Ceveas forslag til et socialt taxameter på ungdomsuddannelserne

Transkript

1 Ceveas forslag til et socialt taxameter på ungdomsuddannelserne Vi ved i dag, at der er en meget tydelig sammenhæng mellem frafaldsprocenter og forældres uddannelsesbaggrund: Jo længere en uddannelse forældrene har, desto større er sandsynligheden for, at deres børn gennemfører en ungdomsuddannelse. Selvom vi kender til denne sammenhæng, tages der i udbetalingen af tilskud ikke højde for, at de enkelte uddannelsesinstitutioner reelt løser vidt forskellige opgaver. Nogle steder er omkostningerne ved at uddanne og sikre det faglige niveau hos én elev simpelthen højere end hos en tilsvarende elev i den anden ende af landet. Spørgsmålet er så, hvordan vi kan få et ressourcefordelingssystem, der tager højde for disse forskellige omkostninger, som er forbundet med to - på papiret - ens uddannelser. Cevea foreslår en simpel model, hvor elevernes baggrund i fremtiden har indflydelse på, hvor stort et tilskud den enkelte uddannelse modtager. Modellen bygger på den viden vi har om, hvad der fører til frafald, og den ændrer grundlæggende ikke på de principper, som i dag ligger til grund for tilskudsfordelingen. Vi foreslår, at det bliver følgende parametre, der bliver udgangspunktet for beregning af det sociale taxameter: - Forældres uddannelsesbaggrund - Afgangskarakterer fra grundskolen Ud fra disse parametre beregnes den enkelte skoles socialfaktor. Med udgangspunkt i denne faktor tilpasses institutionens tilskud, så tilskuddet reelt afspejler de udfordringer, som skolen har. Det er en central diskussion, hvorvidt taxameteret bør indføres på tværs af ungdomsuddannelserne, så der ikke skelnes til den enkelte uddannelsestype, men blot til elevens baggrund. En fuldstændig negligering af uddannelsestype er ikke fordelagtig, og man bør derfor overveje en model, hvor omfordelingen sker både inden for den enkelte uddannelsestype og på tværs af uddannelsestyperne. I praksis vil sådan en model betyde, at erhvervsskolerne samlet set ville blive tilgodeset, eftersom de i dag løfter den klart største andel af elever fra uddannelsesfremmede hjem. Modellen vil dog også sikre, at de gymnasier, som - relativt set - løfter en stor gruppe unge fra uddannelsesfremmede hjem, også vil blive tilgodeset. I det følgende tages der udgangspunkt efter en model, hvor 2/3 af de midler, som bruges på socialt taxameter, fordeles inden for den enkelte sektor og 1/3 fordeles på tværs af sektorerne. Det foreslås desuden, at finansieringen findes gennem en afskaffelse af færdiggørelsestaxameteret. Modellen kan indføres som et glidende taxameter, så institutionerne hele tiden har en vished om, hvor meget de cirka kan forvente udbetalt i næste periode. Det er afgørende for at kunne sikre en stabil drift af vores uddannelsessystem. Modellen kort Det mest afgørende at tage stilling til er, hvordan man ønsker at finansiere et socialt taxameter. Vi finder det i den sammenhæng oplagt at finde midlerne fra færdiggørelsestaxameteret. Det skyldes, at færdiggørelsestaxameteret 1) har en negativ social slagside, eftersom uddannelsesinstitutioner med mange elever fra uddannelsesfremmede hjem straffes mest på grund af det tabte taxameter samt 2) at incitamentet til at få så mange elever igennem uddannelse fortsat vil være kraftigt, da de kvartalsvise udbetalinger af undervisningstaxameteret er på niveau med færdiggørelsestaxameteret og dermed virker som et mindst lige så stort incitament til fastholdelse og gennemførelse.

2 I tabel 1 herunder kan det ses, hvor mange midler det ville give til et socialt taxameter, hvis færdiggørelsestaxameteret afskaffes. TABEL 1 Udd. Type I alt udbetalt i færdiggørelsestaxametre Sektor-soc. Taxameter Fælles soc. taxameter EUD (hoved) kr kr kr HHX kr kr kr HTX kr kr kr STX kr kr kr HF kr kr kr I alt kr kr kr Som det fremgår giver en afskaffelse af færdiggørelsestaxameteret altså omkring ½ mia. kr. til omfordeling inden for de enkelte sektorer og omkring ¼ mia. kr. til omfordeling på tværs af uddannelsestyper. Samtlige institutioner tildeles nu to forskellige socialfaktorer: - En fælles-socialfaktor - En sektor-socialfaktor I tabel 2 ses et tilfældigt udsnit af landets ungdomsuddannelser samt deres forskellige socialfaktorer. 1 er et udtryk for, at man har - relativt set - mange sociale udfordringer, mens socialfaktor 4 er et udtryk for det modsatte. I bilaget forklares det, hvordan faktoren er udregnet. Tabel 2 Navn Fælles Sektor Agri College Aalborg 1 1 Agroskolen Hammerum 2 2 AMU-Fyn 1 1 Asmildkloster Landbrugsskole 1 2 Auto College Aalborg 1 2 Skive Tekniske Skole 2 3 Skolen for Klinikassistenter og 1 1 Tandplejere Skovskolen 2 3 SKT - Aarhus Universitet 1 1 Avedøre Gymnasium 3 1 Næstved Gymnasium og HF 3 2 Nørresundby Gymnasium og HF 3 2 Odsherreds Gymnasium 3 2 Ringsted Gymnasium 3 2 Rødovre Gymnasium 4 2 På baggrund af de to socialfaktorer udregnes nu hvor stort et tillæg, den enkelte institution skal have til det ordinære undervisningstaxameter. Modellen er lavet sådan, at alle institutioner, uanset hvor ressourcestærke eller -svage de måtte være, modtager et tillæg. Det sker, fordi alle institutioner mister færdiggørelsestaxameteret, hvorfor alle også må kompenseres i større eller mindre omfang. Herunder er der vist et eksempel på, hvordan tillæggene vil fordele sig for henholdsvis det fælles sociale taxameter, STX og HF samt EUD.

3 Fordeling af fælles socialt-taxameter Ekstra midler pr. elev Eksempel på fordeling af sektor socialt-taxameter: STX og HF Ekstra midler pr. elev Eksempel på fordeling af sektor socialt-taxameter: EUD Ekstra midler pr. elev Ovenstående tillæg kan nu uden videre lægges oveni i de takster, der årligt fastsættes som en del af finanslovsarbejdet. Herunder er der lavet et eksempel for, hvordan det for en række almengymnasiale uddannelser ville have set ud i 2010 med de tilgængelige baggrundsdata.

4 Fælles socialfaktor EUD Navn Total ændring 1 1 SOPU København Diakonissestiftelsens Social- og Sundhedsskole 3 4 Haderslev Handelsskole Tønder Handelsskole Vejen Handelsskole EUC Lillebælt Bygholm Landbrugsskole Ringkjøbing Handelsskole & Handelsgymnasium 2 3 Vestjydsk Handelsskole & Handelsgymnasium Århus Social- og Sundhedsskole Uddannelsescenter Ringkøbing-Skjern Skive Tekniske Skole Skive Handelsskole Erhvervsskolerne Aars Navn Udbetalt færdiggørelsestaxameter Tillæg til Undervisningstakst Total ændring Rysensteen Gymnasium ,44 Sankt Annæ Gymnasium ,27 Christianshavns Gymnasium ,10 Nørre Gymnasium ,61 Københavns åbne Gymnasium ,44 Gentofte Studenterkursus ,21 Aurehøj gymnasium ,61 Gentofte HF ,19 Gammel Hellerup Gymnasium ,53 Herlev Gymnasium og HF ,09 Kongsholm Gymnasium & HF ,70 VUC Vestegnen ,10 Avedøre Gymnasium ,26 Høje-Taastrup Gymnasium ,12 Tårnby Gymnasium ,53 Allerød Gymnasium ,27 Espergærde Gymnasium og HF ,48

5 Bilag: Indførelse af socialfaktor i udbetaling af taxametertilskud Det afgørende i arbejdet med at finde en faktor, som beskriver de faktiske omkostninger, som en institution har ved at drive uddannelser, er at finde en signifikant og stærk sammenhæng mellem objektivt målbare parametre og frafaldsprocenten. Det er interessant at forklare frafaldet med andre variable, da det er denne, der i et vist omfang determinerer de tab, som institutioner har, hvis deres elevmasse har en relativt mere udfordrende social baggrund. Således er det frafaldet, der direkte minimerer indtægterne, men eftersom vi ikke er interesserede i at indføre et taxameter, der belønner frafald, må vi forsøge at finde de forklarende variable, der er til netop frafald, og korrigere herfor i taxametersystemet. At forældrenes højeste fuldførte uddannelse og afgangskaraktererne fra folkeskolen meget præcist forudsiger institutionens frafald har været påvist flere gange. At dette er tilfældet ses på nedenstående graf, som viser sammenhængen mellem frafald og forældreuddannelse. Sammenhæng mellem frafaldsprocent og længden af forældrenes uddannelse Kilde: Særkørsel hos Danmarks Statistik (Elevregistret, Uddannelsesregister med højeste fuldførte uddannelse, database med karakterer samt Befolkningsstatistik) Forklaring: Figuren viser institutionernes frafald sammenholdt med den gennemsnitlige længde af forældrenes uddannelse.

6 Helt overordnet er der er brugt en principalkomponentanalyse, med en n-værdi på 1. Kort sagt er en principalkomponentanalyse en matematisk procedure, der bruger ortogonal transformation til at konvertere et sæt af observationer af muligt korrelerede variable til et sæt af lineære, ukorrelerede variable kaldet principale komponenter. At n-værdien er lig 1 betyder, at analysen udelukkende returnerer en enkelt principal komponent. Sagt på en anden måde indføres der en ny variabel, som opsummerer de variable, som der kommes ind i modellen. Følgende variable er inkluderet i modellen: - Samletforuddd: Samlet forældreuddannelse, dvs. længden af uddannelsen i år, for den forælder med den længste uddannelse, gennemsnit for alle gymnasiets elever. - Fk_dansk: gennemsnitlig afgangskarakter fra grundskolen i dansk - Fk_engelsk: gennemsnitlig afgangskarakter fra grundskolen i engelsk - Fk_matematik: gennemsnitlig afgangskarakter fra grundskolen i matematik Alle variable er på institutionsniveau. Tabel 3 viser, at den ene faktor, vi indfører, forklarer næsten al den variation, der forekommer m ellem de fire ovenstående variable, som vi tidligere har vist, har en meget tæt sammenhæng med frafaldet på institutionerne. Tabel 3. Eigenværdier og den kumulative forklaringsgrad efter principalkomponentanalysen Eigenværdier af korrelationsmatrixen: Total = 4Gennemsnit = 1 Factor nr. Eigenværdi Difference Fordeling Kumulativ Kilde: Særkørsel hos Danmarks Statistik (Elevregistret, Uddannelsesregister med højeste fuldførte uddannelse, database med karakterer samt Befolkningsstatistik) Forklaring: factor1 har en samlet forklaringsgrad på omkring 94 pct., dvs. factor1 forklarer 94 pct. af den samlede variation som de 4 ovenstående variable udgør. Eftersom vi har opsat kriteriet n=1 arbejder vi kun videre med factor1. For at lave en inddeling af institutionerne i de fire grupper, som vil være udgangspunktet for tildelingen af midler, udregnes værdien af den såkaldte faktor for hver institution. På baggrund af denne værdi kan samtlige institutioner, på tværs af uddannelsestype, nu inddeles i kvartiler. For 2010, fås følgende inddeling:

7 Tabel 4. Samtlige institutioner inddelt i kvartiler efter deres scorer i den nye variabel, factor1 Kvartiler Kvartil Estimat Socialgruppe 75% Q3 0, % Median % Q % Min Kilde: Særkørsel hos Danmarks Statistik (Elevregistret, Uddannelsesregister med højeste fuldførte uddannelse, database med karakterer samt Befolkningsstatistik) Om analysen Der er foretaget en oprydning i det datamateriale, der er brugt til udarbejdelsen af socialfaktoren. I en situation, hvor dataen skulle bruges som udgangspunkt for beregning af tilskud, vil der derfor skulle foretages en datakvalitetssikring, samt evt. tages stilling til, om alle institutionstyper bør indgå i en model for socialt taxameter. F.eks. indgår samtlige kommuner med deres produktionsskoler, hvilket slører billedet, hvis man ikke frasorterer disse. Der er foretaget følgende oprydning i data: - Frasortering af meget små institutioner, dvs. under 50 indskrevne fuldtidselever - Frasortering af institutioner, der har et ekstremt højt frafald, dvs. over 60. Dette drejer sig dog kun om en håndfuld. Følgende kilder er anvendt i modelopbygningen af et socialt taxameter: - Finansloven for 2010, herunder takstkataloger mv. - Særkørsel hos Danmarks Statistik (Elevregistret, Uddannelsesregister med højeste fuldførte uddannelse, database med karakterer samt Befolkningsstatistik)