Søgeresultat

International statistik efter emne

Vi hjælper dig på vej, hvis du søger international statistik indenfor et bestemt emne. Herunder har vi samlet links til international statistik delt op i kilder, der dækker europæiske lande og kilder, der dækker alle lande i verden., Borgere - Europæiske kilder, DG Health and Food Safety: European Core Health Indicators, Eurostat: Population (Demography, Housing Census and Projections), Eurostat: Migration and Asylum, Eurostat: Health, Nordic Health & Welfare Statistics (NOMESKO) og (NOSOSKO), World Health Organisation. Regional Office for Europe, Borgere - Kilder fra resten af verden, International Institute for Democracy and Electoral Assistance, UN: Demographic Yearbook, UN: Demographic and Social Statistics, UN: Minimum Set of Gender Indicators, UN: World Population Prospects, UNCHR: UN Refugee Agency, UNdata: Demographic Statistics Database, OECD: Health, UNdata: WHO data (database), WHO: Global Health Observatory, Arbejde og indkomst  - Europæiske kilder, Eurostat: Labour market, DG Employment, Social Affairs & Inclusion, Eurostat: Income and living conditions, Arbejde og indkomst  - Kilder fra resten af verden, OECD: Employment, OECD: Employment database, ILOSTAT database of labour statistics, Økonomi  - Europæiske kilder, Nationalregnskab, offentlig økonomi, betalingsbalance og udenrigshandel, DG Economic and Financial Affairs: AMECO annual macro-economic database, EU KLEMS Growth and Productivity Accounts, Eurostat: Balance of payments, Eurostat: ESA Input-Output tables, Eurostat: European sector accounts, Eurostat: Government finance statistics, Eurostat: National accounts, DG Trade: Bilateral relations, Eurostat: Balance of payments, Eurostat: International trade in goods, Eurostat: International trade in services, Prisindeks, Eurostat: Harmonized Indices of Consumer Prices (HICP), Eurostat: Purchasing power parities (PPPs), Forbrug, DG Consumers: Consumer Markets Scoreboard, DG Economic and Financial Affairs: Business and Consumer Surveys, Eurostat: Household Budget Surveys, Valutakurser, renter og værdipapirer, European Central Bank:Data Portal, Eurostat: Exchange and Interest rates, Økonomi  - Kilder fra resten af verden, Nationalregnskab, offentlig økonomi, betalingsbalance og udenrigshandel, IMF: World economic outlook database, OECD: Development, OECD: National accounts, OECD: Public governance, OECD: Tax, UN: National Accounts, UN: National accounts main aggregates database, Global Forum on Trade statistics, IMF: Balance of payments statistics, IMF: Direction of trade statistics, OECD: Trade, UN: Commodity Trade Statistics Database (Comtrade), UN: International Merchandise Trade Statistics, UNCTADStat: UN Conference on Trade and Development, World Customs Organization, World Trade Organization, Priser, IMF: Primary Commodity Prices, OECD Stat: Prices and purchasing power parities (database), World Bank: Commodity markets, World Bank: International Comparison Program, Valutakurser, renter og værdipapirer, IMF: Exchange Rate Archives by Month, Sociale forhold - Europæiske kilder, Europol: European Law Enforcement Agency, Eurostat: Crime and criminal justice, Eurostat: Income and living conditions, Eurostat: Social Protection, Sociale forhold - Kilder fra resten af verden, OECD: Better life index, OECD: Social and welfare issues, UNICEF Data: Monitoring the situation of children and women, UNODC: Office of Drugs and Crime, Uddannelse og forskning - Europæiske kilder, Eurostat: Education and training, Eurostat: Science, technology and innovatio, Eurydice, Uddannelse og forskning - Kilder fra resten af verden, OECD: Education, OECD: Innovation, OECD: Science and technology, UNESCO Institute for statistics, World Intellectual Property Organization, Erhvervsliv - Europæiske kilder, DG Agricultural and rural development: Farm economies (FADN database), DG Economic and Financial Affairs: Business and Consumer Surveys, DG Internal Market, Industry, Entrepreneurship and SMEs, Eurostat: Short-term business statistics, Eurostat: Structural business statistics, European Central Bank, Eurostat: Digital economy and society, Eurostat: Agriculture, Eurostat: Forestry, Eurostat: Fisheries, Eurostat: Manufactured goods (Prodcom), Eurostat: Tourism,  , Erhvervsliv - Kilder fra resten af verden, Global Entrepreneurship Monitor, ITU: International Telecommunication Union, OECD: Competition, OECD: Industry and entrepreneurship, Food and Agriculture Organization: FAOSTAT, Food and Agriculture Organization: Fisheries Division, NEAFC: North East Atlantic Fisheries Commission, OECD: Agriculture and fisheries, UNdata: Industrial Commodity Statistics Database, UNIDO industrial statistics, World Tourism Organization, OECD: Finance, OECD: Insurance and pensions, Transport - Europæiske kilder, ACEA: European Automobile Manufacturers' Association, DG Mobility and transport, Eurostat: Transport, Transport - Kilder fra resten af verden, IATA: International Air Transport Association, - , World Air Transport Statistics, IRF: International Road Federation, - , World Road Statistics, ITF: International Transport Forum, OECD: Transport indicators, Kultur og fritid - Europæiske kilder, EGMUS : European Group on Museum Statistics, European Audiovisual Observatory, Eurostat: Culture, Eurostat: Digital economy and society, Eurostat: Sport, Nordicom: Nordiskt Informationscenter for Medie- och Kommunikationsforskning, Kultur og fritid - Kilder fra resten af verden, ITU: International Telecommunication Union, OECD: Digital, UNESCO Institute for Statistics: Culture, Miljø og energi - Europæiske kilder, DG Energy: Data and analysis, European Environment Agency, Eurostat: Energy, Eurostat: Environment, Eurostat: Land cover/use statistics, Miljø og energi - Kilder fra resten af verden, OECD: Environment, OECD: International Energy Agency, UNdata: Energy statistics database, UNdata: Environment statistics database, World Meteorological Organization,  

https://www.dst.dk/da/informationsservice/international-statistik/efter-emne

Nyt om grunddata - 2. kvartal 2025

Her finder du de seneste informationer om dataopdateringer og nye grunddata, som Danmarks Statistiks Forskningsservice stiller til rådighed. Nyt om grunddata udgives hvert kvartal og opdateres løbende, så al relevant information er samlet ét sted og er nemt tilgængelig. Kvartalsudgaven for 2. kvartal 2025 opdateres i perioden 1. april til 30. juni 2025. , 9. juli 2025 kl. 11:47 , Af , Forskningsservice, Nye LPR-data er udgivet: LPR udgives fra 2023 som LPR_A tabeller , 9. juli 2025 af Helle Wallach Kildemoes , LPR_A tabellerne for 2023 er nu udgivet i grunddata. Sundhedsdatastyrelsen (SDS) har opdateret de tidligere LPR_F tabeller (disse er nu lukket for bestilling) til en LPR analyse model svarende til de akutelle LPR_A tabeller. , I modsætning til LPR_F tabellerne pseudonymiserer Forskningsservice ikke længere koder på organisationer (SOR-koder). Dette kan du læse mere om i denne udgave af ”Nyt om grunddata”.  , LPR_A er ligesom LPR_F forløbstabeller, men indeholder ud over LPR3 information (tilbage til marts 2019) tillige information fra LPR2 (fra 2017-2019). , Variablen LPRINDBERTNINGSSYSTEM angiver, hvorvidt der er tale om LPR3, LPR2 eller MiniPas (private hospitaler). Danmarks Statistik modtog den endelige version af LPR_A_2023 tabellerne i marts 2025, med den implikation at LPR2023 tabellerne tillige indeholder foreløbig information vedr. 2024 hospitalskontakter. Data fra 2024 kan dog blive opdateret og de endelige data for 2024 vil udkomme i efteråret 2025, i forbindelse udgivelsen af LPR_A_ tabellerne for 2024., LPR_A tabellerne svarer i overvejende grad til LPR_F tabellerne, men indeholder betydeligt flere variable. Mens LPR_F bestod af 14 tabeller består LPR_A af 12 tabeller. Se overblik i tabellen nedenfor., Tabellen nedenfor viser forskelle og ligheder mellem LPR_A og LPR_F samt hvordan data fra udgåede LPR_F registre indgår i de nye LPR_A registre (a, b og c), LPR_A, LPR_F, Betalingsoplysninger, Betaler, Diagnose, Diagnoser, Forloeb (ac), Forloeb, Forloebsmarkoer, Forloebsmarkoer, Henvisningsaarsag_tillaeg (a), Henvisningsaarsag_tillaeg, Kontakt (a), Kontakt, Kontaktlokation (a) , Kontaktlokation, Mor_barn_relation, Morbarn_forloeb, Resultater (a), Resultater,  ,  , Nye, Udgåede, Sygehusophold (a), Organisationer (a), Procedureregistrering (ab), Procedurer_kirurgi (b), Procedureregistrering_Aflyst *, Procdurer_andet (b),  , Helbredsforloeb (c),  , Nyt_helbredsforloeb (c), * Særlig vedr. aflyste procedurer i LPR2,  , LPR_A_KONTAKT og LPR_A_FORLOEB er centrale tabeller som i LPR_F , Centrale koblingsvariable er nedenstående, hvoraf de med * markerede er nye i LPR_A , LPR_A_KONTAKT, PNR (Populationsafgrænsning), DW_EK_KONTAKT (nu unik på tværs af opdateringer), DW_EK_FORLOEB, DW_EK_HELBREDSFORLOEB*, DW_SK_SYGEHUSOPHOLD*, (muliggør kobling til LPR_A_SGHOPHOLD, jf. nedenfor), DW_EK_BORGER* (identificerer samme borger på tværs af historik) , LPR_A_FORLOEB , PNR (Populationsafgrænsning), DW_EK_FORLOEB, DW_EK_HELBREDSFORLOEB, DW_EK_FORLOEB_FORRIGE*, DW_EK_BORGER*, Eksempler på supplerende vigtige variable:, Kont_aarsag: sks-kode (ALCCxx), fx Ulykke =ALCC02 , KONT_TYPE (Fx Virtuel), Forl_label: SKS-kode (ALALxx) sygdomskategorier, fx kræftsygdomme (ALAL01), nyfødte (ALAL52)., LPR_A_SGHOPHOLD, Ved kobling af LPR_A_KONTAKT via DW_SK_SYGEHUSOPHOLD indhentes vigtige oplysninger i LPR3 sv.t. LPR2, fx patienttype, offentlige vs. private hospitaler., For LPR3 (LPR_A_KONTAKT/ LPR_F_KONTAKTER) anvendes variablen Prioritet til at skelne mellem Akut vs Planlagt kontakt, men ingen direkte mulighed for at skelne mellem Skadestue/ambulant forløb vs. indlæggelse som i LPR2. Kobling til LPR_A_SGHOPHOLD giver adgang til variablene SGH_OPH_PRIORITET (Planlagt vs Akut (fysisk møde)) og SGH_OPH_TYPE (Ambulant vs Indlæggelse), Derudover indeholder tabellen vigtige binære ’flag-variable’ , Flag_beh_type_psykiatri; Flag_beh_type_somatik, Flag_sygh_type_off; Flag_sygh_type_priv, Flag_sgh_oph_finansiering_off; Flag_sgh_oph_finansiering_priv, To nye registre er tilgængelige: Få indsigt i danskernes pårørenderelationer , 9. juli 2025 af Amanda Grønbjerg Vrå , To nye grunddataregistre er nu tilgængelige i Danmarks Datavindue (DDV). Registrene giver nye muligheder for at belyse den danske befolknings pårørenderelationer – eller fraværet af dem – på et givent tidspunkt. De to registre består af:, • Paaroerende_befolkning: Indeholder én række pr. person i befolkningen og viser bl.a. antallet af pårørende samt den korteste bopælsafstand til dem, • Paaroerende_relationer: Indeholder én række pr. unik relation mellem to personer og indeholder oplysninger om relationstype og eventuel fælles bopæl., De pårørende, der registreres, omfatter bl.a. partnere, børn, forældre, søskende (hel- og halvsøskende), børnebørn, bedsteforældre og svigerbørn. Det er desuden muligt at identificere personer, som ikke har pårørende i nogen af disse kategorier – en vigtig dimension i analyser af fx ensomhed, sårbarhed og social ulighed., Registrene er dannet på baggrund af CPR-oplysninger og partnerdefinitionen i e-familietype og er udviklet med støtte fra TrygFonden samt i samarbejde med både interne og eksterne brugere., Levering af ikke-pseudonymiserede SOR-koder - både i grunddata og øvrige data, 9. juli 2025 af Karin Ørum Elwert og Oskar Enghoff , Den 13. juni udkom Forskningsservice med nye LPR_A grunddata for 2023. Samtidig med tilføjelsen af de nye data, overgår Forskningsservice til at levere ikke-pseudonymiserede SOR-koder i både Grunddata og øvrige data., SOR står for Sundhedsvæsenets Organisationsregister, et register som administreres af Sundhedsdatastyrelsen, hvori danske sundhedsenheder kan indgå med en unik kode – her kaldet SOR-kode. Tidligere har Sygehus-afdelingsklassifikationen (SHAK) kunnet tilfredsstille mange af de samme behov som SOR, herunder tildeling af unikke koder (SHAK-koder) for mange danske sundhedsenheder., Forskningsservice har oplevet en løbende efterspørgsel efter ikke-pseudonymiserede SOR-koder fra vores brugere, men har indtil nu fastholdt pseudonymiseringen, da SHAK-koder i mange tilfælde har kunnet bruges i stedet. I april 2025 har Sundhedsdatastyrelsen imidlertid officielt udfaset SHAK-koderne, og for at fastholde og forbedre Danmarks Statistiks mikrodataordningers understøttelse af samfundsrelevante analyser på sundhedsområdet, overgår Forskningsservice nu til at levere SOR-koder uden pseudonymisering. Dermed svarer Forskningsservices håndtering af SOR-koder til Sundhedsdatastyrelsens håndtering., Forskningsservice vil fortsat have særlig opmærksomhed på øvrige data med SOR-koder, og sikre at tilknytningen af sådanne data tager højde for både datafortrolighedsmæssige hensyn og projektets analytiske behov., Det er vigtigt at påpege, at denne nye praksis ikke ændrer ved Forskningsservices regler for arbejdet med mikrodata. Ved brug af SOR-koder i Grunddata og øvrige data skal man således overholde de samme regler for fortrolighed, diskretionering og hjemtag, som gælder i øvrigt. Dermed falder hjemtag af analyseresultater baseret på SOR-enheder i Grunddata og øvrige data fortsat under de samme regler for diskretionering, som gælder for hjemtag af andre analyseresultater.,  ,  ,  ,  

https://www.dst.dk/da/TilSalg/data-til-forskning/nyt-og-meddelelser/2025/nyt-om-grunddata-2-kvartal-2025

Fakta: Her er valgstederne, hvor flest stemmer på de forskellige partier

Se, hvor valgstederne med størst tilslutning til de forskellige partier ligger. Artiklen indeholder også en liste over de største og de mindste valgsteder ved folketingsvalget i 2015 og det valgsted, som lå tættest på landsresultatet i 2015., 26. april 2019 kl. 7:30 , Af , Magnus Nørtoft, Opstillingsberettigede partiers ti største valgsteder målt på andel af stemmerne. Folketingsvalget 2015, Kilde: Danmarks Statistik; , www.statistikbanken.dk/10005, ; (FV15S01-10), Grafik: Markus Klink Damgaard. , Dette danmarkskort viser [for hvert af de opstillede partier], de ti valgsteder, hvor partierne var mest populære til folketingsvalget i 2015. Et partis popularitet forstås her som andelen af de gyldige stemmer på valgstedet, som partiet har fået. Et valgsted kan således godt indgå på flere partiers top ti. Kortet viser, at nogle partier får relativt flest stemmer i ret begrænsede områder af landet, mens andre har de mest populære valgsteder spredt ud over landet., Selvom partierne får relativt flere stemmer på nogle valgsteder end andre, fik ingen af partierne mere end 50 pct. af stemmerne på nogle af valgstederne. Dansk Folkeparti var med 48,7 pct. af stemmerne tættest på i Thyregod Nord i Vejle Nord Opstillingskreds. Derefter fulgte Venstre i Højmark og Holmsland begge i Ringkøbing Opstillingskreds, hvor partiet fik henholdsvis 46,1 pct. og 44,6 pct. af stemmerne., Se tabel med partiernes top ti resultater på valgsteder nederst, Danmarks Statistik har tidligere udgivet en , artikel om valgresultatet fordelt på kommuner, ., Regstrup er det mest gennemsnitlige valgsted, Det valgsted, som var tættest på landsresultatet ved folketingsvalget i 2015, var Regstrup, der ligger ved Holbæk. Også Ringsted Nørretorv og Gislev ved Faaborg lå relativt tæt på landsresultatet, viser beregninger fra Danmarks Statistik (se boks nederst i artiklen)., Største og mindste valgsted, Ligesom der er forskel på, hvordan stemmerne fordeler sig på de forskellige valgsteder, er der også forskel på valgstedernes størrelse. Landets største valgsted var med 21.685 vælgere ved folketingsvalget i 2015 ”Viborg” efterfulgt af ”Herning” (19.375 vælgere) og ”Bispebjerg” i København (15.285 vælgere)., De mindste valgsteder var i 2015 Mandø, Askø og Drejø med henholdsvis 33, 41 og 58 vælgere., Artiklen er skrevet i samarbejde i samarbejde med Dorthe Larsen, 39 17 33 07, , dla@dr.dk, ., Faktaboks: Metode til beregning af afstand fra landsgennemsnittet, Afstanden til landsgennemsnittet kan beregnes med flere metoder. Danmarks Statistik har valgt , Mahalanobis metode, . Mahalanobis metode tager bl.a. højde for, at nogle partiers stemmeandele varierer mere fra valgsted til valgsted end andre partiers., Tabel med største og mindste valgsteder. 2015, Storkreds, Opstillingskreds, Valgsted, Vælgere, Vestjyllands ,  Viborg Vest , Viborg, 21.685, Vestjyllands ,  Herning Syd , Herning, 19.375, Københavns ,  Bispebjerg , Bispebjerg, 15.285, Københavns ,  Sundbyøster , Nord, 14.371, Københavns ,  Østerbro , Syd, 14.173, Østjyllands ,  Århus Øst , Samsøgades Skole, 14.136, Østjyllands ,  Århus Øst , Rådhushallen, 14.094, Københavns ,  Indre By , Indre By, 14.012, Vestjyllands ,  Holstebro , Musikteatret, 14.011, Københavns ,  Nørrebro , Nord, 13.678, Østjyllands ,  Skanderborg , Alrø, 114, Sjællands ,  Lolland , Femø, 110, Fyns ,  Faaborg , Avernakø, 102, Østjyllands ,  Skanderborg , Tunø, 97, Østjyllands ,  Hedensted , Hjarnø, 94, Fyns ,  Faaborg , Lyø, 85, Bornholms ,  Aakirkeby , Christiansø, 59, Fyns ,  Svendborg , Drejø, 58, Sjællands ,  Lolland , Askø, 41, Sydjyllands ,  Esbjerg Omegn , Mandø, 33, Tabel over valgsteder med partiernes bedste valgresultater. 2015, Opstillingskreds, Valgsted, Pct. af stemmerne,  ,  , A. Socialdemokratiet,  Nyborg , Munkebo, 43,8,  Lolland , Nakskov Idrætscenter, 42,8,  Ballerup , Lundebjergskolen, 42,6,  Brønderslev , Kaas, 40,6,  Ballerup , Tapeten, 40,4,  Aakirkeby , Christiansø, 40,0,  Randers Nord , Nørrevangsskolen, 39,4,  Rønne , Rønne, 39,3,  Thisted , Frøslev, 39,2,  Frederikshavn , Frederikshavn Nord, 39,1, B. Radikale Venstre,  Nørrebro , Øst, 13,8,  Lyngby , Kongevej, 13,5,  Falkoner , Kreds, Bülowsvej, 13,3,  Falkoner , Kreds, Søerne, 13,3,  Egedal , Hareskov, 13,3,  Vesterbro , Nord, 13,2,  Indre By , Nord, 13,0,  Vesterbro , Øst, 13,0,  Indre By , Indre By, 12,8,  Vesterbro, Sydhavn, 12,2, C. Det Konservative Folkeparti,  Viborg Øst , Bjerringbro Syd, 20,5,  Viborg Øst , Bjerringbro Nord, 20,3,  Faaborg , Marstal, 19,2,  Fredensborg , Grønnegade, 15,7,  Struer , Flynder, 14,3,  Faaborg , Søby, 12,3,  Gentofte , Skovgård, 12,2,  Gentofte , Jægersborg, 11,6,  Gentofte , Maglegård, 11,4,  Viborg Øst, Overlund, 11,3, F. Socialistisk Folkeparti,  Djurs , Tirstrup, 12,4,  Brøndby , Strandgårdskolen, 10,9,  Køge , Herfølge - Syd, 10,4,  Taastrup , Herstedlund Skole, 9,5,  Brønshøj , Kirkebjerg, 9,3,  Aakirkeby , Christiansø, 9,1,  Favrskov , Foldby, 8,9,  Vesterbro , Vest, 8,5,  Vesterbro , Vesterbro, 8,4,  Brønshøj , Syd, 8,4, I. Liberal Alliance,  Fredensborg , Rungsted, 30,8,  Rudersdal , Vedbæk, 25,7,  Rudersdal , Vangebo, 25,0,  Rudersdal , Ny Holte, 23,0,  Gentofte , Skovshoved, 22,7,  Rudersdal , Skovly, 22,2,  Fredensborg , Karlebo, 21,5,  Fredensborg , Grønnegade, 20,9,  Rudersdal , Trørød, 20,5,  Vesterbro , Sydhavn, 20,4, K. Kristendemokraterne,  Ringkøbing , Rækker Mølle, 14,4,  Hedensted , Ø Snede Sogn, 13,6,  Ringkøbing , Faster, 12,7,  Ringkøbing , Videbæk, 12,0,  Ringkøbing , Vorgod-Barde, 11,5,  Ringkøbing , Lønborg, 10,6,  Herning Nord , Vinding, 9,2,  Herning Nord , Skibbild/Nøvling, 9,2,  Ringkøbing , Nr. Vium, 9,0,  Ringkøbing , Skjern, 8,8, O. Dansk Folkeparti,  Vejle Nord , Thyregod Nord, 48,7,  Vejle Nord , Øster Nykirke Nord, 42,5,  Vejle Nord , Grønbjerg Nord, 41,6,  Vejle Nord , Give Nord, 41,2,  Ikast , Hampen, 40,5,  Ikast , Nørre-Snede, 40,5,  Aabenraa , Hjordkær, 39,5,  Sønderborg , Kværs, 39,5,  Herning Nord , Feldborg, 39,3,  Aabenraa , Padborg, 38,7, V. Venstre,  Ringkøbing , Højmark, 46,1,  Ringkøbing , Holmsland, 44,6,  Ringkøbing , Ølstrup, 44,6,  Ringkøbing , Faster, 43,9,  Ringkøbing , Stadil, 43,9,  Struer , Thyborøn, 43,4,  Ringkøbing , Hvide Sande, 43,3,  Varde , Fåborg, 42,4,  Ringkøbing , Rækker Mølle, 42,1,  Ikast , Isenvad, 41,5, Ø. Enhedslisten,  Svendborg , Strynø, 30,3,  Nørrebro , Syd, 30,0,  Brønshøj , Nord, 28,0,  Nørrebro , Vest, 27,3,  Nørrebro , Nordvest, 27,2,  Nørrebro , Nord, 27,0,  Nørrebro , Nørrebro, 26,1,  Århus Vest , Globus , Brabrand, 25,6,  Bispebjerg , Syd, 24,4,  Vesterbro , Syd, 23,8, Å. Alternativet,  Nørrebro , Nordvest, 19,6,  Vesterbro , Vesterbro, 19,5,  Nørrebro , Øst, 18,5,  Silkeborg Syd , Hjøllund, 18,0,  Vesterbro , Nord, 17,9,  Vesterbro , Øst, 17,8,  Nørrebro , Nord, 17,8,  Nørrebro , Nørrebro, 17,7,  Vesterbro , Vest, 17,4,  Nørrebro , Midt, 17,4

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2019/2019-04-23-fakta-her-er-valgstederne-hvor-flest-stemmer-paa-de-forskellige-partier

Bag tallene

KYAARX

Navn, KYAARX , Beskrivende navn, KONTOKODE , Gyldighed, Gyldig fra: 01-01-2007, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, KYAARX angiver, hvilken type ydelse der er tale om. KYAARX er altid udfyldt. , Detaljeret beskrivelse, KYAARX angiver, hvilken type hjælp der er tale om. KYAARX er altid udfyldt. , Værdisættet for KYAARX består af to slags koder:, 1. Koder stammende fra den kommunale kontoplan. , 2. Koder dannet af Danmarks Statistik til statistikbrug (koder, der angiver ofte brugte aggregeringer)., Disse koder er følgende, 10020 Kontanthjælp og integrationsydelse til udlændinge m.fl. i alt, 10025 Uddannelseshjælp i alt, 10030 Særlig uddannelsesydelse i alt ( -januar 2014), 10032 Kontantydelse i alt (oktober 2015 -), 10035 Arbejdsmarkedsydelse i alt (januar 2014 -), 10040 Revalideringsydelse i alt, 10050 Kontanthjælp i alt, 10060 Løntilskud vedrørende kontant- og uddannelseshjælpsmodtagere m. fl. I alt, 10070 Kontant- og uddannelseshjælp under forrevalidering i alt, Ovenstående aggregeringer er medtaget, fordi det ikke er muligt at beregne helårsmodtagere på et aggregeret niveau ud fra angivelsen i variablen HELAAR for de enkelte ydelser, idet den samme person ofte modtager flere forskellige ydelser på samme tid. , Ændringerne i systemet i 2015 har betydet at personer som modtager ledighedsydelse ikke længere indgår i statistikken. Modsat er personer som modtager arbejdsmarkedsydelse inkluderet i sttistikken. Oplysninger om personer som modtager arbejdsmarkedsydelse fås fra Styrelsen for Arbejdsmarkedet og Rekruttering (STAR). Endvidere er statistikken afgrænset til kun at indeholde oplysninger om personer i alderen 16-64 år. , Bilag, Tabel, Graf, Populationer:, Kontanthjælpsmodtagere, Personer, som har modtaget kontanthjælp i Danmark i løbet af året , Værdisæt, D280500.TXT_KYAARX - KONTOKODE, Kode, tekst, Fra dato, Til dato, IALT, Kontanthjælp og beslægtede ydelser i alt, 01-01-2007, 10010, Ikke-aktiverede kontanthjælpsmodtagere i alt, 01-01-2007, 31-12-2015, 10015, Aktiverede kontanthjælpsmodtagere i alt, 01-01-2007, 31-12-2015, 10020, Kontanthjælp og integrationsydelse til udlændinge m.fl. i alt, 01-01-2007, 10025, Uddannelseshjælp i alt, 01-01-2014, 10030, Særlig uddannelsesydelse i alt, 01-01-2013, 10032, Kontantydelse i alt, 01-10-2015, 10035, Arbejdsmarkedsydelse i alt, 01-01-2014, 10040, Revalideringsydelse i alt, 01-01-2007, 10050, Kontanthjælp i alt, 01-01-2016, 10060, Løntilskud vedr. kontant- og uddannelseshjælpsmodtagere m.fl. I alt, 01-01-2016, 10070, Kontant- og uddannelseshjælp under forrevalidering i alt, 01-01-2016, 10080, Særlig støtte i alt, 01-01-2016, 5.61.001, Kontanthjælp til udlændinge efter integrationsloven (efter 1. januar 2016), 01-01-2016, 5.61.002, Integrationsydelse til udlændinge omfattet af integrationsprogrammet, 01-01-2016, 5.61.003, Integrationsydelse til andre, 01-01-2016, 5.61.004, Kontanthjælp til udlændinge efter integrationsloven (før 1. januar 2016), 01-01-2007, 5.61.005, Hjælp i særlige tilfælde til udlændinge, 01-01-2007, 5.61.006, Integrationsydelse til udlændinge omfattet af integrations-pgm. 50 pct. ref., 01-09-2015, 5.61.007, Integrationsydelse til andre i passive perioder med 30 pct. refusion, 01-09-2015, 5.61.008, Integrationsydelse til andre i aktive perioder/revalidering m. 50 pct. ref., 01-09-2015, 5.61.009, Integrationsydelse til andre i aktive perioder/revalidering m. 30 pct. ref., 01-09-2015, 5.61.010, Integrationsydelse til førtidspensionister uden ret til social pension, 01-09-2015, 5.61.011, Udgifter til løntilskud ifølge integrationslovens §23c, 01-01-2016, 5.73.001, Kontanthjælp til personer, der er visiteret til fleksjob, 01-01-2007, 5.73.002, Kontant- og starthjælp til personer uden rettidigt aktiveringstilbud, 01-01-2007, 5.73.003, Kontant- og starthjælp til sygemeldte personer, 01-01-2007, 5.73.004, Uddannelseshjælp i passive perioder, 01-01-2014, 5.73.007, Kontanthjælp, 01-01-2016, 5.73.008, Uddannelseshjælp, 01-01-2016, 5.73.009, Særlig støtte, 01-01-2016, 5.73.010, Løntilskud vedr. kontant- og uddannelseshjælp m.fl., 01-01-2016, 5.73.011, Kontant- og uddannelseshjælp under forrevalidering, 01-01-2016, 5.73.012, Kontanthjælp til førtidspensionister uden ret til fuld social pension, 01-01-2016, 5.73.013, Kontanthjælp til forsørgere fyldt 30 år, 01-01-2007, 5.73.016, Særlig støtte til kontanthjælpsmodtagere, 01-01-2007, 5.73.018, Kontanthjælp til ikke-forsørgere fyldt 30 år, 01-01-2007, 5.73.019, Kontanthjælp til personer uden ret til social pension og førtidspension, 01-01-2007, 5.73.020, Kontanthjælp til unge under 30 år, 01-01-2007, 5.74.004, Hjælp til uledsagede flygtningebørn og handicappede flygtninge, 01-01-2007, 5.74.006, Hjælp i øvrigt til uledsagede flygtningebørn og handicappede flygtninge, 01-01-2007, 5.74.016, Hjælp til flygtningebørn i øvrigt de første 3 år, 01-01-2007, 5.75.002, Uddannelseshjælp i aktive perioder med 30/50 pct. refusion, 01-01-2014, 5.75.005, Særlig støtte med 30/50 pct. refusion, 01-01-2007, 5.75.007, Aktiveringsgodtgørelse, 01-01-2007, 5.75.010, Forsørgelse af personer i tilbud efter kap. 10 m. 30 pct. refusion, 01-01-2007, 5.75.011, Løntilskud til personer i tilbud efter kap. 12 m 50 pct. refusion, 01-01-2007, 5.75.014, Kontant- og uddannelseshjælp under forrevalidering 30/50 pct. refusion, 01-01-2007, 5.75.016, Forsørgelse til pers. i ordinær uddannelse, virksomhedspraktik og nytteindsats, 01-01-2007, 5.79.001, Særlig uddannelsesydelse i passive perioder, 01-01-2013, 5.79.002, Særlig uddannelsesydelse under uddannelse og virksomhedspraktik, 01-01-2013, 5.79.004, Løntilskud til ledige, der har opbrugt deres dagpengeret, 01-01-2007, 5.79.008, Kontantydelse i passive perioder og under vejl. og opkval., 01-10-2015, 5.79.009, Kontantydelse i aktive perioder, 01-10-2015, 5.79.010, Løntilskud til personer med ret til kontantydelse, 01-10-2015, 5.79.013, Kontantydelse, 01-10-2015, 5.79.014, Løntilskud vedr. kontantydelse, 01-10-2015, 5.80.001, Merudgifter til bolig under revalidering og forrevalidering, 01-01-2007, 5.80.002, Revalideringsydelse 30/50 pct. refusion, 01-01-2007, 5.80.003, Hjælpemidler under revalidering, 01-01-2007, 5.80.006, Tilskud til selvstændig virksomhed, 01-01-2007, 5.80.008, Løntilskud ved revalidenters ansættelse med løntilskud, 01-01-2007, 5.80.011, Revalideringsydelse ved virksomhedspraktik, 01-01-2007, 5.80.014, Revalideringsydelse, 01-01-2016, 5.80.015, Merudgifter til bolig under revalidering og forrevalidering, 01-01-2016, 5.80.016, Tilskud til selvstændig virksomhed, 01-01-2016, 5.80.017, Løntilskud vedr. revalidender, 01-01-2016, 6.00.001, Ikke aktiverede arbejdsmarkedsydelsesmodtagere, 01-01-2014, 6.00.002, Aktiverede arbejdsmarkedsydelsesmodtagere, 01-01-2014

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/hjaelp-efter-lov-om-aktiv-socialpolitik-mv-/kyaarx

SLUTGRUND

Navn, SLUTGRUND , Beskrivende navn, Slutgrund , Gyldighed, Gyldig fra: 01-06-1977, Gyldig til: 31-12-2009, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, SLUTGRUND udgår fra 2010 . erstattes delvis af variablen UDSTED , SLUTGRUND angiver ophørsstatus og ophørsgrund for børn og unge registrets hændelser. SLUTGRUND er en afledt hjælpevariabel, der er dannet i Danmarks Statistik, og som er blevet brugt interne ved udtræk fra registret. Fra 2010-registret udgår variablen og erstattes af grundvariablen UDSTED, som indberettes direkte af kommunerne, og som er basis i dannelse af SLUTGRUND. , Når en anbringelse afsluttes, skal kommunen indberette, hvor barnet udskrives til. Barnet kan udskrives til en af følgende kategorier (UDSTED):, 1:Forældres hjem, 2:Egen bolig, 3:Nye adoptionsforældre/søskende( for 18-20 årige), 4:Kriminalforsorg, 5:Døgninstitution for voksne med vidtgående handicap, 6. Andre i familien, 7. Netværk der ikke er familie, 9. Aftjening af værnepligt, 97. Andre/andet, 99. Uoplyst , Der er mange hændelser, hvor UDSTED er uoplyst. Det skyldes, at indberetningskvaliteten for UDSTED fra kommunerne ikke er så høj som for de øvrige indberetningsvariable. Ved manglende indberetning, sættes UDST=uoplyst. , SLUTGRUND dannes af Danmarks Statistik ud fra UDSTED, og ved at sammenholde to på hinanden efterfølgende hændelser og sammenligne paragrafkoder, kommunekoder, institutionstyper og hændelsesdato m.m. dannes første ciffer i SLUTGRUND. , Første ciffer i SLUTGRUND er opbygget for at sige noget om, hvorfor hændelsen er sat til ophør. De enkelte værdier af første ciffer betyder følgende: , 0: Sagen er stadig aktiv , 1: Barnet er helt ophørt med at være anbragt , 2: Barnet er overført til anden type anbringelsessted , 3: Barnet er overført til anden type anbringelsesparagraf , 4: Barnet er både overført til anden anbringelsesparagraf og andet anbringelsessted , 5: Sagen er overført til anden kommune , 6: Sagen er ophørt pga. barnets død , Anden og tredje ciffer i SLUTGRUND siger noget om anbringelsesstedet på følgende måde: , Ved SLUTGRUND = 101 - 199 angiver de to sidste cifre hvortil barnet udskrives (UDSTED)., Fx betyder 102: Afsluttet anbringelse, hvor barnet udskrives til egen bolig., Ved SLUTGRUND = 200 - 299, 400 - 499 angiver de to sidste cifre anbringelsesstedet (STSTED) for det nye anbringelsesforløb. Det nye anbringelsessted angives ved at bruge de to første cifre fra anbringelsesstedkoden. Hvis fx. SLUTGRUND er lig 212, angiver det at "Barnet er overført til slægtsanbringelse", idet STSTED = 120 angiver at barnet er slægtsanbragt. , Ved SLUTGRUND = 300 - 399 angiver de to sidste cifre, de to første cifre af anbringelsesstedet (STSTED) fra indeværende anbringelsesforløb, Hvis fx. SLUTGRUND er lig 370, angiver det at "Barn overført til anden anbringelsesparagraf, men er stadig på skibsprojekt", idet STSTED=700 angiver at barnet er anbragt på skibsprojekt. , Når hændelsen vedrører forebyggende foranstaltninger kan SLUTGRUND kun antage værdierne 000, 100 og 600., SLUTGRUND = 500: Denne kode er kun til intern brug under driften. , Detaljeret beskrivelse, SLUTGRUND dannes af Danmarks Statistik ud fra UDSTED, og ved at sammenholde to på hinanden efterfølgende hændelser og sammenligne paragrafkoder, kommunekoder, institutionstyper og hændelsesdato m.m. , Første ciffer i SLUTGRUND er opbygget for at siger noget om, hvorfor hændelsen er sat til ophør. De enkelte værdier af første ciffer betyder følgende: , 0: Sagen er stadig aktiv. , 1: Barnet er helt ophørt med at være anbragt. , 2: Barnet er overført til anden type anbringelsessted. , 3: Barnet er overført til anden type anbringelsesparagraf. , 4: Barnet er både overført til anden anbringelsesparagraf og andet anbringelsessted. , 5: Sagen er overført til anden kommune. , 6: Sagen er ophørt pga. barnet er dødt. , Ad 1: Er anbringelsen (hændelsen) afsluttet og der ikke samtidigt er registreret en ny hændelse (anbringelse) enten på samme dag eller dagen efter kodes hændelsen med en slutgrund 101-199, hvilket betyder at anbringelse betragtes som reelt afsluttet. Ved ny anbringelse vil slutgrund blive kodet med 000, som betyder, at anbringelsen er aktiv., Ad 2-5: Er der registreret en ny anbringelse på samme dag som eller dagen efter, at den forrige anbringelse er ophørt, er der flere muligheder: , Har der været skift i paragraf (PGF), sættes slutgrund til 300-399., Har der været skift i anbringelsestype(STSTED), sættes slutgrund til 200-299., I de tilfælde hvor der både har været skift i paragraf(PGF) og anbringelsestype(STSTED), sættes slutgrund til 400-499. , I de tilfælde hvor der kun er skift i administrationskommune, sættes slutgrund til 500-599. , Ad 6: I de til tilfælde, hvor sagen ophører pga. dødsfald, sættes slutgrund til 600., Er der højst en dag mellem to hændelser, men hverken paragrafændring (PGF) eller ændring i anbringelsestype (STSTED), sammenkobles de to hændelser og første hændelses slutdato og anden hændelses startdato slettes. Disse hændelser, som fx kunne dække over et skift fra en plejefamilie til en anden plejefamilie, vil derfor i registret optræde som en sammenhængende hændelse. , Når hændelsen vedrører forebyggende foranstaltninger, kan SLUTGRUND kun antage værdierne 000 (aktiv sag), 100 og 600., Bilag, Graf, Tabel, Populationer:, Udsatte børn og unge der har modtaget støtte, Populationen består af børn og unge, der har været anbragt uden for hjemmet eller har modtaget forebyggende foranstaltning i form af fx personlig rådgiver, fast kontaktperson for den unge selv, aflastningsophold, økonomisk støtte til ophold på kost-/efterskole, formidling af praktikophold eller etablering af en udslusningsordning i det hidtidige anbringelsessted., Værdisæt, D280600.TXT_STSTED - Slutgrund, Kode, tekst, Fra dato, Til dato, 100, Familiepleje, 01-01-1957, 110, Netværksplejefamilie, 01-01-2006, 120, Slægtsanbringelse, 01-01-2006, 130, Familiepleje i øvrigt, 01-01-2006, 140, Kommunal plejefamilie, 01-01-2010, 200, Døgninstitution, 01-01-1958, 210, Døgninstitution sikret afdeling, 01-01-2006, 220, Døgninstitution i øvrigt, 01-01-2006, 230, Akutinstitution, 01-01-2006, 31-12-2010, 240, Døgninstitution delvis lukket, 01-01-2010, 300, Sygehus, 01-01-1967, 31-12-2005, 350, Særforsorgsinstitution, 01-01-1977, 31-12-1979, 400, Socialpædagogisk kollektiv, 01-01-1983, 500, Kostskole, ungdomsskole, efterskole mv, 01-01-1964, 600, Eget værelse eller lignende, 01-01-1958, 700, Skibsprojekt, 01-01-1983, 800, Kommunalt døgntilbud, 01-01-2004, 31-12-2010, 999, Uoplyst

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/stoette-til-udsatte-boern-og-unge/slutgrund

KILDE_KODE

Navn, KILDE_KODE , Beskrivende navn, Entydig kode for datakilden , Gyldighed, Gyldig fra: 01-01-2007, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Nej, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Variablen KILDE_KODE angiver hvilken dataleverandør, der har indberettet tilstandene, jf. PTI_TILSTAND_KODE., Detaljeret beskrivelse, Nedenfor præciseres sammenhængen mellem de forskellige kildekoder og tilstandskoder. Ønskes yderligere information om tilstandskoderne henvises til variablen PTI_TILSTAND_KODE. Bemærk at data er overlapsbehandlede, hvilket betyder, at data fra nogle tilstandskoder kan være trumfet af andre., Kildekode 12 stammer fra Bestandsstatistikken og indberettes af STAR (tidligere Arbejdsmarkedsstyrelsen (AMS)). Kilden anvendes fra 2007-2011 til beregning af aktiverede dagpengemodtagere, lediges deltagelse i voksenlærlingeordningen samt servicejob og orlov. Beregningen opgøres på baggrund af tilstandskoderne: 1010, 1030, 1040, 1080, 1120, 1520, 1530, 1550, 1570 og 3130. , Det bør bemærkes, at kildekode 12 med tiden blev erstatytet af kildekode 17. Denne nyere kilde (gældende fra 2010-2019) skyldes ren teknik, og skal til alle praktiske formål blot sammenlægges med kilde 12, da de begge angiver 'aktivering af dagpengeberettigede mv.' Siden anvendelsen af kildekode 12 stoppede i 2011, er følgende yderligere tilstandskoder blevet indberettet med kildekode17: 1039, 1049 og 15xx-koder, som efterfølgende samles i 1599 af Danmarks Statistik., Kildekode 19 blev anvendt fra 2010-2012. Data stammede fra eindkomst (via STAR/AMS) og havde tilstandskode 1900 (selvvalgt uddannelse)., Kildekode 20 er blevet anvendt siden 2007. Den indberettes af STAR/AMS og angiver arbejdsmarkedsparate kontanthjælpsledige og får tilstandskoden 5080., Kildekode 21 blev anvendt fra 2014-2017. Data kom fra Register for Arbejdsmarked (RAM) og indberettes af STAR/AMS og drejede sig om arbejdsmarkedsydelse (tilstandskode 5035)., Kildekode 201 er blevet anvendt fra 2007-2017 og stammer fra Register for Arbejdsmarked (RAM) og indberettes af STAR/AMS. Kilden anvendes til opgørelse af dagpengeledige på baggrund af tilstandskoderne 5020 og 5030 (dagpengeudbetalinger)., Kildekode 202 er blevet anvendt siden 2007 og stammer oprindeligt fra RAM, men siden juli-2017 fra FLEUR - i begge tilfælde kommer indberetningen fra STAR/AMS. Kilden anvendes til opgørelse af feriedagpengeledige på baggrund af tilstandskoden 5070 (feriedagpengeudbetalinger)., Kildekode 206 er blevet anvendt siden 2007 og stammer oprindeligt fra RAM, men siden juli-2017 fra FLEUR - i begge tilfælde kommer indberetningen fra STAR/AMS. Kilden anvendes til opgørelse af efterlønsmodtagere på baggrund af tilstandskode 6010 (udbetaling af efterløn)., Kildekode 250 er blevet anvendt siden 1. juli 2017 og stammer fra Forsikrede Ledige og Efterløns-UdbetalingsRegister (FLEUR) og indberettes af STAR. Datakilden FLEUR skal ses som en erstatning for RAM. Herfra indberettes tilstandene 5025 (ledige dagpengemodtagere inkl. g-dage) og 1800 (jobrettet uddannelse). , Kildekode 401 er blevet anvendt siden 2007 og stammer fra KMD-aktiv, som er kommunernes økonomisystem, og indberettes af KMD. Kilden anvendes til at angive forskellige forsørgelsesydelser på baggrund af tilstandskoderne: 4010, 4012, 4014, 5100, 5110, 5120, 5130, 5140, 6030, 7005, 7050 og 7090. Fleksydelse (tilstandskode 6030) er de seneste år blevet indberettet via separate systemer fra KMD og ATP. , Kildekode 451 er blevet anvendt siden 2007 og stammer fra kommunale indberetningssystemer, og indberettes af STAR/AMS. Kilden anvendes til opgørelse af kommunal aktivering, integrationsuddannelse samt fleks- og skånejob på baggrund af tilstandskoderne: 1030, 1039, 1040, 1049, 1050, 1060, 1070, 1510, 1520, 1550, 1560, 1562, 1564, 2020, 2030, 2520 og 2530. Alle 15xx samles efterfølgende af Danmarks Statistik til 1599. , Kildekode 601 er blevet anvendt siden 2007 og stammer fra Pensionsregistret og indberettes af KMD. Kilden anvendes til opgørelse af personer på førtidspension på baggrund af tilstandskode 7025., Kildekode 602 er blevet anvendt siden 2013 og afleveres af STAR/AMS indeholdende personer på ressourceforløb (tilstandskode 7024)., Kildekode 611 er blevet anvendt siden 2007 og stammer fra Sygedagpengeregistret og indberettes af KMD. Indtil 2017 blev denne kilde anvendt til såvel sygedagpengemodtagere som barselsdagpengemodtagere på baggrund af tilstandskoderne: 7035, 7036, 7037, 7045, 7046 og 7047. Siden 2017 indberettes barselsdagpengene (7045, 7046 og 7047) særskilt via kildekode 643 fra UDK under ATP., Kilde 621 er blevet anvendt siden 2008 og indeholder SU-modtagere (tilstandskode 7100). Data stammer direkte fra eindkomst., Kilde 631 er blevet anvendt siden 2015 og indeholder sygemeldte personer på alm. dagpenge (tilstandskode 5800). Data kommer via STAR. , Kilde 643 er blevet anvendt siden 2017 og indeholder barselsdagpengemodtagere (tilstandskode 7045, 7046 og 7047). Data kommer fra UDK under ATP. , Populationer:, Offentligt forsørgede, Offentligt forsørgede under folkepensionsalderen (tidligere kaldet 'Personer Uden Ordinær Beskæftigelse (PUOB)' og 'Offentligt forsørgede 16-64-årige'), omfatter samtlige offentligt forsørgede personer under deres respektive folkepensionsaldre. Personerne der indgår i denne population er typisk SU-modtagere, ledige, aktiverede, i støttet beskæftigelse, modtagere af syge- og barselsdagpenge, førtidspensionister, efterlønsmodtagere eller modtagere af anden øvrig passiv forsørgelse., Værdisæt, D700001.TXT_HKD_MODUL_KILDE - Entydig kode for datakilden, Kode, tekst, Fra dato, Til dato, 12, Arbejdsmarkedsstyrelsen, Bestandsstatistik, 17, STAR, bestands-statistik 2010 time-reduceret, 19, E-indkomst uddannelsesydelse, 20, Kontanthjælps-ledige fra STAR, 201, Dagpengeudbetaling, 202, Feriedagpengeudbetaling, 206, Ugentlig udbetaling af efterløn, 21, Arbejdsmarkedsydelse via RAM, 250, Dagpengeudbetaling (FLEUR), 260, Data fra STAR ang. midlertidig job-fordeling, 401, KMD-Aktiv, 451, Indberetning fra kommunale systemer, 601, Førtidspension, 602, Ressourceforløb via STAR, 603, Data for tidlig pension, indberettes fra ATP, 611, KMD sygedagpengesystem (syge- og barselsdagpenge fra samme system), 612, KMD sygedagpengesystem kun sygedagpenge, 613, KMD sygedagpengesystem II (det kommende system), 621, SU via e-indkomst, 631, Fraværsmarkeringer for sygdom fra STAR, 641, KMD barsel (data fra KMD barsel konverteret til UDK barsels-systemet), 642, OPUS barsel (data konverteret til UDk barsels systemet), 643, UDK barsel (data fra ATPs ny udk-barsels-system)

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/offentligt-forsoergede-/kilde-kode

Hold afstand: Rekord få lomme- og tasketyverier i corona-ramt Danmark

Antallet af lomme- og tasketyverier er faldet med 69 pct., når man sammenligner månederne april, maj og juni 2020 med samme måneder året før. , 3. august 2020 kl. 8:00 , Af , Theis Stenholt Engmann, Lomme- og tasketyvene har haft det svært i den virkelighed, som covid-19 har indvarslet i Danmark med aflysninger af store arrangementer og råd om at holde afstand til andre mennesker. , Således blev der kun anmeldt rundt regnet 2.000 lomme og tasketyverier i 2. kvartal 2020, hvilket er rekord få og 69 pct. færre end i samme periode året før, hvor politiet modtog knap 6.600 anmeldelser. , ”Det typiske niveau for lomme- og tasketyverier i 2. kvartal har ligget på knap 8.000 anmeldelser, når man kigger på gennemsnittet de seneste 5 år,” forklarer fuldmægtig i Danmarks Statistik Isabell Bang Christensen., ”Det store fald vidner altså om, at lomme- og tasketyvene har haft særdeles svært ved at begå sig i en virkelighed med afstandskrav, med færre som bruger den offentlige transport og uden store offentlige arrangementer såsom koncerter.”   , Antal anmeldte lomme- og tasketyverier 2.kvartal 2010-2020, Kilde: Danmarks Statistik, særkørsel på , www.statistikbanken.dk/straf10, Især hovedstaden har set færre lomme- og tasketyve, Det største fald i antallet af anmeldte lomme- og tasketyverier er sket i Københavns kommune, hvor antallet af anmeldte lomme- og tasketyverier er faldet med knap 2.900, når man sammenligner 2. kvartal 2019 med 2. kvartal 2020. Det svarer til et fald på 76 pct. , Næsten halvdelen (45 pct.) af alle anmeldelser om taske- og lommetyveri kom fra Københavns Kommune i 2. kvartal 2020., Aalborg Kommune har i absolutte tal set det næststørste fald på 165 anmeldte lomme- og tasketyverier, hvilket svarer til et fald på 79 pct. Blot 2 pct. af 2. kvartal 2020’s anmeldelser kom fra Aalborg., Se hvordan udviklingen har været i din kommune i tabellen nederst i artiklen. , Unge og ældre kvinder bliver oftest ofre for tasketyve, Unge kvinder mellem 20-24 år er den gruppe, som oftest blev ofre for lomme- og tasketyverier i 2019, hvilket er det nyeste tilgængelige år, som Danmarks Statistiks statistik om ofre for anmeldte forbrydelser dækker. , I hele 2019 var der knap 2.800 kvindelige ofre i aldersgruppen for denne type kriminalitet. Det svarer til, at 10 pct. af alle ofre for lomme- og tasketyverier i 2019 var kvinde mellem 20-24 år. , Offerstatistikken er en årlig statistik som viser antallet af ofre for anmeldte forbrydelser, fx taske- og lommetyverier og kan altså bruges til at sige noget om ofre for en kriminalitetstype på et generelt plan., Den næstmest udsatte gruppe er ældre kvinder på 70 år og derover. I denne aldersgruppe var der knap 2.700 ofre for lomme- og tasketyverier, også svarende til 10 pct. af alle årets ofre. , Den mest udsatte mandlige gruppe var de 20-24 årige samt 30-39 årige, hvor rundt regnet 1.900 i hver aldersgruppe blev ofre for lomme- og tasketyverier i 2019, svarende til samlet 14 pct. af alle ofre for lomme- og tasketyverier det år. , Generelt var 61 pct. af ofre for lomme- og tasketyverier i 2019 kvinder, mens 39 pct. var mænd. , Antal ofre for anmeldte lomme- og tasketyverier. 2019, Kilde: Danmarks Statistik, særkørsel på , www.statistikbanken.dk/STRAF5, Har du spørgsmål til tallene i denne artikel, kan du kontakte fuldmægtig Isabell Bang Christensen på , IBC@DST.dk, Læs mere om indbrudskriminalitet i corona-perioden i artiklen: , Drastisk fald i indbrud i beboelser, Tabel: Antal anmeldte lomme- og tasketyveri 2. kvartal 2019 og 2. kvartal 2020, 2019, 2020, Udvikling antal, Udvikling i procent, København, 3.799, 913, -2.886, -76, Frederiksberg, 189, 103, -86, -46, Dragør, 7, 4, -3, -43, Tårnby, 155, 35, -120, -77, Albertslund, 7, 1, -6, -86, Ballerup, 13, 7, -6, -46, Brøndby, 13, 3, -10, -77, Gentofte, 58, 24, -34, -59, Gladsaxe, 10, 6, -4, -40, Glostrup, 12, 6, -6, -50, Herlev, 5, 7, 2, 40, Hvidovre, 10, 10, 0, 0, Høje-Taastrup, 21, 4, -17, -81, Ishøj, 3, 4, 1, 33, Lyngby-Taarbæk, 48, 8, -40, -83, Rødovre, 16, 10, -6, -38, Vallensbæk, 0, 1, 1, Allerød, 12, 4, -8, -67, Egedal, 13, 3, -10, -77, Fredensborg, 9, 4, -5, -56, Frederikssund, 18, 4, -14, -78, Furesø, 21, 10, -11, -52, Gribskov, 6, 9, 3, 50, Halsnæs, 5, 5, 0, 0, Helsingør, 42, 20, -22, -52, Hillerød, 46, 15, -31, -67, Hørsholm, 11, 6, -5, -45, Rudersdal, 28, 8, -20, -71, Bornholm, 9, 5, -4, -44, Christiansø, 0, 0, 0, Greve, 17, 17, 0, 0, Køge, 30, 21, -9, -30, Lejre, 0, 1, 1, Roskilde, 70, 22, -48, -69, Solrød, 10, 3, -7, -70, Faxe, 5, 0, -5, -100, Guldborgsund, 18, 4, -14, -78, Holbæk, 30, 17, -13, -43, Kalundborg, 10, 10, 0, 0, Lolland, 10, 4, -6, -60, Næstved, 34, 13, -21, -62, Odsherred, 11, 3, -8, -73, Ringsted, 20, 9, -11, -55, Slagelse, 29, 10, -19, -66, Sorø, 5, 5, 0, 0, Stevns, 3, 4, 1, 33, Vordingborg, 10, 4, -6, -60, Assens, 10, 7, -3, -30, Faaborg-Midtfyn, 15, 4, -11, -73, Kerteminde, 8, 3, -5, -63, Langeland, 2, 2, 0, 0, Middelfart, 17, 8, -9, -53, Nordfyns, 10, 6, -4, -40, Nyborg, 13, 14, 1, 8, Odense, 192, 79, -113, -59, Svendborg, 24, 16, -8, -33, Ærø, 2, 0, -2, -100, Billund, 17, 5, -12, -71, Esbjerg, 51, 29, -22, -43, Fanø, 1, 0, -1, -100, Fredericia, 42, 20, -22, -52, Haderslev, 25, 9, -16, -64, Kolding, 72, 24, -48, -67, Sønderborg, 19, 5, -14, -74, Tønder, 3, 1, -2, -67, Varde, 15, 11, -4, -27, Vejen, 8, 7, -1, -13, Vejle, 70, 23, -47, -67, Aabenraa, 15, 7, -8, -53, Favrskov, 8, 3, -5, -63, Hedensted, 9, 5, -4, -44, Horsens, 56, 18, -38, -68, Norddjurs, 18, 8, -10, -56, Odder, 10, 5, -5, -50, Randers, 39, 15, -24, -62, Samsø, 2, 0, -2, -100, Silkeborg, 24, 7, -17, -71, Skanderborg, 20, 4, -16, -80, Syddjurs, 8, 6, -2, -25, Aarhus, 302, 150, -152, -50, Herning, 40, 14, -26, -65, Holstebro, 21, 5, -16, -76, Ikast-Brande, 8, 6, -2, -25, Lemvig, 4, 1, -3, -75, Ringkøbing-Skjern, 3, 7, 4, 133, Skive, 17, 1, -16, -94, Struer, 8, 0, -8, -100, Viborg, 26, 10, -16, -62, Brønderslev, 10, 7, -3, -30, Frederikshavn, 25, 4, -21, -84, Hjørring, 12, 5, -7, -58, Jammerbugt, 5, 3, -2, -40, Læsø, 0, 0, 0, Mariagerfjord, 12, 5, -7, -58, Morsø, 3, 2, -1, -33, Rebild, 5, 1, -4, -80, Thisted, 7, 3, -4, -57, Vesthimmerlands, 3, 0, -3, -100, Aalborg, 208, 43, -165, -79, Uoplyst kommune, 155, 13, -142, -92

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2020/2020-07-31-holdafstand-rekord-faa-lomme-og-tasketyverier-i-corona-ramt-dk

Bag tallene

Beskæftigelsen blandt børn og unge under 18 år er steget siden 2014

Andelen af børn og unge med et fritidsjob er lavere end i 2008, men har været stigende siden 2015. Piger under 18 år og personer, der bor langt fra de store byer, arbejder oftere end drenge og storbyboere., 10. september 2018 kl. 12:05 - Opdateret 15. januar 2020 kl. 12:00 , Af , Magnus Nørtoft, 15. januar 2020: Denne artikel er opdateret med tal for 2018, . , Andelen af 13-17-årige, som har et fritidsjob, er faldet fra 38,2 pct. i 2008 til 32,8 pct. i 2018. Siden 2015 er andelen dog begyndt at stige igen, men kun med 1,4 procentpoint fra 2014 til 2018, viser en særkørsel fra Danmarks Statistik., I alle årene har der været flere piger end drenge, som har fritidsjob. I 2018 var beskæftigelsesfrekvensen for piger 34,4 pct., mens den var på 31,3 for drenge i alderen 13-17 år. , ”Faldet efter 2008 følger et generelt fald i beskæftigelsen efter krisen, men børn og unges beskæftigelsesfrekvenser faldt lidt mere end de 18-64-åriges. Stigningen i børn og unges beskæftigelsesfrekvenser efter krisen kom desuden lidt senere end de voksnes,” siger Pernille Stender, chefkonsulent i Danmarks Statistik. , I alt havde ca. 110.900 unge mellem 13 og 17 år et arbejde i 2018., Kilde: Særkørsel fra Danmarks Statistik på baggrund af, den registerbaserede arbejdsstyrkestatistik, ., Anm.: Beskæftigelsen er opgjort ultimo november., Børn og unge uden for de store byer har oftest fritidsjob, Andelen af børn og unge, som har fritidsjob, varierer kommunerne imellem. Særligt i kommunerne i Vestjylland er andelen af børn og unge med et fritidsjob høj, mens den er lav i og omkring København., Andelen af 13-17-årige med fritidsjob var i 2018 højest i Fanø (43,9 pct.) Varde (43,2 pct.) og Ringkøbing-Skjern (42,2 pct.) kommuner. I 21 kommuner var andelen af børn og unge med et fritidsjob 36 pct. eller mere. Blandt disse kommuner lå kun Bornholm (36,8 pct.) øst for Storebælt, om end andelen af unge i beskæftigelse  Lolland og Guldborgsund kommuner med henholdsvis 35,8 pct. og 35,5 pct. også var relativt høj., Andelen af børn og unge, der brugte noget af fritiden på arbejde i 2018, var lavest i Gentofte (24,7 pct.), Frederiksberg (25,8 pct.), og Københavns (26,6 pct.) kommuner. Alle ti kommuner med lavest andel børn og unge i arbejde i 2018 ligger på Sjælland. Nyborg Kommune havde med 30,0 pct. af børn og unge i arbejde den laveste andel fritidsjobbere under 18 år uden for Sjælland., Andel beskæftigede 13-17 år i pct. 2018, Kilde: Særkørsel fra Danmarks Statistik på baggrund af , den registerbaserede arbejdsstyrkestatistik, . Kort: Styrelsen fra Dataforsyning og Effektivisering., Anm.: Beskæftigelsen er opgjort ultimo november. Se tabel med beskæftigelsesfrekvenser i kommunerne nederst i denne artikel., Børn og unge arbejder i kortere tid i forhold til 2008, I forhold til 2008 arbejdede børn og unge i beskæftigelse i gennemsnit i kortere tid i 2018. Den gennemsnitlige arbejdstid er faldet for alle årgange – mest for de 17-årige, som i 2018 arbejde 2,6 timer mindre om ugen end i 2008., Generelt stiger arbejdstiden med alderen, og særligt fra de 15-årige til de 17-årige stiger den gennemsnitlige arbejdstid.   , Kilde: Særkørsel fra Danmarks Statistik på baggrund af , den registerbaserede arbejdsstyrkestatistik, ., Anm.: Arbejdstiden opgjort som det antal timer, man normalt arbejder i sit hovedjob. Beskæftigelsen er opgjort ultimo november., Knap en tredjedel af børn og unge med et arbejde er ansat i et supermarked , For børn og unge under 18 år er supermarkeder det typiske arbejdssted. Her arbejdede 35.300 børn og unge i 2018. Det svarer til 31,8 pct. af alle fritidsjob. De næststørste brancher var restauranter og post- og kurertjeneste, som bl.a. dækker avisbude., Blandt børn og unge over 15 år var supermarkeder og restauranter de største brancher, mens de 13-15-årige i stor stil gik med aviser eller lavede andet arbejde inden for post og kurertjeneste. 18,9 pct. af de 13-15-årige var ansat i denne branche., I alt var 43.000 af de 13-15-årige beskæftigede, mens 67.900 16-17-årige var beskæftigede., Kilde: Særkørsel fra Danmarks Statistik på baggrund af , den registerbaserede arbejdsstyrkestatistik, ., Anm.: Beskæftigelsen er opgjort ultimo november., Denne artikel er skrevet i samarbejde med chefkonsulent, Pernille Stender, som kan kontaktes på 39 17 34 04 eller , psd@dst.dk, Beskæftigelsesfrekvens for 13-17-årige i kommunerne. , Kommune, Pct. i beskæftigelse,  , 2018, 2016, Fanø, 43,9, 39,1, Varde, 43,2, 40,9, Ringkøbing-Skjern, 42,2, 39,4, Herning, 40,3, 38,0, Tønder, 40,1, 36,1, Randers, 39,3, 37,5, Ikast-Brande, 39,3, 38,2, Thisted, 39,2, 37,6, Frederikshavn, 39,1, 38,0, Billund, 38,8, 36,8, Esbjerg, 38,4, 36,8, Ærø, 38,3, 35,8, Holstebro, 38,1, 35,4, Norddjurs, 37,9, 35,7, Lemvig, 37,9, 34,6, Viborg, 37,2, 36,7, Vejen, 37,0, 37,2, Bornholm, 36,8, 38,2, Langeland, 36,7, 37,1, Middelfart, 36,5, 34,3, Struer, 36,1, 32,5, Lolland, 35,8, 36,5, Morsø, 35,6, 32,6, Guldborgsund, 35,5, 34,4, Samsø, 35,4, 37,0, Vejle, 35,4, 35,0, Fredericia, 35,4, 35,5, Horsens, 35,3, 33,8, Kolding, 35,2, 34,2, Hedensted, 35,1, 34,5, Solrød, 34,8, 32,4, Skive, 34,8, 35,9, Læsø, 34,5, 45,5, Sønderborg, 34,4, 30,6, Køge, 34,2, 29,5, Skanderborg, 34,1, 33,1, Hjørring, 34,1, 32,4, Kerteminde, 33,9, 34,0, Halsnæs, 33,9, 33,4, Greve, 33,9, 30,6, Stevns, 33,8, 32,6, Helsingør, 33,4, 32,6, Brønderslev, 33,3, 32,0, Høje-Taastrup, 33,0, 31,1, Faxe, 33,0, 30,5, Nordfyns, 32,9, 34,5, Herlev, 32,9, 30,7, Silkeborg, 32,9, 34,1, Hillerød, 32,8, 32,4, Jammerbugt, 32,8, 31,0, Syddjurs, 32,8, 31,3, Frederikssund, 32,8, 32,4, Vesthimmerlands, 32,6, 30,2, Albertslund, 32,6, 28,3, Mariagerfjord, 32,5, 29,7, Tårnby, 32,4, 30,5, Aabenraa, 32,4, 29,8, Vallensbæk, 32,3, 31,8, Gladsaxe, 32,3, 29,9, Næstved, 32,3, 30,0, Favrskov, 32,2, 33,6, Svendborg, 32,2, 31,6, Slagelse, 32,1, 30,1, Assens, 31,8, 32,0, Haderslev, 31,8, 31,6, Glostrup, 31,7, 28,1, Faaborg-Midtfyn, 31,7, 31,0, Aarhus, 31,4, 31,0, Gribskov, 31,3, 29,2, Hvidovre, 31,3, 31,8, Fredensborg, 31,2, 27,9, Odense, 31,2, 28,2, Ishøj, 31,1, 26,9, Allerød, 31,1, 29,0, Ballerup, 31,1, 29,0, Hørsholm, 30,9, 29,7, Odder, 30,8, 28,7, Rebild, 30,8, 30,1, Brøndby, 30,6, 31,1, Holbæk, 30,4, 28,7, Aalborg, 30,4, 29,6, Lejre, 30,4, 29,4, Dragør, 30,3, 28,9, Odsherred, 30,2, 31,1, Ringsted, 30,1, 28,7, Nyborg, 30,0, 29,7, Kalundborg, 29,9, 29,2, Roskilde, 29,9, 29,6, Egedal, 29,8, 28,8, Furesø, 29,8, 27,9, Rødovre, 29,0, 29,6, Rudersdal, 28,4, 24,7, Vordingborg, 28,3, 28,4, Lyngby-Taarbæk, 27,7, 23,1, Sorø, 27,1, 28,1, København, 26,6, 25,2, Frederiksberg, 25,8, 25,2, Gentofte, 24,7, 25,4, Kilde: Særkørsel fra Danmarks Statistik på baggrund af , den registerbaserede arbejdsstyrkestatistik, ., Anm.: Beskæftigelsen er opgjort ultimo november.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2018/2018-09-10-Flere-unge-i-beskaeftigelse

Bag tallene

Danske børn kommer tidligst i institution

I Danmark går 18 procent af alle børn under et år i daginstitution. Dermed er de danske poder de børn i Norden, der kommer tidligst i institution. Barselsregler er bare én af forklaringerne, mener professor., 19. december 2011 kl. 0:00 , Af , Helle Harbo Holm, En mor går med hastige skridt mod vuggestuen, hvor hun parkerer klapvognen og løfter sit barn op. Hun bærer barnet ind, for med sine bare ti måneder er det for lille til selv at kunne gå. , Situationer som denne er helt almindelig hverdag ved de danske daginstitutioner, og sådan har det været i mange år. Men retter man blikket mod vores nordiske naboer Norge, Sverige og Finland, vil situationer som denne høre til de absolutte sjældenheder. Her er der nemlig stort set ingen børn under et år, der bliver passet i institution., I Danmark er det 18 procent af alle børn under et år, der er i daginstitution eller dagpleje uden for hjemmet, mens det er 4 procent i Norge, 1 procent i Finland og 0 procent i Sverige., Også for de etårige børn er der en markant forskel mellem Danmark og de andre nordiske lande. 86 procent af de danske etårige går i institution, mens det er 71 procent af de norske etårige, 49 procent af de svenske og bare 30 procent af de finske. , Denne nordiske sammenligning fremgår af , Nordisk Statistisk Årbog 2011, ., Barselsregler forklarer ikke alt, En helt oplagt forklaring på, hvorfor danske børn starter så tidligt i institution i forhold til de andre nordiske lande, kunne være forskelle i barselsreglerne., "Men barselsreglerne er kun en god forklaring i forhold til Sverige," understreger Jens Wamsler. Han er fuldmægtig i Beskæftigelsesministeriet og har et indgående kendskab til barselsreglerne., I Sverige er den betalte barselsperiode væsentlig længere end i Danmark, men i Norge ligger reglerne tæt på de danske, og i Finland er den betalte barselsorlov faktisk en smule kortere., Andel af 1-årige børn i daginstitution, Institutioner eller orlov - et spørgsmål om ideologi, Som professor ved Aalborg Universitet forsker Anette Borchorst blandt andet i ligestilling, barselsorlov og arbejdsmarkedet. Hun er ikke i tvivl om, at forklaringen også ligger andre steder end i reglerne. , "Jeg tror, den historiske udvikling i daginstitutionspolitiken og barselsorlovsreglerne har stor betydning, for den situation, vi ser i dag," siger hun., I Danmark startede udviklingen af daginstitutionerne, som vi kender dem i dag, for alvor i 1964, hvor alle Folketingets partier vedtog en reform, der udløste en storstilet udbygning af børneinstitutionerne., "Det skete med børnene i centrum. Det havde mindre med behovet for kvindelig arbejdskraft at gøre. Det handlede om pædagogik og børnenes udvikling. Man mente simpelthen det var godt for børnene," siger Anette Borchorst. , I Sverige havde man en anden type opfattelse., "Her siger normen, at du er en dårlig mor, hvis du kommer dit barn i institution, inden det er fyldt et år. Der er en meget stærk norm om, at børn under et år hører hjemme i familien," forklarer Anette Borchorst., For at imødekomme den holdning udbyggede man allerede i 1974 barselsorloven i Sverige i takt med, at kvinderne trådte ind på arbejdsmarkedet. Udvidelsen af orloven skete først senere i Danmark og i et mindre omfang., "Danmark har fra starten prioriteret institutionerne i stedet for den lange barsel, og det er ikke noget, man bare lige laver om på," vurderer Anette Borchorst., Finnere vælger hjemmet frem for institution, Finland er det land i Norden, hvor færrest små børn er i institution. Også her har der op gennem tiden været politiske diskussioner om, hvorvidt man skulle udbygge institutionerne eller kvindernes mulighed for at gå hjemme. I første omgang valgte man i 1973 at give alle børn ret til en institutionsplads, men senere blev loven udbygget, så det også blev muligt at få et tilskud til selv at passe sine børn eller få nogen til det i ens private hjem. , Den sidste ordning vandt ind i starten af 90'erne, hvor der var høj arbejdsløshed. Men efterhånden som arbejdsløsheden igen blev mindre, fortsatte mange kvinder med at blive hjemme hos børnene. Det fortæller Anneli Anttonen, der er professor i social policy på Tampera Universitet i Finland., "Den generelle holdning har gradvist ændret sig, så det i dag er meget almindeligt, at folk mener, at børn under tre år skal passes hjemme af forældrene. En grund er, at man mener, det er godt for børnene, en anden er, at arbejdslivet er blevet så krævende, at alle pauser fra det er velkomne," fortæller hun., Anneli Anttonen mener ikke, at Finlands geografi med de store tyndt befolkede områder har direkte indflydelse på, at færre finske børn er i institution. Indirekte mener hun dog, det har betydet, at der har været nogle stærke politiske kræfter, som har arbejdet for muligheden for, at børnene kunne blive i hjemmet de første år., Færre finske kvinder vælger arbejdsmarkedet, I dag ligger de finske kvinders beskæftigelsesfrekvens således lidt lavere end i de øvrige nordiske lande. Kun 68 procent af de finske kvinder mellem 15 og 64 år, der står til rådighed for arbejdsmarkedet, er i arbejde. I Danmark er det 71 procent, i Sverige 72 procent og i Norge 74 procent., Et andet aspekt, som Anette Borchorst peger på, er, at finnerne har et mere traditionelt kvindesyn og mere traditionelle familiemodeller. De finske mænd er også dem, der holder mindst barsel i Norden. I 2010 tog finske mænd 7 procent af den samlede barselsorlov. De danske mænd ligger lidt højere med 8 procent, mens det i Norge er 15 procent og i Sverige hele 24 procent. Det fremgår ligeledes af , Nordisk Statistisk Årbog, ., Norge ligner Danmark mest, Det land, der ligger nærmest Danmark i forhold til tidlig pasning af de mindste, er Norge. Anette Borchorst mener endda, at ligheden er endnu større end det, tallene viser:, "Norge kom senere i gang med at få kvinderne ud på arbejdsmarkedet og med at udbygge institutionerne, men de seneste ti år er udbygningen af daginstitutionerne gået stærkt. Når andelen af de yngste, der er i institution, er noget lavere i Norge end i Danmark, skyldes det nok primært den kontantstøtteordning, Norge har, hvor man kan få penge for at få børnene passet i hjemmet.  Det er imidlertid ikke primært mødrene selv, der passer børnene," siger hun., Andel af børn i daginstitution fordelt på alder, årstal og lande, Hvilken løsning er mest hensigtsmæssig?, Stærke ideologier understøttet af lovgivning, forskelle i familiemønstre og udviklingen af velfærdsstaten er altså ifølge Anette Borchorst alle faktorer, som spiller ind på, hvor tidligt de nordiske børn starter i institution. Men hvilken af modellerne er så den mest hensigtsmæssige?, Det spørgsmål mener Anette Borchorst ikke har et entydigt svar. Det kommer nemlig an på gennem hvilken optik, man anskuer det., Ud fra et børnesynspunkt påpeger hun, at der er analyser, som viser, at det er godt for børnene at komme i institutioner. Det styrker deres sproglige udvikling og kan være med til at bryde den sociale arv., "Men man kan spørge sig selv, om det også gælder for børn under et år, og det er jeg ikke længere sikker på. Jeg har altid været fortaler for institutionerne, men gennem de seneste årtier er kvaliteten blevet væsentlig ringere," siger hun., En anden optik er den samfundsøkonomiske., "Vi står overfor et samfund med flere ældre og færre til at arbejde, og set i den optik er det godt for samfundet, at kvinderne kommer tidligt tilbage til arbejdsmarkedet," siger hun., En tredje vinkel handler om ligestilling. Her kan der ifølge Anette Borchorst være det problem, at vi i Danmark og Finland kun har øremærket ganske få uger af barselsorloven til fædrene, som holdes sammen med moren. Derfor bliver det ofte kvinderne, der tager langt det meste af orloven, hvilket kan give en skævvridning - blandt andet i forhold til opsparing af pension., Om den ene model er bedre end den anden, kan professoren ikke afgøre. Men hun har ikke længere lige så stor tiltro til den danske, som hun har haft. , "Børnevinklen er blevet markant nedtonet, og i dag lægges der først og fremmest vægt på, at kvinderne skal tilbage på arbejdsmarkedet. Det er ikke et frit valg, men et pres," mener hun. ,  ,  , Fakta:, Køb eller download gratis , Nordisk Statistisk Årbog 2011, Eurostat, er kilde til tal om beskæftigelsesfrekvensen.,  

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2011/2011-11-21-daginstitutioner

Bag tallene

Danske boligpriser steg næstmest i EU under COVID-19

De danske boligpriser steg 15,3 procent fra første kvartal 2020 til første kvartal 2021. Det er næsten tre gange så meget som gennemsnittet af EU-landene. Kun Luxembourg havde større prisstigninger i samme periode. , 27. juli 2021 kl. 8:00 , Af , Presse, Boligpriserne stiger, og det gør de ikke kun i Danmark. Alligevel havde Danmark de næsthøjeste prisstigninger i EU i 2020. , Det viser de nyeste tal fra det internationale boligprisindeks House Prices Indeks (HPI), som opgøres af medlemslandene og offentliggøres af EU’s statistikorganisation , Eurostat., I første kvartal 2021 steg boligpriserne med 6,1% i EU i gennemsnit sammenlignet med samme kvartal året før. Det er den højeste årlige stigning for EU siden tredje kvartal 2007. I Danmark steg priserne i samme periode med 15,3 pct. , ”Boligpriserne steg markant i Danmark fra 1. kvartal 2020 til 1. kvartal 2021 sammenlignet med de resterende EU-lande. Kun Luxembourg havde større prisstigninger. Lande, som vi normalt sammenligner os med, havde mindre stigninger end Danmark. For eksempel steg boligpriserne i Sverige med 7,2 pct. i perioden, mens Norge havde stigninger på 9,7 pct.,” siger Jakob Holmgaard, der er fuldmægtig i Danmarks Statistik., Figur 1: EU-harmoniserede boligprisindeks i EU-lande samt andre udvalgte lande, årlig procentvis ændring fra 2020K1 til 2021K1, Note: Ovenstående viser EU-lande, gennemsnittet for EU + EFTA-landene Island, Norge og Schweiz. Grækenland er som det eneste EU-land ikke med i opgørelsen, men til beregning af EU-aggregatet (EU-27) beregner Eurostat et skøn for Grækenland baseret på oplysninger fra den nationale centralbank. Kilde: , Eurostat database, ., Faktaboks: Boligprisindekset (House Price Index, HPI), Boligprisindekset viser prisændringer på boligejendomme købt af husholdninger (lejligheder, huse, rækkehuse, sommerhuse), både nybyggede og eksisterende, uafhængigt af deres endelige brug og uafhængigt af deres tidligere ejere., Boligprisindekset beregnes i regi af det EU-harmoniserede forbrugerprisindeks. , Kilde: Eurostat, ., Boligpriserne steg mest i Luxembourg, EU-landet med de største stigninger fra 1. kvartal 2020 til 1. kvartal 2021 var Luxembourg med stigninger på 17 pct., ”Stigningen i Luxembourg hænger især sammen med lokale markedsforhold, såsom høj boligefterspørgsel, lavt boligudbud, stigning i befolkningstallet samt stor købekraft blandt befolkningen,” siger Jakob Holmgaard., Cypern havde som det eneste land et fald i boligpriserne i perioden, mens lande som Spanien, Rumænien, Italien og Slovakiet så stigninger på 1-2 pct. , Udviklingen i boligpriserne i Danmark har længe været højere end i EU , I årene umiddelbart efter finanskrisen fra 2010 til 2013 fulgtes udviklingen i de danske boligpriser pænt ad med EU-gennemsnittet. Men det ændrede sig: , ”Siden 2013 er de danske boligpriser steget mere end EU-gennemsnittet. Specielt under COVID-19 er de danske boligpriser steget markant mere end i EU-gennemsnittet”, siger Jakob Holmgaard., Figur 2: EU-harmoniserede boligprisindeks i EU og Danmark, indeks (2010 = 100) ,   , Kilde: , Eurostats database, Antallet af bolighandler steg i mange lande, En anden måde at belyse situationen på boligmarkedet under COVID-19 på er ved at se på antallet af bolighandler. Her viser tallene fra Eurostat også en øget aktivitet. , Eurostat opgør kun antallet af bolighandler for 12 EU-lande. Antallet af boligtransaktioner steg i 9 ud ad 11 lande i 1. kvartal 2021 sammenlignet med 1. kvartal 2020. Polen har endnu ikke har indset data for 1. kvartal 2021., Antallet af handler faldt kun i Slovenien (-11,2 pct.) og Irland (-6,9 pct.) i 1. kvartal 2021 sammenlignet med 1. kvartal 2020, mens Irland, Portugal, Ungarn, Luxembourg, Bulgarien, Finland og Frankrig oplevede stigninger i perioden. Stigningerne var størst i Belgien med 54,1 pct. og i Danmark med 47,5 pct. sammenlignet med samme kvartal året før., ”Danmark og Holland havde som de eneste af landene stigninger i antallet af transaktioner i alle fire kvartaler i 2020 sammenlignet med året før, mens Slovenien og Belgien havde fald i alle fire kvartaler i 2020 sammenlignet med året før,” siger Jakob Holmgaard., Belgien ændrede reglerne for beskatning af realkreditlån i januar 2020, og det kan ifølge Eurostat delvist forklare stigningen i 4. kvartal 2019 efterfulgt af et kraftigt fald på 29,3 pct. i første kvartal 2020. Den årlige stigning på 54,1 pct. i første kvartal 2021 er også relateret til det meget lave tal for første kvartal 2020., Tabel 1: Udvikling i antallet af boligtransaktioner, årlig procentvis ændring i forhold til samme kvartal året før. Sorteret efter udviklingen i 2021Q1, Anm. Eurostat opgør antallet af bolighandler for 12 EU-lande, dog har Polen endnu ikke indsendt data for 2021Q1. , Kilde: , Eurostats database,  , Læs mere om udviklingen på det danske boligmarked i 2020 her, . , Forskellig sæson i boligsalget blandt udvalgte EU-lande, Ud af de 12 lande, som har leveret data om antallet af transaktioner, er der forskel på i hvilket kvartal boligsalget topper, når vi kigger på gennemsnittet for perioden fra 2015-2020. , Salget er ofte højest i enten andet, tredje eller fjerde kvartal. I Danmark, Finland, Frankrig og Ungarn er salget højest i andet og tredje kvartal. I Irland, Luxembourg, Nederlandene, Portugal og Slovenien er salget højest i fjerde kvartal. Kun i Polen topper salget om vinteren i 1. kvartal. , Se andelen af boligtransaktioner i figuren herunder: , Figur 3: Andel boligtransaktioner for hvert kvartal, gennemsnit 2015 – 2020., Anm: Figuren viser et gennemsnit over andelen af boligtransaktioner i hvert kvartal for perioden 2015-2020. For eksempel blev 28 pct. af Nederlandenes samlede bolighandler foretaget i 4. kvartal gennemsnitligt fra 2015-20. På grund af afrunding summer tallene ikke nødvendigvis helt til 100 inden for hvert land., * Gns for 2016 – 2020., ** Gns for 2017 – 2020., Kilde: , Eurostats database, ., Du kan læse mere om sæson på det danske boligmarkedet i denne , DST-analyse, ., Data til denne artikel er leveret af Jakob Holmgaard, som du kan kontakte på , JHO@dst.dk, eller 39 17 31 24, hvis du har spørgsmål til artiklen.

https://www.dst.dk/da/Statistik/nyheder-analyser-publ/bagtal/2021/2021-07-27-danske-boligpriser-steg-naestmest-i-EU-under-COVID-19

Bag tallene