Søgeresultat

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

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

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

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

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

ANSXFREM

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

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

AJO_FUNKTIONSKODE

Navn, AJO_FUNKTIONSKODE , Beskrivende navn, Funktionskode til sektorplacering af arbejdsstedet , Gyldighed, Gyldig fra: 01-01-2008, Gyldig til: 31-12-2012, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Funktionskode på arbejdssted , Detaljeret beskrivelse, AJO_FUNKTIONSKODE er en klassificering af jobbets sektorplacering., AJO_FUNKTIONSKODE hentes ved opslag i den seneste version af Danmarks Statistiks erhvervsstatistiske register (ESR) vha. jobbets arbejdssted (AJO_ARBNR_SENR). , Sektorkoden (AJO_FUNKTIONSKODE) dannes i ESR på basis af arbejdsstedets branche og den kode for virksomhedsform, som den til arbejdsstedet hørende juridiske enhed (CVR-nr.) er registreret med i CVR. Der er udarbejdet et sæt maskinelle regler for fastsættelse af funktionskoden i ESR, og derudover foretages kontrol af alle nye og fx store enheder. , Sektorkoden er fra 1.1.2013 opbygget i overensstemmelse med ESA 2010 (European System of Accounts), hvor sektorplaceringen primært bestemmes af, hvem der har den organisatoriske kontrol over enheden. Dette er nyt i forhold til tidligere, hvor en enhed blev sektorplaceret primært på baggrund af finansieringen af aktiviteten i enheden., Værdisættet for sektorplaceringen af enheder fremgår af AJO_FUNKTIONSKODE i TIMES., Værdisættet for funktionskoden, der var gældende indtil 31.12.2012, er flg.:, 31 Integreret statsligt ejet institution, 32 Integreret ikke-statsligt ejet institution, 33 Ikke-integreret statslig institution (quasi), 34 Sociale kasser og fonde, 41 Integreret regionalt ejet institution, 42 Integreret ikke-regionalt ejet institution, 43 Ikke-integreret juridisk regionalt ejet institution (quasi), 51 Integreret kommunalt ejet institution, 52 Integreret ikke-kommunalt ejet institution, 53 Ikke-integreret juridisk kommunalt ejet institution (quasi), 61 Integreret statslig selskabslignende virksomhed, 62 Integreret regionalt selskabslignende virksomhed, 63 Integreret kommunal selskabslignende virksomhed, 70 Ikke-integreret offentlig virksomhedsorganisation som selskab, 80 Privat virksomhed, 90 Udland, 99 Ikke oplyst, ANVENDELSE af AJO_FUNKTIONSKODE: , AJO_FUNKTIONSKODE anvendes til offentliggørelse af beskæftigelsestal i beskæftigelse for lønmodtagere, hvor beskæftigelsen fordeles på sektorer., DATABRUD inden for AJO_FUNKTIONSKODE:, 1.1.2013 er en ny sektorkodeklassifikation som nævnt implementeret i ESR til erstatning af den tidligere funktionskode. Det indebærer, at udfaldsrummet for variablen er ændret pr. 1.1.2013, jf. værdisæt. , Samtidig med overgang til den ny sektorkode blev kvaliteten forbedret, idet en ny algoritme til maskinelt at bestemme sektorkoden er implementeret. Sektorplaceringen bestemmes dog stadig af virksomhedsform og branche. Et stort antal enheder er samtidig gennemgået med henblik på sektorplacering, hvilket også har bidraget til en kvalitetsforbedring af enhedernes sektorplacering., VALIDERING af AJO_FUNKTIONSKODE:, ESR foretager kvartalsvis en systematisk kvalitetskontrol af sektorkoden, hvor sektorplaceringen på alle nye og større arbejdspladser vurderes, og det fx sikres, at alle arbejdssteder uden for den kommunale sektor har samme sektorkode som den tilhørende økonomiske enhed. , Ved analyser af udviklingen i antallet af fuldtidsbeskæftigede fordelt på sektorer over tid valideres ESR's oplysninger. I tilfælde af betydelige fejl i ESR's sektoroplysninger, kan sektoroplysningen blive korrigeret i beskæftigelse for lønmodtagere., Det samme gælder i tilfælde af betydelige fejl i ESR's brancheoplysninger., Pga. manglende fejlopretning i ESR forekommer ikke-gyldige værdier af funktionskoden (32, 42 og 52 i perioden 01-01-2008 til 31-12-2012). Der er imidlertid kun ganske få forekomster, og fejlen er derfor ikke blevet rettet. , Bilag, Graf, Tabel, Populationer:, Lønmodtagere, Populationen i beskæftigelse for lønmodtagere (BFL) består af alle lønmodtagere ansat i danske virksomheder, hvor lønnen indberettes af arbejdsgiveren til SKAT's eIndkomst, uanset om lønmodtageren bor i Danmark eller udlandet., Værdisæt, U892505.TXT_FUNKKODE_VIW - Funktionskode til sektorplacering af arbejdsstedet, Kode, tekst, Fra dato, Til dato, 32, 01-01-1900, 31-12-2007, 33, 01-01-1900, 31-12-2007, 34, 01-01-1900, 31-12-2012, 41, 01-01-1900, 31-12-2012, 42, 01-01-1900, 31-12-2007, 31, 01-01-1900, 31-12-2012, 43, 01-01-1900, 31-12-2007, 51, 01-01-1900, 31-12-2012, 52, 01-01-1900, 31-12-2007, 53, 01-01-1900, 31-12-2007, 61, 01-01-1900, 31-12-2012, 62, 01-01-1900, 31-12-2012, 63, 01-01-1900, 31-12-2012, 70, 01-01-1900, 31-12-2012, 80, 01-01-1900, 31-12-2012, 90, 01-01-1900, 31-12-2012, 99, 01-01-1900, 33, 01-01-2008, 31-12-2012, 43, 01-01-2008, 31-12-2012, 53, 01-01-2008, 31-12-2012, 11, 01-01-2013, 12, 01-01-2013, 13, 01-01-2013, 14, 01-01-2013, 15, 01-01-2013, 16, 01-01-2013, 18, 01-01-2013, 21, 01-01-2013, 27, 01-01-2013, 28, 01-01-2013, 31, 01-01-2013, 32, 01-01-2013, 37, 01-01-2013, 38, 01-01-2013, 41, 01-01-2013, 42, 01-01-2013, 47, 01-01-2013, 48, 01-01-2013, 51, 01-01-2013, 52, 01-01-2013, 57, 01-01-2013, 58, 01-01-2013, 61, 01-01-2013, 62, 01-01-2013, 71, 01-01-2013, 72, 01-01-2013, 74, 01-01-2013, 75, 01-01-2013, 76, 01-01-2013, 77, 01-01-2013, 79, 01-01-2013, 81, 01-01-2013, 89, 01-01-2013, 91, 01-01-2013

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

Udenrigshandel med tjenester - månedlig

Her kan I indberette oplysninger til statistikken,  (English), Indberet via IDEP, Start indberetning, Læs om tidsforbrug her:, Hvor lang tid tager det typisk at indberette?, Fra 2025 findes Kosovo som landekode. Det betyder, at alt tjenestehandel til og fra Kosovo skal indberettes på XK., Hvad bliver jeres indberetning brugt til?, Her indberetter virksomheder deres import og eksport af tjenesteydelser med andre lande. Jeres indberetning er nødvendig for at kunne belyse omfang og udvikling af Danmarks samhandel (import og eksport) med tjenestydelser med andre lande. Statistikken bruges af økonomer, politiske beslutningstagere og virksomheder, der arbejder med udenrigshandel. Statistikken bruges endvidere som en vigtig informationskilde til betalingsbalancen og nationalregnskabet. Se , "Nyt fra statistikken", nederst på siden., Mere om indberetningen:, Hvornår er der frist for indberetning? , Periode, Frist, Januar 2025, 14. februar 2025, Februar 2025, 14. marts 2025, Marts 2025, 14. april 2025, April 2025, 14. maj 2025, Maj 2025, 16. juni 2025, Juni 2025, 14. juli 2025, Juli 2025, 14. august 2025, August 2025, 12. september 2025, September 2025, 14. oktober 2025, Oktober 2025, 14. november 2025, November 2025, 12. december 2025, December 2025, 15. januar 2026, Anmod om længere frist., Hvilke oplysninger skal I indberette? (oversigt over spørgsmål/kladde) , Her indberettes udenrigshandel med tjenester og poster til betalingsbalancen, som vi ikke har andre kilder til. Sidstnævnte omfatter blandt andet varehandel med udlandet, hvor varerne ikke kommer fysisk til Danmark., Læs mere om:, Udenrigshandel med tjenester - (PDF), ., Typisk tidsforbrug pr. indberetning er ca. 30-120 minutter, Læs mere om tidsforbrug, ., Hvordan kan I indberette? (vejledning m.m.), Indberet digitalt med MitID Erhverv. Ejere af enkeltmandsvirksomheder kan også indberette med deres private MitID til erhverv., Indberetning til , Udenrigshandel med tjenester, foretages online via programmet IDEP., Gå til vejledning for indberetning., Gå til vejledning for IDEP, filformater, dataimport m.m., Start indberetning, I har fire valgmuligheder:, UHT Excel line - hvis I skal indberette én periode for én virksomhed., UHT Multi Excel - I har her mulighed for at uploade en fil, der dækker flere CVR-/SE-numre, perioder og/eller varestrømme., Manuel indtastning i online-formular., Nulindberetning - hvis I ikke har haft udenrigshandel med tjenester i perioden., OBS, : Kun de originale standard regneark fra Danmarks Statistik kan udfyldes og uploades. Der kan ikke ændres i regnearkenes struktur og format., Hent regneark (UHT-fileksempler) og se vejledning til IDEP, ., 1) Udfyld og upload standard regneark "UHT Excel line" i IDEP, UHT Excel Line-fileksempel - (Excel)., Udfyld regnearket ovenfor, og gem det på din PC., Klik på , START INDBERETNING, øverst på denne side., Log på med , MitID Erhverv, ., Klik på , [+] Dan en indberetning, ., Vælg indberetning: , Udenrigshandel med tjenester, ., Vælg indberetningstype: , Dataimport fra fil, ., Vælg: , Statistisk periode, ., Klik på , Fortsæt, ., Vælg importformat: , UHT Excel Line, ., Klik på , Gennemse, , og find filen på din PC eller tablet - dernæst , Upload, ., Klik på , Fortsæt, ., Er data korrekt, klik , Kan godkendes, i kolonnen "Status"., Klik på , Gå til indberetningslisten, ., Klik på , Godkend og fortsæt , og, Send indberetning, ., 2) Udfyld og upload standard regneark "UHT Multi Excel" i IDEP, UHT Multi Excel-fileksempel - månedlig (Excel)., Udfyld regnearket ovenfor, og gem det på din PC., Klik på , START INDBERETNING, øverst på denne side., Log på med , MitID Erhverv, ., Klik på , [+] Dan en indberetning, ., Klik på , Multi import, ., Vælg importformat: , UHT Multi Excel, ., Klik på , Gennemse..., og find det udfyldte regneark på din PC eller tablet - dernæst , Upload, ., Vælg eventuelt arknavn: , Vælg ark med data i, ., Klik på , Fortsæt, ., Er data korrekt, klik , Kan godkendes,  i kolonnen "Status"., Klik på , Gå til indberetningslisten, ., Klik på , Godkend og fortsæt , og,  Send indberetning, ., 3) Indtast oplysninger manuelt i IDEP, Klik på , START INDBERETNING, øverst på denne side., Log på med , MitID Erhverv, ., Klik , [+] Dan en indberetning, ., Vælg indberetning: , Udenrigshandel med tjenester, ., Vælg indberetningstype: , Manuel indtastning, ., Vælg: , Statistisk periode, ., Klik på , Fortsæt, ., Klik , Opret, , og indtast oplysninger for hver enkelt tjenestekode., Vælg: , GEM - og tilføj flere, , , GEM - og se gemte poster, eller , RYD - og se gemte poster, ., Afslut ved at klikke på , Send indberetningen, . , 4) Nulindberetning for perioden, Klik på , START INDBERETNING, øverst på denne side., Log på med , MitID Erhverv, ., Klik , [+] Dan en indberetning, ., Vælg indberetning: , Udenrigshandel med tjenester, ., Vælg indberetningstype: , Nul udenrigshandel med tjenester i perioden, ., Vælg: , Statistisk periode, ., Klik på , Fortsæt, ., Afslut ved at klikke på , Send indberetningen, . , Find mere vejledning til , Udenrigshandel med tjenester - månedlig, og IDEP nedenfor., Vejledninger m.m., Vejledning til indberetning og tjenestekoder 2025 - (PDF), Vejledning til indberetning og tjenestekoder 2024 - (PDF), Quick-guide til Udenrigshandel med tjenester - månedlig 2025 - (PDF), Quick-guide til Udenrigshandel med tjenester - månedlig 2024 - (PDF), Tjenestekoder 2025 - (PDF), Tjenestekoder 2024 - (PDF), Landekoder 2025 (PDF), Landekoder 2024 - (PDF), Se vejledninger og skabeloner til indberetning via IDEP, Vejledning til IDEP, filformater, dataimport m.m., Indberetning til , Udenrigshandel med tjenester, foretages online via programmet IDEP. Du kan vælge at indtaste data manuelt i online-formularen eller importere data via en Excel-fil., Har du MitID erhverv, kan du straks benytte IDEP til indberetning., Bemærk, , at indberetning via IDEP skal ske i , HELE KRONER, ., Start IDEP, Dataimport “UHT Excel line” via IDEP, Virksomheder, der handler med mange forskellige lande og tjenestetyper (eller ønsker at udtrække oplysningerne fra deres regnskabssystem) kan benytte muligheden for at importere en Excel-fil. Hent vejledning og fileksempler nedenfor: , IDEP-vejledninger, Manuel indberetning, Erstatningsindberetning (ret eller erstat en indberetning), Tredjepartsindberetning, Dataimport-vejledninger, UHT Excel Line – dataimport, UHT Multi Excel – dataimport, UHT-fileksempler, UHT Excel Line-fileksempel (Excel), UHT Multi Excel-fileksempel – Månedlig (Excel), UHT Multi Excel-fileksempel – Kvartalsvis (Excel), Hvem skal indberette – og hvorfor? , Indberetningen er lovpligtig, EU-lovgivning forpligter Danmark til at producere en række statistikker om erhvervslivet., Lov om Danmarks Statistik §§ 8-12a, forpligter virksomheder til at indberette oplysninger til statistik., Antal virksomheder med indberetningspligt til denne statistik, Danmarks Statistik anmoder hvert år ca. 300 virksomheder om lovpligtig, månedlig indberetning til denne statistik., Hvordan udvælges virksomheder?, Virksomhederne med den største forventede udenrigshandel med tjenester skal indberette månedligt. Virksomheder i stikprøven med mindre udenrigshandel med tjenester indberetter kvartalsvist., Supplerende oplysninger, Kriterier for udvalg og opdatering af stikprøve (PDF), Læs mere om dataindsamling fra virksomheder, Hvor lang tid tager det typisk at indberette?, Typisk tidsforbrug pr. indberetning er ca. 30-120 minutter, Virksomheder bruger typisk ca. 30-120 minutter på denne indberetning – inklusiv adgang, fremskaffelse af oplysninger, indtastning og eventuel support., Hjælp til indberetning, Brug for hjælp?, Vores supportteam kan svare jer via e-mail eller ringe jer op., Support til indberetning., Længere frist?, I kan anmode om længere frist via vores supportformular., Anmod om længere frist., Seneste "Nyt fra statistikken", Eksporten steg i september, 10. november 2025 , I september steg den samlede eksport af varer og tjenester med 3,4 pct. til 181,7 mia. kr. Den samlede import faldt 1,1 pct. til 148,2 mia. kr., Tabeller i Statistikbanken om 'Betalingsbalancens løbende poster', Emneside: Udenrigshandel med tjenester, ., Statistikdokumentation: Udenrigshandel med tjenester.,  

https://www.dst.dk/da/Indberet/oplysningssider/udenrigshandel-med-tjenester-maanedlig

De fleste elbiler købes af personer med høj indkomst, lang uddannelse og parcelhus

Salget af elbiler er steget kraftigt de seneste år. Blandt køberne er en overrepræsentation af familier i de højeste indkomstgrupper, med de længste uddannelser og som bor i parcelhus. Inden for de seneste 2½ år er 39 pct. af de nye elbiler købt eller leaset af de 10 pct. af familierne med de højeste indkomster., 25. oktober 2023 kl. 7:30 ,  , Stadig flere anskaffer sig en elbil. Den 1. januar 2015 var der 2.900 elbiler i Danmark - tre et halvt år senere var tallet fordoblet til 6.100. Siden er der blevet kortere og kortere mellem fordoblingerne af antallet. I august 2023 var den samlede bestand af elbiler kommet op på 160.000, svarende til seks pct. af den samlede bestand af personbiler., Ud af de ca. 160.000 elbiler står familierne for 84 pct., mens resten er købt eller leaset af erhvervsdrivende. , Udvikling i bestanden af elbiler i Danmark 2015-2023, Kilde: Særkørsel på baggrund af Bilregistret, Dem, der anskaffer sig en elbil, ligner ikke den gennemsnitlige dansker: Hvis man har et lønmodtagerjob på højeste niveau eller et toplederjob, en lang uddannelse, en høj indkomst og bor i et parcelhus – så har man en markant større sandsynlighed end andre personer i Danmark for at have købt en ny, elbil det seneste to og et halvt år., Læs også: , ”Gennemsnitsdanskeren”, Af de 61.000 elbiler, der blev købt eller leaset de seneste 2½ år, blev 39 pct. anskaffet af de 10 pct. af familier i den højeste indkomstgruppe., Indkøbene af fossile biler er i samme periode mere jævnt fordelt i forhold til familiernes indkomst – dog stadig med en vis overvægt i de højeste indkomstgrupper., Andel af familier fordelt efter indkomstinterval, der har købt hhv. elbil og fossil bil, 1. jan. 2021 – 31. aug. 2023, Anm.: Andelen af gruppen ’udenfor arbejdsstyrken’ omfatter familier med uoplyst socioøkonomisk gruppe., Kilde: Særkørsel på baggrund af Bilregistret, Indkomst, Befolkningen er her inddelt i 10 lige store grupper (deciler) efter størrelsen af familiens indkomst. De 10 pct. med lavest indkomst ligger i 1. decil og de højeste indkomster i 10. decil. , Der er taget højde for antallet af medlemmer i den enkelte familie – en såkaldt ækvivalensvægtet indkomst – da det præciserer familiens forbrugsmuligheder., Lønmodtagere på højeste niveau og topledere er overrepræsenteret, Ser man på elbilkøbernes status på arbejdsmarkedet – om man fx er arbejdsløs, selvstændig, lønmodtager osv. – tegnes et mønster med synlig overrepræsentation i to grupper, nemlig lønmodtagere på højeste niveau og topledere (se faktaboks), Mens toplederne udgør 3 pct. af befolkningen, udgør de 10 pct. af elbilkøberne de seneste 2½ år. Og lønmodtagere på højeste niveau, som udgør 10 pct. af befolkningen, udgør 28 pct. af elbilkøberne., Socioøkonomiske grupper, Den socioøkonomiske opdeling på forskellige niveauer defineres af niveauet for færdigheder., Topledere:, Omfatter personer med ledelsesarbejde på øverste administrative niveau.  , Lønmodtagere højeste niveau:, Omfatter personer med arbejder der forudsætter højeste færdighedsniveau (fx læge, advokat, præst), Lønmodtagere mellemniveau:, Omfatter personer med arbejde, der forudsætter mellemste færdighedsniveau (fx laborant, programmør, sygeplejerske), Lønmodtagere grundniveau:, Omfatter personer med arbejde, der forudsætter færdigheder på grundniveau (fx kontorarbejde, kundeservice, landbrugsarbejde)., Andel af elbilkøb og befolkning fordelt efter socioøkonomiske grupper, 1. jan. 2021 – 31. aug. 2023, Anm.: Andelen af gruppen ’udenfor arbejdsstyrken’ omfatter familier med uoplyst socioøkonomisk gruppe., Kilde: Særkørsel på baggrund af Bilregistret,  , Når det gælder uddannelsesniveau blandt elbilkøberne, ses en overrepræsentation blandt personer med de længste uddannelser. Denne gruppe udgør 11 pct. af befolkningen, men 29 pct. af elbilkøberne., Også personer med en mellemlang videregående uddannelse er overrepræsenteret, men i lidt mindre grad: de udgør 15 pct. af befolkningen, og 24 pct. af elbilkøberne. I den anden ende af skalaen ligger personer med grundskole som højeste uddannelsesniveau. De udgør 16,5 pct. af befolkningen, men kun 2,5 pct. af elbilkøberne., De fleste elbilkøbere bor i parcelhus, Endelig skiller en gruppe sig også markant ud, når det gælder boligform: ca. to tredjedele (64 pct.) af elbilerne blev købt af personer med adresse i et parcelhus, mens denne gruppe kun udgør ca. en tredjedel (35 pct.) af befolkningen., Omvendt er personer, der bor i etagebolig, synligt underrepræsenteret: 34 pct. af befolkningen bor i etagebolig, men de står for kun 14 pct. af de købte elbiler det seneste 2½ år., Andel elbilkøbere fordelt efter boligform, 1. jan. 2021 – 31. aug. 2023, Anm.: Andelen af gruppen ’uoplyste og andre’ omfatter familier med uoplyst boligform., Kilde: Særkørsel på baggrund af Bilregistret, Geografisk mere lige fordeling, Elbilkøberne fordeler sig på stort set samme måde som befolkningen i forhold til, hvor store byer vi bor i. Eksempelvis bor 24 pct. af befolkningen og 22 pct. af elbilkøberne i hovedstadsområdet, mens 14 pct. af befolkningen og 13 pct. af elbilkøberne bor i landdistrikterne. Og i byer med et indbyggertal på mellem 50.000 og 100.000 (som fx Esbjerg og Kolding) bor 7 pct. af befolkningen – og knap 7 pct. af elbilkøberne., På kommuneniveau tegner der sig et lidt mere varieret billede. I en håndfuld kommuner nord for Købehavn er der en synlig overrepræsentation af elbilkøbere i forhold til, hvor stor en andel kommunens indbyggertal udgør af befolkningen., Rudersdal Kommune ligger i top målt på forskellen mellem andel af elbilkøbere og andel af befolkningen. Ud af alle de familier i hele landet, der har købt elbil inden for de sidste 2½ år, bor 2,29 pct. i Rudersdal, mens kun 0,87 af alle familier i landet bor i kommunen. 0,95 pct. af de familier, der har købt elbil, bor I Hørsholm, mens kun 0,39 pct. af alle familier bor i kommunen. De andre i denne ’Top Fem’ er Allerød, Furesø og Dragør., I den anden ende ligger bl.a. Københavns Kommune, hvor 12,7 pct. af alle familier i landet bor - men kun 7,6 pct. af elbilkøberne., FAKTA - køb og leasing, Alle beregninger vedr. køb/leasing omfatter perioden 1. januar 2021-31. august 2023, hvor , familierne anskaffede ca. 61.000 elbiler, hvoraf 9.600 blev leaset., FAKTA - fossile biler, De familier, der har købt fossil bil i perioden 1. januar 2021 til den 31. august 2023, fordeler sig i højere grad ligesom befolkningen, når det gælder både socioøkonomiske grupper, uddannelse og boligform. Der er stadig en vis overrepræsentation af fossilbil-købere i de tre lønmodtagergrupper, i grupper med de længste uddannelser og i familier med bolig i parcelhus sammenlignet med gruppernes andel af befolkningen – men synligt mindre end for elbilkøberne. Fx udgør lønmodtagere på højeste niveau 10 pct. af befolkningen, og 14 pct. af køberne af fossile biler. Lønmodtagere på grundniveau, som udgør 17 pct. befolkningen, udgør 21 pct. af køberne af fossile biler., Læs også: , Rekordstor andel af nye elbiler i september,  (Nyt fra Danmarks Statistik),  

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2023/2023-25-11-portraet-af-elbilkoeberen

Bag tallene