Gå til sidens indhold

Statistisk behandling

Kontaktinfo

Arbejdsmarked, Personstatistik.
Pernille Stender
39 17 34 04

psd@dst.dk.

Hent som PDF

Arbejdsmarkedsregnskab

Datagrundlaget til arbejdsmarkedsregnskabet kommer fra en lang række af Danmarks Statistiks registre. Disse integreres og harmoniseres i et statistiksystem.

Kilder

Grunddata stammer fra en række kilder, disse er:

  • Eindkomstregistret
  • Erhvervsregistret
  • Indkomststatistikken
  • Statistikken for offentligt forsørgede
  • Befolkningsregistret
  • Barsels- og sygedagpengeregistret
  • Elevregistret
  • Kursistregisret

Indsamlingshyppighed

Statistikken er årlig, men data til statistikken indsamles løbende.

Indsamlingsmetode

Datagrundlaget til arbejdsmarkedsregnskabet er forskellige statistikregistre i Danmarks Statistik som alle er baseret på administrative data.

Datavalidering

De data som AMR baserer sig på er allerede datavaliderede enkeltvis. Der foretages dog en mere detaljeret datavalidering af lønmodtagerjobbene end den validering som allerede er foretaget til konjunkturstatistikken (og som derfor allerede er indeholdt i datainputtet til AMR). Fejlsøgningen består primært i, at vurdere om jobbet er knyttet til det korrekte arbejdssted.

Datavalideringen ved produktionen af AMR foregår især i den første overlapsbehandling. Her foretages der tilretningen af til- og fradatoer (når de er modstridende i inputdata), der imputeres arbejdsmarkedstilstande og timer omfordeles. Det er langt fra alle arbejdsmarkedstilstande som bliver berørt af overlapsbehandlingen. Overordnet set berører overlapsbehandlingen følgende områder:

  • støttet beskæftigelse og job: Konkret kobling af støttet beskæftigelse til job, valg af volumen (timer, der kan være modstridende i de to datakilder), imputering af arbejdsmarkedstilstande.
  • fraværsforløb (barsel og sygedom): Konkret kobling af fraværsforløb til job, imputering af arbejdsmarkedstilstande. Bestemmelse af om fraværet er fra beskæftigelse eller ledighed.
  • selektion af selvstændige og medarbejdende ægtefæller (ud fra forskellige typer af krav til aktivitet).
  • tilretningen af dateringer og omfordeling af timer og løn ved overlap mellem ledighed på dagpenge/g-dage og beskæftigelse.
  • tilretningen af dateringer på job for selvstændige og medarbejdende ægtefæller med overlap med forskellige typer af offentlig forsørgelse.

Databehandling

Databehandlingen i AMR foregår i flere trin, hvilket er:

  1. Indlæsning af data i kildedatabase
  2. Overlapsbehandling 1
  3. Overlapsbehandling 2
  4. Diverse koblinger mv.

Nedenfor gives en kort beskrivelse af disse 4 trin.

Ad 1) Indlæsning af data i kildedatabase

Det første trin i databehandlingen er, at data fra forskellige kilder bearbejdes og indlægges i en kildedatabase.

Der indlægges bl.a. data fra statistikken for offentligt forsørgede, job for lønmodtagere (eIndkomstregistret), job for selvstændige og medarbejdende ægtefæller, data for modtagere af sygedagpenge og barselsdagpenge samt data for personer under uddannelse, herunder kursister.

Datagrundlaget for lønmodtagere er i høj grad tilpasset krav fra AMR (og konjunkturstatistikken, dvs BfL). Det betyder bl.a. at der er imputeret job ved midlertidigt fravær af under 45 dage og at timerne for fleksjobbere under den gamle ordning er nedjusteret så de afpejler de timerne fleksjobberne arbejder (og ikke de timerne fleksjobberne får betling for).

Datagrundlaget for selvstændige og medarbejdende ægtefæller kommer fra en række forskellige kilder. Ved dannelsen af kildedata for selvstændige og medarbejdende ægtefæller foretages der en imputering af timer udfra en række baggrundsvariable. Disse oplysninger indlæses ligeledes i kildedatabasen.

Personer uden for arbejdsstyrken, der ikke er i statistikken for offentligt forsørgede, har ikke en angivelse af timerne i de forskellige tilstande. Det drejer sig om børn og unge, personer under uddannelse samt alderspensionister. Disse grupper indgår med 37 timer om ugen i tilstanden. Kursister indgår med de timer de deltager i kursusaktivitet.

Ad 2) Overlapsbehandling 1

I dette trin foretages der en overlapsbehandling af de forskellige kilder fra kildedatabasen. I overlapsbehandlingen rettes såkaldte ”ulovlige overlap” ved at slette eller nedskrive tilstande eller rette på til- og fra-datoerne. Hermed sikres en bedre periodiseringer af de forskellige tilstande, som befolkningen kan være i.

Et ulovligt overlap kan fx være, hvis én person modtager dagpenge og samtidigt står registret som beskæftiget. Her vurderes det, at oplysningerne om dagpenge er mest valide. For at rette dette overlap, søges der derfor efter perioder i løbet af måneden, hvor personen alternativt kunne være i beskæftigelse, således at til- og fra-datoerne for jobbet kan ændres til dette. Findes der ikke perioder, hvor personen alternativt kunne være beskæftiget, nedskrives antallet af timer i beskæftigelse.

Der foretages også koblinger af de forskellige tilstande. Fx. kobles tilstande med støttet beskæftigelse til det job, som personen er i. Det samme gøres også for personer, der er midlertidigt fraværende, således at det vides, hvilket job personen er fraværende fra og hvorvidt personen er fraværende fra beskæftigelse eller ledighed.

Desuden foretages der også en selektering af selvstændige og medarbejdende ægtefæller på baggrund en lang række oplysninger om disse personer.

Ud fra den første overlapsbehandling dannes det ikke-timenormerede AMR (AMR-UN), som er et ikke-timenormeret forløbsregister med oplysninger om befolkningens tilknytning til arbejdsmarkedet.

Ad 3) Overlapsbehandling 2

I overlapsbehandling 2 foretages der en timenormering, således at befolkningens tilknytning til arbejdsmarkedet altid er 37 timer om ugen.

Timenormeringen tager udgangspunkt i den eksisterende timenorm, dvs. 37 timer pr. uge. En fuldtidsperson svarer således til 37 timer, og en person kan maksimalt bidrage med 37 timer. Det betyder, at hvis der er en person, som fx. modtager efterløn og samtidigt arbejder, vil personen eksempelvis indgå som 0,9 fuldtidsperson i forhold til at være efterlønsmodtagere og 0,1 fuldtidsperson i forhold til at være i beskæftigelse.

Såfremt en person har mere end 37 timer nedskrives timerne efter nedenstående rækkefølge.

  1. Børn og unge
  2. Pensionister
  3. Personer under uddannelse, hvor udenlandske studerende nedskrives først, dernæst nedskrives SU-modtagere, dernæst produktionsskoleelever, kursister og til sidst personer i ordinær uddannelse.
  4. Oftentligt forsørgede der ikke er bruttoledige
  5. Selvstændige og medarbejdende ægtefæller, inkl. deres eventuelle fraværstimer.
  6. Offentligt forsørgede der er bruttoledige
  7. Lønmodtagere, inkl. deres eventuelle fraværstimer.
  8. Ledige på dagpenge eller g-dage.

For personer der ikke har 37 timer imputeres der en "rest tilstand", således at personen har 37 timer. Rest tilstande har den socioøkonomiske kategori "øvrige uden for arbejdsstyrken".

Ad 4) Diverse koblinger mv.

Der kobles desuden en række person- og arbejdsstedsrelaterede oplysninger fra øvrige datakilder til registret.

Endvidere foregår der en klassifikation hvor befolkningens primære tilknytning til arbejdsmarkedet bestemmes efter internationale retningslinjer (ILO). Såfremt en person har flere arbejdsmarkedstilstande på samme tidspunkt prioriteres der mellem tilstandene efter nedenstående rækkefølge, når den primære tilstand skal bestemmes:

  1. Beskæftigelse, hvor jobbet med det højeste antal timer vælges. Antallet er timer er inklusiv fraværstimer (barsel, sygdom eller midlertidigt fravær), idet klassifikationen foretages på baggrund af de timer personen normalt arbejder.
  2. Bruttoledige, hvor tilstanden med det højeste antal timer vælges.
  3. Offentlig forsørgede der ikke er bruttoledige, hvor tilstanden med det højeste antal timer vælges.
  4. Personer under ordinær uddannelse
  5. Kursister
  6. Produktionsskoleelever
  7. Modtagere af SU
  8. Udenlandske studerende
  9. Modtagere af alderspension
  10. Modtagere af tjenestemandspension
  11. Modtagere af anden pension.
  12. Børn og unge
  13. Øvrige uden for arbejdsstyrken.

Korrektion

Der laves ikke korrektioner af data udover, hvad der er beskrevet under "Databehandling" og "Kvalitetsvurdering".