Arbejdet med STARs profilafklaringsværktøjer SAS netværksmøde den 13. oktober 2016 13. oktober2016
Disposition Introduktion og rammesætning Eksempel: Statistisk profilafklaringsmodel for uddannelseshjælpsmodtagere Kort om igangværende analyser: Har subjektive faktorer en selvstændig forklaringskraft? 13. oktober 2016
Den politiske kontekst Kontanthjælpsreformen Aftale om, at der [t]il understøttelse af visitationen udvikles et digitalt screeningsværktøj. Beskæftigelsesreformen Aftale om udvikling af et et landsdækkende afklaringsværktøj til at afklare den enkelte arbejdsløse og vedkommendes risiko for langtidsledighed 13. oktober 2016
Værktøjer på jobnet.dk som tilbud til: Uddannelseshjælpsmodtagere A. Samtaleværktøj: Spørgeskema om uddannelse B. Statistisk model: i) Unge med størst chance for hurtigt at komme i uddannelse/job samt ii) Unge med størst risiko for langtidsledighed 13. oktober 2016
Værktøjer på jobnet.dk som tilbud til: Uddannelseshjælpsmodtagere A. Samtaleværktøj: Spørgeskema om uddannelse B. Statistisk model: i) Unge med størst chance for hurtigt at komme i uddannelse/job samt ii) Unge med størst risiko for langtidsledighed Dagpengemodtagere A. Samtaleværktøj: Spørgeskema om job og jobsøgning B. Statistisk model: Ledige med størst risiko for langtidsledighed 13. oktober 2016
Sådan foregår det i praksis Borgeren melder sig ledig på jobnet.dk Borgeren vælger at besvare det forberedende spørgeskema Statistisk profilafklaring Kvittering til borger (afh. af resultat) Sagsbehandler kan tilgå besvarelse og resultat 13. oktober 2016
Intention Bedst mulig forberedelse af borger og sagsbehandler Sætte rammen for dialogen med den ledige Understøtte den faglige vurdering af borgeren Understøtte målrettet indsats (tidligt) og optimal anvendelse af ressourcer i beskæftigelsesindsatsen 13. oktober 2016
Statistisk profilafklaring Eksempel: Model for uddannelseshjælpsmodtagere 13. oktober2016
Statistisk profilafklaring, unge Værktøjet udskiller to målgrupper: 1. Unge med relativ høj sandsynlighed for at komme hurtigt i job/uddannelse 2. Unge med relativ høj sandsynlighed for at blive langtidsledige Personer, der ikke tilhører 1 og 2, placeres i en neutral mellemgruppe
Statistisk profilafklaring, unge (fortsat) Trækker på viden fra analyser af tidligere ledighedsforløb: Finder karakteristika, der er korreleret med sandsynligheden for at tilhøre de to målgrupper. Indhenter registeroplysninger om den nyledige Inddeler nyledige i risikogrupper på baggrund af de indhentede oplysninger og resultaterne af de bagvedliggende analyser
Statistisk profilafklaring, unge (fortsat) Datagrundlag Ca. 85.000 ledighedsforløb over en toårig periode Registerdata om bl.a.: Uddannelse Arbejdsmarkedshistorik Alder Køn Herkomst Mv.
Statistisk profilafklaring, unge (fortsat) Prædiktiv model: Beslutningstræ Ikke-parametrisk Hierarkisk segmentering af data Finder den input-variabel (og værdi), der ved segmentering kan generere den største forskel i ssh. for at opfylde target => Splitter populationen på baggrund heraf Proces gentages for de udskilte delpopulationer/segmenter, indtil der ikke er flere signifikante splits
Statistisk profilafklaring, unge (fortsat) Statistisk test: Tester nul-hypotese om uafhængige fordelinger EKSEMPEL X < Y X >= Y Target=1 Target=0 Chi-i-anden test
Eksempel Target 1: Hurtig afgang til job/uddannelse Alle Afgår hurtigt: 29,6 pct. Beskæftigelsesgrad over 14 pct. Afgår hurtigt: 44,9 pct. Erhvervsgymnasial uddannelse Afgår hurtigt: 60,6 pct. 13. oktober 2016 20 år eller derunder Afgår hurtigt: 69,5 pct.
Eksempel
Modelspecifikation Forretningsovervejelser har betydning for valg af modelspecifikation: Krav til risikogruppens størrelse Krav til risikogruppens (mer)sandsynlighed Cut-off? Krav til kompleksitet / ny viden Krav til implementerbarhed
Resultater: 1. Afgår hurtigt 100 90 80 70 60 50 40 30 20 10 0 Sandsynlighed for at opfylde target 30 % Alle 57 % Udskilt i modellen (11,3 pct.) 26 % Ikke udskilt i modellen
Typiske karakteristika 1. Unge der afgår hurtigt Gennemført gymnasial uddannelse Forudgående beskæftigelse i større eller mindre omfang og/eller lav offentlig forsørgelsesgrad Typisk under 23 år
Resultater: 2. Risiko for langtidsledighed 100 90 80 70 60 50 40 30 20 10 0 Sandsynlighed for at opfylde target 29 % Alle 62 % Udskilt i modellen (10,1 pct.) 25 % Ikke udskilte i modellen
Typiske karakteristika 2. Unge i risiko for langtidsledighed Er enten 18 år og derunder eller over 23 år Ingen eksamen i 9. klasse Stort set ingen forudgående beskæftigelse og/eller relativ høj offentlig forsørgelsesgrad
Igangværende analyser Har subjektive faktorer selvstændig forklaringskraft? 13. oktober2016
Igangværende analyser for dagpengemodtagere Hypotese: Subjektive faktorer (de lediges svar på det forberedende spørgeskema) har selvstændig forklaringskraft fsva. forudsigelse af risikoen for langtidsledighed
Eksempel Alle: Risiko: 44,7 pct. Hvor hurtigt i job:? Efterløn/barsel Risiko: 93,1 pct. Hvor hurtigt i job? Over 3 mdr./ved ikke Risiko: 56,8 pct. Hvor hurtigt i job? Under 3 mdr. Risiko: 38,8 pct. Hvor hurtigt i job? Har et job / Under 1 md. Risiko: 20,3 pct. Begrænsninger for job? Nej Risiko: 54,2 pct. Begrænsninger for job? Ja/ ved ikke Risiko: 63,5 pct. Herkomst: Dansk Risiko: 51,9 pct. Herkomst: Ikke-vestlig (samt vestlig efterkommer) Risiko: 65,7 pct. Alder: Under 55 Risiko: 49,8 pct. Alder: Over 55 Risiko: 67 pct.