Søgeresultat

FRAVDAGE

Navn, FRAVDAGE , Beskrivende navn, Antal fraværsdage , Gyldighed, Gyldig fra: 01-01-1994, 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, FRAVDAGE, Det samlede antal fraværsdage for et fraværsforløb inkl. en eventuel arbejdsgiverperiode og inkl. dage, der lå i tidligere tællingsår., Detaljeret beskrivelse, FRAVDAGE, Det samlede antal fraværsdage for et fraværsforløb inkl. en eventuel arbejdsgiverperiode og inkl. dage, der lå i tidligere tællingsår., Er beregnet som antallet af dage fra første fraværsdag (FOERFRAV) til sidste beregningsdag (SIDBER), eller, hvis sagen ikke er slut ved årets udgang, fra FOERFRAV til 31. december., Benyttes til at analysere længden af fraværet for afsluttede forløb., FRAVDAGE= SIDBER - FOERFRAV + 1, hvis SIDBER er en gyldig dato, FRAVDAGE= 31. december i TAELAAR - FOERFRAV, hvis SIDBER er missing., Væsentlige lovændringer:, Den 27. marts 2002 trådte nye lovregler om udvidet barselsorlov mv. i kraft. Udviklingen i barselsperiodens længde i årene 1993 til 2009 fremgår af den vedlagte tabel (se nedenfor). , Den 27. marts 2002 trådte nye lovregler om udvidet barselsorlov mv. i kraft. Udviklingen i barselsperiodens længde i årene 1993 til 2009 illustreres ved nedestående tabel, hvoraf 2002 reglernes betydning fremgår., Mor Far Samlet orlov, -------------------------------------- --------------------------------------- ------------------------------, før pligt kun. max pligt kun max Før efter, fødsel orlov mor dele orlov far dele fødsel fødsel, 1993 4 14 10 10 4 24 , 1994 4 14 10 10 4 24, 1995 4 14 10 10 4 24, 1996 4 14 10 10 4 24, 1997 4 14 10 10 4 24, 1998 4 14 10 10 4 24, 1999 4 14 10 10 4 24, 2000 4 14 10 2+2 10 4 26, 2001 4 14 10 2+2 10 4 26, 2002 4 14 32 2 32 4 46, 2003 4 14 32 2 32 4 46, 2004 4 14 32 2 32 4 46, 2005 4 14 32 2 32 4 46, 2006 4 2 12 32 2 32 4 46, 2007 4 2 12 32 2 32 4 46, 2008 4 2 12 32 2 32 4 46, 2009 4 2 12 32 2 32 4 46, 2010 4 2 12 32 2 32 4 46, 2012 4 2 12 32 2 32 4 46, 2013 4 2 12 32 2 32 4 46, 2014 4 2 12 32 2 32 4 46, 2015 4 2 12 32 2 32 4 46, 2016 4 2 12 32 2 32 4 46, Bilag, Udviklingen i barselsperiodens længde i årene 1993 til 2009, Graf, Tabel, Populationer:, Sygedagpengesager i året, Sager med personer, der i løbet af året har modtaget dagpenge i forbindelse med sygdom eller fødsel, Værdisæt, FRAVDAGE har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/dagpenge-ved-sygdom-og-foedsel/fravdage

AJO_LOENTIMER

Navn, AJO_LOENTIMER , Beskrivende navn, Løntimer på komprimerede job. , Gyldighed, Gyldig fra: 01-01-2008, 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, Løntimer på komprimerede job. , Detaljeret beskrivelse, AJO_ LOENTIMER indeholder antallet af betalte løntimer på de komprimerede job, efter der er foretaget fejlsøgning, opretning og imputering af løntimetallet. AJO_LOENTIMER indeholder således indberettede løntimer på komprimerede job tilført løntimer i de tilfælde, hvor løntimer ikke findes i forvejen, eller de ikke har været plausible. , Om indberetning af løntimer til SKAT, se AJO_INDBERETTEDE_LOENTIMER., Markering i AJO_LOENTIME_KODE viser, om løntimer er indberettet eller imputeret. AJO_LOENTIME_KODE hentes fra Danmarks Statistiks eIndkomstregister (eIR), hvor variablen hedder VJO_LOENTIME_KODE., Markering i AJO_LOENTIME_IMPUT_KODE viser, hvilken slags imputering der er tale om. AJO_LOENTIME_IMPUT_KODE hentes fra eIR, hvor variablen hedder VJO_LOENTIME_IMPUT_KODE., Markering i AJO_LOENTIME_IMPUT_NIVEAU viser, hvilket niveau der er imputeret fra. AJO_LOENTIME_IMPUT_NIVEAU hentes fra eIR, hvor variablen hedder VJO_LOENTIME_IMPUT_NIVEAU., AJO_LOENTIMER er hentet fra eIR, hvor den hedder VJO_LOENTIMER., Variablene for imputeringskode og -niveau er dokumenteret i TIMES., ANVENDELSE af AJO_LOENTIMER: , AJO_LOENTIMER bruges til beregning af variablen for fuldtidsbeskæftigelse AJO_FULDTID_BESKAEFTIGELSE (AJO_LOENTIMER/160,33). , AJO_LOENTIMER indgår i datagrundlaget for arbejdstidsregnskabet, arbejdsmarkedsregnskabet og nationalregnskabet., DATABRUD inden for AJO_LOENTIMER: der er ingen databrud., VALIDERING af AJO_LOENTIMER:, Validering af løntimetallet i eIR (VJO_LOENTIMER): , Løntimer imputeres i de komprimerede job i de tilfælde, hvor løntimer enten er invalide (usandsynlige) eller ikke findes i forvejen. , Opretning af de indberettede summerede løntimer pr. job omfatter sammenligning med timeløn og joblængde/arbejdsomfang. Oprettede timetal, som fx ændring af timetal fra 160 til 160,33, regnes ikke som imputerede., Vurderingen af om indberettede løntimer er invalide (usandsynlige) baseres på beregning af gennemsnit for timeløn og løntimetal pr. job pr. dag på syv klassifikationsvariable. Beregningerne forudsætter, at der er mindst 50 observationer. Er der færre, benyttes færre klassifikationsvariable eller en mindre detaljeret brancheinddeling. Klassifikationsvariablene er:, * køn, * arbejdsomfang , * aldersgruppe , * stillingsgruppe , * marked (privat eller offentlig ansættelse), * arbejdsgivers branche, * virksomhedsstørrelse., Usandsynlige timetal nulstilles, hvorefter beregnede timetal imputeres. I imputeringen tages hensyn til særlige personalegrupper., Hvis løntimetal mangler på jobbet, forsøges så vidt muligt at benytte personens tidligere eller fremtidige indberetninger (op til et år). Hvis dette ikke er muligt, imputeres timetallet ud fra oplysninger fra repræsentative grupper (jf. ovenstående klassifikationsvariable)., Imputeringerne sker på basis af gennemsnitsberegninger af løntimetal pr. dag eller timeløn. Beregningerne foretages månedligt for de seneste seks måneders indberetninger til eIndkomst. Gennemsnitsberegningerne foretages på faktiske indberetninger, som overholder gældende kriterier for antallet af daglige løntimer, antallet af månedlige løntimer, timeløn samt den månedlige lønsum., Særlige variable i eIR angiver, hvilken slags imputering der er tale om - fra hvilket niveau (VJO_LOENTIME_IMPUT_NIVEAU) og med brug af hvilken metode (VJO_LOENTIME_IMPUT_KODE)., Validering af løntimetallet i beskæftigelse for lønmodtagere:, Timetallene i eIR ændres som regel ikke i beskæftigelse for lønmodtagere. Høje løntimer, som i enkelte tilfælde fejlagtigt er kommet igennem eIR-systemet, er nedskrevet i beskæftigelse for lønmodtagere. , Bilag, Graf, Tabel, Populationer:, Lønmodtagere, Populationen i beskæftigelse for lønmodtagere (BFL) består af alle lønmodtagere ansat i danske virksomheder, hvor lønnen indberettes af arbejdsgiveren til SKAT's eIndkomst, uanset om lønmodtageren bor i Danmark eller udlandet., Værdisæt, AJO_LOENTIMER har ingen værdisæt

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/beskaeftigelse-for-loenmodtagere---bfl/ajo-loentimer

Knap hver femte ung i arbejde er i risiko for fattigdom

Data er baseret på

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2017/2017-04-27-Knap-hver-femte-ung-i-arbejde-er-i-risiko-for-fattigdom

Bag tallene

Rekordvækst i den danske computerspilbranche: Omsatte for 1,7 mia. kr. i 2020

Data til denne artikel er leveret af personer fra flere forskelige statistikområder.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2021/2021-05-20-Rekordvaekst-i-den-danske-computerspilbranche

Bag tallene

Ældre holder ofte ferie i hjemlandet - og flyver mindre end gennemsnittet

Data indsamles i en stikprøve, der omfatter ca. 6.000 interviews om året blandt personer i Danmark over 14 år.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2019/2019-07-22-Aeldre-holder-ofte-ferie-i-hjemlandet

Bag tallene

Nyuddannede inden for transport og logistik kommer hurtigst i job blandt nyuddannede med en erhvervsuddannelse

I alt fuldførte 27.905 personer en erhvervsuddannelse i 2019, som er det seneste år, hvor Danmarks Statistik har data om nyuddannedes vej videre i beskæftigelse.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2024/2024-01-15-eud-transport-logistik

Bag tallene

Flere danske landmænd dropper ploven: Kan give positive effekter for biodiversitet og klimaet

Har du spørgsmål til data i denne artikel er du velkommen til at kontakte fuldmægtig Karsten Larsen på 3917 3378,

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2019/2019-08-26-flere-danske-landmaend-dropper-ploven

Bag tallene

Økonomisk vækst uden stigning i luftemissioner og energiforbrug

Figur 2.3 viser udviklingen i udslip til luft over de seneste år med tilgængelig data, men også, når man sætter emnet i et længere perspektiv, er der sket en tydelig afkobling.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2017/2017-03-14-oekonomisk-vaekst-uden-luftemissioner-og-energiforbrug

Bag tallene

Stikprøveundersøgelsers kvalitet

Analysen er teoretisk idet den er baseret på, hvordan man sidst skulle have optimeret udvælgelsen, hvis man på forhånd havde kendt variationen i de indsamlede data.

https://www.dst.dk/da/Statistik/dokumentation/metode/stikkvalitet

Dansk fremgang i PISA 2015

PISA har en høj dækningsgrad på 95 procent af de udvalgte 15-årige elever og opfylder dermed OECD’s krav til dataindsamlingen, siger Monika Klingsbjerg, metodekonsulent i DST Survey og ansvarlig for indsamlingen af data til PISA:

https://www.dst.dk/da/presse/Pressemeddelelser/2016/2016-12-06-dansk-fremgang-i-pisa-2015

Pressemeddelelse