Benchmark af erhvervsuddannelserne

Størrelse: px
Starte visningen fra side:

Download "Benchmark af erhvervsuddannelserne"

Transkript

1 Rockwool Fondens Forskningsenhed Arbejdspapir 33 Benchmark af erhvervsuddannelserne Peter Bogetoft og Jesper Wittrup Syddansk Universitetsforlag Odense 2014

2 Benchmark af erhvervsuddannelserne Arbejdspapir 33 Udgivet af: Rockwool Fondens Forskningsenhed i kommission hos Syddansk Universitetsforlag Kopiering af dette notat må kun finde sted på institutioner, der har indgået aftale med Copy-Dan og kun inden for de i aftalen nævnte rammer Adresse: Rockwool Fondens Forskningsenhed Sølvgade 10, 2.tv København K Tlf e-post: forskningsenheden@rff.dk ISBN ISSN August 2014

3 Benchmarking af danske erhvervsskoler Peter Bogetoft og Jesper Wittrup Resumé I dette arbejdspapir diskuterer vi, hvorledes de danske erhvervsskoler kan benchmarkes, og vi præsenterer resultaterne af en række beregningsmodeller. Det er begrebsmæssigt kompliceret at benchmarke erhvervsskolerne. Skolerne udbyder en lang række forskellige uddannelser. Det gør det vanskeligt at sammenligne de anvendte ressourcer, idet nogle uddannelser naturligt kræver flere undervisningstimer og udstyr end andre. Det gør det også vanskeligt at sammenligne skoleeffekterne vha. karakterer, idet de forskellige uddannelser anvender meget forskellige prøveformer. Udover disse begrebsmæssige udfordringer er erhvervsskoleanalyserne udfordret på datasiden. Det er i mange tilfælde vanskeligt at sikre korrespondance mellem de anvendte ressourcer og de elevrelaterede karakteristika, idet eleverne registreres på institutionsniveau og ressourcerne på overliggende hovedskoleinstitutionsniveau. I arbejdspapiret har vi restringeret analyserne til cirka. 40 erhvervsskoler, hvor vi umiddelbart kan sikre korrespondancen mellem ressource og elevopgørelser 1. Skolerne forskellige bidrag er samtidigt forsøgt opsummeret i to generelt relevante effekter, nemlig fastholdelse af eleverne og beskæftigelse af de færdiguddannede. Analyserne viser, at erhvervsskolernes effektivitet varierer betydeligt. Hvis alle uddannelser antages at være lige værdifulde for samfundet, kan der i gennemsnit spares 9-33% i undervisningstaxametre. Denne besparelse kan opnås uden at sænke skolernes fastholdelses- og beskæftigelseseffekt. De danske registerdata gør det muligt at lave relevante mål for skolernes ydelser, herunder deres evne til fastholde eleverne og at sikre dem efterfølgende beskæftigelse. På den anden side er ressourceopgørelserne noget mindre sofistikerede. Fremadrettet vil det derfor være nyttigt med yderligere data om anvendte ressourcer og procedurer på institutionsniveau. Det vil muliggøre dybere forståelse for, hvad der virker og ikke virker indenfor erhvervsuddannelserne, og hvorledes erhvervsskolerne kan lære af hinanden. 1. Indledning Erhvervsuddannelserne er praktisk betonede uddannelser. Uddannelserne er normeret til mellem 1½ og 5 år. Den typiske erhvervsfaglige uddannelse er på 3 til 4 år og starter med et grundforløb på skolen, som efterfølges af et hovedforløb, hvor der veksles mellem skole og praktik. Størstedelen af hovedforløbet foregår i praktik. Praktikken foregår som udgangspunkt i en virksomhed, men kan der ikke findes praktikplads udenfor skolen, skal eleven tilbydes skolepraktik. Erhvervsuddannel- 1 I Appendiks præsenteres desuden tilsvarende analyser for en gruppe af erhvervsskoler, hvor vi har anvendt sammenvejede eleveffekter på hovedskoleniveau. Denne stikprøve omfatter godt 60 skoler, og resultaterne af de to analyser er i øvrigt meget ens. 1 1

4 serne udbydes af erhvervsskolerne, som går under navne som erhvervsskole, handelsskole, AMUcenter, landbrugsskole og social- og sundhedsskole. En skole kan godt have flere erhvervsuddannelser samtidig med, at de også ofte udbyder Htx og/eller Hhx Skolernes og uddannelsernes heterogenitet gør det begrebsmæssigt kompliceret at benchmarke erhvervsskolerne. Det er vanskeligt at sammenligne de anvendte ressourcer, idet nogle uddannelser naturligt kræver flere undervisningstimer og udstyr end andre. Det er også vanskeligt at sammenligne det faglige løft, som det er skolernes opgaver at give de studerende. Vi kan fx ikke sammenligne de karakterer, som opnås på forskellige uddannelser, da disse anvender meget forskellige prøveformer i meget forskellige faglige områder. Benchmark af erhvervsskolerne er derfor noget vanskeligere end benchmark af de almene gymnasier, som vi analyserede i Bogetoft og Wittrup (2014), og folkeskolerne, som vi analyserede i Bogetoft og Wittrup (2011). Der er to principielt forskellige måder at håndtere erhvervsskolernes forskellige ressourceforbrug på. På den ene side kan man spørge, hvad samfundet får ud af en budgetkrone på forskellige skoler. I en sådan analyse anvendes de totale taxameterbidrag eller lønkroner som input i en analyse. En anden mulighed er at antage, at de officielle taxameterværdier for de forskellige uddannelser afspejler reelle omkostningsforskelle ved effektiv drift. Hvis dette er tilfældet, kan man justere ressourceforbruget med disse takster. Det betyder de facto, at de enkelte skoler antages at bruge samme enhedsomkostning per elev uagtet forskelle i kronebeløbet, som er anvendt. Samfundsøkonomisk er taxametertilgangen særlig interessant, hvis vi samtidig kan opgøre den samfundsmæssige nytte af uddannelserne og dermed lave en egentlig cost-benefit analyse. Da vi ikke kan gøre dette, må vi i en sådan analyse i stedet antage, at de forskellige uddannelser har samme samfundsøkonomiske værdi. Ud fra en cost-benefit betragtning stiller det naturligvis de billige uddannelser i et favorabelt lys. Enhedsomkostningstilgangen er tilsvarende særlig interessant, hvis vi antager, at taxameterværdierne reelt afspejler uddannelsernes samfundsøkonomiske værdi. I så fald vil enhedsomkostningsanalysen svare til en samlet cost-benefit analyse. Da ingen af disse antagelser (samme samfundsøkonomiske værdi af alle uddannelser eller samfundsøkonomiske værdier som er proportionale med taxametrene) formodentligt er fuldt dækkende, har vi i papiret valgt at gennemføre analyser under begge forudsætninger. På outputsiden producerer skolerne ikke alene forskellige uddannelser, men også uddannelser af forskellig kvalitet. Heterogeniteten af uddannelser og prøveformer gør det ikke muligt som i folkeskole- og gymnasieanalyserne at anvende karakterer ifm måling af det faglige løft, som skolerne bibringer eleverne. Det er altså nødvendigt at finde andre præstationsmål. Man kan også mene, at 2 2

5 det faglige løft i sig selv er mindre interessant, og at det væsentlige er de effekter, som skolegangen har. Det interessante er i den forbindelse, om eleverne gennemfører uddannelsen og får beskæftigelse. Disse effekter af uddannelsesindsatsen kan begge opfattes som sandsynligheder, nemlig for at gennemføre en uddannelse og for at komme i beskæftigelse. Det er klart, at disse effekter skal beregnes med omhu, hvis de skal afspejle skolernes indsats. Begge effekter skal korrigeres for elevernes socioøkonomiske baggrund og folkeskoleresultater, ligesom beskæftigelseseffekten skal justeres for beskæftigelsesmulighederne i skolens nærområde. Til dette formål har vi analyseret omfattende registerdata. Udover disse begrebsmæssige udfordringer er erhvervsskoleanalyserne udfordret på datasiden. I enhver benchmarkanalyse er det vigtigt, at der er en god korrespondance mellem input og output. Det betyder, at vi skal medregne alle ressourcer, som bidrager til outputtet, og at vi ikke må medtage ressourcer, som anvendes til andre formål. Korrespondancen er vanskelig at etablere på erhvervsskoleområdet, fordi eleverne og dermed fastholdelses- og beskæftigelsessandsynlighederne opgøres på såkaldt institutionsniveau, mens ressourceopgørelserne foreligger på hovedskoleinstitutionsniveau (hoskinst). Eftersom vi ikke i alle tilfælde har elevresultater for alle de institutioner, som er tilknyttet en given hovedskoleinstitution, kan vi ikke være sikre på at opnå dækkende resultater, hvis vi aggregerer elevresultaterne til hovedskoleinstitutionsniveau. Vi har valgt at møde denne udfordring med forsigtighed. Vi anvender som udgangspunkt kun data fra de 39 (og i enkelte tilfælde 66) erhvervsskoler, hvor vi er sikre på, at der kan etableres en korrespondance mellem ressourcer og ydelser. I Appendiks viser vi dog også resultater for en gruppe på godt 60 hovedskoler, hvor vi har anvendt en sammenvejning af elevresultaterne på de underliggende institutioner. Analysen af de omfattende data kræver naturligvis brug af avancerede statistiske redskaber. Vi beskriver ikke de tekniske aspekter i detaljer, for de er generelt veldokumenterede i den videnskabelige litteratur. På det generelle plan kan der dog være grund til at fremhæve brugen af to principielle tilgange, nemlig gennemsnits- og frontiermetoder. Gennemsnitsmetoderne forsøger at forklare, hvordan den gennemsnitlige sammenhæng er mellem en række socioøkonomiske faktorer på den ene side og fastholdelse og beskæftigelse på den anden side. Afvigelser fra den gennemsnitlige sammenhæng kan dernæst dekomponeres i elevspecifikke og institutionelle bidrag. Dette er blandt andet vigtigt, når vi vil vurdere institutionerne. Deres bidrag er at fastholde eleverne og bringe dem i beskæftigelse udover det niveau, som er betinget af elevernes baggrund hjemmefra og fra folkeskolen. Institutionerne bør vurderes på denne løfteevne og ikke alene på elevernes sluttelige situation. 3 3

6 Frontiermetoderne forsøger at finde de bedste institutioner. Idéen bag disse metoder har efterhånden fundet bred udbredelse, og begrebet bedste praksis er blevet en del af den politiske jargon. De bedste institutioner kan defineres på mange måder, men den generelle idé er at finde institutioner, som bruger færrest mulige ressourcer til at producere flest mulige ydelser. Vi har i dette arbejdspapir især bruge de såkaldte Data Envelopment Analysis (DEA) 2 -metoder til at finde sådanne forbilleder. Det er nødvendigt at kende bedste praksis for at kunne beregne, hvad der i bedste fald (det vil sige, hvis alle adopterer bedste praksis) kan spares. Det er tilsvarende nødvendigt at kende bedste praksis, hvis man vil vurdere, hvor meget serviceniveauet kan forøges uden brug af ekstra ressourcer. Bedste praksis er endelig relevant ud fra et læringsperspektiv. Det er naturligvis mere relevant at lære af de gode end af de middelmådige institutioner. Bedste praksis-sammenligninger er imidlertid også farlige. De kan specielt være misvisende, hvis de institutioner, man sammenligner, er underlagt grundlæggende forskellige rammevilkår i form af elevsammensætningen, beskæftigelsessituationen i lokalområdet osv. I analyserne er det derfor ikke alene relevant at korrigere fastholdelses- og beskæftigelseseffekterne for sådanne forhold, men også at identificere og indlægge en række restriktioner på sammenligneligheden. I det følgende gives der først en kort beskrivelse af erhvervsskolerne og de mange uddannelser, som disse udbyder. Dernæst diskuteres i afsnit 3 opgørelsen af ressourceforbruget og måling af skoleeffekterne, fastholdelse og beskæftigelse, herunder de økonometriske modeller som vi har anvendt til beregning af disse effekter. Vi vender os derefter i afsnit 4 mod forskellige modeller til måling af skolernes effektivitet. Resultaterne præsenteres i afsnit 5, og afsluttende bemærkninger gives i afsnit 6. 2 Se for eksempel Bogetoft & Otto (2011) og Bogetoft (2012) for en gennemgang af DEA- og andre frontiermetoder. Metoderne har været brugt til efficiensvurderinger af en meget lang række private og især offentlige institutioner, herunder skoler, universiteter, hospitaler, militære enheder, postkontorer, politi og domstole. I Danmark har metoderne ligeledes været anvendt af ministerier eller på konsulentbasis indenfor en række områder. De første danske anvendelser vedrørte evaluering af forskningsinstitutter og hospitaler, jf. Jennergren & Obel (1986) samt Bogetoft, Olesen & Petersen (1987). En tidlig bred, ikke-teknisk dansk indføring i blandt andet DEA-metoderne er Christensen, Fristrup & Hougaard (1991). Finansministeriet (2000) gav en introduktion til benchmarkingmetoder og DEA i særdeleshed og diskuterede i den forbindelse en række anvendelser. I dette kapitel anvender vi en tilgang, som er nærmere beskrevet i Bogetoft & Wittrup (2011), hvor vi også giver en introduktion til centrale internationale analyser af uddannelsesinstitutioner. 4 4

7 2. Erhvervsskolerne Der er 12 indgange til erhvervsuddannelserne. Disse opdeler uddannelserne efter emne som fx bygge og anlæg eller transport og logistik. Herunder findes der i alt omkring 130 (129 i 2009) uddannelser. Disse inkluderer kendte uddannelser inden for bl.a. byggeri, jordbrug, handel og service og personpleje, men man kan fx også blive fitnessinstruktør. Antallet af studerende på de forskellige hovedforløb fremgår af Tabel 1 nedenfor. Tabel 1 EAK bestand (Antal studerende som er i gang med en uddannelse per 30 sept.), databanken, Uni- C. Stort set alle tekniske skoler og handelsskoler udbyder både erhvervsuddannelser og erhvervsgymnasiale uddannelser (Htx og/eller Hhx). Skolerne er selvejende institutioner, hvor de fleste har privat selveje og nogle få har offentligt. Der har de seneste år været en omfattende fusionsbølge, og antallet af erhvervsskoler er halveret inden for de seneste 15 år. Der findes ikke færre fysiske uddannelsessteder, men administrativt og ledelsesmæssigt er der blevet færre enheder. Erhvervsskolerne er finansieret på sammen måde som gymnasierne, med et grundtilskud, et aktivitetsbeløb og et færdiggørelsestilskud. Takstsystemerne er dog relativt komplicerede (fx er der 48 forskellige takster angående drift). Der er ikke sammenfald mellem indgange og takster. Alle indgange omfatter således hovedforløb med forskellige takster. F.eks. inden for indgangen mad til mennesker svinger undervisningstaksten fra kr. for en tjener eller receptionist til kr. for en industrislagter eller tarmrenser, jf. Tabel

8 Tabel 2 Taktser indenfor hovedindgangen Uddannelser inden for indgangen "Mad til mennesker", Takstkatelog fra Finanslov Prøveformerne og prøveindholdet er tilpasset de enkelte uddannelser. I de fleste erhvervsuddannelser er den afsluttende prøve en kombination af projektarbejde med praktisk indhold og en teoretisk prøve. Undervejs i uddannelserne har eleverne også grundfag som eksempelvis dansk, engelsk, matematik. Disse fag afsluttes typisk med mundtlige prøver. Fagene er tilpasset den uddannelse, som eleven gennemfører; eksempelvis er matematikfaget på tømreruddannelsen og uddannelsen til smed ikke ens. De mundtlige eksamener tager ofte udgangspunkt i en skriftlig projektrapport, en case eller i en portfolio. Alt i alt betyder det, at det er vanskeligt at lave karaktersammenligninger mellem uddannelserne og skolerne Forskellige skoler udbyder forskellige kombinationer af erhvervsuddannelser. Man kan derfor overveje, om den naturlige analyseenhed, dvs de enheder som skal sammenlignes, er hele skoler eller specifikke uddannelser på forskellige skoler. Det sidste, dvs. sammenligning af hvordan specifikke uddannelser gennemføres på de forskellige skoler, giver i en vis forstand den reneste sammenligning, idet uddannelsernes heterogenitet gør det vanskeligt at sammenligne på tværs af disse. På den anden side er fokus på enkeltuddannelser kompliceret af, at mange uddannelser kun udbydes på få skoler, hvorfor der er begrænsede muligheder for sammenligning. Dette fremgår af Figur 1, hvor vi for alle 129 uddannelser i 2009 har optalt, hvor mange skoler uddannelserne udbydes på. Mere præcist har vi for hver uddannelse optalt, hvor mange skoler der har mere end 5 elever på uddannelsen. Vi ser at kun 5 uddannelser optræder med mere end 5 elever på mindst 30 skoler. Disse er detailhandelsuddannelsen (54 skoler), kontoruddannelsen (49 skoler), handelsuddannelsen (39 skoler), træfagenes byggeuddannelse (33 6 6

9 skoler), og smedeuddannelsen (30 skoler). Der er altså kun få erhvervsuddannelser, som udbydes på tilstrækkeligt mange skoler, og hvor sammenligninger derfor kan være interessante. Figur 1 Opdeling af 129 erhvervsuddannelser efter det antal skoler, som udbyder uddannelserne og har med mindst 5 elever, Fokus på enkeltuddannelser kompliceres yderligere af, at det regnskabsmæssigt kan være vanskeligt identificere de omkostninger, som knytter sig til forskellige uddannelser. En mulighed er naturligvis at antage, at taxametrene per konstruktion er retvisende. En anden mulighed ville være at gruppere uddannelserne, så det er en gruppe af uddannelser, der sammenlignes på tværs af skolerne. Heller ikke dette er dog nogen nem opgave, idet det for det første kræver en gruppering af erhvervsuddannelserne, og for det andet at de økonomiske nøgletal kan bestemmes på gruppeniveau. Undervisningsministeriet har forsøgt dette i de såkaldte ressourceregnskaber, som efter 5 års udviklingsarbejde og brug af 36 mio. kr. blev opgivet i 2012, jf. fx version2 (2012). Brugen af skoler som analyseenhed gør det lettere at identificere de anvendte ressourcer. Sammenligning af skolerne har dog den ulempe, at forskellige skoler har forskellige kombinationer af uddannelser, og at det kan være lettere at generere positive uddannelseseffekter på nogle uddan- 7 7

10 nelser end andre. En skole med mange uddannelser, hvor det er let at generere positive effekter, kan således umiddelbart blive favoriseret i sammenligningerne. Det problem kan vi dog i vid udstrækning komme omkring ved at anvende betingede resultatindikatorer, dvs. ved fx at tillade, at forskellige uddannelser har forskellige beskæftigelsesudsigter, og at opgøre en skoles bidrag relativt til udsigterne for de uddannelser, som skolen udbyder. Vi har af disse grund valgt i første omgang at anvende skolerne som analyseenhed, men vi udelukker ikke, at benchmark af specifikke uddannelser fremadrettet også kan være relevante. I særdeleshed kunne det være interessant at gennemføre specifikke analyser af de 5 uddannelser, som har mere end 5 elever på mindst 30 skoler, dvs af detailhandelsuddannelsen, kontoruddannelsen, handelsuddannelsen, træfagenes byggeuddannelse, og smedeuddannelsen. 3. Ressource- og effektmål Man skelner traditionelt mellem effektivitets- og efficiensanalyser. Effektivitetsanalyser sammenholder formålet med en aktivitet med den effekt, aktiviteten har, mens en efficiensanalyse (på dansk ofte kaldet en produktivitetsanalyse) 3 tager et noget mere snævert fokus og sammenholder de input (ressourcer), som anvendes med de output (servicer), som produceres. Det er generelt vanskeligt at måle såvel formål som sluttelige effekter, og derfor er efficiensanalyser mere almindelige end effektivitetsanalyser. Taxametersystemerne på ungdomsuddannelsesområdet gør dog, at efficiensanalyser alt andet lige er lidt mindre interessant på netop dette område. Taxametersystemerne, med faste takster per elev, determinerer i høj grad uddannelsesinstitutionernes produktivitet, forstået som forholdet mellem antal elever og udgifter eller indtægter. Derfor vil vi her koncentrere os om analyser, der inkluderer effektmål. Dels i form af rene effektivitetsanalyser, hvor effektindikatorer bruges som output, dels i form af avancerede efficiensanalyser, der inddrager effektmål i fastlæggelsen af sammenligningsgruppen. Ideelt set kræver en god effektivitetsanalyse, at alle medgående ressourcer inddrages, og alle relevante servicer identificeres. Vi søger således efter komplette beskrivelser. Desuden er det vigtigt, at der er en klar korrespondance mellem input og output. Ressourceopgørelsen må ikke indeholde elementer, som anvendes til andre formål end de registrerede output. Tilsvarende må servicemålet ikke inddrage output, som hidrører fra andre ressourcer end dem, som indgår på inputsi- 3 I den engelske litteratur er efficiency spørgsmålet om at bruge færrest mulige input til at producere flest mulige output, mens productivity refererer til udviklingen over tid. På dansk bruges produktivitet ofte i betydningen efficiency. 8 8

11 den. I praksis er det svært at opnå dette ideal, ikke mindst når man skal basere sig på allerede eksisterende data og ikke kan tilrettelægge indsamlingen og standardiseringen af data direkte med sigte på benchmarkingopgaven. Man må derfor nøjes med forskellige indikationer på de indgående ressourcer og de leverede ydelser. Tabel 3 nedenfor giver eksepmpler på mulige input og output. Der skelnes her mellem analyser på aggregeret niveau, hvor input og/eller output opgøres i mere summarisk form, og disaggregerede analyser, hvor input og/eller output beskrives i mere detaljeret grad. De aggregerede modeller har den fordel, at det med givne data er lettere at skabe korrespondance mellem input og output. Kvaliteten af data er formodentligt også højere på aggregeret niveau end på disaggregeret niveau, hvor forskellige regnskabsmæssige fordelingsnøgler mv. kan skabe kunstige forskelle. De disaggregerede analyser har på den anden side den fordel, at de giver bedre forståelse for, hvad forskellige institutioner gør forskelligt, og hvad der dermed også adskiller de produktive institutioner fra de mindre produktive. Med data af høj kvalitet vil det derfor være mest interessant at anvende disaggregerede analyser. Niveau Aggregeret Disaggregeret Ressourcer (input) Servicer (output) Totale omkostninger eller Totale statslige udgifter (taxameterbetaling) Fagligt løft Fastholdelse Efterfølgende beskæftigelse og videreuddannelse Fysiske opgørelser af personale, bygninger osv. eller Omkostninger til lønninger, anden drift, kapital osv. Fagligt løft i forskellige fag og eventuelt for forskellige grupper af elever Fastholdelse på forskellige uddannelser Efterfølgende beskæftigelse fra forskellige uddannelser Tabel 3 Mulige input og output i modeller af erhvervsuddannelserne Når det drejer sig om inputsiden, er det desværre vanskeligt at sikre relevante disaggregerede opgørelser. Det hænger især sammen med, at den indberettende enhed kan omfatte flere forskellige underinstitutioner og uddannelsesretninger. Det drejer sig både om de økonomiske nøgletal, som for eksempel findes i Undervisningsministeriets regnskabsdatabase, og de opgørelser af ansatte mv., 9 9

12 som indsamles af Danmarks Statistik. På inputsiden vil vi derfor i vid udstrækning basere vores ressourceopgørelse på aggregerede opgørelser 4. For at sikre korrespondance mellem input og output er vi derudover tvunget til at begrænse det antal erhvervsskoler, som sammenlignes. Det hænger sammen med, at ressourceopgørelserne foreligger på overliggende hovedskoleinstitutionsniveau, mens elevkarakteristika opgøres på underliggende institutionsniveau. Vi har valgt at tage en forsigtig tilgang til dette problem, og vi vil derfor i første omgang 5 kun uddrage de 39 erhvervsskoler, hvor vi direkte kan sikre en korrespondance mellem ressource og elevopgørelser. I de analyser, som ikke trækker direkte på ressourcedata, har vi i stedet anvendt data fra 66 erhvervsskoler. De skoler som indgår i analyserne fremgår af Tabel 4 nedenfor. 4 5 Analyserne bygger på registerdata af alle danske elever, som i tog eksaminer fra de gymnasiale uddannelser, eller som afsluttede en ungdomsuddannelse. Vi har samtidig indsamlet data fra Danmarks Statistik om de ansatte ved uddannelsesinstitutionerne, herunder information om uddannelsesmæssig baggrund, anciennitet, køn mv. Endelig har vi anvendt informationer om regnskabsmæssige forhold på ungdomsuddannelsesinstitutionerne fra Undervisningsministeriets regnskabsdatabase og fra Danmarks Statistik. I Appendiks præsenteres vi som nævnt tilsvarende analyser for en gruppe af erhvervsskoler, hvor vi har anvendt sammenvejede eleveffekter på hovedskoleniveau. Denne stikprøve omfatter godt 60 skoler, og resultaterne af de to analyser er i øvrigt meget ens

13 Tabel 4 Erhvervsskolerne i den primære analyse 11 11

14 Ressourceopgørelser I de datasæt, vi har etableret, er der adgang til forskellige indikatorer på de anvendte ressourcer. Taxametertilskuddet skønnes i den forbindelse at være en særlig sikker indikator. Man kan endda argumentere for, at det ud fra en samfundsøkonomisk betragtning er det mest relevante input. Samfundsøkonomisk er det afgørende, hvad det koster, og hvad der opnås. Det er mindre væsentligt, hvordan institutionerne bruger ressourcerne, så længe de leverer value for money. Vi mener derfor som udgangspunkt, det er de taxameterbaserede analyser, som har høj kvalitet. Disaggregerede opgørelser er også interessante, ikke mindst i et læringsmæssigt perspektiv, og vi vil da også præsentere analyser med sådanne, men det er vigtigt at forstå, at de er mere usikre. Inddragelsen af disaggregeret information kan desuden ske via såkaldte efteranalyser, hvor en eventuel sammenhæng mellem effektiviteten og de mere specifikke valg af inputsammensætning mv. analyseres. En simpel variant af idéen om at bruge taxametertilskud som input er idéen om en enhedsomkostning. De studerende på forskellig uddannelser udløser, som vi så, forskellige taxametertilskud, og man må gå ud fra, at disse i rimeligt omfang afspejler reelle omkostningsforskelle. Ved derfor at betragte alle uddannelser som udløsende den samme enhedsomkostning må man forvente, at det er rimeligt at sammenligne de resultater, der genereres på de forskellige uddannelser uden skelen til, hvad disse koster. Brugen af enhedsomkostninger har også den fordel, at eventuelle færdiggørelsestaxametertilskud ikke får institutioner, som er gode til at færdiggøre eleverne, til at se særligt ineffektive ud. Det er jo trods alt et politisk ønske, at eleverne skal afslutte deres uddannelser. I enkelte af analyserne har vi også inddraget mere disaggregerede oplysninger om institutionernes ressourceforbrug. Det drejer sig primært om lønomkostninger eller årsværk, som anvendes til henholdsvis undervisning og andre formål (administration mv). Opgørelserne af disse indikatorer skønnes at være noget mere usikre, men de er ikke desto mindre interessante som illustration af, hvad man kunne opnå med standardiserede opgørelser af ressourcer og procedurer, som anvendes på de enkelte institutioner. Ved at inddrage sådanne informationer er det muligt at dykke ned i, hvorfor nogle skoler præsterer bedre end andre er det fx fordi de ikke har tilstrækkeligt volumen, eller er det fordi administrationen er for stor (eller lille)? I Tabel 5 nedenfor findes en oversigt over centrale ressourceindikatorer i den stikprøve på 39 skoler, som vi i det følgende til sammenligne

15 Tabel 5 Summariske oplysninger om de 39 erhvervsskoler. Alle variable er beregnede som vægtede gennemsnit med vægte svarende til de elever, der er optaget på en erhvervsskoler i årene 2008 til 2010, og som har taget eksaminer i perioden 2009 til Stikprøven dækker elever i 2008, hvor der totalt set var elever på erhvervsskolerne. Vi bygger altså i de fleste tilfælde på sammenligning af skoler, som underviser cirka en tredjedel af de erhvervsuddannelsessøgende. I den forbindelse skal det bemærkes, at vores skøn af bedste praksis og dermed at forbedringspotentialerne dermed bliver konservativt. Jo større et antal skoler der sammenlignes, jo bedre bedste praksis og jo større potentialer kan man i almindelighed finde

16 Anonymitetskravet (og kravet om fx mere end 5 individer i de relevante grupper) i ifm anvendelse af registerdata gør desværre, at en del interessante karakteristika ikke altid kan identificeres. Hvis skolerne selvstændigt vælger at dele data ifm læringsbaseret benchmarking, således som det fx sker i flere andre brancher, vil der formodentligt opstå væsentligt bedre muligheder for gensidig læring og for at forstå årsagerne til en skoles eventuelle ineffektivitet. Effektindikatorer På outputsiden er det som nævnt umuligt at sammenligne karakterer blandt de mange erhvervsuddannelser. Man kan også sige, at karakterer er et slags mellemprodukt i forhold til erhvervsskolernes primære formål, nemlig at uddanne de unge til beskæftigelse. Skolernes bidrag er derfor forsøgt opsummeret i to generelt relevante effekter, nemlig fastholdelse af eleverne og beskæftigelse af de færdiguddannede. Udgangspunktet for databearbejdningen er, at vi har identificeret alle de individer, der er påbegyndt en erhvervsuddannelse i perioden fra 2002 til Disse individer kan vi så kæde en række baggrundsoplysninger på, herunder oplysninger om deres forældre og om, hvordan de klarede sig i folkeskolen samt oplysninger om deres forløb på ungdomsuddannelsen. Nogle ungdomsuddannelsesinstitutioner optager mange ældre elever. Men henblik på at rette fokus på de unges skoleforløb har vi i forbindelse med analyserne sorteret alle de elever fra, der var mere end 20 år ved påbegyndelsen af ungdomsuddannelsen. Skolerne bliver således kun vurderet på deres resultater i forhold til gruppen af elever, der var 20 år eller yngre, da de påbegyndte uddannelsen. Det er relevant at inddrage såvel fastholdelsesprocenter (fuldførelsesprocenter) som beskæftigelsesfrekvens efter endt uddannelse. Det er vigtigt at have begge indikatorer med, da man potentielt kan forvente, at der vil være et vist indbyrdes tradeoff mellem indikatorerne. Fuldførelsesprocenten skal for det enkelte uddannelsesforløb ses i forhold til gennemsnittet på landsplan for den pågældende uddannelsesindgang, samt elevernes socio-økonomiske baggrund og faglige niveau ved udgangen af 9. klasse. Det vil således i forhold til hvert enkelt uddannelsesforløb være muligt at estimere, om skolen klarer sig bedre eller ringere, end man bør kunne forvente. Beskæftigelsesfrekvensen vil ligeledes skulle vurderes ud fra den gennemsnitlige eller normale beskæftigelsesgrad for den pågældende uddannelsesindgang, samt elevernes socioøkonomiske baggrund og faglige niveau i 9. klasse

17 Fastholdelse Som nærmere beskrevet i Wittrup, Jacobsen og Andersen (2014) er der en sammenhæng mellem frafald og både socioøkonomiske faktorer og fagligt niveau i grundskolen. Især har grundskolekaraktererne i matematik og fysik betydning, således at elever, der har højere grundskolekarakterer i disse fag, har væsentligt lavere sandsynlighed for at falde fra. Desuden øges sandsynligheden for at falde fra erhvervsuddannelsen, hvis elevens forældre ikke er samboende, og hvis eleven har en ikkevestlig baggrund. Effekterne fremgår af nedenstående regressionstabel. Tabel 6 Regresionsmodel til forklaring af fastholdelse i erhvervsuddannelserne. Sammenligning med median-elevens sandsynlighed for fastholdelse på %. Det er derfor relevant at anvende en statistisk model, som kan korrigere for sådanne forskelle, når de enkelte skolers bidrag skal vurderes. Mere specifikt har vi anvendt en logistisk multi-levelmodel (Steele, 2009) til bestemmelse af sandsynligheden for, at en gennemsnitlig elev (gennemsnitlig på alle baggrundsvariable) vil gennemføre uddannelsen på den pågældende skole. Figur 2 viser fastholdelseseffekten for erhvervsuddannelserne (ca. 100 hovedskoler) for de elever, der påbegyndte uddannelsen fra 2008 til Der er ganske betydelige forskelle med hen

18 syn til skolernes evne til at fastholde gennemsnitseleven. Ved fortolkningen af fastholdelseseffekterne på erhvervsuddannelserne er det vigtigt at bemærke, at vi har kontrolleret for de forskelle, der kan henføres til hovedindgange. Nogle indgange, for eksempel den merkantile indgang, har en relativt højere fastholdelsesprocent end andre, men fastholdelseseffekten tager højde for forskellige forventninger til fastholdelse på indgangene. Derimod tager beregningen ikke hensyn til de mange hovedforløb. En lav fastholdelseseffekt kan derfor eventuelt skyldes sammensætningen af hovedforløb på skolen. Dernæst tager beregningen heller ikke højde for forskelle i praktikpladssituationen. Ud fra en samfundsmæssig betragtning er indikatoren stadig relevant som effektivitetsindikator, men det vil givetvis være vanskeligere for nogle skoler end for andre at forbedre resultaterne. Figur 2 Fastholdelsessandsynligheder i erhvervsuddannelserne

19 Beskæftigelse Beskæftigelse er en væsentlig parameter at bedømme erhvervsuddannelserne på, og er beskrevet som et centralt formål i Lov om erhvervsuddannelser (LBK nr. 439 af 29/04/2013). Ifølge lovens 1 skal uddannelserne give unge en uddannelse, der giver grundlag for deres fremtidige arbejdsliv samt imødekomme arbejdsmarkedets behov for erhvervsfaglige og generelle kvalifikationer ( 1, stk. 2). Der er altså fra politisk side taget stilling til, at erhvervsuddannelserne modsat gymnasierne skal uddanne eleverne, så de opnår færdigheder, som er umiddelbart omsættelige på arbejdsmarkedet. Samtidig skal uddannelserne være responsive i forhold til arbejdsmarkedets behov. Det sidste er også forsøgt sikret organisatorisk, hvor der i bestyrelserne er stærk repræsentation fra arbejdsmarkedets parter. Det virker oplagt, at både arbejdsgivere og arbejdstagere kan blive enige om, at beskæftigelse overordnet er en central målsætning for skolerne. Som beskrevet i Jacobsen & Wittrup (2014) har vi for at undersøge elevernes beskæftigelse igen anvendt individ-baserede data fra Danmarks Statistik. Vi har identificeret de elever, der er startet på en ungdomsuddannelse i perioden fra 2002 og har gennemført denne uddannelse senest Ligesom ved de øvrige analyser har vi udelukkende set på de elever, der var 20 år eller yngre ved påbegyndelsen af uddannelsen. Vi ser derefter på, om eleverne er i beskæftigelse 1 år efter færdiggørelsen af EUD. Hvis eleven er under videreuddannelse eller på barsel, har vi valgt at tælle dette med som beskæftigelse. Analysen viser, at elever, der klarede sig godt ved folkeskolens afgangsprøver i 9. klasse, har større sandsynlighed for at opnå beskæftigelse efter afslutningen af EUD. Det er markant, at elever uden grundskoleeksamen med karakterer har særligt vanskeligt ved at få job. De sociale baggrundsvariable har ligeledes fortsat betydning efter endt uddannelse. Særligt synes elever med ikkevestlig baggrund, elever med fædre med lav indkomst og elever, der er kommet relativt sent i gang med uddannelsen, at have vanskeligere ved at få job efterfølgende. Effekterne fremgår af nedenstående regressionstabel 6. 6 Kun variable der er signifikante på 99%-niveau vises i tabellen

20 Tabel 7 Regresionsmodel til forklaring af beskæftigelse efter EUD. Sammenligning med median-elevens sandsynlighed for beskæftigelse på %. Når skolernes succes i forhold til efterfølgende beskæftigelse skal vurderes, er det derfor relevant at korrigere for forskelle i elevernes baggrund. Vi har beregnet en beskæftigelseseffekt, der identificerer den effekt på efterfølgende beskæftigelse, der kan tilskrives skolen. Figur 3 viser fordelingen af skolernes (ca. 100 hovedskoler) beskæftigelseseffekter, omregnet til beskæftigelsessandsynligheder for en gennemsnitlig elev. Det fremgår af de viste konfidensintervaller, at der er en væsentlig usikkerhed knyttet til målingen

21 Figur 3 Beskæftigelseseffekter Beregningen af skoleeffekter i forhold til beskæftigelse tager kun indirekte hensyn til, om skolerne er placeret i områder med generelt høj eller lav beskæftigelse. Den indirekte effekt kommer ved, at der er taget højde for forældrenes baggrund, herunder deres beskæftigelsessituation. Vi har undersøgt sammenhængen mellem de målte beskæftigelseseffekter og beskæftigelsesprocenten for folk med erhvervsskoleuddannelse i den kommune, hvor skolen er placeret. Der er ikke nogen signifikant sammenhæng, hvilket kan indikere, at den indirekte kontrol for geografisk betingede forskelle i beskæftigelsessituationen er tilstrækkelig. På hovedskoleniveau korrelerer de to resultatmål for erhvervsskolerne, beskæftigelseseffekter og fastholdelseseffekter, negativt med hinanden (signifikant på 95% niveau). Der synes således at være et vist generelt trade-off (når der kontrolleres for baggrundsfaktorer) mellem succes med høj gennemførsel og succes med efterfølgende beskæftigelse. Det er derfor vigtigt at have begge faktorer med, når skolernes performance vurderes

22 Figur 4. Sammenhæng mellem fastholdelses- og beskæftigelseseffekter (for hovedskoler) 4. Modelspecifikationer og effektivitetsmål I det følgende præsenteres resultaterne af en række DEA-modeller, som belyser effektiviteten af de danske erhvervsskoler. Modellerne varierer primært på de valgte input og output som diskuteret ovenfor. Desuden varierer modellerne med hensyn til skalaafkast og sammenligningsgruppe. Skalaafkast Ud over input og output er det nødvendigt i modelopstillingen at indlægge en antagelse om skalaafkast. Skalaafkast handler om, hvorledes skolernes størrelse påvirker omkostningerne per produceret enhed. De mest relevante antagelser er Variabelt skalaafkast (VRS), hvor der potentielt kan være ulemper ved både at være for lille og for stor en institution

23 Stigende skalafkast (IRS), hvor det kan være en ulempe at være en lille institution. Konstant skalaafkast (CRS), hvor der ingen signifikant ulempe er ved at være hverken en stor eller en lille institution. Hvis modellen arbejder med omkostninger per student, kan vi anvende tilsvarende antagelser, men fortolkningen bliver naturligvis lidt anderledes. CRS vil for eksempel betyde, at det ikke bliver marginalt dyrere at øge fastholdelsen, selvom vi allerede ligger på et højt fastholdelsesniveau. I alle tilfælde har vi testet alternative skalaantagelser på data og anvendt den antagelse, som data bedst understøtter. Begrebsmæssigt mener vi også, at de resulterende skalaafkast giver god mening. Sammenligningsgrupper Benchmarking er sammenligning med henblik på at vurdere den relative placering af en institution i forhold til de institutioner, der udgør sammenligningsgrundlaget. Derfor er et helt centralt valg, hvilke institutioner der skal sammenlignes med. Et fundamentalt princip i samtlige DEA-modeller er: En given institution sammenlignes kun med andre eller en kombination af andre, som højst har brugt de samme ressourcer til at producere mindst de samme servicer, som den givne institution. Dette krav skal gælde for hvert input og hvert output. Dette simple princip har vist sig at være meget anvendeligt og er med til at sikre en effektiv databaseret identifikation af relevante, sammenlignelige institutioner. Traditionelle DEA-analyser bygger alene på dette sammenligningskrav. Vi vil dog generelt gå videre og indføre yderligere institutionsspecifikke restriktioner på de relevante sammenligninger. Vi bruger i den forbindelse de principper, som fremgår af Tabel

24 Tabel 8 Sammenligningsgrupper Brugen af sådanne yderligere restriktioner leder til mere forsigtige resultater, og det betyder, at forbedringspotentialerne reduceres. Specielt for institutioner, som har en meget lille sammenligningsgruppe, kan der opstå en ikke ubetydelig skævhed. Dette følger intuitivt af, at sådanne institutioner konkurrerer med meget få andre og derfor har større chance for at ligge blandt de bedste. For at sikre en fair og relevant vurdering kan man imidlertid statistisk korrigere for skævheden forbundet med de varierende størrelser på sammenligningsgrupperne. Dette gøres ved hjælp af såkaldt bootstrapping, som sætter os i stand til at beregne biaskorrigerede efficiensresultater. 5. Resultater Alle resultater er beregnet for de studerende, som er optaget på en erhvervsskole i årene 2008 til 2010, og som har taget eksaminer i perioden 2009 til Beskæftigelseseffekterne er dog beregnet for elever, der er optaget fra For at skabe den bedst mulige korrespondance mellem input og output er alle omkostningsmålene beregnet tilsvarende; årene 2008 til 2013 er vægtet svarende til det relative ressourcetræk fra denne elevgruppe og under hensyntagen til de ressourcedata, som forelå ved beregningernes gennemførelse primært oplysninger. 7 Det bemærkes, at det ikke er entydigt, hvorledes man kobler ressourceopgørelser, som følger kalenderåret, med studieoplysninger, som følger skoleåret, og hvor givne elever modtager undervisning over et flerårigt forløb. Vi har valgt at fokusere på gennemsnitsværdier over en periode med 7 Ressourceopgørelserne, som vi har anvendt, bygger på grunddata fra Undervisningsministeriets regnskabsdatabase, som indeholder oplysninger om taxametertilskud og elevtal, og fra Danmarks Statistik, som har leveret opgørelser om årsværk, uddannelsesmæssig baggrund, anciennitet mv. En del af disse ressourcekarakteristika anvendes alene til efterkontrol af, om efficienserne varierer med disse karakteristika

25 tre elevårgange af forsigtighedshensyn. Jo kortere vi laver afgræsningen, desto mere vil tilfældige variationer i eksamensresultater slå igennem, og eftersom bedste praksisanalyser generelt lever af forskelle i præstationer for givne ressourcer, og ressourcerne formodentlig ikke kan tilpasses tilsvarende for år til år, vil en kort periode få potentialerne til at se større ud. Skoler, som i et enkelt år har særligt gode effekter, vil kunne fremstå som forbillede det år og ikke nødvendigvis i andre år. 8 De anvendte modeller kan opdeles i to grupper, dels mængdemodeller med kvalitetsrestriktioner, dels effektmodeller. I alle tilfælde er skalaafkastet fastlagt ved statistiske test og under hensyntagen til, at de skal give begrebsmæssig fornuft. Mængdemodeller med kvalitetsrestriktioner Vi har analyseret en række mængdemodeller med kvalitetsrestriktioner. Modellerne fremgår af Tabel 9 nedenfor. Tabel 9 Mængdemodeller hvor output er antal studerende I alle modellerne i Tabel 9 er output antal studerende. Input er opgjort på tre forskellige måder. Den mest aggregerede opgørelse er som det samlede undervisningstaxameter (A). Et alternativ til dette er dels de totale lønomkostninger (B1) eller det totale antal årsværk (C1), som er forbrugt på de tilknyttede institutioner. Endelig findes der to mere disaggregerede modeller, hvor lønomkostningerne og årsværk er opdelt i de ressourcer, som er knyttet direkte til undervisningen, og de ressourcer, som vedrører støttefunktionerne (B2 og C2). Der er grund til at forvente, at korrespondancen mellem input og output er bedst i A-modellen, næstbedst i B-modellerne og dårligst i C-modellerne. 8 Det betyder ikke, at etårige analyser nødvendigvis er uinteressante. Hvis det for eksempel har betydning, hvilke lærere der fører eleverne op de enkelte år, er dette jo interessant. Variationer i en institutions efficiens fra år til år vil så give information om den interne mulighed for at lære bedste praksis fra andre lærere på samme institution, og sammenligningen mellem institutioner kan nu fortolkes som mulighederne for at lære bedste praksis ved at lære af andre institutioner og lærere på disse

26 Desuden fanger årsværksmodellerne (C1 og C2) ikke eventuelle variationer i kvaliteten af forskellige årsværk, som for eksempel kan vise sig ved et højere lønniveau. Det understreges, at mængdemodellerne umiddelbart straffer de skoler, som har meget ressourcekrævende uddannelser. Samfundsøkonomisk er taxameter- og årsværkstilgangen særlig interessant, hvis vi samtidigt kan opgøre den samfundsmæssige nytte af uddannelserne og dermed lave en egentlig cost-benefit analyse. Da vi ikke kan gøre dette, kan vi i stedet antage, at de forskellige uddannelser har samme samfundsøkonomiske værdi. Hvis vi gør det, svarer mængdemodellerne til en value for money tilgang, dvs. vi spørger, hvad samfundet får per forbrugt krone og sammenligner med de skoler, som uddanner flest elever i forhold til de indsatte ressourcer. I alle tilfælde er efficienserne beregnet på en sådan måde, at ingen institution sammenlignes med andre institutioner, medmindre disse har højere undervisnings- og fastholdelseseffekt. Det er altså ikke muligt at se særlig omkostningsefficient ud ved at gå på kompromis med kvaliteten. Vi ser også, at alle modellerne bygger på voksende (ikke-aftagende) skalaafkast. Vi antager således, at der kan være ekstra omkostninger (per elev) forbundet med at være en lille institution (smådriftsulemper), men ikke med at være stor (ingen stordriftsulemper). Data støtter denne antagelse, som også begrebsmæssigt giver god mening i normale produktionsmodeller, fordi en enhed, som evt. oplever faldende skalaafkast, i princippet burde kunne reorganisere sig som flere mindre enheder. Summariske resultater for disse modeller fremgår af Tabel 10. I denne er de forskellige modeller beskrevet i de forskellige rækker. Antallet af indgående institutioner er angivet. Det er generelt sådan, at efficienserne falder med antallet af observationer, fordi der er flere at sammenligne med, og fordi bedste praksis i en stor gruppe alt andet lige er mere krævende end i en lille gruppe. Efter antallet af observationer præsenteres to alternative efficiensmål. Det første, kaldet Efficiens, er beregnet direkte som enkelte institutioners efficiens i forhold til de institutionsspecifikke sammenligningsgrupper. Det andet efficiensmål er det Biaskorrigerede mål. Vi har her, for hver institution estimeret, hvor meget efficiensmålet er overvurderet på grund af den begrænsede sammenligningsgruppe. For begge efficiensmål gælder i øvrigt, at tabellen angiver en gennemsnitlig værdi, standardafvigelse og 25, 50 og 75 procent-fraktilerne i fordelingen. I model B2 ser vi eksempelvis, at den gennemsnitlige efficiens er 0,91. Fortolkningen af dette tal er, at den gennemsnitlige institution ved adoption af bedste praksis kan spare 9 procent af lønomkostningerne med det givne elevtal, uden at det går ud over undervisnings- eller fastholdelsesef

27 fekten. Vi ser også, at 25 procent af institutionerne kan spare mindst 17 procent (1-0,83). Når vi biaskorrigerer, øges forbedringspotentialerne med procentpoint. Modellerne estimerer således gennemsnitlige efficienser mellem 0,73 og 0,91 svarende til forbedringspotentialer på mellem 9 og 27 procent. Forbedringspotentialerne kan som ovenfor fortolkes som mulige (proportionale) besparelser i input. Approksimativt kan de også, da der formodentligt lokalt er konstant skalaafkast, opfattes som de potentielle meroptag, som kan håndteres med de givne ressourcer ved anvendelse af bedste praksis. Forbedringspotentialer i denne størrelsesorden i en gruppe på under 40 institutioner er udtryk for et ikke-trivielt potentiale. Potentialet er ekstra stort, fordi normale DEA analyser ikke anvender kvalitetsrestriktioner, dvs vi har været ekstra forsigtige i opgørelsen af efficienserne. Tabel 10 Efficiencer i mængdemodellerne Sammenholdes B1- og B2-resultaterne (eller C1- og C2-resultaterne), ser vi, at de disaggregerede modeller giver højere efficienser end de aggregerede. Forskellen er den såkaldte allokative inefficiens, det vil sige det, som skolerne kan spare ved en optimal fordeling af personaleudgifterne mellem direkte undervisningsrelateret personale og støttepersonale. Forskellene er ikke store i den mest sikre af modellerne, nemlig model B, men i det omfang data er af tilstrækkelig høj kvalitet, tyder sammenligningen af C1 og C2 således på, at det i gennemsnit koster ca. 9 procent i ekstra personaleforbrug, at skolerne ikke altid rammer den optimale personalesammensætning. Visse skoler har tilsyneladende for meget og andre skolerne har for lidt støttepersonale. Effektmodeller Det følgende sæt af modeller er effektmodeller. En oversigt findes i Tabel 11. I alle effektmodellerne fokuseres der på enten fastholdelseseffekten, beskæftigelseseffekten, eller begge dele. Dette sker dels via de specificerede output, dels via de valgte sammenligningsgrupper. I den sidste modelklas

28 se (F, F1 og F2), hvor begge effekter betragtes som output, leder vi efter en kombination af institutioner, som i gennemsnit har mindst samme fastholdelseseffekt og beskæftigelseseffekt. Det betyder, at enkelte af de forbilleder, der bidrager, godt kan have lavere undervisningseffekt end den vurderede institution, blot der er andre, der har tilsvarende højere effekt, så gennemsnittet dominerer den vurderede institution. I den forstand er kvalitetsrestriktionerne i denne modelklasse lidt mindre restriktive end i mængdemodellerne. Input i disse modeller er i alle tilfælde et udtryk for ressourcetrækket per elev. Ressourcer opgøres i dette tilfælde enten som taxameterudgifter eller lønudgifter. Desuden har vi her også anvendt den mest aggregerede ressourceangivelse, nemlig enhedsomkostningen. Vi ser også, at skalaafkastet i disse modeller er varierende (VRS). Det betyder, at det kan være relativt dyrt at komme i gang med at øge effekterne. Det betyder også, det kan være ekstra krævende at hæve fastholdelses- eller beskæftigelseseffekten over visse niveauer. Tabel 11 Effektmodeller, hvor output er B- og F-effekterne Summariske resultater for effektmodellerne fremgår af Tabel 12. Tabellens opstilling og tallenes fortolkninger er som Tabel 10. I disse modeller er sammenligningsgrupperne generelt større end i de rene mængdemodeller, fordi der nu ikke begrænses på både fastholdelses- og beskæftigelseseffekterne. Dette betyder, at man alt andet lige ville forvente lidt lavere efficienser. På den anden side afhænger efficienserne også af, hvor meget skoleeffekterne, som jo nu er output, varierer. Det betyder, at i det omfang multi-level-modellerne af fastholdelses- og beskæftigelseseffekterne er i stand til at forklare en stor del af variationerne via socioøkonomiske forhold, så vil skoleeffekterne også være begrænsede og dermed variationerne i output i effektmodellerne. Dette vil tendere mod at give 26 26

29 højere efficienser, simpelthen fordi analyserne tyder på, at institutionernes indsats kun i begrænset omfang påvirker eleverne. Fokuseres der på beskæftigelseseffekten, synes det i gennemsnit muligt at forbedre den andel som finder beskæftigelse med ca 5 procent i det mest forsigtige scenarie. Her antages alle institutioner at have samme ressourcetræk per student (D). De gennemsnitlige potentialer er noget større, når det drejer som om at forbedre fastholdelsen, uden at det går ud over beskæftigelsen. Her kan der i gennemsnit ske en forbedring på ca 25 procent. Vi ser, at der er generelt er større besparelsespotentialer, når vi anvender taxameteromkostninger per elev eller lønomkostningerne per elev. på de enkelte institutioner. Der er flere mulige forklaringer på dette: Den ene er, at opgørelsen af lønudgifter ikke korresponderer perfekt med elevopgørelser, hvorfor der indføres en kunstig variation, der i en bedste praksismodel fanges som en efficiensforskel. En anden er, at nogle skoler er bedre til at ansætte personale, som bidrager positivt til fastholdelse og beskæftigelse. En sidste og mere oplagt forklaring er, at visse skoler simpelthen udbyder mere omkostningstunge uddannelser så den ekstra besparelse i virkeligheden ikke er realiserbar. Tabel 12 Efficiencer i effektmodellerne Konkretisering af potentialerne For at konkretisere disse forbedringspotentialer kan det være nyttigt at holde sig for øje, at beskæftigelsessandsynligheden blandt 39 (66) erhvervsskoler er 0.72 (0.70), mens den gennemsnitlige fastholdelsessandsynlighed blandt 39 (66) erhvervsskoler er 0.52 (0.52). En 5 procents forøgelse af beskæftigelseseffekten som i model D betyder således rundt regnet, at den gennemsnitlige beskæf

30 tigelse kan øge fra 72 procent til 1.05*0.72=0.76, dvs. til 76 procent. Tilsvarende betyder en 27 procents forøgelse af fastholdelsen som i model E, at denne øges fra 52 procent til 1.27* 0.52=0.66, dvs. til 66 procent. Disse approksimative forbedringer er ikke helt præcise. Det er der to grunde til. For det første er efficiencerne beregnede som input efficiencer, ikke output efficiencer. Efficiencerne er altså som udgangspunkt de potentielle besparelser i det eller de anvendte ressourcer. Da skalaafkastet ikke er konstant, betyder det, at der ikke er helt symmetri imellem, hvad der kan spares på inputsiden, og hvad der kan ske af forbedringer på outputsiden. Den anden grund til, at potentialerne kun approximativt kan beregnes på denne måde, er, at enheder med store potentialer vil tendere mod at være enheder med lave fastholdelses- og beskæftigelseseffekter. Derfor kan den gennemsnitlige besparelsesprocent ikke anvendes ligeligt på alle enheder. I de modeller, som anvender enhedsomkostninger, kan efficienserne fortolkes direkte som den andel af enhedsomkostningerne, der er nødvendige ved effektiv, best practice drift. I de øvrige modeller kan der sættes kronebeløb på efter samme system. I model D1, for eksempel, hvor vi beregner en efficiens på 0.74, er fortolkningen, at Taxametertilskuddet per student i gennemsnit kan reduceres fra kr. per elev i de analyserede skoler til 0.74*53412 kr. per elev = kr per elev, dvs. en besparelse per elev på kr per år. Med i alt elever på de analyserede skoler svarer dette altså til en besparelse på 657 mio. kr. Hvis vi i stedet for at regne med gennemsnitlige besparelsespotentialer og gennemsnitlige taxameterværdier regner på de specifikke besparelser, skole for skole, så får vi en fordeling af besparelsespotentialerne som vist i Figur 5. Vi ser, at 17 skoler kan spare mellem 0 og 5 mio. kr,, 7 skoler mellem 5 og 10 mio. kr. osv. Den totale samfundsøkonomiske besparelse kan i dette tilfælde beregnes til 602 mio. kr. Hvis vi endeligt tager i betragtning, at vores analyser kun omfatter omkring en tredjedel af erhvervsskolernes elever, og hvis vi forudsætter, at de analyserede skoler er rimeligt repræsentative for samtlige skoler, så svarer den beregnede efficiens på 0.74 i model D1 altså til en besparelse på godt mia. kr. på erhvervsskoleområdet

31 Figur 5 Besparelsespotentialer i undervisningstaxametre i mio. kr. blandt 39 erhvervsskoler. 5. Konklusion Analyserne viser, at erhvervsskolerne varierer en del med hensyn til ressourceforbruget per elev. Variationen og dermed også forbedringspotentialerne synes væsentligt større for erhvervsskolerne end for de almene gymnasier, som vi analyserede i Bogetoft og Wittrup (2014). Det skal i den forbindelse holdes for øje, at antallet af erhvervsskoler, som sammenlignes, generelt er væsentligt færre. Det betyder specielt for de normale efficienser, at erhvervsskolerne alt andet lige burde have mindre forbedringspotentialer, idet de generelt konkurrerer med færre andre skoler. På den anden side afhænger resultaterne naturligvis også af, hvilke erhvervsskoler der er udvalgt, og modelspecifikationerne er også anderledes, idet vi ikke kan anvende korrigerede karakterer til måling af fagligt løft på erhvervsskolerne, så en direkte sammenligning af resultaterne er ikke mulig

Styring, ledelse og resultater på ungdomsuddannelserne

Styring, ledelse og resultater på ungdomsuddannelserne Styring, ledelse og resultater på ungdomsuddannelserne Redigeret af: Lotte Bøgh Andersen Peter Bogetoft Jørgen Grønnegård Christensen Torben Tranæs Bidragydere: Lotte Bøgh Andersen - Peter Bogetoft - Jørgen

Læs mere

De socioøkonomiske referencer for gymnasiekarakterer 2014

De socioøkonomiske referencer for gymnasiekarakterer 2014 De socioøkonomiske referencer for gymnasiekarakterer 2014 Indhold Sammenfatning... 5 Indledning... 7 Datagrundlag... 9 Elever... 9 Fag, prøveform og niveau... 9 Socioøkonomiske baggrundsvariable... 10

Læs mere

Benchmark af danske gymnasier 2014. Individuel rapport Frederikshavn Gymnasium og HF-Kursus

Benchmark af danske gymnasier 2014. Individuel rapport Frederikshavn Gymnasium og HF-Kursus Benchmark af danske gymnasier 2014 Individuel rapport Frederikshavn Gymnasium og HF-Kursus Peter Bogetoft Juni 2015 Individuel Rapport - Frederikshavn Gymnasium og HF-Kursus 1(46) Resumé Denne rapport

Læs mere

De socioøkonomiske referencer for gymnasiekarakterer 2016

De socioøkonomiske referencer for gymnasiekarakterer 2016 De socioøkonomiske referencer for gymnasiekarakterer 2016 Indhold Sammenfatning... 5 Indledning... 7 Datagrundlag... 9 Elever... 9 Fag, prøveform og niveau... 9 Socioøkonomiske baggrundsvariable... 10

Læs mere

De socioøkonomiske referencer for gymnasiekarakterer Metodenotat

De socioøkonomiske referencer for gymnasiekarakterer Metodenotat De socioøkonomiske referencer for gymnasiekarakterer 2017 Metodenotat Indhold Sammenfatning... 5 Baggrund... 7 Datagrundlag... 9 Elever... 9 Fag, prøveform og niveau... 9 Socioøkonomiske baggrundsvariable...

Læs mere

Nordjysk Uddannelsesindblik 2015 - temaindblik: Elevsammensætning og social mobilitet på ungdomsuddannelserne

Nordjysk Uddannelsesindblik 2015 - temaindblik: Elevsammensætning og social mobilitet på ungdomsuddannelserne Nordjysk Uddannelsesindblik 2015 - temaindblik: Elevsammensætning og social mobilitet på ungdomsuddannelserne Denne publikation er en del af Region s årlige uddannelsesindblik. I denne publikation beskrives

Læs mere

HVAD ER UNDERVISNINGSEFFEKTEN

HVAD ER UNDERVISNINGSEFFEKTEN HVAD ER UNDERVISNINGSEFFEKTEN Undervisningseffekten viser, hvordan eleverne på en given skole klarer sig sammenlignet med, hvordan man skulle forvente, at de ville klare sig ud fra forældrenes baggrund.

Læs mere

Dansk Erhvervs gymnasieeffekt - sådan gjorde vi

Dansk Erhvervs gymnasieeffekt - sådan gjorde vi Dansk Erhvervs gymnasieeffekt - sådan gjorde vi INDHOLD Formålet har været at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge blot ved

Læs mere

Frafaldsindikatorer til opfølgning på eud reformens klare mål 2, herunder socioøkonomisk reference og frafald fra uddannelsesstart til hovedforløb

Frafaldsindikatorer til opfølgning på eud reformens klare mål 2, herunder socioøkonomisk reference og frafald fra uddannelsesstart til hovedforløb Frafaldsindikatorer til opfølgning på eud reformens klare mål 2, herunder socioøkonomisk reference og frafald fra uddannelsesstart til hovedforløb Et af hovedmålene med erhvervsuddannelsesreformen er,

Læs mere

Baggrundsnotat: Søskendes uddannelsesvalg og indkomst

Baggrundsnotat: Søskendes uddannelsesvalg og indkomst 17. december 2013 Baggrundsnotat: Søskendes uddannelsesvalg og indkomst Dette notat redegør for den økonometriske analyse af indkomstforskelle mellem personer med forskellige lange videregående uddannelser

Læs mere

Dansk Erhvervs gymnasieanalyse Sådan gør vi

Dansk Erhvervs gymnasieanalyse Sådan gør vi METODENOTAT Dansk Erhvervs gymnasieanalyse Sådan gør vi FORMÅL Formålet med analysen er at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge

Læs mere

Kun de bedste fra grundskolen starter på videregående uddannelse

Kun de bedste fra grundskolen starter på videregående uddannelse NOTAT 45 oktober 15 Kun de bedste fra grundskolen starter på videregående uddannelse Beregninger fra DEA viser, at ud af de elever, som begyndte på en gymnasial uddannelse i 9, gennemførte pct. af de elever,

Læs mere

Dansk Erhvervs gymnasieeffekt - sådan gør vi

Dansk Erhvervs gymnasieeffekt - sådan gør vi Dansk Erhvervs gymnasieeffekt - sådan gør vi FORMÅL Formålet har været at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge blot ved at

Læs mere

Notat. Metode, EUD socioøkonomisk reference på frafald. Baggrund Under mål 2 i klare mål for erhvervsuddannelserne er det beskrevet at:

Notat. Metode, EUD socioøkonomisk reference på frafald. Baggrund Under mål 2 i klare mål for erhvervsuddannelserne er det beskrevet at: Notat Vedrørende: Metode, EUD socioøkonomisk reference på frafald Baggrund Under mål 2 i klare mål for erhvervsuddannelserne er det beskrevet at: Der udvikles ligeledes en indikator på skoleniveau med

Læs mere

REGERINGEN SPARER PÅ UDDANNELSE

REGERINGEN SPARER PÅ UDDANNELSE 20. september 2004 Af Søren Jakobsen REGERINGEN SPARER PÅ UDDANNELSE Regeringen har ved flere lejligheder givet udtryk for, at uddannelse skal have høj prioritet. I forslaget til finansloven for 2005 gav

Læs mere

Fordeling af midler til specialundervisning

Fordeling af midler til specialundervisning NOTAT Fordeling af midler til specialundervisning Model for Norddjurs Kommune Søren Teglgaard Jakobsen December 2012 Købmagergade 22. 1150 København K. tlf. 444 555 00. kora@kora.dk. www.kora.dk Indholdsfortegnelse

Læs mere

Tilgang til og frafald på euv. Evaluering af erhvervsuddannelse for voksne (euv) Baggrundsrapport 1

Tilgang til og frafald på euv. Evaluering af erhvervsuddannelse for voksne (euv) Baggrundsrapport 1 Evaluering af erhvervsuddannelse for voksne (euv) Baggrundsrapport 1 INDHOLD 1 Indledning 4 2 5 2.1 Færre voksne starter på en erhvervsuddannelse 5 2.2 Færre voksne falder fra 11 Danmarks Evalueringsinstitut

Læs mere

Hvordan måler vi institutionerne og skolernes løfteevne for de udsatte unge i forberedende tilbud?

Hvordan måler vi institutionerne og skolernes løfteevne for de udsatte unge i forberedende tilbud? METODENOTAT Hvordan måler vi institutionerne og skolernes løfteevne for de udsatte unge i forberedende tilbud? I dette notat gives en nærmere gennemgang af datagrundlaget og metoden, der anvendes til at

Læs mere

Dansk Byggeri og 3F. Analyse af unge med uddannelsesaftale, som ikke fuldfører EUD bygge og anlæg. Kvantitativ belysning.

Dansk Byggeri og 3F. Analyse af unge med uddannelsesaftale, som ikke fuldfører EUD bygge og anlæg. Kvantitativ belysning. Dansk Byggeri og 3F Analyse af unge med uddannelsesaftale, som ikke fuldfører EUD bygge og anlæg Kvantitativ belysning April 2013 Seniorkonsulent Kim Madsen Side 1 Analyse af unge med uddannelsesaftale,

Læs mere

Værdien af uddannelse opdelt på hovedområde og uddannelsesinstitution

Værdien af uddannelse opdelt på hovedområde og uddannelsesinstitution Værdien af uddannelse opdelt på hovedområde og uddannelsesinstitution Sammenligner man på tværs af hovedområder og institutioner er der betydelige forskelle det afkast en kandidat får af sin uddannelse.

Læs mere

De socioøkonomiske referencer for grundskolekarakterer 2016

De socioøkonomiske referencer for grundskolekarakterer 2016 De socioøkonomiske referencer for grundskolekarakterer 2016 1 Indhold Sammenfatning.. 4 Elevgrundlag... 8 Skoleåret 2015/2016... 8 3-års perioden 2013/2014-2015/2016... 10 Skoletype... 11 December 2016

Læs mere

UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER

UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER Undervisningseffekten udregnes som forskellen mellem den forventede og den faktiske karakter i 9. klasses afgangsprøve. Undervisningseffekten udregnes

Læs mere

De socioøkonomiske referencer for gymnasiekarakterer

De socioøkonomiske referencer for gymnasiekarakterer De socioøkonomiske referencer for gymnasiekarakterer Baggrund Den enkelte institutions eksamensresultat og eksamenskarakterer har sammenhæng med mange forskellige forhold. Der er både forhold, som institutionen

Læs mere

UDVIKLINGEN I ØKONOMIEN PÅ ERHVERVSSKOLERNES STØRSTE AKTIVI- TETSOMRÅDER FRA 2003 TIL 2011

UDVIKLINGEN I ØKONOMIEN PÅ ERHVERVSSKOLERNES STØRSTE AKTIVI- TETSOMRÅDER FRA 2003 TIL 2011 UDVIKLINGEN I ØKONOMIEN PÅ ERHVERVSSKOLERNES STØRSTE AKTIVI- TETSOMRÅDER FRA 2003 TIL 2011 Der er gennem de seneste år sket en ændring i tilskudsstrukturen på erhvervsskolernes uddannelser. Det har vanskeliggjort

Læs mere

De gymnasiale eksamensresultater og karakterer 2012

De gymnasiale eksamensresultater og karakterer 2012 De gymnasiale eksamensresultater og karakterer 2012 UNI C Statistik & Analyse har opgjort årets eksamensresultater for de gymnasiale uddannelser i dette notat. Eksamensresultatgennemsnittene er desuden

Læs mere

Folkeskoleelever fra Frederiksberg

Folkeskoleelever fra Frederiksberg Folkeskoleelever fra Frederiksberg Analyse af 9. klasses eleverne 2008-2011 Aksel Thomsen August 2014 Danmark Statistik Sejrøgade 11 2100 København Ø FOLKESKOLEELEVER FRA FREDERIKSBERG Danmarks Statistik

Læs mere

Undersøgelse af karakterudviklingen på de gymnasiale uddannelser

Undersøgelse af karakterudviklingen på de gymnasiale uddannelser Undersøgelse af karakterudviklingen på de gymnasiale uddannelser Der har over en længere årrække været en stigning i de gennemsnitlige eksamensresultater på de gymnasiale uddannelser. I dette notat undersøges

Læs mere

Uddrag af rapporten. Unge i erhvervsuddannelserne og på arbejdsmarkedet. - Værdier, interesser og holdninger

Uddrag af rapporten. Unge i erhvervsuddannelserne og på arbejdsmarkedet. - Værdier, interesser og holdninger Uddrag af rapporten Unge i erhvervsuddannelserne og på arbejdsmarkedet - Værdier, interesser og holdninger Hvem vælger hvad? Unge, der vælger EUD, ser uddannelsen som middel til at komme ud på arbejdsmarkedet

Læs mere

Solidaritet, risikovillighed og partnerskønhed

Solidaritet, risikovillighed og partnerskønhed Rockwool Fondens Forskningsenhed Arbejdspapir 36 Solidaritet, risikovillighed og partnerskønhed Jens Bonke København 1 Solidaritet, risikovillighed og partnerskønhed Arbejdspapir 36 Udgivet af: Rockwool

Læs mere

Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater

Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater 17. december 2013 Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater Dette notat redegør for den økonometriske analyse af betydningen af grundskolelæreres gennemsnit fra gymnasiet

Læs mere

De socioøkonomiske referencer for gymnasiekarakterer 2013

De socioøkonomiske referencer for gymnasiekarakterer 2013 De socioøkonomiske referencer for gymnasiekarakterer 2013 Indhold Sammenfatning... 5 Indledning... 7 Datagrundlag... 9 Elever... 9 Fag, prøveform og niveau... 9 Socioøkonomiske baggrundsvariable... 9

Læs mere

Analyse af social uddannelsesmobilitet med udgangspunkt i tilgangen til universiteternes bacheloruddannelser

Analyse af social uddannelsesmobilitet med udgangspunkt i tilgangen til universiteternes bacheloruddannelser Bilag 5 Analyse af social uddannelsesmobilitet med udgangspunkt i tilgangen til universiteternes bacheloruddannelser I dette notat undersøges forældrenes uddannelsesniveau for de, der påbegyndte en bacheloruddannelse

Læs mere

Børne- og Undervisningsudvalget 2014-15 BUU Alm.del endeligt svar på spørgsmål 19 Offentligt

Børne- og Undervisningsudvalget 2014-15 BUU Alm.del endeligt svar på spørgsmål 19 Offentligt Børne- og Undervisningsudvalget 2014-15 BUU Alm.del endeligt svar på spørgsmål 19 Offentligt Undervisningsministeriet Indførelse af socialt taxameter og øget geografisk tilskud 6. oktober 2014 Det fremgår

Læs mere

Undervisningsministeriets Datavarehus med fokus på EUD-reformen. Netværksmøde i Odense, 28. januar 2015

Undervisningsministeriets Datavarehus med fokus på EUD-reformen. Netværksmøde i Odense, 28. januar 2015 Undervisningsministeriets Datavarehus med fokus på EUD-reformen Netværksmøde i Odense, 28. januar 2015 Dagens program: Foreløbige orientering om planer med DVH for erhvervsuddannelserne Nye statistiske

Læs mere

Bilag om korte videregående uddannelser i tal 1

Bilag om korte videregående uddannelser i tal 1 DANMARK I DEN GLOBALE ØKONOMI BILAG 12 SEKRETARIATET FOR MINISTERUDVALGET Prins Jørgens Gård 11, 1218 København K Telefon 33 92 33 - Fax 33 11 16 65 Bilag om korte videregående uddannelser i tal 1 I dette

Læs mere

DE MERKANTILE ELEVER 2013

DE MERKANTILE ELEVER 2013 UDDANNELSESNÆVNET DE MERKANTILE ELEVER 2013 Ajourført den 13. februar 2015 Uddannelsesnævnet for handels- og kontorområdet Vesterbrogade 6 D, 4., 1620 København V Tlf.: 33 36 66 00 www.uddannelsesnaevnet.dk

Læs mere

Frafald på erhvervsuddannelserne er faldet

Frafald på erhvervsuddannelserne er faldet Frafald på erhvervsuddannelserne er faldet I dag er der færre unge, der begynder på en erhvervsuddannelse direkte efter 9. klasse eller 1. klasse, som falder fra, når man ser på 3 måneder og 7 måneder

Læs mere

Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen.

Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen. Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen. FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 SDEA...

Læs mere

Nydanske unge på erhvervsuddannelserne

Nydanske unge på erhvervsuddannelserne Fakta om integration: Nydanske unge på erhvervsuddannelserne Januar 2012 Fakta om integration: Nydanske unge på erhvervsuddannelserne Udgiver: Social- og Integrationsministeriet Holmens Kanal 22 1060 København

Læs mere

Socioøkonomisk reference for grundskolekarakterer 2017/2018: Resultater på tværs af prøver og skoletyper

Socioøkonomisk reference for grundskolekarakterer 2017/2018: Resultater på tværs af prøver og skoletyper Socioøkonomisk reference for grundskolekarakterer 2017/2018: Resultater på tværs af prøver og skoletyper Elevernes karakterer hænger sammen med mange forskellige forhold herunder deres socioøkonomiske

Læs mere

de illegale indvandrere i danmark, 2016 Jan Rose Skaksen og Troels Mandøe Glæsner

de illegale indvandrere i danmark, 2016 Jan Rose Skaksen og Troels Mandøe Glæsner de illegale indvandrere i danmark, 2016 Jan Rose Skaksen og Troels Mandøe Glæsner arbejdspapir 51 december 2017 ROCKWOOL Fondens Forskningsenhed Arbejdspapir nr. 51 De illegale indvandrere i danmark, 2016

Læs mere

Introduktion til benchmarking af varmevirksomheder

Introduktion til benchmarking af varmevirksomheder Introduktion til benchmarking af varmevirksomheder APRIL 2019 FORSYNINGSTILSYNET Carl Jacobsens Vej 35 2500 Valby Tlf. 4171 5400 post@forsyningstilsynet.dk www.forsyningstilsynet.dk Side 2/7 FORSYNINGSTILSYNET

Læs mere

De gymnasiale eksamensresultater og karakterer 2013

De gymnasiale eksamensresultater og karakterer 2013 De gymnasiale eksamensresultater og karakterer 2013 UNI C Statistik & Analyse har opgjort årets eksamensresultater for de gymnasiale uddannelser i dette notat. Eksamensresultatgennemsnittene er desuden

Læs mere

Det sorte danmarkskort:

Det sorte danmarkskort: Rockwool Fondens Forskningsenhed Arbejdspapir 37 Det sorte danmarkskort: Geografisk variation i danskernes sorte deltagelsesfrekvens Peer Ebbesen Skov, Kristian Hedeager Bentsen og Camilla Hvidtfeldt København

Læs mere

Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3

Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra 2014 til

Læs mere

SUPPLEMENT TIL EVALUERING AF DE NATIONALE TEST RAPPORT

SUPPLEMENT TIL EVALUERING AF DE NATIONALE TEST RAPPORT Til Undervisningsministeriet (Kvalitets- og Tilsynsstyrelsen) Dokumenttype Rapport Dato August 2014 SUPPLEMENT TIL EVALUERING AF DE NATIONALE TEST RAPPORT NATIONALE TEST RAPPORT INDHOLD 1. Indledning og

Læs mere

Profilmodel 2011 Unges forventede tidsforbrug på vej mod en erhvervskompetencegivende uddannelse

Profilmodel 2011 Unges forventede tidsforbrug på vej mod en erhvervskompetencegivende uddannelse Profilmodel 0 Unges forventede tidsforbrug på vej mod en erhvervskompetencegivende uddannelse Af Tine Høtbjerg Henriksen Profilmodellen 0 er en fremskrivning af, hvordan en ungdomsårgang forventes at uddanne

Læs mere

Bilag 6: Bootstrapping

Bilag 6: Bootstrapping Bilag 6: Bootstrapping Bilaget indeholder en gennemgang af bootstrapping og anvendelsen af bootstrapping til at bestemme den konkurrencepressede front. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING...

Læs mere

September 2012. Resume: Efterskolerne og uddannelsesmobilitet. Udarbejdet af DAMVAD for Efterskoleforeningen

September 2012. Resume: Efterskolerne og uddannelsesmobilitet. Udarbejdet af DAMVAD for Efterskoleforeningen September 2012 Resume: Efterskolerne og uddannelsesmobilitet Udarbejdet af DAMVAD for Efterskoleforeningen For information on obtaining additional copies, permission to reprint or translate this work,

Læs mere

Viborg Gymnasium og HF Stx

Viborg Gymnasium og HF Stx HF Stx giver et overblik over de elever, der kommer ind på ungdomsuddannelsesinstitutionen, hvor mange, der fuldfører og hvor de går hen, når de forlader uddannelsen. Regional Udvikling 2015 Læsevejledning

Læs mere

Karrierekvinder og -mænd

Karrierekvinder og -mænd Rockwool Fondens Forskningsenhed Arbejdspapir 35 Karrierekvinder og -mænd Hvem er de? Og hvor travlt har de? Jens Bonke København 2015 Karrierekvinder og -mænd Hvem er de? Og hvor travlt har de? Arbejdspapir

Læs mere

SAMMENLIGNING AF UNIVERSITETSINSTITUTIONER OPDELT PÅ HOVEDOMRÅDE

SAMMENLIGNING AF UNIVERSITETSINSTITUTIONER OPDELT PÅ HOVEDOMRÅDE SAMMENLIGNING AF UNIVERSITETSINSTITUTIONER OPDELT PÅ HOVEDOMRÅDE Uddannelse er vigtig for Danmark. Det er der bred enighed om politisk og i samfundet generelt. Der er således bred enighed om målsætningen,

Læs mere

Taxameterforskelle på de gymnasiale uddannelser hf, hhx, htx og stx

Taxameterforskelle på de gymnasiale uddannelser hf, hhx, htx og stx Taxameterforskelle på de gymnasiale uddannelser hf, hhx, htx og stx Dette notat gennemgår de fire taxametre, som de fire gymnasiale uddannelser har til fælles samt et femte, som kun er bevilliget til stx.

Læs mere

Socioøkonomisk reference: I hvilke prøver og på hvilke skoletyper klarer eleverne sig bedre end forventet i 9. klasse i 2016/2017?

Socioøkonomisk reference: I hvilke prøver og på hvilke skoletyper klarer eleverne sig bedre end forventet i 9. klasse i 2016/2017? Socioøkonomisk reference: I hvilke prøver og på hvilke skoletyper klarer eleverne sig bedre end forventet i 9. klasse i 2016/2017? Mange undersøgelser viser, at elevernes karakterer hænger sammen med deres

Læs mere

Kombinationsskoler 2007 2008 2009

Kombinationsskoler 2007 2008 2009 Analyse og prognose foretaget ud fra uddrag af sektorregnskaber 2009, udgivet af Undervisningsministeriet, sammenligning mellem Danske Erhvervsskolers institutioner og almene gymnasier Undervisningsministeriet

Læs mere

Unge uden uddannelse går en usikker fremtid i møde

Unge uden uddannelse går en usikker fremtid i møde Unge uden uddannelse går en usikker fremtid i møde Når unge tager en uddannelse giver det gode kort på hånden. Nye beregninger foretaget af AE viser således, at unge der får en ungdomsuddannelse har en

Læs mere

De gymnasiale eksamensresultater og karakterer 2014

De gymnasiale eksamensresultater og karakterer 2014 De gymnasiale eksamensresultater og karakterer 2014 I 2014 dimitterede i alt 48.100 studenter fra de gymnasiale uddannelser fordelt på hf 2-årig, hf enkeltfag, hhx, htx, studenterkursus og stx. Studenterne

Læs mere

Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser

Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser Bilag 6 Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser I dette notat undersøges, om der er eventuelle sociale skævheder forbundet med frafaldet på de lange videregående

Læs mere

Frafaldet på erhvervsuddannelserne er mindsket efter reformen

Frafaldet på erhvervsuddannelserne er mindsket efter reformen 14. november 218 218:23 Rettet 3. december 218 Figur 1 var fejlbehæftet (y-akse var forkert). Figur er udskriftet. Frafaldet på erhvervsuddannelserne er mindsket efter reformen Af Anne Nissen Bonde, Charlotte

Læs mere

Store gevinster af at uddanne de tabte unge

Store gevinster af at uddanne de tabte unge Store gevinster af at uddanne de tabte unge Gennem de senere år har der været stor diskussion om, hvor stor gevinsten vil være ved at uddanne den gruppe af unge, som i dag ikke får en uddannelse. Nye studier

Læs mere

Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.

Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET OKTOBER 2013 Indholdsfortegnelse Indledning

Læs mere

Elevernes herkomst i grundskolen 2008/2009

Elevernes herkomst i grundskolen 2008/2009 Elevernes herkomst i grundskolen 2008/2009 Af Anne Mette Byg Hornbek 10 pct. af eleverne i grundskolen er af anden etnisk herkomst end dansk. Det absolutte antal efterkommere og indvandrere i folkeskolen

Læs mere

Fordeling af midler til specialundervisning på baggrund af skoledistrikter

Fordeling af midler til specialundervisning på baggrund af skoledistrikter NOTAT Fordeling af midler til specialundervisning på baggrund af skoledistrikter Model for Norddjurs Kommune Søren Teglgaard Jakobsen Maj 2013 Indholdsfortegnelse FORMÅL... 1 METODE... 1 POPULATION...

Læs mere

- hvor går de hen? Viborg Katedralskole Stx

- hvor går de hen? Viborg Katedralskole Stx Viborg Katedralskole Stx giver et overblik over de elever, der kommer ind på ungdomsuddannelsesinstitutionen, hvor mange, der fuldfører og hvor de går hen, når de forlader uddannelsen. Regional Udvikling

Læs mere

Ungdomsuddannelse, privatansættelse og løn

Ungdomsuddannelse, privatansættelse og løn ANALYSE Ungdomsuddannelse, privatansættelse og løn Der er systematisk væsentlige forskel på, hvad gennemsnitslønnen er for personer med en stx, hf, hhx og htx-baggrund. Der er også store forskel på, hvor

Læs mere

De socioøkonomiske referencer for grundskolekarakterer

De socioøkonomiske referencer for grundskolekarakterer De socioøkonomiske referencer for grundskolekarakterer Baggrund Den enkelte skoles faktiske karaktergennemsnit i 9. klasse har sammenhæng med mange forskellige forhold. Der er både forhold, som skolen

Læs mere

KORAs analyse af kommunernes produktivitet mv.

KORAs analyse af kommunernes produktivitet mv. Økonomi Budget og Regnskab KORAs analyse af kommunernes produktivitet mv. KORA (statslig institution for Kommuners og Regioners Analyse og Forskning) har sammenlignet kommunernes serviceniveau og produktivitet

Læs mere

Handlingsplan for øget gennemførelse [Skolens navn]

Handlingsplan for øget gennemførelse [Skolens navn] Handlingsplan for øget gennemførelse 2016 [Skolens navn] 1 Handlingsplan for øget gennemførelse 2016 Skolens navn: Institutionsnummer: Dato: Bestyrelsesformandens underskrift: 2 Indledning Handlingsplanen

Læs mere

Socioøkonomiske referencer for grundskolekarakterer 2013.

Socioøkonomiske referencer for grundskolekarakterer 2013. Prøvefag og udtræksfag e referencer for grundskolekarakterer 2013. Sammenfatning: Dette notat er en sammenfatning af de socioøkonomiske referencer for grundskole karaktererne ved afgangsprøverne i 9. klasse

Læs mere

Fortsat høj trivsel på erhvervsuddannelserne

Fortsat høj trivsel på erhvervsuddannelserne Fortsat høj trivsel på erhvervsuddannelserne - Elevtrivselsmålingen Elevernes trivsel skal øges frem mod 00. Det er et af de mål for erhvervsuddannelsernes udvikling, der blev sat i forbindelse med indgåelsen

Læs mere

En stor del af indvandreres og efterkommeres lavere karakterer i forhold til danskere kan forklares

En stor del af indvandreres og efterkommeres lavere karakterer i forhold til danskere kan forklares 30. november 2017 2017:18 19. december 2017: Der var desværre fejl i et tal i boks 2. Rettelsen er markeret med rødt. Desuden er der tilføjet en boks 4 sidst i analysen. En stor del af indvandreres og

Læs mere

UDDANNELSESNÆVNET DE MERKANTILE ELEVER 2012

UDDANNELSESNÆVNET DE MERKANTILE ELEVER 2012 UDDANNELSESNÆVNET DE MERKANTILE ELEVER 2012 Ajourført den 12. januar 2014 Uddannelsesnævnet for handels- og kontorområdet Vesterbrogade 6 D, 4., 1620 København V Tlf.: 33 36 66 00 www.uddannelsesnaevnet.dk

Læs mere

2.0: Undervisningen giver den enkelte de rigtige udfordringer på de rigtige tidspunkter, så denne efterspørges i erhvervslivet.

2.0: Undervisningen giver den enkelte de rigtige udfordringer på de rigtige tidspunkter, så denne efterspørges i erhvervslivet. Bilag 2b: Gennemførelsesprocenten for gymnasiale uddannelser for 2011 til (intern statistik) Gymnasiale uddannelser Højere handelseksamen Højere teknisk eksamen I alt Gennemførelsesprocent 86,96 89,86

Læs mere

Den typiske student på HHX er lige som på HTX en dreng med forældre, der har taget en erhvervsfaglig uddannelse. Dato: 2. maj 2011.

Den typiske student på HHX er lige som på HTX en dreng med forældre, der har taget en erhvervsfaglig uddannelse. Dato: 2. maj 2011. Analyse af mulighederne for udbud af HHX i Haslev Køge Handelsskole har i samarbejde med ZBC i Næstved indsendt en ansøgning for at oprette HHX i Haslev. Målet er at styrke uddannelsesfrekvensen blandt

Læs mere

Analyse 21. marts 2014

Analyse 21. marts 2014 21. marts 2014 Adgangskrav på 7 til gymnasier vil få stor betydning for uddannelsessystemet Af Kristian Thor Jakobsen Reformen af landets erhvervsuddannelser indfører karakterkrav til ungdomsuddannelserne.

Læs mere

De to grupper har dog omtrent samme chance (63-

De to grupper har dog omtrent samme chance (63- oktober 216 Nyt fra rff Optagelse på den foretrukne lange videregående uddannelse har ingen betydning for, hvilket uddannelsesniveau man opnår, eller hvor meget man tjener efter endt uddannelse D e afviste

Læs mere

Forslag. Fremsat den {FREMSAT} af undervisningsministeren (Christine Antorini) til

Forslag. Fremsat den {FREMSAT} af undervisningsministeren (Christine Antorini) til Lovforslag nr. L Forslagsnummer Folketinget -NaN Fremsat den {FREMSAT} af undervisningsministeren (Christine Antorini) Forslag til Lov om ændring af lov om institutioner for almengymnasiale uddannelser

Læs mere

Effekt- og profilanalyse Efterskoleforeningen 2017 Marts 2017

Effekt- og profilanalyse Efterskoleforeningen 2017 Marts 2017 Effekt- og profilanalyse Efterskoleforeningen 2017 Marts 2017 1 Indholdsfortegnelse 1. Indledning 2. Konklusioner 3. Undersøgelsens datagrundlag 4. Effektanalyse: Positive effekter af efterskoleophold

Læs mere

Profilmodel Ungdomsuddannelser

Profilmodel Ungdomsuddannelser Profilmodel 214 - Ungdomsuddannelser En fremskrivning af hvor stor en andel af en niende klasse årgang, der forventes at få mindst en ungdomsuddannelse Profilmodel 214 er en fremskrivning af, hvordan en

Læs mere

Omprioriteringsbidragets konsekvenser for erhvervsskolerne i CASES

Omprioriteringsbidragets konsekvenser for erhvervsskolerne i CASES mio. kr. Omprioriteringsbidragets konsekvenser for erhvervsskolerne i 2017-3 CASES Regeringen har i sit finanslovsudspil fastholdt og videreført omprioriteringsbidraget i 2017-20, hvilket betyder en besparelse

Læs mere

Grundskolernes bidrag til den offentlige produktion

Grundskolernes bidrag til den offentlige produktion 21. december 2017 AJC Nationalregnskab Grundskolernes bidrag til den offentlige produktion Aksel Juel Clemmensen Nationalregnskab Tlf. 3917 3515 ajc@dst.dk 1/5 Output metoden Den offentlige produktion

Læs mere

Kønsmainstreaming af HK-KL-overenskomst kvantitativ del

Kønsmainstreaming af HK-KL-overenskomst kvantitativ del Kønsmainstreaming af HK-KL-overenskomst kvantitativ del Mona Larsen, SFI September 2015 1 1. Indledning I henhold til ligestillingslovgivningen skal kommunerne indarbejde ligestilling i al planlægning

Læs mere

Statusredegørelsen for folkeskolens udvikling

Statusredegørelsen for folkeskolens udvikling Statusredegørelsen for folkeskolens udvikling For skoleåret 2016/2017 Statusredegørelsen for folkeskolens udvikling For skoleåret 2016/2017 Layout: Presse- og Kommunikationssekretariatet, Undervisningsministeriet

Læs mere

Profilmodel 2013 - Ungdomsuddannelser

Profilmodel 2013 - Ungdomsuddannelser Profilmodel 213 - Ungdomsuddannelser En fremskrivning af hvor stor en andel af en niende klasse årgang, der forventes at få mindst en ungdomsuddannelse Profilmodel 213 er en fremskrivning af, hvordan en

Læs mere

For at underbygge ansøgningen, har ansøger udarbejdet et bilagsmateriale, der tydeliggør uddannelsesproblematikkerne i Faxe Kommune.

For at underbygge ansøgningen, har ansøger udarbejdet et bilagsmateriale, der tydeliggør uddannelsesproblematikkerne i Faxe Kommune. Baggrund for ansøgning om etablering af HG i Haslev Zealand Business College har i samarbejde med Køge Handelsskole indsendt en ansøgning for at oprette HG (det merkantile grundforløb) i Haslev. Målet

Læs mere

Udkast til Kvalitetsrapport

Udkast til Kvalitetsrapport Skabelon for Kvalitetsrapport 2.0 Udkast til Kvalitetsrapport [2013/2014] Gentofte Kommune 1 Indholdsfortegnelse 1. Indledning... 3 2. Sammenfattende helhedsvurdering... 3 3. Nationalt fastsatte mål og

Læs mere

Strukturfondsindsatsen i Region Midtjylland

Strukturfondsindsatsen i Region Midtjylland Monitorering og effektvurdering af strukturfondsindsatsen Side 1 Strukturfondsindsatsen i Region Midtjylland Monitorering og effektvurdering De fem regioner, Bornholms Regionskommune, Danmarks Statistik

Læs mere

Analyse: Folkeskoleoplevelser og valg af ungdomsuddannelse

Analyse: Folkeskoleoplevelser og valg af ungdomsuddannelse Analyse: Folkeskoleoplevelser og valg af ungdomsuddannelse Unge, der går på en erhvervsskole eller produktionsskole, er oftere blevet mobbet i folkeskolen end unge, der vælger gymnasiet. Det viser en ny

Læs mere

Årgang 1988: Voksen- og efteruddannelse

Årgang 1988: Voksen- og efteruddannelse Sagsnr. 10-3513 Vores ref. AKB Den 27. marts 2017 Årgang 1988: Voksen- og efteruddannelse LO har i samarbejde med Danmarks Statistik fulgt årgang 1988 s vej gennem uddannelsessystemet. Den første rapport

Læs mere

Viborg Gymnasium og HF Hf

Viborg Gymnasium og HF Hf HF Hf giver et overblik over de elever, der kommer ind på ungdomsuddannelsesinstitutionen, hvor mange, der fuldfører og hvor de går hen, når de forlader uddannelsen. Regional Udvikling 2015 Læsevejledning

Læs mere

Praktikvirksomheders adfærd i forbindelse med merkantile elevers overgang til hovedforløb

Praktikvirksomheders adfærd i forbindelse med merkantile elevers overgang til hovedforløb Praktikvirksomheders adfærd i forbindelse med merkantile elevers overgang til hovedforløb INDHOLD Praktikvirksomheders adfærd i forbindelse med merkantile elevers overgang til hovedforløb 1 Resumé 4 2

Læs mere

Sammenhængen mellem folkeskolens faglige niveau og sandsynligheden for at gennemføre en ungdomsuddannelse

Sammenhængen mellem folkeskolens faglige niveau og sandsynligheden for at gennemføre en ungdomsuddannelse NOTAT 18. MARTS 2011 Sammenhængen mellem folkeskolens faglige niveau og sandsynligheden for at gennemføre en ungdomsuddannelse Jørgen Søndergaard, SFI Danmark er fortsat langt fra målet om, at 95 pct.

Læs mere

Læring af test. Rapport for. Aarhus Analyse Skoleåret

Læring af test. Rapport for. Aarhus Analyse  Skoleåret Læring af test Rapport for Skoleåret 2016 2017 Aarhus Analyse www.aarhus-analyse.dk Introduktion Skoleledere har adgang til masser af data på deres elever. Udfordringen er derfor ikke at skaffe adgang

Læs mere

Virksomhedspraktik til flygtninge

Virksomhedspraktik til flygtninge Virksomhedspraktik til flygtninge Af Lasse Vej Toft, LVT@kl.dk Formålet med dette analysenotat er, at give viden om hvad der har betydning for om flygtninge kommer i arbejde efter virksomhedspraktik Analysens

Læs mere

Flygtninge og familiesammenførte, der uddanner sig i Danmark, opnår bedre arbejdsmarkedstilknytning

Flygtninge og familiesammenførte, der uddanner sig i Danmark, opnår bedre arbejdsmarkedstilknytning JUNI 218 NYT FRA RFF Flygtninge og familiesammenførte, der uddanner sig i Danmark, opnår bedre arbejdsmarkedstilknytning D e ikke-vestlige flygtninge og familiesammenførte indvandrere, der uddanner sig

Læs mere

Fakta-ark vedrørende Svendborg HandelsGymnasium

Fakta-ark vedrørende Svendborg HandelsGymnasium Fakta-ark vedrørende Svendborg HandelsGymnasium Det er en helt central ambition på Svendborg HandelsGymnasium og Svendborg Erhvervsskole i øvrigt - at hver enkelt elev skal lære så meget som overhovedet

Læs mere

Analyse af nystartende elever og omgængere i grundskolens børnehaveklasse. Baseret på data for skoleåret 2010/11

Analyse af nystartende elever og omgængere i grundskolens børnehaveklasse. Baseret på data for skoleåret 2010/11 Analyse af nystartende elever og omgængere i grundskolens børnehaveklasse Baseret på data for skoleåret 2010/11 Analyse af nystartende elever og omgængere i grundskolens børnehaveklasse Baseret på data

Læs mere

Profilmodel 2012 Ungdomsuddannelser

Profilmodel 2012 Ungdomsuddannelser Profilmodel 212 Ungdomsuddannelser En fremskrivning af hvor stor en andel af en niende klasse årgang, der forventes at få mindst en ungdomsuddannelse Profilmodel 212 er en fremskrivning af, hvordan en

Læs mere

Notat vedr. beskæftigelsesministeriets benchmark-model

Notat vedr. beskæftigelsesministeriets benchmark-model Notat vedr. beskæftigelsesministeriets benchmark-model Sagsnr. 15.00.00-A00-22-18 Dato: 20.12.2018 Bilaget omhandler Baggrunden og formålet med Beskæftigelsesministeriets benchmark-model Gennemgang af

Læs mere

Region Sjælland. Undersøgelse af unges veje gennem uddannelsessystemet

Region Sjælland. Undersøgelse af unges veje gennem uddannelsessystemet Region Sjælland Undersøgelse af unges veje gennem uddannelsessystemet Region Sjælland Undersøgelse af unges veje gennem uddannelsessystemet Forfatter: Tine Høtbjerg Henriksen Med input fra Kurt Johannesen,

Læs mere