Søgeresultat

FAMTYPE

Navn, FAMTYPE , Beskrivende navn, familietype , Gyldighed, Gyldig fra: 01-01-1987, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, 1 Ægtepar med forskelligt køn (fra 2015) , 2 Registreret partnerskab , 3 Samlevende par , 4 Samboende par , 6 Enlig mænd (herunder også ikke hjemmeboende børn), 7 Enlig kvinder (herunder også ikke hjemmeboende børn), 8 Ægtepar med samme køn (fra 2015) , Detaljeret beskrivelse, Bilag, Tabel, Graf, Populationer:, Alle familier, som var bosiddende i Danmark. Familien er defineret pr. 31. december i indkomståret., Populationen i datasæt, som udleveres af Forskningsservice, omfatter alle familier, som var bosiddende i Danmark 31. december i indkomståret. I publikationer og statistikbanktabeller inkluderes kun familier, hvor mindst én voksen har været bosiddende i Danmark både primo og ultimo året (fuldt skattepligtige), og som ved årets udgang er mindst 15 år. For at genskabe denne population skal det betinges, at FAMANTALFSKATTEPLIGTIGE > 0. I vedhæftede tabel og graf er populationen den samme som den, Danmarks Statistik publicerer på, hvor FAMANTALFSKATTEPLIGTIGE > 0. , Værdisæt, D260206.TXT_FAMTYPE - familietype, Kode, tekst, Fra dato, Til dato, 0, Ingen oplysninger, 1, Ægtepar forskelligt køn, 14-12-2014, 2, Registreret partnerskab, 3, Samlevende par, 4, Samboende par, 6, Enlig mænd (herunder også ikke hjemmeboende børn), 7, Enlig kvinder (herunder også ikke hjemmeboende børn), 8, Ægtepar samme køn, 14-12-2014

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/familieindkomst/famtype

ANDELUDS

Navn, ANDELUDS , Beskrivende navn, Andel af udskilte til et andet arbejdssted blandt ansatte , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Variablen angiver andelen af "udskilte" til et andet arbejdssted blandt ansatte i procent. , Detaljeret beskrivelse, Mål for omfanget af "udskilning" af ansatte til et andet arbejdssted, som oprettes. Evt. til flere arbejdssteder., Variablen er kun defineret for arbejdssteder, hvor udskillelse forekommer. I de tilfælde, hvor der ikke forekommer en udskilning af ansatte til et andet eller flere arbejdssteder året efter, vil variablen være lig missing på det pågældende arbejdssted., For enhed med IDFREM (Identitet for arbejdssted fremad i tid) = B2 (donorarbejdssted) beregnes procenten som summen af antal personer, der overgår til en eller flere udskilte arbejdssteder i procent af det samlede antal ansatte i det første år, dvs. før "opdelingen"., For enhed med IDTILB (Identitet for arbejdssted tilbage i tid) = O2, dvs. den udskilte enhed i år to, angiver ANDELUDS, hvor stor en andel af de personer der overgår hertil udgør af donorarbejdsstedets samlede antal ansatte (i det første år)., Variablen kan antage værdien 000-100. , Da variablen er relevant under to forskellige betingelser (IDFREM=B2 og/eller IDTILB=O2), er der ikke udarbejdet tabel og figur., For en uddybning af betingelserne B2 og O2 henvises til kapitel 4 i IDA-Hovedrapporten, specielt afsnit 4.2 og figur 4. , Bilag, Tabel, Graf, IDA Hovedrapport, Populationer:, Arbejdssteder i IDA, Datasættet omfatter de erhvervsenheder, der i årets løb har haft lønnet personale beskæftiget, og for hvilke der er indbetalt kildeskat. Arbejdsstedet er den enkelte (lokale) erhvervsenhed, som organisatorisk, geografisk og branchemæssigt er sammenhængende. Der er tale om en "bruttopopulation" af arbejdssteder, som også omfatter arbejdssteder, der ikke har ansatte pr. ultimo november fx på grund af sæsonpræget beskæftigelse, eller fordi arbejdsstedet kun eksisterer i en del af året (dvs. at det nedlægges før, eller oprettes efter, ultimo november). Det enkelte arbejdssted defineres ved ARBGNR (arbejdsgivernummer) og ARBSTK (arbejdsstedskoden). Disse to variabler udgør tilsammen nøglen for det enkelte arbejdssted., Værdisæt, ANDELUDS har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/ida-arbejdssteder/andeluds

UDD

Navn, UDD , Beskrivende navn, Uddannelseskode , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Kode for en uddannelse forstået som uddannelsesprogrammet eller uddannelsesaktiviteten., Alle uddannelsesprogrammer har en UDD-kode., fx:, Sygeplejerske = 5166, Maskinmester = 5189, Koden er entydig og en uddannelses UDD-kode ændres ikke. Det er derfor UDD-koden, som skal bruges, hvis et givet uddannelsesprogram skal identificeres over tid. , Gennem tiden har det dog i nogle tilfælde været nødvendigt at lægge 2 udd koder sammen til en ny, hvis der har været tale om den samme uddannelse og splitte en udd kode op i, hvis 2 uddannelser har været indberettet på samme kode., Detaljeret beskrivelse, De 4-cifrede koder for uddannelser identificerer entydigt de enkelte uddannelser, men er i sig selv usystematiske og derfor ikke umiddelbart velegnet til udarbejdelse af statistik. Her benyttes i stedet de 8-cifrede såkaldte forspaltekoder, som angiver uddannelsens placering i en uddannelsesklassifikation. Se fx dokumentationen af HOVEDOMRAADE_DETALJERET., I nogle tilfælde skifter en uddannelse niveau, dvs. flytter fra et niveau i uddannelsesklassifikationen til et andet niveau. Sygeplejerskeuddannelsen var fx på et tidspunkt placeret som en kort videregående uddannelse, men er i dag placeret som en mellemlang videregående uddannelse., En uddannelse, der udvikler sig og flyttes til et nyt uddannelsesniveau, vil normalt bevare sin uddannelseskode, hvis der ikke er nogen presserende grund til at skelne mellem den oprindelige og den nye udgave af uddannelsen. Man vil således ikke skulle lede efter sygeplejersker forskellige steder i klassifikationen, selv om sygeplejersken har udviklet sig og skiftet uddannelsesniveau. , Bemærk endvidere at koder for uddannelsesaktiviteter og uddannelseskvalifikationer er stabile over tid, men de tilknyttede forspaltekoder kan ændre sig. En uddannelse kan være fejlplaceret og forspaltekoden bliver derfor ændret, når fejlen erkendes, eller en uddannelse kan have udviklet sig over tid, så den på et tidspunkt bliver flyttet til et andet niveau. Det er derfor bedst at bevare uddannelseskoden i historisk materiale og efterfølgende anvende seneste klassifikation på alt historisk materiale for at undgå inkonsistens i forbindelse med tidsserier., UDD-koden er 4 cifre lang. Værdisættet er numeriske felter og eventuelt foranstillede 0'er bliver fjernet., Nye UDD-koder:, Der oprettes løbende nye uddannelser og dermed kommer der løbende nye UDD-koder., Bilag, Graf, Tabel, Værdisæt, UDD har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/elevregister-2/udd

UDD

Navn, UDD , Beskrivende navn, Uddannelseskode , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Kode for en uddannelse forstået som uddannelsesprogrammet eller uddannelsesaktiviteten., Alle uddannelsesprogrammer har en UDD-kode., fx:, Sygeplejerske = 5166, Maskinmester = 5189, Koden er entydig og en uddannelses UDD-kode ændres ikke. Det er derfor UDD-koden, som skal bruges, hvis et givet uddannelsesprogram skal identificeres over tid. , Gennem tiden har det dog i nogle tilfælde været nødvendigt at lægge 2 udd koder sammen til en ny, hvis der har været tale om den samme uddannelse og splitte en udd kode op i, hvis 2 uddannelser har været indberettet på samme kode., Detaljeret beskrivelse, De 4-cifrede koder for uddannelser identificerer entydigt de enkelte uddannelser, men er i sig selv usystematiske og derfor ikke umiddelbart velegnet til udarbejdelse af statistik. Her benyttes i stedet de 8-cifrede såkaldte forspaltekoder, som angiver uddannelsens placering i en uddannelsesklassifikation. Se fx dokumentationen af HOVEDOMRAADE_DETALJERET., I nogle tilfælde skifter en uddannelse niveau, dvs. flytter fra et niveau i uddannelsesklassifikationen til et andet niveau. Sygeplejerskeuddannelsen var fx på et tidspunkt placeret som en kort videregående uddannelse, men er i dag placeret som en mellemlang videregående uddannelse., En uddannelse, der udvikler sig og flyttes til et nyt uddannelsesniveau, vil normalt bevare sin uddannelseskode, hvis der ikke er nogen presserende grund til at skelne mellem den oprindelige og den nye udgave af uddannelsen. Man vil således ikke skulle lede efter sygeplejersker forskellige steder i klassifikationen, selv om sygeplejersken har udviklet sig og skiftet uddannelsesniveau. , Bemærk endvidere at koder for uddannelsesaktiviteter og uddannelseskvalifikationer er stabile over tid, men de tilknyttede forspaltekoder kan ændre sig. En uddannelse kan være fejlplaceret og forspaltekoden bliver derfor ændret, når fejlen erkendes, eller en uddannelse kan have udviklet sig over tid, så den på et tidspunkt bliver flyttet til et andet niveau. Det er derfor bedst at bevare uddannelseskoden i historisk materiale og efterfølgende anvende seneste klassifikation på alt historisk materiale for at undgå inkonsistens i forbindelse med tidsserier., UDD-koden er 4 cifre lang. Værdisættet er numeriske felter og eventuelt foranstillede 0'er bliver fjernet., Nye UDD-koder:, Der oprettes løbende nye uddannelser og dermed kommer der løbende nye UDD-koder., Bilag, Graf, Tabel, Værdisæt, UDD har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/elevregister-3/udd

SEKTOR

Navn, SEKTOR , Beskrivende navn, Sektor , Gyldighed, Gyldig fra: 01-01-1997, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Sektorangivelse for henholdsvis det private, det statslige, det regionale og det kommunale., Detaljeret beskrivelse, Sektorangivelse viser hvilken sektor en enhed ligger i, fx i Virksomheder og organisationer (den private sektor), Statslig, Kommunale og Regionale sektoren. I forbindelse med offentliggørelsen i 2013 var sektorafgrænsningen for første gang i overensstemmelse med den europæiske nationalregnskabsmanual ESA2010. I Danmark anvendes værdisættet fra sektorvariablen i erhvervsregisteret (ESR) jf. https://www.dst.dk/da/Statistik/dokumentation/nomenklaturer/esr-sektorer, og som bruges til at gruppere i 4 sektorer, som er beskrevet i TXT_SEKTOR_LOENINDEX. Ved ændringer af sektorafgrænsning blev navngivningen af sektorerne ændret, så den private sektor er blevet til virksomheder og organisationer, og statslig-, kommunal- og regional sektor, er blevet til offentlig forvaltning og service. Ud over den ændrede navngivning, er der med sektorafgrænsningen også sket nogle indholdsmæssige forandringer, hvor en række offentlige virksomheder og institutioner, der tidligere ved medregnet i den offentlige sektor, fra 2013 og indgår Virksomheder og organisationer på lige fod med private virksomheder. Omvendt er visse virksomheder og institutioner, der før 2013 var medregnet i den private sektor derefter en del af sektorerne staten, kommuner eller regioner. For data før 2013 anvendes funktionskoden i erhvervsregisteret til at danne sektoropdelingen, der ligeledes var opdelt i 4 sektorer - statslig, kommunal, regional eller privat. Før 2008 var kommuner og regioner samlet under sektor=3 (kommune og region),, Bilag, Tabel 1997-2010, Graf 1997-2010, Graf 2009-2019, Tabel 2009-2019, Værdisæt, D161900.TXT_SEKTOR_LOEN_AAR - Sektor, Kode, tekst, Fra dato, Til dato, 1, Privat, 01-01-2002, 31-12-2012, 2, Stat, 01-01-2002, 31-12-2012, 3, Kommune/region, 01-01-2002, 31-12-2012

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/loenstatistik-for-den-private--statslige-og-kommunale-sektor/sektor

LARSAGXX

Navn, LARSAGXX , Beskrivende navn, Ledighedsårsag (CRAM) , Gyldighed, Gyldig fra: 01-01-1985, Gyldig til: 31-12-2007, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Variablen LARSAGXX angiver typen af personens ledighed i en given CRAM-uge xx (hvor xx kan antage værdierne 01 - 53), fx dagpengeledighed, kontanthjælpsledighed eller feriedagpengeledighed. Denne variabel er historisk set blevet benævnt ledighedsårsag i CRAM-registret. , CRAM-ugerne er typisk forskubbet to uger i forhold til kalenderugerne, da de følger dagpengeudbetalingsperioden. Det betyder, at LARSAG01 angiver typen af ledighed i CRAM-uge 1 som oftest svarer til kalenderuge 51. , Detaljeret beskrivelse, I værdisættet svarer værdien blank (Ledighedsårsagen ikke oplyst (dagpenge)) til dagpengeledighed. Værdierne 4, 5 og 6 vedrørende AF-ferie svarer til feriedagpengeledighed. Værdien 8 (Ledighed med bistandsydelse) svarer til kontanthjælpsledighed., Variablen er generelt valid, men der kan muligvis være registreringsproblemer vedrørende AF-feriekoder. , Populationer:, Arbejdsløse i løbet af tællingsåret., Statistikken omfatter dagpengemodtagere samt kontant- og starthjælpsmodtagere. Ledige, som ikke modtager kontanthjælp, skønnes kun i beskedent omfang at blive registreret ved de offentlige jobcentre, og indgår således ikke i statistikken. Personer, i aktivering, orlov eller på efterløn, indgår ikke i ledighedsstatistikken, men opgøres i stedet i den kvartalsvise statistik over de arbejdsmarkedspolitiske foranstaltninger. , Værdisæt, D700001.TXT_HKD_LARSAGXX - Ledighedsårsag (CRAM), Kode, tekst, Fra dato, Til dato, ., Ledighedsårsagen ikke oplyst (dagpenge), 0, Ugenummeret ikke eksisterende for den aktuelle ledighedsperiode, 1, Vejrlighedsledighed, 2, Arbejdsfordeling, 3, Vejrlighedsledighed el. Arbejdsfordeling, 4, Ansatte med AF-ferie, 5, Ledige med AF-ferie, 6, AF-ferie o.a. ledighedsårsag, 8, Ledighed med bistandsydelse

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/cram/larsagxx

UDD

Navn, UDD , Beskrivende navn, Uddannelseskode , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Kode for en uddannelse forstået som uddannelsesprogrammet eller uddannelsesaktiviteten., Alle uddannelsesprogrammer har en UDD-kode., fx:, Sygeplejerske = 5166, Maskinmester = 5189, Koden er entydig og en uddannelses UDD-kode ændres ikke. Det er derfor UDD-koden, som skal bruges, hvis et givet uddannelsesprogram skal identificeres over tid. , Gennem tiden har det dog i nogle tilfælde været nødvendigt at lægge 2 udd koder sammen til en ny, hvis der har været tale om den samme uddannelse og splitte en udd kode op i, hvis 2 uddannelser har været indberettet på samme kode., Detaljeret beskrivelse, De 4-cifrede koder for uddannelser identificerer entydigt de enkelte uddannelser, men er i sig selv usystematiske og derfor ikke umiddelbart velegnet til udarbejdelse af statistik. Her benyttes i stedet de 8-cifrede såkaldte forspaltekoder, som angiver uddannelsens placering i en uddannelsesklassifikation. Se fx dokumentationen af HOVEDOMRAADE_DETALJERET., I nogle tilfælde skifter en uddannelse niveau, dvs. flytter fra et niveau i uddannelsesklassifikationen til et andet niveau. Sygeplejerskeuddannelsen var fx på et tidspunkt placeret som en kort videregående uddannelse, men er i dag placeret som en mellemlang videregående uddannelse., En uddannelse, der udvikler sig og flyttes til et nyt uddannelsesniveau, vil normalt bevare sin uddannelseskode, hvis der ikke er nogen presserende grund til at skelne mellem den oprindelige og den nye udgave af uddannelsen. Man vil således ikke skulle lede efter sygeplejersker forskellige steder i klassifikationen, selv om sygeplejersken har udviklet sig og skiftet uddannelsesniveau. , Bemærk endvidere at koder for uddannelsesaktiviteter og uddannelseskvalifikationer er stabile over tid, men de tilknyttede forspaltekoder kan ændre sig. En uddannelse kan være fejlplaceret og forspaltekoden bliver derfor ændret, når fejlen erkendes, eller en uddannelse kan have udviklet sig over tid, så den på et tidspunkt bliver flyttet til et andet niveau. Det er derfor bedst at bevare uddannelseskoden i historisk materiale og efterfølgende anvende seneste klassifikation på alt historisk materiale for at undgå inkonsistens i forbindelse med tidsserier., UDD-koden er 4 cifre lang. Værdisættet er numeriske felter og eventuelt foranstillede 0'er bliver fjernet., Nye UDD-koder:, Der oprettes løbende nye uddannelser og dermed kommer der løbende nye UDD-koder., Bilag, Graf, Tabel, Værdisæt, UDD har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/hoejst-fuldfoerte-uddannelse/udd

Regneeksempler om COVID19-krisen

1. april 2020 kl. 0:00 ,  , Regneeksempler om COVID19-krisen, 01-04-2020, Modelgruppen har for nylig udsendt et modul til ADAM, der kan beregne makroøkonomiske effekter af den nuværende COVID19-epidemi. I den forbindelse er nogle regneeksempler på krisens økonomiske effekter blevet omtalt i pressen.  På den foranledning understreges, at modelgruppen ikke laver skøn men værktøj til brug for skøn. Man kan imidlertid ikke opstille et nyt modul til en stor økonomisk model uden at afprøve det på taleksempler, og for at gøre det nemmere for brugerne står inputtet til regneeksemplerne i modulets inputfiler. Inputtet bygger ikke på grundige analyser. Det er op til brugeren af ADAM at vurdere, hvad der giver værdi at indsætte i modulet. , Formålet med regneeksemplerne er kun at illustrere, hvordan modulet virker. Alligevel er det uhensigtsmæssigt, at regneeksemplerne er omtalt i pressen men kun tilgængelige for ADAM’s brugere. Derfor er regneeksemplernes effekt vist i nedenstående tabel. Mere detaljerede tabeller kan downloades her: , Covid19-scenarier, Formålet med tabellens eksempler er kun at illustrere, hvordan modulet virker. , De fire regneeksempler repræsenter fire scenarier med forskellig styrke af COVID19-krisen. Alle fire scenarier er dannet under antagelse af, at COVID19 epidemien har en varighed på et kvartal. De afviger fra hinanden mht. styrken af den negative reaktion i dels udenlandsk efterspørgsel efter dansk eksport dels indenlandsk investerings- og forbrugsadfærd. I det mildeste scenarie 1 er forudsætningen, at eksportefterspørgslen falder 5 pct. i to kvartaler. I scenarie 4 er faldet dobbelt så stort, og scenarie 2 og 3 ligger derimellem. I alle scenarier indgår et kraftigt fald i forbruget af tjenesteydelserne hotel, restaurant mv, rejser, underholdning og kultur. Turistindtægterne falder kraftigt i alle scenarier. Herudover er forbrugere og investorer mest tilbageholdende i scenarie 4, mindst tilbageholdende i scenarie 1, og de to andre scenarier ligger derimellem.  , Modulet er beskrevet foreløbigt modelgruppepapiret , TMK01420, . Det er udviklet til modelversionen jun19, og brugere af ADAM kan få modulet tilsendt ved henvendelse til modelgruppen. Modulet omfatter de indtil 24./3. vedtagne pakker, men vil blive opdateret med de allerseneste pakker og anden relevant information.

https://www.dst.dk/da/Statistik/ADAM/adamnyheder/2020/regneeksempler-om-covid-19-krisen

Analyser: Frafaldet på erhvervsuddannelserne er mindsket efter reformen

Frafaldet på erhvervsuddannelserne har i mange år ligget på et højt niveau. I 2015 blev der gennemført en reform, som blandt andet havde til formål at mindske frafaldet ved at indføre et karakterkrav på 02 i dansk og matematik fra folkeskolens afgangsprøver., Efter reformen er frafaldet mindsket blandt elever, der for første gang begynder på en erhvervsuddannelse.  Frafaldet er gået fra omkring 29 pct. før reformen i 2013/14 til omkring 24 pct. efter reformen i 2015/16. Reduktionen i frafaldet er størst blandt elever med karaktergennemsnit over 4 fra folkeskolens afgangsprøver i dansk og matematik. Samtidig er elevgrundlaget ændret sådan, at færre elever fra uddannelsesfremmede hjem optages på erhvervsuddannelserne, og forældrenes gennemsnitsindkomst er højere efter reformen., Analysens hovedkonklusioner:, Frafaldet inden for det første år på erhvervsuddannelserne blandt førstegangselever har i perioden fra 2011/12 til 2014/15 ligget mellem 28 pct. og 32 pct., men faldt til 24 pct. det første år efter reformen. Det er hos elever med karaktergennemsnit over 4 fra folkeskolens afgangsprøver i dansk og matematik, at frafaldet er reduceret mest, selv om disse elever ikke har været direkte påvirket af reformen., Tilgangen til erhvervsuddannelserne har været faldende siden skoleåret 2011/12, og denne tendens fortsætter efter reformen., Andre forhold end karakterer er vigtige for elevers frafald. Der er knap 40 procentpoint til forskel i frafaldssandsynlighederne mellem elever med de bedste og ringeste forudsætninger for at blive fastholdt på en erhvervsuddannelse, når karakterer holdes konstant på gennemsnittet. , Elevgrundlaget på erhvervsuddannelserne er ressourcemæssigt styrket siden skoleåret 2011/12 og er yderligere blevet forstærket efter reformen sammenlignet med udviklingen i befolkningen generelt. For eksempel er gennemsnitsindkomsten blandt elevers forældre steget, flere forældre er i beskæftigelse og det generelle uddannelsesniveau blandt forældrene er højere., Hent som pdf, Frafaldet på erhvervsuddannelserne er mindsket efter reformen, Kolofon, Frafaldet på erhvervsuddannelserne er mindsket efter reformen, Emnegruppe: Uddannelse og forskning, Udgivet: 14. november 2018 kl. 08:00, Rettet: 3. december 2018 kl. 14:20, Nr. 2018:23, ISSN pdf: 2446-0354, Kontakt:

https://www.dst.dk/analyser/31443-frafaldet-paa-erhvervsuddannelserne-er-mindsket-efter-reformen

Analyse

Analyser: Sæson på boligmarkedet

Der er sæsonudsving på boligmarkedet, idet der fx sælges flere sommerhuse om foråret end om vinteren. Sommerhuse er også lidt dyrere om foråret end om vinteren. Ved at sæsonkorrigere tidsserierne for boligsalg og boligpriser kan man identificere og fjerne deres sæsonbevægelser, så de konjunkturdrevne bevægelser fremtræder mere klart., Denne analyse diskuterer emnet sæson på boligmarkedet, og undersøger blandt andet, om man teoretisk set kan spare penge ved at købe bolig om vinteren i stedet for om sommeren.,  , Analysens hovedkonklusioner:, Der er systematiske sæsonbetingede bevægelser på boligmarkedet, i både salgstal og boligpris. Boligsalget er størst i 2. kvartal og mindst i 4. kvartal. Boligpriserne har samme sæsonmønster, men med mindre relative udsving. Dog er priserne for sommerhuse højest i 3. kvartal og lavest i 1. kvartal., Både for antallet af salg og for priserne er de relative sæsonudsving størst for sommerhuse, lidt mindre for enfamiliehuse og mindst for ejerlejligheder., En beregnet hypotetisk besparelse ved at købe i 4. kvartal fremfor 2. kvartal er på ca. 18.000 kr. pr. million for enfamiliehuse og ejerlejligheder. For sommerhuse er forskellen mellem 1. kvartal (billigst) og 3. kvartal (dyrest) på ca. 36.000 kr. pr. million., Den positive sammenhæng mellem sæsonen i salg og pris tyder på, at sæsonen fortrinsvis afspejler udsving i efterspørgslen, ikke i udbuddet. Samtidig tyder den svage sæson i bolig­prisen på, at boligudbuddet er elastisk i forhold til sæsonudsving, så en lille ændring i prisen giver en stor ændring i boligsalget. Dette gør sig mest gældende for sommerhuse, lidt min­dre for enfamiliehuse og mindst for ejerlejligheder., Hent som pdf, Sæson på boligmarkedet, Kolofon, Sæson på boligmarkedet, Emnegruppe: Økonomi, Udgivet: 31. oktober 2019 kl. 08:00, Nr. 2019:18, ISSN pdf: 2446-0354, Kontakt:, Jakob Holmgaard, Telefon: 24 87 64 56

https://www.dst.dk/analyser/33912-saeson-paa-boligmarkedet

Analyse