TÅRNBY KOMMUNE. Åbent referat. til Arbejdsmarkeds- og Beskæftigelsesudvalget

Transkript

1 TÅRNBY KOMMUNE Åbent referat til Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: Tirsdag den 11. december 218 Mødetidspunkt: 16: Mødelokale: Medlemmer: Afbud: 29, Mødelokale Winnie Sørensen, Ali Qais, Dennis Clausen, Jan Jakobsen, Klaus Bach, Mads Vinterby, Marlene Nyberg Ingen

2 Indholdsfortegnelse Punkter til dagsorden Side 1. Godkendelse af dagsorden Efterretning vedrørende Ankestyrelsens afgørelser - LUKKET SAG Meddelelser Budgetopfølgning for Arbejdsmarkeds- og Beskæftigelsesudvalget ultimo oktober Ledighedsydelse og fleksjob Status på ungeområdet ultimo oktober Tilkendelse af førtidspension Rammevilkår for jobcenteret Indsatser på sygedagpengeområdet Fravær i danskundervisningen Eventuelt...18 Bilagsoversigt

3 Arbejdsmarkeds- og Beskæftigelsesudvalget d Godkendelse af dagsorden Åben sag Sagsnr.: 18/26964 Sagsansvarlig: sbo.sf Fraværende: Afbud: BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Godkendt. 2

4 Arbejdsmarkeds- og Beskæftigelsesudvalget d Efterretning vedrørende Ankestyrelsens afgørelser - LUKKET SAG Lukket sag Sagsnr.: 18/26964 Sagsansvarlig: sbo.sf Fraværende: Afbud: BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 3

5 Arbejdsmarkeds- og Beskæftigelsesudvalget d Meddelelser Åben sag Sagsnr.: 18/26964 Sagsansvarlig: sbo.sf Fraværende: Afbud: RESUMÉ Orientering, referater og information til udvalget. UDDYBENDE BEMÆRKNINGER 1. Almindelig orientering. 2. Brev fra Beskæftigelsesministeren vedrørende opfølgning på manglende samtaler med ledige. 3. Brev til KL fra Beskæftigelsesministeren angående opfølgning på manglende samtaler med ledige. 4. Svar fra KL til Beskæftigelsesministeren om samtaler med ledige. 5. Notat om manglende samtaler med ledige. 6. Sammenligning mellem integrationsområdet i Tårnby Kommune og hele landet. 7. Orientering om borgersag. 8. Forespørgsel om tilbud fra Jobcentrets eksterne leverandør. 9. Brev fra Beskæftigelsesministeren vedrørende tegnsprogstolkebevillinger.. Notat om fokusrevision på mentorstøtte. INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at udvalget tager punkterne til efterretning. BILAGSFORTEGNELSE: 1 Åben Brev fra beskæftigelsesminister Troels Lund Poulsen vedrørende /18 opfølgning 2 Åben Brev til KL fra Beskæftigelsesministeren vedr. opfølgning på 2347/18 manglende samtaler med ledige 3 Åben Svar fra KL til beskæftigelsesministeren om samtaler med ledige 23477/18 4 Åben Manglende samtaler med ledige /18 5 Åben Sammenligning for integrationsområdet for Tårnby Kommune og /18 hele landet 6 Lukket 7 Åben Forespørgsel om tilbud fra Jobcentrets eksterne leverandører 26858/18 8 Åben Brev fra Beskæftigelsesministeren vedrørende 28269/18 tegnsprogstolkebevillinger 9 Åben Notat om fokusrevision på mentorstøtte /18 4

6 Arbejdsmarkeds- og Beskæftigelsesudvalget d BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. Forvaltningen omdelte oversigt over udvikling i beskæftigelsesfrekvens, ledighedsprocent samt danmarkskort over effektiviseringspotentialer fra Rigsrevisionens rapport Jobcentrenes effektivitet. Rigsrevisionens rapport eftersendes. 5

7 Arbejdsmarkeds- og Beskæftigelsesudvalget d Budgetopfølgning for Arbejdsmarkeds- og Beskæftigelsesudvalget ultimo oktober 218 Åben sag Sagsnr.: 18/1773 Sagsansvarlig: tfi.as Fraværende: Afbud: RESUMÉ Der fremlægges sag til efterretning vedrørende den økonomiske udvikling på udvalgets servicedriftsområder på baggrund af måneders forbrug i 218 samt mulige budgetudfordringer frem mod 219. UDDYBENDE BEMÆRKNINGER På baggrund af modtagerudviklingen og det faktiske forbrug efter måneder, forventes et samlet merforbrug på ca. 2 mio. kr. for udvalgets områder under ét. Merforbruget fordeler sig med ca. 1 mio. kr. på de to serviceområder sygedagpenge og førtidspension. På sygedagpengeområdet skyldes merforbruget et øget antal modtagere i årets sidste måneder, som overskrider forventningen fra tidligere korrektion. På førtidspension er budgettet nedjusteret ifm. et opdateret pris- og lønskøn fra KL, som dog ikke kan ses afspejlet i de faktiske udbetalinger på området. Overordnet set forventes helårsoverførselsmodtagere i 218, hvilket er en stigning på 2% sammenlignet med 217. I samtlige måneder har niveauet i 218 været højere end sidste år, og udviklingen ser ikke ud til at være lige ved at vende. Det høje niveau er bekymrende, idet der i 219 er budgetteret med helårsmodtagere. Der er således stort fokus på effekten af de tiltag, der blev indarbejdet i budget 219 for at reducere antallet af overførselsmodtagere. Tiltagene omhandler blandt andet opnormering af sagsbehandlere, øget brug af eksterne aktører og forstærket indsats på sygedagpengeområdet. ØKONOMI Efter måneders forbrug er det overordnede billede, at der er forbrugt følgende af budgettet: Nettoforbrugsprocent ultimo oktober 217: 83,6 % Nettoforbrugsprocent ultimo oktober 218: 79,4 % Forbrugsprocenten er noget lavere i 218, hvilket skyldes Udbetaling Danmark indførte et nyt boligstøttesystem pr. 1. april 218. Dette har givet tekniske udfordringer, hvorfor der ikke er registreret boligstøtteudgifter siden april. Berettigede til boligstøtte har naturligvis modtaget ydelsen. En løsning er implementeret i november, hvor efter al boligstøtten vil blive registreret som den skal og indgå i regnskabsaflæggelsen for

8 Arbejdsmarkeds- og Beskæftigelsesudvalget d INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at budgetopfølgningen tages til efterretning. /kam BILAGSFORTEGNELSE: 1 Åben Økonomiopfølgning oktober /18 2 Åben Udvikling i antal helårspersoner oktober /18 3 Åben Gennemsnitlig medfinansieringsgrad oktober /18 4 Åben Status på til- og afgang oktober /18 5 Åben Nøgletal på flygtningestatus pr. ultimo oktober /18 BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 7

9 Arbejdsmarkeds- og Beskæftigelsesudvalget d Ledighedsydelse og fleksjob Åben sag Sagsnr.: 17/32816 Sagsansvarlig: mfu.am Fraværende: Afbud: RESUMÉ Arbejdsmarkeds- og Sundhedsforvaltningen fremsender sag om udviklingen i antallet af borgere der modtager ledighedsydelse og borgere der er i et fleksjob til udvalgets drøftelse og stillingtagen. UDDYBENDE BEMÆRKNINGER Tårnby Kommune har 464 borgere i fleksjob og 113 borgere på ledighedsydelse opgjort pr. 4. november 218. Før førtidspensionsreformen blev en stor andel af disse borgere tilkendt en social førtidspension. At ca. 8% af borgerne er i fleksjob og deres rest erhvervsevne derfor er bragt i spil på arbejdsmarkedet er en klar forbedring i forhold til tidligere. I 216 og 217 var andelen på ledighedsydelse 27%, samtidig er der kommet flere borgere i målgruppen. Det betyder imidlertid ikke, at vi ikke stadig skal have maksimal fokus på at få de 113 borgere, der p.t. modtager ledighedsydelse ud på arbejdsmarkedet. Hovedparten af borgere der er i fleksjob er ansat i en privat virksomhed. Vi skønner, at omkring 8% er ansat i en privat virksomhed, og omkring 2% er ansat i offentlige virksomheder institutioner, forvaltninger o.lign. Fleksjobbere i en offentlig virksomhed er typisk ansat i et fastholdelsesfleksjob i den funktion/institution, hvor de tidligere var ansat på ordinære vilkår, eller ansat som fastansat vikar. For de borgere der er i et fleksjob har forvaltningen opfølgningssamtaler med borgerne og virksomheden med det formål at understøtte, at borgeren fastholder sin tilknytning til arbejdspladsen eller støtte borgerne i at opnå endnu større beskæftigelsesgrad. For de borgere på ledighedsydelse der endnu ikke har fået et fleksjob hjælper forvaltningen med aktiviteter som: - Vejledning i form af samtaler mellem jobkonsulent og virksomhedskonsulent om mulige jobåbninger. - Tilbud om kurser, der indeholder kompetenceafklaring, udformning af CV/ansøgning, tips til brug af netværk og virksomhedskontakt. - Kurser på lige fod med dagpengemodtagere og jobparate kontanthjælpsmodtagere. - Match gennemføres af virksomhedskonsulenter løbende af borgere på ledighedsydelse og nye ledige fleksjob. 8

10 Arbejdsmarkeds- og Beskæftigelsesudvalget d Forvaltningen har samarbejdsaftaler med en række private aktører, hvor der indgås kontrakter efter princippet no cure - no pay. Dette samarbejde har i 218 resulteret i 21 ansættelser ind til videre. Borgere på ledighedsydelse er fordelt på følgende måde: Beskæftigelsesgrad: - 45% under timer (de såkaldte mini-fleksjob). - 55% over timer. Fordeling af antal personer med følgende jobsøgningsmål: - Butik 25 - Kontor/administration 24 - Pædagog 11 - Lager/logistik 6 - Servicemedarbejder køkken 6 - Pleje, omsorg og sygepleje 5 - Ejendomsfunktionær og teknisk service 3 - Skolelærer 2 - Bibliotekar 2 - Tolk 1 - Læge 1 - Kok 1 - Gartner/servicemedarbejder 1 De resterende er uden et konkret jobmål og kan derfor ikke søges ud. I Tårnby Kommune er der aktuelt ansat 35 personer i et fleksjob. Mellem 2 og 3 af ovenstående borgere, der er godkendt til et fleksjob, men er ledig, er målrettet den offentlige sektor. Tårnby Kommune er langt den største offentlige arbejdsgiver og det er derfor også vigtigt, hvordan kommunen agerer i forhold til denne målgruppe. For de øvrige ledige arbejder Virksomhedsservice målrettet efter at mache borgere til fleksjob, når Virksomhedskonsulenterne er på virksomhedsbesøg. Jobmessen var et andet eksempel på, hvordan forvaltningen forsøger at skabe jobåbninger og mache virksomheder med ledige. LOVGRUNDLAG 7d i Lov om en aktiv beskæftigelsesindsats og 74b og 75 i Lov om en aktiv socialpolitik, samt kap. 4 i vejledning om fleksjob. ØKONOMI Fleksjobydelsen og ledighedsydelsen er budgetlagt under Arbejdsmarkeds- og Beskæftigelsesudvalget. For den kommunale del er den del der udbetales som løn budgetlagt under Økonomiudvalget og de respektive fagudvalg. INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at drøfte sagen og overveje mulige nye indsatser for at få borgere på ledighedsydelse i beskæftigelse. /kam 9

11 Arbejdsmarkeds- og Beskæftigelsesudvalget d BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Drøftet. Udvalget videresendte sagen til Økonomiudvalget for at afdække om Tårnby Kommune kan påtage sig et større socialt arbejdsgiveransvar ved at etablere flere fleksjob med udgangspunkt i de 2-3 ledige godkendte til fleksjob.

12 Arbejdsmarkeds- og Beskæftigelsesudvalget d Status på ungeområdet ultimo oktober Åben sag Sagsnr.: 18/22544 Sagsansvarlig: lrj.as Fraværende: Afbud: RESUMÉ Arbejdsmarkeds- og Sundhedsforvaltningen fremsender status på unge til efterretning for Arbejdsmarkeds- og Beskæftigelsesudvalget. UDDYBENDE BEMÆRKNINGER På udvalgsmødet den fremlagde forvaltningen den første status for forsørgelsesmodtagere under 3 år og redegjorde for, at der ville blive fremlagt en revideret og udbygget status ud fra egne data. Denne status er nu foreløbigt på plads, om end der udestår, at KMD skifter IT-system fra KMD Opera til KMD Momentum. Dette burde dog ikke ændre på resultaterne. Status på ungeområdet ultimo oktober: Unge under 3 år på overførsel i Tårnby set ift. arbejdsstyrken er nogenlunde uændret sammenlignet med 217 (aktuelt 2,5 pct.). Niveauet er lavere end i landet og hovedstadsområdet. Antallet af unge på offentlig forsørgelse er aktuelt på 639 svarende til ca. 16% og andelen er steget ift Af de unge er 38% kontanthjælpsmodtagere og 24% a-dagpengemodtagere. De 2 største A-kasser for de unge forsikrede er 3F og HK. Ultimo oktober er 41% af unge under 3 år udsluset til ordinært arbejde eller uddannelse. Varigheden af det sidste kontaktforløb er kortere for de unge Effekten af aktivering er højere for de unge (12 procentpoint højere i oktober) Der henvises til bilag. INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at status på ungeområdet drøftes og tages til efterretning. /kam BILAGSFORTEGNELSE: 1 Åben Status på unge ultimo oktober /18 BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 11

13 Arbejdsmarkeds- og Beskæftigelsesudvalget d Tilkendelse af førtidspension Åben sag Sagsnr.: 18/169 Sagsansvarlig: AHU.SF Fraværende: Afbud: RESUMÉ Arbejdsmarkeds- og Sundhedsforvaltningen har opgjort 22 tilkendelser af social førtidspension for 3. kvartal 218. Opgørelsen forelægges udvalget til orientering. UDDYBENDE BEMÆRKNINGER I perioden er der tilkendt i alt 22 førtidspensioner og ingen afslag. Der er ikke tilkendt førtidspension til borger under 4 år. Afgørelserne fordeler sig således: Måned Over 4 år Under 4 år Tilkendt Afslag Tilkendt Afslag Juli August September 12 I alt 22 LOVGRUNDLAG Lov om social pension 16 INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget 1. at orienteringen tages til efterretning. /MIF BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 12

14 Arbejdsmarkeds- og Beskæftigelsesudvalget d Rammevilkår for jobcenteret Åben sag Sagsnr.: 17/32816 Sagsansvarlig: kro.as Fraværende: Afbud: RESUMÉ VIVE har udarbejdet en rapport om rammevilkårene på beskæftigelsesområdet. Arbejdsmarkeds- og Sundhedsforvaltningen fremsender orientering om rammevilkår for Jobcenteret til orientering for Arbejdsmarkeds- og Beskæftigelsesudvalget UDDYBENDE BEMÆRKNINGER Det nationale forskningscenter og Analysecenter for Velfærd VIVE har undersøgt kommunernes individuelle rammevilkår. De har efterfølgende rangeret kommunerne. Rammevilkårene beskriver vilkårene for det enkelte Jobcenter i relation til at få personer fra forskellige målgrupper i beskæftigelse eller i uddannelse. Undersøgelsen er lavet ud fra 216-tal. Samlet set ligger kommunen nummer 81 ud af landets kommuner, men har en relativ lav ledighed, hvilket sandsynligøre at restgruppen der sammenlignes med har en anden profil en øvrige kommuner. Tårnby ligger bedst på dagpengeområdet med en placering som nummer 46. Jobcenteret i Tårnby har overordnet set svære arbejdsbetingelser i forhold til at få ledige i beskæftigelse. Ledighedsprocent i januar 217 var på 3,4% i Tårnby Kommune, 4,2% på landsplan og 4,4% i Hovedstadsområdet. Seneste tal, der er fra september 218, viser at Tårnby Kommune er på 3,4%, hele landet 3,9% og Hovedstaden 4,%. For erhvervsfrekvensen (beskæftigede + arbejdsløse uanset målgruppe førtidspension) for 216 (sidste opgørelse), er Tårnby Kommune på 79,8%, hele landet på 75,5% og Hovedstaden på 76,7%. Jobcenteret i Tårnby leverer altså, på trods at dårlige rammevilkår, bedre end gennemsnittet i forhold til ledighedsprocenten på trods af en større andel end gennemsnittet, der kan tage et job. LOVGRUNDLAG ØKONOMI 13

15 Arbejdsmarkeds- og Beskæftigelsesudvalget d INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at orientering om rammevilkår for jobcenteret tages til efterretning. /kam BILAGSFORTEGNELSE: 1 Åben Kommunernes rammevilkaar for beskaeftigelsesindsatsen analyse 28684/18 BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 14

16 Arbejdsmarkeds- og Beskæftigelsesudvalget d Indsatser på sygedagpengeområdet Åben sag Sagsnr.: 17/32816 Sagsansvarlig: CIV.SF Fraværende: Afbud: RESUMÉ Arbejdsmarkeds- og Sundhedsforvaltningen fremsender orientering om indsatser på sygedagpengeområdet til efterretning i Arbejdsmarkeds- og Beskæftigelsesudvalget. UDDYBENDE BEMÆRKNINGER Antallet af personer på sygedagpenge er meget sæsonbetonet, hvilket betyder, at der i løbet af 218 har været mellem 569 og 493 helårspersoner pr. måned. Det forventede regnskab af helårspersoner for 218 er 538. I 219 er der budgetteret med et samlet antal helårspersoner på sygedagpenge på 499. Det betyder, at forvaltningen allerede på nuværende tidspunkt har et ekstra stort fokus på tiltag, der kan reducere antallet af sygedagpengemodtagere. STAR bevilgede i slutningen af 217 Tårnby Kommune midler til to stillinger til projektet Sammen om fastholdelse, der udløber ved udgangen af 218. Projektet har til formål at afprøve en ny indsatsmodel, der giver de sygemeldte en tidligere og mere virksomhedsrettet indsats for, at den sygemeldte vender hurtigere tilbage i job. Som en del af indsatsen i projektet afholdes den sygemeldtes første samtale med jobcenteret ude på arbejdspladsen, hvor arbejdsgiver også deltager. Et andet mål i projektet er, at den sygemeldte kun skal forholde sig til én medarbejder i jobcenteret, hvilket betyder, at sagsbehandlerne i projektet også fungerer som fastholdelseskonsulenter. Kommunalbestyrelsen har i forbindelse med budget 219 besluttet at videreføre de succesfulde elementer fra projektet. Derudover har forvaltningen i oktober i år indgået en samarbejdsaftale med en ekstern, privat leverandør om at lave en indsats for de sygemeldte, således at sygedagpengemodtagere hurtigst muligt hjælpes tilbage på arbejdsmarkedet. Forløbet indenholder to faser. Den første fase er en indledende screeningsfase, mens den anden fase er et tværfagligt og individuelt tilrettelagt forløb for borgeren på op til 13 uger. Den anden fase kan indeholde indsatser fra fagpersoner som socialfaglige konsulenter, jobkonsulenter, coaches, fysioterapeuter og øvrige sundhedsfaglige personaler. Både forvaltningen og den private leverandør forventer, at den private leverandør får raskmeldt 9% af de borgere, der starter i forløbet. INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget 1. at orientering på sygedagpengeområdet tages til efterretning. /kam 15

17 Arbejdsmarkeds- og Beskæftigelsesudvalget d BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. Udvalget ønskede en midtvejsevaluering i

18 Arbejdsmarkeds- og Beskæftigelsesudvalget d Fravær i danskundervisningen Åben sag Sagsnr.: 17/32816 Sagsansvarlig: mfu.am Fraværende: Afbud: RESUMÉ Arbejdsmarked- og Sundhedsforvaltningen fremsender analyse af flygtninge og familiesammenførtes fravær fra danskundervisning til efterretning for Arbejdsmarkedsog Beskæftigelsesudvalget UDDYBENDE BEMÆRKNINGER Økonomi- og Indenrigsministeriets Benchmarkingenhed har foretaget en analyse af flygtninge og familiesammenførtes fravær fra danskundervisningen. Analysen viser, at fraværet fra undervisningen er steget med gennemsnitligt 11,6% i landets kommuner i perioden Årsagen til stigningen skal findes i, at de borgere der i perioden har modtaget undervisningen, er de borgere der er flygtet fra borgerkrig i primært Syrien og Eritrea. De har derfor i større omfang problemstillinger ud over ledighed og manglende danskkundskaber. I Tårnby Kommune er fraværet dog kun steget med 1,2% siden 214. Tårnby Kommune har i 217 et fravær på 36,%, hvilket er en anelse mindre end landsgennemsnittet på 36,4%. Rapporten indeholder et kapitel med inspiration fra kommuner, der har reduceret fraværsprocenten. Jobcenteret vil i den kommende tid se nærmere på, hvilke af tiltagene, som med fordel kan opprioriteres i Joncenterets indsats. INDSTILLING Arbejdsmarkeds- og Sundhedsforvaltningen indstiller til Arbejdsmarkeds- og Beskæftigelsesudvalget, 1. at analyse af fravær fra danskundervisningen tages til efterretning. /kam BILAGSFORTEGNELSE: 1 Åben Rapport Flygtninge familiesammenførtes fravær DK undervising.pdf /18 BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Taget til efterretning. 17

19 Arbejdsmarkeds- og Beskæftigelsesudvalget d Eventuelt Åben sag Sagsnr.: 18/26964 Sagsansvarlig: sbo.sf Fraværende: Afbud: BESLUTNING I ARBEJDSMARKEDS- OG BESKÆFTIGELSESUDVALGET DEN Ingen bemærkninger. 18

20 Arbejdsmarkeds- og Beskæftigelsesudvalget d Bilagsoversigt 3. Meddelelser 1. Brev fra beskæftigelsesminister Troels Lund Poulsen vedrørende opfølgning (237981/18) 2. Brev til KL fra Beskæftigelsesministeren vedr. opfølgning på manglende samtaler med ledige (2347/18) 3. Svar fra KL til beskæftigelsesministeren om samtaler med ledige (23477/18) 4. Manglende samtaler med ledige (286529/18) 5. Sammenligning for integrationsområdet for Tårnby Kommune og hele landet (255996/18) 6. (Lukket bilag) 7. Forespørgsel om tilbud fra Jobcentrets eksterne leverandører (26858/18) 8. Brev fra Beskæftigelsesministeren vedrørende tegnsprogstolkebevillinger (28269/18) 9. Notat om fokusrevision på mentorstøtte (286548/18) 4. Budgetopfølgning for Arbejdsmarkeds- og Beskæftigelsesudvalget ultimo oktober Økonomiopfølgning oktober 218 (28873/18) 2. Udvikling i antal helårspersoner oktober 218 (288185/18) 3. Gennemsnitlig medfinansieringsgrad oktober 218 (288186/18) 4. Status på til- og afgang oktober 218 (288184/18) 5. Nøgletal på flygtningestatus pr. ultimo oktober 218 (28818/18) 6. Status på ungeområdet ultimo oktober 1. Status på unge ultimo oktober 218 (288557/18) 8. Rammevilkår for jobcenteret 1. Kommunernes rammevilkaar for beskaeftigelsesindsatsen analyse (28684/18). Fravær i danskundervisningen 1. Rapport Flygtninge familiesammenførtes fravær DK undervising.pdf (285329/18) 19

21 Bilag: 3.1. Brev fra beskæftigelsesminister Troels Lund Poulsen vedrørende opfølgning Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

22 Borgmestre, beskæftigelsesudvalgsformænd og jobcenterchefer Beskæftigelsesministeren Ved Stranden 8 61 København K T E bm@bm.dk Vedr. opfølgning på manglende samtaler med ledige CVR Kære borgmester, beskæftigelsesudvalgsformand og jobcenterchef Den 29. januar 218 sendte jeg et brev til jeres kommune, da en opgørelse fra november 217 viste, at en stor del af landets kommuner kun i begrænset omfang overholder de minimumsregler for samtaler med ledige og sygemeldte, der er fastsat ved lov. I brevet blev I bedt om at rette op på jeres indsats, så ledige får det antal samtaler, de har krav på. Det bad jeg samtlige danske kommuner om. 26. september 218 J.nr. 18/996 Jeg vil gerne understrege, at ledige borgere skal have tilbudt en tidlig og intensiv indsats. Sådan er reglerne. Derfor er jeg stærkt forundret over, at alt for mange borgere stadig ikke får det antal samtaler, de har krav på. Data for juni er nu offentliggjort. Her står det klart, at landets kommuner kun har forbedret sig marginalt på samtaler, siden jeg sidst skrev ud i januar. Det finder jeg stærkt bekymrende. For nogle kommuner er det gået fremad, mens andre i dag leverer dårligere end sidst i forhold til at overholde minimumskravene for samtaler. Ingen borgere skal overlades til passiv offentlig forsørgelse, hvilket er og bliver kommunernes opgave at sikre. Tidligere undersøgelser har vist, at der er evidens for, at et tidligt og intensivt kontaktforløb har god effekt på at bringe borgere i job. Der er således ikke bare tale om regler for reglernes skyld, men om at det intensive kontaktforløb er et vigtigt redskab til at få ledige tilbage på arbejdsmarkedet. Det er samtidig kommunernes ansvar at afholde det lovpligtige antal samtaler. Jeg følger tallene for det intensive kontaktforløb tæt. Samtidig har vi med Aftale om en forenklet beskæftigelsesindsats taget de første skridt til en styrket kontrolindsats over for de kommuner, der ikke giver de ledige en aktiv indsats. Der vil med aftalen fortsat være krav om et intensivt kontaktforløb i de første 6 måneders ledighed og krav om et aktivt tilbud senest efter 6 måneders ledighed for dagpenge- og kontanthjælpsmodtagere. Herefter får kommunerne frie rammer til at tilrettelægge en aktiv indsats efter den enkeltes behov og forudsætninger.

23 Den øgede frihed følges naturligvis af en styrket monitorering og opfølgning på kommunernes indsats. Formålet er at skærpe fokus på de kommuner, der ikke lever op til reglerne, men efterlader borgere passive, det vil sige uden indsats og kontakt med jobcentret i længere perioder. De nye initiativer, som fremgår af Aftale om en forenklet beskæftigelsesindsats, træder i kraft den 1. juli 219. Det betyder også, at der til den tid vil ske en systematisk opfølgning over for de kommuner, som ikke lever op til reglerne om samtaler. Aftalepartierne skal desuden fremover mødes årligt for at følge op på kommunernes anvendelse og administration af de forskellige ordninger på beskæftigelsesområdet bl.a. med fokus på, at der ikke sker lokalt misbrug af ordningerne. Det indebærer også, at Styrelsen for Arbejdsmarked og Rekruttering fremover vil opprioritere tilsyns- og kontrolindsatsen over for kommunerne. Jeg vil stærkt opfordre jer til allerede i efteråret 218 at deltage i de aktiviteter, der vil blive afholdt for at forbedre kvalitet og rettighed i samtalerne på landets jobcentre. Aktiviteterne afholdes af de regionale arbejdsmarkedskontorer, der også står til rådighed, hvis I har brug for hjælp eller sparring til at hæve jeres samtalefrekvens. I kan selv løbende følge udviklingen i jeres kommuner, idet Styrelsen for Arbejdsmarked og Rekruttering hver måned offentliggør tallene for samtaler på sin hjemmeside. Data for den enkelte kommune kan hentes via beskrivelsen i dette link: Jeg har en klar forventning om, at der snarest vil blive rettet op på de lave tal for samtaler, så vi kan være sikre på, at ledige får en tidlig og intensiv indsats. Derfor vil jeg følge op på udviklingen målgruppe for målgruppe i starten af 219. Til den tid regner jeg naturligvis med, at der er sket en markant fremgang i tallene for hver enkelt målgruppe. Venlig hilsen Troels Lund Poulsen 2

24 Bilag: 3.2. Brev til KL fra Beskæftigelsesministeren vedr. opfølgning på manglende samtaler med ledige Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 2347/18

25

26

27 Bilag: 3.3. Svar fra KL til beskæftigelsesministeren om samtaler med ledige Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 23477/18

28

29

30

31 Bilag: 3.4. Manglende samtaler med ledige Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

32 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 17/32816 DOK. NR.: /18 SAGSBEH.: MORTEN FUGLSANG Manglende samtaler med ledige Resume I dette notat gives en status på rettidighed afholdelse af lovpligtige samtaler og en beskrivelse af igangværende og fremtidige tiltag for at forbedre rettidigheden for disse to målgrupper. Årsagen til notatet er et brev fra ministeren hvor landes jobcenter benchmarkes i forhold til hinanden. Tårnby kommune ligger i den nederste tredjedel generelt. Baggrund I beskæftigelsesministerens brev af den 26. september 218 Vedr. opfølgning på manglende samtaler med ledige påpeger han kommunernes generelt mangelfulde afholdelse af rettidige samtaler for ledige. I et bilag til brevet beskrives hver kommunes rettidige afholdelse af samtaler for følgende seks målgrupper: Dagpengemodtagere (6-9 mdr. anciennitet) Jobparate kontanthjælpsmodtagere (3-6 mdr. anciennitet) Aktivitetsparate kontanthjælpsmodtagere (6-9 mdr. anciennitet) Uddannelsesparate uddannelseshjælpsmodtagere (3-6 mdr. anciennitet) Aktivitetsparate uddannelseshjælpsmodtagere (6-9 mdr. anciennitet) Sygedagpengemodtagere (6-9 mdr. anciennitet). Uddybning Indledningsvist er det væsentligt at præcisere, at manglende rettidig afholdelse af jobsamtaler alene betragtes som processuelle fejl. Der er derfor tale om fejl, som alene har betydning for borgerens progression, ikke for udbetaling af borgerens ydelse. I den sammenhæng er det vigtigt at påpege, at Jobcenteret afholder mange øvrige samtaler med borgeren for at fremme den enkeltes progression. Nævnte samtaler registreres i dag ikke som jobsamtaler, men som en Anden samtale i Opera/Momentum og indgår derfor ikke i opgørelsen af rettighed. Disse samtaler lever ikke op til lovgivningens minimumskrav til en jobsamtale og de kan derfor ikke registres sådan. 1

33 TÅRNBY KOMMUNE Jobcenteret har organiseret indsatsen omkring den ledige, hvorefter at det er Virksomhedsservice, som understøtter den enkeltes progression i form af coachende samtaler om sparring mv. Disse aktiviteter registreres som en Anden samtale. Hvad angår dagpengemodtagere og jobparate kontanthjælpsmodtagere er det også relevant at præcisere, at Ankestyrelsen i sin årsrapport for 217 har opgjort, at Tårnby har en lavere omgørelsesprocent end landsgennemsnittet for den lovgivning, som vedrører beskæftigelsesområdet, og det til trods for den lavere placering landsplacering, som Tårnby har i forhold til efterlevelse af samtalerettidigheden. Det skyldes en prioritering af indholdet i og journalisering af jobsamtalen frem for antallet af samtalerne. Særligt for dagpengemodtagere Dagpengeteamet i Jobcenter Tårnby har en lav bemanding sammenlignet med de jobcentre, som er repræsenteret i vores klynge. Medarbejderne i jobcenteret skal i gennemsnit afholde 26 samtaler hver uge for at opfylde rettidigheden. Dette betyder, at der er stor risiko for, at rettidigheden overskrides ved sygdom og øvrig fravær i teamet. En af hovedårsagerne må derfor ses i lyset af bemandings og kapacitetsudfordringer. Yderligere så kan en borgere der aflyser en samtale af lovlige årsager eller udebliver fra samtalen ulovligt påvirke rettidigheden. En dagpengemodtager kan nu optjene dagpenge ved at tage bla. Vikarjobs. Det påvirker rettidigheden, da man ved optjening kan bevæge sig tilbage i dagpengeperioden. Dvs at når borgeren selvbooker en samtale kan bookningen være rettidig, men når borgeren møder op til samtalen kan rettidigheden ikke være overholdt med et par dage grundet optjening. Det har medarbejderen der holder 26 samtaler om ugen ikke en jordisk chance for at imødegå. Særligt for jobparate kontanthjælpsmodtagere Der har været en stor personalemæssig udskiftning blandt medarbejderne i 2. halvdel af 217 og 1.halvdel af 218. Dette har medført, at der ikke er sket systematisk sagsopfølgning i alle sager, hvilket har den konsekvens, at rettidigheden er blevet overskredet. Det skal oplyses, at medarbejdergruppen har været stabil i 2. halvdel af 218, hvilket også tydeligt ses i forhold til efterlevelse af rettigheden. Ved de seneste tre ledelsestilsyn har der ikke været registreret fejl i forbindelse med efterlevelse af rettigheden for jobparate kontanthjælpsmodtagere. Ud fra oplysninger hentet den 9. oktober i KMD s Opera fremgår det, at 88 sager ud af i alt 113 aktive sager har overholdt rettidigheden. En kontanthjælps modtager skal have 4 samtaler på et løbende år. De resterende sager vil derfor opnå rettidighed hurtigt med mindre borgerne aflyser eller udebliver fra samtalerne. Særligt for aktivitetsparate kontanthjælpsmodtagere Der har været stor fokus på at få kontanthjælpsmodtagerne med lang ledighed i gang. Den borgergruppe er ikke altid aktiv og udeblivelserne har derfor været større end normalt. Dette har påvirket rettidigheden for hele målgruppen. Ved de seneste tre ledelsestilsyn har der ikke været registreret fejl i forbindelse med efterlevelse af rettigheden for aktivitetsparate kontanthjælpsmodtagere. 2

34 TÅRNBY KOMMUNE Særligt for de unge (begge målgrupper) Samme billede som de aktivitetsparate kontanthjælpsmodtagere. Der er et stort antal udeblivelser blandt de unge. Særligt for sygedagpenge Manglende rettidighed på sygedagpenge er et nyt fænomen. Det skyldes manglende IT understøttelse når samtalerne skal tages på virksomhederne. Plus at sags antallet er meget svingende. Jobcenteret har ikke en buffer i forhold til at der er medarbejdere nok til at håndtere et stort udsving i antallet af sygemeldte. Tiltag for at forbedre rettidig afholdelse af samtaler Der er allerede foretaget adskillige tiltag på ugebasis i forhold til at sikre, at rettidigheden bliver overholdt. Største problem er dagpengemodtagere da sagsantallet pr medarbejder er stort og udskiftningen i borgergruppen også er stor. Der er løbende fokus på rettigheden for alle målgrupper såvel igennem det ordinære som det ekstraordinære ledelsestilsyn. I forlængelse af resultatet af ledelsestilsynet iværksættes også relevante forbedringstiltag. Blandt andet er arbejdsgangsbeskrivelser vedrørende sagsgang for rettidighed udarbejdet og gennemgået med det enkelte team. Der etableres et sanktionsteam. En medarbejder der placeres i administrationen. Medarbejderen vil stå for sanktion af borgere indledningsvist på kontanthjælp. Da en centraliseret sanktionsindsats er mere effektiv. Vi ser en forbedring i sagerne på alle målgrupper i det skærpede ledelsestilsyn. Vi ser frem til at få bedre IT understøttelse så den enkelte medarbejder får større fleksibilitet og mulighed for en kortere forberedelse og efterbehandlingstid. Konklusion Jobcenteret vil undersøge mulighederne i Momentum og efterfølgende anvende dem til sags gennemgang af ikke rettidige sager med henblik på at indkalde borgere der ikke har fået en samtale i en længere periode. Jobcenteret vil løbende tilpasse driften i forhold til den viden der dukker op i forbindelse med ledelsestilsynene så rettidigheden opnås for alle målgrupper. Både for borgerne retssikkerhed, men også for medarbejderen jobtilfredshed. Der skal ikke herske tvivl om at en manglende rettidighed i en sags stamme påvirker medarbejderen negativt. Det vil vi gerne i videst omfang undgå. 3

35 Bilag: 3.5. Sammenligning for integrationsområdet for Tårnby Kommune og hele landet Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

36 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 18/557 DOK. NR.: /18 SAGSBEH.: CHRISTINA EJSING Sammenligning mellem integrationsområdet i Tårnby Kommune og hele landet Det Nationale Integrationsbarometers udviklingsrapport over oktober 218 viser, at der pr. 1. juli 218 er 199 borgere i gruppen, som består af årige flygtninge og familiesammenførte til flygtninge, som er omfattet af integrationsprogrammet. Det er 7,73 promille af antallet på landsplan. Styrelsen for International Rekruttering og Integration (SIRI) har i maj 218 udgivet en rapport med råd til at få succes med at få nyankomne, kvindelige flygtninge og kvindelige familiesammenførte til flygtninge i beskæftigelse. SIRI har udvalgt 9 kommuner, der har haft succes med at få denne gruppe kvinder i beskæftigelse, til at medvirke i en undersøgelse. Denne forsøger ud fra bl.a. interviews med de 9 kommuner at lave anbefalinger til indsatsen for at andre kommuner kan hente inspiration til opnå tilsvarende resultater. Tårnby Kommune er én af disse ni kommuner. Figur 1: Beskæftigelsesgraden blandt ni kommuner, der er udtrukket til analysen i august 217 for flygtninge og familiesammenførte til flygtninge. Som det ses af figur 1 (hentet i SIRI s rapport) er beskæftigelsesgraden både for mænd og kvinder højere i Tårnby/Dragør, når end landsgennemsnittet. 1

37 TÅRNBY KOMMUNE Udlændinge- og Integrationsministeriet offentliggør målinger på integrationsområdet, og nogle af disse målinger kan ses nedenunder. Figur 2: Andelen af årige indvandrere og efterkommere med ikke-vestlig oprindelse på offentlig forsørgelse i procent Hele landet Tårnby Kilde: Det Nationale Integrationsbarometer Som det ses af figur 2 er procentandelen af de årige indvandrere og efterkommere med ikke-vestlig oprindelse på offentlig forsørgelse lavere i Tårnby Kommune end gennemsnittet for hele landet. Figur 3: Andelen af kursister omfattet af integrationsprogrammet, der består en prøve i danske inden 5 år fra påbegyndelse af danskuddannelsen Hele landet Tårnby Kilde: Det Nationale Integrationsbarometer 2

38 TÅRNBY KOMMUNE Som det ses af figur 3 er andelen af kursister, der er omfattet af integrationsprogramment, og som har bestået en prøve i dansk inden 5 år siden påbegyndelsestidspunktet for uddannelsen, begyndt at nærme sig landsgennemsnittet. 3

39 Bilag: 3.7. Forespørgsel om tilbud fra Jobcentrets eksterne leverandører Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 26858/18

40 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 18/557 DOK. NR.: 26858/18 SAGSBEH.: Birgitte Ovesen Forespørgsel om tilbud fra Jobcenterets eksterne leverandører Resumé: Notatet indeholder en redegørelse om Jobcenterets aktiveringsstrategi på integrationsområdet. I denne redegørelse vil indgå de lovgivningsmæssige rammer for aktivering, hvilke leverandører jobcenteret anvender på integrationsområdet for at indfri aktiveringskravet. Baggrund: Problemstillingen er blevet rejst af en integrationsborger på et borgermøde, som øjensynligt skulle have oplyst, at Jobcenterets eksterne leverandør ISU alene henviste alle integrationsborgere til samme fabrik. Det må antages, at være Tuwano, som borgeren har henvist til, da ISU ikke er en samarbejdspartner på integrationsområdet. I forlængelse af borgermødet er der blevet anmodet om en redegørelse for indhold i tilbud hos Jobcentrets eksterne leverandør Tuwano. Uddybende bemærkninger: Integrationsprogrammet består for personer på integrationsydelse af danskuddannelse og virksomhedsrettet tilbud. For jobparate integrationsborgere skal integrationsprogrammet tilrettelægges som en kontinuerlig virksomhedsrettet indsats. For jobparate integrationsborgere må der maksimalt være 6 uger mellem hvert virksomhedsrettet tilbud i form af virksomhedspraktik eller ansættelse med løntilskud. Virksomhedstilbuddet skal have et omfang på gennemsnitligt mindst 15 timer om ugen. For at kunne efterleve gældende regler om kontinuerlig aktivering benytter jobcenteret, ud over kommunens egen virksomhedsindsats, også eksterne leverandører. Tuwano er en ekstern leverandør, som Jobcenteret har samarbejdet med siden 216, hvor kravet om kontinuerlig aktivering trådte i kraft. Tuwano har opnået gode resultater mht. til at formidle ordinær job efter endt virksomhedspraktik. Alene i 218 har Towano formidlet 3 ordinære jobs og aktuelt er der 13 borgere i løntilskud, som forventes at overgå til ordinært arbejde efterfølgende. Baggrunden for, at Tuwano lykkedes med at få så mange i ordinært job er, at de bl.a. anvender virksomheden Foodpeople som indgang til arbejdsmarkedet. Tuwano har tilknyttet en rekrutteringskonsulent i virksomheden, som alene har til opgave, at sikre en korrekt virksomhedsplacering af borgeren i og uden for virksomheden. Foodpeople er en stor virksomhed med mange forskelligartet jobområder. Borgerne har derfor mulighed for at blive virksomhedsplaceret inden for et af følgende områder: Rengøring, pakkeri, produktion, vaskeri, gartnerfunktion, lager, bageri, mv. Den endelig placering sker i tæt samspil med borgeren alt efter hvilke interesser og kompetencer, den enkelte har. De mange forskellige jobområder i Foodpeople betyder, at hvis borgeren fx har været i praktik inden for pakkeri og dette ikke har ført til ordinær ansættelse, vil borgeren blive tilbudt en praktik inden for et andet 1

41 TÅRNBY KOMMUNE område. Det er derfor ikke usædvanligt, at borgeren afprøves inden for flere forskellige områder, indtil der er et klart match mellem jobområde og borgerens kompetencer. Foodpeople lægger vægt på i deres rekruttering, at de borgere, som har udvist et stabilt fremmøde og præstation, tilbydes ordinær ansættelse efter kort tid. I tilfælde af, at borgeren ikke udviser stabilt fremmøde eller præstation vil borgeren ofte blive afprøvet inden for flere forskellige områder i virksomheden. Konklusion: Det må antages, at være Tuwano, som borgeren har henvist til, da ISU ikke er en samarbejdspartner på integrationsområdet. Jobcenteret er meget tilfreds med samarbejdet med Tuwano, da de har et bredt virksomhedsnetværk og får mange borgere i ordinært arbejde. 2

42 Bilag: 3.8. Brev fra Beskæftigelsesministeren vedrørende tegnsprogstolkebevillinger Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 28269/18

43 Beskæftigelsesministeren Ved Stranden 8 61 København K T E bm@bm.dk november 218 Tegnsprogstolkebevillinger CVR Til jobcentrene I forlængelse af en række henvendelser om mulig misbrug med bevillinger til tegnsprogstolkning for personer med hørehandicap, sendte Styrelsen for Arbejdsmarked og Rekruttering i juli måned et brev til landets kommuner med anmodning om at skærpe fokus på administrationen af området - både i forbindelse med bevilling og udbetaling af tilskud til personlig assistance til tegnsprogstolkning. Styrelsen gjorde ligeledes opmærksom på, at der ville blive igangsat en undersøgelse på området. Jeg har nu modtaget styrelsens redegørelse om den gennemførte undersøgelse. Der tegner sig et billede af flere forskellige udfordringer på området, herunder blandt andet, at der er en uens administrations- og tilsynspraksis i kommunerne, og at reglerne indebærer en risiko for decideret misbrug af tilskud til tegnsprogstolkning. Endvidere er der inden for de nugældende regler mulighed for at hjemtage et tilskud, der overstiger de faktiske udgifter til tegnsprogstolkningen og dermed generere et overskud på skatteborgernes regning. Dette er naturligvis helt uacceptabelt, og jeg vil hurtigst muligt finde en model for, hvordan man effektivt får lukket udfordringerne i den nuværende lovgivning, der muliggør at hjemtage et større tilskud end de faktiske udgifter til tegnsprogstolkningen. Denne mulighed knytter sig blandt andet til situationer, hvor der er et person- eller ejersammenfald mellem den virksomhed, hvor den døve er ansat og det firma, som leverer tolkeydelsen. Herudover vil Regeringen som følge af udspillet Færre regler og mindre bureaukrati i den offentlige sektor tage initiativ til, at etablere én fælles indgang på tværs af sektorområder, så borgere med hørehandicap sikres en enkel, smidig og bedre adgang til tolkning på tværs af sektorer. Styrelsens redegørelse indikerer, at kommunernes administrationspraksis på området varierer blandt andet med hensyn til grundlaget for bevillingsafgivelsen og opfølgningen herpå. Det er selvfølgelig bekymrende, hvis denne variation er med til at øge risikoen for misbrug. Jeg har derfor iværksæt en egentlig fokusrevision af området med henblik på at få et mere fyldestgørende billede af administrationen.

44 Fokusrevisionen skal danne baggrund for at vurdere behovet for at styrke reglerne eller den tilhørende vejledning. Redegørelsen viser, at der er risiko for decideret misbrug med tilskudsmidlerne ved dobbeltfakturering (på tværs af kommuner) eller fakturering af ikke eksisterende tolkeydelser. Jeg finder det selvfølgelig helt uacceptabelt, at der er nogle, sådan som det også har fremgået i dagspressen, der bevidst misbruger offentlige midler. Jeg forventer derfor, at kommunerne er meget opmærksomme på at sikre, at der kun udbetales tilskud til faktisk gennemførte tolkeydelser i overensstemmelse med de gode intentioner, der ligger bag ordningen. Det er mit indtryk, at der vil være behov for at ændre og skærpe reglerne på området, men det ligger mig samtidig meget på sinde, at vi også fremadrettet kan sikre, at borgere med et hørehandicap kan få den tolkebistand, som de skal bruge for at opnå eller fastholde et job. Det er jo det, der er grundtanken bag kompensationsloven. Herudover har redegørelsen, i forhold til historikken på området, vist, at Danske Døves Landsforbund i 212 tog kontakt til Københavns Kommune og den daværende Styrelse for Fastholdelse og Rekruttering, hvor landsforbundet blandt andet udtrykte en bekymring om muligt misbrug. Jeg er blevet oplyst, at styrelsen på baggrund af henvendelsen var i dialog med landsforbundet, men ikke foretog sig yderligere efterfølgende, da der blandt andet ikke forelå en konkret mistanke om et ulovligt forhold. Sagen ligger - som beskrevet - langt tilbage, men der har selvfølgelig også på daværende tidspunkt været notatpligt i ministeriet, hvilket jeg overfor ministeriet har indskærpet altid skal overholdes. Jeg vil vende tilbage med en orientering om resultaterne af den igangsatte fokusrevision, når disse foreligger. Venlig hilsen Troels Lund Poulsen 2

45 Bilag: 3.9. Notat om fokusrevision på mentorstøtte Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

46 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 17/32816 DOK. NR.: /18 SAGSBEH.: CHRISTINA EJSING Notat om fokusrevision på mentorstøtte Styrelsen for Arbejdsmarked og Rekruttering (STAR) satte i august 218 fokus på mentorstøtte, dels fordi der på landsplan i årene blev konteret cirka 1 mia. kr. om året i mentorstøtte. Dels fordi omfanget af anvendelsen af mentorstøtte varierede meget kommunerne imellem. STAR har derfor iværksat en fokusrevision på området, som skal afdække om forvaltningen af mentorstøtte er korrekt, og om der er etableret administrative procedurer, som understøtter korrekte afgørelser og tilsyn. STAR har udvalgt 2 kommuner, hvor der gennemføres fokusrevision af mentorstøtten. I de øvrige 78 kommuner er det kun revisor, der skal besvare spørgsmålene om kommunens forretningsgange og tilsynsrutiner på området. Tårnby Kommune er en af disse 78 kommuner. Tårnby Kommune har svaret på en række spørgsmål fra STAR, og revisor (Deloitte) har givet STAR sin vurdering af, hvorvidt kommunens forretningsgange og tilsynsrutiner er tilstrækkelige. Revisor har vurderet, at kommunens forretningsgange vedrørende mentor indeholder de fornødne opmærksomhedspunkter i forbindelse med bevillingen af mentorstøtte. Revisor har kun en enkelt bemærkning til kommunens forretningsgangene. Bemærkningen omhandler, at der ikke er særskilt opmærksomhedspunkter ved bevilling af virksomhedsmentor. Revisor anbefaler derfor, at forretningsgangen tilrettes, således at det fremgår, hvilket materiale der skal indhentes fra virksomheden, og hvad der indgår i beregningen af timesatsen for virksomhedsmentor. Denne anbefaling vil forvaltningen naturligvis efterleve. 1

47 Bilag: 4.1. Økonomiopfølgning oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 28873/18

48 Tårnby Kommune Arbejdsmarkeds- og Sundhedsforvaltningen oktober 218 Arbejdsmarkeds- og Beskæftigelsesudvalget Oversigt over udgifter og indtægter - Budget 218 Udgifter 7, 6, 5, Mio. kr. 4, 3, 2,,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab ,1 86,81 145,75 195,3 248,45 34,88 354,87 46,53 461,88 516,3 57,97 62,38 647,59 Forbrug ,2 89,72 144,88 195,51 249,26 32,31 349,62 41,68 455,78 56, Budget ,48 4,96 157,44 29,92 262,4 314,88 367,36 419,85 472,33 524,81 577,29 629,77 656,1 Indtægter Mio. kr. 18, 16, 14, 12,, 8, 6, 4, 2,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab ,97 17,52 29,14 41,5 58,62 71,5 9,69 98,54 4,9 116,13 126,68 139, 168,78 Forbrug 218,27 21,71 34,81 49,22 56,87 7,71 8,89 95,99 6,51 115, Budget ,11 26,21 39,32 52,42 65,53 78,63 91,74 4,84 117,95 131,6 144,16 157,27 163,82 Bemærkninger til forbruget - foreløbig vurdering på baggrund af udviklingen pr. 3. oktober 218: Nettoforbrug ultimo oktober 217: 83,6 % af det samlede regnskab Nettoforbrug ultimo oktober 218: 79,4 % af det samlede budget På baggrund af måneders forbrug og den aktuelle udvikling i antallet af helårsmodtagere, forventes en samlet budgetudfordring på ca. 2 mio. kr. for udvalgets områder under ét. Det samlede merforbrug skyldes særligt, at den forventede gennemsnitspris pr. helårsmodtager skønnes ca. 5 kr. højere end budgetteret. Forbrugsprocenten er noget lavere i 218, hvilket skyldes tekniske problemer med registrering af boligstøtteudgifter efter Udbetaling Danmark i april 218 tog et nyt IT system i brug. En løsning er implementeret i november, hvorefter udgifterne vil blive bogført. Alle modtagerne har naturligvis fået udbetalt den støtte, som de er berettiget til. Budgettet er tidligere på året tilført 18,7 mio. kr. pga. højere antal modtagere end budgetteret, men er efterfølgende nedjusteret med 3 mio. kr. som følge af nyt pris- og lønskøn fra KL. Hovedparten af udgifterne under Arbejdsmarkeds- og Beskæftigelsesudvalget satsreguleres. Niveauet for antallet af overførselsmodtagere i 218 er bekymrende ift. det fremadrettede, idet antallet af overførselsmodtagere i budgettet for 219 er 7 % lavere end dette niveau. Sags nr. 18/1773 Side 1 af 4

49 Tårnby Kommune Arbejdsmarkeds- og Sundhedsforvaltningen oktober 218 Arbejdsmarkeds- og Beskæftigelsesudvalget - Servicedrift område: Arbejdsmarked Budget 218 Udgifter 45, 4, 35, 3, Mio. kr. 25, 2, 15,, 5,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab ,33 46,19 81,81 111,3 144, 178,8 27,32 237,38 271,7 35,33 335,67 351,23 387,35 Forbrug ,47 49,84 8,86 1,76 144,49 177,77 26,83 236,89 271,6 35, Budget ,79 63,57 95,36 127,15 158,93 19,72 222,51 254,3 286,8 317,87 349,66 381,44 397,34 Indtægter 14, 12,, Mio. kr. 8, 6, 4, 2,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab 217 7,43 11,59 19,43 27,62 39,92 49,71 64,6 68,2 71,18 79,15 85,92 93,41 117,3 Forbrug 218,9 16,73 25,45 35,37 38,66 48,49 54,43 64,52 71,29 78, Budget 218 9,34 18,69 28,3 37,38 46,72 56,7 65,41 74,76 84, 93,45 2,79 112,14 116,81 Bemærkninger til forbruget: Nettoforbrug ultimo oktober 217: 83,7 % af det samlede regnskab Nettoforbrug ultimo oktober 218: 81, % af det samlede budget Baseret på forbruget og udviklingen i modtagere efter årets første ti måneder forventes budgetbalance i 218. Sags nr. 18/1773 Side 2 af 4

50 Tårnby Kommune Arbejdsmarkeds- og Sundhedsforvaltningen oktober 218 Arbejdsmarkeds- og Beskæftigelsesudvalget - Servicedrift område Sygedagpenge Budget 218 Udgifter 12,, 8, Mio. kr. 6, 4, 2,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab 217 8,93 17,73 29,5 36,93 45,18 55,18 63,65 73,12 82,48 9,24 2,42 111,5 111,98 Forbrug 218 8,92 17,81 29,57 37,73 47,3 56,28 64,31 73,44 82,37 9, Budget 218 8,85 17,7 26,55 35,4 44,25 53,11 61,96 7,81 79,66 88,51 97,36 6,21 1,64 Indtægter Mio. kr. 5, 45, 4, 35, 3, 25, 2, 15,, 5,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab 217 4,8 5,3 8,37 12,9 16,16 18,39 23,73 27,42 28,94 32,61 35,97 4,5 46,11 Forbrug 218-3,97 7,78 11,72 15,4 18,91 22,88 25,11 28,63 32, Budget 218 3,38 6,76,13 13,51 16,89 2,27 23,65 27,2 3,4 33,78 37,16 4,54 42,23 Bemærkninger til forbruget: Nettoforbrug ultimo oktober 217: 87,5 % af det samlede regnskab Nettoforbrug ultimo oktober 218: 85,2 % af det samlede budget På baggrund af måneders faktisk forbrug, forventes et merforbrug på 1 mio. kr. i 218. Merforbruget skyldes til dels prisreguleringen af det korrigerede overførselsbudget, men også en forventning om en 5 flere helårspersoner end budgetteret. Sags nr. 18/1773 Side 3 af 4

51 Tårnby Kommune Arbejdsmarkeds- og Sundhedsforvaltningen oktober 218 Arbejdsmarkeds- og Beskæftigelsesudvalget - Servicedrift område Førtidspension og boligstøtte Budget 218 Udgifter 16, 14, 12,, Mio. kr. 8, 6, 4, 2,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab ,75 22,89 34,89 47,8 59,17 71,62 83,9 96,3 8,33 12,74 132,88 139,65 148,27 Forbrug 218 9,81 22,7 34,45 47,3 57,47 68,25 78,48 91,35 1,81 1, Budget ,84 23,69 35,53 47,37 59,21 71,6 82,9 94,74 6,59 118,43 13,27 142,11 148,4 Indtægter 7, 6, 5, Mio. kr. 4, 3, 2, 1,, Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Supl. Regnskab 217,45,9 1,34 1,79 2,54 2,95 2,9 3,11 3,97 4,37 4,79 5,19 5,64 Forbrug 218,18 1,1 1,58 2,12 2,81 3,31 3,58 6,37 6,6 5, Budget 218,38,77 1,15 1,53 1,91 2,3 2,68 3,6 3,45 3,83 4,21 4,59 4,78 Bemærkninger til forbruget: Nettoforbrug ultimo oktober 217: 81,6 % af det samlede regnskab Nettoforbrug ultimo oktober 218: 73,6 % af det samlede budget Efter de første måneders forbrug er det vurderingen, at der på servicedriftsområdet vil være en budgetudfordring på 1 mio. kr. i 218. Merforbruget skyldes nedjusteringen af budgettet på baggrund af KL s nye skøn for pris- og lønniveau i kommunerne, som ikke afspejles i de faktiske udbetalinger på området. Den markant lavere forbrugsprocent i 218 skyldes, at der grundet systemskift i Udbetaling Danmark ikke er bogført boligstøtte efter april. Alle borgere har modtaget støtten og der er udelukkende tale om en teknisk problemstilling ift. registrering i økonomisystemet. Den tekniske løsning er udarbejdet og implementeret i november, og fremgår derfor ikke af forbruget ultimo oktober. Den høje indtægt i august og september skyldes en teknisk fejlregistrering, der er rettet i oktober måned. Sags nr. 18/1773 Side 4 af 4

52 Bilag: 4.2. Udvikling i antal helårspersoner oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

53 Udviklingen i antal fuldtidspersoner på forskellige overførselstyper A-dagpenge Fleksjob og ledighedsydelse Førtidspension Integration Kontanthjælp Ressourceforløb og jobafklaring Revalidering Sygedagpenge Uddannelseshjælp I alt Mdr./År Januar Februar Marts April Maj Juni Juli August September Oktober November December Gns. for året Budget Regnskabsskøn Note: Data er fra OPERA, opgjort i OPUS LIS

54 Bilag: 4.3. Gennemsnitlig medfinansieringsgrad oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

55 Udviklingen i medfinansieringsgrad på forskellige overførselstyper Alle tal er angivet i procent A-dagpenge Integration Fleksjob og ledighedsydelse* Førtidspension* Kontanthjælp Ressourceforløb og jobafklaring Revalidering Sygedagpenge Uddannelseshjælp I alt** Mdr./År Januar 65,2 65,9 79,4 79,4 78,5 79,5 76,4 74,6 78,4 77,2 79, 79,1 8, 79,4 63,3 62,5 75,8 74,9 72,6 72,1 Februar 66,3 66,4 79,4 79,3 78,7 79, 75,2 74,4 78,1 77,2 78,8 79,1 8, 77,7 62,3 6,4 75,2 73,7 72,5 71,8 Marts 64,9 67,2 79,2 79,4 78,6 78,8 75,5 75, 78,2 77,4 78,7 79,1 8, 75,6 63,6 62,3 75, 73,8 72,4 72,4 April 66,4 67,3 79,3 79,4 78,4 78,5 76,2 75,5 78,1 77,5 78,7 79,2 8, 76,8 64, 62,1 75,5 73,8 73, 72,6 Maj 66, 67,7 79,4 79,4 78,7 78,8 75,2 75,1 77,8 77,5 79,1 79,1 8, 77,9 62,5 64,8 74,7 74,5 72,5 73,3 Juni 66,4 66,3 78,9 79,4 78,6 78,7 75, 76,5 77,8 77,7 79, 79,2 8, 78,1 62,8 64,3 74,7 74,3 72,6 73,1 Juli 64,7 66,2 79,3 79,3 79,1 78,7 75,7 75,1 77,7 77,9 78,8 79,2 8, 78,6 61,9 63,6 74,1 74,8 72,1 72,8 August 65,3 66,9 78,5 79,3 79,2 78,9 76,6 77,2 77,9 77,8 78,9 79,3 79,7 78,8 62,7 65,2 72,3 74,6 72,2 73,4 September 66,1 65,2 79,1 79,6 79,4 78,8 74, 76,5 77,7 77,7 79,1 79,2 79,4 78,7 62,5 64, 73, 74,6 72,3 72,9 Oktober 66,4 79,3 79,5 75,5 77,8 79,1 8, 6,9 73,1 72,1 November 66,9 79,2 79, 74, 77,4 78,9 8, 62,6 73,7 72,4 December 65,6 79,2 79,5 73,3 77,2 79,1 8, 62,2 73,4 71,9 Gns. for året 65,9 66,6 79,2 79,4 78,9 78,9 75,2 75,5 77,8 77,5 78,9 79,2 79,9 78, 62,6 63,2 74,2 74,3 72,4 72,7 Budget 66,4 79,5 78,9 74,9 76,4 78,8 78,4 61,7 74,8 72,2 Regnskabsskøn 66,6 79,5 78,9 74,9 76,4 78,8 78,4 61,7 74,8 72,2 Note: Data på overførsler er fra STAR. I alt er et beregnet, vægtet gennemsnit. * Medfinansieringsgraden er gældende for nytilkendelser af fleksjob og førtidspension, samt alle tilkendelser af ledighedsydelse ** Udtryk for vægtet gennemsnit ekskl. førtidspension

56 Bilag: 4.4. Status på til- og afgang oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

57 1. Oversigt Til- og afgang for perioden 1/1/18 til 31//18 Tabellen viser til- og afgang for alle ydelsestyper år-måned. Afgang er fordelt på ordinær job, ordinær uddannelse og andet fx målgruppeskift, flytning eller sygdom. Udslusningsgraden er udregnet som udslusede til ordinær job eller uddannelses andel af den samlede afgang. Målgruppe Tilgang Afgang Netto Udsluset til ordinær job Udsluset til ordinær uddannelse Alt andet Udslusningsgrad LAB 2.1 Forsikret ledig ,8% LAB 2.2 Kontanthjælp ,3% LAB 2.3 Kontanthjælp ,% LAB 2.4 Revalidend ,9% LAB 2.5 Sygedagpengemodtager* ,1% LAB 2.7 Fleksjobberettiget LAB 2.9 Ung under LAB 2. Selvforsørgende ,8% LAB 2.11 Ressourceforløb ,6% LAB 2.12 Uddannelseshjælp ,% LAB 2.13 Uddannelseshjælp ,6% LAB 2.14 Jobafklaringsforløb Person omfattet af Integrationsloven Ingen ydelse** ,5% Sum: ,% * Personer der raskmeldes fremgår af tekniske årsager under "Alt andet" og medregnes derfor ikke i "Udslusningsgrad", selvom de fragår ydelsen. ** Ingen ydelse dækker over personer omfattet af særlig lovgivning, hvor der betales kompensation til arbejdsgiver og ikke til borgeren. Det kan fx være kompensation for første sygedag for kronisk syge eller særlige hjælpemidler til arbejdspladsen, der kan fastholde personer i job.

58 Bilag: 4.5. Nøgletal på flygtningestatus pr. ultimo oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 28818/18

59 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 18/557 DOK. NR.: SAGSBEH.: CHRISTINA EJSING Nøgletal på flygtningestatus pr. ultimo oktober 218 Antal flygtninge, der har fået opholdstilladelse i forhold til kvoten Antal har fået opholdstilladelse 17 3 kvote Ovenstående opgørelse viser antallet af flygtninge, som har fået opholdstilladelse i forhold til kvoten. Antallet af flygtninge, der har fået opholdstilladelse i 217, kan fortsat ændre sig i løbet af de første måneder i 218, idet flygtningene først registreres i oversigten, når de ankommer til kommunen. Dette kan ske med måneders forsinkelse i forhold til afgørelsen om opholdstilladelse. Derfor er de efterfølgende opgørelser baseret på antallet af modtagne flygtninge i kommune. Antallet af modtagne flygtninge i 217 kommunen var 26, mens den pr. ultimo oktober 218 er Modtagne flygtninge fordelt pr. måned Antal 4 2 Januar Februar Marts April Maj Juni Juli AugustSeptember OktoberNovember December Ovenstående figur viser antallet af flygtninge, som er ankommet til kommunen. Pr. ultimo oktober er der 2 personer, der er ankommet til kommunen, som har fået opholdstilladelse i 217, mens 3 person har fået opholdstilladelse i

60 TÅRNBY KOMMUNE Modtagne fordelt på civilstand % % 2% 3% 4% 5% 6% 7% 8% 9% % Familier 35% 4% Enlige % % Udledsagede børn % % Kategorierne i ovenstående figur er defineret således: Familier er minimum 2 personer, som enten er forældre med barn eller ægtefæller (der skelnes ikke mellem om familien er i Danmark eller i hjemlandet). Enlige er flygtninge over 18 år uden familie. Uledsagede børn er børn i -18 år, der kommer til landet uden familie. Som det kan ses ud fra figuren er der 6% af flygtningene som ankom i 218 enlige. Modtagne fordelt på boligplacering % % 2% 3% 4% 5% 6% 7% 8% 9% % Permanent boligplacering 53% 4% Midlertidig boligplaceret % % Ovenstående figur viser at andelen af midlertidig boligplacering er på 6 % på nuværende tidspunkt. Der er fortsat et godt samarbejde med boligselskaberne om boligplacering. Midlertidige placeringer i faktiske tal Antal Saltværksvej Ryumgårdsvej Birkegården Beboet Pladser I ovenstående figur kan belægningen på de midlertidige pladser aflæses. 2

61 TÅRNBY KOMMUNE Modtagne fordelt på hjemland Afghanistan Gambia Irak Iran Syrien Somalia Pakistan Ovenstående figur viser, at flygtningene i 217 hovedsagelig kom fra Iran og Syrien, mens de ankomne borgere i 218 er fordelt mere ligeligt på hver deres nationalitet. Modtagne fordelt på visitationsgrupper i % % % 2% 3% 4% 5% 6% 7% 8% 9% % Jobparate 65% % Aktivitetsparate 77% % Ej indplaceret % % Som det kan ses ud fra ovenstående figur er der en stor del af flygtningene jobparate. De flygtninge, som ikke er indplaceret, er børn eller lige ankommet. Modtagne fordelt på sprogligt niveau i % % % 2% 3% 4% 5% 6% 7% 8% 9% % Borger har manglende kendskab til det latinske alfabet eller 27% % manglende skolegang Borger har nogen skolegang 65% % Borger har en højere uddannelse i hjemlandet 77% 2% Ej indplaceret % % *Ej indplaceret er borgere der f.eks. afventer indplacering og opstart af sprogskole eller er børn. 3

62 TÅRNBY KOMMUNE Antal der er gået i job Januar Februar Marts April Maj Juni Juli AugustSeptemberOktoberNovember December Ovenstående tabel viser antallet af flygtninge, som er påbegyndt ordinær beskæftigelse. Dette kan både være midlertidig beskæftigelse og fastansættelse. Herudover kan antallet af flygtninge, som er startet på en uddannelse, ses i grafen nedenfor Antal der er startet på uddannelse Januar Februar Marts April Maj Juni Juli AugustSeptemberOktoberNovember December

63 TÅRNBY KOMMUNE Grundtilskud Januar Februar Marts April Maj Juni Juli August September Oktober November December Figuren ovenover viser det grundtilskud, som kommunen kan hjemtage pr. måned. Der kan hjemtages grundtilskud for 132 flygtninge i oktober. Antal Resultattilskud Bestået danskprøve Ordinært job indenfor 3 år Ordinær uddannelse *Der afholdes kun danskprøver 2 gange om året. I ovenstående figur kan de 3 resultattilskud ses. Der gives resultattilskud for følgende: Bestået danskprøve. Når en borger omfattet af integrationsprogrammet har været i ustøttet ordinært arbejde i sammenhængende 6 måneder i gennemsnitlig 2 timer om ugen. Når en borger omfattet af integrationsprogrammet har påbegyndt og fortsætter en studie- eller erhvervskompetencegivende uddannelse i sammenhængende 6 måneder. Der kan derfor hjemtages disse tre forskellige resultattilskud på borger. 5

64 Bilag: 6.1. Status på unge ultimo oktober 218 Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

65 TÅRNBY KOMMUNE NOTAT ARBEJDSMARKEDS- OG SUNDHEDSFORVALTNINGEN DATO: SAGS NR.: 18/2636 DOK. NR.: /18 SAGSBEH.: Linda Rosa Johansen Status på unge ultimo oktober 218 Unge under 3 år på overførsel i Tårnby set ift. arbejdsstyrken er nogenlunde uændret sammenlignet med 217 (aktuelt 2,5 pct.). Niveauet er lavere end i landet og hovedstadsområdet. Antallet af unge på offentlig forsørgelse er aktuelt 639 svarende til ca. 16% og andelen er steget ift Af de unge er 38% kontanthjælpsmodtagere og 24% a-dagpengemodtagere. De 2 største A-kasser for de unge forsikrede er Det Faglige Hus og 3F. Ultimo oktober er 41% af unge under 3 år udsluset til ordinært arbejde eller uddannelse. Varigheden af det sidste kontaktforløb er kortere for de unge. Effekten af aktivering højere for de unge (12 procentpoint højere i oktober). 1. Udvikling i overførselsmodtagere Andelen af unge under 3 år på offentlig forsørgelse fremgår af figuren nedenunder. Som det kan ses, er andelen nogenlunde uændret og udgør en mindre del af arbejdsstyrken, end de gør i både hele landet og Region Hovedstaden. I sidste halvår af 218 er Tårnby Kommune imidlertid kommet på niveau med regionen. Andelen af unge på offentlig forsørgelse af arbejdsstyrken (16-66 årige) 1 4, 3,8 3,6 3,4 3,2 3, 2,8 2,6 2,4 2,2 jan-17 feb-17 mar-17 apr-17 maj-17 jun-17 jul-17 aug-17 sep-17 okt-17 nov-17 dec-17 jan-18 feb-18 mar-18 apr-18 maj-18 jun-18 jul-18 aug-18 sep-18 Hele landet RAR Hovedstaden Tårnby 1 Der gøres opmærksom på, at data (i denne graf) for de sidste 2 mdr. bliver efterreguleret. 1

66 TÅRNBY KOMMUNE Udviklingen i antallet af unge på offentlig forsørgelse er stigende, hvilket illustreres i figuren nedenfor, hvor vi kan se, at der er sket en stigning blandt unge under 3 år siden januar 217 fra ca. 12% til ca. 16% ultimo oktober 218. Der sker altså isoleret set i Tårnby Kommune en stigning blandt unge på offentlig forsørgelse, men som vi så ovenfor, er andelen faldende set ift. arbejdsstyrken. Udviklingen i borgere på offentlig forsørgelse % 16% 14% 12% % ,3% jan-17 feb-17 mar-17 apr-17 maj-17 jun-17 jul-17 aug-17 Andelen af unge i procent sep-17 okt-17 nov-17 dec-17 jan-18 feb-18 mar-18 Antallet af unge 15,7% apr-18 maj-18 jun-18 jul-18 aug-18 sep-18 okt-18 Nedenfor kan det ses, at knap 25% af de unge overførselsmodtagere er på dagpenge og knap 4% på kontant- og uddannelseshjælp. Fordeling på målgrupperne pr. oktober 218 8% 6% 4% 2% % Kontant- og uddannelseshjælp 17% 39% A-dagpenge 17% 24% Integration Sygedagpenge 6% 6% 13% 14% Førtidspension 6% 24% Ressourceforløb 6% 9% Fleksjobberettiget 3% 14% Revalidering 1% 1% % 5% % 15% 2% 25% 3% 35% 4% Alle Unge under 3 2

67 TÅRNBY KOMMUNE Grafen nedenfor viser, hvilke A-kasser, de forsikrede unge er medlem af. Det Faglige Hus og 3F s A-kasser er de 2 største for såvel de unge som alle. Det Faglige Hus 15% 3FA HK FOA 8% 8% 8% 11% Kristelig A-Kasse 7% 13% Funkt. og tjenestemænd Metalarbejderne ASE Funkt. og tjenestemænd 5% 4% 5% 5% 5% 4% 7% 7% Næring mv. BUPL 2% 3% 3% 4% Øvrige 12% A-kasse fordeling medio % 2% 4% 6% 8% % 12% 14% 16% 1 Alle Unge under 3 2 Øvrige dækker over Journalistik mv, Socialpædagoger, Danmarks Lærere, El-faget, Byggefagene, Min A-kasse, Ledernes A-kasse, Teknikernes A-Kasse, Danske Sundhedsorg.A-kasse, Frie Funktionærers A-kasse, Akademikernes, Magistrenes A-Kasse, Dana og CA. 3

68 TÅRNBY KOMMUNE 2. Andel udsluset til job eller uddannelse Figuren nedenfor viser, hvor stor en andel af afsluttede forløb i 218, som har ført til job eller uddannelse (udslusningsgrad). Det fremgår at udslusningsgraden er 61% for de unge forsikrede ledige, hvilket betyder, at 61% af de afsluttede forløb for denne målgruppe har ført til job eller uddannelse. Af grafen ses, at udslusningsgraden samlet set er 41% for de unge og 3% for alle. Der gøres opmærksom på, at de unge i højere grad tilgår og afgår. Udslusningsgrad fra januar 218 til ultimo oktober 218 Forsikret ledig 61% 64% Uddannelsesog kontanthjælp 29% 38% Øvrige 14% 33% I alt 3% 41% % % 2% 3% 4% 5% 6% 7% Unge under 3 Alle 3. Varighedsfordeling Grafen nedenfor viser antallet af personer i procent fordelt på varigheden af de seneste kontaktforløb. Det kan ses, at de unge oftest er ledige i 5-26 uger, hvor 39% ligger i oktober 218. Hos alle er den største kategori over 52 uger, hvor der er 48% i oktober 218. Varighed pr. ultimo oktober 218 Alle 4% 31% 17% 48% Unge under 3 7% 39% 2% 34% % % 2% 3% 4% 5% 6% 7% 8% 9% % -4 uger 5-26 uger uger Over 52 uger 4

69 TÅRNBY KOMMUNE 4. Effekt Nedenfor fremgår udviklingen i effekt af aktivering for de unge under 3 år sammenlignet med alle ledige generelt i kommunen. Effekten af aktivering er opgjort som borgere, der har afsluttet deres tilbud 4-6 mdr. før opgørelsesmåneden, som altid måles den sidste dag i måneden. Gennemsnittet i 218 for effekten af aktivering blandt de unge har været 35%, mens den for alle har været 23%. Effekten af aktivering er generelt højere for de unge, mens udviklingen for de 2 aldersgrupper følger hinanden. Aktuelt er effekten af aktivering 4% for de unge og knap 3% for alle. Der gøres opmærksom på, at aktiveringen jf. lovgivning er højere blandt unge, end den er hos andre aldersgrupper. Udvikling i effekt af aktivering 6% 55% 5% 45% 4% 35% 3% 25% 2% 15% % jan-17 feb-17 mar-17 apr-17 maj-17 jun-17 jul-17 aug-17 sep-17 Unge under 3 okt-17 nov-17 dec-17 jan-18 feb-18 Alle mar-18 apr-18 maj-18 jun-18 jul-18 aug-18 sep-18 okt-18 5

70 Bilag: 8.1. Kommunernes rammevilkaar for beskaeftigelsesindsatsen analyse Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: 28684/18

71 Rapport Kommunernes rammevilkår for beskæftigelsesindsatsen Analyse for offentlige forsørgelsesydelser i 216 Gabriel Pons Rotger Stefan B. Andrade

72 Rapport om Kommunernes rammevilkår for beskæftigelsesindsatsen Analyse for offentlige forsørgelsesydelser i 216 VIVE og forfatterne, 218 VIVE Viden til Velfærd Det Nationale Forsknings- og Analysecenter for Velfærd Herluf Trolles Gade 11, 52 København K VIVE blev etableret den 1. juli 217 efter en fusion mellem KORA og SFI. Centeret er en uafhængig statslig institution, som skal levere viden, der bidrager til at udvikle velfærdssamfundet og den offentlige sektor. VIVE beskæftiger sig med de samme emneområder og typer af opgaver som de to hidtidige organisationer. VIVEs publikationer kan frit citeres med tydelig kildeangivelse.

73 INDHOLD INDLEDNING SAMMENFATNING Formål Data og metode Resultater Rapportens opbygning DATA Afgrænsning af ydelseskategorier Forklarende variable Afgrænsning af lokale arbejdsmarkeder METODE Den statistiske model Modelspecifikation Fremskrivning af det gennemsnitlige kommunale ydelsesforbrug Forskelle i forhold til tidligere afrapporteringer RESULTATER Arbejdsløshedsdagpenge Kontanthjælp mv Sygedagpenge Førtidspension mv Alle ydelser Forskelle mellem rangordenen i 216 i forhold til BILAG Forklarende variable anvendt i de statistiske modeller Detaljerede modelresultater Variables forklaringskraft Ændringer i rangorden fra 211 til Jobcentrenes rangorden LITTERATUR

74

75 INDLEDNING I denne rapport præsenteres resultaterne fra undersøgelsen af kommunernes rammevilkår for beskæftigelsesindsatsen, som VIVE Det Nationale Forsknings- og Analysecenter for Velfærd har gennemført for Styrelsen for Arbejdsmarked og Rekruttering (STAR). Undersøgelsen er baseret på data fra 216 og har til formål at afdække kommunernes forskellige rammevilkår for via beskæftigelsesindsatsen at påvirke, i hvilken grad borgere i den erhvervsaktive alder forsørges af offentlige ydelse. Undersøgelsen tager udgangspunkt i to tidligere undersøgelser, der blev gennemført på baggrund af datamateriale fra henholdsvis 24 og 211, og giver dermed et opdateret grundlag for at inddele kommuner i grupper med ensartede rammevilkår. En opdatering af kommunernes rammevilkår er central, da forandringer i de økonomiske og politiske forhold kan ramme kommunerne forskelligt og dermed medvirke til, at kommunerne har ændrede rammevilkår (og rangering). Først og fremmest har den økonomiske konjunktur ændret sig markant siden forrige afrapportering. Mens økonomien i 211, som følge af den generelle europæiske udvikling, var præget af lav vækst og stigende arbejdsløshed, var økonomien i 216 karakteriseret ved en økonomisk fremgang (Finansministeriet, 216). Endvidere er der siden 211 blevet indført en række reformer på alle ydelsesområder. Desuden er der sket væsentlige forandringer i forhold til udbud og efterspørgsel efter arbejdskraft i kommunerne, fx på grund af demografiske ændringer i arbejdskraften og ændringer i erhvervsstrukturen. 5

76 1 SAMMENFATNING 1.1 Formål Formålet med denne undersøgelse er at anvende registerdataoplysninger til at beregne indeksværdier for kommunernes rammevilkår for offentlige forsørgelsesydelser. Viden om de kommunale rammevilkår kan blandt andet benyttes i forbindelse med kommunernes arbejdsmarkedspolitik. Lignende undersøgelser er blevet udarbejdet med registerdata i henholdsvis 24 (Clausen, Heinesen & Hussain, 26) og 211 (Graversen, Larsen & Arendt, 213). Undersøgelsen, som er baseret på data fra 216, giver dermed et opdateret grundlag for at inddele kommunerne i grupper med ensartede rammevilkår for ydelseskategorier af offentlig forsørgelse. 1.2 Data og metode For at måle, hvilke kommuner der har vanskelige eller favorable rammevilkår for deres beskæftigelsesindsats, benytter vi statistiske modeller (se afsnit 3 for en metodisk indføring i de statistiske modeller). Modellerne er baseret på en teoretisk antagelse om, at kommunernes rammevilkår for, hvor mange borgere som kan forventes at modtage en ydelse, er bestemt ved to forhold: Udbud og efterspørgsel efter arbejdskraft. Udbuddet afgøres af de borgere, som bor i kommunen, og bliver i de statistiske modeller indfanget af individvariable, der eksempelvis måler borgernes køn, uddannelsesniveau og erhvervserfaring. Efterspørgselssiden består af forhold, der har betydning for, hvor let det er at finde et job og indfanges ud fra variable om de lokale arbejdsmarkedsforhold i det pendlingsområde, borgeren bor i, eksempelvis antallet af jobopslag. 1 Resultatet af modellerne er forventede værdier for borgernes ydelser, som vi efterfølgende benytter som indeksværdier for hver kommune. Undersøgelsen medtager alle personer, der den 1. januar 216 bor i Danmark og er mellem 16 og 66 år. På baggrund af de statistiske modeller kan vi bestemme den samlede betydning af både individuelle karakteristika og lokale arbejdsmarkeds karakteristika har for, hvor stor en andel af året 216 borgere forventes at modtage forsørgelsesydelser. Mens individuelle karakteristika eksempelvis er målt ved alder, uddannelsesniveau og erhvervserfaring, er lokale arbejdsmarkeds karakteristika eksempelvis målt ved andelen af indvandrere i pendlingsområdet og antal ansatte i industri i forhold til årige borgere i pendlingsområdet. Viden om disse forhold betyder, at vi kan beregne den forventede gennemsnitlige ydelsesgrad blandt borgerne i hver enkelt kommune under den antagelse, at rammevilkårselementerne påvirker alle borgere i en given kommune på den samme måde. Indeksværdierne er med andre ord operationaliseret som den forventede gennemsnitlige ydelsesgrad i en given kommune givet dens rammevilkår, og indeksværdierne kan opfattes som et mål for tyngden af kommunens rammevilkår. I undersøgelsen rangordner vi kommunerne fra 1 til 98 baseret på indeksværdierne, således at jo højere indeksværdi en kommune har (dvs. jo højere den forventede ydelsesgrad er), jo vanskeligere rammevilkår har kommunen i forhold til at holde antallet af ydelsesmodtagere på et lavt niveau. Det skal dog understreges, at kommuner med samme tyngde i princippet kan have vidt forskellige vanskeligheder og således behov for forskellige løsninger. To kommuner med ens rammevilkår kan på den måde dække over, at kommune A har en høj andel af indvandrede på forsørgelsesydelser, 1 For en mere detaljeret præsentation af modellernes forklarende variable se afsnit 2.2, mens vi i afsnit 2.3 gennemgår undersøgelsens definition af pendlingsområder. 6

77 mens kommune B har mange ældre. En anden problematik er, at kommunerne har forskellige sociale og demografiske sammensætninger, hvilket påvirker, hvilken type af udfordringer kommunerne har i forhold til offentlige forsørgelsesydelser. Eksempelvis kan det tænkes, at for en kommune, som både har mange enlige forsørgere med mindre børn samt en høj andel af unge, vil disse forhold isoleret set trække i retning af, at kommunen har relativt mange borgere på kontanthjælp og relativt få på førtidspension. For at afdække, hvilke udfordringer de enkelte kommuner har i forhold til forskellige forsørgelsesydelser, foretager vi derfor separate analyser og indeksberegninger for følgende fem hovedydelseskategorier: 1. Arbejdsløshedsdagpenge: Arbejdsløshedsdagpenge, kontantydelse og arbejdsmarkedsydelse 2. Kontanthjælp mv.: Kontanthjælp, uddannelseshjælp, integrationsydelse, revalidering og for-revalidering 3. Sygedagpenge: Sygedagpenge og jobafklaringsforløb 4. Førtidspension mv.: Førtidspension, ledighedsydelse, fleksjob og ressourceforløb 5. Alle ydelser under ét Opdelingen af forsørgelsesydelser i de fem kategorier følger den opdeling, som er anvendt i de tidligere afrapporteringer, men ydelseskategorierne er justeret i forhold til opkomsten af nye forsørgelsesydelser. Eksempelvis var jobafklaringsforløb ikke medtaget i kategorien sygedagpenge i forrige affrapportering, da den ikke eksisterede i 211 (for opdelingen i forrige afrapportering se Graversen m.fl. 213, s ). Endelig skal det bemærkes, at vi i denne undersøgelse har valgt at kalde hovedkategorien for forsørgelsesydelserne ledighedsydelse, fleksjob og ressourceforløb for førtidspension, mens forrige afrapportering anvendte hovedkategorien permanente ydelser for disse ydelser. 1.3 Resultater Vores analyser viser, at kommunernes rangorden, i forhold til rammevilkår, ikke er identisk over de fem ydelseskategorier (arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge, førtidspension mv. og alle ydelser). Tekstboks 1.1 viser for hver af ydelseskategorierne, hvilke ti kommuner som har henholdsvis de vanskeligste og de mest favorable rammevilkår i 216. På baggrund af de statistiske modelanalyser er alle kommunerne placeret på en rangorden fra 1 til 98. Rangordenen er således, at de kommuner, som modellerne finder, har de højeste forventede ydelser, er de kommuner med de mindst favorable rammevilkår (og derfor er højt placeret på rangordenen). De kommuner, som modellerne til gengæld finder, har de laveste forventede ydelser, er lavt placeret på rangorden, da de således er de kommuner med de mest favorable vilkår. Tekstboks 1.1 viser endvidere, at ingen kommuner entydigt har vilkår, der er blandt de vanskeligste eller mest favorable for alle ydelseskategorier. Imidlertid er der en række kommuner, som har vanskelige eller favorable rammevilkår for flere ydelseskategorier. Eksempelvis har Guldborgsund Kommune placeringer blandt de ti dårligst stillede kommuner i fire ydelseskategorier (henholdsvis kontanthjælp mv., sygedagpenge, førtidspension mv. og alle ydelser), mens Lolland Kommune har placeringer blandt de dårligst stillede kommuner i tre ydelseskategorier (henholdsvis kontanthjælp mv., førtidspension mv. og alle ydelser). Både Lolland og Gulborgsund Kommune var også i forrige opgørelse fra 211 at finde blandt de kommuner med særligt vanskelige rammevilkår for flere ydelseskategorier (Graversen, Larsen & Arendt, 213, s. 14). For kommuner med favorable rammevilkår har kommunerne Dragør og Rudersdal placeringer blandt de ti bedst stillede i alle ydelseskategorier. Både Hørsholm og Gentofte Kommune har fire placeringer blandt de bedst stillede kommuner. Dette 7

78 mønster er en gentagelse af 211-opgørelsen, hvor disse kommuner også havde meget favorable rammevilkår. 2 Tekstboks 1.1 Overblik over rammevilkår for kommunerne over de fem ydelseskategorier. De ti kommuner med vanskeligste rammevilkår. Kontanthjælp mv. Sygedagpenge Førtidspension mv. Alle ydelser Ishøj Lolland Norddjurs Lolland Lolland København Brøndby Syddjurs Langeland Langeland Odense Ishøj Lemvig Morsø Guldborgsund Aalborg Albertslund Guldborgsund Bornholm Morsø Frederikshavn Guldborgsund Hedensted Samsø Bornholm Frederiksberg Slagelse Nordfyns Læsø Nyborg Brøndby Odense Tønder Ærø Norddjurs Aarhus Kalundborg Horsens Thisted Odsherred Albertslund Vordingborg Randers Odsherred Vordingborg Hjørring Ballerup Ringkøbing-Skjern Guldborgsund Kalundborg De ti kommuner med mest favorable rammevilkår. Arbejdsløsheds-dagpenge Arbejdsløsheds-dagpenge Kontanthjælp mv. Sygedagpenge Førtidspension mv. Alle ydelser Allerød Egedal Gentofte Allerød Allerød Dragør Dragør Rudersdal Gentofte Gentofte Hørsholm Allerød Frederiksberg Vallensbæk Dragør Lejre Gentofte Lyngby-Taarbæk Frederiksberg Egedal Egedal Skanderborg København Egedal Rudersdal Gribskov Læsø Hørsholm Dragør Vallensbæk Rudersdal Vallensbæk Fanø Rudersdal Lyngby-Taarbæk Ringkøbing-Skjern Rudersdal Dragør Lyngby-Taarbæk Hørsholm Stevns Favrskov Allerød Solrød Furesø Favrskov Hørsholm Furesø Furesø Solrød Tabel 1.1 giver et samlet overblik over kommunernes rangorden på de fem ydelseskategorier ordnet efter kommune i alfabetisk rækkefølge. Tabellen viser, at blandt de kommuner, der ligger placeret meget forskelligt i rangorden efter rammevilkår, ligesom ved 211-målingen, især dækker over vestegnskommunerne Albertslund, Brøndby og Høje-Taastrup. Vestegnskommunerne er i denne undersøgelse karakteriseret ved at have relativt vanskelige rammevilkår for arbejdsløshedsdagpenge og kontanthjælp mv., mens de har relativt mere favorable rammevilkår for sygedagpenge og førtidspension mv. Eksempelvis er Brøndby rangordnet som henholdsvis nummer 7 og 2 for arbejdsløshedsdagpenge og kontanthjælp mv., men rangordnet som nummer 48 og 49 for sygedagpenge og førtidspension mv. 2 For at undersøge stabiliteten i 216-rangeringerne med de forrige rangeringer fra 211 giver vi i afsnit 5.4 en grafisk præsentation af, hvilke kommuner der for hver af de fem overordnede ydelseskategorier har flyttet sig fra en placering i midten af rangorden (placering i 2. eller 3. kvartil) i 211 til plads i enten 1. eller 4. kvartil i 216. Figurerne i afsnittet viser, at det er blandt kommuner i midten af de forrige rangeringer er relativt få bortset fra tætbeslægtede ydelser, som arbejdsløshedsdagpenge og kontanthjælp mv. der har foretaget store ændringer, og at det ikke er de samme kommuner, som har flyttet sig på tværs af de fem ydelseskategorier. 8

79 Tabel 1.1 Kommunernes rangordninger for de fem ydelseskategorier. Kommune Kontanthjælp mv. Sygedagpenge Arbejdsløshedsdagpenge Førtids-pension mv. Alle ydelser Albertslund Allerød Assens Ballerup Billund Bornholm Brøndby Brønderslev Dragør Egedal Esbjerg Fanø Favrskov Faxe Fredensborg Fredericia Frederiksberg Frederikshavn Frederikssund Furesø Faaborg-Midtfyn Gentofte Gladsaxe Glostrup Greve Gribskov Guldborgsund Haderslev Halsnæs Hedensted Helsingør Herlev Herning Hillerød Hjørring Holbæk Holstebro Horsens Hvidovre Høje-Taastrup Hørsholm Ikast-Brande Ishøj Jammerbugt

80 Kommune Kontanthjælp mv. Sygedagpenge Arbejdsløshedsdagpenge Førtids-pension mv. Alle ydelser Kalundborg Kerteminde Kolding København Køge Langeland Lejre Lemvig Lolland Lyngby-Taarbæk Læsø Mariagerfjord Middelfart Morsø Norddjurs Nordfyns Nyborg Næstved Odder Odense Odsherred Randers Rebild Ringkøbing-Skjern Ringsted Roskilde Rudersdal Rødovre Samsø Silkeborg Skanderborg Skive Slagelse Solrød Sorø Stevns Struer Svendborg Syddjurs Sønderborg Thisted Tønder Tårnby Vallensbæk Varde Vejen

81 Kommune Kontanthjælp mv. Sygedagpenge Arbejdsløshedsdagpenge Førtids-pension mv. Alle ydelser Vejle Vesthimmerland Viborg Vordingborg Ærø Aabenraa Aalborg Aarhus Som tabel 1.1 viser, er de fleste kommuner rangordnet forskelligt med hensyn til tyngden af rammevilkårene for de forskellige ydelseskategorier. Alligevel kan der for alle ydelseskategorier måles en positiv samvariation mellem rangordenen, hvilket vil sige, at kommuner, der har favorable rammevilkår for én ydelseskategori, som regel også har favorable rammevilkår for de andre ydelseskategorier. Samvariationen mellem rangordenen for de fem ydelseskategorier fremgår af tabel 1.2. Tabel 1.2 Samvariation i kommunernes rangorden for de fem ydelseskategorier i 216. Målt ved Pearsons r. Arbejdsløshedsdagpenge 1 Kontanthjælp mv. Kontanthjælp mv.,63 1 Sygedagpenge,13,2 1 Arbejdsløshedsdagpenge Sygedagpenge Førtids-pension mv. Førtidspension mv.,19,41,66 1 Alle ydelser Alle ydelser,41,65,61,94 1 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 1.2 viser, at der især er stærk samvariation i rangordenen for kommuner i forhold til rangordnerne for alle ydelser og førtidspension mv. (korrelation på,94), kontanthjælp mv. (,65) og sygedagpenge (,61). Tabellen viser også en stærk samvariation mellem førtidspension mv. og sygedagpenge (,66) og mellem arbejdsløshedsdagpenge og kontanthjælp mv. (,63). Den svageste samvariation er mellem sygedagpenge og arbejdsløshedsdagpenge, hvor Pearson r-korrelationen er,13. En anden svag sammenhæng er observeret mellem førtidspension mv. og arbejdsløshedsdagpenge (,19). 1.4 Rapportens opbygning I kapitel 2 beskriver vi datagrundlaget for rapportens analyser og giver en præsentation af de forklarende variable (rammevilkårselementer), som indgår i de statistiske analyser. I kapitel 3 giver vi en forklaring på den statistiske metode, der anvendes til at bestemme betydningen af rammevilkårene for hver enkelt kommune og til at rangordne kommunerne efter, afhængig af hvor vanskelige deres rammevilkår er. I kapitel 3 redegør vi også for forskelle mellem denne rapport og de to tidligere afrapporteringer, som var baseret på data fra 24 (Clausen, Heinesen & Hussain, 26) og 211 (Graversen, Larsen & Arendt, 213). I kapitel 4 bestemmer vi, i hvor stor en andel af året de enkelte kommuners borgere forventes at modtage forskellige typer af offentlige forsørgelsesydelser, når der tages højde for deres rammevilkår. I kapitel 5 fremgår rapportens bilag, som giver detaljerede be- 11

82 skrivelser af de forklarende variable, detaljerede modelresultater, variablenes forklaringskraft, forskelle mellem observerede og forventede værdier og ændringer i forhold til 211. Kapitel 5 indeholder også en opgørelse over jobcentrenes rangorden. Jobcentrenes rangorden er medtaget, da flere kommuner har fælles jobcentre, som eksempelvis Ishøj og Vallensbæk. 12

83 2 DATA Undersøgelsen er baseret på administrative registeroplysninger for alle personer bosat i Danmark pr. 1. januar 216, og som var mellem 16 og 66 år primo 216. Data består i alt af 3,7 mio. personer. Registeroplysninger om disse borgere stammer fra Styrelsen for Arbejdsmarked og Rekruttering (herefter STAR) og Danmarks Statistik. I de statistiske modelanalyser undersøger vi, hvilke forhold der har betydning for, hvor stor en andel af året 216 de enkelte personer modtager forskellige offentlige forsørgelsesydelser. De forklarende variable i modellerne består dels af variable, der er opgjort på individniveau (fx alder, uddannelsesniveau og erhvervserfaring i forskellige livsfaser inden ) og dels af variable opgjort på et mere aggregeret niveau, som beskriver forholdene i det geografiske pendlingsområde, som individerne er bosat i. I dette afsnit præsenterer vi først de forskellige ydelseskategorier, som bliver anvendt til undersøgelsen af kommunernes rammevilkår. Derefter giver vi en kort beskrivelse af de forklarende variable, der indgår i de statistiske modelanalyser. 2.1 Afgrænsning af ydelseskategorier Oplysningerne om de enkelte borgeres brug af offentlige forsørgelsesydelser i 216 kommer, ligesom ved de forrige afrapporteringer, fra STARs statistiske registre, og stemmer dermed overens med data præsenteret på Jobindsats.dk. Borgeroplysninger bliver kodet således, at vi får en opgørelse over, hvor stor en andel af året hver borger modtager forsørgelsesydelser. Resultatet er en række variable for forsørgelsesydelser, der angiver borgerens andele (eller ydelsesgrader) som en værdi mellem og pct. En ydelsesgrad på pct. for en ydelse betyder, at borgeren slet ikke modtager den givne ydelse i løbet af året, mens en ydelsesgrad på pct. betyder, at borgeren modtager ydelsen hele året. Alle borgere i alderen år i 216 indgår i analyserne, uanset om de modtager forsørgelsesydelser eller ej. Vi følger så vidt muligt afgrænsningen af ydelseskategorierne fra de to forrige afrapporteringer fra 26 og 213 (Clausen, Heinesen & Hussain, 26; Graversen, Larsen & Arendt, 213) og inddeler derfor forsørgerydelserne i fem overordnede ydelseskategorier (arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge, førtidspension mv. og alle ydelser under ét). 3 Valget af de fem ydelseskategorier er for at give et overordnet udtryk for forskellige kommunale rammevilkår uden at gå på kompromis med væsentlige kommunale udfordringer (se også Clausen, Heinesen & Hussain, 26, s. -11). Eksempelvis viser vores resultater, at kommuner, der har gunstige rammevilkår på dagpengeområdet, ikke nødvendigvis også har det på sygedagpenge- eller førtidspensionsområdet. For en given person beregner vi den årlige ydelsesgrad for hver af de fem ydelseskategorier som summen af ydelsesgraderne for de ydelser, der indgår i ydelseskategorien. Eksempelvis er ydelsesgraden for kontanthjælp mv. beregnet som summen af ydelsesgraderne i 216 for henholdsvis kontanthjælp, revalidering, forrevalidering, uddannelseshjælp og integrationsydelse. Vi foretager således separate analyser for følgende fem overordnede ydelseskategorier: 3 I forhold til de forrige afrapporteringer har vi i denne undersøgelse inkluderet flere ydelser, som eksempelvis kontantydelser i ydelseskategorien arbejdsløshedsdagpenge og uddannelseshjælp og integrationsydelse i ydelseskategorien for kontanthjælp mv. Det skyldes, at disse ydelser ikke eksisterede ved de tidligere afrapporteringer. 13

84 Procent 1. Arbejdsløshedsdagpenge: Arbejdsløshedsdagpenge, kontantydelse og arbejdsmarkedsydelse 2. Kontanthjælp mv.: Kontanthjælp, uddannelseshjælp, integrationsydelse, revalidering og for-revalidering 3. Sygedagpenge: Sygedagpenge og jobafklaringsforløb 4. Førtidspension mv.: Førtidspension, ledighedsydelse, fleksjob og ressourceforløb 5. Alle ydelser under ét Det skal hertil bemærkes, at den beregnede ydelsesgrad kan blive større end pct., hvis en borger modtager flere ydelser i samme periode. I sådanne tilfældes sættes ydelsesgraden lig med pct. ved, at vi for hver måned vægter borgerens individuelle ydelser således, at ingen individuel månedlig ydelse overstiger pct. Herefter summeres de individuelle ydelser i henhold til de fem overordnede ydelseskategorier. Eftersom vi ikke har oplysninger om de konkrete forhold for den enkelte borger, vægter vi alle typer af individuelle ydelser for den givne borger ens. Endvidere har vi, for at undgå statistiske outliers (det vil sige observationer, der er meget distinkte fra majoriteten af observationerne i data), måtte udelukke bestemte grupper for dele af analysen. For gruppen af 5 til 64-årige mænd og kvinder har vi således ekskluderet borgere på efterløn fra modelanalyserne. De 5 til 64-årige mænd og kvinder på efterløn er dog medtaget i de efterfølgende beregninger af kommunernes forventede ydelser, hvor disse borgere bliver tildelt aldersgruppens gennemsnit for den pågældende ydelse. Samme princip er også anvendt for de 16- årige og de årige. I figur 2.1 fremgår den gennemsnitlige ydelsesgrad blandt borgere fra 16 til og med 66 år i forhold til deres alder i 216. Figur 2.1 viser, at der er en betydelig variation i den gennemsnitlige ydelsesgrad over alder, hvor kun meget få borgere modtager overførselsindkomster, før de er fyldt 18 år, eller efter at de er fyldt 65 år. Endvidere er det især unge, der modtager kontanthjælp mv., mens de ældre aldersgrupper i højere grad modtager førtidspension mv.. Figur 2.1 Den gennemsnitlige ydelsesgrad for ydelseskategorierne arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv., fordelt efter alder, 216, Procent Alder Arbejdsløshedsdagpenge Kontanthjælp mv. Sygedagpenge Førtidspension mv. Anm: Alderen er opgjort primo 216. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 14

85 Procent For personer mellem 35 og 65 år er førtidspension mv. den vigtigste ydelseskategori, når der ses bort fra efterløn. Den gennemsnitlige ydelsesgrad for førtidspension mv. topper omkring 6-årsalderen, hvor knap 2 pct. af aldersgruppen modtager førtidspension mv. Efter 6-årsalderen er der et betydeligt fald i andelen, som modtager arbejdsløshedsdagpenge eller sygedagpenge. Det hænger sammen med, at mange borgere på dette alderstrin overgår til efterløn. I figur 2.2 fremgår den gennemsnitlige ydelsesgrad for den femte ydelseskategori, alle ydelser. Denne er højest ved 6-årsalderen, hvor 28 pct. af befolkningen i aldersgruppen modtager henholdsvis arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge eller førtidspension mv.. Figur 2.2 Den gennemsnitlige ydelsesgrad for alle ydelser fordelt efter alder, 216, Procent Alder Anm: Alderen er opgjort primo 216. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 2.2 Forklarende variable I de statistiske analyser benytter vi en række forklarende variable, der afspejler centrale rammevilkår for kommunernes beskæftigelsesindsatser. Eksempelvis anvender vi variable, der beskriver karakteristika ved kommunen i forhold til voksenpopulationen og forhold på det lokale arbejdsmarked, som kan antages at påvirke mulighederne for beskæftigelse. De forklarende variable er mål for både individuelle forhold og mere aggregerede forhold målt i pendlingsområdet, der har betydning for, om og hvor længe de enkelte borgere forventes at modtage forsørgelsesydelser. Mens de individuelle forhold angiver udbuddet af arbejdskraft i kommunen, benytter vi pendlingsområde som et mål for efterspørgslen efter arbejdskraft i et større geografisk område, der går på tværs af kommunerne (for en mere detaljeret præsentation af vores operationalisering af pendlingsområde se afsnit 2.3). Om end vi anvender mange af de samme forklarende variable, som også har været anvendt i tidligere analyser, som fx Graversen, Larsen & Arendt (213), er der også væsentlige forskelle. Vi har i denne undersøgelse flere variable til at måle forhold på både udbudssiden (individvariable) og på efterspørgselssiden (kommunale/regional forhold). De ekstra variable for forhold på efterspørgselssiden kommer blandt andet til udtryk ved de nye variable for pendlingsområdet, som indgår som et 15

86 selvstændigt analytisk niveau. Udgangspunktet for modelanalyserne er i alt cirka 3 forklarende variable, som er inddelt i undergrupper (bilag 5.1 giver en detaljeret beskrivelse af hver enkelt forklarende variable, der er anvendt i modelanalyserne). Vi medtager et stort antal variable på individniveau. Med mindre andet er oplyst, er alle variable målt senest ultimo december 215. Eksempelvis anvender vi variable for hver enkelt persons alder, etniske baggrund, familietype, uddannelsesniveau, erhvervserfaring i og boligtype, lægebesøg og hospitalsindlæggelser. Der er også variable, som angiver en eventuel partners uddannelsesniveau, og der er variable, som for borgere under 3 år, angiver forældrenes uddannelsesniveau. Tabel 2.1 giver et temainddelt overblik over indikatorvariablene målt på individ- og pendlingsniveau, der er inkluderet i undersøgelsen. Vores model tillader, at variablene kan have forskellige betydning for forskellige aldersgrupper, forskellige køn, og hvorvidt en person bor i en kommune, som tilhører et pendlingsområde med en stor by (København, Aarhus, Aalborg, Odense). Tabel 2.1 Tema Temainddelt overblik over variable, målt på individniveau. Eksempler på variable Familie og bopæl Udsathed Uddannelse Alder, civilstand, antal børn, ejerforhold Anbringelse, teenager, forældre, kriminalitet Folkeskolekarakter, højeste uddannelser, partners og forældres uddannelser, uddannelsesfrafald Socioøkonomisk status I gang med uddannelse, socioøkonomisk status i forskellige aldre i perioden Indvandring Sundhed Pendlingsområde Persons og partners oprindelsesland, opholdstype og længde Diagnoser, mentalt helbred, hospitalsindlæggelser samt brug af læge og speciallæge Brancheopdeling af personer i beskæftigelse, koncentration af personer med bestemte uddannelser; koncentration af personer med bestemt oprindelse, jobopslag (fra STAR), nye stillinger (fra STAR); andel borgere i aldersgrupper I de statistiske analyser er de forklarende variable på individniveau i udgangspunktet de samme i alle modeller, uanset hvilken ydelseskategori vi ser på. De endelige modeller bestemmes på baggrund af variablenes signifikansniveau (se afsnit 3.2). For at undgå endogenitet i de forklarende variable (at variablene er korreleret med modellens fejlled), er det nødvendigt, at alle variable er målt før januar 216. Dermed antager vi borgernes ydelsesforbrug ikke påvirker deres karakteristika, som eksempelvis at modtagelse af dagpenge gør, at borgeren påbegynder et uddannelsesforløb. Det vil sige, at variablene for de individuelle forhold alle er opgjort ultimo 215 eller tidligere. 2.3 Afgrænsning af lokale arbejdsmarkeder Vi benytter pendlingsområde til geografisk at afgrænse lokale arbejdsmarkeder, som kommunerne er en del af. Et pendlingsområde kan dermed dække over flere kommuner, som vi antager, har de samme forhold for efterspørgslen efter arbejdskraft. Et pendlingsområde kan operationaliseres som et afgrænset geografisk område, hvor der er større intern pendling, end der er pendling ind i og ud ad området (Goodman, 197). Imidlertid eksisterer der ikke en fast definition i forskningslitteraturen for hverken at måle omfanget af pendling eller størrelsen på de områder, hvor pendlingen foregår. Dog er der en udvikling på vej mod en mere standardiseret fremgangsmetode til at definere pendling (for mere se Danmarks Statistik, 216). Inspireret af denne metodiske udvikling har Danmarks Statistik udviklet et mål for et pendlingsområde. Danmarks Statistik anvender en metode, som er udviklet i Storbritannien, der blandt andet har været anvendt til den mangeårige officielle inddeling af pendlingsområder (for mere se Eurostat 215, ONS 215). Vi har i denne undersøgelse valgt at anvende Danmarks Statistiks definition på 16

87 pendlingsområde, da den dels har mange ligheder til den algoritme for pendlingsområde, der blev anvendt i forrige afrapportering (Graversen, Larsen & Arendt, 213, s. 25 og 8-82), og dels er udviklet på baggrund af data fra 216, og således giver et opdateret billede af den geografiske erhvervsstruktur i Danmark. Metoden, anvendt til Danmarks Statistiks definition på pendlingsområder, er baseret på en iterativ algoritme, der grupperer lokalområder (for Danmarks kommuner) til gradvist større områder, indtil det for alle områder gælder, at flertallet af de beskæftigede bor og arbejder i området. Algoritmen tager højde for pendlingsmønstre, hvorved at de kommuner, som har de stærkeste forbindelser til hinanden, sammenlægges (Danmarks Statistik, 216). De 29 pendlingsområde ses i figur Figur 2.3 De 29 pendlingsområder. Kilde: Geodatastyrrelsen og Danmarks Statistik (216). Anm. Pendlingsområderne er angivet med seks forskellige farver. Pendlingsområder med samme farves skyldes alene det grafiske layout. I tabel 2.2 vises en mere detaljeret beskrivelse af pendlingsområderne. Som det fremgår af tabellen, er der stor forskel på områderne målt på både andel af beskæftigede i området og areal i km 2. Mens København udgør det største område med over en mio. beskæftigede på et areal på over 3. km 2, udgør Ærø det mindste område med blot lidt over 2. beskæftigede på et område på godt 9 km 2. 4 I de tidligere afrapporteringer af kommunernes rammevilkår havde Danmarks Statistik ikke udviklet officielle pendlingsområder. I Graversen, Larsen og Arendt (213) blev pendlingsområder dog opgjort efter lignende principper, baseret på en metode beskrevet i Andersen (2). 17

88 Tabel 2.2 Operationalisering af de 29 pendlingsområder. Pendlings-område Kommuner Beskæftigede i området Beskæftigede, bosat i området Folketal Areal i km² København København, Frederiksberg, Dragør, Tårnby, Albertslund, Ballerup, Brøndby, Gentofte, Gladsaxe, Glostrup, Herlev, Hvidovre, Høje-Taastrup, Ishøj, Lyngby-Taarbæk, Rødovre, Vallensbæk, Allerød, Egedal, Fredensborg, Frederikssund, Furesø, Gribskov, Halsnæs, Helsingør, Hillerød, Hørsholm, Rudersdal, Greve, Køge, Lejre, Roskilde, Solrød og Stevns 1,37, ,336 1,992,114 3,28 Bornholm Bornholm og Christiansø 16,774 16,945 39, Nakskov Lolland 16,315 16,873 43, Nykøbing F Guldborgsund 22,918 25,994 6, Næstved Faxe, Næstved og Vordingborg 59,161 74, ,353 1,71 Slagelse og Holbæk Odense Holbæk, Kalundborg, Odsherred, Ringsted, Slagelse og Sorø Assens, Faaborg-Midtfyn, Kerteminde, Nordfyns, Nyborg og Odense 117,71 134,51 29,366 2, , , ,8 2,385 Svendborg Langeland og Svendborg 28,67 3,838 7, Ærø Ærø 2,292 2,522 6,276 9 Esbjerg Esbjerg, Fanø og Varde 82,991 81,56 168,831 2,89 Kolding Haderslev, Kolding og Vejen 92,526 91, ,283 2,235 Sønderborg Sønderborg 32,535 32,849 74, Tønder Tønder 16,377 17,519 38, 1,284 Vejle og Fredericia Middelfart, Billund, Fredericia og Vejle 112,651 8, ,42 2,31 Aabenraa Aabenraa 27,19 26,682 58, Grenaa Norddjurs og Syddjurs 29,54 36,985 79,55 1,411 Horsens Hedensted og Horsens 6,916 65,64 132,452 1,7 Randers Randers 4,69 45,47 96,8 748 Aarhus Favrskov, Odder, Samsø, Silkeborg, Skanderborg og Aarhus 274,542 27, ,228 2,613 Herning Herning og Ikast-Brande 67,465 62, ,462 2,55 Holstebro Holstebro og Struer 38,524 38,369 78,933 1,39 Lemvig Lemvig 9,615,31 2, Ringkøbing og Skjern Ringkøbing-Skjern 28,732 28,128 57,42 1,47 Skive Skive 21,565 22,179 46, Viborg Viborg 48,364 46,25 94,985 1,49 Frederikshavn Frederikshavn og Læsø 28,34 28,3 62, Hjørring Hjørring 28,636 3,31 65, Thisted og Nykøbing M Morsø og Thisted 31,555 3,366 64,894 1,44 Aalborg Brønderslev, Jammerbugt, Mariagerfjord, Rebild, Vesthimmerland og Aalborg 18, ,536 39,271 4,744 Kilde: Danmarks Statistik (216). 18

89 Tabel 2.3 giver en samlet opgørelse over de fem gennemsnitlige ydelsesgrader, fordelt over de 29 pendlingsområder. Tabel 2.3 Gennemsnitlig ydelsesgrad i de 29 pendlingsområder. Pendlingsområde Arb. Kon. Syg. Før. Alle København 2,29 3,98 1,83 5,35 13,46 Bornholm 2,27 4,31 2,27 12,73 21,58 Nakskov 2,7 7,2 2,29 16,2 27,59 Nykøbing F 1,92 5,77 2,75 12,4 22,48 Næstved 2,3 4,74 2,34 9,68 18,8 Slagelse og Holbæk 1,96 5,2 2,19,2 19,2 Odense 2,62 4,87 2,36 9,91 19,76 Svendborg 2,29 4,96 2,31,85 2,41 Ærø 1,62 2,91 1,89 12,21 18,63 Esbjerg 1,96 4,41 2,11 9,45 17,93 Kolding 1,96 4,32 2,45 8,92 17,65 Sønderborg 1,89 4,44 2,16,87 19,36 Tønder 1,8 4,26 2,62,22 18,91 Vejle og Fredericia 1,91 4,3 2,3 8,89 17,13 Aabenraa 1,94 4,11 2,28,74 19,7 Grenaa 2, 3,96 2,8,8 18,95 Horsens 2, 3,83 2,66 9,15 17,63 Randers 2,25 4,62 2,57,42 19,85 Aarhus 2,28 3,71 2,11 8,26 16,36 Herning 1,96 3,56 2,45 9,54 17,5 Holstebro 1,85 3,59 2,29 9,62 17,35 Lemvig 1,73 2,85 2,72, 17,29 Ringkøbing og Skjern 1,52 3,22 2,56,52 17,82 Skive 1,73 3, 2,54 11,69 18,95 Viborg 1,88 3,53 2,54,4 18, Frederikshavn 2,7 4,9 2,41 11,16 2,36 Hjørring 2,53 3,75 2,61,32 19,21 Thisted og Nykøbing M 1,66 3,76 2,62 12,71 2,75 Aalborg 2,6 4,32 2,12 7,9 16,94 Kilde: Egne beregninger ud fra data fra Danmarks Statistik og STAR. 19

90 3 METODE I dette kapitel præsenterer vi den metodiske tilgang, som vi anvender i forbindelse med modelanalyserne af kommunernes rammevilkår. Afslutningsvis gennemgår vi de forskelle, der er mellem tilgangen i denne rapport og de to forrige afrapporteringer fra henholdsvis 26 (Clausen, Heinesen & Hussain, 26) og 213 (Graversen, Larsen & Arendt, 213). I forhold til de tidligere afrapporteringer har vi valgt at inkludere et højere antal forklarende variable. Det har vi gjort for i højere grad at tage hensyn til kommunale variationer i forhold til udbud og efterspørgslen efter arbejdskraft. En anden afvigelse i forhold til de tidligere afrapporteringer er, at vi opdeler modeller i forhold til både køn og alder. På grund af disse to ændringer har det været nødvendigt at anvende en anden statistisk model, som også vil blive præsenteret i dette kapitel. 3.1 Den statistiske model Formålet med modelanalysen er at fremskrive det gennemsnitlige ydelsesforbrug i de 98 kommuner. I dette afsnit beskriver vi, hvorledes vi fremskriver kommunernes ydelsesforbrug (Y k ) på baggrund af en model for borgernes ydelsesforbrug (Y i ). Udgangspunktet for de enkelte borgeres ydelsesforbrug (Y i ) er givet ved følgende lineære model: 6 Y i = D gi (α g + X g 1i β g1 + X g 2i β g2 + B k X g g=1 1i β g3 ) + ε ik (1) hvor D gi er en indikatorvariabel, der angiver, hvorvidt en borger tilhører én af de seks datagrupper (køn opdelt i tre aldersgrupper), som analysen er opdelt efter (for mere om datagrupperne se afsnit 3.4.2). Eksempelvis angiver g = 1 gruppen af mænd mellem 17 og 29 år, mens g = 4 angiver kvinder mellem 3 og 49 år. ε i er modellens fejlled. X g 1i og X g 2i angiver de individuelle og lokale arbejdsmarkedskarakteristika, som er relevante for borgernes ydelsesforbrug. Mens X g 1i indeholder de variable med størst forklaringskraft, angiver X g 2i variable med mindre forklaringskraft, som dog stadig er statistisk relevante for fremskrivningen af ydelsesforbruget. B k er en indikatorvariabel, der angiver, hvorvidt person er bosat i en kommune, der tilhører et pendlingsområde, som inkluderer én af de fire største byer (København, Aarhus, Odense, Aalborg). Indikatorvariablen for, hvorvidt borgerne er bosat i et pendlingsområde i én af de fire største byer, tillader, at borgere fra kommuner i storbyområder kan tilskrives en særlig vægtning i modellen på grund af den særligt høje koncentration af arbejdspladser i pendlingsområdet. Eksempelvis at borgere i en mindre kommune i pendlingsområdet for København har adgang til flere jobmuligheder end borgere i en mindre kommune i et pendlingsområde, der ikke er geografisk placeret i nærheden af en storby. 5 Hver model indeholder tre variabelblokke X g 1i, X g 2i, og B k X g 1i. Den opløftede notation g tilføjes for at oplyse om, at X g 1i og X g 2i kan indeholde forskellige variable på tværs af de seks datagrupper. Model (1) tillader med andre ord aldersspecifikke sammenhæng, som vægter β g1, β g2, β g3 i forhold til den uafhængige variabel Y i. De udvalgte forklarende variable er således afhængige af borgerens køn og alder, hvorved vi specificerer de seks forskellige modeller. 5 B k bliver med andre ord anvendt til at tillade, at de mest betydningsfulde variable (X 1i ) får en særlig vægtning i modellen (se afsnit 3.2). De variable med meget høj statistisk signifikans kan have forskellig vægt for borgere bosat i nærheden af disse større byer. Det skyldes, at betydningen af en række individuelle forhold for beskæftigelsen, som eksempelvis uddannelse og erhvervserfaring, kan variere i forhold til, hvorvidt det lokale arbejdsmarkeder indeholder en storby. Storbyer har i forhold til mindre byer ikke blot en større koncentration af arbejdspladser, men også en større diversitet i jobstillinger. Hvis ikke modellen tager højde for disse storbyeffekter, er der en vis risiko for, at modellen ikke afspejler de faktiske rammevilkår i den pågældende kommune. 2

91 3.2 Modelspecifikation Modelspecifikationen følger følgende procedure i fire trin: 1) For hver gruppe (g = 1,2,, 6) starter vi modelspecifikationen med at estimere med en lineær model, som indeholder alle variable (se afsnit 5.1 for den fulde variabelliste). Startmodellen har følgende notation: Y i = α g + X β g + ε ik (2) 2) Vi opdeler variable X i to grupper. Den første gruppe (X g 1i ) består af de variable med p-værdier lavere end,1. Den anden gruppe variable (X g 2i ) består af variable, hvis p-værdi er p,1. For alle variable i den første gruppe inkluderer vi interaktionsled med B k. Vi estimerer modellen: Y i = γ g + X g 1i θ g1 + X g 2i θ g2 + B k X g 1i θ g3 + ε ik (3) 3) Vi beholder kun de variable i model (3), som har en p-værdi, hvor p <,25. Dermed opnår vi den endelige modelspecifikation (for mere om de specifikke modeller for de seks datagrupper se bilag 5.2): Y i = α g + X g 1i β g1 + X g 2i β g2 + B k X g 1i β g3 + ε ik (4) 4) På baggrund af de gruppespecifikke modeller (4) beregner vi det forudsagte ydelsesforbrug for hver borger ved hjælp af følgende formel: Y i = α g + X g 1i β g1 + X g 2i β g2 + B k X g 1i β g3 (5) 3.3 Fremskrivning af det gennemsnitlige kommunale ydelsesforbrug Ved fremskrivningen af det gennemsnitlige ydelsesforbrug for de fem hovedydelseskategorier anvender vi to forskellige tilgange. Opdelingen af de to tilgange afhænger af, om vi beregner en individuel ydelseskategori (arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv.), eller om vi beregner det aggregerede mål (alle ydelser under ét). I afsnit præsenterer vi, hvordan vi har beregnet det gennemsnitlige kommunale ydelsesforbrug for de individuelle ydelser, mens vi i afsnit præsenterer beregningsmetoden for den aggregerede ydelseskategori Fremskrivning af de individuelle ydelsesgrupper Det gennemsnitlige observerede ydelsesforbrug for de fire individuelle ydelseskategorier kan opskrives som Y k (k = 1,,98) mens det gennemsnitlige forudsagte ydelsesforbrug på kommuneniveau som Y k, således at: Y k = i k Y i /N k (6) hvor N k angiver antal borgere i alderen år, som har bopæl i kommunen den 1. januar 216. Eftersom borgere under 16 år og borgere over 64 år samt borgere på efterløn har et markant anderledes forbrug af offentlige ydelser (se evt. figur 2.1), ekskluderer vi borgere i disse aldersgrupper 21

92 fra modellering. Vi benytter metoden i (6) til at fremskrive ydelsesforbrug for de fire ydelseskategorier (alle ydelsesgrupper på nær alle ydelser under ét ) for hver af de seks datagrupper for vores population Fremskrivning af alle ydelser under ét Vi beregner det gennemsnitlige forudsagte aggregerede ydelsesforbrug (alle ydelser under ét) på kommuneniveau på baggrund af det forudsagte ydelsesforbrug af de enkelte grupper af ydelser. En sådan tilgang kaldes i den engelsksprogede metodelitteraturlitteratur for aggregating forecasts eller på dansk aggregeret fremskrivning (Allen & Fildes, 211) og kan beskrives på individniveau ud fra følgende formel: Y i = Y A,i + Y K,i + Y S,i + Y F,i (7) Hvor Y A,i, Y K,i, Y S,i og Y F,i angiver det forventede individuelle ydelsesforbrug for henholdsvis arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv. De forventede individuelle ydelsesforbrug beregnes ud fra den lineære model (1) og bliver efterfølgende aggregeret til kommuneniveau ud fra følgende ligning: Y kaf = Y A,k + Y K,k + Y S,k + Y F,k (8) Hvor det kommunale gennemsnitlige forbrug af den individuelle ydelsesgruppe y er beregnet ved: Y y,k = i k Y y,i /N k (9) Den fremskrivningstilgang for det aggregerede ydelsesforbrug sikrer, per definition, at summen af det forudsagte ydelsesforbrug af de forskellige grupper af ydelser er lig med det forudsagte ydelsesforbrug på både individ- og kommuneniveau. En anden fordel ved denne fremskrivningsmetode er, at metoden bruger mere information, end hvis man eksempelvis havde bergnet alle ydelser under ét ud fra samme tilgang som de individuelle ydelsesgrupper (hvad der i metodelitteraturen kaldes forecasting aggregated eller fremskrivning af det aggregerede (Y kfa )). For at sikre, at vi udvælger den bedste fremskrivningsmetode for det aggregerede ydelsesforbrug, har vi foretaget en sammenligning af de to tilgange. Resultatet af sammenligningen viser, at om end forskellen mellem de to tilgange er relativ beskeden, giver den aggregerede fremskrivningsmetode (Y kaf ) en bedre fremskrivning end metoden for fremskrivning af det aggregerede (Y kfa ), og derfor vælger vi at rangordne kommuner på baggrund af Y kaf Forskelle i forhold til tidligere afrapporteringer Vores metodiske tilgang er på flere områder forskellig fra den anvendte tilgang i de tidligere afrapporteringer om kommunernes rammevilkår i henholdsvis 24 (Clausen, Heinesen & Hussain, 26) og 211 (Graversen, Larsen & Arendt 213). Vi gennemgår her de vigtigste forskelle. 6 Resultaterne kan fremsendes ved henvendelse. 22

93 3.4.1 Statistisk model Vi anvender en lineær model til at fremskrive kommunernes rammevilkår. Valget af en lineær model skyldes, at vi fra Danmarks Statistiks registre har fået adgang til mange relevante variable, men at disse variable ikke nødvendigvis er til rådighed eller lige relevante for alle aldersgrupper. Eksempelvis er registeroplysninger om skolegang (folkeskolekarakterer og frafald fra ungdomsuddannelser) alene til gengængeligt for de yngre aldersgrupper. I de to tidligere undersøgelser blev der anvendt en anden modelstrategi end den, vi anvender i denne undersøgelse. I de tidligere undersøgelser anvendte forskerne Tobit-modeller til at beregne borgernes forventede ydelsesforbrug alene på baggrund af deres køn og uden brug af interak-tionsled med storbyområder. Disse Tobit-modeller inkluderede omkring variable og skulle estimere ydelsesforbruget på baggrund af data for omkring 1.9. borgere (eftersom modellerne blev estimeret særskilt på køn for personer mellem år i 211). Den lineære model er baseret på en OLS-estimation (også kendt i den dansksprogede metodelitteratur som mindste kvadraters metode ). Denne type model kan dog give inkonsistent koeffi-cientestimation, hvis der er censurering på den afhængige variabel. Derfor er det som udgangspunkt altid en god ide i forbindelse med analyser af censurerede afhængige variable at benytte mere avancerede statistiske modeller, som eksempelvis Tobit-modeller, der netop tager højde for denne problematik. Tobit-modeller bør derfor i udgangspunktet, frem for lineære modeller, anvendes til analyser om at bestemme kausale sammenhænge. Imidlertid er Tobit-modeller kun i stand til at give en god approksimation, hvis antagelserne om normalitet er opfyldt, da disse antagelser i modsætning til den lineære model giver anledning til inkonsistente estimater, når de ikke er opfyldt (Goldberger, 1983). 7 Vi undersøger hvorvidt Tobit-modellen er bedre end den lineære model til at beregne de forventede ydelsesværdier. I modsætning til Tobit-modellerne estimerer lineære modeller (5) deres parametre med OLS, dvs. ud fra et mål om at producere den bedst muligt lineære forudsigelse (β g1, β g2, β g3 ) min (Y i Y i) 2 i g. Samtidigt betyder OLS, at de lineære modeller er i stand til at håndtere et langt høje antal af variable end modeller baseret på ML (som Tobit-modellen). Netop denne egenskab til at håndtere mange forklarende variable gør OLS-modellen yderst effektiv til at fremskrive det anvendte datamateriale. For at udvælge den bedst egnede fremskrivningsmetode, som bedste passer til aldersspecifikke modeller med de mange forklarende variable, sammenligner vi de to modeltypers forudsigelseskraft. Vi har for begge modeltyper fulgt modelspecifikationsproceduren, som blev præsenteret i afsnit 3.2. Vi har herefter anvendt begge modeltyper til at fremskrive forventede ydelser for relevante subpopulationer, som fx forskellige aldersgrupper, uddannelsesgrupper mv. Sammenligningen af de to modeltyper viser, at OLS-modellen for alle grupper giver de bedste fremskrivninger. 8 7 Tobit-modeller er endvidere baseret på at skulle foretage estimationer på baggrund af maksimum likelihood (ML), hvilket vil sige, at Tobit-parametrene udpeges ved numeriske bestemmelser af maksimumpunktet af en likelihood-funktion. Dette gøres ikke-lineært ud fra en Maxlik-algoritme, og estimationen er yderst sårbar over for det problem, at likelihood-funktionen kan være flad. Problematikken med en flad likelihood-funktionen er særlig aktuel i de tilfælde, hvor modellen skal tage højde for et højt antal variable, da visse dataceller vil have meget få observationer. 8 Resultaterne kan fremsendes ved henvendelse. 23

94 3.4.2 Statistiske modeller, opdelt i forhold til både køn og alder I modsætning til den forrige undersøgelse med data fra 213 er alle analyser med statistiske modeller i denne undersøgelse opdelt i seks grupper, som er differentieret i forhold til køn og tre aldersgrupper (16-29 år, 3-49 år og 5-66 år). Fordelen ved at opdele analyserne efter køn og alder er, at vi dermed tillader modelkoefficienterne for individvariable i højere grad at afspejle datagrundlaget. Eksempelvis har flere års erhvervserfaring markant større betydning for ydelsesniveauet blandt de ældre aldersgrupper end den yngre aldersgruppe mellem 16 til 29 år. Tabel 3.1 viser fordelingen i de seks analysegrupper: Tabel 3.1 De seks analysegrupper. Køn år 3-49år 5-66 år I alt Mand 527,5 741, ,375 1,883,835 Kvinde 53, , ,519 1,851,38 I alt 1,3,569 1,47,752 1,233,894 3,735,215 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik Flere forklarende variable Som det også fremgår af bilag 5.1, anvender vi i forhold til de to tidligere undersøgelser flere forklarende variable. I forhold til estimationer af de mere krævende Tobit-modeller tillader OLS-estimationerne af de lineære modeller et langt højere antal forklarende variable. Det muliggør, at vi i de lineære modeller kan inkludere interaktionsled mellem storbyområde og de meste signifikante variable. Dermed tillader de lineære modeller, at rammevilkårene har forskellig betydning, afhængigt af om borgerne er bosat i nærheden af en særlig høj koncentration af arbejdspladser, som fx København, eller ej. 24

95 4 RESULTATER I dette kapitel giver vi en detaljeret gennemgang af resultaterne af de statistiske modelanalyser af, hvilken betydning forskellige typer af kommunale rammevilkår har for ydelsesniveauet i den enkelte kommune. Analyserne tager udgangspunkt i følgende fem ydelsestyper: 1. Arbejdsløshedsdagpenge: Arbejdsløshedsdagpenge, kontantydelse og arbejdsmarkedsydelse 2. Kontanthjælp mv.: Kontanthjælp, uddannelseshjælp, integrationsydelse, revalidering og for-revalidering 3. Sygedagpenge: Sygedagpenge og jobafklaringsforløb 4. Førtidspension mv.: Førtidspension, ledighedsydelse, fleksjob og ressourceforløb 5. Alle ydelser under ét. Vi estimerer statistiske modeller for, hvor stor en andel af året 216 hver enkelt person i alderen år modtog ydelser. Med udgangspunkt i modellerne beregner vi den forventede (også kaldet forudsagte ) andel af året, hvor borgerne i de enkelte kommuner modtager hver af de fem typer af ydelser. Den gennemsnitlige andel af året med ydelser for alle borgere i kommunen er udtryk for den samlede betydning af de mål for rammevilkår (på individ-, og pendlingsområdeniveau), der indgår i den statistiske model. Kommunerne er for hver ydelseskategori rangordet efter de forventede værdier fra de statistiske modeller. Formålet med rangordenen er, at kommuner, som er tæt på hinanden på en given rangorden af en ydelseskategori, kan kategoriseres til at have lignende rammevilkår. I de følgende delafsnit i dette kapitel præsenterer vi rangordener for alle fem ydelseskategorier. Resultaterne af hver ydelseskategori bliver opgjort i tabelform og suppleret med geografiske kort. Tabellerne indeholder en opgørelse for den gennemsnitlige observerede og forventede andel af året, hvor borgere fra hver kommune har modtaget arbejdsløshedsdagpenge. Tabellerne giver også et mål for differencen mellem de observerede og de forventede værdier. Endelig indeholder tabellerne en rangorden af kommunerne fra 1 til 98 baseret på værdien af de forventede andele. De kommuner, som har de højeste forventede ydelser (og dermed højt placeret på rangordenen), har de mindst favorable rammevilkår, mens kommuner med de laveste forventede ydelser (lavt placeret på rangorden) har de mest favorable vilkår. Det er vigtigt at understrege, at kommuner, der er placeret tæt på hinanden på en given rangorden for en ydelseskategori, kan have vidt forskellige vanskeligheder og dermed også behov for forskellige løsninger. To kommuner med ens rammevilkår kan eksempelvis dække over, at kommune A har en høj andel af indvandrede på forsørgelsesydelser, mens kommune B har mange ældre. Kapitlet afsluttes med en perspektivering af resultaterne i forhold til kommunernes forrige rangering i En vigtig pointe i forbindelse med en sammenligning af de nye og de forrige rangordninger af kommunernes ydelsesniveauer er, at der siden 211 er sket en række økonomiske og politiske forandringer, som kan have betydning for, at kommunerne har ændrede rammevilkår. Eksempelvis var den økonomiske konjunktur i Danmark i 211 stadig påvirket af den globale 27-økonomiske krise, hvilket blandt andet blev afspejlet ved en lav vækst og stigende arbejdsløshed (Finansministeriet, 211). Den økonomiske konjunktur i Danmark i 216 var derimod karakteriseret ved en økonomisk 9 En mere detaljeret præsentation af de statistiske analyser fremgår af undersøgelsens bilag. Bilag 5.1 giver en samlet opgørelse over modellernes forklarende variable. Bilag 5.2 viser de endelige modeller og deres koefficienter. Bilag 5.3 angiver forklaringskraften for modellernes variabelgrupper. 25

96 fremgang (Finansministeriet, 216). Eksempelvis var den sæsonkorrigerede ledighed målt ved Arbejdskraftsundersøgelsen (AKU) blandt årige borgere i første kvartal i 211 målt til 7,7 pct., mens tallet i første kvartal i 216 var faldet til 6,1 pct. (Danmarks Statistik, 217). På det politiske område er der siden 211 endvidere blevet indført en række reformer på alle ydelsesområder. Eksempelvis er der på kontanthjælpsområdet kommet nye regler for kontanthjælp til unge under 3 år, hvor der er indført en ny ydelse (jf. lov nr. 894 af 4. juli 213). Yderligere information om de statistiske modelanalyser fremgår af undersøgelsens bilag, som giver et samlet overblik over estimationsresultaterne samt en opgørelse over, hvor meget de forklarende variable bidrager til modellernes forklaringskraft. 4.1 Arbejdsløshedsdagpenge Figur 4.1 giver en geografisk kortlægning over andelen af borgere i de enkelte kommuner, som i 216 har modtaget arbejdsløshedsdagpenge. Kortet viser, at de kommuner, som har den højeste andel af borgere på arbejdsløshedsdagpenge, især er placeret i Nordjylland, på Fyn samt i København og vestegnskommunerne. Figur 4.1 Geografisk kortlægning over observerede andele af året, som borgere i de enkelte kommuner i 216 har modtaget arbejdsløshedsdagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 4.1, der præsenterer resultaterne af modelanalysen, viser, at Ishøj, København, Odense og Aalborg er de kommuner, som har de mindst favorable rammevilkår for arbejdsløshedsdagpenge. Det skyldes, at de fire kommuner er placeret som henholdsvis nummer 1, 2, 3 og 4 på rangordenen for rammevilkårene for arbejdsløshedsdagpenge. Det betyder med andre ord, at vi forventer, at Antallet af personer uden arbejde kan blandt andet opgøres ud fra Danmarks Statistiks spørgeskemaundersøgelse Arbejdskraftundersøgelsen (AKU), som hvert kvartal spørger 22. borgere i alderen om deres beskæftigelse og jobsøgning. I de her anvendte tal for den sæsonkorrigerede AKU-ledighed er borgere over 64 år således udeladt (for mere information se 26

97 borgere i disse kommuner alt andet lige modtager arbejdsløshedsdagpenge en højere andel af året, end borgere forventes at modtage dagpenge i andre kommuner. En mulig forklaring på, hvorfor det netop er storbyskommuner, som er højt placeret, er, at de på grund af mange uddannelsesinstitutioner har en højere antal dimitterende, som bliver boende i kommunen. Kommunerne Allerød, Hørsholm, Dragør og Lejre er de fire kommuner, som har de mest favorable rammevilkår, hvor borgere forventes at modtage arbejdsløshedsdagpenge den mindste del af året. Det skal dog bemærkes, at de procentvise forskelle mellem kommunerne er relative moderate. Mens borgere i Ishøj Kommune eksempelvis forventes at modtage arbejdsløshedsdagpenge 2,97 pct. af året, er det tilsvarende tal for Allerød på 1,41 pct. Endelig skal det mærkes, at der er en gruppe kommuner, som har forholdsvis store differencer mellem de observerede og de forventede værdier for ydelsesgruppen arbejdsløshedsdagpenge. Differencerne er både positive og negative og inkluderer både mindre ø-kommuner (som fx Læsø) og større kommuner (som fx Ishøj). Yderlige analyser af differencerne for arbejdsløshedsdagpenge (og for kontanthjælp mv., sygedagpenge og førtidspension mv.) viser, at der ikke er systematiske geografiske mønstre. Tabel 4.1 Den gennemsnitlige observerede og forventede andel af året for hver kommune, difference mellem observeret og forventet værdi (pct.) samt rangordning af kommunerne efter forventet værdi på ydelseskategorien arbejdsløshedsdagpenge (pct.). Rang Kommune Observeret Forventet Difference 1 Ishøj 3,65 2,97,68 2 København 2,92 2,94 -,2 3 Odense 2,86 2,94 -,8 4 Aalborg 2,96 2,88,8 5 Frederikshavn 2,67 2,74 -,7 6 Frederiksberg 2,5 2,7 -,2 7 Brøndby 2,78 2,68, 8 Aarhus 2,58 2,62 -,4 9 Albertslund 2,76 2,53,23 Hjørring 2,53 2,5,3 11 Læsø 3,84 2,47 1,37 12 Høje-Taastrup 2,56 2,38,18 13 Svendborg 2,31 2,33 -,2 14 Vesthimmerland 2,16 2,32 -,16 15 Mariagerfjord 2,15 2,31 -,16 16 Glostrup 2,44 2,29,15 17 Nyborg 2,19 2,28 -,9 18 Rødovre 2,28 2,26,2 19 Bornholm 2,27 2,25,2 2 Hvidovre 2,32 2,25,7 21 Kerteminde 2,45 2,25,2 22 Randers 2,25 2,25, 23 Assens 2,26 2,23,3 24 Faaborg-Midtfyn 2,4 2,23,17 25 Brønderslev 2,29 2,22,7 26 Rebild 1,86 2,21 -,35 27

98 Rang Kommune Observeret Forventet Difference 27 Norddjurs 2,38 2,19,19 28 Herlev 2,12 2,18 -,6 29 Nordfyns 2,36 2,18,18 3 Ballerup 2,7 2,16 -,9 31 Jammerbugt 2,25 2,15, 32 Gladsaxe 1,95 2,14 -,19 33 Ringsted 2,17 2,14,3 34 Horsens 2,19 2,13,6 35 Vallensbæk 2,27 2,13,14 36 Langeland 2,2 2,12,8 37 Slagelse 2,17 2,11,6 38 Lolland 2,7 2,8 -,1 39 Næstved 2,8 2,8, 4 Fredericia 2,17 2,7, 41 Kolding 2,6 2,4,2 42 Esbjerg 2,11 2,3,8 43 Faxe 2,3 2,,3 44 Syddjurs 1,84 2, -,16 45 Herning 1,88 1,98 -, 46 Tårnby 2, 1,98,2 47 Holbæk 1,84 1,96 -,12 48 Vordingborg 1,95 1,96 -,1 49 Aabenraa 1,94 1,95 -,1 5 Vejle 1,98 1,94,4 51 Guldborgsund 1,92 1,93 -,1 52 Køge 1,93 1,93, 53 Haderslev 1,92 1,9,2 54 Ikast-Brande 2,12 1,89,23 55 Holstebro 1,78 1,88 -, 56 Viborg 1,88 1,88, 57 Fredensborg 1,82 1,87 -,5 58 Greve 1,91 1,87,4 59 Sønderborg 1,89 1,87,2 6 Helsingør 1,84 1,86 -,2 61 Kalundborg 1,72 1,83 -,11 62 Silkeborg 2,2 1,83,19 63 Billund 1,61 1,82 -,21 64 Lyngby-Taarbæk 1,76 1,82 -,6 65 Sorø 1,93 1,82,11 66 Tønder 1,8 1,82 -,2 67 Vejen 1,78 1,82 -,4 68 Struer 2,2 1,81,21 69 Roskilde 1,93 1,8,13 7 Hedensted 1,62 1,79 -,17 71 Varde 1,58 1,77 -,19 72 Furesø 1,54 1,73 -,19 73 Odder 1,58 1,73 -,15 28

99 Rang Kommune Observeret Forventet Difference 74 Skive 1,73 1,73, 75 Odsherred 1,9 1,72,18 76 Lemvig 1,73 1,71,2 77 Gentofte 1,63 1,7 -,7 78 Halsnæs 1,92 1,69,23 79 Middelfart 1,56 1,69 -,13 8 Thisted 1,67 1,69 -,2 81 Hillerød 1,6 1,68 -,8 82 Skanderborg 1,49 1,67 -,18 83 Fanø 2,1 1,65,36 84 Ærø 1,62 1,65 -,3 85 Frederikssund 1,72 1,64,8 86 Morsø 1,64 1,64, 87 Favrskov 1,76 1,62,14 88 Samsø 2,28 1,62,66 89 Solrød 1,68 1,62,6 9 Stevns 1,73 1,6,13 91 Ringkøbing-Skjern 1,52 1,53 -,1 92 Egedal 1,54 1,52,2 93 Gribskov 1,69 1,52,17 94 Rudersdal 1,46 1,52 -,6 95 Lejre 1,58 1,47,11 96 Dragør 1,52 1,46,6 97 Hørsholm 1,41 1,46 -,5 98 Allerød 1,32 1,41 -,9 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Figur 4.2 giver en geografisk kortlægning af de forventede andele af året, som borgere i de enkelte kommuner i 216 har modtaget arbejdsløshedsdagpenge. Kortet viser dermed, hvilke områder i Danmark som har særlige vanskeligheder i forhold til andelen af borgere på arbejdsløshedsdagpenge, når rammevilkårene for udbud og efterspørgsmål efter arbejdskraft tages med i betragtning. Af kortet fremgår det, at især kommuner i Nordjylland, Fyn og Københavnsområdet har vanskelige rammevilkår for denne ydelseskategori. Derimod er der mere favorable vilkår for kommuner i Vestjylland og Nordsjælland. 29

100 Figur 4.2 Geografisk kortlægning over forventede andele af året, som borgere i de enkelte kommuner i 216 har modtaget arbejdsløshedsdagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 4.2 Kontanthjælp mv. Figur 4.3 viser den geografiske kortlægning af andelen af borgere i de enkelte kommuner, som i 216 har modtaget kontanthjælp mv. Kortet viser, at kommuner med høje andele af borgere, der modtager kontanthjælp mv., især er at finde på Vestsjælland og Lolland-Falster. 3

101 Figur 4.3 Geografisk kortlægning over andel af året, som borgere i de enkelte kommuner i 216 har modtaget kontanthjælp mv.. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Resultaterne af modelanalysen for kontanthjælp mv. fremgår af tabel 4.2. Tabellen viser, at blandt de ti kommuner, som er vanskeligst stillede, er fire af dem fra Københavns vestegn henholdsvis Brøndby (placeret som nummer 2), Ishøj (3), Albertslund (4) og Ballerup (). Lolland-Falster er repræsenteret med to kommuner. Lolland Kommune, som er nummer 1 på rangordenen, og Guldborgsund Kommune, der er placeret som nummer fem. I den modsatte ende af rangordenen, hvor de kommuner, der har de mest favorable rammevilkår er placeret, finder vi især nordsjællandske kommuner som fx Egedal (placeret som nummer 98), Allerød (96), Gentofte (95) og Rudersdal (91). 31

102 Tabel 4.2 Den gennemsnitlige observerede og forventede andel af året for hver kommune, difference mellem observeret og forventet værdi (pct.) samt rangordning af kommunerne efter forventet værdi på ydelseskategorien kontanthjælp mv. (pct.) Rang Kommune Observeret Forventet Difference 1 Lolland 7,2 7,17,3 2 Brøndby 6,24 6,31 -,7 3 Ishøj 5,66 6,11 -,45 4 Albertslund 5,52 5,93 -,41 5 Guldborgsund 5,77 5,7,7 6 Slagelse 5,91 5,5,41 7 Odense 5,51 5,18,33 8 Kalundborg 5,25 5,16,9 9 Vordingborg 5,4 5,12,28 Ballerup 3,88 5,8-1,2 11 Odsherred 5,32 5,2,3 12 Fredericia 5,78 4,98,8 13 Nyborg 4,8 4,98 -,9 14 Svendborg 4,94 4,98 -,4 15 Holbæk 4,68 4,84 -,16 16 Høje-Taastrup 4,93 4,79,14 17 Herlev 4,15 4,77 -,62 18 Langeland 5,7 4,75,32 19 Esbjerg 4,77 4,73,4 2 Rødovre 4,63 4,72 -,9 21 Haderslev 5,19 4,71,48 22 Næstved 4,44 4,68 -,24 23 Randers 4,62 4,65 -,3 24 Brønderslev 4,4 4,6 -,2 25 Glostrup 4,67 4,6,7 26 Kerteminde 4,34 4,58 -,24 27 Ringsted 3,95 4,56 -,61 28 Helsingør 4,88 4,54,34 29 Norddjurs 4,5 4,5, 3 Vesthimmerland 4,21 4,49 -,28 31 København 4,98 4,48,5 32 Assens 4,47 4,44,3 33 Faxe 4,6 4,42,18 34 Hvidovre 3,99 4,42 -,43 35 Jammerbugt 4,13 4,42 -,29 36 Sorø 3,97 4,42 -,45 37 Faaborg-Midtfyn 3,59 4,41 -,82 38 Bornholm 4,32 4,4 -,8 39 Sønderborg 4,44 4,4,4 4 Mariagerfjord 4,49 4,38,11 41 Aalborg 4,52 4,34,18 42 Nordfyns 4,12 4,28 -,16 43 Tønder 4,26 4,28 -,2 32

103 Rang Kommune Observeret Forventet Difference 44 Halsnæs 4,28 4,2,8 45 Køge 4,23 4,2,3 46 Horsens 4,45 4,19,26 47 Kolding 3,99 4,18 -,19 48 Aarhus 3,96 4,14 -,18 49 Gladsaxe 3,41 4,12 -,71 5 Aabenraa 4,11 4,,1 51 Frederikshavn 4,15 4,7,8 52 Struer 4,4 4,7 -,3 53 Vejen 3,9 4, -, 54 Tårnby 3,59 3,96 -,37 55 Morsø 3,59 3,94 -,35 56 Vejle 3,77 3,86 -,9 57 Thisted 3,84 3,74, 58 Hjørring 3,75 3,73,2 59 Herning 3,63 3,69 -,6 6 Fredensborg 3,21 3,65 -,44 61 Middelfart 3,18 3,61 -,43 62 Varde 3,62 3,61,1 63 Frederikssund 3,88 3,59,29 64 Stevns 4,66 3,57 1,9 65 Viborg 3,53 3,57 -,4 66 Billund 2,93 3,55 -,62 67 Roskilde 3,5 3,53 -,3 68 Odder 3,29 3,51 -,22 69 Gribskov 3,64 3,5,14 7 Syddjurs 3,45 3,49 -,4 71 Holstebro 3,43 3,43, 72 Silkeborg 4,12 3,43,69 73 Hillerød 3,17 3,37 -,2 74 Greve 2,73 3,36 -,63 75 Frederiksberg 2,55 3,33 -,78 76 Ikast-Brande 3,41 3,32,9 77 Ringkøbing-Skjern 3,22 3,22, 78 Fanø 3,54 3,2,34 79 Hedensted 2,59 3,16 -,57 8 Samsø 2,96 3,14 -,18 81 Ærø 2,91 3,9 -,18 82 Lejre 2,59 3,8 -,49 83 Rebild 2,78 3,6 -,28 84 Furesø 2,96 3,2 -,6 85 Skive 3, 3,, 86 Solrød 2,63 2,87 -,24 87 Lemvig 2,85 2,86 -,1 88 Lyngby-Taarbæk 2,27 2,75 -,48 89 Hørsholm 2,61 2,66 -,5 9 Favrskov 2,63 2,61,2 33

104 Rang Kommune Observeret Forventet Difference 91 Rudersdal 2,24 2,61 -,37 92 Vallensbæk 2,14 2,58 -,44 93 Læsø 1,85 2,57 -,72 94 Skanderborg 2,52 2,44,8 95 Gentofte 2,21 2,39 -,18 96 Allerød 2,1 2,22 -,21 97 Dragør 2,26 2,16, 98 Egedal 2,1 2,9 -,8 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Figur 4.4 illustrerer den geografiske kortlægning over de forudsagte andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget kontanthjælp mv. Figuren viser, at de højeste andele foruden vestegnskommunerne især er at finde i kommuner på Fyn, Vestsjælland og Lolland-Falster. Figur 4.4 Geografisk kortlægning over forudsagte andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget kontanthjælp mv.. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 4.3 Sygedagpenge Den geografiske kortlægning af andelen af borgere i de enkelte kommuner, som i 216 har modtaget sygedagpenge, fremgår af figur 4.5. Kortet viser, at det især er kommuner i Sønderjylland, på Fyn og Lolland-Falster, som har relative høje andele af borgere, der modtager sygedagpenge. Dog skal det bemærkes, at de procentvise forskelle mellem kommunernes andel af borgere på sygedagpenge er meget små. 34

105 Figur 4.5 Geografisk kortlægning over andel af året, hvor borgere i de enkelte kommuner i 216 har modtaget sygedagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 4.3 præsenterer OLS-modellens beregning af de forventede andele af borgere i kommunerne, som modtager sygedagpenge. Tabellen viser ligesom figur 4.5, at der ikke er meget variation mellem kommunerne. Således har de kommuner, der har mindst gunstige rammevilkår, som Norddjurs, Syddjurs og Lemvig, forudsagte værdier på henholdsvis 2,85 pct., 2,78 pct. og 2,72 pct., mens kommunerne Gentofte (1,45 pct.), Rudersdal (1,5 pct.) og Frederiksberg (1,53 pct.) er de kommuner, der ifølge de forudsagte værdier har de mest favorable rammevilkår. 35

106 Tabel 4.3 Den gennemsnitlige observerede og forventede andel af året for hver kommune, difference mellem observeret og forventet værdi (pct.) samt rangordning af kommunerne efter forventet værdi på ydelseskategorien sygedagpenge (pct.). Rang Kommune Observeret Forventet Difference 1 Norddjurs 2,79 2,85 -,6 2 Syddjurs 2,81 2,78,3 3 Lemvig 2,72 2,72, 4 Guldborgsund 2,75 2,71,4 5 Hedensted 2,59 2,7 -,11 6 Nordfyns 2,49 2,67 -,18 7 Tønder 2,62 2,65 -,3 8 Horsens 2,69 2,6,9 9 Randers 2,57 2,59 -,2 Ringkøbing-Skjern 2,56 2,58 -,2 11 Hjørring 2,61 2,56,5 12 Kerteminde 2,67 2,56,11 13 Vejen 2,38 2,56 -,18 14 Assens 2,55 2,55, 15 Morsø 2,43 2,55 -,12 16 Ikast-Brande 2,81 2,54,27 17 Viborg 2,54 2,54, 18 Faaborg-Midtfyn 2,63 2,53, 19 Thisted 2,71 2,5,21 2 Haderslev 2,61 2,47,14 21 Silkeborg 2,54 2,47,7 22 Skive 2,54 2,47,7 23 Struer 2,34 2,46 -,12 24 Nyborg 2,38 2,45 -,7 25 Vesthimmerland 2,5 2,45,5 26 Fredericia 2,54 2,44, 27 Herning 2,28 2,43 -,15 28 Faxe 2,39 2,42 -,3 29 Favrskov 2, 2,41 -,31 3 Langeland 2,51 2,41, 31 Odder 2,56 2,41,15 32 Ishøj 2,32 2,4 -,8 33 Kolding 2,38 2,39 -,1 34 Bornholm 2,27 2,38 -,11 35 Næstved 2,45 2,38,7 36 Frederikshavn 2,41 2,37,4 37 Billund 2,41 2,36,5 38 Samsø 2,12 2,36 -,24 39 Mariagerfjord 2,34 2,35 -,1 4 Skanderborg 2,45 2,34,11 41 Vordingborg 2,11 2,34 -,23 42 Rebild 2,53 2,32,21 43 Brønderslev 2,61 2,31,3 36

107 Rang Kommune Observeret Forventet Difference 44 Frederikssund 2,45 2,31,14 45 Middelfart 2,33 2,31,2 46 Aabenraa 2,28 2,3 -,2 47 Brøndby 2,2 2,28 -,26 48 Køge 2,45 2,28,17 49 Lolland 2,29 2,28,1 5 Jammerbugt 2,36 2,27,9 51 Halsnæs 2,34 2,26,8 52 Sorø 2,48 2,26,22 53 Svendborg 2,27 2,26,1 54 Holstebro 2,28 2,25,3 55 Ringsted 2,27 2,25,2 56 Holbæk 2,3 2,23,7 57 Sønderborg 2,16 2,23 -,7 58 Læsø 2,42 2,22,2 59 Albertslund 2,58 2,21,37 6 Vejle 2,16 2,21 -,5 61 Gribskov 2,41 2,2,21 62 Helsingør 2, 2,19 -,19 63 Odense 2,21 2,19,2 64 Stevns 1,88 2,19 -,31 65 Solrød 2,26 2,18,8 66 Hvidovre 2,46 2,17,29 67 Slagelse 1,9 2,17 -,27 68 Tårnby 2,35 2,17,18 69 Ballerup 2,59 2,16,43 7 Herlev 2,15 2,16 -,1 71 Høje-Taastrup 2, 2,16 -,6 72 Greve 2,38 2,15,23 73 Kalundborg 2,3 2,15,15 74 Odsherred 2,16 2,15,1 75 Esbjerg 1,99 2,14 -,15 76 Rødovre 2,5 2,11 -,6 77 Glostrup 2, 2,, 78 Varde 2,41 2,8,33 79 Lejre 1,92 2,7 -,15 8 Vallensbæk 1,69 2,4 -,35 81 Hillerød 2, 1,99,1 82 Aalborg 1,85 1,98 -,13 83 Fredensborg 1,74 1,95 -,21 84 Egedal 2,6 1,93,13 85 Ærø 1,89 1,92 -,3 86 Aarhus 1,92 1,92, 87 Roskilde 1,86 1,88 -,2 88 Gladsaxe 1,71 1,87 -,16 89 Furesø 1,57 1,76 -,19 9 Allerød 1,85 1,73,12 37

108 Rang Kommune Observeret Forventet Difference 91 Dragør 1,91 1,69,22 92 Fanø 1,7 1,66,4 93 Hørsholm 1,61 1,64 -,3 94 København 1,57 1,56,1 95 Lyngby-Taarbæk 1,46 1,54 -,8 96 Frederiksberg 1,35 1,53 -,18 97 Rudersdal 1,49 1,5 -,1 98 Gentofte 1,26 1,45 -,19 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Som vist i figur 4.6 er de kommuner, der har de mindst favorable rammevilkår for sygedagpenge, ifølge modelanalysen, primært placeret i det sydlige Danmark, som Sønderjylland, Sydsjælland og Lolland-Falster. Fyn er også karakteriseret ved at have relative vanskelige vilkår. Dog skal det også her bemærkes, at de procentvise forskelle mellem kommunerne er små på omkring 1 til 2 procentpoint. Figur 4.6 Geografisk kortlægning over forudsagte andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget sygedagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 4.4 Førtidspension mv. Figur 4.7 giver et geografisk overblik over andelen af året, hvor borgere i de enkelte kommuner modtager førtidspension mv. Figuren viser, at der, sammenlignet med eksempelvis kontanthjælp mv. og sygedagpenge, er væsentlige større forskelle mellem kommunerne. Figur 4.7 viser endvidere, at de kommuner, der har de højeste andele, er kommuner på de sydlige øer omkring Fyn, Nordvestsjælland og Lolland-Falster. 38

109 Figur 4.7 Geografisk kortlægning over andel af året, hvor borgere i de enkelte kommuner i 216 har modtaget førtidspension mv.. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Resultatet af modelanalysen for de forventede værdier for førtidspension mv. fremgår af tabel 4.4. Tabellen bekræfter det billede, vi så i figur 4.7, eftersom de, blandt de ti kommuner, der har de mindst favorable rammevilkår, er Lolland Kommune (placeret som nummer 1), Langeland Kommune (2) og Guldborgsund Kommune (). I den modsatte ende af rangordenen blandt de kommuner, der har de mest favorable rammevilkår for førtidspension mv., finder vi kommuner fra københavnsområdet og Nordsjælland. De fem kommuner, der har de mest favorable vilkår, er i kronologisk rækkefølge: Allerød, Gentofte, Vallensbæk, Frederiksberg, og Egedal. Der er endvidere meget store procentuelle forskelle i kommunernes forventede andele af borgere på førtidspension mv.. Mens den forventede andel for Lolland Kommune eksempelvis er på 16,1 pct., er den forventede andel af borgere i Allerød kommune på blot 3,18 pct. 39

110 Tabel 4.4 Den gennemsnitlige observerede og forventede andel af året for hver kommune, difference mellem observeret og forventet værdi (pct.) samt rangordning af kommunerne efter forventet værdi for på ydelseskategorien førtidspension mv. (pct.). Rang Kommune Observeret Forventet Difference 1 Lolland 16,2 16,1,1 2 Langeland 15,19 14,36,83 3 Morsø 13,63 13,81 -,18 4 Bornholm 12,75 12,82 -,7 5 Samsø 13,95 12,69 1,26 6 Læsø 11,45 12,26 -,81 7 Ærø 12,21 11,95,26 8 Thisted 12,28 11,88,4 9 Odsherred 13,2 11,85 1,17 Guldborgsund 12,4 11,84,2 11 Skive 11,69 11,81 -,12 12 Nyborg 13,53 11,27 2,26 13 Norddjurs 9,96 11,2-1,24 14 Kalundborg 12,17 11,15 1,2 15 Vordingborg 11,38 11,8,3 16 Sønderborg,87 11,3 -,16 17 Frederikshavn 11,15,93,22 18 Struer,2,68 -,48 19 Aabenraa,74,6,14 2 Nordfyns,12,47 -,35 21 Randers,42,43 -,1 22 Fredericia 8,96,41-1,45 23 Slagelse 9,15,38-1,23 24 Ringkøbing-Skjern,52,33,19 25 Hjørring,32,28,4 26 Svendborg 9,97,26 -,29 27 Lemvig,,2 -,2 28 Tønder,22,2,2 29 Assens,17,19 -,2 3 Faaborg-Midtfyn 11,22,18 1,4 31 Viborg,4,14 -, 32 Esbjerg 9,45,11 -,66 33 Kerteminde,18,3,15 34 Ikast-Brande 9,6 9,96 -,36 35 Haderslev, 9,88,22 36 Syddjurs,2 9,62,58 37 Horsens 9,47 9,56 -,9 38 Sorø 9,61 9,55,6 39 Herning 9,51 9,51, 4 Odense 8,97 9,46 -,49 41 Næstved 9,54 9,45,9 42 Mariagerfjord 9,41 9,25,16 43 Brønderslev 9,71 9,8,63 4

111 Rang Kommune Observeret Forventet Difference 44 Vesthimmerland,21 9,8 1,13 45 Middelfart 9,78 9,7,71 46 Vejen 8,96 9,7 -,11 47 Holbæk 9,19 9,3,16 48 Holstebro 9,4 9,,4 49 Brøndby 8,93 8,87,6 5 Jammerbugt,44 8,85 1,59 51 Silkeborg 7,52 8,82-1,3 52 Odder 9,67 8,78,89 53 Billund,47 8,63 1,84 54 Ringsted 8,41 8,61 -,2 55 Faxe 7,92 8,41 -,49 56 Kolding 8,2 8,31 -,11 57 Varde 9,57 8,25 1,32 58 Albertslund 8,2 8,15,5 59 Vejle 8,19 8,15,4 6 Aarhus 8,47 8,8,39 61 Favrskov 7,92 7,97 -,5 62 Hedensted 8,5 7,95,55 63 Fanø 7,29 7,93 -,64 64 Skanderborg 7,52 7,9 -,38 65 Ishøj 7,81 7,72,9 66 Herlev 7,5 7,59 -,54 67 Halsnæs 8,9 7,53 1,37 68 Helsingør 7,56 7,52,4 69 Ballerup 8,74 7,47 1,27 7 Aalborg 6,63 7,32 -,69 71 Rebild 7,12 6,84,28 72 Høje-Taastrup 6,83 6,83, 73 Rødovre 7,7 6,83,24 74 Fredensborg 6,73 6,44,29 75 Køge 7,47 6,27 1,2 76 Glostrup 6,34 6,23,11 77 Frederikssund 6,45 6,19,26 78 Hvidovre 6,82 6,15,67 79 Stevns 8,55 6,14 2,41 8 Gribskov 7,4 6,9 1,31 81 Gladsaxe 6,57 5,84,73 82 Tårnby 5,67 5,57, 83 Greve 6,8 5,26 1,54 84 Roskilde 5,73 5,9,64 85 København 3,76 5,4-1,28 86 Hillerød 6,33 5,1 1,32 87 Lejre 6,94 4,6 2,34 88 Hørsholm 4,8 4,4 -,32 89 Furesø 5,14 4,36,78 9 Solrød 4,69 4,32,37 41

112 Rang Kommune Observeret Forventet Difference 91 Lyngby-Taarbæk 4,4 4,1,39 92 Rudersdal 4,5 3,9,15 93 Dragør 3,7 3,83 -,13 94 Egedal 4,66 3,81,85 95 Frederiksberg 4,35 3,54,81 96 Vallensbæk 3,73 3,35,38 97 Gentofte 3,41 3,3,11 98 Allerød 4, 3,18,92 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Den geografiske kortlægning over de forventede andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget førtidspension mv. er vist i figur 4.8. Figuren viser, hvorledes kommunerne i københavnsområdet og Nordsjælland har særligt gunstige rammevilkår for førtidspension mv. i forhold til de andre kommuner. Kommuner på Lolland-Falster og Sydfyn har derimod de vanskeligste rammevilkår. Figur 4.8 Geografisk kortlægning over forudsagte andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget førtidspension mv.. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 4.5 Alle ydelser Figur 4.9 giver et geografisk overblik over, hvor stor en andel af året borgere i de enkelte kommuner har modtaget mindst én af de fire ydelseskategorier (hhv. arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv.). Figuren viser, at der er en klar geografisk systematik i, hvilke områder som har særligt høje og lave ydelsesniveauer. Kommuner i det sydlige Danmark 42

113 (Sønderjylland, Sydfyn og Lolland-Falster) har særligt høje samlede ydelsesniveauer, mens kommuner i københavnsområdet (med undtagelse af vestegnskommunerne) og Nordsjælland har særligt lave samlede ydelsesniveauer. Figur 4.9 Geografisk kortlægning over observerede andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget mindst én af de fire ydelseskategorier (hhv. arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv.). Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 4.5 viser summen af kommunernes forventede værdier for de fire ydelseskategorier (se afsnit 3.3). Blandt de kommuner, som samlet set har de mindst gunstige rammevilkår, finder vi kommuner fra Lolland-Falster (fx Lolland og Gulborgsund), mens de kommuner, der har de mest favorable rammevilkår, især er placeret i Nordsjælland (fx Gentofte og Allerød). Således er den forventede andel af borgere, der modtager en ydelse, højst i Lolland Kommune, hvor andelen af borgere er på 27,54 pct., mens den tilsvarende andel for borgere i Allerød Kommune blot er på 8,55 pct. 43

114 Tabel 4.5 Den gennemsnitlige observerede og forventede andel af året for hver kommune, difference mellem observeret og forventet værdi (pct.) samt rangordning af kommunerne efter forventet værdi for på ydelseskategorien alle ydelser (pct.). Rang Kommune Observeret Forudsagt Difference 1 Lolland 27,59 27,54,5 2 Langeland 24,97 23,64 1,33 3 Guldborgsund 22,48 22,18,3 4 Morsø 21,29 21,94 -,65 5 Bornholm 21,61 21,84 -,23 6 Nyborg 22,19 2,99 1,2 7 Norddjurs 19,64 2,74-1, 8 Odsherred 22,39 2,74 1,65 9 Vordingborg 2,84 2,5,34 Kalundborg 21,44 2,29 1,15 11 Slagelse 19,13 2,16-1,3 12 Brøndby 19,97 2,14 -,17 13 Frederikshavn 2,38 2,11,27 14 Randers 19,85 19,92 -,7 15 Fredericia 19,46 19,9 -,44 16 Svendborg 19,49 19,83 -,34 17 Samsø 21,32 19,81 1,51 18 Thisted 2,5 19,81,69 19 Odense 19,54 19,77 -,23 2 Nordfyns 19,8 19,6 -,52 21 Sønderborg 19,36 19,53 -,17 22 Læsø 19,57 19,52,5 23 Kerteminde 19,64 19,42,22 24 Assens 19,46 19,41,5 25 Faaborg-Midtfyn 19,83 19,35,48 26 Ishøj 19,44 19,19,25 27 Hjørring 19,21 19,7,14 28 Esbjerg 18,33 19,1 -,68 29 Skive 18,95 19,1 -,6 3 Struer 18,6 19,1 -,41 31 Haderslev 19,83 18,97,86 32 Aabenraa 19,7 18,95,12 33 Tønder 18,91 18,94 -,3 34 Albertslund 19,6 18,82,24 35 Ærø 18,63 18,61,2 36 Næstved 18,5 18,59 -,9 37 Horsens 18,81 18,48,33 38 Vesthimmerland 19,8 18,35,73 39 Mariagerfjord 18,38 18,28, 4 Brønderslev 19,2 18,2,82 41 Viborg 18, 18,13 -,13 42 Holbæk 18,1 18,6 -,5 43 Sorø 17,99 18,5 -,6 44

115 Rang Kommune Observeret Forudsagt Difference 44 Syddjurs 18,3 17,89,41 45 Ikast-Brande 17,95 17,71,24 46 Jammerbugt 19,18 17,69 1,49 47 Ringkøbing-Skjern 17,82 17,66,16 48 Herning 17,3 17,61 -,31 49 Ringsted 16,82 17,56 -,74 5 Lemvig 17,29 17,49 -,2 51 Vejen 17,1 17,44 -,43 52 Faxe 16,95 17,26 -,31 53 Kolding 16,63 16,92 -,29 54 Ballerup 17,27 16,86,41 55 Aarhus 16,93 16,75,18 56 Herlev 15,48 16,71-1,23 57 Middelfart 16,85 16,68,17 58 Holstebro 16,9 16,57,33 59 Silkeborg 16,2 16,55 -,35 6 Aalborg 15,96 16,52 -,56 61 Odder 17,11 16,43,68 62 Billund 17,42 16,36 1,6 63 Høje-Taastrup 16,42 16,16,26 64 Vejle 16, 16,16 -,6 65 Helsingør 16,28 16,11,17 66 Rødovre 16,3 15,92,11 67 Varde 17,18 15,71 1,47 68 Halsnæs 17,43 15,68 1,75 69 Hedensted 15,3 15,59 -,29 7 Glostrup 15,55 15,23,32 71 Hvidovre 15,58 14,99,59 72 Køge 16,8 14,68 1,4 73 Favrskov 14,4 14,61 -,21 74 Fanø 14,54 14,44, 75 Rebild 14,29 14,44 -,15 76 Skanderborg 13,99 14,35 -,36 77 København 13,24 14,2 -,78 78 Gladsaxe 13,65 13,96 -,31 79 Fredensborg 13,51 13,89 -,38 8 Frederikssund 14,49 13,73,76 81 Tårnby 13,6 13,67 -,7 82 Stevns 16,83 13,5 3,33 83 Gribskov 15,13 13,31 1,82 84 Greve 13,83 12,64 1,19 85 Roskilde 13,3 12,3,73 86 Hillerød 13, 12,6 1,4 87 Lejre 13,3 11,22 1,81 88 Frederiksberg,76 11,9 -,33 89 Solrød 11,26,99,27 9 Furesø 11,21,87,34 45

116 Rang Kommune Observeret Forudsagt Difference 91 Hørsholm 9,71,15 -,44 92 Lyngby-Taarbæk 9,89,12 -,23 93 Vallensbæk 9,83, -,27 94 Rudersdal 9,25 9,53 -,28 95 Egedal,26 9,34,92 96 Dragør 9,38 9,15,23 97 Gentofte 8,52 8,84 -,32 98 Allerød 9,29 8,55,74 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Figur 4. viser den geografiske spredning af de forudsagte værdier for det samlede ydelsesniveau blandt kommunerne. Figuren giver et meget klart billede af den geografiske opdeling af kommunernes rammevilkår for ydelser. Kommuner i københavnsområdet (med undtagelse af vestegnskommunerne) og Nordsjælland har meget favorable vilkår, mens kommuner i Lolland-Falster og Sydfyn har markant mindre gunstige rammevilkår. Figur 4. Geografisk kortlægning over forudsagte andele af året, hvor borgere i de enkelte kommuner i 216 har modtaget mindst én af de fire ydelseskategorier (hhv. arbejdsløshedsdagpenge, kontanthjælp mv., sygedagpenge og førtidspension mv.). Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 4.6 Forskelle mellem rangordenen i 216 i forhold til 211 I dette afsnit analyserer vi forskelle i kommunernes placering på rangordenen i denne undersøgelse i forhold til den forrige undersøgelse baseret på data fra 211. Det skal understreges, at en sådan analyse skal tages med væsentlige forbehold, eftersom forrige undersøgelse dels var baseret på en anden statistisk model, og dels at en række økonomiske og politiske forhold har ændret sig. Eksempelvis var konjunkturerne for beskæftigelsen væsentlig anderledes, og der er indført reformer på 46

117 alle ydelsesområder. En anden vigtig pointe er, at eftersom rangordningen af kommunerne alene sker ud fra deres forventede ydelsesforbrug, skal der ikke ske store ændringer i værdierne for en kommune, som tidligere var placeret i midten, før den flytter sig meget. En opgørelse over rangordenen for de fem ydelseskategorier for henholdsvis 211 og 216 fremgår af tabel Med disse forbehold viser tabel 4.6, at arbejdsløshedsdagpenge er den af de fem ydelseskategorier, hvor der er mindst overensstemmelse mellem rangordenen i 211 og 216. En Pearsons korrelationskoefficient, der viser sammenhængen mellem de to rangordner, er på,5, hvilket kan karakteriseres som en moderat overensstemmelse mellem den forrige og den nuværende rangering. 12 Det er især kommunerne i Storkøbenhavn, som har ændret placering på rangordenen for arbejdsløshedsdagpenge. Eksempelvis har Glostrup flyttet sig fra en 9. plads til en 16. plads. Ballerup Kommune var i 211 placeret som nummer 93 på rangordenen og er nu nummer 3, mens Herlev Kommune har flyttet sig fra en 87. plads til en 28. plads. I den modsatte ende er det kommunerne Samsø og Middelfart, hvor der er sket den største ændring ved at flytte sig fra henholdsvis at være placeret som nummer 28 og 26 i 211-undersøgelsen til i denne undersøgelse at være placeret som nummer 88 og 79. Der er en større overensstemmelse mellem de to rangordner, når det drejer sig om kontanthjælp mv. (Pearson korrelationen er på,85). Blandt de kommuner, som har foretaget de største forbedringer, er blandt andet Frederiksberg Kommune, som har flyttet sig fra at være placeret som nummer i 45 i 211 til i denne måling at være placeret som nummer 75. For kommuner, som er gået den modsatte vej, finder vi Jammerbugt Kommune, der er flyttet fra en 73. plads i 211 til en 34. plads i 216 samt Brønderslev Kommune, der har flyttet sig fra en 6. plads til en 25. plads. Sammenlignet med 211-undersøgelsen er der sket en række markante ændringer, når det gælder sygedagpenge (Pearson korrelation på,66). Eksempelvis er Varde Kommune den kommune, som har foretaget det største skift ved at flytte sig fra en. plads i 211-undersøgelsen til en 78. plads i denne undersøgelse. Tårnby Kommune fremstår også ifølge sammenligningen til at have fået væsentlig bedre rammevilkår. Kommunen var i 211 placeret på en 15. plads, men er i 216 på en 68. plads. Blandt kommuner, der er gået den modsatte vej, finder vi Ikast-Brande Kommune, der er rykket fra en 63. plads til en 17. plads, og Syddjurs kommune, som er flyttet fra en 61. plads til en 2. plads. Kommunernes rammevilkår for førtidspension mv. har, sammenlignet med opgørelsen fra 211, ikke ændret sig meget (Pearson korrelation på,91). Af større ændringer kan nævnes, at Aalborg Kommune er gået fra at være placeret på en 39. plads i 211-undersøgelsen til i denne undersøgelse at være placeret på en 7. plads. Omvendt forholder det sig for Ringkøbing-Skjern Kommune, der er gået fra en 54. plads til nu at befinde sig på en 24. plads. Samlet set følger rangordenen for alle ydelser den rangorden, der blev konstrueret på baggrund af 211-undersøgelsen (Pearson korrelation på,91). Af større ændringer kan Rødovre Kommune fremhæves, da denne er gået fra en 36. plads til en 66. plads og dermed fremstår til at have fået mere gunstige vilkår. Faaborg-Midtfyn Kommune fremstår derimod til at have væsentlig værre rammevilkår, eftersom denne kommune har flyttet sig fra en 49. plads i 211 til en 25. plads i denne undersøgelse. 11 I bilagsfigurerne 5.1 til 5.5 har vi afbilledet de kommuner, der i 211-afrapporteringen var placeret i midten af rangordenen (placeret i 2. eller 3. kvartil), men som i 216 er placeret i yderkvartilerne (1. eller 4. kvartil). Figurerne viser, at bortset fra tætbeslægtede ydelser, som arbejdsløshedsdagpenge og kontanthjælp mv er det relativt få kommuner, der i 211 var placeret i midten af de forrige rangeringer, der har foretaget markante ændringer, samt at det ikke er de samme kommuner, der har rykket sig på tværs af de fem ydelseskategorier. 12 Pearson korrelationenskoefficient er afgrænset mellem og 1, hvor værdien 1 angiver perfekt overensstemmelse i rangordner, og værdien angiver en komplet uorden. 47

118 Tabel 4.6 Kommune Rangorden i 211 og 216 for alle fem ydelseskategorier. Kontanthjælp mv. Arbejdsløshedsdagpenge Sygedagpenge Førtidspension mv. Alle ydelser Albertslund Allerød Assens Ballerup Billund Bornholm Brøndby Brønderslev Dragør Egedal Esbjerg Fanø Favrskov Faxe Fredensborg Fredericia Frederiksberg Frederikshavn Frederikssund Furesø Faaborg-Midtfyn Gentofte Gladsaxe Glostrup Greve Gribskov Guldborgsund Haderslev Halsnæs Hedensted Helsingør Herlev Herning Hillerød Hjørring Holbæk Holstebro Horsens Hvidovre Høje-Taastrup Hørsholm Ikast-Brande Ishøj

119 Kommune Kontanthjælp mv. Arbejdsløshedsdagpenge Sygedagpenge Førtidspension mv. Alle ydelser Jammerbugt Kalundborg Kerteminde Kolding København Køge Langeland Lejre Lemvig Lolland Lyngby-Taarbæk Læsø Mariagerfjord Middelfart Morsø Norddjurs Nordfyns Nyborg Næstved Odder Odense Odsherred Randers Rebild Ringkøbing-Skjern Ringsted Roskilde Rudersdal Rødovre Samsø Silkeborg Skanderborg Skive Slagelse Solrød Sorø Stevns Struer Svendborg Syddjurs Sønderborg Thisted Tønder Tårnby Vallensbæk

120 Kommune Kontanthjælp mv. Arbejdsløshedsdagpenge Sygedagpenge Førtidspension mv. Alle ydelser Varde Vejen Vejle Vesthimmerland Viborg Vordingborg Ærø Aabenraa Aalborg Aarhus Pearson korrelation,5,85,66,91,91 Kilde: Alle tal fra 211 er fra (Graversen, Larsen & Arendt, 213). Alle tal fra 216 er egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 5

121 5 BILAG 5.1 Forklarende variable anvendt i de statistiske modeller Variabel Beskrivelse Alder ALDERa Indikatorvariable, der angiver, personens alder (januar 1, 216), Der er følgende kategorier: a = 17,18,19,.., og 64 år. 13 Familie og bopæl HJEMFORÆLDRE ALENE BOIKKEMEDFAM Indikatorvariable, der angiver, at personen er under 25 år og bor sammen med mindst én af forældre Indikatorvariable, der angiver, at personen hverken bor sammen med familiemedlemmer eller andre familier Indikatorvariable, der angiver, at personen bor sammen med ikke-familiemedlemmer SAMBOENDE PERSONFAM2 Indikatorvariable, der angiver, at personen bor sammen med ægtefælle, samboende eller samlevende Indikatorvariable, der angiver, at familie har to medlemmer PERSONFAM3 Indikatorvariable, der angiver, at familie har tre medlemmer PERSONFAM4 Indikatorvariable, der angiver, at familie har fire medlemmer PERSONFAM5_ Indikatorvariable, der angiver, at familie har mindst fem medlemmer HAVEBARN_2 Indikatorvariable, der angiver, at personen har mindst et barn mellem -2 år HAVEBARN3_6 Indikatorvariable, der angiver, at personen har mindst et barn mellem 3-6 år HAVEBARN7_12 Indikatorvariable, der angiver, at personen har mindst et barn mellem 7-12 år HAVEBARN13_17 Indikatorvariable, der angiver, at personen har mindst et barn mellem år HAVEBARN18_24 Indikatorvariable, der angiver, at personen har mindst et barn mellem år HUSFLERFAM Indikatorvariable, der angiver, at personens bopæl er delt med andre familier ALMENEBOLIG Indikatorvariable, der angiver, at personen bor i almen bolig ANPARTBOLIG Indikatorvariable, der angiver, at personen bor i andelsbolig LEJEBOLIG Indikatorvariable, der angiver, at personen lejer en bolig EJEBOLIG Indikatorvariable, der angiver, at personen ejer en bolig 13 Personer, der er 16, 65 eller 66 år indgår ikke i estimationerne, men de indgår ved beregningen af de forudsagte gennemsnitlige ydelsesgrader. 51

122 Variabel PARCELHUS Beskrivelse Indikatorvariable, der angiver, at personen bor i parcelhus RÆKKEHUS Indikatorvariable, der angiver, at personen bor i rækkehus ETAGEBOLIG Indikatorvariable, der angiver, at personen bor i etagebolig NYIKOMMUNE Indikatorvariable, der angiver, at personen boede i en anden kommune i 214, end hun/han gjorde i 215 Udsathed FORÆLDREANBRAGT FORÆLDREPROBUNG Indikatorvariable, der angiver, at personen er far eller mor til et barn, som er blevet anbragt Indikatorvariable, der angiver, at personen er far eller mor til et barn, som deltog i forebyggende foranstaltninger for unge ERTEENAGEFORÆLDRE Indikatorvariable, der angiver, at personen fik et barn, da han/hun var under 2 år ANBRINGELSE Indikatorvariable, der angiver, at personen blev anbragt som barn UNGEFORANS Indikatorvariable, der angiver, at personen deltog i forebyggende foranstaltninger for unge MISS_FARINFO Indikatorvariable, der angiver, at oplysninger om personens far er ukendt MISS_MORINFO Indikatorvariable, der angiver, at oplysninger om personens mor er ukendte AFGØRELSE Indikatorvariable, der angiver, at personen fik,1 eller 2 afgørelser med fængselsstraf i 214 eller 215 eller begge år FÆNGSEL Indikatorvariable, der angiver, at personen fik mindst én fængsels- straf i 215 Uddannelse ALMENGYMFALD ERHVEGYMFALD Indikatorvariable, der angiver, at personen faldt fra et STX-gymnasium Indikatorvariable, der angiver, at person faldt fra et erhvervsgymnasium ERHVEUDDFALD Indikatorvariable, der angiver, at personen faldt fra EUD KORTVUFALD Indikatorvariable, der angiver, at personen faldt fra KVU MELLVUFALD Indikatorvariable, der angiver, at personen faldt fra MVU BACHVUFALD Indikatorvariable, der angiver, at personen faldt fra bachelor LANGVUFALD Indikatorvariable, der angiver, at personen faldt fra LVU MISS_UDD Indikatorvariable, der angiver, at personens uddannelse er ukendt STUDENT GODIMATEMATIK Indikatorvariable, der angiver, at personen er i gang med en uddannelse Indikatorvariable, der angiver, at personen fik mindst 7 i 9. klasse i matematik 52

123 Variabel GODIENGELSK Beskrivelse Indikatorvariable, der angiver, at personen fik mindst 7 i 9. klasse i engelsk GODIFYSIKEMI Indikatorvariable, der angiver, at personen fik mindst 7 i 9. klasse i fysik og kemi GODIDANSK Indikatorvariable, der angiver, at personen fik mindst 7 i 9. klasse i dansk SKOLE Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er grundskolen GYMNASIET Indikatorvariable, der angiver at personens højeste fuldførte uddannelse er STX-gymnasium HF Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er HF-gymnasium HHX HTX EUDHOVED Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er HHX-gymnasium Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er HTX-gymnasium Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD EUDBYGGE EUDGRAFI Indikatorvariable, der angiver at personens højeste fuldførte uddannelse er EUD, Bygge og anlæg Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Grafisk EUDHANDEL Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Handel EUDJERN EUDJORBFISK EUDHUSHOLD EUDPÆDAGO EUDSERVICE Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Jern og metal Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Jordbrug og Fiskeri Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Levnemiddel og husholdning Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Pædagogisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Service EUDSUNDHED Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Sundhed EUDTEKNIK Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Teknisk EUDTRANSPORT Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er EUD, Transport BACHELOR BAERHVSPROG BAJORBFISK BAKUNST BAHUSHOLD Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Formidling og erhvervssprog Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Jordbrug og fiskeri Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Kunstnerisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Levnedsmiddel og husholdning 53

124 Variabel BAUNA Beskrivelse Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, u.n.a. BANATURVID BASUNDHED BATEKNISK KVUDD KVUSPROG KVUJORDFISK KVUKUNST KVUHUSHOLD KVUPOLIFOSV KVUPÆDAGO KVUSAMFUND KVUSUNDHED Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Naturvidenskabelig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Sundhed Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er Bachelor, Teknisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er kort videregående uddannelse (KVU) Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Formidling og erhvervssprog Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Jordbrug og fiskeri Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Kunstnerisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Levnedsmiddel og husholdning Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Politi og forsvar Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Pædagogisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Samfundsfaglig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Sundhed KVUTEKNISK Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er KVU, Teknisk MVUDD MVUSPROG MVUJORDFISK MVUKUNST MVUHUSHOLD MVUFOSVAR Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er mellemlang videregående uddannelse (MVU) Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Formidling og erhverv Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Jordbrug og fiskeri Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Kunstnerisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Levnedsmiddel og husholdning Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Forsvar MVUNATURVID MVUPÆDAGO MVUSAMFUND MVUSUNDHED Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Naturvidenskabelig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Pædagogisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Samfundsfaglig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Sundhed MVUTEKNISK Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er MVU, Teknisk 54

125 Variabel LVUDD LVUFOSVAR Beskrivelse Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er lang videregående uddannelse (LVU) Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Forsvar LVUHUMAN LVUJORDFISK LVUKANUNA LVUKUNST LVUHUSHOLD LVUNATURVID LVUPÆDAGO LVUSAMFUND LVUSUNDHED Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Humanistisk og teologi Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Jordbrug og fiskeri Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Kandidat u.n.a. Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Kunstnerisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Levnedsmiddel og husholdning Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Naturvidenskabelig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Pædagogisk Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Samfundsfaglig Indikatorvariable, der angiver, at personens højeste fuldførte uddannelse er LVU, Sundhed FORSKER Indikatorvariable, der angiver, at personen er forsker PARSTUDENT PARSKOLE Indikatorvariable, der angiver, at partner er i gang med uddannelse Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er grundskolen PARGYMNAGRUP Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er STX-gymnasium PARERVHGYMAGRUP PAREUDHOVED Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er erhvervsgymnasium Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er EUD PARBACHELOR Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er Bachelor PARKVUDD Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er KVU PARMVUDD Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er MVU PARLVUDD Indikatorvariable, der angiver, at partners højeste fuldførte uddannelse er LVU PARFORSKER Indikatorvariable, der angiver, at partner er forsker FARSKOLE Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er grundskolen FARGYMNAGRUP Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er STX-gymnasium FARERVHGYMAGRUP Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er erhvervsgymnasium 55

126 Variabel FAREUDHOVED Beskrivelse Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er EUD FARBACHELOR Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er Bachelor FARKVUDD Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er KVU FARMVUDD Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er MVU FARLVUDD Indikatorvariable, der angiver, at fars højeste fuldførte uddannelse er LVU FARFORSKER Indikatorvariable, der angiver, at far er forsker MORSKOLE Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er grundskolen MORGYMNAGRUP Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er STX-gymnasium MORERVHGYMAGRUP Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er erhvervsgymnasium MOREUDHOVED Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er EUD MORBACHELOR Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er Bachelor MORKVUDD Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er KVU MORMVUDD Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er MVU MORLVUDD Indikatorvariable, der angiver, at mors højeste fuldførte uddannelse er LVU MORFORSKER Indikatorvariable, der angiver, at mor er forsker Socioøkonomiske STUDENT17_19 STUDENT2_24 Grad 14 som årig student Grad som 2-24 årig student STUDENT25_29 Grad som årig student STUDENT3_34 Grad som 3-34 årig student STUDENT35_39 Grad som årig student STUDENT4_44 Grad som 4-44 årig student STUDENT45_49 Grad som årig student STUDENT5_54 Grad som 5-54 årig student 14 Grad som x-årig-student angiver det gennemsnitlige antal år, hvor personen er x-år gammel, og hvor personens væsentligste indkomstkilde er SU. Grad som x-årig-selvstændig er det gennemsnitlige antal år, hvor personen er x-år gammel, og hvor personens væsentligste indkomstkilde er som selvstændig erhvervsdrivende. Grad som x-årig-lønmodtager er det gennemsnitlige antal år, hvor personen er x-år gammel, og hvor personens væsentligste indkomstkilde er lønindkomst. 56

127 Variabel STUDENT55_59 Beskrivelse Grad som årig student SELV17_19 Grad som årig selvstændig SELV2_24 Grad som 2-24 årig selvstændig SELV25_29 Grad som årig selvstændig SELV3_34 Grad som 3-34 årig selvstændig SELV35_39 Grad som årig selvstændig SELV4_44 Grad som 4-44 årig selvstændig SELV45_49 Grad som årig selvstændig SELV5_54 Grad som 5-54 årig selvstændig SELV55_59 Grad som årig selvstændig LØNMODTAGE17_19 Grad som årig selvstændig LØNMODTAGE2_24 Grad som årig selvstændig LØNMODTAGE25_29 Grad som 2-24 årig selvstændig LØNMODTAGE3_34 Grad som årig selvstændig LØNMODTAGE35_39 Grad som 3-34 årig selvstændig LØNMODTAGE4_44 Grad som årig selvstændig LØNMODTAGE45_49 Grad som 4-44 årig selvstændig LØNMODTAGE5_54 Grad som årig selvstændig LØNMODTAGE55_59 Grad som 5-54 årig selvstændig Indvandring EFTERKOMMER INDVANDRER EUROPA_AGG Indikatorvariable, der angiver, at personen er født i Danmark, hvor ingen af forældrene er danske statsborgere eller født i Danmark Indikatorvariable, der angiver, at personen er født i udlandet, hvor ingen af forældrene er danske statsborgere eller født i Danmark Indikatorvariable, der angiver, at personen oprindelig er fra Europa NORDIC Indikatorvariable, der angiver, at personen oprindelig er fra et nordisk land EUROPA Indikatorvariable, der angiver, at personen oprindelig er fra ikke-eu-europa 57

128 Variabel EULAND Beskrivelse Indikatorvariable, der angiver, at personen oprindelig er fra EU12-lande STORBRITANNIEN Indikatorvariable, der angiver, at personen oprindelig er fra Storbritannien TYSKLAND Indikatorvariable, der angiver, at personen oprindelig er fra Tyskland NYEULAND Indikatorvariable, der angiver, at personen oprindelig er fra nye EU-lande POLEN Indikatorvariable, der angiver, at personen oprindelig er fra Polen RUMÆNIEN Indikatorvariable, der angiver, at personen oprindelig er fra Rumænien JUGOSLAVIEN Indikatorvariable, der angiver, at personen oprindelig er fra Eksjugoslavien BOSNIEN Indikatorvariable, der angiver, at personen oprindelig er fra Bosnien BALTIC Indikatorvariable, der angiver, at personen oprindelig er fra Estland, Letland eller Litauen, EKSSOVJET Indikatorvariable, der angiver, at personen oprindelig er fra Eks-sovjetunionen AFRIKA_AGG Indikatorvariable, der angiver, at personen oprindelig er fra Afrika MAGHREB Indikatorvariable, der angiver, at personen oprindelig er fra Maghreb (ekskl. Marokko) MAROKKO Indikatorvariable, der angiver, at personen oprindelig er fra Marokko SOMALIA Indikatorvariable, der angiver, at personen oprindelig er fra Somalia AFRIKA SYDAMERIKA Indikatorvariable, der angiver, at personen oprindelig er fra resten af Afrika (ekskl. Maghreb og Somalia) Indikatorvariable, der angiver, at personen oprindelig er fra Latinamerika NORDAMERIKA Indikatorvariable, der angiver, at personen oprindelig er fra USA eller Canada ASIA_AGG Indikatorvariable, der angiver, at personen oprindelig er fra Asien TYRKIET Indikatorvariable, der angiver, at personen oprindelig er fra Tyrkiet VESTASIA Indikatorvariable, der angiver, at personen oprindelig er fra Vestasien AFGHANISTAN Indikatorvariable, der angiver, at personen oprindelig er fra Afghanistan SYDASIA Indikatorvariable, der angiver, at personen oprindelig er fra Syd- og Centralasien SRILANKA Indikatorvariable, der angiver, at personen oprindelig er fra Sri Lanka OESTASIA Indikatorvariable, der angiver, at personen oprindelig er fra Østasien INDIEN Indikatorvariable, der angiver, at personen oprindelig er fra Indien 58

129 Variabel IRAK Beskrivelse Indikatorvariable, der angiver, at personen oprindelig er fra Irak IRAN Indikatorvariable, der angiver, at personen oprindelig er fra Iran KINA Indikatorvariable, der angiver, at personen oprindelig er fra Kina LIBANON Indikatorvariable, der angiver, at personen oprindelig er fra Libanon PAKISTAN Indikatorvariable, der angiver, at personen oprindelig er fra Pakistan SYRIEN Indikatorvariable, der angiver, at personen oprindelig er fra Syrien THAILAND Indikatorvariable, der angiver, at personen oprindelig er fra Thailand OCEANIA Indikatorvariable, der angiver, at personen oprindelig er fra Oceanien FILIPPINERNE Indikatorvariable, der angiver, at personen oprindelig er fra Filippinerne MISS_LAND Indikatorvariable, der angiver, at personens oprindelsesland er ukendt PARSAMMENLAND Indikatorvariable, der angiver, at person og partners oprindelsesland er ens. PAREFTERKOMMER PARINDVANDRER YSM1_3 YSM4_6 YSM7_ YSM11_15 YSM16_2 YSM21_ ERHOPHOLD Indikatorvariable, der angiver, at partner er født i Danmark, hvor ingen af forældrene er danske statsborgere eller født i Danmark Indikatorvariable, der angiver, at partner er født i udlandet, hvor ingen af forældrene er danske statsborgere eller født i Danmark Indikatorvariable, der angiver, at personen har været 1-3 år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har været 4-6 år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har været 7- år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har været år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har været 16-2 år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har været 21- år i Danmark siden personens første indvandringsdato Indikatorvariable, der angiver, at personen har en opholdstilladelse til erhverv STUDOPHOLD Indikatorvariable, der angiver, at personen har en opholdstilladelse til studie FAMOPHOLD ASYLOPHOLD Indikatorvariable, der angiver, at person er medfølgende familie til erhverv- eller studieophold Indikatorvariable, der angiver, at personens opholdsgrundlag er asyl og mv. FAMSAMMEN FAMSAMMENDK Indikatorvariable, der angiver, at personen er familiesammenført som partner til flygtning eller indvandrer Indikatorvariable, der angiver, at personen er familiesammenført som partner til danske eller nordiske borgere som partner 59

130 Variabel PERMOPHOLD Beskrivelse Indikatorvariable, der angiver, at personen har permanent opholdstilladelse MISS_OPHOLD Indikatorvariable, der angiver, at personens opholdsgrundlag mangler Sundhed TOTSENGE1 TOTSENGE2_3 TOTSENGE4_7 TOTSENGE8_14 TOTSENGE15_28 TOTSENGE29_ Indikatorvariable, der angiver, at personen havde 1 sengedag ved indlæggelse eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde 2-3 sengedage ved indlæggelse eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde 4-7 sengedage ved indlæggelse eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde 8-14 sengedage ved indlæggelse eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde sengedage ved indlæggelse eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde 29- sengedage ved indlæggelse eller uafsluttede ambulante kontakter i 215 ALMENLÆGEKONT Antal kontakter med almene læger i 215 SPECLÆGEKONT Antal kontakter med speciallæger i 215 DIAGNOSE_1 DIAGNOSE_2 DIAGNOSE_3 DIAGNOSE_4 DIAGNOSE_5 DIAGNOSE_6 DIAGNOSE_7 DIAGNOSE_8 DIAGNOSE_9 DIAGNOSE_ DIAGNOSE_11 DIAGNOSE_12 DIAGNOSE_13 Indikatorvariable, der angiver, at personen fik en diagnose for infektiøse inkl. parasitære sygdomme efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for svulster efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for blod og bloddannende organer og visse sygdomme, som inddrager immunsystemet efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at person fik en diagnose for endokrine og ernæringsbetingede sygdomme samt stofskiftesygdomme efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for psykiske lidelser og adfærdsmæssige forstyrrelser inkl. psykiske udviklingsforstyrrelser efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i nervesystemet efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i øjne efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i ører efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdom i kredsløbsorganer efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i åndedrætsorganer efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i fordøjelsesorganer efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i hud og underhud efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i knogler, muskler eller bindevæv efter indlæggelser eller uafsluttede ambulante kontakter i 215 6

131 Variabel DIAGNOSE_14 DIAGNOSE_15 DIAGNOSE_16 DIAGNOSE_17 DIAGNOSE_18 DIAGNOSE_19 DIAGNOSE_21 RBES1_2 RBES3_5 RBES6_9 RBES_ PSYKYD1_2 PSYKYD3_5 PSYKYD6_9 PSYKYD_ DIAGF_2 DIAGF_3 DIAGF_4 DIAGF_5 DIAGF_1og6_11 Beskrivelse Indikatorvariable, der angiver, at personen fik en diagnose for sygdomme i urinen eller kønsorganer efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for svangerskab, fødsel eller barsel efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for visse sygdomme, der opstår i perinatalperioden efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for medfødte misdannelser eller kromosomanomalier efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for symptomer og abnorme fund ikke klassificeret andetsteds efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for læsioner, forgiftninger eller følger af ydre påvirkninger efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen fik en diagnose for faktorer af betydning for sundhedstilstand eller kontakter med sundhedsvæsen efter indlæggelser eller uafsluttede ambulante kontakter i 215 Indikatorvariable, der angiver, at personen havde 1-2 besøg som deldøgns og ambulant patient i Indikatorvariable, der angiver, at personen havde 3-5 besøg som deldøgns og ambulant patient i Indikatorvariable, der angiver, at personen havde 6-9 besøg som deldøgns og ambulant patient i Indikatorvariable, der angiver, at personen havde - besøg som deldøgns og ambulant patient i Indikatorvariable, der angiver, at personen havde 1-2 psykiatri- indlæggelser eller ambulante besøg i 213-4/215 Indikatorvariable, der angiver, at personen havde 3-5 psykiatri- indlæggelser eller ambulante besøg i 213-4/215 Indikatorvariable, der angiver, at personen havde 6-9 psykiatri- indlæggelser eller ambulante besøg i 213-4/215 Indikatorvariable, der angiver, at personen havde - psykiatri- indlæggelser eller ambulante besøg i 213-4/215 Indikatorvariable, der angiver, at personen fik en diagnose for psykiske lidelser af psykoaktive stoffer efter psykiatri-indlæggelse i 214 Indikatorvariable, der angiver, at personen fik en diagnose for skizofreni, skizotypisk og lign. efter psykiatri-indlæggelse i 214 Indikatorvariable, der angiver, at personen fik en diagnose for affektive sindslidelser efter psykiatri-indlæggelse i 214 Indikatorvariable, der angiver, at personen fik en diagnose for nervøse eller stress-relaterede tilstande efter psykiatri-indlæggelse i 214 Indikatorvariable, der angiver, at personen fik en diagnose for andre psykiske lidelser af psykoaktive stoffer efter psykiatri- indlæggelse i 214 Pendlingsområde P_SKOLE P_GYMNASIET P_EUDHOVED P_BACHELOR Andel af årige i pendlingsområdet med grundskolen som højeste fuldførte uddannelse Andel af årige i pendlingsområdet med STX-, HF-, HHX-, eller HTX-gymnasium, som højeste fuldførte uddannelse Andel af årige personer i pendlingsområdet med EUD som højeste fuldførte uddannelse Andel af årige personer i pendlingsområdet med Bachelor som højeste fuldførte uddannelse 61

132 Variabel P_KVUDD P_MVUDD P_LVUDD P_STUDENT Beskrivelse Andel af årige personer i pendlingsområdet med KVU som højeste fuldførte uddannelse Andel af årige personer i pendlingsområdet med MVU som højeste fuldførte uddannelse Andel af årige personer i pendlingsområdet med LVU som højeste fuldførte uddannelse Andel af årige personer i pendlingsområdet i gang med uddannelse P_ANSAT_BRANCH_A P_ANSAT_BRANCH_B Antal ansatte i Landbrug, Skovbrug og Fiskeri i forhold årige personer i pendlingsområdet Antal ansatte i Råstofindvinding i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_C Antal ansatte i Industri i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_E Antal ansatte i Energiforsyning i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_D Antal ansatte i Energiforsyning i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_F Antal ansatte i Bygge eller anlæg i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_G Antal ansatte i Handel i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_H Antal ansatte i Transport i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_I Antal ansatte i Hotel og Restaurant i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_J P_ANSAT_BRANCH_K P_ANSAT_BRANCH_L P_ANSAT_BRANCH_M Antal ansatte i Information og kommunikation i forhold til årige personer i pendlingsområdet Antal ansatte i Finansiering og forsikring i forhold til årige personer i pendlingsområdet Antal ansatte i Ejendomshandel og udlejning i forhold til årige personer i pendlingsområdet Antal ansatte i Viden services i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_N P_ANSAT_BRANCH_O P_ANSAT_BRANCH_P P_ANSAT_BRANCH_Q Antal ansatte i Rejsebureau, rengøring, og operationelle services i forhold til årige personer i pendlingsområdet Antal ansatte i Offentlig administration, forsvar og politi i forhold til årige personer i pendlingsområdet Antal ansatte i Sundhed og socialvæsen i forhold til årige personer i pendlingsområdet Antal ansatte i Kultur og Fritid i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_R Antal ansatte i Andre serviceansatte i forhold til årige personer i pendlingsområdet P_ANSAT_BRANCH_U Antal ansatte i Uoplyst aktiviteter i forhold til årige personer i pendlingsområdet P_INDVANDRER P_EUROPA_AGG Andel af årige personer i pendlingsområdet født i udlandet, hvor ingen af forældrene er både danske statsborgere og født i Danmark Andel af årige personer i pendlingsområdet med oprindelsesland i Europa 62

133 Variabel P_AFRIKA_AGG Beskrivelse Andel af årige personer i pendlingsområdet med oprindelsesland i Afrika P_AMERIKA_AGG Andel af årige personer i pendlingsområdet med oprindelsesland i Amerika P_ASIA_AGG Andel af årige personer i pendlingsområdet med oprindelsesland i Asien P_JOBOMSAET Antal jobopslag i forhold til pendlingsområdets årige personer P_NYESTILLINGER Antal nye ansættelser i forhold til pendlingsområdets årige personer P_ALDERGRUPPE1 Antal årige i forholds til pendlingsområdets årige personer P_ALDERGRUPPE3 Antal 5-66 årige i forholds til pendlingsområdets årige personer BYVAR VAR Variabel indgår i interaktionsled med indikatorvariabel B k 63

134 5.2 Detaljerede modelresultater Arbejdsløshedsdagpenge Tabel 5.1 Estimationsresultater for gennemsnitlig ydelsesgrad for arbejdsløshedsdagpenge, kontantydelse, arbejdsmarkedsydelse for årige mænd, årige kvinder, 3-49-årige mænd, 3-49-årige kvinder, 5-64-årige mænd, og 5-64-årige kvinder. Parameterestimat og statistisk signifikans (opgjort + p <,25; * p <,, ** p <,5, og *** p <,1). Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år HJEMFORÆLDRE,1 ***,1 *** ALENE -, ***,1 *** -, *** -, *** BOIKKEMEDFAM -, *,1 *** SAMBOENDE, ***, *** -, ** -, +, + -, *** PERSONFAM2 -,1 *** -, * -, * PERSONFAM3 -,2 *** -, *** -, *** -, *** PERSONFAM4 -,2 *** -, *** -,1 *** -, *** PERSONFAM5_ -,2 *** -, *** -,1 *** -, *** -, ** HAVEBARN_2, +,1 ***, ***,1 ***,1 **,6 ** HAVEBARN3_6 -, +, ***, *** HAVEBARN7_12, ***, ***, *** HAVEBARN13_17 -, *** -, *** -, *** HAVEBARN18_24 -, *** -, *** -, *** -, *** HUSFLERFAM, ***, ***, ***, ***, *** ALMENEBOLIG, ***, **, ** -, * -, ** ANPARTBOLIG -, ** -, *** LEJEBOLIG, ***,1 ***,1 ***, ***, ** EJEBOLIG -, ***, +, +, + PARCELHUS, ***, ***, ***, ***, *** RÆKKEHUS, ***, ***, ***, **, *** ETAGEBOLIG,1 ***, ***,1 ***, ***,1 *** NYIKOMMUNE, ***,1 ***,1 ***,2 *** FORÆLDREANBRAGT -,1 ** -, *** -,1 *** -, ** FORÆLDREPROBUNG, * -,1 ***, + -, **, ** ERTEENAGEFORÆLDRE,1 *** -, *** -, *** -, *** -, ** ANBRINGELSE -, * -, ** -, * -, ** -, ** UNGEFORANS, ** -, + MISS_FARINFO -, +, *** -, +, + MISS_MORINFO,1 ** -, ** -, *** AFGØRELSE -,1 *** -,1 *** -,1 ** -,1 *** FÆNGSEL,1 ***,1 **,1 *** -,1 +,2 ***,3 *** ALMENGYMFALD -,1 *** -,1 ***, ***, +, ***,1 *** ERHVEGYMFALD -, *** -, *, +, +, ***, + ERHVEUDDFALD, ***, +,1 ***,1 ***, ***,1 *** 64

135 KORTVUFALD -,1 *** -, **, ***, ***, +, *** MELLVUFALD -,1 *** -,1 ***, ***, ** BACHVUFALD -,2 *** -,1 *** -, ** -, ***, + LANGVUFALD -,3 *** -,2 ** -,1 *** -,1 *** -, + -, + MISS_UDD, *,2 *** -, **,3 ** -, ***,4 *** STUDENT -, *** GODIMATEMATIK -, *** -, *** GODIENGELSK -, *** -, *** GODIFYSIKEMI -, *** -, *** GODIDANSK,2 ***,2 ***,3 ***,4 ***,4 ***,6 *** SKOLE,2 ***, +,4 ***,5 *** GYMNASIET -, *** -,1 *** -, **, + HF -, + -, *** -, ** -, * HHX -, +,1 ***,3 ***, ***,4 *** HTX -,1 ***,1 *** -, +,4 ***,3 +,4 + EUDHOVED,2 ***,3 ***, **,2 + -,3 ***,6 *** EUDBYGGE -,1 ***,2 ***,4 ***,3 *** -,1 ** EUDGRAFI,1 ***,4 ***,1 ***,4 ***,5 *** EUDHANDEL,2 ***, *,3 ***,4 *** -,1 *** EUDJERN -,1 ***,2 ** -, ***,3 ***,3 *** -,1 ** EUDJORBFISK -,2 ***,2 ***, **,4 ***,3 *** EUDHUSHOLD,2 ***, ***,3 ***,4 *** -,1 *** EUDPÆDAGO,2 ***,5 ***,1 +,4 ***,4 *** -,1 *** EUDSERVICE,2 ***,4 *** -,1 *** EUDSUNDHED -,1 **,2 ***,3 *** -,2 *** EUDTEKNIK,1 *** -, **,3 ***,4 *** -,1 *** EUDTRANSPORT -,1 *** -, ***,3 ***,3 *** BACHELOR,5 ***,3 ***,1 +,4 ***,1 ***,4 *** BAERHVSPROG,5 ***,2 ***,1 *** -,1 +,1 ** BAJORBFISK,3 *,4 *** -,5 *** BAKUNST,4 ***,6 ***,1 **,2 **,1 *** BAHUSHOLD,6 +,6 ***,2 + -,3 ***,6 + BAUNA -,7 *** -,6 *** BANATURVID,4 ***,4 *** -, +,1 + -,2 *** BASUNDHED -,9 *** -,6 *** -,6 *** -,6 *** -,4 *** BATEKNISK,4 ***,17 *** KVUDD,1 *,5 *** -,1 ***,4 ***,3 * KVUSPROG -,1 ** -,5 *** -,2 *** -,2 ***,1 ** KVUJORDFISK,6 ***,3 ***,1 *,3 *** KVUKUNST,1 ***,1 **,3 *** KVUHUSHOLD, +,11 ***,3 **,1 * KVUPOLIFOSV,4 * -,2 +,1 ***,2 *** KVUPÆDAGO,5 *,2 ***,6 *** KVUSAMFUND,2 *** -,1 *,1 ***, +,3 *** KVUSUNDHED -,2 ** -,4 ***,2 *** -,1 ***,1 ** KVUTEKNISK,3 ***,1 ***, **,2 *** MVUDD -,2 ***,1 *** -,1 ***,4 *** -,1 ***,5 *** MVUSPROG,1 ***, ** -,2 *** 65

136 MVUJORDFISK,1 +,3 +,2 ** MVUKUNST,4 ***,4 ***,1 **,1 *** -, + MVUHUSHOLD -,4 *,2 *,1 + MVUFOSVAR,4 ***,2 **,2 *,2 ***,1 + MVUNATURVID,4 ***,1 **,1 ** MVUPÆDAGO,1 ***, *** -,1 ***, * -,1 *** MVUSAMFUND,3 ***,1 *** -,2 ***,1 *** -,2 *** MVUSUNDHED,1 *** -,3 *** -,2 *** -,1 *** -,2 *** MVUTEKNISK,2 ***,1 **, *** -,1 ***, ** -,1 ** LVUDD -,2 *** -,1 ***,2 ** -, ***,4 ** LVUFOSVAR, + -,1 *** -,2 *** LVUHUMAN,1 ***,1 **, +, *** -, *** -, + LVUJORDFISK,6 ***,1 +,1 ***,1 *** LVUKANUNA,4 **,1 * -, + LVUKUNST,3 **,3 ** -,5 *** LVUHUSHOLD,4 ***,6 ***,1 ***,1 ** -,1 ** LVUNATURVID -,1 +,2 ** LVUPÆDAGO,4 +,1 +,1 ** -,1 *** LVUSAMFUND,1 *** -, ** LVUSUNDHED -,1 + -,3 *** -,1 *** -,1 *** -,1 *** -,1 *** FORSKER -,2 ** -,2 ***,3 *** -,1 ***,3 ** PARSKOLE,1 ***,1 ***, *** -,1 *** PARGYMNAGRUP -,1 *** -,1 *** -, *** -, *** -, + -, *** PARERVHGYMAGRUP -,1 *** -, + -, *** -, *** -,1 *** PAREUDHOVED -, **, ** -, *** -,1 *** -, *** PARBACHELOR -,1 ** -, ** -, + -,1 *** -,1 *** PARKVUDD -,1 *** -, * -, *** -, ** -,1 *** -, *** PARMVUDD -,1 *** -,1 ** -, *** -, *** -,1 *** -, *** PARLVUDD -,1 *** -,1 *** -,1 *** -, *** -,1 *** -,1 *** PARFORSKER -,2 ** -,5 *** -, *** -,1 *** -,1 *** -,1 *** FARSKOLE, ** -, + FARGYMNAGRUP -, ** -, *** -,1 * FARERVHGYMAGRUP -, ** -, * -, + -,1 ** FAREUDHOVED -, *** -, + -, *** -, ** FARBACHELOR -, + -,1 * FARKVUDD -, *** FARMVUDD -, + FARLVUDD -, ** -, ** -, ** -, * FARFORSKER -, *** -, * -,1 * -,1 + MORSKOLE, ***, *** -, * -, *** MORGYMNAGRUP -, ** -, ** -, + -, + MORERVHGYMAGRUP -, *** -, * -,1 + MOREUDHOVED, * -, ** -, *** -, *** MORBACHELOR -,1 + MORKVUDD, + -, * MORMVUDD -, *** -, ** -, *** -, + MORLVUDD -, *** -, +, + MORFORSKER, + -, + -,1 ** -,1 *** 66

137 STUDENT17_19,1 ***,1 ***, *** STUDENT2_24,4 ***,5 *** STUDENT25_29,3 ***,4 ***,2 ***,2 ***, *, + STUDENT3_34,3 ***,2 *** -, + STUDENT35_39,3 ***,3 ***,1 * STUDENT4_44,5 ***,4 ***,1 **, * STUDENT45_49,2 *,7 ***,4 ***,5 *** STUDENT5_54,5 ***,5 *** STUDENT55_59,9 ***,8 *** SELV17_19,2 ***,2 + -,1 ** -,1 * SELV2_24 -, *,1 +, + SELV25_29 -, *** -,1 *** -, ** SELV3_34 -, + -,1 *** -,1 *** SELV4_44, **, ** SELV45_49, **,1 ***,1 *** SELV5_54, ***, ** SELV55_59, ***, *** LØNMODTAGE17_19,1 ***,1 *** -, + LØNMODTAGE2_24,1 ***,2 *** -, *** -, *** -, * LØNMODTAGE25_29, *** -, ** -, *** LØNMODTAGE3_34,1 *** -, * -,1 *** -,1 *** LØNMODTAGE35_39, ***,1 *** -, *** -, *** LØNMODTAGE4_44, ***,1 ***, *** LØNMODTAGE45_49,1 ***, ***,1 ***,1 *** LØNMODTAGE5_54,1 ***,1 *** LØNMODTAGE55_59,1 ***,1 *** EFTERKOMMER -,1 *** -,1 ***,2 *** -,1 *** INDVANDRER,1 ***,1 *** -,3 *** EUROPA_AGG,1 *** -,1 **,1 ***,1 *** NORDIC -,1 *** -,1 ** -,1 ***,1 *** -,1 *** EUROPA -,1 *** -,1 ** -,1 + -,1 + EULAND,1 * -, + -,1 *** STORBRITANNIEN -,1 *** TYSKLAND -,1 ** -, * -,1 *** NYEULAND,2 ***,2 **,1 ***,2 ***,2 *** -,1 + POLEN,1 ***,2 ***,1 ***,3 *** RUMÆNIEN,2 ***,3 ***,3 ***,4 *** JUGOSLAVIEN,1 * -,2 *** -,2 *** BOSNIEN,1 ** -,1 *** -,1 *** -,2 *** -,3 *** BALTIC,2 ***,3 ***,1 ***,2 *** EKSSOVJET -, *,1 * -,1 + AFRIKA_AGG,2 *** MAGHREB -,1 ** -,1 + MAROKKO -,1 *** SOMALIA -,1 *** -,1 *** -,1 *** -,1 *** -,1 *** AFRIKA -,1 *** -, +,1 *,1 * SYDAMERIKA, +,1 ** -,1 ***,2 ***,1 * NORDAMERIKA,1 *** -,2 *** -,1 * 67

138 ASIA_AGG, * -,1 **,1 *** -,1 *** TYRKIET,2 ***,2 ***,1 ***,1 ***,2 **,1 ** VESTASIA,2 ** AFGHANISTAN -, +,1 + -,1 * SYDASIA,1 +,1 *,3 ***,1 *** SRILANKA,1 *,1 +,1 ** INDIEN -,2 *** -,2 ***,2 ***,1 * IRAK, * -,1 *** -,2 *** -,1 *** IRAN -,1 *** -,1 *,1 *** KINA -,1 *** -,1 ***,1 ***,4 ***,3 *** LIBANON,1 ***,1 * -,2 *** -, ** -,1 *** PAKISTAN,1 ***,1 ***,1 ***,2 ***,1 *** SYRIEN, *** -,1 *** -,1 *** THAILAND, + OCEANIA -,2 *** -,1 +,1 + FILIPPINERNE -,1 **,1 ***,1 *** MISS_LAND -,2 *** PARSAMMENLAND, *, **, + -, *** PAREFTERKOMMER,2 ***,2 ***,1 ***,1 *** PARINDVANDRER,2 ***,1 ***,1 ***,1 ***,1 ***, ** YSM1_3 -,3 *** -,3 *** -,2 *** -,1 *** -,2 *** YSM4_6,1 ***,3 ***,1 + YSM7_ -,1 *** -,1 ***,2 ***,4 ***,1 ***,1 *** YSM11_15 -,2 *** -,2 ***, **,3 *** YSM16_2 -,2 *** -,2 ***,3 ***,1 *** YSM21_ -,2 *** -,1 ** -, **,2 ***, *** ERHOPHOLD, + STUDOPHOLD -,3 *** FAMOPHOLD -,1 *** -,2 ***,1 * -,1 *** -,1 ** ASYLOPHOLD -,1 *** -,1 ** -, + -,1 * FAMSAMMEN,1 + -,1 **,2 ** FAMSAMMENDK,1 *,4 ***,2 * PERMOPHOLD, *,1 **,1 ***,1 **,1 ***,1 ** MISS_OPHOLD, *, +,1 *** TOTSENGE1, ** -, **, **, *** TOTSENGE2_3, *** -, **, ***, ***, ***, ** TOTSENGE4_7, + -,1 *** -, **, *** TOTSENGE8_14, * -,2 *** -,1 *** TOTSENGE15_28 -,2 *** -, *** -,1 *** -, * -, ** TOTSENGE29_ -, *** -,3 *** -,1 *** -,2 *** -,1 *** -,1 *** ALMENLAGEKONT, ***, ***, ***, ***, ***, *** SPECLAGEKONT -, ** -, *** -, ** -, *** -, *** DIAGNOSE_1, **, ** -, *** -, + DIAGNOSE_2,1 *** DIAGNOSE_3 -, * DIAGNOSE_4, ***, **, +, ***, ** DIAGNOSE_5 -, *, **,1 *,1 ***, +,1 *** DIAGNOSE_6, *, + -, * 68

139 DIAGNOSE_7, * -, + DIAGNOSE_8, * DIAGNOSE_9 -, *** -, + DIAGNOSE_, +, ** -, *** DIAGNOSE_11, *** -, *** -, * DIAGNOSE_12 -, +, *** DIAGNOSE_13, ***, **, +, +, * DIAGNOSE_14, * -, + -, ** DIAGNOSE_15 DIAGNOSE_16 -,1 + -,1 + -,1 + -,2 ** -,1 *** DIAGNOSE_17,1 *** -, + DIAGNOSE_18, * -, ** -, *** -, *** -, *** DIAGNOSE_19 -, ***, *** -, + DIAGNOSE_21, *** -, ** -, ** RBES1_2 -, + RBES3_5, * RBES6_9,1 ***,1 ***, + -, + RBES_,1 ***,1 ***, ** -, * PSYKYD1_2, +, **, *** -, ** PSYKYD3_5, ***,1 *** -, + PSYKYD6_9, ***, + -, ** PSYKYD_ -,1 *** -, *** -, *** DIAGF_2 -,1 *** -, *** -,1 *** DIAGF_3 -,1 *** -, *** -,1 *** -,2 *** -,1 *** -,1 *** DIAGF_4 -, ** -, ***, +, ** DIAGF_5 -, + -, ** -, * DIAGF_1og6_11 -, *** -, *** -, *** -,1 *** -, *** -, + P_SKOLE,43 *** -,28 ***, ** P_GYMNASIET -,99 ***,14 * -,27 **,18 * P_EUDHOVED, **,5 **,43 *** -, *** -, *** P_MVUDD,25 ***,7 ***,42 ***,17 *** P_LVUDD,49 *** -,35 *** -,31 *** -,11 ** P_STUDENT -,46 *** P_ANSAT_BRANCH_A -,23 *** -,52 *** -,33 *** -,26 ***,3 *** P_ANSAT_BRANCH_C -,11 *** -,32 *** -,6 *** -,17 *** -,8 ***,14 *** P_ANSAT_BRANCH_D -1,21 *** -,72 *** -,9 *** P_ANSAT_BRANCH_F,38 *** -,68 *** -,23 *** -,57 *** -,9 **,15 *** P_ANSAT_BRANCH_G -,18 *** -,26 *** -,5 ** -,26 ***,7 ** P_ANSAT_BRANCH_H -,11 + -,36 *** -,25 ***,27 *** P_ANSAT_BRANCH_I,18 *** -,5 ***,14 *** -,6 +,58 *** P_ANSAT_BRANCH_J -,4 *** -,11 * -,13 ** -,19 *** -,28 *** P_ANSAT_BRANCH_K -,32 *** -,12 * -,28 ***,31 ***,23 *** P_ANSAT_BRANCH_L -,19 *** -,36 *** -,7 ** -,8 * -,16 ***,26 *** P_ANSAT_BRANCH_M -, ** -,53 *** -,9 ** -,53 ***,11 ***,13 *** P_ANSAT_BRANCH_N -,6 *,11 **,6 +,3 ***,32 ***,14 *** P_ANSAT_BRANCH_O -,4 *** -,16 *** -,8 ** -,14 ***,13 *** P_ANSAT_BRANCH_P -,14 *** -,4 *** -,4 + -,25 *** -,17 ***,8 + P_ANSAT_BRANCH_Q -,18 *** -,33 *** -,5 ** -,17 *** -,9 ***,22 *** 69

140 P_ANSAT_BRANCH_R -,53 *** -,74 *** P_INDVANDRER -,2 *** -,23 *** -,5 *** -,28 *** -,14 *** -,11 *** P_ASIA_AGG -,32 ***,15 ***,5 + -,45 ***,16 *** -,15 * P_JOBOMSAET -,12 *** -,18 *** -,2 * -,3 ** P_NYESTILLINGER,42 ***,29 ***,5 ***,51 ***,26 ***,12 ** P_ALDERGRUPPE1 -,26 ***,6 + -,15 *** -,7 +,24 *** -,25 *** P_ALDERGRUPPE3 -,22 *** -,7 *** -,31 ***,27 *** -,27 *** ALDER17,7 +,36 *** ALDER18,7 +,36 *** ALDER19,7 +,37 *** ALDER2,7 +,37 *** ALDER21,9 *,38 *** ALDER22, **,39 *** ALDER23,8 *,38 *** ALDER24,8 *,38 *** ALDER25,9 **,38 *** ALDER26,9 **,38 *** ALDER27,9 **,38 *** ALDER28,9 *,38 *** ALDER29,8 *,38 *** ALDER3,9 ***,16 *** ALDER31,9 ***,15 *** ALDER32,9 ***,16 *** ALDER33,8 ***,15 *** ALDER34,8 ***,15 *** ALDER35,8 ***,15 *** ALDER36,8 ***,15 *** ALDER37,8 ***,15 *** ALDER38,8 ***,15 *** ALDER39,8 ***,15 *** ALDER4,8 ***,15 *** ALDER41,8 ***,15 *** ALDER42,8 ***,15 *** ALDER43,8 ***,14 *** ALDER44,8 ***,14 *** ALDER45,8 ***,14 *** ALDER46,8 ***,14 *** ALDER47,8 ***,14 *** ALDER48,7 ***,14 *** ALDER49,7 ***,14 *** ALDER5 -, + ALDER52 -, + ALDER53 -, *** -,1 *** ALDER54 -,1 *** -,1 *** ALDER55 -,1 *** -,1 *** ALDER56 -, *** -,1 *** ALDER57 -, * -,1 *** ALDER58 -,1 *** -,1 *** 7

141 ALDER59 -,1 *** -,1 *** ALDER6 -, ** -,1 *** ALDER61 -,2 *** -,3 *** ALDER62 -,2 *** -,3 *** ALDER63 -,2 *** -,3 *** ALDER64 -,3 *** -,3 *** BYHJEMFORÆLDRE, + BYALENE -, ** -, *** BYSAMBOENDE -, *** BYPERSONFAM2, ** -, + BYPERSONFAM3, *** -, + -, + BYPERSONFAM4, *** -, + BYPERSONFAM5_, *** BYHAVEBARN_2, * BYHAVEBARN3_6 -, *,3 *** BYHAVEBARN13_17, ** BYHUSFLERFAM -, + BYALMENEBOLIG, **, ***, ** BYLEJEBOLIG, + BYPARCELHUS, ***, *** BYRÆKKEHUS, **, * -, + BYETAGEBOLIG, ***, *** BYNYIKOMMUNE -, * -,1 *** -, ** -,1 *** BYFÆNGSEL -,1 * BYALMENGYMFALD, * -, * BYERHVEUDDFALD, *** -, +, + BYKORTVUFALD, +, * BYBACHVUFALD,1 ** BYMISS_UDD, +,1 *** BYGODIFYSIKEMI -, * BYSTUDENT,1 ***,1 *** -,1 + BYSKOLE, + -, ** BYGYMNASIET -,1 *** BYHF -,1 *** BYHHX -, ***,1 *** BYEUDHOVED -, * -, + BYEUDBYGGE,1 *** -, *** BYEUDGRAFI,1 + BYEUDHANDEL -, +, +, **, + BYEUDJERN,1 *** BYEUDJORBFISK,2 ***, * BYEUDHUSHOLD -, *, + BYEUDPÆDAGO -,1 +,3 + BYEUDSERVICE, + BYEUDSUNDHED -,2 *** -,1 *** BYEUDTEKNIK, + BYKVUDD, +,1 *** BYKVUSPROG,6 ***,1 + -,1 ** 71

142 BYKVUKUNST -,8 *** BYKVUSAMFUND -,1 * BYKVUTEKNISK,2 *** -,1 *** BYMVUDD,1 ***, + BYMVUSPROG,1 *** BYMVUKUNST,8 ***,2 *,3 ** BYMVUHUSHOLD,7 *** BYMVUPEDAGO -, + -, ** BYMVUSAMFUND,1 ***, *** BYMVUSUNDHED -, + BYMVUTEKNISK, ***,1 ** BYBACHELOR -,2 **,1 *, +,1 *** BYBAERHVSPROG,8 *** BYBAHUSHOLD,1 ** BYBASUNDHED,4 ** BYBATEKNISK,3 ***,5 ***,3 *** BYLVUDD,1 +, **,1 *** BYLVUFOSVAR -,1 *** BYLVUHUMAN,3 **,1 ***, ** BYLVUKUNST,2 ** BYLVUSAMFUND -, + BYLVUSUNDHED -,1 +,1 + -, + -,1 *** -, + BYFORSKER -,2 **,1 *** BYPARSKOLE -, + BYPARGYMNAGRUP, ** BYPAREUDHOVED, * BYPARKVUDD, + BYPARMVUDD, +, +, + BYPARLVUDD -, + BYPARFORSKER,3 ** BYFARSKOLE, *** BYFARKVUDD, + BYMORSKOLE, *** BYMORLVUDD -, *** BYSTUDENT17_19 -, + -, + BYSTUDENT2_24 -,1 *** -,1 *** BYSTUDENT25_29,1 **,1 ** BYSTUDENT3_34,1 ** BYSTUDENT35_39,1 ** BYSTUDENT45_49 -,4 ** BYSTUDENT5_54,3 * BYSELV2_24 -,1 *** BYSELV25_29, + BYSELV3_34 -, *** BYSELV55_59, *, + BYLØNMODTAGE17_19 -, ***, ** BYLØNMODTAGE2_24 -, ** -,1 *** BYLØNMODTAGE25_29 -, ** 72

143 BYLØNMODTAGE3_34 -, *** BYLØNMODTAGE35_39 -, *** -, * BYLØNMODTAGE4_44, ** BYLØNMODTAGE45_49, + BYLØNMODTAGE55_59, ** BYEFTERKOMMER -,1 * BYINDVANDRER -, * BYEUROPA_AGG,1 *** -, +,1 *** -, + BYNORDIC -,1 * BYEULAND,1 ***,1 *** BYTYSKLAND -,2 *** -,1 *** BYNYEULAND,2 *,1 *** BYPOLEN,1 + -,1 ** BYRUMÆNIEN -,1 + BYJUGOSLAVIEN,1 ** BYBOSNIEN -,1 **,1 + BYBALTIC,1 + -,1 ** BYEKSSOVJET -,1 * BYAFRIKA_AGG,2 ***,2 *** BYMAGHREB BYSOMALIA -,1 + -,1 * -,1 *** BYAFRIKA -,2 *** BYASIA_AGG,1 ***, + -, + BYTYRKIET -,1 **,1 ***,1 **,1 * BYAFGHANISTAN -,1 *** BYOESTASIA -,1 ** BYINDIEN,1 +,1 ** BYIRAK,1 + BYLIBANON -,1 *** BYPAKISTAN,2 *** BYSYRIEN,1 + BYTHAILAND -,2 *** BYFILIPPINERNE -,1 *** BYMISS_LAND BYPARSAMMENLAND, * BYPARINDVANDRER -,1 *** BYYSM1_3,1 ***,1 ** BYYSM4_6, + -, + BYYSM7_ -,1 ** BYSTUDOPHOLD -,2 *** BYFAMOPHOLD,1 * BYASYLOPHOLD -,1 *** -,1 *** BYFAMSAMMEN -,1 ***,1 * BYFAMSAMMENDK -,1 + BYPERMOPHOLD, + BYMISS_OPHOLD,1 * BYTOTSENGE8_14 -, + BYTOTSENGE15_28 -, +, + 73

144 BYTOTSENGE29_, ** BYALMENLÆGEKONT, +, **, **, ** BYSPECLÆGEKONT, *, *, *** BYDIAGNOSE_5,1 * BYDIAGNOSE_15 -, *** BYRBES6_9 -, + BYRBES_, + BYPSYKYD_, + BYDIAGF_3, ** BYDIAGF_1og6_11, ***, ** BYP_SKOLE,4 *** BYP_EUDHOVED -,74 *** BYP_STUDENT -,19 *** BYP_ANSAT_BRANCH_C,25 *** BYP_ASIA_AGG,41 *** -,15 *** BYP_JOBOMSÆT -,36 *** BYP_ALDERGRUPPE1,41 *** BYP_ALDERGRUPPE3,13 *** -,32 ***,1 + BYALDER19, + BYALDER2,1 ***, *** BYALDER21, ** BYALDER22 -,1 *** BYALDER23, + -,1 *** BYALDER24,1 *** BYALDER25,1 ***,1 *** BYALDER26,1 ***,1 *** BYALDER27,1 ***,1 *** BYALDER28,1 ***,1 *** BYALDER29,1 ***,1 ** BYALDER3,28 *** BYALDER31,28 *** BYALDER32,28 *** BYALDER33,28 *** BYALDER34,28 *** BYALDER35,28 *** BYALDER36, +,28 *** BYALDER37, *,28 *** BYALDER38, **,28 *** BYALDER39, *,28 *** BYALDER4, *,28 *** BYALDER41, **,28 *** BYALDER42, +,28 *** BYALDER43,28 *** BYALDER44,28 *** BYALDER45,28 *** BYALDER46,28 *** BYALDER47,28 *** BYALDER48,28 *** 74

145 BYALDER49,28 *** BYALDER52 -, + BYALDER53 -, ** BYALDER58 -, + BYALDER6 -, ** -, *** BYALDER64 -, ** Observationer Kontanthjælp Tabel 5.2 Estimationsresultater for gennemsnitlig ydelsesgrad for Kontanthjælp, uddannelseshjælp, integrationsydelse, revalidering og forrevalidering for årige mænd, årige kvinder, 3-49-årige mænd, 3-49-årige kvinder, 5-64-årige mænd, og 5-64-årige kvinder. Parameterestimat og statistisk signifikans (opgjort + p <,25; * p <,, ** p <,5, og *** p <,1). Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år HJEMFORÆLDRE -,1 ** -,4 *** ALENE,4 ***,4 *** -,2 *** -,3 *** -,3 *** -,2 *** BOIKKEMEDFAM,5 ***,6 *** SAMBOENDE, +, ** -,4 *** -,6 *** -,3 *** -,4 *** PERSONFAM2,1 ***,5 ***,3 *** -,1 ***,1 *** PERSONFAM3, ***,5 ***, *,4 *** -,1 ***,1 *** PERSONFAM4, **,5 ***, ***,4 *** -,1 ***,1 *** PERSONFAM5_,5 ***,1 ***,5 *** -,1 ***,1 * HAVEBARN_2,1 ***,1 *** -,1 *** -, ** HAVEBARN3_6,1 *** -, ***, *,2 * HAVEBARN7_12,1 +,1 ***, ***,1 ***, *,1 *** HAVEBARN13_17,2 +,3 *, ***,1 ***, **, ** HAVEBARN18_24 -, *** -, ** HUSFLERFAM -, + -,1 *** -, ** -,1 *** ALMENEBOLIG,1 ***,1 ***,2 ***,3 ***,1 *,1 *** ANPARTBOLIG, ***, +, ** LEJEBOLIG -,3 *** -,2 *** -,4 *** -,2 *** -,3 *** -,1 * EJEBOLIG -,4 *** -,3 *** -,7 *** -,5 *** -,6 *** -,3 *** PARCELHUS -, +, ** -, +, ** RÆKKEHUS -,1 *** -,2 *** -,2 *** -,1 *** -,1 *** ETAGEBOLIG -,1 **, *, +,1 **,2 ***,2 *** NYIKOMMUNE -, +,1 *** FORÆLDREANBRAGT,5 ***,9 ***,3 ***,3 ***,1 ***,2 *** FORÆLDREPROBUNG,7 ***, ***,3 ***,4 ***,1 ***,2 *** ERTEENAGEFORÆLDRE,1 +,1 **,1 ** -, * -, + ANBRINGELSE,2 ***,2 *** -, *,1 ***,1 *** UNGEFORANS,3 ***,3 ***,3 ***,5 ***,5 +,8 *** MISS_FARINFO -,1 +,1 ***, ***, *** MISS_MORINFO,2 + -,2 *** -,1 ** -, + -, ** 75

146 AFGØRELSE,7 *,7 ***,7 **,2 **, *** FÆNGSEL,5 ***,13 ***,7 ***,12 ***,8 ***,7 *** ALMENGYMFALD,1 **, *** -, ***, + ERHVEGYMFALD, ** -,1 ***, * ERHVEUDDFALD,1 ***,3 ***,3 ***,2 ***,1 ***,2 *** KORTVUFALD,2 ***,1 ***,1 ***, ** MELLVUFALD,2 ***,1 ***, ***, **, ***, * BACHVUFALD,1 ***,1 *** -, **, * LANGVUFALD,1 ***,1 ***, + MISS_UDD,2 *** -,1 *** -,1 *** -,2 **,2 *** STUDENT -,2 *** -,4 *** GODIMATEMATIK -,1 *** -, *** GODIENGELSK -, *** -, *** GODIFYSIKEMI -,1 *** -,1 *** GODIDANSK -,4 *** -,5 *** -,1 **,2 *,1 + SKOLE,4 ***,2 ***,1 *** -,2 *** GYMNASIET -,3 *** -,4 *** -,1 + -,2 *** HF -,3 *** -,4 *** -,2 *** -, ** HHX,1 *** -,1 *** -,1 *** -,3 ***,1 *** -,2 *** HTX,1 *** -,1 ** -,1 ** -,2 * -,5 ** EUDHOVED,1 *** -,2 *** -,1 *** -,4 ***,9 *** -,2 *** EUDBYGGE,2 ***,1 **,3 *** -,7 ***,1 ** EUDGRAFI,2 ***,1 +,1 *** -,7 *** EUDHANDEL,1 **,1 **,1 *** -,7 ***, *** EUDJERN,1 ***,1 +, +,3 *** -,7 ***,1 + EUDJORBFISK,1 **,1 ** -,1 ***, + -,8 *** EUDHUSHOLD, *,1 ***,1 **,1 *** -,7 ***, ** EUDPÆDAGO,2 *** -,6 **,1 + EUDSERVICE -,2 **,1 ***,1 *** -,7 ***, ** EUDSUNDHED -,4 *** -, + -,1 ** -,8 *** EUDTEKNIK,1 **,1 *** -,7 ***, + EUDTRANSPORT -,1 *** -,1 +,2 *** -,8 *** BACHELOR,1 *** -,3 *** -,4 ***,2 *** -,2 *** BAERHVSPROG -, *** -, +,1 *** BAJORBFISK -,2 *** -,4 + BAKUNST -,3 ** -,4 *** -,1 ** BAHUSHOLD -,4 + -,1 **,14 + BAUNA -,5 *** BANATURVID -, *** -,1 *** BASUNDHED, + -,2 ** -,3 ***,12 + -,4 ** BATEKNISK -, + -,1 ** -,1 + -,4 *** KVUDD,1 *** -,4 *** -,4 *** -,2 *** KVUSPROG,2 ***,3 ***,1 ** KVUJORDFISK,2 ***, +,1 +, * KVUKUNST -,2 ***,1 ***,1 *** KVUHUSHOLD -,1 +,2 *,4 *,4 + KVUPOLIFOSV -,4 ***,2 ***,2 ***, + KVUPÆDAGO -,1 + -,9 ***,1 + 76

147 KVUSAMFUND -,1 ***,2 ***, ***,1 + KVUSUNDHED -,1 **,4 **,1 **,2 *, ** KVUTEKNISK -,1 **,2 ***,1 *** MVUDD, + -,2 *** -,3 *** -,4 ***,1 + -,5 *** MVUSPROG,2 ***,3 ***,2 *** MVUJORDFISK -,1 + -,2 + MVUKUNST,1 ***,1 *,1 ***,3 * MVUHUSHOLD,2 + MVUFOSVAR -,3 *** -,1 ** -,1 ** -,1 ***,3 * MVUNATURVID -, * -,1 *** -,2 *,2 + MVUPÆDAGO -,3 *** -,2 *** -,1 ***, ***,3 * MVUSAMFUND,1 *** -,1 ***,2 *** -, *,1 ***,3 * MVUSUNDHED -,3 *** -,2 *** -, ***,3 * MVUTEKNISK -, *,1 ***,1 ***,3 + LVUDD -,2 *** -,3 *** -,4 ***,1 *** -,2 *** LVUFOSVAR,3 ***,2 ** -,1 ** -,4 *** LVUHUMAN -, + -,1 *** -, *** -, + -, + LVUJORDFISK -,3 *** -,2 *** -,2 *** -,1 *** -, * LVUKANUNA LVUKUNST,13 ***,5 ***,4 ***,17 ** LVUHUSHOLD -,1 *** -,2 *** -,2 *** -,1 *** -,1 +,1 + LVUNATURVID -,1 *** LVUPÆDAGO -,1 + -,1 *** -,1 *** LVUSAMFUND -,1 *** -,1 *** -, ** LVUSUNDHED -,3 *** -,1 *** -,1 *** -, *** -, ** FORSKER -,3 *** -,4 ***,1 ** -,3 *** PARSTUDENT -, *** -,1 *** -,1 *** -,1 *** PARSKOLE -, *** -,2 *** -,1 ** -,1 *** PARGYMNAGRUP -,2 *** -,1 *** -, * -, ** PARERVHGYMAGRUP -,3 *** -,2 *** -,2 *** -,1 *** -,1 *** PAREUDHOVED -,1 *** -,3 *** -,2 *** -,2 *** -,1 *** -,1 *** PARBACHELOR,1 *** -,2 *** -,2 *** -,2 *** -,1 *** -,1 *** PARKVUDD,1 *** -,2 *** -,2 *** -,2 *** -,1 *** -,1 *** PARMVUDD,1 *** -,3 *** -,2 *** -,2 *** -,1 *** -,1 *** PARLVUDD,1 *** -,3 *** -,2 *** -,2 *** -,1 *** -,1 *** PARFORSKER -,3 *** -,2 *** -,2 *** -,1 ** -,1 *** FARSKOLE,1 ***,1 *** -, *** -, ** -, *** FARGYMNAGRUP -,1 *** -,1 *** -, ** -,1 ***,1 + FARERVHGYMAGRUP -,1 *** -,1 *** -, + FAREUDHOVED -, ** -, *** -, *** -, *** -, *** FARBACHELOR -, + -, * FARKVUDD -, ** -,1 *** -, *** -, + FARMVUDD -, ***, ** -, *** -,1 *** -, + FARLVUDD -,1 *** -,1 *** -, *** FARFORSKER -,1 ***, + -,1 ** -,2 ** -,2 ** -,2 *** MORSKOLE,2 ***,2 *** -, *** -, *** -, ** -, * MORGYMNAGRUP -,2 *** -,1 *** -, ** -,1 * -, + MORERVHGYMAGRUP,1 *** -,1 * -,1 ** 77

148 MOREUDHOVED, ***,1 *** -,1 *** -, *** -, *** -, *** MORBACHELOR, +,1 *** -,1 ** -, + -,1 + MORKVUDD, **,1 *** -,1 *** -, *** -, + MORMVUDD, **,1 *** -,1 *** -,1 *** -, ** -, *** MORLVUDD,1 *** -,1 *** -,1 *** -, *** MORFORSKER,1 *** -,3 *** -,2 *** -,4 *** STUDENT17_19 -,4 *** -,5 *** -,2 *** -,2 *** STUDENT2_24 -,3 *** -,5 ***,2 *** -,2 *** -,2 *** STUDENT25_29 -,2 *** -,3 *** -,3 *** -,3 *** -,1 + -,1 * STUDENT3_34 -,2 *** -,4 *** -, + -,1 *** STUDENT35_39 -,2 *** -,1 *** STUDENT4_44 -,4 ** -,1 **,4 **,1 *** STUDENT45_49 -,2 + -,1 + -,3 *** STUDENT5_54,2 * STUDENT55_59,8 ** SELV17_19 -,7 *** -,6 *** -,2 *** -,3 *** SELV2_24 -,9 *** -,8 *** -,1 * -,1 *** -,2 *** -,1 ** SELV25_29 -,3 *** -,4 *** -,5 *** -,4 *** -,1 *** -,1 * SELV3_34 -,5 *** -,5 *** -,1 *** -,1 *** SELV4_44 -,5 *** -,2 ***,2 ***,1 *** SELV45_49 -,3 *** -,1 ** -,3 *** -,3 *** SELV5_54 -,3 *** -,1 ** SELV55_59,1 *** LØNMODTAGE17_19 -,8 *** -,8 *** -,2 *** -,2 *** LØNMODTAGE2_24 -,7 *** -,9 *** -,1 + -,1 *** -,2 *** -,2 *** LØNMODTAGE25_29 -,4 *** -,4 *** -,5 *** -,4 *** -,1 *** -,1 *** LØNMODTAGE3_34 -,4 *** -,4 *** -,1 ** -, *** LØNMODTAGE35_39 -,1 *** -,2 *** -, ** -,1 *** LØNMODTAGE4_44 -,4 *** -,2 ***,2 ***,1 *** LØNMODTAGE45_49 -,3 *** -,1 ** -,4 *** -,3 *** LØNMODTAGE5_54 -,3 *** -, ** LØNMODTAGE55_59,1 *** EFTERKOMMER,9 *** -,5 ***,7 *** -,3 ***,7 *** INDVANDRER,4 + -,5 ***,11 *** -,4 *** EUROPA_AGG -, ***,1 ** -,7 *** -,6 *** NORDIC -,15 *** -,1 * -,8 ***,1 *** -,5 ** EUROPA -,2 *** EULAND -, + -,3 *** -,1 ** STORBRITANNIEN,1 ** -,1 *,1 *** -,1 * TYSKLAND, + -,1 *,1 *** NYEULAND,1 + -,2 ***,2 *** POLEN,1 **,2 *** -,2 ***,2 ***,3 *** RUMÆNIEN, + -,2 ***,1 ***,2 ** JUGOSLAVIEN -,1 **,3 ***,4 ***,12 ***,8 ***,7 *** BOSNIEN -,1 +,2 *** -,3 ***,1 * -,3 *** -,3 *** BALTIC,2 ***,1 *** -,2 ***,1 ** EKSSOVJET -,1 + -,1 **,1 *** AFRIKA_AGG -, ***,9 ***,3 *,9 ***,7 *** 78

149 MAGHREB MAROKKO,7 ** SOMALIA,5 ***,6 ***,7 ***,28 ***,14 ***,11 *** AFRIKA,23 ***,4 **,2 + -,5 *** -,6 ** SYDAMERIKA -,11 *** -,8 ***,2 *** -,5 *** NORDAMERIKA -, ***,1 + -,9 *** -,7 *** ASIA_AGG -,13 ***,2 ** -,11 ***,14 *** -,7 *** TYRKIET -,1 ** -,2 ***,4 *** -,9 ***,3 ***,9 *** VESTASIA,4 **,1 +,12 *** AFGHANISTAN -,7 ***,1 + -,5 ***,4 **, *** SYDASIA -,1 * -,3 ** -,11 ***,1 **,7 *** SRILANKA,2 ** -,13 ***,1 +,6 *** OESTASIA -,17 *** INDIEN -,1 ** -,4 ***,2 *** -,15 ***,4 * IRAK,1 +,2 *,12 *** IRAN -,1 +,1 * -,12 ***,5 *** KINA,1 ** -,2 ***,1 ** -,16 ***,3 + LIBANON,1 +,2 ***,6 ***,12 *** PAKISTAN -,4 ***,2 *** -,11 ***,7 *** SYRIEN,25 ***,37 ***,24 ***,25 ***,24 ***,26 *** THAILAND,2 + -,5 ***,3 *** -,14 ***,3 ** OCEANIA -,13 *** -, *** -,6 ** FILIPPINERNE -,11 *** -,1 *** -,11 ***,1 * -,6 *** MISS_LAND,11 ***,19 ***,5 ** PARSAMMENLAND, **,1 ***,1 ***,1 ***,2 *** PAREFTERKOMMER -,1 *** -,1 + PARINDVANDRER,2 *** -, + -,2 *** -,1 *** -,1 + YSM1_3,8 ***,2 *** -,3 *** -,5 **,2 + YSM4_6 -,8 *** -,2 *** -,3 * YSM7_ -,1 + -,5 ***,2 ** YSM11_15,5 ***,2 ** -,2 ***,3 ***,7 *** YSM16_2,6 ***,5 ***,3 ***,3 ***,8 *** YSM21_,8 ***,6 ***,1 *,3 ** ERHOPHOLD -,14 *** -,14 *** -,9 *** -,6 *** -,4 *** -,3 *** STUDOPHOLD -,14 *** -,12 *** -,9 *** -,7 *** -,7 ** FAMOPHOLD -,4 *** -,13 *** -,7 *** -,6 *** -,2 + ASYLOPHOLD,31 ***,3 ***,44 ***,42 ***,6 ***,6 *** FAMSAMMEN,3 ***,14 ***,18 ***,26 ***,45 ***,43 *** FAMSAMMENDK -, *** -,14 *** -,5 *** -,6 *** -,5 * -,3 ** PERMOPHOLD,1 ***,1 *** -,2 ***,3 ***,4 *** MISS_OPHOLD -,3 ** -,5 *** -,4 ***,2 * TOTSENGE1 -, +, + TOTSENGE2_3, **, ***, *, *** TOTSENGE4_7,1 ***,2 ***,1 ***, ***,1 **, *** TOTSENGE8_14,2 ***,4 ***,2 ***,1 ***,1 ***,1 *** TOTSENGE15_28,3 ***,5 ***,2 ***,1 ***,1 ***,1 ** TOTSENGE29_,5 ***,6 ***,1 ***,1 **, + ALMENLAGEKONT, ***, ***, ***, ** -, *** -, *** 79

150 SPECLAGEKONT -, *** -, *** -, *** -, *** -, *** -, *** DIAGNOSE_1 -, +,1 + -,1 *** DIAGNOSE_2 -,1 *** -, *** -, + -, * -, *** DIAGNOSE_3 -,1 *,1 + -, + DIAGNOSE_4, + -, + -, * DIAGNOSE_5,5 ***,3 ***,5 ***,3 ***,4 ***,1 + DIAGNOSE_6,1 + -,1 *** -,1 ** -,1 *** -, ** DIAGNOSE_7 -, + -,1 ** -,1 ** -,1 ** -, + -, *** DIAGNOSE_8,1 ** -, + -, + DIAGNOSE_9, + DIAGNOSE_ -,1 *** -,1 *** -, + -, + -,1 *** -,1 *** DIAGNOSE_11 -,1 *** -, + -, *** DIAGNOSE_12 -,1 ** -, +, ** -, * DIAGNOSE_13,2 ***,1 ***,1 ***, *** DIAGNOSE_14 -,1 *** -,1 *** -,1 *** -, *** -,1 *** -, *** DIAGNOSE_15,1 **,1 *** DIAGNOSE_16 -,4 * -,13 *,4 + -,5 *** DIAGNOSE_17, + -,2 *** -,1 ** -,1 *** -,1 *** DIAGNOSE_18,1 ***, *, **,1 ***, *, + DIAGNOSE_19 -,2 ***, * DIAGNOSE_21, *,1 ***,1 ***, ***,1 *** -, ** RBES1_2 -, *, **, * RBES3_5 -,1 *** -,1 *** -, * RBES6_9 -,1 *** -,1 *** -, ** -,1 *** RBES_ -,1 * -,2 *** -,2 *** -,1 *** -, ** PSYKYD1_2,3 ***,2 ***,2 *** -, + PSYKYD3_5,4 ***,1 **,2 ***,1 *** PSYKYD6_9,6 ***,2 ***,3 ***,3 *** -,1 ***,1 ** PSYKYD_,7 ***,5 *** -,1 **,1 + -,3 *** -,2 *** DIAGF_2,6 ***,7 ***,7 ***,7 ***,3 ***,2 *** DIAGF_3,8 ***,5 *** -, *** -,9 *** -,5 *** -,4 *** DIAGF_4,3 ***,1 *,2 ***,2 ***,1 ***,1 *** DIAGF_5,3 ***,3 ***,2 ***,2 ***,2 ***,1 *** DIAGF_1og6_11,4 ***,5 ***,1 *** -,1 ** -,1 ** P_SKOLE -,3 *** -,88 *** P_GYMNASIET -,48 +,87 * -,95 *** P_EUDHOVED,27 *,24 ***,45 ***,22 *** P_MVUDD -,45 *** -,29 ***,35 ***, + P_LVUDD,28 ** P_STUDENT -3,2 *** P_ANSAT_BRANCH_A,18 * -,66 *** -,76 *** -,15 ** -,16 *** P_ANSAT_BRANCH_C,31 ***,26 *** -,27 *** -,28 *** -,16 *** -,19 *** P_ANSAT_BRANCH_D 2,17 *** P_ANSAT_BRANCH_F -,46 ** -,62 *** -,45 *** -,28 * -,31 *** -,25 ** P_ANSAT_BRANCH_G,27 ***,18 * -,11 * P_ANSAT_BRANCH_H,58 ***,48 *** -,42 *** -,7 *** -,18 ** -,19 ** P_ANSAT_BRANCH_I,27 ** -,63 *** -,89 *** -,29 *** -,28 *** P_ANSAT_BRANCH_J -,46 *** -,69 ***,2 +,3 ** 8

151 P_ANSAT_BRANCH_K -,66 *** -,82 *** -,88 *** -,36 *** -,2 * -,18 * P_ANSAT_BRANCH_L,71 *** P_ANSAT_BRANCH_M,89 ***,59 *** -,24 *** -,27 *** -,38 *** P_ANSAT_BRANCH_N -,11 +,49 *** -,26 ** P_ANSAT_BRANCH_O,34 *** -,37 *** -,36 *** P_ANSAT_BRANCH_P,42 ***,25 *** -,45 *** -,45 *** -,13 ** P_ANSAT_BRANCH_Q,5 ***,13 ** -,19 *** -,25 *** -,15 *** -,14 ** P_ANSAT_BRANCH_R,54 ***,43 ** -,2 * P_INDVANDRER -,16 *** -1,9 ***,37 ***,2 ***,2 *** P_ASIA_AGG,68 *** 1,86 ***,35 *** -,27 *** P_JOBOMSAET,16 ***,9 ***,3 + -,7 *** -,6 *** -,8 *** P_NYESTILLINGER -,88 ***,9 + P_ALDERGRUPPE1 1,75 ***,28 *** P_ALDERGRUPPE3 -,13 *,59 ***,3 ***,49 ***,8 ***,4 + ALDER17 -,9 *** ALDER18 -,7 ***,2 *** ALDER19 -,6 ***,3 *** ALDER2 -,3 ***,5 *** ALDER21 -,4 ***,5 *** ALDER22 -,4 ***,5 *** ALDER23 -,1 **,9 *** ALDER24 -,1 **,9 *** ALDER25 -,2 ***,8 *** ALDER26 -,2 ***,7 *** ALDER27 -,2 ***,7 *** ALDER28,9 *** ALDER29 -, +,9 *** ALDER3,35 *** -,4 *** ALDER31,36 *** -,3 *** ALDER32,36 *** -,3 *** ALDER33,39 *** ALDER34,39 *** -, * ALDER35,39 *** -, ** ALDER36,39 *** -,1 *** ALDER37,39 *** -,2 *** ALDER38,4 *** ALDER39,39 *** -,1 ** ALDER4,39 *** -, * ALDER41,39 *** -,1 *** ALDER42,39 *** -,1 *** ALDER43,42 *** ALDER44,42 *** ALDER45,42 *** ALDER46,42 *** -, ** ALDER47,42 *** -, ** ALDER48,44 *** ALDER49,42 *** -,2 *** ALDER5,11 ***,24 *** 81

152 ALDER51,11 ***,24 *** ALDER52, ***,24 *** ALDER53,13 ***,24 *** ALDER54,11 ***,23 *** ALDER55,11 ***,23 *** ALDER56,11 ***,23 *** ALDER57,11 ***,23 *** ALDER58,11 ***,22 *** ALDER59, ***,22 *** ALDER6,9 ***,22 *** ALDER61,9 ***,21 *** ALDER62, ***,21 *** ALDER63,9 ***,21 *** ALDER64,8 ***,2 *** BYHJEMFORÆLDRE,1 * BYALENE -, +,2 ***,2 ***,1 + BYBOIKKEMEDFAM -,2 *** BYSAMBOENDE -,1 +,2 *** -,1 ** BYPERSONFAM2 -, +,2 *** -, *** -,1 **,1 * BYPERSONFAM3,1 ***, ** -,1 *** -, **,1 + BYPERSONFAM4,1 ***, *** -, ** -,1 **,1 + BYPERSONFAM5_,1 ***,1 ***,2 * BYHAVEBARN_2 -,1 ** BYHAVEBARN3_6 -, + BYHAVEBARN18_24 -,1 ** -, ** -, + BYHUSFLERFAM -,1 *** -,1 ** -, * BYALMENEBOLIG, +,1 ***,1 + BYLEJEBOLIG -,3 ** -,4 ** -,3 *** BYEJEBOLIG -,2 *,1 ***,3 ***,3 *** -,3 + -,2 * BYRÆKKEHUS,1 ***,1 ***,1 *** BYETAGEBOLIG, + -,1 *** -,1 *** BYFORÆLDREPROBUNG,5 ***,1 **,1 + BYERTEENAGEFORÆLDRE,1 + BYUNGEFORANS,1 **,1 ** BYMISS_MORINFO -,1 *** BYAFGØRELSE,6 *** BYFÆNGSEL,2 *,2 +,7 ** -,3 ** BYERHVEUDDFALD,1 *** -,1 ** BYKORTVUFALD -,1 ** BYMELLVUFALD -,1 *** BYBACHVUFALD -, + BYLANGVUFALD, *** BYGODIDANSK,1 ** BYGODIENGELSK, *, + BYSTUDENT,1 **,2 *** BYSKOLE,1 **,2 ***,1 * BYGYMNASIET -,1 ** -,1 + -,1 ** BYHF -,1 + -,1 *** 82

153 BYHHX -,1 + BYEUDHOVED -,1 *** BYEUDBYGGE -,1 * BYEUDHANDEL, +,1 *** BYEUDJERN -,1 *** BYEUDJORBFISK,1 *, *,1 *** -, + BYEUDHUSHOLD,1 ** BYEUDPÆDAGO,1 + BYEUDSERVICE,1 * BYEUDSUNDHED,2 * BYEUDTEKNIK, + BYKVUDD -,1 * BYKVUPOLIFOSV -, * BYMVUDD,1 ***, ** -,1 ** -,1 + BYMVUFOSVAR,1 + BYMVUNATURVID BYMVUSPROG, +,1 + BYMVUKUNST,1 + BYMVUPEDAGO,1 ***,1 + BYMVUSAMFUND -,1 **,1 + BYMVUSUNDHED,2 ***,1 + BYMVUTEKNISK,1 * BYBACHELOR,1 ***,1 **,1 ** BYBAKUNST,2 *,3 *** BYBASUNDHED,1 + BYLVUDD,1 *,1 *** -, + BYLVUFOSVAR -, + BYLVUHUMAN,2 *,1 *,1 ***, + BYLVUKANUNA -,5 **,4 *** BYLVUKUNST,1 ** BYLVUPÆDAGO -,1 *** BYLVUSAMFUND,1 ** BYLVUSUNDHED,2 ***,1 + BYFORSKER,1 *** BYPARGYMNAGRUP, + BYPARERVHGYMAGRUP,1 **, * BYPAREUDHOVED, + BYPARKVUDD -, +, * BYPARMVUDD -,1 ***, +, + BYPARBACHELOR,1 +,1 ** BYPARLVUDD,1 *, **, ** BYPARFORSKER,1 ***,1 *** BYFAREUDHOVED, *** BYFARMVUDD, *** BYFARFORSKER,1 + BYMORSKOLE -, * -, + BYMORGYMNAGRUP,1 ** BYMORMVUDD, + -, + 83

154 BYMORFORSKER,2 *** BYSTUDENT17_19 -,1 + BYSTUDENT2_24 -,1 ***,1 + -,1 *** BYSTUDENT25_29 -,2 ** -,2 *** -,1 * -,1 + -,1 * BYSTUDENT3_34 -,3 *** -,1 + BYSTUDENT35_39 -,2 ** BYSTUDENT4_44 -,3 ** BYSELV17_19,2 + BYSELV2_24,1 * BYSELV25_29 -,2 ** -,1 + -,1 + -,1 * -,1 + BYSELV3_34 -,2 *** -,1 + BYSELV4_44 -,4 * -,4 ** BYSELV45_49 -,2 + -,5 *** -,2 + BYSELV5_54 -,2 + -,1 ** BYLØNMODTAGE17_19,1 **,1 ** -,1 + BYLØNMODTAGE2_24,2 ***, * BYLØNMODTAGE25_29 -,1 * -,1 ** -,1 + -,1 + -,1 ** BYLØNMODTAGE3_34 -,2 *** -, * -, + BYLØNMODTAGE35_39 -,1 ** -,2 ** BYLØNMODTAGE4_44 -,2 + -,3 * BYLØNMODTAGE45_49 -,2 + -,5 ** -,2 * BYLØNMODTAGE5_54 -,2 + -,1 * BYEFTERKOMMER -,1 ***,2 *** -,4 *** -,2 * BYINDVANDRER -,4 *** -,3 *** BYEUROPA_AGG,6 ***,1 *** BYNORDIC,2 *,4 *** -,1 ** BYEULAND,1 + BYNYEULAND,1 ***,1 + BYPOLEN,1 + BYRUMÆNIEN,1 *** BYJUGOSLAVIEN -,2 + -,3 ** -,6 *** -,5 ** BYBOSNIEN -,1 + -,2 + BYBALTIC,1 *,1 + BYAFRIKA_AGG,2 + -,8 ***,7 *** BYSOMALIA,7 *** -, ** BYAFRIKA -,14 *** -,8 *** BYSYDAMERIKA,1 +,6 ***,1 *** BYNORDAMERIKA,4 *** BYASIA_AGG,2 ***,3 ***,6 ***,2 *** BYTYRKIET -,2 **,2 * BYVESTASIA,4 ***,2 + BYAFGHANISTAN -,3 ** BYSYDASIA -,2 + -,3 ** BYSRILANKA -,3 ***,1 + BYOESTASIA -,5 *** BYINDIEN -,3 * BYIRAK -,2 *,2 + BYIRAN -,2 **,2 + 84

155 BYKINA -,2 ** BYLIBANON,3 *** BYPAKISTAN,17 *** BYSYRIEN -,4 + -, ** -,8 * BYTHAILAND -,2 ** BYOCEANIA,2 *,6 *** BYFILIPPINERNE,7 *** BYPARSAMMENLAND -,1 *** -,1 ***, + BYPAREFTERKOMMER -,3 ***,1 ** BYPARINDVANDRER -,2 *** -,1 ** -,1 + BYYSM1_3 -,5 *** -,4 * BYYSM4_6,1 +,1 ** BYYSM11_15,1 + BYYSM16_2,2 **,1 +,2 + -,2 ** BYYSM21_,1 +,3 + BYERHOPHOLD,4 ***,4 ***,1 ** -,6 * BYSTUDOPHOLD,4 **,4 ***,2 ** -,16 *** BYFAMOPHOLD,4 *** BYASYLOPHOLD,6 **,9 *** BYFAMSAMMEN -,12 *** -,12 *** -,19 ** -,19 *** BYFAMSAMMENDK,5 ***,1 * BYPERMOPHOLD,1 + -,1 + -,2 ** BYMISS_OPHOLD,1 + BYTOTSENGE4_7 -,1 ** BYTOTSENGE8_14 -,1 *** BYTOTSENGE15_28 -,1 **,1 + BYTOTSENGE29_ -,2 ** BYSPECLÆGEKONT, ***, ***, ** BYDIAGNOSE_5 -,2 +,4 *** BYDIAGNOSE_6 -, * BYDIAGNOSE_13 -, * BYDIAGNOSE_14,1 ** BYDIAGNOSE_15,1 + -,1 *** BYDIAGNOSE_17,1 + BYDIAGNOSE_18,1 ** BYDIAGNOSE_19,1 *** BYDIAGNOSE_21 -, + BYPSYKYD1_2 -,1 ** BYPSYKYD6_9 -,2 *** -,2 * -,1 + BYPSYKYD_ -,1 + -,1 ** -,1 * BYDIAGF_2,3 **,2 +,2 * BYDIAGF_3,4 **,6 ***,3 ***,4 *** -,2 + BYDIAGF_4,2 *,2 ***,1 +,1 + BYDIAGF_5 -,1 + BYDIAGF_1og6_11 -,1 **,1 *** BYP_SKOLE,17 *** BYP_GYMNASIET -,32 + BYP_STUDENT,

156 BYALDER19 -, + -,1 ** BYALDER2,1 * BYALDER21, *,1 *** BYALDER22,1 ***,1 *** BYALDER23,2 ***,1 + BYALDER24,2 ***,1 + BYALDER25,3 ***,2 ** BYALDER26,2 ***,2 ** BYALDER27,3 ***,2 ** BYALDER28,4 ***,2 ** BYALDER29,4 ***,2 ** BYALDER31 -, + BYALDER32 -,1 * BYALDER33,1 * BYALDER34,1 + BYALDER35,1 + BYALDER36,1 *,1 *** BYALDER37,1 +,1 *** BYALDER38,2 **,2 ** BYALDER39,2 **,2 *** BYALDER4,2 *,2 ** BYALDER41,2 *,2 *** BYALDER42,2 **,2 ** BYALDER43,4 *,4 ** BYALDER44,4 *,4 ** BYALDER45,4 *,4 ** BYALDER46,4 *,4 ** BYALDER47,4 **,4 ** BYALDER48,6 *,4 ** BYALDER49,5 *,5 ** BYALDER5,8 **,5 ** BYALDER51,8 **,5 ** BYALDER52,9 ***,5 ** BYALDER53, **,5 ** BYALDER54, **,6 *** BYALDER55, **,6 *** BYALDER56, **,6 *** BYALDER57, **,6 *** BYALDER58, **,6 *** BYALDER59,9 **,5 *** BYALDER6,9 **,5 ** BYALDER61,9 **,5 *** BYALDER62,9 **,5 *** BYALDER63,9 **,5 *** BYALDER64,9 ***,5 *** Observationer Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 86

157 5.2.3 Sygedagpenge Tabel 5.3 Estimationsresultater for gennemsnitlig ydelsesgrad for Sygedagpenge, jobafklaringsforløb for årige mænd, årige kvinder, 3-49-årige mænd, 3-49-årige kvinder, 5-64-årige mænd, og 5-64-årige kvinder. Parameterestimat og statistisk signifikans (opgjort + p <,25; * p <,, ** p <,5, og *** p <,1). Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år HJEMFORÆLDRE, ***, *** ALENE,1 *** -, * -, + -, * BOIKKEMEDFAM -, ***, *** SAMBOENDE -, + -,1 *** -, *** -,1 *** PERSONFAM2 -, ***, **, *** PERSONFAM3 -, ** -, **, ***, * PERSONFAM4 -, ***, *** -, ***, ***, ** PERSONFAM5_, ***,1 ***, *** HAVEBARN_2 -, * -, * HAVEBARN3_6,1 ***, ***,1 *** HAVEBARN7_12 -, +,1 ***, ***, ** HAVEBARN13_17 -, *** -, *** -, ** HAVEBARN18_24 -, *** -, *** -, *** -, *** HUSFLERFAM, ***, +, ***, ***, ***, ** ALMENEBOLIG, ***, ** -, *** -, *** LEJEBOLIG, **, ***, ***,1 ***,1 ***, *** EJEBOLIG, *, **, ** PARCELHUS, ***, *** -, *** -, *** -, *** RÆKKEHUS, *, *** -, *** -, *** -, *** -, *** ETAGEBOLIG, + -, *** -, + NYIKOMMUNE, ***, ***, **, *** FORÆLDREANBRAGT -, + -,1 *** -, ** -,1 ***, + FORÆLDREPROBUNG, ***, ***, ***, *** ERTEENAGEFORÆLDRE,1 ***, ***, ***, *** ANBRINGELSE -, ***, ** -, * UNGEFORANS -, * -, * -, + -,1 ***,3 + MISS_FARINFO, * MISS_MORINFO,1 ***, + -, *** AFGØRELSE -, *** -,1 *** -,1 ** FÆNGSEL, **,1 *** -,1 **,1 ***,2 + ALMENGYMFALD -, *** -, ***, **, ***,1 *** ERHVEGYMFALD, **, *** ERHVEUDDFALD, ***, ***,1 ***,1 ***, ***,1 *** KORTVUFALD, **, *,1 ***, *** MELLVUFALD, **, ***, ***, *** BACHVUFALD -, ** -, ***, + -, + LANGVUFALD, + -, *** MISS_UDD,1 ***, ***,1 ***,1 ***,1 *** STUDENT -, **, *** GODIENGELSK -, ** -, *** 87

158 GODIFYSIKEMI -, *** -, * GODIDANSK -, + -, ***,1 *** SKOLE,1 ***, ***,1 ***, **,1 *** GYMNASIET -, *** -,1 *** -,1 *** -,1 *** -,1 *** HF -, *** -, ** -,1 ***, *** -, ** -, + HHX, ***, ***, * -,1 *** HTX, ***, + EUDHOVED,1 ***,2 ***,4 *** -,1 ***,1 *** EUDBYGGE,3 ***,3 ***, + EUDGRAFI,2 ** -,1 + -,2 ***,3 *** EUDHANDEL -, ***,1 *** -,1 *** -,3 ***,2 *** -,1 *** EUDJERN -, ***,2 *** -,1 *** -,3 ***,2 *** EUDJORBFISK -,1 ***,2 *** -, *** -,2 ***,2 *** EUDHUSHOLD,2 *** -, *** -,2 ***,3 *** EUDPÆDAGO,2 *** -,1 +,5 *** EUDSERVICE,1 * -,2 ***,2 *** -, + EUDSUNDHED,2 *** -, + -,2 ***,3 *** -, + EUDTEKNIK,2 *** -,1 *** -,3 ***,2 *** -,1 *** EUDTRANSPORT -, *** -,3 ***,2 *** BACHELOR, *** -,1 ***, ***, ** -,1 *** BAERHVSPROG, **,1 *** BAKUNST -, ***,1 +,1 *** BAHUSHOLD -,1 **,3 * BAUNA -,1 ***,2 + BANATURVID, ** -, *,1 **,3 + BASUNDHED -, *** -,1 *** -,1 ***,2 *** BATEKNISK, + -,1 *** -,2 *** KVUDD, *** -,1 +,1 *** -,1 *** KVUSPROG,3 **,1 ***,4 ***,2 *** KVUJORDFISK,1 ***, +, **,2 *** KVUKUNST -,1 **,1 **,2 ***,2 ** KVUHUSHOLD,2 **,2 **,2 *,1 + KVUPOLIFOSV -,2 ***,1 ***,2 ***,1 ** KVUPÆDAGO,2 + -,2 ***,1 +,5 ***,2 + KVUSAMFUND, ***, +,1 ** -, ***, * KVUSUNDHED,1 +,2 *** KVUTEKNISK, +,1 **, **,1 ***, ** MVUDD -, *, ***, *** MVUSPROG -,1 *** -,1 **,1 + MVUJORDFISK,1 *, + MVUKUNST,1 *, +, + -,1 *** MVUHUSHOLD,2 +,3 ** -,1 + MVUFOSVAR,1 +,1 +,1 * -,1 + MVUNATURVID,1 *,1 *** MVUPÆDAGO,1 ***,1 ***,1 ***,2 ***,1 *** MVUSAMFUND, ***,1 *** -, *, *** -,1 *** MVUSUNDHED,1 ***,1 ***, +, ***,1 *** -,1 *** MVUTEKNISK,1 *** -, *, ***, * -,1 *** 88

159 LVUDD, ***, **, ***, *** -, *** -,1 *** LVUJORDFISK, + -, + -, **, + -, ** LVUKANUNA,1 + -,2 *** -,1 *** LVUKUNST,1 + -, + -,3 *** -,3 ** LVUHUSHOLD -, **,3 *** -, + -,1 * LVUNATURVID -, * -, +,1 +,1 + LVUPÆDAGO -,1 **, + LVUSAMFUND -,1 *** -, ** -, ***, + -, ** LVUSUNDHED, + -, ** -, + -, * -, ** FORSKER -,1 ** -, + -,1 *** PARSTUDENT -, ** -, *** PARSKOLE, ***, ***,1 ***, *** -, *** PARGYMNAGRUP -, *** -, * -, *** -, + -, *** PARERVHGYMAGRUP -, *** -,1 *** PAREUDHOVED, ***, *** -, *** -, *** PARBACHELOR -, + -,1 *** -,1 *** -,1 *** PARKVUDD -, ** -, *** -, + -, *** -,1 *** PARMVUDD -, *** -, *** -, ** -, *** -,1 *** PARLVUDD -, * -, ** -, *** -,1 *** PARFORSKER -,2 *** -, + -,1 *** FARSKOLE -, * -, * FARGYMNAGRUP -, ** -,1 **,1 + FARERVHGYMAGRUP -, ** -, + -,1 ** -,1 + FAREUDHOVED -, *** -, ** -, + -, + FARBACHELOR -, + -, *** FARKVUDD -, *** -, *** FARMVUDD -, *** -, *** -, + FARLVUDD -, *** -, *** -, + FARFORSKER -, + -, +, +,4 ** -,3 *** MORSKOLE, * -, ***, + MORGYMNAGRUP -, ** -, *** -, ** MORERVHGYMAGRUP -, * -, + -,1 *** MOREUDHOVED -, ** -, *** -, + -, * -, *** MORBACHELOR -, *** -, *** -,1 ** MORKVUDD -, ** -, *** -, *** MORMVUDD -, *** -, *** -, *** -, *** -, ** MORLVUDD -, ** -, *** -, *** -, + MORFORSKER -, *** -, *, + -,1 *** STUDENT17_19,1 ***,1 ***, *** STUDENT2_24,1 ***,1 *** -, ***, +,1 *** STUDENT25_29, **,1 **,1 ***,1 ***, ** STUDENT3_34,1 ***,1 *** -, + STUDENT35_39,2 ***,3 *** -, + STUDENT4_44,2 ***,4 ***,4 ***,1 *** STUDENT45_49,1 +,2 ***,4 ***,4 *** STUDENT5_54,2 **,5 *** STUDENT55_59,2 +,2 + SELV17_19,1 **,2 **,1 *** 89

160 SELV2_24,1 ***,2 **, *,1 ** SELV25_29,1 ***,1 ***,1 ***, *,1 + SELV3_34,2 ***,2 *** -, ** SELV4_44,2 ***,3 ***,1 ***,1 *** SELV45_49,1 ***,2 ***,2 ***,3 *** SELV5_54,2 ***,3 *** SELV55_59,2 ***,1 ** LØNMODTAGE17_19,1 ***,1 ***, ***, *** LØNMODTAGE2_24,1 ***,2 *** -, ***, *, *** LØNMODTAGE25_29, ***, ***,1 ***, *** -, *** LØNMODTAGE3_34,1 ***,1 *** -,1 *** -,1 *** LØNMODTAGE35_39,1 ***,1 *** -, *** -,1 *** LØNMODTAGE4_44,1 ***,3 ***,1 ***, ** LØNMODTAGE45_49,1 ***,1 ***,2 ***,3 *** LØNMODTAGE5_54,2 ***,2 *** LØNMODTAGE55_59,2 ***,1 *** EFTERKOMMER -, ***, *,1 *** -, * -,2 *** INDVANDRER -,1 ***, ***,1 *** -,1 * EUROPA_AGG, *** -, ** -,2 ***,2 ***,2 *** NORDIC, *** -,1 ***, *,2 *** EUROPA -, ***,1 + -,2 * EULAND, +,1 ** -,1 ** STORBRITANNIEN, +,1 **, + -,2 *** TYSKLAND,1 **, *, * -,1 ** NYEULAND,1 **, + -,1 *** POLEN, **, **,1 ***,1 *** RUMÆNIEN, **, *, **,2 * JUGOSLAVIEN, ***,1 **,1 ***,1 *** BOSNIEN,1 ***,1 ***,1 ** BALTIC -, +, * EKSSOVJET, * -,1 * AFRIKA_AGG,1 **,2 ***,1 * MAGHREB -,1 ** MAROKKO,2 *** SOMALIA -,1 *** -,1 *** -,1 *** -,2 ** AFRIKA -, + -, *** -,1 *** -,1 + SYDAMERIKA, * -, *** -,1 ***,1 ** NORDAMERIKA, ** -, + -,1 ***,2 *** ASIA_AGG, ***, + -,1 ***,1 ** TYRKIET -, *,2 ***,2 ***,2 *** VESTASIA,1 + AFGHANISTAN -, **,1 *** SYDASIA -, +,1 *,2 ***,1 + SRILANKA -, *** -,1 ***,1 ***,2 ***,1 * OESTASIA -, *** INDIEN -, ** -,1 *** IRAK -, *** -,1 **,1 *** IRAN, + -, *, +,2 ***, * 9

161 KINA -,1 *** -,1 ***,1 ** LIBANON -,1 *** -,1 *** -,1 ***,1 *** -,1 *** PAKISTAN,1 ***,1 ***,5 * SYRIEN -,1 *** -, ***,1 *** -,1 *** THAILAND -, *** -,1 *** -,1 **, ***,1 ** OCEANIA, * -,1 **,2 *** FILIPPINERNE -, *** -,2 *** MISS_LAND -,2 **,2 ** PARSAMMENLAND, ***, ***, *, +, + PAREFTERKOMMER, +, *, **,1 + PARINDVANDRER, **, **,1 ***,1 ***,1 ***, ** YSM1_3, ***,1 *** -,1 ** YSM4_6 -, * YSM7_ -, **, **, ** YSM11_15 -, ** -, ***, +, ** -,1 * YSM16_2 -, ***,1 *** -,1 *** -,1 + YSM21_, **,1 *** -,1 *** -,1 ** ERHOPHOLD,1 ***, *** -, *,2 *** STUDOPHOLD, ***, ** -, *** -, * FAMOPHOLD, *** -, + -,1 *** ASYLOPHOLD -, * -,2 *** -,3 *** -,3 *** FAMSAMMEN, * -,1 * -,2 ***,1 * FAMSAMMENDK,1 *** -,1 *** -,1 ***,1 *** PERMOPHOLD, ***,1 + -, + MISS_OPHOLD, *** -, * -,1 *** -, +,1 *** TOTSENGE1 -, *** -, *** -,1 *** -, *** -, *** TOTSENGE2_3 -, *** -,1 *** -,1 ***,1 *** TOTSENGE4_7, * -, ***, ***, **,1 ***,2 *** TOTSENGE8_14,2 *** -, ***,3 ***,1 ***,3 ***,4 *** TOTSENGE15_28,3 *** -, ***,5 ***,3 ***,5 ***,7 *** TOTSENGE29_,6 ***,1 ***,7 ***,4 ***,8 ***,9 *** ALMENLAGEKONT, ***, ***, ***, ***, ***, *** SPECLAGEKONT, ***, ***, ***, ***, * DIAGNOSE_1 -, ** -,1 *** -,1 *** -,1 *** DIAGNOSE_2,1 ***,2 ***,2 ***,3 ***,2 ***,2 *** DIAGNOSE_3,1 * -,1 * DIAGNOSE_4 -,1 *** -,1 *** -, ** -,1 *** -,1 *** DIAGNOSE_5,1 ***,1 +,7 ***,1 ***,8 *** DIAGNOSE_6, +,1 ***,1 ***,1 ***,1 ***, ** DIAGNOSE_7 -, *** DIAGNOSE_8 -, ***, **,1 ***, +, + DIAGNOSE_9 -, +,1 ***,1 ***, +,1 ***,1 *** DIAGNOSE_ -,1 *** -, ** -, *** -, ** -,1 *** DIAGNOSE_11, *** -, * -, *** -, + -,1 *** DIAGNOSE_12 -, +, + -,1 *** -, + -, * -,2 *** DIAGNOSE_13,2 ***,1 ***,3 ***,3 ***,3 ***,2 *** DIAGNOSE_14, *** -, *** -, *** -,1 *** -,1 *** DIAGNOSE_15 -,1 *** -,4 *** 91

162 DIAGNOSE_16 -,1 ***,2 + -,2 *** -,4 *** DIAGNOSE_17 -, *** -, *,1 * DIAGNOSE_18, ***,1 ***,1 ***,2 ***,1 ***,1 *** DIAGNOSE_19,1 ***,1 ***,1 ***,1 ***,1 ***,1 *** DIAGNOSE_21, ***, **,1 ***,1 ***,2 ***, *** RBES1_2, + -, ** -,1 *** -, *** RBES3_5 -, + -, + -,1 *** -,1 *** RBES6_9 -,1 *** -, + -,1 *** -,1 *** RBES_ -,2 *** -,2 *** -,1 *** -,3 *** -,3 *** PSYKYD1_2, ***, ***,1 ***,2 ***,1 ***,1 *** PSYKYD3_5, **, ***,2 ***,1 ***,1 **,1 ** PSYKYD6_9, **,1 ***,2 ***,2 ***,1 ***,1 *** PSYKYD_, *,1 ***,1 ***,1 ***,1 ***, ** DIAGF_2,1 *** -, + -,1 *** -,3 *** -, *** -,2 *** DIAGF_3 -,1 *** -,2 *** -,4 *** -,1 *** -,1 *** DIAGF_4,1 ***,2 ***,1 ***,1 ***,1 ***,1 *** DIAGF_5,1 ***, +, **, +, ** DIAGF_1og6_11 -, + -,1 *** -, *** -,1 *** -,1 *** P_SKOLE,12 ***,6 +,33 *** P_GYMNASIET -,91 *** P_EUDHOVED -,12 *** -,3 +,9 + P_MVUDD -,9 ***,2 ** P_LVUDD,18 ***,35 ***,24 ***,55 *** P_STUDENT P_ANSAT_BRANCH_A,21 ***,17 *** -,21 ***,26 *** P_ANSAT_BRANCH_C,5 *** -,4 *** -,4 *** -,15 ***,16 *** P_ANSAT_BRANCH_D -,96 *** -,92 *** -,37 * P_ANSAT_BRANCH_F,11 **,14 **,24 ***,72 *** P_ANSAT_BRANCH_G -,5 *** -,6 **,8 **,27 *** P_ANSAT_BRANCH_H,15 *** -,9 *** -,6 ** -,35 *** P_ANSAT_BRANCH_I,31 *** -,4 ***,6 * -,16 ***,36 *** P_ANSAT_BRANCH_J -,17 ***, + -,13 + -,11 ** -,12 ** P_ANSAT_BRANCH_K -, ** -,36 *** -,13 ** P_ANSAT_BRANCH_L -,17 *** -,15 *** -,42 *** -,37 *** -,21 *** P_ANSAT_BRANCH_M,11 ***,8 *,6 *** P_ANSAT_BRANCH_N -,5 * -,19 *** -,6 * -,22 *** P_ANSAT_BRANCH_O -,7 *** -,15 *** -,7 *** -,31 *** -,29 *** -,34 *** P_ANSAT_BRANCH_P -,7 **,7 **,14 *** P_ANSAT_BRANCH_Q,8 *** -,7 *** -,17 *** -,2 ***,11 *** P_ANSAT_BRANCH_R -,6 + P_INDVANDRER -, *** -,13 *** -,3 *** -,9 *** -,17 *** P_ASIA_AGG -,6 ** -,13 *** -,8 *,18 ** P_JOBOMSAET,2 ***,9 ***,3 **,14 *** P_NYESTILLINGER,16 ***,14 ***, *** -,7 ** P_ALDERGRUPPE1 -,27 *** -,22 *** -,12 *** -,53 *** -,27 *** -,49 *** P_ALDERGRUPPE3 -,26 *** -,8 *** -,4 *** -,29 *** -,3 + -,2 *** ALDER17,8 ***,18 *** ALDER18,8 ***,18 *** 92

163 ALDER19,8 ***,18 *** ALDER2,8 ***,17 *** ALDER21,8 ***,18 *** ALDER22,8 ***,18 *** ALDER23,8 ***,17 *** ALDER24,8 ***,17 *** ALDER25,8 ***,17 *** ALDER26,8 ***,17 *** ALDER27,8 ***,18 *** ALDER28,8 ***,17 *** ALDER29,8 ***,18 *** ALDER3, +,29 *** ALDER31, +,3 *** ALDER32, **,3 *** ALDER33,29 *** ALDER34 -, *,29 *** ALDER35 -, *,29 *** ALDER36,3 *** ALDER37,29 *** ALDER38 -,1 ***,29 *** ALDER39 -,1 ***,28 *** ALDER4 -,1 ***,29 *** ALDER41 -,1 ***,29 *** ALDER42 -,1 ***,29 *** ALDER43 -,2 ***,27 *** ALDER44 -,2 ***,27 *** ALDER45 -,2 ***,26 *** ALDER46 -,2 ***,27 *** ALDER47 -,2 ***,26 *** ALDER48 -,3 ***,26 *** ALDER49 -,2 ***,26 *** ALDER5,18 *** -,14 ** ALDER51,18 *** -,14 ** ALDER52,18 *** -,14 ** ALDER53,17 *** -,16 ** ALDER54,17 *** -,16 ** ALDER55,17 *** -,16 ** ALDER56,17 *** -,16 ** ALDER57,17 *** -,16 ** ALDER58,16 *** -,17 ** ALDER59,16 *** -,17 ** ALDER6,15 *** -,18 ** ALDER61,14 *** -,19 *** ALDER62,14 *** -,19 *** ALDER63,14 *** -,19 *** ALDER64,13 *** -,2 *** BYHJEMFORÆLDRE -, + BYALENE -, * -, ** 93

164 BYSAMBOENDE -, *, ** BYHAVEBARN3_6 -, + -, + BYHAVEBARN7_12 -, ** BYHAVEBARN18_24, *, ** BYLEJEBOLIG, +, + BYNYIKOMMUNE -, * BYERTEENAGEFORALDER, * BYMISS_MORINFO -,1 *** BYFÆNGSEL,1 + BYERHVEUDDFALD, ** BYMELLVUFALD -, ** BYMISS_UDD -, *** -, + BYSTUDENT -, *** -, *** -,1 *** BYSKOLE -, ***, *** BYGYMNASIET, ** BYHF -, + -, *** BYEUDHOVED, **, + -, *, ** BYEUDGRAFI -,1 ** BYEUDHANDEL -, + -, ***, * -, **, ** BYEUDJERN -, **,1 + BYEUDJORBFISK, + -,1 *** -,1 *** BYEUDPÆDAGO -,1 + BYEUDSERVICE,1 **, + BYEUDSUNDHED -,1 ** BYEUDTEKNIK,1 + BYKVUDD, * BYKVUPOLIFOSV -,1 * BYKVUJORDFISK,1 + BYMVUPÆDAGO, * BYBACHELOR, * BYBASUNDHED -,6 *** BYLVUDD, ** BYLVUJORDFISK, ** BYLVUKANUNA -,1 *** BYLVUSAMFUND, + BYPARSKOLE, * BYPARGYMNAGRUP -, *** BYPARKVUDD, + BYPARMVUDD, * BYPARLVUDD, + -,1 *** BYPARFORSKER,2 *** BYMORKVUDD -, *** BYMORLVUDD -, *** BYSTUDENT17_19 -, ** BYSTUDENT2_24 -, *** -,1 *** BYSTUDENT25_29 -, + -, *** BYSTUDENT35_39 -,2 *** -,1 + BYSTUDENT4_44 -,1 + -,2 + 94

165 BYSTUDENT5_54 -,3 ** BYSTUDENT55_59,3 + BYSELV2_24 -,1 + BYSELV25_29 -,1 * BYSELV3_34 -,1 * BYSELV45_49 -, + BYSELV5_54 -,1 + BYSELV55_59,1 ** BYLONMODTAGE17_19 -, ** BYLONMODTAGE2_24 -, *** -,1 ** BYLONMODTAGE25_29 -, + BYLONMODTAGE35_39 -,1 *** -, ** BYLONMODTAGE4_44 -, + BYLONMODTAGE5_54 -, + -, ** BYLONMODTAGE55_59 -, **,1 *** BYTYSKLAND -,1 ** BYPOLEN -,1 + BYJUGOSLAVIEN,1 * BYSOMALIA, + BYKINA, * BYPAKISTAN -,3 + BYSYRIEN, *** BYPARINDVANDRER -, *** -, *** BYYSM1_3 -, *** BYERHOPHOLD -, *** BYASYLOPHOLD -, ***, +, **,1 ** BYFAMSAMMEN -, ***,1 + BYTOTSENGE1, **, ***, * BYTOTSENGE2_3, +, ** BYTOTSENGE4_7 -, + BYTOTSENGE8_14 -,1 *** -,1 *** -, + -, * BYTOTSENGE15_28 -,2 *** -,1 *** -,1 ** -,1 ** BYTOTSENGE29_ -,4 *** -, + -,1 ** -,1 + -,1 ** -,1 *** BYALMENLÆGEKONT -, ** -, **, ***, +, ***, *** BYSPECLÆGEKONT, +, *** BYDIAGNOSE_2 -,1 + BYDIAGNOSE_5,2 ** -,2 * -,3 ** BYDIAGNOSE_9,1 + BYDIAGNOSE_,1 **,1 ** BYDIAGNOSE_11, + BYDIAGNOSE_12,1 *** BYDIAGNOSE_13 -,1 *** -, + -, * -, + -, + -, ** BYDIAGNOSE_15, **, * BYDIAGNOSE_18 -, + -, * BYDIAGNOSE_19 -, * -, + -, ** -, ** -, ** BYDIAGNOSE_21 -, + -, *** -, ** -, ** BYRBES1_2, *** BYRBES_,1 *** 95

166 BYPSYKYD3_5,1 *,1 * BYPSYKYD6_9 -,1 + BYPSYKYD_,1 **,1 **,1 * BYDIAGF_2,1 **,2 ***,1 ** BYDIAGF_3,1 *,1 + -, + BYDIAGF_4 -,1 **, +,1 **, + BYDIAGF_5, ** BYP_MVUDD,9 *** BYP_ANSAT_BRANCH_Q,13 *** BYP_ASIA_AGG -,52 *** BYP_JOBOMSAET -,24 *** BYP_ALDERGRUPPE1,4 ***,5 ***,21 *** BYP_ALDERGRUPPE3 -, *** BYALDER19 -, *** -, *** BYALDER21 -, * BYALDER22 -, + -, *** BYALDER27 -, + -, + BYALDER3 -,1 *** BYALDER31 -, *** -, *** BYALDER32 -,1 *** BYALDER33 -,1 *** BYALDER34 -,1 *** BYALDER35 -, ** -, + BYALDER36 -,1 *** -, ** BYALDER37 -, *** BYALDER5 -,1 ***,6 *** BYALDER51 -, *,6 *** BYALDER52 -, *,6 *** BYALDER53 -, *,6 *** BYALDER54 -, *,6 *** BYALDER55 -,1 ***,6 *** BYALDER56 -, **,6 *** BYALDER57,6 *** BYALDER58,6 *** BYALDER59,6 *** BYALDER6,6 *** BYALDER61, ***,6 *** BYALDER62,6 *** BYALDER63,6 *** BYALDER64,6 *** Observationer Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 96

167 5.2.4 Førtidspension mv. Tabel 5.4 Estimationsresultater for gennemsnitlig ydelsesgrad for førtidspension, ledighedsydelse, fleksjob og ressourceforløb for grupper årige mænd, årige kvinder, 3-49-årige mænd, 3-49-årige kvinder, 5-64-årige mænd, og 5-64-årige kvinder. Parameterestimat og statistisk signifikans (opgjort + p <,25; * p <,, ** p <,5, og *** p <,1). Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år HJEMFORÆLDRE, +,2 *** ALENE,3 *** -, **,5 ***,4 ***,4 ***,3 *** BOIKKEMEDFAM -,1 ** -,3 *** SAMBOENDE, ***,1 ***,4 ***,5 ***,2 ***,3 *** PERSONFAM2 -,3 *** -,6 *** -,3 *** -,6 *** -,3 *** -,4 *** PERSONFAM3 -,2 *** -,6 *** -,3 *** -,7 *** -,4 *** -,5 *** PERSONFAM4 -,2 *** -,6 *** -,3 *** -,8 *** -,5 *** -,6 *** PERSONFAM5_ -,2 *** -,6 *** -,3 *** -,9 *** -,5 *** -,7 *** HAVEBARN_2 -,1 *** -,1 *** -,1 *** -,2 *** -,6 ** HAVEBARN3_6 -,1 *** -,3 *** -,1 *** -,2 *** -,1 *** -,3 *** HAVEBARN7_12 -,3 *** -,1 *** -,1 *** -,1 *** HAVEBARN13_17 -,1 *, ***, ***, *** HAVEBARN18_24,1 ***,1 ***,1 *** HUSFLERFAM -, * -, ** -, * -,1 *** -,1 *** ALMENEBOLIG,3 ***,2 ***,3 ***,3 *** ANPARTBOLIG -, *** -,1 *** -,1 *** -, + -,1 *** LEJEBOLIG,1 **,1 **,3 ***,1 *,5 ***,1 *** EJEBOLIG,1 ***, +,3 ***,2 ***,4 *** PARCELHUS, **,1 ***,2 ***,3 *** RÆKKEHUS,2 ***,1 ***,1 ***,2 ***,3 ***,3 *** ETAGEBOLIG -, * -,1 *** -,1 *** -,1 *** -,1 + NYIKOMMUNE -,1 *** -,1 *** -,3 *** -,3 *** -,5 *** -,4 *** FORÆLDREANBRAGT,2 + -,1 + -,1 *** -,2 ***,1 ** FORÆLDREPROBUNG -,2 *** -,2 *** -,1 ***,1 ***,1 ***,3 *** ERTEENAGEFORÆLDRE -,3 *** -,4 *** -,2 *** -,2 ***,1 ***,3 *** ANBRINGELSE,3 ***,2 ***,3 ***,2 ***,5 ***,5 *** UNGEFORANS,2 ***,3 ***,2 ***,1 *** MISS_FARINFO -,2 *** -,1 *** -,3 *** -,4 ***, + MISS_MORINFO -,8 *** -,7 *** -,6 *** -,4 ***,1 ***,1 *** AFGØRELSE -,6 *** -,8 *** -,6 *** -,5 *** -,6 *** -,11 *** FÆNGSEL -,3 *** -,3 *** -,5 *** -,3 * -,2 *** -,2 + ALMENGYMFALD -,2 *** -,2 *** -,3 *** -,2 *** -,2 *** -,1 *** ERHVEGYMFALD -,1 *** -,1 *** -,2 *** -,2 *** -,2 *** -,1 ** ERHVEUDDFALD -,5 *** -,4 *** -,3 *** -,3 *** -, +, + KORTVUFALD, ***, + -, ** -,1 *** -,1 ** MELLVUFALD -, + -, *** -,1 *** -, + BACHVUFALD -, + -, *** -,1 *** -,1 *** LANGVUFALD, *, *** -,1 *** 97

168 MISS_UDD -,2 *** -,2 *** -,3 *** -,2 ***,1 + STUDENT -,2 *** -,3 *** GODIMATEMATIK -,1 *** -, *** GODIENGELSK, ** GODIFYSIKEMI -,1 *** -, *** GODIDANSK -,3 *** -,3 *** -,7 *** -,9 *** -,13 *** -,15 *** SKOLE,2 ***,4 ***,3 ***,8 ***,4 ***,6 *** GYMNASIET -,3 *** -,3 *** -,4 *** -,6 *** -,4 *** -,5 *** HF -,3 *** -,3 *** -,4 *** -,5 *** -,4 *** -,5 *** HHX, ***,1 *** -,1 *,3 *** -,2 *** HTX, +, *** -,2 *,14 + EUDHOVED -,1 *** -,2 ** -,16 ***,2 *** EUDBYGGE -,1 ***, **,18 ***,2 *** EUDGRAFI -,1 ***,16 *** EUDHANDEL -,1 ***,1 ***, **,2 ***,16 *** EUDJERN -,1 ***,1 +,1 ***,18 *** EUDJORBFISK,2 *** -,2 ***,1 ***,11 *** -,3 *** EUDHUSHOLD,1 ***,1 ***,1 ***,18 ***,1 ** EUDPÆDAGO -, +,1 ** -,3 ***,14 *** EUDSERVICE -,2 ***,2 ***,3 ***,17 ***,5 *** EUDSUNDHED,1 *** -,2 ***,1 ***,16 ***,1 *** EUDTEKNIK,1 *,1 ***,2 ***,17 ***,1 + EUDTRANSPORT -,1 ***,15 *** BACHELOR, *** -,2 ** -,2 *** BAERHVSPROG -, ** -, * -,1 ***,3 *** BAJORBFISK,1 +,2 +,4 + BAKUNST -, + -,1 ** -,3 *** -,3 *** BAHUSHOLD -,1 *** -,2 + -,6 *** BAUNA -,3 *** -,7 *** -,2 + BANATURVID -, ** -, +, + BASUNDHED,2 **,6 *** -, *** BATEKNISK -, *,1 ***,1 + KVUDD -,1 *** -,1 *** -,3 *** -,1 ** -,3 *** -,3 *** KVUSPROG,1 **,2 ***,2 ***,7 ***, *** KVUJORDFISK,1 +,1 *** -,1 ***,3 ** KVUKUNST,1 * -,1 + KVUHUSHOLD -,1 +,2 + KVUPOLIFOSV -,1 *,1 +,2 ***,3 ***,6 *** KVUPÆDAGO,1 + -,3 ***,4 * KVUSAMFUND, *, *,1 +,1 ** KVUSUNDHED,1 **,3 **,5 *** KVUTEKNISK, +, +,1 ***,1 **,3 ***,3 *** MVUDD -,1 *** -,2 *** -,3 *** -, *** -,3 *** -,2 *** MVUSPROG,2 ***,4 ** MVUJORDFISK -,1 + MVUKUNST -,1 ** -,1 **,1 ** MVUHUSHOLD,1 + -,5 **,5 ** MVUFOSVAR, + -,1 ** -,2 *** -,4 *** -,2 *** -,3 *** 98

169 MVUNATURVID -,1 +,2 ** -,2 ***,7 ** MVUPÆDAGO -, *** -, +,1 ***,4 ***,4 *** MVUSAMFUND, **,1 *** -, **,2 ***,2 *** MVUSUNDHED -, + -, **,1 ***,1 ***,5 ***,4 *** MVUTEKNISK -, *, *** -,1 **,1 ***,1 + LVUDD -,2 *** -,3 *** -,2 *** -,2 *** -,2 *** -,1 + LVUFOSVAR,2 ***,7 + LVUHUMAN -, **, **, +,1 ** LVUJORDFISK -,1 *** -,1 ***,1 + LVUKANUNA,1 ***,1 ***,1 ***,2 ** LVUKUNST,1 **,1 **,7 ***,15 + LVUHUSHOLD -,2 *** -,2 + LVUNATURVID,1 **,3 *** LVUPÆDAGO -, + -, +,1 **,2 ** LVUSAMFUND, *, *, +,1 ***,2 ** LVUSUNDHED, **, **, ***,2 ***,4 ***,4 *** FORSKER -,2 *** -,3 *** -,2 *,2 *** PARSTUDENT, **, + -,1 *** -, * -,1 *** PARSKOLE, **,1 ***,1 ***,4 ***,4 *** PARGYMNAGRUP,2 ***,1 *** -, * -,1 *** -,1 *** -,2 *** PARERVHGYMAGRUP,2 ***,1 ***,2 ***, +,2 ***,1 *** PAREUDHOVED,1 ***,1 ***,1 ***,1 ***,3 ***,3 *** PARBACHELOR,2 ***,1 ***,1 ***,1 ***,1 * PARKVUDD,2 ***,1 ***,1 ***,1 ***,2 ***,2 *** PARMVUDD,2 ***,1 ***,1 ***,1 ***,3 ***,2 *** PARLVUDD,2 ***,1 ***,1 ***,1 ***,2 ***,1 *** PARFORSKER,2 ***,1 *,2 ***,2 +,1 *** FARSKOLE, ***, *** -, * FARGYMNAGRUP, ** -, ** -, * -,1 + FARERVHGYMAGRUP,1 ***,1 *** -,1 * FAREUDHOVED,1 ***,1 ***, ** -, ** -, + -, ** FARBACHELOR -,1 * FARKVUDD,1 ***,1 *** -,1 ** FARMVUDD,1 ***,1 ***, **, + -,1 ** FARLVUDD,1 ***,1 ***, * -,1 + FARFORSKER,1 *** -, +,1 +,8 *,8 ** MORSKOLE,1 ***,1 ***, ***,1 *** -, ** -, + MORGYMNAGRUP, *, ** -,1 *** -, + -,1 ** MORERVHGYMAGRUP,1 ***,1 *** -,1 + MOREUDHOVED,1 ***,1 ***, ***, *** -,1 *** -,1 *** MORBACHELOR, **,1 *** -,1 * MORKVUDD,1 ***,1 ***, ** -,1 + MORMVUDD,1 ***,1 ***, **, *** -,1 *** -, ** MORLVUDD,1 ***,1 ***, +, ** -,1 ** -,1 + MORFORSKER,2 ***,2 **,1 ** STUDENT17_19 -, *** -,7 *** -,7 *** -,3 *** STUDENT2_24 -,11 *** -, *** -, *** -,4 *** -,8 *** -,7 *** STUDENT25_29 -,8 *** -,7 *** -, *** -,7 *** -,8 *** -,5 *** 99

170 STUDENT3_34 -,13 *** -,11 *** -,3 *** -,2 *** STUDENT35_39 -,16 *** -,19 *** -,4 *** STUDENT4_44 -,27 *** -,31 *** -,17 *** -,9 *** STUDENT45_49 -,24 *** -,23 *** -,36 *** -,31 *** STUDENT5_54 -,3 *** -,36 *** STUDENT55_59 -,43 *** -,42 *** SELV17_19 -,12 *** -,7 *** -,9 *** -,5 *** SELV2_24 -,13 *** -,12 *** -,12 *** -,6 *** -,9 *** -,7 *** SELV25_29 -,8 *** -,7 *** -, *** -,6 *** -,8 *** -,4 *** SELV3_34 -,17 *** -,17 *** -,3 *** SELV4_44 -,25 *** -,32 *** -,13 *** -,6 *** SELV45_49 -,16 *** -,18 *** -,25 *** -,28 *** SELV5_54 -,23 *** -,27 *** SELV55_59 -,27 *** -,26 *** LØNMODTAGE17_19 -,11 *** -,7 *** -,7 *** -,3 *** LØNMODTAGE2_24 -,11 *** -, *** -, *** -,5 *** -,8 *** -,7 *** LØNMODTAGE25_29 -,8 *** -,7 *** -,9 *** -,7 *** -,7 *** -,4 *** LØNMODTAGE3_34 -, *** -,9 *** -,2 *** -, * LØNMODTAGE35_39 -, *** -,13 *** -,1 *** LØNMODTAGE4_44 -,19 *** -,22 *** -,9 *** -,5 *** LØNMODTAGE45_49 -,14 *** -,16 *** -,25 *** -,26 *** LØNMODTAGE5_54 -,21 *** -,25 *** LØNMODTAGE55_59 -,26 *** -,24 *** EFTERKOMMER -, **,2 + -,2 *** -,3 ** INDVANDRER -,1 ** -,1 **,7 *** -,5 *** -,8 ** EUROPA_AGG, ** -,2 + -,1 **,3 ** -,5 *** NORDIC -,1 *** -,9 ***,3 *** -,5 *** -,3 ** EUROPA -,1 ** -,3 ***,1 ** -,7 *** EULAND -, * -,7 ***,1 ** -,8 *** -,4 *** STORBRITANNIEN -,7 *** -,6 *** -,1 + TYSKLAND,1 ** -,5 ***,3 *** -,3 *,1 + NYEULAND,2 ***,2 *** -,4 ***,1 *** POLEN,1 ***,1 *** -,2 ***,2 *** -,1 + RUMÆNIEN,1 ***,1 * -,1 **,2 *** -,2 * JUGOSLAVIEN -,1 ** -, +,4 ***,7 ***,14 *** BOSNIEN, *,1 **,6 ***,15 ***,18 ***,23 *** BALTIC,3 ***,2 ***,3 *** EKSSOVJET -,1 *** -,1 ***,3 *** -,1 + AFRIKA_AGG -,1 *** -,1 *** -,5 *** -,1 * -, *** MAGHREB -,1 * MAROKKO,1 *** -,2 + -,7 ** SOMALIA -,3 *** -,9 *** -,7 *** AFRIKA,2 ***,1 ***,1 ***,2 ***,3 + SYDAMERIKA -,5 *** -,4 *** -,6 *** NORDAMERIKA,1 ***,1 *** -,9 *** -,6 *** -,6 *** ASIA_AGG -, ** -,6 *** -,13 *** TYRKIET, +,1 ***,5 ***,13 *** VESTASIA,5 **, ***,7 +

171 AFGHANISTAN,1 * -, +,1 +,2 **, ***,14 *** SYDASIA, +, +,1 +,4 ***, *** SRILANKA,1 **,1 ***,2 **,2 +,7 ***,14 *** OESTASIA -,1 + -,1 * INDIEN -,4 *** -,2 ***,4 ***,3 *** -,12 **,8 *** IRAK -, * -, **,8 ***,11 ***,19 *** IRAN -,1 * -, +,2 ***,1 *,7 ***,15 *** KINA, +,1 ***,2 ***,1 *** -,8 ***,4 ** LIBANON,3 **,3 +,13 ***,18 *** PAKISTAN, +,1 *** -,4 *** -,9 ** -,7 * SYRIEN,1 *,1 ***,2 ***,2 **,7 ***,12 *** THAILAND -,5 *** -,7 ***,6 *** OCEANIA -,1 *** -, *** -,5 * FILIPPINERNE -,1 ** -,6 *** -,8 ***,2 *** -,7 *** MISS_LAND,5 **, *** PARSAMMENLAND, **,1 ***, **,1 *,1 ** PAREFTERKOMMER -, ***,1 **,1 *** -,1 + PARINDVANDRER -, *** -, + YSM1_3 -,2 *** -,17 *** -,31 *** -,11 *** YSM4_6 -,12 ***,3 *** -,24 *** YSM7_,2 ***,1 *** -,9 ***,5 *** -,11 ***,8 *** YSM11_15,2 ***,2 *** -,4 ***,5 ***,13 *** YSM16_2,2 ***,3 ***,6 ***,7 ***,2 *** YSM21_,3 ***,2 ***,4 ***, ***,17 ***,34 *** ERHOPHOLD -,6 *** -,5 *** -, *** -,11 *** -,27 *** -,34 *** STUDOPHOLD -,6 *** -,5 *** -,26 *** -,42 *** FAMOPHOLD -,1 ** -,5 *** -,13 *** -,11 *** -,32 *** -,35 *** ASYLOPHOLD -,6 *** -,3 *** -,18 *** -,17 *** -,43 *** -,46 *** FAMSAMMEN -,1 * -,3 *** -,18 *** -,12 *** -,41 *** -,45 *** FAMSAMMENDK -, *** -,7 *** -,12 *** -,14 *** -,36 *** -,39 *** PERMOPHOLD -,1 *** MISS_OPHOLD -,1 ** -,1 *** -,8 *** -,8 *** -,23 *** -,27 *** TOTSENGE1 -,1 *** -,1 *** -,1 *** -,1 *** -, * TOTSENGE2_3 -,1 *** -,1 *** -,1 *** -,1 *** -, +,1 *** TOTSENGE4_7 -,2 *** -,1 *** -,2 *** -,1 ***,1 ** TOTSENGE8_14 -,2 *** -,1 *** -,2 *** -,1 ***,1 *** TOTSENGE15_28 -,1 + -,1 **,2 ***,3 *** TOTSENGE29_,1 **,1 *,6 ***,6 ***,6 ***,8 *** ALMENLAGEKONT, ***, ***, ***, ***, *** SPECLAGEKONT, ***, ***, ***, ***, ***, *** DIAGNOSE_1 -, + -,1 *** -,1 *** DIAGNOSE_2 -,1 *** -,1 *** -,1 *** -,2 *** DIAGNOSE_3,1 **,1 * DIAGNOSE_4,1 ***,1 *** -,1 ** -, + -,1 *** DIAGNOSE_5,1 +,1 * -,1 ** -,2 *** DIAGNOSE_6, ***,6 ***,6 ***,9 ***,4 ***,5 *** DIAGNOSE_7,4 ***,4 ***,1 **,1 +,1 + DIAGNOSE_8,2 ***,2 ***,2 ***,2 ***,1 **,1 + 1

172 DIAGNOSE_9, *, +, + -, * -,1 ** DIAGNOSE_,1 ***,1 ** DIAGNOSE_11, *,1 ***,1 *** DIAGNOSE_12 -, *** -,1 * -,1 * DIAGNOSE_13 -,1 *** -, *** -, **,1 ***,1 ***,1 *** DIAGNOSE_14 -, +, * -,1 ***,1 * -, + DIAGNOSE_15 -,1 *** -,5 *** DIAGNOSE_16 -, ** -,3 * -,11 *** DIAGNOSE_17,5 ***,4 ***,6 ***,5 ***,2 **,3 *** DIAGNOSE_18 -, ***,2 ***,1 ***,1 ***,1 *** DIAGNOSE_19 -, *** -, * -,1 *** -, *** -,1 *** -,1 *** DIAGNOSE_21 -, *** -,1 *** -,1 *** -,1 *** -, + RBES1_2, ***, ***,1 ***,2 ***,1 *** RBES3_5,1 ***,1 ***,1 ***,3 ***,2 ***,1 *** RBES6_9,2 ***,1 ***,2 ***,4 ***,3 ***,3 *** RBES_,3 ***,2 ***,6 ***,7 ***,6 ***,6 *** PSYKYD1_2,4 ***,2 ***,7 ***,8 *** PSYKYD3_5,1 ***,4 ***,2 ***,7 ***,7 *** PSYKYD6_9,1 ***, +,5 ***,4 ***,9 ***,9 *** PSYKYD_,5 ***,3 ***,17 ***,14 ***,15 ***,15 *** DIAGF_2 -,3 *** -,3 *** -,1 ** -,2 **,1 + -,3 *** DIAGF_3,12 ***,14 ***,21 ***,2 ***,6 ***,4 *** DIAGF_4 -,1 + -, + -,1 +,4 ***,4 ***,4 *** DIAGF_5 -,2 *** -,1 ***,1 ***,2 ***,1 *** DIAGF_1og6_11,3 ***,2 ***,4 ***,3 ***,2 ***,2 *** P_SKOLE,92 ***,7 ***,45 *** 1,1 *** P_GYMNASIET -,55 *** -1,92 *** -,79 + P_EUDHOVED -,31 *** -,14 **,55 ***,31 +,38 + P_MVUDD,46 ***,24 ***,27 ***,6 ***,45 ** 1,2 *** P_LVUDD,4 ***,24 * P_ANSAT_BRANCH_A -,37 *** -,7 *** P_ANSAT_BRANCH_C,23 *** -,6 **,52 ***,8 ***,72 ***,83 *** P_ANSAT_BRANCH_D -,8 *** P_ANSAT_BRANCH_F 1, ***,46 ** 1,23 *** 1,29 *** 2,71 *** P_ANSAT_BRANCH_G -,17 ***,35 ***,53 ** P_ANSAT_BRANCH_H,12 ** -,14 * 1,1 ***,76 ***,81 *** P_ANSAT_BRANCH_I,5 *** -,32 ***,15 **,7 ***,62 ***,65 *** P_ANSAT_BRANCH_J 1,39 ***,88 **,58 *,74 ** P_ANSAT_BRANCH_K,84 ***,33 ***,4 + 1,26 ***,96 *** 2,22 *** P_ANSAT_BRANCH_L,22 ***,34 +,59 *** P_ANSAT_BRANCH_M,53 *** -,19 ***,97 *** 1,1 *** 2,1 *** P_ANSAT_BRANCH_N,3 ***,38 ***,67 ***,6 **,46 **,8 *** P_ANSAT_BRANCH_O -,13 ***,5 *,4 *** -,99 *** P_ANSAT_BRANCH_P,13 ** -,45 ***,61 ***,32 *,49 *** P_ANSAT_BRANCH_Q,4 +,33 ***,54 ***,61 ***,46 *** P_INDVANDRER -,13 *** -,14 *** -,56 *** -,8 *** -,59 *** -,97 *** P_ASIA_AGG -,35 *** -,12 + -,36 * -,82 ** -,39 + -,87 *** P_JOBOMSAET,9 *** -,8 *** -,16 *** 2

173 P_NYESTILLINGER,3 ***,19 ***,44 **,38 ***,49 *** 1,2 *** P_ALDERGRUPPE1 -,29 ***,47 ***,83 *** -,7 *** P_ALDERGRUPPE3 -,16 ***,22 *** -,41 *** -,2 + ALDER17 -,29 *** -,1 *** ALDER18 -,28 *** -, *** ALDER19 -,28 *** ALDER2 -,18 ***,7 *** ALDER21 -,18 ***,8 *** ALDER22 -,17 ***,9 *** ALDER23 -,8 ***,17 *** ALDER24 -,8 ***,18 *** ALDER25 -,8 ***,19 *** ALDER26 -,7 ***,19 *** ALDER27 -,6 ***,2 *** ALDER28 -,1 ***,26 *** ALDER29,26 *** ALDER3 -,45 *** -,51 *** ALDER31 -,45 *** -,51 *** ALDER32 -,45 *** -,5 *** ALDER33 -,37 *** -,43 *** ALDER34 -,37 *** -,42 *** ALDER35 -,37 *** -,42 *** ALDER36 -,37 *** -,42 *** ALDER37 -,37 *** -,42 *** ALDER38 -,29 *** -,32 *** ALDER39 -,29 *** -,31 *** ALDER4 -,29 *** -,31 *** ALDER41 -,29 *** -,3 *** ALDER42 -,29 *** -,31 *** ALDER43 -,13 *** -,13 *** ALDER44 -,13 *** -,13 *** ALDER45 -,13 *** -,13 *** ALDER46 -,13 *** -,13 *** ALDER47 -,12 *** -,13 *** ALDER49 -,6 *** -,2 *** ALDER5 -,31 *** -,37 *** ALDER51 -,32 *** -,37 *** ALDER52 -,31 *** -,36 *** ALDER53 -,13 *** -,16 *** ALDER54 -,19 *** -,2 *** ALDER55 -,19 *** -,2 *** ALDER56 -,18 *** -,2 *** ALDER57 -,17 *** -,19 *** ALDER58,5 *** ALDER59 -,2 *** -,3 *** ALDER6 -,2 *** -,3 *** ALDER61 -,1 *** -,5 *** ALDER62 -,2 *** 3

174 ALDER63,1 ** -,1 *** ALDER64 -,11 *** -,19 *** BYHJEMFORÆLDRE -,1 *** BYALENE -,2 *** -,1 +,1 ** BYBOIKKEMEDFAM,2 *** BYSAMBOENDE -, + -,1 * BYPERSONFAM2, *,3 ***,1 ** BYPERSONFAM3,3 ***,2 ** BYPERSONFAM4,3 ***,2 ** BYPERSONFAM5_, **,3 ***,1 ** BYHAVEBARN_2,1 ***, +, **,2 *** BYHAVEBARN3_6, +,1 ***, ***,1 *** BYHAVEBARN7_12,1 **, ***, ** BYHAVEBARN13_17 -,1 *** BYALMENEBOLIG -,2 *** BYANPARTBOLIG,1 *** BYLEJEBOLIG, **,1 ***,1 *** -,1 + BYEJEBOLIG,1 ** BYPARCELHUS, + -,2 *** -,1 ** -,1 * BYRÆKKEHUS -,1 *** -,1 * -,2 *** -,1 + BYETAGEBOLIG, * -,1 ** BYNYIKOMMUNE,1 ***,1 ***,2 ***,2 ***,2 **,2 * BYFORÆLDREPROBUNG,1 **,1 + -,1 + BYERTEENAGEFORÆLDRE,1 +,1 +,2 ***,1 *, + BYANBRINGELSE -,1 +,1 ** -,2 ** -,2 ** BYUNGEFORANS,1 ** -,1 + BYMISS_FARINFO,1 *,2 *** BYMISS_MORINFO,3 ***,2 **,2 ** -, + -,1 ** BYAFGØRELSE,2 ***,5 * BYFÆNGSEL, +,2 ** -,4 * BYALMENGYMFALD, +, **, *, + BYERHVEGYMFALD -, +, +, + BYERHVEUDDFALD,2 ***,1 ***,1 *** BYKORTVUFALD -,2 *** BYBACHVUFALD -, *** BYLANGVUFALD,1 ** BYMISS_UDD,1 + BYGODIENGELSK, * BYSTUDENT,1 ***,1 ***,3 ***,4 ***,4 ***,5 *** BYSKOLE -,1 *** -,2 *** -, + BYGYMNASIET, **,1 *** BYHF,1 ** BYHHX -, * -,2 *** BYEUDBYGGE,1 *** BYEUDGRAFI,1 * BYEUDHANDEL,1 *** -,1 *** -, * BYEUDJERN,1 ***, ** -, + BYEUDJORBFISK,2 ***,2 ***,2 + 4

175 BYEUDHUSHOLD -,1 ** BYEUDSERVICE,1 * -,1 * -,2 *** -,3 *** BYEUDTEKNIK -,1 + BYEUDTRANSPORT, + BYKVUDD,1 ***, *,1 *** -, +,1 ** BYKVUHUSHOLD -,3 ** BYKVUSUNDHED -,2 ** BYKVUTEKNISK -,1 ** BYMVUDD,1 ***,1 ***, +,1 * BYMVUKUNST,1 + BYMVUHUSHOLD,1 * BYMVUPÆDAGO -,1 + BYMVUSAMFUND, * BYMVUSUNDHED -,1 *** -,1 + BYBAERHVSPROG -, *** BYBASUNDHED -,4 ** BYBAUNA,4 + BYLVUDD,1 ***,1 **, +,1 ** BYLVUFOSVAR,2 *** BYLVUKANUNA,5 *** BYLVUKUNST -,2 *** BYLVUSUNDHED -, * -,1 + -,1 + BYPARSTUDENT,1 ** BYPARSKOLE -,1 ** BYPARGYMNAGRUP -,1 *** BYPARERVHGYMAGRUP -,1 *** -, + -,1 ** BYPAREUDHOVED -,1 *** BYPARKVUDD -,1 *** BYPARMVUDD -,1 *** -, + BYPARBACHELOR -,1 ***,1 + BYPARLVUDD -,1 ** -, +,1 *** BYPARFORSKER,1 ***,2 * BYFARSKOLE, ** BYFARMVUDD -, * BYFARBACHELOR,1 ***,1 *** BYFARLVUDD -, * -, + BYFARFORSKER,1 *** BYMORGYMNAGRUP,1 ** BYMOREUDHOVED, + BYMORFORSKER -,1 * -,1 + BYSTUDENT17_19,3 ***,2 **,1 ** -, ** BYSTUDENT2_24,6 ***,5 ***,3 *** -, +,2 ** BYSTUDENT25_29,4 ***,3 ***,3 ***,2 *,4 *** BYSTUDENT3_34,4 ***,3 ** -,2 * BYSTUDENT35_39,5 ***,5 *** -,2 *** BYSTUDENT4_44,6 **,7 ** BYSTUDENT45_49,6 **,9 ** BYSTUDENT5_54,5 * 5

176 BYSTUDENT55_59, +,13 *** BYSELV17_19,4 ***,2 + BYSELV2_24,6 ***,6 ***,4 ***,4 *** BYSELV25_29,3 ***,2 **,3 **,2 *,2 *** BYSELV3_34,5 ***,5 *** -,2 ** BYSELV4_44,4 **,7 ** BYSELV45_49,3 **,1 *,4 *,4 ** BYSELV5_54,4 ***,2 + BYSELV55_59,4 **,1 * BYLØNMODTAGE17_19,4 ***,2 *,2 ** BYLØNMODTAGE2_24,5 ***,4 ***,3 ***,2 **,1 ** BYLØNMODTAGE25_29,3 ***,3 ***,3 ***,2 **,3 *** BYLØNMODTAGE3_34,3 **,3 *** -,1 ** BYLØNMODTAGE35_39,3 ***,4 *** BYLØNMODTAGE4_44,3 *,4 ** -,1 + BYLØNMODTAGE45_49,3 **,1 ***,4 **,2 + BYLØNMODTAGE5_54,3 **,3 ** BYLØNMODTAGE55_59,5 ***,1 ** BYNORDIC,4 ***,5 *** BYEULAND,4 ***,5 *** BYSTORBRITANNIEN,3 ***,3 ** BYTYSKLAND,3 *** BYNYEULAND,2 ** BYRUMÆNIEN,1 *,1 * -,1 * BYJUGOSLAVIEN -,6 ** BYBOSNIEN -,3 + BYBALTIC -,1 + -,1 * BYAFRIKA_AGG -,2 * -,3 * BYMAROKKO -,4 *** BYSOMALIA,3 + BYAFRIKA -,1 + BYNORDAMERIKA,3 *,5 *** BYASIA_AGG,1 * BYAFGHANISTAN,11 *** BYINDIEN,3 ***,2 *** -,2 *,12 ** BYIRAK,3 * BYLIBANON,4 **,3 + BYPAKISTAN,6 + BYTHAILAND,2 * BYOCEANIA,4 ** BYFILIPPINERNE,4 ***,4 ** BYPARSAMMENLAND -,1 ***,1 *** BYPAREFTERKOMMER -,1 *** BYPARINDVANDRER,2 *** BYYSM1_3,2 ***,7 ***,7 *,5 *** BYYSM4_6,7 ***,6 ** BYYSM7_ -,2 ***,5 ** BYYSM11_15 -,1 + -,1 **,2 * 6

177 BYYSM16_2 -,1 + -,1 ** BYYSM21_ -,1 * -,1 *** -,5 *** -,4 *** BYERHOPHOLD,2 **,1 ***,3 **,3 + BYSTUDOPHOLD -,2 *** -,2 ***,14 + BYFAMOPHOLD,2 ***,2 *,3 **,3 + BYASYLOPHOLD,3 ***,1 **,2 **,2 * BYFAMSAMMEN,1 *,3 + BYFAMSAMMENDK,6 ***,3 ***,2 *,4 + BYMISS_OPHOLD,1 +,2 **,3 *** BYTOTSENGE1, ***, +, ** -, + BYTOTSENGE2_3,1 ***, * BYTOTSENGE4_7,1 ***, ***, **,1 * BYTOTSENGE15_28 -,1 + -,1 ** BYALMENLÆGEKONT -, *** -, ***, *** BYSPECLÆGEKONT -, *** -, *** -, + -, *** -, ** -, *** BYDIAGNOSE_2 -,1 + BYDIAGNOSE_4 -,1 + BYDIAGNOSE_6 -,1 +,1 **,2 ***,3 *** BYDIAGNOSE_7,2 ***,1 * BYDIAGNOSE_9,1 *** BYDIAGNOSE_12 -,1 *** BYDIAGNOSE_13,1 *** BYDIAGNOSE_14,1 *** BYDIAGNOSE_15,2 *** BYDIAGNOSE_17 -,1 + -,3 *** -,3 ** BYDIAGNOSE_18 -,1 *** -,1 *** BYDIAGNOSE_19,1 ***, + BYDIAGNOSE_21,1 *** BYRBES1_2 -,1 ** BYRBES3_5 -,1 *** -,1 *** BYRBES6_9 -,2 *** -,1 *** -,1 *** BYRBES_ -,2 *** -,3 *** -,1 *** -,2 *** BYPSYKYD1_2 -,2 * -,2 * BYPSYKYD3_5 -,2 + BYPSYKYD6_9 -,2 ** -,3 + -,3 *** BYPSYKYD_ -,1 * -,1 ** -,3 *** -,6 *** -,2 ** -,2 ** BYDIAGF_3 -,4 ** -,6 ***,6 **,5 ** BYDIAGF_4 -,1 + BYDIAGF_5,1 + -,1 + BYDIAGF_1og6_11 -,1 ** -,1 + -,2 **,1 + BYP_SKOLE -,21 ***,24 +,25 * BYP_LVUDD -,24 + BYP_ANSAT_BRANCH_C,44 ** -1,8 *** -1,93 *** -1,72 *** -1,8 *** -,67 * BYP_JOBOMSÆT,59 *** BYALDER17,3 ***, *** BYALDER18,3 ***, *** BYALDER19,3 ***, *** BYALDER2,8 *** 7

178 BYALDER21,8 *** BYALDER22,8 *** BYALDER23 -,4 ***,4 *** BYALDER24 -,4 ***,4 *** BYALDER25 -,4 ***,3 *** BYALDER26 -,5 ***,3 *** BYALDER27 -,5 ***,2 *** BYALDER28 -,7 *** BYALDER29 -,8 *** BYALDER3,11 **,9 ** BYALDER31,11 **,9 ** BYALDER32,11 **,9 ** BYALDER33,9 ***,7 ** BYALDER34,8 **,7 ** BYALDER35,8 **,7 ** BYALDER36,8 **,6 ** BYALDER37,8 **,6 ** BYALDER38,6 **,3 ** BYALDER39,5 **,3 + BYALDER4,5 **,3 * BYALDER41,5 **,3 + BYALDER42,5 *,4 ** BYALDER43,3 ** BYALDER44,2 ** BYALDER45,2 **,1 ** BYALDER46,2 *, + BYALDER47,2 * BYALDER49,1 ** BYALDER5,6 ***,3 ** BYALDER51,6 ***,3 ** BYALDER52,6 ***,2 * BYALDER53,3 ** BYALDER54,5 *** BYALDER55,5 *** BYALDER56,5 ***, + BYALDER57,5 *** BYALDER59,3 *** BYALDER6,3 *** BYALDER61,3 ***,1 * BYALDER62,3 *** BYALDER63,2 ** BYALDER64,3 ***,4 *** Observationer Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 8

179 5.3 Variables forklaringskraft Tallene i tabel viser, hvordan forklaringskraften (R 2 -tilpasset) falder for hver model, når vi ekskluder diverse variabelgrupper. Jo højere værdi, jo mere forklaringskraft har den variabelgruppe. Eksempelvis viser tabel 5.5, at familie og bopæl for mænd mellem 3-49 i modellen for arbejdsløshedsdagpenge har en forklaringskraft på,25 pct., hvilket er større en forklaringskraften for de variable, der beskriver udsathed (som har en forklaringskraft på,2 pct.). Tabel 5.5 Variables forklaringskraft i modellerne for arbejdsløshedsdagpenge (pct.). Tema Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år Familie og bopæl,13,1,25,27,,8 Udsathed,,,,2,, Uddannelse,26,323,86,14,26,69 Socioøkonomisk status,58,69,32,42,43,6 Indvandring,42,54,62,49,15,9 Sundhed,4,7,15,13,9,8 Pendlingsområde,1,15,9,5,15,4 Alder,34,3,4,5,27,35 Tabel 5.6 Variables forklaringskraft i modellerne for kontanthjælp (pct.). Tema Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år Familie og bopæl,52,73,53,95,94,7 Udsathed,73,89,4,7,23,25 Uddannelse,14,224,53,6,1,16 Socioøkonomisk status,127,3,265,19,22,127 Indvandring,6,679,944,662,415,46 Sundhed,29,26,9,5,79,37 Pendlingsområde,12,12,4,56,8,8 Alder,47,43,62,29,3,22 Tabel 5.7 Variables forklaringskraft i modellerne for sygedagpenge (pct.). Tema Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år Familie og bopæl,3,7,7,8,5,4 Udsathed,2,,3,,2,2 Uddannelse,28,49,2,29,23,18 Socioøkonomisk status,27,22,32,33,92,126 Indvandring,3,2,7,7,6,6 Sundhed,244,186,437,416,446,373 Pendlingsområde,4,4,5,5,4,4 Alder,3,5,13,17,26,45 9

180 Tabel 5.8 Variables forklaringskraft i modellerne for førtidspension mv. (pct.). Tema Mænd år Kvinder år Mænd 3-49 år Kvinder 3-49 år Mænd 5-64 år Kvinder 5-64 år Familie og bopæl,72,9,57,6,37,25 Udsathed,93,83,3,17,4,8 Uddannelse,226,228,66,86,37,3 Socioøkonomisk status,447,34,13,917,1753,1632 Indvandring,32,3,89,4,162,119 Sundhed,555,5,663,66,332,34 Pendlingsområde,,33,63,185,122,284 Alder,49,493,422,487,235,23 1

181 5.4 Ændringer i rangorden fra 211 til 216 Figur 5.1 Forandringer i rangorden i forhold til kommuner, der i 211 var placeret i midten (værdi mellem 25 og 75), men i 216 er placeret i de yderste kvartiler for arbejdsløshedsdagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 111

182 Figur 5.2 Forandringer i rangorden i forhold til kommuner, der i 211 var placeret i midten (værdi mellem 25 og 75), men i 216 er placeret i de yderste kvartiler for kontanthjælp mv. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 112

183 Figur 5.3 Forandringer i rangorden i forhold til kommuner, der i 211 var placeret i midten (værdi mellem 25 og 75), men i 216 er placeret i de yderste kvartiler for sygedagpenge. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 113

184 Figur 5.4 Forandringer i rangorden i forhold til kommuner, der i 211 var placeret i midten (værdi mellem 25 og 75), men i 216 er placeret i de yderste kvartiler for førtidspension mv. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 114

185 Figur 5.5 Forandringer i rangorden i forhold til kommuner, der i 211 var placeret i midten (værdi mellem 25 og 75), men i 216 er placeret i de yderste kvartiler for alle ydelser. Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 115

186 5.5 Jobcentrenes rangorden Tabel 5.9 Den gennemsnitlige observerede og forventede andel af året for hvert jobcenter, difference mellem observeret og forventet værdi (pct.) samt rangordning af jobcentrene efter forventet værdi på ydelseskategorien arbejdsløshedsdagpenge (pct.). Rang Jobcenter Observeret Forventet Difference 1 København 2,92 2,94 -,2 2 Odense 2,86 2,94 -,8 3 Aalborg 2,96 2,88,8 4 Frederikshavn/Læsø 2,7 2,73 -,3 5 Frederiksberg 2,5 2,7 -,2 6 Brøndby 2,78 2,68, 7 Ishøj/Vallensbæk 3,11 2,64,47 8 Aarhus 2,58 2,62 -,4 9 Albertslund 2,76 2,53,23 Hjørring 2,53 2,5,3 11 Høje Taastrup 2,56 2,38,18 12 Svendborg 2,31 2,33 -,2 13 Vesthimmerland 2,16 2,32 -,16 14 Mariagerfjord 2,15 2,31 -,16 15 Glostrup 2,44 2,29,15 16 Nyborg 2,19 2,28 -,9 17 Rødovre 2,28 2,26,2 18 Hvidovre 2,32 2,25,7 19 Bornholm/Christiansø 2,27 2,25,2 2 Kerteminde 2,45 2,25,2 21 Randers 2,25 2,25, 22 Assens 2,26 2,23,3 23 Faaborg-Midtfyn 2,4 2,23,17 24 Brønderslev 2,29 2,22,7 25 Rebild 1,86 2,21 -,35 26 Norddjurs 2,38 2,19,19 27 Herlev 2,12 2,18 -,6 28 Nordfyns 2,36 2,18,18 29 Ballerup 2,7 2,16 -,9 3 Jammerbugt 2,25 2,15, 31 Gladsaxe 1,95 2,14 -,19 32 Ringsted 2,17 2,14,3 33 Horsens 2,19 2,13,6 34 Langeland 2,2 2,12,8 35 Slagelse 2,17 2,11,6 36 Lolland 2,7 2,8 -,1 37 Næstved 2,8 2,8, 38 Fredericia 2,17 2,7, 39 Kolding 2,6 2,4,2 4 Esbjerg/Fanø 2,11 2,2,9 41 Faxe 2,3 2,,3 116

187 42 Syddjurs 1,84 2, -,16 43 Herning 1,88 1,98 -, 44 Holbæk 1,84 1,96 -,12 45 Vordingborg 1,95 1,96 -,1 46 Aabenraa 1,94 1,95 -,1 47 Vejle 1,98 1,94,4 48 Køge 1,93 1,93, 49 Guldborgsund 1,92 1,93 -,1 5 Haderslev 1,92 1,9,2 51 Ikast-Brande 2,12 1,89,23 52 Holstebro 1,78 1,88 -, 53 Viborg 1,88 1,88, 54 Fredensborg 1,82 1,87 -,5 55 Greve 1,91 1,87,4 56 Sønderborg 1,89 1,87,2 57 Dragør/Tårnby 1,88 1,86,2 58 Helsingør 1,84 1,86 -,2 59 Kalundborg 1,72 1,83 -,11 6 Silkeborg 2,2 1,83,19 61 Lyngby-Taarbæk 1,76 1,82 -,6 62 Sorø 1,93 1,82,11 63 Billund 1,61 1,82 -,21 64 Tønder 1,8 1,82 -,2 65 Vejen 1,78 1,82 -,4 66 Struer 2,2 1,81,21 67 Roskilde 1,93 1,8,13 68 Hedensted 1,62 1,79 -,17 69 Varde 1,58 1,77 -,19 7 Furesø 1,54 1,73 -,19 71 Odder 1,58 1,73 -,15 72 Skive 1,73 1,73, 73 Odsherred 1,9 1,72,18 74 Lemvig 1,73 1,71,2 75 Gentofte 1,63 1,7 -,7 76 Halsnæs 1,92 1,69,23 77 Middelfart 1,56 1,69 -,13 78 Thisted 1,67 1,69 -,2 79 Hillerød 1,6 1,68 -,8 8 Skanderborg 1,49 1,67 -,18 81 Ærø 1,62 1,65 -,3 82 Frederikssund 1,72 1,64,8 83 Morsø 1,64 1,64, 84 Solrød 1,68 1,62,6 85 Favrskov 1,76 1,62,14 86 Samsø 2,28 1,62,66 87 Stevns 1,73 1,6,13 88 Ringkøbing_Skjern 1,52 1,53 -,1 89 Rudersdal 1,46 1,52 -,6 117

188 9 Egedal 1,54 1,52,2 91 Gribskov 1,69 1,52,17 92 Lejre 1,58 1,47,11 93 Hørsholm 1,41 1,46 -,5 94 Allerød 1,32 1,41 -,9 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 5. Den gennemsnitlige observerede og forventede andel af året for hvert jobcenter, difference mellem observeret og forventet værdi (pct.) samt rangordning af jobcentrene efter forventet værdi på ydelseskategorien kontanthjælp mv. (pct.). Rang Jobcenter Observeret Forventet Difference 1 Lolland 7,2 7,17,3 2 Brøndby 6,24 6,31 -,7 3 Albertslund 5,52 5,93 -,41 4 Guldborgsund 5,77 5,7,7 5 Slagelse 5,91 5,5,41 6 Odense 5,51 5,18,33 7 Kalundborg 5,25 5,16,9 8 Vordingborg 5,4 5,12,28 9 Ballerup 3,88 5,8-1,2 Odsherred 5,32 5,2,3 11 Nyborg 4,8 4,98 -,9 12 Fredericia 5,78 4,98,8 13 Svendborg 4,94 4,98 -,4 14 Holbæk 4,68 4,84 -,16 15 Høje Taastrup 4,93 4,79,14 16 Herlev 4,15 4,77 -,62 17 Langeland 5,7 4,75,32 18 Ishøj/Vallensbæk 4,28 4,73 -,45 19 Rødovre 4,63 4,72 -,9 2 Haderslev 5,19 4,71,48 21 Esbjerg/Fanø 4,74 4,69,5 22 Næstved 4,44 4,68 -,24 23 Randers 4,62 4,65 -,3 24 Brønderslev 4,4 4,6 -,2 25 Glostrup 4,67 4,6,7 26 Kerteminde 4,34 4,58 -,24 27 Ringsted 3,95 4,56 -,61 28 Helsingør 4,88 4,54,34 29 Norddjurs 4,5 4,5, 3 Vesthimmerland 4,21 4,49 -,28 31 København 4,98 4,48,5 32 Assens 4,47 4,44,3 33 Sorø 3,97 4,42 -,45 34 Jammerbugt 4,13 4,42 -,29 35 Faxe 4,6 4,42,18 118

189 36 Hvidovre 3,99 4,42 -,43 37 Faaborg-Midtfyn 3,59 4,41 -,82 38 Bornholm/Christiansø 4,31 4,4 -,9 39 Sønderborg 4,44 4,4,4 4 Mariagerfjord 4,49 4,38,11 41 Aalborg 4,52 4,34,18 42 Nordfyns 4,12 4,28 -,16 43 Tønder 4,26 4,28 -,2 44 Halsnæs 4,28 4,2,8 45 Køge 4,23 4,2,3 46 Horsens 4,45 4,19,26 47 Kolding 3,99 4,18 -,19 48 Aarhus 3,96 4,14 -,18 49 Gladsaxe 3,41 4,12 -,71 5 Aabenraa 4,11 4,,1 51 Struer 4,4 4,7 -,3 52 Frederikshavn/Læsø 4,9 4,3,6 53 Vejen 3,9 4, -, 54 Morsø 3,59 3,94 -,35 55 Vejle 3,77 3,86 -,9 56 Thisted 3,84 3,74, 57 Hjørring 3,75 3,73,2 58 Herning 3,63 3,69 -,6 59 Fredensborg 3,21 3,65 -,44 6 Middelfart 3,18 3,61 -,43 61 Varde 3,62 3,61,1 62 Frederikssund 3,88 3,59,29 63 Viborg 3,53 3,57 -,4 64 Stevns 4,66 3,57 1,9 65 Billund 2,93 3,55 -,62 66 Dragør/Tårnby 3,28 3,54 -,26 67 Roskilde 3,5 3,53 -,3 68 Odder 3,29 3,51 -,22 69 Gribskov 3,64 3,5,14 7 Syddjurs 3,45 3,49 -,4 71 Holstebro 3,43 3,43, 72 Silkeborg 4,12 3,43,69 73 Hillerød 3,17 3,37 -,2 74 Greve 2,73 3,36 -,63 75 Frederiksberg 2,55 3,33 -,78 76 Ikast-Brande 3,41 3,32,9 77 Ringkøbing_Skjern 3,22 3,22, 78 Hedensted 2,59 3,16 -,57 79 Samsø 2,96 3,14 -,18 8 Ærø 2,91 3,9 -,18 81 Lejre 2,59 3,8 -,49 82 Rebild 2,78 3,6 -,28 83 Furesø 2,96 3,2 -,6 119

190 84 Skive 3, 3,, 85 Solrød 2,63 2,87 -,24 86 Lemvig 2,85 2,86 -,1 87 Lyngby-Taarbæk 2,27 2,75 -,48 88 Hørsholm 2,61 2,66 -,5 89 Favrskov 2,63 2,61,2 9 Rudersdal 2,24 2,61 -,37 91 Skanderborg 2,52 2,44,8 92 Gentofte 2,21 2,39 -,18 93 Allerød 2,1 2,22 -,21 94 Egedal 2,1 2,9 -,8 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 5.11 Den gennemsnitlige observerede og forventede andel af året for hvert jobcenter, difference mellem observeret og forventet værdi (pct.) samt rangordning af jobcentrene efter forventet værdi på ydelseskategorien sygedagpenge (pct.). Rang Jobcenter Observeret Forventet Difference 1 Norddjurs 2,79 2,85 -,6 2 Syddjurs 2,81 2,78,3 3 Lemvig 2,72 2,72, 4 Guldborgsund 2,75 2,71,4 5 Hedensted 2,59 2,7 -,11 6 Nordfyns 2,49 2,67 -,18 7 Tønder 2,62 2,65 -,3 8 Horsens 2,69 2,6,9 9 Randers 2,57 2,59 -,2 Ringkøbing_Skjern 2,56 2,58 -,2 11 Kerteminde 2,67 2,56,11 12 Vejen 2,38 2,56 -,18 13 Hjørring 2,61 2,56,5 14 Assens 2,55 2,55, 15 Morsø 2,43 2,55 -,12 16 Viborg 2,54 2,54, 17 Ikast-Brande 2,81 2,54,27 18 Faaborg-Midtfyn 2,63 2,53, 19 Thisted 2,71 2,5,21 2 Haderslev 2,61 2,47,14 21 Silkeborg 2,54 2,47,7 22 Skive 2,54 2,47,7 23 Struer 2,34 2,46 -,12 24 Nyborg 2,38 2,45 -,7 25 Vesthimmerland 2,5 2,45,5 26 Fredericia 2,54 2,44, 27 Herning 2,28 2,43 -,15 28 Faxe 2,39 2,42 -,3 29 Langeland 2,51 2,41, 12

191 3 Odder 2,56 2,41,15 31 Favrskov 2, 2,41 -,31 32 Kolding 2,38 2,39 -,1 33 Næstved 2,45 2,38,7 34 Bornholm/Christiansø 2,27 2,37 -, 35 Frederikshavn/Læsø 2,41 2,36,5 36 Billund 2,41 2,36,5 37 Samsø 2,12 2,36 -,24 38 Mariagerfjord 2,34 2,35 -,1 39 Vordingborg 2,11 2,34 -,23 4 Skanderborg 2,45 2,34,11 41 Rebild 2,53 2,32,21 42 Brønderslev 2,61 2,31,3 43 Middelfart 2,33 2,31,2 44 Frederikssund 2,45 2,31,14 45 Aabenraa 2,28 2,3 -,2 46 Lolland 2,29 2,28,1 47 Brøndby 2,2 2,28 -,26 48 Køge 2,45 2,28,17 49 Jammerbugt 2,36 2,27,9 5 Svendborg 2,27 2,26,1 51 Ishøj/Vallensbæk 2,7 2,26 -,19 52 Sorø 2,48 2,26,22 53 Halsnæs 2,34 2,26,8 54 Ringsted 2,27 2,25,2 55 Holstebro 2,28 2,25,3 56 Holbæk 2,3 2,23,7 57 Sønderborg 2,16 2,23 -,7 58 Albertslund 2,58 2,21,37 59 Vejle 2,16 2,21 -,5 6 Gribskov 2,41 2,2,21 61 Odense 2,21 2,19,2 62 Helsingør 2, 2,19 -,19 63 Stevns 1,88 2,19 -,31 64 Solrød 2,26 2,18,8 65 Slagelse 1,9 2,17 -,27 66 Hvidovre 2,46 2,17,29 67 Ballerup 2,59 2,16,43 68 Høje Taastrup 2, 2,16 -,6 69 Herlev 2,15 2,16 -,1 7 Kalundborg 2,3 2,15,15 71 Odsherred 2,16 2,15,1 72 Greve 2,38 2,15,23 73 Esbjerg/Fanø 1,99 2,13 -,14 74 Rødovre 2,5 2,11 -,6 75 Glostrup 2, 2,, 76 Varde 2,41 2,8,33 77 Lejre 1,92 2,7 -,15 121

192 78 Dragør/Tårnby 2,25 2,6,19 79 Hillerød 2, 1,99,1 8 Aalborg 1,85 1,98 -,13 81 Fredensborg 1,74 1,95 -,21 82 Egedal 2,6 1,93,13 83 Aarhus 1,92 1,92, 84 Ærø 1,89 1,92 -,3 85 Roskilde 1,86 1,88 -,2 86 Gladsaxe 1,71 1,87 -,16 87 Furesø 1,57 1,76 -,19 88 Allerød 1,85 1,73,12 89 Hørsholm 1,61 1,64 -,3 9 København 1,57 1,56,1 91 Lyngby-Taarbæk 1,46 1,54 -,8 92 Frederiksberg 1,35 1,53 -,18 93 Rudersdal 1,49 1,5 -,1 94 Gentofte 1,26 1,45 -,19 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 5.12 Den gennemsnitlige observerede og forventede andel af året for hvert jobcenter, difference mellem observeret og forventet værdi (pct.) samt rangordning af jobcentrene efter forventet værdi på ydelseskategorien førtidspension mv. (pct.). Rang Jobcenter Observeret Forventet Difference 1 Lolland 16,2 16,1,1 2 Langeland 15,19 14,36,83 3 Morsø 13,63 13,81 -,18 4 Bornholm/Christiansø 12,73 12,8 -,7 5 Samsø 13,95 12,69 1,26 6 Ærø 12,21 11,95,26 7 Thisted 12,28 11,88,4 8 Odsherred 13,2 11,85 1,17 9 Guldborgsund 12,4 11,84,2 Skive 11,69 11,81 -,12 11 Nyborg 13,53 11,27 2,26 12 Norddjurs 9,96 11,2-1,24 13 Kalundborg 12,17 11,15 1,2 14 Vordingborg 11,38 11,8,3 15 Sønderborg,87 11,3 -,16 16 Frederikshavn/Læsø 11,16,97,19 17 Struer,2,68 -,48 18 Aabenraa,74,6,14 19 Nordfyns,12,47 -,35 2 Randers,42,43 -,1 21 Fredericia 8,96,41-1,45 22 Slagelse 9,15,38-1,23 122

193 23 Ringkøbing_Skjern,52,33,19 24 Hjørring,32,28,4 25 Svendborg 9,97,26 -,29 26 Lemvig,,2 -,2 27 Tønder,22,2,2 28 Assens,17,19 -,2 29 Faaborg-Midtfyn 11,22,18 1,4 3 Viborg,4,14 -, 31 Esbjerg/Fanø 9,4,6 -,66 32 Kerteminde,18,3,15 33 Ikast-Brande 9,6 9,96 -,36 34 Haderslev, 9,88,22 35 Syddjurs,2 9,62,58 36 Horsens 9,47 9,56 -,9 37 Sorø 9,61 9,55,6 38 Herning 9,51 9,51, 39 Odense 8,97 9,46 -,49 4 Næstved 9,54 9,45,9 41 Mariagerfjord 9,41 9,25,16 42 Vesthimmerland,21 9,8 1,13 43 Brønderslev 9,71 9,8,63 44 Vejen 8,96 9,7 -,11 45 Middelfart 9,78 9,7,71 46 Holbæk 9,19 9,3,16 47 Holstebro 9,4 9,,4 48 Brøndby 8,93 8,87,6 49 Jammerbugt,44 8,85 1,59 5 Silkeborg 7,52 8,82-1,3 51 Odder 9,67 8,78,89 52 Billund,47 8,63 1,84 53 Ringsted 8,41 8,61 -,2 54 Faxe 7,92 8,41 -,49 55 Kolding 8,2 8,31 -,11 56 Varde 9,57 8,25 1,32 57 Albertslund 8,2 8,15,5 58 Vejle 8,19 8,15,4 59 Aarhus 8,47 8,8,39 6 Favrskov 7,92 7,97 -,5 61 Hedensted 8,5 7,95,55 62 Skanderborg 7,52 7,9 -,38 63 Herlev 7,5 7,59 -,54 64 Halsnæs 8,9 7,53 1,37 65 Helsingør 7,56 7,52,4 66 Ballerup 8,74 7,47 1,27 67 Aalborg 6,63 7,32 -,69 68 Rebild 7,12 6,84,28 69 Høje Taastrup 6,83 6,83, 7 Rødovre 7,7 6,83,24 123

194 71 Fredensborg 6,73 6,44,29 72 Køge 7,47 6,27 1,2 73 Glostrup 6,34 6,23,11 74 Frederikssund 6,45 6,19,26 75 Hvidovre 6,82 6,15,67 76 Stevns 8,55 6,14 2,41 77 Gribskov 7,4 6,9 1,31 78 Ishøj/Vallensbæk 6,21 6,1,2 79 Gladsaxe 6,57 5,84,73 8 Greve 6,8 5,26 1,54 81 Dragør/Tårnby 5,21 5,16,5 82 Roskilde 5,73 5,9,64 83 København 3,76 5,4-1,28 84 Hillerød 6,33 5,1 1,32 85 Lejre 6,94 4,6 2,34 86 Hørsholm 4,8 4,4 -,32 87 Furesø 5,14 4,36,78 88 Solrød 4,69 4,32,37 89 Lyngby-Taarbæk 4,4 4,1,39 9 Rudersdal 4,5 3,9,15 91 Egedal 4,66 3,81,85 92 Frederiksberg 4,35 3,54,81 93 Gentofte 3,41 3,3,11 94 Allerød 4, 3,18,92 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. Tabel 5.13 Den gennemsnitlige observerede og forventede andel af året for hvert jobcenter, difference mellem observeret og forventet værdi (pct.) samt rangordning af jobcentrene efter forventet værdi på ydelseskategorien alle ydelser (pct.). Rang Jobcenter Observeret Forventet Difference 1 Lolland 27,59 27,54,5 2 Langeland 24,97 23,64 1,33 3 Guldborgsund 22,48 22,18,3 4 Morsø 21,29 21,94 -,65 5 Bornholm/Christiansø 21,58 21,82 -,24 6 Nyborg 22,19 2,99 1,2 7 Odsherred 22,39 2,74 1,65 8 Norddjurs 19,64 2,74-1, 9 Vordingborg 2,84 2,5,34 Kalundborg 21,44 2,29 1,15 11 Slagelse 19,13 2,16-1,3 12 Brøndby 19,97 2,14 -,17 13 Frederikshavn/Læsø 2,36 2,9,27 14 Randers 19,85 19,92 -,7 15 Fredericia 19,46 19,9 -,44 16 Svendborg 19,49 19,83 -,34 124

195 17 Samsø 21,32 19,81 1,51 18 Thisted 2,5 19,81,69 19 Odense 19,54 19,77 -,23 2 Nordfyns 19,8 19,6 -,52 21 Sønderborg 19,36 19,53 -,17 22 Kerteminde 19,64 19,42,22 23 Assens 19,46 19,41,5 24 Faaborg-Midtfyn 19,83 19,35,48 25 Hjørring 19,21 19,7,14 26 Skive 18,95 19,1 -,6 27 Struer 18,6 19,1 -,41 28 Haderslev 19,83 18,97,86 29 Aabenraa 19,7 18,95,12 3 Tønder 18,91 18,94 -,3 31 Esbjerg/Fanø 18,23 18,9 -,67 32 Albertslund 19,6 18,82,24 33 Ærø 18,63 18,61,2 34 Næstved 18,5 18,59 -,9 35 Horsens 18,81 18,48,33 36 Vesthimmerland 19,8 18,35,73 37 Mariagerfjord 18,38 18,28, 38 Brønderslev 19,2 18,2,82 39 Viborg 18, 18,13 -,13 4 Holbæk 18,1 18,6 -,5 41 Sorø 17,99 18,5 -,6 42 Syddjurs 18,3 17,89,41 43 Ikast-Brande 17,95 17,71,24 44 Jammerbugt 19,18 17,69 1,49 45 Ringkøbing_Skjern 17,82 17,66,16 46 Herning 17,3 17,61 -,31 47 Ringsted 16,82 17,56 -,74 48 Lemvig 17,29 17,49 -,2 49 Vejen 17,1 17,44 -,43 5 Faxe 16,95 17,26 -,31 51 Kolding 16,63 16,92 -,29 52 Ballerup 17,27 16,86,41 53 Aarhus 16,93 16,75,18 54 Herlev 15,48 16,71-1,23 55 Middelfart 16,85 16,68,17 56 Holstebro 16,9 16,57,33 57 Silkeborg 16,2 16,55 -,35 58 Aalborg 15,96 16,52 -,56 59 Odder 17,11 16,43,68 6 Billund 17,42 16,36 1,6 61 Vejle 16, 16,16 -,6 62 Høje Taastrup 16,42 16,16,26 63 Helsingør 16,28 16,11,17 64 Rødovre 16,3 15,92,11 125

196 65 Varde 17,18 15,71 1,47 66 Halsnæs 17,43 15,68 1,75 67 Ishøj/Vallensbæk 15,68 15,63,5 68 Hedensted 15,3 15,59 -,29 69 Glostrup 15,55 15,23,32 7 Hvidovre 15,58 14,99,59 71 Køge 16,8 14,68 1,4 72 Favrskov 14,4 14,61 -,21 73 Rebild 14,29 14,44 -,15 74 Skanderborg 13,99 14,35 -,36 75 København 13,24 14,2 -,78 76 Gladsaxe 13,65 13,96 -,31 77 Fredensborg 13,51 13,89 -,38 78 Frederikssund 14,49 13,73,76 79 Stevns 16,83 13,5 3,33 8 Gribskov 15,13 13,31 1,82 81 Greve 13,83 12,64 1,19 82 Dragør/Tårnby 12,62 12,62, 83 Roskilde 13,3 12,3,73 84 Hillerød 13, 12,6 1,4 85 Lejre 13,3 11,22 1,81 86 Frederiksberg,76 11,9 -,33 87 Solrød 11,26,99,27 88 Furesø 11,21,87,34 89 Hørsholm 9,71,15 -,44 9 Lyngby-Taarbæk 9,89,12 -,23 91 Rudersdal 9,25 9,53 -,28 92 Egedal,26 9,34,92 93 Gentofte 8,52 8,84 -,32 94 Allerød 9,29 8,55,74 Kilde: Egne beregninger baseret på registerdata fra STAR og Danmarks Statistik. 126

197 LITTERATUR Allen, P.G. & R. Fildes (21): Econometric methods. I: J.S. Armstrong (red.): Principles of forecasting: a handbook for researchers and practitioners (s ). New York, Boston, Dordrecht, London, Moscow: Kluwer Academic Publishers. Andersen, A. K. (2): Den Fremtidige Kommunestruktur - Streger på et Landkort. AKF Forlaget. Angrist, J.D. & J.S. Pischke (28): Mostly harmless econometrics: An empiricist's companion. Princeton university press. Bera, A.K., M.J. Carlos & L. Lung-Fei (1984): Testing the normality assumption in limited dependent variable models. International economic review, Clausen, J., E. Heinesen & M.A. Hussain (26): De nye kommuners rammevilkår for beskæftigelsesindsatsen. København: Socialforskningsinstituttet, 6:15. Danmarks Statistik (216): Pendlingsområder metode. København: Danmarks Statistisk. Danmarks Statistik (217): Statistikbanken. Eurostat (215): Task Force Harmonised Labour Market Areas. Final Report. Finansministeriet (211): Økonomisk Redegørelse, august. København. Finansministeriet (216): Økonomisk Redegørelse, maj. København. Goldberger, A.S. (1983): Abnormal Selection Bias. I: S. Karlin, T. Amemiya & L. Goodman (red.): Studies in Econometrics, Time Series and Multivariate Statistics. New York: Academic Press. Goodman, J.F.B. (197): The definition and analysis of local labour markets: some empirical problems. British Journal of Industrial Relations 8, Graversen, B.K., M. Larsen & J.E. Arendt (213): Kommunernes rammevilkår for beskæftigelsesindsatsen. København: SFI Det Nationale Forskningscenter for Velfærd, 13:15. ONS (215): Commuting to work, Changes to Travel to Work Areas: 21 to 211. Office for National Statistics. 127

198

199 Bilag:.1. Rapport Flygtninge familiesammenførtes fravær DK undervising.pdf Udvalg: Arbejdsmarkeds- og Beskæftigelsesudvalget Mødedato: 11. december Kl. 16: Adgang: Åben Bilagsnr: /18

200 Flygtninge og familiesammenførtes fravær fra danskundervisning November 218

201 Publikationen kan hentes på hjemmesiden for Økonomi- og Indenrigsministeriets Benchmarkingenhed: Henvendelse om publikationen kan ske til kontaktpersonen på analysen, som fremgår af hjemmesiden. 1

202 Indhold 1. Hovedresultater Indledning Datakilder, afgrænsning og metode Kontrol for rammevilkår via benchmarkingindikator Opmærksomhedspunkter ved benchmarking Fravær fra danskundervisning på landsplan Fravær fra danskundervisning på kommuneniveau Det faktiske fravær Benchmarking med kontrol for rammevilkår Betydning af virksomhedspraktik og beskæftigelse Kommunernes brug af sanktioner Inspiration til konkrete tiltag i fraværshåndteringen

203 1. Hovedresultater Fravær fra danskundervisning på landsplan På landsplan var fraværet fra danskundervisningen blandt flygtninge og familiesammenførte 36,4 procent i 217. Fra 214 til 217 er fraværet fra danskundervisningen steget med 11,6 procentpoint og alene fra 216 til 217 er det steget med 5,1 procentpoint. Udviklingen skyldes ikke udelukkende at der er sket en ændring i populationens sammensætning. Fraværet er højest for mandlige kursister, for kursister med flygtningestatus, for kursister i alderen 2-34 år og for kursister, der kommer fra Syrien. Fravær fra danskundervisning på kommuneniveau Der er stor variation i fraværet fra danskundervisningen på tværs af kommuner. De kommuner, hvis flygtninge og familiesammenførte har det laveste fravær, har omkring 2 procents fravær, hvorimod de kommuner, hvis flygtninge og familiesammenførte har det højeste fravær, har omkring 5 procents fravær. Fra 214 til 217 har 93 kommuner haft en stigning i fraværet fra danskundervisningen. Alene fra 216 til 217 har 87 kommuner oplevet at fraværet er steget. Der er fortsat stor forskel på fraværet blandt kommunernes flygtninge og familiesammenførte i 217, når der tages højde for forskelle i rammevilkår. De ti kommuner, hvis flygtninge og familiesammenførte har det højeste fravær i forhold til, hvad man kunne forvente på baggrund af rammevilkår, har i gennemsnit 6,8 procentpoint højere fravær, end man kunne forvente. De ti kommuner med det laveste fravær i forhold til det forventede niveau, har i gennemsnit 12,8 procentpoints lavere fravær, end man kunne forvente. Kursister, der er i virksomhedspraktik, har lavere fravær end gennemsnittet og kursister i job med løntilskud eller ordinær beskæftigelse har højere fravær end gennemsnittet. Dog påvirker omfanget af virksomhedspraktik, job med løntilskud og ordinær beskæftigelse ikke betydeligt, hvilke kommuner der ligger i toppen og bunden i benchmarkinganalysen. Der er stor variation i kommunernes brug af sanktioner mod integrationsydelsesmodtagere. Der er indikationer på, at kommuner der generelt anvender sanktionsredskabet også har lavest fravær fra danskundervisningen. Inspiration til konkrete tiltag i forbindelse med håndtering af fravær Der er gennemført en kvalitativ undersøgelse af, hvordan de kommuner med lavest fravær efter kontrol for rammevilkår arbejder med at nedbringe fraværet. På den baggrund præsenteres 11 konkrete tiltag, som den enkelte kommune kan anvende i arbejdet med at reducere fraværet fra danskundervisningen. Tiltagene handler bl.a. om procedurer og tidspunkt for kursisternes fraværsmelding, omgående opfølgning på fravær, retningslinjer for lovligt fravær, brug af sanktioner, målsætninger og ledelsesinformation om fravær mv. Se hvordan din kommune placerer sig I bilag 1 Sådan placerer din kommune sig kan du finde de væsentligste resultater af analysen for din kommune. I bilag 2 Kommunespecifikke nøgletal ses en række kommunefordelte tabeller med de væsentligste nøgletal i analysen. 3

204 2. Indledning Danskkundskaber er en væsentlig forudsætning for en vellykket integration af flygtninge og familiesammenførte i det danske samfund. Eksempelvis har danskkundskaber betydning for flygtninge og familiesammenførtes muligheder for at få fodfæste på det danske arbejdsmarked. I forlængelse heraf er det vigtigt, at flygtninge og familiesammenførte rent faktisk følger deres danskundervisning. I denne analyse stilles der skarpt på flygtninges og familiesammenførtes fravær fra danskundervisning. På landsplan er fraværet fra danskundervisning omkring 36 procent blandt flygtninge og familiesammenførte. Det kan anses som et betydeligt ressourcespild, hvis en tredjedel af stolene i undervisningslokalerne i gennemsnit står tomme. Samtidig kan fraværet for den enkelte flygtning eller familiesammenførte forlænge deres undervisningsforløb, og i sidste ende kan fraværet fra danskundervisningen påvirke integrationen negativt. Det er kommunerne, der har ansvaret for at tilbyde danskundervisning til flygtninge og familiesammenførte, der er fyldt 18 år og som opfylder en række krav. Når en flygtning eller en familiesammenført ankommer til en kommune, er det kommunen, der henviser personen til danskundervisning ved et sprogcenter. Danskundervisning udbydes af kommunale sprogcentre, private sprogcentre eller af andre offentligt godkendte uddannelsesinstitutioner. I 217 var der 67 sprogcentre i Danmark. Formålet med denne analyse er todelt. For det første giver analysen de enkelte kommuner indsigt i fraværet fra danskundervisning i deres kommune sammenlignet med andre kommuner. I analysen tages der højde for at kommunerne har forskellige rammevilkår i forhold til sammensætningen af flygtninge og familiesammenførte. På den måde sikres mere retvisende sammenligninger mellem kommunerne. I analysen er det kommunerne, der benchmarkes. Det skyldes, at det er kommunerne der har hovedansvaret for integrationsindsatsen og dermed også ansvaret for at flygtninge og familiesammenførte modtager danskundervisning. Med afsæt i benchmarkingen af kommunerne vil analysen for det andet undersøge, hvordan de kommuner, der klarer sig bedst i sammenligningen, arbejder med at nedbringe fraværet fra danskundervisning. Denne del har til formål at afdække konkrete tiltag til nedbringelse af fravær, så kommunerne får inspiration til hvilke håndtag de kan dreje på for at reducere fraværet. Efter en gennemgang af datakilder, afgrænsning og metode i kapitel 3, præsenteres i kapitel 4 de væsentligste tendenser for fraværet på landsplan. I afsnit 5 gennemføres benchmarkinganalysen af fraværsprocenten for kommunernes flygtninge og familiesammenførte, hvor der som nævnt tages højde for den enkelte kommunes rammevilkår. I kapitel 6 og 7 præsentereres to mindre delanalyser af henholdsvis betydningen af virksomhedspraktik, job med løntilskud og beskæftigelse, samt sammenhængen mellem kommunernes brug af sanktioner mod integrationsydelsesmodtagere og fraværet fra danskundervisningen. I kapitel 8 afdækkes praksis i de kommuner, der på baggrund af benchmarkinganalysen klarer sig godt, med henblik på at pege på de gode eksempler og give inspiration til arbejdet med at nedbringe fraværet fra danskundervisningen blandt flygtninge og familiesammenførte. 4

205 3. Datakilder, afgrænsning og metode Analysen er baseret på aktivitetsdata for årene 214 til 217 fra Udlændinge- og Integrationsministeriets danskundervisningsdatabase, samt en række registre fra Danmarks Statistik 1. Danskundervisningsdatabasen er baseret på indberetninger fra sprogcentrene, som sker en gang i kvartalet. Analysen er kun foretaget for kursister med opholdstilladelse som flygtning eller familiesammenført, der har haft registrerede skemalagte undervisningslektioner samt registreret fravær (også hvis fraværet er ).,4 procent af observationerne går tabt pga. manglende registrering om fravær. En kursist tilhører den kommune, hvorfra vedkommende har fået en henvisning til danskundervisning. Når en flygtning eller familiesammenført ved et sprogcenter udebliver fra danskundervisning, noterer sprogcenteret fraværet. Herefter indberetter sprogcenteret fraværet til kommunen, som skal vurdere, om fraværet er lovligt. Dog kan der i data ikke skelnes mellem lovlig og ulovligt fravær. Det vendes der tilbage til senere i dette kapitel. Kursister bliver henvist til danskundervisning ved sprogcentrene efter forskellige henvisningskategorier. I analysen indgår kun såkaldte I-kursister, som er kursister, der er henvist til danskuddannelse som en del af et integrationsprogram og som enten modtager integrationsydelse (I1-kursister) eller ikke modtager integrationsydelse (I2-kursister). I-kursister er primært flygtninge og familiesammenførte (til både flygtninge og andre end flygtninge), der har haft opholdstilladelse i mindre end 5 år. Nærværende analyse baserer sig på de mest opdaterede og aktuelle tal. Da der kan forekomme efterregistreringer i data fra Udlændinge- og Integrationsministeriets danskundervisningsdatabase, vil antallet af I-kursister i denne analyse ikke nødvendigvis stemme overens med antallet af I- kursister i andre ældre analyser på området, herunder Udlændige- og Integrationsministeriets årsrapporter for tidligere år end 217. Benchmarkinganalysen er foretaget på data for 217, som er det seneste tilgængelige. En kursist indgår flere gange, hvis han eller hun er flyttet fra én kommune til en anden inden for 217. Det betyder at summen af antal kursister fordelt på kommuner ikke er lig antallet af kursister på landsplan. Fraværsprocenten for hver enkel kursist er beregnet som summen af alle fraværende lektioner i 217 divideret med summen af alle skemalagte undervisningslektioner i 217. Fraværsprocenten på landsplan er summen af alle kursisters fraværende lektioner divideret med summen af alle kursisters planlagte lektioner. Kursister, der har været på barsel i løbet af 217 indgår ikke i analysen. Det samme gælder kvindelige kursister, der har født et barn i sidste kvartal af 216 eller i løbet af 217. Kursister, der er afgået ved døden i løbet af 217 indgår heller ikke i analysen. I analysen indgår i alt kursister, hvoraf 262 kursister indgår flere gange, fordi de har flyttet kommune i løbet af Se bilag 3 for en detaljeret gennemgang af alle variable. 5

206 3.1 Kontrol for rammevilkår via benchmarkingindikator Det må forventes, at en del af variationen i fraværet fra danskundervisning mellem kommunerne kan forklares med, at kommunerne har forskellige rammevilkår. Rammevilkår er et begreb, som i denne forbindelse bruges, om de strukturelle forhold som den enkelte kommune opererer under. Se evt. oversigten over kommunernes rammevilkår for fravær fra danskundervisning i tabel 1 i kapitel 5. Rammevilkår er generelt kendetegnet ved, at de ikke kan ændres af kommunen på kort eller mellemlangt sigt. I denne analyse er kommunernes rammevilkår bestemt af den demografiske og socioøkonomiske sammensætning af de flygtninge og familiesammenførte, der kommer til kommunen. For at tage højde for kommunernes forskellige rammevilkår, estimeres ved hjælp af en lineær regressionsanalyse den forventede fraværsprocent for hver enkel kursist ud fra information om en række demografiske og socioøkonomiske karakteristika. Herefter aggregeres de forventede fraværsprocenter til kommuneniveau. 2 Kommunernes faktiske fraværsprocent og forventede fraværsprocent benyttes til at beregne en benchmarkingindikator. Benchmarkingindikatoren viser, om den enkelte kommune har en højere eller lavere fraværsprocent end man kunne forvente ud fra rammevilkårene. Benchmarkingindikatoren er differencen mellem den faktiske fraværsprocent og den forventede fraværsprocent: h = æ æ Benchmarkingindikatoren sikrer et bedre sammenligningsgrundlag på tværs af kommuner, hvor betydningen af de definerede rammevilkår er renset ud. I boks 1 fremgår det hvordan benchmarkingindikatoren konkret skal fortolkes. Boks 1 Fortolkning af benchmarkingindikatoren En benchmarkingindikator større end : Kommunen har en højere fraværsprocent, end man kunne forvente på baggrund af kommunens rammevilkår. En kommune med en benchmarkingindikator på eksempelvis 5, har en fraværsprocent, der er 5 procentpoint højere, end man kunne forvente på baggrund af kommunens rammevilkår. En benchmarkingindikator på : Kommunen har samme fraværsprocent, som man kunne forvente på baggrund af kommunens rammevilkår. En benchmarkingindikator under : Kommunen har en lavere fraværsprocent, end man kunne forvente på baggrund af kommunens rammevilkår. En kommune med en benchmarkingindikator på eksempelvis -5, har en fraværsprocent, der er 5 procentpoint lavere, end man kunne forvente på baggrund af kommunens rammevilkår. 3.2 Opmærksomhedspunkter ved benchmarking Benchmarkingindikatoren er et estimeret tal, som er behæftet med en vis statistisk usikkerhed. Det betyder, at der ikke skal tolkes for håndfast på den eksakte rangering af kommunerne på baggrund af benchmarkingindikatoren. Af den årsag illustreres resultaterne for kommunernes benchmarkingindikator inddelt i kvintiler, således at der kun skelnes mellem de kommuner, der ligger i den bedste 2 Se bilag 3 for en detaljeret gennemgang af metoden til benchmarking. 6

207 femtedel, næstbedste femtedel, midterste femtedel, næst dårligste femtedel og dårligste femtedel. Dog vises top og bund på baggrund af benchmarkingindikatoren. I en benchmarkinganalyse med kontrol for rammevilkår analyseres på forskellene mellem kommunerne og en benchmarkinganalyse er således en relativ øvelse. Det betyder, at en benchmarkinganalyse ikke kan bruges til at konkludere noget om det generelle niveau. Man kan således ikke konkludere, at de kommuner, der klarer sig godt i benchmarkinganalysen, ikke potentielt kan sænke deres fraværsprocent endnu mere. Endvidere er højt fravær fra danskundervisning for en kommunes flygtninge og familiesammenførte ikke ensbetydende med, at den pågældende kommune har udfordringer med integration generelt. Højt fravær betyder ikke at en kommunes flygtninge og familiesammenførte afbryder danskuddannelserne. Men det må alt andet lige betyde, at vejen til en bestået danskprøve eller den afsluttende studieprøve er længere, end hvis fraværet havde været lavt. Lovligt og ulovligt fravær Når en flygtning eller familiesammenført ved et sprogcenter udebliver fra danskundervisning, noterer sprogcenteret fraværet. Sprogcenteret indberetter fraværet til kommunen, som herefter indberetter til Udlændinge- og Integrationsministeriets Danskundervisningsdatabase. Kommunerne har ansvar for og pligt til at vurdere, om fraværet er lovligt, men registreringen af fraværet forbliver den samme uanset om der er tale om lovligt eller ulovligt fravær. Det betyder, at der ikke kan skelnes mellem lovligt og ulovligt fravær i Udlændinge- og Integrationsministeriets Danskundervisningsdatabase og således heller ikke i benchmarkinganalysen i denne rapport. Lovligt fravær kan eksempelvis være egen sygdom, lægebesøg, barsel, virksomhedspraktik og pasning af barn under sygdom. I benchmarkinganalysen konkrolleres der for forhold, der kan give anledning til lovligt fravær, som eksempelvis indikatorer for helbred. Det betyder, at der delvist er taget højde for, at noget af variationen i det samlede fravær kan skyldes variation i det lovlige fravær. På grund af det lovlige fravær, er det klart, at fraværet højst kan nedbringes til et vidst niveau. Alligevel vurderes det at en fraværsprocent, der svarer til over en tredjedel af undervisningstiden (som det er på landsplan), ikke alene kan være forårsaget af lovlige grunde. Vender man det om, betyder en fraværsprocent på over eksempelvis 3 procent, at en danskunderviser i gennemsnit til hver undervisningstime kun underviser 2/3 af en klasse. Dét er, uanset, om der er tale om lovligt eller ulovligt fravær, uhensigtsmæssigt. Samtidig er det vigtigt at understrege, at selvom det lovlige fravær kan være forårsaget af virksomhedspraktik, møder med kommunen o.l., bør en del af det lovlige fravær også kunne nedbringes via eksempelvis bedre planlægning og koordinering af enten danskundervisningen eller bedre planlægning og koordinering af de øvrige mødepligtige aktiviteter, som en flygtning eller familiesammenført skal deltage i. I øvrigt viser delanalysen i kapitel 6, at virksomhedspraktik generelt ikke fører til højere fravær. 7

208 4. Fravær fra danskundervisning på landsplan Fraværet fra danskundervisningen var i ,4 procent på landsplan. Det betyder at der i gennemsnit til hver undervisningstime kun sidder 2/3 af en klasse. Figur 1 viser, at fraværet på landsplan er steget med 11,6 procentpoint fra 214 til 217. Den største stigning i fraværet er sket fra 215 til 216. Det kan ikke afvises, at en del af stigningen i fraværet muligvis kan tilskrives det øgede fokus på beskæftigelse i integrationsindsatsen, der var et resultat af trepartsforhandlingerne i 216. Der kom i forlængelse heraf større fokus på, at danskundervisningen ikke måtte stå i vejen for beskæftigelsesrettede indsatser. Yderligere kan det heller ikke afvises at noget af stigningen i fraværet også kan tilskrives en bedre registreringspraksis af fraværet på sprogcentrene og i kommunerne. Der er dog under alle omstændigheder tale om et højt fravær, som indikerer et vist spild af ressourcer. Samtidig har kommunerne mulighed for at planlægge og tidsmæssigt koordinere danskundervisningen og de øvrige integrationsindsatser. Figur 1 Figur 2 Fravær på landsplan 4 4 Udvikling i antal modtagere af danskundervisning (I-kursister) 1. personer 1. personer Anm.: Fraværet og antallet af kursister i figur 1 og 2 omfatter kun kursister på de ordinære uddannelser. Arbejdsmarkedsrettet dansk indgår således ikke i figurerne. I-kursister er kursister på integrationsprogram. Kilde: Udlændinge- og Integrationsministeriets Danskundervisningsdatabase og egne beregninger. I 217 modtog ca. 26. flygtninge og familiesammenførte på integrationsprogram danskundervisning ved sprogcentrene rundt omkring i landet. Det er ca flere end i 214, jf. figur 2. Den store stigning skyldes i særdeleshed den store flygtningestrøm fra Syrien i 215 og 216. I det følgende ses en række figurer, hvor fraværsprocenten på landsplan er fordelt på nogle af de demografiske og socioøkonomiske karakteristika, der indgår som rammevilkår i benchmarkinganalysen i kapitel 5. Figur 3 viser, at mænd har højere fravær end kvinder. En del af den forskel hænger sammen med, at flere mænd end kvinder har flygtningestatus frem for status som familiesammenført og at flygtninge har mere fravær end familiesammenførte, jf. figur 4. 8

209 Figur 3 Figur 4 Fravær fordelt på køn, 217 Fravær fordelt på opholdsgrundlag, Mænd Kvinder Flygtning Familiesammenført Vender vi blikket mod figur 5, ser vi, at de unge i alderen 2 til 34 år har højest fravær, hvorimod de ældre i alderen 5 til 6+ har lavest fravær. Folk med oprindelse fra Syrien, Rusland og Somalia har højest fravær, jf. figur 6, hvorimod folk fra Thailand, Filippinerne og Eritrea har lavest fravær. Figur 5 Figur 6 Fravær fordelt på aldersgrupper, 217 Fravær fordelt på oprindelsesland, Thailand Filippinerne Eritrea Afghanistan Iran Tyrkiet Irak Somalia Rusland Syrien 6+ år år 5-54 år år 4-44 år år 3-34 år år 2-24 år -19 år Anm.: Figur 4.6 viser kun de lande, hvor flest flygtninge og familiesammenførte ved danskundervisning kommer fra. En del af stigningen i fraværet på landsplan kan som nævnt skyldes et ændret fokus i integrationsindsatsen. Samtidig ændrer sammensætningen af gruppen, der modtager danskundervisning, sig over tid. Blandt modtagere af danskundervisning stiger eksempelvis andelen af syrere og de har som tidlige nævnt relativt højt fravær. Den ændrede sammensætning af gruppen af danskundervisningsmodtagere kan dog næppe i sig selv forklare stigningen i fraværet på landsplan over de seneste år. Figur 7 viser således at fraværet er højere i andet undervisningsår sammenlignet med første undervisningsår uanset, hvornår en kursist er startet til danskundervisning. Der er altså en tendens til, at fraværet stiger fra første til andet undervisningsår uanset sammensætningen af gruppen, der modtager danskundervisning. Forklaringen på dette er ikke undersøgt nærmere i denne analyse. 9

210 Figur 7 Fravær i første og andet undervisningsår for kursister med forskelligt startår Første år Andet år Første år Andet år Første år Andet år Startet i 214 Startet i 215 Startet i 216 Det er også interessant at se på variationen i fraværet i løbet af året. Figur 8 viser, at fraværet er højest i juni, juli og december. Fraværet er særligt højt i juli, hvor det er 47,3 procent på landsplan. Juli måned er samtidig den måned, hvor færrest flygtninge og familiesammenførte modtager danskundervisning, jf. figur 9. Det skyldes muligvis at en del af sprogcentrene holder sommerferielukket. Men de flygtninge og familiesammenførte, som følger danskundervisning ved et sprogcenter, der ikke holder lukket i juli, har altså et væsentligt højere fravær. Figur 8 Figur 9 Fravær fordelt på måneder, Antal modtagere af danskundervisning fordelt på måneder, personer 1. personer jan feb mar apr maj jun jul aug sep okt nov dec jan feb mar apr maj jun jul aug sep okt nov dec

211 5. Fravær fra danskundervisning på kommuneniveau I dette kapitel gennemføres en benchmarkinganalyse af fraværet fra danskundervisning for kommunernes flygtninge og familiesammenførte på integrationsprogram. Der vil i benchmarkinganalysen blive taget højde for at kommunerne har forskellige rammevilkår i form af forskellig socioøkonomisk og demografisk sammensætning af de flygtninge og familiesammenførte, der bor i kommunen. 5.1 Det faktiske fravær Figur viser, at der er relativ stor spredning i fraværet fra danskundervisning i kommunerne. Fraværet er mere end dobbelt så højt for de kommuner, hvor flygtninge og familiesammenførte har det højeste fravær, sammenlignet med de kommuner med det laveste fravær. Figur Fravær fordelt på kommuner, Anm.: Den røde steg viser landsgennemsnittet. Fraværet er steget i langt de fleste kommuner siden 214, jf. figur 11. Kun fire kommuner har oplevet at fraværet er faldet (hhv. Albertslund, Allerød, Herlev og Lolland). Figur 12 viser at bare fra 216 til 217 er fraværet i knap halvdelen af kommunerne steget med mere end 5 procentpoint. Fra 216 til 217 har kommuner oplevet at fraværet er faldet (hhv. Albertslund, Brønby, Fredensborg, Gladsaxe, Helsingør, Lolland, Næstved, Ringkøbing, Skive og Vallensbæk). 11

212 Figur 11 Figur 12 Udvikling i fravær fra 214 til 217 fordelt på kommuner Udvikling i fravær fra 216 til 217 fordelt på kommuner -point -point -point -point Anm.: Den røde streg viser landsgennemsnittet i begge figurer. Det er interessant at undersøge, om der er en sammenhæng mellem fraværet i 214 og udviklingen i fraværet fra 214 til 217. Figur 13 viser at den gennerelle sammenhæng mellem niveau og udviklingen er negativ. Det betyder, at der er en tendens til, at jo højere niveauet var i 214, des bedre har udviklingen relativt set været fra 214 til 217. Når der skrives, at udviklingen relativt set har været bedre, er det fordi, at stort set alle kommuner har oplevet en stigning i fraværet. Den blå kasse viser dog samtidig, at der er kommuner, der i 214 havde et lavere fravær end gennemsnittet på landsplan, og samtidig har haft en bedre udvikling fra 214 til 217 end landsgennemsnittet. Igen ændrer det dog ikke ved at også disse kommuner reelt har oplevet en stigning i fraværet. Af den røde kasse fremgår endvidere, at en række kommuner havde et højere fraværsniveau i 214 end landsgennemsnittet og samtidig har haft en dårligere udvikling end landsgennemsnittet. 12

213 Figur 13 Sammenhæng mellem niveau for fravær og udvikling i fravær 5.2 Benchmarking med kontrol for rammevilkår Forskellene i niveauet for fraværet fra danskundervisning mellem kommunerne hænger blandt andet sammen med at kommunerne har forskellige rammevilkår. Rammevilkårene er bestemt af den socioøkonomiske og demografiske sammensætning af kommunens flygtninge og familiesammenførte. Eksempelvis har nogle kommuner primært familiesammenførte, der modtager danskundervisningen, hvorimod andre kommuner har en overvægt af flygtninge. Et andet eksempel er, at nogle kommuner har en overvægt af flygtninge og familiesammenførte med en relativ dårligere helbredsmæssig tilstand end flygtninge og familiesammenførte i andre kommuner. For at lave en mere retvisende sammenligning af kommunerne, er det nødvendigt at tage højde for disse forskelle. Det gøres ved hjælp af en regressionsanalyse. I kapitel 3 er fremgangsmetoden gennemgået nærmere. Rammevilkårene er kendetegnet ved, at kommunerne ikke på kort eller mellemlang sigt kan påvirke disse. Af tabel 1 fremgår de socioøkonomiske og demografiske variable, der indgår som rammevilkår for fraværet fra danskundervisning i benchmarkinganalysen. 13

214 Tabel 1 Modelspecifikation Fravær fra danskundervisning i 217 Forklarende variabel Køn Alder Oprindelsesland Enlig, partner med dansk oprindelse eller anden oprindelse end dansk Børn Opholdstid Opholdsgrundlag Kontakt til almen praktiserende læge Indlæggelser og ambulante besøg i somatikken Kontakt til psykiater eller psykolog Indlæggelser eller ambulante besøg i psykiatrien Resultat Mænd har højere fravær end kvinder. Flygtninge og familiesammenførte i alderen 2-24 år har højere fravær end øvrige aldersgrupper. Flygtninge og familiesammenførte fra Syrien har højere fravær end flygtninge og familiesammenførte fra andre lande. Flygtninge og familiesammenførte med partner med dansk oprindelse har højere fravær end enlige flygtninge og familiesammenførte. Flygtninge og familiesammenførte med partner med anden oprindelse end dansk har lavere fravær end enlige flygtninge og familiesammenførte. Flygtninge og familiesammenførte med børn i alderen -3 år har højere fravær. Jo længere tid en flygtning eller familiesammenført har opholdt sig i landet, jo mere fravær har han/hun. Flygtninge har højere fravær end familiesammenførte Jo dårlige helbredsmæssig tilstand en flygtning eller familiesammenført har, målt på antal kontakter til almen praktiserende læge, des højere fravær har personen. Jo dårligere helbredsmæssig tilstand en flygtning eller familiesammenført har, målt på hvorvidt den pågældende har været indlagt eller har haft et ambulant besøg i somatikken, des højere fravær har han/hun. Jo dårligere helbredsmæssig tilstand en flygtning eller familiesammenført har, målt på hvorvidt den pågældende har haft kontakt til en psykiater eller psykolog, des højere fravær har personen. Jo dårligere helbredsmæssig tilstand en flygtning eller familiesammenført har, målt på hvorvidt den pågældende har været indlagt eller har haft et ambulant besøg i psykiatrien, des højere fravær har han/hun. Anm.: Se bilag 3: Metode for en mere detaljeret variabelbeskrivelse samt regressionstabel. Variablene er med få undtagelser statistisk signifikante på,5-niveau. Som beskrevet i kapitel 3 beregnes med afsæt i de rammevilkårsvariable, der indgår i ovenstående tabel, en forventet fraværsprocent for kommunerne givet deres rammevilkår. Den faktiske fraværsprocent og den forventede fraværsprocent for hver kommune benyttes til at beregne en benchmarkingindikator. Benchmarkingindikatoren er differencen mellem den faktiske fraværsprocent og den forventede fraværsprocent, således at kommuner, der har en højere fraværsprocent end forventet, får en positiv værdi, og kommuner, der har en lavere fraværsprocent end forventet, får en negativ værdi. I figur 14 er benchmarkingindikatoren for de enkelte kommuner inddelt i kvintiler. Kommuner i 1. kvintil har det laveste fravær i forhold til, hvad man kunne forvente på baggrund af rammevilkårene, mens kommuner i 5. kvintil har det højeste fravær i forhold til, hvad man kunne forvente på baggrund af rammevilkårene. 14

215 Figur 14 Benchmarkingindikator for fraværet fra danskundervisningen i 217 fordelt på kvintiler Anm.: 1. kvintil dækker over den 1/5 af kommunerne, der har den laveste benchmarkingindikator og dermed de kommuner, der har det laveste fravær i forhold til, hvad man kunne forvente på baggrund af rammevilkår. 5. kvintil dækker over den 1/5 af kommunerne, der har den højeste benchmarkingindikator og dermed de kommuner, der har det højeste fravær i forhold til, hvad man kunne forvente efter kontrol for rammevilkår. Læsø Kommune er markeret med grå, da Læsø Kommune ikke indgår i analysen. Figur 15 viser de ti kommuner med henholdsvis den laveste og højeste benchmarkingindikator, dvs. de kommuner, som har henholdsvis det laveste og højeste fravær i forhold til, hvad man kunne forvente på baggrund af rammevilkårene. Eksempelvis har Struer Kommune en benchmarkingindikator på -14,4. Det betyder, at Struer Kommunes fraværsprocent er 14,4 procentpoint lavere, end hvad man kunne forvente på baggrund af Struer Kommunes rammevilkår. Omvendt har Assens Kommune en benchmarkingindikator på 9,2, hvilket betyder at Assens Kommunes fraværsprocent 15

216 er 9,2 procentpoint højere, end hvad man kunne forvente på baggrund af Assens Kommunes rammevilkår. Figur 15 De laveste og højeste benchmarkingindikatorer for fraværet fra danskundervisningen i 217 Benchmarkingindikator 2 Top Bund Benchmarkingindikator Samsø Assens Bornholm Faxe Langeland Ishøj Odense Nordfyns Hedensted Svendborg Randers Rudersdal Aalborg Lemvig Holstebro Odsherred Lolland Helsingør Struer Skive I bilag 1: Sådan placerer din kommune sig kan man blandt andet se den faktiske fraværsprocent og den forventede fraværsprocent under hensyntagen til rammevilkår for hver kommune. Da de rammevilkårsvariable, der er taget højde for ovenfor, ikke må kunne påvirkes af den enkelte kommune på kort sigt, omfatter de ikke specifikke kommunale indsatser eller forhold, såsom om en flygtning eller familiesammenført eksempelvis er i virksomhedspraktik, job med løntilskud eller ordinær beskæftigelse. I det følgende kapitel undersøges, hvilken relevans disse forhold har. 16

217 6. Betydning af virksomhedspraktik og beskæftigelse Kursisterne skal som udgangspunkt følge deres danskundervisning selv om de er i virksomhedspraktik, job med løntilskud eller ordinær beskæftigelse. I den forbindelse har kommunerne mulighed for at koordinere placeringen af danskundervisningen med eksempelvis virksomhedspraktik, så danskundervisningen placeres på andre ugedage eller om aftenen. Trepartsaftalen fra 216 betød, som nævnt tidligere, at danskundervisningen ikke må stå i vejen for den virksomhedsrettede indsats. På den baggrund kan man måske sige, at fravær fra danskundervisning som følge af virksomhedspraktik, job i løntilskud eller beskæftigelse er mere acceptabelt end andet fravær. Det rejser spørgsmålet om, hvad det betyder for kommunernes placering i benchmarkinganalysen. Når en kommune har højere fravær end man kunne forvente givet dens rammevilkår, skyldes det så, at kommunen har været god til at få flygtningen eller den familiesammenførte i virksomhedspraktik, job med løntilskud eller ordinær beskæftigelse? Det spørgsmål undersøges nærmere i dette kapitel. Først gennemføres en analyse af, hvilken betydning det har for fraværet at en kursist er i virksomhedspraktik, job med løntilskud eller beskæftigelse. Herefter undersøges det, om forskelle i omfang af disse forhold på tværs af kommuner kan forklare forskelle i kommunernes placering i benchmarkinganalysen. Betydning af virksomhedspraktik, job med løntilskud og ordinær beskæftigelse på individniveau Den umiddelbare forventning er, at jo flere uger en kursist er i virksomhedspraktik, job med løntilskud eller ordinær beskæftigelse, jo mere fravær vil den pågældende have fra danskundervisningen. Selvom det er positivt, når kursisten deltager i disse virksomhedsrettede indsatser eller er i job med løntilskud eller ordinær beskæftigelse, kan de ses som risikomarkører i forhold til fraværet fra danskundervisning. For så vidt angår virksomhedspraktik, analyseres i hvor stort omfang kursisten er i virksomhedspraktik i løbet af den periode, hvor kursisten modtager danskundervisning. Derudover analyseres i hvor stort omfang kursisten er i enten job med løntilskud eller ordinær beskæftigelse i løbet af den periode, hvor kursisten modtager danskundervisning. Job med løntilskud og ordinær beskæftigelse benævnes, under ét, beskæftigelse i det følgende. Figur 16 viser sammenhængen mellem de enkelte risikomarkører og fravær fra danskundervisning. To ting skal bemærkes i forhold til læsning af figuren. For det første ses der på hvilken indflydelse omfanget af virksomhedspraktik og beskæftigelse har for fraværet. Der ses i den forbindelse på hvor stor en andel af den tid, hvor kursisten har modtaget danskundervisning, han eller hun også har været i virksomhedspraktik eller beskæftigelse. Eksempelvis ses der på, hvad det betyder for fraværet at have været i virksomhedspraktik i 1-25 procent af tiden, 26-5 procent af tiden, procent af tiden eller 76- procent af tiden i forhold til slet ikke at have været i virksomhedspraktik. Referencen er altså uger i virksomhedspraktik. Samme logik gør sig gældende for beskæftigelse. For det andet undersøges betydningen af de enkelte risikomarkører samtidig med at både de tidligere nævnte rammevilkår og de øvrige risikomarkøer holdes konstante. Resultaterne er således udtryk for, hvad hver enkelt risikomarkør isoleret set gør for niveauet af fravær. 17

218 Figur 16 Effekt af udvalgte risikomarkører på fraværet fra danskundervisningen i 217 Anm.: Estimaterne i figuren stammer fra en lineær regressionsanalyse med de samme variable som i benchmarkinganalysen samt de nævnte variable ovenfor. Alle variable ovenfor er statistisk signifikante på et,5-niveau. Se regressionstabel i bilag 3: Metode. Beskæftigelse dækker både over job med løntilskud og ordinær beskæftigelse. Samlet set viser figuren, at: - Kursister, der i løbet af året har været i virksomhedspraktik har lavere fravær end kursister, der ikke har været i virksomhedspraktik, og fraværet er lavere jo flere uger kursisten har været i virksomhedspraktik sideløbende med danskundervisningen. - Anderledes forholder det sig med kursister, der har været i beskæftigelse i form af enten ordinær beskæftigelse, job med løntilskud eller begge dele i løbet af året. Disse kursister har alt andet lige højere fravær end kursister, der hverken har været i ordinær beskæftigelse eller job med løntilskud. Jo længere tid kursisten har været i beskæftigelse, jo højere fravær har kursisten fra danskundervisningen samlet set i 217. Som nævnt holdes rammevilkår, som fx kursisternes helbredstilstand, konstante, og det er derfor umiddelbart overraskende, at fraværet er lavere for kursister, der har været længere tid i virksomhedspraktik. En mulig forklaring kan være, at kursister i virksomhedspraktik grundlæggende er mere motiverede, også i forhold til at følge danskundervisningen, end kursister, der ikke er i virksomhedspraktik. En anden mulig forklaring kan være, at kursisterne med virksomhedspraktik vænner sig til at have en mere struktureret hverdag med faste mødetider hver dag, hvilket også smitter positivt af på fremmødet til danskundervisning. Det er dog ikke muligt at efterprøve disse forklaringer med det foreliggende data. Omvendt er fraværet højere for kursister, der har været i ordinær beskæftigelse og/eller job med løntilskud. En mulighed kan være, at disse kursister i højere grad har en følelse af at de har klaret den i forhold til arbejdsmarkedet, og derfor ikke er så motiverede for at følge danskundervisningen. En anden forklaring kan være, at ordinær beskæftigelse eller job med løntilskud er mere tidskrævende og i det hele taget krævende, hvilket kan øge fraværet fra danskundervisning. Endeligt hører det med til billedet, at kommuner ingen sanktionsmuligheder har over for kursister i beskæftigelse. Igen er det ikke muligt at efterprøve disse forklaringer med det foreliggende data. 18

219 Hvad betyder det for kommunernes placering i benchmarkinganalysen? Ovenstående figur viser, at det på individniveau rent faktisk betyder noget for fraværet, om man har deltaget i de forskellige aktiviteter. Det næste spørgsmål er, om det har betydning for kommunernes indbyrdes placering i benchmarkinganalysen. I den benchmarkinganalyse, der blev gennemført i kapitel 5, blev der taget højde for en række rammevilkår. Hvis der samtidig med rammevilkårene tages højde for omfanget af virksomhedspraktik og beskæftigelse, viser det sig, at disse forhold rent statistisk ikke har væsentlig betydning for variationen i fravær på tværs af kommuner. Ses der på kommunernes rangering, når der inkluderes variable for virksomhedspraktik og beskæftigelse, har disse forhold en relativ begrænset betydning. Kun ni kommuner rykker mere end pladser i forhold til deres oprindelige placering i benchmarkinganalysen. Tre kommuner rykker ud af top, men på nær en enkelt kommune, forbliver de alle i top 2. Tre kommuner rykker ud af bund, men de forbliver alle i bund 2. Det er hovedsageligt omfanget af virksomhedspraktik, der giver anledning til, at rangeringen af kommunerne ændrer sig. Inkluderes udelukkende variable for beskæftigelse, rykker kun en enkel kommune ud af top og en enkel kommune ud af bund. Kun én kommune rykker mere end pladser. En mulig forklaring på, at beskæftigelse ikke ændrer betydeligt på rangeringen af kommunerne, selvom det for det enkelte individ giver anledning til mere fravær, kan være, at variationen på tværs af kommuner i omfanget af beskæftigelse er lille og i øvrigt i forvejen indfanges af rammevilkårene. Samlet set tyder det på, at de kommuner, der har højst fravær, når der kontrolleres for rammevilkår, ikke har deres placering, fordi de har mange kursister i virksomhedspraktik eller har mange i beskæftigelse. Det er set i lyset af, at meget virksomhedspraktik hænger sammen med lavt fravær samt at beskæftigelse ikke har stor betydning for rangeringen af kommunerne. Med det ikke sagt, at kommunerne blot kan sende flere i virksomhedspraktik og fraværet fra danskundervisning så vil falde. 19

220 7. Kommunernes brug af sanktioner I det følgende undersøges det, om der er variation i kommunernes brug af sanktioner, og om der er en sammenhæng mellem omfanget af sanktioner og fraværet fra danskundervisning. Kommunen har ret til at sanktionere en integrationsydelsesmodtager, hvis personen uden rimelig grund udebliver fra en eller flere dele af integrationsprogrammet efter integrationsloven. Fradraget i integrationsydelsen foretages for det antal dage, hvor den pågældende er udeblevet helt eller delvist. En kommune kan således sanktionere modtagere af danskundervisning, hvis de uden rimelig grund udebliver fra danskundervisningen. Figur 17 og figur 18 viser variationen i kommunernes brug af sanktioner mod integrationsydelsesmodtagere, der følger danskundervisning ved et sprogcenter 3. Det skal understreges, at sanktionerne ikke nødvendigvis er givet for fravær fra danskundervisning, men kan også være givet for udeblivelse fra andre dele af integrationsprogrammet. Det er på det foreliggende datagrundlag ikke muligt at sondre mellem forskelige årsager til, at sanktionerne er tildelt. Figur 17 viser, at der er stor variation i andelen af integrationsydelsesmodtagere, der følger danskundervisning, som får en sanktion. I nogle kommuner får under 2 procent mindst én sanktion, hvorimod det i andre kommuner er over 5 procent af integrationsydelsesmodtagerne, der følger danskundervisning, som får mindst én sanktion. For de integrationsydelsesmodtagere, der modtager danskundervisning og får mindst én sanktion, viser figur 18, at der også er variation på tværs af kommuner i antallet af sanktioner de sanktionerede i gennemsnit får. Figur 17 Figur 18 Andel sanktionerede integrationsydelsesmodtagere, der følger danskundervisning fordelt på kommuner, 217 Antal sanktioner pr. sanktionerede danskundervisningsmodtager fordelt på kommuner, 217 Sanktioner pr. sanktionerede Sanktioner pr. sanktionerede Anm.: Hvis en kommune har sanktioneret færre end fire personer i løbet af 217, indgår disse kommuner ikke i figurerne, medmindre den pågældende kommune ingen har sanktioneret. Det drejer sig om ti kommuner. Derfor indgår kun 87 kommuner i figurerne. Den røde streg viser landsgennemsnittet i begge figurer. Kilde: Styrelsen for Arbejdsmarked og Rekruttering, Udlændinge- og Integrationsministeriets Danskundervisningsdatabase og egne beregninger. 3 Delanalysen om kommunernes brug af sanktioner er kun foretaget for kursister, der modtager integrationsydelse, dvs. såkaldte I1-kursister. 2

221 Figur 19 viser, at sammenhængen mellem andel sanktionerede danskundervisningsmodtagere på integrationsydelse og fraværet fra danskundersivning for denne gruppe er negativ. Det betyder, at jo lavere andel af integrationsydelsesmodtagerne en kommune sanktionerer, des højere fravær har den samme gruppe fra danskundervisningen i 217. Figur 19 Sammenhæng mellem andel sanktionerede ydelsesmodtagere og fravær fra danskundervisning for ydelsesmodtagere, Fraværsprocent for ydelsesmodtagere Andel sanktionerede ydelsesmodtagere, pct Anm.: Hvis en kommune har sanktioneret færre end 4 personer i løbet af 217, indgår disse kommuner ikke i figurerne, medmindre den pågældende kommune ingen har sanktioneret. Det drejer sig om kommuner. Derfor indgår kun 87 kommuner i figurerne. Bemærk, at sanktionerne ikke nødvendigvis er givet for fravær fra danskundervisning. Den sorte streg er en tendenslinje. Hældningen på linjen er -,14 og forklaringsgraden er 9,4 procent. Kilde: Styrelsen for Arbejdsmarked og Rekruttering, Udlændinge- og Integrationsministeriets Danskundervisningsdatabase og egne beregninger. Det er ikke muligt med de foreliggende data at undersøge årsagssammenhængen mellem kommunernes brug af sanktioner og fravær fra danskundervisningen. Det vil kræve mere detaljeret data med mulighed for at identificere, hvad en sanktion er givet for, herunder om det er fravær fra danskundervisning, og hvornår den pågældende er blevet trukket i ydelse. 21

222 8. Inspiration til konkrete tiltag i fraværshåndteringen Den kvantitative benchmarkinganalyse viste, at der er potentiale for at sænke fraværet i mange kommuner via kommunale tiltag. I dette kapitel fokuseres der på praksis i forbindelse med håndtering af fravær. Formålet med dette kapitel er at give kommunerne inspiration til konkrete tiltag, der kan indgå i kommunernes videre arbejde med at nedbringe fraværet fra danskundervisning. Beskrivelserne af tiltagene, der kan bidrage til at nedbringe fraværet, er baseret på interviews med relevante medarbejdere og ledere, der varetager integrationsopgaven i Skive 4, Holstebro, Aalborg og Odsherred. De fire kommuner er alle blandt de ti, der klarer sig bedst i benchmarkinganalysen, når der tages højde for rammevilkår. Med afsæt i afdækning af praksis i disse kommuner præsenteres 11 konkrete tiltag, som kan fungere som inspiration for andre kommuner i arbejdet med at nedbringe fraværet fra danskundervisning. Kommunerne kan i varierende omfang allerede arbejde med et eller flere af de præsenterede tiltag, men det er vurderingen, at alle kommuner med fordel kan forholde sig til hvert af de fremhævede tiltag. Helt grundlæggende er det naturligvis vigtigt i alle kommuner, at der er et tæt og godt samarbejde mellem kommunalforvaltningen og sprogcenteret. Det er sprogcenteret, der til daglig oplever de direkte konsekvenser af fravær, men det er kommunens ansvar at handle på fraværet. Et tæt og godt samarbejde skaber grundlag for god kommunikation omkring fravær og sikrer at begge parter føler et ansvar og en velvilje til at indføre tiltag, der kan sænke fraværet fra danskundervisningen. I det følgende fokuseres der på en række mere konkrete tiltag til reduktion af fraværet. I tabel 2 ses en oversigt over de tiltag, der beskrives i det følgende. Tabel 2 Oversigt over tiltag 1: Melding af fravær før undervisningens start 2: Telefonisk melding om fravær 3: Klare linjer for årsager til lovligt fravær 4: Kursisten har ansvar for eget fremmøde til danskundervisning 5: Konsekvent brug og hurtig behandlingstid i forbindelse med sanktioner 6: Omgående opfølgning på fravær 7: Rådighedsafklarende tilbud, der er mindre attraktive end at følge danskundervisning 8: Fokus på kursister i job med løntilskud og ordinær beskæftigelse 9: Synlig og tilgængelig kommunalforvaltning på sprogcenteret : Tæt samarbejde med frivillige i kommunen 11: Målsætninger for fravær og ledelsesinformation 4 Skive Kommune har fra januar 217 til januar 218 haft en ordning med en sygeplejerske, som integrationsydelsesmodtagere med et gentagende fravær skulle møde op hos i Sundhedshuset Skive, når de meldte sig syge. Denne ordning er ikke en del af de 11 tiltag. Det skyldes at ordningen er sat i bero indtil det juridiske grundlag for sygeplejerskens arbejde er afklaret. Øvrig praksis i Skive Kommune vurderes dog at være relevant, da Skive Kommunes flygtninge og familiesammenførte også før sygeplejerskeordningen har haft et væsentlig lavere fravær end landsgennemsnittet. Når benchmarkingindikatoren beregnes for hhv. 214, 215 og 216 ligger Skive kommune i top i alle årene. 22

223 Tiltag 1: Melding af fravær før undervisningens start Når en kursist er forhindret i at møde op til danskundervisningen, skal kursisten give sprogcenteret besked. Hvis ikke kursisten giver besked eller hvis ikke fraværet har en lovlig årsag, kan kursisten blive trukket i ydelse. Det er forskelligt fra kommune til kommune, hvornår fraværet skal indberettes til sprogcenteret, og i nogle kommuner kan en kursist angive årsag til fraværet længe efter at fraværet har fundet sted og få det godkendt som lovligt fravær. Danskundervisning er imidlertid en del af den samlede integrationsindsats, der har til formål at forberede den enkelte til at deltage på arbejdsmarkedet. Derfor kan fremmøde til danskundervisning med fordel afspejle, hvordan man indgår på en arbejdsplads, hvor man melder sit fravær før man skulle have mødt. For den enkelte kursist bliver deltagelse i danskundervisning samtidig mere forpligtende, hvis man skal melde fravær med det samme. Eksempelvis har Aalborg Kommune haft gode erfaringer med at stille krav om, at kursisterne skal melde fravær så vidt muligt inden og senest en halv time efter undervisningen starter. Det er oplevelsen, at kursisterne er mindre tilbøjelige til at blive væk fra undervisningen, når der stilles disse krav til kursisten. Tiltag 2: Telefonisk melding om fravær Det kan overvejes at stille krav om, at kursisterne skal give sprogcenteret besked om fravær telefonisk. Ved telefonisk henvendelse er det muligt for sprogcenteret at have en dialog med kursisten om fraværet. Det forhindrer misforståelser omkring, hvad der defineres som lovligt fravær og det mindsker sandsynligvis kursisternes tilbøjelighed til at blive væk, når de ikke har en god og lovlig grund. Sammenlignet med skriftlig besked om fravær, vil den telefoniske henvendelse og den personlige kontakt gøre det mere forpligtende for kursisten at møde op til danskundervisningen. Telefonisk henvendelse omkring fravær forudsætter til gengæld strukturerede og faste procedurer. Det er vigtigt, at det for kursisten er tydeligt, hvem der skal ringes til, og det er vigtigt, at personen, der modtager opkaldet, registrerer fraværet, så det senere kan dokumenteres, om kursisten på lovlig vis har meldt sig fraværende. Etableres der ikke strukturerede og faste procedurer omkring telefoniske henvendelser svækkes dokumentationsgrundlaget for eventuel sanktionering ved fravær. Boks 2 Procedure ved melding af fravær i Skive Kommune - Kursisten ringer til sprogcenteret i Skive Kommune om morgenen inden undervisningen starter. - Telefonen besvares af en sekretær eller en leder. Den pågældende, der modtager opkaldet, noterer fraværet og evt. årsag i IT-systemet Ludus. - Ved sygdom spørges i rimeligt omfang ind til sygdommens art og omfang. - Når det skønnes relevant, opfordres kursisten til at deltage i undervisningen i videst muligt omfang. - Når der meldes afbud til undervisningen pga. lægebesøg, hospitalsbesøg, aftale på kommunen eller lignende, spørges der ind til om en del af undervisningen kan følges. - I mange tilfælde ønskes der blot god bedring ved sygdom og fraværet noteres. 23

224 Tiltag 3: Klare linjer for årsager til lovligt fravær Kommunerne kan med fordel sammen med sprogcenteret sørge for at få kommunikeret klare linjer til kursisterne om, hvad der kan give anledning til lovligt fravær og hermed også, hvad kursisterne kan blive sanktioneret for. På den måde undgår kommunen misforståelser, der giver anledning til uhensigtsmæssigt fravær. Yderligere mindsker kommunen risikoen for, at kursisterne føler sig forskelligt behandlet ved eksempelvis sanktionering. Nogle kommuner oplever kulturforskelle, der leder til misforståelser om, hvad der er lovligt fravær. Der har således været eksempler på, at kursister fejlagtigt tror, at det er i orden at blive væk fra danskundervisningen, hvis ægtefællen er blevet syg og skal passes. Eksemplet viser, at det ikke altid er åbenlyst for kursisterne, hvad der udgør lovligt fravær, hvilket understreger behovet for at udarbejde klare retningslinjer herfor. Boks 3 Skive Kommune og Odsherred Kommune har tydeliggjort retningslinjer for fravær - Skive Kommune har udarbejdet en række udtømmende årsager for, hvad der er lovligt fravær. Lovligt fravær er; egen sygdom, barn syg, aftale på sygehus, speciallæge eller lignende, og fravær, der på forhånd er aftalt med en sagsbehandler. Fraværet skal derudover meldes inden undervisningen starter, når der er tale om egen sygdom eller barn syg. Meldes fraværet ikke i tide, betragtes det som ulovligt, uanset om kursisten eksempelvis reelt var syg. - Odsherred Kommunes sprogcenter anvender blanketter, der skal stemples og underskrives af eksempelvis speciallæge, hvis et besøg ligger oven i danskundervisningen. Hvis ikke en underskrevet blanket kan fremvises som dokumentation for besøget, bliver fraværet ikke godkendt som lovligt. Tiltag 4: Kursisten har ansvar for eget fremmøde til danskundervisning For at fremmødet til danskundervisningen bedst muligt afspejler fremmødet på en arbejdsplads, kan kommunen gøre kursisten mere bevidst om, at integrationsydelsen modtages for et stykke udført arbejde i form af deltagelse i danskundervisning og deltagelse i øvrige dele af integrationsprogrammet. På den måde hjælper kommunen også kursisten på vej til en formentlig mere vellykket fremtidig integration på arbejdsmarkedet. I Skive Kommune er hver kursist udstyret med egen fremmødeliste, som han/hun selv har ansvar for. Fremmødelisten ligger i praksis på sprogcenteret, men i slutningen af hver måned skal kursisten hente fremmødelisten og sammen med sin sprogcenterlærer underskrive listen. Herefter er det kursistens ansvar at afleverer fremmødelisten til sagsbehandler i kommunen senest den 5. i den efterfølgende måned. Sagsbehandler udsender herefter brev om partshøring og indstiller til sanktion, hvis nødvendigt. Afleveres fremmødelisten ikke, vil det blive betragtet som, at kursisten på intet tidpunkt i løbet af den foregående måned, er mødt op til danskundervisningen. Da fremmødet er et krav for at modtage integrationsydelse, udbetales ingen integrationsydelse, hvis der ikke er blevet afleveret en fremmødeliste. Afleveres fremmødelisten for sent, kan det ske, at integrationsydelsen bliver udbetalt med forsinkelse. Når kursisten selv har ansvaret for fremmødelisten, er kursisten forventelig mere bevidst om de krav der stilles til fremmøde, ligesom kursisten får et klart billede af, hvor meget fravær personen 24

225 har, og hvor meget af fraværet, der er ulovligt og medfører sanktion. Det kan give anledning til mindre ulovligt fravær. Tiltag 5: Konsekvent brug og hurtig behandlingstid i forbindelse med sanktioner Det er flere af de interviewede kommuners erfaring, at det er vigtigt at sikre en kultur, hvor man nøgternt sanktionerer ulovligt fravær og ikke forholder sig til om det er synd for kursisten. Sanktioner skal ses som et redskab til at understrege vigtigheden af at møde op til danskundervisningen og at fravær uden gyldig grund har en konsekvens, hvilket det også vil have på arbejdsmarkedet. Det er kommunernes erfaring, at for at sanktioner har den ønskede effekt, nemlig at sænke fraværet, er det vigtigt, at der er en klar sammenhæng mellem årsagen til en sanktion og den økonomiske konsekvens. Alle kommuner er forpligtigede til at partshøre kursisterne i forbindelse med ulovligt fravær, men fristen for at sanktionere en kursist er tre måneder, og der kan således være stor variation fra kommune til kommune i, hvor lang tid der går, fra at fraværet har fundet sted til at sanktionen økonomisk kan mærkes. Hvis kursisten allerede blive trukket i ydelse en måned efter kommunen har modtaget fremmødelisten, som fx i Odsherred og Skive Kommune, vil kursisten alt andet lige i højere grad forbinde fraværet med den negative økonomiske konsekvens. Hurtig sanktionering giver samtidig kursisten en klar oplevelse af konsekvens. Det skal samtidig understreges, at hurtig sanktionering forudsætter, at kommunen er hurtig til at få partshørt kursisterne, at fristerne for partshøring er kort og at kommunen herefter hurtigt får indstillet til sanktion. Tiltag 6: Omgående opfølgning på fravær Kommunerne kan med fordel følge fraværet tættere end ved de månedlige fremmødelister. Reagerer kommunen eller sprogcenteret samme dag eller få dage efter at fraværet har fundet sted, skabes der potentielt større bevidsthed hos kursisten om konsekvenserne ved at være fraværende fra danskundervisningen uden lovlig grund. Det kan medvirke til, at fremmødet stiger. En tæt opfølgning kan foregå, som i Holstebro Kommune, hvor administrationen på sprogcenteret fast sender en SMS til kursister, der har haft to dages fravær i træk uden afbud. Får sprogcenteret ingen tilbagemelding fra kursisten om årsagen til fraværet, og bliver kursisten forsat væk fra undervisningen, modtager kursisten et e-boksbrev om fraværet. Den pågældende kursists sagsbehandler i kommunen samt sprogcenterets vejledere bliver informeret om dette og kan tage affære. Det er Holstebro Kommunes erfaring, at proceduren med SMS er og e-boksbreve har en positiv effekt på fremmødet. Tiltag 7: Rådighedsafklarende tilbud, der er mindre attraktive end at følge danskundervisning Hvis en kursist har omfattende ulovligt fravær, kan kommunen sidestille dette med, at kursisten afviser tilbuddet om danskundervisning. Kommunen kan da vælge at udskrive den pågældende fra sprogcenteret og i stedet give personen et rådighedsafklarende tilbud. Viser den pågældende velvilje i forhold til at møde op i det rådighedsafklarende tilbud, kan personen igen få mulighed for at deltage i danskundervisningen. I forhold til at anspore personen til at genoptage danskundervisningen, bør det rådighedsafklarende tilbud være mindre attraktivt end danskundervisningen. 25

226 I Skive Kommune kaldes de rådighedsafklarende tilbud for udehold. Udehold er kendetegnet ved at være udendørs ikke særligt attraktive arbejdsopgaver. Opgaverne omfatter oprensning af åer, fejning af legepladser og lignende. Udeholdene har meget tidlige mødetidspunkter og et omfang på 37 timer, hvilket er med til at mindske attraktiviteten ved tilbuddet sammenlignet med danskundervisningen. Det er Skive Kommunes erfaring, at de rådighedsafklarende tilbud har en positiv effekt på fremmøde til danskundervisningen. Tiltag 8: Fokus på kursister i job med løntilskud og ordinær beskæftigelse For at begrænse omfanget af fravær, er det vigtigt at tilbyde kursister, der er kommet i beskæftigelse, alternative undervisningstidspunkter, fx i form af aftenhold eller weekendundervisning. Flere kommuner har fremhævet udfordringer med at fastholde kursister, der kommer i job med løntilskud eller ordinær beskæftigelse. Det skyldes måske, at kursister, der kommer i beskæftigelse har en følelse af at have klaret den i forhold til arbejdsmarkedet, og derfor ikke er så motiverede i forhold til at følge danskundervisningen. En anden forklaring kan være, at ordinær beskæftigelse eller job med løntilskud kan være krævende, hvilket kan øge fraværet fra danskundervisning. Samtidig modtager disse kursister ikke integrationsydelse og kan således ikke sanktioneres. Det er imidlertid vigtigt, at kommunerne jævnligt har kontakt til kursister, der er i job med løntilskud eller i ordinær beskæftigelse og får kommunikeret vigtigheden af også at prioritere danskundervisning og derigennem motivere dem til at møde op. Kommunerne kan eksempelvis fortælle, at de ikke er sikret mod fremtidig arbejdsløshed selvom de har et job nu. Flygtninge og familiesammenførte, der trods aktuel beskæftigelse ikke kan begå sig godt på dansk, vil være dårligt stillede, hvis konjunkturen vender, end hvis de kunne begå sig bedre på dansk. Tiltag 9: Synlig og tilgængelig kommunalforvaltning på sprogcenteret Sagsbehandlerne fra kommunen kan have gavn af at være fysisk til stede på sprogcenteret med en fast kadence. På den måde bliver kursisterne potentielt mere bevidste om det tætte samarbejde mellem sprogcenteret og kommunalforvaltningen, og at kommunen tillægger danskundervisningen stor betydning. Desuden vil koblingen mellem fravær fra danskundervisning og konsekvenserne heraf i form af en sanktion stå tydeligere frem. Kursisterne får samtidig bedre mulighed for at stille spørgsmål til sagsbehandlerne, hvilket ville kræve mere af kursisten, hvis ikke sagsbehandlerne var til stede på sprogcenteret. Dette kan også påvirke fremmødet til danskundervisning positivt. I Odsherred Kommune er en sagsbehandler fra kommunen til stede på sprogcenteret en gang om ugen. Kursisterne på sprogcenteret har således en gang om ugen mulighed for at møde op hos sagsbehandleren med eventuelle spørgsmål. Yderligere har sprogcenterlærerne også mulighed for at drøfte problematikker med sagsbehandleren og kan, hvis nødvendigt, drøfte en problematik, hvor både kursist, sagsbehandler og sprogcenterlærer er til stede. 26

227 : Tæt samarbejde med frivillige i kommunen Kommunerne kan med fordel se frivillige i kommunen som en ressource i forhold til at nedbringe fraværet fra danskundervisningen. De frivillige kan gennem et mere personligt forhold til kursisten hjælpe med at guide og hjælpe flygtninge og familiesammenførte til at forstå, hvorfor det er vigtigt, at de deltager i integrationsprogrammet og møder op til danskundervisningen. Det er dog vigtigt, at kommunen indgår i et tæt samarbejde med de frivillige. Det er med til at sikre, at de frivillige i kommunen er indforståede med formålet med integrationsprogrammet og meningen med de krav, der stilles til flygtninge og familiesammenførte. Ellers er der en risiko for, at de frivillige mere eller mindre ubevidst kan komme til at bakke flygtningen eller den familiesammenførte op i, at der stilles urimelige krav, hvilket i værste fald kan føre til, at kursisterne udebliver fra eller nedprioriterer danskundervisningen. Flere kommuner har frivillige, der blandt andet hjælper flygtninge og familiesammenførte med lektielæsning til danskundervisning og i øvrigt med at blive integreret i det danske samfund. I Odsherred Kommune afholder man jævnligt møder og temaaftener med de frivillige i kommunen. På disse møder og temaaftener bliver de frivillige informeret om forskellige indsatser for flygtninge og familiesammenførte, eksempelvis indsatser på beskæftigelsesområdet og indsatser for kvinder på barsel. Derudover drøftes samarbejdet mellem kommunen og de frivillige og der kigges på eksisterende udfordringer og behov i integrationsindsatsen. 11: Målsætninger for fravær og ledelsesinformation De foregående tiltag har vist, at der er en række håndtag, kommunerne kan tage og dreje på for at reducere fraværet fra danskundervisningen. Det er derudover vigtigt, at der er et styringsmæssigt perspektiv i arbejdet med at nedbringe fraværet. Først og fremmest er det vigtigt, at kommunen er bekendt med omfanget af fraværet fra danskundervisningen for kommunens flygtninge og familiesammenførte og derigennem har mulighed for at identificere forbedringspotentialer. Nærværende benchmarkinganalyse giver kommunerne mulighed for at sammenligne eget fravær med fravær i andre kommuner, men det er også vigtigt, at kommunerne løbende følger udviklingen i fraværet ved hjælp af data og udarbejdelse af nøgletal. I den enkelte kommune bør ledelsen forholde sig aktivt til niveauet for fraværet og fastsætte målsætninger for kommunen. I boks 4 beskrives fokuspunkter i forhold til identifikation af forbedringspotentialer og fastsættelse af målsætninger med udgangspunkt i nærværende benchmarkinganalyse. 27

228 Boks 4 Relevante spørgsmål til drøftelse og fastsættelse af målsætninger for fravær På baggrund af benchmarkinganalysen er der en række spørgsmål, som kommunen kan stille sig selv. Svarene på spørgsmålene kan være med til at afdække, hvor der er potentiale for forbedringer. Hvordan placerer kommunen sig i benchmarkinganalysen? Hvordan placerer kommunen sig i forhold til kommuner med lignende rammevilkår? Hvordan har fraværet udviklet sig i kommunen? I hvor høj grad kan udviklingen skyldes en ændret populationssammensætning? På den baggrund kan kommunen identificere, hvor der er særlige potentialer for at forbedre indsatsen, hvilket kan danne grundlag for formulering af konkrete målsætninger. Kommune kan eksempelvis: Fastsætte målsætning for det samlede fravær fra danskundervisningen blandt flygtninge og familiesammenførte og dermed også for udviklingen i fraværet. Sæt et tidsperspektiv på målsætningen. Fastsætte målsætninger for fraværet fra danskundervisningen for forskellige grupper, eksempelvis flygtninge og familiesammenførte i beskæftigelse, flygtninge og familiesammenførte på integrationsydelse mv. Afdækningen af praksis i Skive, Holstebro, Aalborg og Odsherred har vist, at der er begrænset brug af løbende ledelsesinformation i arbejdet med at nedbringe fraværet fra danskundervisningen i kommunerne. Etablering af ledelsesinformation vil øge fokus på fraværet fra danskundervisningen, og er samtidig væsentligt for at følge op på, hvorvidt målsætningerne på området er nået. Ledelsesinformationen kan med fordel systematiseres, så den sker jævnligt og med en fast kadence, eksempelvis en gang i kvartalet eller hvert halve år. De opstillede målsætninger og løbende ledelsesinformation kan med fordel gøres til genstand for politiske drøftelser i fagudvalg. Det kan være med til at sikre et styrket fokus på arbejdet med at nedbringe fraværet fra danskundervisning. Samtidig er det oplagt at anvende ledelsesinformation som et dialogværktøj i den løbende dialog mellem kommunalforvaltning og sprogcenter om fravær fra danskundervisning. 28

229 Bilag 1: Sådan placerer din kommune sig Fravær fra danskundervisning