Søgeresultat

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

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

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

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

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

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/nyheder-analyser-publ/bagtal/2021/2021-07-22-Studerende-flytter-efter-uddannelse-i-forbindelse-med-studiestart

Bag tallene

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

Juleindkøbene afslører din indkomstgruppe

Vores forbrug stiger i julen, men det afhænger blandt andet af indkomst, hvor vi lægger vores ekstra jule-kroner. Vidste du fx at de rigeste danskere køber deres rejer friske i december, mens de danskere, der tjener mindst i højere grad putter frosne rejer i kurven? Juleindkøb kan være en hård omgang, og det kalder på ekstra kaffe. Mens de rigeste danskere øger deres forbrug af cappuccinoer og andre kaffespecialiteter i december, stiger forbruget af almindelig kaffe hos danskere med lavest indkomst. , 1. december 2014 kl. 9:00 , Af , Mia Parsbæk Pedersen, Kigger man ud over Danmark, er man ikke i tvivl: Vi er kommet til december! Aftenmørket kommer tidligt, og de julepyntede gågader tiltrækker de flittige julehandlende. Men hvad puttes der egentligt i poserne, når gågaderne betrædes i julemåneden? Danmarks Statistik har på baggrund af forbrugsundersøgelsen lavet en juleopgørelse, der fortæller om danskernes julehandel. I år kigger vi nærmere på danskernes forbrug i december fordelt på indkomst og sammenligner laveste og højeste indkomstgruppes juleindkøb. , En gennemsnitlig dansk husstand køber ind for 9.981 kr. om måneden fra januar til november, men i december stiger forbruget til 11.401 kr. Dette gennemsnit dækker over store forskelle mellem den laveste og den højeste indkomstgruppe. I de husstande, hvor den årlige indkomst er under 300.000 kr. stiger forbruget fra 5.177 kr. til 7.038 kr. i december, mens det for husstande, der har en indkomst på mindst 800.000 kr. stiger fra 16.683 kr. til 18.618 kr. , Fakta-boks , Laveste indkomstgruppe: Husstanden har en årlig indkomst på under 300.000 kr. , Højeste indkomstgruppe: Husstanden har en årlig indkomst på 800.000 kr. og derover , En husstand består af 2,1 personer i gennemsnit fordelt på 1,6 voksne og 0,5 børn , Undersøgelsen er baseret på tal, hvor usikkerheden på enkelte varegrupper kan være stor., Alle køber and, mens spegepølse jule-hitter i laveste indkomstgruppe , Når der skal handles ind til julefrokost eller juleaften, er der mange tendenser, der er ens, uanset indkomst: Vi køber mere and, rødkål, kirsebærsovs og gløgg, end vi plejer. Tjener man mange penge, bruger man sandsynligvis flere penge på fx and end dem, der har færre midler. Hos husstande med en årlig indkomst på under 300.000 kr. stiger forbruget af ænder og gæs således fra 4 kr. til 38 kr., mens det stiger fra 12 til 49 kr. i de husstande, hvor indkomsten er over 800.000 kr. I begge indkomstgrupper er det primært frosne ænder og gæs, der ryger i indkøbskurven. Men faktisk bruger dem i den laveste indkomstgruppe flere penge på de ferske af slagsen end dem med de høje indkomster. , Forbrugsmønstret ser anderledes ud for andre madvarer. Mens spegepølse er en jule-favorit hos husstande med lavere indkomst, er rullepølsen et december-hit hos dem, der tjener mest. Forbruget af spegepølse stiger fra 12 til 22 kr. hos dem, der tjener under 300.000 kr., mens de køber lidt mindre rullepølse end i årets øvrige måneder. Omvendt ser det ud hos dem, der tjener over 800.000 kr. Deres forbrug af rullepølse stiger fra 16 til 18 kr. i december, hvorimod de køber mindre spegepølse end ellers – her falder forbruget fra 51 til 39 kr. , Indkomsten har også indflydelse på, om man køber sine jule-rejer frosne eller friske. I husstande med lavest indkomst falder forbruget af friske rejer fra 4 til 2 kr. i december, mens forbruget af dybfrosne rejser stiger fra 7 til 9 kr. De rigeste danskere vælger i stor stil friske rejer til julebordet. I stedet for at bruge 8 kr. på friske rejer om måneden, stiger deres forbrug til 21 kr. i december. De rigeste køber hverken færre eller flere frosne rejer i julemåneden. , Chokolade til alle, frugt til dem der tjener mindst, Julen er en tid, hvor de fleste af os spiser mere slik og kage, end vi (måske) har godt af. Danskernes forbrug af chokolade stiger fra 84 til 131 kr. og rå marcipan og konfektmasse stiger fra 3 til 16 kr. i december. Det gælder for begge indkomstgrupper, at der ryger ekstra godter i kurven i julemåneden. På den anden side spiser vi mindre frugt i december end resten af året. Danskernes samlede forbrug af æbler, pærer og bananer falder i julemåneden, men laveste indkomstgruppe trækker i modsatte retning. De fylder ekstra af disse madvarer i kurven i julen. Deres forbrug af bananer stiger fra 14 til 25 kr., æbler bruger de også 25. kr. på i stedet for 19 kr., og der bruges 6 kr. på pærer i stedet for 5. , De rigeste vælger cappuccino i julen , Noget tyder på, at de fleste har brug for en ekstra kop kaffe, for at komme helskindede gennem julens strabadser. Det samlede forbrug af kaffe, cappuccino og andre kaffedrikke stiger nemlig i julemåneden. Om man vælger alminelig kaffe eller kaffespecialiteter afhænger af indkomsten. Udgifterne til almindelig kaffe fordobles husstande med lavest indkomst – i stedet for at bruge 47 kr. bruger de 92 kr. i december. Omvendt falder forbruget af alminelig kaffe hos de rigeste fra 96 til 73 kr. I stedet for slukker denne indkomstgruppe i større stil deres kaffetørst i andre kaffeprodukter som fx cappuccino og espresso i december, hvor forbruget stiger fra 3 til 26 kr. i julen. , Har man brug for noget lidt skarpere, afhænger valget sandsynligvis også af indkomsten. Mens snaps og bitter er populært i laveste indkomstgruppe, hvor forbruget stiger fra 11 til 15 kr., er det særligt portvin, der skåles i blandt dem med de højeste indkomster. Her stiger forbruget fra 4 til 22 kr. i december. Skal det ikke være snaps, så er vodka et godt bud i husstande, der tjener under 300.000 kr. årligt. Forbruget af den stærke drik fordobles i denne indkomstgruppe, hvor de rigeste i højere grad vælger vodkaen fra i julen. Deres forbrug falder fra 8 kr. om måneden til 1 kr. i december. De ekstra kroner bruges måske på god whisky, hvor de i stedet for at bruge 10 kr. om måneden smider 12 kr. efter den gyldne drik i årets sidste måned. , De rigeste bruger mest på transport , Når julen står for døren samles vi ofte i families og venners lag, og det påvirker vores transportvaner. Danskernes samlede forbrug af benzin, broafgifter og taxature stiger nemlig i december. Noget tyder på, at det især er husstande i den højeste indkomstgruppe, der kører ekstra kilometer gennem landet for at fejre jul med familien. Deres forbrug af benzin stiger fra 915 til 1.121 kr., og omkostningerne til broafgifter stiger fra 66 til 150 kr. Noget tyder også på, at julefrokosterne i december få folk i denne indkomstgruppe til at tage en ekstra taxatur. En julefrokost er ofte lig med lidt godt til ganen, hvilket jo udelukker bilen som fest-karet. Fra at bruge 80 kr. om måneden resten af året, stiger deres udgifter på taxature til 235 kr. i december. , I laveste indkomstgruppe ser billedet noget anderledes ud. Det lader til, at der generelt spares på transporten, da udgifterne til både benzin, bro og taxa falder i december sammenlignet med resten af året. , Kortspil eller Zoo?, Jul betyder for mange danskere ekstra hygge. Nogle går på juleferie, mens andre formår at hygge lidt ekstra i weekenderne. Hvad man får tiden til at gå med afhænger blandt andet af, hvad man tjener. , De fleste danskere kan lægge en kabale eller dyste i et spil poker, 500 eller fisk. Og noget tyder på, at december måned giver familierne lejlighed for at tage et ekstra spil. De danske husstandes forbrug på spillekort tredobles næsten i julemåneden. Om kortene skal under træet, i julesokken eller bare direkte hjem på bordet er nok forskelligt. Det er særligt danskere med de laveste indkomster, der øger deres udgifter til spillekort i december. I denne indkomstgruppe stiger forbruget fra 25 øre til 2 kr. pr. husstand i december. , Tjener man derimod over 800.000 kr. om året, er det måske ikke spillekort, der trækker mest. Det gør en tur i Zoo til gengæld. Udgifterne til zoologiske haver og naturparker mere end fordobles hos husstande i denne indkomstgruppe i årets sidste måned. Forbruget pr. husstand stiger fra 14 til 32 kr. i december. , Mens nogle tager sig et slag kort, og andre kigger på dyr, er der også nogle, der prøver lykken med et spil Lotto. Danskernes samlede udgifter til Lotto stiger med 18 pct. i december. , Om forbrugsundersøgelsen, Tallene i Forbrugsundersøgelsen 2012 angiver, hvor meget en gennemsnitshusstand købte for af de regnskabsvarer, som indgår i undersøgelsen, hver måned. Juleopgørelsen er baseret på køb fra den 25. november til den 24. december. Regnskabsvarer er en husstands indkøb af dagligvarer, og de udgør ca. 40 pct. af det samlede forbrug for en gennemsnitshusstand. , En gennemsnitshusstand består af 2,1 personer. Det er 1,6 voksne og 0,5 børn. , På vores hjemmeside findes en række detaljerede oplysninger om danskernes forbrug.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2014/2014-12-01-juleindkoebene-afsloerer-din-indkomstgruppe

Bag tallene

Flere vælger privat hjemmehjælp

Antallet af ældre, der vælger et privat firma frem for kommunen til at udføre praktisk hjemmehjælp, er steget med 44 pct. på blot ét år. Privat hjemmehjælp er dog indtil videre langt mere udbredt på Sjælland og Fyn end i Jylland., 30. november 2005 kl. 0:00 ,  , Stadig flere ældre danskere vælger en privat hjemmehjælper til det praktiske arbejde i hjemmet. Men når det gælder hjælp til personlig pleje, peger seniorerne i langt de fleste kommuner fortsat næsten udelukkende på den kommunale hjemmehjælper.   , Antallet af ældre, der vælger et privat firma til at udføre praktisk hjemmehjælp, er steget med 7.500 personer på et enkelt år - en stigning på 44 pct. Det viser nye tal fra Danmarks Statistik. , 24.600 personer havde i marts 2005 valgt et privat firma til at udføre praktisk hjælp, dvs. rengøring, indkøb og tøjvask. Året før lå tallet på 17.100.  De private leverandørers "markedsandel" i 2005 kan dermed anslås til 15,5 pct. for praktisk hjælp. Andelen var 10,5 pct. i 2004. I alt 160.500 personer er ifølge loven berettiget til at kunne vælge mellem en kommunal og privat leverandør til praktisk hjemmehjælp. , PRAKTISK HJÆLP:,  ,  Modtagere af privat hjemmehjælp,  Omfattet af frit valg,  I alt      ,  24 631,  160 541,  Under 65 år ,  3 333,  22 180,  65-66 år    ,  491,  3.327,  67-79 år,  8 473,  50 482,  80+               ,                      12 334                      ,            84 552           , Størst udbredelse i 25 kommuner, Der er markante forskelle i udbredelsen af privat hjemmehjælp, hvis vi kigger ud over Danmarkskortet. Praktisk hjælp fra private leverandører er mere udbredt på Sjælland og Fyn end i Jylland. I alt ligger 21 af de 25 kommuner, hvor der er størst udbredelse, på Sjælland. , Græsted-Gilleleje topper suverænt listen over de kommuner, hvor flest ældre borgere har en privat leverandør til at udføre praktisk hjemmehjælp. I Græsted-Gilleleje er alle ydelser inden for hjemmehjælp udliciteret til private virksomheder, hvorfor samtlige kommunens 721 borgere, som modtager hjælp til det praktiske, får arbejdet udført af en privat leverandør. Hørsholm ligger nr. to på listen - her har de private leverandører en markedsandel på 88 pct. I Søllerød - på tredjepladsen - har de private leverandører en markedsandel på 55 pct. , I de 25 kommuner, hvor praktisk hjælp fra private leverandører er forholdsvis mest udbredt, udgør de modtagere, der har valgt en privat leverandør, 64 pct. af det samlede antal modtagere i hele landet. Målgruppen for hjemmehjælp i disse kommuner udgør ellers kun 26 pct. af den samlede målgruppe for modtagere af privat hjemmehjælp. Målgruppen er det antal personer, der er omfattet af reglerne om frit valg for ældre ifølge den sociale servicelov. , 2.800 har valgt privat leverandør til personlig pleje, 2.800 personer har valgt en privat leverandør af personlig pleje mod 1.900 året før. Det svarer til en stigning på 52 pct., men det er dog fortsat kun 3 pct. af modtagerne af hjemmehjælp til personlig pleje, som vælger en privat leverandør. De private leverandørers markedsandel er dermed steget fra 2 til 3 pct. i løbet af det seneste år. I alt er 99.100 personer ifølge lovgivningen berettiget til at kunne vælge mellem en kommunal eller privat leverandør af personlig pleje. , PERSONLIG PLEJE: ,  ,  Modtagere af privat hjemmehjælp, omfattet af frit valg , I alt        ,  2 805,  99 116,  Under 65 år ,  462,  12 882,  65-66 år    ,  56,  2.001, 67-79 år,  836,  27 868,  80+               ,                        1 451                       ,           56 365          , Personlig pleje fra private leverandører er mere jævnt fordelt hen over landet. I alt ligger 12 af de 25 kommuner, hvor der er størst udbredelse, på Sjælland, en på Fyn og 12 i Jylland. , Også på dette område ligger Græsted-Gilleleje i top - ligesom på området for praktisk hjælp har de private leverandører her en markedsandel på 100 pct. efterfulgt af Ringsted Kommune, hvor de private leverandører har en markedsandel på 24 pct. og Hørsholm, hvor de har en markedsandel på 17 pct. , I de 25 kommuner, hvor personlig pleje fra private leverandører er forholdsvis mest udbredt, udgør de modtagere, der har valgt en privat leverandør 67 pct. af det samlede antal modtagere i hele landet. Målgruppen for hjemmehjælp i disse kommuner udgør ellers kun 14 pct. af den samlede målgruppe for modtagere af privat hjemmehjælp., Yngre modtagere er mere tilbøjelige til at vælge privat hjemmehjælp, Den andel af hjemmehjælpsmodtagerne, der har valgt en privat leverandør af personlig pleje, er størst for personer under 65 år, nemlig 3,5 pct., mod 3 pct. og derunder for de øvrige aldersgrupper.  , Billedet er noget anderledes for den praktiske hjælp. Her er andelen, der vælger en privat leverandør, størst - nemlig 17 pct. - for personer i alderen 67-79 år, mens den er ca. 15 pct. for øvrige modtagere.  , 567 private leverandører, I løbet af det seneste år har 20 nye kommuner givet de ældre borgere mulighed for at modtage hjemmehjælp fra en privat leverandør. På landsplan var der i alt 567 private leverandører af hjemmehjælp i 196 kommuner i marts 2005. Året før var der 538 private leverandører i 176 kommuner. 75 kommuner havde i marts 2005 fortsat ingen godkendt privat leverandør som alternativ til den kommunale hjemmehjælp. , Flere oplysninger: , Tal for kommunerne kan ses i , www.statistikbanken.dk/05, - vælg Hjemmehjælp, VH3 og VH4, Har du uddybende spørgsmål? Kontakt Steffen Hougaard på 39 17 31 09 eller , sho@dst.dk, Oplysningerne indberettes af kommunerne til Danmarks Statistik i forbindelse med statistikken om hjemmehjælp. , Ved kommunernes indberetning til Danmarks Statistik angives modtagere af praktisk hjælp og personlig pleje fra private leverandører hver for sig. Personer, der er omfattet af begge former for hjælp, er således talt med begge steder. Det er derfor ikke meningsfuldt at lægge tallene sammen., Hjemmehjælpsmodtagere har også mulighed for at vælge at ansætte en privat hjælper i stedet for at få hjemmehjælp fra kommunen eller en privat leverandør. I marts 2005 havde 1.100 personer valgt at ansætte en privat hjælper mod 1.000 i marts 2004. Også disse oplysninger indsamles på indberetningsskemaer fra kommunerne.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2005/2005-11-30-Hjemmehjaelp-frit-valg

Bag tallene

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