Rumslig autokorrelation i kommunal arbetslöshet

Sammanfattning: Studien ger en analys av kommunal arbetslöshet i Sverige. Syftet är att undersöka om arbetslöshet kan modelleras med en linjär regressionsmodell, eller om den kräver en utvidgad modell med en rumslig komponent. I detta syfte skattas en Durbinmodell – en modell som utvecklar den multipla linjära regressionen med rumsligt vägda variabler. Landet delas i fem regioner (Götaland, Norrland, Svealand, Stockholm och Malmö-Göteborg) och för varje region skattas en multipel linjär regressionsmodell och två varianter av Durbinmodellen. Durbinmodellerna är skilda i valet av vikt-matris, det vill säga definitionen av de rumsliga vikterna. Varje modelltyp skattas med två olika variabeluppsättningar: 1) en fullständig uppsättning med tolv förklarande variabler valda utifrån tidigare studier, och 2) en reducerad uppsättning framtagen från den fullständiga genom minimering av det bayesianska informationskriteriet i den linjära modellen. Modellerna utvärderas genom att jämföra förklaringsgrader och genomföra likelihood-kvottest. Studiens resultat tyder på att det finns en rumslig komponent i den kommunala arbetslösheten som inte till fullo kan förklaras med de förklarande variabler som används. För de tre landsdelarna (Götaland, Norrland, Svealand) visar likelihood-kvottesten på signifikant fördel för Durbinmodellerna med full variabeluppsättning. För storstadsregionerna är resultaten mindre klara, men förklaringsgraden tyder på att det kan finnas fördelar med rumsliga modeller. Vidare pekar resultaten på bety-dande skillnader mellan regioner, och på att valet av viktmatris inte har stor påverkan på förklaringsgraden.