UNECE Guidance on Communicating Gender Statistics

Workshop on Communicating Official Statistics Astana, Kazakhstan 19-21 October 2022

 Beyond dissemination: promote understanding and use

 Unique challenges for communication of gender statistics:  Many data sources  Cross-cutting  Diverse users  Unpublished or inaccessible  Politically sensitive

 Meaning and value

Motivation

2

Guidance notes Themes and contents

3

Communicating about the Gender

Pay Gap

Communicating statistics on

gender-based violence

The language of gender in statistical

communication

Maintaining impartiality when communicating gender statistics

Interacting with users of gender

statistics

Addressing data gaps in gender

statistics

Contents

1.The issue 2.Challenges 3.Recommendations 4.Examples

Issue  Average difference between earnings of men & women  Hourly? Monthly? Yearly? Net or gross earnings?  Adjusted or unadjusted? Challenges  “Choice” discourse  Unpaid labor, discrimination, cultural norms Recommendations  Specify data source, population covered, how earnings are measured  Use gross earnings for international comparisons  Visualize: one key estimate, trends over time, within-country geographic variation

Gender Pay Gap

4

5 https://www.destatis.de/DE/Themen/Arbeit/Verdienste/Verdi enste-Verdienstunterschiede/gender-pay-gap.html

https://www.destatis.de/EN/Press/2022/03/PE22_088_621.h tml

Good practice example

Gender-based violence

6

Issue  Socially and politically sensitive  Stigmatization of men  Distress for people who have experienced violence Challenges  Diverse data sources  Levels of reporting affected by awareness and access to reporting Recommendations  Indicate changes of methods, legislation, context that affect prevalence (e.g. #MeToo)  Avoid time-series when data are not comparable  Use non-emotive language  Acknowledge experiences for all genders and sexes

https://www.inegi.org.mx/ contenidos/saladeprensa/ aproposito/2021/EAP_Eli mviolmujer21.pdf

Good practice example

Language of gender

8

Issue  The word ‘gender’ can dissuade further reading  Sex vs. gender

Challenges  Inconsistency, misinterpretation  Balance between cultural relevance and inclusivity

Recommendations  Use terminology consistently and define key concepts  Test understanding and use of different terms in target audiences  Review language of gender frequently

Maintaining impartiality

9

Issue  Fine line between policy relevance and advocacy  Data presented by NSO reflects views and values Challenges  Selecting the best data source  Presenting impact on all sexes  Considering intersectionality  Communicating value Recommendations  Explain why data or indicators are chosen and explain limitations  Present data for both women and men, provide demographic context  Be aware of how data are collected and potential bias

Interacting with users

10

Issue  Many different users with varied capacity to interpret statistics  Use of many channels and tools required Challenges  Engaging with all data users across many policy areas  Communicating about factors that intersect with gender  Policy environments without culture of data-driven decision-making Recommendations  Represent information visually and use videos  Produce different products for different users  Publish data in open and reusable formats

11

Good practice example

https://www.youtube.com/watch?v=HkSdgD-vUYc

Addressing data gaps

12

Issue  Persisting data gaps, especially for time-use, gender-based violence, household decision-

making  Gaps across sectors Challenges  Collaboration between many stakeholders  Difficult to demonstrate relevance or importance of issue without data  Data quality issues Recommendations  Use international and regional standards and tools  Pursue new partnerships; engage stakeholders inside and outside of government  Consider sponsors for data collections exercises

https://statswiki.unece.org/display/gendercom/Repository+of+good+practices+in+communicating+gender+statistics

Repository of good practices

Thank you

https://unece.org/statistics/ publications/guidance- communicating-gender- statistics

Руководство ЕЭК ООН по коммуникации гендерной статистики

Семинар по коммуникации официальной статистики и измерению гендера в торговле Астана, Казахстан 19- 21 октября 2022 года

 Помимо распространения: содействовать пониманию и использованию

 Уникальные сложности при коммуникации гендерной статистики:  Много источников данных  Междисциплинарный характер  Разнообразные пользователи  Неопубликованные или недоступные  Политически чувствительные

 Значение и ценность

Мотивация

2

Методические записки Темы и содержание

3

Коммуникация о гендерном

неравенстве в оплате труда

Коммуникация статистических

данных о гендерном насилии

Формулировка гендера в

статистической информации

Поддержание беспристрастности при коммуникации

гендерной статистики

Взаимодействие с пользователями

гендерной статистики

Устранение пробелов в данных

гендерной статистики

Содержание

1.Проблемы 2.Вызовы 3.Рекомендации 4.Примеры

Проблема  Средняя разница между заработками мужчин и женщин  Почасовая? Ежемесячная? Ежегодная? Чистая или валовая

прибыль?  Скорректированная или не скорректированная? Вызовы  Рассуждение на тему выбора.  Неоплачиваемый труд, дискриминация, культурные нормы Рекомендации  Указать источник данных, охваченное население, способ измерения доходов  Использовать валовые заработки для международных сравнений  Визуализировать: одна ключевая оценка, тенденции с течением времени, географические

различия внутри страны.

Гендерное неравенство в оплате труда

4

5 https://www.destatis.de/DE/Themen/Arbeit/Verdienste/Verdi enste-Verdienstunterschiede/gender-pay-gap.html

https://www.destatis.de/EN/Press/2022/03/PE22_088_621.h tml

Пример рекомендуемой практики

Гендерное насилие

6

Проблема  Социально и политически чувствительный вопрос  Стигматизация мужчин  Страдание для людей, переживших насилие Вызовы  Разнообразные источников данных  Уровни отчетности, на которые влияет информированность и доступ к отчетности Рекомендации  Указать изменение методов, законодательства, контекста, влияющего на

распространенность (например, #MeToo)  Избегать временные ряды при несопоставимости данных  Использовать неэмоциональный язык  Признать опыт для всех гендеров и полов

https://www.inegi.org.mx/ contenidos/saladeprensa/ aproposito/2021/EAP_Eli mviolmujer21.pdf

Пример рекомендуемой практики

Формулировка гендера

8

Проблема  Слово «гендер» может оттолкнуть от дальнейшего чтения  Пол или гендер

Вызовы  Непоследовательность, неправильное толкование  Баланс между культурной уместностью и инклюзивностью

Рекомендации  Последовательно использовать терминологию и определения для основных

понятий  Проверять понимание и использование различных терминов целевой аудиторией  Регулярно анализировать формулировку гендера

Поддержание беспристрастности

9

Проблема  Тонкая грань между общественной значимостью и адвокацией  Данные, представленные НСУ, отражают взгляды и ценности Вызовы  Выбор лучшего источника данных  Оказание воздействия на все полы  Принятие во внимание интерсекциональности  Трансляция ценности Рекомендации  Объяснить почему выбраны конкретные данные или индикаторы, и указать ограничения  Представлять данные как для женщин, так и для мужчин, предусматривать демографический

контекст  Помнить о том, как собираются данные, и о возможной предвзятости

Взаимодействие с пользователями

10

Проблема  Много разных пользователей с разной способностью интерпретировать

статистику  Необходимо использование множества каналов и инструментов Вызовы  Взаимодействие со всеми пользователями данных во многих областях политики  Объяснение факторов, которые пересекаются с гендером  Политическая среда без культуры принятия решений на основе данных Рекомендации  Представлять информацию в наглядном виде и использовать видео  Производить разные продукты для разных пользователей  Публиковать данные в открытых и повторно используемых форматах

11

Пример рекомендуемой практики

https://www.youtube.com/watch?v=HkSdgD-vUYc

Устранение пробелов в данных

12

Проблема  Сохраняющиеся пробелы в данных, особенно в отношении затрат времени,

гендерного насилия, процесса принятия решений в домашнем хозяйстве  Разрывы между секторами Вызовы  Сотрудничество между множеством заинтересованных сторон  Сложность демонстрации актуальности или важности вопроса без данных  Вопросы качества данных Рекомендации  Применять международные и региональные стандарты и инструменты  Искать новые партнерские отношения; привлекать заинтересованные стороны

внутри и вне правительства  Рассматривать спонсоров для деятельности по сбору данных

https://statswiki.unece.org/display/gendercom/Repository+of+good+practices+in+communicating+gender+statistics

Депозитарий передового опыта

Спасибо

https://unece.org/statistics/ publications/guidance- communicating-gender- statistics

Connie Graziadei, UNECE October 2022

How to engage with the media

Why is it important to work together?

2

This Photo by Unknown Author is licensed under CC BY-NC-ND

Statistical organizations engage with & provide information to a variety of audiences

Directly – through targeted releases

Indirectly – through the media

Components to consider

3

Media Relations

Media Spokesperson

Access

• Dedicated team • Professional point of

contact

• Subject matter experts

• Media relations training

• Media lock ups • Media monitoring

This Photo by Unknown Author is licensed under CC BY-SA-NC

Конни Грациадеи, ЕЭК ООН Октябрь 2022 г.

Как работать со СМИ?

Почему важно работать вместе?

2

Данное фото неизвестного автора находится под лицензией CC BY- NC-ND

Статистические организации взаимодействуют и предоставляют информацию различным аудиториям

Напрямую – через целевые публикации

Косвенно – через СМИ

Компоненты, которые необходимо учесть

3

Связи со СМИ

Пресс- секретарь

Доступ

• Специальная команда • Профессиональное

контактное лицо

• Специалисты-эксперты • Обучение

взаимодействию со СМИ

• Блокировки СМИ • Мониторинг СМИ

Данное фото неизвестного автора находится под лицензией CC BY-SA-NC

Connie Graziadei, UNECE October 2022

Strategic Communications Framework for Statistical Institutions

Why now?

• Competitive environment • Alternative data sources • Modernized platforms and

media • Evolution of strategic

communications • High-level Group for the

Modernisation of Official Statistics

2

Strategic Communications Framework

Three tier approach:

3

• Assess the statistical organization • Design and implement strategic

communications components • Evaluate the strategy

Assessing the Statistical Organisation

Branding • What is branding?

• How the organization lives its values and how it is presented to and perceived by the public

• Part of the organization’s DNA • Why is it important? It represents the organization’s…

• Personality – how it interacts with its stakeholders • Identity – how others recognize it and the image it portrays • Reputation – how it is perceived and described by others

• As a statistical organization, you have a brand whether you acknowledge it or not • It is important to control and own your brand

5

Communications Function Maturity Model Five Maturity Levels

6

Initial Reactive Structured

& Proactive

Managed & Focused

Continuous Improvement

Communications Function Maturity Model Capability Levels

7

ORGANIZATIONAL – Leadership/Management/Policy Strategic Orientation

Media Engagement People Processes

Technology Budget & Metrics

Communications Skill Sets

8

Management and

Leadership

Strategic Engagement

Strategic Communications &

Brand Management

Content Creation Social Media

Media Relations Website Management

Digital Design & Data Visualization

Designing and Implementing Strategic Communications

Designing and Implementing Strategic Communications • “How to” approach: -

• Reference values and principles • Conduct an environmental scan • Define communications objectives • Explore audience segmentation • Channels and development of a content strategy

• Guidelines for developing a crisis and issue management strategy

10

Strategic Approach to crisis management

• Establish infrastructure • Establish proceduresBEFORE EVENT

• Assess threat • Modify & execute planDURING EVENT

• Evaluate • Lessons learnedAFTER EVENT

11

Evaluating external communications

Evaluation • Types of KPIs

• Activity based • Quantitative channel measures • Analytical - quantitative and

qualitative combined • Proof Principles • Examples of Communications Evaluation

13

Example of communication evaluation

14

• To increase awareness of “x” issueObjective

• Stakeholder engagement undertaken • Information sessions conducted • Web copy updated • Press release issues

Communications Activities

• Number of media mentions • Number of website hitsKey Performance Indicators

• The approach must be multi-channel • Key messages need to be fully integratedLessons Learned

Next steps…

Where do we go from here?

• The framework is offered as a “guideline” and is not intended to be prescriptive.

• A key takeaway is that YOUR strategic communications framework needs to be tailored to YOUR needs.

• So, let’s get started….

16

Конни Грациадеи, ЕЭК ООН Октябрь 2022 г.

Структура стратегических коммуникаций для органов статистики

Почему сейчас?

• Конкурентная среда • Альтернативные источники

данных • Модернизированные платформы и

СМИ • Эволюция стратегических

коммуникаций • Группа высокого уровня по

модернизации официальной статистики

2

Структура стратегических коммуникаций

Трехуровневый подход:

3

• Анализ статистической организации

• Разработка и внедрение компонентов стратегических коммуникаций

• Оценка стратегии

Анализ

Разработка и внедрение

Оценка

Анализ статистической организации

Брендинг • Что такое брендинг?

• Как организация живет своими ценностями и как она представляется общественности и воспринимается ею

• Часть ДНК организации • Почему это важно? Это олицетворяет …… организации

• Личность - как она взаимодействует со своими заинтересованными сторонами

• Фирменный стиль - как ее узнают другие и какой образ она создает

• Репутация - как ее воспринимают и описывают другие • Будучи статистической организацией, у вас есть бренд,

признаете вы это или нет. • Важно контролировать и владеть своим брендом

5

Модель зрелости коммуникативных функций Пять уровней зрелости

6

Начальный Реактивный Структуриров

анный и проактивный

Управляемый и

сосредоточен ный

Постоянное совершенст

вование

Модель зрелости коммуникативных функций Уровни способностей

7

ОРГАНИЗАЦИОННЫЙ – Лидерство/управление/политика Стратегическое ориентирование

Взаимодействие со СМИ Люди Процессы

Технологии Бюджет и показатели

Набор коммуникативных навыков

8

Менеджмент и лидерство

Стратегическое взаимодействие

Стратегические коммуникации и

бренд- менеджмент

Создание контента

Социальные сети

Связи со СМИ Администрирование вебсайта

Цифровой дизайн и визуализация

данных

Разработка и внедрение стратегических коммуникаций

Разработка и внедрение стратегических коммуникаций • Подход «Как» -

• Эталонные ценности и принципы • Проведение сканирования среды • Определение целей коммуникаций • Изучение сегментации аудитории • Каналы и разработка контент-стратегии

• Руководства по разработке стратегии управления кризисными ситуациями и проблемами

10

Стратегический подход к антикризисному управлению

• Создание инфраструктуры • Создание процедурДО СОБЫТИЯ

• Анализ угрозы • Модификация и исполнение плана

ВО ВРЕМЯ СОБЫТИЯ

• Оценка • Полученные уроки

ПОСЛЕ СОБЫТИЯ

11

Оценка внешних коммуникаций

Оценка • Типы КПЭ

• Основанные на деятельности • Количественные показатели канала • Аналитический – количественный и

качественный в сочетании • Принципы доказательства • Пример оценки коммуникаций

13

Пример оценки коммуникаций

14

• Повысить осведомленность о проблеме «x»Задача

• Обеспечено взаимодействие с заинтересованными сторонами

• Проведены информационные сессии • Обновлена веб копия • Вопросы по пресс-релизу

Коммуникационная деятельность

• Количество упоминаний в СМИ • Количество посещений сайта

Ключевые показатели эффективности

• Подход должен быть многоканальным • Ключевые сообщения должны быть комплексными

Полученные уроки

Следующие шаги...

Куда пойдем дальше?

• Структура предлагается в качестве «руководства» и не является предписывающей.

• Ключевым выводом является то, что ВАША структура стратегических коммуникаций должна быть адаптирована к ВАШИМ потребностям.

• Итак, давайте приступим...

16

Measuring the population UNECE Workshop on Communicating Official Statistics Astana, 19-21 October 2022

 What is demography?

 Applications

 Data sources

 Life expectancy

 Sex ratios

 Fertility rates

Outline

2

What is demography?

 The study of human populations

 Size, structure and change of populations

 Births, deaths and migration

 Demographers produce indicators such as:  Life expectancy

 Fertility rates

 Migration rates

 Population growth estimates

Fertility rate in Germany rises to 33-year high

U.S. life expectancy falls again in ‘historic’ setback

Baby boomers will make Spain the oldest country by 2050

What does it tell us?

Around 20% of global population under coronavirus lockdown

Europe’s graying population poses challenges for its economy

What does it tell us?

Extreme water stress affects a quarter of the world’s population

Main data sources

6

Population and housing censuses

Demographic and health surveys

Civil registration systems (births, deaths, marriages)

Population registers

Life expectancy

 Often-quoted, widely misunderstood

 Life expectancy at birth

 Average number of years that newborns would live if mortality rates did not change throughout their lifetime

 Not the age at which most people could expect to die

Age-specific mortality rates Kazakhstan 2021

Source: United Nations World Population Prospects 2022

0.1

1

10

100

1000

0 10 20 30 40 50 60 70 80 90 100

D ea

th s

pe r 1

,0 00

p er

so ns

Age in years

Life expectancy in Kazakhstan, 1990-2020

Source: UNECE Statistical Database & Bureau of National Statistics of Kazakhstan

60

62

64

66

68

70

72

74

1990 1995 2000 2005 2010 2015 2020

Life expectancy

 What drives changes in life expectancy?  Infant & child mortality  Standard of living  Education  Lifestyle habits of population  Quality & access to healthcare  Wars, conflict, violence  Epidemics / pandemics

 What can it tell us?  Regional and socio-economic differences  Underlying mortality changes—for which

groups is mortality increasing or decreasing?  Impact on health systems, social services,

economy

America was in an early-death crisis long before COVID

Female Male European Union-27 228,372,753 218,073,691 Armenia 1,429,087 1,399,368 Azerbaijan 5,019,077 5,005,206 Belarus 5,053,685 4,411,990 Georgia 1,929,572 1,790,589 Kazakhstan 9,540,008 8,973,665 Kyrgyzstan 3,252,895 3,203,620 Moldova, Republic of 1,387,290 1,275,960 Ukraine 22,458,816 19,399,356 Uzbekistan 16,859,971 17,045,287 Source: UNECE Statistical Database & Eurostat. Data refer to 2019.

What is a sex ratio?

Female Male Sex ratio European Union-27 228,372,753 218,073,691 95 Armenia 1,429,087 1,399,368 98 Azerbaijan 5,019,077 5,005,206 100 Belarus 5,053,685 4,411,990 87 Georgia 1,929,572 1,790,589 93 Kazakhstan 9,540,008 8,973,665 94 Kyrgyzstan 3,252,895 3,203,620 98 Moldova, Republic of 1,387,290 1,275,960 92 Ukraine 22,458,816 19,399,356 86 Uzbekistan 16,859,971 17,045,287 101

Interpretation guide 100 = same number of males as females Less than 100 = more females More than 100 = more males

Source: UNECE Statistical Database & Eurostat. Data refer to 2019.

What is a sex ratio?

Sex ratio Females Males Sex ratio

Sex ratio of total population 9,540,008 8,973,665 94

Sex ratio at birth 194,272 208,038 107

Sex ratio for older people (age 65+) 902,112 503,409 56

Source: UNECE Statistical Database

Sex ratios Kazakhstan 2019

 What impacts sex ratios?  Biological differences  Tendency for women to live longer  Son preference  Labour migration  Health-related behaviours  Wars and conflicts

 What can they tell us?  Likelihood of other demographic events  Demand for services  Impacts on education, labour force  Care burden

Sex ratios

Sex ratios of babies linked to pollution and poverty indicators

 The average number of children a woman would have if she passed through her childbearing ages experiencing the fertility rates of a given year

 Usually expressed as ‘the number of children per woman’

 Not simply all babies divided by all women!

Total Fertility Rate (TFR)

 Key factor influencing population growth/decline  Replacement level fertility: TFR of ~2.1 children per

woman Total fertility rate

TFR of 2.0 or lower Low fertility Armenia, Azerbaijan, Belarus, Georgia, Republic of Moldova, Ukraine

TFR of 2.1 – 3.1 Moderate fertility Kazakhstan, Turkmenistan, Uzbekistan

TFR of 3.2 or higher High fertility Tajikistan, Kyrgyzstan

How to interpret the TFR

TFR in Kazakhstan, 2000-2019

Source: UNECE Statistical Database

1.2

1.4

1.6

1.8

2

2.2

2.4

2.6

2.8

3 2.9

 What impacts fertility rates?  Educational opportunities for girls and women  Access to family planning services  Average age at marriage  Child mortality  Cultural and religious norms  Economic conditions

 What do they tell us?  Structure of population  Demand for services  Economic production  Burden of care in the home  Environmental impacts

Fertility rates

Few South Koreans are having babies. A mayor’s answer? More nannies.

Thank you

Измерение населения Семинар ЕЭК ООН по коммуникации официальной статистики Астана, 19-21 октября 2022 года

 Что такое демография?

 Применение

 Источники данных

 Ожидаемая продолжительность

жизни

 Соотношение полов

 Коэффициент рождаемости

Содержание

2

Что такое демография?

 Изучение народонаселения

 Размер, структура и изменения населения

 Рождение, смерть и миграция

 Демографы рассчитывают такие показатели как:  Ожидаемая продолжительность жизни

 Показатели рождаемости

 Показатели миграции

 Оценка прироста населения

Рождаемость в Германии выросла до 33-летнего максимума

Ожидаемая продолжительность жизни в США снова упала из-за «исторического» регресса

Бэби-бумеры сделают Испанию самой старой страной к 2050 году

О чем демография говорит нам?

Около 20% населения мира находятся на карантине из-за коронавируса

Стареющее население Европы создает проблемы для ее экономики

О чем демография говорит нам?

Экстремальный дефицит воды затрагивает четверть населения мира

Основные источники данных

6

Переписи населения и жилого фонда

Демографические и медицинские обследования / MICS Системы регистрации актов гражданского состояния (ЗАГС) (рождения, смерти, браки)

Регистры населения

Ожидаемая продолжительность жизни

 Часто цитируется, часто неправильно понимается

 Не тот возраст, в котором большинство людей могли ожидать смерти

 Ожидаемая продолжительность жизни при рождении

 Среднее количество лет, которое прожили бы новорожденные, если бы показатели смертности не менялись на протяжении всей их жизни.

Возрастные коэффициенты смертности Казахстан 2021

Источник: Мировые демографические перспективы Организации Объединенных Наций, 2022 г.

0.1

1

10

100

1000

0 10 20 30 40 50 60 70 80 90 100

С м

ер тн

ос ть

н а

1, 00

0 че

л

Возраст в годах

Ожидаемая продолжительность жизни в Казахстане, 1990-2020

Источник: Статистическая база данных ЕЭК ООН и Бюро национальной статистики РК.

60

62

64

66

68

70

72

74

1990 1995 2000 2005 2010 2015 2020

Ожидаемая продолжительность жизни

 Что влияет на изменение ожидаемой продолжительности жизни??  Младенческая и детская смертность  Уровень жизни  Образование  Образ жизни населения  Качество и доступ к здравоохранению  Войны, конфликты, насилие  Эпидемии/пандемии

 О чем это может нам сказать?  Региональные и социально-экономические

различия  Основные изменения смертности – для каких групп

смертность увеличивается или снижается?  Воздействие на системы здравоохранения,

социальные услуги, экономику

Америка была в кризисе преждевременной смерти задолго до COVID

Женщины Мужчины Европейский союз-27 228,372,753 218,073,691 Армения 1,429,087 1,399,368 Азербайджан 5,019,077 5,005,206 Беларусь 5,053,685 4,411,990 Грузия 1,929,572 1,790,589 Казахстан 9,540,008 8,973,665 Кыргызская Республика 3,252,895 3,203,620 Республика Молдова 1,387,290 1,275,960 Украина 22,458,816 19,399,356 Узбекистан 16,859,971 17,045,287

Источник: Статистическая база данных ЕЭК ООН и Евростат. Данные относятся к 2019 году.

Что такое соотношение полов?

Женщины Мужчины Соотношение

полов Европейский союз-27 228,372,753 218,073,691 95 Армения 1,429,087 1,399,368 98 Азербайджан 5,019,077 5,005,206 100 Беларусь 5,053,685 4,411,990 87 Грузия 1,929,572 1,790,589 93 Казахстан 9,540,008 8,973,665 94 Кыргызская Республика 3,252,895 3,203,620 98 Республика Молдова 1,387,290 1,275,960 92 Украина 22,458,816 19,399,356 86 Узбекистан 16,859,971 17,045,287 101

Руководство по интерпретации 100 = одинаковое количество мужчин и женщин Меньше 100 = больше женщин Больше 100 = больше мужчин

Источник: Статистическая база данных ЕЭК ООН и Евростат. Данные относятся к 2019 году.

Что такое соотношение полов?

Соотношение полов Женщины Мужчины Соотноше ние полов

Соотношение полов в общей численности населения 9,540,008 8,973,665 94

Соотношение полов при рождении 194,272 208,038 107

Соотношение полов среди пожилых (возраст 65+) 902,112 503,409 56

Источник: Статистическая база данных ЕЭК ООН.

Соотношение полов в Казахстане в 2019 году

 Что влияет на соотношение полов?  Биологические различия  Тенденция более продолжительной жизни среди

женщин  Предпочтение в пользу сыновей  Трудовая миграция  Поведение, связанное со здоровьем  Войны и конфликты

 О чем нам это говорит?  Вероятность других демографических событий  Спрос на услуги  Воздействие на образование, рабочую силу  Бремя ухода

Соотношение полов

Соотношение полов младенцев связано с показателями загрязнения и бедности

 Среднее количество детей, которое могла бы родить женщина, если бы она проживала свой детородный возраст, испытывая коэффициенты рождаемости конкретного года

 Обычно выражается как «количество детей на одну женщину»

 Не просто количество всех детей, деленное на число всех женщин!

Суммарный коэффициент рождаемости (TFR)

 Ключевой фактор, влияющий на рост/убыль населения  Рождаемость уровня замещения: TFR ~2.1 ребенка на

одну женщину Совокупный коэффициент рождаемости

TFR 2.0 или ниже Низкий уровень рождаемости

Армения, Азербайджан, Беларусь, Грузия, Республика Молдова, Украина

TFR 2.1 – 3.1 Средний уровень рождаемости

Казахстан, Туркменистан, Узбекистан

TFR 3.2 или выше Высокий уровень рождаемости

Таджикистан, Кыргызская Республика

Как толковать TFR

TFR в Казахстане, 2000-2019

Источник: Статистическая база данных ЕЭК ООН.

1.2

1.4

1.6

1.8

2

2.2

2.4

2.6

2.8

3 2.9

 Что влияет на показатели рождаемости?  Образовательные возможности для девочек и

женщин  Доступ к услугам по планированию семьи  Средний возраст вступления в брак  Детская смертность  Культурные и религиозные нормы  Экономические условия

 О чем это говорит нам?  Структура населения  Спрос на услуги  Экономичное производство  Бремя заботы в доме  Воздействие на окружающую среду

Показатели рождаемости

Немногие южнокорейцы рожают детей. Что ответил мэр? Больше нянь.

Спасибо

Connie Graziadei, UNECE October 2022

Users & Producers Interaction

Who are the data stakeholders?

2

Citizens

National Statistical

Office

Media

International Organizations

NGOsPrivate Sector

Researchers

Government Organizations

Why is it important to work together?

3

This Photo by Unknown Author is licensed under CC BY-NC-ND

Statistical organizations engage with & provide information to a variety of audiences

Directly – through targeted releases

Indirectly – through the media

What does working together mean?

4

Understand each other’s

needs

Clarify roles and responsibilities

Share / define principles and good practices

Operating principles

5

This Photo by Unknown Author is licensed under CC BY-SA

Trust

Respect

Accountability

Impartiality

Honesty

Constructive feedback

Developing and maintaining the relationship

Relationship between the NSO and the media – Table Exercise

6

What is your relationship with the NSO & how can it be improved?

How can the NSO better meet your needs?

What challenges or barriers do you face in interpreting the data?

What help do you need to better understand the data?

Конни Грациадеи, ЕЭК ООН Октябрь 2022 г.

Взаимодействие пользователей и производителей

Кто является заинтересованными сторонами данных?

2

Граждане

Национальные статистические

управления

СМИ

Международные организации

НПО Частный сектор

Научные работники

Государственные организации

Почему важно работать вместе?

3

Данное фото неизвестного автора находится под лицензией CC BY- NC-ND

Статистические организации взаимодействуют и предоставляют информацию различным аудиториям

Напрямую – через целевые публикации

Косвенно – через СМИ.

Что значит работать вместе?

4

Понимать потребности

друг друга

Уточнить роли и обязанности

Совместно использовать/определять

принципы и передовой опыт

Принципы деятельности

5

Данное фото неизвестного автора находится под лицензией BYSA-ND

Доверие

Уважение

Подотчетность

Объективность

Честность

Конструктивные отзывы

Развитие и поддержание отношений

Отношения между НСУ и СМИ – теоретическое упражнение

6

Какие у вас отношения с НСУ и как их можно улучшить?

Как НСУ может лучше удовлетворить ваши потребности?

С какими вызовами или барьерами вы сталкиваетесь при интерпретации данных?

Какая помощь вам нужна, чтобы лучше понять данные?

1

Workshop on Communicating Official Statistics

and Measuring Gender-in-Trade Astana Marriott Hotel 20-21 October 2022

TIMETABLE

Organized by the United Nations Economic Commission for Europe (UNECE) in cooperation with the Bureau of National Statistics of the Republic of Kazakhstan and United Nations Development Programme (UNDP) Kazakhstan, with financial support from the United Nations Development Account.

Thursday 20 October

09:00 – 09:30 Registration

09:30 – 09:45 Opening of workshop

Andres Vikat, UNECE Bureau of National Statistics of Kazakhstan

Part A: Developing the capacity to present, disseminate and communicate official statistics to users

09:45 – 13:00 Session 1: Strategic Communication Framework for Statistical Institutions The session provides guidance on the development of a Strategic Communication Framework and provides practical training in general principles for the communication of data and statistics

09:45 – 11:15 UNECE Strategic Communication Framework for Statistical Institutions and its application Connie Graziadei, Consultant to UNECE

11:15 – 11:35 Coffee

11:35 – 12:15 How to engage with journalists Connie Graziadei, Consultant to UNECE

12:15 – 12:45 Group work on Communication Strategy In groups, participants will start to discuss components of a Communication Strategy for the Bureau of National Statistics

2

Connie Graziadei, Consultant to UNECE

12:45 – 14:00 Lunch

14:00 – 17:00 Session 2: Communicating gender statistics As a concrete example of principles discussed in the previous session, the session will explore unique communication challenges and recommendations and best practices for communicating gender statistics

14:00 – 14:15 What are gender statistics? Andres Vikat, UNECE

14:15 – 14:30 Guidance on communicating Gender Statistics Kristen Jeffers, UNECE

14:30 – 15:30 Communicating gender statistics: the experience of Italy Sara Demofonti, Italian National Institute of Statistics (ISTAT)

15:30 – 15:50 Coffee

15:50 – 17:00 Current practices and future plans for communicating gender statistics in Kazakhstan Ainur Dossanova, Bureau of National Statistics / Connie Graziadei / Sara Demofonti

Close of day 1

Friday 21 October

09:30 – 09:40 Opening and introductions

Andres Vikat, UNECE

Part B1: Compiling statistical information across statistical domains: Gender-in-trade

09:40 – 12:30 Session 3a: Conceptual framework and recent methodological work on gender-in-trade During this session, trainers will present a conceptual framework for the measurement of gender-in-trade and recent progress on methodological work in the area including results of a case study in Georgia. The session will conclude with a presentation and discussion of data availability in Kazakhstan.

09:40 – 10:15 Gender aspects of trade and how to measure them Tengiz Tsekvava, Consultant to UNECE

3

10:15 – 11:00 Gender-in-trade assessment in Georgia: what are the lessons for Kazakhstan? Tengiz Tsekvava, Consultant to UNECE

11:00 –11:20 Coffee

11:20 – 12:00 Sources for gender-in-trade statistics in Kazakhstan Daniyar Imanbayev, Bureau of National Statistics / Tengiz Tsekvava

Part B2: Communication Strategy for Kazakhstan

09:40 – 12:30 Session 3b: Group work on Communication Strategy During this parallel session, select participants will work with Connie Graziadei on the draft Communication Strategy.

09:40 – 11:00 Group work on Communication Strategy

11:00 –11:20 Coffee

11:20 – 12:15 Group work on Communication Strategy

12:15 – 13:30 Lunch

Part C: Communication Strategy for Kazakhstan, continued

13.30 – 16:00 Session 4: First draft of Communication Strategy During this session, trainers will help Bureau’s staff to produce a draft Communication Strategy

13:30 – 15:00 Group work on Communication Strategy Participants continue to work in groups and finalize respective parts of the Communication Strategy. Each group will present their work.

15:00 –15:20 Coffee

15:20 – 16:00 Review of Communication Strategy and next steps Bureau of National Statistics / UNECE / expert presenters

Close of workshop

1

Семинар по коммуникации официальной статистики

и измерению гендера в торговле Отель Astana Mariott

20- 21 октября 2022 года

ПРОГРАММА Организовано Европейской экономической комиссией Организации Объединенных Наций (ЕЭК ООН) в сотрудничестве с Бюро национальной статистики Республики Казахстан и Программой развития Организации Объединенных Наций (ПРООН) в Казахстане при финансовой поддержке Счета развития Организации Объединенных Наций.

четверг 20 октября

09:00– 09:30 Регистрация

09:30– 09:45 Открытие семинара

Андрес Викат, ЕЭК ООН Бюро национальной статистики

Часть А: Развитие потенциала для представления, распространения и коммуникации официальной статистики пользователям

09:45– 13:00 Сессия 1: Структура стратегических коммуникаций для органов статистики В сессии дается направление по разработке Структуры стратегических коммуникаций и практический тренинг по общим принципам коммуникации данных и статистики

09:45– 11:15 Структура стратегических коммуникаций ЕЭК ООН для органов статистики и ее применение Конни Грациадеи, Консультант ЕЭК ООН

11:15– 11:35 Кофе

11:35– 12:15 Как взаимодействовать со СМИ Конни Грациадеи, Консультант ЕЭК ООН

12:15– 12:45 Групповая работа по коммуникационной стратегии

2

В группах участники начнут обсуждать компоненты коммуникационной стратегии для Бюро национальной статистики. Конни Грациадеи, Консультант ЕЭК ООН

12:45– 14:00 Обед

14:00 – 17:00 Сессия 2: Коммуникация гендерной статистики В качестве конкретного примера принципов, обсуждавшихся на предыдущей сессии, на этой сессии будут рассмотрены уникальные проблемы и рекомендации по коммуникации, а также передовой опыт по коммуникации гендерной статистики.

14:00 – 14:15 Что такое гендерная статистика? Андрес Викат, ЕЭК ООН

14:15 – 14:30 Руководство по коммуникации гендерной статистики Кристен Джефферс, ЕЭК ООН

14:30 – 15:30 Коммуникация гендерной статистики: опыт Италии Сара Демофонти, Итальянский национальный институт статистики

15:30 – 15:50 Кофе

15:50 – 17:00 Текущая практика и планы на будущее по коммуникации гендерной статистики в Казахстане Айнур Досанова, Бюро национальной статистики / Конни Грациадеи / Сара Демофонти

Завершение 1-го дня

пятница 21 октября

09:30 – 09:40 Открытие и введение

Андрес Викат, ЕЭК ООН

Часть В1: Формирование статистической информации по статистическим областям: гендер в торговле

09:40– 12:30 Сессия 3a: Концептуальная структура и недавняя методологическая работа по гендерным вопросам в торговле В ходе этой сессии инструкторы представят концептуальную структуру для измерения гендера в торговле и прогресс по

3

методологической работе в этой области, включая результаты тематического исследования в Грузии. Сессия завершится презентацией и обсуждением наличия данных в Казахстане.

09:40– 10:15 Гендерные аспекты в торговле и способы их измерения Тенгиз Цеквава, Консультант ЕЭК ООН

10:15– 11:00 Оценка гендера в торговле в Грузии: какие уроки Казахстан может извлечь для себя? Тенгиз Цеквава, Консультант ЕЭК ООН

11:00-11:20 Кофе

11:20– 12:00 Источники статистики о гендере в торговле в Казахстане Данияр Иманбаев, Бюро национальной статистики / Тенгиз Цеквава

Часть В2: Коммуникационная стратегия для Казахстана

09:40– 12:30 Сессия 3b: Групповая работа по коммуникационной стратегии Во время этой параллельной сессии выбранные участники будут работать с Конни Грациадеи над проектом коммуникационной стратегии.

09:40– 11:00 Групповая работа по коммуникационной стратегии

11:00-11:20 Кофе

11:20– 12:15 Групповая работа по коммуникационной стратегии

12:15– 13:30 Обед

Часть С: Коммуникационная стратегия для Казахстана, продолжение

13.30 – 16:00 Сессия 4: Первый проект коммуникационной стратегии Во время этой сессии инструкторы помогут сотрудникам Бюро разработать проект коммуникационной стратегии.

13:30– 15:00 Групповая работа по коммуникационной стратегии Участники продолжают работать в группах и дорабатывают соответствующие части коммуникационной стратегии. Каждая группа делает презентацию своей работы.

15:00-15:20 Кофе

15:20– 16:00 Обзор коммуникационной стратегии и дальнейшие шаги Бюро национальной статистики /ЕЭК ООН / эксперты- докладчики

4

Закрытие семинара

1

Workshop on Communicating Official Statistics

Astana Marriott Hotel 19 October 2022

TIMETABLE

Organized by the United Nations Economic Commission for Europe (UNECE) in cooperation with the Bureau of National Statistics of the Republic of Kazakhstan and United Nations Development Programme (UNDP) Kazakhstan, with financial support from the United Nations Development Account.

Wednesday 19 October

09:00 – 09:30 Registration

09:30 – 10:00 Opening of workshop

Andres Vikat, Chief of the Social and Demographic Statistics Section, UNECE Zhandos Shaimardanov, Head of the Bureau of National Statistics of Kazakhstan Maria Dotsenko, Representative of UN Women in Kazakhstan

Part A: Improving statistical literacy among users in government

10:00 – 11:45 Session 1: Using official statistics in government

10:00 – 10:30 Principles and good practices of interaction between producers and users of official statistics Connie Graziadei, Consultant to UNECE

10:30 – 11:15 Labour force indicators from a gender perspective Andres Vikat, UNECE

11:30 – 11:50 Coffee

11:50 – 12:45 Session 2: Dialogue with users in government agencies

11:50 – 12:10 Communicating official statistics to government users in Kazakhstan Beybarys Beybituly, Bureau of National Statistics

2

12:10 – 12:45 Interactive review and conclusions Connie Graziadei, Consultant to UNECE

12:45 – 14:00 Lunch for all participants

Part B: Journalistic use of official statistics

14:00 – 14:30 Registration (new participants)

14:30 – 14:45 Opening and introductions

Andres Vikat, UNECE

14:45 – 16:15 Session 3: Journalistic use of official statistics

14:45 – 15:15 Basic skills and essential concepts in statistics Andres Vikat, UNECE

15:15 – 15:45 Principles and good practices of producer-user interaction Connie Graziadei, Consultant to UNECE

15:45 – 16:15 Measuring the population Kristen Jeffers, UNECE

16:15 – 16:35 Coffee

16:35 – 17:30 Session 4: Producer-user dialogue

16:35 – 16:55 Communicating official statistics to journalists and to the public in Kazakhstan Zhazira Okubaeva, Bureau of National Statistics

16:55 – 17:30 Interactive review Connie Graziadei, Consultant to UNECE

Close of workshop

1

Семинар по коммуникации официальной статистики

Отель Astana Mariott 19 октября 2022 года

ПРОГРАММА

Организовано Европейской экономической комиссией Организации Объединенных Наций (ЕЭК ООН) в сотрудничестве с Бюро национальной статистики Республики Казахстан и Программой развития Организации Объединенных Наций (ПРООН) в Казахстане при финансовой поддержке Счета развития Организации Объединенных Наций.

среда 19 октября

09:00– 09:30 Регистрация

09:30– 10:00 Открытие семинара

Андрес Викат, Начальник отдела социальной и демографической статистики, ЕЭК ООН Жандос Шаймарданов, Руководитель Бюро национальной статистики Казахстана Мария Доценко, представитель «ООН-женщины» в Казахстане

Часть А: Повышение статистической грамотности пользователей в государственных органах

10:00– 11:45 Сессия 1: Использование официальной статистики в государственных органах

10:00– 10:30 Принципы и передовая практика взаимодействия между производителями и пользователями официальной статистики Конни Грациадеи, Консультант ЕЭК ООН

10:30– 11:15 Показатели рабочей силы с гендерной точки зрения Андрес Викат, ЕЭК ООН

11:30– 11:50 Кофе

2

11:50– 12:45 Сессия 2: Диалог с пользователями из государственных органов

11:50– 12:10 Коммуникация официальной статистики пользователям из государственных органов в Казахстане Бейбарыс Бейбітұлы, Бюро национальной статистики

12:10– 12:45 Интерактивный обзор и выводы Конни Грациадеи, Консультант ЕЭК ООН

12:45– 14:00 Обед для всех участников

Часть В: Использование официальной статистики в журналистских целях

14:00– 14:30 Регистрация (новых участников)

14:30– 14:45 Открытие и введение

Андрес Викат, ЕЭК ООН

14:45– 16:15 Сессия 3: Использование официальной статистики в журналистских целях

14:45– 15:15 Базовые навыки и основные понятия в статистике Андрес Викат, ЕЭК ООН

15:15– 15:45 Принципы и передовой опыт взаимодействия производителя и пользователя: cторителинг с использованием данных Конни Грациадеи, Консультант ЕЭК ООН

15:45– 16:15 Измерение населения Кристен Джефферс, ЕЭК ООН

16:15– 16:35 Кофе

16:35– 17:30 Сессия 4: Диалог между производителями и пользователями

16:35– 16:55 Коммуникация официальной статистики журналистам и общественности в Казахстане Жазира Окубаева, Бюро национальной статистики

16:55– 17:30 Интерактивный обзор Конни Грациадеи, Консультант ЕЭК ООН

Закрытие семинара

3

1

UNITED NATIONS ECONOMIC COMMISSION FOR EUROPE CONFERENCE OF EUROPEAN STATISTICIANS

version 3: 25 October 2022 Group of Experts on Migration Statistics 26–28 October 2022

TIMETABLE Venue: Room XXII, Palais des Nations, Geneva, Switzerland

Timings are approximate and subject to change.

Wednesday 26 October 09:30 - 09:50 Opening

Opening, adoption of the agenda and election of officers Andres Vikat, UNECE

Logistical information Paolo Valente, UNECE

09:50 - 10:50 Session A: Improvements in use of administrative data for migration statistics

Using administrative data to produce timely estimates of migration for the UK (WP.1) Laura Cheatham, Office for National Statistics, United Kingdom

A machine learning approach to classifying the UK long-term international migrants using administrative data (WP.2) Mingqing Wu and Michael Hawkes, Office for National Statistics, United Kingdom

Questions & answers

10:50 - 11:10 Break

11:10 - 12:10 Session A continued

Evaluating coverage of the US Census Bureau’s Integrated Database for International Migration (IDIM) (WP.3) Esther Miller, Jason Schachter, and Angelica Menchaca, Bureau of the Censuses, United States

Bases for the conformation of a statistical registry of migrant population (WP.4) NOT PRESENTED Mariana Francisca Ospina et al., National Administrative Department of Statistics (DANE), Colombia

Discussant's reflections and participant discussion Barica Razpotnik, Slovenia

2

12:10 - 12:30 Session C: Use of new data sources for measuring migration statistics - Task force

Update on final report of the UNECE Task force on the use of new data sources for measuring migration statistics (WP15) Enrico Tucci, Italy, Co-Chair of the task force

Questions & answers

12:30 - 14:30 Lunch break

14:30 - 15:50 Session A continued

Opportunities and challenges of using Statistical Population register and State Data Governance Information System for production of migration statistics (WP.5) Inga Masiulaitytė-Šukevič, Statistics Lithuania

Population estimates and migration in Israel: challenges in the integration of multiple data sources and various types of migrants (WP.6) Ahmad Hleihel, Alaa Atrash Ektelat and Nir Fogel, Central Bureau of Statistics, Israel

Exploring immigration reasons by linking administrative and survey data (WP.7) Johanna Probst, Federal Statistical Office, Switzerland

Questions & answers

15:50 - 16:10 Break

16:10 - 17:30 Session A continued

Finding family relations: About quality issues regarding family immigration statistics and their potential solution using administrative data (WP.8/Rev) Christian Molstad, Statistics Norway

New citizens in Italy: number, characteristics and behaviors (WP.9) Cinzia Conti and Enrico Tucci, National Institute of Statistics (Istat), Salvatore Strozza (University “Federico II” Napoli), Italy

Discussant's reflections and participant discussion Nicky Rogers, ONS, UK

End of expert group meeting day 1

3

Thursday 27 October 09:30 - 09:35 Opening

09:35 - 11:10 Session A continued: Improvements in use of administrative data for migration statistics

Update on improvements in countries in Eastern Europe, Caucasus and Central Asia Michel Poulain, UNECE Consultant

Improvement of population and migration statistics in Armenia (WP11) Anne Herm, UNECE Consultant

Migration in the Kyrgyz Republic Gunara Dzhailobaeva, National Statistical Cmmittee of the Kyrgyz Republic

Improvement in the use of administrative statistics on migration, for policy development in the Republic of Moldova Veronica Șaganovschi, Bureau for Migration and Asylum, Ministry of Internal Affairs of Republic of Moldova

Discussant's reflections and participant discussion Paata Shavishvili, Georgia

11:10 - 11:30 Break

11:30 - 12:30 Session B: Results on migration from the 2020 population census round

The migration theme in the 2020 census programs in the CIS member states (WP14) Irina Zbarskaya and Galina Selishcheva, CIS-Stat

The migration characteristics of the population of the Republic of Belarus according to the results of the 2019 population census Irina Bichan, National Statistical Committee of the Republic of Belarus

Questions & answers

12:30 - 14:30 Lunch break 14:30 - 15:45 Session E: Measuring large flows of refugees

Insights into Refugee Outcomes in the UK (WP18) Nicky Rogers, Office for National Statistics, United Kingdom

Measuring large flows of refugees in the Republic of Moldova, after the outbreak of hostilities in Ukraine (WP21) Veronica Șaganovschi, Bureau for Migration and Asylum, Ministry of Internal Affairs of Republic of Moldova

Statistics and surveys on refugees from Ukraine: lessons learn from UNHCR’s work and opportunities for improved coordination Ivan Cardona, UNHCR

Questions & answers 15:45 - 16:05 Break

16:05 - 17:00 Session E continued

EGRISS and the International Recommendations on Refugee Statistics (IRRS) Natalia Baal, Expert Group on Refugee, IDP and Statelessness Statistics (EGRISS)

Improving Statistics on Refugees and Asylum Seekers: The case of Italy Cinzia Conti, Istat - Italy

Discussant's reflections and participant discussion Laura Bartolini, IOM

4

17:00 - 17:30 Session F: Measuring undocumented migration

Can integrated statistical and geographical datasets provide insights on migrants in transit relevant municipalities in Mexico? An ongoing process towards a proxy of SDG 10.7.3 Adriana Oropeza, INEGI, Mexico

Questions & answers End of expert group meeting day 2

Friday 28 October 09:30 - 09:35 Opening 09:35 - 10:45 Session D: Post pandemic migration flows

Mixed migration by land and by sea to Europe: recovery after a transient pandemic impact (WP16) Laura Bartolini and Ivona Zakoska-Todorovska, IOM Regional Office for South-Eastern Europe, Eastern Europe and Central Asia

The corona pandemic and migration to Sweden (WP17) Vitor Miranda, Statistics Sweden

Questions & answers 10:45 - 11:05 Break

11:05 - 12:30 Session D continued

The importance of migration in Luxembourg before, during and after the COVID crisis François Peltier, Luxembourg

Evaluating Canada’s adjusted estimates of emigration in the context of the COVID-19 pandemic Julien Berard-Chagnon, Statistics Canada

Discussant's reflections and participant discussion Ahmad Hleihel, Israel

12:30 - 14:30 Lunch break 14:30 - 15:40 Session G Measuring emigration

A new measure of emigration from Italy by integration of administrative data (WP19/Rev) Enrico Tucci and Gennaro Di Fraia (Istat), Corrado Bonifazi (CNR), Italy

Statistics register for Migration and integration statistics: Present and future (WP20/Rev) Malin Forsberg, Statistics Sweden

Discussant's reflections and participant discussion Julien Bérard-Chagnon, Statistics Canada

15:40 - 16:30 Future work, adoption of the report, closing Proposals for future work Adoption of the report End of day 3 & closing of the meeting

1

ОРГАНИЗАЦИЯ ОБЪЕДИНЕННЫХ НАЦИЙ ЕВРОПЕЙСКАЯ ЭКОНОМИЧЕСКАЯ КОМИССИЯ КОНФЕРЕНЦИЯ ЕВРОПЕЙСКИХ СТАТИСТИКОВ

Ред. 3: 25 октября 2022 г. 17:12:21 Группа экспертов по статистике миграции 26–28 октября 2022 года

РАСПОРЯДОК РАБОТЫ Место проведения: Зал XXII, Дворец Наций, Женева, Швейцария

Время указано приблизительно, возможны изменения.

Среда, 26 октября 9:30 - 9:50 Открытие

Открытие, утверждение повестки дня и избрание должностных лиц Андрес Викат, ЕЭК ООН

Организационные вопросы Паоло Валенте, ЕЭК ООН

9:50 - 10:50 Сессия A: Положительные изменения в использовании административных данных для статистики миграции

Использование административных данных для получения своевременных оценок миграции в Великобритании (РД.1) Лора Читхэм, Национальная статистическая служба, Великобритания

Применение машинного обучения для классификации долгосрочных международных мигрантов в Великобритании с помощью административных данных (РД. 2) Минцин Ву и Майкл Хокс, Национальная статистическая служба, Великобритания

Ответы на вопросы

10:50 - 11:10 Перерыв

11:10 - 12:10 Сессия А (продолжение)

Оценка охвата для Интегрированной базы данных по международной миграции (ИБДММ) Бюро переписи США (РД.3) Эстер Миллер, Джейсон Шахтер и Анджелика Менчака, Бюро переписи населения, США

Базы данных для формирования статистического регистра мигрантов (РД. 4) БЕЗ ДОКЛАДА Мариана Франсиска Оспина и др., Национальное статистическое управление (DANE), Колумбия

Размышления участника дебатов и дискуссия участников Барица Разпотник, Словения

2

12:10 - 12:30 Сессия С: Использование новых источников данных для формирования статистики миграции - Рабочая группа

Обновленная информация по итоговому отчету Рабочей группы ЕЭК ООН об использовании новых источников данных для формирования статистики миграции (РД. 15) Энрико Туччи, Италия, Сопредседатель Рабочей группы

Ответы на вопросы

12:30 - 14:30 Перерыв на обед

14:30 - 15:50 Сессия А (продолжение)

Возможности и проблемы использования статистического регистра населения и государственной информационной системы управления данными для формирования статистики миграции (РД. 5) Инга Масюлайтите-Шукевич, Статистическая служба Литвы

Оценки численности населения и миграции в Израиле: проблемы интеграции нескольких источников данных и различных типов мигрантов (РД. 6) Ахмад Хлейхель, Алаа Атраш Эктелат и Нир Фогель, Центральное статистическое бюро, Израиль

Изучение причин иммиграции путем объединения административных данных и данных обследований (РД. 7) Йоханна Пробст, Федеральное статистическое управление, Швейцария

Ответы на вопросы

15:50 - 16:10 Перерыв

16:10 - 17:30 Сессия А (продолжение)

Поиск семейных связей: О проблемах качества в статистике иммиграции семей и возможных путях их решения с помощью административных данных (РД. 8/ред.) Кристиан Мольстад, Центральное статистическое бюро Норвегии

Новые граждане Италии: численность, характеристики и поведение (РД. 9) Чинция Конти (Истат) и Энрико Туччи, Итальянский национальный институт статистики (Истат), Сальваторе Строцца (Неаполитанский университет имени Фридриха II), Италия

Размышления участника дебатов и дискуссия участников Ники Роджерс, НСС, Великобритания

Завершение первого дня совещания группы экспертов

3

Четверг, 27 октября 9:30 - 9:35 Открытие

9:35 - 11:10 Сессия А (продолжение): Положительные изменения в использовании административных данных для статистики миграции

Обновленная информация о положительных изменениях в странах Восточной Европы, Кавказа и Центральной Азии Мишель Пулен, Консультант ЕЭК ООН

Совершенствование статистики народонаселения и миграции в Армении (РД. 11) Анне Герм, Консультант ЕЭК ООН

Миграция в Кыргызской Республике. Гульнара Джайлобаева, Национальный статистический комитет Кыргызской Республики

Положительные изменения в использовании административных статистических данных о миграции для разработки политики в Республике Молдова Вероника Шагановски, Бюро по миграции и убежищу, Министерство внутренних дел Республики Молдова

Размышления участника дебатов и дискуссия участников Паата Шавишвили, Грузия

11:10 - 11:30 Перерыв

11:30 - 12:30 Сессия B: Итоговые данные по миграции по результатам переписи населения раунда 2020 года

Тема миграции в программах переписи населения в государствах-участниках СНГ (РД. 14). Ирина Збарская и Галина Селищева, Статкомитет СНГ

Миграционные характеристики населения Республики Беларусь по итогам переписи населения 2019 года Ирина Бичан, Национальный статистический комитет Республики Беларусь

Ответы на вопросы

12:30 - 14:30 Перерыв на обед 14:30 - 15:45 Сессия Е: Измерение больших потоков беженцев

Как складывается дальнейшая жизнь беженцев в Великобритании: результаты анализа (РД 18) Ники Роджерс, Национальная статистическая служба, Великобритания

Измерение больших потоков беженцев в Республике Молдова, после начала военных действий в Украине (РД. 21). Вероника Шагановски, Бюро по миграции и убежищу, Министерство внутренних дел Республики Молдова

Статистика и обследования беженцев из Украины: обобщение практического опыта по итогам работы УВКБ ООН и возможности для улучшения координации Айван Кардона, УВКБ ООН

Ответы на вопросы 15:45 - 16:05 Перерыв

16:05 - 17:00 Сессия Е (продолжение)

Группа экспертов по статистике беженцев, внутренне перемещенных лиц и лиц без гражданства (EGRISS) и Международные рекомендации по статистике беженцев (IRRS)
 Наталия Бал, Группа экспертов по статистике беженцев, внутренне перемещенных лиц и лиц без гражданства (EGRISS)

4

Улучшение статистики беженцев и соискателей убежища: Практический пример Италии. Чинция Конти, Истат, Италия

Размышления участника дебатов и дискуссия участников Лаура Бартолини, МОМ

17:00 - 17:30 Сессия F: Измерение недокументированной миграции

Могут ли интегрированные наборы статистических и географических данных дать представление о мигрантах, перемещающихся между интересующими нас муниципалитетами в Мексике? Текущий процесс достижения ЦУР 10.7.3
 Адриана Оропеса, Национальный институт статистики и географии (INEGI), Мексика

Ответы на вопросы Завершение второго дня совещания группы экспертов

Пятница, 28 октября 9:30 - 9:35 Открытие

9:35 - 10:45 Сессия D: Миграционные потоки после пандемии

Смешанная миграция по суше и по морю в Европу: восстановление после временного воздействия пандемии (РД 16) Лаура Бартолини и Ивона Закоска-Тодоровска, Региональное бюро МОМ для Юго-Восточной Европы, Восточной Европы и Центральной Азии

Пандемия коронавируса и миграция в Швецию (РД. 17) Витор Миранда, Статистическое управление Швеции

Ответы на вопросы 10:45 - 11:05 Перерыв

11:05 - 12:30 Сессия D (продолжение)

Значимость миграции в Люксембурге до, в процессе и после кризиса, вызванного COVID-19. Франсуа Пельтьер, Люксембург

Оценка скорректированных оценок эмиграции из Канады в контексте пандемии COVID-19. Жюльен Берар-Шаньон, Статистическая служба Канады

Размышления участника дебатов и дискуссия участников Ахмад Хлейхель, Израиль

12:30 - 14:30 Перерыв на обед 14:30 - 15:40 Сессия G Измерение эмиграции

Новое измерение эмиграции из Италии путем интеграции административных данных (РД. 19/ред). Энрико Туччи и Дженнаро Ди Фрайя (Истат), Коррадо Бонифаци (Национальный исследовательский совет), Италия

Статистический регистр для статистики миграции и интеграции: Настоящее и будущее (РД. 20/ред). Малин Форсберг, Статистическое управление Швеции

Размышления участника дебатов и дискуссия участников Жюльен Берар-Шаньон, Статистическая служба Канады

15:40 - 16:30 Дальнейшая работа, принятие отчета, закрытие Предложения относительно направлений работы на будущее Утверждение доклада Завершение третьего дня и закрытие совещания

*Prepared by Johanna Probst NOTE: The designations employed in this document do not imply the expression of any opinion whatsoever on the part of the Secretariat of the United Nations concerning the legal status of any country, territory, city or area or of its authorities, or concerning the delimitation of its frontiers or boundaries.

Economic Commission for Europe Conference of European Statisticians Group of Experts on Migration Statistics Geneva, Switzerland, 26−28 October 2022 Item A of the provisional agenda Improvements in use of administrative data for migration statistics

Exploring immigration reasons by linking administrative and survey data

Note by Swiss Federal Statistical Office *

Abstract For a detailed picture of migration landscape, official statistics seek to produce information on the reasons for migratory movements. This type of data makes it possible to classify immigration according to reasons. However, collecting data on the reasons for immigration is a challenge as these reasons are usually multiple and their identification has a subjective dimension. In order to quantify immigration according to its reasons, Swiss official statistics can rely on two sources: the Swiss Labor Force Survey (SLFS) conducted by the Swiss federal statistical office (FSO) and the administrative register “Central Migration Information System” maintained by the State Secretariat for Migration (SEM) and used by the FSO for migration statistics. Along four main reasons – work, education, family and asylum – the two sources show divergent aggregate percentages. For a better understanding of these differences, we match the SLFS (survey) data with the register data. This allows an analysis of the consistency between the reasons for immigration reported by both sources. We find that reasons indicated in register and in survey correspond in 68% of the cases. This percentage varies along specific reasons, as well as according to sociodemographic characteristics. The results thus suggest that register data reflects grounds for legal admission that do not always coincide with (subjective) reasons motivating persons to immigrate to Switzerland. The fact that reasons differ in one third of the observed cases indeed underlines that immigration reasons tend to be multiple and not unique.

Working paper 7/Rev

Distr.: General 21 November 2022 English

Working paper 7/Rev

2

I. Introduction

A. Migration reasons

1. Reasons for migration are generally multiple and complex. They show how a person engaging in migration perceives and assesses the situation he or she is confronted to. They reflect the projects and personal priorities of the migrating person. Migration reasons may relate to the country or place of departure (traditionally called “push factors”) and/or to the destination (“pull factors”).

2. Migration reasons are relevant for the right to stay that the host country may grant to the migrating person, according to the country’s laws and regulations. They thus also bear a “strategic” dimension. This means that reasons alleged towards the border control and migration authorities of the country of destination may not be fully congruent with the subjective reasons motivating a person to move from one country to another.

3. Data on migration reasons is highly relevant since it helps to distinguish different types of migration flows, to analyse the situation in countries of origin and destination and the needs of persons settling in a new country. Reasons for migration are an indicator of the difficulties and threats the habitants of different parts of the world are struggling with. They can also help to disentangle chain migration and interdependence between successive migration flows. Even though reasons are generally multiple and complex, state authorities as well as researchers tends to capture and process them in clear-cut categories. On a high level of aggregation, one generally distinguishes four main reasons, namely work, education (the latter two sometimes being considered in one category), family and asylum.

B. Data sources on immigration reasons

4. In Switzerland, there are two main data sources on migration reasons: register data from the immigration authorities and data from surveys. Both sources thus look from the perspective of the host country. For this country, the persons arriving are thus immigrants. As far as register data is concerned, an indication of reasons is only relevant in the context of immigration, due to legal requirements (leave alone irregular immigration). In the case of surveys, persons are sampled in the place where they actually live. Yet, some surveys may ask questions on the intention to migrate in the future and the reason for this possible upcoming decision.

5. The Swiss federal statistical office (FSO) disseminates few information on migration reasons. The most important typologies used in official migration statistics of Switzerland refer to other variables than migration reasons (i.e., regional variables like nationality, country of birth, or migration status).

6. Nevertheless, the FSO holds information on the reasons having motivated migration moves towards Switzerland from two sources:

• Administrative register called “Central Migration Information System” (hereafter Zemis) and ran by the migration authorities (State secretariat for migration, SEM).

Working paper 7/Rev

3

• Swiss Labour Force Survey (SLFS), a sample of 120,000 persons from the resident population. The survey includes one question on the main reason of the last immigration which is addressed to persons born abroad (filter).

7. Currently, the FSO only disseminates information on immigration reasons based on the second source (SLFS)1. The SEM disseminates information on immigration reasons drawn from their register (Zemis)2.

II. Aim and research question

8. Two main interests prompted the FSO to carry out an exploratory analysis on immigration reasons. These will be explained in the following subchapters.

C. Making best use of administrative and survey data

9. One major principle of the FSO is to collect data “once only”. Giving priority to register data whenever possible, the once-only principle aims to reduce the survey-burden on the population and to avoid that the same information is collected several times.

10. In the case of immigration reasons, the FSO only produces and disseminates data based on the Swiss Labour Force Survey (SLFS). The SEM disseminates information on immigration reasons based on their administrative register (Zemis) referring to the type of residence permit they deliver to immigrants. Indeed the SEM delivers data from this register to the FSO. The FSO uses this register data to produce many of its migration statistics, but not those on immigration reasons. According to a long-standing arrangement between both offices, the exploitation of the variable indicating the residence permit falls under the competence of the SEM.

11. A further reason encouraged the FSO to take a closer look at immigration reasons. Since 2015, the Migration Mobility Survey (MMS) – a survey that has been carried out every two years since 2016 by an academic research network (NCCR – on the move) – produced relevant information on immigration reasons in the Swiss context. The financing of this research cluster and thus the Migration Mobility Survey will soon end, meaning that an important source of information on immigration reasons may disappear.

12. The MMS uses a long and detailed code list, and allows to indicate more than one reason. If more than one reason is chosen, respondents are invited to classify the reasons according to importance. The results are thus not comparable with those disseminated by the SEM (based on register Zemis) and by the FSO (based on SLFS).

13. Comparing results from Zemis and SLFS, one notices significant discrepancies (see Figure 1).

1 See: https://www.bfs.admin.ch/bfs/en/home/statistics/population/migration-integration/international-

migration/reasons-migration.html 2 See chapter 3 of “Jahresstatistik Zuwanderung”:

https://www.sem.admin.ch/sem/de/home/publiservice/statistik/auslaenderstatistik/monitor.html

Working paper 7/Rev

4

Figure 1 Immigration reasons according to register (Zemis) and survey (SLFS), 2021, in %

Note: Figures disseminated by the SEM (Zemis) and the SFSO (SLFS) for 2021

14. The differing frequencies especially among family and work related reasons are not intelligible at first glance. Assumingly due to the data source both results stem from, the discrepancies rise questions on how to interpret the figures and if the two statistics – both referring to “immigration reasons” – indeed measure the same concept.

15. Referring to the first aim, this analysis addresses the following question: Which data sources on immigration reasons are adequate for what purpose?

D. Improving the interpretation of the available data on migration reasons

16. A quality requirement of official statistics consists in employing accurate concepts, labels and meta-data information to make sure that external data users correctly interpret the disseminated results. Considering the mentioned discrepancies between two statistics delivering information on the same concept but on the ground of data from two different sources, it is important to understand where the discrepancies come from, to be able to explain them and to adapt meta-information if necessary. In the case at hand, one may ask if “immigration reason” is the most adequate concept for results drawn from administrative data and if this data possibly rather reflects reason for deliverance of a permit of stay.

17. Referring to the second aim, the analysis addresses the following questions: How do immigration reasons differ along the used data source? Which independent variables may explain the observed discrepancies?

III. Methods

18. To answer the research questions relating to the two aims mentioned above, we linked data from the register and the survey source via the personal identification number (social

0 5 10 15 20 25 30 35 40 45 50

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

W or

k Fa

m ily

Ed uc

at io

n As

yl um

Working paper 7/Rev

5

security number OASI3) available in both datasets. As mentioned before, the FSO uses Zemis data delivered by the SEM to produce its statistics on migration flows within the Population and Households Statistic (henceforth called “STATPOPmove”). Thus, the register data to be linked with the survey data was available “in house”.

19. The two linked datasets are:

• Participants of the SLFS 2014, 2017 and 2021 born abroad and having answered the question on the main reason of their last immigration to Switzerland (“What was the main reason you came to live in Switzerland?”); the survey sample is drawn from the permanent resident population of Switzerland aged 15+ years.

• Foreigners for whom an immigration to Switzerland has been registered in Zemis and that thus appear in STATPOPmove between 2011 and 2021 (this statistic is available since 2011).

20. We matched both datasets via the personal identification number (OASI). Among the net 41,079 participants of SLFS (cumulated over the three years where the survey was run), we find 9,220 (22%) of them in STATPOPmove. The unmatched individuals (31,859) have probably migrated to Switzerland before 2010. The share of survey participants that matched in STATPOPmove rises throughout the three years the survey was carried out (2014: 12%, 2017: 18%, 2021: 28%). Indeed, the probability that the immigration of a participant of the SLFS took place in the observation period of STATPOPmove (2011-2020) rises over the years.

Figure 2 Total observations of SLSF in matched dataset

Note: In 2021, the question on immigration reasons was transferred from a module with a smaller sample to the main survey with a larger sample.

21. Persons comprised in the matched dataset all have an information on their immigration reasons according to both the register and the survey source. Due to the data sources and the used method, they furtherly all respond to the following criteria:

3 Old age and survivor’s insurance

93 56

77 53

23 97

0

11 45

13 98

66 24

0

5000

10000

15000

20000

25000

30000

2 0 1 4 2 0 1 7 2 0 2 1

Total sample SLSF Matched in STATPOPmove

Working paper 7/Rev

6

• Foreigners in the year of their immigration (the variable immigration reason in STATPOPmove being based on residence permit, only foreigners are concerned) but may have been naturalized between the year of their immigration and the year they took part in the survey;

• Born outside Switzerland (filter of the relevant question in SLFS);

• Part of the permanent resident population of Switzerland (sampling frame of SLFS);

• Aged 15+ years in the calendar year of their SLFS participation (SLFS sample only includes persons aged 15+ years);

• Last immigration to Switzerland ulterior to 2010 (availability of STATPOPmove);

• OASI available in both sources;

• Value (no missing) for the variable of interest in both sources.

22. The code lists of our variable of interest, namely immigration reason, is not identical in both data sources, the register source having a finer granularity. Based on information from the SEM (administration holding the register) concerning the forms of legal admission the different codes they refer to, we aggregated codes from the register and matched the two code lists in the following way:

Working paper 7/Rev

7

Table 1 Common code list for the variable of interest

Matched dataset SLFS STATPOPmove

Work Work Starting a gainful activity inside the contingent Internship Conversion OLCP or seasonal worker Starting a gainful activity outside the contingent

Education Training / (further) education

Pupil, student Doctorant, post doctorant, invited academic fellow, sabbatical, scholarship of the confederation

Family Family reasons Fostered or adopted child Partner Child Other parent Partner (foreigner) Child (foreigner) Other parther (foreigner)

Asylum4 Asylum / political refugee

Recognized refugee Persons formerly provisonnaly allowed to stay

Other Retirement Pensioner Other reason Other foreigner without gainful activity Other case of hardship

Other immigration Swiss Not applicable Without indication Retour

IV. Results

E. Sample characteristics and sociodemographic profile

23. In total, 9,220 SLSF participants had a match in STATPOPmove, which is 22% of the total number of SLFS participants. This number of cases obtained via data linkage allows for carrying out robust analysis. The 31,859 participants of the SLFS that did not match in STATPOPmove are probably persons that immigrated before the beginning of the observations period covered by STATPOPmove (2011). For reasons of data availability, we could not include any persons whose immigrations goes back to the years before 2011.

24. Comparing the sociodemographic profile of the matched dataset with that of the SLSF participants that did not match, we notice that the proportion of matched cases decreases

4 Recognized refugees or persons that are going through the asylum procedure and that have been in Switzerland for

at least 12 months.

Working paper 7/Rev

8

with age. This means that younger age groups are strongly overrepresented in the matched dataset, compared with the total sample of SLSF participants. Persons aged 15 to 35 have matching rates over 40%, whereas this rate is below 10% from 60 years on.

25. The overrepresentation of young age groups may be explained by two factors:

• Firstly, the mean age of immigrants (as covered by the flow statistic STATPOPmove) is lower than that of the permanent resident population (stock). The total SLSF sample is representative for the permanent resident population.

• Secondly, young person’s immigration is more likely to have taken place during the observation period covered by STATPOPmove (the past decade) – and thus a higher proportion of matches. We assume that further overrepresentations we observe in the matched dataset (especially matching rates of 36% for singles, 41% for trainees / students) relate to the before mentioned higher shares of young persons in the sample.

26. The matched dataset has a total size of 9,220 persons and is gender-balanced (4,412 men, 4,808 woman). Persons aged between 30 and 40 years (in the year of their participation in the SLSF) are most numerous. Married persons and singles form with respectively 46% and 48% the most frequent civil statuses; only about 5% of the persons are divorced.

27. 73% of the persons in the matched dataset are citizens of EU/EFTA countries and 10% of other European countries. Yet, all other continents are represented in the sample. We observe a similar distribution concerning country of birth.

28. Regarding activity status, employed workers (64%) form the majority, followed by unemployed (7%) and self-employed (7%) persons and houseman and -woman (7%). Persons with a tertiary education level form the biggest group (50%) but nearly 20% have elementary school as the highest achieved education level.

29. The matching procedure produced certain distortion effects and, in particular, a specific age- structure of the matched dataset. We thus underline that the results of this descriptive analysis are not representative for any larger population (neither for the population of Switzerland born abroad or all SLSF participants nor for all persons appearing in STATPOPmove 2011-2021). The analysis does not allow for any extrapolations to a larger population and simply aims to give indications based on the observed cases from the matched dataset.

F. Prevalence of reasons in the matched dataset

30. Among all 9,220 persons of the matched dataset, 6,308 have an identical immigration reason in both sources. The overall correspondence rate is thus 68%. In all other cases (2,912), reasons differ (divergence rate of 32%).

31. Immigration reasons in the matched dataset still show discrepancies according to source (see Figure 3), even though they appear to be smaller than those visible when considering the sources separately (see Figure 1). The share of persons indicating work is higher in STATPOPmove than in SLFS, whereas the contrary is the case for the share of persons indicating family (higher in SLFS than in STATPOPmove).

Working paper 7/Rev

9

Figure 3 Immigration reasons in matched dataset according to source, in % of the total matched dataset

Note: 2011-2021 for STATPOPmove, 2014, 2017 and 2021 (cumulated) for SLFS.

G. Correspondence according to specific reason

32. In absolute terms, the most frequent case is the indication of work as immigration reason in both sources, followed by the coincident cases of the reason family. Looking at shares of cases with identical reasons in both sources, the number of correspondent cases can either be related to the total number of cases with this reason in SLFS or in STATPOPmove. These percentages – in lines and in columns – are of course influenced by the size of the denominator that varies for each reason according to source (see Figure 3).

Table 2a Correspondence and divergence of reasons according to source, absolute numbers

0.00 10.00 20.00 30.00 40.00 50.00 60.00

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

W or

k Fa

m ily

Ed uc

at io

n As

yl um

O th

er

Working paper 7/Rev

10

Table 2b Common code list for the variable of interest

Table 2c Common code list for the variable of interest

33. On a general level, it appears that the share of cases with identical reasons in both sources

tends to be higher regarding work and family than regarding education and asylum. Unsurprisingly, the correspondence rate for the category other reason is particularly low. Due to a small number of observations, we renounce to further analyzing the reasons education and asylum.

Figure 4 Relative correspondence of reasons according source, in % of the total number of cases mentioning the reason (in STATPOPmove, in SLFS or in both sources)

26

17

18

26

38

61

55

48

49

10

13

27

34

26

51

0 10 20 30 40 50 60 70 80 90 100

Work

Family

Education

Asylum

Other

STATPOPmove Both sources SLFS

Working paper 7/Rev

11

34. Focusing on family and work, we see that the most frequent divergence is survey indicating family and register indicating work (23% when related to the total number of cases indicating family in survey and 17% when related to the total number of cases indicating work in register). Register indicating family and survey indicating work is less frequent (15% when related to total of register and 12% when related to total of survey).

35. We can conclude that in about one fifth of the observed cases, register indicates work whereas survey indicates family. In these cases, both reasons seem to play a role in the decision of immigrating to Switzerland. Considering the applicable legal dispositions, a possible explanation is that these persons obtain a residence permit by virtue of a professional activity they undertake in Switzerland (register consequently indicating work)5. Nevertheless, their move to Switzerland may be, at a subjective level, mainly motivated by the project of joining family members (indication of family when asked about the main reason of their last immigration to Switzerland in the SLFS).

H. Correspondence according to sociodemographic profile

36. Correspondence rates further vary along standard sociodemographic variables available in our sample.

Figure 5 Correspondence rates according to sociodemographic profile, in %

Note: Share of cases with identical immigration reason in both sources.

37. Several of the observed differences can be interpreted in the context of the immigration reasons typically applying for the described groups and the prominence and singularity of a particular reason motivating migration to Switzerland. For instance, it seems obvious that

5 Federal Act of 16 December 2005 on Foreign Nationals (FNA), Ch. 5, Section 1.

0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00

Total

Men

Woman

15-24

25-44

45-64

65-84

Married

Single

Divorced

Asia+Oceania

Africa

Other Europe

North America

South+central America

EU-EFTA

Se xe

Ag e

M ar

ita l

st at

us N

at io

na lit

y

Working paper 7/Rev

12

immigrations of persons aged 15 to 24 are most often motivated by family reasons, and legally framed by the right to family reunification6. The analogue argument applies for married persons7.

38. The lower correspondence rate of woman is more difficult to explain with this argument. As the analysis of the cases with coincident reasons shows, family reasons are more frequent among women than among men (among all women with coincident reasons, 55% indicate family, among all man this share is 23%). The lower correspondence rate of women may thus be partly explained by immigrations of unmarried woman joining a partner but also taking on a job. Not being entitled to family reunification, these persons would apply for a residence permit by virtue of a professional activity in Switzerland even though their personal main motive might rather refer to a partner or family member.

39. Beyond age and family situation, correspondence rates vary along nationality groups. Persons holding a passport of an EU or EFTA state, and thus enjoying free movement inside the Schengen area, have the lowest correspondence rate. This could point to the fact that, if legal obstacles are low or inexistent, persons might more confidently indicate, in a national survey, a subjective reason not corresponding to the legal reason their permit of stay is based on. On the other hand, citizens of African countries, Asian countries and European countries not part of EU/EFTA show high correspondence rates. Among these, the share of persons displaying asylum reasons in both sources is notably high. The particularly frequent correspondence of immigration reasons from register and survey source in the case of third country nationals (except those from countries of South and Central America and the Caribbean) is probably related to the fact that they often immigrate via the asylum system.

40. The data does not show any clear link between the correspondence rate and the length of period between the moment of immigration and the moment of the participation in the survey. Contrarily to what one could have expected, correspondence rates do not significantly decrease with increasing time lags; only a slight effect appears for the longest possible timespans of 10 to 11 years. Yet, an effect would possibly be visible if a longer timespan could have been observed (the present analysis being limited to 10 years).

V. Limits

41. Compared to the total SLFS sample (which is representative for the permanent resident population of Switzerland of 15+), young age groups (roughly 15-40 years) are considerably overrepresented in the matched dataset. This entails overrepresentation of other groups among which young people are proportionally more numerous (singles, students) – see section Sample characteristics and sociodemographic profile.

42. The code lists each source uses to classify immigration reasons did not correspond to each other (see Table 1). In order to aggregate both code lists into four main immigration reasons, we had to make a series of assumptions. Yet, only few categories were difficult to attribute to one of the four main reasons.

6 Federal Act of 16 December 2005 on Foreign Nationals (FNA), Ch. 7. 7 Also see the results of the Migration Mobility Survey: https://nccr-onthemove.ch/indicators/for-what-reasons-do-

people-migrate-to-switzerland/

Working paper 7/Rev

13

VI. Conclusions

43. Building on the results of this analysis, the research questions can be answered as follows:

44. Which data sources on immigration reasons are adequate for what purpose? For the case of Switzerland, immigration reasons measured via data from the migration register respectively via survey data corresponds – on the level of the same individual – in two thirds of the cases. Thus, in over 30% of the cases the register does not reflect the subjective main reason having motivated the immigration to Switzerland according to the person’s own perception. Rather than subjective immigration reasons, the register data seems to measure another concept, which probably is legal grounds for the deliverance of a residence permit. In conclusion, both sources provide relevant information on immigration reasons, yet from different perspectives.

45. How do migration reasons differ along the used data source? Which independent variables may explain the observed discrepancies? In one third of the individual cases, reasons indicated in both sources differ from each other. This significant share of divergent cases on the one hand reflects the fact (well documented in scientific literature) that immigration reasons tend to be multiple and not unique. On the other hand, it shows how the interpretation of one’s own immigration to Switzerland may vary accordingly to the context in which the question is asked. Indeed, legal and strategic elements probably intervene when facing the migration authorities, whereas the personal, biographical perspective may prevail when responding to a survey. In legally clear-cut situations with single reasons, the coherence between the two data sources tends to be higher.

46. The results also suggest that family appears to be a “derived” reason, since family migration indeed is a sort of chain migration preceded by a migration of a family member that probably moved for another reason. This could explain why coherence is higher among persons eligible for family reunification (minors and married persons) and lower among unmarried adults. Even though maybe following a consensual partner, the latter need a work contract for obtaining a residence permit in Switzerland.

47. The analysis shows that reasons indicated in the register differ from those indicated in a survey in a significant number of cases. This result does not only underline that immigration reasons can be multiple (several reasons being equally important). It also witnesses the fact that, regarding immigration reasons, register and survey seem to measure two different concepts. As a conclusion, the analysis at hand invites Swiss official statistics to engage a reflection on the labelling of information on immigration reasons in order to ensure correct interpretation of the correspondent results.

*Подготовила Йоханна Пробст ПРИМЕЧАНИЕ: Обозначения в настоящем документе не подразумевают выражения какого-либо мнения Секретариата Организации Объединенных Наций в отношении юридического положения любой страны, территории, города или края или их властей или в отношении делимитации ее границ.

Европейская экономическая комиссия Конференция европейских статистиков Группа экспертов по статистике миграции Женева, Швейцария, 26-28 октября 2022 года Пункт A предварительной повестки дня Положительные изменения в использовании административных данных для статистики миграции

Изучение причин иммиграции путем объединения административных данных и данных обследований

Записка Швейцарского федерального статистического управления

Аннотация Для получения подробной картины миграции официальная статистика ставит своей целью предоставление информации о причинах миграционного передвижения. Этот тип данных позволяет классифицировать иммиграцию в зависимости от ее причин. Однако сбор данных о причинах иммиграции - это сложная задача, поскольку обычно причин несколько и они являются субъективными. Для количественного измерения миграции с разбивкой по ее причинам можно использовать два источника информации: Швейцарское обследование рабочей силы (ШОРС), проводившееся Швейцарским федеральным статистическим управлением (ШФСУ), и административный регистр «Центральная информационная система по миграции», который ведет Государственный секретариат по вопросам миграции (ГСМ) и который ШФСУ использует для формирования статистики о миграции. В отношении четырех основных причин миграции (работа, образование, семья и убежище) эти два источника показывают разные сводные показатели. Чтобы лучше разобраться с этими различиями, мы сравниваем данные ШОРС (обследование) с данными регистра. Это позволяет анализировать причины иммиграции по версии обоих источников. Мы находим, что причины, указанные в регистре и в обследовании, совпадают в 68% случаев. Процент варьирует для конкретных причин, а также в зависимости от социально-демографических характеристик. Таким образом, результаты дают основания полагать, что данные в регистре отражают основания для законного

Рабочий документ 7

Distr.: General 25 октября 2022 г. 8:48:49 Русский

Рабочий документ 7

2

въезда, которые не всегда совпадают с субъективными причинами, побуждающими людей иммигрировать в Швейцарию. Тот факт, что причины отличаются в одной трети наблюдавшихся случаев на самом деле подчеркивает, что причин иммиграции чаще всего несколько, а не одна.

I. Введение

A. Причины миграции

1. Обычно причин миграции несколько и они сложные. Они показывают, как мигрант воспринимает и оценивает ситуацию, в которой оказался. Они отображают планы и личные приоритеты мигранта. Причины миграции могут быть связаны со страной или местом выбытия (обычно эти причины называются «факторами принуждения») и (или) местом назначения («факторы притяжения»).

2. Причины миграции имеют значение с точки зрения права на пребывание в стране, которое принимающая страна может предоставить мигранту в соответствии с законами и нормативными документами. Таким образом, они также имеют и «стратегическое» измерение. Это означает, что причины, заявленные пограничным и миграционным органам страны назначения, могут не полностью совпадать с субъективными причинами, побуждающими человека переехать из одной страны в другую.

3. Данные о причинах миграции весьма актуальны, поскольку они помогают различать разные типы миграционных потоков, анализировать ситуацию в странах происхождения и назначения и потребности лиц, переселяющихся в новую страну. Причины миграции – показатель трудностей и угроз, с которыми сталкиваются жители разных уголков мира. Они также могут помочь разорвать цепную миграцию и взаимозависимость между последовательными миграционными потоками. Несмотря на то, что причины, как правило, многочисленны и сложны, государственные органы, а также исследователи склонны фиксировать и обрабатывать их в четких категориях. На высоком уровне агрегирования обычно выделяют четыре основные причины, а именно: работа, образование (эти две причины иногда рассматриваются в одной категории), семья и убежище.

B. Источники данных о причинах иммиграции

4. В Швейцарии существует два основных источника данных о причинах миграции: данные регистров иммиграционных властей и данные обследований. Таким образом, оба источника обеспечивают взгляд со стороны принимающей страны. Таким образом, для этой страны прибывающие являются иммигрантами. Что касается регистровых данных, то указание причин актуально только в контексте иммиграции в соответствии с требованиями законодательства (не говоря уже о нелегальной иммиграции). В случае обследований выборка производится по месту фактического проживания. Тем не менее, в рамках некоторых обследований могут быть заданы вопросы о намерении мигрировать в будущем и о причинах такого возможного предстоящего решения.

Рабочий документ 7

3

5. Швейцарское федеральное статистическое управление (ШФСУ) распространяет мало информации о причинах миграции. Наиболее важные типологии, используемые в официальной миграционной статистике Швейцарии, относятся к другим переменным, а не к причинам миграции (то есть к региональным переменным, таким как национальность, страна рождения или миграционный статус).

6. Тем не менее, ШФСУ располагает информацией о причинах мотивированного миграционного движения в сторону Швейцарии из двух источников:

• Административный регистр под названием «Центральная информационная система по вопросам миграции» (далее «Zemis»), который ведется миграционными органами (Государственный секретариат по миграции, ГСМ).

• Швейцарское обследование рабочей силы (ШОРС), выборка из 120 000 человек постоянного населения. Опрос включает один вопрос об основной причине последней иммиграции, который адресован лицам, родившимся за границей (фильтр).

7. В настоящее время ШФСУ распространяет информацию о причинах иммиграции только на основе второго источника (ШОРС)1. ГСМ распространяет информацию о причинах иммиграции, исходя из данных собственного регистра (Zemis)2.

II. Цель и вопрос исследования

8. Два основных вопроса побудили ШФСУ провести предварительный анализ причин иммиграции. Они будут разъяснены в следующих подразделах.

C. Наилучшее использование административных данных и данных обследований

9. Одним из основных принципов ШФСУ является сбор данных «только один раз». Отдавая приоритет регистрации данных, когда это возможно, принцип однократности направлен на снижение нагрузки на население и предотвращение многократного сбора одной и той же информации.

10. Что касается причин иммиграции, ШФСУ формирует и распространяет данные только на основе Швейцарского обследования рабочей силы (ШОРС). ГСМ распространяет информацию о причинах иммиграции на основе своего административного регистра (Zemis), ссылаясь на тип вида на жительство, который они выдают иммигрантам. На самом деле, ГСМ передает данные из этого регистра ШФСУ. ШФСУ использует данные этого регистра для получения многих статистических данных о миграции, но не о причинах иммиграции. Согласно давнему соглашению между обоими ведомствами, использование переменной, указывающей вид на жительство, входит в компетенцию ГСМ.

11. Еще одна причина побудила ШФСУ более внимательно изучить причины иммиграции. Начиная с 2015 года Обследование миграционной мобильности (ОММ)

1 См.: https://www.bfs.admin.ch/bfs/en/home/statistics/population/migration-integration/international-

migration/reasons-migration.html 2 См. главу 3 “Jahresstatistik Zuwanderung”:

https://www.sem.admin.ch/sem/de/home/publiservice/statistik/auslaenderstatistik/monitor.html

Рабочий документ 7

4

— исследование, которое проводится каждые 3 года, начиная с 2015 года, академической исследовательской сетью (NCCR — on the move), — дает актуальную информацию о причинах иммиграции в контексте Швейцарии. Финансирование этого исследовательского кластера и, следовательно, Обследования миграционной мобильности скоро прекратится, а это означает, что важный источник информации о причинах иммиграции может исчезнуть.

12. ОММ использует длинный и подробный список кодов и допускает несколько ответов (две основные причины). Таким образом, его результаты не сопоставимы с результатами, распространяемыми ГСМ (на основе регистра Zemis) и ШФСУ (на основе ШОРС).

13. Сравнивая результаты Zemis и ШОРС, можно заметить значительные расхождения (см. рис. 1).

Рисунок 1 Причины иммиграции согласно регистру (Zemis) и обследованию (ШОРС), 2021, в %

Примечание: Данные, распространенные ГСМ (Zemis) и ШФСУ (ШОРС) за 2021 год

14. Различия в частотности, особенно среди причин, связанных с семьей и работой, на первый взгляд непонятны. Предположительно дело в источнике данных, из которого получены оба результата. Расхождения вызывают вопросы о том, как интерпретировать цифры и действительно ли эти два варианта статистики — оба о «причинах иммиграции» — измеряют одно и то же понятие.

15. Что касается первой задачи, этот анализ решает следующий вопрос: Какие источники данных о причинах иммиграции подходят для какой цели?

D. Улучшение интерпретации имеющихся данных о причинах миграции

16. Требование к качеству официальной статистики заключается в использовании точных понятий, меток и информации метаданных, чтобы гарантировать, что внешние пользователи данных правильно интерпретируют распространяемые результаты. Учитывая упомянутые расхождения между двумя наборами статистических данных об одном и том же понятии, но на основании данных из двух разных источников,

0 5 10 15 20 25 30 35 40 45 50

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

W or

k Fa

m ily

Ed uc

at io

n As

yl um

Рабочий документ 7

5

важно понимать, откуда берутся расхождения, уметь их объяснить и при необходимости адаптировать метаинформацию. В данном случае можно задаться вопросом, является ли «причина иммиграции» наиболее подходящим понятием для результатов, полученных из административных данных, и, возможно, эти данные скорее отражают причину выдачи разрешения на пребывание.

17. Что касается второй задачи, анализ позволяет ответить на следующие вопросы: Как различаются причины иммиграции в зависимости от используемого источника данных? Какие независимые переменные могут объяснить наблюдаемые расхождения?

III. Методы

18. Чтобы ответить на вопросы исследования, связанные с двумя упомянутыми выше задачами, мы связали данные регистра и обследования через личный идентификационный номер (номер социального страхования НСС3), доступный в обоих наборах данных. Как упоминалось ранее, ШФСУ использует данные Zemis, предоставленные ГСМ, для получения своей статистики по миграционным потокам в рамках Статистики населения и домохозяйств (далее «СНД»). Таким образом, данные регистра, которые должны были быть увязаны с данными обследования, были доступны «внутри системы».

19. Два связанных набора данных:

• Участники ШОРС 2014, 2017 и 2021 годов, родившиеся за границей и ответившие на вопрос об основной причине их последней иммиграции в Швейцарию («Какова была основная причина, по которой вы приехали жить в Швейцарию?»); выборка обследования составлена из постоянного населения Швейцарии в возрасте 15+ лет.

• Иностранцы, иммиграция которых в Швейцарию была зарегистрирована в Zemis и которые, таким образом, фигурируют в СНД между 2011 и 2021 годами (эта статистика доступна с 2011 года).

20. Мы сопоставили оба набора данных по личному идентификационному номеру (НСС). Среди итоговых 41 079 участников ШОРС (суммарно за три года проведения обследования) мы находим 9 220 (22%) из них в СНД. Лица, для которых сопоставление не произошло (31 859), вероятно, мигрировали в Швейцарию до 2010 года. Доля участников обследования, присутствующих в СНД, возрастала в течение трех лет проведения обследования (2014: 12%, 2017: 18%, 2021: 28%). Действительно, вероятность того, что иммиграция участника ШОРС произошла в период наблюдения СНД (2011-2020 гг.), с годами возрастает.

3 Пожилой возраст и страховка оставшегося члена семьи

Рабочий документ 7

6

Рисунок 2 Всего наблюдений ШОРС в сопоставленном наборе данных

Примечание: В 2021 году вопрос о причинах иммиграции был переведен из модуля с меньшей выборкой в основное обследование с большей выборкой.

21. Для всех лиц, включенных в сопоставленный набор данных, имеется информация о причинах иммиграции в соответствии как с регистром, так и с источником обследования. Кроме того, благодаря источникам данных и используемому методу все они отвечают следующим критериям:

• Иностранцы в год их иммиграции (переменная «причина иммиграции» в СНД основана на виде на жительство, речь идет только об иностранцах), но, возможно, они были натурализованы в период между годом их иммиграции и годом, когда они приняли участие в опросе;

• Родились за пределами Швейцарии (фильтр соответствующего вопроса в ШОРС);

• Часть постоянного населения Швейцарии (основа выборки ШОРС);

• Возраст 15+ лет в календарном году их участия в ШОРС (выборка ШОРС включает только лиц в возрасте 15+ лет);

• Последняя иммиграция в Швейцарию до 2010 года (наличие СНД);

• НСС доступен в обоих источниках;

• Значение (не пропущенное) интересующей переменной в обоих источниках.

22. Списки кодов интересующей нас переменной, а именно причины иммиграции, не идентичны в обоих источниках данных, источник регистра имеет более высокую детализацию. Основываясь на информации от ГСМ (администрация, ведущая реестр) о формах юридического допуска и различных кодах, к которым они относятся, мы объединили коды из регистра и сопоставили два списка кодов следующим образом:

93 56

77 53

23 97

0

11 45

13 98

66 24

0

5000

10000

15000

20000

25000

30000

2 0 1 4 2 0 1 7 2 0 2 1

Total sample SLSF Matched in STATPOPmove

Рабочий документ 7

7

Таблица 1 Общий список кодов для интересующей нас переменной

Сопоставле нный набор данных

ШОРС СНД

Работа Работа Начало оплачиваемой деятельности внутри контингента Стажировка Постановление о введении свободного передвижения лиц или сезонный рабочий Начало оплачиваемой деятельности вне контингента

Образование Профессиональное обучение / повышение квалификации

Учащийся, студент Докторант, постдокторант, приглашенный научный сотрудник, творческий отпуск, стипендия конфедерации

Семья По семейным обстоятельствам

Приемный или усыновленный ребенок Партнер Ребенок Другой родитель Партнер (иностранец) Ребенок (иностранец) Другой партнер (иностранец)

Убежище4 Убежище / политический беженец

Признанный беженец Лица, которым ранее предварительно разрешили остаться в стране

Прочие Пенсия Пенсионер Иная причина Другой иностранец без оплачиваемой деятельности Другая сложность

Другая иммиграция Швейцарец Не применимо Без указания Возвращение

IV. Результаты

E. Выборочные характеристики и социально-демографический профиль

23. Всего в СНД было найдено совпадение для 9220 участников ШОРС, что составляет 22% от общего числа участников ШОРС. Такое количество случаев, полученных с помощью привязки данных, позволяет проводить достоверный анализ. 31 859 участников ШОРС, для которых не нашли совпадений в СНД, вероятно,

4 Признанные беженцы или лица, проходящие процедуру предоставления убежища и находящиеся в

Швейцарии не менее 12 месяцев.

Рабочий документ 7

8

иммигрировали до начала периода наблюдения СНД (2011). По причинам недоступности данных мы не смогли включить в анализ тех, кто иммигрировал до 2011 года.

24. Сравнивая социально-демографический профиль набора совпадающих данных с профилем участников ШОРС, для которых не было совпадений, мы заметили, что доля совпадающих случаев уменьшается с возрастом. Это означает, что более молодые возрастные группы чрезмерно представлены в сопоставленном наборе данных по сравнению с общей выборкой участников ШОРС. У лиц в возрасте от 15 до 35 лет коэффициент соответствия превышает 40%, тогда как после 60 лет этот показатель ниже 10%.

25. Чрезмерную представленность молодых возрастных групп можно объяснить двумя факторами:

• Во-первых, средний возраст иммигрантов (согласно статистике потоков СНД) ниже, чем у постоянного населения. Общая выборка ШОРС является репрезентативной для постоянного населения.

• Во-вторых, иммиграция молодых людей, скорее всего, имела место в течение периода наблюдения, охватываемого СНД (последнее десятилетие), и, следовательно, имеется более высокая доля совпадений. Мы предполагаем, что дальнейшая чрезмерная представленность, которую мы наблюдаем в сопоставленном наборе данных (особенно уровень совпадения 36% для одиноких, 41% для стажеров / студентов), связана с ранее упомянутой более высокой долей молодых людей в выборке.

26. Сопоставленный набор данных включает в целом 9220 человек и сбалансирован по полу (4412 мужчин, 4808 женщин). Лица в возрасте от 30 до 40 лет (в год их участия в ШОРС) наиболее многочисленны. Женатые и холостые составляют соответственно 46% и 48% наиболее частых вариантов семейного положения; только около 5% людей разведены.

27. 73% лиц в сопоставленном наборе данных являются гражданами стран ЕС/ЕАСТ и 10% - других европейских стран. Тем не менее, все остальные континенты тоже представлены в выборке. Аналогичное распределение мы наблюдаем и по стране рождения.

28. Что касается рода занятий, то наемные работники (64%) составляют большинство, за ними следуют безработные (7%) и самозанятые (7%), а также домохозяйки и домработницы (7%). Лица с высшим образованием составляют самую большую группу (50%), но почти у 20% начальная школа - это самый высокий уровень образования.

29. Процедура сопоставления привела к определенным эффектам искажения и, в частности, к специфической возрастной структуре сопоставленного набора данных. Таким образом, мы подчеркиваем, что результаты этого описательного анализа не являются репрезентативными для какой-либо более крупной группы населения (ни для населения Швейцарии, родившегося за границей, ни для всех участников ШОРС, ни для всех лиц, фигурирующих в СНД в период с 2011 по 2021 год). Анализ не позволяет проводить экстраполяции на большую группу, он просто дает признаки, основанные на наблюдаемых случаях из сопоставленного набора данных.

Рабочий документ 7

9

F. Преобладание причин в сопоставленном наборе данных

30. Среди всех 9220 человек из сопоставленного набора данных для 6308 человек в обоих источниках указана одинаковая причина иммиграции. Таким образом, общий уровень соответствия составляет 68%. Во всех остальных случаях (2912) причины различаются (коэффициент расхождения 32%).

31. Причины иммиграции в наборе совпадающих данных по-прежнему демонстрируют расхождения в зависимости от источника (см. рис. 3), хотя они кажутся меньшими, чем видимые при рассмотрении источников по отдельности (см. рис. 1). Доля лиц, указывающих на работу в качестве причины, в СНД выше, чем в ШОРС, тогда как доля лиц, указывающих на семью, наоборот (в ШОРС выше, чем в СНД).

Рисунок 3 Причины иммиграции в наборе совпадающих данных по источнику, в % от общего набора совпадающих данных

G. Совпадение по определенной причине

32. В абсолютном выражении наиболее частым случаем является указание работы в качестве причины иммиграции в обоих источниках, за ним следуют совпадающие случаи семейных причин. Исходя из долей случаев с одинаковыми причинами в обоих источниках, количество совпадающих случаев можно соотнести с общим числом случаев с этой причиной либо в ШОРС, либо в СНД. На эти проценты — в строках и

0.00 10.00 20.00 30.00 40.00 50.00 60.00

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

STATPOP

SLFS

W or

k Fa

m ily

Ed uc

at io

n As

yl um

O th

er

Рабочий документ 7

10

столбцах — конечно же, влияет размер знаменателя, который варьируется по каждой причине в зависимости от источника (см. Рис. 3).

Таблица 2a Совпадение и расхождение причин в зависимости от источника, в абсолютных числах

Таблица 2b Общий список кодов для интересующей нас переменной

Таблица 2c Общий список кодов для интересующей нас переменной

33. В целом представляется, что доля случаев с одинаковыми причинами в обоих

источниках, как правило, выше в для таких причин как работа и семья, чем причин, связанных с образованием и соисканием убежища. Неудивительно, что уровень совпадения для категории «другая причина» особенно низок. Из-за малого количества наблюдений мы отказываемся от дальнейшего анализа для таких причин как образование и соискание убежища.

Рабочий документ 7

11

Рисунок 4 Относительное совпадение причин по источникам, в % от общего числа случаев с указанием причины (в СНД, в ШОРС или в обоих источниках)

34. Сосредоточив внимание на причинах, связанных с семьей и работой, мы видим, что

наиболее частое расхождение - это указание семьи как причины в данных обследования и указание работы в качестве причины в регистре (23% по отношению к общему количеству случаев с указанием семьи в обследовании и 17% по отношению к общему количеству случаев с указанием работы в регистре). Реже встречается такое сочетание как «семья» в регистре и «работа» в данных обследования (15% из всех случаев в регистре и 12% от всех случаев в обследовании).

35. Можно сделать вывод, что примерно в пятой части наблюдаемых случаев регистр указывает на работу, тогда как обследование указывает на семью. В этих случаях обе причины, по-видимому, играют роль в решении об иммиграции в Швейцарию. Принимая во внимание применимые правовые положения, возможное объяснение состоит в том, что эти лица получают вид на жительство в силу профессиональной деятельности, которую они осуществляют в Швейцарии (регистрация, следовательно, указывает на работу)5. Тем не менее, их переезд в Швейцарию может быть на субъективном уровне в основном мотивирован планами воссоединения с членами семьи (указание семьи на вопрос об основной причине их последней иммиграции в Швейцарию в ШОРС).

H. Соответствие по социально-демографическому профилю

36. Уровни соответствия также варьируются в зависимости от стандартных социально- демографических переменных, доступных в нашей выборке.

5 Федеральный закон от 16 декабря 2005 г. об иностранцах (ИФА), гл. 5, раздел 1.

26

17

18

26

38

61

55

48

49

10

13

27

34

26

51

0 10 20 30 40 50 60 70 80 90 100

Work

Family

Education

Asylum

Other

STATPOPmove Both sources SLFS

Рабочий документ 7

12

Рисунок 5 Коэффициенты соответствия по социально-демографическому профилю, в %

Примечание: Доля случаев с одинаковой причиной иммиграции в обоих источниках.

37. Некоторые из наблюдаемых различий можно интерпретировать в контексте причин иммиграции, обычно применимых к описанным группам, а также значимости и уникальности конкретной причины, мотивирующей миграцию в Швейцарию. Например, представляется очевидным, что иммиграция лиц в возрасте от 15 до 24 лет чаще всего мотивирована семейными обстоятельствами и юридически оформлена правом на воссоединение семьи6. Аналогичное суждение применимо к лицам, состоящим в браке7.

38. С помощью этого суждения труднее объяснить более низкий уровень соответствия для женщин. Как показывает анализ случаев совпадающих причин, причины, связанные с семьей, чаще встречаются среди женщин, чем среди мужчин (из всех женщин с совпадающими причинами на семью указывают 55%, среди всех мужчин эта доля составляет 23%). Таким образом, более низкий уровень соответствия среди женщин может быть частично объяснен иммиграцией незамужних женщин, которые присоединяются к партнеру, но при этом еще и устраиваются на работу. Не имея права на воссоединение семьи, эти лица будут обращаться за видом на жительство на основании профессиональной деятельности в Швейцарии, даже если их личный основной мотив может скорее относиться к партнеру или члену семьи.

39. Помимо возраста и семейного положения, уровень соответствия варьируется в зависимости от национальных групп. Лица, имеющие паспорт государства ЕС или ЕАСТ и, таким образом, пользующиеся свободой передвижения внутри Шенгенской

6 Федеральный закон от 16 декабря 2005 г. об иностранцах (ИФА), гл. 7. 7 Также см. результаты Обследование миграционной подвижности: https://nccr-onthemove.ch/indicators/for-

what-reasons-do-people-migrate-to-switzerland/

0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00

Total

Men

Woman

15-24

25-44

45-64

65-84

Married

Single

Divorced

Asia+Oceania

Africa

Other Europe

North America

South+central America

EU-EFTA

Se xe

Ag e

M ar

ita l

st at

us N

at io

na lit

y

Рабочий документ 7

13

зоны, демонстрируют самый низкий уровень соответствия. Это может указывать на тот факт, что, если юридические препятствия невелики или отсутствуют, лица могут более уверенно указывать в национальном обследовании субъективную причину, не соответствующую законной причине, на которой основано их разрешение на пребывание. С другой стороны, граждане африканских стран, азиатских стран и европейских стран, не входящих в ЕС/ЕАСТ, демонстрируют высокий уровень соответствия. Среди них заметно высока доля лиц, указавших причины предоставления убежища в обоих источниках. Особенно частое совпадение причин иммиграции из регистра и данных обследования в случае граждан третьих стран (за исключением граждан стран Южной и Центральной Америки и Карибского бассейна), вероятно, связано с тем, что они часто иммигрируют через систему предоставления убежища.

40. Данные не показывают какой-либо четкой связи между уровнем соответствия и продолжительностью периода между моментом иммиграции и моментом участия в обследовании. Вопреки ожиданиям, уровень соответствия существенно не снижается с увеличением временных лагов; проявляется лишь незначительный эффект в течение максимально возможного промежутка времени от 10 до 11 лет. Тем не менее, эффект, возможно, был бы заметен, если бы можно было наблюдать более длительный период времени (настоящий анализ ограничен 10 годами).

V. Ограничения

41. По сравнению с общей выборкой ШОРС (которая репрезентативна для постоянного населения Швейцарии в возрасте 15+), молодые возрастные группы (примерно 15-40 лет) значительно преобладают в наборе сопоставленных данных. Это влечет за собой чрезмерную представленность других групп, среди которых пропорционально больше молодых людей (холостые, студенты) – см. раздел Характеристики выборки и социально-демографический профиль.

42. Перечни кодов, используемых каждым источником для классификации причин иммиграции, не соответствовали друг другу (см. Таблицу 1). Чтобы объединить оба списка кодов в четыре основные причины иммиграции, нам пришлось выдвинуть ряд допущений. Тем не менее, лишь немногие категории было трудно отнести к одной из четырех основных причин.

VI. Выводы

43. Исходя из результатов данного анализа, на вопросы исследования можно дать следующие ответы:

44. Какие источники данных о причинах иммиграции соответствуют цели? В случае Швейцарии причины иммиграции по данным регистра миграции и по данным опроса соответствуют на уровне одного и того же лица в двух третях случаев. Таким образом, более чем в 30% случаев регистр не отражает субъективной основной причины иммиграции в Швейцарию по собственному восприятию человека. Вместо субъективных причин иммиграции данные реестра, по-видимому, отражают другое понятие, которое, вероятно, является юридическим основанием для выдачи вида на жительство. В заключение, оба источника предоставляют актуальную информацию о причинах иммиграции, но с разных точек зрения.

Рабочий документ 7

14

45. Как причины миграции различаются в зависимости от используемого источника данных? Какие независимые переменные могут объяснить наблюдаемые расхождения? В трети отдельных случаев причины, указанные в двух источниках, отличаются друг от друга. Эта значительная доля расхождений, с одной стороны, отражает тот факт (хорошо задокументированный в научной литературе), что причин иммиграции, как правило, несколько, а не одна. С другой стороны, это показывает, как интерпретация собственной иммиграции в Швейцарию может варьироваться в зависимости от контекста, в котором задается вопрос. Действительно, при общении с миграционными властями, вероятно, на первый план выходят юридические и стратегические элементы, тогда как при ответах на вопросы обследования может преобладать личная, биографическая точка зрения. В юридически четких ситуациях, когда существует лишь одна причина, соответствие между двумя источниками данных, как правило, выше.

46. Результаты также показывают, что семья, по-видимому, является «производной» причиной, поскольку семейная миграция действительно является своего рода цепной миграцией, которой предшествует миграция члена семьи, который, вероятно, переехал в страну по другой причине. Это может объяснить, почему совпадений больше среди лиц, имеющих право на воссоединение семьи (несовершеннолетних и состоящих в браке), и ниже среди не состоящих в браке взрослых. Даже при том, что при следовании за партнером, возможно, последнему необходим трудовой контракт для получения вида на жительство в Швейцарии.

47. Анализ показывает, что причины, указанные в регистре, отличаются от указанных в данных обследования в значительном количестве случаев. Этот результат не только подчеркивает, что причин иммиграции может быть несколько (несколько причин одинаково важны). Это также свидетельствует о том, что в отношении причин иммиграции регистр и обследование, по-видимому, измеряют два разных понятия. В заключение, проведенный анализ свидетельствует о том, что официальным статистическим органам Швейцарии следует задуматься о необходимости помечать информацию о причинах иммиграции, чтобы обеспечить правильную интерпретацию соответствующих результатов.

UNITED NATIONS

Economic and Social Council

Committee on Forests and the Forest Industry

22-25 November 2021

TIMBER FORECASTS

PRODUCTION AND TRADE

DATA FOR 2020-2022

Table 1 – Sawn Softwood Table 2 – Sawn Hardwood (total) Table 2a – Sawn Hardwood (temperate) Table 2b – Sawn Hardwood (tropical) Table 3 – Veneer Sheets Table 4 – Plywood Table 5 – Particle Board (excluding OSB) Table 5a – Oriented Strand Board Table 6 – Fibreboard Table 6a – Hardboard Table 6b – MDF Table 6c – Other Fibreboard

UNECE COFFI and FAO EFC Foresta2021 page 1

Table 7 – Wood Pulp Table 8 – Paper and Paperboard Table 9 – Removals of wood in the rough Table 9a – Removals of wood in the rough (softwood) Table 9b – Removals of wood in the rough (hardwood) Table 10 – Softwood logs Table 11 – Hardwood logs Table 11a – Hardwood logs (temperate) Table 11b – Hardwood logs (tropical) Table 12 – Pulpwood Table 12a – Pulpwood (softwood) Table 12b – Pulpwood (hardwood) Table 12c – Wood Residues, Chips and Particles Table 13 – Wood Pellets Table 14 – Europe: Summary of Market Forecast Table 15 – North America: Summary of Market Forecast Table 16 – Russian Federation: Summary of Market Forecast Table 17 - Europe: Trade in forest products by main product groups, 1979-81 and 1999-2001 (average) and 2016 to 2020 Table 18 - Europe: Apparent consumption of selected forest products, 1979-81 and 1999-2001 (average), 2016 to 2020, and forecasts for 2021 and 2022 Table 19 - United States: Apparent consumption and imports of selected forest products 1979-81 and 1999-2001 (average), 2016 to 2020, and forecasts for 2021 and 2022

Data as of November 26, 2021.

UNECE COFFI and FAO EFC Foresta2021 page 2

Notes Data are shown only for countries providing forecasts. Sub-regional totals thus reflect only the reporting countries of the subregion. Austrian removals data do not include trees outside the forest. Wood chip trade includes recovered post-consumer wood. German estimates of removals for 2021 and 2022 are highly sensitive to assumptions of beetle damage and drought, and significant inventory swings. Actual consumption in 2021 is higher than indicated due to use of stocks built up in 2018-2020. Actual consumption of pellets in 2020 should be approximately 300,000 mt less than the indicated figure as this amount was stored by new market participants. Italy MDF/HDF production data include only MDF. Montenegro removal figures are from Directorate of Forests, other figures are based on Statistical Office information. Slovenia trade figures are lower than actual as they do not include estimates for non-recorded trade with other EU countries. Polish trade data exclude non-reporters (estimated at 1-3% of total). Residues exclude recovered wood. Polish sawnwood data exclude shop lumber. Wood pulp production is in metric tonnes, not air-dried, and excludes recovered fibre pulp. Wood pellets production data includes briquettes and non-wood based material. United Kingdom production figures for OSB and wood pulp are secretariat estimates. Data on wood chips and residues for Turkey include those from secondary processing. For tables 1-13, data in italics are secretariat estimates or repeated data. All other data are from national sources and are of course estimates for the current and future year. Countries with nil, missing or confidential data for all years on a table are not shown. Consumption figures are the sum of production and national imports minus national exports. Softwood = coniferous, hardwood = non-coniferous.

UNECE COFFI and FAO EFC Foresta2021 page 3

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 6 165 6 650 6 700 10 339 10 800 11 300 1 777 1 950 1 600 5 951 6 100 6 200 Autriche Bosnia-Herzegovina 226 189 204 810 779 812 7 10 12 590 600 620 Bosnie-Herzegovine Cyprus 29 31 31 1 1 1 28 30 30 0 0 0 Chypre Czech Republic 2 343 1 875 1 924 5 213 5 015 5 144 483 460 480 3 352 3 600 3 700 République tchèque Estonia 2 073 2 420 2 420 1 700 1 700 1 700 1 364 1 720 1 720 991 1 000 1 000 Estonie Finland 3 252 3 280 3 280 10 880 12 000 12 200 569 480 480 8 198 9 200 9 400 Finlande France 8 187 8 492 8 400 6 798 7 000 7 000 2 437 2 484 2 400 1 048 992 1 000 France Germany 20 630 22 300 22 500 25 216 27 000 27 000 5 519 6 300 6 000 10 105 11 000 10 500 Allemagne Hungary 910 858 858 120 134 134 796 768 768 7 44 44 Hongrie Ireland 492 937 997 1 012 1 312 1 397 310 375 400 830 750 800 Irlande Italy 3 714 4 412 4 412 274 342 342 3 740 4 282 4 282 300 213 213 Italie Latvia 1 383 1 600 1 300 3 311 3 000 3 000 1 106 1 600 1 300 3 034 3 000 3 000 Lettonie Luxembourg 54 54 54 39 39 39 27 27 27 12 12 12 Luxembourg Malta 7 6 7 0 0 0 7 6 7 0 0 0 Malte Montenegro 32 32 32 129 129 129 9 9 9 106 106 106 Monténégro Netherlands 2 631 2 520 2 600 95 100 100 3 132 2 900 3 000 596 480 500 Pays-Bas North Macedonia 24 24 24 2 2 2 23 23 23 0 0 0 Macédoine du Nord Poland 4 460 4 550 4 600 4 181 4 300 4 400 1 237 1 250 1 300 958 1 000 1 100 Pologne Portugal 770 770 780 874 880 890 133 120 130 237 230 240 Portugal Serbia 401 438 453 112 130 135 291 310 320 2 2 2 Serbie Slovakia 576 650 700 1 182 1 000 1 050 352 400 400 959 750 750 Slovaquie Slovenia 704 392 439 877 717 729 657 670 690 830 995 980 Slovénie Spain 2 436 3 446 3 712 1 813 2 773 2 940 829 977 1 044 206 304 272 Espagne Sweden 5 123 6 300 6 300 18 500 18 900 18 800 599 500 400 13 976 13 100 12 900 Suède Switzerland 1 216 1 245 1 275 1 120 1 150 1 180 293 280 275 197 185 180 Suisse Turkey 6 337 6 396 6 396 6 091 6 150 6 150 380 380 380 134 134 134 Turquie United Kingdom 9 772 10 769 11 137 3 302 3 633 3 633 6 677 7 345 7 712 208 208 208 Royaume-Uni Total Europe 83 947 90 637 91 535 103 993 108 986 110 207 32 780 35 655 35 188 52 826 54 004 53 861 Total Europe Armenia 182 182 182 0 0 0 182 182 182 0 0 0 Arménie Moldova 221 221 221 2 2 2 219 219 219 0 0 0 Moldova Russia 9 127 10 145 11 250 38 918 40 086 42 090 42 42 42 29 833 29 982 30 882 Russie Total EECCA 9 530 10 549 11 653 38 920 40 088 42 092 444 444 444 29 833 29 983 30 882 Total EOCAC Canada a 13 784 20 386 22 353 39 397 42 849 44 890 631 645 704 26 243 23 108 23 241 Canada a

United States a 86 118 87 846 88 690 62 446 63 831 64 874 25 631 26 033 25 875 1 959 2 019 2 059 Etats-Unis a

Total North America 99 902 108 231 111 043 101 843 106 680 109 764 26 261 26 678 26 579 28 202 25 127 25 300 Total Amérique du Nord a converted from nominal to actual size using factor of 0.72 a convertis du dimension nominale au véritable avec une facteur du 0.72

Production Imports - Importations

TABLE 1

Apparent Consumption Consommation Apparente Pays

SAWN SOFTWOOD SCIAGES CONIFERES

1000 m3 Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry

UNECE COFFI and FAO EFC Foresta2021 page 4

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 273 285 295 237 265 275 165 170 180 129 150 160 Autriche Bosnia-Herzegovina 1 224 1 190 1 230 1 350 1 320 1 360 129 120 130 256 250 260 Bosnie-Herzegovine Cyprus 7 9 9 0 0 0 7 9 9 0 0 0 Chypre Czech Republic 388 385 387 145 145 146 288 290 292 45 50 51 République tchèque Estonia 131 180 180 100 100 100 146 180 180 115 100 100 Estonie Finland 47 42 42 36 36 36 31 31 31 20 25 25 Finlande France 1 143 1 183 1 240 1 336 1 400 1 450 276 281 290 469 499 500 France Germany 660 642 640 962 1 010 1 000 379 416 400 681 784 760 Allemagne Hungary 53 215 215 280 334 334 49 81 81 276 201 201 Hongrie Ireland 29 41 42 2 8 9 29 35 35 3 2 2 Irlande Italy 986 1 259 1 259 612 826 826 521 631 631 147 197 197 Italie Latvia 174 160 200 588 650 600 45 70 50 459 560 450 Lettonie Luxembourg 57 57 57 39 39 39 40 40 40 22 22 22 Luxembourg Malta 7 6 7 0 0 0 7 6 7 0 0 0 Malte Montenegro -23 -23 -23 2 2 2 3 3 3 29 29 29 Monténégro Netherlands 347 328 333 54 51 51 380 357 362 87 80 80 Pays-Bas North Macedonia 5 5 5 5 5 5 5 5 5 5 5 5 Macédoine du Nord Poland 515 540 550 486 510 530 250 280 300 221 250 280 Pologne Portugal 223 219 210 148 149 150 96 100 100 22 30 40 Portugal Serbia 141 155 170 358 375 390 91 95 100 308 315 320 Serbie Slovakia 389 400 425 340 350 400 165 150 150 116 100 125 Slovaquie Slovenia 121 136 136 125 141 141 98 100 100 102 105 105 Slovénie Spain 545 609 693 487 523 544 109 113 178 51 27 29 Espagne Sweden 106 118 103 100 120 110 44 38 30 37 40 37 Suède Switzerland 74 80 85 50 55 60 44 40 40 20 15 15 Suisse Turkey 2 599 2 562 2 562 2 837 2 800 2 800 71 71 71 309 309 309 Turquie United Kingdom 555 555 555 37 37 37 541 541 541 23 23 23 Royaume-Un Total Europe 10 775 11 339 11 607 10 717 11 252 11 395 4 008 4 254 4 336 3 950 4 167 4 124 Total Europe Armenia 2 2 2 0 0 0 2 2 2 1 1 1 Arménie Moldova 12 12 12 9 9 9 4 4 4 0 0 0 Moldova Russia 1 341 1 381 1 479 2 879 2 965 3 143 6 6 6 1 544 1 590 1 670 Russie Total EECCA 1 355 1 395 1 493 2 888 2 974 3 152 12 12 12 1 545 1 591 1 670 Total EOCAC Canada 1 261 1 350 1 350 997 942 855 753 880 959 489 472 464 Canada United States 13 806 14 204 14 409 16 688 16 874 17 009 630 672 692 3 511 3 342 3 293 Etats-Unis Total North America 15 067 15 554 15 759 17 685 17 816 17 864 1 383 1 552 1 651 4 000 3 814 3 757 Total Amérique du Nord

Exports - ExportationsCountry Production Imports - Importations

TABLE 2

Apparent Consumption Consommation Apparente Pays

SAWN HARDWOOD (total) Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

SCIAGES NON-CONIFERES (total)

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 5

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 269 281 291 237 265 275 161 165 175 129 149 159 Autriche Bosnia-Herzegovina 1 219 1 186 1 226 1 347 1 318 1 358 128 118 128 256 250 260 Bosnie-Herzegovine Cyprus 5 6 6 0 0 0 5 6 6 0 0 0 Chypre Czech Republic 381 379 381 145 145 146 279 281 283 43 48 48 République tchèque Estonia 129 177 177 100 100 100 141 175 175 112 98 98 Estonie Finland 45 41 41 36 36 36 26 27 27 17 22 22 Finlande France 1 007 1 042 1 101 1 325 1 387 1 437 148 150 160 466 495 496 France Germany 624 602 602 961 1 009 999 313 350 338 650 757 735 Allemagne Hungary 53 215 215 280 334 334 49 81 81 276 201 201 Hongrie Ireland 16 27 28 2 8 9 16 21 21 3 2 2 Irlande Italy 869 1 157 1 157 595 821 821 412 525 525 138 188 188 Italie Latvia 174 160 200 588 650 600 45 70 50 459 560 450 Lettonie Luxembourg 52 52 52 39 39 39 34 34 34 22 22 22 Luxembourg Malta 6 6 7 0 0 0 6 6 7 0 0 0 Malte Montenegro -23 -23 -23 2 2 2 3 3 3 29 29 29 Monténégro Netherlands 179 169 174 48 45 45 183 174 179 52 50 50 Pays-Bas North Macedonia 5 5 5 5 5 5 4 4 4 5 5 5 Macédoine du Nord Poland 500 524 534 483 507 527 233 262 282 216 245 275 Pologne Portugal 176 174 163 133 134 135 53 55 50 11 15 22 Portugal Serbia 138 152 167 357 374 389 89 93 98 308 315 320 Serbie Slovakia 389 397 422 340 350 400 165 147 147 116 100 125 Slovaquie Slovenia 119 135 135 125 141 141 95 98 98 102 105 105 Slovénie Spain 501 558 631 486 520 541 63 60 114 47 22 24 Espagne Sweden 105 117 102 100 120 110 42 37 29 37 40 37 Suède Switzerland 65 71 76 47 52 57 38 34 34 20 15 15 Suisse Turkey 2 563 2 526 2 526 2 832 2 795 2 795 39 39 39 308 308 308 Turquie United Kingdom 489 489 489 37 37 37 470 470 470 18 18 18 Royaume-Un Total Europe 10 051 10 623 10 882 10 650 11 195 11 338 3 239 3 486 3 557 3 838 4 057 4 013 Total Europe Armenia 2 2 2 0 0 0 2 2 2 1 1 1 Arménie Moldova 12 12 12 9 9 9 3 3 3 0 0 0 Moldova Russia 1 336 1 376 1 474 2 879 2 965 3 143 1 1 1 1 544 1 590 1 670 Russie Total EECCA 1 350 1 390 1 488 2 888 2 974 3 152 7 7 7 1 545 1 591 1 670 Total EOCAC Canada 1 242 1 350 1 354 997 942 855 728 870 950 482 462 451 Canada United States 13 691 14 076 14 275 16 688 16 874 17 009 469 500 516 3 465 3 298 3 250 Etats-Unis Total North America 14 933 15 427 15 629 17 685 17 816 17 864 1 196 1 370 1 466 3 948 3 760 3 701 Total Amérique du Nord

Exports - ExportationsCountry Production Imports - Importations

TABLE 2a

Apparent Consumption Consommation Apparente Pays

SAWN HARDWOOD (temperate) Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

SCIAGES NON-CONIFERES (zone tempérée)

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 6

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 4 4 4 0 0 0 5 5 5 1 1 1 Autriche Bosnia-Herzegovina 4 4 4 3 2 2 1 2 2 0 0 0 Bosnie-Herzegovine Bulgaria 0 0 0 0 0 0 0 0 0 0 0 0 Bulgarie Cyprus 2 3 3 0 0 0 2 3 3 0 0 0 Chypre Czech Republic 7 6 6 0 0 0 10 9 9 2 2 3 République tchèque Estonia 2 3 3 0 0 0 5 5 5 2 2 2 Estonie Finland 1 1 1 0 0 0 4 4 4 3 3 3 Finlande France 136 141 139 11 13 13 128 131 130 3 4 4 France Germany 36 40 38 1 1 1 66 66 62 31 27 25 Allemagne Ireland 13 14 14 0 0 0 13 14 14 0 0 0 Irlande Italy 118 102 102 17 5 5 109 106 106 9 9 9 Italie Luxembourg 6 5 5 0 0 0 6 6 6 0 0 0 Luxembourg Malta 1 0 0 0 0 0 1 0 0 0 0 0 Malte Netherlands 168 159 159 6 6 6 197 183 183 35 30 30 Pays-Bas North Macedonia 1 1 1 0 0 0 1 1 1 0 0 0 Macédoine du Nord Poland 15 16 16 3 3 3 17 18 18 5 5 5 Pologne Portugal 47 45 47 15 15 15 43 45 50 11 15 18 Portugal Serbia 3 3 3 1 1 1 2 2 2 0 0 0 Serbie Slovakia 0 3 3 0 0 0 0 3 3 0 0 0 Slovaquie Slovenia 2 1 2 0 0 0 2 2 2 0 0 1 Slovénie Spain 44 51 62 2 3 3 46 53 64 4 5 5 Espagne Sweden 1 1 1 0 0 0 1 1 1 0 0 0 Suède Switzerland 9 9 9 3 3 3 6 6 6 0 0 0 Suisse Turkey 36 36 36 5 5 5 32 32 32 1 1 1 Turquie United Kingdom 67 67 67 0 0 0 71 71 71 5 5 5 Royaume-Un Total Europe 724 715 725 68 57 57 769 768 779 113 110 111 Total Europe Russia 5 5 5 0 0 0 5 5 5 0 0 0 Russie Total EECCA 5 5 5 0 0 0 5 5 5 0 0 0 Total EOCAC Canada 19 0 -4 0 0 0 25 10 9 6 10 13 Canada United States 115 128 134 0 0 0 161 172 177 46 44 43 Etats-Unis Total North America 134 128 130 0 0 0 186 182 186 53 54 56 Total Amérique du Nord

TABLE 2b

Apparent Consumption Consommation Apparente Pays

SAWN HARDWOOD (tropical) SCIAGES NON-CONIFERES (tropicale)

1000 m3

Exports - ExportationsCountry

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 7

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 45 55 55 8 8 8 55 66 66 17 19 19 Autriche Bosnia-Herzegovina 40 42 42 38 40 42 8 12 12 6 10 12 Bosnie-Herzegovine Cyprus 1 1 1 0 0 0 1 1 1 0 0 0 Chypre Czech Republic 21 35 36 29 29 29 38 60 61 47 55 55 République tchèque Estonia 78 55 55 71 70 70 64 80 80 57 95 95 Estonie Finland 13 12 12 152 173 173 7 9 9 146 170 170 Finlande France 185 200 200 157 160 160 134 140 140 106 100 100 France Germany 150 147 141 100 100 100 104 90 82 55 43 41 Allemagne Hungary 83 85 85 35 43 43 69 69 69 21 27 27 Hongrie Ireland 4 4 4 0 0 0 5 5 5 1 1 1 Irlande Italy 254 277 277 107 107 107 174 206 206 27 36 36 Italie Latvia 120 125 125 0 0 0 148 150 150 28 25 25 Lettonie Luxembourg 0 0 0 0 0 0 0 0 0 0 0 0 Luxembourg Malta 1 1 1 0 0 0 1 1 1 0 0 0 Malte Netherlands 18 18 18 0 0 0 30 30 30 12 12 12 Pays-Bas North Macedonia 9 9 9 0 0 0 10 10 10 1 1 1 Macédoine du Nord Poland 98 101 107 39 41 45 74 75 78 15 15 16 Pologne Portugal 2 10 5 25 45 40 48 30 35 71 65 70 Portugal Serbia 21 23 24 28 30 31 13 14 15 20 21 22 Serbie Slovakia 22 25 25 21 20 20 19 20 20 17 15 15 Slovaquie Slovenia 10 3 5 19 18 18 12 14 14 22 29 27 Slovénie Spain 142 155 176 69 106 106 106 92 119 33 42 49 Espagne Sweden 21 27 23 60 65 60 12 15 13 51 53 50 Suède Switzerland 3 3 3 0 0 0 4 4 4 1 1 1 Suisse Turkey 78 78 78 75 75 75 16 16 16 13 13 13 Turquie United Kingdom 20 20 20 0 0 0 22 22 22 2 2 2 Royaume-Un Total Europe 1 438 1 511 1 527 1 032 1 130 1 127 1 175 1 231 1 259 769 850 859 Total Europe Armenia 0 0 0 0 0 0 0 0 0 0 0 0 Arménie Moldova 15 15 15 0 0 0 15 15 15 0 0 0 Moldova Russia 1 096 1 440 1 692 1 570 1 963 2 257 13 13 13 487 535 578 Russie Total EECCA 1 111 1 455 1 707 1 570 1 963 2 257 28 28 28 487 535 578 Total EOCAC Canada 178 119 111 581 565 565 145 193 203 549 639 656 Canada United States 2 668 2 778 2 851 2 284 2 370 2 445 600 629 632 215 221 226 Etats-Unis Total North America 2 846 2 896 2 962 2 866 2 934 3 010 745 822 835 764 860 883 Total Amérique du Nord Note: Definition of veneers excludes domestic use for plywood. La définition des placages exclus la conversion directe en contreplaqué.

Production Imports - Importations

TABLE 3

Apparent Consumption Consommation Apparente Pays

VENEER SHEETS FEUILLES DE PLACAGE

1000 m3 Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry

UNECE COFFI and FAO EFC Foresta2021 page 8

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 102 62 62 167 167 167 234 275 275 299 380 380 Autriche Bosnia-Herzegovina 26 25 29 28 30 32 15 12 15 16 17 18 Bosnie-Herzegovine Cyprus 17 19 19 0 0 0 17 19 19 0 0 0 Chypre Czech Republic 207 163 167 263 257 262 129 100 105 186 195 200 République tchèque Estonia 82 88 88 165 170 170 93 125 125 176 207 207 Estonie Finland 290 320 320 990 1 170 1 140 128 120 120 828 970 940 Finlande France 550 581 620 234 240 250 477 501 530 161 160 160 France Germany 1 146 840 1 000 100 100 100 1 410 1 100 1 250 363 360 350 Allemagne Hungary 265 275 275 49 58 58 375 310 310 159 93 93 Hongrie Ireland 57 55 57 0 0 0 57 55 57 0 0 0 Irlande Italy 422 528 528 265 265 265 348 464 464 191 201 201 Italie Latvia 61 45 45 318 310 310 100 95 95 357 360 360 Lettonie Luxembourg 8 8 8 0 0 0 10 10 10 2 2 2 Luxembourg Malta 10 12 14 0 0 0 10 12 14 0 0 0 Malte Montenegro 4 4 4 0 0 0 5 5 5 1 1 1 Monténégro Netherlands 546 585 585 0 0 0 635 670 670 89 85 85 Pays-Bas North Macedonia 27 27 27 0 0 0 28 28 28 1 1 1 Macédoine du Nord Poland 590 630 650 483 510 530 415 430 450 309 310 330 Pologne Portugal 195 115 122 91 0 0 118 130 140 14 15 18 Portugal Serbia 36 37 39 11 12 13 31 32 33 6 7 7 Serbie Slovakia 364 380 380 417 425 425 67 75 75 120 120 120 Slovaquie Slovenia 61 83 90 95 109 120 45 64 60 78 90 90 Slovénie Spain 449 501 483 508 580 590 147 202 200 206 281 307 Espagne Sweden 294 250 255 90 95 90 235 195 195 30 40 30 Suède Switzerland 202 209 214 7 7 7 198 205 210 3 3 3 Suisse Turkey 147 147 147 105 105 105 85 85 85 43 43 43 Turquie United Kingdom 1 280 1 280 1 280 0 0 0 1 362 1 362 1 362 83 83 83 Royaume-Un Total Europe 7 436 7 269 7 508 4 386 4 610 4 634 6 771 6 681 6 902 3 721 4 022 4 028 Total Europe Armenia 102 102 102 0 0 0 102 102 102 0 0 0 Arménie Moldova 8 8 8 3 3 3 8 8 8 3 3 3 Moldova Russia 1 215 1 443 1 509 3 999 4 599 4 829 120 126 126 2 904 3 282 3 446 Russie Total EECCA 1 325 1 554 1 619 4 003 4 602 4 832 230 236 236 2 907 3 284 3 448 Total EOCAC Canada 2 377 2 777 2 823 1 673 1 874 1 828 1 248 1 495 1 585 543 592 589 Canada United States 14 029 14 637 14 944 9 500 9 875 10 168 5 058 5 304 5 330 528 542 555 Etats-Unis Total North America 16 406 17 415 17 767 11 172 11 749 11 996 6 305 6 799 6 915 1 071 1 134 1 144 Total Amérique du Nord

TABLE 4

Apparent Consumption Consommation Apparente Pays

PLYWOOD CONTREPLAQUES

1000 m3

Exports - Exportations

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Country Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 9

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 719 798 803 2 330 2 480 2 500 308 320 325 1 919 2 002 2 022 Autriche Bosnia-Herzegovina 168 164 165 12 13 12 157 153 155 1 2 2 Bosnie-Herzegovine Cyprus 43 42 42 0 0 0 43 42 42 0 0 0 Chypre Czech Republic 281 400 436 774 1 010 1 040 315 320 323 809 930 927 République tchèque Estonia 170 185 185 180 210 210 73 74 74 83 99 99 Estonie Finland 144 135 135 88 88 88 76 77 77 20 30 30 Finlande France 1 592 2 160 2 508 2 233 2 633 3 033 579 591 640 1 219 1 065 1 165 France Germany 5 789 5 660 5 815 5 556 5 550 5 575 1 903 1 660 1 840 1 670 1 550 1 600 Allemagne Hungary 319 405 405 334 355 355 326 352 352 340 302 302 Hongrie Ireland 101 114 114 0 0 0 116 130 130 16 16 16 Irlande Italy 2 743 2 716 2 716 2 568 2 568 2 568 634 780 780 459 632 632 Italie Latvia 162 160 160 396 400 400 49 50 50 283 290 290 Lettonie Luxembourg 22 22 22 0 0 0 26 26 26 4 4 4 Luxembourg Malta 10 10 10 0 0 0 10 10 10 0 0 0 Malte Montenegro 18 18 18 0 0 0 18 18 18 0 0 0 Monténégro Netherlands 376 404 404 0 0 0 456 484 484 81 80 80 Pays-Bas North Macedonia 95 95 95 0 0 0 96 96 96 1 1 1 Macédoine du Nord Poland 6 640 6 640 6 650 5 739 5 670 5 670 1 626 1 650 1 680 724 680 700 Pologne Portugal 549 647 693 700 710 720 288 365 412 438 428 439 Portugal Serbia 349 362 364 217 220 223 193 195 197 61 53 56 Serbie Slovakia 238 235 235 598 625 625 146 110 110 506 500 500 Slovaquie Slovenia 143 163 157 0 0 0 147 168 160 4 5 4 Slovénie Spain 1 586 1 566 1 544 1 783 1 847 1 855 446 616 645 643 897 956 Espagne Sweden 874 908 895 568 580 565 386 415 410 80 87 80 Suède Switzerland 262 280 300 366 380 390 126 125 130 230 225 220 Suisse Turkey 3 234 3 234 3 234 4 075 4 075 4 075 29 29 29 870 870 870 Turquie United Kingdom 2 203 2 465 2 465 1 698 1 897 1 897 590 649 649 86 81 81 Royaume-Un Total Europe 28 830 29 988 30 569 30 215 31 311 31 801 9 162 9 505 9 844 10 548 10 828 11 075 Total Europe Armenia 122 122 122 0 0 0 122 122 122 0 0 0 Arménie Moldova 93 93 93 0 0 0 93 93 93 0 0 0 Moldova Russia 5 289 6 123 6 498 6 731 7 146 7 535 299 670 789 1 741 1 692 1 825 Russie Total EECCA 5 504 6 337 6 713 6 731 7 146 7 535 514 884 1 004 1 741 1 692 1 825 Total EOCAC Canada 2 010 1 360 1 227 2 277 1 791 1 748 492 609 621 759 1 041 1 142 Canada United States 5 237 5 408 5 515 4 136 4 465 4 553 1 462 1 334 1 359 361 391 398 Etats-Unis Total North America 7 247 6 768 6 742 6 413 6 257 6 302 1 954 1 943 1 980 1 121 1 432 1 539 Total Amérique du Nord Data are calculated by subtracting OSB from the particleboard/OSB total - les données sont calculées en soustrayant les OSB du total des panneaux de particules et OSB.

Production Imports - Importations

TABLE 5

Apparent Consumption Consommation Apparente Pays

PARTICLE BOARD (excluding OSB) PANNEAUX DE PARTICULES (ne comprennent pas l'OSB)

1000 m3 Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry

UNECE COFFI and FAO EFC Foresta2021 page 10

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 177 212 212 0 0 0 182 220 220 5 8 8 Autriche Bosnia-Herzegovina 21 27 30 9 10 12 12 17 19 0 0 1 Bosnie-Herzegovine Cyprus 20 18 18 0 0 0 20 18 18 0 0 0 Chypre Czech Republic 335 260 282 937 745 770 155 165 175 757 650 663 République tchèque Estonia 44 45 45 0 0 0 45 46 46 1 1 1 Estonie Finland 49 49 49 0 0 0 49 49 49 0 0 0 Finlande France 450 440 442 367 367 367 118 109 110 35 35 35 France Germany 1 569 1 640 1 635 1 234 1 250 1 275 846 840 860 511 450 500 Allemagne Hungary 120 124 124 359 332 332 77 60 60 316 268 268 Hongrie Ireland 47 47 47 296 296 296 0 0 0 249 249 249 Irlande Italy 302 302 302 100 100 100 231 231 231 29 29 29 Italie Latvia 116 70 70 698 650 650 71 70 70 653 650 650 Lettonie Luxembourg 76 76 76 338 338 338 7 7 7 269 269 269 Luxembourg Montenegro 3 3 3 0 0 0 3 3 3 0 0 0 Monténégro Netherlands 167 185 185 0 0 0 171 190 190 4 5 5 Pays-Bas North Macedonia 11 11 11 0 0 0 11 11 11 0 0 0 Macédoine du Nord Poland 666 710 750 833 930 980 246 200 220 413 420 450 Pologne Portugal 36 33 37 0 0 0 37 35 38 1 2 1 Portugal Serbia 62 66 69 0 0 0 66 70 73 4 4 4 Serbie Slovakia 91 90 90 0 0 0 91 90 90 1 0 0 Slovaquie Slovenia 34 39 38 0 0 0 35 42 40 1 3 2 Slovénie Spain 11 4 7 2 3 3 34 37 38 25 37 34 Espagne Sweden 140 125 125 0 0 0 146 130 130 6 5 5 Suède Switzerland 90 90 90 0 0 0 90 90 90 0 0 0 Suisse Turkey 170 170 170 75 75 75 101 101 101 6 6 6 Turquie United Kingdom 852 901 901 598 598 598 414 455 455 160 152 152 Royaume-Uni Total Europe 5 659 5 737 5 808 5 846 5 695 5 797 3 260 3 286 3 344 3 447 3 244 3 332 Total Europe Armenia 4 4 4 0 0 0 4 4 4 0 0 0 Arménie Belarus 0 0 0 0 0 0 0 0 0 0 0 0 Bélarus Moldova 34 34 34 0 0 0 34 34 34 0 0 0 Moldova Russia 1 615 1 078 1 260 1 626 1 627 1 953 351 176 140 362 725 833 Russie Total EECCA 1 653 1 116 1 298 1 626 1 627 1 953 389 213 178 362 725 834 Total EOCAC Canada 1 501 1 410 1 341 6 629 7 156 7 199 123 121 120 5 251 5 866 5 978 Canada United States 18 584 19 345 19 723 13 713 14 088 14 366 5 066 5 459 5 561 195 201 204 Etats-Unis Total North America 20 085 20 756 21 064 20 342 21 243 21 565 5 188 5 580 5 681 5 446 6 068 6 183 Total Amérique du Nord

Exports - ExportationsCountry Production Imports - Importations

TABLE 5a

Apparent Consumption Consommation Apparente Pays

ORIENTED STRAND BOARD (OSB) Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

PANNEAUX STRUCTURAUX ORIENTES (OSB)

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 11

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 436 454 467 576 650 652 339 361 373 479 557 558 Autriche Bosnia-Herzegovina 107 119 125 7 9 10 101 110 117 0 0 2 Bosnie-Herzegovine Cyprus 15 16 16 0 0 0 15 16 16 0 0 0 Chypre Czech Republic 290 194 202 44 45 46 493 406 415 247 256 259 République tchèque Estonia 56 57 57 65 65 65 69 75 75 78 83 83 Estonie Finland 164 150 150 49 49 49 156 148 148 42 47 47 Finlande France 624 794 995 912 1 061 1 161 1 013 1 055 1 058 1 301 1 322 1 224 France Germany 4 097 4 155 4 235 5 801 5 850 5 900 1 784 1 835 1 940 3 488 3 530 3 605 Allemagne Hungary 409 409 409 451 451 451 167 167 167 209 209 209 Hongrie Ireland 168 109 109 512 512 512 102 115 115 445 518 518 Irlande Italy 1 403 1 417 1 417 827 827 827 796 926 926 220 337 337 Italie Latvia 35 32 32 0 0 0 57 53 53 22 21 21 Lettonie Luxembourg 47 47 47 147 147 147 19 19 19 119 119 119 Luxembourg Malta 6 7 8 0 0 0 6 7 8 0 0 0 Malte Montenegro 14 14 14 0 0 0 14 14 14 0 0 0 Monténégro Netherlands 463 469 469 29 29 29 541 585 585 107 145 145 Pays-Bas North Macedonia 53 53 53 0 0 0 53 53 53 0 0 0 Macédoine du Nord Poland 3 676 3 855 4 055 4 844 4 960 5 110 851 875 945 2 019 1 980 2 000 Pologne Portugal 382 391 386 443 453 457 320 323 326 382 385 397 Portugal Serbia 124 133 134 24 26 27 134 143 145 34 36 38 Serbie Slovakia 201 210 210 0 0 0 224 230 230 23 20 20 Slovaquie Slovenia 23 23 23 118 128 128 49 71 60 144 176 165 Slovénie Spain 1 038 1 012 1 138 1 535 1 714 1 874 371 444 465 869 1 146 1 201 Espagne Sweden 268 307 295 0 0 0 347 390 375 78 83 80 Suède Switzerland 272 292 302 192 205 210 263 266 266 183 179 174 Suisse Turkey 4 623 4 623 4 623 4 835 4 835 4 835 74 74 74 286 286 286 Turquie United Kingdom 1 475 1 487 1 487 656 656 656 879 889 889 59 58 58 Royaume-Un Total Europe 20 470 20 828 21 457 22 067 22 672 23 146 9 238 9 650 9 857 10 835 11 494 11 546 Total Europe Armenia 63 63 63 0 0 0 63 63 63 0 0 0 Arménie Moldova 37 37 37 0 0 0 37 37 37 0 0 0 Moldova Russia 2 802 3 415 3 674 3 581 4 301 4 635 459 591 637 1 238 1 476 1 597 Russie Total EECCA 2 902 3 515 3 775 3 581 4 301 4 635 559 691 737 1 238 1 476 1 597 Total EOCAC Canada 1 219 1 573 1 583 1 290 1 340 1 340 761 1 066 1 074 832 832 831 Canada United States 8 244 8 244 8 244 6 058 6 058 6 058 2 876 2 876 2 876 690 690 690 Etats-Unis Total North America 9 463 9 818 9 827 7 348 7 398 7 398 3 638 3 942 3 951 1 523 1 522 1 521 Total Amérique du Nord

Exports - ExportationsCountry Production Imports - Importations

TABLE 6

Apparent Consumption Consommation Apparente Pays

FIBREBOARD Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

PANNEAUX DE FIBRES

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 12

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 35 30 32 66 70 72 18 17 18 49 57 58 Autriche Bosnia-Herzegovina 11 13 16 1 1 1 10 12 15 0 0 0 Bosnie-Herzegovine Cyprus 2 2 2 0 0 0 2 2 2 0 0 0 Chypre Czech Republic 6 55 57 0 0 0 55 67 68 49 11 11 République tchèque Estonia 26 25 25 0 0 0 28 30 30 3 5 5 Estonie Finland 33 24 24 49 49 49 21 18 18 37 43 43 Finlande France -135 -135 -135 87 87 87 225 225 225 447 447 447 France Germany 203 205 210 0 0 0 231 235 240 28 30 30 Allemagne Hungary 27 27 27 2 2 2 35 35 35 10 10 10 Hongrie Ireland 22 20 20 0 0 0 22 20 20 0 0 0 Irlande Italy 109 109 109 16 16 16 105 105 105 12 12 12 Italie Latvia 13 13 13 0 0 0 15 15 15 2 2 2 Lettonie Luxembourg 5 5 5 0 0 0 5 5 5 0 0 0 Luxembourg Malta 0 1 1 0 0 0 0 1 1 0 0 0 Malte Montenegro 2 2 2 0 0 0 2 2 2 0 0 0 Monténégro Netherlands 43 45 45 0 0 0 64 65 65 21 20 20 Pays-Bas North Macedonia 10 10 10 0 0 0 10 10 10 0 0 0 Macédoine du Nord Poland -157 -80 -10 91 110 110 151 160 180 398 350 300 Pologne Portugal 21 28 25 12 19 20 28 29 30 19 20 25 Portugal Serbia 35 39 40 24 26 27 30 33 34 19 20 21 Serbie Slovakia 22 20 20 0 0 0 23 20 20 1 0 0 Slovaquie Slovenia 1 2 2 0 0 0 9 9 9 8 7 7 Slovénie Spain -4 13 12 32 40 41 34 50 48 70 77 77 Espagne Sweden 71 70 69 0 0 0 81 82 80 10 12 11 Suède Switzerland 13 13 13 0 0 0 21 21 21 8 8 8 Suisse Turkey 7 7 7 0 0 0 57 57 57 50 50 50 Turquie United Kingdom 96 96 96 0 0 0 101 101 101 4 4 4 Royaume-Un Total Europe 517 659 736 380 420 425 1 384 1 425 1 453 1 246 1 186 1 142 Total Europe Armenia 4 4 4 0 0 0 4 4 4 0 0 0 Arménie Moldova 16 16 16 0 0 0 16 16 16 0 0 0 Moldova Russia 322 390 350 370 450 400 100 100 100 148 160 150 Russie Total EECCA 341 409 369 370 450 400 119 119 119 148 160 150 Total EOCAC Canada 63 81 75 90 90 90 65 93 93 92 102 108 Canada United States 211 211 211 212 212 212 238 238 238 239 239 239 Etats-Unis Total North America 274 292 286 302 302 302 303 331 331 331 341 347 Total Amérique du Nord

TABLE 6a

Apparent Consumption Consommation Apparente Pays

HARDBOARD PANNEAUX DURS

1000 m3

Exports - ExportationsCountry

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 13

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 255 259 260 510 580 580 170 174 175 425 495 495 Autriche Bosnia-Herzegovina 88 94 96 5 6 7 83 88 90 0 0 1 Bosnie-Herzegovine Cyprus 12 13 13 0 0 0 12 13 13 0 0 0 Chypre Czech Republic 198 87 91 44 45 46 253 154 158 99 112 113 République tchèque Estonia 22 23 23 0 0 0 38 41 41 16 18 18 Estonie Finland 111 106 106 0 0 0 115 110 110 4 4 4 Finlande France 706 859 1 060 751 900 1 000 716 757 760 761 798 700 France Germany 2 314 2 325 2 375 4 600 4 625 4 650 593 600 650 2 879 2 900 2 925 Allemagne Hungary 355 355 355 430 430 430 117 117 117 193 193 193 Hongrie Ireland 74 89 89 438 438 438 80 95 95 445 445 445 Irlande Italy 1 229 1 243 1 243 809 809 809 627 757 757 207 323 323 Italie Latvia 21 18 18 0 0 0 23 20 20 2 2 2 Lettonie Luxembourg 37 37 37 147 147 147 9 9 9 119 119 119 Luxembourg Malta 5 5 6 0 0 0 5 5 6 0 0 0 Malte Montenegro 6 6 6 0 0 0 6 6 6 0 0 0 Monténégro Netherlands 318 315 315 0 0 0 399 435 435 81 120 120 Pays-Bas North Macedonia 12 12 12 0 0 0 12 12 12 0 0 0 Macédoine du Nord Poland 3 209 3 300 3 400 3 178 3 250 3 350 684 700 750 653 650 700 Pologne Portugal 360 362 362 423 425 428 280 282 284 343 345 350 Portugal Serbia 85 89 89 0 0 0 100 105 106 15 16 17 Serbie Slovakia 119 120 120 0 0 0 140 140 140 21 20 20 Slovaquie Slovenia 17 16 16 118 128 128 32 54 43 132 166 155 Slovénie Spain 994 950 1 077 1 448 1 617 1 775 326 379 402 780 1 047 1 100 Espagne Sweden 181 220 211 0 0 0 238 280 270 57 60 59 Suède Switzerland 90 105 110 192 205 210 73 70 65 175 170 165 Suisse Turkey 4 669 4 669 4 669 4 775 4 775 4 775 17 17 17 123 123 123 Turquie United Kingdom 1 315 1 327 1 327 656 656 656 710 720 720 51 49 49 Royaume-Un Total Europe 16 801 17 002 17 485 18 524 19 037 19 430 5 859 6 141 6 251 7 582 8 175 8 197 Total Europe Armenia 57 57 57 0 0 0 57 57 57 0 0 0 Arménie Moldova 21 21 21 0 0 0 21 21 21 0 0 0 Moldova Russia 2 448 2 993 3 292 3 199 3 839 4 223 329 461 507 1 080 1 307 1 437 Russie Total EECCA 2 527 3 071 3 371 3 199 3 839 4 223 408 539 585 1 080 1 307 1 438 Total EOCAC Canada 1 041 1 327 1 343 1 100 1 150 1 150 569 793 797 628 615 604 Canada United States 4 836 4 836 4 836 2 667 2 667 2 667 2 453 2 453 2 453 284 284 284 Etats-Unis Total North America 5 877 6 163 6 179 3 767 3 817 3 817 3 022 3 246 3 251 912 899 889 Total Amérique du Nord

MDF/HDF

Country Production Imports - Importations

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

TABLE 6b

Apparent Consumption Consommation Apparente Pays

1000 m3

Exports - Exportations

UNECE COFFI and FAO EFC Foresta2021 page 14

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 146 165 175 0 0 0 151 170 180 5 5 5 Autriche Bosnia-Herzegovina 8 12 13 1 2 2 8 10 12 0 0 1 Bosnie-Herzegovine Cyprus 1 1 1 0 0 0 1 1 1 0 0 0 Chypre Czech Republic 86 52 54 0 0 0 185 185 189 99 133 135 République tchèque Estonia 9 9 9 65 65 65 3 4 4 59 60 60 Estonie Finland 20 20 20 0 0 0 20 20 20 0 0 0 Finlande France 53 70 70 74 74 74 72 73 73 93 77 77 France Germany 1 580 1 625 1 650 1 201 1 225 1 250 961 1 000 1 050 581 600 650 Allemagne Hungary 28 28 28 19 19 19 15 15 15 6 6 6 Hongrie Ireland 73 0 0 73 73 73 0 0 0 0 73 73 Irlande Italy 65 65 65 3 3 3 65 65 65 2 2 2 Italie Latvia 1 1 1 0 0 0 19 18 18 18 17 17 Lettonie Luxembourg 5 5 5 0 0 0 5 5 5 0 0 0 Luxembourg Malta 1 1 1 0 0 0 1 1 1 0 0 0 Malte Montenegro 6 6 6 0 0 0 6 6 6 0 0 0 Monténégro Netherlands 102 109 109 29 29 29 78 85 85 5 5 5 Pays-Bas North Macedonia 32 32 32 0 0 0 32 32 32 0 0 0 Macédoine du Nord Poland 624 635 665 1 575 1 600 1 650 17 15 15 968 980 1 000 Pologne Portugal 0 1 -1 8 9 9 12 12 12 19 20 22 Portugal Serbia 4 5 5 0 0 0 4 5 5 0 0 0 Serbie Slovakia 60 70 70 0 0 0 60 70 70 0 0 0 Slovaquie Slovenia 5 5 5 0 0 0 8 8 8 3 3 3 Slovénie Spain 48 49 49 55 57 58 11 15 15 18 23 24 Espagne Sweden 16 17 15 0 0 0 28 28 25 12 11 10 Suède Switzerland 169 174 179 0 0 0 169 175 180 1 1 1 Suisse Turkey -53 -53 -53 60 60 60 0 0 0 113 113 113 Turquie United Kingdom 64 64 64 0 0 0 68 68 68 4 4 4 Royaume-Un Total Europe 3 152 3 167 3 236 3 163 3 215 3 291 1 996 2 085 2 153 2 007 2 133 2 208 Total Europe Armenia 2 2 2 0 0 0 2 2 2 0 0 0 Arménie Moldova 1 1 1 0 0 0 1 1 1 0 0 0 Moldova Russia 32 32 32 12 12 12 30 30 30 10 10 10 Russie Total EECCA 35 35 35 12 12 12 32 32 32 10 10 10 Total EOCAC Canada 115 165 166 100 100 100 127 180 184 112 115 118 Canada United States 3 197 3 197 3 197 3 179 3 179 3 179 185 185 185 167 167 167 Etats-Unis Total North America 3 312 3 362 3 363 3 279 3 279 3 279 312 365 369 279 282 285 Total Amérique du Nord

Production Imports - Importations

TABLE 6c

Apparent Consumption Consommation Apparente Pays

OTHER FIBREBOARD AUTRES PANNEAUX DE FIBRES

1000 m3 Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry

UNECE COFFI and FAO EFC Foresta2021 page 15

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 2 158 2 300 2 330 2 022 2 020 2 100 578 680 680 442 400 450 Autriche Bosnia-Herzegovina 111 118 118 70 75 76 41 43 42 0 0 0 Bosnie-Herzegovine Czech Republic 805 831 772 594 591 611 253 240 250 42 0 89 République tchèque Estonia 81 70 70 231 250 250 47 50 50 198 230 230 Estonie Finland a 6 411 6 802 6 616 10 520 11 318 11 331 224 220 220 4 333 4 736 4 935 Finlande a

France 2 918 2 927 2 800 1 620 1 650 1 600 1 745 1 726 1 700 447 449 500 France Germany 5 015 5 167 5 178 2 255 2 267 2 278 3 952 4 000 4 000 1 192 1 100 1 100 Allemagne Hungary 195 177 177 51 33 33 147 145 145 4 2 2 Hongrie Ireland 41 45 45 0 0 0 41 45 45 0 0 0 Irlande Italy 3 416 3 416 3 416 223 223 223 3 271 3 271 3 271 77 77 77 Italie Latvia 1 1 1 0 0 0 1 1 1 0 0 0 Lettonie Luxembourg 0 0 0 0 0 0 0 0 0 0 0 0 Luxembourg Netherlands 1 137 1 057 737 37 37 37 1 782 1 900 1 500 682 880 800 Pays-Bas Poland 2 709 2 750 2 810 1 717 1 730 1 750 1 152 1 180 1 230 159 160 170 Pologne Portugal 1 506 1 615 1 650 2 683 2 700 2 750 143 145 150 1 320 1 230 1 250 Portugal Serbia 86 88 90 0 0 0 86 88 90 0 0 0 Serbie Slovakia 537 550 550 687 675 675 162 175 175 312 300 300 Slovaquie Slovenia 367 353 347 91 83 85 289 275 270 13 5 8 Slovénie Spain 1 847 1 837 1 933 1 730 1 798 1 923 1 047 1 088 1 209 929 1 049 1 199 Espagne Sweden 8 437 8 460 8 260 12 034 12 100 11 850 653 610 610 4 250 4 250 4 200 Suède Switzerland 171 160 160 72 70 70 99 90 90 0 0 0 Suisse Turkey 1 381 989 1 138 70 70 70 1 442 1 050 1 200 131 131 132 Turquie United Kingdom 971 924 924 220 220 220 768 721 721 17 17 17 Royaume-Uni Total Europe 40 301 40 637 40 122 36 927 37 909 37 932 17 924 17 744 17 650 14 549 15 016 15 459 Total Europe Russia 6 532 6 548 6 677 8 765 8 853 9 030 211 213 215 2 444 2 517 2 568 Russie Total EECCA 6 532 6 548 6 677 8 765 8 853 9 030 211 213 215 2 444 2 517 2 568 Total EOCAC Canada 5 731 6 411 6 547 14 109 14 198 13 702 640 1 109 1 555 9 018 8 896 8 710 Canada United States 48 726 48 750 48 763 50 871 50 895 50 907 5 661 5 664 5 665 7 806 7 809 7 809 Etats-Unis Total North America 54 457 55 161 55 310 64 980 65 093 64 609 6 301 6 773 7 220 16 825 16 705 16 519 Total Amérique du Nord

a imports exclude dissolving pulp a les importations excluent pâte à dissoudre

Exports - ExportationsCountry Production Imports - Importations

TABLE 7

Apparent Consumption Consommation Apparente Pays

WOOD PULP Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

PATE DE BOIS

1000 mt

UNECE COFFI and FAO EFC Foresta2021 page 16

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 2 111 2 170 2 200 4 719 5 050 5 100 1 275 1 300 1 350 3 882 4 180 4 250 Autriche Bosnia-Herzegovina 154 160 166 167 180 182 99 100 106 113 120 122 Bosnie-Herzegovine Cyprus 46 48 48 0 0 0 46 48 48 0 0 0 Chypre Czech Republic 1 451 1 460 1 474 893 904 924 1 436 1 447 1 480 878 891 930 République tchèque Estonia 134 140 140 72 75 75 133 140 140 71 75 75 Estonie Finland 702 740 720 8 210 8 750 8 540 319 320 320 7 827 8 330 8 140 Finlande France 7 904 8 069 8 300 6 873 7 000 7 300 4 487 4 661 4 500 3 456 3 592 3 500 France Germany 18 251 18 660 18 983 21 348 23 060 23 383 9 999 10 000 10 000 13 096 14 400 14 400 Allemagne Hungary 928 944 944 864 861 861 841 852 852 777 769 769 Hongrie Ireland 422 410 415 60 65 70 388 370 375 26 25 30 Irlande Italy 10 204 10 204 10 204 8 514 8 514 8 514 4 773 4 773 4 773 3 083 3 083 3 083 Italie Latvia 163 160 160 25 30 30 170 170 170 32 40 40 Lettonie Luxembourg 25 25 25 0 0 0 31 31 31 6 6 6 Luxembourg Malta 26 23 24 0 0 0 26 23 24 0 0 0 Malte Montenegro 10 10 10 0 0 0 10 10 10 0 0 0 Monténégro Netherlands 2 608 2 670 2 670 2 869 2 870 2 870 2 278 2 300 2 300 2 539 2 500 2 500 Pays-Bas North Macedonia 79 79 79 28 28 28 68 68 68 16 16 16 Macédoine du Nord Poland 7 332 7 400 7 500 5 129 5 250 5 350 4 677 4 700 4 750 2 474 2 550 2 600 Pologne Portugal 1 007 1 050 990 1 900 2 000 2 030 858 850 860 1 751 1 800 1 900 Portugal Serbia 727 733 737 577 580 583 452 456 459 302 303 305 Serbie Slovakia 476 600 600 758 900 950 427 400 400 709 700 750 Slovaquie Slovenia 833 730 680 706 650 600 757 710 710 630 630 630 Slovénie Spain 6 483 6 541 6 390 6 269 6 473 6 477 2 734 2 823 2 917 2 520 2 756 3 004 Espagne Sweden 1 428 1 195 1 090 9 333 9 130 8 800 656 665 650 8 561 8 600 8 360 Suède Switzerland 1 050 1 050 1 055 1 168 1 170 1 175 621 610 600 739 730 720 Suisse Turkey 4 489 4 489 4 489 2 800 2 800 2 800 2 505 2 505 2 505 816 816 816 Turquie United Kingdom 7 321 7 207 7 225 3 631 3 600 3 550 4 439 4 325 4 375 749 718 700 Royaume-Un Total Europe 76 362 76 966 77 318 86 911 89 940 90 192 44 504 44 656 44 772 55 053 57 630 57 646 Total Europe Armenia 61 61 61 21 21 21 41 41 41 0 0 0 Arménie Moldova 44 44 44 8 8 8 39 39 39 2 2 2 Moldova Russia 7 116 7 615 7 952 9 527 10 194 10 704 1 191 1 167 1 143 3 601 3 745 3 895 Russie Total EECCA 7 222 7 721 8 057 9 556 10 223 10 733 1 270 1 246 1 223 3 604 3 748 3 898 Total EOCAC Canada 4 720 4 715 4 572 8 352 8 604 8 379 2 362 2 474 2 406 5 994 6 363 6 213 Canada United States 63 567 66 128 67 399 66 239 68 536 70 152 7 642 7 832 7 870 10 314 10 240 10 623 Etats-Unis Total North America 68 287 70 843 71 971 74 591 77 140 78 532 10 003 10 306 10 276 16 308 16 603 16 836 Total Amérique du Nord

Exports - ExportationsCountry Production Imports - Importations

TABLE 8

Apparent Consumption Consommation Apparente Pays

PAPER AND PAPERBOARD Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

PAPIERS ET CARTONS

1000 mt

UNECE COFFI and FAO EFC Foresta2021 page 17

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 11 462 12 924 13 110 8 504 9 732 9 830 2 958 3 192 3 280 0 0 0 5 327 5 111 5 200 16 790 18 035 18 310 Autriche Bosnia-Herzegovina 2 819 2 806 2 848 2 031 2 016 2 050 614 624 626 174 166 172 1 484 1 502 1 496 4 303 4 308 4 344 Bosnie-Herzegovine Cyprus 2 2 2 2 2 2 0 0 0 0 0 0 6 7 7 9 9 9 Chypre Czech Republic 29 152 21 353 18 590 20 678 13 107 10 325 8 359 8 133 8 150 115 113 115 6 717 7 160 7 210 35 869 28 513 25 800 République tchèque Estonia 6 502 6 100 6 100 4 134 3 900 3 900 2 316 2 150 2 150 52 50 50 4 136 3 830 3 830 10 637 9 930 9 930 Estonie Finland 51 530 56 946 57 515 22 479 25 857 25 679 29 051 31 089 31 836 0 0 0 8 893 8 893 8 893 60 423 65 839 66 407 Finlande France 24 259 25 840 25 080 15 965 17 400 16 700 7 793 7 900 7 800 501 540 580 23 444 24 500 25 700 47 703 50 340 50 780 France Germany 61 790 62 377 61 177 48 213 48 900 47 300 13 503 13 400 13 800 74 77 77 22 261 21 300 21 300 84 051 83 677 82 477 Allemagne Hungary 2 457 2 796 2 796 1 155 1 257 1 257 902 919 919 400 619 619 2 516 2 672 2 672 4 972 5 468 5 468 Hongrie Ireland 3 695 3 542 3 772 2 350 2 485 2 647 1 197 877 934 148 180 192 286 232 247 3 981 3 774 4 019 Irlande Italy 5 002 5 002 5 002 3 352 3 352 3 352 1 018 1 018 1 018 632 632 632 10 839 10 839 10 839 15 841 15 841 15 841 Italie Latvia 12 727 12 350 12 350 7 379 7 400 7 400 4 123 3 850 3 850 1 225 1 100 1 100 2 620 2 580 2 580 15 347 14 930 14 930 Lettonie Luxembourg 291 340 332 81 88 86 104 166 160 106 86 86 59 77 73 350 416 405 Luxembourg Montenegro 299 150 234 249 124 187 43 22 42 7 4 5 49 25 37 348 174 271 Monténégro Netherlands 662 725 725 214 260 260 402 420 420 46 45 45 2 323 2 325 2 325 2 985 3 050 3 050 Pays-Bas North Macedonia 125 125 125 114 114 114 0 0 0 11 11 11 610 610 610 735 735 735 Macédoine du Nord Poland 35 879 37 290 38 050 16 913 17 200 17 400 18 355 19 400 19 900 612 690 750 4 713 4 800 4 900 40 593 42 090 42 950 Pologne Portugal 11 803 12 316 12 190 1 916 2 066 1 980 9 540 9 900 9 850 347 350 360 1 618 1 500 1 560 13 422 13 816 13 750 Portugal Serbia 1 782 1 806 1 830 1 217 1 230 1 238 388 396 408 177 180 184 6 454 6 550 6 705 8 236 8 356 8 535 Serbie Slovakia 6 924 7 185 7 435 3 913 4 100 4 250 2 984 3 050 3 150 26 35 35 524 525 575 7 448 7 710 8 010 Slovaquie Slovenia 2 818 2 383 2 476 1 971 1 600 1 700 797 720 720 50 63 56 1 074 1 070 1 070 3 891 3 453 3 546 Slovénie Spain 13 881 14 462 14 848 4 114 4 241 4 438 9 431 9 740 9 901 336 481 509 1 615 1 648 1 758 15 496 16 110 16 606 Espagne Sweden 69 000 71 000 70 400 37 200 38 400 37 600 31 500 32 300 32 500 300 300 300 5 400 5 600 5 600 74 400 76 600 76 000 Suède Switzerland 2 807 2 933 3 003 2 322 2 440 2 500 482 490 500 3 3 3 1 845 1 890 1 960 4 652 4 823 4 963 Suisse Turkey 24 474 24 790 24 790 10 889 11 000 11 000 12 447 12 650 12 650 1 138 1 140 1 140 5 396 5 856 5 856 29 870 30 646 30 646 Turquie United Kingdom 8 009 8 636 8 636 5 892 6 475 6 475 1 632 1 632 1 632 485 528 528 2 429 2 429 2 429 10 438 11 065 11 065 Royaume-Uni Total Europe 390 151 396 178 393 415 223 248 224 746 219 670 159 938 164 038 166 197 6 965 7 393 7 549 122 638 123 531 125 432 512 789 519 708 518 848 Total Europe Armenia 4 4 4 0 0 0 0 0 0 4 4 4 1 546 1 546 1 546 1 550 1 550 1 550 Arménie Moldova 45 45 45 31 31 31 0 0 0 14 14 14 1 219 1 219 1 219 1 264 1 264 1 264 Moldova Russia 201 891 205 132 198 720 135 325 137 274 132 286 48 954 50 070 49 541 17 612 17 788 16 894 15 109 15 260 14 805 217 000 220 392 213 525 Russie Total EECCA 201 941 205 182 198 769 135 356 137 305 132 317 48 954 50 070 49 541 17 630 17 806 16 912 17 873 18 024 17 569 219 814 223 206 216 338 Total EOCAC Canada 130 430 125 381 125 381 116 298 111 984 111 984 12 278 11 544 11 544 1 853 1 853 1 853 1 750 1 750 1 750 132 180 127 132 127 132 Canada United States 369 175 380 381 383 613 180 237 191 345 194 529 175 722 175 805 175 846 13 215 13 230 13 238 60 525 60 588 60 622 429 700 440 969 444 235 Etats-Unis Total North America 499 604 505 762 508 995 296 536 303 330 306 513 188 000 187 349 187 390 15 069 15 083 15 091 62 276 62 338 62 372 561 880 568 101 571 367 Total Amérique du Nord

a Pulpwood, round and split, as well as chips and particles produced directly a Bois de trituration, rondins et quartiers, ainse que plaquettes et particules fabriquées therefrom and used as pulpwood directement à partir des rondins et quartiers et utilisées comme bois de trituration

b Pitprops, poles, piling, posts etc. b Bois de mine, poteaux, pilotis, piquets etc. c Including chips and particles produced from wood in the rough and c Y compris plaquettes et particules fabriquées à partir du bois brut et utilisées

used for energy purposes à des fins energétiques

Bois de trituration a

TABLE 9

Autre b Wood fuel c

Bois de chauffage c Total PaysCountry Grumes

LogsTotal Pulpwood a Other b

Industrial wood - Bois industriels

QUANTITES ENLEVEES DE BOIS BRUT TOTAL

REMOVALS OF WOOD IN THE ROUGH TOTAL

1000 m3 - Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

UNECE COFFI and FAO EFC Foresta2021 page 18

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 10 587 11 920 12 100 8 229 9 410 9 500 2 358 2 510 2 600 0 0 0 3 359 3 067 3 200 13 946 14 987 15 300 Autriche Bosnia-Herzegovina 2 120 2 097 2 133 1 417 1 390 1 420 559 567 570 144 140 143 5 7 6 2 125 2 104 2 139 Bosnie-Herzegovine Cyprus 2 2 2 2 2 2 0 0 0 0 0 0 5 6 6 7 8 8 Chypre Czech Republic 28 432 20 624 17 850 20 286 12 716 9 942 8 036 7 799 7 798 110 109 110 6 165 6 615 6 675 34 597 27 239 24 525 République tchèque Estonia 4 434 4 200 4 200 3 259 3 100 3 100 1 148 1 075 1 075 27 25 25 1 426 1 330 1 330 5 861 5 530 5 530 Estonie Finland 43 228 48 622 48 806 21 593 24 690 24 512 21 635 23 931 24 294 0 0 0 4 304 4 304 4 304 47 532 52 926 53 110 Finlande France 16 361 17 840 16 860 11 669 13 000 12 000 4 479 4 600 4 600 213 240 260 2 344 2 500 2 700 18 705 20 340 19 560 France Germany 56 362 57 175 56 075 45 700 46 500 45 000 10 590 10 600 11 000 72 75 75 9 005 8 500 8 500 65 366 65 675 64 575 Allemagne Hungary 858 832 832 169 159 159 596 542 542 94 130 130 142 116 116 1 000 948 948 Hongrie Ireland 3 692 3 532 3 762 2 347 2 475 2 636 1 197 877 934 148 180 192 276 120 128 3 968 3 652 3 889 Irlande Italy 4 125 4 125 4 125 2 792 2 792 2 792 853 853 853 480 480 480 1 180 1 180 1 180 5 305 5 305 5 305 Italie Latvia 8 407 8 100 8 100 5 476 5 400 5 400 2 241 2 100 2 100 690 600 600 285 280 280 8 692 8 380 8 380 Lettonie Luxembourg 209 169 169 63 51 51 40 32 32 106 86 86 37 30 30 246 198 199 Luxembourg Montenegro 167 84 136 148 74 111 17 9 23 2 1 2 5 3 4 172 87 139 Monténégro Netherlands 446 475 475 154 180 180 255 260 260 37 35 35 423 425 425 869 900 900 Pays-Bas North Macedonia 51 51 51 41 41 41 0 0 0 10 10 10 26 26 26 77 77 77 Macédoine du Nord Poland 28 625 29 550 29 800 14 167 14 400 14 500 13 886 14 500 14 600 572 650 700 2 297 2 350 2 400 30 922 31 900 32 200 Pologne Portugal 3 974 4 316 4 190 1 696 1 866 1 800 2 130 2 300 2 230 147 150 160 422 400 410 4 396 4 716 4 600 Portugal Serbia 372 381 390 229 235 240 94 96 98 49 50 52 142 150 155 514 531 545 Serbie Slovakia 3 776 3 925 4 025 2 598 2 700 2 750 1 157 1 200 1 250 21 25 25 259 250 300 4 035 4 175 4 325 Slovaquie Slovenia 1 985 1 445 1 595 1 624 1 200 1 300 346 230 280 15 15 15 121 120 120 2 106 1 565 1 715 Slovénie Spain 6 836 7 224 7 522 3 150 3 276 3 473 3 489 3 665 3 751 197 282 298 483 516 626 7 319 7 740 8 148 Espagne Sweden 62 550 64 450 63 750 37 000 38 200 37 400 25 400 26 100 26 200 150 150 150 2 700 2 800 2 800 65 250 67 250 66 550 Suède Switzerland 2 403 2 512 2 567 2 093 2 200 2 250 308 310 315 2 2 2 786 790 810 3 189 3 302 3 377 Suisse Turkey 15 721 15 925 15 925 7 429 7 500 7 500 7 222 7 350 7 350 1 070 1 075 1 075 2 756 2 756 2 756 18 477 18 681 18 681 Turquie United Kingdom 7 896 8 523 8 523 5 829 6 412 6 412 1 630 1 630 1 630 436 480 480 1 817 1 817 1 817 9 713 10 339 10 339 Royaume-Uni Total Europe 313 618 318 097 313 962 199 160 199 969 194 471 109 665 113 137 114 386 4 793 4 990 5 105 40 770 40 456 41 103 354 388 358 553 355 065 Total Europe Armenia 4 4 4 0 0 0 0 0 0 4 4 4 0 0 0 4 4 4 Arménie Moldova 1 1 1 1 1 1 0 0 0 0 0 0 2 2 2 3 3 3 Moldova Russia 161 011 162 621 153 754 120 439 121 644 115 562 33 289 33 622 31 941 7 283 7 356 6 252 10 752 10 859 10 316 171 763 173 480 164 071 Russie Total EECCA 161 016 162 626 153 759 120 440 121 645 115 563 33 289 33 622 31 941 7 287 7 360 6 256 10 754 10 861 10 318 171 770 173 487 164 078 Total EOCAC Canada 107 661 103 728 103 728 103 717 100 117 100 117 3 804 3 470 3 470 140 140 140 805 805 805 108 466 104 533 104 533 Canada United States 293 023 296 554 299 112 147 988 151 442 153 962 133 458 133 521 133 552 11 578 11 591 11 598 26 345 26 374 26 390 319 368 322 928 325 502 Etats-Unis Total North America 400 685 400 282 402 839 251 705 251 559 254 079 137 262 136 992 137 023 11 718 11 731 11 738 27 150 27 179 27 195 427 834 427 461 430 034 Total Amérique du Nord

a Pulpwood, round and split, as well as chips and particles produced directly a Bois de trituration, rondins et quartiers, ainse que plaquettes et particules fabriquées therefrom and used as pulpwood directement à partir des rondins et quartiers et utilisées comme bois de trituration

b Pitprops, poles, piling, posts etc. b Bois de mine, poteaux, pilotis, piquets etc. c Including chips and particles produced from wood in the rough and c Y compris plaquettes et particules fabriquées à partir du bois brut et utilisées

used for energy purposes à des fins energétiques

Pulpwood a Other b Industrial wood - Bois industriels

QUANTITES ENLEVEES DE BOIS BRUT CONIFERES

REMOVALS OF WOOD IN THE ROUGH SOFTWOOD

1000 m3 - Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Bois de trituration a

TABLE 9a

Autre b Wood fuel c

Bois de chauffage c Total PaysCountry Grumes

LogsTotal

UNECE COFFI and FAO EFC Foresta2021 page 19

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 876 1 004 1 010 275 322 330 600 682 680 0 0 0 1 968 2 044 2 000 2 843 3 048 3 010 Autriche Bosnia-Herzegovina 699 709 715 614 626 630 55 57 56 30 26 29 1 479 1 495 1 490 2 178 2 204 2 205 Bosnie-Herzegovine Cyprus 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 Chypre Czech Republic 720 729 740 392 391 383 323 334 352 5 4 5 552 545 535 1 272 1 274 1 275 République tchèque Estonia 2 068 1 900 1 900 875 800 800 1 168 1 075 1 075 25 25 25 2 709 2 500 2 500 4 777 4 400 4 400 Estonie Finland 8 302 8 324 8 708 886 1 167 1 167 7 416 7 158 7 542 0 0 0 4 589 4 589 4 589 12 891 12 913 13 297 Finlande France 7 898 8 000 8 220 4 296 4 400 4 700 3 314 3 300 3 200 288 300 320 21 100 22 000 23 000 28 998 30 000 31 220 France Germany 5 428 5 202 5 102 2 513 2 400 2 300 2 913 2 800 2 800 2 2 2 13 257 12 800 12 800 18 685 18 002 17 902 Allemagne Hungary 1 598 1 964 1 964 986 1 098 1 098 306 377 377 306 489 489 2 374 2 557 2 557 3 972 4 520 4 520 Hongrie Ireland 3 10 11 3 10 11 0 0 0 0 0 0 10 112 119 13 122 130 Irlande Italy 877 877 877 560 560 560 166 166 166 152 152 152 9 659 9 659 9 659 10 536 10 536 10 536 Italie Latvia 4 320 4 250 4 250 1 903 2 000 2 000 1 882 1 750 1 750 535 500 500 2 335 2 300 2 300 6 655 6 550 6 550 Lettonie Luxembourg 82 171 163 18 37 35 64 134 128 0 0 0 22 47 43 104 218 206 Luxembourg Montenegro 132 66 99 101 50 76 26 13 19 5 3 4 44 22 33 176 88 132 Monténégro Netherlands 216 250 250 60 80 80 147 160 160 9 10 10 1 900 1 900 1 900 2 116 2 150 2 150 Pays-Bas North Macedonia 74 74 74 73 73 73 0 0 0 1 1 1 584 584 584 658 658 658 Macédoine du Nord Poland 7 254 7 740 8 250 2 747 2 800 2 900 4 468 4 900 5 300 40 40 50 2 416 2 450 2 500 9 670 10 190 10 750 Pologne Portugal 7 830 8 000 8 000 220 200 180 7 410 7 600 7 620 200 200 200 1 196 1 100 1 150 9 026 9 100 9 150 Portugal Serbia 1 410 1 425 1 440 988 995 998 294 300 310 128 130 132 6 312 6 400 6 550 7 722 7 825 7 990 Serbie Slovakia 3 148 3 260 3 410 1 316 1 400 1 500 1 828 1 850 1 900 5 10 10 265 275 275 3 413 3 535 3 685 Slovaquie Slovenia 833 938 881 348 400 400 450 490 440 35 48 41 952 950 950 1 785 1 888 1 831 Slovénie Spain 7 045 7 239 7 326 964 965 965 5 942 6 074 6 150 139 199 211 1 132 1 132 1 132 8 177 8 371 8 458 Espagne Sweden 6 450 6 550 6 650 200 200 200 6 100 6 200 6 300 150 150 150 2 700 2 800 2 800 9 150 9 350 9 450 Suède Switzerland 404 421 436 229 240 250 174 180 185 1 1 1 1 059 1 100 1 150 1 463 1 521 1 586 Suisse Turkey 8 753 8 865 8 865 3 460 3 500 3 500 5 225 5 300 5 300 68 65 65 2 640 3 100 3 100 11 393 11 965 11 965 Turquie United Kingdom 113 113 113 63 63 63 2 2 2 48 48 48 613 613 613 726 726 726 Royaume-Uni Total Europe 76 532 78 080 79 454 24 088 24 777 25 199 50 273 50 901 51 811 2 171 2 402 2 444 81 868 83 074 84 330 158 401 161 155 163 783 Total Europe Armenia 0 0 0 0 0 0 0 0 0 0 0 0 1 546 1 546 1 546 1 546 1 546 1 546 Arménie Moldova 44 44 44 30 30 30 0 0 0 14 14 14 1 217 1 217 1 217 1 261 1 261 1 261 Moldova Russia 40 880 42 511 44 965 14 886 15 630 16 724 15 665 16 449 17 600 10 329 10 433 10 641 4 357 4 401 4 489 45 237 46 912 49 454 Russie Total EECCA 40 925 42 556 45 010 14 916 15 660 16 754 15 665 16 449 17 600 10 343 10 447 10 655 7 120 7 163 7 251 48 044 49 719 52 261 Total EOCAC Canada 22 768 21 654 21 654 12 581 11 867 11 867 8 474 8 073 8 073 1 713 1 713 1 713 946 946 946 23 714 22 599 22 599 Canada United States 76 151 83 827 84 502 32 250 39 903 40 567 42 264 42 284 42 294 1 638 1 639 1 640 34 180 34 214 34 232 110 332 118 041 118 734 Etats-Unis Total North America 98 920 105 481 106 155 44 831 51 771 52 435 50 738 50 358 50 368 3 351 3 352 3 353 35 126 35 160 35 178 134 046 140 640 141 333 Total Amérique du Nord

a Pulpwood, round and split, as well as chips and particles produced directly a Bois de trituration, rondins et quartiers, ainse que plaquettes et particules fabriquées therefrom and used as pulpwood directement à partir des rondins et quartiers et utilisées comme bois de trituration

b Pitprops, poles, piling, posts etc. b Bois de mine, poteaux, pilotis, piquets etc. c Including chips and particles produced from wood in the rough and c Y compris plaquettes et particules fabriquées à partir du bois brut et utilisées

used for energy purposes à des fins energétiques

Bois de trituration a

TABLE 9b

Autre b Wood fuel c

Bois de chauffage c Total PaysCountry Grumes

LogsTotal Pulpwood a Other b

Industrial wood - Bois industriels

QUANTITES ENLEVEES DE BOIS BRUT NON-CONIFERES

REMOVALS OF WOOD IN THE ROUGH HARDWOOD

1000 m3 - Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

UNECE COFFI and FAO EFC Foresta2021 page 20

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 16 525 17 280 17 550 8 229 9 410 9 500 8 705 8 320 8 500 409 450 450 Autriche Bosnia-Herzegovina 1 459 1 433 1 469 1 417 1 390 1 420 57 60 65 15 17 16 Bosnie-Herzegovine Cyprus 2 2 2 2 2 2 0 0 0 0 0 0 Chypre Czech Republic 9 100 8 655 8 790 20 286 12 716 9 942 555 545 560 11 741 4 606 1 712 République tchèque Estonia 3 436 3 470 3 470 3 259 3 100 3 100 259 450 450 82 80 80 Estonie Finland 21 577 24 602 24 339 21 593 24 690 24 512 322 203 118 338 291 291 Finlande France 11 019 12 370 11 400 11 669 13 000 12 000 184 232 300 834 862 900 France Germany 43 600 42 000 43 000 45 700 46 500 45 000 3 900 3 500 4 000 6 000 8 000 6 000 Allemagne Hungary 169 159 159 169 159 159 0 0 0 0 0 0 Hongrie Ireland 2 397 2 525 2 686 2 347 2 475 2 636 300 320 320 250 270 270 Irlande Italy 2 792 2 792 2 792 2 792 2 792 2 792 0 0 0 0 0 0 Italie Latvia 6 183 6 030 6 030 5 476 5 400 5 400 897 850 850 190 220 220 Lettonie Luxembourg 336 324 324 63 51 51 524 524 524 251 251 251 Luxembourg Montenegro 148 74 111 148 74 111 0 0 0 0 0 0 Monténégro Netherlands 134 188 188 154 180 180 65 83 83 85 75 75 Pays-Bas North Macedonia 41 41 41 41 41 41 0 0 0 0 0 0 Macédoine du Nord Poland 13 685 14 000 14 200 14 167 14 400 14 500 1 227 1 250 1 300 1 709 1 650 1 600 Pologne Portugal 2 099 1 986 1 915 1 696 1 866 1 800 428 150 140 25 30 25 Portugal Serbia 246 254 261 229 235 240 20 22 24 3 3 3 Serbie Slovakia 2 727 3 200 3 250 2 598 2 700 2 750 898 900 900 769 400 400 Slovaquie Slovenia 1 467 1 260 1 300 1 624 1 200 1 300 367 350 320 523 290 320 Slovénie Spain 3 245 3 342 3 634 3 150 3 276 3 473 215 226 381 121 160 220 Espagne Sweden 37 054 38 279 37 479 37 000 38 200 37 400 718 743 743 664 664 664 Suède Switzerland 1 808 1 930 1 995 2 093 2 200 2 250 55 50 55 340 320 310 Suisse Turkey 7 424 7 490 7 490 7 429 7 500 7 500 15 10 10 20 20 20 Turquie United Kingdom 6 051 6 634 6 634 5 829 6 412 6 412 330 330 330 108 108 108 Royaume-Un Total Europe 194 723 200 321 200 509 199 160 199 969 194 471 20 042 19 119 19 973 24 478 18 767 13 935 Total Europe Moldova 1 1 1 1 1 1 0 0 0 0 0 0 Moldova Russia 108 143 109 224 108 110 120 439 121 644 115 562 0 0 0 12 297 12 420 7 452 Russie Total EECCA 108 144 109 225 108 111 120 440 121 645 115 563 0 0 0 12 297 12 420 7 452 Total EOCAC Canada 99 569 94 455 93 946 103 717 100 117 100 117 2 682 2 525 2 612 6 830 8 187 8 783 Canada United States 139 741 144 640 143 529 147 988 151 442 153 962 285 302 320 8 531 7 104 10 752 Etats-Unis Total North America 239 311 239 094 237 475 251 705 251 559 254 079 2 967 2 826 2 931 15 361 15 291 19 535 Total Amérique du Nord

a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

Production Imports - Importations

TABLE 10

Apparent Consumption a

Consommation Apparente a Pays

SOFTWOOD SAWLOGS GRUMES DE SCIAGES DES CONIFERES

1000 m3 Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry

UNECE COFFI and FAO EFC Foresta2021 page 21

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 395 452 460 275 322 330 160 180 180 40 50 50 Autriche Bosnia-Herzegovina 614 630 630 614 626 630 9 12 10 9 8 10 Bosnie-Herzegovine Czech Republic 332 320 323 392 391 383 120 120 122 180 191 182 République tchèque Estonia 893 840 840 875 800 800 42 65 65 25 25 25 Estonie Finland 988 1 306 1 167 886 1 167 1 167 103 139 1 0 0 0 Finlande France 3 384 3 499 3 830 4 296 4 400 4 700 110 119 130 1 022 1 020 1 000 France Germany 1 863 1 850 1 790 2 513 2 400 2 300 150 150 140 800 700 650 Allemagne Hungary 986 1 098 1 098 986 1 098 1 098 0 0 0 0 0 0 Hongrie Ireland 2 8 9 3 10 11 0 0 0 1 2 2 Irlande Italy 560 560 560 560 560 560 0 0 0 0 0 0 Italie Latvia 1 674 1 725 1 725 1 903 2 000 2 000 35 25 25 265 300 300 Lettonie Luxembourg 174 193 191 18 37 35 171 171 171 15 15 15 Luxembourg Montenegro 101 50 76 101 50 76 0 0 0 0 0 0 Monténégro Netherlands 87 115 115 60 80 80 82 90 90 55 55 55 Pays-Bas North Macedonia 73 73 73 73 73 73 0 0 0 0 0 0 Macédoine du Nord Poland 2 677 2 730 2 830 2 747 2 800 2 900 80 80 80 150 150 150 Pologne Portugal 885 320 290 220 200 180 696 150 140 30 30 30 Portugal Serbia 973 977 972 988 995 998 25 27 29 40 45 55 Serbie Slovakia 1 387 1 500 1 600 1 316 1 400 1 500 381 400 400 310 300 300 Slovaquie Slovenia 235 263 243 348 400 400 32 43 43 145 180 200 Slovénie Spain 1 001 1 023 1 303 964 965 965 96 102 382 59 44 44 Espagne Sweden 216 223 223 200 200 200 23 23 23 7 0 0 Suède Switzerland 114 125 135 229 240 250 50 45 40 165 160 155 Suisse Turkey 3 486 3 515 3 515 3 460 3 500 3 500 45 30 30 19 15 15 Turquie United Kingdom 120 120 120 63 63 63 66 66 66 9 9 9 Royaume-Un Total Europe 23 219 23 516 24 118 24 088 24 777 25 199 2 476 2 038 2 167 3 345 3 299 3 247 Total Europe Moldova 30 30 30 30 30 30 0 0 0 0 0 0 Moldova Russia 12 486 13 182 14 227 14 886 15 630 16 724 0 0 0 2 400 2 448 2 497 Russie Total EECCA 12 516 13 212 14 257 14 916 15 660 16 754 0 0 0 2 400 2 448 2 497 Total EOCAC Canada 13 545 12 981 12 948 12 581 11 867 11 867 1 018 1 190 1 154 54 76 73 Canada United States 30 257 37 792 38 330 32 250 39 903 40 567 154 159 165 2 147 2 271 2 402 Etats-Unis Total North America 43 802 50 773 51 278 44 831 51 771 52 435 1 172 1 349 1 318 2 201 2 347 2 475 Total Amérique du Nord

a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

Exports - ExportationsCountry Production Imports - Importations

TABLE 11

Apparent Consumption a

Consommation Apparente a Pays

HARDWOOD SAWLOGS (total) Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

GRUMES DE SCIAGES DES NON-CONIFERES

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 22

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 395 452 460 275 322 330 160 180 180 40 50 50 Autriche Bosnia-Herzegovina 614 630 630 614 626 630 9 12 10 9 8 10 Bosnie-Herzegovine Czech Republic 332 320 323 392 391 383 120 120 122 180 191 182 République tchèque Estonia 893 840 840 875 800 800 42 65 65 25 25 25 Estonie Finland 988 1 306 1 167 886 1 167 1 167 103 139 1 0 0 0 Finlande France 3 351 3 461 3 793 4 296 4 400 4 700 74 78 90 1 019 1 017 997 France Germany 1 857 1 846 1 784 2 513 2 400 2 300 142 141 130 798 695 646 Allemagne Hungary 986 1 098 1 098 986 1 098 1 098 0 0 0 0 0 0 Hongrie Ireland 2 8 9 3 10 11 0 0 0 1 2 2 Irlande Italy 560 560 560 560 560 560 0 0 0 0 0 0 Italie Latvia 1 674 1 725 1 725 1 903 2 000 2 000 35 25 25 265 300 300 Lettonie Luxembourg 159 178 176 18 37 35 156 156 156 15 15 15 Luxembourg Montenegro 101 50 76 101 50 76 0 0 0 0 0 0 Monténégro Netherlands 83 102 102 60 80 80 68 70 70 45 48 48 Pays-Bas North Macedonia 73 73 73 73 73 73 0 0 0 0 0 0 Macédoine du Nord Poland 2 675 2 728 2 828 2 747 2 800 2 900 78 78 78 150 150 150 Pologne Portugal 698 246 221 220 200 180 504 70 65 25 24 24 Portugal Serbia 972 976 971 988 995 998 24 26 28 40 45 55 Serbie Slovakia 1 387 1 500 1 600 1 316 1 400 1 500 381 400 400 310 300 300 Slovaquie Slovenia 235 262 242 348 400 400 32 42 42 145 180 200 Slovénie Spain 994 1 017 1 296 964 965 965 89 95 374 59 43 43 Espagne Sweden 216 223 223 200 200 200 23 23 23 7 0 0 Suède Switzerland 114 125 135 229 240 250 50 45 40 165 160 155 Suisse Turkey 3 486 3 515 3 515 3 460 3 500 3 500 45 30 30 19 15 15 Turquie United Kingdom 96 96 96 63 63 63 42 42 42 9 9 9 Royaume-Un Total Europe 22 940 23 338 23 943 24 088 24 777 25 199 2 176 1 837 1 971 3 324 3 276 3 226 Total Europe Moldova 30 30 30 30 30 30 0 0 0 0 0 0 Moldova Russia 12 486 13 182 14 227 14 886 15 630 16 724 0 0 0 2 400 2 448 2 497 Russie Total EECCA 12 516 13 212 14 257 14 916 15 660 16 754 0 0 0 2 400 2 448 2 497 Total EOCAC Canada 13 546 12 984 12 948 12 581 11 867 11 867 1 018 1 190 1 154 53 73 73 Canada United States 30 256 37 791 38 329 32 250 39 903 40 567 152 158 163 2 146 2 270 2 401 Etats-Unis Total North America 43 802 50 775 51 277 44 831 51 771 52 435 1 170 1 347 1 317 2 199 2 343 2 474 Total Amérique du Nord

a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

Exports - ExportationsCountry Production Imports - Importations

TABLE 11a

Apparent Consumption a

Consommation Apparente a Pays

HARDWOOD LOGS (temperate) Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

GRUMES DE NON-CONIFERES (zone tempérée)

1000 m3

UNECE COFFI and FAO EFC Foresta2021 page 23

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 France -33 -38 -37 36 42 40 3 3 3 France Germany -6 -4 -6 8 9 10 2 5 4 Allemagne Luxembourg -15 -15 -15 15 15 15 0 0 0 Luxembourg Netherlands -4 -13 -13 14 20 20 10 7 7 Pays-Bas Poland -1 -2 -2 2 2 2 0 0 0 Pologne Portugal -187 -74 -69 192 80 75 5 6 6 Portugal Serbia -1 -1 -1 1 1 1 0 0 0 Serbie Slovenia -1 -1 -1 1 1 1 0 0 0 Slovénie Spain -7 -6 -7 7 8 8 0 1 1 Espagne United Kingdom -24 -24 -24 24 24 24 0 0 0 Royaume-Un Total Europe -279 -178 -175 300 201 196 20 23 21 Total Europe Canada 1 3 0 0 0 0 1 3 0 Canada United States -1 -1 -1 2 2 2 1 1 1 Etats-Unis Total North America 0 2 -1 2 2 2 2 4 1 Total Amérique du Nord

TABLE 11b

Net Trade Commerce Net Pays

HARDWOOD LOGS (tropical) GRUMES DE NON-CONIFERES (tropicale)

1000 m3

Exports - ExportationsCountry

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 24

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 15 114 15 232 15 570 10 110 10 642 10 980 5 798 5 730 5 630 794 1 140 1 040 Autriche Bosnia-Herzegovina 928 911 927 881 874 891 99 87 87 51 50 51 Bosnie-Herzegovine Cyprus 8 9 9 8 8 8 1 1 1 0 0 0 Chypre Czech Republic 6 297 6 778 6 889 10 087 9 823 9 900 482 558 576 4 272 3 603 3 587 République tchèque Estonia 4 050 3 280 3 280 6 316 5 850 5 850 459 270 270 2 724 2 840 2 840 Estonie Finland 53 097 56 668 56 727 43 221 46 410 47 366 11 047 11 200 10 303 1 171 942 942 Finlande France 23 342 23 959 24 580 22 195 22 900 23 300 3 083 3 093 3 280 1 936 2 034 2 000 France Germany 27 601 26 250 27 690 29 618 30 900 31 300 3 352 2 650 3 140 5 368 7 300 6 750 Allemagne Hungary 1 766 1 936 1 936 1 707 1 843 1 843 134 223 223 75 130 130 Hongrie Ireland 1 961 1 869 1 974 2 082 2 044 2 177 129 200 203 249 375 406 Irlande Italy 5 567 5 567 5 567 4 518 4 518 4 518 1 154 1 154 1 154 105 105 105 Italie Latvia 4 140 3 650 3 650 6 387 6 050 6 050 2 019 1 800 1 800 4 266 4 200 4 200 Lettonie Luxembourg 695 757 751 625 687 681 189 189 189 119 119 119 Luxembourg Malta 2 2 2 0 0 0 2 2 2 0 0 0 Malte Montenegro 239 218 238 238 217 237 1 1 1 0 0 0 Monténégro Netherlands 1 145 1 120 1 120 1 355 1 380 1 390 734 730 730 944 990 1 000 Pays-Bas Poland 29 967 30 985 31 835 28 035 29 200 29 800 4 609 4 460 4 410 2 677 2 675 2 375 Pologne Portugal 13 533 13 750 13 782 11 462 11 900 11 870 2 363 2 280 2 382 292 430 470 Portugal Serbia 909 947 976 892 931 958 21 20 22 4 4 4 Serbie Slovakia 3 472 3 800 4 000 4 119 4 200 4 350 1 006 1 000 1 050 1 654 1 400 1 400 Slovaquie Slovenia 834 910 880 1 877 1 870 1 920 494 700 570 1 536 1 660 1 610 Slovénie Spain 11 099 11 684 12 052 12 663 13 217 13 651 557 582 603 2 121 2 116 2 202 Espagne Sweden 59 772 59 734 59 784 52 100 53 300 53 300 8 194 7 127 7 127 522 693 643 Suède Switzerland 1 692 1 713 1 738 1 254 1 280 1 310 631 623 613 193 190 185 Suisse Turkey 13 596 14 027 14 027 13 397 13 600 13 600 202 455 455 3 28 28 Turquie United Kingdom 5 136 5 482 5 482 4 670 4 974 4 974 578 578 578 112 71 71 Royaume-Un Total Europe 285 963 291 237 295 466 269 817 278 619 282 225 47 336 45 712 45 399 31 190 33 094 32 158 Total Europe Moldova 2 2 2 1 1 1 1 1 1 0 0 0 Moldova Russia 58 244 60 273 64 791 73 232 75 562 76 307 104 104 104 15 092 15 393 11 620 Russie Total EECCA 58 246 60 275 64 793 73 233 75 563 76 308 105 105 105 15 092 15 393 11 620 Total EOCAC Canada 34 428 30 819 31 865 31 073 27 434 27 434 4 000 3 969 4 975 645 584 545 Canada United States 228 406 228 659 234 933 233 223 234 181 234 974 190 206 201 5 007 5 728 243 Etats-Unis Total North America 262 835 259 479 266 798 264 296 261 615 262 408 4 191 4 175 5 177 5 652 6 312 788 Total Amérique du Nord

Includes wood residues, chips and particles for all purposes Comprend les dechets de bois, plaquettes et particules pour toute utilisation a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

TABLE 12

Apparent Consumption a

Pays

1000 m3

Exports - Exportations

PULPWOOD (total) BOIS DE TRITURATION (total)

Country

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Production Imports - ImportationsConsommation Apparente a

UNECE COFFI and FAO EFC Foresta2021 page 25

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 4 999 4 750 4 840 2 358 2 510 2 600 2 749 2 500 2 400 108 260 160 Autriche Bosnia-Herzegovina 622 625 623 559 567 570 77 68 65 14 10 12 Bosnie-Herzegovine Czech Republic 4 527 5 000 5 050 8 036 7 799 7 798 263 255 268 3 772 3 054 3 016 République tchèque Estonia 528 475 475 1 148 1 075 1 075 21 40 40 641 640 640 Estonie Finland 21 957 24 401 24 237 21 635 23 931 24 294 1 205 1 238 711 883 768 768 Finlande France 4 622 4 724 4 700 4 479 4 600 4 600 506 561 600 363 438 500 France Germany 10 290 7 600 9 000 10 590 10 600 11 000 2 200 1 500 2 000 2 500 4 500 4 000 Allemagne Hungary 596 542 542 596 542 542 0 0 0 0 0 0 Hongrie Ireland 1 117 752 801 1 197 877 934 30 50 53 110 175 186 Irlande Italy 853 853 853 853 853 853 0 0 0 0 0 0 Italie Latvia 1 814 1 750 1 750 2 241 2 100 2 100 306 350 350 733 700 700 Lettonie Luxembourg 40 32 32 40 32 32 0 0 0 0 0 0 Luxembourg Montenegro 17 9 23 17 9 23 0 0 0 0 0 0 Monténégro Netherlands 142 140 140 255 260 260 82 80 80 195 200 200 Pays-Bas Poland 13 036 13 600 13 950 13 886 14 500 14 600 1 185 1 200 1 250 2 035 2 100 1 900 Pologne Portugal 2 205 2 350 2 272 2 130 2 300 2 230 81 80 82 6 30 40 Portugal Serbia 94 96 98 94 96 98 0 0 0 0 0 0 Serbie Slovakia 702 900 950 1 157 1 200 1 250 575 500 500 1 030 800 800 Slovaquie Slovenia 278 310 330 346 230 280 230 310 280 298 230 230 Slovénie Spain 2 931 2 905 2 952 3 489 3 665 3 751 95 100 102 653 860 901 Espagne Sweden 29 055 29 293 29 393 25 400 26 100 26 200 3 931 3 469 3 469 276 276 276 Suède Switzerland 238 240 245 308 310 315 20 20 20 90 90 90 Suisse Turkey 7 224 7 352 7 352 7 222 7 350 7 350 3 3 3 1 1 1 Turquie United Kingdom 1 885 1 885 1 885 1 630 1 630 1 630 283 283 283 29 29 29 Royaume-Uni Total Europe 109 772 110 583 112 492 109 665 113 137 114 386 13 842 12 607 12 556 13 736 15 161 14 449 Total Europe Russia 29 389 29 682 32 041 33 289 33 622 31 941 100 100 100 4 000 4 040 0 Russie Total EECCA 29 389 29 682 32 041 33 289 33 622 31 941 100 100 100 4 000 4 040 0 Total EOCAC Canada 4 432 3 984 4 267 3 804 3 470 3 470 645 518 800 17 4 3 Canada United States 133 463 133 526 133 557 133 458 133 521 133 552 5 5 5 0 0 0 Etats-Unis Total North America 137 895 137 511 137 825 137 262 136 992 137 023 650 523 805 17 4 3 Total Amérique du Nord

a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

TABLE 12a

Apparent Consumption a

Consommation Apparente a Pays

PULPWOOD LOGS (ROUND AND SPLIT) BOIS DE TRITURATION (RONDINS ET QUARTIERS)

1000 m3 - Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Exports - ExportationsCountry Production

Softwood Conifères

Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 26

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 1 210 1 382 1 380 600 682 680 680 780 780 70 80 80 Autriche Bosnia-Herzegovina 61 62 64 55 57 56 13 10 12 7 5 4 Bosnie-Herzegovine Czech Republic 276 293 306 323 334 352 17 18 18 64 59 64 République tchèque Estonia 507 205 205 1 168 1 075 1 075 172 130 130 833 1 000 1 000 Estonie Finland 11 986 11 834 11 801 7 416 7 158 7 542 4 637 4 709 4 292 67 32 32 Finlande France 2 509 2 546 2 480 3 314 3 300 3 200 67 66 80 872 820 800 France Germany 2 663 2 650 2 690 2 913 2 800 2 800 150 150 140 400 300 250 Allemagne Hungary 306 377 377 306 377 377 0 0 0 0 0 0 Hongrie Italy 166 166 166 166 166 166 0 0 0 0 0 0 Italie Latvia 600 400 400 1 882 1 750 1 750 461 350 350 1 743 1 700 1 700 Lettonie Luxembourg 64 134 128 64 134 128 0 0 0 0 0 0 Luxembourg Montenegro 26 13 19 26 13 19 0 0 0 0 0 0 Monténégro Netherlands 65 50 50 147 160 160 21 20 20 103 130 130 Pays-Bas Poland 4 953 5 385 5 785 4 468 4 900 5 300 560 560 560 75 75 75 Pologne Portugal 8 585 8 300 8 350 7 410 7 600 7 620 1 353 1 000 1 050 178 300 320 Portugal Serbia 293 299 309 294 300 310 0 0 0 1 1 1 Serbie Slovakia 1 788 1 900 2 000 1 828 1 850 1 900 70 150 200 110 100 100 Slovaquie Slovenia 146 140 100 450 490 440 88 130 90 392 480 430 Slovénie Spain 5 267 5 658 5 658 5 942 6 074 6 150 285 291 295 960 707 787 Espagne Sweden 8 641 8 441 8 541 6 100 6 200 6 300 2 558 2 258 2 258 17 17 17 Suède Switzerland 137 143 148 174 180 185 3 3 3 40 40 40 Suisse Turkey 5 225 5 300 5 300 5 225 5 300 5 300 2 2 2 2 2 2 Turquie United Kingdom 17 17 17 2 2 2 16 16 16 0 0 0 Royaume-Un Total Europe 55 490 55 695 56 274 50 273 50 901 51 811 11 152 10 643 10 295 5 935 5 849 5 832 Total Europe Russia 8 465 9 105 10 109 15 665 16 449 17 600 0 0 0 7 200 7 344 7 491 Russie Total EECCA 8 465 9 105 10 109 15 665 16 449 17 600 0 0 0 7 200 7 344 7 491 Total EOCAC Canada 8 112 7 871 7 870 8 474 8 073 8 073 31 28 19 393 231 223 Canada United States 42 217 42 237 42 247 42 264 42 284 42 294 42 42 42 89 89 89 Etats-Unis Total North America 50 329 50 108 50 117 50 738 50 358 50 368 73 70 61 482 320 312 Total Amérique du Nord

a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fournies des données sur la commerce

Hardwood Non-conifères 1000 m3 - Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

BOIS DE TRITURATION (RONDINS ET QUARTIERS)

Production Imports - Importations

TABLE 12b

Apparent Consumption a

Consommation Apparente a PaysExports - ExportationsCountry

PULPWOOD LOGS (ROUND AND SPLIT)

UNECE COFFI and FAO EFC Foresta2021 page 27

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 8 904 9 100 9 350 7 152 7 450 7 700 2 369 2 450 2 450 616 800 800 Autriche Bosnia-Herzegovina 245 224 240 267 250 265 9 9 10 30 35 35 Bosnie-Herzegovine Cyprus 8 9 9 8 8 8 1 1 1 0 0 0 Chypre Czech Republic 1 494 1 485 1 533 1 728 1 690 1 750 202 285 290 436 490 507 République tchèque Estonia 3 015 2 600 2 600 4 000 3 700 3 700 266 100 100 1 251 1 200 1 200 Estonie Finland 19 154 20 432 20 689 14 170 15 321 15 530 5 205 5 254 5 301 221 142 142 Finlande France 16 211 16 690 17 400 14 402 15 000 15 500 2 510 2 465 2 600 701 776 700 France Germany 14 649 16 000 16 000 16 115 17 500 17 500 1 002 1 000 1 000 2 468 2 500 2 500 Allemagne Hungary 864 1 017 1 017 805 924 924 134 223 223 75 130 130 Hongrie Ireland 844 1 117 1 173 885 1 167 1 243 99 150 150 139 200 220 Irlande Italy 4 549 4 549 4 549 3 500 3 500 3 500 1 154 1 154 1 154 105 105 105 Italie Latvia 1 726 1 500 1 500 2 264 2 200 2 200 1 252 1 100 1 100 1 790 1 800 1 800 Lettonie Luxembourg 591 591 591 521 521 521 189 189 189 119 119 119 Luxembourg Malta 2 2 2 0 0 0 2 2 2 0 0 0 Malte Montenegro 196 196 196 195 195 195 1 1 1 0 0 0 Monténégro Netherlands 938 930 930 953 960 970 631 630 630 646 660 670 Pays-Bas Poland 11 977 12 000 12 100 9 680 9 800 9 900 2 864 2 700 2 600 567 500 400 Pologne Portugal 2 742 3 100 3 160 1 921 2 000 2 020 929 1 200 1 250 108 100 110 Portugal Serbia 522 552 569 504 535 550 21 20 22 3 3 3 Serbie Slovakia 982 1 000 1 050 1 135 1 150 1 200 361 350 350 514 500 500 Slovaquie Slovenia 409 460 450 1 080 1 150 1 200 176 260 200 847 950 950 Slovénie Spain 2 902 3 120 3 442 3 233 3 478 3 750 178 191 206 508 548 514 Espagne Sweden 22 076 22 000 21 850 20 600 21 000 20 800 1 705 1 400 1 400 229 400 350 Suède Switzerland 1 317 1 330 1 345 772 790 810 608 600 590 63 60 55 Suisse Turkey 1 147 1 375 1 375 950 950 950 197 450 450 0 25 25 Turquie United Kingdom 3 234 3 580 3 580 3 038 3 342 3 342 279 279 279 83 41 41 Royaume-Uni Total Europe 120 700 124 959 126 700 109 879 114 581 116 029 22 341 22 462 22 548 11 520 12 084 11 876 Total Europe Moldova 2 2 2 1 1 1 1 1 1 0 0 0 Moldova Russia 20 390 21 487 22 641 24 278 25 492 26 766 4 4 4 3 892 4 009 4 129 Russie Total EECCA 20 392 21 489 22 643 24 279 25 493 26 767 5 5 5 3 892 4 009 4 129 Total EOCAC Canada 21 885 18 964 19 728 18 795 15 890 15 890 3 324 3 423 4 156 235 349 318 Canada United States 52 726 52 896 59 128 57 501 58 376 59 128 143 159 154 4 918 5 639 154 Etats-Unis Total North America 74 611 71 860 78 856 76 296 74 266 75 018 3 467 3 581 4 310 5 153 5 988 472 Total Amérique du Nord

TABLE 12c

Apparent Consumption Consommation Apparente Pays

WOOD RESIDUES, CHIPS AND PARTICLES DECHETS DE BOIS, PLAQUETTES ET PARTICULES

1000 m3

Exports - Exportations

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Country Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 28

Imports Exports

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 Austria 1 074 1 135 1 250 1 540 1 650 1 800 384 425 390 849 940 940 Autriche Bosnia-Herzegovina 90 94 94 150 162 165 1 2 3 61 70 74 Bosnie-Herzegovine Cyprus 4 4 4 0 0 0 4 4 4 0 0 0 Chypre Czech Republic 180 182 198 477 490 502 32 34 35 329 342 339 République tchèque Estonia 572 115 115 1 630 1 400 1 400 12 15 15 1 070 1 300 1 300 Estonie Finland 427 395 420 322 345 365 112 90 90 7 40 35 Finlande France 2 075 2 101 2 200 1 760 1 800 1 850 412 410 450 97 109 100 France Germany 2 590 2 880 3 225 3 100 3 300 3 600 291 325 350 801 745 725 Allemagne Hungary 77 79 79 16 19 19 84 82 82 23 22 22 Hongrie Ireland 45 65 65 38 55 55 38 45 45 30 35 35 Irlande Italy 2 194 2 194 2 194 400 400 400 1 802 1 802 1 802 7 7 7 Italie Latvia 325 300 300 2 264 2 200 2 200 425 400 400 2 364 2 300 2 300 Lettonie Luxembourg 47 47 47 63 63 63 11 11 11 27 27 27 Luxembourg Malta 1 0 0 0 0 0 1 0 0 0 0 0 Malte Montenegro 53 47 47 89 82 82 1 1 1 37 37 37 Monténégro Netherlands 2 442 2 609 3 180 300 300 300 2 297 2 429 3 000 155 120 120 Pays-Bas North Macedonia 91 91 91 0 0 0 91 91 91 0 0 0 Macédoine du Nord Poland 818 880 900 1 353 1 450 1 500 176 180 200 711 750 800 Pologne Portugal 255 204 245 859 900 950 2 4 5 606 700 710 Portugal Serbia 406 445 450 445 455 460 40 45 50 79 55 60 Serbie Slovakia 20 20 20 206 200 200 43 45 45 229 225 225 Slovaquie Slovenia 206 165 175 148 160 165 257 215 230 198 210 220 Slovénie Spain 507 696 798 531 745 863 65 76 80 89 125 145 Espagne Sweden 1 642 1 940 1 940 1 660 2 000 2 000 119 140 140 138 200 200 Suède Switzerland 347 350 355 270 275 285 78 75 70 0 0 0 Suisse Turkey 6 6 6 20 20 20 0 0 0 14 14 14 Turquie United Kingdom 9 345 9 345 9 345 271 271 271 9 078 9 078 9 078 4 4 4 Royaume-Un Total Europe 25 840 26 388 27 743 17 912 18 743 19 516 15 854 16 023 16 666 7 925 8 378 8 439 Total Europe Moldova 32 32 32 31 31 31 2 2 2 0 0 0 Moldova Russia 509 470 540 2 800 3 220 3 703 2 2 2 2 294 2 752 3 165 Russie Total EECCA 541 502 573 2 831 3 251 3 734 4 4 4 2 294 2 752 3 165 Total EOCAC Canada 960 795 536 3 830 4 131 4 131 31 46 54 2 901 3 381 3 649 Canada United States 1 360 1 503 1 572 8 412 8 855 9 210 205 227 236 7 257 7 578 7 874 Etats-Unis Total North America 2 321 2 299 2 108 12 242 12 985 13 341 236 272 290 10 158 10 958 11 523 Total Amérique du Nord

Exports - Exportations Pays

TABLE 13 WOOD PELLETS GRANULES DE BOIS

1000 mt Apparent Consumption

Country Consommation Apparente

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

Production Imports - Importations

UNECE COFFI and FAO EFC Foresta2021 page 29

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 actual actual actual actual réels réels réels réels

Sawn softwood 82.76 89.42 90.28 102.87 107.84 109.03 32.51 35.40 34.94 52.63 53.82 53.68 Sciages conifères

Softwood logs a 194.72 200.32 200.51 199.16 199.97 194.47 20.04 19.12 19.97 24.48 18.77 13.94 Grumes de conifères a

Sawn hardwood 10.78 11.34 11.61 10.72 11.25 11.40 4.01 4.25 4.34 3.95 4.17 4.12 Sciages non-conifères

– temperate zone b 10.05 10.62 10.88 10.65 11.19 11.34 3.24 3.49 3.56 3.84 4.06 4.01 – zone tempérée b

– tropical zone b 0.72 0.72 0.73 0.07 0.06 0.06 0.77 0.77 0.78 0.11 0.11 0.11 – zone tropicale b

Hardwood logs a 23.22 23.52 24.12 24.09 24.78 25.20 2.48 2.04 2.17 3.34 3.30 3.25 Grumes de non-conifères a

– temperate zone b 22.94 23.34 23.94 24.09 24.78 25.20 2.18 1.84 1.97 3.32 3.28 3.23 – zone tempérée b

– tropical zone b 0.28 0.18 0.17 0.30 0.20 0.20 0.02 0.02 0.02 – zone tropicale b

Veneer sheets 1.44 1.51 1.53 1.03 1.13 1.13 1.18 1.23 1.26 0.77 0.85 0.86 Feuilles de placage

Plywood 7.44 7.27 7.51 4.39 4.61 4.63 6.77 6.68 6.90 3.72 4.02 4.03 Contreplaqués

Particle board (excluding OSB) 28.83 29.99 30.57 30.22 31.31 31.80 9.16 9.50 9.84 10.55 10.83 11.07 Pann. de particules (sauf OSB)

OSB 5.66 5.74 5.81 5.85 5.69 5.80 3.26 3.29 3.34 3.45 3.24 3.33 OSB

Fibreboard 20.47 20.83 21.46 22.07 22.67 23.15 9.24 9.65 9.86 10.84 11.49 11.55 Panneaux de fibres

– Hardboard 0.52 0.66 0.74 0.38 0.42 0.43 1.38 1.42 1.45 1.25 1.19 1.14 – Durs

– MDF 16.80 17.00 17.48 18.52 19.04 19.43 5.86 6.14 6.25 7.58 8.18 8.20 – MDF

– Other board 3.15 3.17 3.24 3.16 3.22 3.29 2.00 2.08 2.15 2.01 2.13 2.21 – Autres panneaux Pulpwood a 285.96 291.24 295.47 269.82 278.62 282.23 47.34 45.71 45.40 31.19 33.09 32.16 Bois de trituration a

– Pulp logs 165.26 166.28 168.77 159.94 164.04 166.20 24.99 23.25 22.85 19.67 21.01 20.28 – Bois ronds de trituration

– softwood 109.77 110.58 112.49 109.67 113.14 114.39 13.84 12.61 12.56 13.74 15.16 14.45 – conifères

– hardwood 55.49 55.69 56.27 50.27 50.90 51.81 11.15 10.64 10.30 5.93 5.85 5.83 – non-conifères

– Residues, chips and particles 120.70 124.96 126.70 109.88 114.58 116.03 22.34 22.46 22.55 11.52 12.08 11.88 – Déchets, plaquettes et part. Wood pulp 40.30 40.64 40.12 36.93 37.91 37.93 17.92 17.74 17.65 14.55 15.02 15.46 Pâte de bois

Paper and paperboard 76.36 76.97 77.32 86.91 89.94 90.19 44.50 44.66 44.77 55.05 57.63 57.65 Papiers et cartons

Wood Pellets 25.84 26.39 27.74 17.91 18.74 19.52 15.85 16.02 16.67 7.93 8.38 8.44 Granulés de bois a Countries which did not provide trade data are included in consumption data a La consommation comprend les pays qui n'ont pas fourni des données sur le commerce b Trade figures by zone do not equal the total as some countries cannot provide data for both zones b Les chiffres du commerce par zone ne correspondent pas aux totaux

en raison du fait que certains pays ne peuvent les différencier.

TABLE 14

Apparent Consumption Consommation Apparente Exports - ExportationsProduction

Europe: Summary table of market forecasts for 2021 and 2022

Europe: Tableau récapitulatif des prévisions du marché pour 2021 et 2022

million m 3 (pulp, paper and pellets million m.t. - pâte de bois, papiers et cartons, et granulés en millions de tonnes métriques)

Imports - Importations

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

prévisions forecasts prévisions

forecasts prévisions

forecasts prévisions

forecasts

UNECE COFFI and FAO EFC Foresta2021 page 30

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 actual actual actual actual réels réels réels réels

Sawn softwood 99.90 108.23 111.04 101.84 106.68 109.76 26.26 26.68 26.58 28.20 25.13 25.30 Sciages conifères

Softwood logs 239.31 239.09 237.48 251.70 251.56 254.08 2.97 2.83 2.93 15.36 15.29 19.53 Grumes de conifères

Sawn hardwood 15.07 15.55 15.76 17.68 17.82 17.86 1.38 1.55 1.65 4.00 3.81 3.76 Sciages non-conifères

– temperate zone 14.93 15.43 15.63 17.68 17.82 17.86 1.20 1.37 1.47 3.95 3.76 3.70 – zone tempérée

– tropical zone 0.13 0.13 0.13 0.00 0.00 0.00 0.19 0.18 0.19 0.05 0.05 0.06 – zone tropicale

Hardwood logs 43.80 50.77 51.28 44.83 51.77 52.43 1.17 1.35 1.32 2.20 2.35 2.47 Grumes de non-conifères

– temperate zone 43.80 50.78 51.28 44.83 51.77 52.43 1.17 1.35 1.32 2.20 2.34 2.47 – zone tempérée

– tropical zone 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 – zone tropicale Veneer sheets 2.85 2.90 2.96 2.87 2.93 3.01 0.74 0.82 0.84 0.76 0.86 0.88 Feuilles de placage

Plywood 16.41 17.41 17.77 11.17 11.75 12.00 6.31 6.80 6.92 1.07 1.13 1.14 Contreplaqués

Particle board (excluding OSB) 7.25 6.77 6.74 6.41 6.26 6.30 1.95 1.94 1.98 1.12 1.43 1.54 Pann. de particules (sauf OSB)

OSB 20.08 20.76 21.06 20.34 21.24 21.57 5.19 5.58 5.68 5.45 6.07 6.18 OSB

Fibreboard 9.46 9.82 9.83 7.35 7.40 7.40 3.64 3.94 3.95 1.52 1.52 1.52 Panneaux de fibres

– Hardboard 0.27 0.29 0.29 0.30 0.30 0.30 0.30 0.33 0.33 0.33 0.34 0.35 – Durs

– MDF 5.88 6.16 6.18 3.77 3.82 3.82 3.02 3.25 3.25 0.91 0.90 0.89 – MDF

– Other board 3.31 3.36 3.36 3.28 3.28 3.28 0.31 0.36 0.37 0.28 0.28 0.29 – Autres panneaux Pulpwood 262.83 259.48 266.80 264.30 261.62 262.41 4.19 4.17 5.18 5.65 6.31 0.79 Bois de trituration

– Pulp logs 188.22 187.62 187.94 188.00 187.35 187.39 0.72 0.59 0.87 0.50 0.32 0.32 – Bois ronds de trituration

– softwood 137.89 137.51 137.82 137.26 136.99 137.02 0.65 0.52 0.81 0.02 0.00 0.00 – conifères

– hardwood 50.33 50.11 50.12 50.74 50.36 50.37 0.07 0.07 0.06 0.48 0.32 0.31 – non-conifères

– Residues, chips and particles 74.61 71.86 78.86 76.30 74.27 75.02 3.47 3.58 4.31 5.15 5.99 0.47 – Déchets, plaquettes et part. Wood pulp 54.46 55.16 55.31 64.98 65.09 64.61 6.30 6.77 7.22 16.82 16.71 16.52 Pâte de bois

Paper and paperboard 68.29 70.84 71.97 74.59 77.14 78.53 10.00 10.31 10.28 16.31 16.60 16.84 Papiers et cartons

Wood pellets 2.32 2.30 2.11 12.24 12.99 13.34 0.24 0.27 0.29 10.16 10.96 11.52 Granulés de bois

TABLE 15

Apparent Consumption Consommation Apparente Exports - ExportationsProduction

North America: Summary table of market forecasts for 2021 and 2022

Amérique du Nord: Tableau récapitulatif des prévisions du marché pour 2021 et 2022

million m3 (pulp, paper and pellets million m.t. - pâte de bois, papiers et cartons, et granulés en millions de tonnes métriques)

Imports - Importations

Data only for those countries providing forecasts - Données uniquement pour les pays fournissant des prévisions

forecasts prévisions

forecasts prévisions

forecasts prévisions

forecasts prévisions

UNECE COFFI and FAO EFC Foresta2021 page 31

2020 2021 2022 2020 2021 2022 2020 2021 2022 2020 2021 2022 actual actual actual actual réels réels réels réels

Sawn softwood 9.13 10.15 11.25 38.92 40.09 42.09 0.04 0.04 0.04 29.83 29.98 30.88 Sciages conifères

Softwood logs 108.14 109.22 108.11 120.44 121.64 115.56 0.00 0.00 0.00 12.30 12.42 7.45 Grumes de conifères

Sawn hardwood 1.34 1.38 1.48 2.88 2.97 3.14 0.01 0.01 0.01 1.54 1.59 1.67 Sciages non-conifères

– temperate zone 1.34 1.38 1.47 2.88 2.97 3.14 0.00 0.00 0.00 1.54 1.59 1.67 – zone tempérée

– tropical zone 0.01 0.01 0.01 0.00 0.00 0.00 0.01 0.01 0.01 0.00 0.00 0.00 – zone tropicale

Hardwood logs 12.49 13.18 14.23 14.89 15.63 16.72 0.00 0.00 0.00 2.40 2.45 2.50 Grumes de non-conifères

– temperate zone 12.49 13.18 14.23 14.89 15.63 16.72 0.00 0.00 0.00 2.40 2.45 2.50 – zone tempérée

– tropical zone 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 – zone tropicale Veneer sheets 1.10 1.44 1.69 1.57 1.96 2.26 0.01 0.01 0.01 0.49 0.54 0.58 Feuilles de placage

Plywood 1.22 1.44 1.51 4.00 4.60 4.83 0.12 0.13 0.13 2.90 3.28 3.45 Contreplaqués

Particle board (excluding OSB) 5.29 6.12 6.50 6.73 7.15 7.53 0.30 0.67 0.79 1.74 1.69 1.83 Pann. de particules (sauf OSB)

OSB 1.61 1.08 1.26 1.63 1.63 1.95 0.35 0.18 0.14 0.36 0.72 0.83 OSB

Fibreboard 2.80 3.42 3.67 3.58 4.30 4.63 0.46 0.59 0.64 1.24 1.48 1.60 Panneaux de fibres

– Hardboard 0.32 0.39 0.35 0.37 0.45 0.40 0.10 0.10 0.10 0.15 0.16 0.15 – Durs

– MDF 2.45 2.99 3.29 3.20 3.84 4.22 0.33 0.46 0.51 1.08 1.31 1.44 – MDF

– Other board 0.03 0.03 0.03 0.01 0.01 0.01 0.03 0.03 0.03 0.01 0.01 0.01 – Autres panneaux Pulpwood 58.24 60.27 64.79 73.23 75.56 76.31 0.10 0.10 0.10 15.09 15.39 11.62 Bois de trituration

– Pulp logs 37.85 38.79 42.15 48.95 50.07 49.54 0.10 0.10 0.10 11.20 11.38 7.49 – Bois ronds de trituration

– softwood 29.39 29.68 32.04 33.29 33.62 31.94 0.10 0.10 0.10 4.00 4.04 0.00 – conifères

– hardwood 8.47 9.10 10.11 15.67 16.45 17.60 0.00 0.00 0.00 7.20 7.34 7.49 – non-conifères

– Residues, chips and particles 20.39 21.49 22.64 24.28 25.49 26.77 0.00 0.00 0.00 3.89 4.01 4.13 – Déchets, plaquettes et part. Wood pulp 6.53 6.55 6.68 8.77 8.85 9.03 0.21 0.21 0.22 2.44 2.52 2.57 Pâte de bois

Paper and paperboard 7.12 7.62 7.95 9.53 10.19 10.70 1.19 1.17 1.14 3.60 3.75 3.90 Papiers et cartons

Wood pellets 0.51 0.47 0.54 2.80 3.22 3.70 0.00 0.00 0.00 2.29 2.75 3.17 Granulés de bois

TABLE 16

Apparent Consumption Consommation Apparente Exports - ExportationsProduction

Russian Federation: Summary table of market forecasts for 2021 and 2022

Fédération de Russie: Tableau récapitulatif des prévisions du marché pour 2021 et 2022

million m3 (pulp, paper and pellets million m.t. - pâte de bois, papiers et cartons, et granulés en millions de tonnes métriques)

Imports - Importations

prévisions forecasts prévisions

forecasts prévisions

forecasts prévisions

forecasts

UNECE COFFI and FAO EFC Foresta2021 page 32

Unit Unité 2016 2017 2018 2019 2020

1979-81 1999-2001 Volume Percent

EXPORTS EXPORTATIONS

Roundwood a million m3 22.22 48.68 61.29 63.02 70.01 78.70 82.01 3.31 4.2% Bois ronds a

Sawnwood " 24.77 45.99 55.71 58.51 59.86 62.83 56.58 -6.25 -9.9% Sciages Wood-based panels b " 8.07 21.42 33.67 35.66 35.43 35.67 28.55 -7.12 -20.0% Panneaux à base de bois b

Wood pulp million m.t. 7.31 10.08 14.31 14.81 15.19 16.26 14.55 -1.71 -10.5% Pâte de bois Paper and paperboard " 18.39 54.06 65.56 66.20 66.45 65.12 55.05 -10.07 -15.5% Papiers et cartons

IMPORTS IMPORTATIONS

Roundwood a million m3 38.83 74.99 85.69 79.61 90.25 89.33 86.83 -2.50 -2.8% Bois ronds a

Sawnwood " 34.26 46.39 40.93 43.88 46.19 47.38 36.52 -10.86 -22.9% Sciages Wood-based panels b " 10.30 21.38 33.04 35.75 37.21 36.72 28.43 -8.29 -22.6% Panneaux à base de bois b

Wood pulp million m.t. 11.36 17.26 20.73 20.86 21.51 20.02 17.92 -2.10 -10.5% Pâte de bois Paper and paperboard " 16.78 48.69 56.27 57.08 57.24 55.14 44.50 -10.64 -19.3% Papiers et cartons

NET TRADE c COMMERCE NET c

Roundwood a million m3 -16.61 -26.31 -24.40 -16.59 -20.24 -10.63 -4.82 5.81 54.6% Bois ronds a

Sawnwood " -9.49 -0.40 14.78 14.62 13.68 15.45 20.06 4.61 29.8% Sciages Wood-based panels b " -2.23 0.04 0.63 -0.10 -1.79 -1.05 0.12 1.17 NA Panneaux à base de bois b

Wood pulp million m.t. -4.05 -7.18 -6.42 -6.05 -6.31 -3.76 -3.37 0.39 10.3% Pâte de bois Paper and paperboard " 1.61 5.37 9.29 9.12 9.21 9.98 10.55 0.57 5.7% Papiers et cartons

a Including available data on wood residues, chips and particles a Y compris les données disponibles pour les déchets, les plaquettes et les particules b Not including veneer sheets b Ne sot pas compris les feuilles de placage c Exports minus imports c Exportations moins importations

2019/2020

Quantity - Volume

TABLE 17 Europe: Trade in forest products by main product groups, 1979-81 and 1999-2001 (averages) and 2016 to 2020

Europe: Commerce des produits forestiers, par principaux groupes d'assortiments, en 1979-81 et 1999-2001 (moyennes) et de 2016 à 2020

Change - Changementaverage moyenne

UNECE COFFI and FAO EFC Foresta2021 page 33

2016 2017 2018 2019 2020 2021 2022 1979-81 1999-2001

Sawnwood b million m3 100.66 108.12 107.55 110.81 113.12 110.61 93.53 100.75 101.89 Sciages b

– Softwood " 78.36 89.22 94.52 97.49 99.05 96.33 82.76 89.42 90.28 – Conifères – Hardwood " 22.30 18.90 13.03 13.32 14.07 14.27 10.78 11.34 11.61 – Non-conifères

Wood-based panels c " 33.70 54.21 71.70 74.21 75.86 74.96 62.39 63.82 65.34 Panneaux à base de bois c

– Plywood " 5.44 6.66 8.43 8.89 9.48 8.91 7.44 7.27 7.51 – Contreplaqués – Particle board d " 23.82 34.50 36.11 36.97 36.61 36.39 28.83 29.99 30.57 – Panneaux de particules d

– OSB 1.72 6.18 6.63 6.89 6.74 5.66 5.74 5.81 – OSB – Fibreboard " 4.44 11.00 20.99 21.72 22.88 22.92 20.47 20.83 21.46 – Panneaux de fibres

Paper and paperboard million m.t. 49.17 88.67 88.40 89.94 89.53 86.18 76.36 76.97 77.32 Papiers et cartons – Newsprint " 6.45 12.04 6.61 6.03 5.76 5.26 4.10 – Papiers journal – Other paper & paperbrd. " 42.71 76.63 81.79 83.91 83.77 80.92 72.26 – Autres papiers/cartons

Sawnwood b 100.0 107.4 106.8 110.1 112.4 109.9 92.9 100.1 101.2 Sciages b

– Softwood 100.0 113.9 120.6 124.4 126.4 122.9 105.6 114.1 115.2 – Conifères – Hardwood 100.0 84.7 58.4 59.7 63.1 64.0 48.3 50.8 52.1 – Non-conifères

Wood-based panels c 100.0 160.9 212.8 220.2 225.1 222.4 185.1 189.4 193.9 Panneaux à base de bois c

– Plywood 100.0 122.5 154.9 163.4 174.2 163.8 136.7 133.6 138.0 – Contreplaqués – Particle board 100.0 144.8 151.6 155.2 153.7 152.8 121.0 125.9 128.3 – Panneaux de particules – OSB 100.0 359.2 385.7 400.4 391.9 329.0 333.6 337.7 – OSB – Fibreboard 100.0 247.9 472.8 489.2 515.3 516.1 461.0 469.1 483.3 – Panneaux de fibres

Paper and paperboard 100.0 180.3 179.8 182.9 182.1 175.3 155.3 156.5 157.2 Papiers et cartons – Newsprint 100.0 186.6 102.5 93.4 89.2 81.6 63.5 – Papiers journal – Other paper & paperbrd. 100.0 179.4 191.5 196.5 196.1 189.5 169.2 – Autres papiers/cartons

a The forecasts and 2020 are not a Une comparison entre prévisions (et 2020) comparable with earlier data as the methodology is different. et les donnes anterieures n'est pas possible à cause de différences des méthodes de calcul. b Excluding sleepers through 2016 b Non compris les traverses jusqu'à 2016 c Not including veneer sheets c Ne sont pas compris les feuilles de placage d Average figure for 1979-81 includes OSB d Les chiffres moyennes 1979-81 comprennent le OSB

TABLE 18 Europe: Apparent consumption of selected forest products, 1979-81 and 1999-2001 (averages), 2016 to 2020, and forecasts for 2021 and 2022

Europe: Consommation apparente de certains produits forestiers, en 1979-81 et 1999-2001 (moyennes), de 2016 à 2020 et prévisions pour 2021 et 2022

Forecasts a

Index - Indice 1979-81 = 100

Prévisions aActual - RéelleUnit Unité average

moyenne

UNECE COFFI and FAO EFC Foresta2021 page 34

2016 2017 2018 2019 2020 2021 2022 1979-81 1999-2001

Sawnwood b million m3 95.82 119.44 99.75 100.40 101.08 101.75 99.92 102.05 103.10 Sciages b

– Softwood " 79.14 91.63 80.22 81.41 81.94 82.26 86.12 87.85 88.69 – Conifères – Hardwood " 16.67 27.81 19.53 18.99 19.14 19.49 13.81 14.20 14.41 – Non-conifères

Wood-based panels c " 29.25 54.68 47.17 48.78 47.93 46.78 46.09 47.63 48.43 Panneaux à base de boisc

– Plywood " 6.09 18.74 15.42 15.60 14.87 14.03 14.03 14.64 14.94 – Contreplaqués – Particle board d " 17.11 10.15 5.04 5.09 5.18 5.40 5.24 5.41 5.52 – Panneaux de particulesd

– OSB 17.75 17.08 18.33 18.86 18.67 18.58 19.35 19.72 – OSB – Fibreboard " 6.05 8.05 9.63 9.75 9.01 8.69 8.24 8.24 8.24 – Panneaux de fibres

Paper and paperboard million m.t. 61.86 92.52 70.10 69.61 68.82 66.31 63.57 66.13 67.40 Papiers et cartons – Newsprint " 10.56 12.20 3.03 2.62 2.29 1.91 1.42 – Papiers journal – Other paper & paperbrd. " 51.30 80.33 67.07 66.99 66.53 64.41 62.15 – Autres papiers/cartons

Sawnwood b million m3 23.87 34.46 28.33 27.42 26.44 25.30 26.26 26.70 26.57 Sciages b

– Softwood " 23.10 32.93 27.37 26.70 25.49 24.53 25.63 26.03 25.88 – Conifères – Hardwood " 0.77 1.53 0.96 0.72 0.95 0.77 0.63 0.67 0.69 – Non-conifères

Wood-based panels c " 2.11 12.82 13.23 14.50 15.67 14.34 14.46 14.97 15.13 Panneaux à base de boisc

– Plywood " 0.50 2.63 4.88 4.93 5.47 4.66 5.06 5.30 5.33 – Contreplaqués – Particle board " 1.33 1.44 1.25 1.24 1.33 1.43 1.46 1.33 1.36 – Panneaux de particules – OSB 6.81 5.07 5.57 5.67 5.42 5.07 5.46 5.56 – OSB – Fibreboard " 0.28 1.94 2.03 2.76 3.21 2.83 2.88 2.88 2.88 – Panneaux de fibres

Paper and paperboard million m.t. 7.78 15.84 9.26 9.17 9.46 8.72 7.64 7.83 7.87 Papiers et cartons – Newsprint " 6.49 6.61 1.84 1.72 1.53 1.28 1.05 – Papiers journal – Other paper & paperbrd. " 1.29 9.24 7.42 7.45 7.94 7.45 6.60 – Autres papiers/cartons

a The forecasts and 2020 are not a Une comparison entre prévisions (et 2020) comparable with earlier data as the methodology is different. et les donnes anterieures s n'est pas possible à cause de différences des méthodes de calcul. b Excluding sleepers through 2016 b Non compris les traverses jusqu'à 2016 c Not including veneer sheets c Ne sont pas compris les feuilles de placage d Average figure for 1979-81 includes OSB d Les chiffres moyennes 1979-81 comprennent le OSB

Actual - Réelle Unit Unité

Imports – Importations

Apparent Consumption – Consommation apparente

average moyenne

TABLE 19 United States: Apparent consumption and imports of selected forest products, 1979-81 and 1999-2001 (averages), 2016 to 2020, and forecasts for 2021 and 2022

Etats-Unis: Consommation apparente et importations de certains produits forestiers, en 1979-81 et 1999-2001 (moyennes), de 2016 à 2020 et prévisions pour 2021 et 2022

Forecasts a Prévisions a

UNECE COFFI and FAO EFC Foresta2021 page 35

List of tables

Table 1

Table 2

Table 2a

Table 2b