Svend Torp Jespersen, specialist, economics Kønsmainstreamingtrafikulykker 1
Indhold Baggrund Data Metode Resultater Perspektiver 2
Baggrund Alt skal kønsmainstreames Hvad er en kønsmainstreaming? At et politikområde bliver gennemgået for at sikre, at ligestillingsperspektiver indgår i processer og resultater Hvad handler det egentlig om? Er der forskel på mænd og kvinder i trafikken, når man tager højde for trafikadfærd og socio-økonomi? 3
Data Persondata Ulykkesdata Transportdata Transportmiddeldata Personnummer Alder Køn Uddannelse Indkomst Pendling Etnicitet Bopælskommune Personnummer Indregistreringsnr. Personer Uheld Elementer Gruppe-id Transportmiddel Turformål Antal km Tid Antal ture Alder Køn Uddannelse Indkomst Etnicitet Bopælskommune Personnummer Indregistreringsnr. Køretøjsart Køretøjsmærke Mærke-variant 4 4. MAJ 2015 COWIS ARBEJDE MED TRAFIKUHELD
Kilder og kvalitet #1 CPR-registret RAS Uddannelsesregistret Indkomststatistikregistret Digitalt motorkøretøjs register Persondata 5 mio. obs. Transportmiddeldata 3 mio. obs. Reliabilitet + Grundlag for beskatning, præstationsaflønning og offentlig administration + Gentagen dataindsamling, faste procedurer - Databrud i beskæftigelsesstatistikken i 2009 5 Validitet + Matcher nogle objektive kategorier, der kan arbejdes med 4. MAJ 2015 COWIS ARBEJDE MED TRAFIKUHELD
Kilder og kvalitet #2 Ulykkeselementer Ulykkespersoner Ulykker Ulykkesdata 27.000 obs. Reliabilitet + Gentagen dataindsamling, faste procedurer + Nogle oplysninger anvendes til efterforskning - Kodes af politiet på ulykkessted og tidspunkt afhænger af politiets ressourcer i situationen - Dårligt match med skadestueregistreringer 6 Validitet +Omfatter alle, som politiet har registreret i forbindelse med ulykker med personskade - Omfatter ikke ulykker med udelukkende materiel skade - Omfatter ikke personskader, der rapporteres direkte til skadestue eller praktiserende læge 4. MAJ 2015 COWIS ARBEJDE MED TRAFIKUHELD
Kilder og kvalitet #3 Transportvane undersøgelsen 130.000 obs. Reliabilitet + Gentagen dataindsamling, faste procedurer - Ikke samme personer, der indgår i forskellige år - 'Små celler' Validitet +Muliggør ulykkesanalyser for alle transportmidler på repræsentativ stikprøve af personer og ture - For få observationer til at analysere ulykkesrisici på individniveau 7 4. MAJ 2015 COWIS ARBEJDE MED TRAFIKUHELD
Metode Beskrivende statistik Enkelte simple regressioner 8
Resultater: Erfaring Erfaring, køn og ulykker Ser ud som om der er overrepræsentation af uerfarne trafikanter "Små" kønsforskelle, bortset fra ufaglærte Det drejer sig ikke bare om erfaring. Uddannelse er også vigtigt. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Mænd Kvinder Mænd Kvinder Mænd Kvinder Alle Eneuheld Eneuheld og grundskole 1 år 2-5 år 6-10 år 10+ år 9
Resultater: Uddannelse Mellemlang videregående uddannelse Underrepræsenteret i ulykkesstatistikken Hvis man sammenholder mænds andel af MVU'ernes trafikarbejde med deres andel af de ulykkesinvolverede, finder man en fin overensstemmelse: Begge andele bliver 42 %. 120% 100% 80% 60% 40% 20% 0% Befolkning Trafikarbejde Ulykker MVU Resten af befolkningen 10
Resultater: Ulykker og trafikarbejde for MVU'ere, fordelt på transportmiddel Transportmiddel Resultater afhænger meget af, hvordan trafikarbejdet opgøres Knallerter og motorcykler Andel involverede i ulykker Mænd Kvinder Andel trafikarbejde i km Mænd Kvinder Andel trafikarbejde i minutter Mænd Kvinder Bil 64 % 70 % 83 % 81 % 67 % 60 % Cykel 19 % 20 % 4 % 4 % 12 % 12 % Fodgæ 3 % 7 % 1 % 2 % 12 % 18 % nger Knallert 3 % 1 % 0 % 0 % 0 % 0 % Motorcykel 5 % 2 % 1 % 0 % 1 % 0 % Andet 6 % 1 % 11 % 13 % 9 % 10 % I alt 100 % 100 % 100 % 100 % 100 % 100 % 11
Perspektiver Ulykker er også køn uddannelse Muligheder ved at kombinere ulykkesdata, trafikdata og socio-økonomi 12