Kender du dine borgere?

I mange år har der været et fokus på Danmark som et videnssamfund. På landsplan er befolkningssammensætningen generelt set kendetegnet ved at have et højtuddannelsesniveau, men på tværs af kommunerne er dette ikke en selvfølge.

Det er heller ikke en selvfølge, at uddannelsesniveau og de arbejdsopgaver, som en borger varetager i sit arbejde, hænger sammen. Dette betyder, at til trods for at en borger har taget en lang videregående uddannelse, så kan vedkommende godt varetage ufaglærte arbejdsopgaver i sit job. Dette sætter vi fokus på i denne artikel, hvor vi zoomer ind på hvad flyttemønstre kan sige om en kommunes befolkningssammensætning med fokus på borgernes uddannelsesstatus og lønmodtageres færdighedsniveau.

Dette er den tredje artikel med fokus på befolkningskarakteristika. Du kan læse de to foregående artikler i serien hvor vi sætter fokus på de økonomiske konsekvenser af folketalsudvikling og sammenhængen mellem borgernes sociale karakteristika og den kommunale økonomistyring.

En højtuddannet befolkning

I Danmark havde 30,1 pct. af befolkningen i 2022 færdiggjort en mellemlang eller lang videregående uddannelse som den højeste færdiggjorte uddannelse, hvorimod 20,2 pct. havde grundskolen som den højeste færdiggjorte uddannelse.

Nedenstående graf illustrerer dette, samt andelen af befolkningen opdelt efter de nuværende regioner, som er enten højt- eller lavt uddannet.

Region Sjælland, Region Syddanmark og Region Nordjylland har mere eller mindre den samme befolkningssammensætning, hvad angår forholder mellem højt- og lavtuddannende borgere. Der er en lidt større befolkningsandel, der har en lang uddannelse frem for grunduddannelsen som det højeste gennemførte uddannelsesniveau i disse regioner. Region Hovedstaden og Region Midtjylland har en mere markant forskel mellem befolkningsandelene, hvor der er en større andel borgere med en mellemlang eller lang videregående uddannelse, som det højeste færdiggjorte uddannelsesniveau. Forskellen er mest markant i Region Hovedstaden.

I den socioøkonomiske udgiftsbehovsopgørelse relaterer to ud af opgørelsens 18 kriterier sig til uddannelse, da uddannelsesniveau kan være indikator for andre befolkningskarakteristika. Disse regionale forskelle kan derfor have stor betydning for kommunernes andel af tilskuds- og udligningssystemet.

Kriterierne fokuserer på borgere med en lavere uddannelse – mere specifikt Børn i familier hvor forsørgerne har lav uddannelse (der vægter 9 pct., og som udløser 262.149 kr. pr. hit for tilskudsår 2025), samt 25-49-årige uden erhvervsuddannelse (der vægter 13 pct., og som udløser 86.490 kr. pr. hit). De potentielle sociale udfordringer, der kan være knyttet til at have færdiggjort en kort uddannelse, kompenseres derigennem for via den socioøkonomiske udgiftsbehovsopgørelse.

I Dataproces tilbyder vi en analyse, der stiller skarpt på, hvad mellemkommunale flyttemønstre over en tiårig periode har betydet for befolkningssammensætningen i en given kommune. I analysen er der fokus på otte forskellige befolkningskarakteristika, hvoraf uddannelsesniveau er ét af dem. Tabellen nedenfor viser flyttebalancen for en tilfældigt udvalgt eksempelkommune i årene 2012-2022:

Den tilfældigt udvalgte eksempelkommune oplevede over den tiårige periode en generel befolkningsnedgang i regi af flyttemønstre på samlet set -764 borgere. Med afsæt i tabellen indikerer flyttemønstrene, at det i større grad er lavtuddannede borgere, der er fraflyttet kommunen, mens der løbende er flyttet flere borgere med en højere uddannelse til kommunen. I KØS: BefolkningsBlik er det muligt at få indsigt i, hvilke kommuner, som en given kommune afgiver borgere til og modtager borgere fra ud fra et fireårigt gennemsnit. Eksempelkommunen har fx modtaget 11 pct. af tilflytterne fra to af landets store universitetsbyer: København og Aarhus Kommuner, hvilket afspejles i nettotilflytningen af højtuddannede borgere. Eksempelkommunen har også oplevet en nettofraflytning i aldersgruppen 17-24-årige samt en nettotilflytning i aldersgruppen 25-39-årige, hvilket understøtter flyttetendenserne, der skitseres i ovenstående tabel.

Flyttemønsteranalysen illustrerer altså, at flyttemønstrene over den tiårige periode har medvirket, at befolkningssammensætningen i eksempelkommunen bevæger sig mod at være kendetegnet ved i højere grad at have færdiggjort videregående uddannelser. For kommunens indtægtsside betyder dette, at de højtuddannede borgere potentielt medvirker en højere skatteindtægt i kommunen, men at de ikke udløser hits i uddannelseskriterierne i den socioøkonomiske udgiftsbehovsopgørelse, som skitseret ovenfor.

At en borger har færdiggjort en videregående uddannelse, er dog ikke altid ensbetydende med, at borgeren varetager et job, der forudsætter dette færdighedsniveau. I den følgende del af artiklen vil vi se nærmere på opgørelsen af færdighedsniveauer.

Færdighedsniveau for lønmodtagere

Danmarks Statistik anvender DISCO-koder til at klassificere og organisere jobs eller stillinger i klart definerede grupper i forhold til de opgaver, der udføres. Dette gør det muligt at sammenligne personer med samme arbejdsfunktion uanset medarbejderens formelle titel og uddannelse.

Job, der forudsætter færdigheder på grundniveau, kan overordnet set betegnes som værende ufaglærte job. Denne type job inkluderer fx arbejde, der overordnet set omhandler almindeligt kontor- og kundeservicearbejde, service- og salgsarbejde, arbejde inden for landbrug, skovbrug og fiskeri, håndværkspræget arbejde eller andet manuelt arbejde. De nærmere parametre kan ses på Danmarks Statistik. I 2022 var der, som nedenstående figur illustrerer, på landsplan en andel på 29,5 pct. af befolkningen, som varetog et job, der hører ind under én af disse kategorier.

Lønmodtagere med færdigheder på ledelses- eller højeste vidensniveau omfatter borgere, der varetager ledelsesopgaver, eller som varetager specialiserede arbejdsopgaver, der forudsætter viden på det højeste niveau inden for det pågældende område. I 2022 udgjorde denne gruppe på landsplan en andel af befolkningen på 25,2 pct.

Nedenstående graf viser disse fordelinger vedr. færdigheder på grundniveau samt ledelses- og højeste vidensniveau på tværs af regionerne i 2022.

I fire ud af fem regioner, hvor Region Hovedstaden er undtagelsen, er der en højere andel af lønmodtagere, der varetager job, der forudsætter færdigheder på grundniveau, der er borgere, der varetager job, der omfatter ledelsesopgaver, eller som forudsætter viden på højeste niveau. Den største difference forekommer i Region Nordjylland, hvor der 11,3 procentpoint flere lønmodtagere, der varetager job, som forudsætter færdigheder på grundniveau end mere specialiserede job.

I den socioøkonomiske udgiftsbehovsopgørelse er borgere, der varetager job, der forudsætter færdigheder på grundniveau, direkte afspejlet i kriteriet 20-59-årige i arbejde med færdigheder på grundniveau. Borgere, der er registreret med en DISCO-kode, der reflekterer en branche, hvor det påkrævede færdighedsniveau typisk er grundniveau, udgør et hit i opgørelsen af kriteriet. Kriteriet vægter 4 pct. af den samlede socioøkonomiske opgørelse og udløser 6.705 kr. pr. hit for tilskudsår 2025. I den tilfældigt udvalgte eksempelkommuner forventes fra 2024-2026 en vækst fra indeks 117,0 til 117,7 ift. landsgennemsnittet.

Med afsæt i den socioøkonomiske udgiftsbehovsopgørelse kan det have stor betydning for den enkelte kommune, hvor mange hits der udløses i de enkelte kriterier. Som beskrevet ovenfor udløste ét hit i kriteriet Børn i familier hvor forsørgerne har lav uddannelse 262.149 kr. pr. hit for tilskudsår 2025, mens 20-59-årige i arbejde med færdigheder på grundniveau som bekendt udløser 6.705 kr. pr. hit. Størrelsen på enhedsbeløbene er bestemt ud fra, hvor mange hits der på landsplan er i det enkelte kriterium: Jo flere hits i kriteriet, jo lavere er enhedsbeløbet. Den historiske udvikling kan også give en indikation om, hvilken retning befolkningssammensætningen i en given kommune er på vej i.

Nedenstående tabel viser flyttebalancen for en tilfældigt udvalgt eksempelkommune mellem 2012-2022 med afsæt i den socioøkonomiske status – herunder færdighedsniveauer.

Som det fremgår af tabellen, har eksempelkommunen haft en generel befolkningsnedgang i regi af flyttemønstrene på samlet set -457 borgere. Der er over perioden sket det største fald blandt lønmodtagere på grundniveau med et nettofald på -767 borgere. Ved at disse borgere er flyttet ud af kommunen, så har kommunen potentielt også mistet 767 hits i kriteriet 20-59-årige i arbejde med færdigheder på grundniveau, svarende til 4,8 mio. kr. med afsæt i kriteriets enhedsværdi for tilskudsår 2025.

Tabellen ovenfor skitserer, at den tilfældigt udvalgte eksempelkommunens befolkningssammensætning over den tiårige periode har udviklet sig mod at have en større andel borgere, som udfører arbejdsopgaver, der forudsætter færdigheder på mellemniveau, eller som er selvstændige.

Dataproces’ analyse vedrørende mellemkommunale flyttemønstres betydning for befolkningssammensætningen giver dermed et indblik i den enkelte kommunes flyttebalance, og hvad denne kan indikere i forhold til kommunens sociale sammensætning. I analysen sammenlignes den enkelte kommune med landsgennemsnittet samt en række sammenligningskommuner efter eget valg.

KØS: BefolkningsBlik og Flyttemønstre analysen

Alt dette – og meget mere – kan du udforske i værktøjet KØS: BefolkningsBlik.

Værktøjet kan understøtte din kommunes strukturelle og økonomiske planlægning med afsæt i, hvordan befolkningen forventes at udvikle sig. I værktøjet kan du opsætte scenarier for til- og fraflytning af forskellige familietyper, som bl.a. har en effekt på din kommunes socioøkonomi og indkomstskattemæssige sammensætning. Du kan også oprette boligprogrammer, der har en tilsvarende effekt, og som muliggør den strukturelle planlægning i kommunen.

Hvis du er interesseret i at få et mere dybdegående indblik i, hvordan befolkningssammensætningen har udviklet sig over perioden 2012-2022 i lige præcis din kommune, så tilbyder Dataproces en analyse, der stiller skarpt på netop dette. Analysen skitserer udviklingen i din egen kommune i relation til en række sammenligningskommuner, som du selv kan definere, samt landsgennemsnittet.

Du kan hører mere ved at kontakte Kasper Lund Nødgaard på 25 55 19 18 eller KN@dataproces.dk