Introduktion

Följande rapport är framtagen av Region Halland och syftar till att presentera befolkningsprognosen för Hallands län för perioden 2025-2040 samt förklara de resultat som prognosen visar. För att sätta prognosresultaten i sitt sammanhang beskrivs även den historiska befolkningsutvecklingen för perioden 2000-2024, vilken utgör grunden för prognosberäkningarna.

Rapporten är strukturerad efter de komponenter som tillsammans bestämmer befolkningsutvecklingen i en region: födda och döda, inrikes flyttningar och utrikes flyttningar. För varje komponent presenteras och analyseras prognosresultaten, medan den historiska utvecklingen och olika påverkansfaktorer beskrivs i den mån de bidrar till förståelsen av prognosutfallet. Anslaget är långt ifrån heltäckande men ambitionen är att förklara det mest väsentliga för respektive komponents bidrag till den framtida utvecklingen.

Kapitlen om de olika komponenterna föregås av kapitlen “Befolkningsutveckling” och “Åldersstrukturer” som presenterar och förklarar det samlade prognosresultatet, det vill säga det kombinerade utfallet av alla komponenter tillsammans.

Om prognosen och dess resultat

Befolkningsprognosen är framtagen av Region Halland och baseras på en kohort-komponent-metod. Det innebär att olika demografiska “riskmått” har beräknats för varje 1-årsklass, kön och komponent. Beräkningarna har skett med hänsyn till historiska mönster och riksprognosen som Statistiska centralbyrån tar fram. Prognosen tar inte hänsyn till externa faktorer som potentiella företagsetableringar, planerad nybyggnation eller liknande. Den kan därför skilja sig åt från de kommunala befolkningsprognoserna och andra prognoser. Prognosresultatet kan också avvika från andra befolkningsprognoser som en följd av olika sätt att beräkna de olika riskmåtten.

Förenklat kan prognosresultatet i denna rapport sägas vara en befolkningsframskrivning som utgår från att historiska mönster och dagens ålderssammansättning kan säga någonting om den framtida befolkningsutvecklingen. I grunden kan prognosresultatet utläsas som: “givet kända historiska mönster och dagens befolkningssammansättning, hur kommer det att se ut om 15 år givet att utvecklingen är bestående?”. Detta innebär att förändrade utvecklingsmönster under prognosperioden också kommer att leda till att prognosresultaten behöver revideras. Exempelvis kan detta bli aktuellt om den prognosticerade invandringen till riket förändras, om fruksamhetstalen ökar mer än dagens bedömning eller om flyttmönster för olika åldersgrupper får en annan karaktär än idag.

Givet att vi befinner oss i ett skede där närmast samtliga av de komponenter som ingår i prognosen är under förändring är det sannolikt att dagens antaganden och följaktligen prognosresultaten kommer att revideras de kommande åren. Denna prognos är helt enkelt baserad på den kunskap som finns tillgänglig idag och när vi får ny information finns det anledning att uppdatera våra antaganden. Därför uppdateras prognosen årligen i anslutning till att Statistiska centralbyrån uppdaterar riksprognosen som är en viktig del av den regionala prognosen. Trots osäkerheterna utgör prognosresultaten ett viktigt underlag för regional planering inom områden som vård, skola och infrastruktur. Resultaten bygger på vedertagna demografiska prognosmetoder och speglar vad dessa metoder ger vid handen utifrån dagens kunskap och tillgängliga data.

Befolkningsutveckling

Huvudresultat

Ökningstakten i både Riket och Halland bromsar in under prognosperioden.

Antalet invånare i Halland förväntas att öka med 11 498 personer fram till 2040, ett årligt genomsnitt på drygt 700 personer.

Kod

befolkningsdata = FileAttachment("befolkningsdata.csv").csv({typed: true})

// Lista över regioner/kommuner
regioner = ["Hallands län", "Riket", "Kungsbacka", "Varberg", "Falkenberg", "Halmstad", "Hylte", "Laholm"]

// Funktion för att formatera tal med mellanslag som tusenseparator
function formatNumber(n) {
  return Math.round(n).toString().replace(/\B(?=(\d{3})+(?!\d))/g, " ");
}

// Förbättrad funktion för att undvika överlappande etiketter
function calculateLabelOffsets(data, options = {}) {
  if (data.length <= 1) return new Map();
  
  // Sortera data efter y-värde (högst först)
  const sorted = [...data].sort((a, b) => (b.Värde || b.Befolkning) - (a.Värde || a.Befolkning));
  
  // Beräkna värdeområdet för den AKTUELLA datan (den valda regionen)
  const values = sorted.map(d => d.Värde || d.Befolkning);
  const minValue = Math.min(...values);
  const maxValue = Math.max(...values);
  const valueRange = maxValue - minValue;
  
  // Helt dynamisk beräkning baserat på aktuella värden
  const minDistancePercent = options.minDistancePercent || 0.05; // Standard 5%
  const percentageBasedDistance = valueRange * minDistancePercent;
  
  // Sätt ett mycket lägre absolutminimum som är proportionellt mot värdena
  const relativeMinimum = Math.max(maxValue * 0.01, 10); // 1% av högsta värdet, minst 10
  const effectiveMinDistance = Math.max(percentageBasedDistance, relativeMinimum);
  
  console.log(`Region data - Min: ${minValue}, Max: ${maxValue}, Range: ${valueRange}, EffectiveDistance: ${effectiveMinDistance}`);
  
  const keyField = sorted[0].Variabel ? 'Variabel' : 'Åldersgrupp';
  const positions = sorted.map((d, i) => ({
    key: d[keyField],
    originalValue: d.Värde || d.Befolkning,
    adjustedValue: d.Värde || d.Befolkning,
    index: i
  }));
  
  // Iterativt justera positioner tills inga konflikter finns
  let maxIterations = 8;
  let iteration = 0;
  
  while (iteration < maxIterations) {
    let hasConflicts = false;
    
    // Kolla alla par för konflikter
    for (let i = 0; i < positions.length - 1; i++) {
      for (let j = i + 1; j < positions.length; j++) {
        const upper = positions[i];
        const lower = positions[j];
        
        const diff = upper.adjustedValue - lower.adjustedValue;
        
        if (diff < effectiveMinDistance) {
          hasConflicts = true;
          
          // Mindre aggressiv justering - bara 80% av den nödvändiga justeringen
          const adjustment = ((effectiveMinDistance - diff) * 0.8) / 2;
          
          // Flytta den övre uppåt och den nedre nedåt
          upper.adjustedValue += adjustment;
          lower.adjustedValue -= adjustment;
        }
      }
    }
    
    if (!hasConflicts) break;
    iteration++;
  }
  
  // Skapa offset-mappen
  const offsets = new Map();
  positions.forEach(pos => {
    const offset = pos.adjustedValue - pos.originalValue;
    offsets.set(pos.key, offset);
  });
  
  return offsets;
}

Fortsatt befolkningsökning men i lägre takt

Antal invånare och förändringsmått 2000-2040, prognosperiod 2025-2040.

Kod

processed_befolkningsdata = {
  if (befolkningsvisning === "Folkmängd") {
    return befolkningsdata.filter(d => d.Region === selectedRegion && d.År >= 2000);
  } else if (befolkningsvisning === "Årlig förändring") {
    // Visa endast årlig förändring (exkludera första året som saknar förändring)
    return befolkningsdata.filter(d => d.Region === selectedRegion && d.År > 2000 && d.Förändring !== null);
  } else {
    // Indexerad utveckling - visa alla regioner
    const baseYear = 2024;
    const allRegions = regioner;
    
    return allRegions.flatMap(region => {
      const regionData = befolkningsdata.filter(d => d.Region === region && d.År >= 2000);
      const baseValue = regionData.find(d => d.År === baseYear);
      
      if (!baseValue) return [];
      
      return regionData.map(d => ({
        ...d,
        Folkmängd: (d.Folkmängd / baseValue.Folkmängd) * 100,
        isSelected: region === selectedRegion
      }));
    });
  }
}

// Rita befolkningsgraf
Plot.plot({
  width: 700,
  height: 400,
  x: {
    label: null,
    tickFormat: d => d.toString(),
    grid: false,
    line: "#005A4D",
    tickSize: 6
  },
    y: {
    label: befolkningsvisning === "Folkmängd" ? "Antal invånare" : 
           befolkningsvisning === "Årlig förändring" ? "Förändring antal invånare" : 
           "Index (2024 = 100)",
    grid: "#797d7f",
    line: "#005A4D",
    nice: true,
    tickSize: 6,
    tickFormat: d => befolkningsvisning === "Indexerad utveckling" ? d.toFixed(1) : formatNumber(d),
    labelOffset: 0,
    labelArrow: "none",
    textAnchor: "end"
  },
  marginLeft: 70,
  marginRight: 100,
  style: {
    fontSize: "12.5px",
    color: "#002b1f"
  },
  marks: [
    // Nolllinje för förändringsvy
    ...(befolkningsvisning === "Årlig förändring" ? 
      [Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1})] : []),
    
    // 100-linje för indexvy
    ...(befolkningsvisning === "Indexerad utveckling" ? 
      [Plot.ruleY([100], {stroke: "#005A4D", strokeWidth: 1})] : []),

    // Prognosmarkering (ljus bakgrund för prognosår)
    Plot.rect([{x1: 2024.5, x2: 2040}], {
      x1: "x1",
      x2: "x2",
      fill: "#E5F2E5",
      fillOpacity: 0.3
    }),
    
    // Text för prognosperiod
    Plot.text(["Prognosperiod"], {
      x: 2032.25,
      frameAnchor: "top",
      dy: -10,
      textAnchor: "middle",
      fill: "#555",
      fontSize: 13,
      fontStyle: "italic"
    }),
    
    // Vertikal referenslinje som följer musen
    Plot.ruleX(processed_befolkningsdata, Plot.pointerX({
      x: "År", 
      stroke: "#999", 
      strokeWidth: 1, 
      strokeDasharray: "3,3"
    })),
    
    // Linjer för indexvyn (bakgrundslinjer för egioner)
    ...(befolkningsvisning === "Indexerad utveckling" ? [
      Plot.line(processed_befolkningsdata.filter(d => !d.isSelected), {
        x: "År",
        y: "Folkmängd",
        stroke: "Region",
        strokeWidth: 1.5,
        strokeOpacity: 0.3
      })
    ] : []),
    
    // Huvudlinje (för enskild region eller highlightad region)
    Plot.line(befolkningsvisning === "Indexerad utveckling" ? 
      processed_befolkningsdata.filter(d => d.isSelected) : processed_befolkningsdata, {
      x: "År",
      y: befolkningsvisning === "Indexerad utveckling" ? "Folkmängd" :
         befolkningsvisning === "Folkmängd" ? "Folkmängd" : "Förändring",
      stroke: "#005A4D",
      strokeWidth: 3
    }),
    
    // Punkter för alla år utom sista
    ...(befolkningsvisning === "Indexerad utveckling" ? [
      // Punkter för den valda regionen
      Plot.dot(processed_befolkningsdata.filter(d => d.isSelected && d.År < Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: "Folkmängd",
        fill: "#005A4D",
        r: 3.5,
        fillOpacity: 0.6
      })
    ] : [
      Plot.dot(processed_befolkningsdata.filter(d => d.År < Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: befolkningsvisning === "Folkmängd" ? "Folkmängd" : "Förändring",
        fill: "#005A4D",
        r: 3.5,
        fillOpacity: 0.6
      })
    ]),
    
    // Större punkt för sista året
    ...(befolkningsvisning === "Indexerad utveckling" ? [
      // Större punkt för den valda regionen
      Plot.dot(processed_befolkningsdata.filter(d => d.isSelected && d.År === Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: "Folkmängd",
        fill: "#005A4D",
        r: 4.5
      })
    ] : [
      Plot.dot(processed_befolkningsdata.filter(d => d.År === Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: befolkningsvisning === "Folkmängd" ? "Folkmängd" : "Förändring",
        fill: "#005A4D",
        r: 4.5
      })
    ]),
    
    // Text för sista värdet (endast för folkmängd)
    ...(befolkningsvisning === "Folkmängd" ? [
      Plot.text(processed_befolkningsdata.filter(d => d.År === Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: "Folkmängd",
        text: d => formatNumber(d.Folkmängd),
        fill: "#005A4D",
        dx: 8,
        textAnchor: "start",
        fontSize: 12.5,
        fontWeight: "600"
      })
    ] : []),
    
    // Etikett för indexerad vy (endast för vald region)
    ...(befolkningsvisning === "Indexerad utveckling" ? [
      Plot.text(processed_befolkningsdata.filter(d => d.isSelected && d.År === Math.max(...processed_befolkningsdata.map(d => d.År))), {
        x: "År",
        y: "Folkmängd", 
        text: "Region",
        fill: "#005A4D",
        dx: 8,
        textAnchor: "start",
        fontSize: 12.5,
        fontWeight: "600"
      })
    ] : []),
    
    // Tooltip
    Plot.tip(processed_befolkningsdata, Plot.pointerX({
      x: "År",
      y: befolkningsvisning === "Indexerad utveckling" ? "Folkmängd" :
         befolkningsvisning === "Folkmängd" ? "Folkmängd" : "Förändring",
      title: d => befolkningsvisning === "Folkmängd" ? 
        `${d.Region}\nÅr: ${d.År}\nFolkmängd: ${formatNumber(d.Folkmängd)}` :
        befolkningsvisning === "Årlig förändring" ?
        `${d.Region}\nÅr: ${d.År}\nFörändring: ${(d.Förändring > 0 ? "+" : "") + formatNumber(d.Förändring)}` :
        `${d.Region}\nÅr: ${d.År}\nIndex: ${d.Folkmängd.toFixed(1)}`,
      fontSize: 14,
      lineHeight: 1.5,
      frameAnchor: "bottom"
    }))
  ]
})

Bakgrund

Befolkningsutvecklingen är central för en regions framtida förutsättningar. Den påverkar allt från arbetsmarknadens storlek och skatteunderlag till behovet av välfärdstjänster som skola, vård och omsorg. En växande befolkning skapar ofta positiva spiraler med ökade investeringar, fler arbetstillfällen och ett bredare utbud av service. Omvänt kan en stagnerande eller minskande befolkning leda till svårigheter att upprätthålla servicenivåer och attrahera nya invånare och företag. För regional planering är det därför avgörande att förstå både nuvarande trender och framtida prognoser.

Nuläge och historisk utveckling

Vid utgången av 2024 hade Hallands län 345 074 invånare. Regionen har varit en av de tydliga vinnarna i den nya ekonomiska geografin och haft en kraftig befolkningsökning under 2000-talet med ungefär 70 000 nya hallänningar – ett genomsnitt på drygt 3 000 personer om året. Hallands attraktiva läge mellan storstadsregionerna, kombinerat med kust, natur och en egen stark arbetsmarknad, har gjort länet till en av landets mest eftertraktade inflyttningsregioner.

Under rekordperioden 2014-2019 låg ökningstakten på ungefär 4 000 personer per år. De senaste två åren har dock utvecklingen bromsat in avsevärt: 2023 ökade befolkningen med endast 941 personer och 2024 med 1 328 personer. Utvecklingen kan därför sägas ha gått från exceptionellt höga nivåer till historiskt sett låga ökningstal. Trots inbromsningen behåller Halland sin position som en tillväxtregion, vilket blir tydligt när man jämför med många andra län som redan idag har negativ befolkningsutveckling.

Prognosresultat

Befolkningsprognosen visar att antalet invånare i Hallands län förväntas öka med 11 498 personer under perioden 2025-2040, vilket ger ett årligt genomsnitt på 719 personer. I förhållande till den historiska utvecklingen är detta en låg ökningstakt, men i ett nationellt perspektiv behåller Halland sin position som en tillväxtregion. Många andra län förväntas ha stillastående eller minskande befolkning under samma period.

På kommunnivå prognosticeras fyra av sex kommuner ha en positiv utveckling: Varberg, Halmstad, Falkenberg och Laholm förväntas växa. Kungsbacka väntas få en marginell minskning (-1,2 procent) medan Hylte förväntas minska mer påtagligt (-12,3 procent) under prognosperioden. Att majoriteten av länets kommuner fortsätter växa är ovanligt i ett nationellt perspektiv där allt fler kommuner brottas med vikande befolkningsunderlag.

Analys

Inbromsningen i befolkningsökningen beror på flera samverkande faktorer. På nationell nivå beräknas Sveriges befolkning öka med knappt 24 000 personer årligen 2025-2040, jämfört med drygt 69 000 personer per år under 2000-2024. Detta beror främst på ett försämrat födelsenetto till följd av låga fruktsamhetstal och ökande dödstal när allt fler tillhör gruppen äldre äldre (80+ år). Samtidigt väntas invandringen ligga på betydligt lägre nivåer än under 2000-talet.

För Hallands del innebär den nationella utvecklingen att konkurrensen om nya invånare hårdnar. Men regionen har goda förutsättningar att klara denna konkurrens. Halland har under lång tid byggt upp en stark position med en diversifierad arbetsmarknad, attraktiva boendemiljöer och god infrastruktur. Närheten till växande storstadsregioner i kombination med egen styrka gör att Halland sannolikt kommer fortsätta attrahera inflyttare även när den nationella tillväxten avtar.

Den avtagande befolkningstillväxten ställer dock nya krav på regional och kommunal planering. Med färre nya invånare blir det viktigare att både behålla befintlig befolkning och aktivt arbeta för att stärka regionens attraktivitet. Hallands relativt goda utgångsläge ger handlingsutrymme, men det krävs fortsatta satsningar på bostadsbyggande, arbetsmarknadsutveckling och attraktiva livsmiljöer för att behålla positionen som en av landets tillväxtregioner.

Åldersstrukturer

Huvudresultat

Försörjningskvoten i Halland ökar under prognosperioden.

Under prognosperioden kommer antalet äldre att öka samtidigt som antalet yngre blir färre. Särskilt hög är ökningen bland äldre äldre (80+ år).

Kod

aldersdata = FileAttachment("data/aldersstrukturer.csv").csv({typed: true})

// Lista över regioner för åldersdata
regioner_alder = ["Hallands län", "Riket", "Kungsbacka", "Varberg", "Falkenberg", "Halmstad", "Hylte", "Laholm"]

Fler äldre och färre yngre

Befolkning efter åldersgrupper och förändringstal 2000-2040, prognosperiod 2025-2040.

Kod

processed_aldersdata = {
  const filtered = aldersdata.filter(d => d.Region === selectedRegionAlder);
  
  if (visningstyp === "Antal") {
    return filtered;
  } else if (visningstyp === "Differens jämfört med 2024") {
    // Beräkna ackumulerad förändring från 2024 för alla år
    const baseYear = filtered.filter(d => d.År === 2024);
    return filtered.map(d => {
      const baseValue = baseYear.find(b => b.Åldersgrupp === d.Åldersgrupp);
      return {
        ...d,
        Befolkning: baseValue ? d.Befolkning - baseValue.Befolkning : 0
      };
    });
  } else {
    // Beräkna försörjningskvot: (0-19 + 65+) / 20-64
    const years = [...new Set(filtered.map(d => d.År))];
    return years.flatMap(year => {
      const yearData = filtered.filter(d => d.År === year);
      const young = yearData.find(d => d.Åldersgrupp === "0-19 år")?.Befolkning || 0;
      const elderly65_79 = yearData.find(d => d.Åldersgrupp === "65-79 år")?.Befolkning || 0;
      const elderly80 = yearData.find(d => d.Åldersgrupp === "80+ år")?.Befolkning || 0;
      const working = yearData.find(d => d.Åldersgrupp === "20-64 år")?.Befolkning || 0;
      
      const elderly = elderly65_79 + elderly80;
      const dependents = young + elderly;
      const totalRatio = working > 0 ? (dependents / working) * 100 : 0;
      const youngRatio = working > 0 ? (young / working) * 100 : 0;
      const elderlyRatio = working > 0 ? (elderly / working) * 100 : 0;
      
      return [
        {
          År: year,
          Region: selectedRegionAlder,
          Åldersgrupp: "Försörjningskvot",
          Befolkning: totalRatio
        },
        {
          År: year,
          Region: selectedRegionAlder,
          Åldersgrupp: "Från yngre",
          Befolkning: youngRatio
        },
        {
          År: year,
          Region: selectedRegionAlder,
          Åldersgrupp: "Från äldre",
          Befolkning: elderlyRatio
        }
      ];
    });
  }
}

// Beräkna label offsets för sista årets data för åldersstruktur
lastYearAldersData = processed_aldersdata.filter(d => d.År === Math.max(...processed_aldersdata.map(d => d.År)));

// Använd dynamisk offset-beräkning för åldersdata
labelOffsetsAlders = calculateLabelOffsets(lastYearAldersData, {
 minDistancePercent: 0.08  // 5% för alla visningstyper
});

// Rita åldersstruktursgraf
Plot.plot({
  width: 700,
  height: 400,
  x: {
    label: null,
    tickFormat: d => d.toString(),
    grid: false,
    line: "#005A4D",
    tickSize: 6
  },
  y: {
    label: visningstyp === "Antal" ? "Antal invånare" : 
           visningstyp === "Differens jämfört med 2024" ? "Förändring sedan 2024" : 
           "Försörjningskvot",
    grid: "#797d7f",
    line: "#005A4D", 
    nice: true,
    tickSize: 6,
    tickFormat: d => visningstyp === "Försörjningskvot" ? d.toFixed(1) : formatNumber(d),
    labelOffset: 0,
    labelArrow: "none",
    textAnchor: "end"
  },
  color: {
    legend: false,
    domain: ["0-19 år", "20-64 år", "65-79 år", "80+ år", "Försörjningskvot", "Från yngre", "Från äldre"],
    range: ["#005A4D", "#004C70", "#B33D4A", "#E8A03D", "#1E8C6A", "#5DADE2", "#F17C67"]
  },
  marginLeft: 70,
  marginRight: 120,
  style: {
    fontSize: "12.5px",
    color: "#002b1f"
  },
  marks: [
    // Vertikal referenslinje som följer musen
    Plot.ruleX(processed_aldersdata, Plot.pointerX({
      x: "År", 
      stroke: "#999", 
      strokeWidth: 1, 
      strokeDasharray: "3,3"
    })),
    
    // Nolllinje för förändringsvy
    ...(visningstyp === "Differens jämfört med 2024" ? 
      [Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1})] : []),
    
    // Prognosmarkering (ljus bakgrund för prognosår)
    Plot.rect([{x1: 2024.5, x2: 2040}], {
      x1: "x1",
      x2: "x2", 
      fill: "#E5F2E5",
      fillOpacity: 0.3
    }),
    
    // Text för prognosperiod
    Plot.text(["Prognosperiod"], {
      x: 2032.25,
      frameAnchor: "top",
      dy: -10,
      textAnchor: "middle",
      fill: "#555",
      fontSize: 13,
      fontStyle: "italic"
    }),
    
    // Linjer för varje åldersgrupp
    Plot.line(processed_aldersdata, {
      x: "År",
      y: "Befolkning", 
      stroke: "Åldersgrupp",
      strokeWidth: 3
    }),
    
    // Punkter för alla år utom sista
    Plot.dot(processed_aldersdata.filter(d => d.År < Math.max(...processed_aldersdata.map(d => d.År))), {
      x: "År",
      y: "Befolkning",
      fill: "Åldersgrupp",
      r: 3.5,
      fillOpacity: 0.6
    }),
    
    // Större punkter för sista året
    Plot.dot(processed_aldersdata.filter(d => d.År === Math.max(...processed_aldersdata.map(d => d.År))), {
      x: "År", 
      y: "Befolkning",
      fill: "Åldersgrupp",
      r: 4.5
    }),
    
    // Linjer från punkter till etiketter om de flyttats (åldersstruktursgrafen)
    Plot.link(lastYearAldersData.filter(d => Math.abs(labelOffsetsAlders.get(d.Åldersgrupp) || 0) > 1), {
      x1: "År",
      y1: "Befolkning",
      x2: "År",
      y2: d => d.Befolkning + (labelOffsetsAlders.get(d.Åldersgrupp) || 0),
      stroke: "Åldersgrupp",
      strokeWidth: 1,
      strokeOpacity: 0.3,
      strokeDasharray: "2,2",
      dx1: 6,
      dx2: 6
    }),
    
    // Etiketter för sista värdet (åldersgrupp namn) med dynamiska offsets
    Plot.text(lastYearAldersData, {
      x: "År",
      y: d => d.Befolkning + (labelOffsetsAlders.get(d.Åldersgrupp) || 0),
      text: "Åldersgrupp",
      fill: "Åldersgrupp", 
      dx: 8,
      textAnchor: "start",
      fontSize: 12.5,
      fontWeight: "600"
    }),
    
    // Tooltip
    Plot.tip(processed_aldersdata, Plot.pointerX({
      x: "År",
      y: "Befolkning",
      title: d => `${d.Åldersgrupp}\nÅr: ${d.År}\n${visningstyp === "Antal" ? "Befolkning" : visningstyp === "Differens jämfört med 2024" ? "Förändring" : "Kvot"}: ${visningstyp === "Försörjningskvot" ? d.Befolkning.toFixed(1) : formatNumber(d.Befolkning)}`,
      fontSize: 14,
      lineHeight: 1.5,
      frameAnchor: "bottom"
    }))
  ]
})

Bakgrund

Hur många som befinner sig i olika åldersgrupper och balansen mellan dem har avgörande betydelse för planeringsförutsättningarna. Antalet barn och unga påverkar behovet av förskolor och skolor, antalet äldre styr behoven inom vård och omsorg medan antalet i arbetsför ålder dimensionerar både arbetskraftsutbudet och skatteunderlagets storlek.

För att förstå balansen mellan dessa grupper används ofta den demografiska försörjningskvoten som nyckeltal. Detta mått visar relationen mellan antalet personer i arbetsför ålder (20-64 år) och antalet i övriga åldrar. Kvoten ger en bild av hur många personer varje individ i arbetsför ålder behöver “försörja” utöver sig själv genom skatter och arbetsinsatser. En kvot på 80 betyder exempelvis att 100 personer i arbetsför ålder ska försörja sig själva plus 80 personer i andra åldrar. Måttet är centralt för att bedöma en regions ekonomiska bärkraft och framtida utmaningar inom välfärden; ju högre kvot, desto större påfrestning på både ekonomi och kompetensförsörjning.

Nuläge och historisk utveckling

I Sverige är den demografiska försörjningskvoten 77,1, vilket innebär att 100 personer i arbetsför ålder ska försörja sig själva plus 77,1 andra personer. Bakom riksgenomsnittet döljer sig enorma skillnader: från 124 i Övertorneå till endast 52 i Solna. Dessa variationer beror ofta på långsiktiga flyttmönster där yngre lämnat kommuner för utbildning och arbete, vilket över tid skapat självförstärkande effekter. Inflyttningskommuner tenderar att få en ung åldersammansättning och utflyttningskommuner en betydligt äldre sådan. Över tid leder dess flyttströmmar till självförstärkande positiva och negativa effekter.

Hallands försörjningskvot ligger på 87,3, vilket är högre än riksgenomsnittet. Detta beror på att både andelen yngre och äldre är högre i Halland än i riket. Regionen har över tid haft ett positivt inflyttningsnetto av barnfamiljer och äldre, samtidigt som många i åldrarna 20-29 år söker sig till andra regioner för studier. Detta skapar en speciell åldersprofil där Halland har relativt många barn, förhållandevis få unga vuxna, och sedan en successiv återflyttning som ger höga andelar i “äldre arbetsför ålder”. Regionen, och i synnerhet de mer utpräglade turistkommunerna, är också attraktiva för inflyttning bland äldre åldersgrupper.

De senaste åren har andelen äldre (65+ år) i Halland ökat snabbare än andelen yngre (0-19 år) bland befolkningen och vid utgången av 2024 var grupperna ungefär lika stora. I flera av länets kommuner är redan idag gruppen äldre större än den yngre åldersgruppen.

Bland länets kommuner varierar försörjningskvoten från 79 i Halmstad till 97,2 i Laholm. Samtliga kommuner ligger över riksgenomsnittet. Halmstads lägre kvot förklaras av högskolan och inflyttning av unga, medan övriga kommuner har en högre andel barn och äldre.

Prognos

Under prognosperioden väntas betydande förändringar i ålderssammansättningen. I Halland ökar antalet äldre (65+ år) med drygt 19 000 personer fram till 2040, varav gruppen äldre äldre (80+ år) står för en betydande del av ökningen. Samtidigt minskar antalet yngre (0-19 år) med drygt 9 300 personer. Antalet i arbetsför ålder fortsätter dock att öka, om än i måttlig takt, med nästan 2 200 personer. Att antalet personer i ej arbetför ålder ökar mer än antalet i arbetsför ålder innebär att försörjningskvoten i Halland ökar från 87,3 till 91,3. För att uppträtthålla dagens försörjningsbörda hade den arbetsföra delen av befolkningen behövt öka med ytterligare drygt 7 000 personer.

En viktig notering i sammahanget är att det sker en tydlig tyngdpunktsförskjutning sett till försörjningsbördans sammansättning. Vid prognosperiodens slut förväntas antalet äldre bland befolkningen vida överstiga antalet yngre. Att antalet äldre ökar i en hög takt beror på ökad livslängd och att stora födelsekullar nu når pensionsålder och åldersgränsen för äldre äldre (80+ år). Att gruppen yngre minskar beror i huvudsak på lägre födelsetal.

Utvecklingen varierar mellan kommunerna. Försörjningskvoten förväntas öka mest i Kungsbacka, Varberg, Falkenberg och Laholm, medan den förblir relativt oförändrad i Halmstad och Hylte. I alla kommuner följer samma mönster: antalet yngre minskar samtidigt som antalet äldre ökar, men i olika takt och omfattning beroende på kommunens nuvarande åldersstruktur.

Analys

Den ökande försörjningskvoten från 87,3 till 91,3 innebär att varje person i arbetsför ålder kommer att behöva bidra mer till välfärdens finansiering. Detta är en utmaning, men inte oöverkomlig. Flera faktorer kan mildra effekterna: en högre sysselsättningsgrad bland dem som redan är i arbetsför ålder, att fler arbetar längre upp i åldrarna samt ökad inflyttning av personer i arbetsför ålder. Hallands attraktivitet som bostadsregion ger goda förutsättningar för att locka nya invånare i yrkesverksam ålder.

Den tyngdpunktsförskjutning som sker – från en jämn fördelning mellan yngre och äldre till en tydlig övervikt av äldre – får olika konsekvenser för olika verksamheter. Medan behovet av förskolor och grundskolor minskar, ökar behoven inom äldreomsorgen markant. För Region Halland är det särskilt väsentligt att gruppen äldre äldre (80+ år) står för en stor del av ökningen, eftersom detta är den mest vårdintensiva åldersgruppen. Denna grupp förväntas öka med 43 procent under prognosperioden, vilket ställer stora krav på både hälso- och sjukvårdens kapacitet och kompetensförsörjning.

Utvecklingen är inte unik för Halland utan speglar en nationell trend. Det faktum att Halland trots allt förväntas ha en fortsatt ökning av befolkningen i arbetsför ålder, till skillnad från många andra regioner, ger relativt sett bättre förutsättningar att möta de demografiska utmaningarna.

Födda och döda

Huvudresultat

Halland förväntas att ha ett negativt födelsenetto under prognosperioden som en följd av låga fruktsamhetstal och en åldrande befolkning.

Kod

fodelsedata = FileAttachment("fodelsenetto.csv").csv({typed: true})

// Läs in fruktsamhetsdata
fruktsamhetsdata = FileAttachment("data/finalfruktsamhet.csv").csv({typed: true}).then(data => 
  data.map(d => ({
    ...d,
    Värde: typeof d.Värde === 'string' ? parseFloat(d.Värde.replace(',', '.')) : d.Värde
  })).sort((a, b) => a.Region.localeCompare(b.Region) || a.År - b.År)
)

// Lista över regioner
regioner_fodelse = ["Hallands län", "Riket", "Kungsbacka", "Varberg", "Falkenberg", "Halmstad", "Hylte", "Laholm"]

Negativt födelsenetto under prognosperioden

Antal födda, döda och födelsenetto 2000-2040, prognosperiod 2025-2040.

Kod

processed_fodelsedata = {
  if (fodelsevisning === "Födda och döda") {
    return fodelsedata.filter(d => d.Region === selectedRegionFodelse);
  } else {
    // Visa fruktsamhetsdata för vald region
    return fruktsamhetsdata.filter(d => d.Region === selectedRegionFodelse);
  }
}

// Beräkna label offsets för sista årets data om vi visar födelsedata
lastYearFodelseData = fodelsevisning === "Födda och döda" 
  ? processed_fodelsedata.filter(d => d.År === Math.max(...processed_fodelsedata.map(d => d.År)))
  : [];

// Använd dynamisk offset-beräkning för födelsedata
labelOffsetsFodelse = fodelsevisning === "Födda och döda" 
  ? calculateLabelOffsets(lastYearFodelseData, {
     minDistancePercent: 0.08  // 5% av värdeområdet
    }) 
  : new Map();

// Rita graf för födda och döda
Plot.plot({
  width: 700,
  height: 400,
  x: {
    label: null,
    tickFormat: d => d.toString(),
    grid: false,
    line: "#005A4D",
    tickSize: 6
  },
  y: {
    label: fodelsevisning === "Födda och döda" ? "Antal personer" : "Summerad fruktsamhet",
    grid: "#797d7f",
    line: "#005A4D", 
    nice: true,
    tickSize: 6,
    tickFormat: d => fodelsevisning === "Födda och döda" ? formatNumber(d) : d.toFixed(2),
    labelOffset: 0,
    labelArrow: "none",
    textAnchor: "end"
  },
  color: {
    legend: false,
    domain: ["Födda", "Döda", "Födelsenetto", "Födelserisker"],
    range: ["#005A4D", "#B33D4A", "#004C70", "#1E8C6A"]
  },
  marginLeft: 70,
  marginRight: 120,
  style: {
    fontSize: "12.5px",
    color: "#002b1f"
  },
  marks: [
    // Vertikal referenslinje som följer musen
    Plot.ruleX(processed_fodelsedata, Plot.pointerX({
      x: "År", 
      stroke: "#999", 
      strokeWidth: 1, 
      strokeDasharray: "3,3"
    })),
    
    // Nolllinje
    Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1}),
    
    // Prognosmarkering (ljus bakgrund för prognosår)
    Plot.rect([{x1: 2024.5, x2: 2040}], {
      x1: "x1",
      x2: "x2", 
      fill: "#E5F2E5",
      fillOpacity: 0.3
    }),
    
    // Text för prognosperiod
    Plot.text(["Prognosperiod"], {
      x: 2032.25,
      frameAnchor: "top",
      dy: -10,
      textAnchor: "middle",
      fill: "#555",
      fontSize: 13,
      fontStyle: "italic"
    }),
    
    // Linjer för varje variabel
    Plot.line(processed_fodelsedata, {
      x: "År",
      y: fodelsevisning === "Födda och döda" ? "Värde" : "Värde", 
      stroke: "Variabel",
      strokeWidth: 3
    }),
    
    // Punkter för alla år utom sista
    Plot.dot(processed_fodelsedata.filter(d => d.År < Math.max(...processed_fodelsedata.map(d => d.År))), {
      x: "År",
      y: fodelsevisning === "Födda och döda" ? "Värde" : "Värde",
      fill: "Variabel",
      r: 3.5,
      fillOpacity: 0.6
    }),
    
    // Större punkter för sista året
    Plot.dot(processed_fodelsedata.filter(d => d.År === Math.max(...processed_fodelsedata.map(d => d.År))), {
      x: "År", 
      y: fodelsevisning === "Födda och döda" ? "Värde" : "Värde",
      fill: "Variabel",
      r: 4.5
    }),
    
    // Etiketter för sista värdet (endast för födelsedata) med dynamiska offsets
    ...(fodelsevisning === "Födda och döda" ? [
      // Linjer från punkter till etiketter om de flyttats
      Plot.link(lastYearFodelseData.filter(d => Math.abs(labelOffsetsFodelse.get(d.Variabel) || 0) > 1), {
        x1: "År",
        y1: "Värde",
        x2: "År",
        y2: d => d.Värde + (labelOffsetsFodelse.get(d.Variabel) || 0),
        stroke: "Variabel",
        strokeWidth: 1,
        strokeOpacity: 0.3,
        strokeDasharray: "2,2",
        dx1: 6,
        dx2: 6
      }),
      
      Plot.text(lastYearFodelseData, {
        x: "År",
        y: d => d.Värde + (labelOffsetsFodelse.get(d.Variabel) || 0),
        text: "Variabel",
        fill: "Variabel", 
        dx: 8,
        textAnchor: "start",
        fontSize: 12.5,
        fontWeight: "600"
      })
    ] : []),
    
    // Tooltip
    Plot.tip(processed_fodelsedata, Plot.pointerX({
      x: "År",
      y: fodelsevisning === "Födda och döda" ? "Värde" : "Värde",
      title: d => fodelsevisning === "Födda och döda" ? 
        `${d.Variabel}\nÅr: ${d.År}\nAntal: ${formatNumber(d.Värde)}` :
        `År: ${d.År}\nSummerad fruktsamhet: ${d.Värde.toFixed(2)}`,
      fontSize: 14,
      lineHeight: 1.5,
      frameAnchor: "bottom"
    }))
  ]
})

Bakgrund

Balansen mellan födda och döda utgör den naturliga befolkningsförändringen (födelsenetto) och är av stor betydelse för ett lands långsiktiga utveckling och demografiska sammansättning. Ett positivt födelsenetto innebär att befolkningen växer av egen kraft, vilket skapar en yngre åldersstruktur och säkrar framtida arbetskraft och skatteunderlag. Omvänt leder ett negativt födelsenetto till en åldrande befolkning där allt färre ska försörja allt fler.

För att förstå utvecklingen av antalet födda används det summerade fruktsamhetstalet som centralt mått. Detta visar benägenheten att föda barn ett visst år genom att ställa antalet födda i relation till antalet kvinnor i barnafödande åldrar. Måttet beräknas genom att för varje åldersgrupp räkna fram ett fruktsamhetstal som sedan summeras. Resultatet ger en bild av hur många barn kvinnor skulle få i genomsnitt under hela sitt liv om fruktsamheten förblev densamma som det aktuella året, och fungerar därmed som en temperaturmätare på barnafödandets utveckling.

På andra sidan av ekvationen finns dödsfallen som i hög grad styrs av befolkningens åldersstruktur. När stora födelsekullar successivt når allt högre åldrar ökar antalet dödsfall i samhället, även om varje generation lever längre än den föregående. Den förväntade livslängden kan alltså fortsätta stiga samtidigt som det absoluta antalet dödsfall ökar. Detta beror helt enkelt på att det finns fler personer i de åldrar där dödsrisken är som högst.

Nuläge och historsik utveckling

Under 2000-talet har Halland haft ett positivt födelsenetto som bidragit med i genomsnitt 383 personer årligen och stått för 14 procent av länets totala befolkningstillväxt. Men utvecklingen har gradvis försämrats och de senaste åren har nettot sjunkit avsevärt: 2023 var det negativt (-163 personer) och 2024 var det endast marginellt positivt. Utvecklingen beror dels på antalet dödsfall har ökat, dels på att födelsetalen sjunker.

Det summerade fruktsamhetstalet har sjunkit från 2,18 barn per kvinna år 2010 till 1,64 år 2024. Även om Hallands nivå fortfarande ligger över riksgenomsnittet på 1,43 är det en historiskt sett mycket låg nivå. Parallellt har medelåldern för förstagångsmödrar ökat från 27,94 år vid millennieskiftet till 30,14 år idag. Det är framför allt kvinnor i åldrarna 20-29 år som får färre barn jämfört med tidigare, medan de högsta fruktsamhetstalen nu återfinns i åldersgruppen 30-34 år.

Att antalet dödsfall ökat beror på att allt fler tillhör de äldre åldergrupperna. Den förväntade medellivslängden fortsätter dock att öka och ligger i Halland på 85,57 år för kvinnor och 82,64 år för män, vilket är de högsta värdena bland Sveriges regioner.

Bland länets kommuner har födelsenettot under 2000-talet lämnat ett positivt bidrag till befolkningsutvecklingen i Falkenberg, Halmstad, Kungsbacka samt Varberg, samtidigt som det varit negativt i Hylte och Laholm. Variationerna beror på olikartade åldersstrukturer mellan kommunerna. De senaste åren har födelsenettot försämrats i samtliga av länets kommuner.

Prognosresultat

Under prognosperioden 2025-2040 förväntas födelsenettot bidra negativt till länets befolkningsutveckling. I genomsnitt beräknas antalet dödsfall överstiga antalet födda med 616 personer årligen, vilket summerat innebär ett negativt bidrag på nästan 10 000 personer till länets befolkningsutveckling fram till 2040.

Fruktsamhetstalet väntas sjunka ytterligare något de närmaste åren för att sedan successivt återhämta sig från och med 2028. Återhämtningen förväntas dock inte återföra nivåerna till 2010-talets höjder utan stabiliseras på 1,77 barn per kvinna år 2040. I absoluta tal innebär detta cirka 3 000 födda per år under prognosperiodens första hälft, för att sedan öka till drygt 3 250 barn årligen resterande period.

Samtidigt ökar antalet dödsfall successivt från drygt 3 300 år 2025 till omkring 4 000 år 2040. Ökningen beror inte på högre dödsrisker utan är en ren ålderseffekt när de stora 40-talskullarna och deras barn når mycket hög ålder.

Samtliga kommuner i Halland förväntas ha ett negativt födelsenetto under perioden.

Analys

Att födelsenettot vänder från positivt till negativt markerar ett historiskt skifte för Halland. Regionen kan inte längre räkna med naturlig befolkningstillväxt utan blir beroende av inflyttning för att växa. Detta är ingen isolerad utveckling utan speglar en bred trend i hela västvärlden där ekonomiska, sociala och kulturella faktorer har resulterat i ett minskat barnafödande.

Barnafödandet påverkas av en komplex väv av faktorer vilket gör utvecklingen svår att prognosticera med precision. Just nu befinner vi oss i en period präglad av lågkonjunktur och en inbromsad arbetsmarknad, faktorer som historiskt sett haft tydlig påverkan på födelsetalen. Frågan är om barnafödandet kommer att ta fart när konjunkturen vänder, eller har mer grundläggande förändringar i värderingar och livsmönster permanent sänkt benägenheten att skaffa barn? Samspelet mellan konjunkturella och strukturella faktorer gör den framtida utvecklingen särskilt osäker.

Den sammantagna effekten av färre födda och fler döda innebär att Halland måste attrahera ännu fler inflyttare för att upprätthålla befolkningstillväxten. Regionens attraktivitet som bostadsort blir därmed ännu viktigare för den framtida utvecklingen.

Inrikes flyttningar

Huvudresultat

Under prognosperioden 2025-2040 förväntas det inrikes flyttnettot bidra positivt till Hallands befolkningsutveckling med i genomsnitt 848 personer årligen, totalt drygt 13 500 personer.

Kod

inrikesflyttdata = FileAttachment("inrikesflyttningar.csv").csv({typed: true})

// Läs in åldersklassdata för flyttningar
inflyttkommun = FileAttachment("inflyttkommun.csv").csv({typed: true})

// Lista över regioner för flyttningar (utan Riket)
regioner_flyttningar = ["Hallands län", "Kungsbacka", "Varberg", "Falkenberg", "Halmstad", "Hylte", "Laholm"]

Fortsatt positivt inrikes flyttnetto

Antal inrikes in- och utflyttade samt flyttnetto 2000-2040, prognosperiod 2025-2040.

Kod

processed_flyttdata = {
  if (flyttningsvisning === "Flyttningar totalt") {
    return inrikesflyttdata.filter(d => d.Region === selectedRegionFlyttningar);
  } else {
    // Definiera de år du vill visa - alla från 2010
    const yearsToShow = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024];

    // Hämta data för de valda åren
    const regionData = inflyttkommun.filter(d => 
      d.Region === selectedRegionFlyttningar && 
      d.Variabel === "Inrikes flyttningsöverskott" &&
      yearsToShow.includes(d.År)
    );
    
    // Definiera den korrekta ordningen för åldersgrupper
    const ageOrder = [
      "0-4 år", "5-9 år", "10-14 år", "15-19 år", "20-24 år", "25-29 år",
      "30-34 år", "35-39 år", "40-44 år", "45-49 år", "50-54 år", "55-59 år",
      "60-64 år", "65-69 år", "70-74 år", "75-79 år", "80-84 år", "85-89 år",
      "90-94 år", "95-99 år", "100+ år"
    ];
    
    // Bearbeta datan: lägg till ÅlderIndex och konvertera År till sträng
    const processedData = regionData.map(d => ({
      Ålder: d.Ålder,
      ÅlderIndex: ageOrder.indexOf(d.Ålder), // VIKTIGT: Index för x-axeln
      År: d.År.toString(), // VIKTIGT: Sträng för gruppering
      Värde: parseFloat(d.Värde),
      isLatest: d.År === 2024, // Markera om det är senaste året
      strokeColor: d.År === 2024 ? "#005A4D" : "#999999", // 2024 får mörkgrön färg, resten grå
      fillColor: d.År === 2024 ? "#005A4D" : "#999999" // 2024 får mörkgrön färg, resten grå
    })).filter(d => d.ÅlderIndex > -1 && !isNaN(d.Värde)); // Filtrera bort ogiltiga rader
    
    console.log("Processed age index data:", processedData);
    
    return processedData;
  }
}

// Beräkna label offsets för sista årets data om vi visar totala flyttningar
lastYearData = flyttningsvisning === "Flyttningar totalt" 
  ? processed_flyttdata.filter(d => d.År === Math.max(...processed_flyttdata.map(d => d.År)))
  : [];

// Använd dynamisk offset-beräkning
labelOffsets = flyttningsvisning === "Flyttningar totalt" 
  ? calculateLabelOffsets(lastYearData, {
     minDistancePercent: 0.08  // 5% av värdeområdet
    }) 
  : new Map();

// Rita graf för inrikes flyttningar
Plot.plot({
  width: 700,
  height: 400,
  x: {
    label: null,
    grid: false,
    line: "#005A4D",
    tickSize: 6,
    ...(flyttningsvisning === "Flyttningar totalt" && {
      tickFormat: d => d.toString()
    }),
    ...(flyttningsvisning === "Flyttnetto per åldersgrupp" && {
      tickFormat: (d) => {
        const ageOrder = [
          "0-4 år", "5-9 år", "10-14 år", "15-19 år", "20-24 år", "25-29 år",
          "30-34 år", "35-39 år", "40-44 år", "45-49 år", "50-54 år", "55-59 år",
          "60-64 år", "65-69 år", "70-74 år", "75-79 år", "80-84 år", "85-89 år",
          "90-94 år", "95-99 år", "100+ år"
        ];
        return ageOrder[d] || "";
      },
      tickRotate: -45
    })
  },
  y: {
    label: "Antal personer",
    grid: "#797d7f",
    line: "#005A4D", 
    nice: true,
    tickSize: 6,
    tickFormat: d => formatNumber(d),
    labelOffset: 0,
    labelArrow: "none",
    textAnchor: "end"
  },
  color: {
    legend: false, // Ingen legend
    ...(flyttningsvisning === "Flyttningar totalt" && {
      domain: ["Inrikes inflyttade", "Inrikes utflyttade", "Inrikes flyttnetto"],
      range: ["#005A4D", "#B33D4A", "#004C70"]
    }),
    ...(flyttningsvisning === "Flyttnetto per åldersgrupp" && {
      scheme: "Tableau10"
    })
  },
  marginLeft: 70,
  marginRight: 120,
  marginBottom: flyttningsvisning === "Flyttnetto per åldersgrupp" ? 60 : 40,
  style: {
    fontSize: "12.5px",
    color: "#002b1f"
  },
  marks: [
    // Olika grafer beroende på visningstyp
    ...(flyttningsvisning === "Flyttningar totalt" ? [
      // Vertikal referenslinje som följer musen
      Plot.ruleX(processed_flyttdata, Plot.pointerX({
        x: "År", 
        stroke: "#999", 
        strokeWidth: 1, 
        strokeDasharray: "3,3"
      })),
      
      // Nolllinje
      Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1}),
      
      // Prognosmarkering (ljus bakgrund för prognosår)
      Plot.rect([{x1: 2024.5, x2: 2040}], {
        x1: "x1",
        x2: "x2", 
        fill: "#E5F2E5",
        fillOpacity: 0.3
      }),
      
      // Text för prognosperiod
      Plot.text(["Prognosperiod"], {
        x: 2032.25,
        frameAnchor: "top",
        dy: -10,
        textAnchor: "middle",
        fill: "#555",
        fontSize: 13,
        fontStyle: "italic"
      }),
      
      // Linjer för varje variabel
      Plot.line(processed_flyttdata, {
        x: "År",
        y: "Värde", 
        stroke: "Variabel",
        strokeWidth: 3
      }),
      
      // Punkter för alla år utom sista
      Plot.dot(processed_flyttdata.filter(d => d.År < Math.max(...processed_flyttdata.map(d => d.År))), {
        x: "År",
        y: "Värde",
        fill: "Variabel",
        r: 3.5,
        fillOpacity: 0.6
      }),
      
      // Större punkter för sista året
      Plot.dot(processed_flyttdata.filter(d => d.År === Math.max(...processed_flyttdata.map(d => d.År))), {
        x: "År", 
        y: "Värde",
        fill: "Variabel",
        r: 4.5
      }),
      
      // Linjer från punkter till etiketter om de flyttats
      Plot.link(lastYearData.filter(d => Math.abs(labelOffsets.get(d.Variabel) || 0) > 1), {
        x1: "År",
        y1: "Värde",
        x2: "År",
        y2: d => d.Värde + (labelOffsets.get(d.Variabel) || 0),
        stroke: "Variabel",
        strokeWidth: 1,
        strokeOpacity: 0.3,
        strokeDasharray: "2,2",
        dx1: 6, // Start från punktens kant
        dx2: 6  // Slut vid etikettens kant
      }),
      
      // Etiketter för sista värdet med dynamisk positionering
      Plot.text(lastYearData, {
        x: "År",
        y: d => d.Värde + (labelOffsets.get(d.Variabel) || 0), // Justera y-position baserat på beräknade offsets
        text: "Variabel",
        fill: "Variabel",
        dx: 8,
        textAnchor: "start",
        fontSize: 12.5,
        fontWeight: "600"
      }),
      
      // Tooltip
      Plot.tip(processed_flyttdata, Plot.pointerX({
        x: "År",
        y: "Värde",
        title: d => `${d.Variabel}\nÅr: ${d.År}\nAntal: ${formatNumber(d.Värde)}`,
        fontSize: 14,
        lineHeight: 1.5,
        frameAnchor: "bottom"
      }))
    ] : [
      // Grafer för åldersklassdata
      // Nolllinje
      Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1}),
      
      // Linjer för alla år (både grå och 2024)
      Plot.line(processed_flyttdata, {
        x: "ÅlderIndex", // Använd numeriskt index för position
        y: "Värde",
        stroke: d => d.strokeColor, // Använd färg från data
        strokeWidth: d => d.isLatest ? 3 : 1, // Tjockare linje för 2024, tunnare för resten
        strokeOpacity: d => d.isLatest ? 1 : 0.4, // Genomskinliga gråa linjer
        z: "År" // Gruppera på år för separata linjer
      }),
      
      // Punkter endast för 2024 (ritas sist så de hamnar överst)
      Plot.dot(processed_flyttdata.filter(d => d.isLatest), {
        x: "ÅlderIndex",
        y: "Värde",
        fill: d => d.fillColor,
        r: 3.5,
        stroke: d => d.strokeColor,
        strokeWidth: 1
      }),
      
      // Annotation som förklarar att grön linje är 2024
      Plot.text(["Grön linje: 2024"], {
        x: 15, // Placera i mitten av grafen
        y: Math.max(...processed_flyttdata.map(d => d.Värde)) * 0.8, // Nära toppen
        text: d => d,
        fill: "#005A4D",
        fontSize: 11,
        fontWeight: "600",
        textAnchor: "middle"
      }),
      
      // Tooltip som använder index
      Plot.tip(processed_flyttdata, Plot.pointer({
        x: "ÅlderIndex", // Använd index för position
        y: "Värde",
        title: d => `År: ${d.År}\nÅldersgrupp: ${d.Ålder}\nFlyttnetto: ${formatNumber(d.Värde)}`,
        fontSize: 14,
        lineHeight: 1.5
      }))
    ])
  ]
})

Bakgrund

Inrikes flyttningar handlar om hur människor omfördelar sig inom landet och är avgörande för regionala utvecklingsmönster. När en region har ett positivt inrikes flyttnetto innebär det att fler flyttar in från andra delar av Sverige än vad som flyttar ut. Detta påverkar inte bara befolkningens storlek utan också dess sammansättning, eftersom olika åldersgrupper har olika flyttmönster och drivkrafter.

Var människor väljer att bosätta sig styrs av en kombination av faktorer där arbetsmarknad, bostadstillgång, utbildningsmöjligheter och livsmiljöer spelar avgörande roller. Under de senaste decennierna har storstadsregionerna och deras grannregioner – en kategori som Halland tillhör – haft den största inflyttningen. Framgångsfaktorn har varit kombinationen av goda pendlingsmöjligheter till stora och växande arbetsmarknader samtidigt som man kunnat erbjuda attraktiva boendemiljöer och tillgång till ett stort utbud av kultur, nöje och service.

Flyttbenägenheten varierar kraftigt genom livet. Mest flyttintensiva är personer mellan 20-29 år som lämnar uppväxtorten för högskolestudier eller tidiga karriärmöjligheter. Ofta går flyttningarna i detta skede till universitetsorter och storstäder. Åldersgruppen 30-44 år, som fortfarande är relativt flyttbenägen, söker sig i högre grad till pendlingskommuner där de kan hitta större bostäder samtidigt som man har god tillgång till stora arbetsmarknader. En del personer i detta skede väljer istället att återvända till sina uppväxtorter. I takt med stigande ålder avtar sedan flyttbenägenheten markant, och bland de äldre som ändå flyttar söker sig många till kust- och turistkommuner med attraktiva naturmiljöer.

Nuläge och historisk utveckling

Halland har under lång tid haft ett positivt inrikes flyttnetto och etablerat sig som en av landets mest attraktiva inflyttningsregioner. Under 2000-talet har inflyttningen från andra regioner stått för drygt 43 procent av länets totala befolkningstillväxt. Närheten till växande storstadsregioner i kombination med egen stark arbetsmarknad, attraktiva kustmiljöer och goda kommunikationer har gjort Halland till en vinnare i detta sammanahang.

Flyttmönstren visar tydliga åldersmässiga skillnader. Samtliga åldersgrupper utom 15-29 år bidrar till regionens positiva flyttnetto. Det är framför allt barnfamiljer – här definierat som personer i åldrarna 0-14 år och 30-49 år – som bidrar till länets positiva netto. Under perioden 2010-2024 stod dessa grupper för nästan 90 procent av länets positiva inflyttningsnetto, varav en stor del av inflyttningen kom från Göteborgsregionen. Däremot har regionen ett negativt flyttnetto bland mellan 20-29 år. Detta beror i hög utsträckning på att det är fler som flyttar ut från Halland för högskolestudier än som flyttar till Halland för att studera på Högskolan i Halmstad.

De senaste två åren regionens inrikes flyttnetto minskat. Nedgången gäller främst ungdomar i studieålder (20-24 år) och personer i familjebildande ålder (30-44 år), vilket också påverkat flyttnettot bland barn negativt. Utvecklingen hänger sannolikt samman med att flyttningar över länsgräns generellt minskat under lågkonjunkturen i kombination med en trögare bostadsmarknad som försvårat flyttkedjorna. På sikt är det sannolikt att det minskade barnafödandet också kan få en temporär effekt på inflyttningen till regionen.

Under 2000-talet har samtliga av länets kommuner förutom Hylte haft ett positivt inrikes flyttnetto. I faktiska tal har är det de norra delarna som har haft det högsta nettot, i synnerhet Kungsbacka och Varberg. De senaste åren har dock Kungsbacka, som haft en mycket hög inflyttning över tid, haft ett negativt flyttnetto i förhållande till andra kommuner. I de södra delarna är det Halmstad som över tid stått för den största ökningen. Senare år har dock kommunen haft ett relativt svagt flyttnetto samtidigt som Laholm haft ett relativt högt.

Prognosresultat

Under prognosperioden 2025-2040 förväntas det inrikes flyttnettot bidra positivt till Hallands befolkningsutveckling med i genomsnitt 848 personer årligen, totalt drygt 13 500 personer. Detta gör inrikes flyttningar till den komponent som bidrar mest till länets befolkningstillväxt under perioden. Att nivåerna ligger något lägre än under andra delar av 2000-talet beror dels på att den minskade inflyttningstendensen bland barnfamiljer senare år får visst genomslag i prognosen, dels på hur många som förväntas att befinna sig i olika åldergrupper i riket som helhet under prognosperioden.

Prognosen utgår från att konjunkturen förbättras och att flyttaktiviteten därmed ökar något jämfört med de senaste två årens låga nivåer. Flyttmönstren förväntas i huvudsak följa historiska trender där Halland fortsätter attrahera barnfamiljer, personer i övre medelåldern samt äldre, medan ungdomar lämnar för studier och tidiga karriärår.

Bland kommunerna förväntas Varberg, Falkenberg, Halmstad samt Laholm att ha ett positivt inrikes flyttnetto under prognosperioden. Som högst förväntas det att vara i Varberg och Falkenberg. Den största förändringen jämfört med tidigare är att Kungsbacka prognosticeras att få ett betydligt lägre netto än tidigare som följd av att inflyttningen till kommunen sjunkit under flera år i rad. I de södra delarna visar prognosen på ett förhållandevis lågt inflyttningsnetto till Halmstad. Detta beror på hur ålderssammansättningen förväntas att förändras på lokal och nationell nivå under perioden men också på att kommunen haft ett relativt svagt netto de senaste åren.

Analys

Halland är en av Sveriges mest attraktiva boenderegioner och inflyttningarna från andra regioner kommer framöver att ha en större betydelse för att regionen ska växa. Med ett negativt födelsenetto och ett lägre invandringsnetto blir denna komponent central för den samlade befolkningsutvecklingen. För att locka invånare från andra regioner behöver Halland stärka och utveckla sina komparativa konkurrensfördelar. Vad dessa fördelar är varierar mellan olika åldersgrupper men gemensamt är att tillgång till försörjning i form av studier eller arbete samt bostäder utgör grundläggande attraktivitetsfaktorer.

De senaste åren har en viss inbromsning av inflyttningen till länet skett och flyttningsnettot sjunkit tillbaka något. Därför finns det anledning att framöver mer djupgående analysera vad det är som föranlett nedgången och hur man kan arbeta för att motverka denna tendens. Sannolikt har lågkonjunkturen en stor påverkan: allmänna kostnadsökningar för hushållen, ökade räntor och en viss inbromsning på både bostads- och arbetsmarknaden dämpar inflyttningen till regionen som har förhållandevis höga bostadspriser. En annan tänkbar påverkansfaktor är att det minskade barnafödandet till viss del bidragit till att färre flyttat till regionen som både i nutid och historiskt sett varit särskilt attraktiv för barnfamiljer.

Komponenten inrikes flyttningar är den som kommuner och regioner har störst möjlighet att påverka genom egna beslut och åtgärder. Bostadsbyggande, kollektivtrafik, arbetsmarknad och näringsliv samt offentlig service är alla faktorer som påverkar en plats attraktivitet och som kommunala och regionala aktörer har, i varierande utsträckning, rådighet över. Prognosresultaten ska därför ses som en framskrivning av dagens förhållanden. Ett aktivt arbete för ökad attraktivitet kan mycket väl leda till högre inflyttning än prognosticerat och därmed stärka regionens utveckling.

Utrikes flyttningar

Huvudresultat

Under prognosperioden 2025-2040 förväntas det utrikes flyttnettot fortsätta bidra positivt till Hallands befolkningsutveckling men på betydligt lägre nivåer än tidigare.

Kod

utrikesflyttdata = FileAttachment("utrikesflyttningar.csv").csv({typed: true})

// Lista över regioner för utrikes flyttningar (utan Riket)
regioner_utrikes = ["Hallands län", "Riket", "Kungsbacka", "Varberg", "Falkenberg", "Halmstad", "Hylte", "Laholm"]

Positivt men lägre utrikes flyttnetto

Antal invandrade, utvandrade och utrikes flyttnetto 2000-2040, prognosperiod 2025-2040.

Kod

processed_utrikesdata = utrikesflyttdata.filter(d => d.Region === selectedRegionUtrikes)

// Beräkna label offsets för sista årets data
lastYearUtrikesData = processed_utrikesdata.filter(d => d.År === Math.max(...processed_utrikesdata.map(d => d.År)))

// Använd dynamisk offset-beräkning
labelOffsetsUtrikes = calculateLabelOffsets(lastYearUtrikesData, {
  minDistancePercent: 0.08  // 8% av värdeområdet
})

// Rita graf för utrikes flyttningar
Plot.plot({
  width: 700,
  height: 400,
  x: {
    label: null,
    tickFormat: d => d.toString(),
    grid: false,
    line: "#005A4D",
    tickSize: 6
  },
  y: {
    label: "Antal personer",
    grid: "#797d7f",
    line: "#005A4D", 
    nice: true,
    tickSize: 6,
    tickFormat: d => formatNumber(d),
    labelOffset: 0,
    labelArrow: "none",
    textAnchor: "end"
  },
  color: {
    legend: false,
    domain: ["Invandring", "Utvandring", "Utrikes flyttnetto"],
    range: ["#005A4D", "#B33D4A", "#004C70"]
  },
  marginLeft: 70,
  marginRight: 120,
  style: {
    fontSize: "12.5px",
    color: "#002b1f"
  },
  marks: [
    // Vertikal referenslinje som följer musen
    Plot.ruleX(processed_utrikesdata, Plot.pointerX({
      x: "År", 
      stroke: "#999", 
      strokeWidth: 1, 
      strokeDasharray: "3,3"
    })),
    
    // Nolllinje
    Plot.ruleY([0], {stroke: "#005A4D", strokeWidth: 1}),
    
    // Prognosmarkering (ljus bakgrund för prognosår)
    Plot.rect([{x1: 2024.5, x2: 2040}], {
      x1: "x1",
      x2: "x2", 
      fill: "#E5F2E5",
      fillOpacity: 0.3
    }),
    
    // Text för prognosperiod
    Plot.text(["Prognosperiod"], {
      x: 2032.25,
      frameAnchor: "top",
      dy: -10,
      textAnchor: "middle",
      fill: "#555",
      fontSize: 13,
      fontStyle: "italic"
    }),
    
    // Linjer för varje variabel
    Plot.line(processed_utrikesdata, {
      x: "År",
      y: "Värde", 
      stroke: "Variabel",
      strokeWidth: 3
    }),
    
    // Punkter för alla år utom sista
    Plot.dot(processed_utrikesdata.filter(d => d.År < Math.max(...processed_utrikesdata.map(d => d.År))), {
      x: "År",
      y: "Värde",
      fill: "Variabel",
      r: 3.5,
      fillOpacity: 0.6
    }),
    
    // Större punkter för sista året
    Plot.dot(processed_utrikesdata.filter(d => d.År === Math.max(...processed_utrikesdata.map(d => d.År))), {
      x: "År", 
      y: "Värde",
      fill: "Variabel",
      r: 4.5
    }),
    
    // Linjer från punkter till etiketter om de flyttats
    Plot.link(lastYearUtrikesData.filter(d => Math.abs(labelOffsetsUtrikes.get(d.Variabel) || 0) > 1), {
      x1: "År",
      y1: "Värde",
      x2: "År",
      y2: d => d.Värde + (labelOffsetsUtrikes.get(d.Variabel) || 0),
      stroke: "Variabel",
      strokeWidth: 1,
      strokeOpacity: 0.3,
      strokeDasharray: "2,2",
      dx1: 6,
      dx2: 6
    }),
    
    // Etiketter för sista värdet med dynamisk positionering
    Plot.text(lastYearUtrikesData, {
      x: "År",
      y: d => d.Värde + (labelOffsetsUtrikes.get(d.Variabel) || 0),
      text: "Variabel",
      fill: "Variabel",
      dx: 8,
      textAnchor: "start",
      fontSize: 12.5,
      fontWeight: "600"
    }),
    
    // Tooltip
    Plot.tip(processed_utrikesdata, Plot.pointerX({
      x: "År",
      y: "Värde",
      title: d => `${d.Variabel}\nÅr: ${d.År}\nAntal: ${formatNumber(d.Värde)}`,
      fontSize: 14,
      lineHeight: 1.5,
      frameAnchor: "bottom"
    }))
  ]
})

Bakgrund

Utrikes flyttningar, det vill säga invandring och utvandring, utgör en betydande komponent i Sveriges och regionernas befolkningsutveckling. Under de senaste decennierna har invandringen till Sverige bidragit till både befolkningstillväxt och en yngre åldersstruktur.

Flyttningar över landsgränser drivs av en mängd olika faktorer. Internationella konflikter, förföljelse och brott mot mänskliga rättigheter tvingar människor att fly som flyktingar från sina hemländer. Ekonomiska faktorer driver arbetskraftsmigration; både när människor från länder med hög arbetslöshet och låga löner söker sig till starkare ekonomier, och när högkvalificerad arbetskraft rör sig mellan länder för karriärmöjligheter. Därutöver sker migration för studier, familjeåterförening och kärleksrelationer över gränser.

För Sveriges del påverkas de utrikes flyttningarna av både globala drivkrafter och nationella faktorer som migrationspolitik, arbetsmarknadens behov och regelverk. När människor väl flyttat ill Sverige styrs bosättningsmönstren av var det finns etablerade nätverk, arbetstillfällen och tillgängliga bostäder.

Nuläge och historisk utveckling

Under perioden 2000-2024 hade Halland ett positivt utrikes flyttnetto på i genomsnitt 1 241 personer årligen, vilket motsvarade 44 procent av länets totala befolkningstillväxt. Utvecklingen har dock varit ojämn över tid. De högsta nivåerna nåddes under perioden 2014-2018 då Sverige hade en rekordhög invandring till följd av flyktingkrisen. Under dessa år låg Hallands årliga netto på drygt 2 500 personer, vilket bidrog till att länets totala befolkningstillväxt var särskilt stark under denna period.

Sedan pandemin har utvecklingen vänt och de senaste två åren har nettot sjunkit till i genomsnitt 500 personer årligen. Denna kraftiga nedgång beror på en kombination av minskad invandring och ökad utvandring. Invandringen har minskat från de exceptionellt höga nivåerna 2014-2019 samtidigt som utvandringen ökat. Den ökade utvandringen förklaras delvis av att Skatteverket gjort särskilda insatser för att avregistrera personer som inte längre bor i Sverige men fortfarande är folkbokförda här.Det minskade utrikes flyttnettot är en av huvudförklaringarna till att länets samlade befolkningsökning bromsat in de senaste två åren.

Samtliga kommuner i länet har haft positiva utrikes flyttnetton under 2000-talet och invandringen har varit betydande för befolkningstillväxten i varje kommun. De senaste två åren har dock detta netto minskat i alla länets kommuner.

Prognosresultat

Under prognosperioden 2025-2040 förväntas det utrikes flyttnettot fortsätta bidra positivt till Hallands befolkningsutveckling men på betydligt lägre nivåer än tidigare. Prognosen visar på ett årligt genomsnitt om 525 personer i nettoinflyttning, vilket totalt ger drygt 8 400 personer under hela perioden. Fortsatt förväntas således invandringen till regionen att ha stor betydelse för den samlade befolkningsutvecklingen och tillsammans med det inrikes flyttnettot stå för hela ökningen.

Invandringen till länet beräknas minska från dagens nivåer (2 465 senaste året) till i genomsnitt 2 103 personer årligen samtidigt som utvandringen väntas ligga på i genomsnitt 1 578 personer om året, vilket är en relativt hög nivå historiskt sett. På kommunnivå visar prognosen att alla kommuner fortsatt kommer ha positiva utrikes flyttnetton, men på lägre nivåer än tidigare.

En särskild faktor som påverkat invandringen till Sverige senare år är kriget i Ukraina. Under 2022 kom många ukrainska flyktingar till Sverige med tillfälligt skydd enligt massflyktdirektivet. Sedan juni 2024 har denna grupp haft möjlighet att ansöka om att bli folkbokförda i Sverige, vilket bidrog till att invandringen ökade senaste året. De kommande årens invandringsnetto kan komma att påverkas av hur många av de ukrainare som kom vid krigsutbrottet som väljer att stanna och folkbokföra sig i Sverige och Halland.

Analys

Det minskade utrikes flyttnettot utgör en betydande förändring för Hallands framtida befolkningsutveckling. Från ett historiskt genomsnitt på 1 241 personer årligen sjunker prognosen till 525 personer. Särskilt dramatisk blir förändringen jämfört med toppåren 2014-2019, då nettot låg på över 2 500 personer årligen. Denna utveckling är ingen isolerad företeelse för Halland utan i Sverige som helhet förväntas invandringsnettot halveras från genomsnittliga 52 000 personer per år under 2000-2024 till 26 000 personer under prognosperioden.

Nedgången får konsekvenser för mer än bara befolkningens storlek. Majoriteten av de som invandrat har varit i arbetsför ålder och utgjort en betydande del av arbetskraftstillväxten i länet. Med ett kraftigt minskat invandringsnetto försvagas detta tillskott av personer i yrkesverksam ålder, vilket förstärker de demografiska utmaningar som redan finns med en åldrande befolkning och låga födelsetal.