Danmarks Statistiks befolkningsprognose har været udsat for en del kritik, fordi der gennem flere år er blevet født færre børn end forudsagt. It-konsulenthuset Dataproces har udviklet et alternativ til Danmarks Statistiks prognose, kaldet BefolkningsBlik.

NB-Økonomi ser her nærmere på de to bud på befolkningens størrelse og sammensætning sammenholdt med de faktiske folketal i starten af 2024.

På helt aggregeret niveau rammer Dataproces' prognose en smule bedre end Danmarks Statistik, men ser man på de enkelte aldersgrupper og de enkelte kommuner er billedet lidt mere broget. Og i den enkelte kommune er det indbyggertallet i de forskellige aldersgrupper, der har betydning for hvilken kapacitet, man skal planlægge med for daginstitutioner, skoler og plejehjem.

Det kan illustreres ved de to kort herunder. I det første kort kan du se hvilken prognose, der er tættest på de faktiske tal for de 0-5 årige d. 1. januar 2024, og i det andet kort for de 75-84 årige. Blåt betyder, at Dataproces' prognose er tættest, mens rødt betyder, at Danmarks Statistik rammer bedst.

På trods af kritikken af Danmarks Statistik fertilitetsforudsætninger er det statsinstitutionen, der er tættest på de faktiske folketal. Den samlede afvigelse for børnene, uanset om afvigelsen er positiv eller negativ, er 7.373 for Dataproces og 4.716 for Danmarks Statistik( set i forhold til 370.000 børn). I ti kommuner er Dataproces' prognose tættere på end Danmarks Statistik, og i 83 kommuner er Danmarks Statistik tættest på. I de sidste fem kommuner står det lige.

For de 75-84 årige er prognoserne ret jævnbyrdige. Her er den samlede afvigelse 2.102 og 1.920 for henholdsvis Dataproces og Danmarks Statistik (468.000 borgere i den aldersgruppe). I 52 kommuner er Dataproces' prognose tættest på, og i 44 kommuner er det Danmarks Statistik.

Laver man den samme øvelse for alle aldersgrupper, er summen af afvigelserne 33.390 for Dataproces' prognose og 28.152 for Danmarks Statistik, dvs. omkring en halv procent af den samlede befolkning.

Modellen skal finjusteres

Dataproces forklarer, at modellen skal finjusteres i den kommende tid, og at der kan være to væsentlige forklaringer på afvigelserne på detailniveauet.

For det første er modellen håndholdt i forhold til ukrainernes hjemrejse, dvs. det er op til den enkelte kommune, når de bruger modellen, at lægge en forudsætning ind om forventet hjemrejse for ukrainerne. Det kan være med til at forklare en del af afvigelserne på børnene.

For det andet forsøger Dataproces' model at tage højde for byudviklingen ved at indarbejde en effekt af boligprogrammer i den enkelte kommune med størst vægt til de seneste års udviklingsprogrammer. Da det er en mekanisk forudsætning, kan det give fejl i prognosen.