Gå til sidens indhold

Søgeresultat

    Viser resultat 4301 - 4310 af 4751

    Fedt med unikke data til specialet

    Økonomistuderende fik gennem sit studenterjob adgang til registeroplysninger hos Danmarks Statistik og har nu ved afslutningen af sit studie påvist, hvor meget og hvorfor kvinder straffes for at få børn., 17. september 2021 kl. 8:00 ,  , Af , Niels , Stoktoft Overgaard, Malene Baureis Hansens egen mor gik på deltid fra sit job som lægesekretær, da hun fik børn. Sådan indretter mange andre kvinder og familier sig også. Det betyder et omgående fald i løn. Men det medfører også en nedgang i kvindernes pensionsindbetalinger., Nu har Malene Baureis Hansen opgjort størrelsen og årsager til ”børnestraffen” på kvinders pension. Det har hun gjort i sit speciale på cand.polit.-studiet. Hendes værktøj har bl.a. været data fra Danmarks Statistik. Hun stiftede bekendtskab med, hvad der kan hentes af statistiske oplysninger, da hun havde studenterjob i brancheorganisationen Forsikring & Pension, hvor hun kunne bruge den såkaldte forskerordning., - Danmarks Statistiks data er det ypperste. Når man får lov at arbejde med dem, ser man, hvor store mulighederne er. Det er unikke data, og at kunne bruge dem i et speciale er bare det fedeste, siger Malene Baureis Hansen., Betydelig børnestraf, Specialet viser, at fem år efter en fødsel har kvinder et efterslæb i pensionsindbetalinger på 17 % i forhold til faderen. Det vokser til 20 % ti år efter., - De fleste undersøgelser rundt om i verden har set på, hvad fødsler betyder for indkomsten. Men vi har kunnet tage pensionsvinklen med, fordi den omfattende guldgrube af data hos Danmarks Statistik, har gjort at vi kunne komme et spadestik dybere., Malene Baureis Hansen har udarbejdet sit speciale i samarbejde med sin studiekammerat Frederikke Hedstrøm, som også havde studenterjob i Forsikring & Pension., Fakta #1, Mænd og kvinders pensionsindbetalinger fem år før – ti år efter førstefødte, Y-aksen viser pensionsindbetalingerne relativt til de forventede pensionsindbetalinger., Kilde:  Specialet: , ”Parenthood and The Gender Gap in Pension -  An empirical analysis of the effect of the first childbirth on the pensions of hetero- and homosexual parents” , Malene Baureis Hansen og Frederikke Hedstrøm, Anderledes for homoseksuelle, Mange heteroseksuelle børnefamilier specialiserer deres husholdning, så kvinden går ned i tid, mens manden fortsætter fuldt ud på arbejdsmarkedet. Det bygger på traditionelle kønsroller og ikke på biologi. Det samme sker nemlig i mindre grad i homoseksuelle husholdninger med børn., Det er en af konklusionerne i specialet om ”børnestraffen” på kvinders pension. 27-årige Malene Baureis Hansen har ingen børn endnu. Men hun er da begyndt at tænke over, om hun til den tid bør fortsætte med at arbejde på fuld tid for at undgå ”børnestraffen”., - Det handler meget om præferencer. Har du lyst til at gå mere hjemme? Kvinder skal i hvert fald gøre sig klart, at konsekvenserne af ”børnestraffen” viser sig mange år senere, når de får udbetalt væsentlig mindre fra deres pensionsordning., Lysten til data, Det kan være svært for studerende at få fat i data. Det er mange ellers stærkt interesserede i, men der er hensyn til sikkerhed og resurser., Vejen til data kan være et studenterjob i en interesseorganisation, en tænketank, et ministerie eller lignende steder. Så kan den studerende eventuelt opnå mulighed for at benytte den adgang, som arbejdspladsen i forvejen har., En anden mulighed er, at undersøge om et af de specialeområder, som Danmarks Statistik udbyder kunne være interessant. , Områderne kan findes her på Danmarks Statistiks hjemmeside., - Dermed begynder mange også at spore sig ind på, hvad deres speciale skal handle om, når de får muligheden for at kunne bruge data til deres afsluttende projekt, fortæller Malene Baureis Hansen., Til fælles glæde, Efterhånden har rigtig mange studerende skrevet speciale på baggrund af data fra Danmarks Statistik. Det fryder ledende chefkonsulent Laust Hvas Mortensen., - Tit handler specialerne om noget meget spændende. Vi opdager jævnligt et eller andet, som vi undrer os over, men som vi ikke har tid eller evner til at se på. Det kommer der så somme tider studerende og gør, siger Laust Hvas Mortensen., Ansatte i Danmarks Statistik pitcher somme tider ideer til studerende. Andre gange kommer studerende med deres helt egne ideer., - Der er også forskel på, hvor meget de spørger undervejs. Nogle er helt selvkørende, mens andre vender tilbage gentagne gange., Åbne døre, Danmarks Statistik får flere slags gevinster af samarbejdet med de studerende. Laust Hvas Mortensen siger, at det tit ender med, at opgaverne giver ny viden og der opstår nye ideer til nye analyser for eksempel., - Men det er også vigtigt, at de studerende finder ud af, at vi er her. Mange gange vender de tilbage senere, når de er blevet ansat i fx interesseorganisationer eller ministerier., - Det er vigtigt for os at vise, at der er åbne døre i vores hus, siger Laust Hvas Mortensen., Efter eksamen arbejder Frederikke Hedstrøm nu i Danske Bank. Malene Baureis Hansen har faktisk fået job hos Danmarks Statistik. Her er hun lige nu i gang med en rapport, der bygger på data om hjemmehjælp, og som er bestilt af en interesseorganisation., Specialet gav i øvrigt et 12-tal!, Fakta #2, Muligheder i forskerordningen, Danmarks Statistiks forskerordning stiller mikrodata (individdata og enkeltvirksomhedsdata) til rådighed., Det sker til  forsknings-, udrednings- og analyseopgaver i godkendte forskningsinstitutioner og analysemiljøer., De konkrete projekter skal godkendes og dataadgangen afgrænses efter behovet til det pågældende projekt., Adgangen sker fra egen arbejdsplads over nettet til servere hos Danmarks Statistik - det vil sige, at data aldrig forlader Danmarks Statistik., Der stilles en række krav til adgangen blandt andet om fortrolighed., Ordningen er skabt for at udnytte de omfattende muligheder for forskning, som samlingen af registre hos Danmarks Statistik giver mulighed for., Du kan læse mere om forskerordningen her, Fakta #3, Fra studerende til professorer, Specialestuderende er kun én af de grupper, som udnytter lagrene af data. Danmarks Statistik samarbejder også med ph.d.-studerende, der allerede har en kandidatuddannelse og nu er i gang med en forskeruddannelse., Danmarks Statistik har yderligere en gæsteforskerordning. Den udnyttes blandt andet af professorer. Forskerne indgår et samarbejde med Danmarks Statistik om projekter., Ledende chefkonsulent Laust Hvas Mortensen mærker, at der er en stigende interesse for de forskellige ordninger. Flere og flere får øje på mulighederne hos Danmarks Statistik., Hvor lang tid kommer vi til at leve?, – Et ph.d.-projekt udarbejdet sammen med Danmarks Statistik  , Malene Baureis Hansen, Fuldmægtig, DST Consulting, Danmarks Statistik, Tlf. 30 61 59 98, bau, @dst.dk, Foto: , Malene Baureis Hansen, Laust Hvas Mortensen,  , Ledende chefkonsulent, Metode og Analyse, Danmarks Statistik, Tlf. 91 37 64 21, lh, m@dst.dk, Foto: Danmarks Statistik

    https://www.dst.dk/da/TilSalg/perspektiv/2021/2021-09-17-fedt-med-unikke-data-til-specialet

    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

    Danske virksomheder udleder mere CO2

    Efter flere års fald er CO2-udslippet fra danske virksomheder steget en anelse siden 2014. Store CO2-udledere som skibsfart, luftfart og glas- og betonindustri udleder mere CO2 end tidligere. Udslippet fra energiforsyning er til gengæld faldet væsentligt. Samlet set er de danske virksomheders CO2-udledninger steget mindre end deres produktion er steget. CO2-intensiteten, opgjort som ton CO2 pr. mio. kr. produktion, er derfor faldet for de danske virksomheder samlet set. Men for de enkelte brancher varierer billedet, flere brancher har haft en stigende CO2-intensitet., 18. maj 2020 kl. 9:00 , Af , Magnus Nørtoft, I årene fra 2006 til 2014 faldt CO2-udledningerne fra danske virksomheder. Men fra 2014 er CO2-udledningen fra de danske virksomheder igen begyndt at stige. I 2014 var CO2-udledningerne fra alle brancher 63,5 mio. ton CO2. I 2018, hvor de nyeste tal er fra, var udledningerne steget med knap 4 pct. til 67,3 mio. ton, viser tal fra Danmarks Statistik. , De stigende udledninger skyldes i høj grad stigende udledninger fra branchegruppen transport, som fylder meget i den danske økonomi. Omvendt er udledningerne fra energiforsyning overordnet fortsat med at falde siden 2014., ”Udviklingerne i udledningerne fra transport – især international skibsfart - og energiforsyning er afgørende for den samlede udvikling i CO2-udledningerne fra de danske virksomheder,” siger specialkonsulent  i Danmarks Statistik, Ingeborg Vind., ”De stigende udledninger fra skibsfart skyldes i høj grad øget international søtransport foretaget af danske rederier. De faldende udledninger i energiforsyningen skyldes især omlægning til vedvarende energikilder,” siger Ingeborg Vind., Samlet har udledningerne i brancher uden for transport og energiforsyning ligget relativt jævnt. Men inden for de enkelte brancher har der også her været forskellige udviklinger. , ”For eksempel udleder glas- og betonindustri væsentligt mere CO2 i 2017 end i 2014,” siger Ingeborg Vind om branchen, der efter skibsfart, luftfart samt energiforsyning udleder mest CO2., Fra 2006 til 2014 faldt den samlede CO2-udledning fra de danske virksomheder markant, og udledningen var i 2018 fortsat mindre end i 2006. Samlet set er de danske virksomheders CO2-udledninger steget mindre end deres produktion er steget i samme periode. CO2-intensiteten, opgjort som ton CO2 pr. mio. kr. produktion, er derfor faldet for de danske virksomheder set under et. Men inden for nogle af de store CO2-udledende brancher, som vi ser nærmere på i det følgende, har udviklingen været anderledes., Kilde: Danmarks Statistik, , www.statistikbanken.dk/MRU1,  , Anm.: CO2-udledning er her opgjort ekskl. CO2 fra afbrænding af biomasse., Skibsfart og luftfart har højere CO2-intensitet end landtransport, Udledningerne fra transportbranchen er steget siden 2014. Men i samme periode er produktionen også steget. CO2- intensiteten, opgjort som ton CO2 pr. millioner kr. produktion, er stort set er uændret, viser tal fra Danmarks Statistik. Inden for skibsfart, som står for ca. 85 pct. af udledningerne fra transportbranchen, var CO2-udledningen pr mio. kr. produktion 156 ton i 2017 mod 151 ton i 2014., ”De stigende udledninger i de seneste år skyldes altså primært øget produktion i transportsektoren,” siger Ingeborg Vind. , Fra 2014 til 2017 steg CO2-intensiteten for luftfart, mens den faldt for landtransport., I årene fra 2006 til 2014 faldt CO2-intensiteten samlet for transportbranchen, hvilket især skyldes et fald på næsten 50 pct. inden for skibsfart fra 2006 til 2014., Kilde: Danmarks Statistik, , www.statistikbanken.dk/MRU1, og , www.statistikbanken.dk/NABP69,  , Anm.: CO2-udledninger er ekskl. udledninger fra biomasse. Transportbranchen inkluderer ud over skibsfart, luftfart og landtransport også hjælpevirksomhed til transport, samt post og kurertjenester., I flere brancher med stort CO2-udslip stiger udledningerne mere end produktionen, Udover transport og energiforsyning er de fem brancher i den danske økonomi, som udleder mest CO2: glas- og betonindustri, råstofindvinding, renovation, affaldsbehandling mv., landbrug og gartneri samt bygge og anlæg. Disse fem brancher står tilsammen for 59 pct. af CO2-udledningerne fra danske virksomheder uden for transport og energiforsyning i 2017. CO2-intensiteten, målt som ton CO2 pr. mio. kr. produktion, er steget siden 2014 inden for både glas- og betonindustri, råstofindvinding samt renovation, affaldsbehandling mv. , I branchen glas- og betonindustri var CO2-intensiteten i 2016 og 2017 på omkring 140 ton CO2 pr. mio. kr. produktion. Det er det højeste niveau siden 2007, men dog lidt lavere end i 2000. Inden for både råstofindvinding og renovation, affaldsbehandling mv. har CO2-intensiteten siden 2015 ligget på det højeste niveau i dette årtusinde – og langt over niveauet i 2000. Råstofindvinding omfatter bl.a. indvinding af olie og gas i Nordsøen, mens renovation, affaldsbehandling mv. bl.a. omfatter drift af affaldsforbrændingsanlæg med energiproduktion., ”De store forskelle mellem branchernes CO2-udledninger og CO2-intensiteter skal ses i sammenhæng med deres produktionsprocesser. I nogle brancher er der meget betydelige procesrelaterede CO2-udslip, ud over dem der knytter sig til energiforbruget,” siger Ingeborg Vind., ”For glas- og betonindustrien udgør de procesrelaterede CO2-udslip omkring 45 pct. af de samlede udslip, hvilket hænger sammen med produktionsprocesserne, idet råvarerne afgiver CO2 under processen.”, Inden for landbrug og gartneri er CO2-intensiteten faldet jævnt siden årtusindeskiftet og var i 2017 på det laveste niveau i perioden – 34 pct. lavere end i 2000. Bygge og anlæg har haft en ret stabil CO2-intensitet gennem perioden. Branchen bygge og anlæg omfatter kun aktiviteterne i bygge- og anlægsvirksomheder, ikke fx fremstilling af byggematerialer eller bygningers efterfølgende drift., Kilde: Danmarks Statistik, , www.statistikbanken.dk/MRU1, og , www.statistikbanken.dk/NABP69,   , Anm.: CO2-udledninger er ekskl. udledninger fra afbrænding af biomasse., Faldende udledninger fra energiforsyningsbranchen, CO2-udledningerne fra energiforsyningsbranchen (kraftværker mv.) er faldet markant fra 29,5 mio. ton i 2003 til 7,1 mio. ton i 2018. Det skyldes i høj grad at produktionen af energi er blevet meget mindre CO2-intensiv. I 2003 blev der udledt 496 ton CO2 for hver mio. kr. produktion i energiforsyningen, det tal var i 2017 faldet til 154 ton., ”Det kraftige fald i både CO2-udledninger og CO2-intensitet fra energiforsyning skyldes i høj grad, at man er gået over til vedvarende energikilder og væk fra kul og olie. Det gælder især vindenergi, men også i de senere år omlægning til biomasse, da CO2 fra afbrænding af biomasse ikke tæller med i udledningerne i denne sammenhæng,” siger Ingeborg Vind. , Udviklingen i brugen af biomasse er omtalt mere indgående i artiklen ”Danmark producerer rekordmeget energi fra biomasse - og mere kommer fra importeret træ”, som Danmarks Statistik udgav i november 2019.,  , Kilde: Danmarks Statistik, , www.statistikbanken.dk/MRU1, og , www.statistikbanken.dk/NABP69, Anm.: CO2-udledninger er ekskl. udledninger fra biomasse., Kontakt: Specialkonsulent, Ingeborg Vind, 39 17 33 29., Tallene bag figurerne i denne artikel kan findes i , dette regneark, ., CO2-intensitet, CO2-intensitet er et mål for hvor meget CO2, der udledes ved en aktivitet i forhold til ’det der kommer ud af aktiviteten’. CO2-udledningen måles i ton, mens ’det der kommer ud af aktiviteten’ kan måles på forskellige måder, fx produktionen opgjort i fysiske enheder (fx ton cement, GWh elektricitet, kvm. byggeri) eller produktionen opgjort i kroner., Der findes ikke en enkelt fysisk enhed, som kan måle både produktionen fra en cementfabrik, et fjernvarmeværk, og en byggevirksomhed – så hvis man vil opgøre den samlede CO2-intensitet for danske virksomheder, må man måle i kroner. I denne artikel er CO2-intensiteten derfor opgjort som ton CO2 delt med mio. kr. produktion, i såkaldte kædede værdier, 2010-priser. Det sidste betyder, at tallene er korrigeret for prisudvikling og derfor principielt svarer til udviklingen i mængderne. , I andre sammenhænge bruger man også CO2-intensitet udregnet på basis af bruttoværditilvæksten. Det gælder fx SDG Indikator 9.4.1. Bruttoværditilvæksten (BVT) er produktionen fratrukket inputtet, og for de fleste brancher vil CO2-intensitetens udvikling være omtrent den samme, uanset om man opgør den baseret på produktion eller BVT. CO2-intensiteter beregnet i forhold til BVT kan dog være sværere at fortolke, da udsving kan skyldes flere forskellige komponenter i beregningen. , Hos EU’s statistiske kontor Eurostat kan man finde flere udledningsintensiteter og selv vælge hvilken type. ,  

    https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2020/2020-05-18-danske-virksomheder-udleder-mere-CO2

    Bag tallene

    Kvalitet i officiel statistik

    Der er flere forhold, der kendetegner kvalitet i officiel statistik, selvom det ofte er præcisionen, der fokuseres på – altså hvor præcist statistikken beskriver virkeligheden. Men for den enkelte bruger er det også vigtigt, at statistikken er relevant således, at den beskriver det fænomen, brugeren er interesseret i. Statistikken skal også være aktuel nok til, at den kan være grundlag for beslutninger, og der må derfor ikke gå for lang tid, inden den publiceres. Tidsserier, som beskriver udviklingen på et område, og er sammenlignelig med tilsvarende udviklinger i andre lande, er tit vigtige. For brugerne skal tallene kunne findes uden for meget besvær, og de skal være lette at forstå.,  , Hvad er officiel statistik?, Statistik bidrager til, at beslutninger på alle niveauer i det danske samfund kan ske på grundlag af troværdig og objektiv information – alt lige fra regeringspolitik og forskning til private virksomheders ageren og individers hverdagsvalg. En forudsætning for dette er imidlertid, at der findes standarder, som sikrer, at statistikken er troværdig og objektiv. For at imødekomme denne problemstilling er begrebet ’Officiel Statistik’ introduceret i Lov om Danmarks Statistik. Statistik, som er offentligt produceret, og som lever op til en række kvalitetskriterier, kan ifølge loven få betegnelsen officiel statistik. For andre offentlige myndigheder, som producerer statistik, er der udarbejdet retningslinjer for officiel statistik, som er nærmere beskrevet på , Portal for officiel statistik, .,  , Fælles kvalitetsramme, Adfærdskodeks for europæiske statistikker er en fælles ramme for kvaliteten i europæiske statistikker. Adfærdskodeksen består af 16 principper, som dækker institutionelle forhold, produktionsprocesser og statistiske produkter. Adfærdskodeksen blev udviklet i 2005 og revideret i 2011 og i 2017., Kodeksen er udarbejdet for at styrke tilliden til det europæiske statistiksystem og for at sikre, at alle producenter af officiel statistik i EU anvender de bedste internationale statistiske principper og metoder., Adfærdskodeks for europæiske statistikker, Adfærdskodeks for europæiske statistikker er et fælles rammeværk for kvaliteten i europæiske statistikker, Adfærdskodeksen består af 16 principper, som dækker institutionelle forhold, produktionsprocesserne og de statistiske produkter. Adfærdskodeksen blev udviklet i 2005 og revideret i 2011 og i 2017. , Kodeksen er udarbejdet for at styrke tilliden til det europæiske statistiksystem og for at sikre, at alle producenter af officiel statistik i EU anvender de bedste internationale statistiske principper og metoder., Adfærdskodeks for europæiske statistikker, Adfærdskodeks for europæiske statistikker er udarbejdet for at styrke tilliden til det europæiske statistiksystem og for at sikre, at alle producenter af officiel statistik i EU anvender de bedste internationale statistiske principper og metoder. Adfærdskodeksen er fremsat i en meddelelse fra EU Kommissionen og er blevet tiltrådt af Rådet af Økonomi- og Finansministre. De politiske myndigheder og statistikmyndighederne i EU har forpligtiget sig til at overholde principperne i adfærdskodeksen, så der sikres uafhængig statistik af høj kvalitet., Adfærdskodeksen trådte i kraft i 2005 og blev revideret i 2011 og igen i 2017. Det var især større krav vedrørende statistikmyndighedernes uafhængighed, kvalitetsstyring, koordinering og databeskyttelse, der var fokus for revisionerne., Adfærdskodeksen bygger på 16 principper fordelt på tre hovedområder, nemlig de institutionelle rammer, statistiske fremgangsmåder og statistiske produkter. Til hvert princip knytter sig en række indikatorer til implementeringen af kodeksen. , Institutionelle rammer, Faglig uafhængighed, Koordinering og samarbejde, Bemyndigelse til at indsamle data samt adgang til data, Tilstrækkelige ressourcer, Kvalitetsforpligtelse, Statistisk fortrolighed og databeskyttelse, Upartiskhed og objektivitet, Fremgangsmåder, God metodologi, Egnede statistiske fremgangsmåder, Begrænset byrde for respondenterne, Omkostningseffektivitet, Produkter, Relevans, Nøjagtighed og pålidelighed, Aktualitet og punktlighed, Sammenhæng og sammenlignelighed, Tilgængelighed og klarhed, Læs mere om de 16 principper i "Adfærdskodeks for europæiske statistikker" (pdf),  , Som en støtte til adfærdskodeksen er der udarbejdet et rammeværk for kvalitetssikring, Quality Assurance Framework. Det understøtter kvalitetskravene og giver råd om metoder, værktøjer og praksis, som kan være nyttige ved implementering af tiltag for at kunne leve op til adfærdskodeksen., Quality Assurance Framework of the European Statistical System (pdf),  , FN's principper for officiel statistik, Det europæiske adfærdskodeks bygger på FN's grundlæggende principper for officiel statistik. FN's statistiske Kommission vedtog den 14. april 1994 de grundlæggende principper for officiel statistik og Danmarks Statistik bestræber sig på at leve op til disse principper., FN's principper for officiel statistik, Princip 1. Den officielle statistik er et uundværligt element i ethvert demokratisk samfunds informationssystem, hvorfra data inden for områder som økonomi, demografi, sociale forhold og miljø skal være tilgængelig for den statslige administration, samfundsøkonomien og offentligheden. Med dette formål for øje, skal de officielle statistiske institutioner producere statistikker, som har en høj brugsværdi, og stille dem til rådighed for offentligheden på et upartisk grundlag for at imødekomme borgernes krav om almen oplysning., Princip 2. For at bevare den officielle statistiks troværdighed er det nødvendigt for de statistiske institutioner at træffe beslutninger, som er i overensstemmelse med faglige hensyn, herunder videnskabelige principper og faglig etik omkring metoder og fremgangsmåder for dataindsamling, bearbejdning, opbevaring og formidling af statistiske data., Princip 3. For at gøre det lettere at fortolke de statistiske data korrekt skal de statistiske institutioner præsentere information om datakilder, metoder og fremgangsmåder for statistikken i overensstemmelse med videnskabelige normer., Princip 4. De statistiske institutioner er berettigede til at kommentere fejlagtige fortolkninger og misbrug af statistikken., Princip 5. Data til statistiske formål kan udtrækkes fra alle typer af datakilder, hvad enten det er statistiske undersøgelser eller administrative registre. Ved udvælgelse af datakilden skal der tages hensyn til kvalitet, aktualitet, omkostninger og respondentbyrden., Princip 6. Individoplysninger indsamlet af de statistiske institutioner til statistisk bearbejdning, hvad enten de kan henføres til fysiske eller juridiske personer, skal behandles fortroligt og må udelukkende anvendes til statistiske formål., Princip 7. De love, bestemmelser og forholdsregler, som de statistiske systemer fungerer i henhold til, skal være tilgængelige for offentligheden., Princip 8. Koordinering mellem de statistiske institutioner inden for hvert land er af afgørende betydning for at opnå et sammenhængende og effektivt statistiksystem., Princip 9. At de statistiske institutioner i hvert enkelt land anvender internationale begreber, klassifikationer og metoder fremmer sammenhængen og effektiviteten i de statistiske systemer på alle niveauer., Princip 10. Bilateralt og multilateralt statistiksamarbejde bidrager til at forbedre de officielle statistiksystemer i alle lande.,  , Europæisk kvalitetsvurdering – ESS peer review, Der gennemføres med jævne mellemrum evalueringer og gennemsyn af Danmarks Statistik, herunder internationale evalueringer, som fx ESS peer review. Peer reviewet har til formål at evaluere, om EU-medlemslandene og EFTA-landene efterlever de 16 grundlæggende principper for officiel statistik, som er fastsat i Adfærdskodeks for europæiske statistikker (European Statistics Code of Practice, CoP). Derudover skal koordinationen inden for det nationale statistiksystem samt integration i forhold til ESS evalueres., I foråret 2022 blev Danmark senest vurderet af et europæisk ekspert-team i et peer review. Det europæiske ekspert-team, som er organiseret af Eurostat, har fået indblik i statistikproduktionen igennem dokumenter og en selvevaluering. Ekspert-teamet har haft samtaler med Danmarks Statistik, andre producenter af europæisk statistik, medier og andre brugere af europæisk statistik samt repræsentanter for leverandører af data til statistikproduktion. De andre producenter af europæisk statistik, der også blev vurderet, er Energistyrelsen, Miljøstyrelsen og Udlændingestyrelsen. Som et resultat af peer reviewet har ekspert-teamet afleveret en rapport, som ud over en gennemgang af den danske statistiksystem indeholder en række forbedringsforslag, som kan bidrage til at bedre kvaliteten af den officielle statistik i Danmark. Rapporten kan ses her:, Peer review-rapport 2022 (pdf), Opfølgning på det europæiske peer review 2022, I foråret 2022 blev Danmarks Statistik senest vurderet af et europæisk ekspert-team i et peer review. Som et resultat af peer reviewet blev der udarbejdet en peer review-rapport med anbefalinger til forbedringer. Danmarks Statistik har som opfølgning på rapportens anbefalinger udarbejdet en række forbedringstiltag (’improvement actions’), som vi arbejder på at implementere frem mod 2027. Vores forbedringstiltag kan findes i dokumentet linket til herunder.,  , Forbedringstiltagene blev formuleret i slutningen af 2022, men offentliggøres først i november 2024, da en længerevarende harmoniseringsproces i Eurostat har forsinket processen. For nogle områder kan forsinkelsen resultere i at der er igangsat processer, som ikke er beskrevet i vores forbedringstiltag eller at nogle tiltag har mistet deres relevans og aktualitet., Opfølgning på peer review - forbedringstiltag (pdf),  , Der har tidligere været gennemført to runder peer reviews – i 2007 og i 2015 – og rapporterne fra disse kan ses her:, Peer review-rapport 2015 (pdf), Peer review-rapport 2007 (pdf),  ,  

    https://www.dst.dk/da/OmDS/strategi-og-kvalitet/kvalitet-for-statistikproduktion/kvalitet-i-officiel-statistik

    Her er din europæiske familie

    På trods af at "den europæiske familie" består af omkring en halv milliard mennesker fordelt på 27 lande, så er der faktisk en række punkter, hvor vi ligner hinanden. Netmagasinet Bag Tallene tegner et billede af den typiske europæer., 9. november 2010 kl. 0:00 , Af , Helle Harbo Holm, Det er sommer, og et nybagt forældrepar går tur med deres lille barn. Kvinden er snart 30, hendes mand er et par år ældre. Parret giftede sig for nogle år siden, da hun var sidst i 20'erne, og han i starten af 30'erne. Siden da har han fået et par ekstra kilo på maven, faktisk så mange, at han er blevet overvægtig. Men det er der nu ikke noget at sige til, for han dyrker ingen former for sport. , Det gør hun for den sags skyld heller ikke, men til gengæld får hun flere gange om ugen lidt motion gennem gå- eller cykelture. Hun har også bedre tid, for hvor hun arbejder 33 timer om ugen som sygeplejerske, så arbejder hendes mand hele 40 timer om ugen i reklamebranchen., Sådan lyder starten på historien om en helt almindelig mand eller kvinde, som lige så godt kunne være dig eller mig eller en hvilken som helst anden borger i et af de 27 EU-lande., Parret er nemlig et billede på den gennemsnitlige EU-borger, som for et øjeblik er trådt ud af statistikken for at tegne et portræt af medlemmerne af den europæiske familie. , Familierne skrumper, Dykker vi ned i de oplysninger, som Eurostat (EU's officielle statistiske kontor) har samlet om samtlige af EU's ca. 500 millioner borgere, så vil vi opdage, at der er en hel række punkter, hvor vi i Danmark ligner de øvrige indbyggere i EU ret meget, hvad enten de er polakker, portugisere, hollændere eller noget helt fjerde.,  , Dykker vi ned i de oplysninger, som Eurostat (EU's officielle statistiske kontor) har samlet om samtlige af EU's ca. 500 millioner borgere, så vil vi opdage, at der er en hel række punkter, hvor vi i Danmark ligner de øvrige indbyggere i EU ret meget, hvad enten de er polakker, portugisere, hollændere eller noget helt fjerde. , Fælles for befolkningens udvikling i de 27 EU-lande er det blandt andet, at der bliver født få børn. 5,4 millioner nye EU-borgere bliver det ca. til om året. I gennemsnit føder europæiske kvinder 1,5 barn i løbet af deres liv. Som det er tilfældet for vores par i starten, bliver størstedelen af børnene født i sommermånederne, og deres mødre er i gennemsnit lige under 30 år, når de føder. De nybagte fædre er en smule ældre. , Færre europæere vælger også at blive gift. Alene i Danmark er antallet af vielser faldet med 4.500 på bare et år. Det betyder, at antallet af indgåede ægteskaber er det laveste i 16 år. Og de, som gifter sig, er ældre, end de var tidligere. Kun i Rumænien er det ikke ualmindeligt at blive gift, før man fylder 20 år., Parret med barnevognen har valgt at gifte sig, og som de fleste andre europæere var hun godt oppe i 20'erne og han et par år ældre, da brylluppet fandt sted. Nu er de så gift, men de skal passe godt på deres ægteskab, for den europæiske udvikling går også mod, at stadig flere bliver skilt igen., Få fødsler, færre ægteskaber og flere skilsmisser betyder samlet set, at mange mennesker i EU bor alene. Det gælder især for Danmark, hvor der nu kun bor 2,1 personer pr. husstand, mens gennemsnittet for hele EU er 2,4. Størst er familierne i Rumænien og på Malta og Cypern, hvor der i gennemsnit bor 2,9 personer under samme tag. , Vidste du, at , - 27 lande er medlemmer af EU , - Der bor ca. en halv milliard mennesker i EU , - EU's befolkning udgør 7 procent af jordens samlede befolkning, som er på 6,9 milliarder , - EU dækker over fire millioner kvadratkilometer , - Børnedødeligheden i EU er på 4,5 ud af 1000, mens den på verdensplan er 47,3 ud af 1000 , - Gennemsnitslevealderen for et nyfødt barn er 79,2 år i både EU og USA, mens den på verdensplan er på 67,6 år , Kilde: Eurostat , Børnene flyver sent fra reden, Måske skal man også tænke sig godt om, inden man vælger at få alt for mange børn, for de europæiske unge flytter sent hjemmefra. , Hele 46 procent af europæerne mellem 18 og 34 år bor sammen med far eller mor., I aldersgruppen 25-34 år har 32 procent af mændene og 20 procent af kvinderne endnu ikke forladt reden., Danmark har den laveste andel af hjemmeboende børn i denne aldersklasse og skiller sig markant ud fra statistikken med kun 1 procent af kvinderne og 3 procent af mændene mellem 25 og 34 år, der bor sammen med forældrene., Levealder svinger stort efter land, Parret med barnevognen er godt på vej mod gennemsnitsalderen i EU, som er 42 år for kvinder og 39 år for mænd. Derfra kan han regne med at leve endnu 39 år, til han bliver omkring 78 år, mens hun lever lidt længere, nemlig til hun er omkring 83 år. Om det kommer til at gå dem sådan, afhænger dog i høj grad af, hvor i Europa vi vælger, at de skal leve. , Parret med barnevognen er godt på vej mod gennemsnitsalderen i EU, som er 42 år for kvinder og 39 år for mænd. Derfra kan han regne med at leve endnu 39 år, til han bliver omkring 78 år, mens hun lever lidt længere, nemlig til hun er omkring 83 år. Om det kommer til at gå dem sådan, afhænger dog i høj grad af, hvor i Europa vi vælger, at de skal leve. , Værst ser det ud for kvinden, hvis vi placerer hende i Bulgarien; her er hendes gennemsnitslevealder nemlig helt nede på 77 år, mens den franske kvinde i gennemsnit lever, til hun er 85. , For manden ser det værst ud i Litauen, hvor han kun kan forvente at blive 66 år, mens en svensk mand kan forvente at blive 79 år. I Danmark ligger vi ret tæt på gennemsnittet med en levealder for kvinder på 81 år og 77 år for mænd.,  , For mange kilo og for lidt motion, En af de væsentlige faktorer i forhold til, hvor længe vi lever, er overvægt. Cirka halvdelen af den europæiske befolkning er overvægtige eller fede. Hvor mange ekstra kilo vores par skal have på sidebenene, og om det er dem begge, der er blevet lidt for tunge, afhænger igen af, hvor i EU de bor. , En af de væsentlige faktorer i forhold til, hvor længe vi lever, er overvægt. Cirka halvdelen af den europæiske befolkning er overvægtige eller fede. Hvor mange ekstra kilo vores par skal have på sidebenene, og om det er dem begge, der er blevet lidt for tunge, afhænger igen af, hvor i EU de bor. , Værst står det til i England, Tyskland, Malta, Grækenland, Ungarn, Portugal, Finland, Tjekkiet og Island, hvor det er over halvdelen af befolkningerne, der er overvægtige eller fede. Lidt lettere er befolkningerne i Norge, Schweiz, Frankrig, Italien og sidst, men ikke mindst Danmark. Her er det omkring en tredjedel af befolkningerne, der er overvægtige eller fede. , Nu vi alligevel er ved sundheden, så spiller det også stort ind på vores helbred, hvor gode vi er til at røre os. Her kan danskerne igen ranke ryggen, for hele 85 procent af danskerne er fysisk aktive mindst en gang om ugen. Det kan være i form af for eksempel cykel- eller gåture. På EU-plan er det kun 27 procent, der er fysisk aktive, og 9 procent der dyrker regelmæssigt sport. , Udsigterne til et job svinger stort, Den tvungne skolegang for parrets barn kommer til at blive 9 til 10 år, stort set lige meget hvor i EU, det kommer til at vokse op. Og det er meget sandsynligt, at barnet fortsætter sin uddannelse længe derefter, for det europæiske barn kan i gennemsnit forvente at gå i skole i 17 år., Den tvungne skolegang for parrets barn kommer til at blive 9 til 10 år, stort set lige meget hvor i EU, det kommer til at vokse op. Og det er meget sandsynligt, at barnet fortsætter sin uddannelse længe derefter, for det europæiske barn kan i gennemsnit forvente at gå i skole i 17 år. , I den tid kommer barnet blandt andet til at lære to fremmedsprog. Typisk er det engelsk og enten tysk eller fransk. , Lykkes det for vores europæiske barn at gennemføre en videregående uddannelse, er der, som verden ser ud i dag, en rigtig god chance for, at det kommer i arbejde. 83 procent af de europæere, der har sådan en uddannelse, er nemlig i arbejde. Udsigterne er noget mere dystre i forhold til at komme ind på arbejdsmarkedet, hvis barnet stopper sin uddannelse efter grundskolen. Her er det nemlig kun 49 procent, der er i arbejde. , Hvor meget, barnet kommer til at arbejde og inden for hvilket område, afhænger også af, om det er en dreng eller en pige. I dag arbejder den europæiske kvinde i gennemsnit 33 timer om ugen inden for socialforsorgen, mens manden arbejder 40 timer om ugen inden for et serviceerhverv., Det er dog langt fra uvæsentligt, i hvilket land jobansøgningerne bliver sendt. I 2009 var det 65 procent af alle europæere mellem 15 og 64 år, der var i arbejde, men der var store regionale udsving. Danmark var det land i EU, hvor flest i den aldersgruppe var i arbejde. Her var det 76 procent, der havde et job at stå op til, mens det kun gjorde sig gældende for 55 procent på Malta. ,  , Mange flere historier, fakta og sammenligninger mellem EU- og kandidatlande findes i , "Europe in figures - Eurostat yearbook" , Har du fået lyst til at vide mere om EU-statistik, er du meget velkommen til at kontakte Danmarks Statistiks Bibliotek og Information, som er Eurostats nationale kontaktpunkt. , Genveje og vejledninger findes på , www.dst.dk/eudata, Research: Karen Tina Larsen og Lisbeth Berntsen

    https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2010/2010-11-09-den-euroaeiske-familie

    Bag tallene

    Her bor de yngste kriminelle

    Det kan godt være, at der ikke bliver begået meget kriminalitet i nærheden af dit hjem. Men måske bor indbrudstyven, voldsmanden eller fartsynderen alligevel tættere på dig, end du lige aner. Danmarks Statistik kortlægger her, hvor de yngste kriminelle i Danmark bor., 18. september 2009 kl. 0:00 , Af , Anders Tystrup, Unge i Halsnæs Kommune i Nordsjælland er mere kriminelle end unge andre steder i Danmark. Det viser en ny opgørelse fra Danmarks Statistik, der ser på, hvor i landet de yngste kriminelle bor., Næsten 6 pct. af de 15-19-årige i Halsnæs blev således dømt for en eller flere kriminelle handlinger i 2007. Det placerer kommunen helt i top på listen over, hvor stor en andel af kommunens 15-19-årige der fik dom for kriminalitet i 2007., Men det er ikke kun de alleryngste i kommunen, der er overrepræsenteret i kriminalstatistikken for 2007. De 20-29-årige i Halsnæs Kommune har også været flittige på det punkt. Ud af kommunens 2.361 unge mellem 20 og 29 år blev 213 dømt for en kriminel handling, hvilket betyder, at hver ellevte i denne aldersgruppe blev dømt for kriminalitet i 2007., Det placerer Halsnæs Kommune på andenpladsen på listen over hvor stor en andel af kommunernes 20-29-årige, der fik dom for kriminalitet i 2007. Kun Vordingborg Kommune har flere i samme aldersgruppe., Politichef er overrasket, Nordsjællands Politi er noget overrasket over, at der ifølge statistikken bor forholdsmæssigt flest dømte kriminelle i Halsnæs Kommune i forhold til indbyggertallet., - Mit indtryk er ikke, at Halsnæs er et sted med ekstraordinær belastning, så jeg er temmelig overrasket. Vi kører heller ikke specielt meget ud til kriminalitet i Halsnæs, fortæller Flemming Drejer, chefpolitiinspektør ved Nordsjællands Politi., Det er der nu også en god forklaring på. For statistikken siger nemlig kun noget om, hvor de dømte kriminelle bor, og altså ikke noget om, hvor kriminaliteten bliver begået. Den konkrete kriminalitet kan derfor sagtens være blevet begået i andre kommuner end Halsnæs., Tæt på unge kriminelle, En af de personer, der har tæt kontakt til de unge kriminelle i kommunen, er Steen Daugberg. Han har arbejdet som SSP-konsulent i Halsnæs Kommune i 12 år og møder de unge ved afhøringer hos politiet og ved retsmøder., - I det daglige oplever jeg ikke de unge i kommunen som dybt kriminelle. Men det er da naturligvis bekymrende at se tallene i statistikken. Nogle år går værre end andre, og 2007 var nok et af de mindre gode år, erkender Steen Daugberg., Han synes dog, at billedet igen er vendt til det bedre, og peger på, at man i kommunen gør en stor indsats med forebyggende arbejde for at forhindre kriminalitet blandt unge., - Vi har en tæt og god dialog med forældrene og også med de unge selv. Vi tager allerede fat på de unge i skolefritidsordningen og samarbejder med skolerne, som vi besøger for at fortælle eleverne om konsekvenserne af kriminelle handlinger, siger Steen Daugbjerg., Forskellige typer kriminalitet, Der findes forskellige typer af kriminalitet med vold, indbrud, tyveri, hærværk, overtrædelse af færdselsloven (forseelser som fx spirituskørsel og bøder over 1.500 kr.) som nogle af de hyppigste. Der er dog stor forskel på, hvilken type kriminalitet de unge rundt i landet typisk begår., De 15-19-årige i Halsnæs Kommune ligger altså helt i top, hvis man samler alle typer kriminalitet. Men dykker man ned i de forskellige typer kriminalitet markerer de yngste i Halsnæs Kommune sig faktisk kun i den absolutte top inden for overtrædelse af færdselsloven., En forklaring er, at mens andre kommuner markerer sig markant inden for én type kriminalitet, ligger Halsnæs Kommune generelt højt i flere af de forskellige typer kriminalitet., Indbrud og fartbøller, Inden for ejendomsforbrydelser (indbrud, tyverier, hærværk mv.) er de unge mellem 15 og 19 år generelt overrepræsenteret i Region Hovedstaden. Ser vi mere detaljeret på kommunerne, ligger Norddjurs Kommune helt i top skarpt forfulgt af Københavns Kommune. I begge kommuner blev flere end 2 ud af 100 dømt for en kriminel handling i 2007., Blandt de 20-29-årige markerer Region Syddanmark sig med flest dømte for ejendomsforbrydelse i forhold til antallet i befolkningen. Her er det dog Helsingør og Frederikssund i det nordsjællandske, som indtager de kedelige topplaceringer blandt landets kommuner., Om nordjyske 15-19-årige kører stærkest eller med for meget spiritus i blodet, er umiddelbart ikke til at sige. Men Nordjylland var i hvert fald den region i landet i 2007, hvor flest 15-19-årige blev dømt for overtrædelse af færdselsloven i forhold til, hvor mange unge der bor i regionen. Region Sjælland topper samme liste for de 20-29-årige., Flest voldsdømte bor i Assens, Der er størst sandsynlighed for at møde en ung voldsdømt person i Region Syddanmark. Således er andelen af voldsdømte 15-19-årige og 20-29-årige højest i Danmark i den syddanske region., En af de kommuner i regionen, hvor det i 2007 stod værst til, var Assens Kommune. Her fik i alt 54 af kommunens lidt over 5.700 unge mellem 15 og 29 år en voldsdom, hvilket altså gør de unge i kommunen til nogle af de absolut voldeligste i Danmark., - Jeg oplever ikke, at Assens er et specielt voldeligt område. Men vi har efter kommunalreformen fået et par ekstra områder i nærheden af Odense med særlig tiltrækningskraft for uheldige typer. Det kan være en af forklaringerne på, at Assens Kommune ligger højt på listen over yngre voldsdømte, vurderer Børge Hemmingsen, vicepolitikommissær og sektionsleder ved Fyns Politi i Assens., Rolige unge i nordlige forstæder, Omvendt udmærker flere kommuner i nord for København sig med meget ikke-voldelige unge. Både Egedal, Rudersdal og Lyngby-Taarbæk Kommuner har meget få voldsdømte 15-19-årige, mens vi må vest for København for at finde de roligste 20-29-årige. De bor i Vallensbæk Kommune. Her fik kun én af kommunens 936 unge mellem 20 og 29 år en voldsdom i 2007., I den midtjyske region kan Lemvigs 15-19-årige bryste sig med, at kun to fik en voldsdom, hvilket placerer dem som de roligste yngste i landet, når man se bort fra de få unge på Læsø og Christiansø, der slet ikke har fået nogen dom for noget i 2007., Hvis du vil videre..., Top og bund for dømte (15-19-årige og 20-29 årige) i 2007 fordelt på kommuner og regioner:, Kriminalitet i alt, Vold, Ejendomsforbrydelse, (indbrud, tyveri, hærværk mv.) , Færdselsovertrædelse, (forseelse som fx spirituskørsel, bøder over 1.500 kr.) , Øvrig kriminalitet, (sædelighed, særlov mv.), Se flere oplysninger om dømte kriminelle i Statistikbanken på , www.statistikbanken.dk/STRAFNA2,  og se middelfolketallet fra 2007, der er brugt i beregningerne på , www.statistikbanken.dk/BEF607, .,  , Foto: Ingram., Denne artikel er offentliggjort 18. september 2009.

    https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2009/2009-09-18-Her-bor-yngste-kriminelle

    Bag tallene

    Ejendomssalg

    Beskrivelse, Formålet med ejendomssalgsstatistikken er at belyse udviklingen i antal, omsætning og priser på fast ejendom. Statistikken offentliggøres månedligt, kvartalsvist og årligt og benyttes primært til vurderinger af den økonomiske konjunkturudvikling. Statistikken efterspørges bredt af finanssektoren, politikere og nyhedsmedier., Der offentliggøres prisindeks for 9 ejendomskategorier i Statistikbanken samt prisindeks for yderligere 5 ejendomskategorier i Betalingsdatabanken. Der offentliggøres ikke et samlet prisindeks for alle ejendomskategorier. Statistikken er baseret på oplysninger fra det elektroniske tinglysningssystem. I den månedlige statistik offentliggøres kun tal for salg i almindelig fri handel. I den kvartalsvise og årlige statistik offentliggøres tal for salg i almindelig fri handel, familieoverdragelse og anden overdragelse., I forbindelse med tinglysningen af handel med fast ejendom oversendes oplysninger fra det elektroniske skøde i det elektroniske tinglysningssystem til SKAT. Siden 2012 modtager Danmarks Statistik på ugebasis en kopi af disse oplysninger fra SKAT med oplysninger om de enkelte tinglyste handler. Data kommer således fra et administrativt register. Før 2012 modtog Danmarks Statistik ligeledes oplysninger om de enkelte tinglyste handler fra SKAT, dog kun på kvartalsbasis. Samtidigt lå opsætningen af beregnede variable (STYPE og PRIS_BEREGN_KD) hos SKAT indtil 2012. Siden 2012 genereres disse variable på baggrund af andre variable hos Danmarks Statistik efter de samme principper som hidtil. , De data der er tilgængelige i Forskningsservice opdateres én gang årligt i forbindelse med offentliggørelsen af årstallene i ejendomssalgsstatistikken, hvilket typisk sker i marts måned år t + 2. Registreret findes fra og med år 1992 og er stadig aktivt., Populationen omfatter som udgangspunkt alle tinglyste handler af fast ejendom, dog kan nogle hemmeligholdte handler før introduktionen af digital tinglysning mangle, hvorfor dækningsgraden er forskellig over tid - se mere under afsnittet om digital tinglysning. Selskabshandler der indeholder fast ejendom tinglyses ikke, hvorfor populationen ikke omfatter enhver overdragelse af fast ejendom., Vedrørende datasæt der udleveres i Forskningsservice, Da den samme ejendom kan handles flere gange over tid, skal der skelnes mellem hvad der er en "ejendom" og hvad der er et "salg af en ejendom". De to definitioner er vist nedenfor:, Ejendomsdefinition:, KOM_KD (kommunekode), EJD_NR (ejendomsnummer), For eksempel KOM_KD = 101 og EJD_NR = xxxxxx er en unik ejendom., Ejendomssalgsdefinition:, KOM_KD, EJD_NR, KONT_OMREGN_DATO (kontantomregningsdato), SALG_LB_NR (salgsløbenummer) , For eksempel KOM_KD = 101, EJD_NR = xxxxxx, KONT_OMREGN_DATO = 20101021 og SALG_LB_NR = 1 er et unikt ejendomssalg., I datasættet kan den samme ejendomshandel optræde flere gange, typisk med forskellige ejendomsvurderingsår (AAR_VURD), og dermed forskellige ejendomsvurderinger. Dette skyldes, at prisindekset beregnes på baggrund af forholdet mellem KOEBESUM (købesumbeløb) og EJD_VAERDI (ejendomsværdi) også kaldet afstandsprocenten og ved skift af ejendomsvurdering har man brug for et overlap med perioden før, for at kunne beregne prisindekset (for yderligere informationer om beregningen af prisindeks henvises til vedhæftede notat "Beregning af prisindeks for ejendomssalg"). Disse overlap er ikke konsekvent bevaret i datasættet, hvorfor det ikke er muligt at genskabe prisindeksene i Statistikbanken ud fra datasættet. , AAR_VURD (vurderingsår) blev først indført i datasættet i 2013 og angiver hvilket vurderingsår EJD_VAERDI, GRUNDVAERDI og VURD_BENYT_KD knytter sig til. I årene 1998, 1999, 2000, 2002 og 2003 optræder den samme ejendomshandel med forskellige EJD_VAERDI og GRUNDVAERDI uden angivelse af vurderingsår (AAR_VURD). Dette gælder ikke for de øvrige år., EJD_VAERDI og GRUNDVAERDI er i datasættet opgjort på salgstidspunktet og ikke vurderingstidspunktet for ejendomshandlen. Typisk svarer EJD_VAERDI og GRUNDVAERDI opgjort på salgstidspunktet til værdien opgjort på vurderingstidspunktet, men der kan forekomme forskelle, fx ved omvurderinger. , I Statistikbanken er anvendt følgende vurderingsår:, Ejendomshandel Vurderingsår, 1992 1992, 1993 1992, 1994 1992, 1995 1992, 1996 1996, 1997 1996, 1998 1998, 1999 1998, 2000 2000, 2001 2001, 2002 2002, 2003 2002, 2004 2003, 2005 2004, 2006 2006, 2007 2006, 2008 2008, 2009 2009, 2010 2010, 2011 2010, 2012 2011, 2013 2012, 2014 2013, 2015 2014, 2016 2015, 2017 2016, 2018 2017, 2019 2018, Det kan forekomme, at en ejendomshandel først tinglyses meget sent efter den er blevet solgt og at den derfor ikke når at komme med i den endelige opgørelse i Statistikbanken. I datasættet findes der lidt flere ejendomshandler end i forhold til opgørelsen i Statistikbanken, hvilket også skyldes, at såkaldte bunkesalg af ejerlejligheder og grunde ikke opgøres i Statistikbanken. Variablen SKAT_MODTAG_DATO (YYYYWW) kan bruges til at fjerne ejendomshandler, der er modtaget efter et bestemt ugenummer i et givet år., Afgrænsning af data til graf og tabel, Data til figurerne er blevet afgrænset således, at hver ejendomshandel kun indgår én gang. I tilfælde af dubletter, er den ejendomshandel med den nyeste (højeste) KOERSEL_DATO (kørselsdato) bibeholdt. Antallet af unikke ejendomshandler er vist i tabellen nedenfor:, År for ejendomshandel Antal ejendomshandler, 1992 115.240, 1993 112.050, 1994 121.808, 1995 127.767, 1996 132.496, 1997 135.463, 1998 133.457, 1999 130.203, 2000 123.776, 2001 119.464, 2002 125.383, 2003 131.036, 2004 149.512, 2005 160.225, 2006 140.114, 2007 131.388, 2008 101.647, 2009 81.903, 2010 108.500, 2011 87.873, 2012 86.675, 2013 86.194, 2014 95.664, 2015 112.728, 2016 112.796, 2017 124.041, 2018 121.912, 2019 127.336, Kommunalreform, For perioden 2006 og frem er KOM_KD og EJD_NR baseret på den nuværende kommunalreform, der blev indført 1. januar 2007. Ejendomssalgsstatistikken følger dermed ikke kommunalreformens kodning som den foregår i andre ejendomsfiler i 2006, hvilket skyldes at man har tilbageregnet kommunalreformen med et år for at kunne beregne udviklingen for 2006 til 2007 baseret på den nye kommunalreform., For perioden 1992-2005 er variablene KOM_KD og EJD_NR baseret på den gamle kommunalreform, der blev indført 1. april 1974. , For en unik identifikation af ejendomsnumre og kommunenumre henover kommunalreformen i 2007 henvises til en nøgle for ejendomsnumre før og efter kommunalreformen, som er tilgængelig via Forskningsservice. Det bemærkes, at der sker skift i ejendomsnumrene hele tiden og ikke kun nødvendigvis i forbindelse med en kommunalreform. En unik identifikation af en ejendom hen over tid har ikke betydning for udarbejdelsen af Ejendomssalgsstatistikken, da man ikke benytter sig af matchede produkter, sådan som man gør i et traditionelt prisindeks som eksempelvis Forbrugerprisindekset. En unik identifikation af en ejendom hen over tid ligger derfor uden for rammerne af Ejendomssalgsstatistikken., For yderligere oplysninger henvises til Statistikdokumentationen for Ejendomssalg:, http://www.dst.dk/da/Statistik/dokumentation/statistikdokumentation/ejendomssalg, Digital tinglysning, Det digitale tinglysningssystem blev indført 8. september 2009 og har muliggjort en hyppigere dataindsamling. Tidligere modtog Danmarks Statistik data om de tinglyste ejendomshandler på kvartalsbasis fra SKAT, men fra og med 2011 sker dataindsamlingen på en ugentlig basis. Dette har muliggjort, at Danmarks Statistik siden 2011 kan offentliggøre månedlig ejendomssalsstatistik. Denne serie starter i januar 2006., Det bemærkes, at tinglysningsdatoen (dato for hvornår adgangen er tinglyst, som angivet i tingbogen over fast ejendom) ikke anvendes i ejendomssalgsstatistikken, hvorfor SKAT og Danmarks Statistik ikke har fundet denne dato interessant i ejendomssalgsregistret. Det er købsaftaledatoen (SLUTSEDDEL_DATO), der anvendes som periodisering i statistikken., Før den 13. januar 2010 var salgspriserne ikke fuldt offentlige se eventuelt hjemmesiden "https://boligejer.dk/om-offentlige-salgspriser". Man kunne angive i skødet, at købesummen ikke ønskedes offentliggjort. Mange advokater gjorde dette som standard for at beskytte køber mod offentliggørelse af salgspriser over for tredjepartssteder (fx Statstidende og ugebreve) - det har dog altid været muligt, at se købesummen på tinglysningskontoret. Nogle af disse ejendomshandler mangler i ejendomssalgsstatistikken. Det vides ikke hvor stor en andel af samtlige ejendomshandler, der mangler. Efter introduktionen af digital tinglysning er alle salgspriser fuldt tilgængelige og der er ingen mulighed for at frabede sig visning af salgspriser for en ejendom. Muligheden for at vælge, at købesummen ikke må offentliggøres, knyttede sig alene til en gammel ordning. , Læs om usikkerhed i Ejendomssalgsstatistikken i Statistikdokumentationens kapitel 5. Se link ovenfor., Bilag, Beregning af prisindeks for ejendomssalg, Variable, AKTIV_PASSIV_KD, Aktiv passiv kode, DELSALG, Delsalg, EJERFORH_EFTER_SALG, Ejerforholdskode efter salg, EJERFORH_FOR_SALG, Ejerforholdskode før salg, FRIHED_KD, Frihedskode for ejerlejligheder, GRUNDVAERDI, Grundværdi, KOEBESUM, Købesumsbeløb, KONT_OMREGN_DATO, Kontantomregningsdato, OVERDRAG_KD, Overdragelseskode, OVERTAG_DATO, Overtagelsesdato, PRIS_BEREGN_KD, Prisberegningskode, SALG_FLERE_EJD, Salg af flere ejendomme, SALG_TYPE, Salgstype, SKOEDE_DATO, Skødedato, SLUTSEDDEL_DATO, Slutseddeldato

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

    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., 28. august 2020 kl. 8:00 , Af , Theis Stenholt Engmann, 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 2019 flyttede knap 18.000 kommende studerende til ny bolig i månederne omkring studiestarten på en videregående uddannelse. Det svarer til 31 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 2019 til 31. oktober 2019., ”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, 7.300 af de studerende, som flyttede i forbindelse med studiestarten, flyttede mere end 50 kilometer tættere på studiet. Det svarer til 41 pct. af alle de flytninger, studerende foretog omkring studiestart., Den næststørste gruppe flyttede mellem 11-50 kilometer. Det gjorde rundt regnet 2.800 nye studerende, hvilket svarer til 15 pct. af alle flytningerne. Rundt regnet 2.200 af flytningerne bragte den studerende længere væk fra studiet, end før flytningen fandt sted, svarende til 13 pct. af flytningerne. , Afstande 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. 2.900 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. 2019, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregisteret, Flest nye studerende flytter til Aarhus, Den kommune, som flest nye studerende på videregående uddannelser flyttede til i 2019, var Aarhus Kommune, dog meget tæt efterfulgt af Københavns Kommune. , Således flyttede knap 4.100 studerende til Aarhus Kommune, mens knap 4.000 flyttede til Københavns Kommune. Dette svarer hhv. til 23 og 22 pct. af alle studieflytningerne omkring studiestart på videregående uddannelser i 2019. 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 2019 var Aalborg med rundt regnet 2.100 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. 2019, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregisteret, Anm: Figuren viser kun tilflytning til Danmarks fire største kommuner, Flest tager til hovedstad og storby, mens land og provins 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) 5.200 kommende studerende på videregående uddannelser i 2019, 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 2019. Der var altså flere kommende studerende, som flyttede fra kommunerne end til kommunerne., 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 lidt over 2.800 forlod kommunegruppen til fordel for andre kommunegrupper., Dernæst følger de danske provinskommuner, som mistede knap 2.200 studerende, efter flytteregnestykket var gjort op. Disse følges af oplandskommunerne, hvor knap 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. 2019,  , 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 10.600 studerende deres afstand til deres kommende studie, hvilket svarer til 59 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 7.300 studerende mere end halveret deres afstand ved at flytte over 50 kilometer tættere på studiet.”  , Studerende som efter flytning har halveret afstanden til studiet. 2019, Kilde: Danmarks Statistik, særkørsel på baggrund af flytteregisteret og elevregister, Har du spørgsmål til tallene i denne artikel, kan du kontakte fuldmægtig Mikkel  Jonasson Pedersen på , MPS@dst.dk, tlf. 39173752., Tabel: Brutto- og nettotilflytning fordelt på kommunetyper. 2019,  , Hovedstadskommuner, Landkommuner, Oplandskommuner, Provinsbykommuner, Storbykommuner, Bruttotilflytning, 5.869, 1.026, 572, 2.287, 8.202, Nettotilflytning, 1.865 , -2.812 , -2.070 , -2.155 , 5.172 ,  , Tabel: Hvor flytter de studerende fra og til fordelt på kommunetyper i pct. 2019,  ,  , Flytter til hovedstadskommuner, Flytter til landkommuner, Flytter til oplandskommuner, Flytter til provinsbykommuner, Flytter til storbykommuner, Flytter fra hovedstadskommuner, 50, 11, 10, 10, 8, Flytter fra landkommuner, 13, 54, 17, 18, 25, Flytter fra oplandskommuner, 13, 10, 47, 14, 15, Flytter fra provinsbykommuner, 16, 14, 16, 49, 26, Flytter fra storbykommuner, 8, 11, 10, 9, 27,  ,  

    https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2020/2020-08-28-18000-studerende-flytter-ved-deres-studiestart-paa-videregaaende-uddannelser

    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

    KORYDIAL

    Navn, KORYDIAL , Beskrivende navn, Udbetalte børnetilskud og familieydelser efter opregning til hele kalenderåret , Gyldighed, Gyldig fra: 01-01-1984, 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, Udbetalte børnetilskud og familieydelser i årets 4 kvartaler ( alle ydelsestyper nævnt i statistikbanktabel bts44), Før 2016 er beløbet danent ved opregning til hele kalenderår på basis af oplysninger om ydelser i 4. kvartal., Opregningen er foregået på basis af oplysninger om børnefamilieydelser og børnetilskud for 4. kvartal fra børnetilskudsregistret., Opregningen af børneydelsen til helår foregår fx for året 2006 på følgende måde:, 1,5*børneydelse 4. kvartal 2005 +2,5*børneydelse 4. kvartal 2006. , Ydelsen er lagt til hos den person i familien, som modtager tilskuddet. For familier med to voksne er det oftest kvinden i familien. , Udbetalte børnetilskud og familieydelser er ikke skattepligtige., I Statistikbanktabellerne INDKP1, INDKP3, INDKP4 og INDKP7 har variablen under indkomsttype nr.25 og benævnes 'Børnetilskud ', http://www.dst.dk/stattabel/1179, Beløb i kr. og ører., Detaljeret beskrivelse, Børnefamilieydelse tildeles alle familier med børn under 18 år uafhængig af indkomstforhold. Børnetilskud tildeles enlige forældre, forældreløse o.l., børn af pensionister, børn født uden for ægteskab uden bidragsforpligtigelse, børn af enker/enkemænd, flerbørnsfamilier og uddannelsessøgende forældre. , Bemærk, at variablen KORYDIAL er et samlet beløb udbetalt til en forælder for alle børn under 18 år i familien., Før 1987 udbetaltes børnetilskud til alle børnefamilier med børn under 16 år. Enlige forsørgere kunne i tillæg modtage forhøjet og ekstra børnetilskud. Her-udover kunne forældreløse børn og børn af forældre, hvoraf en er død, eller fa-ren er ukendt, søge om særligt tilskud. Tilskuddet var desuden indtægtsregule-ret før 1987., Fra og med 2018 medtages alle efterreguleringer foretaget i året. Negative værdier er således et resultat af, at børnefamilieydelser og tilskud fra tidligere år er blevet tilbagebetalt., I 1987 erstattes det almindelige børnetilskud af børnefamilieydelsen; enlige med børn, forældreløse mv. kan så få tildelt ordinært, ekstra og særligt børne-tilskud som supplement til børnefamilieydelsen. Indtægtsreguleringen ophæ-ves., Børnefamilieydelsen begyndte i 1987 med en enkelt sats for alle børn 0-18 år. Satsen blev i 1990 opdelt i en sats til 0-3-årige og en sats til 4-17 årige. I 1991 blev satsen opdelt i tre satser 0-3-årige, 4-6-årige og 7-17-årige. I 1992-1994 var der to satser til 0-6 årige og 7-17 årige. Siden 1995 var der tre satser for 0-3 åri-ge, 4-6 årige og 7-17 årige. Disse oplysninger kan ses skematisk på Skattemini-steriets hjemmeside, http://www.skm.dk/skatteomraadet/talogstatistik/tidsserieoversigter/?group=all, ' title=''>, http://www.skm.dk/skatteomraadet/talogstatistik/tidsserieoversigter/?group=all, Børnetilskudsreglerne er kun ændret for særligt børnetilskud. Det særlige bør-netilskud er siden 1. januar 2000 opdelt i et grundbeløb og et tillæg. Alle tal for særligt børnetilskud indeholder både grundbeløb og tillæg. Siden 1. april 2000 bliver særligt børnetilskud til pensionister indtægtsreguleret. , Fra 1. januar 2001 tildeles et særligt børnetilskud til familier, hvor mindst en forælder deltager i en SU-berettiget uddannelse. Tilskuddet forudsætter en an-søgning og er indtægtsreguleret. Øvrige børnetilskud og børnefamilieydelse er ikke indtægtsreguleret., Fra 4. kvartal 1999 er der opgjort en særskilt opgørelse for historiske efterregu-leringer af børnefamilieydelse eller børnetilskud vedrørende tidligere kvartaler end det aktuelle, men udbetalt i det samme aktuelle kvartal. Det gælder fx hi-storiske efterreguleringer vedrørende tidligere kvartaler end 4. kvartal 1999, men udbetalt i 4. kvartal 1999. Fra 2004 er disse efterreguleringer ikke medta-get i statistikken., Eventuelle omberegninger (ikke at forveksle med ovennævnte historiske efter-reguleringer) i de udbetalte beløb vedrørende det aktuelle kvartal er inkluderet i tallene for de enkelte børneydelser i samme kvartal. Fx er omberegninger ved-rørende 4. kvartal 2004 inkluderet i tallene for de enkelte børneydelser i 4. kvartal 2004. , Pr. 1. januar 2003 trådte en ny lov om førtidspension i kraft. Pensionister, der er tilkendt pension efter denne dato, er ikke berettigede til ordinært børnetilskud, da den nye pension er højere end den gamle. Pensionister, som før denne dato var tilkendt pension, fortsætter med at modtage ordinært børnetilskud., Særligt børnetilskud til uddannelsessøgende forældre gives fra 1. januar 2005 kun til uddannelsessøgende forældre, der ikke er berettigede til SU. De SU-berettigede uddannelsessøgende forældre kan i stedet søge et særligt tillægsstipendium for forsørgere hos Statens Uddannelsesstøtte. , Fra 2011 er engangsudbetalinger i forbindelse med adoption fra udlandet udgået af KORYDIAL., Fra 2016 er ydelserne baseret på udbetalingerne i årets 4 kvartaler. Før 2016 var opgørelsen et vægtet gennemsnit af udbetalinger 4 kvartal i året og 4 kvartal i det foregående år., For år 2015 er KORYDIAL opgjort både efter den gamle og den nye metode. , Gammel metode giver for 2015 716.000 modtagere og et samlet beløb på 16, 6 mia. kr., Ny metode giver for 2015 710.000 modtagere og et samlet beløb på 16,6 mia. kr. , Fra 2017 er ydeslerne lig det udbetalte beløb dvs., berettiget beløb korrigeret for justeringer for tidligere perioder( fx. i forbindelse med endelig opgørelse af foregående års indkomst ved Slutligningsopgørelsen). Ændringen i kilde data giver anledning til et lille fald i de modtagne beløb., Variablen indgår i andre overførsler (ANDOVERFOERSEL, OVRIG_OVERFORSEL_13), Se også , http://www.dst.dk/varedeklaration/945, og, http://www.skm.dk/skatteomraadet/talogstatistik/tidsserieoversigter/?group=all, ' title=''>, http://www.skm.dk/skatteomraadet/talogstatistik/tidsserieoversigter/?group=all, Bilag, Graf, Tabel, Populationer:, Skattepligtige personer hele året, hvor beløbet er forskellig fra 0., Populationen i datasæt, som udleveres af forskningsservice omfatter alle personer som er mindst 15 år ved årets udgang eller har indkomst i løbet af året eller formue den 31. december. For at få konsistens over tid i vedhæftede tabel og graf er populationen lig med alle fuldt skattepligtige personer, som har været i Danmark både primo og ultimo året, og som ved årets udgang er mindst 15 år og som har beløb forskellig fra nul. , Værdisæt, KORYDIAL har ingen værdisæt

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

    Hjælp til søgning

    Få hjælp til at finde den rette statistik.

    Kontakt Informationsservice

    For forskere

    Søg separat i variable eller højkvalitetsdokumentation.

    Variable

    Højkvalitetsdokumentation