Søgeresultat

Danske børn kommer tidligst i institution

I Danmark går 18 procent af alle børn under et år i daginstitution. Dermed er de danske poder de børn i Norden, der kommer tidligst i institution. Barselsregler er bare én af forklaringerne, mener professor., 19. december 2011 kl. 0:00 , Af , Helle Harbo Holm, En mor går med hastige skridt mod vuggestuen, hvor hun parkerer klapvognen og løfter sit barn op. Hun bærer barnet ind, for med sine bare ti måneder er det for lille til selv at kunne gå. , Situationer som denne er helt almindelig hverdag ved de danske daginstitutioner, og sådan har det været i mange år. Men retter man blikket mod vores nordiske naboer Norge, Sverige og Finland, vil situationer som denne høre til de absolutte sjældenheder. Her er der nemlig stort set ingen børn under et år, der bliver passet i institution., I Danmark er det 18 procent af alle børn under et år, der er i daginstitution eller dagpleje uden for hjemmet, mens det er 4 procent i Norge, 1 procent i Finland og 0 procent i Sverige., Også for de etårige børn er der en markant forskel mellem Danmark og de andre nordiske lande. 86 procent af de danske etårige går i institution, mens det er 71 procent af de norske etårige, 49 procent af de svenske og bare 30 procent af de finske. , Denne nordiske sammenligning fremgår af , Nordisk Statistisk Årbog 2011, ., Barselsregler forklarer ikke alt, En helt oplagt forklaring på, hvorfor danske børn starter så tidligt i institution i forhold til de andre nordiske lande, kunne være forskelle i barselsreglerne., "Men barselsreglerne er kun en god forklaring i forhold til Sverige," understreger Jens Wamsler. Han er fuldmægtig i Beskæftigelsesministeriet og har et indgående kendskab til barselsreglerne., I Sverige er den betalte barselsperiode væsentlig længere end i Danmark, men i Norge ligger reglerne tæt på de danske, og i Finland er den betalte barselsorlov faktisk en smule kortere., Andel af 1-årige børn i daginstitution, Institutioner eller orlov - et spørgsmål om ideologi, Som professor ved Aalborg Universitet forsker Anette Borchorst blandt andet i ligestilling, barselsorlov og arbejdsmarkedet. Hun er ikke i tvivl om, at forklaringen også ligger andre steder end i reglerne. , "Jeg tror, den historiske udvikling i daginstitutionspolitiken og barselsorlovsreglerne har stor betydning, for den situation, vi ser i dag," siger hun., I Danmark startede udviklingen af daginstitutionerne, som vi kender dem i dag, for alvor i 1964, hvor alle Folketingets partier vedtog en reform, der udløste en storstilet udbygning af børneinstitutionerne., "Det skete med børnene i centrum. Det havde mindre med behovet for kvindelig arbejdskraft at gøre. Det handlede om pædagogik og børnenes udvikling. Man mente simpelthen det var godt for børnene," siger Anette Borchorst. , I Sverige havde man en anden type opfattelse., "Her siger normen, at du er en dårlig mor, hvis du kommer dit barn i institution, inden det er fyldt et år. Der er en meget stærk norm om, at børn under et år hører hjemme i familien," forklarer Anette Borchorst., For at imødekomme den holdning udbyggede man allerede i 1974 barselsorloven i Sverige i takt med, at kvinderne trådte ind på arbejdsmarkedet. Udvidelsen af orloven skete først senere i Danmark og i et mindre omfang., "Danmark har fra starten prioriteret institutionerne i stedet for den lange barsel, og det er ikke noget, man bare lige laver om på," vurderer Anette Borchorst., Finnere vælger hjemmet frem for institution, Finland er det land i Norden, hvor færrest små børn er i institution. Også her har der op gennem tiden været politiske diskussioner om, hvorvidt man skulle udbygge institutionerne eller kvindernes mulighed for at gå hjemme. I første omgang valgte man i 1973 at give alle børn ret til en institutionsplads, men senere blev loven udbygget, så det også blev muligt at få et tilskud til selv at passe sine børn eller få nogen til det i ens private hjem. , Den sidste ordning vandt ind i starten af 90'erne, hvor der var høj arbejdsløshed. Men efterhånden som arbejdsløsheden igen blev mindre, fortsatte mange kvinder med at blive hjemme hos børnene. Det fortæller Anneli Anttonen, der er professor i social policy på Tampera Universitet i Finland., "Den generelle holdning har gradvist ændret sig, så det i dag er meget almindeligt, at folk mener, at børn under tre år skal passes hjemme af forældrene. En grund er, at man mener, det er godt for børnene, en anden er, at arbejdslivet er blevet så krævende, at alle pauser fra det er velkomne," fortæller hun., Anneli Anttonen mener ikke, at Finlands geografi med de store tyndt befolkede områder har direkte indflydelse på, at færre finske børn er i institution. Indirekte mener hun dog, det har betydet, at der har været nogle stærke politiske kræfter, som har arbejdet for muligheden for, at børnene kunne blive i hjemmet de første år., Færre finske kvinder vælger arbejdsmarkedet, I dag ligger de finske kvinders beskæftigelsesfrekvens således lidt lavere end i de øvrige nordiske lande. Kun 68 procent af de finske kvinder mellem 15 og 64 år, der står til rådighed for arbejdsmarkedet, er i arbejde. I Danmark er det 71 procent, i Sverige 72 procent og i Norge 74 procent., Et andet aspekt, som Anette Borchorst peger på, er, at finnerne har et mere traditionelt kvindesyn og mere traditionelle familiemodeller. De finske mænd er også dem, der holder mindst barsel i Norden. I 2010 tog finske mænd 7 procent af den samlede barselsorlov. De danske mænd ligger lidt højere med 8 procent, mens det i Norge er 15 procent og i Sverige hele 24 procent. Det fremgår ligeledes af , Nordisk Statistisk Årbog, ., Norge ligner Danmark mest, Det land, der ligger nærmest Danmark i forhold til tidlig pasning af de mindste, er Norge. Anette Borchorst mener endda, at ligheden er endnu større end det, tallene viser:, "Norge kom senere i gang med at få kvinderne ud på arbejdsmarkedet og med at udbygge institutionerne, men de seneste ti år er udbygningen af daginstitutionerne gået stærkt. Når andelen af de yngste, der er i institution, er noget lavere i Norge end i Danmark, skyldes det nok primært den kontantstøtteordning, Norge har, hvor man kan få penge for at få børnene passet i hjemmet.  Det er imidlertid ikke primært mødrene selv, der passer børnene," siger hun., Andel af børn i daginstitution fordelt på alder, årstal og lande, Hvilken løsning er mest hensigtsmæssig?, Stærke ideologier understøttet af lovgivning, forskelle i familiemønstre og udviklingen af velfærdsstaten er altså ifølge Anette Borchorst alle faktorer, som spiller ind på, hvor tidligt de nordiske børn starter i institution. Men hvilken af modellerne er så den mest hensigtsmæssige?, Det spørgsmål mener Anette Borchorst ikke har et entydigt svar. Det kommer nemlig an på gennem hvilken optik, man anskuer det., Ud fra et børnesynspunkt påpeger hun, at der er analyser, som viser, at det er godt for børnene at komme i institutioner. Det styrker deres sproglige udvikling og kan være med til at bryde den sociale arv., "Men man kan spørge sig selv, om det også gælder for børn under et år, og det er jeg ikke længere sikker på. Jeg har altid været fortaler for institutionerne, men gennem de seneste årtier er kvaliteten blevet væsentlig ringere," siger hun., En anden optik er den samfundsøkonomiske., "Vi står overfor et samfund med flere ældre og færre til at arbejde, og set i den optik er det godt for samfundet, at kvinderne kommer tidligt tilbage til arbejdsmarkedet," siger hun., En tredje vinkel handler om ligestilling. Her kan der ifølge Anette Borchorst være det problem, at vi i Danmark og Finland kun har øremærket ganske få uger af barselsorloven til fædrene, som holdes sammen med moren. Derfor bliver det ofte kvinderne, der tager langt det meste af orloven, hvilket kan give en skævvridning - blandt andet i forhold til opsparing af pension., Om den ene model er bedre end den anden, kan professoren ikke afgøre. Men hun har ikke længere lige så stor tiltro til den danske, som hun har haft. , "Børnevinklen er blevet markant nedtonet, og i dag lægges der først og fremmest vægt på, at kvinderne skal tilbage på arbejdsmarkedet. Det er ikke et frit valg, men et pres," mener hun. ,  ,  , Fakta:, Køb eller download gratis , Nordisk Statistisk Årbog 2011, Eurostat, er kilde til tal om beskæftigelsesfrekvensen.,  

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2011-11-21-daginstitutioner

Bag tallene

H_TYPE

Navn, H_TYPE , Beskrivende navn, Husstandstype , Gyldighed, Gyldig fra: 01-01-1980, 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, H_TYPE er en variabel, der knytter sig til husstanden, og som vedrører den 1. januar. Den angiver husstandstypen. H_TYPE findes for perioden 1980-2007. Fra 1986 og frem findes en tilsvarende variabel HUSTYPE. Variabelværdierne fro H_TYPE og HUSTYPE er dog forskellige., Detaljeret beskrivelse, H_TYPE, husstandstype, er en variabel, der knytter sig til husstanden, og som vedrører den 1. januar. Husstandene afgrænses som adressehusstande. En husstand omfatter alle de personer, der er CPR-tilmeldt på adressen. En husstand kan omfatte flere familier. Husstande opdeles på husstandstyper efter sammensætningen med hensyn til familier og personer. H_TYPE findes for perioden 1980-2007 og knytter sig til C og D familierne.Fra 1986 findes en tilsvarende variabel HUSTYPE, som er knyttet til opgørelsen af E-familier. Variabelværdierne er dog forskellige., Koden for husstandstype består af tre cifre., Første ciffer angiver antallet af D-familier i husstanden. Kategorierne er her 1 for én D-familie, 2 for to D-familier og 3 for tre eller flere D-familier. Se beskrivelse af D-TYPE., For husstande kun bestående af én D-familie indeholder kodens 2. ciffer information om D-familietypen. 1 står for enlig mand og 2 for enlig kvinde. Partyperne angives med 3 for ægtepar, 4 og 5 for registrerede partnerskaber af henholdsvis mænd og kvinder (ældste persons køn er afgørende i de sjældne tilfælde, hvor de på grund af kønsskifte har forskelligt køn), 6 betyder samlevende par og 7 betyder samboende par. , For husstande med mere end én D-familie siger koden (dvs. andet ciffer) lidt om husstandens sammensætning med hensyn til C-familietyper. (Se værdisæt) , Tredje ciffer vedrører børn. 1 angiver, at der ikke er hjemmeboende børn under 18 år i husstanden. 2 angiver, at der er ét eller flere hjemmeboende børn under 18 år i husstanden. 3 angiver, at husstanden kun består af et eller flere ikke-hjemmeboende børn under 18 år. Hvis tredje ciffer er 1 eller 2, kan der desuden være hjemmeboende børn defineret som i D-familier, dvs. uden øvre aldersgrænse. Se definitionen af børn, hjemmeboende børn og ikke-hjemmeboende børn i beskrivelsen af variablen C-_TYPE., Husstand med børn betyder husstand med hjemmeboende børn under 18 år., Husstand uden børn betyder husstand der ikke har hjemmeboende børn under 18 år, men som kan have ældre hjemmeboende børn (som i D-familier) eller ikke-hjemmeboende børn under 18 år. Dette medfører, at en husstand af typen enlig uden børn kan bestå af mere end én person, og en husstand af typen et par med børn, hvori der er et par og to børn, kan bestå af flere end fire personer., De ældre hjemmeboende børn tælles med som voksne personer. Som børn i husstanden tælles kun hjemmeboende børn med. Det vil sige, at summen af en husstands voksne personer og husstandens børn ikke nødvendigvis er lig med husstandens samlede personantal., Se definition af barn og hjemmeboende barn i beskrivelsen af variablen ANTBOERNF., Se definition af C-familie i beskrivelsen af C_TYPE., Se definition af de fire partyper, ægtepar registrerede partnerskaber, samlevende par og samboende par i beskrivelsen af C-_TYPE., Se definition af D-familier i beskrivelsen af D_TYPE., Bilag, Tabel, Graf, Populationer:, Befolkningen 1. januar, Personer med fast bopæl i Danmark pr. 1. januar i året, Værdisæt, D101200.TXT_HTYPE - Husstandstype, Kode, tekst, Fra dato, Til dato, 111, Enlig mand. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 112, Enlig mand. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 121, Enlig kvinde. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 122, Enlig kvinde. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 131, Et ægtepar. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 132, Et ægtepar Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 141, Et registreret partnerskab. Mænd. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 142, Et registreret partnerskab. Mænd. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 151, Et registreret partnerskab. Kvinder. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 152, Et registreret partnerskab. Kvinder. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 161, Et samlevende par. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 162, Et samlevende par. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 171, Et samboende par. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 172, Et samboende par. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 183, Et ikke-hjemmeboende barn, 01-01-1980, 02-01-2007, 211, To enlige af hvert sit køn. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 212, To enlige af hvert sit køn. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 221, To enlige af samme sit køn. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 222, To enlige af samme sit køn. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 231, Et par og en enlig. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 232, Et par og en enlig. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 241, To par. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 242, To par. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 251, To familier, heraf et ikke-hjemmeboende barn. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 252, To familier, heraf et ikke-hjemmeboende barn. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 253, To ikke-hjemmeboende børn, 01-01-1980, 02-01-2007, 311, Tre eller flere enlige. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 312, Tre eller flere enlige. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 321, Tre familier, andre kombinationer. Ingen hjemmeboende børn. Eventuelt er der voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 322, Tre familier, andre kombinationer. Med hjemmeboende børn og eventuelt desuden voksne hjemmeboende børn, 01-01-1980, 02-01-2007, 323, Tre eller flere ikke-hjemmeboende børn, 01-01-1980, 02-01-2007

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/husstande/h-type

GRUNDLAG

Navn, GRUNDLAG , Beskrivende navn, Opholdstilladelsens grundlag , Gyldighed, Gyldig fra: 01-01-1997, 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, 2. niveau i underopdeling af opholdstilladelsestype fra Udlændingestyrelsen. , Detaljeret beskrivelse, Overordnet om opholdstilladelsestype:, Opholdstilladelsens type er defineret ved hjælp af tre variable fra Udlændingestyrelsen: Kategori, Grundlag og Forklar. Kategori er den overordnede gruppering af opholdstilladelserne i seks værdier: "Asyl mv", "Det øvrige opholdsområde", "Erhverv", "EU/EØS"," "Familiesammenføring", "Studie","Brexit" og "Ukraine særlov". Variablene Grundlag og Forklar bruges til at underopdele opholdstilladelsestypen fra Kategori. Grundlag og Forklar er ikke entydige og kan således ikke i alle tilfælde anvendes uden Kategori. I de fleste tilfælde vil der være tale om at kombinere Kategori og Grundlag til fx at inddele kategorien "EU/EØS" i "Lønarbejde", "Uddannelse" eller "Øvrige grunde" ud fra Grundlag. I nogle tilfælde kan det være nødvendigt at anvende det tredje niveau, Forklar. Fx kan kombination af Kategorien "Familiesammenført" og bestemte koder i Forklar bruges til at opdele familiesammenførte efter, om de er familiesammenførte til flygtninge, dansk/nordiske statsborgere eller andet, eller til at udvælge forskere ud fra Grundlaget "Fast-track" under Kategorien "Erhverv". , Det er kun indvandrere der har seneste indvandring fra 1997 og frem, der har opholdstilladelsestype "Kategori", "Grundlag" og "Forklar". Indvandrere med seneste indvandring før 1997 har opholdstilladelsestype "Opholdsgrund", som også kan dannes ved hjælp af "Kategori", "Grundlag" og "Forklar". Opholdsgrund anvendes, hvis man vil sammenligne opholdsgrundlag for indvandrere der er indvandret både før og efter 1997., Læs mere om dannelsen af opholdsgrundlag for indvandrere der er indvandret hhv. før og efter 1997 under Dokumentation på https://www.dst.dk/da/Statistik/emner/befolkning-og-valg/indvandrere-og-efterkommere/indvandrere-og-efterkommere , Variablen Grundlag, Grundlag er niveau 2 i Udlændingestyrelsens beskrivelse af indvandreres opholdstilladelsestype. Grundlag er ikke entydig og skal således oftest anvendes sammen med variablen Kategori. Grundlag i kombination med Kategori giver en undergruppering af Kategori på 96 forskellige værdier for de personer, der er indvandret i perioden 1997-2022. Det kan fx være en opdeling af "Det øvrige opholdsområde" på "Adoption" og "Øvrige sager" - se evt. dokumentet "Hierarki_indvandring.xlsx", der ligger som bilag. Variablen er således Udlændingestyrelsens gruppering af opholdstilladelserne på forskellige overordnede værdier. Der kan godt være værdier i kode-tekst-tabellen, som ikke har været anvendt blandt de indvandrede i 1997-2022., Grundlag indeholder både opholdstilladelser fra Udlændingestyrelsen og imputerede opholdstilladelser. Indvandrede med imputerede opholdstilladelser, er dem, der ikke har fået koblet en opholdstilladelse pga. manglende cpr-nummer i data fra Udlændingestyrelsen - se forklaring af imputationsmetoden under beskrivelsen af variablen "Imputeret". , Udlændingestyrelsen opretter løbende nye værdier til Grundlag. De nye værdier skyldes ikke nødvendigvis nye tilladelsestyper, men er mere en måde at organisere tilladelserne på. Der er for eksempel kommet en ny Grundlags-værdi i 2015 "Trainee", som kun består af Forklar-værdien "Trainee". Tidligere blev Forklar-værdien "Trainee" grupperet under Grundlags-værdien "Øvrige sager" under Kategorien "Erhverv". , Udlændingestyrelsen har ikke en samlet opgørelse over ændringer i grupperinger og oprettelse af ny lovgivning. Den nemmeste tilgang er, som tidligere nævnt, at bruge oversigten i "Hierarki_indvandring.xlsx", der ligger som bilag., Bilag, Tabel, Bilagstabel, Populationer:, Opholdsgrundlag for indvandrede i året, Populationen er indvandrede i året og som ikke har dansk eller nordisk statsborgerskab og som er født i udlandet. Indvandrede personer er medtaget det antal gange, de er indvandret i året., Værdisæt, D101200.TXT_GRUNDLAG - Opholdstilladelsens grundlag, Kode, tekst, Fra dato, Til dato, 1, Andet grundlag, 10, Green card (pointbaseret), 11, Jobkortordningen og pr. 1. juli 2008 Jobplanen, 12, Jobskifte ved uforskyldt ledighed mv., 13, Koncernopholdstilladelse, 135, Selvstændigt erhvervsdrivende, 136, § 9, stk. 2, nr. 4 - Ganske særlige grunde (mindreårige børn) (Færøerne), 137, Etableringskort, 138, Associeringsaftalen, 139, Boreplatform og lignende, 14, Lønarbejde - de nye EU-sager, 140, EU-bkg. § 13 - Anden familie, 141, Fast-track, 142, Forskere (ej PhD), 143, Landbrug, 144, PhD-uddannelse, 145, Start up Denmark, 146, Særlige individuelle kvalifikationer, 147, Trainee, 15, Lønarbejde og selvstændigt erhverv, 16, Lønarbejde og selvstændigt erhvervsdrivende, 17, Positivlisten, 18, Specialister mv., 188, Volontør og Working holiday mv., 19, Øvrige erhverv, 190, § 9, stk. 1, nr. 4 - Forældre over 60 år (Færøerne), 191, Associering-stand still, 192, Familiemæssig tilknytning til udlandsdansker, 2, Flygtningestatus, 20, Lønarbejde, 21, Studerende, 22, Øvrige EU/EØS, 23, § 9 c, stk. 1 - Ganske særlige grunde (mindreårige børn), 24, § 9 c, stk. 1 - Ganske særlige grunde (ægteskab eller fast samlivsforh, 25, § 9 c, stk. 1 - Ganske særlige grunde (ægteskab eller fast samlivsforhold), 26, § 9, stk. 1, nr. 1 - Ægteskab eller fast samlivsforhold, 261, International pensionist, 27, § 9, stk. 1, nr. 1 - Ægteskab eller fast samlivsforhold (tidl. § 9, st, 273, § 8 - Kvote, 274, Andet, 275, § 7, stk. 2 - De facto status, 276, § 7, stk. 4 - De facto status, 277, § 7, stk. 1 - Konventionsstatus, 278, § 9, stk.2, nr.4 - Uledsagede mindreårige, 279, § 9, stk. 2, nr. 2 - Humanitære hensyn, 28, § 9, stk. 1, nr. 1 mv. - Ægteskab eller fast samlivsforhold, 280, § 9, stk. 2, nr. 5 - Personer med midlertidig opholdstilladelse efter særlov, 281, § 9, stk.2, nr.4 - Udsendelseshindrede, 282, § 7, stk. 4 - Konventionsstatus, 283, § 9, stk. 2, nr. 6 - Udl. fra Serbien-Montenegro med afslag på § 7, 284, Positivlisten for faglærte, 285, EU-bkg. § 1, stk. 3 - Børn, 286, EU-bkg. § 1, stk. 3 - Forældre, 287, EU-bkg. § 1, stk. 3 - Anden familie, 288, EU-bkg. § 1, stk. 3 - Ægteskab eller fast samlivsforhold, 289, § 9, stk. 1, nr. 4 - Forældre over 60 år (Grønland), 29, § 9, stk. 1, nr. 2 - Mindreårige børn, 290, Hovedperson eller familiesammenføring m.v., 291, Hovedperson, 295, Familiesammenføring m.v., 296, Øvrige Brexit, 297, Ukraine særlov (Danmark), 298, Ukraine særlov (Færøerne), 3, Adoption, 30, § 9, stk. 1, nr. 2 - Mindreårige børn (tidl. § 9, stk. 1, nr. 3), 31, § 9, stk. 1, nr. 2 - Ægteskab eller fast samlivsforhold, 32, § 9, stk. 1, nr. 2 - Ægteskab eller fast samlivsforhold (Færøerne), 33, § 9, stk. 1, nr. 2 - Ægteskab eller fast samlivsforhold (Grønland), 34, § 9, stk. 1, nr. 2 mv. - Mindreårige børn, 35, § 9, stk. 1, nr. 3 - Mindreårige børn, 36, § 9, stk. 1, nr. 3 - Mindreårige børn (Færøerne), 37, § 9, stk. 1, nr. 3 - Mindreårige børn (Grønland), 38, § 9, stk. 1, nr. 4 - Forældre over 60 år, 39, § 9, stk. 2, nr. 4 - Ganske særlige grunde (mindreårige børn) (Grønland), 4, Øvrige sager, 40, § 9, stk. 2, nr. 7 - Ægteskab eller fast samlivsforhold, 41, EU-bkg. § 13 - Børn, 42, EU-bkg. § 13 - Familiemedlem (EU-borger) til dansk statsborger, 43, EU-bkg. § 13 - Familiemedlem (tredjelandsstatsborger) til dansk statsborger, 44, EU-bkg. § 13 - Familiemedlemmer til danske statsborgere, 45, EU-bkg. § 13 - Forældre, 46, EU-bkg. § 13 - Ægteskab eller fast samlivsforhold, 47, Fribyordningen, 48, Humanitært arbejde, 49, Praktikanter, 5, Arbejdsmarkedstilknytning, 50, Religiøse forkyndere mv., 51, Uddannelse, 52, Øvrige studie, 53, § 9, stk. 1, nr. 5 - Forældre over 60 år, 6, Au pair, 7, Beløbsordningen, 8, Erhverv og studie på Færøerne og i Grønland, 9, Familiemæssig tilknytning til person med opholdstilladelse, 9997, Nordisk statsborger, 9999, Indvandret før 1997, 299, 300, 301, 302, 303, 304, 305, 306, 307, 333

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

SLUTPENKODE

Navn, SLUTPENKODE , Beskrivende navn, Pensionskode 31. december året før. , Gyldighed, Gyldig fra: 01-01-1994, Gyldig til: 01-01-2021, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Slutpensionskoden angiver, om en person er folkepensionist eller førtidspensionist, og i givet fald hvilken slags., Koden er personens nyeste status i perioden 1. januar foregående år og 31. januar indeværende år. Før 2021 var koden personens status pr. 31. december foregående år., Pensionsalderen:, I 1994-2003 var folkepensionsalderen 67 år. , I 2004-2018 var folkepensionsalderen 65 år for alle født efter 30. juni 1939. Det giver stigning i antallet af folkepensionister og fald i antal førtidspensionister i januartallene for 2005, 2006 og 2007. Personer, der bliver 65 i andet halvår 2004 og personer der bliver 67 i løbet af 2004 er folkepensionister januar 2005 men ikke i januar 2004. I følge pensionsreformen var det alene personer som blev 67 i løbet af året 2004, som var folkepensionsier i januar 2005 og ikke i januar 2004. , I 2019: 65,5 år for personer født mellem 1. januar og 31. juni 1954., I 2020: 66,0 år for personer født mellem 1. juli og 31. december 1954, I 2021: 66,5 år for personer født mellem 1. januar og 31. juni 1955., I 2022: 67,0 år for personer født mellem 1. juli og 31. december 1955., For mere information om pensionsalder, se https://star.dk/ydelser/pension-og-efterloen/folkepension-og-foertidspension/folkepension/folkepensionsalderen-nu-og-fremover/ , Når førtidspensionister når folkepensionsalderen, overgår de til folkepension., Variablen findes i følgende Statistikbank-tabellerne:, PEN111 (2009-): Førtidspensionister efter område, ydelsestype, alder, køn og modtagere. www.statistikbanken.dk/pen111 , PEN112 (2009-): Folkepensionister efter område, ydelsestype, alder, køn og modtagere. www.statistikbanken.dk/pen112 , PEN121 (2009-): Førtidspensionister med bopæl i Danmark efter ydelsestype, alder, køn, familietype og enhed. www.statistikbanken.dk/pen121 , PEN122 (2009-): Folkepensionister med bopæl i Danmark efter ydelsestype, alder, køn, familietype og enhed. www.statistikbanken.dk/pen122 , PEN11 (2007-2015): Modtagere af folke- og førtidspension mv (pr. januar) efter område, pensionsform, alder og køn. www.statistikbanken.dk/pen11, PEN22 (2007-2015): Udbetalt folke- og førtidspension i 1000 kr. efter område, pensionsform, beløbsart, civilstand og køn pr. januar. Januar beløbet i alt er revideret pr. juni 2012 og pensionsformen invaliditetsydelse er ligeledes udtaget af tabellen. www.statistikbanken.dk/pen22 , PEN33 (2007-2015): Modtagere af folke- og førtidspension efter område, pensionsform, beløbsart, civilstand og køn. Pensionsformen invaliditetstydelse er pr. juni 2012 udtaget af tabellen. www.statistikbanken.dk/pen33 , PEN1 (1984-2006): Modtagere af social pension m.v. januar efter område, pensionsform, plejehjemsophold , alder og køn. www.statistikbanken.dk/pen1 , PEN2 (1984-2006): Udbetalt social pension i 1000 kr efter område, pensionsform, beløbsart, civilstand og køn, pr januar. www.statistikbanken.dk/pen2 , PEN3 (1984-2006): Modtagere af social pension efter område, pensionsform, beløbsart, civilstand og køn, pr januar. www.statistikbanken.dk/pen3 , Detaljeret beskrivelse, Kodeværdier:, 1: Invaliditetsydelse gives til personer, som kunne blive eller er visteret til førtidspension, men lever af erhvervsindkomst. Fra 1. juli 2008 gives det til alle visiteret til gammel førtidspension, som lever af erhvervsindkomst. Omfatter også alle visiteret til førtidspension (efter 31. december 2002), hvor ordningen er hvilende(personen lever af erhversindkomst og modtager ikke anden førtisdpension) , og hvor personen anmoder om invaliditetsydelse., 2: Invaliditetsydelse, hvor personen også modtager bistands- eller plejetillæg., 13: Mellemste førtidspension blev til og med 2002 tilkendt personer mellem 18 og 59 år med varig erhvervsevnetab på mindst 2/3., 14: Højeste førtidspension, der til og med 2002 blev tilkendt personer mellem 18 og 59 år, hvis erhvervsevne er varigt nedsat og ubetydelig., 16: Forhøjet almindelig førtidspension, der til og med 2002 blev tilkendt personer mellem 18 og 59 år, hvis erhvervsevnen var varigt reduceret med mindst 50 pct. Tilkendtes også personer mellem 50 og 59, hvor det samlet set blev vurderet, at der var et forsørgelsesbehov., 18: Almindelig førtidspension, der til og med 2002 blev tilkendt personer mellem 60 og 64 år med varigt erhvervsevnetab på mindst 2/3., 24: Seniorpension fra 2020 tilkendes nedslidte personer med langvarig tilknytning til arbejdsmarkedet og højst 6 år til pensionsalderen., 25: Ny førtidspension fra 2003 tilkendes personer mellem 18 og 65 år, for personer født før 1. juli 1939 dog også 65- og 66-årige. Arbejdsevnen skal være varigt nedsat og personen skal være ude af stand til at forsørge sig selv ved erhvervsarbejde. Fra 2010 kan førtidspension kun tilkendes personer mellem 18 og 39 år, hvis det er dokumenteret, at arbejdsevnen ikke kan forbedres., 32: Folkepension med førtidsbeløb for 65- og 66-årige, som er født efter 30. juni 1939 og har modtaget førtidsbeløb, umiddelbart før de bliver folkepensionist. , 33: Folkepension med invaliditetsbeløb, 65- og 66-årige, som er født efter 30. juni 1939 og har modtaget invaliditetsbeløb, umiddelbart før de bliver folkepensionist., 34: Folkepension med erhvervsudygtighedsbeløb, 65- og 66-årige, som er født efter 30. juni 1939 og har modtaget erhvervsudygtighedsbeløb, umiddelbart før de bliver folkepensionist., 35: Folkepension., 36: Folkepension med invaliditetstillæg fra før 1984., 37: Folkepension for personer på mindst 70 år i 1994., For yderligere oplysninger, se diverse årgange af publikationen "Sociale ydelser" (udgivet af forlaget "Forsikring") og, https://www.retsinformation.dk/ (søg på "pensionsloven")., Bilag, Graf, Tabel, Populationer:, Personer berettiget til at modtage folke- eller førtidspension, Populationen omfatter alle personer med bopæl i Danmark eller udlandet, der i januar måned er berettiget til at modtage folkepension, førtidspension eller invaliditetsydelse. Personer der har valgt at udskyde folkepensionen indgår ikke i registeret i de perioder hvor folkepensionen er udskudt., Værdisæt, D280101.TXT_SLUTPENKODE_94FF - Pensionskode 31. december året før., Kode, tekst, Fra dato, Til dato, 1, Invaliditetsydelse, 01-01-1984, 13, Mellemste førtidspension, 01-01-1984, 14, Højeste førtidspension, 01-01-1984, 16, Forhøjet alm. førtidspension, 01-01-1984, 18, Alm. førtidspension, 01-01-1984, 2, Invaliditetsydelse, med bistands-/plejetillæg, 01-01-1984, 24, Seniorpension, 01-01-2020, 25, Ny førtidspension, 01-01-2003, 32, Folkepension med førtidsbeløb, 01-01-2004, 33, Folkepension med invaliditetsbeløb, 01-01-2004, 34, Folkepension med erhvervsudygtighedsbeløb, 01-01-2004, 35, Folkepension, 01-01-1984, 36, Folkepension med invaliditetstillæg fra før 1984, 01-01-1984, 37, Folkepension, fyldt 70 år, 01-01-1984, 31-12-1994

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/sociale-pensioner/slutpenkode

ANSXFREM

Navn, ANSXFREM , Beskrivende navn, Ansættelsesændring frem til året efter , 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, Variablen angiver ændringen i status for henholdsvis hoved- eller bibeskæftigede, arbejdsgivere, medhjælpende ægtefæller og selvstændige med hensyn til placering pr. november året efter., Detaljeret beskrivelse, Variablen informerer om en eventuel ansættelsesændring fra det forrige år til det aktuelle år for den enkelte ansatte. Variablen ser således fremad i tid til november året efter. Der kan eksempelvis være tale om en ændring til arbejdsløshed fra ansættelse eller til et helt andet arbejdssted i det samme firma. Uændrede ansættelser registreres ligeledes. For alle muligheder henvises til værdisættet., Variablen er relevant for alle ansatte, selvstændige, medhjælpende ægtefæller og arbejdsgivere. For de sidstnævnte tre grupper undersøges det, om status har ændret sig, eller om denne er uændret fremad i tid til det aktuelle år. De enkelte populationer (hovedbeskæftigede og bibeskæftigede lønmodtagere, selvstændige etc.) kan specificeres ved hjælp af vairablen TYPE. Se denne for mere information. , Når koden er BLANK angiver det, at der er tale om ansatte/arbejdsgivere med et uoplyst arbejdssted i det pågældende år samt generelt for året 1980. Et uoplyst arbejdssted angiver for ansatte, at der er tale om et fiktivt arbejdssted. Et fiktivt arbejdssted angiver, at de ansatte arbejder i nærheden af deres hjemadresse, men ikke i hjemmet, at man arbejder ud fra sin egen adresse, eller at man arbejder i hjemmet. Ansættelsen kan i sådanne tilfælde ikke henføres til et registreret arbejdssted og henføres derfor til såkaldte fiktive arbejdssteder. For arbejdsgivere med mere end et arbejdssted er der ikke angivet nogen af arbejdsstederne, og dermed er det uoplyst. , Variablen opdateres for det foregående år ved offentliggørelse af et nyt IDA-år. Det betyder, atved offentliggørelsen af eksempelvis IDA2006 dannes ANSXFREM for 2005, og ved offentliggørelse af IDA2007 dannes ANSXFREM for 2006 osv. Dette skyldes, at variablen indeholder oplysninger set fremad i tid og derfor kun kan dannes, når et nyt år foreligger., I værdisættet betyder * for værdi A1 og A2: Det firma (arbejdsgivernr.), som det bevarede arbejdssted tilhører i år 2 (året efter)., Kategorierne A1-A3 (samt U) er kun defineret for bevarede arbejdssteder (B1, B2). (Se evt. IDFREM (identitet for arbejdssted fremad i tid) for yderligere information om dette.) Koden A9 = død, angiver, at der er tale om en person, der er død året efter, og der er derfor ingen ansættelse., Fra 1994 er kode A7 mulig., Kommentar til graf og tabel., Anvendelsen af fiktive arbejdssteder blev indført i 1991, hvilket forklarer stigningen i kode A2 (A2= Til uoplyst arbejdssted i samme firma) for året 1990. Stigningen forekommer året før indførelsen, da variablen angiver, hvor man er ansat året efter., I 2006 mere end tredobles antallet af ansættelser til anden beskæftigelse fra nedlagt arbejdssted (kode A4). Dette er forårsaget af kommunalreformen pr. 1. januar i 2006. Denne medførte, at de eksisterende 271 kommuner blev slået sammen til 98 nye storkommuner. Som konsekvens har mange adressekoder skiftet kommune og/eller vejnummer. , I IDA betyder ovenstående, at arbejdsstederne i de berørte kommuner har fået ny ejer i form af nyt arbejdsgivernummer og ny adresse i form af ny adressekode. I forhold til det eksisterende regelsæt vedrørende samme arbejdssted i IDA betyder det, at ingen af de tre regler (se LBNR - arbejdsstedets løbenummer) er overholdt, og derfor nedlægges de pågældende arbejdssteder. Arbejdsstederne genopstår efterfølgende, for de flestes vedkommende, men med et nyt løbenummer, dvs. de oprettes som et nyt arbejdssted. , Hvor mange arbejdssteder der præcist berøres af dette kan ses i dokumentationen af variablene IDFREM og IDTILB , der henholdsvis angiver identiteten af arbejdssteder frem i tid (nedlagte) og tilbage i tid (oprettede)., Antallet af nedlagte arbejdssteder i IDA2006 er således højere end de øvrige år i tidsserien, hvilket bevirker, at antallet af ansættelser til anden beskæftigelse fra nedlagte arbejdssteder ligeledes er højt i forhold til tidligere år (kode A4). Over halvdelen af disse ansættelsesændringer forekommer i kommunalt regi og er derfor forårsaget af kommunalreformen. Der kan dog imellem disse nedlæggelser forekomme reelle nedlæggelser af arbejdssteder som ikke er forårsaget af kommunalreformen - disse kan blot ikke udskilles fra de øvrige., Udviklingen i ansættelsesændringerne i 2007 skyldes at datagrundlaget for lønmodtagerbeskæftigelsen ændres til eIndkomst fra og med IDA2008. For yderligere information om eIndkomst se emnegruppen Beskæftigelse og herunder statistikområdebeskrivelsen "Befolkningens tilknytning til arbejdsmarkedet (RAS)"., Bilag, Tabel, Graf, Populationer:, Ansættelser i IDA, I ansættelsespopulationen er indeholdt alle ansættelser der forekommer i løbet af et år. Ansættelserne kan forekomme som en af følgende hovedtyper; beskæftiget som lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle. Lønmodtageransættelsen kan underopdeles som hovedbeskæftiget, bibeskæftiget, en øvrig novemberansættelse, en ej-november ansættelse eller en vigtigste ej-november ansættelse. Ansættelserne hovedbeskæftiget lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle defineres alle i den Registerbaserede Arbejdsstyrkestatistik som værende den vigtigste tilknytning til arbejdsmarkedet pr. ultimo november. Bibeskæftigede lønmodtagere defineres ligeledes i den Registerbaserede Arbejdsstyrkestatistik. Oplysningerne om øvrige novemberansættelser, ej-november ansættelser og vigtigste ej-november ansættelser opgøres i IDA, som supplerende ansættelser til en af de 4 hovedtyper. Øvrige novemberansættelser og ej-november ansættelser forekommer først i IDA fra og med 2004. Ansættelserne medtages kun hvis den enkelte lønmodtager har fået en løn i løbet af året der overstiger en fastsat løngrænse. Løngrænsen ændres hvert år. Før 2008 har det udelukkende været lønmodtagere, der havde en summeret årsløn svarende til ca. 10.000 kr., der blev klassificeret som lønmodtagere. Dette krav blev indført fordi datagrundlaget for lønmodtagerbeskæftigelsen var årsbaseret og periodeangivelserne var usikre. Som følge af de mere sikre periodeangivelser i det nye datagrundlag fra 2008 er kravet reduceret meget kraftigt og erstattet med et krav om, at en lønmodtager som minimum skal have en løn, der svarer til 4 timers beskæftigelse til garantiløn for at blive klassificeret som ultimo november beskæftiget. For at optræde i populationen skal personen have bopæl i Danmark ultimo året. , Værdisæt, U131313.TXT_ANSXFREM - Ansættelsesændring frem til året efter, Kode, tekst, Fra dato, Til dato, A1, Til andet arbejdssted i samme firma *, 01-01-1980, 31-12-3000, A2, Til uoplyst arbejdssted i samme firma *, 01-01-1980, 31-12-3000, A3, Til andet firma (anden beskæftigelse), 01-01-1980, 31-12-3000, A4, Til anden beskæftigelse fra nedlagt arbejdssted, 01-01-1980, 31-12-3000, A5, Til arbejdsløshed, 01-01-1980, 31-12-3000, A6, Til uden for arbejdsstyrken incl. efterløn, 01-01-1980, 31-12-3000, A7, Til orlov (både fra ledighed og fra beskæftigelse), 01-01-1994, 31-12-3000, A8, Udvandret, 01-01-1980, 31-12-3000, A9, Død (inkl. "forsvundet"), 01-01-1980, 31-12-3000, I2, Fra hovedbeskæftiget på arbejdsstedet, 01-01-1980, 31-12-3000, I3, Anden tilgang til arbejsstedet, 01-01-1980, 31-12-3000, I9, Irrellevant ( ikke-bevaret arbejdssted), 01-01-1980, 31-12-3000, U, Uændret, 01-01-1980, 31-12-3000, 02, Til selvstændig el. arbejdsgiver, 01-01-1980, 31-12-3000, 03, Til medhjælpende ægtefælle, 01-01-1980, 31-12-3000, 04, Til lønmodtager, 01-01-1980, 31-12-3000

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/beskaeftigelsesoplysninger-der-vedroerer-ida-ansaettelser/ansxfrem

Danske boligpriser steg næstmest i EU under COVID-19

De danske boligpriser steg 15,3 procent fra første kvartal 2020 til første kvartal 2021. Det er næsten tre gange så meget som gennemsnittet af EU-landene. Kun Luxembourg havde større prisstigninger i samme periode. , 27. juli 2021 kl. 8:00 , Af , Presse, Boligpriserne stiger, og det gør de ikke kun i Danmark. Alligevel havde Danmark de næsthøjeste prisstigninger i EU i 2020. , Det viser de nyeste tal fra det internationale boligprisindeks House Prices Indeks (HPI), som opgøres af medlemslandene og offentliggøres af EU’s statistikorganisation , Eurostat., I første kvartal 2021 steg boligpriserne med 6,1% i EU i gennemsnit sammenlignet med samme kvartal året før. Det er den højeste årlige stigning for EU siden tredje kvartal 2007. I Danmark steg priserne i samme periode med 15,3 pct. , ”Boligpriserne steg markant i Danmark fra 1. kvartal 2020 til 1. kvartal 2021 sammenlignet med de resterende EU-lande. Kun Luxembourg havde større prisstigninger. Lande, som vi normalt sammenligner os med, havde mindre stigninger end Danmark. For eksempel steg boligpriserne i Sverige med 7,2 pct. i perioden, mens Norge havde stigninger på 9,7 pct.,” siger Jakob Holmgaard, der er fuldmægtig i Danmarks Statistik., Figur 1: EU-harmoniserede boligprisindeks i EU-lande samt andre udvalgte lande, årlig procentvis ændring fra 2020K1 til 2021K1, Note: Ovenstående viser EU-lande, gennemsnittet for EU + EFTA-landene Island, Norge og Schweiz. Grækenland er som det eneste EU-land ikke med i opgørelsen, men til beregning af EU-aggregatet (EU-27) beregner Eurostat et skøn for Grækenland baseret på oplysninger fra den nationale centralbank. Kilde: , Eurostat database, ., Faktaboks: Boligprisindekset (House Price Index, HPI), Boligprisindekset viser prisændringer på boligejendomme købt af husholdninger (lejligheder, huse, rækkehuse, sommerhuse), både nybyggede og eksisterende, uafhængigt af deres endelige brug og uafhængigt af deres tidligere ejere., Boligprisindekset beregnes i regi af det EU-harmoniserede forbrugerprisindeks. , Kilde: Eurostat, ., Boligpriserne steg mest i Luxembourg, EU-landet med de største stigninger fra 1. kvartal 2020 til 1. kvartal 2021 var Luxembourg med stigninger på 17 pct., ”Stigningen i Luxembourg hænger især sammen med lokale markedsforhold, såsom høj boligefterspørgsel, lavt boligudbud, stigning i befolkningstallet samt stor købekraft blandt befolkningen,” siger Jakob Holmgaard., Cypern havde som det eneste land et fald i boligpriserne i perioden, mens lande som Spanien, Rumænien, Italien og Slovakiet så stigninger på 1-2 pct. , Udviklingen i boligpriserne i Danmark har længe været højere end i EU , I årene umiddelbart efter finanskrisen fra 2010 til 2013 fulgtes udviklingen i de danske boligpriser pænt ad med EU-gennemsnittet. Men det ændrede sig: , ”Siden 2013 er de danske boligpriser steget mere end EU-gennemsnittet. Specielt under COVID-19 er de danske boligpriser steget markant mere end i EU-gennemsnittet”, siger Jakob Holmgaard., Figur 2: EU-harmoniserede boligprisindeks i EU og Danmark, indeks (2010 = 100) ,   , Kilde: , Eurostats database, Antallet af bolighandler steg i mange lande, En anden måde at belyse situationen på boligmarkedet under COVID-19 på er ved at se på antallet af bolighandler. Her viser tallene fra Eurostat også en øget aktivitet. , Eurostat opgør kun antallet af bolighandler for 12 EU-lande. Antallet af boligtransaktioner steg i 9 ud ad 11 lande i 1. kvartal 2021 sammenlignet med 1. kvartal 2020. Polen har endnu ikke har indset data for 1. kvartal 2021., Antallet af handler faldt kun i Slovenien (-11,2 pct.) og Irland (-6,9 pct.) i 1. kvartal 2021 sammenlignet med 1. kvartal 2020, mens Irland, Portugal, Ungarn, Luxembourg, Bulgarien, Finland og Frankrig oplevede stigninger i perioden. Stigningerne var størst i Belgien med 54,1 pct. og i Danmark med 47,5 pct. sammenlignet med samme kvartal året før., ”Danmark og Holland havde som de eneste af landene stigninger i antallet af transaktioner i alle fire kvartaler i 2020 sammenlignet med året før, mens Slovenien og Belgien havde fald i alle fire kvartaler i 2020 sammenlignet med året før,” siger Jakob Holmgaard., Belgien ændrede reglerne for beskatning af realkreditlån i januar 2020, og det kan ifølge Eurostat delvist forklare stigningen i 4. kvartal 2019 efterfulgt af et kraftigt fald på 29,3 pct. i første kvartal 2020. Den årlige stigning på 54,1 pct. i første kvartal 2021 er også relateret til det meget lave tal for første kvartal 2020., Tabel 1: Udvikling i antallet af boligtransaktioner, årlig procentvis ændring i forhold til samme kvartal året før. Sorteret efter udviklingen i 2021Q1, Anm. Eurostat opgør antallet af bolighandler for 12 EU-lande, dog har Polen endnu ikke indsendt data for 2021Q1. , Kilde: , Eurostats database,  , Læs mere om udviklingen på det danske boligmarked i 2020 her, . , Forskellig sæson i boligsalget blandt udvalgte EU-lande, Ud af de 12 lande, som har leveret data om antallet af transaktioner, er der forskel på i hvilket kvartal boligsalget topper, når vi kigger på gennemsnittet for perioden fra 2015-2020. , Salget er ofte højest i enten andet, tredje eller fjerde kvartal. I Danmark, Finland, Frankrig og Ungarn er salget højest i andet og tredje kvartal. I Irland, Luxembourg, Nederlandene, Portugal og Slovenien er salget højest i fjerde kvartal. Kun i Polen topper salget om vinteren i 1. kvartal. , Se andelen af boligtransaktioner i figuren herunder: , Figur 3: Andel boligtransaktioner for hvert kvartal, gennemsnit 2015 – 2020., Anm: Figuren viser et gennemsnit over andelen af boligtransaktioner i hvert kvartal for perioden 2015-2020. For eksempel blev 28 pct. af Nederlandenes samlede bolighandler foretaget i 4. kvartal gennemsnitligt fra 2015-20. På grund af afrunding summer tallene ikke nødvendigvis helt til 100 inden for hvert land., * Gns for 2016 – 2020., ** Gns for 2017 – 2020., Kilde: , Eurostats database, ., Du kan læse mere om sæson på det danske boligmarkedet i denne , DST-analyse, ., Data til denne artikel er leveret af Jakob Holmgaard, som du kan kontakte på , JHO@dst.dk, eller 39 17 31 24, hvis du har spørgsmål til artiklen.

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2021-07-27-danske-boligpriser-steg-naestmest-i-EU-under-COVID-19

Bag tallene

Anden teknisk dokumentation

På denne side findes baggrundsmaterialer af teknisk karakter for både nuværende og tidligere modelversioner., Formelfilerne viser alle modellens ligninger. For hver modelversioner er der listefile, som giver et overblik over hvilke ADAM variabler der er endogene og hvilke der er eksogene. Der er lister, som viser nye og udgåede variabler i forhold til den forrige modelversion. Variabellisten og ligningsbrowsersen knytter label og kilde til modellens variabler. Ligningsbrowsersen er i html-format. De øvrige filer er typisk tekstfiler.  , I flere tilfælde er der tale om filer som er ændret og opdateret i forbindelse med brugen af modelen.,  , ADAM marts 2024, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser - mar24, Diverse lister, Nye og udgåede variabler - mar24, Eksempelsamling, Eksempelsamling til Adam Mar24 (pdf), Eksempelsamling til Mar24 - let navigerbar, Eksempelsamling Mar24 (kode), Mar24gap - med strukturelle niveauer, Formelfiler, Formelfil - mar24gap, Normaliseret formelfil - mar24gap, Inverteret formelfil - mar24gap, Ligningsbrowser, Ligningsbrowser - mar24gap, Diverse lister, Nye og udgåede variabler - mar24gap, LMar24lang - med strukturelle niveauer som tabelvariable, Formelfiler, Formelfil - Mar24lang, Normaliseret formelfil - mar24lang, Inverteret formelfil - mar24lang, Ligningsbrowser, Ligningsbrowser - mar24lang, Diverse lister, Nye og udgåede variabler - mar24lang, ADAM april 2023, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Diverse lister, Nye endogene variable i apr23, Nye eksogene variable i apr23, Udgående endogene variable i apr23, Udgående eksogene variable i apr23, Eksempelsamling, Eksempelsamling til Adam April 2023 (pdf), Eksempelsamling til Apr23 - let navigerbar, Eksempelsamling til Apr23 (kode), Ligningsbrowser - standard Apr23, Ligningsbrowser23, Ligningsbrowser - Apr23gap - med strukturelle niveauer, Ligningsbrowser23gap, Ligningsbrowser - Apr23lang - med strukturelle niveauer som tabelvariable, Ligningsbrowser23lang, ADAM oktober 2020, Oktober20 - standard Okt20, Formelfil, Formelfiler, Normaliseret formelfil, Inverteret formelfil, Ligningsbrowser, ligningsbrowser20, Diverse lister, Nye endogene, Nye eksogene, Udgåede endogene, Udgåede eksogene, Eksempelsamling, Eksempelsamling, Eksempelsamling kode, Oktober20gap - Okt20 med strukturelle niveauer, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Ligngingsbrowser, Ligningsbrowser20gap, diverse lister, Nye endogene, Nye eksogene, Udgåede endogene, Udgåede eksogene, Oktober20lang - Okt20 med strukturelle niveauer som tabelvariable, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, ligningsbrowser, Ligningsbrowser20lang, diverse lister, Nye endogene, Nye eksogene, Udgåede endogene, Udgåede eksogene, ADAM juni 2019, Formelfil, Formelfil, Inverteret formelfil, Ligningsbrowser, Lb19, Diverse lister, Nye endogene, Nye eksogene, Udgående variabler, Multiplikatorer, Eksempelsamling, ADAM oktober 2018, Formelfil, Formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Eksempelsamling, ADAM juli 2017x, Formelfiler, Formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Eksempelsamling, ADAM juli 2017, Formelfiler, Formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Standardmultiplikatorer, Eksempelsamling, Vedrørende modelversion Jul17, ADAM oktober 2016, Formelfiler, Formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Standard multiplikatorer, Eksempelsamling, Vedrørerende modelversion Okt16, ADAM oktober 2015, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Ligningsbrowser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Standardmultiplikatorer Okt15, Sammenligning af Okt15 og Okt14, ADAM oktober 2014, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Browser, Ligningsbrowser, Diverse lister, Nye endogene, Nye eksogene, Udgåede variabler, Multiplikatorer, Om Adam Oktober 2014, Eksempelsamling Oktober 2014, ADAM juni 2014, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Browser, Ligningsbrowser jun14, diverse lister, nye endogene variabler, nye eksogene variabler, udgåede variabler, Multiplikatorer, Standardmultiplikatorer jun14, e-bog, Standardmultiplikatorer jun14, html, Standardmultiplikatorer jun14, pdf, Om Adam Juni 2014, ADAM juli 2013, Formelfiler, Formelfil, Nomaliseret formelfil, Inverteret formelfil, Browsere, Ligningsbrowser, Omdøbningsbrowser, Okt12 til Jul13, Diverse lister, Nye endogene variabler, Nye eksogene variabler, Udgåede variabler, Jul13 til Okt12, Okt12 til Jul13, Multiplikatorer, Muleks13 - let navigérbar version, Muleks13 - e-bog, Muleks13 - printervenlig udgave, Om Adam Juli 2013, ADAM oktober 2012, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Browsere, Ligningsbrowser, Omdøbningsbrowser, Dec09 til Okt12, Diverse lister, Nye eksogene variabler, Nye endogene variabler, Udgåede variabler, Dec09 til Okt12, Okt12 til Dec09, Om Adam Oktober 2012, ADAM december 2009, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret variabelliste, Browsere, Ligningsbrowser, Omdøbningsbrowser, Apr08 til Dec09, Diverse lister, Nye endogene variabler, Nye eksogene variabler, Udgåede variabler, Apr08 til Dec09, Dec09 til Apr08, Om Adam December 2009, ADAM april 2008, Formelfil, Formelfil, Normaliseret formelfil, Ligningsbrowser, Ligningsbrowser, Variabellister, Variabelliste, Inverteret variabelliste, Nye endogene variabler, Nye eksogene variabler, Udgåede variabler, Eksempelsamlling, PCIM hjælp, Om Adam April 2008, ADAM april 2007, Formelfil, Formelfil, Normaliseret formelfil, Ligningsbrowser, Ligningsbrowser, Variabellister, Variabelliste, Inverteret variabelliste, Nye endogene variable, Nye eksogene variable, Udgåede variable, ADAM juli 2005, Formelfil, Formelfil, Ligningsbrowser, Ligningsbrowser, Variabellister, Variabelliste, Inverteret variabelliste, Variabelliste i pdf-format, Indekseret variabelliste, Nye endogene variable, Nye eksogene variabler, Udgåede variable, ADAM april 2004, Formelfil, Formelfil, Normaliseret formelfil, Andre moduler, for- og eftermodeller, Ligningbrowser, Model til omdøbning af variable, Model til beregning af RAS branchefordelt beskæftigelse, Variabellister, Variabelliste, Inverteret variabelliste, Udfoldet variabelliste, Indekseret variabelliste, Variabelliste i pdf-format, Nye endogene variabler, Nye eksogene variabler, Udgåede variable, ADAM februar 2002 patch version, Formelfil, Formelfil, Normaliseret formelfil, Ligningsbrowser, Ligningsbrowser, Variabellister, Variabelliste, Inverteret variabelliste, Udfoldet variabelliste, Variabelliste i pdf-format, Indekseret variabelliste, Nye endogene variable, Nye eksogene variable, ADAM februar 2002, Formelfil, Formelfil, Normaliseret formelfil, Ligningsbrowser, Ligningsbrowser, Variabellister, Variabelliste, Inverteret variabelliste, Udfoldet variabelliste, Indekseret variabelliste, Nye endogene variable, Nye exogene variable, Udgåede variable, ADAM april 2000, Formelfil, Formelfil, Normaliseret formelfil, Ligningsbrowser, Ligningsbrowser, variabellister, Variabelliste, Variabelliste i pdf-format, Inverteret variabelliste, ADAM december 1999, Formelfiler, Formelfil, Normaliseret formelfil, Inverteret formelfil, Browser, Ligningsbrowser, ADAM marts 1995, Formelfil, MAR95 - formelfil, Browser, Ligningsbrowser, Diverse downloads:, Introduktion til omdøbning af variabler, Modul til omdøbning af variabler, PCIM version 9, Introduktion til PCIM version 9.07, Hjælpefil til PCIM version 9, Windows hjælpefil til PCIM version 9, PCIM version 7, Hjælpefiler til PCIM version 7, Tabelmenusystem til PCIM version 7, (opdateret september 2002), Tabeldefinitionskort til PCIM version 7, (opdateret september 2002)

https://www.dst.dk/da/Statistik/ADAM/Modellen-ADAM/Download

Ny analyse nuancerer frafald på erhvervsuddannelserne

Der har i længere tid været fokus på, at der er et større frafald på erhvervsuddannelserne end på andre uddannelser. Og at frafaldet er stigende. Med skræddersyet statistik fra DST Consulting i hånden, kan Danske Erhvervsskoler og -Gymnasier belyse, hvad der frafaldes til, så organisationen bedre kan bidrage til en mere nuanceret debat om frafald og kvalificere rådgivning til skoler og politikere., 20. juni 2023 kl. 9:00 ,  , I marts viste nye tal fra Danmarks Statistik, at 38 pct. af dem, der startede en erhvervsuddannelse i 2017, var droppet ud af uddannelsen inden for fem år. Det overordnede billede på området er, at frafaldet på erhvervsuddannelserne generelt er stigende, og det er noget, der fylder på Christiansborg, i de uddannelsesfaglige miljøer og i samfundsdebatten., Det kan nemlig komme til at betyde, at vi i fremtiden kommer til at mangle tømrere på byggepladserne, SOSU’er på plejehjemmene, administrationsmedarbejdere på kontorerne, og kokke i kantinerne. Derfor er det et vigtigt område at belyse, mener Danske Erhvervsskoler og -Gymnasier (DEG), der har kontaktet Danmarks Statistik for at få viden og statistik om netop de elever, der afbryder en uddannelse, før de får deres svendebrev eller uddannelsesbevis i hånden., Denne viden, som DEG efterfølgende har bygget en analyse på, mener Benjamin Schou Ilsøe, analysekonsulent i DEG, er vigtig for den politiske dagsorden., ”Vores uddannelser bliver ofte associeret med højt frafald. Hvis man sammenligner med gymnasierne, er det rigtigt, men hvis man sammenligner med mange videregående uddannelser er det ikke tilfældet. Derfor er der brug for, at der bliver sat lys på frafald, og at det bliver nuanceret. Hvad består frafaldet af? Hvad frafalder de til?” spørger Benjamin Schou Ilsøe., ”Med hjælp fra DST Consulting hos Danmarks Statistik har vi nu skræddersyet statistik i en detaljegrad, der gør, at vi kan gøre vores skoler klogere på frafaldsområdet. Det kan give en bedre forudsætning for at få flere til at gennemføre en erhvervsuddannelse, og det er blandt andet et af de indsatsområder, vi som organisation arbejder for: At kunne understøtte vores skoler og give dem de bedst mulige vilkår for i sidste ende at få flere faglærte ud i samfundet. Med analysen giver vi et helikopterperspektiv på frafaldet, som i høj grad har manglet,” tilføjer Benjamin Schou Ilsøe., Blev selv overrasket over tallene, Da Benjamin Schou Ilsøe først kontaktede DST Consulting, arbejdede DEG med en hypotese om, at det eleverne kom fra inden studiet, også var det, de frafaldt til. Kommer man fx fra ledighed og falder fra, så vil man i højere grad ryge tilbage i ledighed igen., ”Den hypotese, viser analysen, er korrekt. Det samme gælder de elever, der kommer fra beskæftigelse og uddannelse. Det kan være folk, der kommer fra arbejdsmarkedet, som vil opkvalificeres og starter på en uddannelse, hvor for eksempel lønnen fra arbejdsmarkedet trækker dem tilbage igen. For dem, der kommer fra uddannelse, har de måske bare ikke ramt rigtigt,” siger Benjamin Schou Ilsøe., Selvom tallene langt hen ad vejen understøtter den oprindelige hypotese, er det ikke alt, Benjamin Schou Ilsøe og DEG har gættet sig til på forhånd., ”Jeg blev positivt overrasket over, at det kun er 15 pct., der frafalder til ledighed. Der er et narrativ om, at erhvervsskolerne er laveste fællesnævner, og det er jeg ked af. Der er mange dygtige elever, der brænder for, hvad de laver. Når medierne og politikerne siger, at der er for højt frafald, så man får et billede af, at alle sidder fast i systemet og ikke kommer nogen vegne, men 57 pct. af dem, der frafalder, går faktisk videre på en anden uddannelse eller kommer i arbejde. 57 pct. frafalder altså med et perspektiv og finder en uddannelse eller et job, der er mere rigtigt for dem,” understreger Benjamin Schou Ilsøe., I alt går 37 pct. af de elever, der falder fra, videre til en anden uddannelse. 17 pct. går videre til en anden erhvervsfaglig uddannelse og ender dermed muligvis alligevel med en erhvervsuddannelse, selvom de i nogle tilfælde også vil tælle med i statistikken over frafald., ”Der er nogle, som ikke har fundet den rette hylde i første omgang, og det er okay. Hvor mange faglærte kommer ud i sidste ende? Det er det, der er det vigtigste,” siger Benjamin Schou Ilsøe., Et tæt samarbejde, Når Lonnie Graversgaard Jensen, datakonsulent i DST Consulting, går i gang med en bestillingsopgave som DEG’s er der stor forskel på, hvor tæt dialog med kunden, opgaven kræver. I dette tilfælde har dialogen dog været meget tæt, og den er gået begge veje., ”Opgaven har været en af de større opgaver. Vi har haft en god, tæt dialog undervejs, hvor jeg også er blevet klogere. Det har fx været lidt svært for mig at finde rundt i de mulige veje gennem erhvervsuddannelserne, men det har Benjamin haft meget viden om, som han bidrog med,” siger Lonnie Graversgaard Jensen., Det er en dialog, Benjamin har været glad for og følt sig tryg i., ”Jeg har snakket mere i telefon med Lonnie end med nogen andre i en lang periode. Jeg har nærmest haft hende på speed dial, og hun har været enormt dygtig og hurtig til at svare. Der har været stor forståelse for, at det er en vigtig opgave for os at løse,” siger Benjamin Schou Ilsøe., Hvorfor tal fra DST Consulting?, DEG har sine egne talstærke analytikere, så hvorfor bede DST om hjælp?, ”Der er mange offentligt tilgængelige data på området, men vores interesse gik på, hvad de elever, der falder fra, laver bagefter, og koble det med forskellige variable. Det er kernen i undersøgelsen, og det er ikke offentligt tilgængeligt. Det havde vi brug for Danmarks Statistik til,” siger Benjamin Schou Ilsøe., Lonnie Graversgaard Jensen forklarer, at Benjamin Schou Ilsøe henvendte sig med et ønske om at se en specifik, afgrænset population – frafaldselever på bestemte uddannelser – og herefter at koble andre variable på populationen for at kunne lave det efterfølgende analysearbejde., ”Det er netop kernen i mange af vores opgaver for kunderne hos DST Consulting. I denne opgave har vi med udgangspunkt i elevregistret koblet andre variable på såsom alder, køn, og om man er forælder. Sammen har vi fundet ud af, hvordan datasættet skulle afgrænses, og hvad der kunne lade sig gøre både inden for tidsrammen og inden for vores data. Vi har også efterfølgende haft en dialog om tallene,” forklarer Lonnie Graversgaard Jensen om opgaven., Ifølge Benjamin Schou Ilsøe har DEG ikke tidligere bedt Danmarks Statistik om hjælp til opgaver, men organisationen har nu fået adgang til Danmarks Statistiks Forskningsservice og har allerede bestilt en ny opgave hos DST Consulting.,  , Fakta #1, "Der er nogle, som ikke har fundet den rette hylde i første omgang...", 15% frafalder til ledighed, 37% går videre på en anden uddannelse og 20 % frafalder til arbejde. , Benjamin Schou Ilsøe ,  , Analysekonsulent, Danske Erhvervsskoler og -Gymnasier, Mobil: 22 78 89 54, bsi@deg.dk, Foto: Danske Erhvervsskoler og -Gymnasier ,  , Lonnie Graversgaard Jensen,  , Fuldmægtig , DST Consulting, Danmarks Statistik, Mobil: 30 55 72 92, lnj@dst.dk,  , Foto: , Danmarks Statistik

https://www.dst.dk/da/TilSalg/perspektiv/2023/2023-06-21-ny-analyse-nuancerer-frafald-paa-erhvervsuddannelserne

18.000 studerende flytter ved deres studiestart på videregående uddannelser

Flest nye studerende flytter til hovedstad og storby, mens land og provins mister flere studerende, end de modtager., 22. juli 2021 kl. 8:00 , Af , Presse, Når pladsen på et af Danmarks universiteter, erhvervsakademier eller professionsskoler er sikret, indleder tusindvis af danske studerende jagten på en egnet studiebolig i den by, hvor deres fremtidige studieplads ligger., I 2020 flyttede rundt regnet 18.000 kommende studerende til ny bolig i månederne omkring studiestarten på en videregående uddannelse. Det svarer til 30 pct. af alle studerende, som startede på videregående uddannelser det år., For at en flytning tælles med som en studieflytning i denne opgørelse, skal den flyttende person være startet på en videregående uddannelse og være flyttet i perioden fra 1. august 2020 til 31. oktober 2020., ”På den måde mener vi at kunne give et kvalificeret bud på, hvor mange der flytter i forbindelse med studiestart. Når det er sagt, kan vi jo ikke vide med sikkerhed, at de unge er flyttet på grund af optag på videregående uddannelse,” forklarer fuldmægtig i Danmarks Statistik Mikkel Jonasson Pedersen.  , ”Det er blot sandsynligt, da vi også kan se, at langt de fleste af disse flytninger faktisk bringer de studerende tættere på deres kommende studie. Dog er der også 13 pct. af de flyttende, som øger afstanden til det kommende studie.”, Mange af nye studerende flytter mere end 50 kilometer, 6.900 af de studerende, som flyttede i forbindelse med studiestarten, flyttede mere end 50 kilometer tættere på studiet. Det svarer til 38 pct. af alle de flytninger, studerende foretog omkring studiestart., Den næststørste gruppe flyttede mellem 11-50 kilometer. Det gjorde rundt regnet 2.700 nye studerende, hvilket svarer til 15 pct. af alle flytningerne. Rundt regnet 2.300 af flytningerne bragte den studerende længere væk fra studiet, end før flytningen fandt sted, svarende til 13 pct. af flytningerne., Afstandene er beregnet på baggrund af Kraks kort. I nogle tilfælde er der ikke overensstemmelse mellem disse kort og de registrerede adresser. Det kan både skyldes nybyggerier som ikke er med på kortene, men også at adressen fra sidste år ikke længere findes., Det betyder, at ved ca. 3.500 af flytningerne i forbindelse med studiestart, er det ikke muligt at beregne forskelle i afstand. Tallene om flytteafstande er derfor behæftet med en vis usikkerhed., Antal flytninger og flytteafstand, nye studerende på videregående uddannelser. 2020, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregisteret, Flest nye studerende flytter til København, Den kommune, som flest nye studerende på videregående uddannelser flyttede til i 2020, var Københavns Kommune, dog meget tæt efterfulgt af Aarhus Kommune., Knap 4.100 studerende flyttede til Københavns Kommune, mens knap 4.000 flyttede til Aarhus Kommune. Dette svarer hhv. til 23 og 22 pct. af alle studieflytningerne omkring studiestart på videregående uddannelser i 2020. Tallet inkluderer alle flytninger foretaget af nye studerende på videregående uddannelser, både flytninger inden for samme kommune og tilflytninger fra andre kommuner., Kommunen med tredje flest studietilflytninger i 2020 var Aalborg med rundt regnet 2.200 flytninger svarende til 12 pct. af alle studieflytninger omkring studiestart. Herefter følger Odense Kommune med 2.000 studieflytninger svarende til 11 pct. af flytningerne., Tilflyttende studerende til de største danske kommuner. 2020, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregisteret, Anm: Figuren viser kun tilflytning til Danmarks fire største kommuner, Land- og provinskommuner mister flere studerende end de modtager, Trækker man de fraflyttende studerende fra de tilflyttende studerende, får man den såkaldte nettotilflytning, altså om de forskelige kommuner går i ’plus eller minus’, når alle de nye studerendes flytninger er foretaget., Netto modtog danske storbykommuner (Odense, Aalborg og Aarhus) 5.015 kommende studerende på videregående uddannelser i 2020, hvilket var den største nettotilflytning blandt alle kommunetyperne., Den næststørste tilflytning skete til kommunerne grupperet som ”hovedstadskommuner” i , Danmarks Statistiks klassificering af danske kommunetyper, , som dækker over København og en række omkringliggende kommuner. Hovedstadskommunerne endte med en nettotilflytning på knap 1.900., Alle andre kommunetyper i landet, herunder landkommuner, provinskommuner og oplandskommuner endte med at have negativ nettotilflytning i 2020. Der var altså flere kommende studerende, som flyttede fra disse kommuner end til dem., Fakta: Hvad menes der med land og provinskommuner?, Danmarks Statistik har grupperet Danmarks 98 kommuner i 5 overordnede kommunetyper, som hedder Hovedstadskommuner, Storbykommuner, Provinsbykommuner, Oplandskommuner og Landkommuner., Denne opdeling er lavet med udgangspunkt i oplysninger om tilgængelighed til arbejdspladser og antallet af indbyggere i den største by i kommunen., Opdelingen kan anvendes til analyser af geografiske forskelle i Danmark., Se oversigt over alle danske kommuner og deres klassificering , her, Den største nettofraflytning af studerende skete i landets landkommuner, hvor omtrent 2.600 forlod kommunegruppen til fordel for andre kommunegrupper., Dernæst følger de danske oplandskommuner, som mistede knap 2.200 studerende (netto), efter flytteregnestykket var gjort op. Disse følges af provinskommunerne, hvor 2.100 studerende (netto) endte med at forlade kommunerne., Se flere tal om til- og fraflytning i tabellerne i bunden af artiklen., Nettotilflytning, nye studerende på videregående uddannelser. 2020, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregisteret, Størstedelen af de flyttende studerende halverer deres afstand til studiet, Mange af de nye studerende fik markant kortere afstand til studiet, efter de var flyttet. Således mere end halverede rundt regnet 10.100 studerende deres afstand til deres kommende studie, hvilket svarer til 55 pct. af alle flytningerne omkring studiestart., ”Kigger man udelukkende på gruppen, som halverer deres afstand til studiet, kan vi se, at ret mange af dem har gjort dette ved at flytte relativt langt,” forklarer Mikkel Jonasson Pedersen., ”Fx har knap 7.000 studerende mere end halveret deres afstand ved at flytte over 50 kilometer tættere på studiet.” , Studerende som efter flytning har halveret afstanden til studiet. 2020, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregister, Har du spørgsmål til tallene i denne artikel, kan du kontakte fuldmægtig Nikolaj Kær Schrøder Larsen på 3917 3259 eller , NKL@dst.dk, eller fuldmægtig Mikkel Jonasson Pedersen på 3917 3752 eller , MPS@dst.dk, Tabel: Brutto- og nettotilflytning fordelt på kommunetyper. 2020,  , Hovedstadskommuner, Landkommuner, Oplandskommuner, Provinsbykommuner, Storbykommuner, Bruttotilflytning, 6.047, 1.052, 474, 2.410, 8.236, Nettotilflytning, 1.884, -2.583, -2.178, -2.138, 5.015,  ,  

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2021-07-22-Studerende-flytter-efter-uddannelse-i-forbindelse-med-studiestart

Bag tallene

Hvor stramt er arbejdsmarkedet?

Overordnet set har beskæftigelsen været stigende og ledigheden faldende siden 2013. Det har i stigende grad rejst spørgsmålet om, hvor stramt arbejdsmarkedet egentlig er, og om vi løber en risiko for, at inflationen stiger mere, end vi bryder os om. Svaret på det spørgsmål har betydning for, hvor stram finanspolitikken bør være og måske også for behovet for reformer, der kan øge arbejdsudbuddet., 20. april 2017 kl. 11:00 , Af , Jørgen Elmeskov, Statistikkerne skal holdes op mod supplerende viden, Når man i den politiske debat fokuserer på arbejdsmarkedets stramhedsgrad, er det selvfølgelig ikke, fordi lav ledighed er noget dårligt. Men ledigheden kan blive så lav, at der kommer øget gang i inflationen og danske virksomheders konkurrenceevne dermed svækkes. Igen er det måske umiddelbart ikke nogen tragedie, når udgangspunktet er en god konjunktursituation og så stærk en konkurrenceposition som den danske - vi har enorme betalingsbalanceoverskud og nettoaktiverne på udlandet oversteg halvdelen af BNP ved udgangen af 2016 - men når sådan en proces først er i gang, kan den vise sig svær at standse igen., På den baggrund er det værd at kigge på ledighedsudviklingen målt ved Danmarks Statistiks forskellige indikatorer., To af indikatorerne - brutto- og nettoledigheden - er baseret på registeroplysninger om udbetaling af dagpenge og kontanthjælp.  De er i udgangspunktet mere statistikker over modtagelse af offentlige ydelser end statistikker over ledighed. Man kan sagtens være uden arbejde, søge arbejde, og være til rådighed for et job (den internationale definition på arbejdsløshed) uden at optræde i registerledigheden. Det gælder for eksempel mange studenter, som modtager SU og samtidig ønsker et deltidsjob ved siden af, eller andre jobsøgende der ikke har ret til dagpenge eller kontanthjælp. I tidligere tider var det nok heller ikke alle, der modtog dagpenge, der var lige meget til rådighed for et job - her er der dog over tid sket betydelige opstramninger., Når de to serier for registerledighed normalt får mest opmærksomhed skyldes det nok, at tallene typisk er ganske sikre. Hertil kommer, at de giver et mål for volumen af ledighed - i den forstand at de korrigerer for, om folk er fuldtids- eller deltidsledige. Arbejdsmarkedet er jo meget strammere, hvis alle de ledige ønsker deltidsbeskæftigelse, end hvis de ønsker fuldtidsbeskæftigelse - i den sidste situation er der mange flere timer at hente fra de ledige., Siden midten af 2016 er bruttoledigheden steget svagt, mens nettoledigheden nærmest har bevæget sig sidelæns (figur 1). Det kan virke overraskende i en periode med pæn vækst i BNP og beskæftigelse. Det skal nok heller ikke tolkes sådan, at arbejdsmarkedet er blevet mindre stramt. Baggrunden for udviklingen i de to registerbaserede ledighedsindikatorer er bl.a., at kommunerne har ændret registreringspraksis for modtagere af integrationsydelse, så de nu i udgangspunktet registreres som jobparate. Det er formentligt et rimeligt gæt, at de personer, der på denne baggrund indregnes blandt de brutto- og nettoledige, ikke har den helt store indflydelse på løndannelsen. Så stigningen i bruttoledigheden siden midten af sidste år kan ikke umiddelbart tages som udtryk for, at arbejdsmarkedet er blevet mindre stramt. Og i stedet for at være konstant havde nettoledigheden formentlig været faldende, hvis der blev korrigeret for den ændrede registreringspraksis., Figur 1. Bruttoledigheden, nettoledigheden og AKU-ledigheden, sæsonkorrigeret, Den forskellige udvikling i brutto- og nettoledigheden afspejler et øget antal ledige i aktivering. Der har historisk været en lang debat blandt (ikke mindst svenske) økonomer om, hvorvidt aktivering af de ledige medførte øget lønpres, eller de aktiverede fortsat holdt lige så meget igen på lønningerne som de åbent ledige, der måles i nettoledigheden. Konklusionen svæver lidt, men argumentet rokker yderligere ved at bruge stigningen i bruttoledigheden som indikation for udviklingen i arbejdsmarkedets stramhedsgrad. , Men hvad så med den tredje indikator, AKU-ledigheden? Den er baseret på at spørge en stikprøve af folk, om de opfylder de internationale kriterier for ledighed, og er generelt mere ustabil. Ikke desto mindre er den også steget siden foråret 2016. Stigningen var koncentreret omkring 2. og 3. kvartal og berørte studenter og såkaldte ”øvrige ledige”. Ledigheden faldt derimod fortsat for modtagere af dagpenge og kontanthjælp. Det viser de detaljerede AKU-tal, som kun offentliggøres på kvartalsbasis på grund af den månedlige stikprøves begrænsede størrelse. Det var altså grupper, der ofte udbyder få timer og normalt ikke betragtes som arbejdsmarkedets kernetropper eller udslagsgivende for løndannelsen, der oplevede en ledighedsstigning. Alt i alt modsiger udviklingen i AKU-ledigheden altså ikke rigtig fornemmelsen af en fortsat tilstramning på arbejdsmarkedet. , Det er også en konklusion, som er i overensstemmelse med virksomhedernes udsagn omkring stigende mangel på arbejdskraft i Danmarks Statistiks konjunkturbarometre, hvor andelen af virksomheder, der oplever arbejdskraftmangel som en begrænsning, er stigende i mange brancher (, se Bag Tallene, 1. marts 2017, ). Andelen af ledige stillinger i den private sektor er også steget de senere år - og specielt siden midten af 2015. , Hvad er det bedste mål for stramhed?, Diskussionen omkring ledighedstallenes udvikling over det seneste års tid rører ved et mere generelt spørgsmål om, hvilket ledighedsbegreb der på den lange bane giver det bedste billede af stramhedsgraden på det danske arbejdsmarked. Svaret på det spørgsmål lettes ikke af, at det ledighedsniveau, som er foreneligt med en stabil inflationsudvikling, må antages at have ændret sig med årene. Det er sket både som resultat af konjunkturtilbageslag, hvor en stigning i ledigheden gradvist har fået et mere strukturelt præg, fordi nogle af de ledige efterhånden er kommet meget langt fra arbejdsmarkedet, og som følge af forskellige arbejdsmarkedsreformer med det formål at reducere den strukturelle ledighed., Ser man på tallenes udvikling (figur 2), er det slående, at AKU-ledigheden og nettoledigheden udviser helt forskellige trends. Tilbage i midten af 1990'erne oversteg nettoledigheden AKU-ledigheden, mens der i de seneste år har været en massiv forskel den anden vej rundt. Set over perioden siden midt-1990erne som helhed har AKU-ledigheden ikke udvist nogen særlig trend. Den langsigtede udvikling i ledigheden er altså massivt forskellig, om man kigger på nettoledighed eller AKU-ledighed (bruttoledigheden har vi kun tal for siden 2007). De to ledighedsbegreber tegner dermed næppe samme historie for arbejdsmarkedets stramhedsgrad (det ville i hvert fald kræve en tilsvarende forskellig opfattelse af udviklingen i strukturel ledighed). , Figur 2. Ledighedsudviklingen 1996-2016, 16-64-årige,  , Ser man på definitionerne bag tallene, har AKU-tallene hele tiden været baseret på den internationale definition af ledighed, omend en ændret opregningsmetode har hævet niveauet noget fra 2007.  En konsistent definition er umiddelbart et plus i forhold til sammenligninger over tid, men gør ikke automatisk AKU-ledigheden til det foretrukne mål for arbejdsmarkedets stramhedsgrad. Hvis, for eksempel, ønskerne om deltids- eller fuldtidsarbejde blandt de ledige ændrer sig over tid, kan det give en skævhed i AKU-ledigheden som et mål for stramhedsgraden af arbejdsmarkedet, fordi AKU-ledigheden måles i personer og ikke fuldtids-personer., Definitionerne bag nettoledigheden har omvendt ændret sig markant over tid - tænk blot på udviklingen i den maksimale dagpengeperiode, som er blevet forkortet adskillige gange. Hver gang har det haft den effekt, at nogle ledige er faldet ud af dagpengesystemet, og hvis de ikke i stedet modtager kontanthjælpsydelser (og vurderes jobparate), viser de sig ikke i tallene. Hvis de ledige, som er faldet ud af statistikken, fortsat har en indflydelse på løndannelsen, så kan nettoledigheden give et mere og mere skævt indtryk af arbejdsmarkedets stramhedsgrad.  Den kortere dagpengeperiode og andre reformer kan samtidig have reduceret tendensen til lønpres generelt og dermed også sænket den strukturelle ledighed, hvilket kan forstærke skævheden i den trendmæssigt faldende nettoledighed som et mål for arbejdsmarkedets stramhedsgrad., Til syvende og sidst er det et empirisk spørgsmål, hvilket ledighedsbegreb der bedst fanger arbejdsmarkedets stramhedsgrad og dermed bedst forklarer lønudviklingen. Man kan måske undre sig over, at det spørgsmål ikke har været genstand for mere analyse, end tilfældet har været. I regi af arbejdet med ADAM-modellen har Danmarks Statistik foretaget nogle begrænsede forsøg på at undersøge spørgsmålet. De pegede mest i retning af AKU-ledigheden som det bedste mål for stramhedsgrad, men var helt klart for begrænsede til at drage stærke konklusioner. Så hermed en opfordring til det fagøkonomiske miljø om at se lidt nøjere på dette emne. 

https://www.dst.dk/da/presse/rigsstat-klumme/2017/2017-04-20-hvor-stramt-er-arbejdsmarkedet

Rigsstatistikerens klumme