SOK_1301_1

Quarto

Quarto enables you to weave together content and executable code into a finished document. To learn more about Quarto see https://quarto.org.

Running Code

When you click the Render button a document will be generated that includes both content and the output of embedded code. You can embed code like this:

rm(list = ls())

library(rjstat)
library(httr)
library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.2.1     ✔ readr     2.2.0
✔ forcats   1.0.1     ✔ stringr   1.6.0
✔ ggplot2   4.0.3     ✔ tibble    3.3.1
✔ lubridate 1.9.5     ✔ tidyr     1.3.2
✔ purrr     1.2.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Oppgave 1: Økonomisk Vekst

url <- "https://data.ssb.no/api/pxwebapi/v2/tables/09842/data?lang=no&outputFormat=json-stat2&valuecodes[ContentsCode]=MEMOBNP&valuecodes[Tid]=*&heading=Tid&stub=ContentsCode"

df <- GET(url) %>%
  content(as = "text", encoding = "UTF-8") %>%
  fromJSONstat() %>%
  as_tibble()

i) BNP måler summen av alle varer og tjenester som blir produsert i et land, minus varene og tjenestene som blir brukt til produksjonen. Mer abstrakt måler BNP størrelsen på et lands økonomi.

(ii) BNP blir fordelt på antall innbyggere for å kunnne se hvor stor et lands økonomi er i forhold til befolkningen. Som gir et mer riktig bilde av den faktiske velstanden til et land.

(iii) BNP bør måles i faste priser for å unngå at inflasjon gir feil tall.

df <- df %>%
  rename(ar = 2) %>%
  mutate(ar = as.integer(ar)) %>%
  filter(ar >= 1986, ar <= 2024)

(i)

ggplot(df, aes(x = ar, y = value)) +
  geom_line(linewidth = 1, colour = "steelblue") +
  geom_point(colour = "steelblue") +
  labs(
    title = "Utviklingen i real-BNP per innbygger i Norge, 1986–2024",
    x = "År",
    y = "Real-BNP per innbygger"
  ) +
  theme_minimal() %>%
  scale_x_continuous(
    breaks = seq(1990, 2024, by = 5)
  )

df_pro <- df %>%
  mutate(value = as.numeric(value)) %>%
  filter(ar >= 1986, ar <= 2024) %>%
  arrange(ar) %>%
  mutate(vekst = (value / lag(value) - 1) * 100)

ggplot(df_pro, aes(x = ar, y = vekst)) +
  geom_col(aes(fill = vekst >= 0)) +
  scale_fill_manual(values = c("TRUE" = "steelblue", "FALSE" = "firebrick"),
                    guide = "none") +
  geom_hline(yintercept = 0, colour = "black") +
  labs(
    title = "Årlig prosentvis vekst i real-BNP per innbygger, 1986–2024",
    x = "År",
    y = "Årlig vekst (%)"
  ) +
  theme_minimal() %>%
  scale_x_continuous(
    breaks = seq(1990, 2024, by = 5)
  )

Warning: Removed 1 row containing missing values or values outside the scale range
(`geom_col()`).

D) Den Norske økonomien hadde mest vekst på 1990-tallet fram til 2007. Deretter gikk økomomien i en resesjon fra 2008 til 2011, med mye mindre vekst i den følgende tiden etter. 1988, 2020 og 2022 står som år med negativ prosentvis vekst i perioder med ellers positiv vekst. BNP per gir en bedre innsikt ovenfor den materielle velferden til individene i landet, fordi den tar for seg hvor stor andell av verdisakpningen hver enkelt individ kan i teorien kan tilegne seg.

Oppgave 2

url_gini <- "https://data.ssb.no/api/pxwebapi/v2/tables/07756/data?lang=no&outputFormat=json-stat2&valuecodes[Tid]=*&valuecodes[ContentsCode]=Ginikoeffisient,P90P10&valuecodes[Forbruksenhet2]=99&heading=Tid,Forbruksenhet2&stub=ContentsCode"

df_gini <- GET(url_gini) %>%
  content(as = "text", encoding = "UTF-8") %>%
  fromJSONstat() %>%
  as_tibble()

(i) Ginikoeffisienten er et mål på sosial ulikhet i befolkningen, der 0 tilsvarer helt likt og 1 er det motsatte.

(ii) P90/P10 Måler den sosiale likheten mellom de 10% rikeste i samfunnet i forhold til resten av befolkningen (90%).

(iii) Hensikten bak å justere husholdningsinntekten etter husholdningstørrelse er at størrelsen på husholdningen i antall personer, bestemmer hvor stor inntekt husholdningen trenger.

df_gini_wide <- df_gini %>%
  rename(ar = 2) %>%
  mutate(ar = as.integer(ar)) %>%
  pivot_wider(names_from = statistikkvariabel, values_from = value)

ggplot(df_gini_wide, aes(x = ar, y = Ginikoeffisient)) +
  geom_line(linewidth = 1, colour = "steelblue") +
  geom_point(colour = "steelblue") +
  labs(
    title = "Utviklingen av Sosial ulikhet(Ginikoeffisient) i norge, 1986-2024",
    x = "År",
    y = "Sosial ulikhet"
  ) +
  theme_minimal() %>%
  scale_x_continuous(
  breaks = seq(1990, 2024, by = 5)
)

ggplot(df_gini_wide, aes(x = ar, y = `P90/P10` )) +
  geom_line(linewidth = 1, colour = "steelblue") +
  geom_point(colour = "steelblue") +
  labs(
    title = "Utviklingen av Sosial ulikhet mellom 10% høyest mot 90% lavest inntekt i norge, 1986-2024",
    x = "År",
    y = "Sosial ulikhet"
  ) +
  theme_minimal()%>%
  scale_x_continuous(
    breaks = seq(1990, 2024, by = 5)
  )

Utfra ginikoeffisienten har det vært en svak økning i inntektsulikhet fra 1986 til 2024, denne utviklingen er mye sterkere i P90/P10 som viser en stor endring i 2014. Forskjellen mellom grafene viser til at inntektulikheten i samfunnet totalt sett har ikke økt veldig mye siden 1986, likevel har inntekts foskjellen mellom de 10% rikeste og resten av befolkningen hatt en større økning. BNP per inbygger er ikke mål på innteksulikhet og kan vise størrelsene på verdiene i en økonomi henhold til befolkningen, ikke hvordan de blir fordelt.

Oppgave 3

url_alder <- "https://data.ssb.no/api/pxwebapi/v2/tables/05375/data?lang=no&outputFormat=json-stat2&valuecodes[Tid]=1998,1999,2000,2001,2002,2003,2004,2005,2006,2007,2008,2009,2010,2011,2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022,2023,2024,2025&valuecodes[Alder]=000&valuecodes[Kjonn]=0&valuecodes[ContentsCode]=*&heading=ContentsCode,Tid&stub=Alder,Kjonn"

df_alder <- GET(url_alder) %>%
  content(as = "text", encoding = "UTF-8") %>%
  fromJSONstat() %>%
  as_tibble()

B) Forventet levealder viser hvor lenge et individ født i det gitte året kan forvente å leve.

df_alder_ar <- df_alder %>%
  rename(ar = 4) %>%
  mutate(ar = as.integer(ar))

ggplot(df_alder_ar, aes(x = ar, y = value )) +
  geom_line(linewidth = 1, colour = "steelblue") +
  geom_point(colour = "steelblue") +
  labs(
    title = "Forventet levealder i Norge (1998-2025)",
    x = "År",
    y = "Forventet levealder (år)"
  ) +
  theme_minimal()%>%
  scale_x_continuous(
    breaks = seq(1990, 2024, by = 5)
  )

D) Forventet levealder i Norge har stort sett hatt en jevn og positiv utvikling i Norge gjennom 2000 og 2010 årene. Først i 2020 begynner økningen å avta og blir følgt av en reduksjon i forventet levealder.

Oppgave 4

Selv om det har vært vekst i BNP per innbygger og den forventede levealderen fra 1986 til 2024, har inntektsulikheten økt i den samme tiden. Generelt sett utenom 2020-2022 perioden, virker det ikke som om det er mye sammenheng mellom de tre indikatorene. Dette skyldes at BNP hovedsakelig viser de samlede verdien på varer og tjenester i løpet av året delt på antallet av befolkningen, som betyr at målingen antar en helt lik fordeling av verdiskapningen blant antallet. I virkeligheten vil fordeling av gevinsten fra økt BNP være mye mer ujevn. For å få et bedre innblikk i livskvaliteten kan dermed levealder og inntektsulikhet være mer relevandte variabler.

En økning i forventet levealder er en generell økning i velferd for individet, siden de lever lengere. Likevel vokser leveralderen i perioder med negativ vekst og høy inntektsulikhet. Grunnen til dette er at levealder er drevet av faktorer utenfor økonomisk vekst, som livskvalitet og helsetilstandene i landet (Dattani et al, 2023)

Følgende er det flere ting BNP per innbygger ikke tar for seg, miljø, livskvalitet og variabler som som måler generel velferd og ikke økonomisk velferd (Stiglitz. et al, 2018. s 1). Et annet eksempel på dette er fritid, et samfunn der alle må jobbe 16 timer arbedsdager vil kanskje ha høy økonomisk vekst, mens velferden i et slik land spesielt fordi de som verdsetter fritid veldig høyt er ikke stor.

I konklusjon er BNP som et mål på velferd manglende, siden variabelen tar bare for seg økonomisk vekst og størrelsene på økonomien. Ikke hvordan verdiene fordeles eller brukes. Sammenlignet og supplementert med Innteksulikhet og levealder blir det skapt et mer nyansert utvikling på velferden i Norge, samt blir utilstrekkeligheten til BNP som en variabel mer tydelig.

Kilder:

Stiglitz, J., J. Fitoussi and M. Durand (2018), Beyond GDP: Measuring What Counts for Economic and Social Performance, OECD Publishing, Paris, https://doi.org/10.1787/9789264307292-en.

Saloni Dattani, Lucas Rodés-Guirao, Hannah Ritchie, Esteban Ortiz-Ospina, and Max Roser (2023) - “Life Expectancy” Published online at OurWorldinData.org. Hentet fra: ’https://ourworldindata.org/life-expectancy’ [Online Resource]