koeffisienten med 
bakgrunn i at den er stabil i hele perioden, og varierer mellom 0,22 i 2002 og 0,53 i 2007. 
Parameterestimatene knyttet til høygradig rensekapasitet er også meget stabil. 	
Tabell 4.2.12. Effekter av variabler som påvirker bundne kostnader i vann, avløp og 
renovasjon (	
VAR	), 2001-2007* 	
 2001 2002 2003 2004 2005 2006 2007
Konstant 
0,81 0,93 0,74 0,93 0,88 0,78 0,59
 	 (5,06) (8,77) (4,35) (7,30) (5,74) (3,85) (1,68)	
Høygradig rensekapasitet 
0,36 0,44 0,44 0,47 0,49 0,54 0,54
 	
 (5,70) (6,16) (5,83) (5,79) (6,48) (5,49) (5,40)	
Basiskriteriet (invers folkemengde) 
0,27 0,22 0,33 0,38 0,41 0,49 0,40
 	
 (1,68) (1,51) (1,88) (2,55) (2,68) (3,00) (2,75)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger. 
 
Øvrig infrastruktur. Vi får bekreftet at sektoren øvrig infrastruktur har stordriftsfordeler. Som vi ser 
fra tabell 4.2.13 har basiskriteriet en positiv og statistisk signifikant effekt på sektorens bundne 
kostnader. Punktestimatet for 2001 er relativt høyt, på 1,40. Dette kan skyldes noe lavere datakvalitet 
i 
KOSTRA	 for flere av kommunene det samme året. I sammenheng med at denne sektoren omfatter 
boligrelaterte tjenester, se tabell G, testet vi om gjennomsnittlig kvadratmeterpris på solgte brukte 
eneboliger påvirket sektorens bundne kostnader. Vi fant ingen signifikant effekt av denne variabelen. 	
Tabell 4.2.13. Effekter av variabler som påvirker bundne kostnader i øvrig infrastruktur, 
2001-2007* 	
 2001 2002 2003 2004 2005 2006 2007	
Konstant 
0,39 0,90 0,44 1,10 1,12 0,78 0,31
 	 (0,72) (3,39) (0,86) (3,94) (3,34) (1,60) (0,32)	
Basiskriteriet (invers folkemengde) 
1,40 1,17 1,04 0,98 1,00 0,68 1,19
 	
 (4,26) (3,36) (2,70) (2,80) (3,68) (2,37) (3,05)	
* T-verdier i parentes. Løpende utgifter (i 1000 NOK) er målt per innbygger.

36
4.2.2 Variasjoner i marginale budsjettandeler 
Kommunenes bruk av frie disponible inntekter blir bestemt av lokale prioriteringer, som de 
marginale budsjettandelene er et uttrykk for. De marginale budsjettandelene	
()	iβ	 kan tolkes som 
effekten på kommunens bruk av frie disponible inntekter	
⎟
⎠ ⎞
⎜
⎝ ⎛	−∑= 12
1ii	
y	α	 av en økning i en bestemt 
forklaringsfaktor	
(	)jt	 med en enhet.	99 En oversikt over effekter av variabler som påvirker de 
marginale budsjettandelene i modellen er presentert i tabell 4.2.14 til 4.2.16. Med bakgrunn i at 
budsjettbetingelsen er pålagt som en restriksjon i 	
KOMMODE	, følger det at marginale budsjettandeler 
summerer seg til 1. Budsjettbetingelsen tilsier at en krone ekstra i inntekt vil slå ut nøyaktig med en 
krone i samlede utgifter innenfor tolv tjenesteytende sektorer samt netto driftsresultat. 
 
Gjennomsnittlig utdanningsnivå. Langørgen og Aaberge (2006) fant at kommuner med et høyt 
gjennomsnittlig utdanningsnivå satset mer på øvrig utdanning, barnehager og mindre på 
administrasjon, sosialhjelp og pleie og omsorg sammenliknet med kommuner med lavt 
utdanningsnivå. Tabell 4.2.14 gir en oversikt over koeffisienter for gjennomsnittlig utdanningsnivå 
som påvirker marginale budsjettandeler fra 2001 til 2007. Vi får bekreftet at kommuner med et høyt 
utdanningsnivå prioriterer barnehager og øvrig utdanning og nedprioriterer administrasjon.	
100	 
 	
Tabell 4.2.14. Effekter av gjennomsnittlig utdanningsnivå på marginale budsjettandeler etter 
sektor, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 
-0,024 -0,054 -0,038 -0,054-0,043 -0,040 -0,022	
 	 (2,25) (3,41) (2,99) (3,86) (3,35) (3,44) (2,36)	
Grunnskoler 
-0,031 -0,033 -0,015 -0,011-0,010 -0,013 -0,002
 	
 (2,70) (2,23) (1,63) (0,98) (1,13) (1,56) (0,22)	
Øvrig utdanning 
0,012 0,024 0,012 0,015 0,010 0,014 0,010
 	
 (2,35) (3,37) (2,40) (2,45) (1,84) (2,66) (2,25)	
Barnehager 
0,017 0,021 0,018 0,027 0,020 0,021 0,015
 	
 (2,49) (3,03) (3,08) (3,19) (2,74) (2,72) (2,19)	
Helsestell 
-0,007 -0,004 -0,006 -0,013-0,006 -0,005 -0,005
 	
 (1,35) (0,54) (0,97) (1,45) (0,97) (0,69) (0,79)	
Sosialhjelp 
0,006 0,015 0,008 0,012 0,015 0,014 0,007
 	
 (1,17) (2,41) (1,71) (1,90) (2,61) (2,85) (1,65)	
Barnevern 
-0,005 -0,007 0,006 0,004 0,009 0,005 0,004
 	
 (1,19) (1,14) (0,64) (0,90) (1,96) (1,47) (1,10)	
Pleie og omsorg 
-0,015 -0,019 -0,031 -0,036-0,021 -0,029 -0,014
 	
 (0,86) (0,72) (1,84) (1,46) (1,07) (1,58) (0,82)	
Kultur 
0,009 0,016 0,006 0,020 0,010 0,010 0,008
 	
 (1,72) (2,47) (1,21) (3,24) (1,77) (2,33) (1,53)	
Kommunale veier 
0,001 -0,001 -0,001 -0,005-0,005 -0,002 -0,001
 	
 (0,53) (0,27) (0,53) (1,24) (1,73) (0,81) (0,42)
VAR 	
0,006 0,005 -0,004 0,000 -0,003 0,002 -0,007
 	
 (0,93) (0,43) (0,51) (0,04) (0,30) (0,28) (1,12)	
Øvrig infrastruktur 
0,023 0,064 0,037 0,054 0,035 0,010 0,006
 	
 (1,95) (3,69) (2,65) (3,63) (2,91) (1,10) (0,72)	
Netto driftsresultat 0,007 -0,027 0,014 -0,014 -0,010 0,012 0,001
*Avhengige variabler er løpende netto driftsresultat og utgifter i 12 tjenesteytende sektorer, målt i 1000 NOK per innbygger. T-verdien i 
absoluttverdi er gitt i parentes under koeffisientene. 
 
 	 	
99 Formelt kan tolkningen av en gitt koeffisient for sektor i og forklaringsvariabel j uttrykkes på følgende måte: 	j ti	ij	∂ ∂
=
β
β 	
100	 For sektoren øvrig utdanning finner vi ingen signifikant effekt av gjennomsnittlig utdanningsnivå for 2005.

37
Bakgrunnen for den positive signifikante sammenhengen mellom gjennomsnittlig utdanningsnivå i 
kommunen og prioritering av barnehager og øvrig utdanning kan være at høyt utdannede personer i 
større grad er yrkesaktive enn personer med lavt utdannede personer. Kommuner med et høyt 
utdanningsnivå vil dermed ha en større etterspørsel etter barnehagetjenester og skolefritidsordningen. 
Følgelig vil tilbudet av kommunale tjenestene knyttet til disse to sektorene prioriteres i kommuner 
med høyt utdanningsnivå. 
 
Vi finner også en positiv effekt av befolkningens utdanningsnivå på sektorene sosialhjelp, kultur og 
øvrig infrastruktur. Årsakene til disse sammenhengene kan være at høyt utdannede personer har 
preferanser ovenfor tjenester som inngår i disse sektorene. Det er oppsiktsvekkende at kommuner 
med høyt gjennomsnittlig utdanningsnivå prioriterer sosialhjelp, siden denne gruppen ikke vil være 
brukere av sosialhjelpstjenester. En mulig forklaring på denne effekten er at personer med et høyt 
utdanningsnivå i større grad har altruistiske holdninger ovenfor de vanskeligstilte i kommunen. 
 
Kommuner med høyt utdanningsnivå gir samtidig mindre prioritet til administrasjon i hele perioden 
og grunnskoler i 2001 og 2002. Den negative sammenhengen mellom utdanningsnivået og 
utgiftsbruken til administrasjon kan skyldes at høyt utdannede personer har mer restriktive 
holdninger til administrasjon. 
 
Sosialistandelen i kommunestyret. Langørgen og Aaberge (2006) konkluderte med at sosialistiske 
partier prioriterer administrasjon, barnehager og barnevern, og at disse prioriteringene ble finansiert 
ved et lavere netto driftsresultat og mindre satsing på kultur og 	
VAR	-sektoren for året 2003. 	
Tabell 4.2.15. Effekter av sosialistandelen i kommunestyret på marginale budsjettandeler etter 
sektor, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 
0,017 0,018 0,042 0,110 0,043 0,046 0,021
 	 (0,82) (0,59) (1,72) (3,45) (1,79) (2,08) (1,39)	
Grunnskoler 
-0,04 -0,034 -0,011 -0,004 -0,001 -0,016 0,000
 	
 (1,59) (0,97) (0,52) (0,16) (0,06) (0,70) (0,01)	
Øvrig utdanning 
0,002 0,000 0,004 -0,008 -0,007 0,000 0,003
 	
 (0,23) (0,04) (0,44) (0,87) (0,84) (0,05) (0,49)	
Barnehager 
0,015 0,022 0,011 0,009 -0,019 -0,026 -0,012
 	
 (1,47) (1,40) (0,83) (0,61) (1,77) (1,87) (1,06)	
Helsestell 
0,021 0,041 0,014 0,002 0,005 0,025 0,013
 	
 (1,40) (2,26) (1,24) (0,17) (0,39) (1,75) (1,00)	
Sosialhjelp 
0,021 0,021 0,012 0,007 -0,001 0,016 0,013
 	
 (1,46) (1,26) (0,96) (0,58) (0,06) (1,60) (1,71)	
Barnevern 
-0,007 -0,003 0,011 0,015 0,021 0,001 0,005
 	
 (0,57) (0,22) (1,13) (1,21) (1,93) (0,08) (0,59)	
Pleie og omsorg 
0,044 0,090 -0,006 0,009 -0,019 0,020 0,008
 	
 (1,02) (1,41) (0,20) (0,21) (0,61) (0,62) (0,24)	
Kultur 
0,003 -0,017 -0,020 -0,005 0,001 -0,014 -0,013
 	
 (0,24) (1,07) (1,45) (0,33) (0,11) (1,26) (1,29)	
Kommunale veier 
0,003 0,003 -0,002 0,004 0,004 0,000 0,005
 	
 (0,45) (0,33) (0,24) (0,53) (0,60) (0,05) (1,00)	
VAR 
-0,006 -0,021 -0,015 -0,028-0,023 -0,018 -0,011
 	
 (0,37) (0,91) (0,84) (1,22) (1,20) (0,92) (0,77)	
Øvrig infrastruktur 
0,039 0,021 0,014 0,073 0,056 0,032 0,037
 	
 (1,29) (0,62) (0,52) (2,11) (2,41) (1,37) (1,59)	
Netto driftsresultat -0,108 -0,140 -0,053 -0,167-0,061 -0,067 -0,067
*Avhengige variabler er løpende netto driftsresultat og utgifter i 12 tjenesteytende sektorer, målt i 1000 NOK per innbygger. T-verdien i 
absoluttverdi er gitt i parentes under koeffisientene. 
 
Som vi ser fra tabell 4.2.15 er ikke bildet så klart som presentert i Langørgen og Aaberge (2006).Vi 
finner en positiv signifikant sammenheng mellom andelen sosialistiske partier i kommunen og

38
utgiftsbruken til administrasjon i 2004 og 2006, helsestell i 2002 og øvrig infrastruktur fra 2004 til 
2005, der disse prioriteringene blir finansiert av et lavere netto driftsresultat. Spesielt 
oppsiktsvekkende er det at barnehager blir nedprioritert i 2004-2007. En mulig forklaring på dette 
kan være at sosialistiske partier nedprioriterer private barnehager etter innføringen av likebehandling 
av private og offentlige barnehager den 1. mai 2004. Dette kan de gjøre ved kun å overføre 
minimumssatsen på 85 prosent av de tilskuddene de overfører til offentlige barnehager. 
 
Vi finner ingen klare entydige sammenhenger mellom sosialistandelen i kommunestyret og bruken av 
frie disponible inntekter på de tolv tjenestesektorene i perioden vi ser på. Det taler for at 
prioriteringene som gjøres på kommunenivå bestemmes av lokale forhold og ikke av partipolitiske 
prioriteringer på nasjonalt nivå. De negative parameterestimatene knyttet til netto driftsresultat viser 
imidlertid at kommuner med en høy sosialistandel nedprioriterer netto driftsresultat. 
 
Andelen bosatt tettbebygd. For året 2003 fant Langørgen og Aaberge (2006) at tettbebygde 
kommuner prioriterte helsestell, kultur og 	
VAR	-sektoren. Disse prioriteringene ble finansiert av lavere 
netto driftsresultat og lavere utgiftsbruk til sektorene administrasjon og øvrig infrastruktur. 
 	
Tabell 4.2.16. Effekter av andelen bosatt tettbebygd på marginale budsjettandeler etter sektor, 
2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 
-0,027 -0,033 -0,021 -0,043-0,045 -0,024 -0,013
 	 (1,79) (1,79) (1,33) (2,40) (2,75) (1,95) (1,46)	
Grunnskoler 
0,000 0,034 -0,001 0,007 -0,017 -0,009 0,000
 	
 (0,03) (1,65) (0,03) (0,40) (1,36) (0,76) (0,00)	
Øvrig utdanning 
0,009 0,01 0,006 0,012 0,008 0,008 0,002
 	
 (1,22) (1,13) (0,94) (1,46) (1,19) (1,38) (0,49)	
Barnehager 
0,000 0,011 -0,003 0,006 -0,003 -0,002 0,001
 	
 (0,01) (1,10) (0,33) (0,67) (0,45) (0,30) (0,14)	
Helsestell 
0,004 -0,001 0,011 0,025 0,012 0,011 0,011
 	
 (0,42) (0,07) (1,35) (2,42) (1,49) (1,37) (1,35)	
Sosialhjelp 
0,011 0,009 0,01 0,011 0,015 0,006 0,006
 	
 (1,66) (0,89) (1,22) (1,04) (1,57) (1,00) (1,24)	
Barnevern 
0,024 0,024 0,012 0,005 0,005 0,012 0,003
 	
 (2,72) (2,37) (2,03) (0,71) (0,84) (2,09) (0,65)	
Pleie og omsorg 
0,034 0,016 0,025 0,008 -0,027 -0,001 0,023
 	
 (1,26) (0,36) (1,01) (0,23) (1,01) (0,07) (1,12)	
Kultur 
0,016 0,038 0,028 0,028 0,021 0,022 0,004
 	
 (1,82) (3,65) (2,58) (3,32) (2,87) (2,75) (0,62)	
Kommunale veier 
0,007 0,008 0,003 -0,003 0,004 0,005 0,001
 	
 (1,60) (1,50) (0,81) (0,49) (0,86) (1,40) (0,16)	
VAR 
0,024 0,037 0,038 0,033 0,032 0,025 0,016
 	
 (1,99) (2,34) (2,66) (2,29) (2,40) (1,96) (1,54)	
Øvrig infrastruktur 
-0,071 -0,093 -0,065 -0,105 -0,069 -0,050 -0,038
 	
 (2,80) (4,09) (3,42) (4,46) (3,65) (3,24) (2,56)	
Netto driftsresultat -0,031 -0,061 -0,043 0,014 0,064 -0,002 -0,016
*Avhengige variabler er løpende netto driftsresultat og utgifter i 12 tjenesteytende sektorer, målt i 1000 NOK per innbygger. T-verdien i 
absoluttverdi er gitt i parentes under koeffisientene. 
 
Våre resultater, se tabell 4.2.16, verifiserer at kommuner med en høy andel bosatt tettbebygd 
prioriterer kultur og VAR-sektoren i hele perioden. Virkningen på helsestell er for øvrig bare 
signifikant forskjellig fra null i 2004. Vi finner også en positiv signifikant sammenheng mellom 
tettbebygde kommuner og barnevernssektoren i 2001-2003 og 2006. Alle koeffisientene knyttet til 
denne sektoren er positive. Dette taler for at kommuner med en høy andel bosatt tettbebygd 
prioriterer barnevernssektoren. En annen forklaring kan være at tettbebygde kommuner er et 
oppsamlingssted for barnevernsbarn, slik at variabelen fanger opp deler av de bundne kostnadene til

39
barnevernssektoren. Vi får også bekreftet at tettbebygde kommuner nedprioriterer administrasjon og 
øvrig infrastruktur i hele perioden. Effekten på netto driftsresultat er negativ bortsett fra i 2004 og 
2005. 
 
Gjennomsnittlige marginale budsjettandeler. I 	
KOMMODE	 åpner vi for heterogenitet i marginale 
budsjettandeler på tvers av kommuner. Heterogeniteten i marginale budsjettandeler kommer til 
uttrykk i likning 3.13. Denne likningen sier at de marginale budsjettandeler er en lineær kombinasjon 
av tre forklaringsvariable, utdanningsnivå, sosialistandel og andel bosatt tettbebygd, samt et 
konstantledd. De estimerte koeffisientene tilhørende forklaringsvariablene er presentert i tabell 4.2.14 
til 4.2.16 og en oversikt over konstantleddene gis i tabell E.3.1. Ved hjelp av disse estimerte 
koeffisientene og variablene som påvirker de marginale budsjettandelene for hver sektor har vi 
predikert marginale budsjettandeler for alle kommuner. 
 
I tabell 4.2.17 gis en oversikt over kommunenes gjennomsnittlige marginale budsjettandeler etter 
sektor for årene 2001-2007. Fra tabellen ser vi at de marginale budsjettandelene knyttet til netto 
driftsresultat øker mest i løpet av perioden, spesielt fra 2003 til 2007. Det kan skyldes at den 
forbedrede kommuneøkonomien etter 2003 har ført til at kommunene har valgt å redusere sin gjeld 
og følgelig har netto driftsresultat økt. Dette gjelder spesielt kommuner med høye frie disponible 
inntekter. 	
Tabell 4.2.17. Gjennomsnittlige marginale budsjettandeler etter sektor, 2001-2007 
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 
0,161 0,130 0,142 0,130 0,133 0,127 0,128
Grunnskoler 
0,118 0,111 0,119 0,095 0,111 0,105 0,087
Øvrig utdanning 
0,020 0,023 0,017 0,018 0,017 0,017 0,015
Barnehager 
0,065 0,063 0,059 0,054 0,056 0,042 0,034
Helsestell 
0,049 0,060 0,062 0,057 0,058 0,060 0,057
Sosialhjelp 
0,016 0,013 0,013 0,016 0,017 0,013 0,013
Barnevern 
0,016 0,016 0,016 0,014 0,014 0,015 0,011
Pleie og omsorg 
0,185 0,184 0,205 0,200 0,193 0,197 0,179
Kultur 
0,066 0,074 0,075 0,074 0,066 0,076 0,070
Kommunale veier 
0,035 0,018 0,022 0,024 0,021 0,021 0,026
VAR 
0,020 0,043 0,042 0,047 0,040 0,044 0,042
Øvrig infrastruktur 
0,133 0,149 0,135 0,141 0,108 0,130 0,120
Netto driftsresultat 0,116 0,116 0,094 0,131 0,166 0,152 0,218
Totale marginale budsjettandeler 1,000 1,000 1,000 1,000 1,000 1,000 1,000
Antall kommuner 
401 400 403 401 398 403 391
 
På den andre siden har sektorene administrasjon, grunnskoler, øvrig utdanning, barnehager og 
barnevern fått lavere prioritet i løpet av disse syv årene. En forklaring på dette kan være at 
kommunene har brukt en større andel av de økte frie disponible inntektene på å betale ned gjeld. 
Siden vi vet at summen av de marginale budsjettandelene må være lik èn vil følgelig de marginale 
budsjettandelene i de resterende sektorene synke. 
4.2.3 Forklaringskraften til 	KOMMODE	 	
Kommunenes rom for egne prioriteringer kan også sees i sammenheng med uforklart variasjon i de 
ulike sektorene. Forklaringskraften til 	
KOMMODE-0107	, uttrykt ved 	R2-justert, fra 2001 til 2007 er 
presentert i tabell 4.2.18 og figur 4.3. 
 
Som vi ser fra figuren øker 	
R2-justert for alle sektorer utenom administrasjon, barnehager og 
kommunale veier fra 2001 til 2002. En mulig forklaring på dette er at kvaliteten på 	
KOSTRA	-tallene er 
forbedret fra 2001 til 2002. Dette har sammenheng med at 	
KOSTRA	-innmeldingen fra kommunene ble 
innført året 2001 og at det tok tid før alle kommunene tilpasset seg systemet og meldte inn riktige 
utgifter under de riktige funksjonene.

40
Tabell 4.2.18. 	R2 –justert etter sektor og antall observasjoner, 2001-2007 	
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 0,87 0,80 0,86 0,87 0,86 0,87 0,86
Grunnskoler 0,78 0,80 0,80 0,83 0,80 0,80 0,78
Øvrig utdanning 0,31 0,35 0,36 0,35 0,36 0,37 0,38
Barnehager 0,61 0,60 0,60 0,59 0,61 0,58 0,61
Helsestell 0,69 0,69 0,73 0,77 0,75 0,76 0,75
Sosialhjelp 0,52 0,59 0,60 0,59 0,58 0,61 0,59
Barnevern 0,24 0,27 0,27 0,24 0,22 0,18 0,16
Pleie og omsorg 0,85 0,85 0,87 0,89 0,88 0,87 0,86
Kultur 0,56 0,64 0,59 0,64 0,54 0,63 0,62
Kommunale veier 0,63 0,58 0,62 0,64 0,56 0,57 0,59
VAR 0,19 0,23 0,24 0,28 0,22 0,24 0,30
Øvrig infrastruktur 0,63 0,72 0,57 0,66 0,58 0,63 0,60
Antall kommuner 401 400 403 401 398 403 391
 
Modellens forklaringskraft varierer på tvers av sektorer. Øvrig utdanning, barnevern og 	
VAR	 har en 
relativ lav forklaringskraft mens administrasjon, grunnskoler, helsestell og pleie og omsorg har en 
relativ høy forklaringskraft. Øvrig infrastruktur har størst variasjon i 	
R2-justert blant de tolv 
tjenesteytende sektorene. Det at sektoren omfatter mange ulike funksjoner i 	
KOMMODE	 kan være 
årsaken til at forklaringskraften for denne sektoren er mindre stabil i hele perioden vi ser på. 
Forklaringskraften av de elleve resterende sektorene er for øvrig meget stabile.	
 	
Figur 4.3. 	R2-justert etter sektor, 2001-2007 	
0,00 0,10 0,20 0,30
0,40 0,50 0,60
0,70 0,80 0,90 1,00
2001 2002 2003 2004 2005 2006 2007	
A d min is t ra s jo n
Grunnskoler
Øvrig utdanning
Barnehager
He ls e s t e ll
So s ialh jelp
Barnevern
Pleie og omsorg
Ku lt u r
Kommunale veier
VA R
Øv rig in fras t ru kt u r

41
4.3 Definisjon og måling av fattigdom 
4.3.1 Evaluering av indikator for fattigdom 
Innledning. I Norge og andre 	OECD	-land brukes og forstås fattigdom som et relativt begrep. De 
fattige blir da definert som individer med tilgang på ressurser som er betydelig lavere enn det som 
sees på som normalt i samfunnet. I Norge er kommunene pålagt økonomiske bidrag, i form av 
sosialhjelp, til trengende individer som ikke har mulighet eller evne til å skaffe seg tilstrekkelig 
inntekt til livsopphold.	
101	 Satser og tildelingskriterier blir bestemt i hver kommune med føringer fra 
Arbeids- og inkluderingsdepartementet. Tanken er at personer med relativ liten ressurstilgang kan 
benytte seg av sosialhjelp slik at de nærmer seg normal ressurstilgang i samfunnet. Andelen fattige 
inngår derfor, i modellen 
KOMMODE	, som en faktor som forklarer variasjoner i kommunenes bundne 
kostnader til sosialhjelp. Dette er fordi kommuner med en relativt stor andel fattige vil ha større 
sosiale kostnader per innbygger enn kommuner med en lavere andel fattige. Langørgen mfl. (2005) 
fant også at fattigdomskriteriet har en statistisk signifikant effekt på utgiftsbruken til barnevern. 
Årsaken til dette er at omsorgssvikt i hjemmet ofte henger sammen med økonomiske vanskeligheter. 
 
Tradisjonelt har man brukt landsspesifikke fattigdomsgrenser	
102	 som grunnlag for å tallfeste 
fattigdom i Norge. Denne tilnærmingsmåten forutsetter konstante priser på tvers av regioner. Men 
siden priser på basisvarer som for eksempel bolig varierer betydelig mellom urbane og rurale 
områder, vil som påpekt av Mogstad mfl. (2007), resultatene fra studier som bygger på en slik 
forutsetning kun ha en begrenset verdi. Andelen fattige, som forklaring på variasjoner i kommunenes 
bundne kostnader, ble først tatt i bruk i 	
KOMMODE	 basert på 	KOSTRA	-data for 2003.	103	 
Fattigdomsberegningene som lå til grunn for denne studien tok hensyn til boligprisforskjeller ved å 
beregne regionspesifikke fattigdomsgrenser	
104	 i selvdefinerte regioner	105	, som er bestemt på grunnlag 
av boligpris og landsdel. I beregningene denne evalueringen bygger på, følger vi Mogstad (2007), og 
tar hensyn til regionale forskjeller ved å bruke økonomiske regioner når vi bestemmer 
fattigdomsgrenser. 
 
De økonomiske regionene i Norge er utarbeidet av Statistisk sentralbyrå og deler landet inn i 90 
regioner på et nivå mellom kommuner og fylkeskommuner.	
106	 Bakgrunnen for inndelingen er lokale 
arbeidsmarkedsvilkår, handel, pendling, indre migrasjons- og tjenestemønstre. Siden Norge er et 
langstrakt land vil disse regionene være et uttrykk for lokale næringsklynger. En svakhet ved denne 
inndelingen er at en region ikke har utstrekning på tvers av fylkesgrenser. 
 
Det viktigste argumentet for å ta utgangspunkt i økonomiske regioner under beregning av 
fattigdomsgrenser er, ifølge Mogstad (2007), at individers kjøpskapasitet på enkelte varer avhenger 
av ressursnivået til mennesker rundt dem. Vi vil da forvente at prisen på disse varene, som 
boligpriser, øker med det generelle inntektsnivået innad i geografisk bestemte handelsmønstre, som 
økonomiske regioner er et uttrykk for. I denne evalueringen tar vi hensyn til regionale forskjeller på 
to måter: 
(1)	
 Vi beregner andelen fattige ut fra en prisjustert landsspesifikk fattigdomsgrense. Ved 
bestemmelsen av denne fattigdomsgrensen tar vi utgangspunkt i boligprisforskjeller mellom 
økonomiske regioner for deretter å gjøre inntektskomponenter sammenliknbare på tvers av 
regioner.	
107	 Denne metoden bygger på antagelsen at det er homogenitet i alle priser bortsett 
fra boligpriser på tvers av regioner. Vi tar utgangspunkt i boligpriser ved utregningen av 	
 	 	101	 Se Lov om sosiale tjenester § 5-1 og § 5-2. 	102	 En fattigdomsgrense er en bestemt inntektsgrense som avgjør om et individ er fattig eller ikke. Har personen en lavere 
inntekt enn denne inntektsgrensen er vedkommende definert som fattig	
. 	103	 Se Langørgen mfl. (2005). 	104	 I avsnitt 2 forklarer vi regionspesifikke fattigdomsgrenser nærmere. 	105	 Se Langørgen mfl. (2003). 	106	 Disse økonomiske regionene er dokumentert og begrunnet i Standard for økonomiske regioner utarbeidet av Statistisk 
sentralbyrå. 	
107	 En mer detaljert beskrivelse over utregningen av denne fattigdomsgrensen kommer vi tilbake til i avsnitt 2.

42	
denne fattigdomsgrensen, dette har to forklaringer: For det første har vi ikke tilgang på 
detaljerte prisdata på regionsnivå for andre varer enn kvadratmeter bolig. For det andre utgjør 
bolig en stor andel av levekostnaden for de fleste individer i landet. Det kommer til uttrykk i 
konsumprisindeksen der andelen for bolig, lys og brensel ligger på ca. 25 prosent. 
(2)
 Vi beregner andelen fattige ut fra en regionspesifikk fattigdomsgrense ved å bestemme en 
fattigdomsgrense innad i hver økonomiske region. Ved å bruke denne tilnærmingen antar vi 
at det er flere priser i tillegg til boligpriser som er heterogene slik at vi, pga. manglende 
datagrunnlag, ikke kan justere for prisforskjeller mellom regioner. Regionspesifikke 
fattigdomsgrenser tar hensyn til relativ fattigdom innad i regionene. Dvs. at den normale 
ressurstilgangen i en økonomisk region, ikke i landet som helhet, ligger til grunn for hvem 
som skal betegnes som fattig i regionen. Ifølge Langørgen mfl. (2005) kan et annet argument 
knyttes til befolkningens egne vurderinger av akseptabelt materielt nivå, som relaterer seg til 
egne observasjoner og erfaringer fra nærmiljøet. 
 
I avsnitt 5 vurderer vi nærmere hvilken av disse to metodene som er mest egnet til beregningen av 
andel fattige, for årene 2001 til 2007 til bruk i 	
KOMMODE	. 
 
3. november 2001 ble det gjennomført en folke- og boligtelling (	
FoB2001) i Norge av Statistisk 
sentralbyrå. Et viktig formål med å gjennomføre tellingen var å beskrive hvordan folk bor i Norge, 
samt gi informasjon om befolkningssammensetning og levekår i det norske samfunnet. Med 
bakgrunn i denne tellingen har man, for året 2001, oversikt over alle husholdninger og hvilke 
individer som tilhører hver av dem. Etter 2001 er det ikke gjennomført slike tellinger, vi kjenner 
dermed ikke til husholdningssammensetningen for disse årene. Vårt beste alternativ er å ta 
utgangspunkt i Det sentrale folkeregisteret (	
DSF	) og bruke familie som økonomisk enhet	108	 i 
beregningene. I denne evalueringen har vi valgt å ta utgangspunkt i beregninger for 2001, siden dette 
er det siste året vi bruker husholdning som økonomisk enhet. I vedlegg F.1 ser vi nærmere på om det 
kan forsvares å bruke familie som økonomisk enhet til å beregne andel fattige, for årene 2001 til 
2007, til bruk i 	
KOMMODE	. 
 
Kort oppsummert er denne evalueringen gjennomført for å få svar på to spørsmål: 
(1)	
 Skal vi bruke regionspesifikke eller prisjusterte landsspesifikke fattigdomsgrenser ved 
beregning av andel fattige på kommunenivå. 
(2)
 Kan det forsvares å bruke inntektsdata med familie som økonomisk enhet for å beregne andel 
fattige i årene 2002 til 2007. 
 
Med bakgrunn i (1) og (2) har vi tallfestet fattigdomsandeler på fire forskjellige måter for 2001, se 
tabell 4.3.1. 	
Tabell 4.3.1. Oversikt over variable som ligger til grunn for evalueringen, 2001 
Økonomisk enhet Fattigdomsgrense 
 Prisjustert landsspesifikk Regionspesifikk 
Husholdning 	l
hz	 	r
hz	 	
Familie 	l
fz	 	r
fz	 	
 
Ekvivalentinntekt. I målingen av fattigdom bruker vi inntekt etter skatt eksklusiv sosialhjelp som 
individets inntekt. Bakgrunnen for at vi trekker sosialhjelp fra individets inntekt før vi beregner 
andelen fattige er at sosialhjelp er påvirket av kommunenes egne valg. Ved å ekskludere sosialhjelp 
fra inntektsbegrepet før vi gjennomfører fattigdomsberegninger finner vi andelen fattige før disse 
sosiale tjenestene er fordelt ut blant kommunens innbyggere. Vi vil dermed kunne bruke variabelen 
til å forklare kommunenes bundne kostnader til sektoren sosialhjelp i 	
KOMMODE	. 
 	
 	 	108	 En økonomisk enhet er i denne sammenheng definert som familie eller (kost)husholdning. Enheten ligger til grunn for 
beregningen av ekvivalensinntekter, som vi kommer tilbake til i avsnitt 2.

43
For å sammenlikne velferd til individer fra hushold/familier med ulik sammensetning og størrelse er 
det vanlig å ta utgangspunkt i en ekvivalensskala. I denne studien har vi benyttet 	
OECD	-skalaen. 	
 
Boks 4.3.1. Ekvivalensinntekt til bruk i fattigdomsberegninger 
Utregningen av ekvivalensinntekt for individ k i hushold/familie j kan skisseres slik: 	
∑=	
=	n
kkj j
kj
v
1
φ	ϕ	 	
der 	kjϕ	er ekvivalensinntekten for individ k i hushold/familie j, 	jφ	 er inntekten til hushold/familie j 	
og j inneholder n individer der individ k har vekt 	kjv	. 	
 
OECD	-skalaen gir den første voksne i den økonomiske enheten vekten 1, øvrige voksne får vekten 0,7 
og alle barn får vekten 0,5. Summen av disse vektene for en økonomisk enhet kalles 
ekvivalentvekten. Denne vekten tar hensyn til stordriftsfordeler	
109	 i enheten, og omregner enhetens 
inntekt til sammenliknbare personinntekter. Disse personinntektene, også kalt ekvivalensinntekter, er 
like for alle individer i samme økonomiske enhet. Begrunnelsen for at vi gjør denne forenklingen er 
at vi ikke kjenner til hvordan inntektene fordeles innad i hvert hushold/familie. 
 
I tillegg til studenter er personer med en bruttofinanskapital	
110	 større enn tre ganger medianinntekten 
fjernet fra datagrunnlaget. Bakgrunnen for ekskluderingen av disse befolkningsgruppene er omtalt i 
Langørgen mfl. (2005). 
 
Prisjustert landsspesifikk fattigdomsgrense. Ved beregningen av prisjustert landsspesifikk 
fattigdomsgrense tar vi hensyn til boligprisforskjeller mellom økonomiske regioner. Med 
utgangspunkt i boligvekten i konsumprisen og gjennomsnittskvadratmeterpris på solgte ene-
boliger	
111	 i regionene har vi bestemt en prisindeks for hver økonomiske region, se boksen under. Ved 
mindre enn ti observasjoner av kvadratmeterpris i en økonomisk region har vi brukt 
gjennomsnittskvadratmeterprisen fra fylket som den økonomiske regionen ligger i som et anslag på 
regionens kvadratmeterpris. 
 
For å komme frem til reelle inntektskomponenter som er sammenliknbare på tvers av økonomiske 
regioner, gitt forutsetningen om at det er homogenitet i alle priser unntatt boligpriser, har vi delt alle 
inntektskomponenter i regionen på regionens prisindeks. Effekten av å gjøre dette er at 
inntektskomponentene i alle regioner blåses opp i forhold til inntektskomponentene i Oslo. Vi tar 
dermed hensyn til at realverdien på en inntekt i er høyere i regioner med lave 
gjennomsnittskvadratmeterpriser enn i regioner med høyere gjennomsnittskvadratmeterpriser. Med 
bakgrunn i disse reelle inntektskomponentene har vi bestemt en prisjustert landsspesifikk 
fattigdomsgrense, som er satt til halvparten av den reelle medianinntekten i landet. Den prisjusterte 
landsspesifikke fattigdomsgrensen er lik 96 235 kroner når vi bruker husholdning som økonomisk 
enhet og 95 005 kroner med familie som økonomisk enhet. Personer med en reell ekvivalensinntekt 
lavere enn disse grensene er definert som fattige. 	
 
 	
 	109	 Ekvivalentvekten representerer avveiningen mellom betydningen av felles konsum og privat konsum i de økonomiske 
enhetene. 	
110	 Bruttofinanskapital består av bankinnskudd, andeler i aksjefond, obligasjons- og pengemarkedsfond, verdipapirer reg. i 
Verdipapirsentralen (	
VPS	), andre verdipapir, aksjer, obligasjoner og opsjoner ikke reg. i 	VPS	, andre fordringer og annen 
formue og annen skattepliktig formue i utlandet. 	
111	 Det finnes prisinformasjon på solgte eneboliger, blokkleiligheter og småhus. Bakgrunnen for at vi bare tar utgangspunkt 
i prisen på solgte eneboliger er fordi det er meget få observasjoner på solgte blokkleiligheter og småhus. 
Kvadratmeterprisen på eneboliger er dessuten ikke sammenliknbar med kvadratmeterprisen på blokkleiligheter og 
småhus. Det vil si at vi i denne beregningen bruker de relative eneboligprisene som en tilnærming til relativ boligpris i de 
økonomiske regionene.

44
Boks 4.3.2. Prisindeksen til bruk i beregningen av prisjustert landsspesifikk fattigdomsgrense 
Utregningen av prisindeksen som brukes i beregningen av prisjustert landsspesifikk fattigdomsgrense 
for et gitt år t kan skisseres slik: 	
()	⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
+ − =	t
Oslot
i t t t
iδ δ
α α ρ	1 	
der 	
t
iρ	 - Prisindeks for økonomiske region i. 
tα	 - Bolig, lys og brensel sin andel av konsumprisindeksen. 
t
iδ	 - Gjennomsnittskvadratmeterpris for økonomiske region i.	 	
t
Osloδ	 - Gjennomsnittskvadratmeterpris for Oslo. 	
Denne prisindeksen er normalisert i forhold til Oslo, siden 1=	t
Osloρ	, og har begrensningen 	
()	1 1≤ ≤ −	t
i tρ α	. Det er fordi Oslo har den høyeste gjennomsnittskvadratmeterprisen i alle årene vi 	
ser på (2001-2007). 
 
Regionspesifikke fattigdomsgrenser.	 Ved å anta at det er flere priser i tillegg til boligpriser som er 
heterogene kan vi ikke, pga. manglende datagrunnlag, justere for prisforskjeller mellom regioner. 
Vårt beste forslag til å løse dette problemet er å beregne regionspesifikke fattigdomsgrenser ved å ta 
hensyn til relativ fattigdom innad i regionene. Dvs. at den normale ressurstilgangen i en økonomisk 
region, ikke i landet som helhet, ligger til grunn for hvem som skal betegnes som fattig i regionen. 
Regionspesifikke fattigdomsgrenser har vi kommet frem til ved å finne 50 prosent av medianinntekt 
innad i hver av de 90 økonomiske regionene. Ved utregningen av disse fattigdomsgrensene får man 
den samme andelen fattige om man legger reelle eller nominelle inntekter til grunn siden alle 
nominelle inntekter blir delt på den samme prisindeksen innad i regionen. Vi har gjennomført våre 
beregninger av regionspesifikke fattigdomsgrenser på reelle inntektskomponenter siden grensene i 
størrelsesorden kan sees i sammenheng med den prisjusterte landsspesifikke fattigdomsgrensen. Det 
vil si at alle individer med en reell ekvivalensinntekt som er mindre enn halvparten av den reelle 
medianinntekten i den økonomiske regionen de er folkeregistrert i blir definert som fattig. 
 
Tabell 4.2 viser summarisk statistikk over regionspesifikke fattigdomsgrenser med familie og 
hushold som økonomisk enhet. Ved å velge familie som økonomisk enhet reduseres gjennomsnittlig 
regionspesifikk fattigdomsgrense med ca. 1 200 kroner, samt at maksimum og minimum reduseres 
med om lag den samme summen. En mer grundig gjennomgang av resultatene kommer vi tilbake til i 
vedlegg F.1. 	
Tabell 4.3.2. Summarisk statistikk for regionspesifikke fattigdomsgrenser, 2001 
Økonomisk enhet Antall regioner Gj.snitt (kroner)St. avvik (kroner) Min (kroner) Maks (kroner)
Husholdning 90 95 666 3 206 89 177 103 952
Familie 90 94 472 3 129 87 928 102 698
Regionspesifikke fattigdomsgrenser eller en prisjustert landsspesifikk fattigdomsgrense.	 Som nevnt 
tidligere ønsker vi i beregningen av andelen fattige å ta hensyn til regionale forskjeller, eller mer 
presist forskjeller mellom økonomiske regioner. Vi har tatt hensyn til regionale forskjeller på to 
måter. Ved bestemmelsen av prisjustert landsspesifikk fattigdomsgrense tar vi hensyn til 
heterogenitet i boligpriser, men antar at resterende priser er homogene. Spørsmålet vi derfor må stille 
oss er om boligprisen er det eneste elementet i konsumprisindeksen som er ulik på tvers av 
økonomiske regioner. Hvis det er flere varer som systematisk har en forskjellig pris på tvers av 
regioner, samt at krav til levestandard varierer mellom regioner, kan bruk av landsspesifikk 
fattigdomsgrense gi opphav til skjeve estimater av fattigdomsandeler. 	
 
Andelen fattige vi får ved å bruke disse to metodene avhenger av fattigdomsgrensene. Som nevnt 
tidligere er disse fattigdomsgrensene beregnet ut fra halvparten av den reelle medianinntekten i hhv. 
landet eller de økonomiske regionene. For en økonomisk region vil den regionspesifikke

45
fattigdomsgrensen være høyest hvis den reelle medianinntekten i regionen er større enn den reelle 
medianinntekten i landet. Andelen fattige i regionen vil dermed være høyest ved bruk av en 
regionspesifikk fattigdomsgrense. Vi kan fra dette dra slutningen at det er størrelsen på 
medianinntekten i regionen i forhold til medianinntekten i landet som avgjør hvilken av metodene 
som genererer størst andel fattige. Ved å ta en titt på figurene F.1. og F.2. ser vi at de reelle 
medianinntektene i regionene ligger både over og under den reelle medianinntekten i landet, siden 
andelen fattige varierer mellom de to beregningsmetodene. 
 
Tabell 4.3.3 viser summarisk statistikk for prosent fattige med hhv. prisjustert landsspesifikk og 
regionspesifikk fattigdomsgrense samt familie og husholdning som økonomisk enhet. Avvikene 
mellom de to metodene og datagrunnlag er små. 
Tabell 4.3.3. Summarisk statistikk for prosent fattige per kommune, 2001* 
 Prisjustert 
landsspesifikk 
fattigdomsgrense 
med familie som 
økonomisk enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert 
landsspesifikk 
fattigdomsgrense 
med husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser 
med husholdning som 
økonomisk enhet
Gjennomsnitt 2,7 2,6 2,6 2,6
Median 2,6 2,6 2,5 2,6
Standardavvik 1,0 1,0 0,9 1,0
Min 0,5 0,5 0,4 0,4
Maks 8,6 7,9 8,7 8,0
* Antall kommuner = 435. 
 
Konklusjon. 	I arbeidet med å videreutvikle modellen 	KOMMODE	 presenterer vi her to nye 
fattigdomskriterier, andelen fattige med hhv. prisjustert landsspesifikk fattigdomsgrense og 
regionspesifikk fattigdomsgrense. I valget mellom disse to kriteriene står den teoretiske begrunnelsen 
sentralt, siden det er vanskelig å teste resultatene empirisk. Årsaken til dette er at vi benytter et 
relativt fattigdomsbegrep, ikke et absolutt. Fattigdom blir dermed knyttet til forestillingen om 
uakseptabel lav levestandard, istedenfor en forstilling om nød. I vår tid har denne tilnærmingen blitt 
utdypet av Rawls (1971), som synes å være opphavsmannen til dagens praksis med å bruke 
halvparten av medianinntekten som fattigdomsgrense. Langørgen mfl. (2005) argumenterer for at 
denne fremgangsmåten bygger på forutsetningen om at individenes kjøpekraft er uavhengig av 
bosted og at kravene for å kunne delta i samfunnslivet er de samme, eller i alle fall koster det samme, 
uavhengig av hvor du bor. 
 
Den tradisjonelle tilnærmingen, som innebærer å beregne en landsspesifikk fattigdomsgrense, bryter 
med disse forutsetningene. Det er fordi denne metoden ikke tar hensyn til boligprisforskjeller, som vi 
vet er betydelige, og det faktum at kravet for å delta i samfunnslivet varierer innad i Norge. Ideelt sett 
kunne vi ha justert personinntektene for forskjellige konsumpriser som tok hensyn til konsummønster 
på tvers av landets befolkning. Slike prisindekser finnes ikke, og dette er bakgrunnen for at vi har 
utviklet to alternative metoder. 
 
Ved å benytte en regionspesifikk fattigdomsgrense antar vi at priser og konsummønstre varierer på 
tvers av de økonomiske regionene, ved å beregne en fattigdomsgrense innad i hver region. Ideelt sett 
skal de økonomiske regionene fange opp lokale arbeidsmarkedsvilkår, pendling, handel, indre 
migrasjons- og tjenestemønstre. Tanken er at det er naturlig for en person som er bosatt i en region å 
sammenlikne seg først og fremst med de andre innbyggerne i regionen. En svakhet ved inndelingen 
av økonomiske regioner er at disse regionene ikke kan gå på tvers av fylkesgrenser. Ifølge Singh 
(2008) skaper disse økonomiske regionene amputerete regioner og restregioner som ikke fanger opp 
lokale arbeidsmarkedsvilkår og pendlingsmønstre. 
 
For å beregne en prisjustert landsspesifikk fattigdomsgrense tar vi utgangspunkt i den eneste 
prisinformasjonen vi har på tvers av de økonomiske regionene, kvadratmeterpris på eneboliger, og 
prisjusterer alle inntektskomponenter for deretter å lage en landsspesifikk fattigdomsgrense. Denne

46
tilnærmingen hviler på antakelsene om at konsummønsteret er likt for alle innbyggere i landet, samt 
at det bare er boligpriser som har en betydelig variasjon i Norge. 
 
Vi velger med bakgrunn i disse argumentene å bruke andelen fattige med regionspesifikke 
fattigdomsgrenser, til tross for den begrensede inndelingen av de økonomiske regionene, som 
fattigdomskriterium i 	
KOMMODE	. 
 
I denne evalueringen ser vi også på om det kan forsvares å bruke familie som økonomisk enhet for å 
beregne andel fattige. Grunnen til at vi står ovenfor denne problemstillingen er at det ikke finnes 
husholdningsregistre for årene etter 2001. Siden vi har valgt å benytte regionspesifikke 
fattigdomsgrenser er det tilstrekkelig å studere figur F.6, som tilsier at vi ikke gjør en stor feil ved å 
benytte familie som økonomisk enhet. 	
5. Oppsummering og konklusjon 
Formålet med dette arbeidet er å studere stabiliteten i kommunenes økonomiske atferd fra 2001 til 
2007 ved hjelp av modellen 	
KOMMODE	; se Langørgen og Aaberge (1997). Ved å estimere modellen 
for flere år har vi kunnet undersøke endringer i estimeringsresultatene. Dette har gitt oss større 
kunnskap om kommuneøkonomien i den aktuelle perioden. Et viktig element i denne sammenheng 
har vært å teste modellens stabilitet. 
I kapittel 2 gis det en oversikt over forhold som påvirker kommunenes økonomiske handlefrihet. For 
det første redegjøres det for hvordan staten styrer aktiviteten i de norske kommunene gjennom 
overføringer i form av rammetilskudd eller øremerkede tilskudd, gjennom inntektssystemet og ved å 
pålegge kommunene oppgaver. For det andre gis det en gjennomgang av utviklingen i kommunenes 
økonomiske forhold som ligger utenfor statens direkte kontroll ved å se nærmere på 
konjunkturutviklingen i perioden, utviklingen i faktorpriser og forhold som påvirker kommunenes 
bundne kostnader. Denne oversikten danner et viktig grunnlag for tolking av estimeringsresultatene, 
som blir presentert i kapittel 4. 
 
I kapittel 3 gjennomgås modellen 	
KOMMODE	. Modellen antar at kommunene er nyttemaksimerende 
aktører når de bestemmer utgiftsnivået på de ulike tjenestesektorene og budsjettunderskudd for å 
finansiere disse utgiftene. Ved å maksimere en gitt kommunes nyttefunksjon gitt en 
budsjettbetingelse kommer man frem til en versjon av det lineære utgiftssystemet. Dette 
utgiftssystemet sier at kommunenes utgifter i en bestemt sektor er lik summen av sektorens bundne 
kostnader og andelen av de frie disponible inntektene som brukes på sektoren. Ved å introdusere 
heterogenitet i kostnads- og preferanseparameterne får man et lineært utgiftssystem som tar hensyn 
til heterogenitet i kommunenes utgiftsbehov og i lokale preferanser. 
 
Kommunene møter lovpålagte oppgaver og minstestandarder i tjenesteproduksjonen. I en utvidet 
forstand vil dette omhandle alle minstestandarder og normer samfunnet pålegger kommunen. 
Kostnaden forbundet med dette produksjonsnivået i ulike sektorer kalles bundne kostnader. 
 
Flere av de kommunale tjenestene er rettet mot personer i bestemte aldersgrupper. Det er derfor 
positive og signifikante sammenhenger mellom bundne kostnader i grunnskolesektoren og barn i 
barneskole- og ungdomskolealder, bundne kostnader i barnehagesektoren og barn i barnehagealder, 
og bundne kostnader i pleie- og omsorgssektoren og antall eldre personer. Det viser seg at 
merkostnaden i grunnskolesektoren for barn i barneskolealder er lavere enn merkostnaden for barn 
som går på ungdomskolen. For året 2007 finner vi at merkostnaden for barneskoleelever er på ca. 
37 000 kroner mens merkostnaden for ungdomskoleelever er på ca. 77 000 kroner. 
 
Merkostnaden i pleie- og omsorgssektoren knyttet til eldre brukere øker med alderen på brukerne. 
For eksempel er merkostnaden knyttet til de over 90 år lik ca. 219 000 kroner, de mellom 80-89 år lik 
ca. 40 000 kroner og de mellom 69-79 år lik ca. 27 000 kroner i 2007. Bundne kostnader til pleie- og 
omsorgssektoren påvirkes også av antall psykisk utviklingshemmede og ressurskrevende brukere, 
siden disse gruppene ofte er brukere av pleie- og omsorgstjenester.

47
 
Åtte av de tolv tjenesteytende sektorene har smådriftsulemper. Disse er administrasjon, grunnskoler, 
barnehager, helsestell, pleie og omsorg, kultur, 	
VAR	 (vann, avløp og renovasjon) og øvrig 
infrastruktur. Bakgrunnen for dette er at det er en del oppgaver som utføres selv om kommunen er 
liten eller stor. Kommuner med spredt bosetning kan også ha høyere kostnader i kommunal 
tjenesteytelser pga. høye reiseutgifter og smådriftsulemper i tilknytning til desentralisering. Utgiftene 
til grunnskoler, barnehager, helsestell og pleie og omsorg øker således med reiseavstander innenfor 
kommunen. 
 
Høy yrkesdeltakelse blant kvinner i alderen 20-44 år bidrar til høyere utgifter til øvrig utdanning 
(som inkluderer skolefritidsordningen) og barnehager siden disse familiene i større grad benytter seg 
av skolefritids- og barnehagetilbudet enn hjemmeværende kvinner i den samme aldersgruppen. Det 
er fordi de hjemmeværende kvinnene i større grad passer på barnene selv. 
 
Integrering av innvandrere gir også merkostnad til øvrig utdanning. Grunnen er at personer som har 
flyktningstatus har rett på norsk- og samfunnsfagsundervisning som en del av integreringsprosessen. 
Alle utgifter til voksenopplæringen av disse flyktningene føres under utgiftsbruken i sektoren øvrig 
utdanning. Flyktninger med integreringstilskudd, dvs. flyktninger med en botid under 5 år i Norge, 
bidrar derfor til økte utgifter til øvrig utdanning. 
 
Utgiftsbruken til sosialhjelpsektoren påvirkes av antall fattige personer, flyktninger med 
integreringstilskudd, skilte og separerte i alderen 16-59 år, arbeidsledige 16-24 år og 
uførepensjonister 18-49 år. Årsaken til det er at disse gruppene har en relativ høy tilbøyelighet til å 
være brukere av kommunale sosiale tjenester. Av disse gruppene finner vi at unge arbeidsledige er de 
største brukerne av sosialhjelpstjenester, med en merkostnad på sektorens utgiftsbruk på ca. 143 000 
kroner for 2007. Dette kan skyldes at denne gruppen i mindre grad fanges opp av andre 
velferdsordninger, f.eks. arbeidsledighetstrygd. 
 
Bundne kostnader i barnevernssektoren påvirkes positivt av antall fattige og barn med enslige 
foreldre i alderen 0-15 år. Bakgrunnen for dette er at omsorgssvikt i familien oppstår hyppigere ved 
enslige forsørgere og når de økonomiske rammebetingelsene i familien er dårlige. 
 
I denne versjonen av 	
KOMMODE	 splittes infrastruktursektoren inn i sektorene kommunale veier, 	VAR	 
og øvrig infrastruktur, på samme måte som er presentert i Langørgen mfl. (2005). Denne oppdelingen 
resulterer i at kilometer kommunale veier og snønedbør påvirker utgiftene til kommunale veier 
positivt. Årsaken til dette er at snørydding langs det kommunale veinettet er en betydelig kostnad for 
kommuner med snønedbør og at kostnadene knyttet til sektoren avhenger av størrelsen på veinettet. 
 
Andelen høygradig rensekapasitet har en positiv innvirkning på de bundne kostnadene til 	
VAR	-
sektoren. Denne effekten skyldes at fylkesmannen pålegger hvilke renseprinsipp renseanleggene i 
fylket benytter seg av og høygradig rensing av kloakk er mer kostbart enn lavgradig rensing. 
 
I tillegg til å undersøke hvilke faktorer som påvirker kommunenes bundne kostnader forklarer 	
KOMMODE	 bruken av de frie disponible inntektene. Frie disponible inntekter er differansen mellom 
en kommunes inntekter og bundne kostnader. Andelen av de frie disponible inntektene som brukes 
på de tjenesteytende sektorene og netto driftsresultat kalles marginale budsjettandeler. 
 
Kommuner med et høyt gjennomsnittlig utdanningsnivå satser mer ressurser på øvrig utdanning, 
barnehager, sosialhjelp, kultur og øvrig infrastruktur, og mindre på administrasjon, sammenliknet 
med kommuner med et lavt utdanningsnivå. Disse effektene uttrykker preferanser til personer med et 
høyt utdanningsnivå. Årsaken til at kommuner med et høyt utdanningsnivå prioriterer sosialhjelp kan 
skyldes at personer med et høyt utdanningsnivå i større grad har altruistiske holdninger enn personer 
med et lavere utdanningsnivå.

48
Som nevnt ovenfor prioriterer kommuner med et høyt utdanningsnivå sektorene barnehager og øvrig 
infrastruktur.	112	 Det kan skyldes at disse kommunene har et større behov for tjenester tilknyttet bruk 
av barnehager og skolefritidsordninger. Det er fordi personer med høyt utdanningsnivå har en høyere 
yrkesdeltaking enn personer med et lavere utdanningsnivå og derfor har behov for mer avlastning i 
forbindelse med barnepass.	
113	 
 
Sosialistiske partier, som er definert som Arbeiderpartiet, Sosialistisk Venstreparti og alle andre 
lister/partier som har et klart sosialistståsted, finansierer økt prioritering av administrasjon og øvrig 
infrastruktur ved lavere netto driftsresultat. Dette uttrykker de lokale preferansene knyttet til politisk 
ståsted. Det er overraskende få sammenhenger mellom bruk av frie disponible inntekter og 
sosialistandelen i kommunestyret. En forkaring på dette er at kommunenes prioriteringer i større grad 
er bestemt av lokale forhold enn nasjonale partipolitiske prioriteringer. 
 
Denne versjonen av modellen bruker også andelen bosatt tettbebygd til å forklare kommunenes 
marginale budsjettandeler. En høyere andel bosatt tettbebygd prioriterer barnevern, kultur og 	
VAR	-
sektoren, mens administrasjon, øvrig infrastruktur og netto driftsresultat blir lavere prioritert. 
Bakgrunnen for sammenhengen mellom andelen bosatt tettbebygd og bruken av frie disponible 
inntekter på barnevern og kultur kan i tillegg til lokale prioriteringer skyldes at tettbebygde 
kommuner ofte er by-/senterkommuner. Erfaringsmessig er by-/senterkommuner et oppsamlingssted 
for barnevernsbarn samt et naturlig kultursenter med bakgrunn i mange potensielle brukere av 
kulturtjenester. 
 	
KOMMODE	 er en modell som analyserer kommunenes utgiftsbruk i et simultant rammeverk. Siden 
modellen tidligere er estimert for enkeltårene 1993, 1998 og 2003 har det vært vanskelig å studere 
parameterestimatenes stabilitet. Dette skyldes at dataene i modellen ikke er sammenliknbare samt at 
kommunenes rammebetingelser har blitt endret over tid. 
 
Ved å estimere modellen for årene 2001-2007 har det blitt lettere å studere modellens stabilitet. Det 
er fordi kommunenes rammebetingelser er så å si uendret i perioden samt at data og spesifikasjon av 
modellen er sammenliknbare. Resultatet er at de estimerte koeffisientene i 	
KOMMODE	 endrer seg 
relativt lite over tid. I de tilfeller hvor det er uregelmessigheter i estimeringsresultatene kan vi stort 
sett forklare disse avvikene ved hjelp av innsikt i kommunenes rammebetingelser og utenforliggende 
forhold	
. 
 	
 	112	 Sektoren infrastruktur omfatter blant annet skolefritidsordningen. 	113	 Hvis det er tilfellet at utdanningsnivået fanger opp behovet etter barnehage- og skolefritidstjenester burde 
utdanningsnivået også være med å forklare kommunenes bundne kostnader til de respektive sektorene. Ved å bruke 
utdanningsnivået til å forklare kommunenes bundne kostnader og frie disponible inntekter i en gitt sektor vil det kunne 
oppstå multikollinearitetsproblemer. Vi har med bakgrunn i dette valgt å bare bruke utdanningsnivået til å forklare 
kommunenes bruk av frie disponible inntekter.

49
Referanser 
Andersen A., Epland J., Wennemo T. og R. Aaberge (2003): ”Økonomiske konjunkturer og fattigdom: En studie 
basert på norske inntektsdata, 1979-2000”, Tidskrift for velferdsforskning, Vol. 6, No. 2, 89-106. 
Berge G., Mellem K.B. og J.K. Undeltveit (2007): ”Kommunale avløp: Ressursinnsats, utslipp, rensing og 
slamdisponering”, Rapporter 2007/50, Statistisk sentralbyrå. 
Borge L.E. og J. Rattsø (1997): “Local Goverment Grants and Income Tax Revenue: Redistributive Politics in 
Norway 1900-1990”, Public Choice, 92, 181-197. 
Borge L.E. og J. Rattsø (2002): “Local Government Budgeting and Borrowing: Norway”, Local Public Finance 
in Europe, 191-208. 
Borge L.E., Dahlberg M. og P. Tovmo (2001): “Intertemporal Spending Behavior of Local Governments: A 
Comparative Analysis of the Scandinavian Countries”, Working Paper Series 2001:10, Uppsala 
University, Department of Economics. 
Finansdepartementet: ”Handlingsregelen”, 	
URL	: http://www.dep.no/fin/norsk/tema/norsk_okonomi/006071-	
990150/dok-bn.html	 [3. januar 2007]. 
Finansdepartementet: ”Kraftverksbeskatning”, 	
URL	: http://www.regjeringen.no/nb/dep/fin/tema/andre/Bedrifts--	
og-kapitalbeskatning/Kraftverksbeskatning.html?id=449525	 [13. januar 2008]. 	
FOR	 2004-03-19 nr 539: Forskrift om likeverdig behandling av barnehager i forhold til offentlige tilskudd. 	URL	: 
http://www.lovdata.no/cgi-wift/ldles?doc=/sf/sf/sf-20040319-0539.html	
 [2. juni 2008] 	 	
Frydenlund og Bernt (2005): Kommunalrett. Regelverk og praksis. Fjerde utgave, Oslo, Kommuneforlaget. 
Galloway T.A. (2002): ”En studie av fattigdom basert på registerdata”, Rapporter 1/2002, Stiftelsen Frisch-
senteret for samfunnsøkonomisk forskning. 
Hole V. og Gjelsvik M. (2006): ”Rammevilkår for kommunenes økonomistyring 1970-2005: En politisk-
økonomisk kalender for kommunesektoren i Norge”, Notater 2007/16, Statistisk sentralbyrå. 
Håkonsen L., Lunder T.E. og K. Løyland: ”Lønnssmitte fra privat til kommunal sektor i norske 
arbeidsmarkeder”, Samfunnsøkonomen 4/2008, Samfunnsøkonomene. 
Jansen E.S. og D. Kolsrud (2008): ”Makromodellering av kommunesektorens økonomiske tilpasning”, 
Rapporter 2008/7, Statistisk sentralbyrå. 
Jørgensen T. (2006): ”Nye definisjoner av utdanningsnivåer”, 	
SSB	magasinet, Statistisk sentralbyrå. 	URL	: 
http://www.ssb.no/vis/magasinet/slik_lever_vi/art-2006-09-14-01.html	
 [13. februar 2008]. 
Kommunal- og regionaldepartementet (2004): "Rapport fra Det tekniske beregningsutvalg for kommunal og 
fylkeskommunal økonomi april 2004". 	
URL	: 
http://www.regjeringen.no/nb/dep/krd/dok/rundskriv/2004/Rundskriv-H-0304.html?id=279376	
 
[9. juni 2007]. 
Kommunal- og regionaldepartementet (2006): "Rapport fra Det tekniske beregningsutvalg for kommunal og 
fylkeskommunal økonomi november 2006". 	
URL	: 
http://odin.dep.no/krd/norsk/dep/utvalg/p10001713/bn.html	
 [20. august 2007] 
Langørgen A. (2001): ”	
KOMMODE	 II estimert på data for 1998”, Notater 2001/6, Statistisk sentralbyrå. 
Langørgen A. (2001): ”Inntektssystemet for kommunene: Måling av utgiftsbehov og fordelingsvirkninger”, 
Rapporter 2001/27, Statistisk sentralbyrå.

50
Langørgen, A., Mogstad, M. og R. Aaberge (2003): ”Et regionalt perspektiv på fattigdom”, Økonomiske 
analyser 4/2003, Statistisk sentralbyrå. 
Langørgen A., Galloway T.A., Mogstad M. og R. Aaberge (2005): ”Sammenlikning av simultane og partielle 
analyser av kommunenes økonomiske adferd”, Rapporter 2005/25, Statistisk sentralbyrå. 
Langørgen A. og R. Aaberge (2006): ” Inntektselastisiteter for kommunale tjenester”, Rapporter 2006/10, 
Statistisk sentralbyrå. 
Langørgen A. (2007a): ”Sentraliseringer – årsaker, virkninger og politikk”, Samfunnsspeilet 2/2007, Statistisk 
sentralbyrå. 
Langørgen A. (2007b): ”Kommunenes prioriteringer av barnehager, grunnskoler og øvrig utdanning”, Statistiske 
analyser 90, Statistisk sentralbyrå. 
LOV	 1991-12-13 nr 81: Lov om sosiale tjenester m.v. (sosialtjenesteloven). 
 	
URL	: http://www.lovdata.no/all/hl-19911213-081.html	 [15. juli 2007] 
 	
LOV	 2003-07-04 nr 80: Lov om introduksjonsordningen og norskopplæring for nyankommende innvandrere 
(introduksjonsloven). 	
URL	: http://www.lovdata.no/all/hl-20030704-080.html	 [22. juni 2008] 
 
Mogstad, M. (2003): ”Analyse av fattigdom basert på register- og husholdningsdata”, Notater 2003/61, Statistisk 
sentralbyrå. 
Mogstad, M. (2007): “Measuring Income Inequality under Restricted Interpersonal Comparability”, Discussion 
Papers No. 498, Research Department, Statistics Norway. 
Mogstad, M., Langørgen, A., og R. Aaberge (2007): “Region-specific versus Country-specific 
Poverty Lines in Analysis of Poverty”, J Econ Inequal, 5, 115-122. 	
NAV	: Midlertidig uførestønad. 	URL	: http://www.nav.no/page?id=1073743841	 [4. februar 2008]. 
Norges offentlige utredninger 	
NOU	 (1996/1): ”Et enklere og mer rettferdig inntektssystem for kommuner og 
fylkeskommuner”, 	
URL	: http://www.regjeringen.no/nb/dep/krd/dok/NOUer/1996/NOU-1996-	
1.html?id=140457	 [6. februar 2008] 
Norges offentlige utredninger 
NOU	 (2005/18): ”Fordeling, forenkling, forbedring - Inntektssystemet for 
kommuner og fylkeskommuner”,	
URL	: http://www.regjeringen.no/nb/dep/krd/dok/NOUer/2005/NOU-	
2005-18.html?id=155574	 [6. februar 2008] 
Rawls, J. (1971): A Theory of Justice, Oxford, Oxford University Press. 
Reid, S. (2002): ”Bosetningskriteriene i inntektsystemet for kommunene: Erfaringer med overgang til ny 
beregningsmåte og nye bosetningskriterier, 2002”, Notater 2002/33, Statistisk sentralbyrå. 
Schweder, T. (1996a): ”Rattsø-utvalgets regresjoner”, Sosialøkonomen 50, 4 , 15-18. 
Schweder, T. (1996b): ”Statistisk analyse som undersøkelse eller illustrasjon: Rattsø-utvalget og spredtbygdhet”, 
Tidsskrift for samfunnsforskning, 37, 265-270. 
Singh M. (2008): ”Inndeling av Norge i arbeidsmarkedsregioner”, Statistisk sentralbyrå, Mimeo. 
Skatteetaten (2004): ”Momskompensasjon”, Skatteetaten, 	
URL	: 
http://www.skatteetaten.no/upload/momskomp%20brosjyre.pdf	
 [12. august 2008] 
Statistisk sentralbyrå (1999): ”Regionale inndelinger. En oversikt over standarder i norsk offisiell statistikk”, 
Norges offisielle statistikk. 
Statistisk sentralbyrå (2000): ”Standarder for økonomiske regioner”, Norges offisielle statistikk.

51
St.meld. nr.2 (2005-2006): ”Revidert Nasjonalbudsjett 2006”, Finansdepartementet, 2006. 
St.meld. nr.24 (2002-2003): ”Barnehagetilbud til alle - økonomi, mangfold og valgfrihet”, Barne- og 
familiedepartementet, 2006. 
St.meld. nr.50 (1996-1997): ”Handlingsplan for eldreomsorgen - Trygghet, respekt og kvalitet”, Sosial- og 
helsedepartementet, 1997. 
St.prp. nr.1 (2001-2002): ”Den kongelige proposisjon om statsbudsjettet medregnet folketrygden for 
budsjetterminen 1. januar - 31. desember 2002”. 
St.prp. nr.1 (2002-2003): ”Tillegg nr.8 - Om ny organisering av matforvaltningen m.m”. 
St.prp. nr. 62 (1999-2000): ”Om kommuneøkonomien 2001 m.v.”. 
St.prp. nr.64 (2003-2004): ”Om lokaldemokrati, velferd og økonomi i kommunesektoren 2005” 
(Kommuneproposisjonen) . 
St.prp. nr.66 (2002-2003): ”Om lokaldemokrati, velferd og økonomi i kommunesektoren 2004” 
(Kommuneproposisjonen). 
Aaberge, R. og A. Langørgen (1997): “Fiscal and Spending Behavior of Local Governments: An Empirical 
Analysis Based on Norwegian Data”, Discussion Paper, 196, Statistics Norway. 
Aaberge, R. og A. Langørgen (2003): “Fiscal and Spending Behavior of Local Governments: Identification of 
 Price Effects when Prices are Not Observed”, Public Choice, 117, 125-161.

52
Ve d l e g g 
Vedlegg A. Variabler som påvirker bundne kostnader 
For å gi en oversikt over endringene i variabler som påvirker kommunenes bundne kostnader har vi 
funnet prosentvis gjennomsnittlig relativ endring i variabelens verdi per innbygger fra et år (t) til et 
annet (t+1), over alle kommuner.	
114	 Formelt kan det vises slik: 
 
(A.1) 
∑=+
+	⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
−
= Λ	
tM
mt
jmt
jm t
jm
t j	
zz z
M	11
1	
1	, 	()( )	t	M m J j,..., 2 , 1 , ,..., 2 , 1= =	, 
 
der	
t
jmz	 er variabel 	j per innbygger i år 	t i kommune 	m, 	1 + t
jm	z	er variabel	 j per innbygger i år 	t+1	 i 
kommune 	
m og 	1 + t	M	 er antall kommuner i år 	t+1	. 
 	
Tabell A.1 Oversikt over endringer i variabler som påvirker bundne kostnader, prosent 
Variabel 2001-
20022002-
20032003-
20042004- 
2005 2005-
2006 2006-
2007
Befolkning 1-5 år -0,54 -2,09 -2,50 -1,86 -2,46 -2,78
Befolkning 6-12 år 0,44 0,42 -0,68 -0,89 -0,55 -0,71
Befolkning 13-15 år 2,69 3,36 3,06 1,68 0,70 -0,43
Befolkning 0-19 år -0,03 -0,18 -0,29 -0,24 -0,45 -0,47
Befolkning 67-79 år -1,66 -1,70 -1,26 -0,76 -0,07 0,30
Befolkning 80-89 år 1,64 1,43 1,68 1,47 0,95 0,77
Befolkning 90 år og over 4,61 3,69 4,08 5,35 4,00 4,68
Barn 0-5 år med grunn- eller hjelpestønad 7,18 0,52 8,26 2,32 1,30 .
Barn 6-15 år med grunn- eller hjelpestønad 7,70 6,07 7,59 2,12 4,91 .
Barn 0-15 år med enslige foreldre . 5,17** 4,30* 3,61* 2,89 0,21
Heltids yrkesaktive kvinner 20-44 år 0,33 -3,34 0,71 -1,78 0,75 7,82
Flyktninger med integreringstilskudd 36,77 -9,44 30,64 -0,41 -19,08 -16,20
Skilte og separerte 16-59 år 2,64 2,73 2,19 1,64 1,60 0,46
Arbeidsledige 16-24 år 19,85 34,88 -2,05 -4,85 -26,54 -26,23
Antall fattige*** 9,29 9,51 14,59 8,82 17,87 .
Mottakere av uførepensjon 18-49 år 0,08 0,40 0,49 -5,28 -4,79 -5,55
Psykisk utviklingshemmete 16 år og over 1,99 3,93 4,27 3,37 1,63 2,49
Ressurskrevende brukere . . . 13,46 -0,47 -13,81
Kilometer kommunale veier 0,16 0,59 3,45 0,51 0,16 0,18
Snønedbør 6,98 -9,47 18,90 -15,63 18,69 36,99
Andel høygradig rensekapasitet 0,01 0,32 9,87 3,34 -0,89 6,37
Gjennomsnittlig avstand til sonesenter . -2,34 0,12 0,34 0,60 -0,92
Gjennomsnittlig avstand til nærmeste nabokrets . -2,14 0,12 0,29 0,44 -0,86
Antall kommuner med i beregningen 433 434 434 433 429 431
* Dataene for 2003 og 2004 er beregnet med interpolering mellom 2002 og 2005. 
** Dataene for 2002 stammer fra folke- og boligtellingen 3. november 2001. 
*** Antall fattige med regionspesifikke fattigdomsgrenser.
 	 	114	 Hvis det har vært en kommunesammenslåing på starten av år t+1 er den nye kommunen og de kommunene som slo seg 
sammen ekskludert fra beregningen.

53	Tabell A.2. Summarisk statistikk for variabler som påvirker bundne kostnader, 2001-2007 	 2001 2002 2003 2004 2005 2006 2007 	Antall observasjoner 435 434 434 434 433 431 431 	Variabel Gj.snitt St. a. Gj.snitt St. a. Gj.snitt St. a. Gj.snitt St. a. Gj.snitt St. a. Gj.snitt St. a. Gj.snitt St. a. 	Folkemengde 1-5 år per innbygger 0,065 0,009 0,0650,009 0,063 0,009 0,062 0,009 0,061 0,009 0,059 0,009 0,057 0,009 	Folkemengde 6-12 år per innbygger 0,097 0,011 0,0980,011 0,098 0,011 0,097 0,011 0,096 0,011 0,096 0,010 0,095 0,010 
Folkemengde 13-15 år per innbygger 0,039 0,006 0,0400,005 0,041 0,005 0,042 0,005 0,043 0,005 0,043 0,005 0,043 0,005 
Folkemengde 0-19 år per innbygger 0,265 0,026 0,2650,025 0,265 0,025 0,264 0,025 0,263 0,025 0,262 0,025 0,261 0,025 
Folkemengde 67-79 år per innbygger 0,102 0,021 0,1010,021 0,099 0,020 0,097 0,020 0,097 0,019 0,096 0,019 0,097 0,020 
Folkemengde 80-89 år per innbygger 0,045 0,013 0,0450,013 0,046 0,013 0,046 0,013 0,047 0,013 0,047 0,013 0,048 0,013 
Folkemengde 90 år og over per innbygger 0,007 0,0030,008 0,003 0,008 0,003 0,008 0,0030,008 0,004 0,008 0,004 0,009 0,004 
Barn 0-5 år med grunn- eller hjelpestønad per innbygger 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 . . 
Barn 6-15 år med grunn- eller hjelpestønad per innbygger 0,005 0,002 0,006 0,002 0,006 0,002 0,006 0,002 0,006 0,002 0,006 0,002 . . 
Barn 0-15 år med enslige foreldre per innbygger . . 0,028** 0,009** 0,029* 0,008* 0,030 0,0080,031 0,008 0,031 0,008 0,031 0,008 
Heltids yrkesaktive kvinner 20-44 år per innbygger 0,063 0,016 0,063 0,016 0,063 0,016 0,061 0,015 0,060 0,015 0,060 0,015 0,064 0,017 
Flyktninger med integreringstilskudd per innbygger 0,0050,007 0,005 0,005 0,005 0,005 0,006 0,006 0,006 0,005 0,006 0,006 0,005 0,005 
Skilte og separerte 16-59 år per innbygger 0,050 0,014 0,051 0,014 0,052 0,014 0,053 0,0140,054 0,014 0,055 0,014 0,055 0,013 
Arbeidsledige 16-24 år per innbygger 0,002 0,001 0,002 0,001 0,003 0,001 0,003 0,001 0,003 0,001 0,002 0,001 0,002 0,001 
Arbeidsledige 16-59 år per innbygger 0,012 0,006 0,014 0,006 0,017 0,007 0,017 0,007 0,015 0,007 0,011 0,006 0,008 0,005 
Antall fattige med regionsspesifikk fattigdomsgrense per innbygger 0,026 0,010 0,027 0,010 0,032 0,010 0,030 0,030 0,031 0,011 0,035 0,011. . 
Uførepensjonister 18-49 år per innbygger 0,018 0,0060,018 0,006 0,018 0,006 0,018 0,0060,018 0,006 0,017 0,005 0,016 0,005 
Psykisk utviklingshemmete 16 år og over per innbygger 0,0040,003 0,004 0,003 0,005 0,003 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,003 
Ressurskrevende brukere per innbygger . .. . . . 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 
Kilometer kommunale veier per innbygger 0,016 0,010 0,016 0,010 0,016 0,0100,016 0,011 0,016 0,0110,016 0,011 0,017 0,011 
Snønedbør (meter per år) 2,576 1,112 2,582 0,9232,373 1,294 2,614 1,238 2,2231,333 1,950 0,777 2,566 1,285 
Høygradig rensekapasitet 0,450 0,462 0,456 0,4670,449 0,466 0,461 0,469 0,4670,475 0,459 0,469 0,475 0,472 
Gjennomsnittlig avstand til sonesenter (mil) . . 0,839 0,726 0,820 0,709 0,813 0,698 0,814 0,702 0,818 0,714 0,802 0,723 
Gjennomsnittlig avstand til nærmeste nabokrets (mil) . .0,375 0,272 0,368 0,267 0,365 0,2640,366 0,270 0,364 0,257 0,360 0,254 
Småkommuneindikator 0-2000 innbyggere 0,015 0,035 0,016 0,035 0,016 0,036 0,016 0,036 0,016 0,036 0,017 0,037 0,017 0,037 
Småkommuneindikator 0-5000 innbyggere 0,123 0,129 0,123 0,130 0,123 0,130 0,124 0,130 0,124 0,130 0,123 0,131 0,124 0,131 
Basiskriteriet (invers folkemengde) 0,351 0,399 0,354 0,405 0,357 0,414 0,360 0,420 0,361 0,424 0,361 0,429 0,364 0,430 	* For å komme frem til disse dataene har vi benyttet interpolering. Metoden for interpolering er beskrevet nærmere i vedlegg D. 
**Måletidspunkt er 3. november 2001.

54
Vedlegg B. Variabeldefinisjoner 
Som nevnt i kapittel 3 kan vi dele forklaringsvariablene inn i tre typer: Kommunenes 
inntektsgrunnlag, faktorer som forklarer variasjoner i kommunenes bundne kostnader og faktorer som 
påvirker bruken av frie disponible inntekter. 
 
Langørgen mfl. (2005) gav utfyllende definisjoner av regnskapsbegreper som tilsvarer avhengige 
variabler og kommunenes inntektsgrunnlag. Dette vedlegget gir en presis definisjon av de øvrige 
eksogene variablene i modellen 	
KOMMODE	, dvs. definisjoner av faktorer som forklarer variasjoner i 
kommunenes bundne kostnader og bruken av frie disponible inntekter. Alle variabler vi omtaler her er 
på kommunenivå. 	
B.1. Definisjoner av faktorer som forklarer kommunenes bundne kostnader 
Befolkningsvariabler. 	Modellen 	KOMMODE	 bruker innbyggertallet i kommunen med ulike 
aldersbegrensninger til å forklare bundne kostnader per innbygger i sektorene grunnskoler, barnehager 
og pleie og omsorg. Tabell B.1 viser hvilke befolkningsvariabler som forklarer de bundne kostnadene i 
de ulike sektorene. Befolkningsvariablene har vi mottatt av Seksjon for befolkningsstatistikk (320) ved 
Statistisk sentralbyrå. Alle variablene er målt per 1. januar det inneværende år. 	
Tabell B.1. Oversikt over befolkningsvariabler og den tilhørende sektoren i modellen 	KOMMODE	 	
Variabel Forklarer bundne kostnader til sektoren
Befolkning 1-5 år Barnehager
Befolkning 6-12 år Grunnskoler
Befolkning 13-15 år Grunnskoler
Befolkning 67-79 år Pleie og omsorg
Befolkning 80-89 år Pleie og omsorg
Befolkning 90 år og over Pleie og omsorg
 
Barn 0-5 år og 6-15 år med grunn- eller hjelpestønad. 	Mottakere av grunn- eller hjelpestønad omfatter 
totalsummen av mottakere av bare grunnstønad, bare hjelpestønad og både grunn- og hjelpestønad. 
Grunnstønad gis til personer for å dekke deres ekstrautgifter som er oppstått på grunn av en lidelse 
etter Folketrygdloven § 6-3 og hjelpestønad gis til personer som har et særskilt behov for pleie og 
tilsyn på grunn av sykdom, skade eller har en medfødt funksjonshemming etter Folketrygdloven § 6-4. 
Denne statistikken er utarbeidet av Seksjon for person stat IT (303) ved Statistisk sentralbyrå og er 
målt per 31. desember året før. 	
 
Barn 0-15 år med enslige foreldre. 	
Barn med enslige foreldre er beregnet av Seksjon for 
befolkningsstatistikk (320) ved Statistisk sentralbyrå. Barn med enslige foreldre er personer mellom 0-
15 år med enslig mor eller far uten samboer. Statistikken er hentet ut fra Folke- og boligtellingen 2001 
(	
FoB2001) for 2002 og ved å ta hensyn til flyttinger er statistikken beregnet for årene 2005-2007. 
Måletidspunktet for 2002 er 3. november 2001 og for 2005-2007 er måletidspunktet 1. januar det 
inneværende år. For året 2001 har vi brukt de samme tallene som for 2002, dvs. at måletidspunktet er 
3. november 2001. De resterende årene, 2003 og 2004, har vi funnet ved å interpolere mellom tallene 
for 2001 og tallene for 2005. Se vedlegg D for en gjennomgang av metoden for interpolering. 	
 
Heltids yrkesaktive kvinner 20-44 år. 	
Denne variabelen er beregnet av Statistisk sentralbyrå, Seksjon 	
for arbeidsmarkedsstatistikk (260)	, og angir antall kvinner mellom 20 til 44 år som arbeider 30 timer 
eller mer per uke. Variabelen er hentet ut fra den registerbaserte sysselsettingsstatistikken som er satt 
sammen av ulike sysselsettingstall. For denne variabelen opererer vi med en referanseuke som vil si at 
alle kvinner mellom 20-44 år som er heltidssysselsatte i løpet av en bestemt uke er definert som 
heltidssysselsatte. Referanseuken er den først uka i fjerde kvartal i det inneværende år.

55
Flyktninger med integreringstilskudd (beregnet av Statistisk sentralbyrå). 	Denne variabelen er 
beregnet av Statistisk sentralbyrå, Seksjon for befolkningsstatistikk (320)	
, og innholder alle personer 
som har flyktningstatus og en botid i Norge under 5 år. Ifølge Statistisk sentralbyrås definisjon er 
personer med flyktningstatus kvoteflyktninger, asylsøkere som har fått opphold i Norge ved at de har 
asyl- eller flyktningstatus	
115	, asylsøkere som har fått opphold av humanitære grunner	116	 og de som er 
familiegjenforente med de tre tidligere nevne flyktninggruppene. Bakgrunnen for at vi bare inkluderer 
antall flyktninger med en botid i Norge under 5 år er at det bare er disse flyktningene kommunene har 
krav på integreringstilskudd for. Integreringstilskudd er et tilskudd som staten gir kommuner med 
bosatte flyktninger og personer med opphold på humanitært grunnlag. Måletidspunktet er 1. januar det 
inneværende år. 	
 
Flyktninger med integreringstilskudd (beregnet av Integrerings- og mangfoldsdirektoratet). 	
Denne 
variabelen angir antall flyktninger en gitt kommune har mottatt integreringstilskudd for i løpet av et 
bestemt år.	
117	 Flyktningbegrepet er det samme som Statistisk sentralbyrå benytter. 
 	
Skilte og separerte 16-59 år. 	Denne variabelen er beregnet av Seksjon for befolkningsstatistikk (320)	, 
ved Statistisk sentralbyrå, og angir antall personer med sivilstatus skilt eller separert på kommunenivå. 
Måletidspunktet er 1. januar det inneværende år. 
 	
Arbeidsledige 16-24 år. 	Angir antall arbeidsledige mellom 16 til 24 år, og er beregnet av Seksjon for 	
arbeidsmarkedsstatistikk (260)	 ved Statistisk sentralbyrå. Statistikken bygger på Arbeidsdirektoratets 
SOFA-søkerregister og omfatter gjennomsnittlig antall personer som i løpet av året er meldt som helt 
arbeidsledige ved arbeidskontorene. Årsgjennomsnittet er beregnet på basis av opptellinger ved slutten 
av hver måned. Som helt arbeidsledige regnes personer som ikke har inntektsgivende arbeid, er 
arbeidsføre og disponible for det arbeid som de søker. Fordelingen etter bostedskommune er hentet fra 
Statistisk sentralbyrås system for befolkningsstatistikk. 	
 
Antall fattige med regionspesifikk fattigdomsgrense. 	
En presis definisjon av denne variabelen er 
presentert i avsnitt 4.3.1	
. 
 
Uførepensjonister 18-49 år.	
 Statistikken er utarbeidet av Sosial- og helsedirektoratet i samarbeid med 
Statistisk sentralbyrå. Uførepensjonister er mottakere av uføreytelser etter Folketrygdlovens § 12-9 
tredje ledd (varige uførepensjonister). Måletidspunktet er 31. desember året før. 
 	
 Psykisk utviklingshemmede 16 år og over. 	Psykisk utviklingshemmede er personer som har en 
diagnose som er kjennetegnet av forsinket eller mangelfull utvikling av evner og funksjonsnivå. En 
psykisk utviklingshemmet person har svekkede kognitive, språklige, motoriske og sosiale ferdigheter. 
 
I 	
KOMMODE	 er psykisk utviklingshemmede 16 år og over lik summen av antall psykisk 
utviklingshemmede eldre enn 16 år og psykisk utviklingshemmede som kommunene mottar 
vertskommunetilskudd for. Antall psykisk utviklingshemmede 16 år og over har vi mottatt av 
Avdeling for kommunale velferdstjenester i Sosial- og helsedirektoratet mens antall psykisk 
utviklingshemmede med vertskommunetilskudd har vi mottatt fra Kommunal- og regional-
departementet. Måletidspunktet for hver av disse variablene er 1. januar det inneværende år.	
 
Vertskommunetilskuddet er et eget tilskudd som 33 kommuner får. Tilskuddet er knyttet opp til 
tjenester som tilbys tidligere beboere på sentralinstitusjoner. Tilskuddet ble etablert i 1993 og det var 
Sosial- og helsedepartementet som avgjorde hvilke kommuner som skulle omfattes av ordningen. 
Intensjonen med tilskuddet var å skjerme de 33 kommunene mot visse omfordelingsvirkninger som en 
hadde sett i perioden 1991-1992. Dette tilskuddet er en ordning som på sikt vil bli bygget ned til null. 	
 	 	115	 I følge Utlendingsloven § 17-1. 	116	 I følge Utlendingsforskriften § 21-2 eller § 27-1. 	117	 Integrerings- og mangfoldsdirektoratets utbetalingsstatistikk registrerer alle utbetalinger som gjøres til en gitt kommune 
for en bestemt flyktning med botid under 5 år. Ved å summere antall flyktninger kommunen har fått integreringstilskudd i 
løpet av et år finner vi antall flyktninger med integreringstilskudd i kommunen i det samme året.

56
Det er pga. naturlig frafall og bortgang av personene som tilskuddet er omfattet av. Dvs. at det ikke vil 
komme nye brukere inn under ordningen. 
Ressurskrevende brukere. 	Med ressurskrevende bruker menes en person som mottar omfattende 
tjenester innen områdene helse, sosial og pleie og omsorg fra kommunen. Dette kan blant annet gjelde 
psykisk utviklingshemmede, fysisk funksjonshemmede, rusmiddelmisbrukere og personer med 
psykiske lidelser. Kommunens netto lønnsutgifter knyttet til tjenester brukeren benytter må overstige 
innslagspunktet	
118	 for å bli regnet som ressurskrevende bruker. Kommunene får dekket 80 prosent av 
kostnadene som overstiger innslagspunktet det inneværende år. Tilskuddordningen til ressurskrevende 
brukere ble vedtatt av Stortinget i 2003 blant flere modeller foreslått i en rapport av en 
interdepartemental arbeidsgruppe, se St.prp. nr. 66 (2002-2003). Måletidspunktet for denne variabelen 
er 31. desember året før. 	
Kilometer kommunale veier. 	Denne variabelen angir antall kilometer kommunal veier og gater. 
Måletidspunktet for denne variabelen er 1. januar det inneværende år. På grunn av omlegging i 
datasystemene til Statens vegvesen og etterslep på oppdateringer i Nasjonal vegdatabank, er 
registerdataene heftet med noe usikkerhet. 	
Snønedbør. 	Vi har mottatt denne variabelen fra Meteorologisk institutt. Tallene vi har mottatt er 
middelverdien av nedbør som snø	119	, i løpet av det inneværende år for hver kommune, målt i 
millimeter. Bare områdene i kommunene hvor det er et offentlig veinett er tatt med i beregningene. 
For å regne om nedbør som snø i millimeter til snønedbør i meter vet vi at snø har en tetthet på 0,1 kg 
per kubikkmeter. Dvs. at en millimeter vann er lik en cm snø. For eksempel hadde Halden 119 
millimeter nedbør som snø i 2006. Dette tilsvarer 119 cm snønedbør eller 1,19 meter snønedbør. Ved å 
dele nedbøren som snø i millimeter på 100 finner vi snønedbør målt i meter. 	
Andel høygradig rensekapasitet. 	Grunnlagsdataene som ligger til grunn for denne variabelen er 
utarbeidet av Seksjon for miljøstatistikk (220)	
 ved Statistisk sentralbyrå, på bakgrunn av 	KOSTRA	-tall. 
Denne statistikken inneholder en oversikt over alle avløpsrenseanlegg i Norge, anleggenes 
rensekapasitet	
120	, anleggenes renseprinsipp, hvilke kommuner som er tilknyttet anleggene og 
kapasiteten hver kommune bruker av anleggets totale kapasitet. Et renseanlegg kan ha sju ulike 
renseprinsipp, som vist i tabell B.2. Måletidspunktet for denne variabelen er 1. januar det inneværende 
år. 	
Tabell B.2. Oversikt over ulike renseprinsipp 
Rensekode Renseprinsipp
1 Urenset
2 Mekanisk
3 Kjemisk
4 Biologisk
5 Kjemisk/biologisk
6 Naturbasert rensing
7 Annet
 
Høygradige avløpsrenseanlegg omfatter anlegg med biologiske og/eller kjemiske rensetrinn. Ved 
biologisk rensing fjernes hovedsakelig lett nedbrytbart organisk stoff ved hjelp av mikroorganismer. 
 	 	118	 Innslagpunktet var 700 000 kroner i 2004, 725 000 kroner i 2005, 745 000 kroner i 2006 og 770 000 kroner i 2007. 	119	 Nedbør som snø er en betegnelse på snøfall målt i vann mens snønedbør uttrykker snøfall målt i snø der vi antar at snø har 
en tetthet på 0,1 kg per kubikkmeter. 	
120	 Kapasiteten til et avløpsrenseanlegg er målt i personekvivalenter. Personekvivalenter er avløp fra industri, institusjoner 
o.l. omregnet til avløp fra et tilsvarende antall personer.

57
Ved kjemisk rensing tilføres kjemikalier i renseprosessen for å fjerne fosfor. Høygradige 
avløpsrenseanlegg reduserer mengden fosfor og andre forurensende stoffer mer effektivt enn 
mekaniske. For å finne andelen høygradig rensekapasitet deler vi kommunenes kapasitetsbruk av 
høygradige renseanlegg på kommunens totale kapasitetsbruk, som vist i likning B.1. 
 (B.1) 	
∑ ∑= =	
=	s
jj m
jj
k k
a
1 1	
, ()	s m m j	,..., 1 , ,..., 2 , 1	+ =	, 	0 ≥ ≥m s 
der 	
jk	 angir høygradig rensekapasitet i anlegg 	j, anlegg 1 til m er høygradig mens anlegg m+1 til s 
benytter lavgradig rensing	
 og 	a angir andel høygradig rensekapasitet i en gitt kommune. 
 	
Gjennomsnittlig avstand til sonesenter (sonekriteriet).	 Reiseavstand innen sone (i mil) er 
modellberegnet reiseavstand til sonesenter. Senteret i sonen er definert som grunnkretsen med høyest 
innbyggertall og sonen er et geografisk sammenhengende område bestående av grunnkretser. Det er et 
krav om at det må bo minst 2 000 innbyggere innenfor en sone. Dersom det er færre enn 2 000 
innbyggere totalt i kommunen, utgjør kommunen en sone i seg selv. Måletidspunktet er 1. januar det 
inneværende år. 
 
Landet er delt inn i ca. 13 700 grunnkretser. Formålet med å dele kommunene inn i grunnkretser er å 
lage små, stabile geografiske enheter som kan gi et fleksibelt grunnlag for å arbeide med og presentere 
regionalstatistikk. Hensikten med dette er igjen å gi et mer effektivt statistisk grunnlag for kommunal 
og regional analyse, forvaltning og planlegging. I tillegg til at grunnkretser skal være stabile over en 
rimelig tidsperiode, skal de også bestå av et geografisk sammenhengende område. Et annet 
hovedkriterium er at grunnkretsene bør være mest mulig ensartet når det gjelder natur og 
næringsgrunnlag, kommunikasjonsforhold og bygningsmessig struktur. En nærmere omtale av 
grunnkretser er gitt i Statistisk sentralbyrå (1999). 
 
For sonekriteriet gjelder det at avstandene om mulig beregnes med utgangspunkt i avstandene langs 
vei. Ved avstander over vann tas det hensyn til om det er etablert ferjeforbindelse eller ikke. Der det er 
ferje tas det hensyn til av- og påstigning. Nærmere omtale av sonekriteriet er gitt i St.prp. nr. 62 (1999-
2000). 	
 
Gjennomsnittlig avstand til nærmeste nabokrets (nabokriteriet). 	
Reiseavstand til nærmeste nabokrets 
(i mil) er innbyggernes avstand fra senter i egen grunnkrets til senter i nærmeste nabogrunnkrets 
innenfor samme sone summert for alle kommunens innbyggere. For nabokriteriet gjelder det at 
avstandene om mulig beregnes med utgangspunkt i avstandene langs vei. Ved avstander over vann tas 
det hensyn til om det er etablert ferjeforbindelse eller ikke. Der det er ferje tas det hensyn til av- og 
påstigning. Måletidspunktet er 1. januar det inneværende år. Nærmere omtale av nabokriteriet er gitt i 
St.prp. nr. 62 (1999-2000). 	
 
Småkommuneindikator 0-2000 innbyggere og 0-5000 innbyggere. 	
Småkommuneindikatorene er 
foreslått av Langørgen mfl. (2005) og brukes til å estimere en stykkevis lineær funksjon på 
intervallene 0-2000 innbyggere og 0-5000 innbyggere. De kan skrives på formen	
 	
 
(B.2) 	
()	
⎪
⎭ ⎪
⎬ ⎫
⎪
⎩ ⎪
⎨ ⎧
≥< −
=
 2000 n for 02000 n for 
10000 2000	
n
n f	
A	,

58
(B.3) 	()	
⎪ ⎪
⎪
⎭ ⎪ ⎪ ⎪
⎬ ⎫
⎪ ⎪
⎪
⎩ ⎪ ⎪ ⎪
⎨ ⎧
≥< ≤ −<
=
 000 5 n for 0000 5 n 2000 for 
10000 50002000 n for 
100003000
n
n f	
B	, 
 
der n er innbyggertallet i kommunen. Figur B.1 viser disse stykkvise lineære funksjonene som har 
knekkpunkter på hhv. 2 000 og 5 000 innbyggere. 	
Figur B.1. Illustrasjon av småkommuneindikatorene 	
 
 	
Småkommuneindikatorene blir beregnet ved hjelp av folkemengden i kommunene som resulterer i at 
referansetidspunktet for disse indikatorene er 1. januar det inneværende år. 
 
Basiskriteriet. 	Basiskriteriet er målt ved den inverse folkemengden ganger 1 000. Siden måle- 
tidspunktet til innbyggertallene er 1. januar det innværende år vil basiskriteriet ha det samme 
måletidspunktet. 
 	
Figur B.2. Illustrasjon av basiskriteriet 	
0 1 2 3
4 5 6
7
8 9 10
0
1000
20 00
30 00
40 00
50 00	
Antall innbyggere i kommunen

59
B.2. Definisjon av faktorer som forklarer bruken av frie disponible inntekter 
Sosialistandelen i kommunestyret. S	osialistiske partier er definert som Arbeiderpartiet, Sosialistisk 
Venstreparti, Rød Valgallianse og alle andre lister som har et klart sosialistståsted. For å finne 
sosialistandelen i kommunestyret har vi summert antall representanter i et gitt kommunestyret som 
sitter for et sosialistisk parti/liste og delt på totalt antall representanter i det respektive kommunestyret. 
Måletidspunktet er 1. januar det inneværende år. 	
 	
 
Gjennomsnittlig utdanningsnivå utover 9 år for personer 30-59 år.	 Utdanningsstatistikken som ligger 
til grunn for denne variabelen er utarbeidet av Seksjon for utdanningsstatistikk (360) ved Statistisk 
sentralbyrå. Statistikken vi mottar inneholder antall personer etter deres høyeste utdanningsnivå der 
måletidspunktet for denne variabelen er 1. oktober det inneværende år. Gjennomsnittlig 
utdanningsnivå beregnes på følgende måte: 
 
(B.4) 	
[]	9 21 17 15 13 12 10 9 6	8
08 7 6 5 4 3 2 1	− + + + + + + +
=	
∑= jj
nn n n n n n n n
b	
, 
 
der 	
b er gjennomsnittlig utdanningsnivå utover ni år i en gitt kommune og	jn	angir antall personer 
med høyeste fullførte utdanningsnivå 	
j i aldersgruppen 30-59 år. En person kan ha ni forskjellige 
utdanningsnivåer som høyeste fullførte utdanning, disse er: 
 	
0. Ingen utdanning eller førskoleutdanning (j = 0) 	
1. Barneskoleutdanning (j = 1) 	
2. Ungdomsskoleutdanning (j = 2) 	
3. Grunnutdanning fra videregående (j = 3) 	
4. Avsluttet videregående utdanning (j = 4) 	
5. Påbygging til videregående utdanning (j = 5) 	
6. Universitets- eller høyskoleutdanning på lavere nivå (j = 6) 	
7. Universitets- eller høyskoleutdanning på høyere nivå (j = 7) 	
8. Forskerutdanning (j = 8) 
Vektene for de ulike utdanningsnivåene har vi kommet frem til etter samtale med Seksjon for 
utdanningsstatistikk. Vi har valgt å bruke en vekt som tilsvarer det antall år som er mest vanlig å bruke 
på å få godkjent et gitt utdanningsnivå.	
121	 	
Andel bosatt tettbebygd. 	Vi har beregnet andel bosatt tettbebygd i hver kommune ved å dele antall 
personer som er bosatt i tettsteder, som vi har mottatt av Seksjon for befolkningsstatistikk (320)	
 i 
Statistisk sentralbyrå, på kommunens innbyggertall. Måletidspunktet for variabelen er 1. januar det 
inneværende år. 
Tettsteder er geografiske områder som har en dynamisk avgrensing, og antall tettsteder og deres 
yttergrenser vil endre seg over tid avhengig av byggeaktivitet og befolkningsutvikling. Dette er 
Statistisk sentralbyrås definisjon av tettsted: 	
 	 	121	 Et eksempel på dette kan være at de fleste fullfører videregående utdanning har brukt seks år på å gjennomføre 
barneskoleutdanning, tre år på ungdomskoleutdanning og tre år på videregående utdanning. Det vil si at ved å summere 
disse årene kommer vi frem til 12 år, som tilsvarer antall år det er vanlig å bruke på å fullføre videregående utdanning.

60
(1) En hussamling skal registreres som et tettsted dersom det bor minst 200 personer der (ca. 60-70 
boliger). 
(2) Avstanden mellom husene skal normalt ikke overstige 50 meter. Det er tillatt med et 
skjønnsmessig avvik utover 50 meter mellom husene i områder som ikke skal eller kan bebygges. 
Dette kan f.eks. være parker, idrettsanlegg, industriområder eller naturlige hindringer som elver eller 
dyrkbare områder. Husklynger som naturlig hører med til tettstedet tas med inntil en avstand på 400 
meter fra tettstedskjernen. Disse husklyngene kalles tettstedssatellitter.

61
Vedlegg C. Vurdering av datakvalitet for 2003 
I arbeidet med å kjøre 	KOMMODE	 for årene 2001 til 2007 inngår det en vurdering av datakvalitet. 
Modellen er tidligere beregnet for 2003 og vi har derfor valgt å sammenlikne tidligere innsamlede tall 
for dette året mot nyinnsamlede tall. Dette vedlegget tar for seg variablene som har avvik ved å 
presentere avvikene for deretter å gi en forklaring på hvorfor det er differanse mellom de to 
datasettene. 
 	
Heltids yrkesaktive kvinner 20-44 år per innbygger.	 Denne variabelen forklarer bundne kostnader per 
innbygger i sektorene øvrig utdanning og barnehager. Antall heltids yrkesaktive kvinner som vi har 
samlet inn for 2003 avviker fra tidligere innsamlede data for 2003 fordi disse tallene er reviderte. 
Korrelasjonen mellom de to datasettene er 0,963. 	
Figur C.1. Plottdiagram - Heltids yrkesaktive kvinner 20-44 år per innbygger, per kommune, 
2003 	
0 0,02 0,04 0,06 0,080,1 0,12
0 0,02 0,04 0,06 0,08 0,1 0,12	
Re vi de rte ta l l	
Gamle tall	
 	 	Kilde: Statistisk sentralbyrå. 	
 
Barn 0-5 år med grunn- eller hjelpestønad. 	Denne variabelen inngår i tidligere versjoner av 	KOMMODE	 
og bidrar til å forklare bundne kostnader til sektoren barnehager. Antall mottakere av grunn- og 
hjelpestønad har vi fått fra gruppe for person stat IT (303) i Statistisk sentralbyrå, som henter data ut 
fra 	
FD	-trygd.	122	 Det er avvik med de tidligere innsamlede tallene og de nyinnsamlede tallene, der 
korrelasjonen mellom de to datasettene er 0,991. 	
 	 	122	 FD	-trygd er en forløpsdatabase med opplysninger om trygdeforhold og andre typer statistiske data. Individ er 
statistisk enhet, og opplysningene i databasen består av registrering av begivenheter i den enkelte persons 
livsløp. Disse registreringene kan settes sammen til individuelle hendelses- eller forløpshistorier (forløpsdata), 
og aggregeres over en gruppe av individer eller en hel populasjon. Dataene i 	
FD	-Trygd bygger på opplysninger i 
administrative registre og statistikkregistre som er dannet på grunnlag av registerdata.

62
Figur C.2. Plottdiagram – Barn 0-5 år med grunn- eller hjelpestønad per innbygger, per 
kommune, 2003 	
0 0,001 0,002 0,003 0,004 0,005 0,006
0,007
0 0,001 0,002 0,003 0,004 0,005 0,006 0,007
Antall mottakere med riktig aldersinndeling	
Antall mottakere med feil aldersinndeling	
 	 	Kilde: Statistisk sentralbyrå. 	
Etter en grundig undersøkelse og flere samtaler med seksjon 303 har vi funnet ut at forklaringen er at 
de tidligere innsamlede dataene avviker med bakgrunn i feil aldersinndeling. Antall mottakere fra til 
5 år, for tidligere innsamlede tall, tilsvarer antall mottakere mellom 1 til 6 år. Siden det er naturlig å 
anta at antall mottakerne som er år er lavere enn antall mottakere som er 6 år, vil tidligere 
innsamlede tall frambringe flere mottakere enn nyinnsamlede tall. Dette kommer klart frem i figur 
C.2. 
Figur C.3. Plottdiagram – Barn 6-15 år med grunn- eller hjelpestønad per innbygger, per 
kommune, 2003 	
0 0,002 0,004 0,006 0,0080, 01 0,012 0,014 0,016
0 0, 002 0,004 0,006 0, 008 0, 01 0,012 0, 014 0, 016
Anta ll motta ke re me d riktig a lde rsinnde ling	
Antall mottakere med feil aldersinndeling	
 	 	Kilde: Statistisk sentralbyrå.

63
Barn 6-15 år med grunn- eller hjelpestønad. 	Denne variabelen inngår i tidligere versjoner av 	
KOMMODE	 og bidrar til å forklare bundne kostnader til sektoren grunnskoler. På samme måte som med 
barn 0-5 år med grunn- eller hjelpestønad er forklaringen på avvikene en feil aldersinndeling på 
tidligere innsamlede tall. 
 
Antall mottakere fra 6 til 15 år, for tidligere innsamlede tall, tilsvarer antall mottakere fra 7 til 16 år. 
Figur C.3 viser oss avvikene mellom de to datasettene der korrelasjonen er 0,995. Som vi ser fra 
figuren er tendensen ikke like entydig som i figur C.2. Dette kommer av at antall 6 åringer som mottar 
stønad ikke nødvendigvis er lavere enn antall mottakere på 16 år. 
 	
Flyktninger med integreringstilskudd per innbygger. 	I modellen 	KOMMODE	 forklarer flyktninger med 
integreringstilskudd de bundne kostnader per innbygger i sektorene øvrig utdanning og sosialhjelp. 
Antall flyktninger med integreringstilskudd som vi har samlet inn for 2003 avviker fra tidligere 
innsamlede data for 2003 fordi disse tallene er reviderte. Figur C.4 viser oss forholdet mellom 
reviderte og gamle tall per innbygger, der korrelasjonen mellom de to datasettene er 0,989. 
 
For tidligere estimeringer av modellen har vi mottatt denne variabelen fra Gruppe for 
befolkningsstatistikk i Statistisk sentralbyrå. Integrerings- og mangfoldsdirektoratet er de som faktisk 
betaler ut integreringstilskudd til kommuner med flyktninger, og de fører statistikk over sine 
utbetalinger. Det viser seg at det er store avvik mellom flyktninger med integreringstilskudd per 
innbygger fra de to kildene, som vist i figur C.5. Tendensen er at antall flyktninger med 
integreringstilskudd fra integrerings- og mangfoldsdirektoratet er høyere enn de vi mottok fra 
Statistisk sentralbyrå for 2003. Årsaken til dette er at tallene fra Integrerings- og mangfoldsdirektoratet 
inneholder antall flyktninger kommunene mottok integreringstilskudd for i løpet 2003 mens tallene fra 
Statistisk sentralbyrå angir antall flyktninger som har en botid under 5 år i en gitt kommune per 1. 
januar i 2003. Det er derfor naturlig at tallene fra Integrerings- og mangfoldsdirektoratet er høyere enn 
tallene beregnet i Statistisk sentralbyrå. Korrelasjonen mellom de to variablene er 0,894. 	
Figur C.4. Plottdiagram – Flyktninger med integreringstilskudd per innbygger, per kommune, 
2003 	
0 0,0050,01 0,0150,02 0,0250,03
0 0,005 0,01 0,015 0,02 0,025 0,03
Re vi de rte ta l l	
Gamle tall 	
 	 	Kilde: Statistisk sentralbyrå.

64
Figur C.5. Plottdiagram – Flyktninger med integreringstilskudd per innbygger, per kommune, 
2003 	
0 0, 01
0, 02 0, 03 0, 04
0 0,01 0,02 0,03 0,04
Tall fra Statistisk sentralbyrå (reviderte tall)	Tall fra Integrerings- og mangfoldsdirektoratet 	
 	 	Kilde: Statistisk sentralbyrå og Integrerings- og mangfoldsdirektoratet. 	
Figur C.6. Plottdiagram – Psykisk utviklingshemmede 16 år og over per innbygger, per 
kommune, 2003 	
0 0, 0050, 01 0, 0150, 02 0, 0250, 03 0, 0350, 04
0 0,005 0, 01 0, 015 0,02 0, 025 0,03 0,035 0, 04
Me d vertskommune tilskudd fra 2003	
Med vertskommunetilskudd fra 2000	
 	 	Kilde: Kommunal- og regionaldepartementet og Sosial- og helsedirektoratet. 	
Psykisk utviklingshemmede 16 år og over per innbygger. 	I 	KOMMODE	 brukes psykisk 
utviklingshemmede 16 år og over til å forklare bundne kostnader til pleie- og omsorgs- sektoren. 
Denne variabelen innholder antall psykisk utviklingshemmede pluss antall psykisk

65
utviklingshemmede som mottar vertskommunetilskudd.	123	 I modellen for 2003 brukte man antall 
psykisk utviklingshemmede med vertskommunetilskudd fra 2000 istedenfor fra 2003. Som vist i figur 
C.6 har dette ført til avvik mellom de to variablene. Dette avviket er for øvrig lite, siden korrelasjonen 
er på 0,997. 	
 
Barn med enslige foreldre 0-15 år per innbygger. 	Barn med enslige foreldre er en variabel som 
forklarer bundne kostnader per innbygger til sektoren barnevern. For tidligere estimeringer av 	
KOMMODE	 ble variabelen barn med enslige foreldre hentet fra Det sentrale familieregisteret (	DSF	). 
Dette registeret inneholder ikke informasjon om hvorvidt enslige mødre eller fedre har samboere uten 
felles barn. I denne estimeringen av 	
KOMMODE	 benytter vi oss av tall fra folke- og boligtellingen per 3. 
november 2001 (	
FoB2001).	124	 I disse dataene er enslige foreldre med samboere skilt ut i en egen 
gruppe. Med bakgrunn i denne tellingen har Statistisk sentralbyrå beregnet antall barn med enslige 
foreldre for årene 2005 og 2006. Fra tallene for årene 2002 og 2005 har vi interpolert	
125	 for å finne tall 
for 2003 og 2004. Avvikene mellom de interpolerte tallene for 2003 og tall fra familieregisteret er 
presentert i figur C.7, med en korrelasjon på 0,904. Vi ser at familieregisteret genererer et større antall 
barn med enslige foreldre per innbygger enn de interpolerte tallene for 2003. Dette er fordi data fra 
familieregisteret ikke har skilt ut barn med enslige foreldre som har samboer uten felles barn. 	
Figur C.7. Plottdiagram – Barn med enslige foreldre 0-15 år per innbygger, per kommune, 2003 	
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
Tall fra familieregisteret	
Interpolerte tall med bakgrunn i folke- og 
boligtellingen 2001	
 	 Kilde: Statistisk sentralbyrå. 	
Andel fattige med regionspesifikke fattigdomsgrenser. 	 Andelen fattige med regionspesifikke 
fattigdomsgrenser er forklart nærmere i avsnitt 4.3.1. Figur C.8 viser oss et plottdiagram mellom 
fattigdomskriteriet som ligger til grunn for estimeringen av 
KOMMODE	 for 2003 og kriteriet som ligger 
til grunn for denne estimeringen av modellen. 	
 	 	123 Det meste av statlige midler til tiltak for psykisk utviklingshemmede overføres gjennom inntektssystemet til kommunene, 
der antall psykisk utviklingshemmede i kommunene er et eget beregningskriterium. Formålet med vertskommunetilskuddet 
er å skjerme 33 vertskommuner for tidligere 	
HVPU	-institusjoner mot visse omfordelingsvirkninger i inntektssystemet.	 	124	 Antall barn med enslige foreldre per 3. november 2001 bruker vi som en tilnærming til antall barn med enslige foreldre 
per 1. januar 2002. 	
125	 Se vedlegg D for en gjennomgang av metoden for interpolering.

66
Figur C.8. Plottdiagram – Andel fattige med regionspesifikke fattigdomsgrenser, per kommune 	
0 0,02 0,04 0,06 0,080,1
0 0,02 0,04 0,06 0,08 0,1
Ande l fa ttige me d re gione r de fine rt a v sta tistisk se ntra lbyrå 
og familie som økonomisk e nhe t. 2003.	Andel fattige med selvdefinerte regioner og 
husholdning som økonom isk enhet. 2001. 	
 	
Som vi ser fra figuren er avvikene betydelige mellom de to kriteriene. Bakgrunnen for dette er at både 
datagrunnlaget og metoden, som ligger til grunn for beregningen av andelen fattige, er forskjellige. 
Fattigdomskriteriet som lå til grunn for estimeringen av 	
KOMMODE	 for 2003 ble utarbeidet ved hjelp 
av data fra Folke- og boligtellingen 2001 (	
FoB2001) mens kriteriet som ligger til grunn for denne 
estimeringen er utarbeidet ved hjelp av Det sentrale folkeregisteret (	
DSF	) for 2003. I tillegg ble det 
tidligere benyttet selvdefinerte regioner, som er bestemt på grunnlag av boligpris og landsdel, mens 
denne estimeringen tar utgangspunkt i økonomiske regioner utarbeidet av Statistisk sentralbyrå. 
Korrelasjonen mellom de to fattigdomskriteriene er 0,660. 	
 
Uførepensjonister. 	I denne versjonen av 	KOMMODE	 har vi valgt å bytte ut antall mottakere av 
uføretrygd 18-49 år med antall uførepensjonister 18-49 år til å forklare bundne kostnader per 
innbygger. Bakgrunnen for dette er at det ble innført en ordning med tidsbegrenset uføretrygd i 2004. 
Kriteriet for å motta denne stønaden ble forandret slik at tallene for 2003 og 2004 ikke er 
sammenliknbare. Etter samråd med eksperter på feltet er den eneste variabelen som er sammenliknbar 
for alle år, 2001 til 2007, antall uførepensjonister, dvs. varige mottakere av uførepensjon. Kriteriet for 
mottakelsen av denne pensjonen er ikke forandret i den aktuelle perioden og den forventes å være 
uforandret også i fremtiden. 	
 
Figur C.9 viser oss forholdet mellom antall mottakere av uføretrygd 18-49 år per innbygger og antall 
uførepensjonister 18-49 år per innbygger for 2003. Antall mottakere av uføretrygd for 2003 er en 
samlebetegnelse på alle personer som mottar overføringer fra staten fordi de er uføre. Denne 
mottakergruppen inneholder også antall uførepensjonister. Som vi ser fra figuren er antall mottakere 
av uførepensjon 18-49 år alltid lavere enn antall mottakere av uføretrygd 18-49 år per innbygger. 
Korrelasjonen mellom de to kriteriene er 0,723.

67
Figur C.9. Plottdiagram – Uførekriteriet per innbygger, per kommune, 2003 	
0 0, 02 0, 04 0, 06 0, 080,1 0, 12
0 0,02 0,04 0,06 0,08 0,1 0,12
Anta ll m otta ke re a v uføre pe nsjon 18-49 å r 	
Antall m ottakere av uføretrygd 18-49 år	
 	 	Kilde: Statistisk sentralbyrå. 	
Snønedbør.	 Denne variabelen har vi fått fra Meteorologisk institutt og den brukes til å forklare bundne 
kostnader til sektoren kommunale veier. 	
Figur C.10. Plottdiagram - Snønedbør i meter, per kommune, 2003 	
0 1
2 3 4 5 6
7 8
012345678	
Re vi de rte ta l l	
Gamle tall	
 	 	Kilde: Meteorologisk institutt. 	
Ifølge Ole Einar Tveito fra Meteorologisk institutt skyldes avviket at Meteorologisk institutt har 
revidert dataene og lagt om sine databaser. Figur C.10 viser et plottdiagram over meter snønedbør 
mellom de gamle og de reviderte tallene. Ved å se figuren i sammenheng med korrelasjonen på 0,878

68
ser vi at avvikene mellom gamle tall og reviderte tall er betydelige. Men siden kvaliteten på de nye 
dataene er påstått bedre bruker vi de reviderte tallene i 	
KOMMODE	. 
 	
Andel høygradig rensekapasitet. 	Andelen høygradig rensekapasitet er en variabel som forklarer 
bundne kostnader per innbygger til sektoren vann, avløp, renovasjon. Kapasiteten på avløpsanleggene 
ble justert for overgangen mellom 
SESAM	 og 	KOSTRA	, se tabell 3.1 i Berge mfl. (2007). 	
Figur C.11. Plottdiagram - Andel høygradig rensekapasitet, per kommune, 2003 	
0,0 0,1
0,2 0,3 0,4
0,5 0,6 0,7 0,8 0,9
1,0
0,0 0,2 0,4 0,6 0,8 1,0	
Re vi de rte ta l l	
Gamle tall	
 	 	Kilde: Statistisk sentralbyrå. 	
Tabell C.11 viser oss et plottdiagram over andel høygradig rensekapasitet per kommune i 2003 
mellom gamle tall og reviderte tall. Sett i sammenheng med korrelasjonen på 0,967, virker det som om 
avvikene har en begrenset betydning. Det er imidlertid ca. 20 kommuner som har betydelige avvik i 
dataene.	
 
 	
Gjennomsnittlig utdanningsnivå utover 9 år for personer mellom 30-59 år (små avvik).	 
Gjennomsnittlig utdanningsnivå inngår i 	
KOMMODE	, og forklarer bruken av de frie disponible 
inntektene i norske kommuner. Ifølge Jørgensen (2006) har ikke de norske definisjonene av 
befolkningens utdanningsnivå vært i samsvar med de nåværende internasjonale retningslinjene og 
følgelig har det vært behov for endringer i nivådefinisjonene ved publisering av norske tall.	
126	 
 
I forbindelse med de nye definisjonene har det også vært ønskelig å forandre vektingen på de ulike 
utdanningsnivåene. I den nye vektingen har vi i samråd med Gruppe for utdanningsstatistikk, i 
Statistisk sentralbyrå, valgt å sette vektingen lik det antall år de fleste personer bruker for å få godkjent 
det aktuelle utdanningsnivået. Tabell C.1 viser tilordnet vekt for nye og gamle definisjoner. 	
 	 	126	 Begrunnelsen for ny nivåinndeling og endringer som er gjort står nøye forklart på siden: 
http://www.ssb.no/vis/magasinet/slik_lever_vi/art-2006-09-14-01.html

69
Figur C.12. Plottdiagram – Gjennomsnittlig utdanningsnivå utover 9 år for personer 30-59 år, 
per kommune, 2003 	
0,0 0,5
1,0
1,5
2,0 2,5 3,0
3,5
4,0
4,5 5,0
0,0 1,0 2,0 3,0 4,0 5,0
Med nye definisjoner a v utdanningsnivåe r
Med gamle definisjoner av utdanningsnivåer	
 	 Kilde: Statistisk sentralbyrå. 	
Figur C.12 viser utfallet av endringene, der korrelasjonen mellom de to gjennomsnittlige 
utdanningsnivåene er 0,999. Som vi ser fra figuren genererer de nye definisjonene et lavere 
gjennomsnittlig utdanningsnivå per kommune. Dette skyldes hovedsakelig at den nye definisjonen av 
grunnskolenivået inkluderer de som har oppnådd så lite videregående utdanning at de ikke har 
oppnådd en utdanning på videregående nivå. De nye definisjonene sier at man må ha fullført tre- og 
fireårige videregående utdanninger for å ha videregående som høyeste fullførte utdanning. 
Tabell C.1. Tilordnet vekt til utdanningsnivåer for gamle og nye nivådefinisjoner 
Utdanningsnivå Tilordnet vekt (gammel) Tilordnet vekt (ny)
0 Ingen utdanning 0
1 Barneskoleutdanning 6 6
2 Ungdomskoleutdanning 9 9
3 Grunnutdanning fra videregående 10 10
4 Avsluttet videregående utdanning 11,5 12
5 Påbygging til videregående utdanning 13,5 13
6 Universietets- høyskoleutdanning lavere grad 15,5 15
7 Universietets- høyskoleutdanning høyere grad 17,5 17
8 Forskerutdanning 21 21
 
Personer som har fullført en kortere videregående utdanning defineres nå på grunnskolenivå. Siden 
denne gruppen er av en betydelig størrelse er resultatet at gjennomsnittlig utdanningsnivå etter de nye 
definisjonene er lavere enn gjennomsnittlig utdanningsnivå etter de gamle definisjonene. 
 
Sosialistandel i kommunestyret. 	Sosialistandelen i kommunestyret gir opphav til variasjoner i de 
marginale budsjettandelene i 	
KOMMODE	. Som vi ser fra figur C.13 er det noen kommuner som har en 
ulik sosialistandel for 2003. Årsaken til dette er at tallene er revidert ved at variabelverdien er 
spesifisert direkte fra lister som har klart sosialistståsted. Korrelasjon mellom de gamle og reviderte 
tallene er på 0,990.

70
Figur C.13. Plottdiagram – Sosialistandelen i kommunestyret, per kommune, 2003 	
0,00 0,10 0,20 0,30
0,40 0,50 0,60 0,70 0,80 0,90
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
Re v i d e r t e t a l l
Gamle tall	
 	 	Kilde: Statistisk sentralbyrå. 	
Andel bosatt tettbebygd.	 Avvikene mellom datasettene kommer av at de er beregnet på forskjellig 
måte. De nye dataene vi fikk fatt i inneholdt 3 variable, som var antall bosatt tettbebygd, antall bosatt 
sprettbebygd og antall bosatt ikke definert. For å finne andelen bosatt tettbebygd delte vi antall bosatt 
tettbebygd i kommunen på kommunens folkemengde. 	
Figur C.14. Plottdiagram – Andel bosatt tettbebygd, per kommune, 2003 	
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
1,00
0,00 0,20 0,40 0,60 0,80 1,00
Antall bos att te ttbebygd delt på folk em e ngde n	Folkemengden trukket fra antall bosatt tettbebygd delt på 
folkemengden	
 	 	Kilde: Statistisk sentralbyrå.

71
Tidligere ble det derimot trukket antall bosatt sprettbebygd, som er identiske med nye tall, fra 
folkemengden i kommunen og delt på folkemengden i kommunen. For å finne andel bosatt tettbebygd 
burde det også tidligere vært trukket fra andelen bosatt ikke definert. Som vist i figur C.14 resulterer 
det i at den nye andel bosatt tettbebygd for en gitt kommune er mindre eller lik den gamle andel bosatt 
tettbebygd, siden antall bosatt ikke definert er et lite tall ofte lik null. For øvrig er korrelasjonen 
mellom de to variablene 0,995, som tilsier at feilen i tidligere estimeringer av 	
KOMMODE	 er liten.

72
Vedlegg D. Interpolering 
Interpolering er en samlebetegnelse på metoder som brukes for å konstruere nye ukjente datapunkter 
mellom kjente diskrete datapunkter. Vi har brukt en slik tilnærming for å konstruere antall barn 0-15 
år med enslige foreldre for årene 2003-2004 og psykisk utviklingshemmede som mottar 
vertskommunetilskudd fra 2001 til 2003. 
 
Ved å anta at den absolutte veksten/reduksjonen er den samme fra år til år har vi brukt følgende formel 
for å konstruere ukjente variabelverdier mellom kjente variabelverdier	
tx og 	n t	x+	: 
(D.1) 	
n t t j t	x
nj
x
nj n
x+ +	+ −
=	, 	n j< < 
 
der t og t + n angir de årene vi kjenner variabelverdiene og j er året vi konstruerer variabelverdien for.

73
Vedlegg E. Estimeringsresultater 
E.1. Estimeringsresultater for 2003 med gammelt modelloppsett	127	 	
Tabell E.1.1. Estimerte koeffisienter for faktorer som påvirker bundne kostnader i kommunal 
tjenesteyting, 2003 
 Versjon 1 Versjon 2 
Sektor Variabel Koeffisient T-verdi Koeffisient T-verdi
(0) Konstantledd -1,48 - -1,69 -
 Endring i kommunale inntekter fra 2002 til 2003 0,44 7,02 0,43 6,95
 	
R2-justert - - - -	
(1) Konstantledd 1,27 2,14 0,92 1,18
 Småkommuneindikator 0-2000 innbyggere 21,78 9,16 21,40 8,95
 Småkommuneindikator 0-5000 innbyggere 4,29 5,70 4,10 5,56
 	
R2-justert 0,86 - 0,86 -	
(2) Konstantledd 0,02 0,02 -0,21 -0,27
 Befolkning 6-12 år 32,22 5,11 32,32 5,24
 Befolkning 13-15 år 57,33 4,81 56,07 4,81
 Barn 6-15 år med grunn- eller hjelpestønad 52,31 2,64 51,48 2,63
 Gjennomsnittlig avstand til sonesenter 0,75 7,62 0,72 7,77
 Gjennomsnittlig avstand til nærmeste nabokrets 0,48 1,33 0,55 1,63
 Småkommuneindikator 0-2000 innbyggere 7,70 3,50 7,30 3,30
 Småkommuneindikator 0-5000 innbyggere 3,50 5,28 3,38 5,07
 	
R2-justert 0,81 - 0,81 -	
(3) Konstantledd 0,22 1,72 0,17 1,22
 Heltids yrkesaktive kvinner 20-44 år 5,46 3,49 5,27 3,63
 Flyktninger med integreringstilskudd 24,21 7,31 25,19 6,93
 Arbeidsledige 16-24 år 22,63 1,56 25,16 1,62
 	
R2-justert 0,34 - 0,34 -	
(4) Konstantledd -0,68 -1,84 -0,83 -1,90
 Befolkning 1-5 år 17,71 5,20 18,39 5,16
 Barn 0-5 år med grunn- eller hjelpestønad 105,09 3,41 101,18 3,33
 Heltids yrkesaktive kvinner 20-44 år 16,34 6,61 15,29 6,01
 Gjennomsnittlig avstand til sonesenter 0,21 3,31 0,21 3,24
 Småkommuneindikator 0-5000 innbyggere 1,57 4,59 1,53 4,38
 	
R2-justert 0,66 - 0,66 -	
(5) Konstantledd 0,58 2,28 0,43 1,32
 Gjennomsnittlig avstand til sonesenter 0,17 2,53 0,16 2,48
 Gjennomsnittlig avstand til nærmeste nabokrets 0,42 1,91 0,46 2,18
 Småkommuneindikator 0-2000 innbyggere 3,54 3,07 3,41 2,93
 Småkommuneindikator 0-5000 innbyggere 1,72 5,25 1,74 5,24
 	
R2-justert 0,73 - 0,73 -	
 
 
 
 
 
 
 	 	127	 Med gammelt modelloppsett menes det at vi har beholdt alle koeffisienter fra modellversjonen som er presentert i 
Langørgen og Aaberge (2006). Versjon 1 er identisk med modellestimatet presentert i ibid. mens i versjon 2 har vi 
oppdatert modellen med reviderte data samt byttet ut fattigdomskriteriet og uførekriteriet.

74
 
 Versjon 1 Versjon 2 
Sektor Variabel Koeffisient T-verdi Koeffisient T-verdi
(6) Konstantledd -0,36 -2,16 -0,61 -3,47
 Flyktninger med integreringstilskudd 57,30 14,02 55,02 13,14
 Skilte og separerte 16-59 år 8,08 3,49 8,04 3,37
 Arbeidsledige 16-24 år 94,26 4,52 99,48 4,91
 Fattigdomskriteriet 8,50 3,26 13,36 5,13
 Uførekriteriet 4,13 1,03 6,54 1,73
 	
R2-justert 0,55 - 0,56 -	
(7) Konstantledd -0,26 -0,92 -0,25 -0,89
 Befolkning 0-19 år 1,31 1,45 1,09 1,21
 Barn 0-15 år som ikke bor med begge foreldre 9,59 3,76 12,63 4,19
 Fattigdomskriteriet 6,37 3,33 6,00 2,77
 	
R2-justert 0,25 - 0,26 -	
(8) Konstantledd 1,07 1,21 0,58 0,53
 Befolkning 67-79 år 19,02 2,71 19,16 2,73
 Befolkning 80-89 år 45,79 3,82 45,34 3,79
 Befolkning 90 år og over 138,00 3,87 141,89 3,94
 Psykisk utviklingshemmete 16 år og over 233,71 7,37 230,11 6,87
 Ressurskrevende brukere 607,78 3,93 618,21 4,06
 Gjennomsnittlig avstand til sonesenter 0,43 3,46 0,45 3,62
 Småkommuneindikator 0-2000 innbyggere 9,37 2,34 9,49 2,36
 Småkommuneindikator 0-5000 innbyggere 1,88 1,77 1,93 1,77
 	
R2-justert 0,87 - 0,87 -	
(9) Konstantledd 0,34 1,12 0,15 0,38
 Småkommuneindikator 0-2000 innbyggere 2,51 2,32 2,62 2,35
 	
R2-justert 0,64 - 0,64 -	
(10) Konstantledd 0,03 0,37 -0,05 -0,46
 Kilometer kommunale veier 13,56 7,22 13,19 7,36
 Snønedbør 0,87 6,54 0,10 7,93
 Småkommuneindikator 0-2000 innbyggere 0,97 1,57 0,86 1,39
 	
R2-justert 0,59 - 0,61 -	
(11) Konstantledd 0,72 3,39 0,61 2,35
 Høygradig rensekapasitet 0,44 5,69 0,44 5,50
 	
R2-justert 0,24 - 0,24 -	
(12) Konstantledd 0,58 1,13 0,27 0,40
 Småkommuneindikator 0-5000 innbyggere 2,50 2,99 2,59 2,97
 	
R2-justert 0,53 - 0,53 -	
* Avhengige variable er sektorspesifikke utgifter målt i 1000 NOK per innbygger, og de fleste forklaringsvariablene er også 
målt per innbygger. 
Sektor 0: Netto driftsresultat Sektor 5: Helsestell Sektor 10: Kommunale veier 
Sektor 1: Administrasjon Sektor 6: Sosialhjelp Sektor 11: 	
VAR	 
Sektor 2: Grunnskoler Sektor 7: Barnevern Sektor 12: Øvrig infrastruktur 
Sektor 3: Øvrig utdanning Sektor 8: Pleie og omsorg 
Sektor 4: Barnehager Sektor 9: Kultur

75
E.2. Effekter som er testet og utelatt i 	KOMMODE-0107	 	
Tabell 4.1.2 gir en oversikt over koeffisienter som er testet og utelatt i 	KOMMODE-0107	. Kriteriene som 
ligger til grunn for at koeffisienten ikke skal være med i modellen er ustabilitet i punktestimatet samt 
lav t-verdi i flere år. Dette avsnittet begrunner hvorfor koeffisientene er utelatt i den nye 
modellversjonen. 	
 
Barn 6-15 år med grunn- eller hjelpestønad (grunnskoler). 	
Vi har fjernet barn 6-15 år med grunn- 
eller hjelpestønad fra modellen med bakgrunn i at koeffisienten ikke er signifikant på 5 prosent i 2004 
til 2007 samt at punktestimatet har store variasjoner. 
 	
Gjennomsnittlig avstand til nærmeste nabokrets (grunnskoler). 	Koeffisienten er fjernet fordi den ikke 
er signifikant på 5 prosent i 2001 og fra 2003 til 2007, samt at punktestimatene er ustabile. 
 	
Arbeidsledige 16-24 år (øvrig utdanning).	 Denne koeffisienten har vi fjernet fra modellen av to 
årsaker. For det første er punktestimatet ustabilt. For det andre er ikke koeffisienten signifikant på 5 
prosent for noen av årene. 
 	
Barn 0-5 år med grunn- eller hjelpestønad (barnehager).	 Denne koeffisienten er bare statistisk 
signifikant i 2002 og 2003 samt at punktestimatene er ustabile. 	
 
Gjennomsnittlig avstand til nærmeste nabokrets (helsestell). 	
Koeffisienten er bare signifikant på 5 
prosent i 2002 og 2007 og har ustabile punktestimater. 
 	
Arbeidsledige 25-59 år (sosialhjelp).	 Denne koeffisienten var ikke inkludert i 	KOMMODE-03	. Denne 
koeffisienten har vi utelatt fra modellen med bakgrunn i at den ikke er statistisk signifikant for noen av 
årene og har ustabile punktestmater. 
 	
Befolkning 0-19 år (barnevern). 	Denne koeffisienten er ikke signifikant for noen av årene og har 
ustabile punktestimater, vi har derfor valgt ikke å inkludere denne koeffisienten i den nye 
modellversjonen.

76
E.3. Estimerte koeffisienter for konstantledd som inngår i marginale budsjettandeler 
etter sektor, 2001-2007 
Tabell E.3.1. Estimerte koeffisienter for konstantledd som inngår i marginale budsjettandeler 
etter sektor, 2001-2007* 
 2001 2002 2003 2004 2005 2006 2007
Administrasjon 
0,224 0,270 0,233 0,246 0,253 0,228 0,187
 	 (7,76) (6,57) (7,19) (6,92) (7,07) (7,07) (7,11)	
Grunnskoler 
0,207 0,187 0,160 0,121 0,148 0,151 0,092
 	
 (6,58) (5,17) (6,03) (3,89) (5,19) (5,31) (3,76)	
Øvrig utdanning 
-0,013 -0,041 -0,017 -0,024-0,011 -0,024 -0,016
 	
 (0,94) (2,12) (1,24) (1,57) (0,79) (1,65) (1,19)	
Barnehager 
0,019 0,000 -0,011 -0,014 0,013 -0,005 -0,004
 	
 (0,94) (0,02) (0,71) (0,63) (0,72) (0,25) (0,22)	
Helsestell 
0,056 0,055 0,065 0,076 0,067 0,057 0,059
 	
 (3,81) (2,53) (3,51) (3,15) (3,34) (2,69) (3,35)	
Sosialhjelp 
-0,010 -0,035 -0,017 -0,023-0,030 -0,033 -0,013
 	
 (0,68) (2,10) (1,15) (1,42) (1,90) (2,22) (1,06)	
Barnevern 
0,018 0,021 0,006 -0,005 -0,021 -0,006 -0,002
 	
 (0,73) (1,50) (0,64) (0,39) (1,57) (0,55) (0,19)	
Pleie og omsorg 
0,187 0,188 0,273 0,284 0,271 0,268 0,202
 	
 (4,10) (2,69) (5,66) (4,41) (4,77) (5,06) (4,18)	
Kultur 
0,036 0,021 0,053 0,012 0,029 0,042 0,052
 	
 (2,39) (1,09) (3,63) (0,66) (1,74) (3,08) (3,29)	
Kommunale veier 
0,012 0,015 0,024 0,036 0,031 0,024 0,027
 	
 (1,76) (1,53) (2,21) (3,50) (3,88) (3,33) (3,83)	
VAR 
0,010 0,021 0,039 0,042 0,039 0,032 0,057
 	
 (0,53) (0,77) (1,74) (1,39) (1,62) (1,33) (3,13)	
Øvrig infrastruktur 
0,010 0,032 0,070 0,027 0,029 0,116 0,108
 	
 (3,35) (0,74) (1,82) (0,64) (0,87) (4,24) (3,41)	
Netto driftsresultat 0,153 0,266 0,099 0,223 0,182 0,148 0,251
*Avhengige variabler er løpende netto driftsresultat og utgifter i 12 tjenesteytende sektorer, målt i 1000 NOK per innbygger. T-verdien i 
absoluttverdi er gitt i parentes under koeffisientene.

77 
Vedlegg F. Resultater fra fattigdomsberegningen 
F.1. Resultater fra evaluering av indikator for fattigdom	128	 	
Sammenlikning av regionspesifikke fattigdomsgrenser og prisjustert landsspesifikk fattigdomsgrense. 
Med bakgrunn i Det sentrale folkeregisteret koblet til inntektsdata for 2001, med familie som 
økonomisk enhet, har vi beregnet prosent fattige med regionspesifikke og prisjusterte landsspesifikke 
fattigdomsgrenser. 
Figur F.1. Plottdiagram - Prisjustert landsspesifikk fattigdomsgrense mot regionspesifikke 
fattigdomsgrenser med familie som økonomisk enhet, 2001 	
zr
f = 0,9814z	l
f	
R2 = 0,8773
0 1
2
3
4 5 6
7
8
9
0123456789
Pros ent fattige m ed prisjus tert landss pe sifik k fattigdom s grense	
Prosent fattige med regionsspesifikke fattigdomsgrenser	
 	
Korrelasjonskoeffisienten mellom de to beregningsmetodene, med familie som økonomisk enhet, er 
0,94. Med bakgrunn i korrelasjonskoeffisienten og figur F.1 ser vi at avviket, i prosent fattige, mellom 
de to metodene for de fleste kommuner er ubetydelige. For å se på sammenhengen mellom prosent 
fattige fra de to metodene gjennomfører vi en minste kvadraters regresjon uten konstantledd. 
 
(F.1) 	
f l
f f r
fu z z+ =	β	 
 
der vi antar at	
(	)	0=	fu E	. Resultatene, som vist i vedlegg F.2, gir oss likning (F.2). 
 
(F.2) 	
()	()	
l
f r
fz z E	006 , 0981 , =	 	
 	 	128	 Notasjon er forklart i tabell 4.1.

78
Likning F.2 som er vist i figur 4.1 gir oss et stigningstall på 0,981 som kan tolkes som at de to metodene gir 
om lag samme nivå på fattigdom. Regresjonslinjens forklaringskraft av variasjonen i dataene, som R	2 er et 
uttrykk for, er ca. 88 prosent. Sett i sammenheng med figur F.1 og tabell F.1 ser vi at det er enkelte 
kommuner som har et noe større absoluttavvik mellom prosent fattige fra de to beregningsmetodene. 
Spesielt skiller Karasjok, Træna og Namskogan seg ut med et absoluttavvik på 1,7 prosentpoeng mellom de 
to metodene. Vi ser også at retningen i avvikene er forskjellig fra de fem kommunene. Karasjok og 
Nesseby får en høyere andel fattige ved bruk av regionspesifikke fattigdomsgrenser mens de resterende, 
Træna, Namskogan og Vega, har en høyere andel fattige ved bruk av en prisjustert landsspesifikk 
fattigdomsgrense. 	
Tabell F.1. De fem kommunene med størst absoluttavvik mellom andelen fattige beregnet ut fra 
prisjustert landsspesifikk fattigdomsgrense og regionspesifikke fattigdomsgrenser med 
familie som økonomisk enhet i prosent, 2001 
Kom. 
nr. Kommune Prisjustert landsspesifikk 
fattigdomsgrense Regionspesifikke 
fattigdomsgrenser Absoluttavvik 
2021 Karasjok 3,3 5,0 1,7
1835 Træna 4,3 2,6 1,7
1740 Namskogan 2,6 0,9 1,7
2027 Nesseby 2,8 3,9 1,1
1815 Vega 3,8 2,7 1,1
 
Forklaringen på at en kommune har et stort avvik mellom andel fattige beregnet ut fra de to metodene er at 
kommunen har mange innbyggere med ekvivalentinntekt mellom de to fattigdomsgrensene. Hvis andelen 
fattige er større ved å bruke regionspesifikke fattigdomsgrenser i motsetning til en prisjustert landsspesifikk 
fattigdomsgrense, skyldes det at fattigdomsgrensen i regionen som kommunen ligger i er høyere enn den 
prisjusterte landsspesifikke fattigdomsgrensen. Fra dette følger det at den prisjusterte medianinntekten i 
regionen er høyere enn medianinntekten i landet. 
Figur F.2. Andelen fattige i kommunene beregnet ut fra en prisjustert landsspesifikk fattigdomsgrense 
(venstre) og en regionspesifikk fattigdomsgrense (høyre) med familie som økonomisk enhet, i 
prosent, 2001* 	
 	* Intervallene for prosent fattige i kommunene når analysen er basert på prisjustert landsspesifikk fattigdomsgrense (venstre) og en 
regionspesifikk fattigdomsgrense (høyre), med familie som økonomisk enhet 
0,5 ≤ Lav ≤ 2,0 0,5 ≤ Lav ≤ 2,0 
2,0 ≤ Middels ≤ 3,3 2,0 ≤ Middels ≤ 3,1 
3,3 ≤ Høy ≤ 8,7 3,1 ≤ Høy ≤ 7,9

79
Figur F.2 gir en oversikt over det regionale mønsteret av fattigdom når vi tar utgangspunkt i Det 
sentrale folkeregisteret, med familie som økonomisk enhet. Kommunene er delt inn i tre grupper med 
lav, middels og høy fattigdomsandel. Den første gruppen omfatter de 25 prosent av kommunene med 
de laveste fattigdomsandelene, den tredje gruppen omfatter de 25 prosent av kommunene med de 
høyeste fattigdomsandelene, mens den mellomste gruppen omfatter de øvrige 50 prosent av 
kommunene. 
Figur F.3. Plottdiagram - Prisjustert landsspesifikk fattigdomsgrense mot regionspesifikke 
fattigdomsgrenser med husholdning som økonomisk enhet, 2001 	
zr
h = 0,9848z	l
h	
R2 = 0,8755
0 1 2 3 4 5 6 7 8 9
012 3456 789
Prose nt fattige m e d pris juste rt landss pe sifik k fattigdom s grense	
Prosent fattige med regionspesifikke fattigdomsgrenser	
 
 	
Korrelasjonskoeffisienten mellom	l
hz	og 	r
hz	 er 0,94. Vi gjennomfører en minste kvadraters regresjon 
uten konstantledd, se likning (F.3), for å vise sammenhengen mellom prosent fattige generert fra de to 
metodene med husholdning som økonomisk enhet. 
 
(F.3) 	
h l
h h r
hu z z+ =	β	 
 
der vi antar at 	
()	0=	hu E	. Resultatene, som vist i vedlegg D, gir oss (F.4). 
 
(F.4) 	
()	()	
l
h r
hz z E	006 , 0985 , = 
 
Regresjonslikningen (F.4) som er plottet inn i figur F.3 forklarer variasjonen i dataene med ca. 88 
prosent. Med bakgrunn i korrelasjonskoeffisienten og figuren ser vi at avviket, i prosent fattige, 
mellom de to metodene for de fleste kommuner er lite. Tabell F.2 viser en oversikt over de fem 
kommunene med størst absoluttavvik mellom de to metodene, med husholdning som økonomisk 
enhet.

80
Tabell F.2. De fem kommunene med størst absoluttavvik mellom andelen fattige beregnet ut fra 
prisjustert landsspesifikk fattigdomsgrense og regionspesifikke fattigdomsgrenser 
med husholdning som økonomisk enhet i prosent, 2001 
Kom. 
nr. Kommune Prisjustert landsspesifikk 
fattigdomsgrense Regionspesifikke 
fattigdomsgrenser Absoluttavvik 
2021 Karasjok 3,4 5,1 1,7
2027 Nesseby 2,3 3,8 1,6
1740 Namskogan 2,6 1,2 1,5
0221 Asker 2,5 4,0 1,5
0220 Aurskog-Høland 3,5 4,7 1,2
 
Fra tabellen ser vi at Karasjok også har størst absoluttavvik med 1,7 prosent. Vi ser også at retningen i 
avvikene er forskjellig for de fem kommunene. Karasjok, Nesseby, Asker og Aurskog-Høland får en 
høyere andel fattige ved bruk av regionspesifikke fattigdomsgrenser mens Namskogan har en høyere 
andel fattige ved å bruke en prisjustert landsspesifikk fattigdomsgrense. 
 
Som forklart i avsnitt 4.3.1 avhenger størrelsen på absoluttavviket mellom andelen fattige i en 
kommune, beregnet fra de to metodene, både av forskjellen mellom den regionspesifikke 
fattigdomsgrensen og den prisjusterte landsspesifikke fattigdomsgrensen, og hvor mange innbyggere i 
kommunen som har en ekvivalentinntekt mellom de to fattigdomsgrensene. 
 
Figur F.4. Andelen fattige i kommunene beregnet ut fra en prisjustert landsspesifikk 
fattigdomsgrense (venstre) og en regionspesifikk fattigdomsgrense (høyre) med 
husholdning som økonomisk enhet, 2001* 	
 	* Intervallene for prosent fattige i kommunene når analysen er basert på prisjustert landsspesifikk fattigdomsgrense (venstre) og en 
regionspesifikk fattigdomsgrense (høyre), med husholdning som økonomisk enhet: 
0,4 ≤ Lav ≤ 2,0 0,4 ≤ Lav ≤ 2,0 
2,0 ≤ Middels ≤ 3,2 2,0 ≤ Middels ≤ 3,1 
3,2 ≤ Høy ≤ 8,7 3,1 ≤ Høy ≤ 8,0

81
Figur F.4 gir en oversikt over det regionale mønsteret av fattigdom, med husholdning som økonomisk 
enhet. Kommunene er delt inn i tre grupper med lav, middels og høy fattigdomsandel. Den første 
gruppen omfatter de 25 prosent av kommunene med de laveste fattigdomsandelene, den tredje gruppen 
omfatter de 25 prosent av kommunene med de høyeste fattigdomsandelene, mens den mellomste 
gruppen omfatter de øvrige 50 prosent av kommunene. En sammenlikning av fattigdomsresultatene i 
vedleggene F.3 og F.4 viser endringen i den geografiske sammensetningen av de fattige i kommunene 
når analysen er basert på regionspesifikke fattigdomsgrenser istedenfor en felles prisjustert 
landsspesifikk fattigdomsgrense. Som vi ser fra figurene er det ikke store forandringer i det regionale 
fattigdomsmønsteret ved å bruke de ulike metodene. 
For å gi et inntrykk av hvordan prosent fattige varierer mellom de to metodene har vi tabell F.3 og F.4 
listet opp prosent fattige, ved bruk av begge metoder med både familie og husholdning som 
økonomisk enhet, for de fem største og de fem minste kommunene i Norge. 
Tabell F.3. Andel fattige i de fem største kommunene i prosent, 2001 
Prisjustert landsspesifikk fattigdomsgrense 
 	Familie som økonomisk enhet Husholdning som økonomisk enhet 	
Kom. nr. 	Kommune Prosent fattige Kom. nr. Kommune Prosent fattige	
0301 	Oslo 	8,6	0301 	Oslo 8,7	
1201 	Bergen 	3,9	1201 	Bergen 3,9	
1601 	Trondheim 	3,5	1601 	Trondheim 3,4	
1103 	Stavanger 	4,0	1103 	Stavanger 3,9	
0219 	Bærum 	3,3 	0219 	Bærum 3,3
Regionspesifikke fattigdomsgrenser 	
 	Familie som økonomisk enhet Husholdning som økonomisk enhet 	
Kom. nr. 	Kommune Prosent fattige Kom. nr. Kommune Prosent fattige	
0301 	Oslo 	7,9	0301 	Oslo 8,0	
1201 	Bergen 	3,9	1201 	Bergen 3,9	
1601 	Trondheim 	3,6	1601 	Trondheim 3,4	
1103 	Stavanger 	4,3	1103 	Stavanger 4,3	
0219 	Bærum 	4,3 	0219 	Bærum 4,4	
 
Blant de fem største kommunene skiller Oslo seg ut med en meget høy andel fattige. Andelen fattige 
er størst ved bruk av regionspesifikke fattigdomsgrenser for Trondheim, Stavanger og Bærum, mens 
Oslo har en større andel fattige ved bruk av prisjustert landsspesifikk fattigdomsgrense. Bergen har 
derimot den samme andelen fattige ved bruk av begge metoder. Oslo er derfor den eneste kommunen, 
av de fem største, som har en betydelig lavere regionspesifikk fattigdomsgrense enn prisjustert 
landsspesifikk fattigdomsgrense. 
Tabell F.4. Andel fattige i de fem minste kommunene i prosent, 2001 
Prisjustert landsspesifikk fattigdomsgrense 
 Familie som økonomisk enhet Husholdning som økonomisk enhet 
Kom. nr. Kommune Prosent fattige Kom. nr. Kommune Prosent fattige
1151 	Utsira 	3,9	1151 	Utsira 3,9	
1252 	Modalen 	2,5	1252 	Modalen 2,8	
1835 	Træna 	4,3	1835 	Træna 3,4	
1144 	Kvitsøy 	1,7	1144 	Kvitsøy 1,7	
1816 	Vevelstad 	0,9 	1816 	Vevelstad 0,9
Regionspesifikke fattigdomsgrenser 	
 Familie som økonomisk enhet Husholdning som økonomisk enhet 
Kom. nr. Kommune Prosent fattige Kom. nr. Kommune Prosent fattige
1151 	Utsira 	3,9	1151 	Utsira 3,9	
1252 	Modalen 	2,8	1252 	Modalen 2,8	
1835 	Træna 	2,6	1835 	Træna 3,4	
1144 	Kvitsøy 	1,7	1144 	Kvitsøy 1,7	
1816 	Vevelstad 	0,9 	1816 	Vevelstad 0,9

82
Blant de fem minste kommunene skiller Utsira seg ut med en høy andel fattige, hele 3,9 prosent ved 
bruk av begge metoder og datagrunnlag. Træna skiller seg ut ved at kommunen har en mye høyere 
andel fattige ved bruk av en prisjustert landsspesifikk fattigdomsgrense enn ved bruk av 
regionspesifikke fattigdomsgrenser med familie som økonomisk enhet. 
 
Det kan virke oppsiktsvekkende at andelen fattige ikke varierer for enkelte kommuner ved bruk av de 
to ulike beregningsmetodene. Forklaringen på dette for de store kommunene, f.eks. Bergen, er at den 
regionspesifikke fattigdomsgrensen ligger nær den prisjusterte landsspesifikke fattigdomsgrensen. For 
de små kommunene er forklaringen at kommunene har få innbyggere, f.eks. Vevelstad med 576 
innbyggere i 2001. Til tross for at differansen mellom de to fattigdomsgrensene er relativt stor er det 
ingen som har en ekvivalentinntekt mellom de to fattigdomsgrensene og følgelig er andelen fattige 
uendret. 
Kan det forsvares å bruke inntektsdata med familie som økonomisk enhet for å beregne andel fattige i 
årene 2002 til 2006. Som nevnt tidligere er det ikke gjennomført folke- og boligtellinger etter 2001. 
Det betyr at vi ikke har tilgang på husholdsregistre for årene etter 2001. Vi kan derfor ikke bruke 
hushold som økonomisk enhet i beregningen av ekvivalensinntekter for disse årene, se Galloway 
(2002) og Mogstad (2003), som er den beste av de to tilnærmingene. Dermed er vi nødt til å bruke 
inntektsdata koblet med det sentrale folkeregisteret i beregningen av ekvivalensinntekter, dvs. med 
familie som økonomisk enhet. 
 
Problemet med å bruke familie som økonomisk enhet er at samboere uten felles barn ikke er registrert 
som en familie, se Galloway (2002) og Mogstad (2003). Samboere uten felles barn vil dermed være et 
hushold og to familier. Ved utregning av ekvivalensinntekter med familie som økonomisk enhet vil 
det verken bli tatt hensyn til stordriftsfordelene, pga. felles konsum, eller deling av inntektene i 
husholdet. 
 
For å illustrere hva som skjer med ekvivalensinntekten når et hushold blir delt i to familier tar vi 
utgangspunkt i et hushold med to voksne samboere uten barn. Videre antar vi at hver av disse 
personene har en inntekt etter skatt eksklusiv sosialhjelp lik 100 000 kroner. Som hushold får hver av 
dem en ekvivalentinntekt lik 117 650	
129	 kroner, men som to familier får hver av dem en 
ekvivalensinntekt lik 100 000 kroner. 
 
Hvis inntektene derimot er veldig ulike ville personen med høyest inntekt fått en lavere 
ekvivalensinntekt i husholdet enn hvis vi ser på vedkommende som en familie. Forklaringen på det er 
at effekten av å dele inntektene i husholdet likt er dominerende over effekten av stordriftsfordeler. Til 
tross for at vi i Norge har lav arbeidsledighet og små lønnsforskjeller mellom kjønn er det ikke noe 
klart mønster i endringen på ekvivalensinntekter ved å bruke familie eller hushold som økonomisk 
enhet, som vist i figur F.5 og F.6. I disse figurene ser vi at for begge beregningsmetoder, dvs. 
prisjusterte lands- og regionspesifikke fattigdomsgrenser, er effekten av å bruke familie isteden for 
husholdning ubetydelig for de fleste kommuner. 
 
For å finne de kommunene som skiller seg ut ved at de har størst absoluttavvik mellom andel fattige, 
beregnet ut ifra hhv. familie og husholdning som økonomisk enhet, gjennomfører vi først en minste 
kvadraters regresjon uten konstantledd. 
 
(F.5) 	
l l
f l l
hu z z+ =	β	 
 
(F.6) 
r r
f r r
hu z z+ =	β	 
 	
 	 	129	 Følger gjennomgang i avsnitt 2 og finner at ekvivalensinntekten for hvert individ basert på 	OECD	-skalaen er 	
()()	117650 7 , 1 / 000 200 7 , 1 000 100 000 100≈ = + +	kroner.

83
der vi antar at 	()	0 =	iu E for 	r l i, =. Resultatene, som vist i vedlegg D, gir oss (F.7) og (F.8). 
 
(F.7) 	
()	()	
l
f l
h l
hz z E z	003 , 0978 , ˆ
= = 
 
(F.8) 	
()	()	
r
f r
h r
hz z E z	003 , 0982 , ˆ
= = 
 
I likningene (F.7) og (F.8) predikerer vi 	
l
hz og 	r
hz. Ved å se på absoluttavviket mellom faktisk og 
predikert prosent fattige med familie som økonomisk enhet, dvs. 	
h hz zˆ
− for hver av 
beregningsmetodene, finner vi de kommunene som avviker mest fra disse to regresjonslinjene. 
 
Regresjonslikningene (F.7) og (F.8) er plottet inn i hhv. figur F.5 og F.6 Som vi ser fra verdien på 	
R2 
for hver av regresjonene i vedlegg 1 forklarer regresjonslinjene ca. 97 prosent av variasjonen i 
observasjonene i figur F.5 og ca. 98 prosent av variasjonen i observasjonene i figur F.6. 
 
Korrelasjonen mellom	
l
fz	og 	l
hz	 er 0,98. Det er altså en tilnærmet lineær sammenheng mellom andelen 
fattige beregnet ut fra de to datagrunnlagene. Med andre ord genererer hvert av datagrunnlagene med 
hhv. familie og husholdning som økonomisk enhet nesten den samme andelen fattige. Dvs. at vi gjør 
en liten feil ved å bruke familie som økonomisk enhet når vi bruker en prisjustert landsspesifikk 
fattigdomsgrense. 	
Figur F.5. Plottdiagram - Familie som økonomisk enhet mot husholdning som økonomisk enhet 
med prisjustert landsspesifikk fattigdomsgrense, 2001 	
zl
h = 0,978z	l
f	
R2 = 0,9671
0 1 2 3 4 5 6 7 8 9
012 3456 789
Pros e nt fattige m e d fam ilie s om øk onom is k e nhe t	
Prosent fattige med husholdning som økonomisk enhet

84
Tabell F.5 viser en oversikt over de fem kommunene som har størst absoluttavvik mellom faktisk og 
predikert andel fattige, med husholdning som økonomisk enhet, beregnet ut fra prisjustert 
landsspesifikk fattigdomsgrense. I tabellen ser vi at Roan, Træna og Grane har en høyere andel fattige 
med husholdning som økonomisk enhet, ved bruk av en prisjustert landsspesifikk fattigdomsgrense, 
ved prediksjon enn ved faktiske tall. Bokn og Vegårdshei har derimot en høyere andel fattige når vi ser 
på faktiske tall fremfor predikerte tall. 
Tabell F.5. De fem kommunene med største absoluttavvik fra regresjonslinje (F.7) med 
prisjustert landsspesifikk fattigdomsgrense i prosent, 2001 
Kom. 
nr. Kommune Fattige med prisjustert 
landsspesifikk 
fattigdomsgrense og 
husholdning som økonomisk 
enhet.Predikert fattige med prisjustert 
landsspesifikk fattigdomsgrense 
og husholdning som økonomisk 
enhet.Absoluttavvik mellom faktisk 
og predikert prosent fattige 
(med prisjustert landsspesifikk 
fattigdomsgrense og 
husholdning som økonomisk 
enhet). 
1632 Roan 2,5 3,4 0,9
1835 Træna 3,4 4,2 0,8
1825 Grane 1,9 2,5 0,6
1145 Bokn 3,9 3,3 0,6
0912 Vegårdshei 3,4 2,9 0,6
 
Alle kommunene i tabell F.5 har mindre enn 2 000 innbyggere i 2001. Med bakgrunn i de lave 
befolkningstallene er det for hver av kommunene under 20 personer som skifter status, fra å være 
fattig eller ikke, når vi bruker predikert prosent fattige med prisjustert landsspesifikk fattigdomsgrense 
og familie som økonomisk enhet. Ta f.eks. utgangspunkt i kommunen Roan som i 2001 hadde 1 130 
innbyggere. Absoluttavviket på 0,9 prosent tilsvarer en endring i antall fattige på ca. 10 personer. Dvs. 
at antall fattige for Roan reduseres med 10 personer hvis vi predikerer andelen fattige med familie som 
økonomisk enhet istedenfor å bruke den opprinnelige andelen fattige med familie som økonomisk 
enhet. 
Figur F.6. Plottdiagram - Familie som økonomisk enhet mot husholdning som økonomisk enhet 
med regionspesifikke fattigdomsgrenser, 2001 	
zr
h = 0,9816z	r
f	
R2 = 0,9649
0 1 2 3
4 5 6
7 8 9
01 23 45 67 89
Pr os e nt fattige m e d fam ilie s om øk onom is k e nhe t	
Prosent fattige med husholdning som økonomisk enhet

85
Figur F.6 viser oss forholdet mellom andelen fattige beregnet ut fra regionspesifikke 
fattigdomsgrenser med familie og husholdning som økonomisk enhet. Korrelasjonskoeffisienten 
mellom 	
r
fz	og 	r
hz	 er 0,98, som tyder på at målefeilen vi gjør ved å bruke familie som økonomisk enhet 
er liten. Tabell F.6 viser en oversikt over de fem kommunene som har størst absoluttavvik mellom 
faktisk og predikert andel fattige, med husholdning som økonomisk enhet, beregnet ut fra metoden 
med regionspesifikke fattigdomsgrenser. 	
Tabell F.6. De fem kommunene med størst absoluttavvik fra regresjonslinje (F.8) med 
regionspesifikke fattigdomsgrenser i prosent, 2001 
Kom. 
nr. Kommune Fattige med 
regionspesifikke 
fattigdomsgrenser og 
husholdning som 
økonomisk enhet. Predikert fattige med 
regionspesifikke 
fattigdomsgrenser og 
husholdning som 
økonomisk enhet. Absoluttavvik mellom faktisk og 	
predikert prosent fattige (med 
regionspesifikke fattigdomsgrenser og 
familie som økonomisk enhet). 	
1748 Fosnes 1,3 2,3 1,0
1835 Træna 3,4 2,5 0,9
1026 Åseral 1,2 0,5 0,7
1815 Vega 3,3 2,6 0,7
1811 Bindal 2,7 2,0 0,7
 
Som vi ser i tabellen er det bare kommunen med det største absoluttavviket, Fosnes, som får en høyere 
predikert andel fattige med husholdning som økonomisk enhet. De resterende kommunene avviker i 
motsatt retning og har en høyere andel fattige med familie som økonomisk enhet. Alle kommunene i 
tabellen har mindre enn 2 000 innbyggere slik at absoluttavviket mellom faktisk og predikert prosent 
fattige omregnet til personer vil være mindre enn 20 personer.

86
F.2. Resultater fra regresjonsanalyse tilhørende fattigdomsberegninger	 	
Likning (F.1). Modellerer	r
fz	 ved bruk av OLS	 	
 Coefficient Std.Error t-value t-prob Part.R^2 
l
fz 0.981346 0.005693 172. 0.000 0.9856 
R^2 0.8773 
sigma 0.334932 RSS 48.6859859 
log-likelihood -140.923 DW 0.865 
no. of observations 435 no. of parameters 1 
mean(	r
fz	) 2.61963 var(	r
fz	) 0.911961 	
 
Likning (F.3). Modellerer	r
hz	 ved bruk av OLS	 	
 Coefficient Std.Error t-value t-prob Part.R^2 
l
hz 0.984770 0.005885 167. 0.000 0.9847 
R^2 0.8755 
sigma 0.339245 RSS 49.9478949 
log-likelihood -146.489 DW 0.763 
no. of observations 435 no. of parameters 1 
mean(	r
hz) 2.5692 var(	r
hz) 0.922445 	
 	 
Likning (F.5). Modellerer	
l
hz	 ved bruk av OLS	 	
 Coefficient Std.Error t-value t-prob Part.R^2 
l
fz 0.977993 0.002904 337. 0.000 0.9962 
R^2 0,9671 
sigma 0.170828 RSS 12.6650985 
log-likelihood 151.95 DW 1.7 
no. of observations 435 no. of parameters 1 
mean(	l
hz) 2.59911 var(	l
hz) 0.883962 	
 
Likning (F.6). Modellerer	r
hz 	ved bruk av OLS	 	
 Coefficient Std.Error t-value t-prob Part.R^2 
r
fz 0.981596 0.003096 317. 0.000 0.9957 
R^2 0.9649 
sigma 0.180034 RSS 14.0668932 
log-likelihood 129.118 DW 1.83 
no. of observations 435 no. of parameters 1 
mean(	r
hz) 2.5692 var(	r
hz) 0.922445

87
F.3. Prosent fattige etter kommune, 2001 
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
0101 Halden 4,5 4,0 4,3 3,8
0104 Moss 4,5 4,4 4,4 4,2
0105 Sarpsborg 3,6 3,3 3,5 3,2
0106 Fredrikstad 3,9 3,6 3,8 3,6
0111 Hvaler 2,9 2,8 3,1 2,7
0118 Aremark 3,0 2,3 2,9 2,6
0119 Marker 2,3 2,3 2,0 2,1
0121 Rømskog 1,3 1,3 1,3 1,3
0122 Trøgstad 2,7 2,8 2,6 2,7
0123 Spydeberg 1,5 1,6 1,4 1,4
0124 Askim 2,9 3,0 2,8 3,0
0125 Eidsberg 4,0 4,1 3,8 3,8
0127 Skiptvet 2,6 2,6 2,4 2,7
0128 Rakkestad 3,3 3,0 3,2 2,8
0135 Råde 2,3 2,2 2,2 2,2
0136 Rygge 2,8 2,7 2,7 2,5
0137 Våler 5,7 5,5 5,8 5,7
0138 Hobøl 2,8 2,8 2,7 2,7
0211 Vestby 3,7 4,1 3,3 4,0
0213 Ski 2,7 3,3 2,7 3,4
0214 Ås 4,1 4,6 4,1 4,6
0215 Frogn 3,2 3,8 3,1 3,7
0216 Nesodden 3,8 4,6 3,9 4,8
0217 Oppegård 2,2 2,4 2,2 2,5
0219 Bærum 3,3 4,3 3,3 4,4
0220 Asker 3,5 4,6 3,5 4,7
0221 Aurskog-Høland 2,9 3,9 2,5 4,0
0226 Sørum 1,7 2,2 1,6 2,2
0227 Fet 1,7 2,6 1,7 2,6
0228 Rælingen 2,5 3,1 2,6 3,1
0229 Enebakk 3,4 4,2 3,4 4,4
0230 Lørenskog 2,5 3,1 2,4 3,1
0231 Skedsmo 2,9 3,5 2,9 3,6
0233 Nittedal 2,2 2,8 2,3 3,0
0234 Gjerdrum 2,3 2,7 2,2 2,7
0235 Ullensaker 2,3 2,8 2,3 2,8
0236 Nes 2,6 3,2 2,4 3,1
0237 Eidsvoll 2,2 2,7 2,1 2,6
0238 Nannestad 2,1 2,8 2,2 2,6
0239 Hurdal 2,6 2,9 2,7 3,0
0301 Oslo 8,6 7,9 8,7 8,0
0402 Kongsvinger 3,3 3,2 3,1 3,0
0403 Hamar 2,7 2,6 2,6 2,5
0412 Ringsaker 2,6 2,5 2,5 2,3
0415 Løten 3,1 3,0 2,8 2,8
0417 Stange 3,9 3,8 3,8 3,6
0418 Nord-Odal 2,0 1,9 1,7 1,7
0419 Sør-Odal 1,2 1,1 1,2 1,0
0420 Eidskog 4,0 3,9 3,9 3,7
0423 Grue 4,9 4,8 4,5 4,4
0425 Åsnes 3,9 3,8 3,7 3,6

88
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
0426 Våler 2,9 2,8 2,8 2,7
0427 Elverum 3,1 3,0 2,9 2,8
0428 Trysil 2,9 2,6 2,9 2,7
0429 Åmot 3,6 3,3 3,6 3,4
0430 Stor-Elvdal 3,2 3,0 3,2 3,1
0432 Rendalen 2,6 2,4 2,7 2,4
0434 Engerdal 3,4 2,9 3,2 3,0
0436 Tolga 3,5 3,4 3,3 3,0
0437 Tynset 2,1 2,0 2,1 1,9
0438 Alvdal 1,6 1,5 1,6 1,6
0439 Folldal 1,8 1,6 1,8 1,6
0441 Os 3,7 3,4 3,8 3,4
0501 Lillehammer 2,4 2,3 2,3 2,2
0502 Gjøvik 3,6 3,6 3,6 3,5
0511 Dovre 2,5 2,0 2,4 1,9
0512 Lesja 1,9 1,1 2,1 0,9
0513 Skjåk 1,7 1,6 2,0 1,8
0514 Lom 4,1 3,4 3,9 3,3
0515 Vågå 2,3 1,4 2,0 1,3
0516 Nord-Fron 3,0 2,5 3,0 2,7
0517 Sel 2,5 1,9 2,3 1,8
0519 Sør-Fron 3,0 2,5 2,8 2,3
0520 Ringebu 2,1 1,9 2,2 1,8
0521 Øyer 2,1 2,0 2,1 2,1
0522 Gausdal 3,4 2,9 3,4 3,0
0528 Østre Toten 2,4 2,3 2,3 2,2
0529 Vestre Toten 2,5 2,4 2,4 2,3
0532 Jevnaker 2,4 2,4 2,4 2,5
0533 Lunner 1,9 1,9 1,9 1,9
0534 Gran 2,8 2,8 2,8 2,8
0536 Søndre Land 3,3 3,3 3,3 3,2
0538 Nordre Land 3,6 3,4 3,6 3,5
0540 Sør-Aurdal 4,2 3,9 4,3 4,0
0541 Etnedal 4,1 3,8 3,9 3,7
0542 Nord-Aurdal 3,0 2,8 3,0 2,9
0543 Vestre Slidre 3,4 3,1 3,7 3,4
0544 Øystre Slidre 2,1 2,0 2,2 2,0
0545 Vang 3,5 3,4 3,8 3,7
0602 Drammen 4,5 4,8 4,5 4,9
0604 Kongsberg 2,2 2,7 2,3 2,7
0605 Ringerike 2,8 2,9 2,7 2,8
0612 Hole 2,6 2,6 2,4 2,6
0615 Flå 2,7 2,7 2,6 2,6
0616 Nes 3,4 3,4 3,3 3,3
0617 Gol 2,4 2,4 2,5 2,4
0618 Hemsedal 4,5 4,6 4,5 4,5
0619 Ål 2,8 2,8 3,0 3,0
0620 Hol 2,3 2,3 2,4 2,4
0621 Sigdal 1,7 1,7 1,5 1,7
0622 Krødsherad 1,5 1,5 1,4 1,5
0623 Modum 2,6 2,9 2,6 2,8

89
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
0624 Øvre Eiker 3,5 3,7 3,4 3,6
0625 Nedre Eiker 2,6 2,9 2,6 2,9
0626 Lier 3,0 3,2 3,0 3,2
0627 Røyken 2,1 2,2 2,1 2,2
0628 Hurum 2,7 3,0 2,7 2,9
0631 Flesberg 3,0 3,6 3,2 3,7
0632 Rollag 2,4 2,7 2,3 2,9
0633 Nore og Uvdal 4,1 4,7 4,0 4,4
0701 Borre 3,4 3,3 3,4 3,2
0702 Holmestrand 3,4 3,4 3,0 3,1
0704 Tønsberg 3,1 3,1 3,1 3,0
0706 Sandefjord 3,7 3,4 3,6 3,3
0709 Larvik 3,4 3,2 3,1 3,0
0711 Svelvik 3,2 3,6 3,2 3,5
0713 Sande 2,4 2,5 2,2 2,5
0714 Hof 1,8 2,0 1,9 2,0
0716 Våle 3,3 3,1 2,7 2,7
0718 Ramnes 3,4 3,4 3,4 3,2
0719 Andebu 3,4 3,2 3,3 3,3
0720 Stokke 3,5 3,4 3,2 3,1
0722 Nøtterøy 2,9 2,8 2,7 2,6
0723 Tjøme 4,0 3,9 4,0 3,9
0728 Lardal 4,1 3,9 3,9 3,4
0805 Porsgrunn 3,3 3,3 3,1 3,2
0806 Skien 3,7 3,9 3,7 3,9
0807 Notodden 1,9 1,9 1,9 1,9
0811 Siljan 3,3 3,4 3,2 3,3
0814 Bamble 2,9 3,1 2,9 3,0
0815 Kragerø 3,6 3,4 3,7 3,3
0817 Drangedal 2,1 1,8 2,1 1,7
0819 Nome 3,7 3,8 3,7 3,8
0821 Bø 3,0 3,0 3,0 3,0
0822 Sauherad 3,1 3,1 3,0 3,0
0826 Tinn 2,8 3,1 2,9 3,1
0827 Hjartdal 3,1 3,1 3,1 3,1
0828 Seljord 2,2 2,2 2,3 2,3
0829 Kviteseid 2,4 2,4 2,5 2,2
0830 Nissedal 3,6 3,6 3,5 3,5
0831 Fyresdal 1,0 0,8 1,1 0,8
0833 Tokke 1,1 1,1 1,1 1,0
0834 Vinje 3,3 2,9 3,3 3,2
0901 Risør 2,6 2,3 2,5 2,3
0904 Grimstad 3,5 3,0 3,3 2,9
0906 Arendal 3,0 2,7 2,9 2,7
0911 Gjerstad 4,2 3,4 4,3 3,9
0912 Vegårdshei 2,9 2,8 3,4 2,8
0914 Tvedestrand 4,7 4,3 4,2 4,1
0919 Froland 3,7 3,3 3,8 2,9
0926 Lillesand 2,5 2,4 2,3 2,1
0928 Birkenes 3,6 3,4 3,7 3,2
0929 Åmli 3,0 2,6 3,2 2,7

90
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
1221 Stord 2,5 2,4 2,3 2,3
1222 Fitjar 2,8 2,0 2,5 2,2
1223 Tysnes 2,7 2,7 2,6 2,5
1224 Kvinnherad 2,3 2,2 2,4 2,1
1227 Jondal 1,8 1,8 2,1 2,0
1228 Odda 2,0 2,0 1,9 1,9
1231 Ullensvang 2,0 1,9 1,8 1,8
1232 Eidfjord 2,8 2,1 2,6 2,6
1233 Ulvik 4,1 3,7 4,3 3,7
1234 Granvin 0,9 0,8 0,9 0,9
1235 Voss 2,4 2,1 2,5 2,1
1238 Kvam 2,5 2,5 2,6 2,6
1241 Fusa 2,2 2,2 2,0 2,0
1242 Samnanger 1,5 1,5 1,4 1,4
1243 Os 2,4 2,4 2,4 2,4
1244 Austevoll 2,0 2,0 1,8 1,8
1245 Sund 3,0 3,0 3,1 3,1
1246 Fjell 2,7 2,7 2,7 2,7
1247 Askøy 2,7 2,7 2,8 2,8
1251 Vaksdal 1,4 1,4 1,4 1,4
1252 Modalen 2,5 2,8 2,8 2,8
1253 Osterøy 2,9 2,9 3,1 3,1
1256 Meland 2,9 2,9 2,9 2,9
1259 Øygarden 2,4 2,4 2,4 2,4
1260 Radøy 3,2 3,3 3,3 3,3
1263 Lindås 2,5 2,5 2,6 2,6
1264 Austrheim 1,6 1,6 1,4 1,4
1265 Fedje 1,9 1,9 1,9 1,9
1266 Masfjorden 1,6 1,6 1,5 1,5
1401 Flora 2,5 2,8 2,4 2,6
1411 Gulen 2,6 2,7 2,6 2,6
1412 Solund 2,5 2,6 2,5 2,5
1413 Hyllestad 2,0 2,0 1,7 1,7
1416 Høyanger 1,2 1,2 1,2 1,2
1417 Vik 2,0 2,2 2,2 2,2
1418 Balestrand 2,4 2,4 2,4 2,4
1419 Leikanger 1,0 1,0 1,1 1,1
1420 Sogndal 1,7 1,7 1,6 1,6
1421 Aurland 1,8 1,9 1,9 1,9
1422 Lærdal 1,2 1,2 1,2 1,2
1424 Årdal 0,8 1,0 0,8 0,8
1426 Luster 1,9 2,2 2,1 2,1
1428 Askvoll 2,0 1,6 2,1 1,3
1429 Fjaler 4,6 4,5 4,6 4,5
1430 Gaular 2,8 2,7 3,2 2,7
1431 Jølster 2,4 2,1 2,4 2,1
1432 Førde 1,6 1,4 1,5 1,4
1433 Naustdal 1,8 1,7 1,9 1,6
1438 Bremanger 1,5 1,7 1,5 1,6
1439 Vågsøy 1,2 1,1 1,2 1,1
1441 Selje 0,8 0,8 0,8 0,7

91
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
1443 Eid 1,2 1,2 1,2 1,0
1444 Hornindal 1,9 2,0 2,0 2,0
1445 Gloppen 1,8 1,7 1,8 1,7
1449 Stryn 2,4 2,3 2,3 2,3
1502 Molde 2,3 2,4 2,2 2,2
1503 Kristiansund 3,3 3,3 3,2 3,2
1504 Ålesund 2,6 2,7 2,5 2,6
1511 Vanylven 1,1 1,1 1,0 1,1
1514 Sande 2,5 2,7 2,5 2,6
1515 Herøy 2,2 2,3 2,0 2,0
1516 Ulstein 1,5 1,7 1,2 1,4
1517 Hareid 2,7 2,9 2,6 2,8
1519 Volda 2,2 2,1 2,3 2,2
1520 Ørsta 2,1 2,0 2,1 2,0
1523 Ørskog 2,5 2,7 2,5 2,9
1524 Norddal 1,1 1,5 1,1 1,5
1525 Stranda 1,1 1,2 1,1 1,2
1526 Stordal 1,9 2,0 2,1 2,2
1528 Sykkylven 1,8 1,9 1,7 1,9
1529 Skodje 2,1 2,5 2,1 2,3
1531 Sula 1,6 1,6 1,4 1,6
1532 Giske 1,2 1,3 1,3 1,3
1534 Haram 1,9 2,1 1,8 1,8
1535 Vestnes 2,1 2,1 1,9 2,0
1539 Rauma 2,0 2,2 2,1 2,2
1543 Nesset 2,5 2,5 2,1 2,1
1545 Midsund 1,6 1,6 1,6 1,6
1546 Sandøy 1,7 1,9 1,7 1,7
1547 Aukra 1,9 2,0 1,8 1,8
1548 Fræna 2,2 2,2 2,0 2,0
1551 Eide 3,4 3,4 3,4 3,4
1554 Averøy 2,2 2,2 2,0 2,0
1556 Frei 2,6 2,5 2,3 2,3
1557 Gjemnes 1,2 1,4 1,0 1,0
1560 Tingvoll 3,8 4,0 3,8 4,0
1563 Sunndal 3,7 3,8 3,5 3,7
1566 Surnadal 2,7 2,4 2,5 2,2
1567 Rindal 0,8 0,7 1,1 0,6
1569 Aure 2,7 2,7 2,7 2,7
1571 Halsa 2,0 1,7 1,7 1,7
1572 Tustna 3,3 2,9 3,0 3,0
1573 Smøla 1,9 2,0 1,6 1,4
1601 Trondheim 3,5 3,6 3,4 3,4
1612 Hemne 3,5 3,3 3,7 3,3
1613 Snillfjord 3,6 3,0 3,6 2,9
1617 Hitra 2,3 1,5 2,1 1,4
1620 Frøya 2,4 1,8 2,2 1,6
1621 Ørland 3,4 3,0 2,9 2,8
1622 Agdenes 3,2 2,4 2,8 2,6
1624 Rissa 2,6 2,6 2,5 2,5
1627 Bjugn 3,1 2,7 3,2 2,9

92
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
1630 Åfjord 1,8 1,5 1,6 1,4
1632 Roan 3,5 2,7 2,5 2,1
1633 Osen 2,2 1,9 2,0 1,4
1634 Oppdal 2,6 2,2 2,4 2,2
1635 Rennebu 2,9 2,1 3,1 2,0
1636 Meldal 3,2 2,8 3,2 2,8
1638 Orkdal 2,7 2,4 2,6 2,3
1640 Røros 1,7 1,5 1,6 1,4
1644 Holtålen 0,5 0,5 0,6 0,6
1648 Midtre Gauldal 3,8 3,8 3,6 3,7
1653 Melhus 2,8 2,8 2,5 2,5
1657 Skaun 3,5 3,6 3,5 3,6
1662 Klæbu 3,1 3,2 3,1 3,1
1663 Malvik 3,2 3,2 3,1 3,1
1664 Selbu 2,5 2,5 2,5 2,5
1665 Tydal 1,3 1,4 1,4 1,4
1702 Steinkjer 3,0 2,7 2,8 2,6
1703 Namsos 2,1 2,1 2,1 2,1
1711 Meråker 2,5 2,0 2,7 2,2
1714 Stjørdal 2,3 2,0 2,2 1,9
1717 Frosta 3,9 3,2 3,6 2,9
1718 Leksvik 2,3 2,1 2,3 2,0
1719 Levanger 2,9 2,6 2,8 2,5
1721 Verdal 3,3 2,8 3,1 2,8
1723 Mosvik 0,5 0,5 0,4 0,4
1724 Verran 2,7 2,0 2,7 2,0
1725 Mandalseid 2,2 1,7 2,1 1,7
1729 Inderøy 2,2 2,0 2,1 2,0
1736 Snåsa 1,4 1,1 1,0 1,0
1738 Lierne 2,0 1,9 1,7 1,7
1739 Røyrvik 3,8 2,7 3,6 2,6
1740 Namskogan 2,6 0,9 2,6 1,2
1742 Grong 2,6 2,3 2,4 2,2
1743 Høylandet 2,0 2,0 2,2 2,0
1744 Overhalla 1,5 1,5 1,5 1,4
1748 Fosnes 2,3 2,3 2,2 1,3
1749 Flatanger 2,8 2,8 2,7 2,6
1750 Vikna 2,1 1,8 1,7 1,4
1751 Nærøy 2,2 1,6 2,2 1,4
1755 Leka 0,6 0,6 0,6 0,6
1804 Bodø 2,3 2,3 2,2 2,2
1805 Narvik 2,4 2,6 2,5 2,7
1811 Bindal 3,1 2,0 3,3 2,7
1812 Sømna 3,4 2,9 3,6 3,0
1813 Brønnøy 2,2 2,0 2,3 2,0
1815 Vega 3,8 2,7 4,1 3,3
1816 Vevelstad 0,9 0,9 0,9 0,9
1818 Herøy 1,9 1,6 1,9 1,8
1820 Alstahaug 2,6 2,6 2,7 2,5
1822 Leirfjord 2,4 1,8 2,5 2,1
1824 Vefsn 2,3 2,3 2,2 2,1

93
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
1825 Grane 2,6 2,3 1,9 1,9
1826 Hattfjelldal 5,9 5,6 6,0 5,8
1827 Dønna 2,7 2,6 2,8 2,4
1828 Nesna 4,9 4,8 4,8 4,8
1832 Hemnes 3,7 3,6 3,4 3,4
1833 Rana 2,6 2,5 2,4 2,3
1834 Lurøy 3,3 3,1 3,2 2,9
1835 Træna 4,3 2,6 3,4 3,4
1836 Rødøy 5,6 5,6 5,3 5,3
1837 Meløy 2,3 2,4 2,3 2,3
1838 Gildeskål 3,1 3,1 2,8 2,8
1839 Beiarn 5,3 5,3 5,1 5,1
1840 Saltdal 3,0 3,0 3,0 3,0
1841 Fauske 3,8 3,8 3,7 3,7
1842 Skjerstad 3,4 3,4 3,2 3,2
1845 Sørfold 1,7 1,7 1,5 1,6
1848 Steigen 2,0 2,0 1,9 1,9
1849 Hamarøy 1,3 1,3 1,2 1,2
1850 Tysfjord 5,0 5,1 4,8 4,9
1851 Lødingen 2,0 2,2 1,9 1,9
1852 Tjeldsund 3,7 3,8 3,8 3,8
1853 Evenes 2,3 2,5 2,5 2,8
1854 Ballangen 1,8 2,0 2,0 2,3
1856 Røst 2,3 2,3 2,5 2,3
1857 Værøy 1,9 1,9 1,7 1,7
1859 Flakstad 1,7 1,7 1,6 1,2
1860 Vestvågøy 3,3 3,2 3,3 3,1
1865 Vågan 2,9 2,7 2,9 2,7
1866 Hadsel 3,0 2,9 2,9 2,9
1867 Bø 2,7 2,7 2,4 2,4
1868 Øksnes 2,0 1,8 2,0 2,0
1870 Sortland 3,2 3,0 2,9 2,9
1871 Andøy 2,7 2,7 2,6 2,6
1874 Moskenes 2,0 2,0 2,0 2,0
1901 Harstad 2,4 2,4 2,3 2,3
1902 Tromsø 3,0 3,0 2,9 3,0
1911 Kvæfjord 2,7 2,7 2,8 2,8
1913 Skånland 2,7 2,7 2,7 2,7
1915 Bjarkøy 1,0 1,0 0,9 0,9
1917 Ibestad 2,0 2,0 2,1 2,1
1919 Gratangen 3,9 3,9 3,5 3,5
1920 Lavangen 1,8 1,8 1,6 1,6
1922 Bardu 1,6 1,7 1,5 1,5
1923 Salangen 2,5 2,5 2,4 2,5
1924 Målselv 1,4 1,5 1,4 1,4
1925 Sørreisa 1,6 1,6 1,6 1,6
1926 Dyrøy 2,4 2,4 2,2 2,2
1927 Tranøy 2,7 2,6 2,5 2,5
1928 Torsken 2,4 2,3 2,4 2,4
1929 Berg 0,8 0,8 1,1 1,1
1931 Lenvik 3,5 3,5 3,4 3,4

94
Kommune Prisjustert landsspesifikk 
fattigdomsgrense med 
familie som økonomisk 
enhetRegionspesifikke 
fattigdomsgrenser 
med familie som 
økonomisk enhetPrisjustert landsspesifikk 
fattigdomsgrense med 
husholdning som 
økonomisk enhet Regionspesifikke 
fattigdomsgrenser med 
husholdning som 
økonomisk enhet
1933 Balsfjord 4,4 4,5 4,2 4,2
1936 Karlsøy 3,4 3,5 3,2 3,2
1938 Lyngen 1,8 1,8 1,8 1,8
1939 Storfjord 4,3 4,3 4,3 4,3
1940 Kåfjord 3,6 3,6 3,5 3,5
1941 Skjervøy 1,6 1,6 1,5 1,5
1942 Nordreisa 2,1 2,1 1,9 2,0
1943 Kvænangen 2,8 2,8 2,9 3,1
2002 Vardø 2,6 2,9 2,6 3,0
2003 Vadsø 4,2 4,5 4,1 4,3
2004 Hammerfest 2,6 3,0 2,4 2,9
2011 Kautokeino 5,5 5,5 5,2 5,2
2012 Alta 2,8 2,6 2,8 2,7
2014 Loppa 2,9 2,7 3,1 3,1
2015 Hasvik 2,7 2,7 2,6 2,6
2017 Kvalsund 2,4 3,0 2,6 3,2
2018 Måsøy 2,2 2,7 1,9 2,3
2019 Nordkapp 2,9 3,2 2,7 3,1
2020 Porsanger 2,7 3,1 2,5 2,9
2021 Karasjok 3,3 5,0 3,4 5,1
2022 Lebesby 3,5 3,6 3,3 3,7
2023 Gamvik 2,8 3,0 2,4 2,8
2024 Berlevåg 1,5 2,1 1,1 1,6
2025 Tana 2,0 2,4 1,8 2,5
2027 Nesseby 2,8 3,9 2,3 3,8
2028 Båtsfjord 2,1 2,5 1,7 2,1
2030 Sør-Varanger 2,5 2,6 2,4 2,5

95
Vedlegg G. Sektorinndeling i 	KOMMODE-0107	 	
Tabell G.1. Sektorinndeling i 	KOMMODE	 basert på kommuneregnskapet for 2006 	
Tjenesteytende sektor Funksjoner i 	KOSTRA	 2006 	
100 Politisk styring og kontrollorganer 
120 Administrasjon 
130 Administrasjonslokaler Administrasjon 
180 Diverse fellesutgifter 
202 Grunnskole 	
Grunnskole 
222 Skolelokaler og skyss 
213 Voksenopplæring 	
214 Spesialskoler 
215 Skolefritidstilbud** Øvrig utdanning 
383 Musikk- og kulturskoler 
201 Førskole 
211 Styrket tilbud til førskolebarn Barnehager (og fritidshjem) 
221 Førskolelokaler og skyss 
232 Forebygging, helsestasjons- og skolehelsetjenesten 
233 Forebyggende arbeid, helse og sosial Helsestell 
241 Diagnose, behandling, rehabilitering 
242 Råd, veiledning og sosialt forebyggende arbeid 
243 Tilbud til personer med rusproblemer 
275 Introduksjonsordningen Sosialhjelp 
281 Økonomisk sosialhjelp 
231 Aktivitetstilbud barn og unge 
244 Barneverntjeneste 
251 Barneverntiltak i familien Barnevern 
252 Barneverntiltak utenfor familien 
234 Aktivisering eldre og funksjonshemmede 
253 Pleie, omsorg, hjelp i institusjon 
254 Pleie, omsorg, hjelp i hjemmet Pleie og omsorg 
261 Botilbud i institusjon 
365 Kulturminnevern 
370 Bibliotek 
373 Kino 
375 Museer 
377 Kunstformidling 
380 Idrett 
385 Andre kulturaktiviteter 
390 Den norske kirke 
392 Andre religiøse formål Kultur 
393 Kirkegårder, gravlunder, krematorier

96
 
 
Tjenesteytende sektor Funksjoner i 	KOSTRA	 2006 	
Kommunale veier 
333 Kommunale veier, nyanlegg, drift og vedlikehold 
 334 Kommunale veier, miljø og trafikksikkerhetstiltak 
340 Produksjon av vann 	
345 Distribusjon av vann 
350 Avløpsrensing 
353 Avløpsnett, innsamling av avløpsvann 
354 Tømming av slamavskillere, septiktanker o.l. 
355 Innsamling av forbruksavfall 	
VAR	 (vann, avløp og renovasjon) 
357 Gjenvinning og sluttbehandling av forbruksavfall 
190 Interne serviceenheter 	
265 Kommunalt disponerte boliger 
273 Kommunale sysselsettingstiltak 
283 Bistand til etablering og opprettholdelse av egen bolig 
301 Plansaksbehandling 
302 Bygge,- delings- og seksjoneringssaker 
303 Kart og oppmåling 
315 Boligbygging og fysiske bomiljøtiltak 
320 Kommunal næringsvirksomhet 
325 Tilrettelegging og bistand for næringslivet 
330 Samferdselsbedrifter, transporttiltak 
335 Rekreasjon i tettsted 
338 Forebygging av branner og andre ulykker 
339 Beredskap mot branner og andre ulykker Øvrig infrastruktur 
360 Naturforvaltning og friluftsliv 
170 Årets premieavvik** 
171 Amortisering av tidligere års premieavvik 
285 Tjenester utenfor ordinært kommunalt ansvarsområde** Ikke-fordelte utgifter 
800-899 (Utgifter ført under 800-funksjonene)** 	
* Det er foretatt en splitting av kapittel 1.300 på tre av sektorene. 
** Disse funksjonene behandles på en avvikende måte i forhold til næringsinndelingen (	NACE	) i nasjonalregnskapet.

97
Vedlegg H. Kommunenes korrigerte driftsinntekter 
Vi definerer kommunenes korrigerte driftsinntekter som summen av kommunenes skatteinntekter, 
rammetilskudd, øremerkede tilskudd, gebyrinntekter, netto renteinntekter og øvrige statsoverføringer. 
Tabell H.1 gir en oversikt over hvilke regnskapsposter i 	
KOSTRA	 hver av disse inntektsgruppene består 
av. 	
Tabell H.1. Kommunenes korrigerte driftsinntekter* 
Inntektsgruppe Beskrivelse Funksjon Art	**	
Skatteinntekter Skatt på inntekt og formue 800 870
 Eiendomsskatt 800 874
 Konsesjonskraftinntekter 320 890
 Andre produksjonsskatter*** 100-899 877
Rammetilskudd Rammetilskudd 100-899 800
Øremerkede tilskudd Øremerkede tilskudd 100-899 700
Gebyrinntekter Ordinære gebyrer 100-899 600-650
 Salg av driftsmidler 100-900 660
Netto renteinntekter Renteinntekter 100-899 900
 Utbytte og eieruttak 100-900 905
 - Salg av fast eiendom 100-901 500
Øvrige statsoverføringer	
+ 	Kompensasjon mva påløpt i investeringsregnskapet	++ 	100-899 728	
 Kompensasjon mva påløpt i driftsregnskapet 100-899 729
 Andre statlige overføringer	+++	 100-899 810
 - Overføringer til staten 100-899 400	
*Alle regnskapspostene som det er referert til i tabellen er hentet fra kommunenes driftsregnskap. 
** En art er et regnskapsbegrep. Art er definert som en hovedkonto på regnskapet som angir detaljert hvilken type utgift, inntekt, gjeld eller 
tilgodehavende bilaget gjelder. 
*** Andre produksjonsskatter omfatter konsesjonsavgifter og naturressursskatter. 
+ Kompensasjon mva påløpt i investeringsregnskapet og driftsregnskapet, funksjonene 100-899 art 728 og 729, ble innfør 1. januar 2004. 
Dvs. at disse postene ikke er gjeldende for årene 2001 til 2003. 
++Det virker kanskje unaturlig at kompensasjon mva påløpt i investeringsregnskapet er ført opp i driftsregnskapet. Bakgrunnen for dette er at 
momskompensasjonsordingen ble finansiert ved en tilsvarende reduksjon i rammetilskuddet fra og med 1. januar 2004. Denne 
regnskapsposten blir derfor ført i driftsregnskapet fordi vi ønsker at kommunenes samlede inntekter skal være sammenliknbar i hele perioden 
vi ser på. 
+++Andre statlige overføringer består av vertskommunetilskudd (	HVPU	), lønnstilskudd til omsorgssektoren, utbedringstilskudd til boliger, 
integreringstilskudd, hjemfallsinntekter, statlige (ordinære) tilskudd til ikke-kommunale barnehager som skal videreformidles, statlige 
skjønnstilskudd til kommunale og ikke-kommunale barnehager samt statlige tilskudd som gjelder ren videreformidling. 
 	
 
Bakgrunnen for at vi opererer med netto renteinntekter samt trekker fra overføringer til staten under 
øvrige statsoverføringer er fordi vi ønsker at disse inntektsbegrepene skal være forenlige med 
inntektsbegrepene i modellen 	
KOMMODE	. I 	KOMMODE	 er det ønskelig at utgiftsbegrepet reflekterer 
ressursbruk som har gått med til produksjon av kommunale tjenester. Dvs. at vi antar at renteutgifter 
og overføringer fra kommunene til staten ikke reflekterer ressursbruk knyttet til produksjon av 
kommunale tjenester. Ved for eksempel å legge til renteutgiftene til utgiftsbegrepet i 	
KOMMODE	 vil 
kommuner med høye renteutgifter bli registrert med en stor produksjon av kommunale tjenester selv 
om dette bare var et uttrykk for at kommunene har mye gjeld.

98 	
Vedlegg I. Program- og databeskrivelse for 
KOMMODE
 på Unix 	
Tabell I.1. Programbeskrivelse* 	Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	ahrensk.sas $KOMMODE/panel/prog/tmp ahrensk.csv pan1.ahrensk**	arens.sas $KOMMODE/panel/prog/tmp arens.csv pan1.arens**
avstand.sas $KOMMODE/panel/prog/tmp avstand.csv pan1.avstand**
bef.sas $KOMMODE/panel/prog/tmp bef.csv pan1.bef**
befolk.sas $KOMMODE/panel/prog/tmp befolk.csv pan1.befolk**
bhu.sas $KOMMODE/panel/prog/tmp bhu.csv pan1.bhu**
boligpris.sas $KOMMODE/panel/prog/tmp boligpris.csv pan1.boligpris**
bosatt.sas $KOMMODE/panel/prog/tmp bosatt.csv pan1.bosatt**
flyktmi.sas $KOMMODE/panel/prog/tmp flyktmi.csv pan1.flyktmi**
innvmi.sas $KOMMODE/panel/prog/tmp innvmi.csv pan1.innvmi**
ledig.sas $KOMMODE/panel/prog/tmp ledig.csv pan1.ledig**
partier.sas $KOMMODE/panel/prog/tmp partier.csv pan1.partier**
indeks.sas $KOMMODE/panel/prog/tmp indeks.csv pan1.indeks**
pu.sas $KOMMODE/panel/prog/tmp pu.csv pan1.pu**
puvert.sas $KOMMODE/panel/prog/tmp puvert.csv pan1.puvert**
reise.sas $KOMMODE/panel/prog/tmp reise.csv pan1.reise**
skilte.sas $KOMMODE/panel/prog/tmp skilte.csv pan1.skilte**
snoe.sas $KOMMODE/panel/prog/tmp snoe.csv pan1.snoe**
stonad.sas $KOMMODE/panel/prog/tmp stonad.csv pan1.stonad**
tungplo.sas $KOMMODE/panel/prog/tmp tungplo.csv pan1.tungplo**
ugift.sas $KOMMODE/panel/prog/tmp ugift.csv pan1.ugift**
upen.sas $KOMMODE/panel/prog/tmp upen.csv pan1.upen**
usivb.sas $KOMMODE/panel/prog/tmp usivb.csv pan1.usivb**
veier.sas $KOMMODE/panel/prog/tmp veier.csv pan1.veier**
yrke.sas $KOMMODE/panel/prog/tmp yrke.csv pan1.yrke**
yrkh.sas $KOMMODE/panel/prog/tmp yrkh.csv pan1.yrkh**Programmer som lager flate filer i 	
SAS
 fra csv-filer 
 
lagahrensk.sas $KOMMODE/panel/prog/tmp pan1.ahrensk** sasds	
lagarens.sas $KOMMODE/panel/prog/tmp pan1.arens** sasdsProgrammer som lager permanente data- 
sett, en flat fil på arkiv og en datadok-fil

99 	
Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	lagavstand.sas $
KOMMODE
/panel/prog/tmp pan1.avstand** sasds	
lagbef.sas $
KOMMODE
/panel/prog/tmp
 
pan1.bef** sasds
lagbefolk.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.befolk** sasds
lagbhu.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.bhu** sasds
lagboligpris.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.boligpris** sasds
lagbosatt.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.bosatt** sasds
lagflyktmi.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.flyktmi** sasds
laginnvmi.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.innvmi** sasds
lagledig.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.ledig** sasds
lagpartier.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.partier** sasds
lagindeks.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.indeks** sasds
lagpu.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.pu** sasds
lagpuvert.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.puvert** sasds
lagreise.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.reise** sasds
lagskilte.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.skilte** sasds
lagsnoe.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.snoe** sasds
lagstonad.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.stonad** sasds
lagtungplo.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.tungplo** sasds
lagugift.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.ugift** sasds
lagupen.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.upen** sasds
lagusivb.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.usivb** sasds
lagveier.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.veier** sasds
lagyrke.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.yrke** sasds
lagyrkh.sas $	
KOMMODE
/panel/prog/tmp
 
pan1.yrkh** sasdsProgrammer som lager permanente data- 
sett, en flat fil på arkiv og en datadok-fil 
 
 
komnavn**.sas $	
KOMMODE
/panel/prog/tmp/riktig komnavn**.sdv komnr.komnavn**	
 Programmer som lager flate filer i 
SAS
 fra csv-filer 
okreg**.sas $	
KOMMODE
/panel/prog/tmp/riktig okreg**.sdv komnr.okreg**	
 Programmer som lager flate filer i 
SAS
 fra csv-filer 
riktig**.sas $	
KOMMODE
/panel/prog/tmp/riktig riktig**.sdv komnr.riktig**	
 Programmer som lager flate filer i 
SAS
 fra csv-filer 
ahrensk.sas $	
KOMMODE
/panel/prog/basis sasds pan22.g****	
arens.sas $
KOMMODE
/panel/prog/basis
 
sasds pan21.g****
avstand.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan14.g****
bef.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan11.g****Programmer som flytter på datasett 
fra work til datadok

100 	
Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	befolk.sas $
KOMMODE
/panel/prog/basis sasds pan2.g****	
bhu.sas $
KOMMODE
/panel/prog/basis
 
sasds pan13.g****
boligpris.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan38.g****
bosatt.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan12.g****
flyktmi.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan23.g****
innvmi.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan35.g****
ledig.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan3.g****
partier.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan15.g****
indeks.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan29.g****
pu.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan8.g****
puvert.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan34.g****
reise.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan9.g****
skilte.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan3.g****
snoe.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan26.g****
stonad.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan10.g****
tungplo.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan33.g****
ugift.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan37.g****
upen.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan32.g****
usivb.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan6.g****
veier.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan7.g****
yrke.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan5.g****
yrkh.sas $	
KOMMODE
/panel/prog/basis
 
sasds pan36.g****Programmer som flytter på datasett fra 
work til datadok 
 
 
abosatt.sas $	
KOMMODE
/panel/prog/beregn pan12.g**** pan17.g****	
 Program som beregner andelen 
bosatt tettbebygd på kommunenivå 
boligpris.sas $	
KOMMODE
/panel/prog/beregn pan38.g**** pan38.bolpris_****	
 Program som beregner gjennomsnittlig 
kvadratmeterpris på solgte eneboliger 
endringer.sas $	
KOMMODE
/panel/prog/beregn k**.procap_ny k**+1.endringer(**)(**)+1	
 k**+1.procap_ny 
 Program som beregner gjennomsnittlige 
endring i variable som påvirker bundne 
kostnader 
fattig.sas $	
KOMMODE
/panel/prog/beregn pan1.fattig**_ord_f pan31.fattigordf**	
 pan1.fattig**_real_f pan31.fattiglandf**
 pan1.fattig**_reg_f pan31.fattigregf**Program som legger fattigdomstallene 
på pan31 
fattig_f_ord.sas $	
KOMMODE
/panel/prog/beregn inntekt2.std_**** pan1.fattig**_ord_f	
 pan23.inntekt**_fam Program som beregner andelen og 
antall fattige med landsspesifikk

101 	
Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	 poverty_fo**** 	 pan2.g**** fattigdomsgrense på kommunenivå 
fattig_f_real.sas $	
KOMMODE
/panel/prog/beregn inntekt2.std_**** pan1.fattig****_real_f	
 pan23.inntekt**_fam 
 poverty_fc**** 
 pan2.g**** Program som beregner andelen og antall 
fattige med prisjustert landspesifikk 
fattigdomsgrense på kommunenivå 
 
fattig_f_reg.sas $	
KOMMODE
/panel/prog/beregn inntekt2.std_**** pan1.fattig****_real_f	
 pan23.inntekt**_fam 
 poverty_fr**** 
 pan2.g**** Program som beregner andelen og 
antall fattige med regionspesifikk 
 fattigdomsgrense på kommunenivå 
 
inndata_pov.sas $	
KOMMODE
/panel/prog/beregn inntekt2.****_**** pan23.inndata_c_2006	
 pan30.g**** pan23.inndata_r_2006
 komnr.okreg(**)(**) pan23.inndata_o_2006Program som lager et inndatasett til 
fattigdomsmacro for hver type 
fattigdomsgrense 
macro_pov_ordfam.sas $	
KOMMODE
/panel/prog/beregn pan23.inndata_o_**** poverty_fo****	
 
 Program som lager ekvivalentinntekter 
for beregning av ordinære 
fattigdomsgrenser 
macro_pov_realfam.sas $	
KOMMODE
/panel/prog/beregn pan23.inndata_c_**** poverty_fc****	
 
 Program som lager ekvivalentinntekter 
for beregning av prisjusterte 
landsspesifikk fattigdomsgrense 
macro_pov_regfam.sas $	
KOMMODE
/panel/prog/beregn pan23.inndata_r_**** poverty_fr****	
 
 Program som lager ekvivalentinntekter 
for beregning av regionspesifikke 
fattigdomsgrenser 
pindeks.sas $	
KOMMODE
/panel/prog/beregn pan29.g**** pan30.g****	
 Program som regner om prisindeks* 
10000 til prisindeks 
snoe.sas $	
KOMMODE
/panel/prog/beregn pan26.g**** pan27.g****	
 Program som regner om nedbør som 
snø i millimeter til snønedbør i meter 
utdann.sas $	
KOMMODE
/panel/prog/beregn pan13.g**** pan16.g****	
 
 Program som beregner gjennomsnittlig 
utdanningsnivå utover ni ** på 
kommunenivå 
basis_ny.sas $	
KOMMODE
/mod****/prog/kommode komnr.komnavn** K**.basis_ny	
 K**.kostra.ny 
 pan2.g**** 
 pan3.g**** 
 pan4.g**** Program som samler alle dataene som 
brukes i 	
KOMMODE-0107

102 	
Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	 pan36.g**** 	 K**-1.kostra.ny 
 pan6.g**** 
 pan7.g**** 
 pan8.g**** 
 pan9.g**** 
 pan10.g**** 
 pan28.g**** 
 pan14.g**** 
 pan15.g**** 
 pan16.g**** 
 pan17.g**** 
 pan22.g**** 
 pan27.g**** 
 pan31.fattigordf** 
 pan31.fattigregf** 
 pan31.fattiglandf** 
 pan32.g2001 
 pan33.g**** 
 pan34.g**** 
 pan35.g**** 
 pan23.g**** 
 pan38.g**** Program som samler alle dataene som 
brukes i 	
KOMMODE-0107 	
 
 
kostra_ny.sas $	
KOMMODE
/mod****/prog/tmp kostra_ny.csv t**.kostra_ny	
 Programmer som lager flate filer i 	
SAS
 
fra csv-filer 
lagsfil.sas $	
KOMMODE
/mod****/prog/tmp t**.kostra_ny sasds	
 
 Programmer som lager permanente data- 
sett, en flat fil på arkiv og en datadok-fil 
kostra_ny.sas $	
KOMMODE
/mod****/prog/kommode sasds k**.kostra_ny	
 Programmer som flytter på datasett fra 
work til datadok 
procap.sas $	
KOMMODE
/mod****/prog/kommode k**.basis_ny k**.procap_ny	
 
 Programmet skifter benevning på 
modellens eksogene variable fra 
absolutte tall til per innbygger

103 	
 
Programnavn Underkatalog Inndatafiler Utdatafiler Programbeskrivelse 	ute1.sas $
KOMMODE
/mod****/prog/kommode/eles k**.procap_ny tmp.**	
 Programmet identifiserer uteliggere i 
modellen 
KOMMODE
 
utgiftsandel_ny.sas $	
KOMMODE
/mod****/prog/kommode tmp.** k**.utgiftsandel	
 
 Programmet beregner kommunenes 
sektorspesifikke utgifter som andel av 
totale utgifter 
kdinnt_ny.sas $	
KOMMODE
/mod****/prog/kommode k**.procap_ny k**.kdinnt_ny Programmet lager summarisk statistikk 	
 over kommunenes korrigerte driftsinnt. 
eles.sas $	
KOMMODE
/mod****/prog/kommode/eles k**.procap_ny r**.parms	
 tmp.** r**.eles
 Programmet beregner modellestimater 
til 
KOMMODE
 for kommuner som ikke 
er uteliggere 	
* Denne tabellen gir en beskrivelse av alle programmene som er brukt i forbindelse med estimeringen av 
KOMMODE-0107
. Siden modellen beregnes for årene 2001 til 2007 har vi benyttet forkortelsene ** for tosifret 
årstall, for eksempel tilsvarer **=01 for året 2001. Forkortelsen **** uttrykker firesifret årstall, for eksempel 2001.

104 	
Tabell I.2. Databeskrivelse* 	Underkatalog Filnavn 
Beskrivelse av data 	$KOMMODE
/panel/wk24/basis/abosatt g****.sas7bdat 
Andelen av befolkningen som er bosatt tettbebygd på kommunenivå 2001-2007 	
$KOMMODE
/panel/wk24/basis/ahrensk g****.sas7bdat 
Andel høygradig rensekapasitet på kommunenivå 2001-2007 
Oversikt over alle renseanlegg, deres kapasitet og hvilke kommuner som benytter $	
KOMMODE
/panel/wk24/basis/arens g****.sas7bdat 
seg av anleggene 2001-2007 
$	
KOMMODE
/panel/wk24/basis/avstand g****.sas7bdat 
Reiseavstand til sonesenter og nærmeste nabokrets på kommunenivå 2002-2007 
$	
KOMMODE
/panel/wk24/basis/bef g****.sas7bdat 
Barn 0-15 år med enslige foreldre på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/befolk g****.sas7bdat 
Befolkningsvariable på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/bhu g****.sas7bdat 
Antall personer etter høyeste fullførte utdanningsnivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/boligpris g****.sas7bdat 
Antall solgte eneboliger og gjennomsnittlig kvadratmeterpris 2001-2007 
Folkemengde bosatt tettbebygd, spredtbebygd og uplassert på kommunenivå $	
KOMMODE
/panel/wk24/basis/bosatt g****.sas7bdat 
2001-2007 
Flyktninger med integreringstilskudd på kommunenivå (Statistisk sentralbyrå) $	
KOMMODE
/panel/wk24/basis/flyktmi g****.sas7bdat 
2001-2007 
Flyktninger med integreringstilskudd på kommunenivå $	
KOMMODE
/panel/wk24/basis/innvmi g****.sas7bdat 
(Integrerings- og mangfoldsdirektoratet) 2001-2007 
$	
KOMMODE
/panel/wk24/basis/ledig g****.sas7bdat 
Antall arbeidsledige 16-24 år på kommunenivå (årsgjennomsnitt) 2001-2007 
$	
KOMMODE
/panel/wk24/basis/partier g****.sas7bdat 
Sosialistandel i kommunestyret og herfindahlindeks på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/pindeks g****.sas7bdat 
Beregnet prisindeks*10000 på regionsnivå 2001-2006 
$	
KOMMODE
/panel/wk24/basis/pu g****.sas7bdat 
Psykisk utviklingshemmede 0-16 år og 16 år og over på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/puvert g****.sas7bdat Psykisk utviklingshemmede med vertskommunetilskudd på kommunenivå 2001-
2007 
$	
KOMMODE
/panel/wk24/basis/reise g****.sas7bdat 
Beregnet reisetid på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/skilte g****.sas7bdat 
Antall skilte og separerte 16-59 år på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/snoe g****.sas7bdat 
Nedbør som snø (i meter) på kommunenivå 2001-2007 
Antall barn 0-5 år og 6-15 år med grunn- og/eller hjelpestønad på kommunenivå $	
KOMMODE
/panel/wk24/basis/stonad g****.sas7bdat 
2001-2007 
$	
KOMMODE
/panel/wk24/basis/tungplo g****.sas7bdat 
Antall ressurskrevende brukere på kommunenivå 2004-2007 
$	
KOMMODE
/panel/wk24/basis/upen g****.sas7bdat 
Antall uførepensjonister 18-49 år på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/utdann g****.sas7bdat 
Gjennomsnittlig utdanningsnivå utover 9 år for personer 30-59 år 2001-2007 
$	
KOMMODE
/panel/wk24/basis/veier g****.sas7bdat 
Kilometer kommunale veier på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/basis/yrkh g****.sas7bdat Heltids yrkesaktive kvinner 20-44 år (sysselsettingstall) på kommunenivå 2001-
2007

105 	
Underkatalog Filnavn 
Beskrivelse av data 	
Andel fattige med prisjustert landsspesifikk fattigdomsgrense og familie som 
$KOMMODE
/panel/wk24/beregn/fattig fattiglandf**.sas7bdat 
økonomisk enhet på kommunenivå 2001-2006 
Andel fattige med prisjustert landsspesifikk fattigdomsgrense og husholdning som $	
KOMMODE
/panel/wk24/beregn/fattig fattiglandh**.sas7bdat 
økonomisk enhet på kommunenivå 2001 
Andel fattige med regionspesifikk fattigdomsgrense og familie som økonomisk 
enhet $	
KOMMODE
/panel/wk24/beregn/fattig fattigregf**.sas7bdat 
på kommunenivå 2001-2006 
Andel fattige med regionspesifikk fattigdomsgrense og husholdning som 
økonomisk $	
KOMMODE
/panel/wk24/beregn/fattig fattigregh**.sas7bdat 
enhet på kommunenivå 2001 
$	
KOMMODE
/panel/wk24/beregn/pindeks g****.sas7bdat 
Beregnet prisindeks på regionsnivå 2001-2006 
$	
KOMMODE
/panel/wk24/beregn/snoe g****.sas7bdat 
Snønedbør i meter på kommunenivå 2001-2007 
$	
KOMMODE
/panel/wk24/riktig komnavn**.sas7bdat 
Riktige kommunenavn for årene 2001-2007 
$	
KOMMODE
/panel/wk24/riktig okreg**.sas7bdat 
Riktig regionsstruktur for årene 2001-2007 
$	
KOMMODE
/panel/wk24/riktig riktig**.sas7bdat 
Riktig kommunestruktur for årene 2001-2007 
Samledatasett for alle variablene som inngår i 	
KOMMODE
 på kommunenivå $
KOMMODE
/mod****/wk24/kommode basis_ny.sas7bdat 
2001-2007 
$	
KOMMODE
/mod****/wk24/kommode kostra_ny.sas7bdat 
Kommuneregskapstall (
KOSTRA
) på kommunenivå 2001-2007 
Samledatasett for alle variablene som inngår i 	
KOMMODE
 per innbygger på $
KOMMODE
/mod****/wk24/kommode procap_ny.sas7bdat 
kommunenivå 2001-2007 
Datasett som inneholder endringer fra år til år i de eksogene variablene i modellen $	
KOMMODE
/mod****/wk24/kommode endring(**)(**)+1.sas7bdat
på landsnivå 2001-2007 
$	
KOMMODE
/mod****/wk24/kommode utgiftsandel_ny.sas7bdat 
Sektorspesifikke utgiftsandeler av totale utgifter på landsnivå 2001-2007 
$	
KOMMODE
/mod****/wk24/kommode kdinnt_ny.sas7bdat 
Summarisk statistikk over kommunenes korrigerte driftsinntekter 2001-2007 
$	
KOMMODE
/mod****/wk24/kommode/eles parms1.sas7bdat 
Parameterestimater på landsnivå 2001-2007 
$	
KOMMODE
/mod****/wk24/kommode/eles result1.sas7bdat 
Parameterestimater på kommunenivå 2001-2007 	
* Denne tabellen gir en beskrivelse av alle datasettene som ligger til grunn for estimeringen av 
KOMMODE-0107
. Siden modellen beregnes for årene 2001 til 2007 har vi benyttet forkortelsene ** for tosifret årstall, for 
eksempel tilsvarer **=01 for året 2001. Forkortelsen **** uttrykker firesifret årstall, for eksempel 2001.

Parse pdf-doc by clicking the button below. Parsed pdf-documents will be searchable.

Metadata Found
CreationDate
2008-11-12T10:17:42+01:00
Author
kia
Producer
Acrobat Distiller 8.0.0 (Windows)
ModDate
2008-11-12T12:25:01+01:00
Pages
109