COVID-19 i svenska kommuner under första och andra vågen

2021-02-19

Jag har i en rad bloggposter tittat på utvecklingen av Covid-19 i svenska kommuner. I grunden ligger ett arbete som analyserat frågan lite mer i detalj på veckobasis under första vågen.


Men jag tänkte här göra en lite mer översiktlig analys och se vilka faktorer som signifikant korrelerat med antalet bekräftade fall per invånare under första och andra vågen. Till skillnad från vårt mer övergripande arbete (enligt länk ovan) så använder jag värdena för antalet bekräftade fall per invånare i vecka 32 som är i slutfasen av första vågen (och inte på veckobasis genom hela första vågen som i arbetet ovan). Sedan tar jag samma värden, dvs. antalet bekräftade fall per invånare i vecka, i början av januari i år och korrelerar med samma variabler.

En korrelation kan gå mellan 1 (samvariationen är total och positiv, dvs. när den ena ökar ökar den andra) till -1 (också en total samvariation men nu negativ, när den ena ökar minskar den andra). Siffran 0 indikerar att det inte finns något samband alls.

Det är viktigt att komma ihåg att en korrelationsanalys aldrig visar på ett kausalt samband - det visar alltså inte på att dessa faktorer medfört högre tal av covid per invånare. Det visar enbart på en samvariation.

Jag vill också påminna om att korrelationerna från första vågen kan skilja sig åt från de som vi tagit fram i arbetet som länkas till ovan eftersom vi då analyserar siffrorna vecka för vecka genom första vågen och inte som här vid en slags slutpunkt efter första vågen.

Med detta sagt, låt oss se på hur korrelationerna ser ut:

Under andra vågen tycks kommuner med större befolkning och befolkningstäthet haft fler antal bekräftade fall per invånare, jämfört med första vågen. Även variabler som genomsnittlig ålder (fler fall där medelåldern är lägre), lägre andel över 70 år, högre disponibel inkomst, andel utrikesfödda (även inklusive andra generationens invandrare) och andel högutbildade har starkare korrelationer under andra vågen. Detta kan delvis vara en följd av att större kommuner med tätare befokning har haft fler bekräftade fall per invånare, eftersom den typen av kommuner också kännetecknas av dessa andra faktorer (som högre inkomst, högre andel högutbildade, fler utrikesfödda osv.).

En annan faktor som delvis förändrats är andelen s.k. "frontline workers". Visserligen var denna negativ och signifikant redan under första vågen, men nu är den starkare. Det indikerar att det inte varit fler bekräftade fall per invånare i de kommuner där en större andel arbetat med s.k. frontline jobs (de som stått i frontlinjen under pandemin, eftersom deras jobb varit nödvändiga för att få samhället att fungera, och där det fortfarande krävts att man går till jobbet och möter många i sin vardag). Detta är dock inte detsamma som att säga att frontline workers inte varit mer drabbade. Då dessa siffror är på kommunnivå så säger de inget om enskilda individers situation.

En faktor som är lite intressant är åldringsvården. Under första vågen var det 40 kommuner som lyftes av IVO som särskilt problematiska och som också stod för en stor andel dödsfall inom åldringsvården. Dessa kommuner hade också ett högre antal bekräftade fall per invånare under första vågen, men har under andra vågen en korrelation som nu är svagare än tidigare.

En annan faktor som varit signifikant under både första och andra vågen är när man hade sitt första bekräftade fall i kommunen (ju tidigare, desto mer omfattande spridning både under första och andra vågen).

Tittar man på tabellen ovan något mer övergripande kan man säga att den indikerar att större, tätare kommuner i allmänhet haft ett högre antal bekräftade fall per invånare under andra vågen, jämfört med första vågen. Även som Stockholms-regionen drabbades hårt under första vågen så var befolkningsstorlek inte ett generellt mönster om man ser till antalet bekräftade fall per invånare totalt sett när första vågen hade passerat.

En viktig sak att komma ihåg är att signifikanta relationer inte är detsamma som att variablerna förklarar en stor del av spridningen i svenska kommuner. Vårt mer omfattande arbete (länk ovan) visar just på att även om många faktorer varit signifikanta så tycks de ändå ha förklarat relativt lite av spridningen och att en hög grad av slump tycks ha påverkat.

Vi ska också komma ihåg att den andra vågen inte är över och att dessa värden kan komma att förändras innan den är över.

Charlotta Mellander

Professor i nationalekonomi; forskar om regional utveckling, städer och kreativitet, gillar städer i alla former.

Visa alla mina bloggposter

Detta är en bloggtext. Det är skribenten som står för åsikterna som förs fram i texten, inte Jönköping University.