BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Beskæftigelsesudvalget 2018-19 (1. samling)
BEU Alm.del Bilag 278
Offentligt

August

2018

Sammenhæng

mellem

arbejdsmiljø og

produktivitet

En registerbaseret follow-up

undersøgelse

Otto Melchior Poulsen, Karsten Albæk, Esben Anton Schultz,

Sarah Kildahl Nico Nielsen, Jesper Møller Pedersen og Hans Bay

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

AMMENHÆNG MELLEM

ARBEJDSMILJØ OG PRODUKTIVITET

- E

N REGISTERBASERET FOLLOW

UNDERSØGELSE

Otto Melchior Poulsen, Karsten Albæk, Esben Anton Schultz, Sarah Kildahl Nico

Nielsen, Jesper Møller Pedersen og Hans Bay

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

NFA-rapport

Titel

Undertitel

Forfattere

Sammenhæng mellem arbejdsmiljø og produktivitet

En registerbaseret follow-up undersøgelse

Otto Melchior Poulsen

, Karsten Albæk

, Esben Anton Schultz

, Sarah Kildahl Nico Nielsen

Jesper Møller Pedersen

, Hans Bay

Institution(er)

Udgiver(e)

Udgivet

Bedes citeret

Det Nationale Forskningscenter for Arbejdsmiljø, Lersø Parkalle 105, 2100, Danmark.

VIVE – Viden til Velfærd. Det Nationale Forsknings- og Analysecenter for Velfærd.

Herluf Trolles Gade 11, 1052,

Danmark.

Højbjerre Brauer Schultz, Frederiksholms Kanal 1, 2. sal, 1220, Danmark.

Det Nationale Forskningscenter for Arbejdsmiljø (NFA)

August 2018

Poulsen OM, Albæk K, Schultz EA, Nielsen SKN, Pedersen JM, Bay H

Sammenhæng mellem arbejdsmiljø og produktivitet - En registerbaseret

follow-up undersøgelse

978-87-7904-347-3

nfa.dk/da/Forskning/Udgivelser

ISBN:

Internetudgave

Det Nationale Forskningscenter for Arbejdsmiljø

Lersø Parkallé 105

2100 København Ø, Danmark

Tlf.: 39165200

Fax: 39165201

e-post: [email protected]

Hjemmeside:

nfa.dk

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

ORORD

Arbejdsmiljøforskning handler om arbejdsmiljøets betydning for arbejdstageres fysiske og psykiske helbred

og deres trivsel på arbejdspladsen. Forskningen på dette felt har skabt en betydelig viden, som bl.a. er

blevet anvendt i samfunds- og sundhedsøkonomiske beregninger af arbejdsmiljøets relative betydning for

fx forskellige sygdomme, langvarigt sygefravær eller overgang til førtidspension.

Den opnåede arbejdsmiljøviden har også dannet grundlag for udvikling af en række værktøjer til at

understøtte virksomhedernes forebyggende aktiviteter. Ligeledes har der gennem de senere år været en

stigende interesse for at se på sammenhængene mellem et godt arbejdsmiljø og de enkelte virksomheders

økonomi og produktivitet.

Denne rapport udspringer af et projekt under Arbejdsmiljøforskningsfonden, og den er udarbejdet på

baggrund af et tæt samarbejde mellem arbejdsmiljøforskere og nationaløkonomiske forskere. Rapporten

viser, at det er potentielt muligt at anvende økonomiske modeller til at belyse betydningen af forskellige

indikatorer på arbejdsmiljøets kvalitet set i sammenhæng med virksomheders produktivitet, og i rapporten

præsenteres analyser af kausale sammenhænge mellem arbejdsmiljø og produktivitet over tid.

I projektet bag denne rapport er der rejst en række spørgsmål, og der peges på, at der er brug for

yderligere forskning i, hvordan der bedst muligt analyseres på sammenhængen mellem arbejdsmiljø og

produktivitet; men det er vores håb, at projektet kan bidrage til: Dels at anvise en fagligt velfunderet vej for

fremtidig forskning i sammenhængene mellem arbejdsmiljø og produktivitet. Dels at sætte fokus på, at det

- at skabe et godt arbejdsmiljø - er en vigtig og relevant opgave for den enkelte virksomhed.

Rapporten er blevet kommenteret af to eksterne lektører: Lektor, ph.d. Fane Naja Groes ved Økonomisk

Institut, CBS og lektor, ph.d. Karl Bang Christensen ved Institut for Folkesundhedsvidenskab, Københavns

Universitet. Begge lektører takkes for konstruktiv kritik. Rapporten er desuden blevet drøftet i en

følgegruppe med en bred repræsentation af arbejdsmarkedsaktører. Følgegruppen takkes ligeledes for

relevante input og gode drøftelser omkring projektets analyser.

4. august 2018

Henriette Bjørn Nielsen, Forskningschef

Det Nationale Forskningscenter for Arbejdsmiljø

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

NDHOLD

Resumé ...................................................................................................................................8

Summary ..............................................................................................................................16

1 Projektets formål .............................................................................................................24

2 Baggrund ...........................................................................................................................26

3 Projektets metode og udførelse ....................................................................................29

3.0 Studiepopulationer ........................................................................................................................ 29

3.1 Robusthedsanalyse ........................................................................................................................ 31

3.2 Metodeudvikling ........................................................................................................................... 32

4 Resultater ..........................................................................................................................37

4.0 Beskrivende statistik ..................................................................................................................... 37

4.1. Robusthedsanalyse ....................................................................................................................... 41

4.2. Udvikling og karakterisering af ni arbejdsmiljøindikatorer og fire arbejdsmiljøfaktorer

4.3 Forløbsanalyser .............................................................................................................................. 44

4.4 Sekundære forløbsanalyser – betydning af udgangsniveau af arbejdsmiljø i 2012 ............ 47

4.5 Sammenhænge mellem fire arbejdsmiljøfaktorer og virksomhedens produtivitet ............. 52

4.6 Sammenhænge mellem arbejdsmiljøindikatorer og produktivitet i fire forskellige

hovedbranchegrupper .................................................................................................................. 53

Beskrivende statistik for de fire største hovedbranchegrupper .......................................... 53

Tværsnitsanalyser ....................................................................................................................... 55

Forløbsanalyser ........................................................................................................................... 60

5 Diskussion ........................................................................................................................65

5.1 Sammenhæng mellem ni arbejdsmiljøindikatorer og produktivitet ...................................... 65

Virksomhedens prioritering af arbejdsmiljøet (Arbmil) ....................................................... 65

Sikkerhedskultur (Sikker) .......................................................................................................... 66

Kvantitative krav (Kvan) ........................................................................................................... 66

Ledelseskvalitet (Ledelse).......................................................................................................... 68

Rolleklarhed (Rolle).................................................................................................................... 69

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Indflydelse (Indf) ........................................................................................................................ 70

Retfærdighed (Retf) .................................................................................................................... 71

Kollegial støtte (Koll).................................................................................................................. 72

Fysisk anstrengende arbejde (Fys-an)...................................................................................... 72

5.2 Sammenhæng mellem fire arbejdsmiljøfaktorer og produktivitet ...............74

5.3 Metodeudvikling ........................................................................................................................... 74

6 Konklusion .......................................................................................................................79

7 Perspektivering af, hvordan projektets resultater på kort og lang sigt kan

bidrage til at forbedre arbejdsmiljøet ...............................................................83

8 Formidling fra projektet ................................................................................................85

8.1 National formidling...................................................................................................................... 85

8.2 International formidling .............................................................................................................. 85

9 Arbejdsmiljøforskningsfondens bevilling til projektet .........................................86

10 Referencer .......................................................................................................................87

Appendiks 1.........................................................................................................................91

Appendiks 2.........................................................................................................................96

Appendiks 3.......................................................................................................................102

Appendiks 4.......................................................................................................................106

Appendiks 5.......................................................................................................................111

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

ESUMÉ

Formål

Projektets formål er først at videreudvikle metoder til at analysere sammenhænge mellem arbejdsmiljø og

produktivitet på tværs af og inden for brancher. Herefter er det formålet at undersøge mulige kausale

sammenhænge mellem forskellige indikatorer for kvaliteten af virksomheders arbejdsmiljø og produktivitet

på tværs af brancher og inden for udvalgte brancher.

Metode

Vi har anvendt det produktivitetsmål (værditilvækst/årsværk), der anbefales af OECD, og som er mest

anerkendt i nationaløkonomiske analyser. Det anvendte produktivitetsmål (værditilvækst/årsværk) er kun

defineret for private virksomheder. Datagrundlaget er derfor opnået ved at koble oplysninger i Danmarks

Statistik om private virksomheder (regnskab, firmastatistik, antal medarbejdere og medarbejdernes køn,

uddannelse, erhvervserfaring og arbejdstid) med de personer, der har besvaret NFA’s Arbejdsmiljø og

Helbred (AH) spørgeskema i 2012 og 2014. Ved kun at fokusere på virksomheder, hvor de samme

medarbejdere har besvaret spørgeskemaet begge år, og ved at analysere sammenhænge mellem

ændringer i arbejdsmiljø og ændringer i produktivitet over tid kan vi undgå en række

arbejdspladsafhængige og individafhængige fejlkilder. Den endelige studiepopulation omfatter i alt 2.266

virksomheder, der opfylder alle inklusionskriterier.

Som udtryk for kvaliteten af arbejdsmiljøet (arbejdsmiljøindikatorer) har vi udvalgt ni skalaer om

arbejdsmiljø, der er anvendt uændret i AH-spørgeskemaet i 2012 og 2014: Virksomhedens prioritering af

arbejdsmiljøet (Arbmil - 4 spørgsmål); Sikkerhedskultur (Sikker - 4 spørgsmål); Kvantitative krav (Kvan - 6

spørgsmål); Oplevelse af fysisk anstrengelse i arbejdet (Fys-an - et spørgsmål); Ledelseskvalitet (Ledelse - 8

spørgsmål); Rolleklarhed (Rolle - 4 spørgsmål); Indflydelse (Indf - 2 spørgsmål); Retfærdighed (Retf - 2

spørgsmål); Kollegial støtte (Koll - 2 spørgsmål). Fælles for de ni skalaer er, at de måler relativt generelle

arbejdsmiljøpåvirkninger, som vi bedømmer relevante for de fleste virksomheder på tværs af forskellige

brancher.

Flertallet af de udvalgte skalaer er stærkt korrelerede, hvilket kan gøre det vanskeligt at fortolke resultater

fra en regressionsmodel, hvor alle skalaer indgår samtidigt i analyserne. Vi har derfor også gennemført en

faktoranalyser på tværs af de 33 spørgsmål, der indgår i de udvalgte skalaer. Faktoranalysen er brugt til at

beregne fire arbejdsmiljøfaktorer, der indbyrdes er uafhængige.

I alle regressionsanalyser har vi vendt retningen af de ni arbejdsmiljøindikatorer (og de fire

arbejdsmiljøfaktorer), således at en højere værdi betyder et bedre arbejdsmiljø. En positiv sammenhæng

mellem arbejdsmiljø og produktivitet betyder således, at bedre arbejdsmiljø hænger sammen med øget

produktivitet.

I regressionsanalyserne har vi valgt at tage udgangspunkt i Cobb-Douglas’ produktionsfunktion, der i

nationaløkonomisk forskning står helt centralt. Dette valg gør metodeudviklingen i projektet væsentligt

lettere, fordi det teoretiske grundlag for at anvende Cobb-Douglas’ produktionsfunktion allerede er afklaret

i detaljer i den nationaløkonomiske litteratur. Der findes således en omfattende litteratur, som omhandler

udfordringerne ved at identificere kausale sammenhænge i Cobb-Douglas’ produktionsfunktion.

Udfordringerne skyldes særligt, at ændringer i produktivitet også forventes at påvirke inputs i

produktionsfunktionen, herunder forskellige aspekter af arbejdsmiljø. Med andre ord kan man forvente, at

virksomheder, som oplever stigende produktivitet, også vil investere mere i arbejdsmiljø og dermed have et

bedre arbejdsmiljø. Derudover kan der være produktivitetschok eller andre tidsvarierende determinanter,

som påvirker både produktivitet og inputs i produktionsfunktionen, hvilket kan give anledning til sporadiske

sammenhænge, som ikke er kausalitet. Fx kan en periode med lavkonjunktur reducere medarbejdernes

jobsikkerhed og derigennem skabe et dårligere arbejdsmiljø, samtidig med at produktiviteten falder, uden

at det skyldes en kausal sammenhæng mellem arbejdsmiljø og produktivitet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Vi har så vidt muligt forsøgt at imødekomme disse udfordringer. Nedenstående figur skitserer elementerne

i analysestrategien.

Hovedanalyserne i den fulde regressionsmodel har omfattet tre forskellige typer af forløbsanalyser, som vi

har benævnt:

•

Kausalitet: I disse analyser undersøges om ændring i arbejdsmiljø fra 2012 til 2014 hænger sammen med

en efterfølgende ændring i produktivitet fra 2013 til 2015.

•

Omvendt kausalitet: I disse analyser undersøges om ændring i produktivitet fra 2010 til 2012 hænger

sammen med en efterfølgende ændring i arbejdsmiljø fra 2012 til 2014.

•

Kvasikausalitet: I disse analyser undersøges om ændring i arbejdsmiljø 2012-2014 hænger sammen med

en samtidig ændring i produktivitet 2012-2014. Disse analyser giver viden om, hvorvidt der er

sammenhæng mellem ændring i arbejdsmiljø og ændring i produktivitet, men de siger ikke noget om

retningen af en eventuel sammenhæng.

Den fulde regressionsmodel betegner en model, hvor alle virksomhedsdeterminanter af produktivitet

indgår (kapital, arbejdskraft, uddannelse, arbejdsmarkedserfaring, virksomhedens alder, andel kvinder,

virksomhed med eksport, virksomhed med flere arbejdssteder, branche).

Det kan ikke på forhånd udelukkes, at en arbejdsmiljøindikator er korreleret med de anvendte

virksomhedsdeterminanter. For at få et indtryk af, i hvilket omfang virksomhedsdeterminanterne påvirker

en eventuel sammenhæng mellem arbejdsmiljø og produktivitet, har vi gennemført ”rå”

regressionsanalyser af sammenhænge mellem arbejdsmiljøindikatorer og produktivitet uden

virksomhedsdeterminanter i regressionsmodellen. Man skal dog være varsom med at fortolke disse ”rå”

regressioner, da det ikke er klart, om en identificeret sammenhæng mellem arbejdsmiljø og produktivitet

skyldes, at både produktivitet og arbejdsmiljø hænger sammen med en eller flere af

virksomhedsdeterminanterne. Fx er det tænkeligt, at en stor andel ansatte med høj uddannelse påvirker

både arbejdsmiljøet og produktivitet. Når der ikke korrigeres for antallet af ansatte med høj uddannelse, vil

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

man derfor finde en positiv sammenhæng mellem arbejdsmiljø og produktivitet, som ikke skyldes en kausal

sammenhæng mellem disse to.

I den fulde regressionsmodel har vi som udgangspunkt antaget en lineær sammenhæng mellem

arbejdsmiljø og produktivitet. For nærmere at undersøge denne antagelse har vi gennemført stratificerede

regressionsanalyser, hvor virksomhederne deles i tre grupper ud fra skalaværdien af

arbejdsmiljøindikatoren i 2012 (Lav = de ca. 1/3 af virksomheder, som har de laveste skalaværdier i 2012;

Høj = de ca. 1/3 af virksomheder, som har de højeste skalaværdier i 2012; Middel = de resterende ca. 1/3 af

virksomheder). I denne sammenhæng kan der potentielt være risiko for, at nogle virksomheder har så lav

skalaværdi i 2012, at de i praksis kun kan få en højere værdi i 2014 (’floor effect’), og tilsvarende at nogle

virksomheder har en så høj skalaværdi i 2012, at de i praksis kun kan få en lavere værdi i 2014 (’ceiling

effect’). Vi har derfor – som en sekundær robusthedsanalyse – gennemført de stratificerede

regressionsanalyser, hvor virksomheder med de laveste og højeste skalaværdier i 2012 er blevet

ekskluderet. Disse analyser tyder ikke på, at der har været problemer med ’floor’ og ’ceiling’ effekter.

Erfaringsmæssigt er det uhyre vanskeligt at påvise kausale sammenhænge i forløbsanalyser mellem

arbejdsmiljø og produktivitet, og ingen har tidligere lykkedes med at gøre det. Som del af

metodeudviklingen har vi derfor gennemført tværsnitsanalyser for at belyse, om det overhovedet er muligt

at påvise sammenhænge mellem arbejdsmiljøindikatorer og produktivitet. Det skal fremhæves, at

tværsnitsanalyser ikke kan sige noget om karakteren af (underliggende forklaringer på) eventuelle

sammenhænge.

Syv af de ni arbejdsmiljøindikatorer viser relativt høj korrelation. Hvis alle arbejdsmiljøindikatorer indgår

samtidigt i den fulde regressionsmodel, kan det vanskeliggøre fortolkning af resultaterne, fordi indikatorer

med høj korrelation kan påvirke (udviske) hinanden eller endog føre til modsat fortegn i en samlet

regressionsmodel. Vi har derfor valgt både at gennemføre regressionsanalyser for hver enkelt

arbejdsmiljøindikator for sig og for alle ni arbejdsmiljøindikatorer samlet. Herved får vi mulighed for at

belyse, om de forskellige arbejdsmiljøindikatorer påvirker hinanden i den fulde regressionsmodel.

Alle tværsnits- og forløbsanalyser er blevet gennemført på tværs alle brancher/virksomheder. Endvidere er

virksomhederne blevet inddelt i syv hovedbranchegrupper, og analyser er gennemført inden for hver af de

fire største hovedbranchegrupper: ’Industri, råstof og forsyning’ (651 virksomheder), ’Bygge og anlæg’ (232

virksomheder), ’Handel og transport’ (823 virksomheder), ’Erhvervsservice’ (337 virksomheder).

Resultater

De ni arbejdsmiljøindikatorer

Tabel 1. summerer de statistisk signifikante sammenhænge, der i hovedanalyserne er blevet vist for hver af

de ni arbejdsmiljøindikatorer på tværs af alle brancher og inden for de fire hovedbranchegrupper. For at

lette forståelsen viser tabel 1a de estimerede parametre omregnet til den %-ændring i produktivitet

(værditilvækst/årsværk), der opstår, når arbejdsmiljøindikatoren øges med et skalatrin.

I projektet har vi gennemført et meget stort antal analyser, og det kan derfor ikke udelukkes, at nogle

resultater er statistisk signifikante ved et rent tilfælde (en type I fejl). Når vi ser på både tværsnitsanalyser

og forløbsanalyser er de fleste signifikante resultater knyttet til 3 arbejdsmiljøindikatorer: Prioritering af

arbejdsmiljøet, kvantitative krav og oplevelse af fysisk anstrengelse i arbejdet. Dette indikerer, at

resultaterne generelt ikke er opstået tilfældigt, og vi har derfor besluttet ikke at justere for multiple test (se

endvidere afsnit 5.3.).

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 1.

Oversigt over statistisk signifikante resultater fra forløbsanalyser af kausalitet (K), omvendt kausalitet (OK) og kvasikausalitet (QK)

Alle brancher

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indf

Retf

Koll

Fys-an

-0,014*

0,029**

0,016*

0,015*

-0,018*

-0,022**

0,023*

Industri, råstof og

forsyning

-0,029*

0,048*

Bygge og anlæg

-0,05**

0,029*

0,072***

0,071*

-0,059**

0,048*

Handel og transport

0,069***

0,028*

-0,026*

0,024**

Erhvervsservice

-0,03*

-0,034*

-0,062**

0,038*

0,046*

”-” = Ingen statistisk signifikant sammenhæng

* 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans

Tabel 1a.

Oversigt over statistisk signifikante resultater fra forløbsanalyser af kausalitet (K), omvendt kausalitet (OK) og kvasikausalitet (QK). Omregnet til den %-

ændring i produktivitet (VTV pr. årsværk), der opnås, når arbejdsmiljøindikatoren øges med et skalatrin

Alle brancher

Industri, råstof og

Bygge og anlæg

Handel og transport

Erhvervsservice

forsyning

Arbmil (1-5)

Sikker (1-5)

Kvan (1-5)

Ledelse (1-5)

Rolle (1-5)

Indf (1-5)

Retf (1-5)

Koll (1-5)

Fys-an (0-10)

-2,0 %*

2,0 %**

2,3 %*

2,1 %*

-2,6 %*

-3,7 %**

1,6 %*

-4,1 %*

3,4 %*

-7,1 %**

3,6 %*

5,2 %***

10,1 %*

-8,4 %**

5,6 %*

3,4 %*

5,0 %***

4,0 %*

-3,7 %*

3,4 %**

-5,0 %*

-4,9 %*

-10,3 %**

5,1 %*

6,3 %*

6,6 %*

”-” = Ingen statistisk signifikant sammenhæng

* 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans

For Fys-an er beregnet %-ændring i produktivitet pr. 2 skalatrin

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

I hovedanalyserne er de påviste sammenhænge mellem ændring i arbejdsmiljø og ændring i produktivitet

kun i ringe grad påvirket af, om hver enkelt arbejdsmiljøindikator analyseres for sig, eller om alle ni

arbejdsmiljøindikatorer indgår samlet i den fulde regressionsmodel.

De statistisk signifikante sammenhænge i hovedanalyserne understøttes i en vis grad af de sekundære

tværsnitsanalyser, der viser de mest konsistente, statistisk signifikante sammenhænge med produktivitet

for tre arbejdsmiljøindikatorer – virksomhedens prioritering af arbejdsmiljøet, kvantitative krav og

oplevelse af fysisk anstrengelse i arbejdet.

Hovedanalyserne viser på tværs af brancher den stærkeste positive kausale sammenhæng mellem ændring

i oplevelse af fysisk anstrengelse i arbejdet og ændring i produktivitet. Denne kausale sammenhæng bæres i

høj grad af hovedbranchegruppe ’Bygge og anlæg’ og hovedbranchegruppe ’Handel og transport’. Det

positive fortegn betyder, at virksomheder, hvor medarbejderne oplever reduceret fysisk anstrengelse i

arbejdet fra 2012 til 2014, har stærkere tendens til efterfølgende at opnå øget produktivitet i perioden

2013-2015.

For virksomhedens prioritering af arbejdsmiljøet ses på tværs af alle brancher en positiv omvendt kausal

sammenhæng og en negativ kvasikausal sammenhæng med ændring i produktivitet. Disse sammenhænge

bæres også helt overvejende af hovedbranchegruppe ’Bygge og anlæg’ og hovedbranchegruppe ’Handel og

transport’. Den positive omvendt kausale sammenhæng betyder, at virksomheder, der har øget deres

produktivitet i perioden 2010-2012 har stærkere tendens til efterfølgende af prioritere arbejdsmiljøet i

perioden 2012-2014.

På tværs af brancher viser ændring i kvantitative krav en negativ kvasikausal sammenhæng med ændring

produktivitet. En mulig forklaring på, at der ikke er signifikant kausal sammenhæng, kan være, at

kvantitative krav (tidspres) påvirker produktiviteten på kort sigt (i samme år) men ikke i efterfølgende år.

Sammenhæng mellem ændring i kvantitative krav og ændring i produktivitet bæres i høj grad af

hovedbranchegruppe ’Bygge og anlæg’, der viser negativ kausal sammenhæng og positiv omvendt kausal

sammenhæng mellem ændring i kvantitative krav og ændring i produktivitet. I hovedbranchegruppe

’Erhvervsservice’ viser ændring i kvantitative krav negativ omvendt kausal sammenhæng med ændring i

produktivitet.

Ændring i indflydelse viser på tværs af alle brancher en negativ kausal sammenhæng med ændring i

produktivitet. Hovedbranchegruppe ’Industri, råstof og forsyning’ bidrager i særlig grad til den negative

kausale sammenhæng mellem ændring i indflydelse og ændring i produktivitet. En simpel forklaring på, at

sammenhæng mellem indflydelse og produktivitet er svag, kan være, at ændringer i indflydelse fra 2012 til

2014 er meget små, og i mange virksomheder ses slet ingen ændring.

På tværs af brancher viser ændring i kollegial støtte en svag positiv omvendt kausal sammenhæng med

ændring i produktivitet. Denne sammenhæng understøttes imidlertid ikke af de sekundære

tværsnitsanalyser, og eftersom p-værdien er relativ høj (sammenhængen er svag), kan det ikke udelukkes,

at den påviste omvendt kausale sammenhæng er et tilfældigt resultat af multiple test.

Hverken sikkerhedskultur eller retfærdighed viser signifikante sammenhænge i hovedanalyserne på tværs

af brancher eller inden for hver af de fire hovedbrancher. Resultatet er i overensstemmelse med de

sekundære ”rå” forløbsanalyser. Sikkerhedskultur viser heller ikke statistisk signifikante sammenhænge i

tværsnitsanalyser.

Hovedanalyserne understøttes og nuanceres af de sekundære forløbsanalyser, der belyser, om

udgangsniveauet af kvaliteten af arbejdsmiljøet i 2012 har betydning for sammenhænge med produktivitet.

Der er en tydelig tendens til både positiv kausal og positiv omvendt kausal sammenhæng mellem ændring i

arbejdsmiljø og ændring i produktivitet for den tredjedel af virksomheder, der har det laveste

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

udgangsniveau af kvaliteten af arbejdsmiljøet i 2012. Den positive kausale sammenhæng er statistisk

signifikant for kvantitative krav og oplevelse af fysisk anstrengelse i arbejdet. Den positive omvendte

kausale sammenhæng er statistisk signifikant for virksomhedens prioritering af arbejdsmiljøet, rolleklarhed,

indflydelse og kollegial støtte.

I de ”rå” regressionsanalyser viser ændring i ledelseskvalitet positiv kausal sammenhæng med ændring i

produktivitet, men denne sammenhæng udviskes og forsvinder i den fulde regressionsmodel. Resultatet

tyder på, at positive effekter af ledelseskvalitet på produktivitet medieres af virksomhedsdeterminanter af

produktivitet (fx medarbejdernes uddannelsesniveau eller omfang af virksomhedens eksport og dens

investeringer i teknologi). Det kan dog også skyldes, at en eller flere af disse virksomhedsdeterminanter

både kan påvirke medarbejdernes opfattelse af ledelsen og virksomhedens produktivitet og derfor ikke

nødvendigvis er udtryk for en kausal sammenhæng.

De fire arbejdsmiljøfaktorer

Hovedanalyser på tværs af brancher viser generelt ikke statistisk signifikante sammenhænge mellem

ændring i de fire arbejdsmiljøfaktorer og ændring i produktivitet. Imidlertid viser hovedanalyser inden for

hver af de fire hovedbranchegrupper markante forskelle. I hovedbranchegruppe ’Bygge og anlæg’ viser

ændring i ’Tidspresfaktor’ negativ kausal sammenhæng og positiv omvendt kausal sammenhæng med

ændring i produktivitet. I hovedbranchegruppe ’Handel og transport’ viser ændring i ’Sikkerheds- og

forebyggelseskulturfaktor’ negativ kausal sammenhæng og positiv omvendt kausal sammenhæng med

ændring i produktivitet. I hovedbranchegruppe ’Erhvervsservice’ viser ændring i ’Indflydelse- og

relationsfaktor’ negativ kausal sammenhæng og positiv omvendt kausal sammenhæng med ændring i

produktivitet. Endvidere viser ændring i ’Ledelsesfaktor’ negativ kausal sammenhæng med ændring i

produktivitet.

Det er bemærkelsesværdigt, at alle påviste statistisk signifikante sammenhænge har samme retning.

Negativ kausal sammenhæng kan måske hænge sammen med, at analyserne er baseret på kort

opfølgningstid (et år). Det er teoretisk muligt, at investeringer i at forbedre arbejdsmiljøet på kort sigt ikke

kan tjene sig selv ind, men at en gevinst i øget produktivitet kan opnås på længere sigt. I modsætning hertil

er analyser af omvendt kausal sammenhæng baseret på længere opfølgningstid (2 år), og her indikerer

resultaterne at virksomheder, der forbedrer produktiviteten, efterfølgende forbedrer arbejdsmiljøet.

Diskussion og konklusion

Nærværende projekt har – med udgangspunkt i Cobb-Douglas’ produktionsfunktion – med succes

videreudviklet metoder til at analysere sammenhænge mellem indikatorer for kvaliteten af virksomheders

arbejdsmiljø og virksomheders produktivitet på tværs af brancher og inden for udvalgte

hovedbranchegrupper. Med de videreudviklede metoder har det for første gang været muligt at påvise

kausale og omvendt kausale sammenhænge mellem ændringer i arbejdsmiljø og ændringer i produktivitet.

Projektets hovedhypotese om kausal sammenhæng mellem indikatorer for kvaliteten af arbejdsmiljøet og

produktivitet (H1-1) er på tværs af alle brancher bekræftet (hypotesen kan ikke afvises) for indflydelse og

oplevelse af fysisk anstrengelse i arbejdet.

Sammenlignet med de tidligere studier, der har anvendt Cobb-Douglas’ produktionsfunktion til at analysere

sammenhænge mellem arbejdsforhold/arbejdsmiljø og produktivitet, er nærværende projekt baseret på et

langt større antal virksomheder, og risikoen for at andre kausale sammenhænge overses pga. lav statistisk

styrke (type II fejl) er væsentligt lavere i nærværende projekt.

Den negative sammenhæng mellem indflydelse og produktivitet strider mod den overordnede antagelse

om positiv kausal sammenhæng mellem arbejdsmiljø og produktivitet. Sekundære forløbsanalyser viser, at

den negative kausale sammenhæng er knyttet til de virksomheder, der har et middel eller højt

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

udgangsniveau af indflydelse i 2012. En teoretisk mulig fortolkning kan være, at det kan være forbundet

med store omkostninger at forbedre indflydelse yderligere, når udgangsniveauet er middel eller højt, og

derfor kan forbedringer af indflydelse efterfølgende være forbundet med lavere produktivitet.

Analyser af kvasikausale sammenhænge indikerer, at der også kan være en sammenhæng mellem

kvantitative krav (tidspres) og produktivitet, men at denne forsvinder på længere sigt, enten fordi effekten

er kortvarig eller fordi sammenhængen skyldes omvendt kausalitet.

Projektet hovedhypotese om omvendt kausal sammenhæng (H1-2) mellem produktivitet og

arbejdsmiljøindikatorer er på tværs af alle brancher bekræftet for virksomhedens prioritering af

arbejdsmiljøet, rolleklarhed, indflydelse og kollegial støtte. Her er sammenhængen i alle tilfælde positiv. De

sekundære forløbsanalyser viser generelt, at positiv omvendt kausal sammenhæng især er knyttet til de

virksomheder, der har et lavt udgangsniveau af kvaliteten af arbejdsmiljø i 2012. En mulig fortolkning kan

være, at virksomheder, der forbedrer produktiviteten fra 2010 til 2012, efterfølgende har større tendens til

at bruge ressourcer på at forbedre arbejdsmiljøet, hvis udgangspunktet af arbejdsmiljøet er lavt i 2012,

men at virksomhederne ikke efterfølgende har samme opmærksomhed på arbejdsmiljøet, hvis

udgangsniveauet af arbejdsmiljøet allerede i 2012 er højt.

Projektets anden hovedhypotese (H2) om, at kausale sammenhænge mellem arbejdsmiljøindikatorer og

produktivitet er afhængig af branche er blevet undersøgt indirekte ved at sammenligne de estimerede

statistisk signifikante koefficienter fra hovedanalyserne i de fire hovedbranchegrupper. Selv om vi ikke har

udført egentlige statistiske tests af, om de estimerede koefficienter er statistisk signifikant forskellige i de

fire hovedbranchegrupper, er forskellene så markante, at vi bedømmer, at hovedhypotese 2 er bekræftet.

Den statistiske signifikante negative kausale sammenhæng mellem indflydelse og produktivitet, der ses på

tværs af alle brancher, ses endnu mere udtalt i hovedbranchegruppe ’Industri, råstof og forsyning’ men ikke

i nogle af de andre tre hovedbranchegrupper. Det er rimeligt at antage, at denne forskel mellem

hovedbranchegruppe ’Industri, råstof og forsyning’ er de tre andre hovedbranchegrupper er statistisk

signifikant. Tilsvarende er den statistiske signifikante kausale sammenhæng mellem oplevelse af fysisk

anstrengelse i arbejdet og produktivitet, der ses på tværs af alle brancher, endnu mere udtalt i 2

hovedbranchegrupper (’Bygge og anlæg’ og ’Handel og transport’) men fraværende i de to andre

hovedbranchegrupper. Endelig understøttes hypotesen indirekte af de store forskelle mellem

hovedbranchegruppe ’Bygge og anlæg’ og hovedbranchegruppe ’Erhvervsservice’ i hvilke sammenhænge,

der er statistisk signifikante. Dette tyder på, at arbejdsmiljøet har forskellig betydning i de to

hovedbranchegrupper.

Samlet viser projektet en mere konsistent omvendt kausal sammenhæng end en kausal sammenhæng

mellem arbejdsmiljø og produktivitet. Dette betyder, at virksomheder, der har øget produktivitet (fra 2010

til 2012), efterfølgende har stærkere tendens til at (investere i at) forbedre arbejdsmiljøet (fra 2012 til

2014), hvorimod virksomheder, der har forbedret arbejdsmiljø (fra 2012 til 2014), ikke i samme grad opnår

en efterfølgende øget produktivitet (fra 2013 til 2015). En mulig forklaring på denne forskel kan være, at

det tager længere tid end et år, før arbejdsmiljøforbedringer får positiv effekt på produktivitet.

Det skal fremhæves, at to arbejdsmiljøindikatorer – sikkerhedskultur og retfærdighed – ikke viser

sammenhæng med produktivitet i hovedanalyser, hverken på tværs af brancher eller inden for de fire

hovedbranchegrupper. Disse to arbejdsmiljøindikatorer viser generelt meget små ændringer i skalaværdi

fra 2012 til 2014, og det er tænkeligt, at der ikke har været tilstrækkeligt med ændringer til, at statistisk

signifikante sammenhænge kan påvises.

Projektets sekundære hypoteser (H3 og H4) om statistisk signifikant positiv sammenhæng mellem

arbejdsmiljøindikatorer og produktivitet i tværsnitsanalyser er bekræftet for virksomhedens prioritering af

arbejdsmiljøet, sikkerhedskultur, kvantitative krav og oplevelse af fysisk anstrengelse i arbejdet. Der er

generelt god overensstemmelse mellem resultaterne af tværsnitsanalyserne og forløbsanalyserne, hvilket

bidrager til at styrke resultaternes troværdighed.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Perspektiver for arbejdsmiljøet

Det er en grundlæggende præmis i arbejdsmiljøloven og i den kollektive arbejdsmiljøindsats, at

virksomhederne ikke kun skal skabe et godt arbejdsmiljø, fordi det kan betale sig, men at et godt

arbejdsmiljø også handler om, at virksomhederne udviser den nødvendige sociale ansvarlighed. Alligevel er

der bred enighed blandt arbejdsmarkedets parter om, at en tydeliggørelse af positive sammenhænge

mellem arbejdsmiljø og produktivitet, kan bidrage til at anspore danske virksomheder til at gennemføre en

mere vidtgående arbejdsmiljøindsats, og at dette kan bidrage til at forbedre virksomhedernes produktivitet

og konkurrenceevne.

Nærværende projekt har videreudviklet metoder og statistiske modeller til at undersøge kausale

sammenhænge mellem forskellige aspekter af virksomheders arbejdsmiljø og produktivitet. Projektet har

vist, at der er store forskelle mellem de fire hovedbranchegrupper, og at det måske vil være muligt på

brancheniveau mere præcist at udpege og dokumentere de aspekter af arbejdsmiljøet, der i særlig grad

hænger positivt sammen med produktivitet. Perspektivet for arbejdsmiljøet er således på længere sigt, at

projektet vil kunne bidrage til, at virksomheder anspores til mere systematisk at forbedre arbejdsmiljøet.

Allerede nu viser projektet, at en reduktion i medarbejdernes oplevelse af fysisk anstrengelse i arbejdet

fører til øget produktivitet. Dette gælder især i hovedbranchegruppe ’Bygge og anlæg’ og

hovedbranchegruppe ’Handel og transport’, hvorfor der allerede på kort sigt kan være store perspektiver i

at gennemføre arbejdsmiljøindsatser, der reducerer medarbejdernes oplevelse af fysisk anstrengelse i

arbejdet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

UMMARY

Purpose

Firstly, the project aims to develop methods to analyse the relationships between work and productivity

across and within industries. Secondly, its purpose is to investigate possible causal relationships between

different indicators for the quality of the company's working environment and productivity across sectors

and within selected industries.

Method

The productivity measure (value added / man-years) used is only defined for private companies. The data

base has therefore been obtained by linking data in Statistics Denmark to private companies (accounts,

company statistics, number of employees and their gender, education, work experience and working hours)

with those who have responded to the NFA's Working Environment and Health Questionnaire (AH) in 2012

and 2014. By focusing only on companies where the same employees have answered the questionnaire

both years, and by analysing the relationships between changes in the working environment and changes in

productivity over time, we can avoid a number of workplace-dependent and individual-dependent sources

of error. The final study population comprises a total of 2266 companies that meet all inclusion criteria.

As expressions of the quality of the working environment (working environment indicators), we have

selected 9 working environment scales used unchanged in the AH-questionnaire in 2012 and 2014: The

company's prioritization of the working environment (Arbmil - 4 questions); Safety culture (Sikker - 4

questions); Quantitative demands (Kvan - 6 questions); Experiencing physical exertion at work

(Fys-an

one question; Management Quality

Ledelse

- 8 questions); Role clarity (Rolle - 4 questions); Influence (

Indf

- 2 questions); Justice (Retf - 2 questions); Collegial support (Coll - 2 questions). Common to the 9 scales is

that they measure relatively general working environment factors, which we consider relevant to most

companies across different industries.

Most of the selected scales

are

highly correlated, which can make it difficult to interpret results from a

regression model, where all scales are included simultaneously in analyses. We have therefore also

conducted a factor analysis across the 33 questions that are included in the selected scales. The factor

analysis has been used to calculate 4 working environment factors that are mutually independent.

In all regression analyses, we have turned the direction of the 9 working environment indicators (and the 4

working environment factors) so that a higher value means a better working environment. A positive

correlation between work environment and productivity means that better working environment is linked

to increased productivity.

We have decided to base the regression analyses on Cobb-Douglas’ production function, which is central in

national economic research. This decision makes development of methods in the present project easier

because the theoretical framework for using Cobb-Douglas’ production function is already clarified in

details in the scientific literature of national economy. Hence, there is a comprehensive literature that

addresses the challenges of identifying causal relationships in the Cobb-Douglas’ production function.

The challenges are especially due to the fact that changes in productivity are also expected to affect inputs

in the production function, including various aspects of the working environment. In other words,

companies that are experiencing increasing productivity may be expected to invest more in the working

environment and thus develop a better working environment.

In addition, there may be productivity shocks or other time-varying determinants that affect both

productivity and inputs in the production function, which can give rise to sporadic associations that are not

causality. For example, a period of recession can reduce employee job security, thereby creating a poorer

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

working environment, and simultaneously reduce productivity, without the existence of a causal

connection between working environment and productivity.

We have tried to meet these challenges as far as possible. The figure below outlines the elements of the

analysis strategy.

The main analyses in the complete regression model have included three different types of follow-up

analysis, which we have named:

•

Causality: In these analyses, a change in the working environment from 2012 to 2014 is related to a

subsequent change in productivity from 2013 to 2015.

•

Reverse causality: In these analyses, the change in productivity from 2010 to 2012 is related to a

subsequent change in the working environment 2012-2014.

•

Qvasi-causality: These analyses examine whether change in the working environment 2012-2014 is

associated with a simultaneous change in productivity 2012-2014. These analyses provide information

about whether there is a correlation between change in the working environment and productivity

change, but they do not say anything about the direction of possible associations.

The full regression model represents a model where all company determinants of productivity are included

(capital, labour, education, labour market experience, company age, proportion of women, company with

exports, company with multiple workplaces, industry).

It cannot be ruled out in advance that a working environment indicator is correlated with the company

determinants used. To get an impression of the extent to which company determinants influence the

possible relationship between working environment and productivity, we have conducted "raw" regression

analyses of relationships between working environment indicators and productivity without company

determinants in the regression model.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

However, one must be careful about interpreting these "raw" regressions as it is not clear whether an

identified relationship between the working environment and productivity is due to the fact that both

productivity and working environment are related to one or more of the company determinants. For

example, it is conceivable that a large proportion of employees with high education affect both the working

environment and productivity. Therefore, when there is no correction for the number of high-education

employees, there will be a positive correlation between the working environment and productivity, which

is not due to a causal connection between these two.

In the complete regression model, we have assumed a linear correlation between working environment

and productivity. To investigate this assumption, we have implemented stratified regression analyses, as

companies are divided into three groups based on the scale value of the working environment indicator in

2012 (Low 1/3 of companies with the lowest scale values in 2012; High = the approx. 1/3 of companies

with the highest scale values in 2012; the remaining approx. 1/3 of companies). In this context, there may

be a potential risk for some companies with such a low scale value in 2012 that they can only gain a higher

value in 2014 (‘floor’ that some companies have such a high scale value in 2012 that in practice they can

only get a lower value in 2014 (‘ceiling’ Therefore, we have conducted - as a secondary robustness analysis

- the stratified regression analyses where companies with the lowest and highest scale values in 2012 have

been excluded. These analyses do not indicate that there have been problems with ‘floor’ and ‘ceiling’

effects.

It may be extremely difficult to detect causal relationships in follow up analysis between working

environment and productivity, and no one has previously succeeded in doing so. As part of the method

development, we have conducted cross-sectional analyses to elucidate whether it is possible at all to

establish relationships between working environment indicators and productivity. It should be emphasized

that cross-sectional analyses cannot say anything about the nature of (underlying explanations of) any

associations.

Seven of the 9 working environment indicators show relatively high correlation. If all working environment

indicators are included in the complete regression model, it can make it difficult to interpret the results

because highly correlated indicators can affect (wipe out) each other or even lead to opposite signs in an

overall regression model. We have therefore chosen to carry out regression analyses for each working

environment indicator individually and for all 9 working environment indicators together. This gives us the

opportunity to illuminate whether the different working environment indicators influence each other in the

complete regression model.

All cross-sectional and follow-up analyses have been conducted across all industries /companies. In

addition, the companies have been divided into 7 major industry groups, and analyses have been carried

out within each of the four major industry groups: 'Industry, Raw Materials and Supply' (651 companies),

'Construction' (232 companies), 'Trade and Transport' (823 companies), 'Business service' (337 companies).

Results

The 9 working environment indicators

Table 1 summarizes the statistically significant associations shown in the main analyses for each of the 9

working environment indicators across all industries and within the 4 major industry groups. To make the

results more easy to comprehend, Table 1a presents the estimated parameters recalculated to percentage

change in productivity when the scale value of the working environment indicators is increased by one

unit.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Table 1

Overview of statistically significant results from causality analysis (C), reverse causality (RC) and quasi-causality (QC)

All industries

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indf

Retf

Koll

Fys-an

-0.014*

0.029**

0.016*

0.015*

-0.018*

-0.022**

0.023*

Industry, Raw

Materials and Supply

-0.029*

0.048*

Construction

-0.05**

0.029*

0.072***

0.071*

-0.059**

0.048*

Trade and transport

0.069***

0.028*

-0.026*

0.024**

Business Service

-0.03*

-0.034*

-0.062**

0.038*

0.046*

No statistically significant relationship

* 10 pct. significance, significance

Table 1a

Overview of statistically significant results from causality analysis (C), reverse causality (RC) and quasi-causality (QC). Recalculated to express percentage

change in productivity when the scale value of the working environment indicators is increased by one unit

All industries

Industry, Raw

Construction

Trade and transport

Business Service

Materials and Supply

Arbmil (1-5)

Sikker (1-5)

Kvan (1-5)

Ledelse (1-5)

Rolle (1-5)

Indf (1-5)

Retf (1-5)

Koll (1-5)

Fys-an (0-10)

-2.0 %*

2.0 %**

2.3 %*

2.1 %*

-2.6 %*

-3.7 %**

1.6 %*

-4.1 %*

3.4 %*

-7.1 %**

3.6 %*

5.2 %***

10.1 %*

-8.4 %**

5.6 %*

3.4 %*

5.0 %***

4.0 %*

-3.7 %*

3.4 %**

-5.0 %*

-4.9 %*

-10.3 %**

5.1 %*

6.3 %*

6.6 %*

No statistically significant relationship

* 10 pct. significance, significance

For Fys-an, the calculated values are percentage change in productivity per two scale units

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

In the project, we have performed a high number of statistical analyses, hence it cannot be ruled out that

some results are statistically significant simply due to change coincidence (type 1 error). When both cross-

sectional and longitudinal analyses are considered, as well as different specifications of the different

regression models, most of the statistical significant results are linked to three indicators of the quality of

the working environment: Prioritization of the working environment, quantitative demands and perceived

physical exhaustion at work. This indicates that most of the results may not be due to change. Hence, we

have decided not to adjust for multiple testing.

In the main analyses, the established associations between change in the working environment and

productivity change are only affected to a small extent by whether each individual working environment

indicator is analysed separately or whether all 9 indicators are included in the complete regression model.

The statistically significant associations of the main analyses are supported to a certain extent by the

secondary cross-sectional analysis showing the most consistent and statistically significant association with

productivity for three working environment indicators - the company's prioritization of the working

environment, quantitative demands and experiencing physical exertion at work.

The main analyses show across sectors the strongest positive causal link between change in experience of

physical exertion at work and productivity change. This causal connection is largely borne by the major

industry group 'Construction' and the major industry group 'Trade and Transport'. The positive sign

indicates that companies where employees experience reduced physical exertion at work from 2012 to

2014 have a stronger tendency to subsequently achieve increased productivity over the period 2013-2015.

For the company's prioritization of the working environment, a positive reverse causal relationship and a

negative kvasi-causal relationship with productivity change are observed/seen across all industries. These

relationships are also largely borne by the major industry group 'Construction' and the major industry

group 'Trade and transport'. The positive reverse causal relationship means that companies that have

increased their productivity in the period 2010-2012 have a stronger tendency to subsequently prioritize

the working environment in the period 2012-2014.

Across industries, change in quantitative demands shows a negative kvasi-causal relationship with change

productivity. A possible explanation for the lack of significant causal relationship may be that quantitative

demands (time pressure) affect productivity in the short run (in the same year) but not in the subsequent

years. The association between change in quantitative demands and productivity change is largely borne by

the major industry group 'Construction', which shows negative causal relationship and positive reverse

causal link between change in quantitative demands and productivity change. In the major industry group

'Business Services', change in quantitative demands shows negative reverse causal association with

productivity change.

Change in influence shows across all industries a negative causal correlation with productivity change. The

major industry group 'Industry, Raw Materials and Supply' contributes in particular to the negative causal

link between change in influence and productivity change. The weak causal correlation between influence

and productivity may simply reflect that changes in influence from 2012 to 2014 are small and in many

enterprises no change is observed/seen.

Across industry, change in collegial support shows a weak positive reverse causal correlation with

productivity change. However, this correlation is not supported by the secondary cross-sectional analyses,

and since the p-value is high (the correlation is weak), it may be that the correlation is simple a random

result of multiple testing.

Neither safety culture nor justice shows significant association in the main analyses across industries or

within each of the four major industry groups. The results are consistent with the secondary "raw" follow-

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

up analyses. Safety culture does not show statistically significant association with productivity in cross-

sectional analyses.

The main analyses are supported and nuanced by the secondary follow-up analyses, elucidating whether

the initial level of the quality of the working environment (in 2012) is important for an association with

productivity. There is a clear tendency for both positive causal and positive reverse causal correlation

between change in the working environment and productivity change for the third of companies that have

the lowest initial level of the quality of the working environment in 2012. The positive causal relationship is

statistically significant for quantitative demands and experience of physical exertion at work. The positive

reverse causal correlation is statistically significant for the company's prioritization of the working

environment, role clarity, influence and collegial support.

In the "raw" regression analyses, change in management quality shows positive causal connection with

productivity change, but this relationship is eliminated and disappeared in the complete regression model.

The result suggests that positive impacts of management quality on productivity are mediated by company

determinants of productivity (e.g. employee education level, extent of company exports or company

investments in technology). However, this may also be due to the fact that one or more of these company

determinants can affect both employees' perceptions of management and the company's productivity and

therefore not necessarily constitute a causal connection.

The four working environment factors

Main analyses across industries generally do not show statistically significant relationships between change

in the four working environment factors and productivity change. However, main analyses within each of

the 4 major industry groups show significant differences. In the major industry group 'Construction', change

in the Time pressure factor shows negative causal connection and positive reverse causal connection with

productivity change. In the major industry group 'Trade and Transport', the change in the Safety and

Prevention Culture Factor shows negative causal connection and positive reverse causal connection with

productivity change. In the major industry group 'Business Services', change in Influence and Relationship

Factor shows negative causal connection and positive reverse causal connection with productivity change.

Furthermore, change in Management Factor shows negative causal connection with productivity change.

It is noteworthy that all demonstrated statistically significant connections have the same direction.

Negative causal connection may be related to the fact that the analyses are based on short follow-up time

(one year). It is theoretically possible that investments in improving the working environment in the short

term cannot earn themselves but that a gain in increased productivity can be achieved in the longer run. In

contrast, analyses of reverse causality are based on longer follow-up time (2 years), and the results indicate

that companies that improve productivity subsequently improve the working environment.

Discussion and conclusion

This project has - based on Cobb-Douglas' production function - successfully developed methods for

analysing the correlation between indicators for the quality of the working environment and company

productivity across industries and within selected major industry groups.

With the improved methods, it has been possible for the first time to detect causal and inverse causal

relationships between changes in the working environment and changes in productivity.

The main hypothesis of causality between indicators for the quality of the working environment and

productivity (H1-1) is confirmed across all industries (the hypothesis cannot be rejected) for influence at

work and experience of physical exertion at work.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

In comparison with previous studies which have used Cobb-Douglas’ production function in analyses of

associations between working conditions/working environment and productivity, the present study is

based on a far higher number of enterprises, and the risk of failure to demonstrate other actual causalities

due to low statistical power (type II error) is profoundly lower in the present study.

However, the negative correlation between influence and productivity is contrary to the assumption of

positive causal relationship between the working environment and productivity. The secondary follow-up

analyses show that the negative causal relationship is linked to those companies that have a medium or

high level of influence at work in 2012. A theoretically possible interpretation may be that it may be

associated with significant costs to further improve influence when the initial level is medium or high, and

consequently, enhancements of influence can subsequently be associated with lower productivity at least

for some time.

Analyses of kvasi-causal relationships indicate that there may also be a correlation between quantitative

demands (time pressure) and productivity, but that it disappears in the long term, either because the

association is short-lived or because it is due to reverse causality.

The main hypothesis of reverse causal relationship (H1-2) between productivity and working environment

indicators

across all industries confirmed for the company's priority of working environment, role clarity,

influence at work and collegial support. Here, the relationship is positive in all cases.

The secondary follow-up analyses generally show that positive reverse causal relationship is especially

associated with those companies that have a low initial level of the quality of work environment in 2012.

One possible interpretation may be that companies that improve productivity from 2010 to 2012

subsequently have larger tendency to use resources to improve the working environment if the starting

point of the working environment is low in 2012, but that companies do not subsequently pay the same

attention to the working environment if the initial level of the working environment is already high in 2012.

The project's second main hypothesis (H2) - that causal links between working environment indicators and

productivity depend on industry – is analysed indirectly by comparing the estimated coefficients from the

main analyses in the four major industry groups. Even though we did not actually test whether the

estimated coefficients are statistically and significantly different between the four major industry groups,

the differences are so profound that we consider the second main hypothesis to be confirmed. The

negative causality between influence and productivity, which is statistically significant across all industries,

is even more pronounced in the major industry group 'Industry, Raw Materials and Supply' but the causality

is not observed significantly in any of the three other major industry groups. It seems reasonable to assume

that this difference between the major industry group 'Industry, Raw Materials and Supply' and the three

other major industry groups is statistically significant. Similarly the statistically significant causality between

experienced physical exhaustion at work and productivity across industries is even more pronounced in two

major industrial groups (‘Construction’ and ‘Trade and transport’) but not observed in the two other major

industry groups. Finally, the hypothesis is supported indirectly by the large differences between the major

industry group 'Construction' and the major industry group 'Business service' in which relationships

between working environment indicators and productivity are statistically significant. This indicates that

the working environment has remarkable different impact on productivity in the two different major

industry groups.

Overall, the project shows a more consistent reverse causal connection than a causal connection between

the working environment and productivity. This means that companies that have increased productivity

(from 2010 to 2012) subsequently have a stronger tendency to invest in improving the working

environment (from 2012 to 2014) whereas companies with improved working environment (from 2012 to

2014) not to the same extent achieve a subsequent increased productivity (from 2013 to 2015). A possible

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

explanation for this difference may be that it takes longer than one year before working environment

improvements have a positive impact on productivity.

It should be emphasized that two working environment indicators - safety culture and justice - do not show

any sign of relationship with productivity in main analyses, either across industries or within the four major

industry groups. These two working environment indicators generally show very small changes in scale

value from 2012 to 2014, and it is conceivable that there have been insufficient changes to enable the

detection of statistically significant connections.

The project's secondary hypotheses (H3 and H4) on statistically significant positive correlation between

working environment indicators and productivity in cross-sectional analyses have been confirmed for the

company's prioritization of the working environment, safety culture, quantitative demands and experience

of physical exertion at work. There is generally good consistency between the results of the cross-sectional

analysis and the main follow-up analyses, which helps to enhance the credibility of the results.

Perspectives for the working environment

It is a basic premise in the Working Environment Act and in the collective working environment effort that

companies not only have to create a good working environment because it pays off but that a good working

environment also reflects that the companies display the necessary social responsibility. Nevertheless,

there is a broad consensus among the social partners that clarifying positive relationships between the

working environment and productivity can help spur Danish companies to implement more extensive

working environment efforts and that this can help improving the productivity and competitiveness of the

companies.

This project has further developed methods and statistical models to investigate causal relationships

between different aspects of working environment and productivity of companies. The project has shown

that there are major differences between industries and that it may be possible for each group of industries

to more accurately designate and document the aspects of the working environment that are particularly

positively associated with productivity. The perspective for the working environment is thus in the long

term that the project will encourage Danish companies to improve the working environment more

systematically.

Even now, the project shows that a reduction in employee experience of physical exertion at work leads to

increased productivity. This is especially true in the major industry groups 'Construction' and 'Trade and

transport'. In the short term, there can be great perspectives in implementing working environment efforts

that reduce employees' experience of physical exertion at work particularly in companies in these two

major industry groups.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

1. P

ROJEKTETS FORMÅL

Projektets overordnede formål er

1) at videreudvikle metoder til at analysere sammenhænge mellem arbejdsmiljø og produktivitet på tværs

af brancher og inden for brancher.

2) at undersøge mulige kausale sammenhænge mellem forskellige indikatorer for kvaliteten af

virksomheders arbejdsmiljø og deres produktivitet på tværs af brancher og inden for udvalgte brancher.

3) at gennemføre en større brancherettet/brugerrettet formidling med det formål at øge danske

virksomheders og interessenters viden om sammenhænge mellem arbejdsmiljø og produktivitet.

Projektets hypoteser følger af den teoretiske model, der blev fremsat af Becker et. al. (Becker & Huselid

1998; Becker et al. 2001), og som forudsætter en positiv sammenhæng mellem virksomheders arbejdsmiljø

og produktivitet.

De primære hypoteser er

H1. Der er en reciprok kausal sammenhæng mellem indikatorer for kvaliteten af arbejdsmiljøet og

virksomhedernes produktivitet, dvs.

H1-1. Kausal sammenhæng - Ændringer i kvaliteten af arbejdsmiljøet prædikterer efterfølgende

ændringer i virksomhedernes produktivitet.

H1-2. Omvendt kausal sammenhæng – Ændringer i virksomhedernes produktivitet prædikterer

efterfølgende ændringer kvaliteten af arbejdsmiljøet.

H2. Den kausale sammenhæng mellem indikatorer for kvaliteten af arbejdsmiljøet og virksomhedernes

produktivitet er afhængig af branche.

De sekundære hypoteser er

H3. I tværsnitsanalyser er der en positiv association mellem de forskellige indikatorer for kvaliteten af

arbejdsmiljøet og virksomhedernes produktivitet.

H4. I tværsnitsanalyser er associationen mellem de specifikke indikatorer for kvaliteten af arbejdsmiljøet og

virksomhedernes produktivitet afhængig af branche.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

2. B

AGGRUND

Negative sammenhænge mellem arbejdsmiljø og helbred har store omkostninger for såvel virksomhederne

og arbejdstagerne som for samfundet som helhed. Men der har også været en stigende interesse i mulige

positive sammenhænge mellem godt arbejdsmiljø og produktivitet. En rapport fra International Social

Security Association (2012) konkluderer – på basis af virksomhedernes subjektive bedømmelse af cost-

benefit af investering i sikkerhed og sundhed - at investering i forebyggelse på arbejdsmiljøområdet kan

betale sig, og virksomheder kan i gennemsnit forvente at få deres investering tilbage 2,2 gange (Bräunig &

Kohtall 2012). Denne undersøgelse er baseret på interviews med 337 virksomheder i 17 lande. Antallet af

virksomheder forekommer at være for lavt til at kunne lave statistisk sikre analyser på tværs af lande og

brancher. Endvidere anvendte undersøgelsen ikke et standardiseret mål for produktivitet - udtrykt ved

værditilvækst pr. medarbejder -, men derimod virksomhedens egen subjektive bedømmelse af cost-benefit,

der meget vel kan være forudindtaget i positiv retning. Tage Søndergaard Kristensen har for HK/Danmark

gennemført en litteraturgennemgang om arbejdsmiljø og produktivitet (Kristensen 2010). I denne bog

gennemgås 32 eksempler på positive sammenhænge mellem forskellige aspekter af især det psykosociale

arbejdsmiljø og forskellige direkte eller indirekte mål for produktivitet. En undersøgelse blandt topledere i

danske virksomheder viste, at 92 % mener, at et godt arbejdsmiljø er afgørende for, at virksomheden når

dens økonomiske mål. Ca. 1/3 angiver, at den vigtigste grund til at sikre et godt arbejdsmiljø er, at det giver

positive resultater på bundlinjen (Industriens Branchearbejdsmiljøråd 2012).

Undersøgelser af sammenhænge mellem arbejdsmiljø og produktivitet har tidligere især været begrænset

til udvalgte brancher (Oxenburgh et al. 2004), fx call centre (Batt 2000; Batt & Moynihan 2004), ældreplejen

(Heponiemi et al. 2007; Taris & Schreurs 2009), skoler (Leana & Pil 2006), fremstillingsvirksomhed (Yeow &

Sen 2003) og finansiel virksomhed (Edwards et al. 2014a,b). Nogle undersøgelser har anvendt

produktivitetsmål, der ikke kan generaliseres til andre sektorer, fx antal bøder, der er ”produceret” af en

myndighed (Baruch-Feldman et al. 2002), oplevet kvalitet af medicinsk behandling (Gittell et al. 2000), tons

af zink produceret per arbejdstime (Niemelä et al. 2002) og hastighed af indtastning (Wyon 2004). Nogle

undersøgelser har alene fokus på specifikke dele af arbejdsmiljøet, fx det psykosociale arbejdsmiljø (Lohela

Karlsson 2010; Edwards et al. 2014a,b) eller interventioner for at reducere risiko for muskelskeletskader

(Tompa et al. 2009). Endelig er flere undersøgelser baseret på enkeltstående case-studier enten i en enkelt

virksomhed (Boles et al. 2004; Burton et al. 2008; Edwards et al. 2014a,b) eller on-site interventioner

(Muntz et al. 2001; Yeow & Sen 2003; Heskett et al. 2008).

Der foreligger kun få undersøgelser af sammenhænge mellem arbejdsmiljø og produktivitet på tværs af

forskellige brancher. Den førnævnte rapport fra International Social Security Association er et eksempel

(Bräunig & Kohtall 2012). Arbejdsmiljøforskningsfonden har tidligere støttet projektet ”Arbejdsmiljø på

bundlinjen”, der undersøger sammenhænge mellem arbejdsmiljø og virksomhedens produktivitet på et

repræsentativt udsnit af virksomheder (Westergaard Nielsen 2008; Buhai et al. 2008; Buhai et al. 2015).

Projektets analyser er baseret på 215 observationer, hvilket synes at udgøre et for begrænset datasæt til, at

der kan drages generaliserbare konklusioner.

Vi har for nyligt for Nordisk Ministerråd gennemført undersøgelsen

”Working environment and productivity.

A register-based analysis of Nordic Enterprises”

(Foldspang et al. 2014). Undersøgelsen er den første, som

undersøger sammenhænge mellem arbejdsmiljø og produktivitet på et stort antal virksomheder på tværs af

forskellige brancher og på tværs af nordiske lande (Danmark, Sverige, Finland og Norge). Undersøgelsen

viser en stærk sammenhæng mellem fysisk arbejdsmiljø og produktivitet.

Undersøgelsen kan derimod ikke bekræfte en sammenhæng mellem det psykosociale arbejdsmiljø og

produktivitet, der er fundet i tidligere undersøgelser (Lohela Karlsson 2010; Edwards et al. 2014a,b). I den

nordiske undersøgelse har vi anvendt et relativt bredt indeks for psykosocialt arbejdsmiljø, som måske ikke

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

i tilstrækkeligt grad har karakteriseret de enkelte virksomheders psykosociale arbejdsmiljø (Foldspang et al.

2014). Det er muligt, at mere specifikke indikatorer for forskellige aspekter af det psykosociale arbejdsmiljø

ville have givet et andet resultat.

En svaghed ved den nordiske undersøgelse er endvidere, at den bygger på tværsnitsdata. Der kan teoretisk

være tale om omvendt kausalitet eller andre konkurrerende forklaringer, der ikke måles/undersøges (fx

”common cause”). I teorien kan en association mellem arbejdsmiljø og produktivitet afspejle, at produktive

virksomheder har flere ressourcer til at skabe et bedre arbejdsmiljø. Det er også teoretisk muligt, at de viste

sammenhænge mellem arbejdsmiljø og produktivitet i virkeligheden skyldes, at både arbejdsmiljø og

produktivitet hænger sammen med en underliggende variable, der ikke er undersøgt eller kan undersøges

(uobserverbar heterogenitet).

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

3. P

ROJEKTETS METODE OG

UDFØRELSE

Projektet omfatter tre delanalyser:

•

Robusthedsanalyser – præcision i måling af virksomhedens arbejdsmiljø baseret på besvarelse af

spørgsmål i virksomhedsstikprøven i AH2012.

Metodeudvikling – herunder afprøvning af specifikke arbejdsmiljøindikatorer i tværsnitsanalyser.

Hovedanalyser – kausale sammenhænge mellem ændring i arbejdsmiljø og ændring i produktivitet.

3.0. Studiepopulationer

Data er dannet ud fra personstatistik og virksomhedsstatistik fra Danmarks Statistik. I personstatistikken

tages der udgangspunkt i samtlige beskæftigede personer fra RAS-registeret (Registerbaseret

arbejdsstyrkestatistik). Herpå kobles data om uddannelse fra UDDA, data om køn fra BEF (personer i

befolkningen) og data om erhvervserfaring fra FIDA (Firma IDA, firmastatistik), suppleret med seneste

beskæftigelsesstatistik fra BFL (Beskæftigelse for lønmodtagere). Virksomhedsstatistikken tager

udgangspunkt i samtlige virksomheder, som jf. RAS-statistikken har personer ansat i november. Herpå

kobles firmastatistik fra FIRM og regnskabsstatistik fra FIRE (Firma regnskab). Det samlede antal

beskæftigede personer og virksomheder for årene 2010-2014 fremgår af tabel 3.0.1.

Tabel 3.0.1. Udgangspopulation - Samlet antal beskæftigede og virksomheder i Danmark

Beskæftigede personer

2010

2011

2012

2013

2014

Kilde: Danmarks Statistik

Virksomheder

252.008

254.409

254.819

256.955

260.541

2.645.370

2.644.271

2.627.943

2.630.283

2.647.662

Via personnummer kobles data i udgangspopulationen med spørgeskemadata fra NFA’s store

spørgeskemaundersøgelse ’Arbejdsmiljø og Helbred’ (AH) 2012 og 2014. En detaljeret beskrivelse af den

udtrukne stikprøve i AH, der omfatter en erhvervsaktiv andel af befolkningen i aldersgruppen 18 til 64 år

med bopæl i Danmark, findes på NFA’s hjemmeside (https://arbejdsmiljoidanmark.nfa.dk/metode.html).

AH omfatter beskæftigede i både offentlige og private virksomheder. Projektets analyser fokuserer alene

på private virksomheder, hvor man kan anvende værditilvækst pr medarbejder som et mål for produktivitet

i overensstemmelse med OECD’s definition (OECD 2001; OECD 2013; Diewert & Nakamura 2005). Dermed

indgår offentlige virksomheder ikke. Tabel 3.0.2. giver et overblik over antal beskæftigede personer og

virksomheder efter kobling med spørgeskemadata fra AH.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 3.0.2.

Udgangspopulation koblet med spørgeskema (Data 1)

Koblet med spørgeskema

Alle virksomheder

Personer

Virksomheder

2012

2014

I alt

25.804

29.192

54.996

7.433

9.575

17.008

Koblet med spørgeskema (Data 1a)

Private virksomheder med værditilvækst data

Personer

Virksomheder

11.091

12.570

23.661

5.215

6.717

11.932

Kilde: Danmarks Statistik og NFA

I projektets analyser af kausale sammenhænge indgår mål for ændring i produktivitet over tid – fx fra 2012

til 2014. Datasættes begrænses derfor yderligere til virksomheder, der indgår både i AH2012 og AH2014, se

tabel 3.0.3.

Tabel 3.0.3.

Data for virksomheder, der findes i begge år (Data 2)

Beskæftigede personer

2012

2014

Kilde: Danmarks Statistik og NFA

Virksomheder

2.973

7.923

8.251

En udfordring ved data i tabel 3.0.3. er, at vi kobler spørgeskemadata, der er indsamlet i foråret, med RAS-

registeret, der indeholder status for beskæftigelsen i november. Dermed kan der for nogle personer være

uoverensstemmelse mellem den virksomhed, de var ansat ved, da de besvarede spørgeskemaet, og den

virksomhed, som de var ansat ved i november. For at undgå at personer kobles til den forkerte virksomhed,

begrænser vi populationen til kun at omfatte personerne, der var ansat ved samme virksomhed året inden

(henholdsvis 2011 for 2012-spørgeskemaet og 2013 for 2014-spørgeskemaet). Af tabel 3.0.4. ses, at denne

begrænsning kun reducerer studiepopulationen marginalt.

Tabel 3.0.4.

Data for virksomheder, der findes i begge år, med begrænsning til beskæftigede, der også

var ansat på virksomheden året før (Data 2b)

Beskæftigede personer

2012

2014

7.627

7.947

Virksomheder

2.892

Note: Inkluderer kun personer, som var ansat ved samme virksomhed året inden (henholdsvis 2011 for 2012-

spørgeskemaet og 2013 for 2014-spørgeskemaet).

Kilde: Danmarks Statistik og NFA

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

For at undgå potentielle målefejl i data (se appendiks 4) har vi valgt yderligere at begrænse populationen til

virksomheder, hvor det er de samme personer, som har svaret på spørgeskemaet i begge år, se tabel 3.0.5.

Vi har testet, at denne begrænsning ikke leder til selektionsbias, se desuden afsnit 5.3 om metodeudvikling.

Tabel 3.0.5. Det endelige grunddata

Data for virksomheder, der findes i begge år, og med arbejdsmiljødata for personer, som også

var ansat på virksomheden året før, og som bevarede spørgeskemaet begge år (data 3b)

Beskæftigede personer

2012

2014

Kilde: Danmarks Statistik og NFA

Virksomheder

2.382

3.589

Efter dannelse af de endelige grunddata, som beskrevet ovenfor, har vi dannet de relevante

regressionsvariable, hvilket også har ført til en mindre reduktion i antallet af virksomheder, der kan indgå i

de endelige regressionsanalyser - se tabel 3.0.6:

•

I regressionen indgår logaritmen til værditilvæksten, derfor udelukkes virksomheder med ingen

eller negativ værditilvækst.

Virksomheder med manglende data om årsværk frasorteres.

Virksomheder uden data om anlægsaktiver frasorteres.

I analyserne af kausalitet og omvendt kausalitet skal data desuden findes for alle år i en længere

periode (2012-2015 for kausalitet og 2010-2014 for omvendt kausalitet).

Bemærk at virksomheder, hvor Danmarks Statistik har imputeret data for regnskabstal (især mindre

virksomheder), ikke er frasorteret, men at dette ikke forventes at give skævhed i vores resultater, jf.

appendiks 4.

Tabel 3.0.6. Endelige studiepopulationer, antal virksomheder

Virksomheder

Kausalitet

Omvendt kausalitet

Kvasikausalitet

2.183

2.111

2.266

Note: Angiver antallet af virksomheder fra grunddata, som har observationer for de angivne variable.

Kilde: Danmarks Statistik

3.1. Robusthedsanalyse

Analyserne gennemføres for at kunne vurdere, hvor godt et estimat for den enkelte virksomheds

arbejdsmiljø, der fås ved brug af udvalgte spørgsmål i AH2012.

I projektets analyser af sammenhængen mellem arbejdsmiljø og produktivitet anvendes besvarelser af AH-

spørgeskemaet i 2012 (og/eller 2014) for i gennemsnit omkring 1,5 medarbejdere, som proxymål for

virksomhedens arbejdsmiljø. En sådan metode er selvfølgelig behæftet med betydelig usikkerhed, fordi det

langt fra er sikkert, at 1 til 2 personer, der er tilfældigt udtrukket til AH-undersøgelsen, er repræsentative

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

for virksomhedens medarbejdere. For at få indtryk af størrelsen af denne usikkerhed analyserer vi et

datasæt, der er knyttet til virksomhedsovervågningen (VAI).

I 2012 fik 2.000 virksomheder tilsendt VAI-spørgeskemaet samtidigt med, at et tilfældigt udsnit af disse

virksomheders medarbejdere fik AH2012-spørgeskemaet. I alt har vi svar fra 1.050 virksomheder med

tilhørende besvarelse af AH2012-spørgeskemaet fra 8.409 medarbejdere. For disse virksomheder er det

altså muligt at beregne spredningen af besvarelser på AH2012-spørgsmål blandt medarbejdere inden for

den samme virksomhed. Dermed kan vi belyse i hvor høj grad, der er overensstemmelse mellem en enkelt

medarbejders besvarelse og virksomhedens gennemsnit (robusthedsanalyse).

Robusthedsanalyserne, der er udført af statistiker Hans Bay ved NFA, er nærmere beskrevet i appendiks 1

”Notat om robusthedsanalyser”.

3.2. Metodeudvikling

Metodeudviklingen havde primært til formål

1) at udvikle en række forskellige, specifikke indikatorer for det fysiske henholdsvis det psykosociale

arbejdsmiljø

Skalaer om arbejdsmiljøpåvirkninger

Udgangspunktet for udvikling af indikatorer for det fysiske og psykosociale arbejdsmiljø er de skalaer om

arbejdsmiljøpåvirkninger, der indgår i AH-spørgeskemaet i 2012 og 2014. Et væsentligt kriterium er, at de

forskellige udvalgte skalaer (arbejdsmiljøindikatorer) kan rangordne kvaliteten af arbejdsmiljøet i

virksomheder i forskellige brancher, dvs. at de skal omfatte arbejdsmiljøpåvirkninger, der er generelt

udbredte på tværs af forskellige brancher.

Udvælgelse og karakterisering af skalaer/indikatorer er gennemført af NFA: Statistiker Hans Bay i tæt

samarbejde med Jesper Møller Pedersen og Otto Melchior Poulsen. Udvælgelse og karakterisering af

skalaer er nærmere beskrevet i appendiks 2.

Korrelationsanalyser viser, at flertallet af de udvalgte skalaer er stærkt korrelerede (se appendiks 2). Når

flere af skalaerne er stærkt korrelerede, kan det være vanskeligt at fortolke resultater fra en

regressionsmodel, hvor alle skalaer indgår samtidigt i analyser af sammenhænge mellem arbejdsmiljø og

produktivitet, fordi forskellige korrelerede skalaer kan påvirke hinanden indbyrdes.

Faktoranalyse

Et spørgeskema omfatter kun i begrænset omfang faktuelle oplysninger (fx alder, køn, civilstand).

Besvarelse af de fleste spørgsmål kræver en subjektiv fortolkning i forhold til respondentens værdisæt og

oplevede livssituation. En del spørgsmål vil derfor være korrelerede, bl.a. fordi de er relateret til et fælles

overordnet værdisæt. Sådanne fælles overordnede værdisæt kan karakteriseres ved bestemte mønstre i

besvarelsen af spørgsmålene i spørgeskemaet. En såkaldt faktoranalyse kan isolere og genkende sådanne

bestemte mønstre. For at komme omkring problemet med korrelation har vi derfor gennemført en

faktoranalyse til at beregne nye mål for kvaliteten af arbejdsmiljøet, som ikke er indbyrdes korrelerede.

Beregning og indhold af de fire faktorer er nærmere beskrevet i appendiks 3.

Faktoranalysen, der er udført af statistiker Hans Bay (NFA) og Sarah Kildahl Nico Nielsen (Højbjerre Brauer

Schultz), omfatter alle de 33 spørgsmål, der indgår i de udvalgte skalaer. Faktoranalysen bygger på en

antagelse om, at besvarelsen af hver af de 33 spørgsmål er normalfordelt. Der er brugt en såkaldt varimax

rotation, der dels sikrer, at de konstruerede faktorer bliver uafhængige af hinanden, dels medfører, at de

enkelte spørgsmål enten bliver meget højt korreleret med faktoren eller meget lavt. Selv om alle spørgsmål

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

indgår i det mønster, der kendetegner hver faktor, har de forskellige spørgsmål forskellig vægt og fortegn i

de forskellige faktorer. Det er således forholdsvis få spørgsmål, som i særlig grad ”tegner” faktoren. Dette

bevirker, at man mere enkelt får mulighed for at navngive faktoren.

Data fra både AH-2012 og AH-2014 er anvendt. På denne baggrund har vi estimeret fire faktorer, der ikke

overlapper hinanden. At faktorerne er uafhængige af hinanden, er ikke udtryk for, at de enkelte spørgsmål

er uafhængige af hinanden. Den gennemførte faktoranalyse beregner i princippet 33 faktorer. De fire første

faktorer forklarer tilsammen ca. halvdelen af variationen i de 33 spørgsmål, og tilføjelse af yderligere

faktorer bidrager hver for sig kun til at forklare en meget lille ekstra del af variationen. Vi har derfor valg at

fokusere på de fire første faktorer.

Ud fra de spørgsmål, der ”tegner” faktorerne, har vi valgt følgende betegnelser for de fire faktorer:

Faktor 1. Ledelsesfaktor.

Her bidrager især spørgsmål fra skalaen om den direkte ledelse samt skalaen om

retfærdighed.

Faktor 2. Indflydelses- og relationsfaktor.

I denne faktor bidrager især spørgsmål fra skalaer om indflydelse,

kollegial støtte, rolleklarhed og retfærdighed.

Faktor 3. Sikkerheds- og forebyggelseskulturfaktor.

Her bidrager spørgsmål om sikkerhedskultur og

spørgsmål om, hvorvidt virksomheden prioriterer arbejdsmiljøindsatsen højt. Endvidere bidrager

spørgsmålet om oplevelse af fysisk anstrengelse i arbejde især til denne faktor.

Faktor 4. ’Tidspres’ faktor.

I denne faktor bidrager især spørgsmål fra skalaen om kvantitative krav

(tidspres).

2) at belyse, om det er muligt at påvise sammenhæng mellem de forskellige arbejdsmiljøindikatorer og

virksomheders produktivitet i tværsnitsanalyser (H3 og H4).

Som grundlag for disse analyser er de endelige studiepopulationer fra tabel 3.0.6 anvendt. Registerkobling

og datarensning er udført af Esben Anton Schultz og Sarah Kildahl Nico Nielsen fra Højbjerre Brauer Schultz.

De statistiske analyser er udført af seniorforsker Karsten Albæk fra VIVE og Sarah Kildahl Nico Nielsen fra

Højbjerre Brauer Schultz.

Resultater af tværsnitsanalyserne er præsenteret i resultatafsnit 4.3.1. og 4.4.1.

3) at videreudvikle statistiske metoder til at analysere kausale sammenhænge mellem arbejdsmiljø og

produktivitet.

De statistiske analyser har taget udgangspunkt i at estimere Cobb-Douglas’ produktionsfunktioner (Cobb &

Douglas 1928) ved anvendelse af lineær regression (Baltagi et al. 1999; Black & Lunch 2001; Christensen et

al. 2014; Foldspang et al. 2014).

Appendiks 4 beskriver videreudviklingen af de statistiske metoder, herunder de anvendte

regressionsmodeller.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Figur 3.2. skitserer elementerne i analysestrategien

Figur 3.2. Elementer i analysestrategien

Hovedanalyser

Hovedanalyserne i den fulde regressionsmodel omfatter tre forskellige typer af forløbsanalyser, som vi har

benævnt:

•

Kausalitet: I disse analyser undersøges, om ændring i arbejdsmiljø fra 2012 til 2014 hænger sammen

med en efterfølgende ændring i produktivitet fra 2013 til 2015.

•

Omvendt kausalitet: I disse analyser undersøges, om ændring i produktivitet fra 2010 til 2012 hænger

sammen med en efterfølgende ændring i arbejdsmiljø fra 2012 til 2014.

•

Kvasikausalitet: I disse analyser undersøges, om ændring i arbejdsmiljø 2012-2014 hænger sammen med

en samtidig ændring i produktivitet 2012-2014. Disse analyser giver viden om, hvorvidt der er

sammenhæng mellem ændring i arbejdsmiljø og ændring i produktivitet, men de siger ikke noget om

retningen af en eventuel sammenhæng.

Den fulde regressionsmodel betegner en model, hvor en række kendte virksomhedsdeterminanter af

produktivitet indgår (kapital, arbejdskraft, uddannelse, arbejdsmarkedserfaring, virksomhedens alder,

andel kvinder, virksomhed med eksport, virksomhed med flere arbejdssteder, branche).

Sekundære analyser

Det kan ikke på forhånd udelukkes, at en arbejdsmiljøindikator er korreleret med de anvendte

virksomhedsdeterminanter. For at få et indtryk af, i hvilket omfang virksomhedsdeterminanterne påvirker

en eventuel sammenhæng mellem arbejdsmiljø og produktivitet, har vi gennemført ”rå”

regressionsanalyser af sammenhænge mellem arbejdsmiljøindikatorer og produktivitet uden

virksomhedsdeterminanter i regressionsmodellen. Man skal dog være varsom med at fortolke disse ”rå”

regressioner, da det ikke kan udelukkes, at den identificerede sammenhæng mellem arbejdsmiljø og

produktivitet skyldes, at både produktivitet og arbejdsmiljø hænger sammen med en eller flere af

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

virksomhedsdeterminanterne. Fx kan det være tilfældet, at en stor andel ansatte med høj uddannelse

påvirker både arbejdsmiljøet og produktivitet. Når man ikke korrigerer for antallet af ansatte med høj

uddannelse, vil man derfor finde en positiv sammenhæng mellem arbejdsmiljø og produktivitet, som ikke

skyldes en kausal sammenhæng mellem disse to.

I den fulde regressionsmodel har vi som udgangspunkt antaget en lineær sammenhæng mellem

arbejdsmiljø og produktivitet. For nærmere at undersøge denne antagelse har vi gennemført stratificerede

forløbsanalyser, idet virksomhederne deles i tre grupper ud fra skalaværdien af arbejdsmiljøindikatoren i

2012 (Lav = de ca. 1/3 af virksomheder, som har de laveste skalaværdier i 2012; Høj = de ca. 1/3 af

virksomheder, som har de højeste skalaværdier i 2012; Middel = de resterende ca. 1/3 af virksomheder).

Erfaringsmæssigt er det uhyre vanskeligt at påvise kausale sammenhænge i forløbsanalyser mellem

arbejdsmiljø og produktivitet, og ingen har tidligere lykkedes med at gøre det. Som del af

metodeudviklingen har vi derfor gennemført tværsnitsanalyser for at belyse, om det overhovedet er muligt

at påvise sammenhænge mellem arbejdsmiljøindikatorer og produktivitet. Det skal fremhæves, at

tværsnitsanalyser ikke kan sige noget om karakteren af (underliggende forklaringer på) eventuelle

sammenhænge.

Syv af de ni arbejdsmiljøindikatorer viser relativt høj korrelation. Hvis alle arbejdsmiljøindikatorer indgår

samtidigt i den fulde regressionsmodel, kan det vanskeliggøre fortolkning af resultaterne, fordi indikatorer

med høj korrelation kan påvirke (udviske) hinanden eller endog fører til modsat fortegn i en samlet

regressionsmodel. Vi har derfor valgt både at gennemføre regressionsanalyser for hver enkelt

arbejdsmiljøindikator for sig og for alle ni arbejdsmiljøindikatorer samlet. Herved for vi mulighed for at

belyse, om de forskellige arbejdsmiljøindikatorer påvirker hinanden i den fulde regressionsmodel.

Alle tværsnits- og forløbsanalyser er blevet gennemført på tværs alle brancher/virksomheder. Endvidere er

virksomhederne blevet inddelt i syv hovedbranchegrupper, og analyser er gennemført inden for hver af de

fire største hovedbranchegrupper: ’Industri, råstof og forsyning’ (651 virksomheder), ’Bygge og anlæg’ (232

virksomheder), ’Handel og transport’ (823 virksomheder), ’Erhvervsservice’ (337 virksomheder).

4) at afprøve, om den sammenhæng mellem fysisk arbejdsmiljø og produktivitet, der blev påvist i det

nordiske projekt (Foldspang et al. 2014)(baseret på tværsnitsdata fra NAK2005 og NAK2010) er robust

over tid, dvs. kan genfindes i tværsnitsdata fra AH2012 og AH2014.

I det nordiske projekt har vi anvendt et indeks for fysisk arbejdsmiljø, der omfatter følgende 11 spørgsmål i

NAK2005 og NAK2010 (Foldspang et al. 2014):

•

Er du udsat for støj, der er så høj, at du må råbe for at tale sammen med en, der står lige ved siden af dig?

Medfører dit arbejde, at du arbejder med ryggen kraftigt foroverbøjet uden at støtte med hænder og arm?

Medfører dit arbejde, at du vrider eller bøjer ryggen mange gange i timen?

Medfører dit arbejde, at du har armene løftet i eller over skulderhøjde?

Hvor stor en del af din arbejdstid skubber eller trækker du?

Hvor stor en del af din arbejdstid bærer eller løfter du?

Hvad vejer det, du bærer eller løfter, typisk?

Medfører dit arbejde, at du står samme sted?

Medfører dit arbejde, at du sidder på hug eller ligger på knæ, når du arbejder?

Er du udsat for hudkontakt med rengøringsmidler og / eller desinfektionsmidler?

I hvor stor en del af din arbejdstid har du våde eller fugtige hænder?

Indeksværdi for en respondent på spørgeskemaet er beregnet som middelværdien for de besvarede

spørgsmål ud af de 11 spørgsmål, idet alle spørgsmål først er normaliseret på skala fra 0 til 100, hvor 100

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

udtrykker den mest positive svarmulighed. Indexværdi for hver virksomhed er beregnet som middelværdi

for de medarbejdere, der har besvaret spørgeskemaet.

De 11 spørgsmål er så specifikke, at de antages kun at være relevante for et lille andel af virksomhederne,

og mange respondenter har givetvis anvendt den bedst mulige svarkategori som udtryk for, at

eksponeringen ikke findes (ikke er relevant) på deres arbejdsplads. Der er således risiko for en ’ceiling’

effekt.

9 af de 11 spørgsmål findes også stort set uændret i AH2012 og AH2014, så det vil være teknisk muligt at

beregne en tilsvarende indeksværdi for virksomhederne i AH2012 og AH2014. Vi bedømmer imidlertid, at

det er et stort problem, at hvert af spørgsmålene givetvis er irrelevante for flertallet af virksomheder. I

nærværende projekt har vi udvalgt arbejdsmiljøindikatorer ud fra, at de skal være relevante for de fleste

virksomheder, hvilket i praksis betyder, at vi i stedet for specifikke spørgsmål om tunge løft og

kropsstillinger kun har anvendt et enkelt, generelt spørgsmål om oplevelse af fysisk anstrengelse i arbejdet.

Vi har derfor besluttet, at det ikke giver mening at analysere, om det indeks for fysisk arbejdsmiljø, der er

estimeret ud fra data fra NAK2005 og NAK2010, og som viser en signifikant positiv sammenhæng med

produktivitet i tværsnitsanalyser (koefficient 0,078; p < 0,01), også er signifikant positivt korreleret med

produktivitet i AH2012 og AH2014. Der er ingen grund til at tro, at dette ikke vil være tilfældet, fordi

analysen i AH2014 har større statistisk styrke end analysen i NAK2005/NAK2010. I nærværende projekt er

oplevelse af fysisk anstrengelse i arbejde signifikant korreleret med produktivitet i AH2012 (koefficient

0,050; p < 0.01) og AH2014 (koefficient 0,045; p < 0,01)(se tabel 4.3.1.1.). Med hensyn til fysisk arbejdsmiljø

peger begge undersøgelser i samme retning.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

4. R

ESULTATER

4.0 Beskrivende statistik

Som beskrevet i afsnit 3.0. repræsenterer afgrænsningen af studiepopulationen en stigende afgrænsning

med henblik på at reducere mulige målefejl i regressionsanalyserne. Beskrivende statistik (se appendiks 2)

for de variable, der indgår i regressionsanalyserne, viser, at afgrænsningen fører til, at virksomhederne i

studiepopulationen i gennemsnit bliver

•

Større: Væsentligt flere ansatte pr. virksomhed, større andel virksomheder med eksport, større andel

virksomheder med to eller flere afdelinger.

•

Mere produktive: Større værditilvækst/årsværk, mere kapital/årsværk.

•

Mere modne: Øget virksomhedsalder, og medarbejdere har svagt øget arbejdsmarkedserfaring.

Disse forskydninger afspejles også i den branchevise sammensætning, hvor andelen af virksomheder inden

for hovedbranchegruppe ’Industri, råstofindvinding og forsyning’ stiger med 6 %-point, mens andelen af

virksomheder inden for de seks andre hovedbranchegrupper falder svagt. Derimod har afgrænsningen

ingen effekt på andelen af kvinder, der er ansat på virksomheden, eller på medarbejdernes

uddannelsesniveau.

Tabel 4.0.1. præsenterer beskrivende statistik for fordelingen af de variabler, der indgår i

regressionsmodellen (se appendiks 4), på den endelige population af virksomheder.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.0.1.

Beskrivende statistik for endelig population af virksomheder til regressionsanalyser

2012

Gns.

Std. afv.

Gns.

2014

Std. afv.

Værditilvækst/årsværk

738,1

887

732,5

719,5

Anlægsaktiver/årsværk

2100,1

12331,8

1836,8

9511,2

Årsværk

182,6

709,2

184,9

726,3

Andel faglærte

44 %

22 %

44 %

22 %

Andel kort- og mellemlang uddannelse

17 %

18 %

17 %

Andel lang videregående uddannelse

13 %

14 %

Andel erfaring over 21 år

44 %

22 %

47 %

22 %

Andel erfaring 11-20 år

26 %

14 %

24 %

13 %

Andel erfaring 4-10 år

16 %

12 %

14 %

12 %

Andel kvinder

32 %

24 %

32 %

24 %

Virksomhedsalder

22,4

18,6

24,5

18,7

Andel eksportvirksomheder

60 %

49 %

62 %

49 %

Andel virksomheder med flere arbejdssteder

36 %

48 %

37 %

48 %

Hovedbranchegruppe

Industri, råstofindvinding og forsyning

29 %

46 %

29 %

45 %

Bygge og anlæg

10 %

30 %

10 %

30 %

Handel og transport mv.

37 %

48 %

37 %

48 %

Information og kommunikation

24 %

Ejendomshandel og udlejning

15 %

Erhvervsservice

15 %

36 %

15 %

36 %

Kultur, fritid og anden service

Arbejdsmiljøindikatorer

Prioritering af arbejdsmiljøet (Arbmil; 1-5)

3.7

0.7

3.7

0.7

Sikkerhedskultur (sikker; 1-5)

4.0

0.6

4.1

0.6

Kvantitative krav (Kvan; 1-5)

2.9

0.6

2.8

0.6

Ledelseskvalitet (Ledelse; 1-5)

3.4

0.8

3.4

0.8

Rolleklarhed (Rolle; 1-5)

3.9

0.6

3.8

0.6

Indflydelse (Indf; 1-5)

4.3

0.7

4.3

0.7

Retfærdighed (Retf; 1-5)

3.5

0.8

3.6

0.8

Kollegial støtte (Koll; 1-5)

4.2

0.7

4.2

0.7

Fysisk anstrengelse i arbejdet (Fys-an: 0-10)

6.6

2.9

6.9

2.8

2.266

Note: Statistik for den endelige population, der er anvendt i den kvasikausale analyse. Populationen i den

kausale og omvendte kausale analyse ligner det beskrevne her.

(1) Retning på arbejdsmiljøindikatorerne er vendt, således at de højeste skalaværdier repræsenterer det

bedste arbejdsmiljø.

I regressionsanalyserne anvender vi ændringer fra 2012 til 2014 i arbejdsmiljøindikatorerne for de enkelte

virksomheder til at estimere sammenhængen mellem arbejdsmiljø og produktivitet (fixed effekt ’within’

metode – se appendiks 4). For at denne metode skal kunne anvendes til at vise signifikante resultater, er

det nødvendigt med tilstrækkelig store ændringer over tid i henholdsvis arbejdsmiljø og produktivitet.

Gennemsnitsværdien for de ni arbejdsmiljøindikatorer i 2012 og 2014 er uhyre ens. Vi har derfor i figur

4.0.1. undersøgt, om dette gennemsnit dækker over forskellige fordelinger af ændringer fra 2012 til 2014

for de ni forskellige arbejdsmiljøindikatorer.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Figur 4.0.1.

Ændringer fra 2012 til 2014 i arbejdsmiljøindikatorer

Prioritering af arbejdsmiljøet

40%

30%

20%

10%

<-1

40%

35%

30%

25%

20%

15%

10%

<-1

-1--0.5 -0.5-0

0-0.5 0.5-1

-1--0.5 -0.5-0

0-0.5

0.5-1

40%

35%

30%

25%

20%

15%

10%

<-1

-1--0.5 -0.5-0

0-0.5

0.5-1

40%

30%

20%

10%

<-1

-1--0.5 -0.5-0

0-0.5

0.5-1

Sikkerhedskultur

Kvantitative krav (tidspres

)

Ledelse

40%

30%

20%

10%

<-1

Rolleklarhed

40%

30%

20%

10%

Indflydelse

-1--0.5 -0.5-0

0-0.5 0.5-1

<-1

40%

30%

20%

10%

-1--0.5 -0.5-0

0-0.5

0.5-1

40%

30%

20%

10%

<-1

Retfærdighed

Kollegial støtte

-1--0.5 -0.5-0

0-0.5 0.5-1

<-1

-1--0.5 -0.5-0

0-0.5

0.5-1

Kilde: Egne beregninger

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Figur 4.0.1. fortsat

Ændringer fra 2012 til 2014 i arbejdsmiljøindikatorer

40%

35%

30%

25%

20%

15%

10%

<-3

Kilde: Egne beregninger

-3--2

-2--1

-1-0

0-1

1-2

2-3

Fysisk anstrengende arbejde

Fordelingen af ændringer fra 2012 til 2014 viser bemærkelsesværdige forskelle mellem de ni forskellige

arbejdsmiljøindikatorer. Indflydelse og kollegial støtte viser en fordeling med meget små ændringer fra

2012 til 2014, hvor knap 40 % af virksomhederne slet ikke viser nogen ændring. Ligeledes viser

sikkerhedskultur og retfærdighed en fordeling med små ændringer, idet der dog er tendens til flere

positive end negative ændringer. Også for disse to arbejdsmiljøindikatorer viser en stor andel af

virksomhederne ingen ændring (24 % henholdsvis 28 %). For disse fire arbejdsmiljøindikatorer indikerer

fordelingen af ændringer, at det kan blive svært at finde signifikante sammenhænge i de kausale analyser

(fixed effekt).

Prioritering af arbejdsmiljøet, kvantitative krav (tidspres), ledelseskvalitet og rolleklarhed viser alle en

karakteristisk fordeling af ændringer med to toppunkter. For disse fire arbejdsmiljøindikatorer er der tegn

på to fordelinger af virksomheder, en fordeling med positive ændringer og en fordeling med negative

ændringer. For de fire arbejdsmiljøindikatorer er de to modsat rettede fordelinger praktisk talt lige store,

og mindre end 20 % af virksomheder viser ingen ændring fra 2012 til 2014 (mellem 8 % og 19 %). For disse

fire arbejdsmiljøindikatorer indikerer de todelte fordelinger, at der kan være bedre mulighed for at finde

signifikante sammenhænge i de kausale analyser.

Arbejdsmiljøindikatoren ’fysisk anstrengelse i arbejdet’ viser en lidt skæv normalfordeling, hvor de positive

ændringer er mere fremherskende end de negative ændringer. Selv om en relativ stor andel virksomheder

(34 %) ikke viser ændring fra 2012 til 2014, er der her stor spredning, hvilket øger muligheden for at finde

signifikante sammenhænge i de kausale analyser.

Ændring i virksomhedernes produktivitet (værditilvækst pr. fuldtidsansat) viser også en normalfordeling

med relativt stor spredning. Som et eksempel viser figur 4.0.2. fordelingen af ændring i produktivitet fra

2010 til 2012. Ændring i produktivitet fra 2012-2014 og fra 2013-2015 viser grundlæggende den samme

fordeling.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Figur 4.0.2.

Ændringer fra 2010 til 2012 i værditilvækst pr. fuldtidsansat

900

800

700

600

500

400

300

200

100

<-3

-3--2

-2--1

-1--0.5

-0.5-0

0-0.5

0.5-1

1-2

2-3

Kilde: Egne beregninger

4.1 Robusthedsanalyse

Appendiks 1 præsenterer resultaterne af to robusthedsanalyser, der begge tyder på, at den anvendte

metode til at estimere kvaliteten af virksomhedens arbejdsmiljø - baseret på en eller få medarbejderes

besvarelse af AH-spørgeskemaet – i gennemsnit giver rimeligt robuste estimater med en usikkerhed, der er

væsentligt mindre end standardafvigelsen.

4.2 Udvikling og karakterisering af ni arbejdsmiljø-

indikatorer og fire arbejdsmiljøfaktorer

Udvikling og karakterisering af de ni indikatorer (skalaer) for kvaliteten af arbejdsmiljøet er præsenteret i

appendiks 2.

Appendiks 3 præsenterer udvikling af de fire arbejdsmiljøfaktorer, der er baseret på en faktoranalyse i AH-

2012 og AH-2014 på tværs af de 33 spørgsmål, der er omfattet af de udvalgte arbejdsmiljøindikatorer.

Sammenhænge mellem ni arbejdsmiljøindikatorer og produktivitet

Korrelationsanalysen (appendiks 2) viste både i AH2012 og AH2014 en høj korrelation mellem syv

arbejdsmiljøindikatorer (Arbmil, Sikker, Ledelse, Rolle, Indfl, Retf og Koll). Hvis alle arbejdsmiljøindikatorer

indgår samtidigt i regressionsmodellen, kan det vanskeliggøre fortolkning af resultater af regressions-

analysen, fordi indikatorer med høj korrelation kan påvirke (udviske) hinanden eller endog føre til modsat

fortegn i en samlet regressionsmodel. Vi har derfor valgt både at gennemføre regressionsanalyser for hver

enkelt arbejdsmiljøindikator for sig og for alle ni arbejdsmiljøindikatorer samlet.

Som beskrevet i appendiks 4 har vi gennemført et stort antal forskellige lineære regressionsanalyser –

baseret på Cobb-Douglas’ produktionsfunktion - for at belyse mulige sammenhænge mellem arbejdsmiljø

og produktivitet. I hver analyse er der blevet justeret for en række kendte virksomhedsdeterminanter af

produktivitet (virksomhedens anlægsaktiver/årsværk, antal ansatte, medarbejdernes uddannelsesniveau,

medarbejdernes erfaring på arbejdsmarkedet, andel kvinder på virksomheden, virksomhedens alder, om

virksomheden har eksport, om virksomheden har to eller flere filialer, hovedbranchegruppe). I stort set alle

regressionsanalyser hænger virksomhedens produktivitet (værditilvækst/årsværk) positivt og signifikant

sammen med virksomhedens anlægsaktiver/årsværk, antal ansatte, medarbejdernes uddannelsesniveau,

medarbejdernes erfaring på arbejdsmarkedet, virksomhedens alder, samt om virksomheden har eksport.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tilsvarende viser stort set alle regressionsanalyser, at virksomhedens produktivitet er negativt, statistisk

signifikant korreleret med andel kvinder samt om virksomheden har to eller flere filialer. Disse resultater er

generelt i overensstemmelse med resultaterne i tidligere analyser som Black & Lynch (2001), Foldspang et

al. (2014) og Buhai et al. (2017). Det skal endvidere fremhæves, at størrelsen af disse sammenhænge er

praktisk talt upåvirket af, hvilken arbejdsmiljøindikator, der indgår i regressionsanalysen. De samlede,

detaljerede resultater af regressionsanalyserne er ikke vist i nærværende rapport, men for særligt

interesserede læsere er udvalgte eksempler vist i appendiks 5.

Det kan på forhånd ikke udelukkes, at de ni arbejdsmiljøindikatorer er korreleret med en eller flere af de

anvendte virksomhedsdeterminanter af produktivitet. For at få et indtryk af, i hvilket omfang virksomheds-

determinanterne påvirker en eventuel sammenhæng mellem arbejdsmiljø og produktivitet, har vi først

gennemført ”rå” regressionsanalyser af sammenhænge mellem de ni arbejdsmiljøindikatorer og

produktivitet uden andre forklarende variabler.

Følgende typer af regressionsanalyser er gennemført

Tværsnitsanalyser:

•

Arbejdsmiljø i 2012 versus produktivitet i 2012 (benævnt TV 2012)

•

Arbejdsmiljø i 2014 versus produktivitet i 2014 (benævnt TV 2014)

•

Arbejdsmiljø i 2012 versus produktivitet 2013 (benævnt Am 12 P 13)

•

Arbejdsmiljø i 2014 versus produktivitet 2015 (benævnt Am 14 P 15)

•

Produktivitet i 2010 versus arbejdsmiljø i 2012 (benævnt P 10 Am 12)

•

Produktivitet i 2012 versus arbejdsmiljø i 2014 (benævnt P 12 Am 14)

•

To-trins system GMM

Forløbsanalyser:

•

Analyse af kausalitet: Ændring i arbejdsmiljø 2012-2014 versus ændring i produktivitet 2013-2015

•

Analyse af omvendt kausalitet: Ændring i produktivitet 2010-2012 versus ændring i arbejdsmiljø 2012-

2014

•

Analyse af kvasikausalitet: Ændring i arbejdsmiljø 2012-2014 versus ændring i produktivitet 2012-2014

4.3 Tværsnitsanalyser

Resultaterne af de rå tværsnitsanalyser uden andre forklarende variabler er summeret i tabel 4.3.1.0.

I de ”rå” tværsnitsanalyser, er der især forskel for retfærdighed, som viser en stærkt negativ sammenhæng

med produktivitet, når alle arbejdsmiljøindikatorer indgår samlet i regressionsmodellen, sammenlignet

med, når retfærdighed analyseres alene. Omvendt er ledelse stærkere korreleret med produktivitet, når

ledelse analyseres alene, end når alle arbejdsmiljøindikatorer indgår i regressionsmodellen. Dette indikerer,

at effekten af ledelse i en vis udstrækning kan medieres gennem de andre arbejdsmiljøindikatorer.

Det bemærkes, at alle arbejdsmiljøindikatorer – med undtagelse af rolleklarhed og kollegial støtte – viser

statistisk signifikant sammenhæng med produktivitet i de ”rå” tværsnitsanalyser. Dette indikerer, at

arbejdsmiljø og produktivitet er korreleret. Der kan dog være en række konkurrerende forklaringer, når der

hverken er korrigeret for virksomhedernes baggrundskarakteristika eller for uobserverbar heterogenitet i

form af tidspersistente virksomheds- eller personkarakteristika.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.3.1.0.

”Rå” tværsnitsanalyser uden andre forklarende variabler for virksomheden

Tv 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indf

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

0.047***

0.054***

0.047***

0.022

-0.032***

-0.017

0.029***

0.028*

-0.005

-0.018

0.025***

-0.004

-0.005

-0.069***

0.003

-0.003

0.123***

0.118***

Tv 2014

0.037***

0.072***

0.030***

0.006

-0.025*

-0.015

0.017

0.014

0.001

0.003

0.020*

0.004

-0.030***

-0.112***

-0.001

0.009

0.122***

Am12 P13

0.062***

0.081***

0.048***

0.018

-0.029**

-0.013

0.033***

0.033**

-0.002

-0.017

0.029***

0.001

-0.014

-0.100***

0.011

0.005

0.117***

0.112***

Am14 P15

0.045***

0.070***

0.039***

0.009

-0.029**

-0.018

0.029***

0.029*

-0.002

-0.012

0.023**

-0.001

-0.019*

-0.100***

0.003

0.008

0.125***

0.123***

P10 Am12

0.053***

0.058***

0.052***

0.023*

-0.033***

-0.020*

0.034***

0.028*

0.003

-0.012

0.035***

0.008

-0.002

-0.075***

0.005

-0.005

0.115***

0.107***

P12 Am14

0.054***

0.090***

0.043***

0.015

-0.022*

-0.012

0.025**

0.014

-0.011

0.011

-0.014

-0.016

-0.095***

0.001

0.006

0.113***

0.112***

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet.

Resultaterne af tværsnitsanalyser, hvor de forklarende baggrundsvariable for virksomhederne indgår i

regressionsmodellen, er opsummeret i tabel 4.3.1.1.

Tabel 4.3.1.1.

Tværsnitsanalyser i den fulde regressionsmodel

Tv 2012

Arbmil

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Tv 2014

Am 12

P 13

Am 14

P 15

P 10

Am 12

0.030***

0.033***

0.017**

-0.002

-0.019**

-0.020**

0.016*

0.013

0.011

0.004

0.008

0.009

-0.002

-0.027*

0.005

-0.006

0.042***

0.037***

2111

P 12

Am 14

0.032***

0.049***

0.024**

0.01

-0.008

-0.011

0.021**

0.007

0.01

0.007

0.023***

-0.008

0.008

-0.049***

0.006

0.001

0.041***

2111

GMM

0.039***

0.075***

0.029***

0.006

-0.022**

-0.016

0.015

0.007

-0.001

-0.004

0.027***

0.014

-0.01

-0.087***

0.004

0.003

0.070***

0.066***

2111

0.025**

0.019**

0.039***

0.025***

0.033**

0.037***

0.058***

0.035***

0.014

0.011

0.015

0.020**

Sikker

-0.001

-0.003

-0.006

0.004

-0.014

-0.020**

-0.018*

Kvan

-0.020**

-0.018

-0.017*

-0.022**

0.01

0.019*

0.022**

0.019**

Ledelse

0.02

0.004

0.024*

0.014

0.016*

0.003

0.005

0.014

Rolle

0.001

0.025*

0.014

0.017*

0.011

0.016**

0.016*

Indfl

-0.004

0.007

-0.012

0.002

-0.007

-0.004

Retf

-0.030**

-0.062***

-0.055***

0.006

-0.001

0.009

0.011

Koll

-0.008

0.006

0.004

0.008

0.050***

0.045***

0.046***

0.050***

Fys-an

0.045***

0.049***

0.046***

0.047***

2266

2183

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet.

Som en slags følsomhedsanalyse har vi også gennemført en såkaldt to-trins system GMM, der tidligere er

anvendt i Black & Lynch (2001) samt Buhai et al. (2017). En nærmere beskrivelse af denne metode findes i

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

appendiks 4. Her er det tilstrækkeligt at fremhæve, at metoden forsøger at tage højde for en potentiel

vigtig fejlkilde (endogenitetsproblemer), men at metoden i nærværende projekt ikke formår at løse dette

problem, da det ikke er muligt at lave en fuld GMM-analyse med de tilgængelige datasæt. I metoden indgår

virksomhedens samlede gennemsnit for de to år (2012 og 2014) for hver arbejdsmiljøindikator i

regressionen, og metoden har større lighed med tværsnitsanalyser end med forløbsanalyser af kausalitet.

Resultaterne i to-trins system GMM er generelt i god overensstemmelse med resultaterne fra

tværsnitsanalyserne, men de estimerede koefficienter er generelt lidt større i to-trins system GMM.

I både tabel 4.3.1.0. og tabel 4.3.1.1. viser de estimerede koefficienter for sammenhænge mellem hvert

enkelt arbejdsmiljøindikator og produktivitet høj grad af overensstemmelse mellem de forskellige

tværsnitsanalyser, og sammenhængen synes at være upåvirket af, om tværsnitsdata for arbejdsmiljø og

produktivitet er forskudt i tid, dvs. om data for produktivitet stammer fra samme år, to år tidligere eller

året efter. I overensstemmelse med den beskrivende statistik (Tabel 4.0.1.), der viser meget små ændringer

i gennemsnit for arbejdsmiljøindikatorer og for produktivitet fra 2012 til 2014, tyder tværsnitsanalyserne

på, at tværsnit er ganske stabile over tid, og at få års forskydning i, hvornår data om arbejdsmiljø

henholdsvis produktivitet er indsamlet, ikke har nævneværdig betydning.

Sammenligning af tabel 4.3.1.0. med tabel 4.3.1.1. viser overordnet set, at inddragelse af

baggrundsvariable for virksomheder i den fulde regressionsmodel fører til en reduktion i størrelsen af

sammenhæng mellem arbejdsmiljø og produktivitet sammenlignet med de ”rå” tværsnitsanalyser. Dette

kan skyldes, at en del af sammenhængen mellem arbejdsmiljø og produktivitet bliver medieret af

virksomhedsdeterminanter af produktivitet. Det kan dog også være, at en virksomhedsvariable (fx kapital)

påvirker både arbejdsmiljø og produktivitet, hvilket kan give anledning til sporadiske sammenhænge, hvis

man ikke korrigerer for virksomhedsvariablen.

Tværsnitsanalyserne i den fulde regressionsmodel viser for flere af arbejdsmiljøindikatorerne overordnet

set en god overensstemmelse mellem de resultater, der opnås når arbejdsmiljøindikatorerne analyseres

hver for sig, og de resultater, der opnås, når de analyseres samlet (Tabel 4.3.1.1.). I begge analyser er der

statistisk signifikant og positiv sammenhæng mellem produktivitet og virksomhedens prioritering af

arbejdsmiljøindsatsen henholdsvis oplevelse af mindre fysisk anstrengende arbejde. Den positive

sammenhæng betyder, at et bedre arbejdsmiljø hænger sammen med en højere produktivitet. Ligeledes er

der i begge analyser en negativ sammenhæng mellem kvantitative krav og produktivitet, således at øgede

krav hænger sammen med højere produktivitet. I begge analyser viser hverken rolleklarhed eller kollegial

støtte sammenhæng med produktivitet.

For fire af arbejdsmiljøindikatorerne har det væsentlig betydning, om de analyseres hver for sig eller samlet

i den fulde regressionsmodel. Ledelseskvalitet, sikkerhedskultur og indflydelse viser statistisk signifikant,

positiv sammenhæng med produktivitet, når de analyseres alene, men når alle arbejdsmiljøindikatorer

analyseres samlet, forsvinder disse sammenhænge. Omvendt viser retfærdighed ingen sammenhæng med

produktivitet, når retfærdighed analyseres alene, men når alle ni arbejdsmiljøindikatorer analyseres samlet,

viser retfærdighed en statistisk signifikant, stærkt negativ sammenhæng med produktivitet.

Tværsnitsanalyserne tyder således på, at nogle – men langt fra alle - arbejdsmiljøindikatorers sammenhæng

med produktivitet påvirkes af, om alle arbejdsmiljøindikatorer indgår samlet i regressionsmodellen. De tre

arbejdsmiljøindikatorer – virksomhedens prioritering af arbejdsmiljøet, kvantitative krav og oplevelse af

fysisk anstrengelse i arbejdet - der i korrelationsanalysen viser ringe eller ingen indbyrdes korrelation (se

appendiks 2), påvirkes mindst af, om alle arbejdsmiljøindikatorer indgår samlet i den fulde

regressionsmodel.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

4.3 Forløbsanalyser

Igen har vi først gennemført de ”rå” forløbsanalyser, hvor alle arbejdsmiljøindikatorer er analyseret uden

andre forklarende virksomhedsvariabler, se tabel 4.3.2.0. Analyserne viser generelt god overensstemmelse

mellem resultater for hver arbejdsmiljøindikator analyseret alene og resultater for alle ni

arbejdsmiljøindikatorer analyseret samlet. Dog viser ledelseskvalitet kun statistisk signifikant kausalitet, når

alle arbejdsmiljøindikatorer analyseres samlet.

Tabel 4.3.2.0.

”Rå” forløbsanalyser - Regressionsresultater uden andre variabler for virksomheden

Kausalitet

Omvendt kausalitet

Arbmil

Alene

-0.006

0.015

Samlet

-0.005

0.013

Sikker

Alene

-0.002

0.007

Samlet

-0.002

0.003

Kvan

Alene

-0.009

-0.002

Samlet

-0.009

-0.004

Ledelse

Alene

0.007

0.003

Samlet

0.018*

-0.005

Rolle

Alene

-0.005

0.009

Samlet

-0.002

0.007

Indf

Alene

-0.014*

0.004

Samlet

-0.015*

-0.001

Retf

Alene

-0.006

0.005

Samlet

-0.005

-0.003

Koll

Alene

-0.005

0.012

Samlet

-0.003

0.009

Fys-an

Alene

0.021*

0.005

Samlet

0.025**

0.003

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet.

Kvasikausalitet

-0.019**

-0.022**

-0.009

-0.006

-0.020*

0.001

0.009

-0.006

-0.003

0.004

0.008

-0.003

0.003

-0.002

0.019

0.024**

Resultaterne af forløbsanalyser i den fulde regressionsmodel er summeret i tabel 4.3.2.1.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.3.2.1.

Forløbsanalyser - Regressionsresultater i den fulde regressionsmodel

Kausalitet

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

-0.003

-0.004

-0.008

-0.007

0.003

0.012

-0.007

-0.004

-0.014*

-0.015*

-0.007

-0.006

-0.004

-0.001

0.025**

0.029**

0.10

4.366

Omvendt

kausalitet

0.016*

0.014

0.007

0.002

0.001

-0.002

0.006

-0.002

0.01

0.007

0.004

-0.002

0.004

-0.006

0.015*

0.013

0.004

0.002

0.03

4.222

Kvasikausalitet

-0.018**

-0.020*

-0.008

-0.006

-0.021**

-0.022**

-0.001

0.007

-0.007

-0.004

0.004

0.01

-0.002

0.006

-0.007

-0.006

0.018

0.023*

0.08

4.532

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet.

Der er meget høj grad af overensstemmelse mellem de ”rå” forløbsanalyser og forløbsanalyser i den fulde

regressionsmodel. Dog springer det i øjnene, at ledelseskvalitet viser positiv, statistisk signifikant kausalitet

i den ”rå” regressionsmodel men ikke i den fulde regressionsmodel.

Analyserne af kausalitet viser to statistisk signifikante sammenhænge: Ændring i indflydelse fra 2012 til

2014 viser en svag, negativ sammenhæng med ændring i produktivitet fra 2013 til 2015, og ændring i

oplevelse af fysisk anstrengelse i arbejdet fra 2012 til 2014 viser en stærkere positiv sammenhæng med

ændring i produktivitet fra 2013 til 2015.

Endvidere tyder forløbsanalyserne på en statistisk signifikant omvendt kausalitet mellem ændring i

produktivitet fra 2010 til 2012 og ændring i virksomhedens prioritering af arbejdsmiljøet fra 2012 til 2014

henholdsvis ændring i kollegial støtte fra 2012 til 2014.

Analyserne af kvasikausalitet viser en statistisk signifikant negativ sammenhæng mellem ændring i

virksomhedens prioritering af arbejdsmiljøet og ændring i produktivitet, negativ sammenhæng mellem

ændring i kvantitative krav og ændring produktivitet, og positiv sammenhæng mellem ændring i oplevelse

af fysisk anstrengelse i arbejde og ændring i produktivitet. I analyserne af kvasikausalitet anvendes den

samme periode for ændringer i både arbejdsmiljø og produktivitet, og analyserne kan derfor ikke sige noget

om retningen af sammenhængen, men analyser af kvasikausalitet kan ses som en slags robusthedsanalyse

for de to andre kausalitetsanalyser, i forhold til om det er muligt at påvise statistiske sammenhænge

mellem ændringer i arbejdsmiljø og ændringer i produktivitet. Findes der en signifikant sammenhæng i

analyse af kvasikausalitet, men ikke i analyse af omvendt kausalitet, kan det indikere en kausal

sammenhæng – selv hvis der ikke findes en signifikant effekt i analysen af kausalitet. Dette kan være

tilfældet, hvis der er arbejdsmiljøindikatorer, som kun kortvarigt påvirker produktiviteten i samme år, men

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

ikke på længere sigt, dvs. i året efter, som i analyserne af kausalitet. Fx kan det være en mulig forklaring på,

at kvantitative krav er signifikante i analysen af kvasikausalitet, men ikke i de to andre forløbsanalyser.

4.4 Sekundære forløbsanalyser – betydning af

udgangsniveau af arbejdsmiljø i 2012

I regressionsanalyserne har vi som udgangspunkt antaget en lineær sammenhæng mellem arbejdsmiljø og

logaritmen til produktiviteten, og vi har estimeret den gennemsnitlige sammenhæng mellem arbejdsmiljø

og produktivitet. Det er potentielt muligt, at en ændring af arbejdsmiljøet kan have forskellig effekt på

produktiviteten, alt efter om arbejdsmiljøet fra starten har et lavt eller højt niveau. Dette afsnit summerer

et stort antal forløbsanalyserer af potentielle ikke-lineære sammenhænge mellem arbejdsmiljø og

produktivitet.

Vi har gennemført separate forløbsanalyser for hver arbejdsmiljøindikator, idet virksomhederne er

stratificeret i tre grupper ud fra skalaværdien af arbejdsmiljøindikatoren i 2012: Lav = den ca. 1/3 af

virksomheder, som har de laveste skalaværdier i 2012; Høj = den ca. 1/3 af virksomheder, som har de

højeste skalaværdier i 2012; Middel = den resterende ca. 1/3 af virksomheder. Samlet viser de sekundære

forløbsanalyser en overordnet tendens til, at des højere det initiale niveau af arbejdsmiljø, des større er

sandsynligheden for, at en stigning i kvaliteten af arbejdsmiljø er forbundet med et efterfølgende fald i

produktivitet (negativ kausal sammenhæng). Omvendt er der tendens til, at den 1/3 virksomheder, som

starter med et lavt udgangsniveau af kvaliteten af arbejdsmiljøet i 2012, kan få positiv effekt af

arbejdsmiljøforbedringer på den efterfølgende produktivitet (positiv kausal sammenhæng).

Der kan potentielt være risiko for, at nogle virksomheder har så høj skalaværdi for arbejdsmiljø i 2012, at de

i praksis kun kan få en lavere værdi i 2014 (’ceiling effect’) og tilsvarende, at nogle virksomheder har en så

lav skalaværdi i 2012, at de i praksis kun kan få en højere værdi i 2014 (’floor effect’). Vi har derfor – som en

sekundær robusthedsanalyse – gennemført de stratificerede regressionsanalyser, hvor virksomheder med

de laveste og højeste skalaværdier i 2012 er blevet ekskluderet (se appendiks 4). For ikke at ekskludere et

meget højt antal virksomheder, er disse analyser kun blevet udført, når arbejdsmiljøindikatorerne bliver

analyseres hver for sig i den samlede regressionsmodel. I de følgende tre tabeller (tabel 4.4.1.-4.4.3.) er

resultater fra de sekundære robusthedsanalyser angivet med rødt skrift. De sekundære robusthedsanalyser

tyder ikke på, at der har været problemer med ’floor’ og ceiling’ effekter.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.4.1.

Sekundære forløbsanalyser af kausalitet – arbejdsmiljø 2012-14 versus produktivitet 2013-2015

Regressioner med alle indeks

<p33

0.012

(0.015)

P33-p66

-0.008

(0.019)

>p66

-0.013

(0.016)

Regressioner med enkelte indeks

<p33

P33-p66

>p66

Arbejdsmiljø-

0.017

-0.021

-0.026*

indeks

(0.013)

(0.016)

(0.015)

0.017

-0.021

-0.032**

(0.013)

(0.016)

(0.015)

Sikkerheds-indeks

0.016

-0.065**

-0.041**

0.015

-0.051**

-0.041***

(0.010)

(0.027)

(0.016)

(0.009)

(0.026)

(0.014)

0.007

0.034**

-0.036**

(0.012)

(0.016)

(0.017)

Kvantitative krav

0.026*

-0.029

-0.026*

0.026*

-0.026

-0.030**

indeks

(0.014)

(0.019)

(0.015)

(0.014)

(0.018)

(0.015)

0.026*

-0.026

-0.030**

(0.014)

(0.018)

(0.015)

Ledelse indeks

0.028

0.007

0.001

0.025

-0.007

-0.015

(0.018)

(0.020)

(0.016)

(0.012)

0.01

-0.007

-0.021

(0.016)

(0.013)

Rolle indeks

0.005

-0.027*

0.009

0.01

-0.030**

-0.01

(0.014)

(0.016)

(0.013)

(0.012)

(0.014)

(0.012)

0.01

-0.030**

-0.016

(0.012)

(0.014)

Indflydelse indeks

-0.001

-0.059***

-0.022

0.001

-0.049**

-0.030**

(0.012)

(0.020)

(0.015)

(0.011)

(0.022)

(0.015)

0.001

-0.023

-0.046**

(0.011)

(0.063)

(0.023)

Retfærdighed

0.001

-0.004

-0.017

0.006

-0.005

-0.034**

indeks

(0.015)

(0.017)

(0.018)

(0.012)

(0.015)

(0.016)

0.001

-0.005

-0.001

(0.013)

(0.015)

(0.021)

Kollega indeks

0.004

-0.016

0.008

-0.011

-0.027

(0.010)

(0.022)

(0.018)

(0.009)

(0.021)

(0.018)

0.009

0.092

-0.01

(0.009)

(0.087)

(0.020)

Fysisk arbejde

0.030**

0.02

0.024*

0.02

0.004

(0.013)

(0.021)

(0.055)

(0.013)

(0.021)

(0.055)

0.024*

0.02

0.004

(0.013)

(0.021)

(0.055)

Note: Regressionerne inkluderer de samme forklarende variable, som de andre regressioner i hovedanalysen.

Regressionerne er opdelt på percentiler for det arbejdsmiljøindeks, som estimatet vises for. Robuste standardfejl i

parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

De røde tal viser resultater af sekundære robusthedsanalyser, hvor virksomheder med de laveste og højeste

skalaværdier i 2012 er blevet ekskluderet.

Kilde: Danmarks Statistik

De sekundære analyser viser, at den negative kausale sammenhæng mellem ændring i indflydelse og

ændring i produktivitet (se tabel 4.3.2.1.) hidrører fra de ca. 2/3 af virksomhederne, der i 2012 har middel

eller høj indflydelse. Den positive sammenhæng mellem ændring i oplevelse af fysisk anstrengelse i

arbejdet og ændring i produktivitet synes derimod at hidrøre fra den ca. 1/3 af virksomhederne, hvor

medarbejderne rapporterer det dårligste arbejdsmiljø mht. oplevelse af fysisk anstrengelse i arbejdet i

2012.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Endvidere viser de sekundære analyser flere statistisk signifikante sammenhænge, der ikke ses i

hovedanalyser på tværs af alle virksomheder (se tabel 4.3.2.1.). Uanset om sikkerhedskultur analyseres

alene eller i den samlede regressionsmodel, ses en statistisk signifikant negativ kausal sammenhæng

mellem ændring i sikkerhedskultur fra 2012 til 2014 og ændring i produktivitet fra 2013 til 2015 blandt de

2/3 af virksomhederne, der har middel eller høj sikkerhedskultur i 2012. Ligeledes uanset om kvantitative

krav analyseres alene eller i den samlede regressionsmodel, ses en statistisk signifikant positiv kausal

sammenhæng mellem ændring i kvantitative krav og ændring i produktivitet blandt den 1/3 af

virksomhederne, der har lavest skalaværdi for kvantitative krav i 2012 (husk, at skalaen er vendt således at

lave værdier svarer til høje krav).

Omvendt ses en statistisk signifikant negativ kausal sammenhæng mellem ændring i kvantitative krav og

ændring i produktivitet blandt den 1/3 af virksomhederne, der har højest skalaværdi for kvantitative krav i

2012. For rolleklarhed viser alene den 1/3 af virksomhederne, der har middel rolleklarhed i 2012 en

statistisk signifikant negativ kausal sammenhæng mellem ændring i rolleklarhed og ændring i produktivitet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.4.2.

Forløbsanalyser af omvendt kausalitet - Produktivitet 2010-2012 versus arbejdsmiljø 2012-14

Regressioner med alle indeks

<p33

0.038**

(0.015)

P33-p66

0.003

(0.019)

>p66

-0.019

(0.023)

Regressioner med enkelte indeks

<p33

P33-p66

>p66

0.038***

0.008

-0.006

Arbejdsmiljø-indeks

(0.012)

(0.018)

(0.021)

0.038***

0.008

-0.011

(0.012)

(0.018)

(0.026)

0.008

0.087***

-0.025

0.011

0.077***

-0.014

Sikkerheds-indeks

(0.009)

(0.030)

(0.017)

(0.009)

(0.028)

(0.018)

0.028***

-0.026

0.014

(0.010)

(0.018)

(0.024)

-0.009

0.016

-0.001

-0.005

0.019

-0.003

Tidspres indeks

(0.015)

(0.030)

(0.013)

(0.031)

(0.013)

-0.006

0.019

-0.003

(0.013)

(0.031)

(0.013)

-0.003

-0.033

0.015

0.01

-0.016

0.011

Ledelse indeks

(0.019)

(0.024)

(0.015)

(0.016)

(0.019)

(0.016)

0.01

-0.016

0.005

(0.016)

(0.019)

(0.017)

Rolle indeks

0.022*

0.009

-0.017

0.023*

0.004

-0.003

(0.013)

(0.016)

(0.014)

(0.012)

(0.015)

(0.014)

0.021*

0.005

0.012

(0.012)

(0.015)

(0.017)

0.024**

-0.029

-0.039***

0.023**

-0.026

-0.023

Indflydelse indeks

(0.011)

(0.023)

(0.015)

(0.011)

(0.021)

(0.016)

0.022**

0.024

-0.032

(0.011)

(0.048)

(0.022)

-0.004

-0.006

0.003

0.001

Retfærdighed

indeks

(0.016)

(0.035)

(0.012)

(0.016)

(0.027)

0.005

0.003

-0.021

(0.013)

(0.016)

(0.039)

0.031**

0.009

-0.015

0.029***

0.019

-0.01

Kollega indeks

(0.013)

(0.018)

(0.017)

(0.011)

(0.021)

(0.016)

0.037***

-0.111

0.01

(0.010)

(0.079)

(0.021)

0.005

0.001

-0.058

0.007

-0.04

Fysisk arbejde

(0.013)

(0.025)

(0.056)

(0.012)

(0.026)

(0.058)

0.007

-0.04

(0.012)

(0.026)

(0.058)

Note: Regressionerne inkluderer de samme forklarende variable, som de andre regressioner i hovedanalysen.

Regressionerne er opdelt på percentiler for det arbejdsmiljøindeks, som estimatet vises for. Robuste standardfejl i

parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

De røde tal viser resultater af sekundære robusthedsanalyser, hvor virksomheder med de laveste og højeste

skalaværdier i 2012 er blevet ekskluderet.

Kilde: Danmarks Statistik

De sekundære forløbsanalyser viser, at den positive, omvendt kausale sammenhæng mellem ændring i

produktivitet og ændring i virksomhedens prioritering af arbejdsmiljøet (se tabel 4.3.2.1.) hidrører fra den

1/3 af virksomheder, der har lav skalaværdi for prioritering af arbejdsmiljøet i 2012. Ligeledes viser de

sekundære forløbsanalyser en positiv omvendt kausal sammenhæng mellem ændring i produktivitet og

ændring i henholdsvis rolleklarhed, indflydelse og kollegial støtte for den 1/3 af virksomhederne, der har

lav skalaværdi for arbejdsmiljøindikatoren i 2012. For disse fire arbejdsmiljøindikatorer er der således

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

tendens til, at virksomheder, som øger deres produktivitet fra 2010 til 2012, efterfølgende forbedrer deres

arbejdsmiljø fra 2012 til 2014. Tabel 4.4.3. opsummerer de sekundære forløbsanalyser af kvasikausalitet.

Tabel 4.4.3.

Forløbsanalyser af kvasikausalitet - Arbejdsmiljø 2012-14 versus produktivitet 2012-14

Regressioner med alle indeks

<p33

-0.003

(0.016)

P33-p66

-0.02

(0.020)

>p66

-0.039**

(0.017)

Regressioner med enkelte indeks

<p33

P33-p66

>p66

-0.004

-0.023

-0.034*

Arbejdsmiljø-indeks

(0.013)

(0.016)

(0.018)

-0.004

-0.023

-0.047**

(0.013)

(0.016)

(0.020)

-0.001

-0.005

-0.013

-0.002

0.007

-0.021

Sikkerheds-indeks

(0.012)

(0.030)

(0.015)

(0.011)

(0.023)

(0.015)

-0.001

-0.021

(0.013)

(0.023)

(0.018)

-0.002

-0.061**

-0.018

-0.003

-0.061**

-0.017

Tidspres indeks

(0.021)

(0.027)

(0.015)

(0.020)

(0.028)

(0.014)

-0.003

-0.061**

-0.017

(0.020)

(0.028)

(0.014)

0.029*

0.022

-0.031

0.016

0.019

-0.036**

Ledelse indeks

(0.016)

(0.020)

(0.021)

(0.013)

(0.015)

(0.018)

0.024

0.019

-0.046**

(0.016)

(0.015)

(0.021)

Rolle indeks

-0.014

-0.002

0.008

-0.01

(0.015)

(0.018)

(0.016)

(0.014)

(0.016)

(0.013)

-0.011

0.001

-0.025

(0.014)

(0.016)

(0.017)

0.012

0.004

0.009

0.007

-0.007

Indflydelse indeks

(0.012)

(0.016)

(0.018)

(0.011)

(0.015)

(0.018)

0.009

-0.057

0.007

(0.011)

(0.037)

(0.015)

0.023

-0.004

-0.023

0.018

-0.013

-0.016

Retfærdighed

indeks

(0.014)

(0.019)

(0.037)

(0.013)

(0.019)

(0.027)

0.019

-0.013

-0.027

(0.014)

(0.019)

(0.027)

-0.017

0.02

-0.014

-0.016

0.008

Kollega indeks

(0.012)

(0.017)

(0.012)

(0.021)

(0.016)

0.037***

0.113

-0.01

(0.010)

(0.083)

(0.020)

0.019*

0.031

-0.026

0.019*

0.029

-0.044

Fysisk arbejde

(0.011)

(0.028)

(0.043)

(0.011)

(0.027)

(0.043)

0.019*

0.029

-0.044

(0.011)

(0.027)

(0.043)

Note: Regressionerne inkluderer de samme forklarende variable, som de andre regressioner i hovedanalysen.

Regressionerne er opdelt på percentiler for det arbejdsmiljøindeks, som estimatet vises for. Robuste

standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

De røde tal viser resultater af sekundære robusthedsanalyser, hvor virksomheder med de laveste og højeste

skalaværdier i 2012 er blevet ekskluderet.

Kilde: Danmarks Statistik

Sekundære forløbsanalyser viser negativ kvasikausal sammenhæng mellem ændring i virksomhedens

prioritering af arbejdsmiljøet og ændring i produktivitet for den 1/3 af virksomhederne, der har høj

skalaværdi for prioritering af arbejdsmiljøet i 2012. Endvidere ses positiv kvasikausal sammenhæng mellem

ændring i oplevelse af fysisk anstrengelse i arbejdet og produktivitet for den 1/3 af virksomhederne, hvor

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

medarbejderne rapporterer det dårligste arbejdsmiljø mht. oplevelse af fysisk anstrengelse i arbejdet i

2012. Når alle arbejdsmiljøindikatorer analyseret samlet ses positiv kvasikausal sammenhæng mellem

ændring i ledelseskvalitet og ændring i produktivitet for den 1/3 af virksomhederne, der lav høj skalaværdi

for ledelseskvalitet i 2012.

4.5 Sammenhænge mellem fire arbejdsmiljøfaktorer og

produktivitet

For at komme omkring de eventuelle problemer, der kan opstå, når flertallet af arbejdsmiljøindikatorerne

er indbyrdes stærkt korreleret, har vi gennemført en faktoranalyse hen over alle 33 spørgsmål, der indgår i

de anvendte arbejdsmiljøindikatorer (se afsnit 3.2. og appendiks 3). De fire første (største) faktorer er

konstrueret, så de ikke er indbyrdes korrelerede, og de fire faktorer kan således uden problemer indgår i en

samlet regressionsmodel.

Resultaterne af tværsnitsanalyser af sammenhænge mellem de fire arbejdsmiljøfaktorer og produktivitet er

præsenteret i tabel 4.5.1.

Tabel 4.5.1.

Regressionsanalyser af tværsnit i den fulde regressionsmodel – Alle arbejdsmiljøfaktorer samlet

TV 2012

Ledelsesfaktor

Indflydelses- og

relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

0.013

(0.011)

0.003

(0.009)

TV 2014

0.003

(0.011)

0.012

(0.010)

AM 12

P 13

0.017

(0.011)

0.009

(0.009)

AM 14

P 15

0.01

(0.009)

0.009

(0.011)

P 10

AM 12

0.012

(0.011)

0.015

(0.010)

P 12

AM 14

0.009

(0.009)

0.004

(0.009)

GMM

-0.008

(0.011)

0.01

(0.010)

0.045***

(0.010)

-0.022*

(0.011)

0.019*

0.014

0.020**

0.023**

0.022**

0.029***

(0.010)

(0.009)

Tidspresfaktor

-0.020**

-0.015 -0.022**

-0.019*

-0.018*

-0.008

(0.009)

(0.012)

(0.010)

(0.011)

0.339

0.335

0.366

0.35

0.316

0.319

2.266

2.183

2.111

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

I lighed med tværsnitsanalyserne for de ni arbejdsmiljøindikatorer er der stor overensstemmelse mellem

tværsnitsanalyserne for de fire arbejdsmiljøfaktorer, og tværsnitsanalyserne tyder på, at arbejdsmiljø-

faktorerne er ganske stabile over tid, og at det ikke har nævneværdig betydning om data for produktivitet

indsamles sammen år, to år tidligere eller året efter indsamling af data om de fire arbejdsmiljøfaktorer.

I tværsnitsanalyser er ’Sikkerhed- og forebyggelseskulturfaktor’ statistisk signifikant, positivt korreleret med

produktivitet, og ’Tidspresfaktor’ er statistisk signifikant og negativt korreleret med produktivitet.

Analyserne viste ingen sammenhæng mellem hverken ’Ledelsesfaktor’ eller ’Indflydelses- og

relationsfaktor’ og produktivitet.

Resultaterne af forløbsanalyser af sammenhænge mellem de fire arbejdsmiljøfaktorer og produktivitet er

præsenteret i tabel 4.5.2.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.5.2.

Forløbsanalyser for alle arbejdsmiljøfaktorer samlet

Kausalitet

Ledelsesfaktor

Indflydelses- og relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

0.003

(0.009)

-0.011

(0.008)

Omvendt kausalitet

0.007

(0.010)

0.012

(0.009)

Kvasikausalitet

-0.005

(0.009)

-0.001

(0.008)

-0.003

0.012

-0.011

(0.008)

(0.009)

Tidspresfaktor

-0.008

0.005

-0.023**

(0.009)

(0.010)

(0.011)

0.103

0.028

0.076

Antal observationer

4.366

4.222

4.532

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

I forløbsanalyserne på tværs af brancher viser ingen af de fire arbejdsmiljøfaktorer sammenhæng med

produktivitet hverken i analyser af kausalitet eller omvendt kausalitet. I analyse af kvasikausalitet viser

ændring i ’Tidspresfaktor’ fra 2012 til 2014 statistisk signifikant, negativt sammenhæng med ændring i

produktivitet fra 2012 til 2014. Dette kan indikere, at tidspresfaktor påvirker produktivitet på meget kort

sigt, eller det kan være et resultat af omvendt kausalitet.

Generelt viser de fire arbejdsmiljøfaktorer mindre tydelig sammenhæng med produktivitet end de tre

arbejdsmiljøindikatorer virksomhedens prioritering af arbejdsmiljøet, kvantitative krav og oplevelse af

fysisk anstrengelse i arbejdet. Anvendelse af de fire arbejdsmiljøfaktorer synes således ikke umiddelbart at

tilføre væsentlig ny viden om sammenhænge mellem arbejdsmiljø og produktivitet på tværs af brancher.

4.6 Sammenhænge mellem arbejdsmiljøindikatorer og

produktivitet i fire forskellige hovedbranchegrupper

I projektet har vi anvendt en opdeling på syv (ud af 10) hovedbranchegrupper. De tre brancher, der ikke er

med, skyldes manglende data, herunder særligt at man ikke kan beregne værditilvækst og produktivitet for

offentlige brancher. Denne opdeling på 10 hovedbranchegrupper er standard i Danmarks Statistik, og den

anvendes bredt i økonomiske analyser både nationalt og internationalt.

I alle regressionsanalyser på tværs

af brancher er en dummy for hovedbranchegruppe indgået som forklarende variable.

4.6.1 Beskrivende statistik for de fire største

hovedbranchegrupper

Tabel 4.6.1. beskriver karakteristika ved de fire største hovedbranchegrupper. De tre små

hovedbranchegrupper (’Information og kommunikation’, ’Ejendomshandel og udlejning’ og ’Kultur, fritid og

anden service’) omfatter så få virksomheder, at det ikke giver mening at gennemføre regressionsanalyser

inden for hver af disse tre hovedbranchegrupper.

Der er distinkte forskelle mellem gennemsnittet for virksomheder i de fire største hovedbranchegrupper:

Opdelingen betegnes DB07 10-gruppering og er beskrevet i dokumentationen ’Dansk Branchekode 2007’

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.1. Karakteristika for de fire største hovedbranchegrupper

Industri, råstof og

Bygge og anlæg

Variabel

forsyning

2012

2014

2012

2014

Værditilvækst/årsværk (KKR)

Anlægsaktiver/årsværk (KKR)

Antal årsværk

Andel faglærte

Andel kort/mellemlang

uddannelse

Andel lang videregående

uddannelse

Andel over 21 års erfaring

Andel 11-20 års erfaring

Andel 4-10 års erfaring

Andel kvinder

Arbejdsplads alder

Andel med eksport

Andel med 2 eller flere

filialer

ArbejdsmiljøIndikator

Arbmil (1-5)

Sikker (1-5)

Kvan (1-5)

Ledelse (1-5)

Rolle (1-5)

Indfl (1-5)

Retf (1-5)

Koll (1-5)

Fys-an (0-10)

Antal virksomheder

Handel og transport

mv.

2012

2014

652

(596)

1124

(8.541)

181

(889)

47 %

(22 %)

13 %

(16 %)

(7 %)

42 %

(22 %)

25 %

(15 %)

36 %

(27 %)

36 %

(27 %)

23,6

(20,0)

61 %

(49 %)

39 %

(49 %)

3,7

(0,7)

4,0

(0,6)

2,9

(0,6)

3,4

(0,8)

3,8

(0,6)

4,3

(0,7)

3,6

(0,8)

4,2

(0,7)

6,5

(2,8)

823

632

(521)

1000

(8.027)

184

(893)

47 %

(22 %)

14 %

(16 %)

(8 %)

45 %

(23 %)

23 %

(14 %)

13 %

(11 %)

36 %

(27 %)

25,6

(20,0)

61 %

(49 %)

39 %

(49 %)

3,7

(0,7)

4,1

(0,6)

2,9

(0,6)

3,4

(0,8)

3,9

(0,6)

4,3

(0,7)

3,6

(0,8)

4,2

(0,7)

6,9

(2,7)

823

Erhvervsservice

2012

704

(928)

1370

(6.408)

169

(462)

30 %

(21 %)

26 %

(20 %)

20 %

(20 %)

39 %

(22 %)

26 %

(16 %)

20 %

(13 %)

45 %

(23 %)

16,6

(15,0)

45 %

(50 %)

36 %

(48 %)

3,8

(0,7)

4,1

(0,6)

2,8

(0,6)

3,5

(0,7)

3,9

(0,6)

4,3

(0,7)

3,6

(0,8)

4,2

(0,7)

7,8

(2,5)

337

2014

720

(942)

2089

(10.762)

177

(453)

30 %

(22 %)

26 %

(20 %)

20 %

(20 %)

41 %

(23 %)

25 %

(14 %)

18 %

(13 %)

45 %

(23 %)

18,6

(15,0)

50 %

(50 %)

38 %

(49 %)

3,8

(0,6)

4,1

(0,6)

2,7

(0,6)

3,5

(0,8)

3,9

(0,6)

4,3

(0,7)

3,7

(0,8)

4,2

(0,7)

8,0

(2,5)

337

873

(1221)

3067

(16.162)

220

(708)

46 %

(17 %)

17 %

(13 %)

(9 %)

53 %

(17 %)

25 %

(10 %)

13 %

(10 %)

27 %

(19 %)

27,2

(19,2)

84 %

(37 %)

36 %

(48 %)

3,8

(0,6)

4,1

(0,6)

2,9

(0,6)

3,3

(0,8)

3,9

(0,6)

4,2

(0,7)

3,4

(0,8)

4,2

(0,6)

6,1

(2,8)

651

829

(789)

2218

(8.531)

222

(763)

46 %

(17 %)

17 %

(13 %)

(10 %)

55 %

(17 %)

23 %

(10 %)

13 %

(10 %)

26 %

(18 %)

29,4

(19,6)

85 %

(36 %)

38 %

(49 %)

3,8

(0,6)

4,1

(0,6)

2,9

(0,6)

3,3

(0,8)

3,8

(0,6)

4,2

(0,7)

3,4

(0,8)

4,2

(0,6)

6,1

(2,8)

651

515

(176)

232

(578)

(233)

62 %

(20 %)

10 %

(13 %)

(1 %)

43 %

(20 %)

27 %

(16 %)

18 %

(16 %)

11 %

(12 %)

16,8

(13,1)

18 %

(39 %)

16 %

(37 %)

3,8

(0,7)

3,9

(0,7)

2,9

(0,7)

3,4

(0,8)

3,8

(0,6)

4,3

(0,7)

3,6

(0,8)

4,3

(0,7)

4,2

(2,7)

232

558

(206)

211

(440)

(217)

62 %

(20 %)

(11 %)

(2.%)

46 %

(20 %)

25 %

(13 %)

14 %

(12 %)

10 %

(12 %)

18,8

(13,1)

22 %

(42 %)

18 %

(38 %)

3,7

(0,7)

4,0

(0,7)

2,9

(0,7)

3,4

(0,8)

3,8

(0,7)

4,3

(0,7)

3,6

(0,9)

4,3

(0,6)

4,7

(2,9)

232

I alle skalaer repræsenterer de højeste værdier det bedste arbejdsmiljø. Standardafvigelsen er angivet i

parentes.

Virksomheder i hovedbranchegruppe ’Industri, råstof og forsyning’ er i gennemsnit mere produktive

(værditilvækst/årsværk), mere kapitalintensive (anlægsaktiver/årsværk) og større (antal årsværk) end

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

virksomheder i de andre hovedbranchegrupper. Virksomhederne i hovedbranchegruppe ’Industri, råstof og

forsyning’ er i gennemsnit ældre, og en langt højere andel af virksomhederne har eksport. De ansatte i

hovedbranchegruppe ’Industri, råstof og forsyning’ har også i gennemsnit væsentligt længere

erhvervserfaring end i de andre hovedbranchegrupper. Med hensyn til gennemsnittet for de ni

arbejdsmiljøindikatorer afviger hovedbranchegruppe ’Industri, råstof og forsyning’ ikke fra de andre

hovedbranchegrupper.

Virksomheder i hovedbranchegruppe ’Bygge og anlæg’ er i gennemsnit mindre produktive

(værditilvækst/årsværk), mindre kapitalintensive (anlægsaktiver/årsværk) og mindre (antal årsværk) end

virksomheder i de andre hovedbranchegrupper. Virksomhederne i hovedbranchegruppe ’Bygge og anlæg’

har den største andel af faglærte ansatte og praktisk talt ingen med lang videregående uddannelse.

Hovedbranchegruppe ’Bygge og anlæg’ har den laveste andel af kvinder ansat, og den laveste andel af

virksomheder med eksport. Med hensyn til gennemsnittet for de ni arbejdsmiljøindikatorer afviger

hovedbranchegruppe ’Bygge og anlæg’ ved, at de ansatte i gennemsnit oplever arbejdet væsentligt mere

fysisk anstrengende.

Virksomheder i hovedbranchegruppe ’Handel og transport mv’ fremstår ganske gennemsnitlig, og

hovedbranchegruppen har ingen karakteristika, der afviger væsentligt fra de andre.

Virksomheder i hovedbranchegruppe ’Erhvervsservice’ har langt den højeste andel af ansatte med lang

videregående uddannelse, og langt den højeste andel kvinder ansat. De ansatte i hovedbranchegruppe

’Erhvervsservice’ oplever i gennemsnit arbejdet væsentligt mindre fysisk anstrengende.

I det følgende summeres de vigtigste resultater vedr. sammenhænge mellem arbejdsmiljø og produktivitet

for de fire største hovedbranchegrupper. Hver hovedbranchegruppe er analyseret separat, og de vigtigste

resultater er blevet kondenseret i tabellerne i afsnit 4.6.2. og 4.6.3.

Tværsnitsanalyser

Som nævnt kan tværsnitsanalyser anvendes til at identificere mulige sammenhænge, men de kan ikke sige

noget om karakteren af eventuelle sammenhænge (fx kausalitet) eller underliggende forklaringer.

Resultaterne fra tværsnitsanalyser for de ni arbejdsmiljøindikatorer er summeret i tabel 4.6.2.1. til 4.6.2.4.,

og resultater fra tværsnitsanalyser for de fire arbejdsmiljøfaktorer er summeret i tabel 4.6.2.5. til 4.6.2.8.

Tværsnitsanalyser inden for de fire hovedbranchegrupper viser generelt få statistisk signifikante

sammenhænge, sikkert pga. lav statistisk styrke. Analyserne viser dog også enkelte markante forskelle

mellem hovedbranchegrupperne.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.2.1.

Tværsnitsanalyser for arbejdsmiljøindikatorer – Industri, råstof og indvinding

Tv 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

0.031

0.051*

-0.002

-0.01

0.015

0.024

0.02

0.016

-0.013

0.014

-0.017

-0.01

-0.014

0.008

-0.023

0.024

0.031

651

Tv 2014

0.02

0.047*

0.013

-0.029

0.012

-0.012

0.017

0.041

-0.001

0.025

-0.006

0.012

0.003

-0.077**

-0.014

0.004

0.028*

0.027

651

Am 12

P 13

0.040**

0.088***

-0.033

0.003

0.005

0.017

0.036

0.002

0.005

-0.012

-0.023

-0.026

-0.077***

-0.006

-0.002

0.028

0.039*

630

Am 14

P 15

0.022

0.019

0.01

-0.013

-0.017

-0.021

0.021

0.014

0.013

0.009

0.015

0.004

0.019

-0.001

0.01

-0.002

0.01

0.007

630

P 10

Am 12

0.03

0.034

0.012

-0.008

-0.01

0.004

0.02

0.013

0.008

0.015

0.017

0.024

-0.044

0.005

0.015

0.027

0.026

618

P 12

Am 14

0.036**

0.039

0.021

-0.005

0.001

-0.013

0.019

0.002

0.017

0.005

0.026*

-0.001

0.001

-0.001

0.02

-0.009

0.029

0.024

618

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alle virksomhedsvariabler indgår i regressionsmodellen.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

Tabel 4.6.2.2.

Tværsnitsanalyser for arbejdsmiljøindikatorer – Bygge og anlæg

Tv 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

0.003

-0.021

0.024

-0.015

-0.007

-0.006

0.045*

0.034

0.048*

0.044

0.035

0.039

0.028

-0.005

-0.007

-0.025

0.028

-0.026

232

Tv 2014

0.028

0.003

0.01

-0.03

0.014

-0.025

0.034

0.036

0.041*

0.048

0.031

0.02

0.013

-0.005

-0.050**

-0.01

0.005

232

Am 12

P 13

0.026

0.028

0.016

-0.025

0.02

0.003

0.021

-0.002

0.043**

0.049

0.027

0.011

0.021

-0.005

0.008

-0.012

0.017

0.007

224

Am 14

P 15

0.001

-0.008

0.01

0.008

0.009

0.015

0.037

0.003

-0.006

0.002

-0.006

-0.003

-0.008

-0.031*

-0.041*

0.021

0.018

224

P 10

Am 12

-0.022

-0.003

-0.036**

-0.068***

-0.005

-0.018

-0.012

-0.001

0.017

0.052**

-0.001

0.004

0.041

-0.031*

-0.042*

0.009

0.01

213

P 12

Am 14

0.029

0.027

0.02

-0.002

0.036

0.027

0.026

0.004

0.035

0.026

0.019

0.002

0.014

-0.016

0.001

-0.019

0.019

0.005

213

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alle virksomhedsvariabler indgår i regressionsmodellen.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.2.3.

Tværsnitsanalyser for arbejdsmiljøindikatorer – Handel og transport

Tv 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

0.011

0.018

0.023*

-0.016

-0.022

-0.029**

-0.005

0.017

0.01

-0.014

0.024*

0.008

-0.007

-0.026

0.021

0.023

0.049***

0.056***

823

Tv 2014

0.015

0.023

-0.001

0.017

-0.028*

-0.028

0.007

-0.033

-0.01

0.019

0.015

0.018

-0.044**

0.014

0.027*

0.053***

0.048***

823

Am 12

P 13

0.025

0.048**

0.007

-0.009

-0.034**

-0.035**

0.006

0.016

-0.017

-0.023

0.016

0.011

-0.012

-0.062***

0.023

0.039**

0.045***

0.047***

793

Am 14

P 15

0.033**

0.040*

0.032**

0.009

-0.022

-0.031*

0.017

-0.002

0.019

0.022

0.023

0.004

-0.002

-0.062***

0.021

0.022

0.073***

793

P 10

Am 12

0.011

0.005

-0.007

-0.02

0.016

0.036

-0.009

-0.02

0.018

0.015

-0.002

-0.029

0.003

0.006

0.035***

0.036***

764

P 12

Am 14

0.025*

0.044**

0.021

0.008

-0.016

-0.02

0.007

-0.002

0.003

0.01

-0.011

-0.060***

0.015

0.022

0.050***

0.051***

764

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alle virksomhedsvariabler indgår i regressionsmodellen.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

Tabel 4.6.2.4.

Tværsnitsanalyser for arbejdsmiljøindikatorer – Erhvervsservice

Tv 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

Alene

Samlet

0.019

0.042

-0.046

0.032

0.002

-0.015

-0.024

-0.042

-0.012

0.008

-0.013

-0.049

-0.033

-0.017

0.076**

0.058**

337

Tv 2014

-0.025

0.012

0.022

-0.047

-0.022

0.001

-0.025

0.004

0.003

0.011

0.012

-0.011

-0.016

-0.058

-0.014

0.017

0.059**

0.087**

337

Am 12

P 13

0.028

0.058*

0.025

0.034

-0.019

-0.01

-0.021

-0.034

0.002

0.023

0.014

-0.03

-0.059*

-0.018

-0.021

0.055**

0.053**

318

Am 14

P 15

0.004

0.043

-0.011

-0.01

-0.011

-0.007

-0.017

-0.01

-0.022

-0.021

0.002

0.001

-0.04

-0.066*

0.013

0.027

0.070***

0.075***

318

P 10

Am 12

0.044*

0.058

0.036

0.03

-0.057*

-0.055*

-0.003

-0.038

0.019

0.016

0.028

0.001

0.015

-0.01

-0.002

-0.027

0.065**

0.054**

294

P 12

Am 14

0.017

0.053

-0.011

-0.02

-0.006

-0.005

-0.003

0.011

-0.016

-0.023

0.009

0.007

-0.027

-0.069*

0.013

0.02

0.054**

0.060**

294

Note: * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alle virksomhedsvariabler indgår i regressionsmodellen.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Virksomhedens prioritering af arbejdsmiljøet viser på tværs af hovedbranchegrupperne en relativt stærk,

positiv og statistisk signifikant sammenhæng med produktivitet i tværsnitsundersøgelser. Sammenhængen

er svagest i hovedbranchegruppe ’Bygge og anlæg’.

Sammenhængen mellem virksomhedernes sikkerhedskultur og produktivitet viser så store variationer

mellem analyserne i de fire hovedbranchegrupper, at det ikke er muligt at uddrage et overordnet mønster.

Kvantitative krav viser på tværs af hovedbranchegrupperne en negativ sammenhæng med produktivitet i

tværsnitsundersøgelser. Denne sammenhæng er stærkest i hovedbranchegruppe ’Handel og transport’.

På tværs af alle brancher viser ledelseskvalitet kun en meget svag sammenhæng med produktivitet, men

dette dækker over store forskelle mellem hovedbranchegrupperne. Hovedbranchegruppe ’Industri, råstof

og forsyning’ og hovedbranchegruppe ’Bygge og anlæg’ viser generelt en positiv sammenhæng mellem

ledelseskvalitet og produktivitet i tværsnitsundersøgelserne, mens sammenhængen er negativ i

hovedbranchegruppe ’Erhvervsservice’.

Rolleklarhed viser på tværs af hovedbranchegrupperne svag eller ingen sammenhæng med produktivitet i

tværsnitsundersøgelserne. Undtagelsen er hovedbranchegruppe ’Bygge og anlæg’, hvor rolleklarhed viser

en klar, positiv og ofte statistisk signifikant sammenhæng med produktivitet.

Tværsnitsanalyserne i de fire hovedbranchegrupper viser generelt svag eller ingen sammenhæng mellem

indflydelse og produktivitet. Det er ikke muligt at uddrage et overordnet mønster på tværs af

hovedbranchegrupperne.

I tværsnitsanalyser viser især hovedbranchegruppe ’Handel og transport’ og hovedbranchegruppe

’Erhvervsservice’ negativ sammenhæng mellem retfærdighed og produktivitet.

På tværs af alle brancher viser kollegial støtte kun en meget svag sammenhæng med produktivitet i

tværsnitsanalyser, men dette dækker over store forskelle mellem hovedbranchegrupperne.

Hovedbranchegruppe ’Bygge og anlæg’ viser en tydelig negativ sammenhæng mellem kollegial støtte og

produktivitet, mens hovedbranchegruppe ’Handel og transport’ viser en positiv sammenhæng. For de to

andre hovedbranchegrupper er sammenhængen mindre og uklar.

De ansattes oplevelse af fysisk anstrengelse i arbejdet viser på tværs af hovedbranchegrupperne en relativ

stærk, positiv og statistisk signifikant sammenhæng med produktivitet i tværsnitsundersøgelserne. Denne

sammenhæng er stærkest i hovedbranchegruppe ’Erhvervsservice’ og hovedbranchegruppe ’Handel og

transport’.

Tabel 4.6.2.5.

Tværsnitsanalyser for arbejdsmiljøfaktorer samlet – Industri, råstof og indvinding

Tv 2012

Ledelsesfaktor

Indflydelse- og

relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

Tidspresfaktor

0.015

(0.021)

-0.01

(0.016)

0.018

(0.015)

0.01

(0.017)

651

Tv 2014

0.026

(0.020)

0.013

(0.020)

-0.008

(0.020)

-0.015

(0.019)

651

Am 12

P 13

0.018

(0.020)

-0.014

(0.016)

0.007

(0.017)

-0.004

(0.017)

630

Am 14

P 15

0.02

(0.018)

0.014

(0.021)

0.006

(0.017)

-0.019

(0.019)

630

P 10

Am 12

0.008

(0.021)

0.030*

(0.018)

0.011

(0.015)

0.002

(0.018)

618

P 12

Am 14

0.014

(0.018)

0.019

(0.019)

0.022

(0.019)

-0.012

(0.020)

618

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.2.6.

Tværsnitsanalyser for arbejdsmiljøfaktorer samlet – Bygge og anlæg

Tv 2012

Ledelsesfaktor

Indflydelse- og

relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

Tidspresfaktor

0.039*

(0.023)

0.026

(0.025)

-0.011

(0.018)

0.011

(0.024)

232

Tv 2014

0.046**

(0.022)

0.026

(0.031)

0.006

(0.024)

-0.01

(0.023)

232

Am 12

P 13

0.022

(0.019)

0.025

(0.021)

0.005

(0.014)

0.019

(0.020)

224

Am 14

P 15

0.013

(0.022)

-0.027

(0.021)

0.014

(0.021)

0.008

(0.020)

224

P 10

Am 12

0.008

(0.022)

-0.001

(0.023)

-0.037**

(0.018)

-0.005

(0.022)

213

P 12

Am 14

0.01

(0.030)

0.021

(0.031)

0.014

(0.022)

0.041

(0.027)

213

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tabel 4.6.2.7.

Tværsnitsanalyser for arbejdsmiljøfaktorer samlet – Handel og transport

Tv 2012

Ledelsesfaktor

Indflydelse- og

relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

Tidspresfaktor

-0.002

(0.014)

0.02

(0.015)

0.004

(0.016)

-0.032**

(0.016)

823

Tv 2014

-0.022

(0.014)

0.027*

(0.016)

0.029**

(0.014)

-0.026

(0.018)

823

Am 12

P 13

-0.004

(0.017)

0.022

(0.014)

0.013

(0.015)

-0.042**

(0.018)

793

Am 14

P 15

0.001

(0.014)

0.022

(0.018)

0.038**

(0.015)

-0.026

(0.019)

793

P 10

Am 12

0.008

(0.015)

0.008

(0.014)

0.008

(0.013)

-0.023

(0.017)

764

P 12

Am 14

-0.007

(0.014)

0.013

(0.015)

0.030**

(0.015)

-0.02

(0.018)

764

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tabel 4.6.2.8.

Tværsnitsanalyser for arbejdsmiljøfaktorer samlet – Erhvervsservice

Tv 2012

Ledelsesfaktor

Indflydelse- og

relationsfaktor

Sikkerhed- og

forebyggelseskulturfaktor

Tidspresfaktor

-0.037

(0.031)

-0.002

(0.025)

0.043

(0.029)

-0.015

(0.023)

337

Tv 2014

-0.021

(0.040)

-0.007

(0.027)

-0.038

(0.028)

0.004

(0.039)

337

Am 12

P 13

-0.033

(0.031)

-0.002

(0.026)

0.046*

(0.026)

-0.015

(0.024)

318

Am 14

P 15

-0.025

(0.026)

-0.003

(0.021)

0.005

(0.027)

-0.008

(0.025)

318

P 10

Am 12

-0.022

(0.034)

0.02

(0.031)

0.056*

(0.033)

-0.043

(0.034)

294

P 12

Am 14

-0.004

(0.024)

-0.005

(0.021)

(0.024)

-0.006

(0.024)

294

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tværsnitsanalyser af de fire arbejdsmiljøfaktorer i den samlede regressionsmodel viser tydelige forskelle

mellem hovedbranchegrupperne. I hovedbranchegruppe ’Industri, råstof og forsyning’ viser ingen af de fire

arbejdsmiljøfaktorer statistisk signifikant sammenhæng med produktivitet. I hovedbranchegruppe ’Bygge

og anlæg’ viser ’Ledelsesfaktor’ positiv (og i to tilfælde statistisk signifikant) sammenhæng med

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

produktivitet. I hovedbranchegruppe ’Handel og transport’ viser ’Sikkerheds- og forebyggelseskulturfaktor’

og (i mindre grad) ’Indflydelse- og relationsfaktor’ positiv sammenhæng med produktivitet, mens

’Tidspresfaktor’ er negativt associeret med produktivitet.

Forløbsanalyser

Resultaterne fra forløbsanalyser for de ni arbejdsmiljøindikatorer er summeret i tabel 4.6.3.1. til 4.6.3.4.

Tabel 4.6.3.1.

Sammendrag af forløbsanalyser for arbejdsmiljøindikatorer - Industri, råstof og forsyning

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Kausalitet

Alene

-0.003

(0.015)

0.009

(0.014)

0.004

(0.017)

0.014

(0.016)

0.008

(0.014)

-0.023

(0.016)

-0.001

(0.016)

0.002

(0.016)

-0.022

(0.023)

0.156

1260

Kausalitet

Samlet

-0.009

(0.019)

0.006

(0.017)

0.006

(0.018)

0.019

(0.020)

0.011

(0.015)

-0.029*

(0.018)

-0.004

(0.021)

0.005

(0.019)

-0.02

(0.023)

0.165

1260

Omvendt

Alene

0.002

(0.017)

0.006

(0.016)

-0.004

(0.016)

-0.008

(0.017)

0.012

(0.014)

0.004

(0.016)

-0.018

(0.018)

0.018

(0.015)

-0.004

(0.028)

0.061

1236

Omvendt

Samlet

0.003

(0.021)

0.009

(0.019)

-0.006

(0.018)

-0.014

(0.021)

0.018

(0.015)

0.004

(0.016)

-0.031

(0.021)

0.022

(0.018)

-0.005

(0.027)

0.07

1236

Kvasikausalitet

Alene

-0.01

(0.015)

-0.018

(0.020)

-0.006

(0.017)

0.002

(0.015)

-0.01

(0.012)

-0.006

(0.013)

-0.002

(0.019)

-0.024

(0.021)

0.041*

(0.023)

0.111

1302

Kvasikausalitet

Samlet

-0.005

(0.018)

-0.019

(0.023)

-0.008

(0.018)

0.019

(0.023)

-0.008

(0.016)

-0.003

(0.015)

0.009

(0.023)

-0.026

(0.022)

0.048*

(0.026)

0.122

1302

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.3.2.

Sammendrag af forløbsanalyser for arbejdsmiljøindikatorer - Bygge og anlæg

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Kausalitet

Alene

0.002

(0.019)

0.021

(0.020)

-0.050**

(0.020)

0.014

(0.017)

-0.014

(0.015)

-0.012

(0.021)

-0.001

(0.021)

-0.02

(0.016)

0.065***

(0.023)

0.139

448

Kausalitet

Samlet

-0.005

(0.020)

0.02

(0.021)

-0.050**

(0.020)

0.029*

(0.017)

-0.017

(0.014)

-0.02

(0.019)

0.013

(0.019)

-0.022

(0.015)

0.072***

(0.022)

0.208

448

Omvendt

Alene

0.026

(0.027)

0.004

(0.031)

0.075*

(0.045)

-0.013

(0.026)

-0.007

(0.023)

0.006

(0.030)

0.012

(0.030)

0.033

(0.025)

0.048

(0.031)

0.202

426

Omvendt

Samlet

0.016

(0.027)

0.001

(0.029)

0.071

(0.044)

-0.021

(0.028)

-0.015

(0.023)

0.002

(0.029)

-0.008

(0.032)

0.037

(0.025)

0.038

(0.029)

0.227

426

Kvasikausalitet

Alene

-0.041*

(0.025)

0.021

(0.026)

-0.057

(0.040)

0.004

(0.023)

-0.017

(0.019)

0.003

(0.024)

0.021

(0.025)

-0.021

(0.023)

0.037

(0.029)

0.266

464

Kvasikausalitet

Samlet

-0.059**

(0.027)

0.028

(0.026)

-0.056

(0.038)

0.017

(0.025)

-0.022

(0.019)

0.01

(0.023)

0.048*

(0.026)

-0.03

(0.022)

0.048*

(0.029)

0.295

464

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

Tabel 4.6.3.3.

Sammendrag af forløbsanalyser for arbejdsmiljøindikatorer - Handel og transport

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Kausalitet

Alene

-0.018

(0.013)

-0.023

(0.015)

-0.009

(0.013)

-0.008

(0.017)

-0.005

(0.011)

-0.014

(0.012)

-0.019

(0.013)

-0.001

(0.013)

0.060***

(0.019)

0.144

1586

Kausalitet

Samlet

-0.008

(0.014)

-0.023

(0.015)

-0.012

(0.013)

0.008

(0.019)

0.003

(0.013)

-0.012

(0.013)

-0.016

(0.015)

0.007

(0.013)

0.069***

(0.020)

0.163

1586

Omvendt

Alene

0.027**

(0.011)

0.014

(0.010)

-0.002

(0.013)

0.014

(0.013)

-0.002

(0.010)

-0.009

(0.010)

-0.002

(0.010)

0.003

(0.011)

-0.016

(0.016)

0.056

1528

Omvendt

Samlet

0.028*

(0.015)

0.01

(0.011)

-0.001

(0.014)

0.012

(0.016)

-0.008

(0.012)

-0.014

(0.011)

-0.012

(0.012)

0.004

(0.011)

-0.016

(0.016)

0.062

1528

Kvasikausalitet

Alene

-0.02

(0.015)

-0.016

(0.012)

-0.019

(0.015)

0.001

(0.013)

-0.001

(0.013)

0.022**

(0.009)

0.012

(0.013)

0.006

(0.009)

0.014

(0.017)

0.106

1646

Kvasikausalitet

Samlet

-0.026*

(0.016)

-0.017

(0.012)

-0.02

(0.016)

0.003

(0.015)

-0.003

(0.015)

0.024**

(0.010)

0.018

(0.014)

0.003

(0.010)

0.017

(0.017)

0.118

1646

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.3.4.

Sammendrag af forløbsanalyser for arbejdsmiljøindikatorer - Erhvervsservice

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

Kausalitet

Alene

0.001

(0.021)

0.016

(0.012)

-0.02

(0.024)

-0.033

(0.021)

-0.030*

(0.017)

-0.02

(0.018)

-0.009

(0.019)

-0.034*

(0.018)

-0.002

(0.026)

0.126

636

Kausalitet

Samlet

0.02

(0.022)

0.019

(0.012)

-0.007

(0.023)

-0.033

(0.023)

-0.017

(0.018)

-0.011

(0.018)

0.009

(0.019)

-0.029

(0.019)

(0.024)

0.159

636

Omvendt

Alene

0.028

(0.034)

0.005

(0.021)

-0.038*

(0.022)

0.038*

(0.022)

0.036*

(0.020)

0.024

(0.019)

0.032

(0.029)

0.046*

(0.026)

0.01

(0.030)

0.047

588

Omvendt

Samlet

-0.001

(0.038)

-0.003

(0.021)

-0.062**

(0.026)

0.02

(0.024)

0.038*

(0.022)

0.006

(0.021)

0.009

(0.030)

0.036

(0.036)

0.005

(0.030)

0.076

588

Kvasikausalitet

Alene

-0.015

(0.024)

-0.014

(0.017)

-0.019

(0.031)

-0.005

(0.030)

-0.031

(0.023)

-0.039

(0.031)

0.008

(0.022)

-0.012

(0.020)

-0.022

(0.032)

0.069

674

Kvasikausalitet

Samlet

-0.002

(0.029)

-0.013

(0.015)

-0.002

(0.033)

0.008

(0.031)

-0.028

(0.023)

-0.034

(0.033)

0.023

(0.020)

-0.006

(0.019)

-0.013

(0.028)

0.082

674

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Alene = Hver arbejdsmiljøindikator er analyseret for sig og med forklarende virksomhedsvariabler.

Samlet = Alle ni arbejdsmiljøindikatorer er analyseret samlet og med forklarende virksomhedsvariabler.

Forløbsanalyser for de ni arbejdsmiljøindikatorer inden for hver af de fire hovedbranchegrupper viser nogle

markante forskelle, der nuancerer de sammenhænge, som findes i hovedanalyserne på tværs af alle

brancher.

Hovedbranchegruppe ’Industri, råstof og forsyning’ viser praktisk talt ingen statistisk signifikante

sammenhænge i forløbsundersøgelserne. Dog synes hovedbranchegruppe ’Industri, råstof og forsyning’ at

bidrage til den negative kausale sammenhæng mellem ændring i indflydelse og ændring i produktivitet.

På tværs af alle brancher ses en positiv omvendt kausal sammenhæng mellem ændring i virksomhedens

prioritering af arbejdsmiljøet og ændring i produktivitet. Denne sammenhæng synes helt overvejende, at

bæres af hovedbranchegruppe ’Handel og transport’.

Hovedbranchegruppe ’Bygge og anlæg’ viser både negativ kausal sammenhæng mellem ændring i

kvantitative krav og ændring i produktivitet, og positiv omvendt kausalitet mellem ændring i produktivitet

og ændring i kvantitative krav. Negativ omvendt kausalitet mellem ændring i produktivitet og ændring i

kvantitative krav ses i hovedbranchegruppe ’Erhvervsservice’.

I den samlede regressionsmodel ses i hovedbranchegruppe ’Bygge og anlæg’ positiv kausal sammenhæng

mellem ændring i ledelseskvalitet og ændring i produktivitet. I hovedbranchegruppe ’Erhvervsservice’ ses

tegn på positiv omvendt kausal sammenhæng mellem ændring i produktivitet og ændring i ledelseskvalitet.

Den stærke positive kausale sammenhæng mellem ændring i oplevelse af fysisk anstrengelse i arbejdet og

ændring i produktivitet, der ses på tværs af alle brancher, synes i høj grad at bæres af hovedbranchegruppe

’Bygge og anlæg’ og hovedbranchegruppe ’Handel og transport’. Endvidere bidrager hovedbranchegruppe

’Industri, råstof og forsyning’ til den positive kvasikausale sammenhæng mellem ændring i oplevelse af

fysisk anstrengelse og ændring i produktivitet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Hovedbranchegruppe ’Erhvervsservice’ afviger fra de andre tre hovedbranchegrupper ved at vise

sammenhænge, der ikke ses på tværs af alle brancher. Ændring i rolleklarhed viser statistisk signifikant

negativ kausal sammenhæng med ændring i produktivitet og statistisk signifikant positiv omvendt kausal

sammenhæng med ændring i produktivitet. Tilsvarende viser ændring i kollegial støtte negativ kausal

sammenhæng og positiv omvendt kausal sammenhæng med ændring i produktivitet.

Resultaterne for forløbsanalyser for de fire arbejdsmiljøfaktorer er summeret i tabel 4.6.3.5. til 4.6.3.8.

Tabel 4.6.3.5.

Sammendrag af forløbsanalyser for arbejdsmiljøfaktorer - Industri, råstof og forsyning

Kvasikausalitet

Kausalitet

Omvendt

Samlet

0.018

-0.012

0.002

Ledelsesfaktor

(0.016)

(0.015)

-0.013

0.018

-0.016

Indflydelse- og relationsfaktor

(0.017)

(0.016)

(0.015)

0.009

-0.014

Sikkerhed- og forebyggelseskulturfaktor

(0.014)

(0.016)

(0.020)

0.006

-0.006

-0.003

Tidspresfaktor

(0.017)

(0.018)

Konstant

7.164***

5.812***

6.441***

(0.513)

(0.487)

(0.578)

0.16

0.065

0.113

1.260

1.236

1.302

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tabel 4.6.3.6.

Sammendrag af forløbsanalyser for arbejdsmiljøfaktorer - Bygge og anlæg

Kvasikausalitet

Kausalitet

Omvendt

Samlet

0.014

-0.009

Ledelsesfaktor

(0.017)

(0.029)

(0.025)

-0.024

0.013

-0.018

Indflydelse- og relationsfaktor

(0.023)

(0.034)

(0.027)

0.025

0.013

Sikkerhed- og forebyggelseskulturfaktor

(0.019)

(0.030)

(0.023)

-0.051**

0.075*

-0.059

Tidspresfaktor

(0.022)

(0.041)

(0.036)

0.178

0.216

0.27

448

426

464

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 4.6.3.7.

Sammendrag af forløbsanalyser for arbejdsmiljøfaktorer - Handel og transport

Kvasikausalitet

Kausalitet

Omvendt

Samlet

-0.01

0.017

-0.005

Ledelsesfaktor

(0.017)

(0.013)

(0.014)

-0.009

-0.006

0.019*

Indflydelse- og relationsfaktor

(0.012)

(0.011)

-0.023*

0.019*

-0.02

Sikkerhed- og forebyggelseskulturfaktor

(0.014)

(0.010)

(0.012)

-0.01

0.001

-0.022

Tidspresfaktor

(0.013)

(0.014)

(0.015)

0.147

0.057

0.113

1.586

1.528

1.646

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tabel 4.6.3.8.

Sammendrag af forløbsanalyser for arbejdsmiljøfaktorer - Erhvervsservice

Kvasikausalitet

Kausalitet

Omvendt

Samlet

-0.037*

0.039

-0.006

Ledelsesfaktor

(0.022)

(0.026)

(0.030)

-0.034*

0.050**

-0.028

Indflydelse- og relationsfaktor

(0.019)

(0.022)

(0.027)

0.013

0.018

-0.02

Sikkerhed- og forebyggelseskulturfaktor

(0.015)

(0.029)

(0.021)

-0.004

-0.024

-0.02

Tidspresfaktor

(0.023)

(0.025)

(0.032)

0.156

0.06

0.075

636

588

674

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

I hovedbranchegruppe ’Bygge og anlæg’ viser ændring i ’Tidspresfaktor’ statistisk signifikant negativ kausal

sammenhæng og statistisk signifikant positiv omvendt kausal sammenhæng med ændring i produktivitet.

I hovedbranchegruppe ’Handel og transport’ viser ændring i ’Sikkerheds- og forebyggelseskulturfaktor’

statistisk signifikant negativ kausal sammenhæng og statistisk signifikant positiv omvendt kausal

sammenhæng med ændring i produktivitet.

I hovedbranchegruppe ’Erhvervsservice’ viser ændring i ’Indflydelse- og relationsfaktor’ statistisk signifikant

negativ kausal sammenhæng og statistisk signifikant positiv omvendt kausal sammenhæng med ændring i

produktivitet. Endvidere viser ændring i ’Ledelsesfaktor’ statistisk signifikant negativ kausal sammenhæng

med ændring i produktivitet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

5 D

ISKUSSION

5.1. Sammenhæng mellem ni arbejdsmiljøindikatorer og

produktivitet

Virksomhedens prioritering af arbejdsmiljøet

Samlet peger et konsistent billede i tværsnitsanalyser og forløbsanalyser på, at der er statistisk signifikant

sammenhæng mellem virksomhedens prioritering af arbejdsmiljøet og produktivitet.

EU-OSHA advokerer for en positiv sammenhæng mellem prioritering af arbejdsmiljøet og produktivitet og

vækst (https://osha.europa.eu/en/themes/good-osh-is-good-for-business). En undersøgelse fra 2012

konkluderer, at investering i forebyggelse på arbejdsmiljøområdet kan betale sig, og at virksomheder i

gennemsnit kan forvente at få deres investering tilbage 2,2 gange (Bräunig & Kohtall 2012). Endvidere viste

en undersøgelse blandt topledere i danske virksomheder, at 92 % mener, at et godt arbejdsmiljø er

afgørende for, at virksomheden når dens økonomiske mål. Ca. 1/3 angiver, at den vigtigste grund til at sikre

et godt arbejdsmiljø er, at det giver positive resultater på bundlinjen (Industriens Branchearbejdsmiljøråd

2012). I modsætning hertil kunne Buhai, Cottini og Westergaard-Nielsen ikke påvise sammenhæng mellem

virksomhedens prioritering af arbejdsmiljøet og produktivitet (Buhai et al. 2017).

I nærværende projekt antyder tværsnitsanalyserne, at det er muligt at påvise sammenhæng mellem

virksomhedens prioritering af arbejdsmiljøet og produktivitet. På tværs af alle brancher er sammenhængen

generelt positiv og statistisk signifikant. Tværsnitsanalyser inden for hver af de fire hovedbranchegrupper

viser den stærkeste sammenhæng i hovedbranchegruppe ’Industri, råstof og forsyning’ og

hovedbranchegruppe ’Erhvervsservice’. Tværsnitsanalyserne indikerer således, at der er en robust,

selvstændig sammenhæng mellem virksomhedens prioritering af arbejdsmiljøet og produktivitet, men

analyserne siger ikke noget om karakteren af (den underliggende forklaring på) eller retningen af denne

sammenhæng.

Forløbsanalyse af kausalitet på tværs af alle brancher viste ingen association mellem ændring i

virksomhedens prioritering af arbejdsmiljøet fra 2012 til 2014 og ændring i produktivitet fra 2013-2015, og

forløbsanalyser inden for de fire hovedbranchegrupper viser heller ikke kausal sammenhæng. En mulig

forklaring på denne uoverensstemmelse med tidligere undersøgelser kan være, at der måske kræves

længere tid for, at arbejdsmiljøforbedringer kan få positiv effekt på produktivitet, og at nærværende

projekts opfølgningstid (1 år) har været for kort.

Forløbsanalyse af omvendt kausalitet på tværs af alle brancher viser derimod positiv sammenhæng mellem

ændring i produktivitet fra 2010 til 2012 og ændring i virksomhedens prioritering af arbejdsmiljøet i 2012 til

2014. Den positive omvendt kausale sammenhæng skyldes især hovedbranchegruppe ’Handel og transport´

og hovedbranchegruppe ’Bygge og anlæg’. Sekundære forløbsanalyser viser, at den positive omvendt

kausale sammenhæng er knyttet til de virksomheder, der som udgangspunkt scorer lavt på prioritering af

arbejdsmiljøet i 2012. Resultatet indikerer, at virksomheder, der har vækst i produktivitet (fra 2010 til

2012), har tendens til i højere grad at prioritere arbejdsmiljøet i de efterfølgende år.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

På tværs af alle brancher ses en negativ kvasikausal sammenhæng mellem ændring i virksomhedens

prioritering af arbejdsmiljøet fra 2012 til 2014 og ændring i produktivitet fra 2012 til 2014. Dette resultat

indikerer, at øget prioritering af arbejdsmiljøet på den helt korte bane kan være associeret med faldende

produktivitet. Analyser af kvasikausalitet inden for hver af de fire hovedbranchegrupper viser, at den

negative sammenhæng især bæres af hovedbranchegruppe ’Bygge og anlæg’ og i mindre udtalt grad af

hovedbranchegruppe ’Handel og transport’. Sekundære forløbsanalyser på tværs af alle brancher viser, at

den negative kvasikausale sammenhæng helt overvejende er knyttet til de virksomheder, der som

udgangspunkt scorer højt på prioritering af arbejdsmiljøet i 2012. Dette resultat kan indikere, at ved et højt

udgangsniveau kan det være forbundet med store omkostninger at prioritere arbejdsmiljøet yderligere, og i

denne situation kan arbejdsmiljøforbedringer være forbundet med - måske midlertidig - lavere

produktivitet.

Sikkerhedskultur

Samlet viser analyserne et inkonsistent billede, og der synes ikke at være sammenhæng mellem

sikkerhedskultur og produktivitet, når der tages hensyn til betydningen af de andre

arbejdsmiljøindikatorer.

I tværsnitsanalyser på tværs af alle brancher er virksomhedens sikkerhedskultur generelt positivt og

statistisk signifikant associeret med produktivitet, når sikkerhedskultur indgår alene i regressionsmodellen.

Denne sammenhæng forsvinder dog, når sikkerhedskultur indgår sammen med de andre

arbejdsmiljøindikatorer i den fulde regressionsmodel, hvilket kan skyldes, at sikkerhedskultur er højt

korreleret med de andre arbejdsmiljøindikatorer. Tværsnitsanalyser i de fire hovedbranchegrupper tegner

ligeledes et inkonsistent billede. Resultatet indikerer, at der måske ikke er en selvstændig sammenhæng

mellem sikkerhedskultur og produktivitet, når der tages hensyn til betydningen af de andre

arbejdsmiljøindikatorer. Indikatoren for sikkerhedskultur er således måske udtryk for nogle af de samme

aspekter af arbejdsmiljøet, som de andre arbejdsmiljøindikatorer.

På tværs af alle brancher viste hverken forløbsanalyser af kausalitet, omvendt kausalitet eller

kvasikausalitet sammenhæng mellem ændring i sikkerhedskultur og ændring i produktivitet. Dette er i

overensstemmelse med forløbsanalyser af kausalitet, omvendt kausalitet og kvasikausalitet i de fire

hovedbranchegrupper.

En tidligere undersøgelse har fremhævet sammenhæng mellem sikkerhedskultur og økonomisk gevinst for

virksomhederne (Hinze 2000), men det har vi altså ikke kunnet eftervise i nærværende projekt. En simpel

og nærliggende forklaring herpå kan være, at ændringer fra 2012 til 2014 i virksomhedernes

sikkerhedskultur er meget små (se figur 4.0.1.), og at det derfor ikke har været muligt at vise en kausal

sammenhæng.

Kvantitative krav

Samlet peger et konsistent billede i tværsnitsanalyser på, at der er statistisk signifikant sammenhæng

mellem kvantitative krav og produktivitet. Forløbsanalyserne tegner et mere usikkert billede, og det er

uklart, om der er kausale sammenhænge mellem kvantitative krav og produktivitet.

Kvantitative krav er en grundpille i Karaseks krav-kontrol model, og flere undersøgelser har tidligere vist en

negativ sammenhæng mellem høj job strain (høje krav kombineret med lav kontrol) og produktivitet

(Karasek & Theorell 1990). Det er også vist en sammenhæng mellem kvantitative krav og langvarigt

sygefravær (Clausen et al. 2014), der ofte nævnes som et (indirekte) udtryk for tabt produktivitet. Som

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

udgangspunkt er der altså grund til at forvente en sammenhæng mellem kvantitative krav og produktivitet.

Ændring i kvantitative krav fra 2012 til 2014 viser en fordeling med to toppunkter (en negativ og en positiv

fordeling), og hvor kun en mindre andel af virksomhederne ikke viser en ændring (se figur 4.0.1.). Som

udgangspunkt er det altså rimeligt at forvente, at ændringer har været tilstrækkeligt store til, at det vil

være muligt at påvise en sammenhæng mellem ændring i kvantitative krav og ændring i produktivitet, hvis

en sammenhæng findes.

I alle tværsnitsanalyser er kvantitative krav på tværs af alle brancher negativt og som oftest statistisk

signifikant associeret med produktivitet. Tværsnitsanalyser inden for hver af de fire hovedbranchegrupper

tyder på, at den negative sammenhæng mellem kvantitative krav og produktivitet især skyldes

hovedbranchegruppe ’Handel og transport’. Tværsnitsanalyserne indikerer således, at der er en ganske

robust, selvstændig sammenhæng mellem kvantitative krav og produktivitet, men det skal fremhæves, at

selv om sammenhængen er negativ, siger analyserne ikke noget om karakteren af (den underliggende

forklaring på) eller retningen af denne sammenhæng.

Forløbsanalyse af kausalitet på tværs af alle brancher viste ingen association mellem ændring i kvantitative

krav fra 2012 til 2014 og ændring i produktivitet fra 2013-2015. Derimod viser forløbsanalyse af kausalitet i

hovedbranchegruppe ’Bygge og anlæg’ en negativ, statistisk signifikant sammenhæng. I

hovedbranchegruppe ’Bygge og anlæg’ er der således tendens til, at medarbejdernes oplevelse af øgede

kvantitative krav er associeret med efterfølgende øget produktivitet. I de tre andre hovedbranchegrupper

er der ikke tegn på kausal sammenhæng mellem ændring i kvantitative krav og ændring i produktivitet.

Sekundære forløbsanalyser viser positiv kausal sammenhæng mellem kvantitative krav og produktivitet i de

virksomheder, der som udgangspunkt i 2012 har det dårligste arbejdsmiljø mht. kvantitative krav.

Endvidere viser de sekundære forløbsanalyser en negativ kausal sammenhæng for de virksomheder, der

som udgangspunkt i 2012 har det bedste arbejdsmiljø mht. kvantitative krav. De sekundære forløbsanalyser

antyder således, at den kausale sammenhæng mellem kvantitative krav og produktivitet er afhængig af

virksomhedens udgangspunkt. Hvis arbejdsmiljøet mht. kvantitative krav som udgangspunkt er dårligt,

hænger en forbedring af arbejdsmiljøet positivt sammen med en forbedring af produktiviteten. Hvis

arbejdsmiljøet derimod som udgangspunkt er godt, hænger en yderligere forbedring sammen med

faldende produktivitet.

Forløbsanalyse af omvendt kausalitet på tværs af alle brancher viser ingen association mellem ændring i

produktivitet fra 2010 til 2012 og ændring i kvantitative krav fra 2012 til 2014. Forløbsanalyse af omvendt

kausalitet i de fire hovedbranchegrupper viser derimod markante forskelle. Hovedbranchegruppe ’Bygge og

anlæg’ viser en positiv omvendt kausalitet, hvor øget produktivitet fra 2010 til 2012 er associeret med

efterfølgende forbedring af arbejdsmiljøet (fald i kvantitative krav) fra 2012 til 2014. En negativ, statistisk

signifikant omvendt kausalitet ses i hovedbranchegruppe ’Erhvervsservice’, hvor øget produktivitet fra 2010

til 2012 er associeret med efterfølgende forværring af arbejdsmiljøet (stigning i kvantitative krav) fra 2012

til 2014. I de to andre hovedbranchegrupper ses ingen omvendt kausalitet mellem ændring i kvantitative

krav og ændring i produktivitet. Det kan således konkluderes, at kvantitative krav især hænger sammen

med produktivitet i hovedbranchegruppe ’Bygge og anlæg’, hvor der både er kausalitet og omvendt

kausalitet mellem ændring i kvantitative krav og ændring i produktivitet.

Endelig viser forløbsanalyse af kvasikausalitet på tværs af alle brancher, at ændring i kvantitative krav fra

2012 til 2014 er statistisk signifikant og negativt associeret med ændring i produktivitet fra 2012 til 2014.

Eftersom denne skala er blevet vendt, således at høje scorer svarer til lave kvantitative krav, indikerer dette

resultat, at øgede kvantitative krav er kortvarigt associeret med stigende produktivitet.

Det skal fremhæves, at de kvantitative krav i studiepopulation i gennemsnit er moderate, og mindre

ændringer i retning af, at medarbejdernes oplever lidt mere tidspres, behøver ikke at være skadelige, hvis

medarbejderne samtidigt oplever, at de har kontrol.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Ledelseskvalitet

Samlet tyder analyserne på, at der ikke er en selvstændig kausal sammenhæng mellem ledelseskvalitet og

produktivitet. Endvidere tyder analyserne på, at betydning af ledelseskvalitet kommer til udtryk gennem

de andre arbejdsmiljøindikatorer og gennem de virksomhedskarakteristika, der indgår i analyserne.

Det er ofte en grundlæggende antagelse, at ledelse hænger sammen med produktivitet, se fx

Produktivitetskommissionen 27. november 2012

”Effektiv ledelse og styring er en grundlæggende præmis

for øget produktivitet”.

Et tidligere projekt SaPPA, der var finansieret af Arbejdsmiljøforskningsfonden,

undersøgte sammenhæng mellem psykosocialt arbejdsmiljø og produktivitet i forskellige centre af Nykredit

(Edwards et al. 2014a, 2014b). Tre tværsnit med spørgeskemaundersøgelser viste stærk sammenhæng

mellem ledelseskvalitet og rentabilitet i alle tre år, men forløbsundersøgelser viste ingen kausale

sammenhænge. Resultatet blev underbygget af kvalitative undersøgelser, der viste, at især

centerdirektørens ledelsesstil havde indflydelse på centrets rentabilitet. Som udgangspunkt kan man

således forvente en sammenhæng mellem ledelseskvalitet krav og produktivitet.

Ændring i ledelseskvalitet fra 2012 til 2014 viser en fordeling med to toppunkter (en negativ og en positiv

fordeling) (Se figur 4.0.1.). Det er altså rimeligt at forvente, at ændringer har været tilstrækkeligt store til, at

det vil være muligt at påvise en sammenhæng mellem ændring i ledelseskvalitet og ændring i produktivitet,

hvis en sammenhæng findes.

I alle tværsnitsanalyser er ledelseskvalitet på tværs af alle brancher positiv og som oftest statistisk

signifikant associeret med produktivitet, når ledelseskvalitet indgår alene i regressionsmodellen. Når

ledelseskvalitet indgår sammen med de andre arbejdsmiljøindikatorer i den samlede regressionsmodel,

viser tværsnitsanalyser generelt en væsentligt mindre, og statistisk ikke-signifikant positiv association med

produktivitet. Tværsnitsanalyser inden for de fire hovedbranchegrupper viser en varieret og inkonsistent

sammenhæng mellem ledelseskvalitet og produktivitet. Tværsnitsresultaterne indikerer således, at der ikke

er en selvstændig sammenhæng mellem ledelseskvalitet og produktivitet, når der tages hensyn til

betydningen af de andre arbejdsmiljøindikatorer. En forklaring kan være, at ledelseskvalitet er et

overordnet koncept, og at ledelse i praksis kommer til udtryk i ledelsesadfærd og handlinger, der har stor

betydning for de andre arbejdsmiljøindikatorer. I tråd hermed viser ledelseskvalitet høj korrelation med

flertallet af de andre arbejdsmiljøindikatorer (se appendiks 2).

Det springer også i øjnene, at ledelseskvalitet viser positiv, statistisk signifikant kausal sammenhæng i den

”rå” regressionsmodel, men ikke i den fulde regressionsmodel, hvor forløbsanalyser på tværs af alle

brancher hverken viser kausal, omvendt kausal eller kvasikausal sammenhæng. En forklaring herpå kan igen

være, at ledelseskvalitet er et overordnet koncept, og at positive effekter af ledelseskvalitet på

produktivitet medieres af, at ledelseskvalitet også kommer til udtryk i flere af de

virksomhedsdeterminanter af produktivitet, der justeres for i den fulde regressionsmodel (fx

medarbejdernes uddannelsesniveau, omfang af virksomhedens eksport, investeringer i teknologi etc.). Det

kan dog også være, at en eller flere af virksomhedsdeterminanterne både påvirker opfattelsen af

ledelseskvaliteten og produktivitet.

I forløbsanalyser inden for de fire hovedbranchegrupper, er der i hovedbranchegruppe ’Bygge og anlæg’

tendens til positiv kausal sammenhæng mellem ændring i ledelseskvalitet fra 2012 til 2014 og ændring i

produktivitet fra 2013 til 2015. Endvidere er der i hovedbranchegruppe ’Erhvervsservice’ tendens til positiv

omvendt kausal sammenhæng mellem ændring i produktivitet fra 2010 til 2012 og ændring i

ledelseskvalitet fra 2012 til 2014. Sekundære forløbsanalyser tyder ikke på, at virksomhedens

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

udgangsniveau af ledelseskvalitet i 2012 har betydning for, om der er kausal eller omvendt kausal

sammenhæng mellem ændring i ledelseskvalitet og ændring i produktivitet.

Samlet tyder projektets resultater på, at ledelseskvalitet ikke hænger selvstændigt kausalt sammen med

produktivitet, men at der dog kan være svag positiv kausalitet mellem ændring i ledelseskvalitet og ændring

i produktivitet inden for hovedbranchegruppe ’Bygge og anlæg’. Her kan det dog ikke udelukkes, at denne

sammenhæng er et tilfældigt resultat af multiple test. Den manglende tydelige, direkte sammenhæng kan

forekomme overraskende, fordi en sammenhæng mellem ledelseskvalitet og produktivitet tidligere er

blevet fremhævet af bl.a. Produktivitetskommissionen.

Det ligger udenfor rammerne af nærværende projekt nærmere at analysere mulige årsager til det

overraskende resultat, men flere forhold bør tages i betragtning. Som allerede nævnt er det tænkeligt, at

ledelseskvalitet er et overordnet koncept, og at ledelseskvalitet i praksis kommer til udtryk bl.a. gennem de

andre arbejdsmiljøindikatorer og igennem de virksomhedsdeterminanter af produktivitet, der justeres for i

den fulde regressionsmodel. Høj ledelseskvalitet kan fx afspejle sig i, at antallet af ansatte stiger, at der

generelt ansættes mere erfarne og bedre uddannede medarbejdere, at virksomheden satser mere på

eksport, at virksomheden investerer stærkere i ny teknologi osv. Når ledelseskvalitet er stærkt korreleret

både med de andre arbejdsmiljøindikatorer og med virksomhedsdeterminanter af produktivitet, vil effekter

af ledelseskvalitet på produktivitet blive justeret væk i den fulde regressionsmodel.

Den fremtrædende amerikanske management ekspert Gary Hamel har inden for de seneste år advokeret

stærkt for, at traditionel, hierarkisk ledelse kan være kontraproduktiv, fordi de mange ledelseslag bruger

ressourcer, der ikke bliver anvendt i den direkte produktion. I store virksomheder kan dette udgøre op til

33 % af de samlede lønudgifter (Gary Hamel 2011; 2012). Gary Hamel argumenterer, at moderne

succesfulde og produktive virksomheder i stedet er kendetegnet ved en høj grad af

medarbejderinvolvering, der kommer til udtryk ved betydelig selvledelse i forhold til at løse egne opgave

samt ved betydelig indflydelse på/ansvar for, at egne kompetencer anvendes fuldt ud. Ud fra denne

argumentation er det muligt, at de otte spørgsmål om ledelseskvalitet, der anvendes i AH2012 og AH2014,

ikke i tilstrækkelig grad belyser, om virksomhedens ledelse understøtter selvledelse. De otte spørgsmål

hænger næppe sammen med selvledelse på en entydig måde.

Rolleklarhed

Samlet tyder analyserne ikke på en sammenhæng mellem rolleklarhed og produktivitet.

Høj grad af rolleklarhed har stor betydning for, om en medarbejder trives i arbejdet (Clausen & Borg 2011).

Tidligere undersøgelser viser også, at en lav grad af rolleklarhed i form af usikkerhed om jobbets indhold,

ansvarsområder og modsatrettede forventninger til udførelsen af arbejdet øger risikoen for stress

(Albertsen et al. 2010) og udbrændthed (Borritz et al. 2005). Lav rolleklarhed i form af oplevelsen af

modsatrettede forventninger til opgaveløsningen øger risikoen for langvarigt sygefravær (Rugulies et al.

2010). På baggrund af den eksisterende viden er der således grund til at antage, at der er positiv

sammenhæng mellem rolleklarhed og produktivitet.

Ændring i rolleklarhed fra 2012 til 2014 viser en fordeling med to toppunkter (en negativ og en positiv

fordeling), og kun en begrænset andel af virksomhederne viser ingen ændring (se figur 4.0.1.). Der er

således også grund til at formode, at en sammenhæng mellem ændring i rolleklarhed og ændring i

produktivitet vil kunne påvises i projektets studiepopulation, såfremt en sammenhæng findes.

I nærværende projekt viser tværsnitsanalyser hverken i den ”rå” regressionsmodel eller i den fulde

regressionsmodel sammenhæng mellem rolleklarhed og produktivitet. Selv om tværsnitsanalyser i

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

hovedbranchegruppe ’Bygge og anlæg’ tyder på en relativt stor og positivt sammenhæng mellem

rolleklarhed og produktivitet, konkluderer vi, at det generelt ikke i projektet er muligt at påvise en

sammenhæng mellem rolleklarhed og produktivitet.

Denne konklusion understøttes af hovedanalyserne på tværs af alle brancher, hvor rolleklarhed ikke

hænger sammen med ændring i produktivitet, hverken i analyser af kausalitet, omvendt kausalitet eller

kvasikausalitet. Det samme gælder for forløbsanalyserne for hovedbranchegrupperne, undtagen

Erhvervsservice, hvor der findes en positiv signifikant omvendt kausalitet. Det kan dog ikke udelukkes, at

denne sammenhæng er et tilfældigt resultat af multiple test.

Samlet konkluderer vi, at rolleklarhed generelt ikke viser sammenhæng med produktivitet.

Indflydelse

Samlet viser tværsnitsanalyserne ikke en sammenhæng mellem indflydelse og produktivitet, når der tages

hensyn til betydningen af de andre arbejdsmiljøindikatorer. Derimod tyder forløbsanalyserne på en

(negativ) kausal sammenhæng mellem indflydelse og produktivitet.

Talrige undersøgelser har dokumenteret, at indflydelse kan have stor betydning for produktivitet.

Indflydelse på arbejdet er en vigtig del af kontrolelementet i Karaseks Krav-Kontrol model, hvor høje krav

kombineret med lav kontrol (indflydelse) hænger sammen med lav produktivitet (Karasek & Theorell 1990).

I Tage Søndergaard Kristensens litteraturgennemgang for HK/Danmark angives sammenhæng mellem

psykosocialt arbejdsmiljø og produktivitet at være medieret af indflydelse i flere af de fremhævede

eksempler (Kristensen 2010). Indflydelse viser indirekte sammenhæng med produktivitet ved, at indflydelse

også har stort betydning for jobtilfredshed (Miller & Monge 1986; Andersen et al. 2017), og lav indflydelse

er stærkt associeret med langvarigt sygefravær (Clausen et al. 2012, 2014). Der er således god grund til at

antage, at der er positiv sammenhæng mellem indflydelse og produktivitet.

Når indflydelse indgår alene i regressionsmodellen ses i tværsnitsanalyser generelt en statistisk signifikant,

positiv sammenhæng med produktivitet, men indflydelse viser ingen sammenhæng med produktivitet i

tværsnitsanalyser, når alle arbejdsmiljøindikatorer indgår i den fulde regressionsmodel. Tværsnitsanalyser

inden for hver af de fire hovedbranchegrupper viser generelt ingen statistisk signifikante sammenhænge.

Samlet set indikerer resultater af tværsnitsanalyser, at der ikke er en selvstændig sammenhæng mellem

indflydelse og produktivitet, når der tages hensyn til betydningen af de andre arbejdsmiljøindikatorer.

I forløbsanalyser af kausalitet viser ændring i indflydelse fra 2012 til 2014 en negativ, statistisk signifikant

sammenhæng med ændring i produktivitet fra 2013 til 2015, mens forløbsanalyser af omvendt kausalitet

og kvasikausalitet ikke viser sammenhæng mellem ændring i indflydelse og ændring i produktivitet.

Sekundære forløbsanalyser viser, at den negative kausale sammenhæng især er knyttet til virksomheder,

der som udgangspunkt har middel eller høj indflydelse i 2012. En fortolkning kan være, at ved et højt

udgangsniveau af indflydelse i 2012 kan det være forbundet med store omkostninger at forbedre

indflydelse yderligere, og derfor kan forbedringer af indflydelse, når udgangsniveauet er middel eller højt,

være forbundet med lavere produktivitet. Endvidere viser sekundære forløbsanalyser en positiv omvendt

kausal sammenhæng mellem ændring i indflydelse og ændring i produktivitet, når virksomhedernes

udgangsniveau af indflydelse var lavt i 2012, og en negativ omvendt kausal sammenhæng, når

udgangsniveauet var højt i 2012. En mulig fortolkning kan være, at virksomheder, der forbedrer

produktiviteten fra 2010 til 2012, efterfølgende bruger ressourcer på at forbedre medarbejdernes oplevelse

af indflydelse, hvis udgangspunktet af indflydelse er lavt i 2012, men at virksomhederne ikke efterfølgende

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

har samme opmærksomhed på medarbejdernes oplevelse af indflydelse, hvis udgangsniveauet allerede i

2012 er højt.

Forløbsanalyser af sammenhænge mellem ændring i indflydelse og ændring i produktivitet i de fire

hovedbranchegrupper viser nogle forskelle. Hovedbranchegruppe ’Industri, råstof og forsyning’ viser

statistisk signifikant (eller boarderline signifikant) negativ kausalitet mellem ændring i indflydelse fra 2012

til 2014 og ændring i produktivitet fra 2013 til 2015. Ingen af de tre andre hovedbranchegrupper viser tegn

på kausalitet mellem ændring i indflydelse og ændring i produktivitet, og ingen af de fire

hovedbranchegrupper viser tegn på omvendt kausalitet. I analyser af kvasikausalitet viser

hovedbranchegruppe ’Transport og handel’ en positiv og statistisk signifikant sammenhæng mellem

ændring i indflydelse fra 2012 til 2014 og ændring i produktivitet fra 2012 til 2014.

En simpel forklaring på, at sammenhæng mellem indflydelse og produktivitet er usikker i nærværende

projekt kan være knyttet til, at ændringer fra 2012 til 2014 i medarbejdernes oplevelse af indflydelse er

meget små, og en stor andel af virksomhederne viser slet ingen ændring (se figur 4.0.1.). Det er tænkeligt,

at ændringerne har været for små til, at det har været muligt at påvise sammenhænge mellem indflydelse

og produktivitet, og at mere tydelige sammenhænge måske kan påvises, hvis der gennemføres

undersøgelser med en længere opfølgningsperiode.

Retfærdighed

Samlet tegner tværsnitsanalyserne et konsistent billede af en negativ sammenhæng mellem retfærdighed

og produktivitet, når der tages hensyn til betydningen af de andre arbejdsmiljøindikatorer. Derimod viser

forløbsanalyserne ingen kausal sammenhæng mellem retfærdighed og produktivitet.

Flere studier viser direkte (Karriker & Williams 2009) eller indirekte (Johns 2001) sammenhæng mellem

retfærdighed og produktivitet. Retfærdighed indgår også som et af tre nøglebegrebet i Arbejdsmiljørådets

definition af virksomhedens sociale kapital, og hvidbogen om virksomhedens sociale kapital refererer til

flere kilder, der fremhæver positiv sammenhæng mellem retfærdighed og produktivitet (Olesen et al.

2008). Der er således god grund til at antage, at der er positiv sammenhæng mellem retfærdighed og

produktivitet.

Tværsnitsanalyser viser ingen sammenhæng mellem retfærdighed og produktivitet, når retfærdighed

indgår alene i regressionsmodellen (Tabel 4.3.1.1.). Når alle arbejdsmiljøindikatorer indgår i

tværsnitsanalyser i den samlede model, ses derimod en ganske udtalt negativ og statistisk signifikant

sammenhæng mellem retfærdighed og produktivitet (Tabel 4.4.1.1.). Den negative sammenhæng mellem

retfærdighed og produktivitet ses generelt også i tværsnitsanalyser i hver af de fire hovedbranchegrupper,

idet hovedbranchegruppe ’Bygge og anlæg’ dog ikke viser statistisk signifikant sammenhæng i den fulde

regressionsmodel. Samlet bedømmer vi, at den negative sammenhæng mellem retfærdighed og

produktivitet i tværsnitsanalyser i den samlede regressionsmodel er robust. Resultatet kan dog skyldes den

høje korrelation mellem arbejdsmiljøindikatorerne.

I forløbsanalyser på tværs af alle brancher hænger ændring i retfærdighed ikke sammen med ændring i

produktivitet, hverken i analyser af kausalitet, omvendt kausalitet eller kvasikausalitet. Det samme gør sig

stort set gældende for forløbsanalyser inden for de fire hovedbranchegrupper. De supplerende

forløbsanalyser tyder heller ikke på, at udgangsniveauet af oplevelse af retfærdighed i 2012 har betydning

for eventuel sammenhæng mellem retfærdighed og produktivitet.

En simpel forklaring på, at kausal sammenhæng mellem retfærdighed og produktivitet ikke kan påvises i

nærværende projekt kan være knyttet til, at ændringer fra 2012 til 2014 i medarbejdernes oplevelse af

retfærdighed er små, og en væsentlig andel af virksomhederne slet ikke viser ændring (se figur 4.0.1.). Det

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

er muligt, at ændringerne har været for små til, at det har været muligt at påvise kausale sammenhænge

mellem retfærdighed og produktivitet, og at mere tydelige sammenhænge måske vil kunne påvises, hvis

der gennemføres undersøgelser med en længere opfølgningsperiode.

Kollegial støtte

Samlet tyder analyserne ikke på en sammenhæng mellem kollegial støtte og produktivitet.

En meta-analyse viser en sammenhæng mellem kollegial støtte og produktivitet (Chiaburu & Harrison

2008), og kollegial støtte er vist at kunne øge den enkelte medarbejders indflydelse (selvbestemmelse) i

arbejdsteams (van Mierlo et al. 2006). Der er således grund til at antage en positiv sammenhæng mellem

kollegial støtte og produktivitet.

I tværsnitsanalyser på tværs af alle brancher viser kollegial støtte ingen sammenhæng med produktivitet,

hverken når kollegial støtte analyseres i den ”rå” regressionsmodel eller i den fulde regressionsmodel. Selv

om tværsnitsanalyser i de fire hovedbranchegrupper viser enkelte sammenhænge, konkluderer vi, at

tværsnitsanalyserne ikke tyder på, at det er muligt at påvise sammenhænge mellem kollegial støtte og

produktivitet.

Denne konklusion understøttes af hovedanalyserne, der kun viser en svag positiv, statistisk signifikant

omvendt kausal sammenhæng mellem ændring i produktivitet og ændring i kollegial støtte. Det er muligt,

at denne sammenhæng er et tilfældigt resultat af multiple test. Der kan ikke vises hverken kausal eller

kvasikausal sammenhæng mellem ændring i kollegial støtte og ændring i produktivitet.

Hovedanalyser i de fire hovedbranchegrupper viser generelt ikke tegn på kausalitet, omvendt kausalitet

eller kvasikausalitet mellem ændring i kollegial støtte og ændring i produktivitet.

Samlet viser nærværende projekt ingen positiv kausal sammenhæng mellem kollegial støtte og

produktivitet. Derimod tyder analyserne på en svag omvendt kausalitet, således at forbedret produktivitet

fra 2010 til 2012 fører til efterfølgende forbedring i kollegial støtte fra 2012 til 2014. En simpel forklaring

på, at nærværende projekt ikke har kunne påvise en positiv kausal sammenhæng mellem ændring i

kollegial støtte og ændring i produktivitet kan være knyttet til, at ændringer fra 2012 til 2014 i kollegial

støtte er meget små, og en stor andel af virksomhederne viser slet ingen ændring (se figur 4.0.1.). Det er

tænkeligt, at ændringerne har været for små til, at det har været muligt at påvise sammenhænge mellem

kollegial støtte og produktivitet, og at mere tydelige sammenhænge måske vil kunne påvises, hvis der

gennemføres undersøgelser med en længere opfølgningsperiode.

Fysisk anstrengende arbejde

Samlet viser tværsnitsanalyser og forløbsanalyser et konsistent billede af en statistisk signifikant

sammenhæng mellem medarbejdernes oplevelse af fysisk anstrengende arbejde og produktivitet.

I det oprindelige nordiske projekt (Foldspang et al. 2014) blev anvendt et fysisk arbejdsmiljøindeks, der var

baseret på 11 spørgsmål i NAK2005 og NAK2010. Disse spørgsmål omhandlede især arbejdsstillinger og

tunge løft, men også udsættelse for støj, vibrationer og kemiske eksponeringer. Selv om indekset var

relativt upræcist, og hvert enkelt spørgsmål i indekset kun var relevant for et lille andel af virksomhederne,

var indekset i tværsnitsanalyser signifikant positivt associeret med virksomhedens produktivitet, også når

en række andre forklarende virksomhedsvariabler indgik i regressionsmodellen.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

I nærværende projekt har vi i stedet valgt at anvende et enkelt spørgsmål om oplevet fysisk anstrengelse i

arbejdet, fordi dette spørgsmål forventes at være relevant for alle virksomheder på tværs af brancher.

Ændring i oplevelse af fysisk anstrengelse i arbejdet fra 2012 til 2014 viser en skæv normalfordeling med en

svag overvægt af positive ændringer (se figur 4.0.1.). Spredningen er relativt stor, og det er rimeligt at

forvente, at ændringerne har været tilstrækkeligt store til, at det vil være muligt at påvise en sammenhæng

mellem ændring i oplevelse af fysisk anstrengelse i arbejdet og ændring i produktivitet, hvis en

sammenhæng findes.

I tværsnitsanalyser er oplevelse af fysisk anstrengelse i arbejdet positivt og statistisk signifikant associeret

med produktivitet i den fulde regressionsmodel. Tværsnitsanalyser i hver de fire hovedbranchegrupper

viser, at den positive sammenhæng mellem oplevelse af fysisk anstrengelse i arbejdet og produktivitet især

bæres af hovedbranchegruppe ’Handel og transport’ og hovedbranchegruppe ’Erhvervsservice’. Vi

konkluderer, at den stærke, positive sammenhæng mellem oplevelse af fysisk anstrengelse i arbejdet og

produktivitet i tværsnitsanalyser er særdeles robust og troværdig.

Hovedanalyserne viser, ar der er en statistisk signifikant og positiv kausal sammenhæng mellem ændring i

oplevelse af fysisk anstrengelse i arbejdet og ændring i produktivitet. Tilsvarende viser forløbsanalyser af

kvasikausalitet en positiv, statistisk signifikant sammenhæng, når alle arbejdsmiljøindikatorer indgår i den

samlede regressionsmodel. Forløbsanalyser af omvendt kausalitet viser ingen sammenhæng mellem

ændring i produktivitet og ændring i oplevelse af fysisk anstrengelse i arbejdet. Disse resultater

understøttes af sekundære forløbsanalyser, der viser, at den positive kausale sammenhæng og den positive

kvasikausale sammenhæng er knyttet til virksomheder, hvor medarbejderne som udgangspunkt i 2012

oplever høj fysisk anstrengelse i arbejdet (bemærk, at skalaen er blevet vendt, således at høj anstrengelse

svarer til lav skalaværdi).

Forløbsanalyser inden for de fire hovedbranchegrupper viser markante forskelle. Hovedbranchegruppe

’Bygge og anlæg’ og hovedbranchegruppe ’Handel og transport’ viser positiv og statistisk signifikant kausal

sammenhæng mellem ændring i oplevelse af fysisk anstrengelse i arbejdet og ændring i produktivitet.

Hovedbranchegruppe ’Bygge og anlæg’ viser også positiv og statistisk signifikant kvasikausal sammenhæng.

Positiv og statistisk signifikant kvasikausalitet findes også i hovedbranchegruppe ’Industri, råstof og

forsyning’. Hovedbranchegruppe ’Erhvervsservice’ viser ingen statistisk signifikante kausale, omvendt

kausale eller kvasikausale sammenhænge.

Samlet set viser hovedanalyserne, at blandt de ni arbejdsmiljøindikatorer viser oplevelse af fysisk

anstrengelse den stærkeste og mest konsistente, positive kausale sammenhæng med produktivitet, og den

kausale sammenhæng er især knyttet til virksomheder, hvor medarbejderne som udgangspunkt i 2012

oplever høj fysisk anstrengelse i arbejdet. I alle analyser er skalaen for oplevelse af fysisk anstrengelse i

arbejdet blevet vendt, således at højere værdier svarer til, at arbejdet opleves mindre fysisk anstrengende.

Den positive kausale sammenhæng betyder altså, at virksomheder, der i perioden 2012 til 2014 har

reduceret medarbejdernes oplevelse af fysisk anstrengelse i arbejdet fra et oprindelig højt niveau af

oplevet fysisk anstrengelse i 2012 efterfølgende, har større tendens til at opnå forbedret produktivitet fra

2013 til 2015. Dette resultat er i fin overensstemmelse med det oprindelige nordiske projekt (Foldspang et

al. 2014), hvor det anvendte indeks for fysisk arbejdsmiljø var positivt korreleret med produktivitet i

tværsnitsanalyser. Sammenhængen er også i tråd med en ny undersøgelse, hvor data fra NAK2010 blev

anvendt til at vise, at jobtilfredshed stiger, når fysisk anstrengelse i arbejdet falder. Jobtilfredshed er i andre

undersøgelser vist at hænge sammen med produktivitet (Andersen et al. 2017).

Nærværende projekt giver ikke mulighed for detaljerede undersøgelser af, hvorfor oplevelse af fysisk

anstrengelse i arbejdet er reduceret i nogle virksomheder. Det er tænkeligt, at dette i nogle tilfælde dækker

over, at virksomhederne har investeret i ny teknologi (automatisering), der reducerer omfanget af manuelt

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

arbejde. Andre mulige forklaringer kan være, at virksomhederne har indført nye og mere produktive måder

at organisere og fordele arbejdet. Der kan være et stort potentiale i at opnå mere detaljeret viden om,

hvordan virksomheder i praksis kan opnå øget produktivitet gennem at reducere medarbejdernes oplevelse

af fysisk anstrengelse i arbejdet.

5.2. Sammenhæng mellem fire arbejdsmiljøfaktorer og

produktivitet

På tværs af alle brancher viser to af de fire arbejdsmiljøfaktorer (Sikkerheds- og forebyggelseskulturfaktor

og Tidspresfaktor) statistisk signifikant sammenhæng med produktivitet i tværsnitsanalyser. Der er tydelige

forskelle mellem de fire hovedbranchegrupper. I hovedbranchegruppe ’Industri, råstof og forsyning’ viser

ingen af de fire arbejdsmiljøfaktorer statistisk signifikant sammenhæng med produktivitet. I

hovedbranchegruppe ’Bygge og anlæg’ viser Ledelsesfaktor positiv (og i flere tilfælde statistisk signifikant)

sammenhæng med produktivitet. I hovedbranchegruppe ’Handel og transport’ viser ’Sikkerheds- og

forebyggelseskulturfaktor’ og (i mindre grad) ’Indflydelse- og relationsfaktor’ positiv sammenhæng med

produktivitet, mens ’Tidspresfaktor’ er negativt associeret med produktivitet.

De fire arbejdsmiljøfaktorer viser generelt ikke statistisk signifikant sammenhæng med produktivitet i

hovedanalyser på tværs af brancher. Dog viser ’Tidspresfaktor’ – i overensstemmelse med

tværsnitsanalyserne - statistisk signifikant negativt kvasikausal sammenhæng med ændring i produktivitet.

Imidlertid viser hovedanalyser i hver af de fire hovedbranchegrupper markante forskelle. I

hovedbranchegruppe ’Bygge og anlæg’ viser ændring i ’Tidspresfaktor’ negativ kausal sammenhæng og

positiv omvendt kausal sammenhæng med ændring i produktivitet. I hovedbranchegruppe ’Handel og

transport’ viser ændring i ’Sikkerheds- og forebyggelseskulturfaktor’ negativ kausal sammenhæng og positiv

omvendt kausal sammenhæng med ændring i produktivitet. I hovedbranchegruppe ’Erhvervsservice’ viser

ændring i ’Indflydelse- og relationsfaktor’ negativ kausal sammenhæng og positiv omvendt kausal

sammenhæng med ændring i produktivitet. Endvidere viser ændring i ’Ledelsesfaktor’ negativ kausal

sammenhæng med ændring i produktivitet.

Det er bemærkelsesværdigt, at alle påviste statistisk signifikante sammenhænge har samme retning.

Negativ kausal sammenhæng kan måske hænge sammen med, at analyserne er baseret på kort

opfølgningstid (et år). Det er teoretisk muligt, at investeringer i at forbedre arbejdsmiljøet på kort sigt ikke

kan tjene sig selv ind, men at en gevinst i øget produktivitet kan opnås på længere sigt. I modsætning hertil

er analyser af omvendt kausal sammenhæng baseret på længere opfølgningstid (2 år), og her indikerer

resultaterne at virksomheder, der forbedrer produktiviteten, efterfølgende forbedrer arbejdsmiljøet.

Samlet viser analyserne af de fire arbejdsmiljøfaktorer ikke stærkere eller mere konsistente sammenhænge

med produktivitet end de ni arbejdsmiljøindikatorer, og der synes således ikke – på tværs af alle brancher –

at være særlige fordele ved at anvende de fire arbejdsmiljøfaktorer. Dog viser de fire arbejdsmiljøfaktorer

markante forskelle mellem de fire hovedbranchegrupper, og det kan ikke udelukkes, at

arbejdsmiljøfaktorer kan videreudvikles til brugbare mål for kvaliteten af arbejdsmiljøet inden for udvalgte

brancher.

5.3. Metodeudvikling

I nærværende projekt er det lykkedes at videreudvikle metoder til at analysere sammenhænge mellem

indikatorer for kvaliteten af virksomheders arbejdsmiljø og produktivitet på tværs af brancher og inden for

udvalgte hovedbranchegrupper. Med de videreudviklede metoder har det for første gang været muligt at

gennemføre forløbsanalyser af kausalitet og omvendt kausalitet mellem arbejdsmiljø og produktivitet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Selv om det er lykkedes at udvikle brugbare metoder, er metodeudviklingen først lige begyndt. I det

følgende nævner vi kort en række punkter, hvor der er potentiale for afgørende forbedringer. Selv om det

ligger udenfor projektets rammer at udvikle og dokumentere disse mulige forbedringer, håber vi, at vi

herved kan inspirere fremtidig forskning.

Studiepopulationen

I projektet har vi valgt at afgrænse studiepopulationen til kun at omfatte virksomheder, hvor de samme

medarbejdere har besvaret AH-spørgeskemaet i både 2012 og 2014. Dette blev primært gjort for at undgå

den målefejl, der opstår, hvis kvaliteten af arbejdsmiljøet estimeres ud fra forskellige personers besvarelse

af spørgeskemaet i 2012 og 2014. Men valget har den pris, at projektet omfatter færre virksomheder, og

regressionsanalyserne kan mangle statistisk styrke, især når der stratificeres fx på hovedbranchegrupper.

Der kan også potentielt være risiko for såkaldt ’selektionsbias’. Hvis medarbejdere, der i 2012 oplever

dårligt arbejdsmiljø, i højere grad vælger at forlade virksomheden, så er der risiko for, at gruppen af

medarbejdere, der har besvaret spørgeskemaet i både 2012 og 2014, er systematisk forskellig fra

udgangspopulationen, og at mulige sammenhænge derfor bliver mindre og statistisk insignifikante. Vi har

imidlertid også gennemført tværsnitsanalyser for både 2012 og 2014 for populationen af privatansatte, der

har besvaret AH-spørgeskemaet i enten 2012 eller 2014 (se tabel 3.0.2. Data 1). Generelt er der høj grad af

overensstemmelse mellem de koefficienter, der estimeres i tværsnitsanalyser i de to studiepopulationer, og

der er således ikke tegn på, at selektionsbias har været et nævneværdigt problem.

Endvidere kan det være et problem, at antallet af medarbejdere, der har besvaret spørgeskemaet pr.

virksomhed, er lavt (ca. 1,5 medarbejder pr virksomhed, se tabel 3.1.5.). Virksomhedens gennemsnit er

således bestemt med betydelig usikkerhed, der også reducerer projektets statistiske styrke.

For at overkomme disse problemer med studiepopulationen vil det være mere ideelt, hvis der kan

etableres et virksomhedspanel, hvor en væsentlig andel af medarbejderne regelmæssigt (med års

mellemrum) besvarer spørgsmål om deres arbejdsmiljø.

Indikatorer for kvaliteten af arbejdsmiljøet

I projektet har vi anvendt ni arbejdsmiljøindikatorer (skalaer), der indgår i både AH2012 og AH2014, og som

bedømmes at være relevante for alle virksomheder på tværs af forskellige brancher. Der har været flere

problemer ved at anvende disse arbejdsmiljøindikatorer.

Fire arbejdsmiljøindikatorer (indflydelse, kollegial støtte, sikkerhedskultur og retfærdighed) viser meget

små ændringer fra 2012 til 2014, og en stor andel af virksomhederne viser slet ingen ændring i disse

arbejdsmiljøindikatorer (Figur 4.0.1.). For disse arbejdsmiljøindikatorer kan ændringerne have været for

små til, at det er muligt at påvise kausale sammenhænge med ændringer i produktivitet. Det skal dog

bemærkes, at ændring i indflydelse faktisk viser negativ kausal sammenhæng med ændring i produktivitet.

Fire andre arbejdsmiljøindikatorer har alle en karakteristisk fordeling af ændringer fra 2012 til 2014 med to

toppunkter; En fordeling med positive ændringer og en fordeling med negative ændringer. For to af disse

arbejdsmiljøindikatorer (virksomhedens prioritering af arbejdsmiljøet og kvantitative krav) er der statistisk

signifikant sammenhæng med produktivitet både i tværsnitsanalyser og i hovedanalyser. Endelig viser

oplevelse af fysisk anstrengelse i arbejdet en fordeling i ændring fra 2012 til 2014 med relativt stor

spredning, og oplevelse af fysisk anstrengelse i arbejdet hænger positivt sammen med produktivitet både i

tværsnitsanalyser og i forløbsanalyser. Resultaterne antyder, at stærke sammenhænge mellem arbejdsmiljø

og produktivitet muligvis kan påvises, hvis der mere systematisk fokuseres på spørgsmål, der faktisk viser

væsentlige ændringer over tid.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Der er en høj korrelation mellem syv af arbejdsmiljøindikatorerne (Arbmil, Sikker, Ledelse, Rolle, Indfl, Retf

og Koll) (se appendiks 2). Der er risiko for, at stærkt korrelerede arbejdsmiljøindikatorer kan påvirke

hinanden på en uoverskuelig måde, når alle arbejdsmiljøindikatorer indgår i de samlede regressionsmodel.

Selv om projektets resultater tyder på, at problemer med høj korrelation mellem arbejdsmiljøindikatorerne

har været begrænset, har vi gennemført en faktoranalyse baseret på de 33 spørgsmål, der indgår i de ni

arbejdsmiljøindikatorer (se appendiks 3). Herved har vi estimeret fire arbejdsmiljøfaktorer, der ikke er

indbyrdes korrelerede, og som derfor uden problemer kan indgå i en samlet regressionsmodel. De fire

arbejdsmiljøfaktorer viser ikke stærkere sammenhæng med produktivitet end de ni

arbejdsmiljøindikatorer, men de fire arbejdsmiljøfaktorer viser markante forskelle mellem de fire

hovedbranchegrupper. Det kan være interessant at undersøge, om arbejdsmiljøfaktorer kan videreudvikles

til mere anvendelige mål for kvaliteten af arbejdsmiljøet i analyser inden for udvalgte brancher. Ved at

fokusere på spørgsmål med stor forklaringskraft vil antallet af spørgsmål til at estimere fire væsentlige

arbejdsmiljøfaktorer sikkert kunne reduceres til ca. 15 spørgsmål. Hvis disse 15 spørgsmål anvendes i

fremtidige undersøgelser af virksomhedspaneler, vil man potentielt kunne bruge de fire

arbejdsmiljøfaktorer som benchmarking for sammenhæng mellem arbejdsmiljø og produktivitet i

forskellige brancher.

Projektet har afsløret særlige problemer ved at anvende de eksisterende spørgsmål om ledelseskvalitet i

’Arbejde og Helbred’. Ledelseskvalitet synes at hænge tæt sammen med både de andre

arbejdsmiljøindikatorer og de anvendte virksomhedsdeterminanter af produktivitet, og i den fulde

regressionsmodel er det ikke muligt at udskille en selvstændig betydning af ledelseskvalitet. Der synes

således at være et særligt behov for at udvikle nye mål for ledelseskvalitet, der kan anvendes i

undersøgelser af kausale sammenhænge mellem ledelse og produktivitet.

Opfølgningstid

I projektet har vi anvendt ændring i arbejdsmiljøindikatorer fra 2012 til 2014 versus ændring i produktivitet

fra 2013 til 2015 i analyser af kausalitet. Det er tænkeligt, at det tager længere tid end et år, for at

forbedringer i arbejdsmiljøet kan komme til udtryk i forbedret produktivitet, fx hvis påvirkningen går

gennem medarbejdernes helbred. Det kan derfor være interessant at undersøge, om stærkere

sammenhænge mellem arbejdsmiljø og produktivitet kan påvises, hvis opfølgningstiden forlænges.

Regressionsmodeller

I nærværende projekt har vi – med udgangspunkt i virksomhedens Cobb-Douglas’ produktionsfunktion –

anvendt såkaldt Fixed Effect regression i forløbsanalyser af sammenhænge mellem arbejdsmiljø og

produktivitet (se appendiks 4). Fordelen ved Fixed Effect regression - som den er udført i nærværende

projekt - er, at metoden tager højde for eventuelle målefejl, der er virksomhedsspecifikke/personspecifikke

og persistente over tid. Derudover korrigeres for eventuel uobserverbar heterogenitet, dvs.

virksomhedskarakteristika, der ikke kan måles, og som er persistente over tid.

Et problem er imidlertid, at Fixed Effect regression som udgangspunkt ikke tager højde for mulige

problemer med omvendt kausalitet, produktivitetschok og andre endogenitetsproblemer, der kan udgøre

en meget betydelig fejlkilde (se appendiks 4). Udfordringen er, at produktivitet og inputs i

produktionsfunktionen (kapital, arbejdskraft og arbejdsmiljø) bestemmes samtidigt, hvilket kan gøre det

svært at identificere kausale sammenhænge. Derudover kan fx konjunkturer fungere som et

produktivitetschok, der påvirker både produktivitet og inputs, hvilket vil medføre, at vi finder sporadiske

sammenhænge i Fixed Effect. Vi har forsøgt at løse disse udfordringer ved at analysere produktiviteten i

årene efter, at arbejdsmiljøet måles (vores kausale analyser). Udfordringen ved denne metode er, at

såfremt arbejdsmiljøet kun - eller hovedsageligt - påvirker produktiviteten i samme år, så kan vi ikke

identificere det. Derudover vil metoden ikke løse endogenitetsproblemerne, hvis både produktivitet og

arbejdsmiljø er meget persistent over tid.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Vi har derfor - som en slags følsomhedsanalyse - også anvendt en såkaldt to-trins system GMM, der

forsøger at tage højde for endogenitet. To-trins system GMM er tidligere anvendt i Black & Lynch (2001) og

Buhai et al. (2017). I to-trins system GMM estimeres i første trin, hvor stor en andel af produktiviteten, der

kan forklares af kapital, arbejdskraft og ændringerne i disse i tidligere år. I andet trin beregnes, hvor stor en

andel af den resterende produktivitet der kan forklares af andre determinanter af produktivitet, herunder

arbejdsmiljøet. Det mest ideelle vil være at gennemføre system GMM i et trin, hvilket fuldstændigt vil ligne

den metode, der anvendes fx i Finansministeriets analyser (Finansministeriet, 2016). Dette kræver

imidlertid, at alle variabler observeres i mindst for tre perioder. I nærværende projekt har vi kun haft to

perioder (2012 og 2014) for måling af kvaliteten af arbejdsmiljøet, og resultaterne af to-trins system GMM

viser en meget høj grad af overensstemmelse med tværsnitsanalyser af arbejdsmiljøindikatorerne. Hvis en

længere opfølgningstid anvendes – fx ved også at inddrage arbejdsmiljødata fra ’Arbejdsmiljø og Helbred

2016’ og virksomhedsdata fra hvert år i hele perioden fra 2010 til og med 2016 vil det være mulig at

gennemføre system GMM i et trin og dermed gennemføre analyser af kausalitet, der tager højde for

endogenitet, og som er sammenlignelige med Finansministeriets analyser.

I regnskabsdata fra Danmarks Statistik er værditilvækst og andre regnskabstal for en del især mindre

virksomheder blevet imputeret (dvs. at manglende data er blevet udfyldt ved at trække værdien fra

tilsvarende virksomheder i samme branche). Vi har valgt at bevare virksomheder med imputeret

værditilvækst i analyserne for herved at opnå større statistisk styrke og gøre det muligt at analysere

sammenhængen for forskellige brancher. Dette introducerer dog en risiko for skævhed i resultaterne.

I hovedanalyserne har vi som udgangspunkt antaget en lineær sammenhæng mellem ændring i

arbejdsmiljø og ændring i produktivitet, og vi har estimeret den gennemsnitlige sammenhæng. Det er

imidlertid potentielt muligt, at en forbedring af arbejdsmiljøet kan have forskellig effekt på produktiviteten,

alt efter om kvaliteten af arbejdsmiljøet fra starten er godt eller dårligt. Vi har gennemført en række

sekundære forløbsanalyser, hvor virksomhederne er blevet stratificeret ud fra deres udgangspunkt af

kvaliteten af arbejdsmiljøet i 2012. Disse analyser tyder stærkt på, at der er en ikke-lineær sammenhæng

mellem arbejdsmiljø og produktivitet. Det kan således være potentielt interessant at undersøge, om

stærkere sammenhænge mellem arbejdsmiljø og produktivitet kan påvises, hvis der anvendes mere

avancerede metoder til at undersøge ikke-lineære sammenhænge.

I projektet har vi gennemført et meget stort antal analyser, og det kan derfor ikke udelukkes, at nogle

resultater er statistisk signifikante ved et rent tilfælde (en type 1-fejl). En mulig metode til at undgå type 1-

fejl er at justere for multiple test (fx med Bonferroni eller Benjamini-Hochberg korrektion

Der kan

imidlertid være afgørende indvendinger mod justering for multiple test. Dels stiger risikoen for type 2-fejl

(en faktisk sammenhæng overses) voldsomt, og dels er justeringen rent mekanisk (forudsætter

tilfældighed), og justeringen inddrager ikke overvejelser om, hvorvidt et givent resultat støttes af eller er i

modstrid med anden eksisterende viden. I projektet har det vist sig, at langt de fleste signifikante resultater

i både tværsnitsanalyser og forløbsanalyser er knyttet til tre arbejdsmiljøindikatorer: Prioritering af

arbejdsmiljøet, kvantitative krav og oplevelse af fysisk anstrengelse i arbejdet. Dette indikerer, at

resultaterne ikke er opstået tilfældigt. Eftersom formålet med de gennemførte test primært har været

eksplorativt, har vi besluttet ikke at justere for multiple test. I stedet nævner vi, at en type 1-fejl som følge

af multiple test kan være en mulig forklaring de steder, hvor det bedømmes at være en mulighed.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

6. K

ONKLUSION

Nærværende projekt har videreudviklet metoder til at analysere sammenhænge mellem indikatorer for

kvaliteten af virksomheders arbejdsmiljø og virksomheders produktivitet på tværs af brancher og inden for

udvalgte hovedbranchegrupper. Med de videreudviklede metoder har det for første gang været muligt at

gennemføre forløbsanalyser af kausal og omvendt kausal sammenhæng mellem arbejdsmiljø og

produktivitet.

Tabel 6.1. summerer de statistisk signifikante sammenhænge, der i forløbsanalyser er blevet vist for hver af

de ni arbejdsmiljøindikatorer på tværs af alle brancher og inden for de fire hovedbranchegrupper. For at

lette forståelsen viser tabel 1a de estimerede parametre omregnet til den %-ændring i produktivitet

(værditilvækst/årsværk), der opstår, når arbejdsmiljøindikatoren øges med et skalatrin.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel 6.1.

Oversigt over statistisk signifikante resultater fra forløbsanalyser af kausalitet (K), omvendt kausalitet (OK) og kvasikausalitet (QK)

Alle brancher

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indf

Retf

Koll

Fys-an

-0,014*

0,029**

0,016*

0,015*

-0,018*

-0,022**

0,023*

Industri, råstof og

forsyning

-0,029*

0,048*

Bygge og anlæg

-0,05**

0,029*

0,072***

0,071*

-0,059**

0,048*

Handel og transport

0,069***

0,028*

-0,026*

0,024**

Erhvervsservice

-0,03*

-0,034*

-0,062**

0,038*

0,046*

”-” = Ingen statistisk signifikant sammenhæng

* 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Tabel 1a.

Oversigt over statistisk signifikante resultater fra forløbsanalyser af kausalitet (K), omvendt kausalitet (OK) og kvasikausalitet (QK). Omregnet til den %-

ændring i produktivitet (VTV pr. årsværk), der opnås, når arbejdsmiljøindikatoren øges med et skaltrin

Alle brancher

Industri, råstof og

Bygge og anlæg

Handel og transport

Erhvervsservice

forsyning

Arbmil (1-5)

Sikker (1-5)

Kvan (1-5)

Ledelse (1-5)

Rolle (1-5)

Indf (1-5)

Retf (1-5)

Koll (1-5)

Fys-an (0-10)

-2,0%*

2,0%**

2,3%*

2,1%*

-2,6%*

-3,7%**

1,6%*

-4,1%*

3,4%*

-7,1%**

3,6%*

5,2%***

10,1%*

-8,4%**

5,6%*

3,4%*

5,0%***

4,0%*

-3,7%*

3,4%**

-5,0%*

-4,9%*

-10,3%**

5,1%*

6,3%*

6,6%*

”-” = Ingen statistisk signifikant sammenhæng

* 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans

For Fys-an er beregnet %-ændring i produktivitet pr. 2 skalatrin

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Projektets hovedhypotese om kausal sammenhæng mellem indikatorer for kvaliteten af arbejdsmiljøet og

produktivitet (H1-1) er på tværs af alle brancher bekræftet for indflydelse og oplevelse af fysisk

anstrengelse i arbejdet og delvist for kvantitative krav (sekundær forløbsanalyse). Imidlertid strider den

negative sammenhæng mellem indflydelse og produktivitet mod en overordnet antagelse om positiv kausal

sammenhæng mellem arbejdsmiljø og produktivitet.

Projektets hovedhypotese om omvendt kausal sammenhæng (H1-2) mellem produktivitet og

arbejdsmiljøindikatorer er på tværs af alle brancher bekræftet for virksomhedens prioritering af

arbejdsmiljøet og kollegial støtte. Sammenhængen er i alle tilfælde positiv.

Projektets anden hovedhypotese (H2) om, at kausale sammenhænge mellem arbejdsmiljøindikatorer og

produktivitet er afhængig af branche, er blevet undersøgt indirekte ved at sammenligne de estimerede

statistisk signifikante parametre fra hovedanalyserne i de fire hovedbranchegrupper. Selv om vi ikke har

udført egentlige statistiske tests af, om de estimerede parametre er statistisk signifikant forskellige i de fire

hovedbranchegrupper, er forskellene så markante, at vi bedømmer at hovedhypotese to er bekræftet. Den

statistiske signifikante negative kausale sammenhæng mellem indflydelse og produktivitet, der ses på tværs

af alle brancher, ses endnu mere udtalt i hovedbranchegruppe ’Industri, råstof og forsyning’ men ikke i

nogle af de andre tre hovedbranchegrupper. Det er rimeligt at antage, at denne forskel mellem

hovedbranchegruppe ’Industri, råstof og forsyning’ er de tre andre hovedbranchegrupper, er statistisk

signifikant. Tilsvarende er den statistiske signifikante kausale sammenhæng mellem oplevelse af fysisk

anstrengelse i arbejdet og produktivitet, der ses på tværs af alle brancher, endnu mere udtalt i to

hovedbranchegrupper (’Bygge og anlæg’ og ’Handel og transport’) men fraværende i de to andre

hovedbranchegrupper. Endelig understøttes hypotesen indirekte af de store forskelle mellem

hovedbranchegruppe ’Bygge og anlæg’ og hovedbranchegruppe ’Erhvervsservice’ i, hvilke sammenhænge

der er statistisk signifikante. Dette tyder på, at arbejdsmiljøet har forskellig betydning i de to

hovedbranchegrupper.

Samlet viser projektet en mere konsistent omvendt kausal sammenhæng end en kausal sammenhæng,

hvilket betyder, at virksomheder, der har øget produktivitet, efterfølgende har stærkere tendens til at

forbedre arbejdsmiljøet.

Det skal fremhæves, at to arbejdsmiljøindikatorer – sikkerhedskultur og retfærdighed – ikke viser

sammenhæng med produktivitet i forløbsanalyser, hverken på tværs af brancher eller i hver af de fire

hovedbranchegrupper. Disse to arbejdsmiljøindikatorer viser generelt små ændringer i skalaværdi fra 2012

til 2014, og det er tænkeligt, at der ikke har været tilstrækkeligt med ændringer til, at statistisk signifikante

sammenhænge kan påvises.

Projektets sekundære hypoteser (H3 og H4) om statistisk signifikant sammenhæng mellem

arbejdsmiljøindikatorer og produktivitet i tværsnitsanalyser er bekræftet (hypotesen kan ikke afvises) for

virksomhedens prioritering af arbejdsmiljøet, sikkerhedskultur, kvantitative krav og oplevelse af fysisk

anstrengelse i arbejdet. Der er generelt god overensstemmelse mellem resultaterne af tværsnitsanalyserne

og forløbsanalyserne, hvilket bidrager til resultaternes troværdighed.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

7. P

ERSPEKTIVERING AF

HVORDAN PROJEKTETS

RESULTATER PÅ KORT OG LANG

SIGT KAN BIDRAGE TIL AT

FORBEDRE ARBEJDSMILJØET

Det er en grundlæggende præmis i arbejdsmiljøloven og i den kollektive arbejdsmiljøindsats, at

virksomhederne ikke kun skal skabe et godt arbejdsmiljø, fordi det kan betale sig, men at et godt

arbejdsmiljø også handler om, at virksomhederne viser en nødvendig social ansvarlighed. Alligevel er der

bred enighed blandt arbejdsmarkedets parter om, at en tydeliggørelse af positiv sammenhæng mellem

arbejdsmiljø og produktivitet kan bidrage til at anspore danske virksomheder til at gennemføre en mere

vidtgående arbejdsmiljøindsats, og at dette kan bidrage til at forbedre virksomhedernes produktivitet og

konkurrenceevne.

Nærværende projekt har videreudviklet metoder og statistiske modeller til at undersøge kausale

sammenhænge mellem forskellige aspekter af virksomheders arbejdsmiljø og produktivitet. Projektet har

vist, at der er store forskelle mellem brancher, og at det sikkert vil være muligt for hver branche mere

præcist at udpege og dokumentere de aspekter af arbejdsmiljøet, der i særlig grad hænger positivt sammen

med produktivitet. Perspektivet for arbejdsmiljøet er således på længere sigt, at projektet vil kunne bidrage

til, at virksomheder anspores til mere systematisk at forbedre arbejdsmiljøet.

Allerede nu viser projektet, at en reduktion i medarbejdernes oplevelse af fysisk anstrengelse i arbejdet

fører til øget produktivitet. Dette gælder især i hovedbranchegruppe ’Bygge og anlæg’ og

hovedbranchegruppe ’Handel og transport’, hvor der allerede på kort sigt kan være store perspektiver i at

gennemføre arbejdsmiljøindsatser, der reducerer medarbejdernes oplevelse af fysisk anstrengelse i

arbejdet.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

8. F

ORMIDLING FRA PROJEKTET

8.1. National formidling

Følgegruppemøder

Første møde - 6. april 2016 kl. 14 – 16

Andet møde – 6. oktober 2017 kl. 10 - 12

Tredje møde – 18. december 2017 kl. 10 – 12.30

Foredrag

Præsentation ved AMFF årsmøde 17. januar 2018

Rapport

Sammenhæng mellem arbejdsmiljø og produktivitet - En registerbaseret follow-up undersøgelse.

Afslutningsrapport til Arbejdsmiljøfonden projekt nr. 30-2015-09. Otto Melchior Poulsen, Karsten Albæk,

Esben Anton Schultz, Sarah Kildahl Nico Nielsen, Jesper Møller Pedersen, Hans Bay.

Anden skriftlig formidling

Notat til Regeringens ekspertudvalg om arbejdsmiljøindsatsen

8.2. International formidling

Poulsen OM, Albæk K, Schultz EA, Rømer Hjorth L, Spjelkavik Mark M, Bay H, Pedersen JM. Working

environment and productivity. Study protocol for a register based follow-up study. Submitted November

2016 BMC Public Health

Ajslev J, Albæk K, Schultz EA, Nielsen SKN, Pedersen JM, Bay H, Poulsen OM. Working environment and

productivity. Impact of perceived physical exertion at work. In preparation for Scand J Work Environ health

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

9. A

RBEJDSMILJØFORSKNINGSFO

NDENS BEVILLING TIL PROJEKTET

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

10.

EFERENCER

Albertsen K, Rugulies R, Garde AH, Burr H. The effect of the work environment and performance-based self-

esteem on cognitive stress symptoms among Danish knowledge workers. Scandinavian Journal of Public

Health 2010;38(Suppl. 3):81-89.

Andersen LL, Fishwick D, Robinson E, et al. Job satisfaction is more than a fruit basket, health checks and

free exercise: Cross-sectional sectional study among 10,000 wage earners. Scandinavian Journal of Public

Health 2017;45(5):476-484.

Baltagi HB & PX Wu. Unequally spaced panel data regressions with AR(1) disturbances. Econometric Theory

1999;15:814-823.

Baruch-Feldman C, Brondolo E, Ben-Dayan D, Schwartz J. Sources of social support and burnout, job

satisfaction, and productivity. Journal of Occupational Health Psychology 2002;7:84-93.

Batt R. Managing customer services: Human resource practices, turnover, and sales growth. CAHRS

Working Paper Series, Working Paper 00- 07. Ithaca, New York: Center for Advanced Human Resource

Studies, Cornell University, 2000.

Batt R, Moynihan LM. Human resource management, service quality, and economic performance in call

centers. CAHRS Working Paper Series, Working Paper 04-16. Ithaca, New York: Center for Advanced Human

Resource Studies, Cornell University, 2004.

Becker BE, Huselid MS. High performance work systems and firm performance: A synthesis of research and

managerial implications. Research in Personnel and Human Resources Management 1998;16:53–101.

Becker BE, Huselid MA, Ulrich D. The HR Scorecard. Linking people, strategy, and performance. Boston:

Harvard Business School Press, 2001.

Black SE & Lynch LM. How to compete :

The

impact of workplace practices and information technology on

productivity. The Review of Economics and Statistics 2001;83(3):434–445.

Boles M, Pelletier B, Lynch W. The relationship between health risks and work productivity. Journal of

Occupational and Environmental Medicine 2004;7:737-745.

Borritz M, Bültmann U, Rugulies R, Christensen KB, Villadsen E, Kristensen TS. Psychosocial work

characteristics as predictors for burnout: Findings from 3-year follow up of the PUMA study. Journal of

Occupational and Environmental Medicine 2005;47(10):1015-1025.

Bräunig D, Kohtall T. Calculating the international return on prevention for companies: Costs and benefits

of investments in occupational safety and health. Final report. Geneva: International Social Security

Association, 2012.

Buhai S, Cottini E, Westergård-Nielsen N. The impact of workplace conditions on firm performance.

Working Paper 08-13. Aarhus: Department of Economics, Aarhus School of Business, University of Aarhus,

2008.

Buhai S, Cottini E, Westergård-Nielsen N. How productive is workplace health and safety? Scandinavian

Journal of Economics 2017;119(4):1086-1104.

Burton WN, Chen CY, Conti DJ, Schultz AB, Pransky GMD, Edington DW. The association of health risks with

on-the-job productivity. Journal of Occupational and Environmental Medicine 2008;8:769-777.

Chiaburu DS & Harrison DA. Do peers make the place? Conceptual synthesis and meta-analysis of coworker

effects on perceptions, attitudes, OCBs, and performance. Journal of Applied Psychology 2008;93(5):1082-

1103.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Christensen TA, Frosch H, Jensen DB, Mark M, Knudsen AB. Economic impacts of business investments in

R&D in the Nordic countries. The Ministry of Higher Education and Science and The Nordic Council of

Ministers, 2014.

Clausen T, Borg V. Job demands, job resources and meaning at work. Journal of Managerial Psychology

2011;26(7-8):665-681.

Clausen T, Nielsen K, Carneiro IG, et al. Job demands, job resources and long-term sickness absence in the

Danish eldercare services: A prospective analysis of register-based outcomes. Journal of Advanced Nursing

2012;68(1):127-36.

Clausen T, Burr H, Borg V. Do psychosocial job demands and job resources predict long-term sickness

absence? An analysis of register-based outcomes using pooled data on 39,408 individuals in four

occupational groups. International Archives of Occupational and Environmental Health 2014;87(8):909-17.

Cobb CW, Douglas PH. A theory of production. American Economic Review 1928;18:139-165.

Danmarks Statistik. Begreber i Nationalregnskabet. Danmarks Statistik, 2014.

Diewert EW, Nakamura AO. Concepts and measures of productivity: An introduction. Chapter 2. In: Lipsey

RG & Nakamura AO (eds.). Service industries and the knowledge based economy. University of Calgary

Press, 2005.

Edwards K, Møller N, Kristensen TS, Mouritsen J, Burr H, Pejtersen JH. Sammenhænge mellem Produktivitet

og Psykosocialt Arbejdsmiljø – SaPPA. Afslutningsrapport til Arbejdsmiljøforskningsfonden, 2014a.

http://dx.doi.org/10.11581/DTU:00000002

Edwards K, Møller N, Kristensen TS, Mouritsen J, Bur, H, Pejtersen JH. Ledelse med social

kapital giver høj produktivitet. Department of Management Engineering, Technical University of Denmark,

2014b. http://dx.doi.org/10.11581/DTU:00000003

Finansministeriet. Økonomisk analyse: Produktivitet og konkurrence, januar 2016.

Foldspang L, Mark M, Rants LL, Hjorth LM, Langholz-Carstensen C, Poulsen OM, Johansson U, Ahonen G,

Aasnæss S. Working environment and productivity. A register-based analysis of Nordic enterprises.

TemaNord 2014:546.

Gittell JH, Fairfield KM, Bierbaum B, Head W, Jackson R, Kelly M, et al. Impact of relational coordination on

quality of care, postoperative pain and functioning, and length of stay. Medical Care 2000;38:807-819.

Hamel G. First, let’s fire all the managers. Harvard Business Review 2011;(Dec 1):48-60.

Hamel G. What matters now: How to win in a world of relentless change, ferocious competition, and

unstoppable innovation. Jossey Bass, 2012.

Heponiemi T, Elovainio M, Laine J, Pekkarinen L, Eccles M, Noro A, et al. Productivity and employees’

organizational justice perceptions in long-term care for the elderly. Research in Nursing and Health

2007;30:498-507.

Heskett JL, Sasser WE, Wheeler J. The ownership quotient. Putting the service profit chain for unbeatable

competitive advantage. Boston, Massachusetts: Harvard Business Press, 2008.

Hinze JW. Incurring the costs of injuries versus investing in safety. Chapter 2. In: Coble RJ, Hinze JW, Haupt

TC (Eds.). Construction safety and health management. Princeton, New Jersey: Prentice Hall, 2000.

Industriens Branchearbejdsmiljøråd 2012. Minihvidbog om fordele ved et godt arbejdsmiljø. 2012.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Johns G. The psychology of lateness, absenteeism, and turnover. In: Anderson N, Ones DS, Sinangil HP &

Viswesvaran C (Eds.). Handbook of industrial, work and organizational psychology, Vol. 2. London: Sage

Publications, 2001. pp. 232–252.

Karasek R, Theorell T.

Stress, productivity and the reconstruction of working life. Basic Books, 1990.

Karriker JH, Williams ML. Organizational justice and organizational citizenship behavior: A mediated

multifoci model. Journal of Management 2009;35:112.

Kristensen TS. Trivsel og produktivitet – to sider af samme sag. En litteraturgennemgang. HK/Danmark,

2010.

Leana CR, Pil FK. Social capital and organizational performance: Evidence from urban public schools.

Organization Science 2006;17:353-366.

Lohela Karlsson M. Healthy workplaces. Factors of importance for employee health and organizational

production. Ph.D. Thesis. Karolinska Instituttet, 2010.

De Greef M, Van den Broek K. Quality of the working environment and productivity — Research findings

and case studies. Prepared by the Topic Centre on Research — Work and Health, European Agency for

Safety and Health at Work, 2004.

Miller KI, Monge PR. Participation, satisfaction, and productivity: A meta-analytic review. Journal of

Academic Management 1986;29(4):727-753.

Muntz DC, Kohler JM, Greenberg CI. Effectiveness of a comprehensive worksite stress management

program: Combining the organizational and individual interventions. International Journal of Stress

Management 2001;8:49-62.

Niemelä R, Rautio S, Hannula M, Reijula K. Work environment effects on labor productivity: An intervention

study in a storage building. American Journal of Industrial Medicine 2002;42:328-335.

OECD. OECD Compendium of productivity indicators. OECD, 2013.

OECD. Measuring productivity – Measurement of aggregate and industry-level productivity growth. OECD

Manual, 2001.

Olesen KG, Thoft E, Hasle O, Kristensen TS. Virksomhedens sociale kapital. Hvidbog. Arbejdsmiljørådet,

2008.

Oxenburgh M, Marlow P, Oxenburgh A. Increasing productivity and profit through health and safety: The

financial returns from a safe working environment. 2. ed. Taylor & Francis Inc., 2004.

Rugulies R, Aust B, Pejtersen JH. Do psychosocial work environment factors measured with scales from the

Copenhagen Psychosocial Questionnaire predict register-based sickness absence of 3 or more weeks in

Denmark? Scandinavian Journal of Public Health 2010;38(Suppl. 3):42-50.

Taris TW, Schreurs PJG. Well-being and organizational performance: An organizational-level test of the

happy-productive worker hypothesis. Work & Stress 2009;23:120-136.

Tompa E, Dolinschi R, de Oliveira C, Irvin EA. Systematic review of occupational health and safety. Journal of

Occupational and Environmental Medicine 2009;51(9):1004–23.

Yeow PHP, Sen RN. Quality, productivity, occupational health and safety and cost effectiveness of

ergonomic improvements in the test workstations of an electronic factory. Industrial Ergonomics 2003;32:

147-163.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

van Mierlo H, Rutte CG, Vermunt JK, Kompier MAJ & Dooreward JAMC. Individual autonomy in work teams:

The role of team autonomy, self-efficacy, and social support. European Journal of Work and Organizational

Psychology 2006;15(3):281-299.

Westergaard Nielsen N. The impact of workplace health and safety conditions on firm performance. 2008.

Rapport til Arbejdsmiljøforskningsfonden vedr. afrapportering af projektet ”Arbejdsmiljø på bundlinjen”.

Rapporten kan downloades fra Arbejdstilsynets hjemmeside.

Wyon DP. The effects of indoor air quality on performance and productivity. Indoor Air 2004;14(Suppl.

7):92-101.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Appendiks 1

Notat om robusthedsanalyser

Hans Bay, Otto Melchior Poulsen

En svaghed ved nærværende undersøgelse er, at for praktisk talt alle virksomheder opnås

estimater for de forskellige mål for kvaliteten af arbejdsmiljøet ud fra en enkelt eller to

medarbejderes besvarelse af AH-spørgeskemaet i 2012 og 2014. Populationen af medarbejdere er

imidlertid tilfældigt udtrukket, og det er derfor rimeligt at antage, at data fra en til to

medarbejdere i gennemsnit vil afspejle virksomhedens arbejdsmiljø. Det estimerede arbejdsmiljø

formodes derfor ikke at være systematisk afvigende fra virksomhedernes reelle arbejdsmiljø. Men

metoden er selvfølgelig behæftet med måleusikkerhed, fordi det langt fra er sikkert, at en person,

der er tilfældigt udtrukket til AH-undersøgelsen, er repræsentativ for virksomheden i besvarelsen

af spørgeskemaet. For at få indtryk af størrelsen af denne usikkerhed har vi lavet to

robusthedsanalyser i et datasæt, der er knyttet til virksomhedsovervågningen (VAI).

Data

I 2012 fik 2.000 virksomheder tilsendt VAI-spørgeskemaet samtidigt med, at et tilfældigt udsnit af

disse virksomheders medarbejdere fik AH2012-spørgeskemaet. Der optræder besvarelser fra

8.409 respondenter fordelt på 1.050 virksomheder. Figur A1.1. viser fordelingen af antal

besvarelser pr. virksomhed.

Figur A1.1.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Resultater

Robusthed af besvarelse af spørgsmål om ledelseskvalitet

AH-2012 indeholder en skala om ledelseskvalitet, der er baseret på 8 spørgsmål – se appendiks 2.

Skalaen har høj Cronbach alpha (0,89) og gennemsnit og spredning - på en responsskala fra 1 til 5 -

er relativ ens i dette datasæt på tværs af de 11 branchearbejdsmiljøråd: Gennemsnit = 2,71 (2,57 -

3,01); spredning = 0,85 (0,74 – 0,92) (Se tabel A1.1.).

Fordelingen af besvarelser om ledelseskvalitet er vist i figur A1.2. Det ses, at fordelingen er tæt på

normalfordelt, og at alle skalaværdier anvendes.

Figur A1.2.

Fra hver virksomhed har vi tilfældigt udtrukket en medarbejder og estimeret gennemsnit for

ledelseskvalitet på tværs af alle branchearbejdsmiljøråd og inden for hvert af de 11

branchearbejdsmiljøråd. Dette er gjort to gange. Tabel A1.1. viser, at der kun er lille afvigelse

mellem de estimerede gennemsnit for hvert af de to udtræk, og ligeledes er afvigelsen lille mellem

gennemsnit for hele populationen og gennemsnittet for de to udtræk. Selv for

branchearbejdsmiljøråd med relativt få virksomheder (fx ”4 BAR Transport og engros” og ”7 BAR

Jord til bord”) er afvigelsen væsentlig mindre end spredningen.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A1.1. Robusthed af ledelseskvalitet i og på tværs af 11 branchearbejdsmiljøråd

NA12_BAR_GRP Ledelseskvalitet

Alle BAR

Alle

2,71

(n = 8406)

2,75

(n = 1249)

2,85

(n = 1008)

3,01

(n = 200)

2,78

(n = 311)

2,71

(n = 515)

2,86

(n = 284)

2,66

(n = 2414)

2,70

(n = 876)

2,57

(n = 1135)

2,57

(n = 414)

Udtræk 1 / Udtræk 2

2,74 / 2,74

(n = 1049)

2,93 / 2,78

(n = 161)

2,81 / 2,93

(n = 180)

3,32 / 3,20

(n = 23)

3,01 / 2,89

(n = 49)

2,66 / 2,64

(n = 74)

2,79 / 2,81

(n = 32)

2,65 / 2,68

(n = 270)

2,73 / 2,61

(n = 108)

2,45 / 2,60

(n = 107)

2,60 / 2,54

(n = 45)

1 BAR Industri

2 BAR Bygge og anlæg

4 BAR Transport og engros

5 BAR Handel

6 BAR Service- og tjenesteydelser

7 BAR Jord til bord

8 BAR Social og sundhed

9 BAR Undervisning og forskning

10 BAR Finans/Offentlig kontor og adm.

11 BAR Privatkontor og administration

Robusthed af besvarelse af spørgsmål om kvantitative krav (tidspres)

AH-2012 indeholder en skala om kvantitative krav, der er baseret på fire spørgsmål. Gennemsnit og

spredning - på en responsskala fra 1 til 5 - er relativ ens i dette datasæt på tværs af de 11

branchearbejdsmiljøråd: Gennemsnit = 2,71 (2,57 - 3,01); spredning = 0,85 (0,74 – 0,92) (Se tabel A1.2.).

Fordelingen af besvarelser om tidspres er vist i figur A1.3. Det ses, at fordelingen er tæt på normalfordelt,

og at alle skalaværdier anvendes.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Figur A1.3.

Robusthed er blevet undersøgt på samme måde som for skalaen for ledelseskvalitet. Tabel A1.2.

viser, at der kun er lille afvigelse mellem de estimerede gennemsnit for hvert af de to udtræk, og

ligeledes er afvigelsen lille mellem gennemsnit for hele populationen og gennemsnittet for de to

udtræk. Afvigelsen er væsentlig mindre end spredningen.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A1.2. Robusthed af tidspres i og på tværs af 11 branchearbejdsmiljøråd

NA12_BAR_GRP Tidspres

Alle BAR

Alle

2,79

(n = 8406)

2,81

(n = 1249)

2,73

(n = 1008)

3,00

(n = 200)

2,89

(n = 311)

2,86

(n = 515)

2,91

(n = 284)

2,76

(n = 2414)

2,70

(n = 876)

2,72

(n = 1135)

2,63

(n = 414)

Udtræk 1 / Udtræk 2

2,77 / 2,79

(n = 1049)

2,76 / 2,85

(n = 161)

2,74 / 2,76

(n = 180)

2,87 / 2,85

(n = 23)

2,71 / 3,02

(n = 49)

2,71 / 2,83

(n = 74)

2,94 / 2,98

(n = 32)

2,79 / 2,79

(n = 270)

2,84 / 2,91

(n = 108)

2,72 / 2,52

(n = 107)

2,69 / 2,68

(n = 45)

1 BAR Industri

2 BAR Bygge og anlæg

4 BAR Transport og engros

5 BAR Handel

6 BAR Service- og tjenesteydelser

7 BAR Jord til bord

8 BAR Social og sundhed

9 BAR Undervisning og forskning

10 BAR Finans/Offentlig kontor og adm.

11 BAR Privatkontor og administration

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Appendiks 2

Notat om specifikke skalaer/indikatorer i ’Arbejdsmiljø og Helbred’

Hans Bay, Jesper Møller Pedersen, Otto Melchior Poulsen

Udvælgelse af skalaer/arbejdsmiljøindikatorer

Udgangspunktet har været følgende skalaer, der anvendes uændret i AH2012 og AH2014, og som

bedømmes at være relevant på tværs af forskellige brancher.

Virksomhedens prioritering af arbejdsmiljøet – fire spørgsmål (Cronbach alpha = 0,79)

7.1. I hvilken grad er holdningen på din arbejdsplads, at arbejdsmiljøet skal være bedre end reglerne

kræver? 5 svarkategorier: 1) I høj grad; 2) I nogen grad; 3) I ringe grad; 4) Slet ikke; 5) Ved ikke.

7.2. I hvilken grad prioriterer din arbejdsplads forebyggelse af arbejdsmiljøproblemer højt? 5 svarkategorier:

1) I høj grad; 2) I nogen grad; 3) I ringe grad; 4) Slet ikke; 5) Ved ikke.

7.3. I hvilken grad bliver medarbejderne på din arbejdsplads involveret i beslutninger, som påvirker deres

arbejdsmiljø? 5 svarkategorier: 1) I høj grad; 2) I nogen grad; 3) I ringe grad; 4) Slet ikke; 5) Ved ikke.

9.9. Hvor ofte gør du og dine kolleger en indsats for at forbedre arbejdsmiljøet? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig.

Beregning af skalaværdi: [

arbmil=mean(of NA_Q07_1 - NA_Q07_3

5,00]

NA14_Q09_9)][range 1,00 –

Respondenter, der har anvendt svarkategori 5)

Ved ikke

i spørgsmål 7.1.,7.2. og 7.3. tildeles værdier

’missing value’. Herefter beregnes imputerede værdier for missing values – se appendiks 4. I analyserne

vendes skalaen, så en høj værdi svarer til et godt arbejdsmiljø.

Sikkerhedskultur – fire spørgsmål (Cronbach alpha = 0,89)

21.1. Jeg får den nødvendige vejledning og instruktion i sikker udførelse af arbejdet. 5 svarkategorier: 1)

Meget enig; 2) Enig; 3) Uenig; 4) Meget uenig; 5) Ikke relevant.

21.2. Ledelsen opmuntrer medarbejderne til at arbejde sikkert, selv når arbejdsplanen er stram. 5

svarkategorier: 1) Meget enig; 2) Enig; 3) Uenig; 4) Meget uenig; 5) Ikke relevant.

21.3. Ledelsen inddrager medarbejderne i beslutninger vedrørende sikkerhed. 5 svarkategorier: 1) Meget

enig; 2) Enig; 3) Uenig; 4) Meget uenig; 5) Ikke relevant.

21.4. Vi hjælper hinanden med at arbejde sikkert, selv når arbejdsplanen er stram. 5 svarkategorier: 1)

Meget enig; 2) Enig; 3) Uenig; 4) Meget uenig; 5) Ikke relevant.

Beregning af skalaværdi: [

sikker=mean(of NA_Q21_1- NA_Q21_4)][Range 1,00 – 4,00]

Respondenter, der har anvendt svarkategori 5)

Ikke relevant

i spørgsmål 21.1.,21.2., 21.3. og 21.4. tildeles

værdier ’missing value’. Herefter beregnes imputerede værdier for missing values – se appendiks 4. I

analyserne vendes skalaen, så en høj værdi svarer til et godt arbejdsmiljø.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

AH2012 og AH2014 har yderligere et spørgsmål (21.5.

Vi mener, at mindre ulykker er en normal del af det

daglige arbejde),

som vi har valgt ikke at inkludere, fordi det reducerer Cronbach alpha værdien betydeligt.

Det fysiske arbejdsmiljø

Kvantitative krav – seks spørgsmål om tempo, tidspres mv. (Cronbach alpha = 0,77)

12.1. Hvor ofte oplever du, at du har tid nok til dine arbejdsopgaver? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

12.2. Hvor ofte er det nødvendigt at holde et højt arbejdstempo? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

12.3. Hvor ofte har du tidsfrister, som er svære at overholde? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

12.4. Hvor ofte får du uventede arbejdsopgaver, der sætter dig under tidspres? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

12.5. Hvor ofte står du til rådighed udenfor normal arbejdstid? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

12.6. Hvor ofte er det nødvendigt at arbejde over? 5 svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4)

sjældent; 5) Aldrig

Beregning af skalaværdi: [kvan=

mean (of NA_Q12_1- NA_Q12_6)] )][Range 1,00 – 5,00]

I beregningen af skalaværdien er spørgsmålene 12.2, 12.3, 12.4, 12.5 og 12.6 først blevet vendt, så en lav

værdi for alle spørgsmål repræsenterer det bedste arbejdsmiljø. Herefter er skalaværdien blevet beregnet.

Endelig er skalaværdien blevet vendt, så en høj skalaværdi repræsenterer godt arbejdsmiljø (lave

kvantitative krav).

Oplevelse af fysisk anstrengelse i arbejdet – ét spørgsmål (11 punkt Borg skala fra 0-10)

23. Hvor fysisk hårdt opfatter du normalt dit nuværende arbejde? Borg skala fra 0 = ikke hårdt til 10 =

maksimalt hårdt.

Beregning af skalaværdi: Skalaen er blevet vendt, således at en høj værdi svarer til, at arbejdet ikke er fysisk

hårdt.

AH2012 og AH2014 har tre spørgsmål om tunge løft. Endvidere findes seks andre spørgsmål om

arbejdsstillinger. Disse spørgsmål bedømmer vi kun at være relevante for et begrænset antal jobtyper, og

de skønnes derfor ikke at være anvendelige på tværs af forskellige brancher.

Det psykosociale arbejdsmiljø

Ledelseskvalitet - otte spørgsmål. (Cronbach alpha = 0,89)

8.1. Hvor ofte forklarer din nærmeste leder dig virksomhedens mål, så du forstår, hvad de betyder for dine

opgaver? 6 svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.2. Hvor ofte har du tilstrækkelige beføjelser i forhold til det ansvar, du har i dit arbejde? 6 svarkategorier:

1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

8.3: Hvor ofte tager din nærmeste leder sig tid til at engagere sig i din faglige udvikling? 6 svarkategorier: 1)

Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.4: Hvor ofte involverer din nærmeste leder dig i tilrettelæggelsen af dit arbejde? 6 svarkategorier: 1) Altid;

2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.5: Hvor ofte giver din nærmeste leder dig den nødvendige feedback (ris og ros) for dit arbejde? 6

svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.6: Hvor ofte bliver dit arbejde anerkendt og påskønnet af ledelsen? 6 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.7: Hvor ofte får du den hjælp og støtte, du har brug for fra din nærmeste leder? 6 svarkategorier: 1) Altid;

2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

8.8: Hvor ofte kan man stole på de udmeldinger, der kommer fra ledelsen? 6 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig; 6) Har ingen leder.

Beregning af skalaværdi: [

ledels=mean(of NA_Q08_1-14_Q08_8)][Range 1,00 – 5,00]

Respondenter, der har anvendt svarkategori

6) Har ingen leder

tildeles værdien ’missing value’. I analyserne

beregnes imputerede værdier for missing values. I analyserne vendes skalaen, så en høj værdi svarer til et

godt arbejdsmiljø.

Rolleklarhed - fire spørgsmål. (Cronbach alpha = 0,79)

9.12: Hvor ofte får du den information, du behøver for at udføre dit arbejde? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

9.13: Hvor ofte får du den vejledning og instruktion, du behøver for at udføre dit arbejde? 5 svarkategorier:

1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

9.14: Hvor ofte ved du helt klart, hvad der er dine arbejdsopgaver? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

9.15: Hvor ofte bliver der stillet modsatrettede krav til dig i dit arbejde? 5 svarkategorier: 1) Altid; 2) Ofte; 3)

Sommetider; 4) sjældent; 5) Aldrig

Beregning af skalaværdi: [

rolle=mean(of NA_Q09_12- NA_Q09_15)][Range 1,00 – 5,00]

I beregningen af skalaværdien er spørgsmål 9.15 først blevet vendt, så en lav værdi for alle spørgsmål

repræsenterer det bedste arbejdsmiljø. Herefter er skalaværdien blevet beregnet. Endelig er skalaværdien

blevet vendt, så en høj skalaværdi repræsenterer godt arbejdsmiljø (høj rolleklarhed).

Indflydelse - to spørgsmål. (Cronbach alpha = 0,71)

9.7: Hvor ofte har du indflydelse på, hvordan du løser dine arbejdsopgaver? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

9.8: Hvor ofte har du indflydelse på, hvornår du løser dine arbejdsopgaver? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

Beregning af skalaværdi: [

indfl=mean(of NA_Q09_7- NA_Q09_8)][Range 1,00 – 5,00]

Skalaværdien er blevet vendt, så en høj skalaværdi repræsenterer godt arbejdsmiljø (høj indflydelse).

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Retfærdighed - to spørgsmål. (Cronbach alpha = 0,75)

9.1: Hvor ofte bliver alle medarbejdere, der påvirkes betydeligt af en given beslutning, hørt? 5

svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

9.2: Hvor ofte bliver alle medarbejdere behandlet retfærdigt på virksomheden? 5 svarkategorier: 1) Altid; 2)

Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

Beregning af skalaværdi: [

retf=mean(of NA_Q09_1- NA_Q09_2)][Range 1,00 – 5,00]

Skalaværdien er blevet vendt, så en høj skalaværdi repræsenterer godt arbejdsmiljø (høj retfærdighed).

Kollegial støtte - to spørgsmål. (Cronbach alpha = 0,79)

9.4: Hvor ofte hjælper du og dine kolleger hinanden med at opnå det bedst mulige resultat? 5

svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

9.6: Hvor ofte samarbejder du og dine kolleger, når der opstår problemer, der kræver løsninger? 5

svarkategorier: 1) Altid; 2) Ofte; 3) Sommetider; 4) sjældent; 5) Aldrig

Beregning af skalaværdi: [

koll=mean(of NA_Q09_4 NA_Q09_6)][Range 1,00 – 5,00]

Skalaværdien er blevet vendt, så en høj skalaværdi repræsenterer godt arbejdsmiljø (høj kollegial støtte).

Der findes også spørgsmål om følelsesmæssige krav (to spørgsmål), kollegial anerkendelse (ét spørgsmål),

og rummelighed (ét spørgsmål), der alle bedømmes at være så kontekstafhængige, at de næppe kan

anvendes på tværs af brancher.

Korrelation mellem skalaer/indikatorer

Tabel A2.1. Arbejdsmiljø og helbred 2012

Arbmil

Sikker

Kvan

Ledelse

Rolle

Indfl

Retf

Koll

Fys-an

1.00

0.55

0,54

0.07

0,08

0.57

0,55

0.42

0,42

0.37

0,36

0.57

0,58

0.39

0,40

0.10

0,09

Sikker

1.00

0.07

0,05

0.50

0,48

0.40

0,40

0.33

0,31

0.49

0,48

0.31

0,31

0.22

0,23

Kvan

Ledelse Rolle

Indfl

Retf

Koll

Fys-an

1.00

0.09

0,08

0.23

0,23

-0.02

-0,02

0.12

0,12

0.05

0,05

-0.04

-0,03

1.00

0.56

0,53

0.43

0,41

0.64

0,62

0.41

0,39

0.12

0,12

1.00

0.39

0,39

0.52

0,53

0.38

0,38

0.09

0,09

1.00

0.43

0,43

0.34

0,33

0.21

0,20

1.00

0.47

0,46

0.11

0,11

1.00

0.02

0,01

1.00

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Note: N = 4.904 virksomheder (xxx = dummy missing value:

xxx = imputing missing value)

Tabel A2.2. Arbejdsmiljø og helbred 2014

Arbmil

Sikker Kvan

Ledelse Rolle

Indfl

Retf

Koll

Fys-an

Arbmil

1.00

Sikker

0.59

1.00

0,59

Kvan

0.10

0.11

1.00

0,09

Ledelse

0.60

0.57

0.12

1.00

0,59

0,53

0,10

Rolle

0.45

0.46

0.27

0.58

1.00

0,44

0,27

0,56

Indfl

0.39

0.38

0.01

0.45

0.40

1.00

0,40

0,36

0,01

0,44

0,40

Retf

0.61

0.52

0.14

0.67

0.54

0.47

1.00

0,62

0,51

0,14

0,64

0,54

0,47

Koll

0.43

0.36

0.06

0.45

0.39

0.37

0.49

1.00

0,45

0,35

0,06

0,42

0,39

0,37

0,49

Fys-an

0.11

0.21

-0.02

0.12

0.09

0.21

0.11

0.02

1.00

0,11

0,20

-0,02

0,11

0,08

0,21

0,11

0,02

Note: N = 6.298 virksomheder (xxx = dummy missing value:

xxx = imputing missing value)

Korrelationsanalysen viser høj grad af overensstemmelse mellem resultaterne for AH2012 og AH2014. Både

i AH2012 og AH2014 ses er relativ høj korrelation mellem skalaerne for virksomhedens prioritering af

arbejdsmiljøet (Arbmil), virksomhedens sikkerhedskultur (Sikker), ledelseskvalitet (Ledelse), rolleklarhed

(Rolle), indflydelse (Indfl), organisatorisk retfærdighed (Retf) og kollegial støtte (Koll). Derimod var hverken

kvantitative krav (Kvan) eller oplevelse af fysiske anstrengelse (Fys-an) korreleret med nogle af de andre

skalaer.

De estimerede korrelationer påvirkes ikke eller kun marginalt af, om missing values tillægges en dummy

værdi eller en imputeret værdi (se appendiks 4).

100

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Beskrivende statistik

Tabel A2.3. præsenterer beskrivende statistik for de variabler, der indgår i regressionsanalyserne (se

appendiks 4), baseret på henholdsvis data 1a, data 2b og data 3b.

Tabel A2.3. Beskrivende statistik

Data 1a

2012

Middel (std).

608 (989)

1454 (9390)

130 (667)

13,6 (1,4)

18,0 (6,7)

32 % (26 %)

20,0 (17,5)

51 % (50 %)

29 % (45 %)

24 % (43 %)

15 % (36 %)

37 % (48 %)

6 % (24 %)

2 % (15 %)

15 % (36 %)

0,5 % (7 %)

3,69 (0,65)

3,98 (0,62)

2,86 (0,61)

3,38 (0,77)

3,81 (0,58)

4,23 (0,71)

3,49 (0,81)

4,21 (0,65)

6,23 (2,88)

2014

Middel (Std)

612 (718)

1503 (8919)

111 (608)

13,8 (1,4)

19,2 (6,8)

32 % (26 %)

20,4 (17,4)

54 % (50 %)

28 % (45 %)

23 % (42 %)

13 % (33 %)

39 % (49 %)

7 % (25 %)

3 % (16 %)

17 % (37 %)

0,5 % (7 %)

3,73 (0,66)

4,05 (0,63)

2,85 (0,63)

3,43 (0,80)

3,84 (0,60)

4,26 (0,70)

3,60 (0,83)

4,23 (0,67)

6,68 (2,85)

Data 2b

2012

Middel (std).

657 (837)

1721 (10439)

200 (888)

13,7 (1,33)

19,1 (5,99)

32 % (24 %)

22,7 (18,7)

61 % (49 %)

37 % (48 %)

29 % (46 %)

11 % (31 %)

36 % (48 %)

6 % (24 %)

2 % (14 %)

15 % (36 %)

0 % (5 %)

3,73 (0,63)

4,03 (0,58)

2,86 (0,59)

3,40 (0,74)

3,83 (0,55)

4,25 (0,67)

3,49 (0,76)

4,19 (0,62)

6,45 (2,76)

2014

Middel (Std)

662 (674)

1600 (8713)

205 (909)

13,8 (1,29)

20,1 (6,06)

32 % (24 %)

24,8 (18,8)

61 % (48 %)

38 % (49 %)

29 % (45 %)

11 % (31 %)

36 % (48 %)

6 % (24 %)

2 % (14 %)

15 % (36 %)

0 % (6 %)

3,74 (0,61)

4,08 (0,57)

2,84 (0,58)

3,40 (0,73)

3,83 (0,56)

4,26 (0,64)

3,54 (0,76)

4,20 (0,62)

6,85 (2,67)

Data 3b

2012

Middel (std).

669 (886)

1880 (11262)

208 (973)

13,7 (1,35)

19,2 (6,03)

32 % (24 %)

22,3 (18,6)

60 % (49 %)

35 % (48 %)

29 % (45 %)

10 % (31 %)

37 % (48 %)

6 % (24 %)

2 % (15 %)

15 % (36 %)

0 % (6 %)

3,75 (0,66)

4,04 (0,62)

2,87 (0,62)

3,43 (0,77)

3,86 (0,58)

4,28 (0,71)

3,53 (0,81)

4,21 (0,66)

6,54 (2,90)

2014

Middel (Std)

673 (708)

1708 (9019)

211 (995)

13,8 (1,31)

20,4 (6,11)

32 % (24 %)

24,4 (18,7)

61 % (49 %)

36 % (48 %)

29 % (45 %)

10 % (31 %)

36 % (48 %)

6 % (25 %)

2 % (15 %)

15 % (36 %)

0 % (6 %)

3,75 (0,65)

4,08 (0,62)

2,85 (0,61)

3,41 (0,79)

3,84 (0,60)

4,27 (0,69)

3,57 (0,82)

4,20 (0,67)

6,86 (2,83)

Værditilvækst/ansat (KKr)

Anlægsaktiver/ansat (KKr)

Antal ansatte (omregnet til fuldtidsansatte)

Uddannelse (antal år for medarbejderne i

gennemsnit)

Erfaring (antal år på arbejdsmarkedet for

medarbejderne i gennemsnit)

Andel kvinder

Virksomhedens alder (år)

Andel med eksport

Andel med 2 eller flere filialer

Branche (andel af alle i %)

Industri, råstof og forsyning

Bygge og anlæg

Handel og transport mv.

Information og kommunikation

Ejendomshandel og udlejning

Erhvervsservice

Kultur, fritid og anden service

Arbejdsmiljøindikatorer (Skalaværdi)

Arbmil (prioritering af arbejdsmiljøindsatsen 1-5)

Sikker (sikkerhedskultur 1-5)

Kvan (kvantitative krav 1-5)

Ledelse (ledelseskvalitet 1-5)

Rolle (rolleklarhed 1-5)

Indfl (indflydelse 1-5)

Retf (organisatorisk retfærdighed 1-5)

Koll (kollegial støtte 1-5)

Fys-an (Fysisk anstrengelse 0-10)

Note:

Hver arbejdsmiljøindikatorer er vendt, således at den højeste værdi svarer til det bedste arbejdsmiljø.

101

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Appendiks 3

Notat om faktoranalyse på 33 udvalgte spørgsmål i AH2014

Hans Bay, Karsten Albæk, Sarah Kildahl Nico Nielsen

Faktoranalysen blev gennemført på de 33 spørgsmål, der indgår i de udvalgte skalaer, se appendiks 2.

Udgangspopulationen for faktoranalyserne var alle personer, der besvarede henholdsvis AH2012 og AH

2014.

Faktoranalysen bygger på en antagelse om, at besvarelsen af hver af de 33 spørgsmål er normalfordelt. Der

er brugt en såkaldt varimax rotation, der dels sikrer, at de konstruerede faktorer bliver uafhængige af

hinanden, dels medfører, at de enkelte spørgsmål enten bliver meget højt korreleret med faktoren eller

meget lavt. Selv om alle spørgsmål indgår i det mønster, der kendetegner hver faktor, har de forskellige

spørgsmål forskellig vægt og fortegn i de forskellige faktorer. Det er således forholdsvis få spørgsmål, som i

særlig grad ”tegner” faktoren. Dette bevirker, at man mere enkelt får mulighed for at navngive faktoren.

I begge år vil et stort antal personer potentielt kunne mangle en faktorværdi, fordi manglende besvarelse af

blot et af de 33 spørgsmål resulterer i, at værdien for faktoren ikke kan beregnes. Alt andet lige vil et stort

antal manglende faktorværdier reducere den statistiske styrke af statistiske tests, hvor de estimerede

faktorer indgår. For at undersøge effekten af at erstatte de manglende besvarelse af spørgsmål med

imputerede værdier (se appendiks 4 om imputering) har vi gennemført faktoranalysen både uden og med

imputering af de manglende besvarelser. Imputering fører ikke til nævneværdig ændring af de estimerede

faktorer (resultater er ikke vist), og vi har derfor anvendt imputering i beregningen af faktorerne for herved

at øge den statistiske styrke.

Scree Plot

1.0

0.8

Variance Explained

Eigenvalue

Proportion

0.6

0.4

0.2

0.0

Factor

Cumulative

Proportion

Vi har besluttet at anvende de fire første faktorer i de videre analyser, fordi

De fire faktorer tilsammen forklarer ca. 50 % af variansen.

102

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

De efterfølgende faktorer kun vil tilføre meget begrænset ekstra forklaringskraft .

Størrelsen af korrelationen mellem de fire faktorer og de oprindelige 33 spørgsmål var rimelig høj

(> 0,4) for 32 spørgsmål. De svageste korrelation var mellem faktorerne og fysisk anstrengelse (<

0,3)

Korrelationerne er vist i tabel A3-1 (”rotated factor pattern”). I tabellen angiver også hvilke spørgsmål, der i

særlig grad bidrager til de fire faktorer.

Vi har benævnt de fire faktorer:

Faktor 1. Ledelsesfaktor.

Her bidrager især spørgsmål fra skalaen om den direkte ledelse samt skalaen om

retfærdighed

Faktor 2. Indflydelses- og relationsfaktor.

I denne faktor bidrager især spørgsmål fra skalaer om

indflydelse, kollegial støtte, rolleklarhed og retfærdighed.

Faktor 3. Sikkerheds- og forebyggelseskulturfaktor.

Her bidrager spørgsmål om sikkerhedskultur og

spørgsmål om, hvorvidt virksomheden prioriterer arbejdsmiljøindsatsen højt. Endvidere loader spørgsmålet

om fysisk anstrengende arbejde også især på denne faktor.

Faktor 4. ’Tidspres’ faktor.

I denne faktor bidrager især spørgsmål fra skalaen om kvantitative krav

(tidspres).

Konstruktionen af faktorerne har sikret, at de fire faktorer er uafhængige af hinanden. Dermed er det

muligt at vurdere disse fire faktorer individuelt, også når de alle fire optræder samtidigt i lineære

regressionsmodeller.

103

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A3-1. Rotated Factor Pattern

Factor1

Q08_5

Q08_3

Q08_7

Q08_6

Q08_4

Q08_1

Q08_8

Hvor ofte giver din nærmeste leder dig den nødvendige ris og ros

for dit arbejde?

Hvor ofte tager din nærmeste leder sig tid til at engagere sig i din

faglige udvikling?

Hvor ofte får du den hjælp og støtte, du har brug for fra din

nærmeste leder?

Hvor ofte bliver dit arbejde anerkendt og påskønnet af Ledere?

Hvor ofte involverer din nærmeste leder dig i tilrettelæggelsen af

dit arbejde?

Hvor ofte forklarer din nærmeste leder dig virksomhedens mål, så

du forstår, hvad de betyder for dine opgaver?

Hvor ofte kan man stole på de udmeldinger, der kommer fra

Ledere?

80 *

78 *

76 *

75 *

68 *

67 *

60 *

53 *

51 *

49 *

48 *

46 *

43 *

Factor2

45 *

43 *

70 *

66 *

64 *

63 *

49 *

47 *

44 *

Factor3

44 *

Factor4

Q09_13 Hvor ofte får du den vejledning og instruktion, du behøver for at

udføre dit arbejde?

Q09_1

Hvor ofte bliver alle medarbejdere, der påvirkes af en given

beslutning, hørt?

Q09_12 Hvor ofte får du den information, du behøver for at udføre dit

arbejde?

Q09_2

Q07_3

Q09_7

Q09_6

Q09_4

Q09_8

Hvor ofte bliver alle medarbejdere behandlet retfærdigt på

virksomheden?

I hvilken grad bliver medarbejderne på din arbejdsplads

involveret i beslutninger, som påvirker deres arbejdsmiljø?

Hvor ofte har du indflydelse på, hvordan du løser dine

arbejdsopgaver?

Hvor ofte samarbejder du og dine kolleger, når der opstår

problemer, der kræver løsninger?

Hvor ofte hjælper du og dine kolleger hinanden med at opnå det

bedst mulige resultat?

Hvor ofte har du indflydelse på, hvornår du løser dine

arbejdsopgaver?

Q09_14 Hvor ofte ved du helt klart, hvad der er dine arbejdsopgaver?

Q09_9

Q08_2

Hvor ofte gør du og dine kolleger en indsats for at forbedre

arbejdsmiljøet?

Hvor ofte har du tilstrækkelige beføjelser i forhold til det ansvar,

du har i dit arbejde?

104

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A3-1. Rotated Factor Pattern

Factor1

Q21_2

Q21_3

Q21_1

Q21_4

Q07_2

Q07_1

Q23

Q12_3

Q12_4

Q12_6

Q12_2

Q12_1

Q12_5

Ledelsen opmuntrer medarbejderne til at arbejde sikkert, selv når

arbejdsplanen er stram

Ledelsen inddrager medarbejderne i beslutninger vedrørende

sikkerhed

Jeg får den nødvendige vejledning og instruktion i sikker udførelse

af arbejdet

Vi hjælper hinanden med at arbejde sikkert, selv når

arbejdsplanen er stram

I hvilken grad prioriterer din arbejdsplads forebyggelse af

arbejdsmiljøproblemer højt?

I hvilken grad er holdningen på din arbejdsplads, at arbejdsmiljøet

skal være bedre end reglerne kræver?

Hvor fysisk hårdt opfatter du normalt dit nuværende arbejde? (0-

10, hvor 0 er "Ikke hårdt" og 10 er "Maksimalt hårdt".)

Hvor ofte har du tidsfrister, som er svære at holde?

Hvor ofte får du uventede arbejdsopgaver, der sætter dig under

tidspres?

Hvor ofte er det nødvendigt at arbejde over?

Hvor ofte er det nødvendigt at holde et højt arbejdstempo?

Hvor ofte oplever du, at du har nok tid til dine arbejdsopgaver?

Hvor ofte står du til rådighed udenfor normal arbejdstid?

45 *

Factor2

-23

Factor3

81 *

78 *

75 *

74 *

48 *

42 *

Factor4

78 *

70 *

69 *

62 *

49 *

41 *

Q09_15 Hvor ofte bliver der stillet modsatrettede krav til dig i dit arbejde?

Printed values are multiplied by 100 and rounded to the nearest integer. Values greater than 0.4 are flagged with an '*'.

Values less than 0.2 are not printed.

105

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Appendiks 4

Notat om de anvendte statistiske metoder og modeller

Karsten Albæk, Hans Bay, Sarah Kildahl Nico Nielsen, Esben Anton Schultz

Virksomhedens Cobb-Douglas’ produktionsfunktion

I analyserne har vi valgt at tage udgangspunkt i Cobb-Douglas’ produktionsfunktion, der i

nationaløkonomisk forskning står helt centralt. Dette valg gør metodeudviklingen i projektet væsentligt

lettere, fordi det teoretiske grundlag for at anvende Cobb-Douglas’ produktionsfunktion allerede er afklaret

i detaljer i den nationaløkonomiske litteratur. Der findes således en omfattende litteratur, som omhandler

udfordringerne ved at identificere kausale sammenhænge i Cobb-Douglas’ produktionsfunktion.

Det teoretiske udgangspunkt for projektets analyser af sammenhænge mellem arbejdsmiljø og

produktivitet er således virksomhedens Cobb-Douglas’ produktionsfunktion med tre produktionsfaktorer:

��

hvor Y er output/produktion, A er totalfaktorproduktivitet, K er kapital, L er arbejdskraft og M er

materialeforbrug i produktion.

Vi er interesserede i effekten af arbejdsmiljø på arbejdskraftproduktiviteten, målt som værditilvækst (VTV)

pr. arbejdskraftinput. Derfor fratrækkes forbrug i produktionen og der divideres med arbejdskraften.

Modellen transformeres som følger:

��−��

��

Antager man, at der anvendes en fast andel materialer (forbrug i produktionen) pr. person kan udtrykket

forsimples til:

�� ½ �½

(

��

)

��

��+��+��−1

− ��

��

��−1

�½ �½ ��

��+��+��−1

��

�½ �½

��

′

��

′

��

�� ½ �½ �½ �½ ��

��+��+��−1

−

��

Ved logaritmisk transformation får vi:

�½

��

�½

��

hvor

=ln

(��

��−1

)

er en konstant, og totalfaktorproduktiviteten A =

��

′

��

′

��

er delt op i et

arbejdsmiljøled (W) et virksomhedskarakteristika-led (X) og et uobserverbart led (��).

I regressionsanalyserne er virksomheder med negativ værditilvækst ekskluderet, fordi logaritmen til

negative værdier ikke er defineret. I praksis drejer det sig om et ubetydeligt antal virksomheder.

Regressionsmodeller

I de statistiske analyser har vi anvendt lineær regression til at estimerer den lineære funktion. Parametrene

��½��½

er estimater for kapitalintensitetens og arbejdskraftens betydning for produktiviteten.

Parameteren

��

er et estimat af betydningen af arbejdsmiljøet på produktivitet, mens parameteren

��

er et

estimat af betydningen af andre virksomhedsdeterminanter på produktiviteten.

106

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Regressionsmodellen anvendes i lignende studier så som Black & Lynch (2001) og Buhai et al. (2017).

Sammenlignet med de tidligere studier har nærværende projekt adgang til et stort og righoldigt datasæt,

der giver særlige muligheder for specifikationen af regressionsmodellerne.

Figur A4.1. skitserer de forskellige elementer i analysestrategien.

Figur A4.1. De forskellige elementer i analysestrategien

Projektet hovedanalyser, der tester projektet primære hypoteser, er forløbsanalyser, hvor lineære

sammenhænge mellem ændringer i arbejdsmiljø og ændring i produktivitet estimeres i den fulde

regressionsmodel. Den fulde regressionsmodel betegner en model, hvor alle virksomhedsdeterminanter af

produktivitet indgår (se senere).

Projektet har gennemført tre forskellige typer af sekundære analyser:

•

Tværsnitsanalyser i den fulde regressionsmodel er gennemført primært som del at

metodeudviklingen. Erfaringsmæssigt er det uhyre vanskeligt at påvise kausale sammenhænge i

forløbsanalyser, og ingen har tidligere lykkedes med at gøre det. Tværsnitsanalyser er derfor

gennemført for at belyse, om det overhovedet er muligt at påvise sammenhæng mellem en eller

flere af de ni arbejdsmiljøindikatorer og produktivitet, men tværsnitsanalyser kan ikke sige noget

om karakteren af (underliggende forklaringer på) eventuelle sammenhænge.

Stratificeret regressionsanalyser ud fra udgangsniveauet af kvaliteten af arbejdsmiljøet. I den fulde

regressionsmodel har vi som udgangspunkt antaget en lineær sammenhæng mellem arbejdsmiljø

og produktivitet. Det er imidlertid potentielt muligt, at en sammenhæng mellem arbejdsmiljø og

produktivitet er afhængig af, om kvaliteten af arbejdsmiljøet fra starten har et lavt eller højt niveau.

Vi har derfor nærmere undersøgt denne antagelse ved at gennemføre stratificerede

regressionsanalyser for hver af de ni arbejdsmiljøindikator, idet virksomhederne deles i tre grupper

ud fra skalaværdien af arbejdsmiljøindikatoren i 2012 (Lav = de ca. 1/3 af virksomheder som har de

•

107

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

•

laveste skalaværdier i 2012; Høj = de ca. 1/3 af virksomheder som har de højeste skalaværdier i

2012; Middel = de resterende ca. 1/3 af virksomheder).

Rå regressionsanalyser. Det kan ikke på forhånd udelukkes, at de ni arbejdsmiljøindikatorer er

korreleret med en eller flere af de virksomhedsdeterminanter af produktivitet, der anvendes i den

fulde regressionsmodel. For at få et indtryk af, i hvilket omfang virksomhedsdeterminanterne

påvirker en eventuel sammenhæng mellem arbejdsmiljø og produktivitet har vi gennemført ”rå”

regressionsanalyser af sammenhænge mellem de ni arbejdsmiljøindikatorer og produktivitet uden

virksomhedsdeterminanter i regressionsmodellen.

Syv af de ni arbejdsmiljøindikatorer viser medium til høj korrelation. Hvis alle arbejdsmiljøindikatorer indgår

samtidigt i den fulde regressionsmodel kan det vanskeliggøre fortolkning af resultaterne, fordi indikatorer

med høj korrelation kan påvirke (udviske) hinanden eller endog fører til modsat fortegn i en samlet

regressionsmodel. Vi har derfor valgt både at gennemføre regressionsanalyser for hver enkelt

arbejdsmiljøindikator for sig og for alle ni arbejdsmiljøindikatorer samlet. Herved for vi mulighed for at

belyse, om de forskellige arbejdsmiljøindikatorer påvirker hinanden i den fulde regressionsmodel.

Endelig er hovedanalyser og flertallet af de sekundære analyser blevet gennemført på tværs af alle

brancher og inden for hver af fire hovedbranchegrupper: ’Industri, råstof og forsyning’ (651 virksomheder),

’Bygge og anlæg’ (232 virksomheder), ’Handel og transport’ (823 virksomheder), ’Erhvervsservice’ (337

virksomheder). De fire hovedbranchegrupper viser distinkte forskelle i en række virksomhedskarakteristika,

der vides at hænge sammen med produktivitet, fx virksomhedsstørrelse, medarbejdernes

uddannelsesniveau, andel kvinder ansat, andel virksomheder med eksport mv. Det er således muligt, at

analyser i de fire hovedbranchegrupper hver for sig vil afsløre interessante forskelle.

Definition af den fulde regressionsmodel

Kapital (K): Her anvendes alle tilgængelige oplysninger op virksomhedens anlægsaktiver, herunder

materielle, immaterielle og finansielle.

Arbejdskraft (L): Antal ansatte kan være et upræcist mål for arbejdskraften, særligt i Danmark, hvor mange

arbejder på deltid. Arbejdskraftproduktiviteten defineres også oftest, som værditilvækst pr. arbejdstime.

Derfor vælger vi at anvende årsværk pr. virksomhed, som vi bedømmer er et mere præcis mål for

arbejdskraften en antal ansatte.

Andre virksomhedskarakteristika (X): Her inddrages et antal kendte determinanter af produktivitet - Andel

med faguddannelse, kort/mellemlang uddannelse og andel med lang videregående uddannelse; Andel med

4-10 års erfaring, med 11-20 års erfaring og over 21 års erfaring; Andel kvinder; Virksomhedens alder;

Andel virksomheder med eksport; Andel virksomheder med flere arbejdssteder; Branche (vi har anvendt

en opdeling af virksomheder på syv (ud af 10) hovedbranchegrupper. I regressionsanalyserne på tværs af

brancher er indføjet en dummyvariable for hovedbranchegruppe, således at der tages højde for

brancheforskelle).

Der kan være endogenitetsproblemer i hovedanalyserne (Fixed Effect modellen), hvis der fx er

uobserverbare karakteristika, som varierer over tid, fx produktivitetschok, eller omvendt kausalitet. En

anden udfordring ved Fixed Effekt modellen er, at man udelukkende anvender variationen over tid inden

for virksomhederne. Givet at arbejdsmiljø og værditilvækst er persistente variable, vil vi for nogle

arbejdsmiljøindikatorer se meget lidt variation over tid, hvilket kan gøre det svært at påvise signifikante

effekter.

108

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

2 trin system GMM

I litteraturen er der udviklet en metode – system GMM , som korrigerer for endogenitetsproblemerne, og

som anvender både variation over tid og mellem virksomheder. Metoden er udviklet af bl.a. Arellano &

Bover (1995) samt Blundell & Bond (1998, 2000). Metoden tager udgangspunkt i et system af

momentbetingelser og anvender værdier fra tidligere (både niveau og differencer) som instrumenter for de

input i produktionsfunktionen, der kan være endogenitetsproblemer med (kapital, arbejdskraft og

arbejdsmiljø). Dermed undgås disse endogenitetsproblemer.

Udfordringen med system GMM er, at man som udgangspunkt skal bruge mindst tre perioder for at

estimere effekten. Vi har kun observationer for arbejdsmiljø i to perioder. Resten af vores variable

observerer vi dog i hele perioden 2010-2014. Af denne grund anvendes samme tilgang som i Black & Lynch

(2001) samt Buhai et al. (2017), hvor effekten estimeres i to trin:

Trin 1:

Produktivitetsfunktionen med alle de potentielt endogene variable estimeres i system GMM.

Dermed undgås bias i disse koefficienter. I vores model indgår følgende endogene forklarende variable:

årsværk, anlægsaktiver (herunder materielle, immaterielle og finansielle), andel med faguddannelse, andel

med kort/mellemlang/lang videregående uddannelse,

gns. antal års erfaring i virksomheden.

Derudover

inkluderes branche-år-dummies efter samme princip som Buhai et al. (2017).

Trin 2:

Den uforklarede variation fra trin 1 (fejlleddet) anvendes som afhængig variabel i en regression, som

indeholder eksogene variable og arbejdsmiljøvariable. I vores model indgår følgende forklarende variable:

virksomhedens alder, eksportvirksomhed, virksomhed med flere arbejdssteder, branche, arbejdsmiljø.

Udfordringen med denne metode er, at den kun korrigerer for endogenitetsproblemer med kapital og

arbejdskraft og ikke med arbejdsmiljø, som er det, vi er mest interesseret i. Vi vurderer derfor ikke, at

metode væsentligt forbedrer vores analyse, og vi har derfor valgt kun at vise resultater fra system GMM-

analyser på tværs af brancher i indeværende rapport.

Imputering

Nogle respondenter har besvaret alle de spørgsmål i spørgeskemaet, som vi anvender i analyserne, mens

andre respondenter har besvaret nogle af spørgsmålene, men undladt at besvare andre. Formodningen er,

at det ikke er tilfældigt, hvem der besvarer eller ikke besvarer alle spørgsmål, og den formodning er opfyldt

i denne undersøgelse. Vi har gennemført analyser, hvor de manglende besvarelser er tildelt den

gennemsnitlige værdi af alle besvarelser, og hvor vi samtidigt inkluderer en indikator (dummy) for

manglende besvarelse. Koefficienterne til indikatorerne er systematisk negative, hvilket indebærer, at de

respondenter, som ikke besvarer alle spørgsmål, i gennemsnit er ansat i virksomheder med lavere

produktivitet, betinget på alle andre variable, der indgår i analyserne.

Vi har valgt at præsentere resultater, hvor vi har ”imputeret” værdien af manglende besvarelser.

Fremgangsmåden er den, at besvarelserne opdeles efter brancher. Hvis der mangler besvarelse på et

spørgsmål fra en respondent, fyldes den manglende besvarelse ud med besvarelsen hos en anden

respondent i branchen, hvor denne respondent trækkes tilfældigt. Resultaterne af de præsenterede

analyser med imputering for manglende besvarelser er næsten de samme som resultaterne af den ovenfor

nævnte analyse, hvor de manglende besvarelser fik tildelt gennemsnitsværdien, og hvor der i

regressionerne indgik en dummy for manglende besvarelse.

Når GMM køres med separat andel for kort/mellemland og lang videregående uddannelse, viser Sargan tests, at

instrumenterne ikke er eksogene, derfor anvendes en aggregeret andel her.

Når GMM køres med erfaringsvariablene fra hovedmodellen, viser Sargan tests, at instrumenterne ikke er eksogene,

derfor anvendes her i stedet gns. antal års erfaring.

109

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Et alternativet til imputering er at undlade at medtage de respondenter, der ikke har besvaret alle

spørgsmål. I vores tilfælde ville dette indebærer, at vi skulle undlade at medtage ca. 30 procent af

respondenterne, som i betydeligt omfang er ansat på lavproduktive virksomheder. Resultaterne af en sådan

analyse vil med betydelig sandsynlighed være mere skæve end de gennemførte analyser med imputering.

Det er i det mindste konklusionen på den omfattende statistiske litteratur om behandlingen af ”missing

values” ved analyser af besvarelser af spørgeskemaer (Referencer). Til udarbejdelsen af rapporten har vi

valgt én af de mere klassiske og simple varianter af de forskellige metoder til imputering af manglende

besvarelser.

I data fra Danmarks Statistik er regnskabstal for en del især mindre virksomheder ligeledes blevet

imputeret (dvs. at manglende data er blevet udfyldt ved at trække værdien fra tilsvarende virksomheder på

baggrund af en række baggrundskarakteristika omkring virksomhederne). For at opnå en større statistisk

styrke, har vi valgt at bevare virksomheder med imputerede regnskabstal i analyserne. Dette er gængs

praksis i meget af den eksisterende litteratur, og det er nødvendigt for at kunne lave separate analyser for

de forskellige brancher. Dette introducerer dog en risiko for skævhed i resultaterne, da der er tale om en

målefejl i den afhængige variabel, og målefejlen forventes at være korreleret med en af de forklarende

variable (virksomhedsstørrelse).

Normalisering af variabler til middelværdi = 0 og spredning 1

For at lette fortolkningen af resultaterne har vi normaliseret arbejdsmiljøindikatorer og

arbejdsmiljøfaktorer, så de har et gennemsnit på nul og en standardafvigelse på én. Det er disse indeks, der

indgår som forklarende variable i regressionsanalyserne. I den beskrivende statistik, tabel 4.0.1 fremgår

det, at de fleste indeks er dannet på baggrund af svar på spørgsmål, som har en skala fra ét til fem.

Undtagelsen er spørgsmålet om fysisk anstrengelse, som har en skala fra nul til ti. Uden normering ville

man kun med besvær kunne sammenligne størrelsen af koefficienterne til de forskellige arbejdsmiljøindeks

i regressionsanalyserne. Fremgangsmåden ville være, at læseren skulle dividere koefficienterne i

regressionsanalyserne med de standardafvigelser, som står opført i kolonne to og fire i tabel 4.0.1. Det er

det, vi har gjort på forhånd, således at størrelsen af koefficienterne i regressionsanalyserne umiddelbart

kan sammenlignes, uanset hvilken skala de er målt på. Fremgangsmåden er standard i litteraturen.

110

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Appendiks 5

Udvalgte eksempler på anvendelsen af de statistiske modeller

Tabel A5.1. Tværsnitsanalyser

Tværsnitsanalyser 2014 for alle ni arbejdsmiljøindikatorer samlet i

•

Regressionsmodel uden virksomhedsvariabler

•

Regressionsmodel med virksomhedsvariabler (den fulde regressionsmodel).

Tabel A5.2 GMM-analyser

Tabel A5.2-1 Regressionsresultater fra Arellano-Bond system GMM (trin 1)

Tabel A5.2-2 Regressionsresultater fra GMM (trin 2).

Tabel A5.3 Kausal sammenhæng

Ændring i AH2012-2014 versus ændring i værditilvækst 2013-2015. Alle arbejdsmiljøindikatorer analyseret

samlet i

•

Regressionsmodel uden virksomhedsvariabler

•

Regressionsmodel med virksomhedsvariabler (den fulde regressionsmodel).

111

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A5.1. Tværsnitsanalyser

Tværsnitsanalyser 2014 for alle ni arbejdsmiljøindikatorer samlet i

Regressionsmodel uden virksomhedsvariabler

Regressionsmodel med virksomhedsvariabler (den fulde regressionsmodel)

Med virk. variabler

Prioritering af arbejdsmiljøet

0.049***

(0.015)

Sikkerhedskultur

0.01

(0.012)

Kvantitative krav

-0.011

(0.012)

Ledelse

0.007

(0.013)

Rolleklarhed

0.007

(0.013)

Indflydelse

-0.008

(0.011)

Retfærdighed

-0.049***

(0.015)

Kollegial støtte

0.001

(0.010)

Fysisk anstrengelse i arbejdet

0.041***

(0.011)

Log(anlægsaktiver/årsværk)

0.109***

(0.010)

Log(årsværk)

0.013

(0.010)

Andel faglærte

0.068

(0.077)

Andel kort/mellemlang uddannelse

0.373***

(0.104)

Andel lang videregående uddannelse

1.012***

(0.123)

Andel over 20 års erfaring

0.127

(0.080)

Andel 11-20 års erfaring

0.210**

(0.093)

Andel 4-10 års erfaring

-0.285

(0.238)

Andel kvinder

-0.181***

(0.051)

Virksomhedens alder/10

0.004

(afvigelse fra gns.)

(0.009)

Virksomhedens alder/10 i anden

-0.002

(afvigelse fra gns.)

(0.001)

Eksportvirksomhed

0.044*

(1=eksport, 0= ingen eksport)

(0.026)

Virksomhed med flere arbejdssteder

-0.059**

(1=flere steder, 0=kun ét sted)

(0.028)

Branche dummies

Konstant

5.631***

(0.083)

0.328

Antal observationer

2111

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Kilde: Danmarks Statistik

Uden virk. variabler

0.072***

(0.016)

0.006

(0.014)

-0.015

(0.013)

0.014

(0.018)

0.003

(0.015)

0.004

(0.012)

-0.112***

(0.017)

0.009

(0.011)

0.122***

(0.011)

112

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A5.2-1 GMM-analyser

Regressionsresultater fra Arellano-Bond system GMM (trin 1)

GMM Trin 1

0.078***

(0.015)

Log(årsværk)

-0.007

(0.053)

Andel faglærte

-0.158

(0.244)

Andel kort / mellemlang / lang videregående uddannelse

0.231

(0.238)

Gns. erfaring i virksomheden

-0.004

(0.010)

Andel kvinder

0.294

(0.288)

Branche-år-dummies

Konstant

6.166***

(0.369)

Antal observationer

10555

Sargan test

χ2(48) = 15.73 (p=1.00)

Hansen test

χ2(48) = 30.52 (p=0.977)

Autokorrelation af første grad

z = -1.03 (p=0.30)

Autokorrelation af anden grad

z = 0.95 (p=0.34)

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

Der er anvendt maksimalt antal lags inden for perioden 2010-2014, resultatet ændres ikke markant af at

begrænse antallet af lags.

Kilde: Danmarks Statistik

Log(anlægsaktiver/årsværk)

113

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A5.2-2 GMM-analyser

Regressionsresultater fra GMM (trin 2) for alle arbejdsmiljøindikatorer analyseret samlet

GMM trin 2

0.075***

(0.017)

Sikkerhedskultur

0.006

(0.014)

Kvantitative krav

-0.016

(0.012)

Ledelse

0.007

(0.015)

Rolleklarhed

-0.004

(0.017)

Indflydelse

0.014

(0.012)

Retfærdighed

-0.087***

(0.018)

Kollegial støtte

0.003

(0.011)

Fysisk anstrengelse i arbejdet

0.066***

(0.011)

Virksomhedens alder/10

0.023***

(afvigelse fra gns.)

(0.008)

Virksomhedens alder/10 i anden

-0.006***

(afvigelse fra gns.)

(0.001)

Eksportvirksomhed

0.132***

(1=eksport, 0= ingen eksport)

(0.027)

Virksomhed med flere arbejdssteder

-0.048**

(1=flere steder, 0=kun ét sted)

(0.019)

Branche dummies

Konstant

-0.218***

(0.033)

0.406

Antal observationer

2111

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

1) I analyserne er anvendt gennemsnit for værdi i AH2012 og AH2014

Kilde: Danmarks Statistik

Prioritering af arbejdsmiljøet

114

BEU, Alm.del - 2018-19 (1. samling) - Bilag 278: Orientering om rapport vedr. sammenhængen mellem arbejdsmiljø og produktivitet, fra beskæftigelsesministeren

Tabel A5.3 Kausal sammenhæng

Ændring i AH2012-2014 versus ændring i værditilvækst 2013-2015.

Alle arbejdsmiljø-indikatorer analyseret samlet i

Regressionsmodel uden virksomhedsvariabler

Regressionsmodel med virksomhedsvariabler (den fulde regressionsmodel)

Kausal sammenhæng

uden virk. variabler

-0.005

(0.009)

-0.002

(0.008)

-0.009

(0.009)

0.018*

(0.011)

-0.002

(0.009)

-0.015*

(0.009)

-0.005

(0.009)

-0.003

(0.009)

0.025**

(0.011)

Kausal sammenhæng

Med virk. variabler

(0.009)

Sikkerhedskultur

-0.004

(0.008)

Kvantitative krav

-0.007

(0.009)

Ledelse

0.012

(0.010)

Rolleklarhed

-0.004

(0.008)

Indflydelse

-0.015*

(0.008)

Retfærdighed

-0.006

(0.009)

Kollegial støtte

-0.001

(0.008)

Fysisk anstrengelse i arbejdet

0.029**

(0.011)

Log(anlægsaktiver/årsværk)

0.066***

(0.012)

Log(årsværk)

-0.231***

(0.051)

Andel faglærte

-0.132

(0.102)

Andel kort/mellemlang uddannelse

-0.122

(0.169)

Andel lang videregående uddannelse

-0.042

(0.247)

Andel over 20 års erfaring

0.127

(0.094)

Andel 11-20 års erfaring

0.211**

(0.093)

Andel 4-10 års erfaring

0.044

(0.101)

Andel kvinder

-0.001

(0.124)

Eksportvirksomhed

-0.007

(1=eksport, 0= ingen eksport)

(0.030)

Virksomhed med flere arbejdssteder

-0.003

(1=flere steder, 0=kun ét sted)

(0.035)

Branche dummies

Nej

Konstant

6.889***

(0.225)

0.107

Antal observationer

4366

Note: Robuste standardfejl i parentes. * 10 pct. signifikans, ** 5 pct. signifikans, *** 1 pct. signifikans.

1) Kapital (anlægsaktiver/årsværk) og arbejdskraft (årsværk) mål 2013 og 2015

Kilde: Danmarks Statistik

Prioritering af arbejdsmiljøet

115

Lersø Parkallé 105

2100 København Ø

T 39 16 52 00

F 39 16 52 01

E [email protected]

W www.nfa.dk