Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt
2195743_0001.png
Omkostningsanalyse af
ungdomsuddannelsesområdet
Analyserapport om
VUC’er
November 2019
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0002.png
VUC’erne
er kendetegnet ved stor forskelle grundet institutionsspecifikke forhold samt generelt
faldende marginalomkostninger
Faldende marginalomkostninger
•
VUC’erne
er samlet set kendetegnet ved
faldende marginalomkostninger,
da større institutioner har lavere omkostninger per årskursist end
mindre institutioner
Denne sammenhæng gør sig gældende for
lønomkostninger til undervisning,
og udmøntes bl.a. igennem en smule større hold i gennemsnit
og højere andele undervisningstid hos større institutioner
Ift.
lønomkostninger til administration og ledelse
er der ligeledes observeret faldende marginalomkostninger. Det skyldes, at opgaver inden for
området har en lav grad af aktivitetsafhængighed
Ift.
totale bygningsomkostninger
er der ikke identificeret faldende marginalomkostninger. Det dækker dog over to modsatrettede tendenser,
hvor større institutioner typisk har højere omkostninger per årskursist og per kvadratmeter men færre kvadratmeter per elev
Ift.
øvrige driftsomkostninger
viser analyserne faldende marginalomkostninger. I denne sammenhæng fremhæves særligt bedre muligheder
for professionalisering, udlicitering og gode indkøbsaftaler, der følger med at være en stor institution
Geografi
•
•
•
Modsat indledende forventninger har analyserne ikke observeret betydelige effekter af institutionernes geografiske placering (land/by). Det kan
ikke afvises, at den manglende sammenhæng skyldes få observationer i analyserne
Denne begrænsede sammenhæng gør sig gældende på tværs af omkostningskategorierne
Geografi kan dog påvirke institutionernes tilpasningsevne (jf. delanalyse 4 i kapitel 5), da geografi har betydning for i) mulighederne for at afsætte
bygninger, ii) muligheder for leje af (midlertidige) bygninger, der kan bruges til undervisning, herunder som følge af andre
undervisningsinstitutioner i nærområdet iii) udbuddet af undervisere såvel som konkurrencen om undervisere i området, m.m.
Økonomisk bæredygtighed
•
Analysen af økonomisk bæredygtighed finder, at fem VUC’er vurderes at være økonomisk udsatte. De udsatte VUC’er er større målt
på antal
årselever såfremt der kontrolleres for en markant større VUC’er, men der konstateres kun marginale forskelle ift. de relevante
omkostningsdrivere
Analysen af økonomisk bæredygtighed tyder derfor på, at det særligt er institutionsspecifikke forhold, som driver resultaterne. Med andre ord kan
effekterne af omkostningsdrivere (jf. delanalyse 3 i kapitel 4) ikke genfindes en til en i analysen af økonomisk bæredygtighed. Det underbygges
af, at de økonomisk udsatte VUC’er har en højere bindingstid på deres omkostningsbase samt markant lavere andel af lønomkostninger
Resultaterne om økonomisk bæredygtighed skal dog tolkes varsomt. Det skyldes den sparsomme population (fem VUC’er hvor en kan
ses som
markant afvigende fra resten)
2
•
•
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0003.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
3
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0004.png
1. INTRODUKTION
Rapportens struktur
•
•
Institutionerne der er omfattet af analysen, segmenteres i elleve arketyper (jf. side 5-8), som analyseres i separate analyserapporter. De fire arketyper under
delsektoren gymnasier er analyseret i én analyserapport, hvorfor der i alt er otte analyserapporter
Nærværende rapport indgår i den samlede omkostningsanalyse, hvoraf den udgør én af de i alt otte analyserapporter. De centrale og tværgående konklusioner fra
de otte analyser opsummeres i én samlet hovedrapport
Nedenfor fremgår en oversigt over struktur og indhold i analyserapporterne, herunder fire delanalyser (kap. 2-5). Alle otte analyserapporter følger samme struktur,
men med forbehold for tilpasninger i de konkrete analyser i henhold til særlige karakteristika for de enkelte arketyper, for institutionsinddeling se bilag 6.1
Analyserne er baseret på en række datakilder, som til sammen udgør omkostningsanalysens datagrundlag. I bilag 6.2 er datagrundlaget beskrevet, herunder
hvordan data fra relevante registre er samlet i ét datasæt
Beskrivelse
•
Præsenterer og beskriver arketypesegmenteringen, som er udarbejdet pba. relevante karakteristika, da der eksisterer relevante forskelle på tværs af delsektorer: i) almene
gymnasier er en relativ homogen gruppe, hvor den største forskel er ift. størrelse, hvorfor de inddeles i arketyper herefter, ii) erhvervsskolerne udbyder mange forskellige
uddannelser, og er meget forskellige ift. elevsammensætning, hvorfor de inddeles i henhold til institutionstyper i Institutionsregisteret, og iii)
VUC’erne
er ikke inddelt i flere
arketyper pga. det lave antal institutioner (24 voksenuddannelsescentre)
•
Arketyperne er baseret på inddelingen af institutioner i Regnskabsportalen. I bilag findes oversigter over, hvilke institutioner, der hører til i hvilke arketyper
•
Fremstiller gensidigt udelukkende omkostningskategorier for hele sektoren, hvorefter en omkostningskortlægning nedbryder omkostningsbasen for arketypen i de gensidigt
udelukkende kategorier, herunder også kortlægning af udviklingen fra 2011-2018
•
Kortlægger omkostninger per uddannelseskategori og nedbryder omkostninger per årselev per uddannelse
•
Omkostningskategorierne anvendes i de efterfølgende analyser, og kortlægningen af omkostningsstrukturerne danner grundlag for de efterfølgende analyser, som i vid
udstrækning ser på de relative forskelle i hvordan omkostninger fordeler sig på tværs af institutioner i hver arketype
•
Identificerer relevante omkostningsdrivere indenfor de tre overordnede omkostningskategorier (lønomkostninger, bygningsomkostninger og omkostninger til øvrig drift) pba.
institutionsbesøg, registerdataanalyser og input fra hhv. BUVM og tekniske eksperter fra institutionerne på tværs af delsektorer
•
Analyserer effekten af omkostningsdriverne inden for de tre overordnede omkostningskategorier samt, hvordan disse omkostningsdrivere evt. relaterer sig til hinanden, herunder
særligt ift. institutionsstørrelse og geografi
•
Belyser, hvorvidt der eksisterer faldende marginal omkostninger, og ser nærmere på betydningen af institutionernes geografiske lokation
•
Undersøger institutionernes tilpasningsevne, hvilket indledes med en analyse af institutionernes tilpasningsbehov ved at identificere størrelsen af indtægtsfald i perioden 2012-
2018 som følge af ændringer i antal årselever/-kursister
•
Beregner institutionernes omkostningsfleksibilitet ud fra to nøgleparametre: i) omkostningernes aktivitetsafhængighed og ii) bindingstid på omkostninger. Derudover belyser
analysen af tilpasningsevne, hvordan institutionerne i praksis tilpasser deres omkostninger i perioder med indtægtsfald, herunder hvordan besparelser fordeler sig imellem
omkostningskategorier
•
Sammenholder institutionernes tilpasningsevne- og behov for at identificere tilpasningsudfordringer for institutionerne
•
Kortlægger finansielle nøgletal for arketypen, som viser udviklingen i økonomisk robusthed i perioden 2011-2018
•
Analyserer økonomisk bæredygtighed med afsæt i to punkter: i) udvælgelse af institutioner pba. resultater fra det igangværende arbejde om institutionernes økonomi og ii)
identifikation af relevante karakteristika for institutioner med udfordret økonomi
•
Analyserne i dette kapitel baseres i høj grad på foregående analyser
•
•
Kapitel
1
Introduktion
2
Delanalyse 1:
Omkostnings-
strukturer
3
Delanalyse 2:
Omkostnings-
drivere
4
Delanalyse 3:
Tilpasningsevne
5
Delanalyse 4:
Økonomisk
bæredygtighed
STRUENSEE & CO.
4
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0005.png
1. INTRODUKTION
Institutionerne segmenteres i arketyper indenfor hver delsektor
•
•
•
Figuren nedenfor viser institutionspopulationen fordelt efter antal uddannelser
1
og antal årselever
2
på tværs af de tre delsektorer
Af figuren fremgår det, at der er markante forskelle mellem de forskellige delsektorers størrelse og udbud. Eksempelvis har alle gymnasier undtagen et gymnasium
under 1.500 årselever, og langt størstedelen udbyder 1-3 uddannelser. Det står i skarp kontrast til erhvervsskolerne, som spænder mellem ~50 årselever på de
mindste landbrugsskoler til over 6.000 årselever på de største kombinationsskoler med et uddannelsesudbud på over 40 forskellige uddannelser
Den store forskel på tværs af de tre delsektorer betyder, at det ikke er formålstjenstligt at udvikle arketyper, som går på tværs af delsektorerne. I stedet kan arketyper
med fordel udvikles indenfor hver delsektor, hvilket understøtter sammenligneligheden mellem enhederne samtidig med, at antallet af arketyper ikke bliver unødigt
højt
På følgende tre sider uddybes arketyperne indenfor hver af analysens tre delsektorer
Beskrivelse
VUC’er
•
I figuren til venstre er analysens omfattede institutioner fordelt ift.
deres antal af udbudte uddannelser og årselever
•
Antal årselever og uddannelser for institutionspopulationen (2018)
Antal uddannelser
50
45
40
35
Erhvervsskoler
Almene gymnasier og HF
•
Figuren viser, at der er er markant forskel mellem de tre forskellige
delsektorers årselevsantal og antal udbudte uddannelser (forskellen
fremstår især markant ml. erhvervsskoler og øvrige institutioner).
Eksempelvis udbyder en kombinationsskole næsten 50 forskellige
uddannelser og har næsten ~6.000 årselever, mens et
gennemsnitligt gymnasie har 700 årselever og udbyder 1-3
uddannelser
Figuren understreger dermed, at der med fordel kan udvikles
arketyper indenfor hver delsektor fremfor på tværs af delsektorer. I
de efterfølgende sider præsenteres opdelingerne i arketyper
indenfor hver delsektor
30
25
20
15
10
5
0
0
500
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000 5.500 6.000 6.500 7.000
Antal årselever
•
Note: 1) Uddannelser er opgjort ved at tælle unikke uddannelseskoder, hvorpå institutionen har registreret årselever. Fx tæller smedeuddannelsen således kun én gang på tværs af grundforløb, hovedforløb og EUX. AMU kurser fremgår som
én uddannelse i opgørelsen. 2) Optællingen af årselever er renset for indtægtsdækket virksomhed
Kilde: Analysens datamodel
STRUENSEE & CO.
5
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0006.png
1. INTRODUKTION
Erhvervsskolerne inddeles i seks arketyper baseret på institutionstype
•
•
•
Nedenfor opstilles de seks arketyper for erhvervsskolerne, og deres udfaldsrum for de fire variable til udvælgelse af arketyper angives
Grundet heterogeniteten mellem institutionstyperne i den overordnede delsektor ”erhvervsskoler”, laves arketypeopdelingen
pba. funktionelle forskelle iht. den
underliggende institutionstype, jf. nedenfor. Dermed anvendes størrelse ikke som den primære sondring mellem arketyper indenfor denne delsektor, da de
underliggende forskellige institutionstyper er vurderet mere retvisende mhp. særskilte analyser af omkostningsstrukturer, -drivere, -bindinger og -bæredygtighed
Erhvervsskolerne dækker over mange forskellige erhvervsrettede ungdomsuddannelser, der som udgangspunkt alle består af grundforløb og hovedforløb, hvor
hovedforløbet er praktik enten i en virksomhed eller i et praktikcenter med indlagte skoleperioder undervejs. Flere erhvervsskoler udbyder ligeledes gymnasiale
uddannelser (fx HTX og HHX). Erhvervsskolerne er den mest heterogene af de tre delsektorer, og nedenstående gruppering dækker derfor over seks forskellige
institutionstyper, som hver især udbyder forskellige uddannelser og har forskellige karakteristika herunder bl.a. antallet af årselever og udbudte uddannelser
Arketyper for erhvervsskoler mv.
Institutionstype (antal)
Arketype
1
Gns. antal
årselever
•
~1.400
•
~2.300
•
~1.800
•
9
•
31
•
25
Gns. antal uddannelser
Gns. årselever per uddannelse
•
168
•
73
•
75
Omkostningsstruktur
(Løn t. undervsining/totale omk.)
•
Handelsskoler (20)
1
•
Kombinationsskoler (18)
•
Tekniske skoler (14)
•
SOSU-skoler (12)
•
Landbrugsskoler (8)
•
56%
•
51%
•
47%
Arketype
2
Arketype
3
Arketype
4
•
~700
•
~150
•
~390
Handelsskoler
•
6
•
3
•
6
Kombinationsskoler
•
110
•
60
•
68
Tekniske Skoler
SOSU-skoler
•
52%
•
32%
2
•
36%
Landbrugsskoler
AMU-centre
Arketype
5
Arketype
6
•
AMU-centre (5)
Antal uddannelser
50
40
30
20
10
0
0
200
400
600
800
1.000 1.200 1.400 1.600 1.800 2.000 2.200 2.400 2.600 2.800 3.000 3.200 3.400 3.600 3.800 4.000 4.200
6.000 6.200 6.400 6.600
Antal årselever
Note: 1) En enkel kombinationsskole kategoriseres i stedet som en handelsskole, da deres omkostningsstruktur og årselevsfordeling fremgår som handelsskolernes. Hvis institutionen kategoriseres som kombinationsskole, vil den fremgå som
en outlier i mange af rapportens analyser og blive fjernet, hvorfor den som den eneste institution flyttes. 2) Landbrugsskolernes relativt lave andel løn til undervisning påvirkes af, at de har store kostafdelinger relativt til deres størrelse, hvilket
driver omkostninger i andre omkostningskategorier end løn til undervisning. Kilde: Analysens datamodel
STRUENSEE & CO.
6
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0007.png
1. INTRODUKTION
Gymnasier opdeles i fire arketyper ift. ejerform og størrelse
•
•
•
Nedenfor opstilles arketyperne for delsektoren gymnasier og HF-kurser, som udbyder 3-årige og 2-årige gymnasiale uddannelser, der har til formål at forberede de
studerende til en videregående uddannelse ud fra en bred, almen fagrække inden for humaniora, samfunds- og naturvidenskaben
Gymnasierne og HF-kurserne er en relativt homogen gruppe. I størrelse varierer de fra 9 årselever på det mindste gymnasium til over 1.500 årselever på det største
gymnasium. Langt størstedelen af gymnasierne har dog mellem 300 og 1.000 årselever (~70 pct. af gymnasierne)
Segmenteringen af arketyperne laves ved at isolere og behandle de private gymnasier i arketype 4
1
. Det gøres mhp. at sikre metodisk stringens, da de private
gymnasier ikke aflægger formålsregnskab men analyseres ud fra deres årsrapporter. Derudover har de private gymnasier ofte andre udbud i tillæg til de gymnasiale
uddannelser, herunder bl.a. grundskole og børnehave. De resterende 121 gymnasier og HF-kurser er opdelt i tre repræsentative grupper efter størrelse: i) arketype 3
udgør almene gymnasier og HF-kurser med op til 650 årselever, ii) arketype 2 udgør mellemstore gymnasier med mellem 650 og 850 årselever, mens iii) arketype 1
udgør store gymnasier med over 850 årselever
Arketyper for gymnasier og HF-kurser
Institutionstype (antal)
Arketype
1
Gns. antal
årselever
•
~1.050
•
~740
•
~450
•
~210
Gns. antal uddannelser
•
~2
•
~2
•
~2
•
~1,5
Store gymnasier
Gns. årselever per uddannelse
•
520
•
360
•
225
•
125
Mellemstore gymnasier
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
•
Store gymnasier (39)
•
Mellemstore gymnasier (40)
•
68%
•
69%
•
66%
•
n/a
Små gymnasier
Privatgymnasier
Arketype
2
Arketype
3
•
Små gymnasier (42)
•
Privatgymnasier (24)
Arketype
4
Antal uddannelser
14
12
10
8
Gymnasier med merkantil
EUD og/eller erhvervs-
gymnasiale uddannelser
6
4
2
0
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
Antal årselever
Note: 1) Arketypen private gymnasier behandles særskilt i bilag 6.3. Kilde: Analysens datamodel
STRUENSEE & CO.
7
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0008.png
1. INTRODUKTION
Voksenuddannelsescentrene samles i én arketype, da de er få institutioner
•
•
Nedenfor præsenteres voksenuddannelsescentrene (VUC’erne), der analyseres som én samlet arketype
1
VUC’erne udbyder almene uddannelser til voksne inden for almen voksenuddannelse, forberedende voksenundervisning og HF. ”Almene” betyder,
at undervisningen
skal forbedre kursisternes generelle kompetencer, som styrker den enkeltes forudsætninger for at fungere i samfundet og på arbejdsmarkedet. Den almene
voksenuddannelse (AVU) tilbydes til voksne over 18 år og har til formål at forbedre deres kundskaber i en række almene fag. Den forberedende voksenundervisning
(FVU) har til formål at give voksne over 18 år mulighed for at forbedre og supplere deres grundlæggende færdigheder. HF udbydes som enkelt studieforberedende
fag eller som et 2-årig almendannende og studieforberedende forløb og har til formål at udvikle kursistens faglige indsigt og studiekompetence
De 24
VUC’er
tilbyder gennemgående de samme uddannelser, men varierer markant mht. størrelse målt på årselever. Pga.
VUC’ernes
begrænsede antal og deres
ensartethed mht. uddannelsesudbud samles de i én arketype
Analysens mindste VUC har 250 årskursister, mens den største institution har et kursistgrundlag på ~4.000 årskursister
Fremfor at sammenligne forskellige VUC arketyper med hinanden, vil analysen undersøge forskelle internt i gruppen af
VUC’er.
Det vil herunder blive analyseret,
hvilken rolle årskursister spiller for institutionsdriften. Ligeledes vil det blive undersøgt, hvilken betydning sammensætning af hhv. HF og AVU/FVU årskursister har
for
VUC’ernes
mulighed for stordrift og kapacitetsudnyttelse
•
•
•
Arketyper for
VUC’erne
Institutionstype (antal)
Gns. antal
årselever
•
~1.300
VUC’er
•
~5
Gns. antal uddannelser
•
240
Gns. årskursister per
uddannelse
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
Arketype
1
• VUC’er
(24)
2
•
58%
Antal uddannelser
8
7
6
5
4
3
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
Antal årskursister
Note: 1)
VUC’ernes
årskursistopgørelse er renset for kursister, som undervises af deres driftsoverenskomstparter 2) Udover de 24 institutioner, som i UVM's regnskabsportal er kategoriseret som
VUC’er,
er der yderligere fem
VUC’er,
som i
dag er en del af fusionerede institutioner. Kilde: Analysens datamodel
STRUENSEE & CO.
8
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0009.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
9
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0010.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Sektoren havde samlede omkostninger på ~23 mia. kr. i 2018, hvoraf 72 pct. var udgjort af løn
•
•
Nedenfor vises et overordnet omkostningsnedbrud af de omfattede institutioners samlede omkostninger i 2018. Figuren viser, at sektoren i 2018 havde samlede
omkostninger på 23,3 mia. kr
.1,
hvoraf størstedelen blev udgjort af løn (72 pct.), mens bygningsdrift (10 pct.) og øvrig drift (18 pct.) udgjorde de resterende 28 pct.
Nedbruddet viser ligeledes, at der er store forskelle på omkostningssammensætningen på tværs af de tre delsektorer. Eksempelvis går 78 pct. af gymnasiernes
omkostninger til løn, mens de tilsvarende tal for
VUC’erne
og erhvervsskolerne er hhv. 75 pct. og 66 pct.
Beskrivelse af sektorens omkostningsstruktur
•
Lønomkostninger
Bygningsdrift
Øvrig drift
66%
•
Der er stor forskel på fordelingen af omkostninger på de tre
omkostningskategorier mellem delsektorerne
De store forskelle i de relative størrelser på
omkostningskategorierne kan bl.a. henføres til, at
erhvervsuddannelserne sætter betydeligt større krav til
indkøb af råmaterialer og maskinel end gymnasier og
VUC’er.
Forskellene illustrerer, hvorfor delsektorerne vil
blive behandlet i separate arketyper i analyserne
Det understøttes af, at løn udgør en relativt større andel af
de samlede omkostninger på gymnasier (78 pct.) og
VUC’er
(75 pct.), end det er tilfældet på erhvervsskolerne.
Omvendt udgør øvrig drift en større andel af
omkostningerne på erhvervsskolerne (22 pct.), end
kategorien gør for gymnasier (14 pct.) og
VUC’er
(17 pct.)
Størrelsen af delsektorerne og typerne af institutioner
indenfor hver delsektor understreger ligeledes værdien af at
behandle arketyperne i separate analyser
Fx står erhvervsskolerne for 54 pct. af sektorens samlede
omkostninger (12,5 mia.) og er dermed den største af
analysens tre delsektorer målt på omkostninger. Det skal
dog noteres, at erhvervsskolebegrebet dækker over seks
forskellige institutionstyper, som både omfatter store
institutionstyper (fx tekniske skoler og kombinations-skoler)
og små institutionstyper (fx AMU-centre og
landbrugsskoler). Gymnasierne og
VUC’erne
står for hhv.
33 pct. (7,8 mia) og 12 pct. (2,9 mia.) af sektorens
omkostninger
Fordeling af sektorens omkostninger (mia.kr., 2018)
23,3
12,5
•
72%
12%
22%
7,8
•
78%
•
10%
8%
14%
18%
2,9
75%
17%
8%
1
VUC’er
Sektortotal
Erhvervsskoler m.v.
Gymnasier og HF-kurser
Note: 1)
VUC’ernes omkostninger til bygningsdrift er justeret med 311 mio. kr. svarende til den ekstraordinære nedskrivning af en enkelt VUC’s bygningsværdi
i 2018
Kilde: Analysens datamodel
STRUENSEE & CO.
10
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0011.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturer kortlægges i tre trin for hver arketype
•
•
I delanalyse 1 (kapitel 2) kortlægges arketypernes omkostninger i tre trin. De fire tre er uddybet i illustrationen nedenfor
Kortlægningerne er i overvejende grad baseret på analysens datamodel, men hvor relevant suppleres kortlægningerne af sektorindsigter fra institutionsbesøgene og
desk-research
1. Opstilling af omkostnings-
kategorier
•
Opstilling af et gensidigt udelukkende omkostningsnedbrud for institutionerne baseret på de formålsbaserede
regnskaber og indledende nedbrud på sektorens overordnede omkostningskategorier (løn, bygningsdrift og
øvrig drift)
2. Kortlægning af omkostnings-
fordelinger
•
Kortlægning af arketypernes omkostninger nedbrudt på de kategorier, som etableres tidligere i delanalysen
•
Kortlægning af arketypernes omkostninger fra 2011-2018, herunder nedbrud på udvikling i forholdet ml.
omkostningskategorier
•
Kortlægning af den relative størrelse af omkostningskategorierne for institutionerne indenfor hver arketype
•
Kortlægningen af omkostninger per uddannelseskategori nedbryder arketypernes samlede omkostninger på
uddannelseskategorier. Derudover kortlægges omkostningerne per årselev for arketypernes
uddannelseskategorier
3. Kortlægning af omkostninger
per uddannelseskategori
STRUENSEE & CO.
11
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0012.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Uddannelsesinstitutionernes omkostningsstrukturer kortlægges pba. et
gensidigt udelukkende og udtømmende omkostningsnedbrud
•
•
•
Nedenfor præsenteres omkostningsnedbruddet, der er udarbejdet pba. institutionernes formålsfordelte regnskaber mhp. at konstruere meningsfulde kategorier, der
understøtter behovet for transparens i institutionernes
omkostningsstrukturer.
Institutionernes formålsfordelte regnskaber er anvendt ned gennem analysen
Nedbruddet er desuden udarbejdet med relevante omkostningsdrivere in mente, da det muliggør kobling af interessante
omkostningsdrivere
med relevante
omkostningskategorier
Omkostningskategoriseringen vil være gennemgående for alle rapportens delanalyser
Omkostningskategorier
Undervisning
Ledelse og administration
Løn
Bygningsdrift
Øvrig drift
Husleje
Afskrivninger på bygninger
Totale
omkostninger
Bygnings-
drift
(ex løn)
Forsyning
Renter
Reparationer og vedligehold
Øvrige bygningsomk.
Køb af varer til forbrug
Køb af tjenesteydelser (ex IT)
Øvrig drift
(ex løn)
Rep. og vedligehold (ex byg.)
Afskrivninger (ex bygninger)
Øvrige
STRUENSEE & CO.
Omkostningsdrivere
•
Antal årskursister
•
Andel undervisningstid
•
Holdstørrelse
•
Antal uddannelser
•
Antal lokationer
•
Geografi
•
Antal årskursister
•
Kapacitetsudnyttelse
•
Antal lokationer
•
Geografi
•
Antal årskursister
•
Bygningsmasse
•
Kontraktstyring
•
Indkøbspraksis
12
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0013.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
De 24
VUC’er
har omkostninger på i alt ~3 mia. kr., hvoraf lønomkostninger udgør 75 pct.
•
•
•
Figuren nedenfor viser
VUC’ernes
samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift. Det fremgår, at
VUC’erne
har et samlet
omkostningsniveau på 2.942 mio. kr. i 2018. Heraf udgøres 75 pct. af lønomkostninger, mens de resterende 25 pct. udgøres af bygningsdrift (8 pct.) og
omkostninger til øvrig drift (17 pct.). Den største enkeltstående omkostningspost er løn til undervisning, som udgør 64 pct. af
VUC’ernes
totale omkostninger
Øvrig drift er den næststørste omkostningspost med 17 pct. af de samlede omkostninger. Herunder er indkøb af tjenesteydelser
(administrative fællesskaber, eksterne rådgivere, etc.) samt øvrige driftsomkostninger de største omkostningskategorier med 6 pct. af de samlede omkostninger hver
Nedbruddet viser, at lønomkostninger er den vigtigste omkostningskomponent for
VUC’erne
med 75 pct. af de samlede omkostninger og er derfor central for de
følgende analyser
Omkostningsnedbrud for
VUC’erne,
2018 (mio. kr.)
1,2
Løn til undervisning
Løn til ledelse og administration
1.871 (64%)
235 (8%)
Konfrontationstid
•
34 pct. af lærernes
arbejdstid udgøres
hos
VUC’ernes
konfrontationstid
3
•
Det svarer til, at
~650 mio. kr.
anvendes på
konfrontationstid
Løn til bygningsdrift
Løn til øvrig drift
Lønomkostninger
Husleje
Afskrivninger på bygninger
Rep. og vedligehold
Forsyning
Renter
Øvrige bygningsomkostninger
Bygningsdrift
Køb af tjenesteydelser (ex IT)
Køb af varer til forbrug
Afskrivninger
Rep. og vedligehold (ex. byg)
Øvrige driftsomkostninger
4
Øvrig drift
2.207 (75%)
74 (3%)
27 (1%)
67 (2%)
54 (2%)
40 (1%)
38 (1%)
13 (0%)
34 (1%)
2
246 (8%)
172 (6%)
87 (3%)
36 (1%)
8 (0%)
185 (6%)
490 (17%)
Samlede omkostninger
2.942 (100%)
Note: 1) Analysen er baseret på institutionernes formålsfordelte regnskaber. Det bemærkes, at data fra de formålsfordelte regnskaber ikke altid er tilsvarende de omkostningsdata der findes på Regnskabsportalen. For at understøtte
analysens formål er de anvendte omkostningsdata desuden eksklusive omkostninger til indtægtsdækket virksomhed. 2) Omkostningsdata i analysen er prisreguleret til 2019-priser. 3) Konfrontationstiden (2017 data) udgøres af summen af
indikator 1 (elevsamvær iht. reglerne om uddannelsestid) og indikator 2 (andre former for elevsamvær med et direkte læringsformål). Den gennemsnitlige konfrontationstid er fundet ved at tage et gennemsnit af indikator 1+2. Tallet er ikke
vægtet ift. skolernes størrelse. 4) ”Øvrig bygningsdrift” er nedjusteret med 311 mio. kr.,
sfa.
en VUC’s ekstraordinære nedskrivning af deres bygningsværd
mhp. at vise et repræsentativt omkostningsnedbrud. Kilde: Analysens datamodel
STRUENSEE & CO.
13
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0014.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Overordnet set har
VUC’ernes
omkostningsstruktur været stabil fra 2011-2018 på trods af en
markant stigning i antallet af årskursister
•
•
Nedenfor vises udviklingen i antallet af årskursister og omkostningsfordelingen på
VUC’erne
fra 2011-2018. Institutionernes overordnede
omkostningsniveau er i perioden steget med ~15 pct.
Mellem 2011 og 2018 har forholdet mellem
VUC’ernes
omkostningsfordeling været stabil. Største udsving observeres på andelen af omkostningsbasen, som går
til løn til undervisning og køb af varer til forbrug. Løn til undervisning er steget fra 62 pct. i 2011 til 64 pct. i 2018. Køb af varer til forbrug er faldet fra 6 pct. i 2011 til 3
pct. i 2018
Årskursistsudvikling og omkostningsnedbrud for
VUC’er,
2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)
Årskursister
1
Løn til undervisning
Omk. (mio. kr.)
3.500
3.075
3.000
2.725
2.550
2.500
62%
63%
62%
64%
25.000
2.920
3.120
3.092
2.979
2.942
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Årskursister
35.000
Øvrige driftsomkostninger og afskrivninger
2
30.000
2.000
62%
1.500
62%
62%
64%
20.000
15.000
1.000
8%
500
8%
9%
5%
5%
7%
2012
8%
9%
4%
5%
7%
2013
8%
9%
5%
5%
7%
2014
8%
8%
4%
5%
8%
2015
8%
9%
4%
6%
8%
2016
8%
8%
3%
6%
8%
2017
8%
8%
3%
6%
8%
2018
10.000
0
8%
6%
5%
7%
2011
5.000
0
Note: 1) Data for antal årskursister på VUC for årene 2011-2015 er behæftet med stor usikkerhed og indgår derfor ikke i opgørelsen. 2) Af visuelle hensyn er reparation og vedligehold, afskrivninger og øvrige
driftsomkostninger kombineret i kategorien ”øvrige driftsomkostninger og afskrivninger.”
Kilde: Analysens datamodel
STRUENSEE & CO.
14
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0015.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer betydeligt på tværs af de 24
VUC’er
•
•
Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 24
VUC’er.
Figuren viser, at der er store forskelle på, hvordan
institutionernes omkostninger fordeler sig. Fx varierer omkostninger til løn til undervisning mellem 56 pct. og 72 pct.
1
. Den gennemsnitlige andel til løn til
undervisning på tværs af
VUC’erne
er 64 pct. Den tilsvarende variation for ledelse og administration er 5 til 12 pct.
Enkelte institutioner har markant højere omkostninger til bygningsdrift end andre, hvilket skyldes hhv. ekstraordinære nedskrivninger og ekstraordinære
renoveringsomkostninger
2
.
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Centrale observationer:
1.
Løn til undervisning
udgør størstedelen af
omkostningerne for alle institutioner. Der er
dog betydelige forskelle mellem andelen af
institutionernes omkostninger anvendt til løn.
Udsvingene skyldes i få tilfælde
forholdsmæssigt store andele af
bygningsomkostninger ved enkelte
institutioner med ekstraordinære
bygningsomkostninger i 2018, jf. nedenfor
Bygningsomkostningerne
varierer betydeligt
på tværs af institutioner, fra 5 til 26 pct.
Forskellene er særligt drevet af outliers for tre
institutioner.
2
Varians i
bygningsomkostningerne kan bl.a. skyldes
forskellig brug af fjernundervisning
3
, som ikke
driver samme bygningsomkostninger
Betydningen af institutionsstørrelse:
Der
observeres ikke umiddelbart en sammenhæng
mellem institutionsstørrelse (målt ved
omsætning) og den relative fordeling af
omkostningskategorier
Variation i omkostningsstruktur:
Af
opgørelsen til venstre fremgår stor variation
imellem institutionerne. Udover strukturelle
forhold og strategiske valg, bemærker
institutionerne, at forskellene også kan skyldes
forskellig konteringspraksis og institutions-
specifikke ressourcestyringssystemer
Omk. (mio. kr)
385
320
278
233
197
154
118
113
111
106
88
83
82
80
75
74
74
70
65
58
54
53
42
28
Omkostningsfordeling
4
, 2018
13%
3%
6%
4%
51%
5%
13%
3%
4%
17%
9%
8%
4%
4%
8%
58%
7%
3%
7%
7%
9%
7%
72%
5%
8%
3%
7%
3%
59%
11%
6%
3%
8%
10%
67%
8%
9%
3%
8%
3%
63%
10%
6%
5%
8%
5%
63%
9%
7%
3%
8%
4%
71%
8%
7%
7%
71%
8%
7%
5%
6%
65%
8%
5%
6%
5%
4%
7%
63%
6%
5%
3%
8%
12%
61%
9%
10%
4%
8%
6%
64%
8%
5%
5%
5%
10%
66%
10%
5%
3%
7%
5%
8%
26%
3%
8%
71%
8%
4%
4%
3%
3%
5%
66%
8%
4%
7%
3%
7%
6%
61%
12%
4%
5%
4%
11%
69%
9%
5%
6%
5%
56%
12%
3%
9%
8%
5%
7%
7%
66%
62%
69%
7%
65%
7%
10%
7%
9%
7%
7%
9%
2.
3.
49%
4.
Note: 1) To institutioner nævnes ikke som institutioner med lavest lønandel til uddannelse, da ekstraordinære poster påvirker deres omkostningsfordeling; 2) Tre institutioner bruger en relativt større andel af deres omkostninger på bygningsdrift: i) En institution afskrev i 2018 deres
bygninger med 311 mio. kr. som følge af, at BUVM afsatte institutionens bestyrelse og erstattede den med et midlertidig styre. Af visuelle hensyn er de 311 mio. kr. undladt i figuren til venstre, men det ses, at institutionen stadig har relativt høje omkostninger til bygningsdrift (13
pct.). ii) En institution har i 2018 ekstraordinære omkostninger til renoveringer på ~13 mio. kr., hvilket hiver deres samlede omkostningsandel til bygningsdrift markant op. iii) En institution har til huse i dyre bygninger i indre København, hvilket gør, at de har høje huslejeomkostninger
på over 20 mio. kr. Det presser deres samlede omkostningsandel til bygningsdrift op. 3) Se bilag for variation i andelen af fjernundervisningskursister på tværs af
VUC’erne.
4) Om variation i løn til øvrig drift og køb af tjenesteydelser: Den store variation i udgifter til hhv. løn til øvrig
drift og køb af tjenesteydelser mellem institutionerne kan bl.a. tilskrives, hvorvidt institutionen huser et administrativt fællesskab eller betaler til et administrativt fællesskab. Kilde: Analysens datamodel
STRUENSEE & CO.
15
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0016.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer i begrænset grad på tværs af
VUC’ernes
uddannelser
•
•
Figurerne nedenfor viser hhv. omkostningerne fordelt per uddannelse på
VUC’erne
(til venstre) og omkostningerne per årskursist per uddannelse (til højre)
Af den samlede omkostningsbase på ~3 mia. kr. udgøres ~30 pct. af indirekte omkostninger, dvs. omkostninger der ikke er formålsfordelt på uddannelser. Med
undtagelse af omkostninger til ledelse og administration er de indirekte omkostninger fordelt vha. årskursister som fordelingsnøgle, da det vurderes, at det er
årskursister, der bedst illustrerer fx forsyningsforbrug og forbrug af undervisningsmaterialer
1
. Omkostninger til ledelse og administration fordeles vha. en nøgle, som
tager højde for den enkelte uddannelses tilskud mhp. at indregne den administrative meromkostning for uddannelser med få årskursister og/eller mange CPR numre
For HF gælder det, at fire institutioner har årskursister registreret uden at registrere omkostninger på HF. Uden justering betyder det, at omkostningen per årskursist
på HF vil fremgå unaturligt lav. Figurerne nedenfor er lavet med udgangspunkt i gennemsnitsomkostningerne til HF for de resterende
VUC’er,
som er overført til
institutionerne uden registreringer. Totalomkostningerne for sektoren vil derfor fremstå højere nedenfor end på tidligere sider
Af
figuren til venstre
fremgår det, at HF-enkeltfag er den største uddannelse på
VUC’erne
med samlede omkostninger på 1.232 mio. kr. svarende til ~40 pct. af
VUC’ernes
omkostninger. De tre største uddannelser på VUC (HF-enkeltfag, AVU og HF) udgør samlet ~89 pct. af
VUC’ernes
omkostninger, hvoraf 61-65 pct.
udgøres af løn til undervisning
Af
figuren til højre
fremgår det, at omkostningerne per årskursist er højest for OBU (355.000), mens de er lavest for HF (89.000).
2
Omkostningerne til OBU er
meget høje sammenlignet med andre uddannelser, da der er et loft på seks kursister per OBU hold, hvilket øger omkostningerne per årskursist
Løn til undervisning
Løn til ledelse og adm.
•
•
•
Løn til bygningsdrift
1
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Omkostninger per årskursist fordelt på uddannelser (2018)
4
Omkostninger per årskursist per uddannelse (tusinde kr.)
Fordeling af omkostninger på uddannelser (2018)
4,5
Omkostninger per uddannelse (mio. kr.)
1.300
1.232
891
89 pct. af
VUC’ernes
samlede omkostninger
360
100
90
355
71%
9%
102
100
99
93
800
700
600
500
400
300
200
100
0
7%
8%
6%
8%
HF-
enkeltfag
8%
9%
6%
8%
AVU
65%
64%
487
61%
10%
5%
HF
123
52%
FVU
96
14%
OBU
71%
GSK
89
72
80
70
60
50
40
30
9%
7%
2%
6%
65%
65%
52%
64%
7%
61%
52%
7%
8%
6%
7%
GSK
8%
HF-
enkeltfag
8%
13%
14%
FVU
9%
15%
9%
Andet
3
11%
9%
OBU
8%
8%
9%
8%
AVU
10%
9%
7%
HF
85
65% 20
Andet
3
51%
20
10
0
Note: 1) Fordelingsnøgler for indirekte omkostninger er udarbejdet i samarbejde med institutionerne på institutionsbesøgene 2) Uddannelserne
under ”andet” udbydes kun af to institutioner, hvorfor der sammenlignes med AVU, som er mere
repræsentativ for
VUC’erne.
3) Dækker over kombineret ungdomsuddannelse og studenterkursus. 4) Det har ikke været muligt at opgøre andel fjernundervisningskursister, hvorfor opgørelserne ikke er korrigerede herfor. 5) Ca. 8 mio. kr. (0,3
pct. af omkostningsbasen) kan ikke henføres til en specifik uddannelse og er ikke opgjort i ovenstående. Dette ændrer ikke på fordelingen af omkostninger på uddannelser. Kilde: Analysens datamodel
STRUENSEE & CO.
16
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0017.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Der er faldende marginalomkostninger per årskursist for AVU på
VUC’erne
•
Figuren nedenfor viser omkostningen per årskursist (ekskl. bygningsomkostninger) for de tre største uddannelser på
VUC’erne
(AVU, HF og HF-enkeltfag)
sammenholdt med antallet af årskursister på uddannelserne for institutionerne. Figuren understøtter svagt hypotesen om, at der er faldende marginalomkostninger.
Overordnet ses det, at de gennemsnitlige omkostninger per årskursist for AVU er lavere for store uddannelser end for små uddannelser, mens tendensen er svagere
for HF-enkeltfag og HF, som i nogen grad følger hinanden
Omkostningerne i grafen nedenfor er uden omkostninger til bygninger, fordi det vurderes at skævvride data ift. at opnå en retvisende gennemsnitsbetragtning for
2018. Ligeledes har det ikke været muligt at korrigere for fjernundervisningskursister på uddannelsesniveau, hvilket også ville påvirke bygningsomkostninger i
analysen. Der er identificeret faldende marginalomkostninger for andre uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.4
•
Gennemsnitsomkostninger, ekskl. bygningsomkostninger, per årskursist for AVU, HF og HF-enkeltfag og årskursister fordelt på uddannelse og institution (2018)
1,2
Omkostninger per årskursist per uddannelse (tusinde kr.)
90
85
80
75
70
65
HF
3
HF-enkeltfag
3
AVU
60
55
50
45
40
35
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
1.700
1.800
1.900
Årskursist per uddannelse
Note: 1) De institutioner, der ligger højt på antal årskursister per uddannelse, er de store institutioner, da antallet af uddannelser er forholdsvis konstant på tværs af
VUC’er.
2) Der er testet for, hvorvidt særligt høje omkostninger til administrative fællesskaber hos værtsinstitutioner,
påvirker tendensen i grafen. Omkostninger til værtskab for administrative fællesskaber påvirker ikke tendensen. 3) Institutioner, som ikke konterer omkostninger på HF på trods af, at de har HF kursister, er fjernet fra data, da de kun konterer omkostninger på HF-enkeltfag og AVU.
Det trækker omkostningerne per årskursist for HF-enkeltfag og AVU unaturligt op, hvorfor observationerne er fjernet. Kilde: Analysens datamodel
STRUENSEE & CO.
17
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0018.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
18
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0019.png
3. OMKOSTNINGSDRIVERE
VUC’ernes
omkostningsdrivere karakteriseres ved nedenstående fire overordnede fund
Lønomkostninger afhænger særligt af antal årskursister, holdstørrelse og andel undervisningstid
•
De primære omkostningsdrivere er: i)
institutionsstørrelse,
ii)
holdstørrelse,
iii)
andel undervisningstid
og iv)
socioøkonomisk reference
•
•
Analyserne
indikerer, at særligt institutionsstørrelse og holdstørrelse hænger positivt sammen med lønomkostninger per årskursist. Dog er der
betydelige uforklarede forskelle, der indikerer, at andre forhold har væsentlig betydning for lønomkostningerne.
Institutionsbesøgene
fremhæver alle tre drivere som de primære omkostningsdrivere for lønomkostninger
Konklusioner for de tre
omkostningskategorier
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
•
•
Den primære omkostningsdriver er
institutionsstørrelse
De få identificerede drivere indikerer, at omkostninger til bygninger i høj grad er afhængig af
institutionsspecifikke og ikke-strukturelle forhold,
herunder i) de økonomiske omstændigheder for overlevering ved overgang til selveje i 2007 og senere overdragelsen af bygningerne i 2011, ii)
ejendomsmarkedet i nærområdet, iii) demografisk udvikling, mm.
Der er
ikke identificeret en overordnet stordriftseffekt. Omvendt
har store institutioner typisk højere bygningsomk. per årskursist. Effekten drives
af to modsatrettede tendenser: 1) højere bygningsomk. per kvm for store institutioner, men 2) færre kvm per årskursist for store institutioner
•
Øvrige driftsomkostninger afhænger af centralisering og udlicitering
•
•
Den primære omkostningsdriver er
institutionsstørrelse
Analyserne
indikerer, at omkostninger til øvrig drift er kendetegnet ved faldende marginale omk. ved stigende institutionsstørrelse, jf.
konklusionen nedenfor
•
Pba.
institutionsbesøgene
fremhæves, at nogle omkostninger er uafhængige af aktivitetsniveau, fx nogle it licenser; at større institutioner ofte
kan forhandle sig til bedre indkøbspriser; at institutioner med flere lokationer med fordel kan centralisere funktionerne, mv.
Større institutionerne har lettere ved at optimere en række omkostningsdrivere
Tværgående konklusioner
•
Institutionernes arbejde med optimering af holdstørrelse og undervisningstidsandel understreger betydningen af institutionsstørrelse. Flere
institutioner bemærker, at fordelingen af undervisningstimer og optimering af holdstørrelse er lettere for store institutioner. Analyserne
understøtter denne sammenhæng
For undervisningsomkostninger er effekten afhængig af antal lokationer. Dvs. det er til dels antal årskursister per lokationer (og dermed behovet
for antal undervisere per lokation), der afgør om faldende marginalomkostninger finder sted i praksis
Også for lønomkostninger til administration og ledelse observeres en effekt af institutionsstørrelse
For bygninger ses en smådriftseffekt for bygningsomkostninger per kvm. Effekten modsvares af forskelle i kvm per årskursist, hvor de store
institutioner har færre kvm per årskursist
Institutionerne fremhæver at antal årskursister (dvs. institutionsstørrelse) særligt er drevet af i) demografiske udviklinger, ii) politiske reformer og
iii) ændrede søgemønstre, herunder grundet konjunkturudsving
19
•
•
•
•
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0020.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
20
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0021.png
3.1 OMKOSTNINGSDRIVERE
–
METODE
Der er betydelige forskelle i omkostninger per årskursist mellem
VUC’erne.
Analysens formål er at
identificere årsagerne til disse forskelle, dvs. omkostningsdrivere
•
•
•
Nedenstående graf viser, at der på tværs af
VUC’er
er en maksimal forskel i omkostninger per årskursist i 2018 på 46 pct. tilsvarende ~40.000 kr. per årskursist
De betydelige forskelle i omkostninger per årskursist indikerer betydelige forskelle i de underliggende omkostningsdrivere. Enten af strukturelle årsager eller som
følge af institutionernes strategiske valg
Grafen viser desuden de totale indtægter per årskursist for institutionerne, der tæt følger de totale omkostninger per årskursist. Grundet sammenhængen mellem
aktivitet (årskursister), indtægter (per årskursist) og omkostninger, vil de følgende analyser se på de relative forskelle mellem institutionerne, fx ift. nedbrud på
omkostningskategorier. Med andre ord undersøges de relative forskelle mellem institutionerne, da det absolutte niveau af omkostninger for den enkelte institution tæt
følger de aktivitetsbaserede indtægter
De følgende sider vil undersøge hvilke omkostningsdrivere, der ligger til grund for forskellene, og hvad der kendetegner institutionerne
Forskelle i omkostninger per årskursist på tværs af
VUC’er
(2018)
1,2,3
Tusinde kr. per årskursist
130
120
110
100
112
96
113
112
107
99
98
96
96
99
94
95
96
93
95
96
95
93
90
95
86
Indtægter per årskursist
+46%
Omkostninger per årskursist
•
107
104
100
90
80
70
60
50
40
30
20
10
0
126
122
113
112
111
108
106
104
102
99
99
96
95
95
95
94
94
93
92
92
91
91
89
85
Note: 1) Underskuddet i 2018 for to institutioner skyldes hhv. ekstraordinære nedskrivninger og ekstraordinære renoveringsomkostninger. 2) Tallene i grafen er ikke justeret for antal fjernundervisningskursister. I de efterfølgende analyser,
hvor bygningsomkostninger og årskursister er indeholdt, er der justeret for antal fjernundervisningskursister. 3) Det skal bemærkes, at værtinstitutioner for administrative fællesskaber vil fremgå med en lidt højere omkostning per årskursist.
Kilde: Analysens datamodel
STRUENSEE & CO.
21
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0022.png
3.1 OMKOSTNINGSDRIVERE
–
METODE
VUC’ernes
omkostningsdrivere analyseres for hver af de tre omkostningskategorier
•
•
•
•
•
I delanalyse 2 (kapitel 3) analyseres de tre omkostningsdrivere, dvs. i) identifikation af primære omkostningsdrivere, ii) hvilken effekt disse omkostningsdrivere har
og iii) hvordan omkostningsdriverne evt. relaterer til hinanden, herunder særligt ift. institutionsstørrelse og geografi
En bruttoliste af forventeligt relevante drivere af omkostninger indenfor løn, bygninger og øvrig drift er udarbejdet i tre kausalmodeller. Kausalmodellerne viser,
hvordan omkostninger og omkostningsdrivere er relateret. Pba. dataanalyser (deskriptive analyser af data), regressionsanalyser, institutionsbesøg og teoretiske
forventninger er et antal af omkostningsdriverne udvalgt til nærmere analyse. Kausalmodellerne præsenteres på de følgende sider
Først præsenteres analysen af omkostningsdrivere for lønomkostninger, dernæst ift. bygningsomkostninger, og endeligt ift. øvrig drift
Analyserne anvender metode- og datatriangulering, dvs. begrunder konklusioner med såvel dataanalyser (deskriptive analyser af data), regressionsanalyser og
institutionsbesøg og input fra BUVM og eksperter fra institutionerne
Nedenfor præsenteres kort, hvad analysen fokuserer på indenfor hver af de tre omkostningskategorier
Analytisk fokus
•
Analyse af løn-
omkostninger
(s. 23-31)
•
Analysen af lønomkostninger fokuserer på omkostningskomponenterne:
(1) løn per lærer og (2) årskursister per lærer
Følgeligt fokuseres særligt på omkostningsdriverne: i) andel
undervisningstid, ii) holdstørrelse, iii) antal årskursister, iv) antal lokationer,
v) antal uddannelser, vi) geograf og vii) socioøkonomi. Disse er udvalgt ud
fra de beskrevne kausalmodeller for lønomkostninger
Analysen af bygningsomkostninger fokuserer på
omkostningskomponenterne: (1) kvm pris og (2) kvm per årskursist
Følgeligt fokuseres særligt på omkostningsdriverne: i) kapacitetsudnyttelse
(andel kvm til undervisningslokaler), ii) institutionsstørrelse (antal
årskursister), iii) antal lokationer og iv) geografi. Disse er udvalgt ud fra
den beskrevne kausalmodel for bygningsomkostninger
I analysen af øvrige driftsomkostningers drivere fokuseres alene på
institutionsstørrelse
Institutionsbesøg og ekspertinput indikerer, at institutionsstørrelse bl.a.
fremmer muligheder for professionaliseret indkøb, bedre
forhandlingsposition ift. indkøb og lavere omkostninger per elev til fastpris
abonnementer, der ikke er aktivitetsafhængige
•
•
Særlige opmærksomhedspunkter
•
Lønomkostninger udgør størstedelen af institutionernes
omkostninger og har de mest påvirkelige
omkostningsdrivere på kort sigt (se delanalyse 3 i kapitel 4
for uddybning heraf)
•
Analyse af
bygnings-
omkostninger
(s. 32-38)
•
Bygningsomkostninger udgør en forholdsmæssig lille del af
institutionernes omkostninger men varierer betydeligt på
tværs af institutioner
•
Analyse af øvrige
drifts-
omkostninger
(s. 39-41)
•
Omkostninger til øvrig drift varierer meget på tværs af
institutionstyper, men større institutioner har
gennemgående lavere omkostninger til øvrig drift end
mindre institutioner
STRUENSEE & CO.
22
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0023.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
23
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0024.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Syv primære drivere af lønomkostninger til undervisning udvælges pba. en kausalmodel og
bruttoliste over mulige drivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til undervisning. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere, og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af, hvilke omkostningsdrivere der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere, der ikke er markeret med grøn nedenfor, indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne
afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt syv omkostningsdrivere af lønomkostninger til nærmere analyse. De udvalgte drivere er markeret med
grønt i kausalmodellen og dækker: i) andel undervisningstid, ii) holdstørrelse, iii) antal årselever, iv) antal lokationer, v) antal uddannelser, vi) geograf og vii)
socioøkonomi
Et overblik over resultaterne for disse syv primære omkostningsdrivere præsenteres på de følgende sider
Omkostningsdrivere
Anciennitet
Overarbejde
Løntrin
Andel vikar-ÅV
Tillæg
Gennemsnitlig
månedsløn
Løn per lærer
Omkostningskomponenter
Geografi
Antal lokationer
Anciennitet
Antal års-
elever
Antal uddannelser
Undervisningsandel
Lønomkostninger
til undervisning per
elev
Antal årselever per
underviser
Antal uddannelser
Antal lokationer
Min.-størrelse for
hold
Antal hold
Socioøkonomi
Geografi
Demografisk
udvikling
Politiske
reformer
Antal
optagede
Antal års-
elever
Frafalds pct.
Holdstørrelse
Søge-mønstre
Kilde: Teamanalyse; interviews; institutionsbesøg.
STRUENSEE & CO.
24
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0025.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Forskelle i lønomkostninger til undervisning per årskursister skyldes særligt forskelle i antal
årskursister per underviser
•
Nedenstående grafer viser, at lønomkostningerne til undervisning per årskursist varierer med op til 44 pct. Denne variation består af variationen i gennemsnitlige
lønomk. per underviser samt antal årskursister per underviser. Endvidere fremgår det, at institutioner med færrest årskursister per underviser har de højeste lønomk.
per årskursist, mens der ikke er tilsvarende sammenhæng mellem de gns. lønomkostninger per underviser og lønomkostningerne til undervisning per årskursist
Således indikerer nedenstående, at antal årskursister per underviser udgør den primære omkostningskomponent ift. at forklare, hvad der driver omkostningerne på
tværs af institutioner, mens forskelle i lærerlønninger driver en mindre del af variationen
Det understøttes af, at lønomkostninger per underviser i høj grad er overenskomstbestemt, hvorimod antal årskursister per underviser afhænger af optimeret
driftsstyring og mulighederne herfor, fx i form af skemaplanlægning af time-fag fordeling og holdstørrelser mv.
I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste side præsenteres disse
omkostningsdrivere og deres effekter pba. en regressionsanalyse. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen på forrige side
•
•
•
Lønomkostninger per årskursist og de to løn-omkostningskomponenter, fordelt på institutioner (2018)
1
Lønomkostninger til undervisning
per årskursist (tusinde kr.)
105
97
86
85
83
79
78
77
77
75
73
72
72
71
68
67
66
63
63
62
62
61
60
59
Ø 73
Gennemsnitlige lønomkostninger
per underviser
1
(tusinde kr.)
685
601
606
619
728
686
604
656
657
665
641
603
707
618
668
542
574
591
641
617
610
634
597
636
8
8
9
9
9
8
10
9
10
8
9
9
10
10
10
10
10
11
Ø9
Antal årskursister per underviser
1
6
6
7
7
9
9
-44%
Ø 633
Note 1) Antallet af undervisere er justeret iht. indtægtsdækket virksomheds andel af totale omkostninger, da undervisere på indtægtsdækket virksomhed ikke kan udskilles selvstændigt i ISOLA.
Kilde: Analysens datamodel
STRUENSEE & CO.
25
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0026.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger per årskursist hos VUC’erne er især drevet af antal årskursister, holdstørrelse
og andel undervisningstid
= uddybes på følgende sider
•
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af lønomkostninger per årskursist for
VUC’erne.
De syv primære omkostningsdrivere er udvalgt pba. indledende screeninger af
bruttolisten af mulige drivere, jf. kausalmodellen på den tidligere side
Opgørelsen præsenterer en samlet vurdering og beskrivelse af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data), institutionsbesøg og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet. Af samme årsag er næsten alle
regressionsanalyserne ikke statistisk signifikante
De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra datamodellen, hvor
der ikke er anvendt regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) andel undervisningstid, ii) holdstørrelse og iii) antal årskursister er betydende omkostningsdrivere for lønomkostninger per årskursist
De følgende sider præsenterer og uddyber de tre omkostningsdrivere, der er identificeret som betydende
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Indikationer på effekt af omkostningsdriveren
Omkostningsdrivere
Andel undervisnings-
tid
(s. 27)
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
•
Institutionsbesøg og dataanalyser indikerer, at en høj andel undervisningstid reducerer lønomkostninger til
undervisning per årskursist
•
Regressionsanalyserne har ikke identificeret disse sammenhænge, hvilket bl.a. kan skyldes, at data kun er
tilgængelig for HF og AVU uddannelserne. Samlet vurderes driverens effekt betydende og uddybes i det følgende
•
Effekten af holdstørrelse er fundet at være betydelig, da gennemsnitlige holdstørrelser ses at variere meget og har
en positiv sammenhæng med lønomkostninger til undervisning per årskursist, dvs. større hold driver lavere omk.
•
Institutionerne understreger betydningen heraf og fokuserer i udpræget grad på holdstørrelser i deres styring
─
Antal årskursister per underviser
Holdstørrelse
(s. 28)
Antal årskursister
(s. 29-31)
•
Flere årskursister driver lavere lønomk. per årskursist til både undervisning og administration og ledelse
•
Effekten af antal årskursister er større, når der ikke tages højde for holdstørrelse og andel undervisningstid, hvilket
indikerer, at betydningen af antal årskursister delvist udmøntes herigennem fsva. lønomkostninger til undervisning
Antal lokationer
─
─
─
─
─
─
─
─
Antal uddannelser
•
Institutionsbesøg peger på, at antal lokationer kan have en negativ effekt på lønomkostninger til undervisning.
Særligt mange små lokationer bemærkes at have negative konsekvenser for omkostningsniveauet
•
Regressionsanalyserne og de øvrige dataanalyser har dog ikke været i stand til at identificere en effekt.
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Antal uddannelser varierer i begrænset omfang på tværs af VUC institutioner
•
Ingen af analyserne har klart indikeret, at antal uddannelser har en betydende effekt på lønomkostningerne, hvorfor
driveren ikke præsenteres yderligere i de følgende sider
•
Dataanalyserne indikerer, at socioøkonomisk reference har en effekt på lønomkostninger per årskursist til ledelse og
administration. Samme effekt er ikke fundet ved lønomkostninger til undervisning per årselev
•
På institutionsbesøg er socioøkonomi ikke blevet identificeret som en drivende effekt for lønomkostninger
Socioøkonomi
Geografi
(by/land-kommune)
─
•
Analyserne har ikke identificeret systematiske forskelle på institutioner i hhv. by- og landkommuner
•
Institutionsbesøg har dog indikeret, at områders særlige forhold (fx lærerudbud og -konkurrence samt elevgrundlag)
har betydning; men systematiske forskelle mellem institutioner er ikke identificeret
Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 24 observationer), med omkostningsdriverne som uafhængige variable, og undervisnings- og adm. lønomkostninger per årskursist som den afhængige variabel.
Flueben angiver statistik signifikans på 10 pct. niveau. Flueben med parentes angiver, at variablen vurderes at have betydning via regresionsanalysen, men er ikke signifikant på 10 pct. niveau. 2) Deskriptive dataanalyser, som ser på
bivariate sammenhænge, dvs. sammenhænge mellem to variable. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
26
Begge
omk.
komp.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0027.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Analysen indikerer, at en større andel undervisningstid reducerer omkostninger til
undervisning per årskursist. Det er til dels lettere for store institutioner
Antal årskursister
•
•
•
•
Andel undervisningstid
•
Nedenstående grafer illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årskursist
1
Grafen til venstre
indikerer, at lønomkostninger til undervisning per årskursist er faldende ved en højere andel undervisningstid, hvilket ses på den negative
hældning af trend-linjen på grafen nedenfor
Analysen indikerer således, at institutioner, der bruger mere tid på undervisning, alt andet lige, har lavere lønomkostninger til undervisning per årskursist
Ved institutionsbesøgene blev det bemærket, at institutionerne aktivt arbejder med andelen af lærernes arbejdstid, der anvendes på undervisning. Denne styring
foregår naturligt i sammenhæng med styring på holdstørrelse (jf. næste side). Fx forsøger institutionerne at tage højde for time-fag fordeling, kapacitetsudnyttelse af
lærerressourcer, herunder ved skemaplanlægning, mv.
–
alle sammen tiltag, der i sidste ende kan bevare høje andele tid anvendt på undervisning
Grafen til højre
viser, at større institutioner har lidt højere undervisningsandele. Institutionerne understreger, at det er lettere for større institutioner at optimere
undervisningstiden ved mange årskursister. Bl.a. fordi de ovenfor nævnte tiltag bedre kan anvendes, fx større fleksibilitet i time-fag fordeling ved en større lærerstab,
mere fleksibel skemaplanlægning, mv.
Andel undervisningstid ift. lønomkostninger per årskursist (2017)
2
Omkostninger til undervisning per årskursist
80.000
Andel undervisningstid for HF og AVU fordelt efter institutionsstørrelse (2017)
2
Årskursister
4.500
4.000
70.000
3.500
3.000
2.500
60.000
2.000
1.500
50.000
1.000
500
40.000
27
30
33
36
39
42
45
Andel undervisningstid (pct.)
0
27
30
33
36
39
42
45
Andel undervisningstid (pct.)
Note: 1) Data vedr. andel undervisningstid er kun tilgængelig for HF og AVU uddannelserne. Disse udgør størstedelen af sektorens årskursister, hvorfor betydningen heraf formentlig er begrænset. 2) 2017 data
er anvendt da andel undervisningstid ikke er tilgængelig for 2018.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
27
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0028.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Analysen indikerer, at større hold reducerer omkostninger til undervisning
per årskursist
Antal årskursister
•
•
•
•
Holdstørrelse
•
Nedenstående grafer illustrer betydningen af gennemsnitlig holdstørrelse for lønomkostningerne til undervisning per årskursist
Opgørelsen til venstre indikerer,
at lønomkostninger til undervisning per årskursist er faldende ved større gennemsnitlige hold, hvilket ses på den negative hældning af
trend-linjen. Dog skal det bemærkes, at der er forholdsvis stor spredning og få observationer
Analysen indikerer således, at institutioner, der har større gennemsnitlige holdstørrelser, alt andet lige, har lavere lønomkostninger til undervisning per årskursist, da
lærer/elev ratioen (dvs. omkostningskomponenten: ‘antal
årskursister per underviser’)
herved mindskes
Det understøttes af institutionsbesøgene, hvor særligt holdstørrelse (klassekvotienten) fremhæves som styringsparameter. Institutionerne arbejder aktivt med at opnå
holdstørrelser på 28 på tælledagen
1
(maksimum tilladt). Flere institutioner bemærker, at det er svært at lave prognoser for elevtal grundet udsving i søgemønstre og frafald.
Det medfører en usikkerhed i holdstørrelser ved tælledagen. Disse udsving har mindre betydning for store institutioner, da de har bedre muligheder for optimering af
holdstørrelse
Grafen til højre indikerer ikke,
at større institutioner har bedre muligheder for at lave større hold. I grafen nedenfor fremgår institutioner med samme gennemsnitlige
holdstørrelse, men med meget forskellig størrelse. Det indikerer, at en række andre forhold også spiller en væsentlig rolle for optimeringsmulighederne ift. holdstørrelse.
Under institutionsbesøgende blev det dog bemærket, at større institutioner har bedre mulighed for at planlægge og lave større hold
Gns. holdstørrelse fordelt efter institutionsstørrelse (2018)
2
Årskursister
4.000
3.500
70.000
3.000
2.500
60.000
2.000
1.500
50.000
1.000
500
40.000
18
21
24
Gennemsnitlige holdstørrelse
27
30
0
18
21
24
Gennemsnitlig holdstørrelse
27
30
Holdstørrelse ift. lønomk. til undervisning per årskursist (2018)
2
Omkostninger til undervisning per årskursist
80.000
Note: 1) Gælder kun for HF. 2) Data på antal årskursister på VUC for årene 2011 og 2015 er behæftet med stor usikkerhed indgår disse ikke i opgørelsen. De indgår i de øvrige kortlægningsrapporter.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
28
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0029.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger til undervisning per årskursist er højere for små institutioner, særligt for
institutioner med under ~830 årskursister
Antal årskursister
•
•
•
•
•
•
Nedenstående grafer indikerer, at lønomkostninger per elev, alt andet lige, er lavere jo større en institution er; målt på antal årskursister. Effekten er dog ikke
statistisk signifikant, hvilket er forventeligt givet antallet af institutioner
Effekten er ligeledes til stede for de tre største uddannelser HF, AVU og HF-enkeltfag. Der ses kun begrænset variation imellem uddannelserne, hvorfor disse ikke
uddybes yderligere i nærværende analyser
Det bemærkes, at ingen institutioner med under 830 årskursister har en lønomkostning til uddannelse per årskursist på under ~59.000 kr., men helt op til ~77.000 kr.
hvorimod institutioner med over 830 årskursister har lønomkostninger til undervisning per elev mellem ~52.000 og ~68.000
Sammenhængen kan indikere, at der er faldende marginalomkostninger særligt fra ~830 årskursister og op. Input fra institutionsbesøg understøtter tolkningen, om
end den præcise grænseværdi er uklar. Flere institutioner bemærker, at udfordringer som følge af få årskursister særligt gør sig gældende i den lave ende af skalaen
Institutionsbesøgene indikerer, at faldende marginalomkostninger skyldes forbedrede muligheder hos større institutioner for optimering af holdstørrelser og lærernes
undervisningsandele, jf. forrige sider
Derudover er antallet af årskursister per lokation, forventeligt en driver af lønomkostningerne per årskursist. Analyserne finder dog ikke en klar betydning af antal
lokationer
1
, men institutionsbesøgene understøtter til dels tolkningen. Det fremhæves dog også, at geografiske afstande ikke i sig selv fjerner alle stordriftseffekter ift.
lønomk. til undervisning. Fx kan lærerkapaciteten fortsat udnyttes optimalt ved at anvende fjernundervisning, fordele støtte-, censur- og vejledningsopgaver, mv.
Lønomkostninger til undervisning per årskursist fordelt på uddannelser (2018)
Lønomk. til undervisere per årskursist fordelt på institutionsstørrelse (2018)
Undervisningslønomk. per årskursist per uddannelse
80.000
75.000
70.000
65.000
60.000
55.000
Institutioner med under
830 årskursister har
gennemsnitligt højere
lønomkostninger til
undervisning per elev
Omkostninger per årselev per uddannelse
90.000
85.000
80.000
75.000
70.000
65.000
60.000
55.000
50.000
45.000
40.000
AVU
HF
HF-enkeltfag
50.000
0
500
1.000
1.500
2.000
Årskursister
2.500
3.000
3.500
4.000
35.000
0
300
600
900
1.200
1.500
1.800
2.100
Årskursister per uddannelse
Note: 1) Data på antal årskursister på VUC for tidligere år er behæftet med stor usikkerhed og indgår derfor ikke i opgørelsen. De indgår i de øvrige kortlægningsrapporter.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
29
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0030.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
For lønomkostninger til administration og ledelse fokuseres på antal årselever og socioøkonomi
som de primære omkostningsdrivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til administration og ledelse. Modellen illustrerer de forventede sammen-
hænge mellem bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomk.
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt to omkostningsdrivere af lønomkostninger, fsva. administration og ledelse specifikt. De udvalgte drivere er
markeret med grønt i kausalmodellen (antal årselever og socioøkonomi)
Næste side præsenterer analysen af antal årselever ift. administration og ledelse
Omkostningsdrivere
Overarbejde
Tillæg
Ansættelses-
forhold
Omkostningskomponenter
Gennemsnitlig
månedsløn
Gennemsnitlig
lønomkostning per
ÅV
Anciennitet
Geografi
Interne politikker
Administrations-
andel
Lønomkostninger
til ledelse og
administration
per årselev
Antal ÅV per
årselev
Organisering
Fællesskaber
(administrative,
indkøb, IT, mv.)
Uddannelses-
udbud
Kilde: Teamanalyse; interviews; institutionsbesøg.
STRUENSEE & CO.
Geografi
Antal årselever
Antal ÅV
Socioøkonomi
30
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0031.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger til administration og ledelse per årskursist er højere for
små institutioner, særligt institutioner med under ~550 årskursister
Antal årskursister
•
Jf. nedenfor indikerer analyserne, at omkostninger til administration og ledelse per årskursist, alt andet lige, er lavere jo større en institution er; målt på antal
årskursister. Den grønne trend-linje illustrer den indikative sammenhæng med faldende lønomkostninger til administration og ledelse ved flere årskursister
Analysen indikerer en grænse for omkostninger per årskursist i omegnen af ~550 årskursister ift. at opretholde en effektiv administration. Det er ikke muligt at
beregne en præcis kritisk grænse; dog understøtter institutionsbesøg at omkostninger per årskursist ved stigende elevtal er aftagende omkring dette niveau
Cirklen markerer, hvilke institutioner der har under 550 årskursister, og det skraverede røde felt illustrerer, at få institutioner under 550 årskursister har
lønomkostninger til administration og ledelse per årskursist under ~9.000 kr. Samtidig har kun tre institutioner med over 550 årskursister lønomkostninger til
administration og ledelse per årskursist over 9.000 kr.
Forskellene mellem små og store institutioner er markante, idet lønomkostninger til administration og ledelse per årskursist svinger med over 100 pct. fra ~6.000 kr.
til ~12.000 kr. (med undtagelse af enkelte outliers)
Ved institutionsbesøg er det bl.a. blevet fremhævet, at særligt professionalisering af medarbejderstaben, udlicitering og ledelse er afgørende for lave omkostninger
per årskursist indenfor denne omkostningskategori. Ligeledes understreges det, at mulighederne for at optimere via disse tiltag, lettes ved øget institutionsstørrelse
Fx vurderer flere institutioner at have reduceret deres samlede omkostninger som følge af professionalisering og effektivisering, herunder til bl.a. bogholderi og
bygningsdrift. Samtidig understreges, at institutionsstørrelse ofte er afgørende for, at denne effektivisering kan realiseres
Analyserne indikerer desuden, at denne sammenhæng kun i begrænset omfang er afhængig af antal lokationer. Det indikerer, at institutionerne formår at optimere
ledelsen og den administrative drift uagtet en spredning af lokationer
•
•
•
•
•
•
Lønomkostninger til administration og ledelse per årskursist på tværs af institutionsstørrelse (2018)
Omkostninger til administration og ledelse per årskursist
15.000
Institutioner med under ~550
årskursister har højere
lønomkostninger til administration
og ledelse per elev
10.000
5.000
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
2.000
2.200
2.400
2.600
2.800
3.000
3.200
3.400
3.600
3.800
4.000
Antal årskursister
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
31
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0032.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
32
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0033.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Drivere af bygningsomkostninger identificeres pba. empiriske analyser, institutionsbesøg og
ekspertinput
Primær
omkostningsdriver
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af bygningsomkostninger. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes bygningsomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årskursist
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt fem omkostningsdrivere af bygningsomkostninger til nærmere analyse. De udvalgte drivere er markeret
med grønt i kausalmodellen og dækker: i) antal årskursister, ii) antal lokationer, iii) geografi, iv) andel lejede kvm og v) andel undervisnings kvm
Et overblik over resultaterne for disse fem primære omkostningsdrivere præsenteres på siden efter den følgende, hvorefter udvalgte drivere uddybes yderligere
•
Omkostningsdrivere
Andel lejede kvm
Omkostningskomponenter
Geografi
Bygningsmasse (kvm)
Bygnings-
omkostninger per
kvm.
Bygnings-
omkostninger per
årskursist
Serviceniveau
Låneforhold
Renter
Finansielle
poster
Afskrivninger
Forsyningsbehov
Antal lokationer
Antal årskursister
Antal kvm. per
årskursist
Lokalestørrelse gnm.
kvm.
Uddannelsesmix
Antal lokaler
Andel undervisnings
kvm.
STRUENSEE & CO.
33
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0034.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Bygningsomkostninger per årskursist varierer meget, hvilket skyldes store variationer i
kvadratmeterpriser samt antal kvadratmeter per årskursist
•
•
Samlet set indikerer nedenstående grafer, at forskelle i bygningsomkostninger både kan tilskrives kvadratmeterpriser og antal kvadratmeter per årskursist, da begge
omkostningskomponenter er kendetegnet ved store variationer
Af opgørelsen, der er opgjort eksklusiv fjernundervisningskursister, fremgår en betydelig variation i bygningsomkostninger, som skyldes markante variationer i
kvadratmeterpriser (op til 75 pct.) samt antal kvadratmeter per årskursist (op til 59 pct.). Den store variation og manglende sammenhæng til de samlede
bygningsomkostninger per årskursist i begge de to omkostningskomponenter indikerer, at begge omkostningskomponenter er primære drivere af variationen i
bygningsomkostninger per årskursist
Graferne viser desuden en begrænset systematik i omkostningskomponenterne ift. de totale bygningsomkostninger per årskursist, dvs. der er store udsving på tværs
af institutionerne, og disse udsving er ikke rangeret ift. tendensen på de totale byg.omk. per årskursist. Det indikerer, at bygningsomkostningerne er kendetegnet ved
en række institutionsspecifikke forhold, herunder de økonomiske omstændigheder for overdragelse af bygninger ifm. overgang til selveje samt strategiske valg
På følgende sider fokuseres på de omkostningsdrivere, der virker gennem de to omkostningskomponenter. Driverne præsenteres på næste side
•
•
Bygningsomkostninger per årskursist og de to bygnings-omkostningskomponenter, fordelt på institutioner (2017)
1,2,3
Bygningsomkostninger per årskursist
(2017, tusinde kr.)
14
12
10
10
10
10
9
9
9
9
8
8
8
7
7
7
7
7
6
462
691
376
631
799
8
11
10
19
502
888
894
528
875
876
906
-72%
684
677
607
688
11
10
10
13
13
14
11
16
11
11
18
Bygningsomkostninger per kvm
(2017, kr.)
1.170
1.092
Antal kvadratmeter per
årskursist (2017)
1,2,3
12
11
20
294
474
290
11
16
19
10
10
Ø 13
5
5
5
4
Ø8
485
385
Ø 664
Note: 1) Antallet af årskursister i 2017 er eksklusiv fjernundervisningskursister, som er beregnet pba. institutionernes andel fjernundervisningskursister i 2018. Se bilag for opgørelse over
VUC’ernes
andel fjernundervisningskursister. 2) En
institution har haft ekstraordinært høje bygningsomkostninger i 2018, hvorfor det vurderes til at være en outlier. 3) 2017 data er anvendt for opgørelse af antal kvm., da 2018 data ikke er tilgængelig fra SparEnergi datakilden 4) I
formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. Kilde: Analysens datamodel, institutionsbesøg.
STRUENSEE & CO.
34
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0035.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
= uddybes på følgende sider
•
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af bygningsomkostninger per årskursist for
VUC’erne.
De fem primære omkostningsdrivere er udvalgt pba. indledende screeninger
af bruttolisten af mulige drivere, jf. kausalmodellen på den tidligere side
Opgørelsen præsenterer en samlet vurdering og beskrivelse af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data) og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet. Af samme årsag er regressionsanalyserne ikke statistisk signifikante
De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra datamodellen som
ikke anvender regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) geografi og ii) antal årskursister er betydende omkostningsdrivere for bygningsomkostninger per årskursist
De følgende sider præsenterer og uddyber disse to omkostningsdrivere, der er identificeret som betydende
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Indikationer på effekt af
Omkostningsdrivere
Dataanalyser
3
omkostningsdriveren
1
Regressioner
2
Beskrivelse af effekter
•
Analyserne har ikke identificeret en klar sammenhæng mellem geografisk placering af institutionerne og deres
bygningsomkostninger per årskursist
•
Relationen mellem institutionernes placering i by/landkommuner og bygningsomkostninger per årskursist
præsenteres i det følgende
•
Institutionsbesøgene indikerer, at lejede kvm typisk er dyrere end ejede kvm
Institutionsbesøg
Geografi
(by/land-kommune)
(s. 38)
─
─
─
─
─
─
Kvm.
priser
Andel lejede kvm
•
Dataanalyser og regressioner har dog ikke identificeret en effekt af andelen af lejede kvm på bygningsomkostninger
per årskursist, hvilket dog kan skyldes lav variation og få observationer
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at andelen af
undervisningskvadratmeter har en effekt på bygningsomkostninger per årskursist
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Analyserne indikerer at flere årskursister driver højere bygningsomk. per årskursist, men sammenhængen er svag
Antal kvadratmeter per årskursist
Andel undervisnings
kvm
─
─
Antal årskursister
(s. 36-37)
•
Sammenhængen dækker desuden over modsatrettede effekter, hvor store institutioner har højere bygningsomk. per
kvadratmeter men samtidig har færre kvadratmeter per årskursist. Særligt ved kontrol for antal kvm per årskursist har
institutionsstørrelse derfor en betydning, og uddybes i de følgende sider
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at antal lokationer har en effekt på
bygningsomkostninger per årskursist
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Antal lokationer
─
─
─
Note: 1) De tre metoder anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra datamodellen som ikke anvender regressioner –
se de
følgende sider for eksempler herpå; 2) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 24 observationer), med omkostningsdriverne som uafhængige variable, og bygningsomkostninger per årskursist som
den afhængige variabel. Flueben angiver statistik signifikans på 10 pct. niveau. Flueben med parentes angiver, at variablen vurderes at have betydning via regresionsanalysen, men er ikke signifikant på 10 pct. niveau. 3)
Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
35
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0036.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Analysen indikerer, at store institutioner har højere bygningsomkostninger per årskursist
Antal årskursister
•
•
•
•
Nedenfor ses en opgørelse over sammenhængen mellem omkostninger til bygninger per årskursist og institutionsstørrelse. Opgørelsen viser, at der er ikke er en
stordriftseffekt. Derimod indikerer analysen, at større institutioner har højere omkostninger til bygninger per årskursist
Der er dog betydelig spredning, hvilket kan indikerer, at institutionsspecifikke forhold er afgørende for bygningsomkostninger per årskursist
Institutionsbesøgende understøtter, at en række forhold med stor betydning for institutionernes bygningsomkostninger er institutionsspecifikke og ikke kan tilskrives
strukturelle forholde i systematiske omkostningsdrivere. Fx økonomien og bygningsmassen ved overdragelse fra selveje. Det har bl.a. været bestemt af den
betalingsevnevurdering, der blev gennemført ifm. overdragelse af bygninger. Derudover har fx bygningsalder og valgte låneforhold betydning. Eksempelvis vil
nyopførte bygninger typisk være dyre i afskrivninger og renteomkostninger men samtidig være mere energieffektive, kræve mindre vedligehold, mv.
Endeligt har også det konkrete ejendomsmarked i nærområdet betydning, dvs. den geografiske placering af institutionens bygninger, hvilket uddybes på følgende
sider
Omkostninger til bygninger per årskursist på tværs af institutionsstørrelse (2018)
1,2,3,4
Bygningomkostninger per årskursist
15.000
12.000
9.000
6.000
3.000
0
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
2.000
2.200
2.400
2.600
2.800
3.000
3.200
3.400
Årskursister
Note: 1) Antallet af årskursister er eksklusiv fjernundervisningskursister. Se bilag for opgørelse over
VUC’ernes
andel fjernundervisningskursister. 2) Det har ikke været muligt at korrigere antallet af årskursister
ift. antallet af fjernundervisningskursister for tidligere år, hvorfor analysen ikke er gennemført for andre år end 2018. 3) I formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor
omkostningerne ikke er korrigeret herefter. 4) To institutioner udgår af analysen, da de har haft ekstraordinært høje bygningsomkostninger i 2018, hvorfor de vurderes til at være outliers.
Kilde: Analysens datamodel
STRUENSEE & CO.
36
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0037.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Større institutioner har højere bygningsomkostninger per kvadratmeter men samtidig flere elever
per kvadratmeter
Antal årskursister
•
•
•
•
•
•
Graferne nedenfor indikerer, at den overordnede sammenhæng mellem bygningsomkostninger per årskursist og institutionsstørrelse (jf. forrige side) dækker over
modsatrettede tendenser indenfor hhv. kvm per årskursist og bygningsomkostninger per kvm
–
dvs. de to omkostningskomponenter
Opgørelsen viser en sammenhæng mellem antallet af kvadratmeter per årskursist og institutionsstørrelse, hvor større institutioner har færre kvadratmeter per
årskursist (grafen til højre), samtidig med at større institutioner tenderer til at have højere bygningsomkostninger per kvadratmeter (grafen til venstre). Begge
sammenhænge understøttes af indsigter fra institutionsbesøg
Således fremgår det, at store institutioner både har færre kvadratmeter per årskursist og højere bygningsomkostninger per kvadratmeter, hvilket tilsammen resulterer
i, at institutionsstørrelse kun i begrænset omfang hænger sammen med bygningsomkostninger per årskursist
Følgelig har større institutioner højere bygningsomkostninger per kvm, såfremt der kontrolleres for kvm per årskursist
Ved institutionsbesøg er desuden observeret situationer, hvor institutioner har måtte leje fx pavilloner grundet stigende elevtal, hvilket er en dyrere men mere
fleksibel løsning. Dermed har ændringen i institutionsstørrelse over de seneste år også væsentlig betydning for omkostningsniveauet per årskursist
Sammenhængen mellem institutionsstørrelse og omkostninger kan være påvirket af den geografisk placering af institutionstyper. Derfor undersøges på næste side,
hvilken effekt geografi har på bygningsomkostninger per årskursist
Bygningsomkostninger per kvm på tværs af institutionsstørrelse (2017)
1,2,3,5
Bygningsomkostninger per kvm
1.500
Kvm. per årskursist på tværs af institutionsstørrelse (2017)
1,2,4,6
Kvm per årskursist
22
20
18
1.000
16
14
500
12
10
8
0
0
1.000
2.000
Årskursister
3.000
4.000
6
0
1.000
2.000
Årskursister
3.000
4.000
Note: 1) Antallet af årskursister er eksklusiv fjernundervisningskursister. Se bilag for opgørelse over
VUC’ernes
andel fjernundervisningskursister. 2) Det har ikke været muligt at korrigere antallet af årskursister ift. antallet af fjernundervisningskursister for
tidligere år, hvorfor analysen ikke er gennemført for andre år end 2018. 3) To institutioner har haft ekstraordinært høje bygningsomkostninger i 2018, hvorfor de vurderes til at være outliers. 4) 2017 data er anvendt for opgørelse af antal kvm., da 2018 data ikke
er tilgængelig fra SparEnergi datakilden. 5) I formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. 6) En institution udgår, da kvm. fremgår med en fejlregistrering i SparEnergi datakilden.
Kilde: Analysens datamodel
STRUENSEE & CO.
37
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0038.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Der observeres ikke en klar sammenhæng mellem geografi og bygningsomkostninger per
årskursist
Geografi
•
•
•
Nedenfor ses en opgørelse over bygningsomkostninger per årskursist på tværs af institutionsstørrelse fordelt på institutioner i hhv. by- og landkommuner samt
institutioner med afdelinger i både land og bykommuner
4
. Analysen tager højde for institutionernes afdelinger, og der hvor der er afdelinger i både by- og
landkommuner indgår de i kategorien "blandet"
Opgørelsen indikerer ikke en sammenhæng mellem geografi og omkostningerne til bygninger. Det ses af figuren, at de meget store institutioner er placeret i byerne
(eller med hovedinstitutionen i byen), men også at ift. størrelse er der betydelig spredning i land-institutionerne
Grundet få observationer kan analysen ikke afvise, at geografi er en forklarende faktor for bygningsomkostninger per årskursist, men dataanalyserne har ikke
identificeret en sådan
Ved test for en systematisk sammenhæng mellem geografi og de to omkostningskomponenter (bygningsomkostninger per kvm. og antal årskursister per kvm) er der
heller ikke identificeret entydige tendenser
Bygningsomkostninger per årskursist på tværs af institutionsstørrelse for institutioner i by- og landkommuner (2018)
1,2,3,4,5,6
Bygningsomk per årskursist
15.000
Land
Blandet
By
•
12.000
9.000
6.000
3.000
0
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
2.000
2.200
2.400
2.600
2.800
3.000
3.200
3.400
Årskursister
Note: 1) Antallet af årskursister er eksklusiv fjernundervisningskursister. Se bilag for opgørelse over
VUC’ernes
andel fjernundervisningskursister. 2) Det har ikke været muligt at korrigere antallet af årskursister
ift. antallet af fjernundervisningskursister for tidligere år, hvorfor analysen ikke er gennemført for andre år end 2018. 3) I formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor
omkostningerne ikke er korrigeret herefter. 4) To institutioner udgår af analysen, da de har haft ekstraordinært høje bygningsomkostninger i 2018, hvorfor de vurderes til at være outliers. 5) Opdeling i by- og
landkommune baseret på DK’s statistiks kommunegruppering i a) hovedstadskommuner, b) storbykommuner, c) provinsbykommuner, d)
oplandskommuner og e) landkommuner. A)-c)
er her defineret som ‘by’
og d)-e)
som ‘land. 6) Institutioner med afdelinger i både land-
og bykommuner fremgår som blandet. Kilde: Analysens datamodel; Danmarks Statistik, 2018
STRUENSEE & CO.
38
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0039.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
39
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0040.png
3.4 OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Større institutioner har umiddelbart en smule lavere omkostninger til øvrig drift per årskursist
•
•
•
•
Nedenstående graf indikerer, at omkostninger til øvrig drift er faldende med stigende institutionsstørrelse, dvs. at større institutioner gennemsnitligt har lavere
omkostninger til øvrig drift per årskursist end mindre institutioner, jf. den grønne trend-linje
Der er dog stor spredning i øvrig driftsomkostninger per årskursist på tværs af institutionsstørrelse, hvilket indikerer at omkostningsstrukturer i høj grad er drevet af
andre faktorer ud over institutionsstørrelse
Institutionsbesøgene understøtter at større institutioner typisk kan have lavere omkostninger per årskursist. Det fremhæves bl.a. at større institutioner bedre kan
anvende fx i) udlicitering, ii) indkøbsfællesskaber og iii) professionelt personale til fx indhentning af tilbud
Fx nævner institutionerne, at en stor institution har en bedre forhandlingsposition og forudsætninger for billigere indkøb. Dog kan ressourceforbrug grundet
udbudskrav være større for store institutioner, da deres indkøb oftere vil være over grænseværdierne for udbudsreglerne
Drivere af øvrige driftsomkostninger
•
Omkostningsdriverne af øvrige driftsomkostninger per
årskursist er primært antallet af årskursister og antallet af
medarbejdere (hvilket er drevet af antal årskursister). Det
følger af, at øvrige driftsomkostninger i høj grad er
aktivitetsafhængige, da de omfatter fx
undervisningsmateriale, IT licenser, inventar og
kontorartikler, opkvalificering af medarbejdere,
markedsføring mv. Antallet af årskursister er påvirket af
konjunkturer og samarbejde med lokale jobcentre
Der er dog nogle øvrige driftsomkostninger, der i mindre
grad er aktivitetsafhængige, hvilket medfører at netop
institutionsstørrelse har en betydning. Det skyldes, at for
omkostninger, der ikke er aktivitetsafhængige, vil
omkostningen per årskursist være lavere for større
institutioner. Det gælder fx Lectio abonnement, Navision,
SLS, Sikkerpost, faktura flow systemer,
journaliseringssystemer, mv. Dette er fremhævet på
institutionsbesøgene, hvor institutionerne desuden
bekræfter, at større institutioner generelt set har bedre
muligheder for at sænke øvrige driftsomkostninger per
årskursist som følge af en række tiltag
Gennemsnitlige omkostninger til øvrig drift per årskursist på tværs af
institutionsstørrelse (2016-2018)
1
Omkostninger til øvrig drift per årskursist
26.000
24.000
22.000
20.000
18.000
16.000
14.000
12.000
10.000
8.000
0
500
1.000
1.500
2.000
Årskursister
2.500
3.000
3.500
4.000
•
Note: 1) I formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter.
Kilde: Analysens datamodel
STRUENSEE & CO.
40
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0041.png
3.4 OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der er stor forskel på institutionernes sammensætning af øvrige driftsomkostninger
•
•
Nedenstående figur viser en oversigt over øvrige driftsomkostninger per årskursist på tværs af de 24
VUC’er.
Øvrige driftsomkostninger er opdelt i køb af
tjenesteydelser ekskl. IT (kurser, rådgivning og køb af øvrige tjenesteydelser), reparation og vedligehold ekskl. bygninger, køb af varer til forbrug
(undervisningsmaterialer, småanskaffelser, elevaktiviteter og øvrigt varekøb), afskrivninger ekskl. bygninger samt øvrige driftsomkostninger inkl. omkostninger til IT
Figuren viser en variation på ca. 64 pct. mellem institutioner ift. omkostninger til øvrig drift per årskursist, som jf. foregående side svagt korrelerer med antal
årskursister. Samtidigt viser figuren, at der er stor forskel på sammensætningen af øvrige driftsomkostninger på tværs af institutionerne. De største poster er således
for de fleste institutioner køb af varer til forbrug og øvrige driftsomkostninger
Omkostninger til øvrig drift per årskursist per institution (tusinde kr.), 2018
1,2
Køb af tjenesteydelser (ex IT)
Tusinde kr.
35
Rep. og vedligehold (ex. byg)
Køb af varer til forbrug
Afskrivninger
Øvrige driftsomkostninger
-64%
30
29
16%
25
23
12%
20
27%
15
14%
41%
10
7%
6%
29%
14%
3%
45%
5
28%
0
45%
31%
38%
31%
34%
19%
4%
13%
30%
27%
23%
58%
26%
26%
34%
39%
39%
45%
24%
21
21
19
18
18
17
17
17
23%
42%
25%
10%
44%
24%
32%
14%
14%
15%
24%
17
16
16%
23%
27%
48%
28%
16
Ø 16
14
14
14
13
27%
57%
15
15
15
50%
12
12
11
22%
10
27%
17%
49%
54%
39%
55%
14%
13%
6%
17%
17%
29%
49%
34%
33%
44%
44%
20%
43%
42%
24%
36%
38%
23%
14%
35%
53%
23%
48%
Note: 1) Det skal bemærkes, at de institutioner, som er værter for administrative fællesskaber, har en større andel af omkostninger til løn til øvrig drift, som ikke er inkluderet i ovenstående graf. De institutioner, som betaler til administrative fællesskaber, har højere omkostninger til
køb af tjenesteydelser, som indgår i ovenstående graf. 2) I formålsregnskabet for
VUC’er
fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. Kilde: Analysens datamodel
STRUENSEE & CO.
41
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0042.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
42
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0043.png
4 INSTITUTIONERNES TILPASNINGSEVNE
Analysen identificerer en række forhold, der påvirker
VUC’ernes
tilpasningsbehov og
tilpasningsevne
•
•
Nedenfor præsenteres de overordnede konklusioner for delanalyse 4 (kapitel 5)
Det bemærkes, at udfordringerne som følge af tilpasningsbehovet, beskrevet i boksen til højre, særligt gør sig gældende ved
reduktioner
i elevtallet, da stigninger
giver udslag ved stigende indtægter og tilpasningsbehovet derfor ofte kan løses ved mere tilgængelige tiltag; fx ved at ansætte flere medarbejdere el.lign.
4.3
Tilpasningsevne (s. 49-58)
Faste omkostninger og omkostninger med lang bindingstid svækker
tilpasningsevnen
•
Jo færre omkostninger, som ikke giver praktisk mening at justere ved
fald i elevtallet (fordi de er faste, ikke-aktivitetsafhængige omkostninger,
fx visse administrative opgaver), og som har lange bindingstider (fx pga.
opsigelsesvarsler), jo nemmere er det for institutionerne at tilpasse
økonomien
Analysen peger på, at ca. 60 pct. af
VUC’ernes
omkostninger har høj
grad af aktivitetsafhængighed. Ligeledes viser beregninger, at ca. 88
pct. af omkostningerne skønnes at have en bindingsperiode på mindre
end 10 mdr. Det skyldes, at undervisningslønomkostningerne udgør en
stor del af de samlede omkostninger, og at de typisk har en relativt kort
bindingsperiode. En sådan tilpasning vil dog have konsekvenser for
undervisningens gennemførsel, hvorfor tallet ikke nødvendigvis er
udtryk for et fagligt bæredygtigt tilpasningsrum ved faldende indtægter
4.2
Tilpasningsbehov (s. 46-48)
Ændringer i elevtallet skaber tilpasningsbehov
•
Ændringer i elevtallet får næsten fuldt gennemslag på institutionernes
indtægter, da hovedparten af indtægtsgrundlaget er aktivitetsafhængigt.
Det betyder, at ændringer i elevtallet påvirker behovet for at tilpasse
økonomien
De
VUC’er,
der har faldende indtægter et givent år, oplever i
gennemsnit et indtægtsfald på ca. 5 pct. pr. år ift. det foregående år i
perioden 2012-2018
Størrelsen på de gennemsnitlige indtægtsfald har været forholdsvist
stabilt i perioden, hvor indtægtsfaldene varierede mellem 3 og 8 pct.
Ligeledes er antallet af
VUC’er,
der oplever indtægtsfald ift. året før
steget frem mod 2018, fra 6 i 2012 til 21 i 2018
•
•
•
•
4.4
Tilpasningsudfordringer (s. 59-60)
Analysen viser, at de
VUC’er,
der har det størst tilpasningsbehov er kendetegnet ved
1
:
•
Færre årskursister:
VUC’er
med en høj tilpasningsevne har generelt
flere (8 pct.) årskursister sammenlignet med
VUC’er
med lav
tilpasningsevne
Det skyldes, at større
VUC’er
generelt har en højere anciennitet af
deres ansætte undervisere
•
•
•
Forskelle i bygningsmasse:
VUC’er
med høj tilpasningsevne har
generelt færre kvm per årskursist end de øvrige
VUC’er.
Det skyldes, at
bygningsomkostninger typisk har længere bindingsperioder, og dermed
reducerer tilpasningsevnen
VUC’er
med høj tilpasningsevne ejer i gennemsnit ~78 pct. af deres
bygningsmasse, imens
VUC’er
med lav tilpasningsevne ejer ~86 pct.
Disse forskelle skyldes ligeledes de typiske bindingsperioder i eje
kontra leje
Note: 1) Grundet få observationer har det ikke været muligt at analysere
VUC’erne
i grupper på tværs af både tilpasningsevne og
–behov.
De klareste tendenser er identificeret fsva. institutioner med forskellig
tilpasningsevne. Kilde: Analysens datamodel
STRUENSEE & CO.
43
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0044.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
44
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0045.png
4.1. INSTITUTIONERNES TILPASNINGSEVNE - METODE
Analysen af tilpasningsevne undersøger omkostningernes aktivitetsafhængighed og
bindingsperiode
•
•
•
•
Nedenfor beskrives de to nøgleparametre som analysen af tilpasningsevne baseres på. Tilgangen fokuserer på: (1) aktivitetsafhængighed og (2) bindingstider, som
er de to faktorer, der påvirker institutionerne evne til at tilpasse økonomien ved ændringer i indtægterne fra ét år til det næste
Jo større andel af omkostningsbasen, der har høj grad af aktivitetsafhængighed og korte bindingstider, jo bedre er evnen til at tilpasse økonomien til ændringer i
indtægterne fra ét år til det næste. Det skyldes, at institutionerne i praksis finder det mest oplagt at justere de omkostninger, som er variable med aktiviteten, givet at
der ikke er uforholdsmæssigt lange bindinger på disse omkostninger, fx i form af opsigelsesvarsler, kontraktmæssige bindinger, el.lign.
Aktivitetsafhængigheden opgøres for hver omkostningskategori pba. institutionsbesøg og kvantitativ analyse af tilpasningsevne for forskellige
omkostningskomponenter ved fald i elevtallet. Aktivitetsafhængigheden vurderes på en kvalitativ tre-trins skala fra høj til lav
Bindingstid opgøres for hver omkostningskategori i antal måneder fra 0-3 mdr., 4-10 mdr., 11-24 mdr. og 25+ mdr. For lønomkostninger er bindingsperioden opgjort
pba. anciennitet og de overenskomstbestemte varselsperioder.
1
For bygningsomkostninger og øvrige driftsomkostninger er bindingsperioden opgjort pba. interview
på institutionsbesøg og spørgeskemabesvarelser
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
Aktivitetsafhængighed
Bindingstid
Bindingstid på omkostninger
•
•
•
•
•
Det første forhold, institutionerne tager højde for, når omkostninger skal tilpasses
sfa. et indtægtsfald pba. faldende elevtal, er, om de forskellige
omkostningskomponenter afhænger af elevtallet
Omkostninger, som kun i begrænset omfang påvirkes af ændringer i elevtallet fra
ét år til det næste
–
fx visse bygningsomkostninger samt engangsudgifter til
licenser (fx Lectio)
–
er ifølge institutionerne kun oplagte at justere ved
længerevarende trends i indtægtsændringer, og såfremt der ikke i forvejen er
”lavt hængende frugter” at høste på disse områder
Omkostninger med høj grad af aktivitetsafhængighed
–
fx lønomkostningerne til
undervisning
–
er umiddelbart oplagte at tilpasse ved ændret elevtal fra år til år
Beslutningen om at udmønte besparelser afhænger dog bl.a. af bindingstiden på
de enkelte omkostninger (fx opsigelsesvarsler og abonnementsbindinger) samt
faglige hensyn til at understøtte undervisningskvalitet mv.
Størstedelen af institutionernes samlede omkostninger skønnes at have en høj
grad af aktivitetsafhængighed, på tværs af delsektorer
•
•
•
•
•
Det næste forhold, institutionerne tager højde for ved tilpasning til indtægtsfald,
er, hvor lang bindingstid der er på de omkostninger, der vurderes mest
relevante at tilpasse ud fra deres aktivitetsafhængighed, kvalitetshensyn, mv.
Visse omkostninger med længere bindingstid
–
fx husleje- og låneomkostninger
samt evt. kontraktmæssige forpligtelser på rengøring, vedligehold, forsyning og
abonnementer
–
vil ikke kunne justeres på den korte bane
Omvendt vil omkostninger med forholdsvis lav bindingstid
–
fx lønomkostninger,
der har en bindingstid på 0-10 mdr.
–
være mere oplagte at justere ved
indtægtsfald. Ifølge institutionerne indgår opsigelseslængden dog sjældent i
overvejelserne om, hvilke medarbejdere der skal afskediges
Det skønnes på tværs af delsektorer, at en overvejende andel af
omkostningerne har en bindingstid på 0-10 mdr., hvilket især er drevet af
bindingstiden på løn
Hvis institutionerne har en forventning om længerevarende trends i udviklingen
af elevtallet, vil også de dele af omkostningerne med længere bindinger kunne
justeres for at imødegå det fremtidige indtægtsgrundlag. Spørgsmålet om
bindingstid er derfor især relevant ift. tilpasning til udsving på den korte bane
45
Note: 1) Det bemærkes, at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i beregningerne
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0046.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
46
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0047.png
4.2 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSBEHOV
Tilpasningsbehov:
VUC’erne
er fleksible ift. tilpasning, da de har stor
indflydelse på antallet af årskursister
•
•
•
Nedenfor skitseres
VUC’ernes
typiske årshjul med fokus på de primære faktorer, der påvirker antallet af årskursister
Grafen illustrerer den tidsmæssige udvikling i antallet af årskursister i løbet af året
Af institutionsbesøgene fremgår det, at
VUC’erne
har mulighed for at påvirke antallet af årskursister, som følge af løbende optag og fleksibilitet ift. både udbud og
ansøgningsfrister. Det løbende optag kan dog også give udfordringer ift. planlægning af hold og maksimering af holdstørrelser
Det observeres samtidig, at der er forskel på planlægge 2-årige HF-uddannelse og de resterende uddannelser (herunder HF-enkeltfag, AVU, FVU, GSK mv.). De
uddannelser, der udbydes uden for HF, offentliggøres i løbet af maj/april og er fleksible ift. tilpasninger, da
VUC’erne
selv bestemmer udbuddet samtidig med, at de
kan lukke de uddannelser, der ikke opnår tilstrækkeligt optag; mens HF-uddannelsen har løbende optag fra marts til august, hvor
VUC’erne
selv afgør, hvornår de
lukker for tilmelding
Illustration af
VUC’ernes
årshjul og tilpasningsbehov
1
Jan
Fremlæggelse af årsrapport og
udarbejdelse af budget
•
Feb
Mar
Apr
Maj
Jun
Jul
Aug
Sep
Okt
Nov
Dec
Jan
Feb
Mar
Apr
Maj
Jun
Jul
Aug
Første indikation
på kursistgrundlag
• VUC’erne
modtager de første
søgetal fra
folkeskoleeleverne
15. marts
•
Dette udgør dog
en svag indikation,
da antallet udgør
en relativt lille
andel af det
endelige optag
Udbud af
øvrige fag og
uddannelser
I maj/april
offentliggørV
UC’erne
udbuddet af
uddannelser
uden for den
2-årige HF
Løbende
optag fra
marts til
august
• VUC’erne
har
løbende
optag på HF
fra marts til
august og
vurderer selv,
hvornår de
lukker for
tilmelding
Skolestart
•
Ved
skolestart i
medio august
kender
VUC’erne
i
høj grad
årgangens
elevtal, der
kun ændres
ved
efterfølgende
frafald
Årshjul
Tælledag i
september
•
I september
ligger
tælledagen
for andet år
af HF
Primære frafald
efter skolestart
•
Holdstørrelser,
lærernes fag-time
fordelinger, mv. er
typisk fordelt på
dette tidspunkt
•
Evnen til at
forudsige korrekt
frafald er vigtig for
kapacitets-
udnyttelse ved
tælledagen
Tælledag i
november
•
I november
ligger
tælledagen
for første år
af HF, dvs.
40 pct. inde i
skoleåret
Endelig
fastlæggelse af
budget
•
Efter
finansloven
kender
VUC’erne
deres endelige
indtægter og er
herefter i stand
til at fastlægge
det endelige
budgettet
Fleksibilitet ift. uddannelser uden for HF
Fleksibilitet ift. tilpasning af personale
VUC’erne
er i stand til at opnå en høj fleksibilitet ifm.
tilpasning af personale som følge af løbende optag og
fleksibilitet ift., hvornår de lukker for optag.
VUC’erne
har et klasseloft på 28 årskursister og kan lukke for
optag, når de har opnået et effektivt antal årskursister
ift. kapaciteter.
Tilpasning til frafald
VUC’erne
forsøger at medregne frafald efter
skolestart ved at optage flere årskursister i marts til
august end de reelt har klassekapacitet til. Herved
opnår de den mest effektive kapacitetsudnyttelse
ved tælledagen i november, hvor der typisk vil være
sket et frafald af kursister siden skolestart. Evnen til
at forudsige det korrekte frafald er derfor vigtig for
kapacitetsudnyttelsen.
Tilpasningsbehov
VUC’erne
er fleksible ift. udbuddet af
uddannelser og enkeltfag, der ligger uden for
den 2-årige HF-uddannelse. De afgør selv,
hvilke uddannelser og fag de ønsker at
udbyde og kan efterfølgende justere de
uddannelser, der ikke modtager nok
ansøgninger, og derfor ikke er økonomisk
effektive.
Note: 1) Udviklingen i årskursister er illustrativ og baseret på institutionsbesøg og desk research.
Kilde: Institutionsbesøg
STRUENSEE & CO.
47
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0048.png
4.2 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSBEHOV
Når
VUC’er
oplever et fald i indtægter, er det gennemsnitligt af en betydelig størrelse, hvilket
skaber et tilpasningsbehov på institutionerne
•
•
•
Grafen nedenfor illustrerer omfanget af indtægtsfald, som
VUC’er
oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt en institution oplever et fald i indtægter,
så vil det fald gennemsnitligt være på mellem 8 og 3 procent ift. året før. Grafen skal tolkes som den gennemsnitlige ændring i indtægter fra et år til det næste for de
institutioner, som netop det år har oplevet et indtægtsfald
1
Betydelige årlige ændringer i de samlede indtægter skaber et behov for at tilpasse omkostningerne til den nye situation. Størrelsesordenen af grafen (dvs. op til 8 pct.
og et gennemsnit på 5 pct.) indikerer, at institutionerne jævnligt oplever betydelige tilpasningsbehov, der kræver en ikke ubetydelig reduktion af omkostninger.
Særligt fra 2015 og frem har en stor andel af
VUC’erne
oplevet et indtægtsfald
Givet dette tilpasningsbehov fokuserer den følgende analyse på, hvilken tilpasningsevne institutionerne har, og endeligt i analysens sidste del, hvordan de
identificerede behov og evner matcher. Et element af denne matching er at undersøge hvilke karakteristika, der kendetegner de udfordrede institutioner
Ændringer fra år til år
•
De fleste
VUC’er
oplever ændringer i elevtallet
hvert år, i opad- eller nedadgående retning,
hvilket påvirker deres indtægter. Det skyldes, at
taxametersystemet er overvejende
aktivitetsafhængigt
De institutioner, der har faldende indtægter et
givent år, oplever i gennemsnit et indtægtsfald på
ca. 2-8 pct.
Der er stor forskel på de driftsmæssige og
organisatoriske udfordringer, som hhv. en
stigning og et fald i indtægterne medfører, derfor
fokuserer grafen til venstre på institutioner, der i
de givne år har haft fald i indtægter
Sammenlignet med den gymnasiale sektor er
tilpasningsbehovet større i begge retninger for de
fleste år. Udviklingen over tid er dog tilsvarende,
med et tydeligt fald i den gennemsnitlige stigning
•
Årsager til indtægtsændringer
Indsigter fra institutionsbesøg:
Interview med
institutionerne peger på 4 hovedårsager til
indtægtsændringer:
•
Demografiske ændringer:
Den demografiske udvikling
driver tendenser på lang sigt, fx reduceret elevgrundlag
grundet faldende ungdomsårgange. Udviklingen er som
regel til at forudsige, når der ses på tidligere år og den
forventede udvikling i størrelsen af den relevante
aldersgruppe i området
Ændrede søgemønstre:
De unges søgemønstre
ændres på både lang og kort sigt. På længere sigt er der
en urbaniseringstendens, hvor de unge i stigende grad
søger mod institutioner i de større byer. På kort sigt er
det særligt institutionernes samarbejde med lokale
jobcentre, der påvirker søgemønstrene. Konkurrence
imellem institutioner kan også påvirke aktivitetsniveauet
på den enkelte institution
Politiske reformer mv.:
Institutionerne oplever, at
politiske reformer kan give ‘eksterne chok’ til elevtallet på
kort sigt. Det skyldes fx ændrede incitamenter,
optagelseskrav, mv., som påvirker elevtallet
Ændrede takster mv.:
Institutionerne oplever
indtægtsændringer, når taxametersystemet ændres, som
derigennem påvirker indtægter per årskursist
Gennemsnitlig ændring i indtægter ift. året før (pct.)
Gennemsnitlig pct.
fald ift. året før
8
7
6
5
Indtægts-
fald (pct.)
4
3
6
6
5
8
7
Ø5
•
3
2
1
0
30
20
10
6
3
3
3
•
0
100
Andel
75
VUC med
50
indtægts-
25
fald (pct.)
0
Antal
VUC med
indtægts-
fald
17
10
19
21
11
88
•
•
71
25
42
13
13
79
21 ud af 40
VUC’er
med indtægtsfald
23
i 2018 svarende til 53 pct.
88
•
47
2012 2013 2014 2015 2016 2017 2018
Note: 1)
VUC’ernes
indtægter kommer fra tilskud (89 pct.), deltagerbetaling (5 pct.) og øvrige indtægtskilder (6 pct.). Alle
VUC’er
med tilgængelig data i datamodellen er inkluderet.
Kilde: Formålsregnskaber fra
VUC’er
STRUENSEE & CO.
48
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0049.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
49
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0050.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Analyserne indikerer, at
VUC’erne
håndterer indtægtsfald meget forskelligt. I gennemsnit
reduceres omkostninger i sektoren med 81 pct. ifm. et indtægtsfald
•
•
•
•
•
Nedenfor analyseres sammenhængen mellem indtægtsfald og omkostningsreduktioner for
VUC’erne
i perioden 2012-2018. Af figuren ses sammenhængen mellem
en institutions gennemsnitlige årlige indtægtsfald og den realiserede omkostningsreduktion i samme år fordelt på løn, bygninger og øvrig drift
1
I den højre søjle sammenlignes resultaterne med sektorens totale omkostningsfordeling i 2018
Analysen viser for det første, at der er betydelig variation på tværs af institutioner ift., hvordan omkostninger ændres i år med et indtægtsfald. Det indikerer, at
omkostningstilpasning i høj grad er afhængig af institutionernes egne strategiske valg, og i mindre grad drives af systematik i, hvordan de enkelte
omkostningskategorier tilpasses som følge af et indtægtsfald
For det andet viser nedenstående graf den gennemsnitlige omkostningstilpasning i sektoren, men kan ikke tage højde for forskelle mellem enkelte institutioner. Dette
medfører en usikkerhed, og grafen bør derfor tolkes som den gennemsnitlige tilpasning for sektoren
Resultaterne af analysen indikerer, at
VUC’erne
i gns. formår at tilpasse 81 pct. af økonomien ved indtægtsfald. Heraf tilpasses især på øvrig drift (44 pct. af
tilpasningen) og løn (33 pct. af tilpasningen), mens besparelser på bygninger er begrænsede (23 pct. af tilpasningen). Omkostningsreduktionerne på øvrig drift og
bygninger er forholdsmæssigt store ift. kategoriernes andel af totale omkostninger (hhv. 17 pct. og 8 pct.), mens reduktionen på løn er forholdsmæssigt mindre ift. de
totale omkostninger
Når indtægterne falder med … … falder omkostningerne med …
Indtægtsfald
Løn
3,9 mio. kr.
3,2 mio. kr.
33%
… ift.
omkost.- fordelingen
Bygninger
Øvrig drift
Observationer
•
Gns. indtægtsfald:
Det gennemsnitlige indtægtsfald ift.
året før udgør 3,9 mio. kr. for perioden 2012-2018 for
VUC’erne
i de år, hvor de oplevede et indtægtsfald
1
•
Gns. omkostningsreduktion:
VUC’erne
justerer i
gennemsnit deres omkostninger ifm. et indtægtsfald med
81 pct.
•
Løn:
I gns. foretages 33 pct. af tilpasningen af
omkostningerne på lønnen. Tilpasningen sker især
gennem reduktion af medarbejderstaben, særligt antal
undervisere
•
Bygninger:
23 pct. af tilpasningen foretages på bygninger.
Tilpasningen er større end den totale omkostningsandel,
men betydelig set ift. at bygningsomkostninger ofte har
længere bindingsperioder. Institutionerne bemærker, at
tilpasning af bygningsomkostninger er en kortsigtet løsning
som kan medføre øgede omkostninger på længere sigt
•
Øvrige driftsomkostninger:
44 pct. af
omkostningsreduktionen foretages på øvrig drift, hvilket er
relativt højt ift. den totale andel på 17 pct.
2.942 mio. kr.
81 pct.
23%
75%
44%
8%
17%
Gns. indtægtsfald
pr. år (2012-2018)
Gns. omkostnings-
reduktion pr. år (2012-2018)
Totale omkostninger
(2018)
Note: 1) Baseret på 17 observationer. Outliers med indtægtsfald eller omkostningsfald per omkostningskategori på over 10 mio. kr. ift. året før er frasorteret. Der er så vidt muligt kontrolleret for effekten af
tidligere år med indtægtsfald, ved at frasortere institutions-år, der i det givne år også havde et indtægtsfald året før. Derudover er frasorteret institutions-år, hvor institutionen ikke i det efterfølgende år havde
et indtægtsfald. Det er gjort mhp. at udvælge institutioner, der i det givne år havde et øget incitament til at tilpasse omkostningerne, grundet en mulig forventning om et yderligere indtægtsfald det følgende
år. Kilde: Analysens datamodel.
STRUENSEE & CO.
50
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0051.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Analyserne indikerer, at op til 88 pct. af
VUC’ernes
omkostninger principielt kan justeres inden
for 10 måneder, og at 60 pct. af omkostningerne har høj aktivitetsafhængighed
•
•
Nedenfor ses en oversigt over
VUC’ernes
samlede omkostninger fordelt på (1) aktivitetsafhængighed og (2) bindingstider
Som det fremgår af opgørelsen, estimeres 60 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, og 87 pct. af omkostningerne skønnes at kunne
tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne
2
Oversigten indikerer, at
VUC’erne
på forholdsvis kort tid kan tilpasse en betydelig andel af deres omkostninger. Denne økonomiske fleksibilitet er ikke nødvendigvis
udtryk for faglig fleksibilitet, da justeringer af særligt lønomkostninger kan have betydning for undervisningens gennemførsel
På de følgende sider uddybes omkostningskomponenterne der ligger til grund for nedenstående fordeling af totale omkostninger. I tillæg hertil undersøges forskelle i
bindingsperioder mellem institutionerne. Endeligt kobles bindingsperioderne med det identificerede tilpasningsbehov, som beskrevet på de forrige sider
Tilpasningsevne
Omkostningernes aktivitetsafhængighed (2018)
1
Høj
Middel
Lav
Bindingstid på omkostninger (2018)
2
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
•
•
60%
23%
17%
33%
54%
7%
6%
•
•
Ca. 60 pct. af
VUC’ernes
samlede omkostninger
skønnes at have høj grad
af aktivitetsafhængighed,
baseret på interviews
med institutionerne
Det skyldes især løn til
undervisning, som udgør
58 pct. af de totale
omkostninger, og
vurderes at have høj
aktivitetsafhængighed, jf.
næste side
•
De 23 pct. af
omkostningerne vurderet
at have en middel
aktivitetsafhængighed
udgøres primært af en
blanding af
lønomkostninger til
administration, ledelse og
service (~10 pct. af total
omkostninger), bygninger
(~2 pct. af total
omkostninger) og øvrig
drift (~11 pct. af total
omkostninger), jf.
følgende sider
•
•
De resterende 17
pct. vurderet at have
lav aktivitets-
afhængighed
udgøres primært af
bygningsomkostning
er (~16 pct. af total
omkostninger) og en
mindre del øvrige
driftsomkostninger
(~1 pct. af total
omkostninger)
De følgende sider
uddyber disse
resultater
•
•
•
Det skønnes, at 87 pct. af
VUC’ernes
samlede omkostninger
har en bindingstid på 0-10 mdr., hvilket især er drevet af
bindingstiden på løn. Heraf ses, at 33 pct. af omkostningerne
har en bindingstid under ca. 3 måneder
2
De 33 pct. der i gennemsnit kan justeres består primært af
lønomkostninger (~21 pct. af total omkostninger) og øvrige
driftsomkostninger (~12 pct. af total omkostninger)
De 54 pct. af omkostningerne med en bindingstid på 4-10
måneder består primært af lønomkostninger med 47 pct. af
de totale omkostninger
•
De resterende
omkostninger med
længere
bindingsperioder
består særligt af
bygningsomkostning
er samt nogle former
for øvrige
driftsomkostninger
Note: 1) Opgjort på baggrund af interviews med 3
VUC’er
samt kvantitativ analyse af tilpasningsevne for forskellige omkostningskomponenter ved fald i elevtallet. 2) For lønomkostninger opgjort pba.
anciennitetsdata lærernes overenskomstmæssige opsigelsesvarsler og for øvrige omkostninger opgjort pba. interviews med 3
VUC’er.
Det bemærkes, at opsigelsesvarslet på for de fleste medarbejdere er 3-6
mdr. Det bemærkes ligeledes, at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i ovenstående beregninger samt beregninger på næste side.
Kilde: Anciennitetsdata fra ISOLA
STRUENSEE & CO.
51
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0052.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Ca. 30 pct. af
VUC’ernes
lønomkostninger kan principielt tilpasses inden for ca. 3 måneder, mens
resten kan tilpasses inden for 10 måneder
Uddybes på de
næste sider
•
•
•
•
•
Nedenfor illustreres
VUC’ernes
muligheder for at tilpasse lønomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at løn til undervisning i høj grad er aktivitetsafhængigt og har forholdsvis lav bindingstid med 27 pct. inden for ca. 3 mdr. og resten (73 pct.) inden for 4-10 mdr.
Løn til administration og ledelse er mindre aktivitetsafhængig, da en række administrative og ledelsesmæssige opgaver skal varetages uagtet antallet af årskursister. En større andel
(36 pct.) af lønnen til administration og ledelse har samtidig kort bindingstid (0-3 mdr.) end til undervisere, hvilket skyldes de ansattes anciennitet og løn
Øvrige lønomkostninger, fx til kantinedrift og rengøring, er ligeledes til dels aktivitetsafhængige og har 30 pct. med lav bindingstid (0-3 mdr.), mens resten (70 pct.) har 4-10 mdr.
Aktivitetsafhængigheden tilsiger, at det er mest oplagt at tilpasse antallet af undervisere ved ændringer i elevtallet, mens tilpasning af administration og ledelse samt øvrige
lønomkostninger i mindre grad er aktivitetsafhængige og derfor justeres over en længere periode og ved større aktivitetsændringer sammenlignet med løn til undervisning
Aktivitets-
Bindingstid
afhængighed omkostninger
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
Omkostnings-
kategorier
Observationer
•
Aktivitetsafhængighed:
Skift i elevtallet forudsætter tilpasning af antallet af undervisere, hvis lærer/elev ratioen skal fastholdes.
Lønomkostningerne til undervisning er derfor aktivitetsafhængige, dog med faldende marginalomkostninger, fx grundet bedre
mulighed for optimeret planlægning, større hold mv. i større institutioner. Aktivitetsafhængighed indebærer, at lønomkostninger til
undervisning er en af de løftestænger institutionerne kan bruge i tilfælde af skiftende elevtal
Bindingstid:
Efter lærernes overenskomst gælder det, at ansatte kan have op til 6 måneders opsigelse og 3 måneders
fratrædelsesgodtgørelse. Dertil kommer en høringsperiode på ca. 14 til 30 dage. Baseret på anciennitetsfordelingen skønnes 27 pct.
af lønomkostningerne at være knyttet til undervisere med krav på 0-3 mdr.
1
varsel, mens resten (73 pct.) har krav på 4-10 mdr. varsel
Tilpasningsevne:
Kombinationen af, at
VUC’ernes
lønomkostninger til undervisning er aktivitetsafhængige og har begrænset
bindingstid, indebærer, at tilpasningsevnen generelt er høj på denne del af omkostningsbasen
Aktivitetsafhængighed:
Fald i elevtallet frigør kun i begrænset omfang administrative og ledelsesmæssige ressourcer, da en række
opgaver er uafhængige af elevtal (fx løn- og regnskabsadministration). Faldende elevtal kan have en vis effekt på omfanget af
elevadministration, studievejledning mv. Derfor vurderes løn til administration og ledelse at have middel aktivitetsafhængighed
Bindingstid:
Ledere og størstedelen af de administrative medarbejdere har samme opsigelsesvarsler som underviserne, mens en
mindre del af administrationsmedarbejderne er ansat på mere midlertidige vilkår. Der er derfor generelt lave bindingsperioder på
ledelse og administration. Især elevadministrative opgaver og støttefunktioner (fx studievejledning mv.) vil ifølge institutionerne kunne
justeres ved ændrede elevtal over en 2-3-årig periode
Tilpasningsevne:
Kombinationen af, at
VUC’ernes
lønomkostninger til administration har begrænset aktivitetsafhængighed og lav
bindingstid, indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Aktivitetsafhængighed:
Fald i elevtallet har til dels en effekt på øvrige lønomkostninger. Det gælder fx omkostninger til kantinedrift,
rengøring mv., som påvirkes af antallet af elever. Hertil kommer en række øvrige lønomkostninger, som ikke påvirkes af elevantallet,
fx bygningsvedligehold mv. Derfor vurderes øvrige lønomkostninger at have en middel aktivitetsafhængighed
Bindingstid:
Øvrige medarbejdere har samme opsigelsesvarsler som underviserne, mens en mindre del af øvrige medarbejderne er
ansat på mere midlertidige vilkår. Der er derfor generelt lave bindingsperioder vedrørende øvrige lønomkostninger, jf. følgende sider
Tilpasningsevne:
Kombinationen af, at
VUC’ernes
øvrige lønomkostninger har begrænset aktivitetsafhængighed og lav bindingstid,
indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Undervisning
73%
Høj
•
•
•
64%
Middel
•
•
•
27%
Administration og
ledelse
Løn
36%
Øvrige løn
70%
Middel
•
•
30%
Note: 1) Det bemærkes, at opsigelsesvarslet på for de fleste medarbejdere er 3-6 mdr. Det bemærkes ligeledes at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i
ovenstående beregninger. Kilde: Anciennitetsdata fra ISOLA, analysens datamodel.
STRUENSEE & CO.
52
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0053.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Justerbarheden af lønomkostninger til undervisning afhænger af lærerstabens
anciennitetsfordeling …
•
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på
VUC’ernes
lønomkostninger til undervisning. Opgørelsen er beregnet ud fra (1)
undervisningsårsværkenes anciennitet, (2) de overenskomstmæssige opsigelsesvarsler ud fra ancienniteten og (3) lønomkostningerne til disse årsværk
Beregningstilgangen illustrerer, at omfanget og fordelingen af ancienniteten er den primære driver for justerbarheden af lønomkostninger til undervisning. Dertil skal
tages højde for praktiske begrænsninger i kraft af undervisningens årshjul, som beskrevet tidligere i dette afsnit
Det bemærkes, at anciennitetsdata er behæftet med usikkerheder, da det ikke har været muligt at trække faktisk anciennitet fra relevante registre. I stedet er optalt
antal år, medarbejdere er ansat. Denne tilgang medfører øget metodisk usikkerhed, hvilket også gør sig gældende for de resulterende omkostningsfordelinger
På næste side illustreres den tilsvarende sammenhæng mellem anciennitet, opsigelsesvarsel og bindingsperioder for lønomkostninger til administration og ledelse
Beregningsskridt Underviseres anciennitet, opsigelsesvarsler og lønomkostninger (2018)
1
Fordeling af
årsværk på
anciennitet
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9 år +
Observationer
•
Af søjlen øverst til venstre ses, at
ancienniteten for
VUC’erne
undervisere
fordeler sig på tværs af årrækken, med
mellem 6-14 pct. per år (med undtagelse
af 9+, der dækker flere år)
12%
11%
8%
8%
14%
9%
6%
6%
25%
•
Løn til undervisning
1 md.
2
Opsigelses-
varsler baseret
på anciennitet
1
5%
25%
3 mdr.
4 mdr.
5 mdr.
6 mdr.
30%
14%
25%
•
Af søjlen nederst til venstre ses, at 27 pct.
af
VUC’ernes
lønomkostningerne til
undervisere er til ansatte med en sådan
anciennitet, at de kan afskediges med 3
måneders varsel. De tilsvarende tal er 57
pct., 72 pct. og 100 pct. for hhv. 4, 5 og 6
måneder
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at
undervisere med højere anciennitet har
højere lønninger (foruden længer
opsigelsesvarsler), hvilket fx resulterer i,
at 28 pct. af lønomkostningerne optages
af de 25 pct. ansatte, som har mere end
seks måneders opsigelse
69 pct.
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Lønomkost-
ninger opdelt
på opsigelses-
varsler
5%
22%
30%
15%
28%
73 pct.
Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere. Kilde: Analysens datamodel
STRUENSEE & CO.
53
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0054.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
… ligeledes er anciennitet afgørende for justerbarheden af lønomkostninger
til administration og ledelse …
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på
VUC’ernes
lønomkostninger til administration og ledelse. Opgørelsen er beregnet ud fra (1) adm.- og
ledelsesårsværkenes anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne til disse årsværk
Tilgangen tilsvarer tilgangen fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til
administration og ledelse. Dog er aktivitetsafhængigheden vurderet lavere for administration og ledelse end for undervisning, grundet karakteren af nogle af de
opgaver administrativt personale og ledere varetager
På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift
Observationer
9 år +
Beregningsskridt Adm. og ledelses anciennitet, opsigelsesvarsler og lønomkostninger (2018)
1
Fordeling af
årsværk på
anciennitet
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
•
15%
14%
9%
9%
14%
6% 4%
5%
24%
Løn til administration og ledelse
•
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
6%
30%
29%
11%
24%
•
•
64 pct.
3
Lønomkost-
ninger opdelt
på opsigelses-
varsler
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
6%
29%
30%
12%
23%
65 pct.
Opgørelsen viser, at ledere og
administrative medarbejdere
gennemsnitligt har en smule lavere
anciennitet end undervisningsstaben, jf.
sammenligning med forrige side
Det resulterer i, at andelen af ledere og
administrativt personale med 5
måneders opsigelsesvarsel eller
længere er 35 pct. ift.
undervisningspersonalets tilsvarende
43 pct.
Som tidligere bemærket kan nogle
administrative- og ledelsesopgaver dog
være mindre aktivitetsafhængige
I modsætning til lønomkostninger til
undervisning, ligner fordelingerne af
årsværk og lønomkostninger til
administration og ledelse hinanden, jf.
fordelingen af den midterste og
nederste søjle. Det viser, at ledere og
administrativt personale gennemsnitligt
ikke har højere lønninger sfa. højere
anciennitet
Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere. Kilde: Analysens datamodel
STRUENSEE & CO.
54
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0055.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
… og ancienniteten har også betydning for muligheden for at opsige øvrige medarbejdere, der
står for in-house bygningsdrift, rengøring, kantinedrift mv.
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på
VUC’ernes
lønomkostninger til øvrige medarbejdere, udover undervisere, administration og ledelse. Det drejer
sig bl.a. om medarbejdere, der står for bygningsvedligehold og evt. rengøring og kantinedrift. Opgørelsen er beregnet ud fra (1) årsværkenes anciennitet, (2) de
samme opsigelsesvarsler som for de øvrige medarbejdergrupper og (3) lønomkostningerne til disse årsværk
Tilgangen tilsvarer tilgangen fra de foregående sider vedr. lønomkostninger til undervisning og administration og ledelse. Anciennitet driver ligeledes justerbarheden
af lønomkostninger til disse øvrige medarbejdere. Dog er aktivitetsafhængigheden vurderet lavere for disse medarbejdere end for undervisning, grundet karakteren
af opgaverne
På de følgende sider opgøres aktivitetsafhængigheden og bindingstiden for bygningsomkostning og øvrige driftsomkostninger for
VUC’erne
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
11%
Øvrige medarbejderes anciennitet, opsigelsesvarsler og lønomkostninger (2018)
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
Observationer
•
Af søjlen øverst til venstre ses, at
ancienniteten for øvrigt personale (opgjort i
årsværk) fordeler sig med den største
gruppe (20 pct.) med 9+ års anciennitet
Den anden søjle viser på baggrund af
anciennitetsfordelingen og de deraf
følgende krav til varsler (baseret på de
andre medarbejdergruppers
opsigelsesvarsler), at ca. 68 pct. af de
øvrige medarbejdere skønnes at have 4-6
mdr. bindingstid
Af søjlen nederst til venstre ses, at ca. 30
pct. af
VUC’ernes
lønomkostninger til
øvrigt personale går til ansatte med krav på
1-3 måneders varsel, mens resten (ca. 70
pct.) har krav på 4-6 mdr. varsel
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at ansatte
med højere anciennitet generelt har højere
lønninger, hvilket fx resulterer i, at 21 pct.
af lønomkostningerne optages af de 20 pct.
årsværk, som har mere end 6 mdr.
opsigelse. Effekten heraf er dog meget
begrænset
13%
11%
7%
11%
11%
7%
8%
20%
•
Løn til bygningsdrift og øvrig drift
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
5%
28%
29%
19%
20%
•
1 md.
3
3 mdr.
68 pct.
4 mdr.
5 mdr.
6 mdr.
•
Lønomkost-
ninger opdelt
på opsigelses-
varsler
4%
26%
30%
19%
21%
70 pct.
Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere. Kilde: Analysens datamodel
STRUENSEE & CO.
55
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0056.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Bygningsomkostninger er svære at tilpasse på kort sigt, fordi de typisk ikke påvirkes af udsving i
elevtal og har lang bindingstid
•
•
•
•
Nedenfor analyseres
VUC’ernes
evne til at tilpasse bygningsomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at bygningsomkostningerne kun i begrænset grad er aktivitetsafhængige og har varierende bindingstid. 36 pct. af omkostningerne er vurderet at have
en bindingstid på 25 måneder eller mere, imens kun 4 pct. vurderes at have en bindingstid under tre måneder
Institutionsbesøgene understreger dog, at omfang og karakter af bygningsomkostninger i betydelig grad er institutionsspecifikke, da de bl.a. afhænger af økonomiske
overdragelsesforhold, låntagningsbeslutninger, alder og stand af bygningsmassen, mv.
Analysen indikerer, at det i praksis svært for institutionerne at tilpasse bygningsomkostningerne på kort sigt. Dette kan blandt andet skyldes, at institutionerne ofte
følger en vedligeholdelsesplan, hvilket kan begrænse tilpasningsevnen på kort sigt. Desuden bemærker institutionerne, at tilpasning af bygningsomkostninger på kort
sigt kan drive omkostninger på lang sigt. Beregningerne af bindingstiden er baseret på omkostningsfordelingen for
VUC’erne
koblet med de angivne
aktivitetsafhængigheder og bindingstider, jf. beskrivelserne nedenfor
Det bemærkes, at
VUC’ernes
bygningsomkostninger og omkostninger til øvrig drift (jf. næste side) ligner især gymnasiernes. Det skyldes, at begge delsektorer
primært gennemfører teoretisk undervisning, og at disse omkostningskategorier relaterer til denne undervisningsform på samme måde
Aktivitets-
afhængighed
Bindingstid
Totale bygningsomkostninger for
VUC’er
(mio. kr.)
Observationer
4% 23%
37%
36%
246
Husleje:
Der er betydelig varians i bindingstiden på lejede bygninger. Dertil kommer, at
67
partielle opsigelser ikke altid er mulige, så ændringer i huslejen vil reelt forudsætte fraflytning
af hele lejemål. Disse forhold gør, at det kan være vanskeligt at tilpasse huslejen på kort sigt
Afskrivninger:
Omkostninger til afskrivninger mv. påvirkes ikke af ændringer i elevtallet på
kort sigt, og der er gennemgående lang bindingstid på dem, da det kan være svært at sælge
bygninger hurtigt
Reparation og vedligehold:
Faldende elevtal ift. året før påvirker kun i begrænset omfang
behovet for reparationer og vedligehold. Der er generelt kort bindingstid, da der dag-til-dag
kan fravælges visse opgaver, især hvis institutionerne har egne pedeller
Forsyning:
Institutionerne giver udtryk for, at faldende elevtal har en vis effekt på forsynings-
udgifterne, bl.a. til el og vand, men der er en del faste omkostninger knyttet til bygnings-
massen, som ikke ændres ved fald i elevtallet. Samtidig varierer bindingstiden betydeligt
Renter (prioriteter):
Renteudgifter på prioriteter påvirkes ikke af faldende elevtal fra år til år,
og der er lang bindingstid på rentebetalinger, da de er afhængige af tilbagebetalinger på-
og/eller omlægninger af lån
Rengøring:
Ifølge institutionerne vil rengøringsudgifterne kun i begrænset omfang reduceres
ved faldende elevtal. Bindingstiden afhænger af, om institutionen har udliciteret opgaven og i
så fald af bindingsperioden i kontrakten
Øvrig bygningsdrift:
Øvrige omkostninger til bygninger, herunder leje og leasing i øvrigt og
omkostninger ved tab af afhændelse af anlæg, har generelt lav aktivitetsafhængighed og
middel til lang bindingstid
56
•
Omkostningskategorier
Total
0-3 mdr.
4-7 mdr.
8-24 mdr.
+ 24 mdr.
Husleje
Lav
4-25+ mdr.
Afskrivninger
Reparation og
vedligehold
1
Forsyning
1
Renter
(prioriteter)
Lav
11-25+ mdr.
54
Bygninger
Lav
0-25+ mdr.
40
Middel
4-25+ mdr.
38
Lav
11-25+ mdr.
13
Rengøring
Øvrig
bygningsdrift
STRUENSEE & CO.
Lav
11-24 mdr.
0
Omkostninger til
rengøring afholdes
som øvrige
driftsomkostninger,
når der er tale om
indkøb af ydelser
(eksterne), og som
løn til bygningsdrift,
når det håndteres
af ansat personale
Lav
4-25+ mdr.
34
Noter: 1) Nogle omkostninger ophører udelukkende ifm. salg af omkostningernes respektive kvm. Muligheden for salg af bygninger til uddannelse varierer meget på tværs af institutioner, hvorfor hhv. 25 pct. og 33 pct. af omkostningerne for reparation og vedligehold samt
forsyning indgår i analysen med en bindingstid +25 mdr. Kilde: Analysens datamodel.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0057.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og har lav bindingstid
•
•
Nedenfor analyseres
VUC’ernes
evne til at tilpasse øvrige driftsomkostninger ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at de øvrige driftsomkostninger har varierende aktivitetsafhængighed men generelt korte bindingstider. For
VUC’erne
er 76 pct. af de øvrige
driftsomkostninger vurderet at have en bindingsperiode på under ca. 3 måneder. Ca. 15 pct. af de øvrige driftsomkostninger skønnes at have en bindingstid på 4-10
mdr. binding, ca. 9 pct. vurderes at have 11-24 mdr. binding, mens ingen omkostninger indenfor øvrig drift vurderes at have en bindingsperiode over 25 måneder.
Der er derfor gode muligheder for at tilpasse de øvrige driftsomkostninger på kort sigt i det omfang det giver praktisk mening for institutionerne
Det bemærkes, at
VUC’ernes
bygningsomkostninger (jf. forrige side) og omkostninger til øvrig drift ligner især gymnasiernes. Det skyldes, at begge delsektorer
primært gennemfører teoretisk undervisning, og at disse omkostningskategorier relaterer til denne undervisningsform på samme måde
Aktivitets-
Underkategorier afhængighed Bindingstid
Total
Undervisning
smaterialer
Små-
anskaffelser
Elev-
aktiviteter
Køb af øvrige
varer
Kurser
Køb af
tjeneste-
ydelser
(ekskl. IT)
Høj
•
Omkostningskategorier
Total
Øvrige drifts-
omkostninger (mio. kr.)
76%
15%
9%
490
35
23
7
22
23
16
133
8
36
185
0-3 mdr.
Observationer
4-10 mdr.
11-24 mdr.
25+ mdr.
0-3 mdr.
Undervisningsmaterialer:
Følger i høj grad ændringer i elevtallet. Samtidig er der
typisk korte bindingstider (dog længere på e-bøger mv). Samlet høj tilpasningsevne
Småanskaffelser:
Kan, ifølge institutionerne, reduceres på kort sigt ved fald i
elevtallet, ligesom der ikke er væsentlige bindinger på indkøb af småanskaffelser
Elevaktiviteter:
Er i høj grad betinget af antallet af elever med generelt kort
bindingstid. Der er derfor generelt stor tilpasningsmulighed på elevaktiviteter
Køb af øvrige varer:
Er ifølge institutionerne i aktivitetsafhængigt, og der er typisk
korte bindingstider (fx køb af inventar mv). Institutionerne har derfor relativt gode
muligheder for at tilpasse køb af øvrige varer
Kurser:
I det omfang faldende elevtal medfører reduktioner i lærerstab mv., vil
faldende elevtal reducere behovet for kurser. Der er kort bindingstid på kurser
Rådgivning:
Har generelt kort bindingstid, da det typisk kan fravælges med kort varsel.
Der er en vis aktivitetsafhængighed ift. elevantal
Køb af øvrige tjenesteydelser:
Udgifter til fx markedsføring, rejser, vagtservice, fragt,
rengøring mv. har varierende aktivitetsafhængighed. Ligeledes varierer bindings-
tiderne, som dog generelt vurderes korte
Reparation og vedligehold (ekskl. byg.):
Flere årskursister skaber øget behov for
vedligehold, mens et vist grundniveau af vedligehold typisk er nødvendigt uagtet antal
elever. Bindingstiden er kort, da planlagte opgaver kan annulleres på kort sigt
Afskrivninger:
Har generelt mellemlang bindingstid. Det vil variere fra aktiv til aktiv ift.
bindingstiden
Øvrige (inkl. IT):
Øvrige driftsomkostninger, herunder IT, har generelt høj
aktivitetsafhængighed og korte bindingstider. Dele af IT-driften er faste omkostninger,
der ikke påvirkes af elevtal, mens visse licenser til software mv. betales pr. bruger
57
Høj
0-3 mdr.
Køb af varer
til forbrug
Høj
0-3 mdr.
Middel
0-3 mdr.
Øvrig drift
Middel
0-3 mdr.
Rådgivning
Køb af øvrige
tjenesteyd.
Middel
0-3 mdr.
Middel
0-24 mdr.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Kilde: Analysens datamodel.
STRUENSEE & CO.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Middel
0-3 mdr.
Middel
4-10 mdr.
Høj
0-3 mdr.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0058.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Store forskelle i bindingstider kan indikere, at
VUC’erne
træffer forskellige valg, der påvirker
tilpasningsevnen
•
•
•
Nedenstående figur viser forskellene i andelen af de samlede omkostninger med bindingstid på ca. 0-3 mdr. på tværs af
VUC’er
Institutioner med en stor andel af omkostningerne med korte bindinger (0-3 mdr.) vil alt andet lige have lettere ved at tilpasse økonomien på kort sigt
Figurerne viser, at der er stor varians på tværs af institutioner inden for hver af arketyperne. Det kan skyldes, at der er strukturelle forskelle inden for arketyperne
med indflydelse på bindingstiden (fx geografi, størrelse etc.), eller at institutionerne aktivt træffer forskellige ledelsesmæssige valg
Observationer
Forskelle i bindingstid:
•
Forskellen mellem institutionerne med størst og lavest andel
omkostninger med kort bindingstid er på 28 pct. point, hvilket er
en betydelig forskel på kort sigt. Forskellene kan skyldes
rammebetingelser eller aktive valg:
–
Enten skyldes de observerede forskelle i andelen af
omkostninger med lav bindingstid, at der er systematiske
strukturelle forskelle
mellem institutionerne
Aktive valg
Indsigter fra institutionsbesøg:
Interview med
institutionerne peger på en række greb, som aktivt kan
tages i anvendelse mhp. at øge fleksibiliteten, herunder:
Brug af midlertidige ansættelse (vikarer mv.) øger
tilpasningsevnen
•
Midlertidige ansættelser kan øge fleksibiliteten men
kan være dyrere og svække kvaliteten
Brug af overarbejdstimer øger fleksibiliteten, men det
koster samtidig mere efter gældende overenskomst
Andel af
VUC’ernes
omkostninger med
0-3 mdr. bindingstid (pct.), 2018
44
41
38
38
36
36
35
35
–
Ellers skyldes de observerede forskelle i bindingstider, at
institutionerne aktivt har truffet
forskellige valg,
som påvirker
deres tilpasningsevne positivt eller negativt
Brug af overarbejde kan øge tilpasningsevnen
•
34
33
32
31
31
31
29
27
26
24
20
+28
Strukturelle forskelle:
•
Der er betydelige forskelle i medarbejdernes anciennitet på
tværs af institutioner, hvilket påvirker de overenskomstbestemte
opsigelsesvarsler og dermed institutionernes evne til at tilpasse
økonomien på kort sigt. Strukturelle forskelle i
VUC’ernes
rekrutteringsmuligheder kan påvirke medarbejdernes
anciennitet. Fx er påvist i delanalyse 3 (kapitel 4), at institutioner
i landkommuner typisk har lavere lønomk. per årskursist.
Sådanne forskelle kan skyldes geografiske rammevilkår
VUC’erne
kan samtidig aktivt træffe bestemte beslutninger, som
øger fleksibiliteten af deres omkostninger og dermed evnen til at
tilpasse økonomien på kort sigt. Der kan dog være
meromkostninger forbundet med at ”købe sig” fleksibilitet, fx ved
brug af midlertidige ansættelser, overarbejde, mv. Denne
afvejning uddybes senere
Hjemtagelse af opgaver fra administrative
fællesskaber kan øge fleksibiliteten
•
Administrative fællesskaber svækker tilpasningsevnen
men er generelt billigere end decentrale løsninger
Opsætning af midlertidige bygninger, fx pavilloner,
kan løse et tilpasningsbehov på kort sigt men er
uforholdsmæssigt dyrt ift. regulær leje eller eje
Midlertidige bygninger øger tilpasningsevnen
•
Forskellige valg:
•
Lejede bygninger er dyrere end at eje men
indeholder typisk mere fleksibilitet
•
Det er typisk lettere at opsige et lejemål end at sælge
en bygning, men det afhænger af kontrakt, mv.
Kortere kontraktperioder på service og
abonnementer mv. øger tilpasningsevnen
•
Der er typisk en afvejning mellem længden på
servicekontrakter, abonnementer mv. og den pris, det
er muligt at forhandle hjem
58
16
Kilde: Analysens datamodel.
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0059.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
59
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0060.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSUDFORDRINGER
Analysen af tilpasningsbehov og -evne indikerer, at særligt bygningsforhold påvirker
institutionernes tilpasning af økonomien
•
•
•
= under gennemsnittet
= over gennemsnittet
Nedenfor ses to figurer, der hhv. illustrerer
VUC’ernes
kortsigtede tilpasningsmuligheder og deres langsigtede bindinger
Figuren til venstre
sammenholder
VUC’ernes
tilpasningsbehov (målt som det gns. procentvise årlige fald i indtægterne for 2016-2018) og tilpasningsevne (målt som andel af
omkostninger med 0-3 mdr. bindingstid i 2018). Figuren viser kun institutioner, som har oplevet et indtægtsfald i 2018.
Figuren til højre
viser
VUC’ernes
gennemsnitlige bindingstid
på tværs af deres omkostningsbaser og den procentvise andel af deres omkostningsbase, som udgøres af omkostningskategorier med 11+ mdr. binding
Grundet få observationer indenfor arketypen, er det ikke muligt at identificere signifikante generelle karakteristika for mindre delgrupper af institutioner på tværs af både
tilpasningsevne og -behov. I stedet indikerer analysen og institutionsbesøgene en række interessante forhold, som påvirker institutionernes tilpasningsevne
Observationer ift. grader af tilpasningsudfordringer
På grund af få observationer for
VUC’erne
er tolkninger af systematiske
forskelle behæftet med usikkerheder. Analyserne indikerer dog en række
relevante forhold for tilpasningsudfordringerne på tværs af
VUC’erne:
Figuren til venstre
• VUC’er
med et indtægtsfald i 2018 kan i gennemsnit tilpasse 32 pct. af
deres omkostningsbase indenfor ca. 3 mdr. og har et årligt
tilpasningsbehov på 5 pct. (målt i forhold til deres indtægter)
•
•
Der lader ikke til at være en sammenhæng mellem tilpasningsevne og
tilpasningsudfordringer på kort sigt
Institutioner med en tilpasningsevne under gennemsnittet har i
gennemsnit ~1700 årskursister og institutioner med en tilpasningsevne
over gennemsnittet har i gennemsnit ~900 årskursister
Kortsigtede tilpasningsudfordringer
Tilpasningsbehov
2
(pct.)
Tilpasningsevne
3
(andel samlede omk.)
Langsigtede bindinger
1
Gns. bindingstid
4
(mdr.)
11
8
8
7
7
7
7
7
7
7
7
7
6
6
5
5
5
5
5
6
6
6
6
3
6
6
6
3
6
7
6
3
6
Faste omkostninger
5
(andel samlede omk.)
7
2
3
2
6
8
3
2
6
4
2
8
9
4
4
6
4
8
9
Ø5
44
41
38
38
36
35
35
34
33
32
31
31
31
29
27
26
20
16
Ø 32
•
Institutionsbesøgende indikerer, at institutionernes evne til at tilpasse
deres omkostninger til lavere aktivitetsniveau, udover tilpasning af
medarbejderstaben, er dikteret af muligheden for at tilpasse
bygningsomkostningerne på kort sigt
Figuren til højre
• VUC’erne
har en gns. bindingsperiode på deres samlede
omkostningsbase på ~6 måneder, mens faste omkostninger
(omkostninger med binding på 11+ mdr.) i gns. udgør 6 pct. af
institutionernes samlede omkostninger
•
Institutioner med bindingstid og andel faste omkostninger over
gennemsnittet har gennemgående høje bygningsomkostninger drevet af
fx enten dyre lokationer eller et stort behov for bygningsmasse
•
Derudover benytter institutionerne med længere gns. bindingstid i højere
grad af kontrakter på services (bygninger, kantine, mv.), som kan være
mere omkostningseffektivt end in-house services men samtidig som regel
har længere bindinger end ansat servicepersonale
4
4
3
5
6
6
Ø6
Ø6
Note: 1)To institutioner er taget ud som outliers 2) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for
VUC’er
skoler for 2016-2018. 3) Tilpasningsevnen er her målt som andelen af omkostninger med
bindingstid fra 0-3 mdr. da bindingstiden er afgørende for, om institutionen kan tilpasse økonomien på kort sigt. 3 institutioner er fjernet grundet outlier værdier for tilpasningsevnen 4) Gns. bindingstid findes her ved at gange institutionernes andele
omkostninger indenfor løn, bygninger og øvrig drift med hhv. 0-3-, 4-10-, 11-24-, og 25+ mdr. binding. Fx vægtes en 0-3 mdr. binding som 1,5 måned. Opregnet findes den gns. bindingstid for den hver institutions samlede omk.base 5) Andelen af faste
omkostninger findes ved at tage andelen af omk. med 11+ mdr. binding ud af institutionernes samlede omkostningsbase. Kilde: Analysens datamodel
STRUENSEE & CO.
60
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0061.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
61
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0062.png
5. ØKONOMISK BÆREDYGTIGHED
Sammenfatning af analysen af økonomisk bæredygtighed for VUC’erne
Økonomisk bæredygtighed
•
•
VUC’ernes
finansielle robusthed er samlet set forbedret i perioden 2011-2018. Delsektoren er i dag bedre rustet til længerevarende nedgangsperioder
(pga. øget egenkapital) men er en smule mere sårbar over for midlertidige udsving i driften (pga. svagt faldende likviditetsgrad), jf. næste side
Delsektorens generelle finansielle robusthed dækker imidlertid over betydelig variation i de finansielle nøgletal på tværs af institutioner. Visse
VUC’ere
er
således mere økonomisk udsatte end andre. Ud fra ét sæt af kriterier for økonomisk udsathed
1
–
vedvarende underskud, faldende elevtal og fravær af høj
soliditetsgrad over en 3-årig periode
–
er tre
VUC’ere
identificeret som økonomisk udsatte. Sammenlignet med
VUC’erne
under ét er de økonomisk
udsatte institutioner bl.a. kendetegnet ved:
–
Flere årskursister (uddybes nedenfor)
–
Procentuelt flere institutioner i bykommuner
–
Stærkere socioøkonomisk kursistgrundlag
–
Nogenlunde samme holdstørrelser og elev-lærer-ratio
–
Højere bindingstid på omkostningsbasen
–
Højere bygningsomkostninger per årskursist og lavere omkostninger til øvrig drift per årskursist
–
Lavere finansielle nøgletal, herunder likviditetsgrad, overskudsgrad og egenkapital
Antal årskursister
•
Analysen indikerer, at de økonomisk udsatte
VUC’ere
har flere årskursister sammenlignet med delsektoren generelt. Det dækker dog over en få
indentificerede
VUC’er,
hvoraf en af dem er særligt stor med over 3.500 årskursister. Betragtes denne ikke, er de to resterende
VUC’er
væsentligt mindre
målt på antal årskursister end hele delsektoren samlet. Derfor afspejler analysen til dels konklusioner fra delanalyse 3 (kapitel 4) ift. institutionstørrelse
(såfremt der ses bort fra førnævnte institution). Analysen af økonomisk bæredygtighed kan dog ikke bekræfte betydningen af holdstørrelse og andel
undervisningstid som væsentlige omkostningsdrivere. Snarere indikerer analysen, at forskelle i økonomisk bæredygtighed er drevet af
institutionsspecifikke forhold ift. bindingstid på omkostninger
Geografi
•
•
VUC’ere
i bykommuner er overrepræsenteret i gruppen af de økonomisk udsatte. Således er 3 ud af 3 (100 pct.) af de økonomisk udsatte
VUC’ere
placeret i bykommuner. For hele populationen af
VUC’er
er 82 pct. placeret i bykommuner
Konklusionen skal tages med forbehold, da der er tale om få observationer. Derfor er geografisk placering ikke nødvendigvis en stærk selvstændig
forklaringskraft i henhold til at skulle forklare
VUC’ernes
økonomiske bæredygtighed. Dette kan ses i lyset af, at der i de foregående analyser ikke
identificeres en klar sammenhæng mellem geografisk placering af institutionerne og deres bygningsomkostninger per årskursist
Note: 1) Konklusionerne på denne side er baseret på analysen af de økonomisk udsatte institutioner i den flerårige model præsenteret på de følgende sider. Gruppen af økonomisk udsatte institutioner i
STUK’s
tilsynsmodel adskiller sig i mindre grad fra
VUC’erne
som helhed på de undersøgte parametre.
STRUENSEE & CO.
62
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0063.png
5. ØKONOMISK BÆREDYGTIGHED
VUC’ernes
finansielle robusthed er gradvist forbedret fra 2011-2018
•
•
De fire grafer nedenfor viser, hvordan
VUC’ernes
finansielle robusthed samlet set har udviklet sig fra 2011-2018
1
. Delsektoren for
VUC’er
har i perioden øget sin
egenkapital, men har siden 2015 oplevet en faldende overskudsgrad. Samtidig har institutionerne i gennemsnit oplevet en faldende likviditetsgrad
Ift. udgangspunktet i 2011 er
VUC’erne
samlet set bedre rustet til længerede nedgangsperioder (egenkapital), men er lidt mere sårbare over for kortere udsving i
driften (likviditetsgrad). Likviditetsgraden har dog været stabil siden 2014 og vurderes at være solid
Beskrivelse
Udvikling i nøgletal for
VUC’ernes
finansielle robusthed (2011-2018)
Total egenkapital (mio. kr.) (venstre akse)
Egenkapital
1.500
1.000
500
502
0
2011
10%
5%
0%
2011
40%
20%
Egenkapital/omsætning (pct.) (højre akse)
20%
923
2012
2013
2014
2015
2016
2017
36%
997
40%
30%
20%
•
Delsektoren for
VUC’er
har samlet set haft en fordobling i
egenkapital
2
fra 2011-2018 fra i alt ~500 mio. kr. til ~1000 mio. kr. Udviklingen er dog
aftaget mellem 2015 og 2018
Delsektoren har i samme periode øget sin
egenkapital som andel af
omsætningen
fra 20 pct. til 36 pct.
Delsektorens
overskudsgrad
3
har været positiv over hele perioden fra
2011-2017, men den er faldet støt siden 2015
Faldet kan ses i sammenhæng med indførslen af
fjernundervisningstaxameter i 2016
I perioden 2016 til 2018 har institutionerne været omfattet af et
omprioriteringsbidrag på 2 pct. årligt
Delsektorens
soliditetsgrad
4
har været forholdsvis stabil fra 2011-2018
og er i perioden steget med 1 procentpoint fra 27 pct. til 28 pct.
10%
2018
•
•
Overskudsgrad
Overskudsgrad (pct.)
5,3%
4,9%
2,6%
0,2%
2016
26%
2017
30%
2018
28%
•
•
2012
2013
2014
24%
2015
Soliditetsgrad
Soliditetsgrad (pct.)
27%
•
•
2012
2013
2014
2015
2016
2017
2018
•
83%
83%
•
0%
2011
Soliditetsgraden er udtryk for, hvor modstandsdygtig institutionerne er
over for eventuelle tab
Likviditetsgrad
150%
100%
Likviditetsgrad
115%
VUC’ernes
likviditetsgrad
5
er fra 2011-2018 faldet med 32 procentpoint
fra 115 pct. til 83 pct.
Siden 2014 har likviditetsgraden dog været stabil omkring 83 pct.
50%
2011
2012
2013
2014
2015
2016
2017
2018
Note: 1) Egenkapital, overskudsgrad, soliditetsgrad og likviditetsgrad er beregnet som den samlede udvikling i delsektoren. Likviditetsgrad er opgjort som gennemsnittet for hovedinstitutionens eventuelle underafdelinger. Belåningsprocent indgår ikke eksplicit i
ovenstående analyse pga. utilstrækkelig datagrundlag for hele perioden Graferne omfatter 23
VUC’er,
idet en institution er udeladt i alle grafer, da reduktionen i egenkapital på over 311 mio. kr. i 2018 signifikant slører den generelle udvikling i sektoren. 2)
Egenkapital er udtryk for selskabets aktiver fratrukket hensættelser og gæld. Egenkapital udgøres typisk både af likvider og bygninger, hvor bygninger ofte er værdiansat i henhold til kostpris. Forholdet mellem kostpris og markedsværdi kan påvirke
institutionernes muligheder for optage lån. 3) Overskudsgraden er udtryk for, hvor stor en del af institutionernes omsætning, som
ender på bundlinjen som ”årets resultat.” 4) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor
eventuelle
tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 5) Likviditetsgrad beregnes ved at finde andelen af omsætningsaktiver af institutionens kortfristede gældsforpligtelser. Kilde: Analysens datamodel
STRUENSEE & CO.
63
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0064.png
5. ØKONOMISK BÆREDYGTIGHED
Analysen identificerer de institutioner, der er økonomisk udsatte, og undersøger sammenhængen
med bagvedliggende omkostningsdrivere og institutionernes omkostninger
Kriterier for økonomisk udsathed
defineres på næste side
•
•
•
•
•
Nedenfor illustreres rammen for analysen af økonomisk bæredygtighed, der undersøger kendetegnene for de økonomisk udsatte institutioner
Økonomisk udsathed kan opstå som følge af en nedadgående udvikling i indtægter (fx som følge af fald i antal årskursister, der udløser taxametertilskud) eller et
opadgående pres på omk. (fx også som følge af et fald i antal årskursister pga. faldende marginalomkostninger)
–
eller en kombination af begge dele, jf. nedenfor
En central udfordring for analysen består i, at institutionerne vil have en tendens til at bruge de indtægter, de modtager
–
uanset om de er økonomisk udfordrede eller
ej. Således vil institutioner med ”sund” økonomi ikke nødvendigvis opbygge store overskud. Derfor bruges en række finansielle
nøgletal og udviklingen i elevtallet i to
komplementære modeller til at identificere de institutioner, der er økonomisk udfordrede
1
, jf. næste side
Specifikt undersøges følgende:
1
En række
omkostningsdrivere
kan være med til at drive omkostninger på institutionerne,
2
der kan påvirke institutionernes
omkostningsstrukturer og tilpasningsevne
samt
omkostningerne pr. årselev,
hvilket kan føre til
3
økonomisk udsathed,
hvis presset på omkostningerne
ikke kompenseres af øgede indtægter, hvilket kan komme til udtryk i de finansielle nøgletal
Den næste side beskriver kriterierne for identifikation af gruppen af økonomisk udsatte institutioner. De efterfølgende sider undersøger disse institutioners
karakteristika vedr. hhv. omkostningsdrivere og omkostninger i sammenligning med institutionerne generelt
Omkostningsdrivere
Analysen fokuserer på de omkostningsdrivere,
der i delanalyse 3 (kapitel 4) er identificeret som
betydningsfulde for institutionernes
omkostninger. Det drejer sig især om antal
årskursister og geografisk placering, men også
holdstørrelse, elevernes socioøkonomiske
baggrund mv. undersøges
Omkostningsdrivere
•
•
•
•
•
Antal årskursister
Geografi
Holdstørrelse og elev-lærer-ratio
Socioøkonomisk baggrund hos elever
Andel undervisningstid, m.fl.
2
1
•
•
•
Omkostninger
Det undersøges, om de institutioner, der
identificeres som økonomisk udsatte, adskiller
sig fra resten af institutionerne ift. deres
omkostningsstrukturer, tilpasningsevne og
omkostninger pr. årselev
Hypotesen er, at de udsatte institutioner vil have
højere omkostninger pr. årselev
Omkostninger
3
•
Økonomisk udsathed
3
Analysen sammenligner delsektoren generelt
med to grupper af de økonomisk udsatte
institutioner
–
baseret på hhv.
STUK’s
tilsynsmodel og en flerårig model (jf. næste side)
–
mhp. at afdække, om de udsatte institutioner
har bestemte kendetegn, som kan være
udløsende faktorer for deres situation
•
Omkostningsstrukturer
•
Tilpasningsevne (omkostningernes bindingstid
og aktivitetsafhængighed)
•
Omkostninger pr. årselev
Økonomisk udsathed
Indtægtsudløsere
•
•
•
•
•
Antal årskursister (aktivitetsbaseret taxameter)
Geografi
2
(udkantstilskud)
Socioøkonomi
2
(socialt taxameter)
Bygningsforhold (bygningstilskud)
Øvrige (andre indtægtskilder end tilskud)
Indtægter
•
Indtægter fra taxametersystemet
•
Øvrige indtægter
•
De økonomisk udsatte institutioner kan
identificeres på flere måder
•
Analysen baseres på to modeller til identifikation
af økonomisk udsatte institutioner, der begge
tager udgangspunkt i finansielle nøgletal og
aktivitetsudviklingen. Det drejer sig om:
i.
STUK’s
tilsynsmodel
ii. En flerårig udvælgelsesmodel
•
De to modeller adskiller sig bl.a. ved, at
STUK’s
tilsynsmodel udgør et øjebliksbillede af situationen
i 2018, mens den flerårige model ser på et
gennemsnit for 2016-18
Note: 1) Der sondres mellem økonomisk og faglig bæredygtighed. Institutioner, der vedvarende har højere omkostninger end indtægter, er ikke økonomisk bæredygtige. Omvendt kan institutioner godt isoleret set være
økonomisk bæredygtige (dvs. justere omkostningerne til indtægtsniveauet) og samtidig være udfordrede ift. at kunne levere undervisning af hensigtsmæssig faglig kvalitet. Denne analyse fokuserer på økonomisk
bæredygtighed. 2) Socioøkonomisk elevgrundlag og geografisk placering kan udløse tilskud, men kriterierne kan ikke sammenlignes med brugen af variable i det følgende. 3): Det bemærkes, at analysen af økonomisk
bæredygtighed, herunder økonomisk udsathed, er en relativ vurdering af institutionerne på baggrund af de valgte parametre. Kilde: Team-analyse
STRUENSEE & CO.
64
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0065.png
5. ØKONOMISK BÆREDYGTIGHED
De økonomisk udsatte institutioner identificeres ved at screene for økonomisk bæredygtighed ud
fra to forskellige sæt af kriterier
•
•
De foregående analyser har peget på en række karakteristika, som udfordrer institutionerne og potentielt kan skabe økonomisk udsatte institutioner. De følgende
sider undersøger derfor, om de institutioner, der kan identificeres som økonomisk udsatte, adskiller sig fra
VUC’erne
generelt fsva. centrale omkostningsdrivere,
omkostningsstrukturer og tilpasningsevne, omkostninger pr. årskursist samt finansielle nøgletal
Nedenfor beskrives to modeller til screening for økonomisk bæredygtighed, hhv. i)
STUK’s
tilsynsmodel og ii) en flerårig udvælgelsesmodel. De to modeller adskiller
sig for det første ved, at
STUK’s
tilsynsmodel giver et øjebliksbillede af de økonomisk udsatte institutioner et givent år, mens den flerårige model ser på en 3-årig
periode mhp. at reducere effekten af særforhold i enkeltår. For det andet adskiller kriterierne vedr. finansielle nøgletal sig fra hinanden i de to modeller, jf. nedenfor
Kriterier for identifikation af de økonomisk udsatte institutioner
i
•
•
STUK’s
tilsynsmodel identificerer institutioner, som er udsatte målt ved
finansielle nøgletal og udviklingen i elevtallet
Tilsynsmodellen screener ved følgende kriterier for finansielle nøgletal
(kaldet ”prioriteringsgruppe 1 og 2”)
4
:
A. Finansielle nøgletal i året (1 ud af 4 kriterier er opfyldt):
1. Likviditetsgrad
2
under 50 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
under 50 pct. af gennemsnit for institutionerne
3. Relativt aktivitetsfald over 5 pct.
4. Belåningsprocent over 100 pct.
B. Finansielle nøgletal i året (1 ud af 3 opfyldt ud over kriterier i A.):
1. Likviditetsgrad
2
50-75 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
50-75 pct. af gns. for gruppen
2
3. Relativt aktivitetsfald 0-5 pct.
4. Belåningsprocent 80-100 pct.
Den flerårige model kombinerer relative og absolutte mål for økonomisk
bæredygtighed og screener ligeledes for udviklingen i finansielle nøgletal
og elevtallet, men i modsætning til
STUK’s
model undersøges det for en 3-
årig periode mhp. at reducere udslag af enkeltår. Kriterierne er:
1. Underskud i gennemsnit i 2016-18
2. Aktivitetsfald i gennemsnit i 2016-18
3. Soliditetsgrad
1
under 150 pct. for delsektoren i gennemsnit i
2016-18
Identifikation
Formål og begrænsninger ved identifikationsmodeller
•
Modellen tager højde for finansielle nøgletal i året og
screener for økonomisk bæredygtighed. Der ses ikke alene
på forholdet mellem indtægter og omkostninger, men således
betragtes også egenkapital og aktiver (soliditetsgrad) samt
grad af lånefinansiering (likviditetsgrad)
Modellen tager ikke højde for udviklingen i økonomisk
bæredygtighed, da institutioner kan være udsatte i et enkelt
år, men over en årrække være bæredygtige
Modellen ser på relative forskelle. Dermed vil der typisk,
uagtet om nogle institutioner er bæredygtige eller ej, være
institutioner, som modellen kendetegner som udsatte. Med
andre ord er der ikke en absolut betragtning om økonomisk
bæredygtighed
STUK’s
tilsyns-
model
3
VUC’er
4,5
8
•
•
ii
•
•
Flerårig
model
VUC’er
6
3
•
Modellen har til formål at identificere de institutioner, som er
strukturelt udfordrede. Derfor indgår udviklingen i finansielle
nøgletal (underskud og soliditetsgrad) og udviklingen i
elevtallet ift. året før i en 3-årig periode (2016-2018) som
kriterier. Der ses på både de relative forskelle og absolutte
værdier mhp. at identificere de udsatte institutioner
Kriterierne er valgt, fordi analyserne har vist, at vedvarende
underskud, som ikke kompenseres af høj soliditetsgrad
(herunder egenkapital), kombineret med faldende elevtal
–
og
dermed indtægter
–
kan udfordre institutionernes økonomi
Note: 1) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 2) Likviditetsgrad beregnes ved at finde andelen af
omsætningsaktiver af institutionens kortfristede gældsforpligtelser; 3)
STUK’s
tilsynsmodel opererer alene på niveau af gymnasier, erhvervsskoler og
VUC’er.
4) Omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl.
institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af årsregnskab. Frasortingen af disse institutioner i tilfælde, hvor de finansielle nøgletal ikke
indikerer økonomiske udfordringer, skyldes, at fx manglende indberetning af årsregnskab ikke i sig selv gør institutionerne økonomisk udfordrede, etc. 5)
STUK’s
model identificerer oprindeligt 10 relativt udsatte institutioner
–
inkl. institutioner
med særforhold, jf. pkt. 4
–
men to institutioner er frasorteret som følge af ekstraordinære omkostninger. 6) Den flerårige model identificerer oprindeligt 5 relativt udsatte institutioner, men to institutioner er frasorteret som følge af
ekstraordinære omkostninger. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
65
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0066.png
5. ØKONOMISK BÆREDYGTIGHED
De
VUC’er,
der er identificeret som økonomisk udsatte, har en tendens til at have flere elever,
nogenlunde samme holdstørrelse og socioøkonomiske kursistgrundlag
•
•
Nedenfor ses en sammenligning af
VUC’erne
i den flerårige model,
STUK’s
tilsynsmodel
1
og hele populationen af
VUC’er
på centrale omkostningsdrivere
Analysen viser, at de identificerede
VUC’er
i den flerårige model adskiller sig fra
VUC’er
som helhed, mens de udsatte i
STUK’s
model ligner populationen mere
–
dog med et markant højere gennemsnitligt antal årskursister. Det kan skyldes, at
STUK’s
model i højere grad indfanger
VUC’er,
der er udfordrede pga. særforhold i
et enkelt år (fx pga. ledelsesmæssige prioriteringer), end effekten af mere permanente omkostningsdrivere, der påvirker institutionsdriften negativt over en årrække.
Det indebærer afvigende konklusioner for de to grupper af udsatte VUC’er
For VUC’erne i den
flerårige model
viser analysen, at institutionerne har forholdsvis stærkere socioøkonomiske elever, har flere elever pr. lærer korrigeret for
socioøkonomi og større holdstørrelser. Dog fremgår det, at institutionerne i gennemsnit har nogenlunde ensartet undervisningsandel (andel konfrontationstid) ift. til
både
STUK’s
model og til hele populationen af
VUC’er
For VUC’erne i
STUK’s
tilsynsmodel
fremgår en tendens ift. antal årskursister, hvor særligt de store
VUC’er
synes at være overrepræsenterede, mens eleverne
blot er en smule stærkere socioøkonomisk relativt til gennemsnittet. I overensstemmelse med gennemsnittet, ses desuden en svag tendens til, at
VUC’erne
har
mindre holdstørrelser og elever pr. lærer
Flerårige model
1.476
1.620
1.256
100 % (3)
88 % (7)
82 % (18)
13 % (1)
18 % (4)
6,7
6,2
6,1
10,6
10,0
10,3
Skal ses ift. en total
variation i
populationen mellem
4,7-7,7 i forventet
karaktergennemsnit
ud fra elevernes
socioøkonomiske
baggrund
24,2
23,3
23,5
34,0
33,8
34,2
By
Land
•
•
Antal årskursister
(2018)
Geografi
3
(andel i hhv. by- og
landkommuner, 2018)
STUK’s tilsynsmodel
Hele populationen
Flerårige model
STUK’s tilsynsmodel
Hele populationen
Flerårige model
STUK’s tilsynsmodel
Hele populationen
Flerårige model
STUK’s tilsynsmodel
Hele populationen
Flerårige model
Omkostningsdrivere
Socioøkonomisk
reference
2
(forv. karakter, 2018)
Elever pr. lærer kor.
for socioøkonomi
(2018)
Holdstørrelse
(2018)
STUK’s tilsynsmodel
Hele populationen
Undervisningsandel
(pct., 2017)
Flerårige model
STUK’s tilsynsmodel
Hele populationen
Note: 1) Analysen omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl. institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af årsregnskab, fordi fx manglende
indberetning af årsregnskab kan være udtryk for særforhold og ikke i sig selv gør institutionerne økonomisk udfordrede. 2)
BUVM’s
socioøkonomiske referencer for karakterer er baseret på elevernes 9.-klasses FP-karakterer, køn, alder, herkomst, forældrenes højeste fuldførte
uddannelse, forældrenes bruttoindkomst, familiestatus og elevens adgangsvej inden start på uddannelsen. Den forventede karakter er beregnet som gns. af forventet eksamensresultat (inkl. bonus A) på tværs af uddannelser på institutionen. 3) Opgørelsen af geografisk placering
er baseret på hovedinstitutionens placering, og tager derfor ikke højde for placering af eventuelle udbudssteder. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
66
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0067.png
5. ØKONOMISK BÆREDYGTIGHED
Den økonomiske udsathed kommer bl.a. til udtryk ved en tendens til lavere finansielle nøgletal
blandt de økonomisk udsatte
VUC’ere
•
•
Nedenfor ses en sammenligning af institutionerne i den flerårige model,
STUK’s
tilsynsmodel og hele populationen af
VUC’er
på omkostningsstukturer og
tilpasningsevne, omkostninger pr. årskursist og finansielle nøgletal
Analysen indikerer, at de identificerede økonomisk udsatte
VUC’er
generelt har omtrent de samme omkostningsstrukturer som delsektoren som helhed, ligesom
omk. pr. årskursist er ca. de samme, dog med en tendens til højere bygningsomk. og lavere omk. til øvrig drift per årskursist i den flerårige model. I den flerårige
model er der længere bindingstid på omkostningsbasen og for begge modeller for de økonomisk udsatte
VUC’er
er der generelt svagere finansielle nøgletal, hvilket
til dels følger af udvælgelseskriterierne. Således har de økonomisk udsatte
VUC’er
lav likviditetsgrad, soliditetsgrad og negativ overskudsgrad
Omkostningsstruktur
(2018, procent)
Bindingstid
(2018, procent)
2
Aktivitetsafhængighed
(2018, procent)
3
Omk. til løn til per
årskursist
1
(tusinde kr.)
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
23%
36%
35%
64%
69%
68%
77%
77%
76%
70%
58%
59%
26%
24%
25%
11%
9%
8%
12%
15%
16%
4%
4%
3%
10%
8%
7%
72,0
73,4
73,1
10,2
8,2
7,2
11,5
14,3
15,4
23,0
34,3
72,9
Løn
Bygninger
0-3 mdr.
4-10 mdr.
Høj
Middel
Lav
11-24 mdr.
25+ mdr.
Øvrig drift
Omk.strukturer og
tilpasningsevne
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
-2,2
Flerårig model
STUK’s
tilsynsmodel -1,4
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Omkostninger pr.
årskursist
Finansielle nøgletal
Omk. til bygningsdrift
per årskursist
1
(tusinde kr.)
Omk. til øvrig drift per
årskursist
1
(tusinde kr.)
Egenkapital som andel
af omsætningen
(pct., 2018)
Overskudsgrad
(pct., 2018)
Soliditetsgrad
(pct., 2018)
Likviditetsgrad
(pct., 2018)
0,2
16,4
25,3
42,0
56,9
72,8
99,6
67
Note: 1) Omkostningerne er opgjort ekskl. kostelever. 2) Angivelsen af institutionernes bindingstid følger beregningerne i delanalyse 4. 3) Beregningen af institutionernes aktivitetsafhængighed følger metoden i delanalyse 4. Kilde:
STUK’s
kriterier for
indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0068.png
Indholdsfortegnelse
1
2
3
4
5
6
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Overblik over fjernundervisningsandel
6.4
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
68
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0069.png
6.1 BILAG
–
INSTITUTIONSINDDELING
Arketypeoversigt for almene gymnasier og
VUC’er
•
•
•
Nedenfor fremgår institutionerne indeholdt i de fire arketyper for gymnasier samt arketypen for
VUC’er
Arketypeinddelingen er lavet med udgangspunkt i institutionernes kategorisering, som det fremgik i Regnskabsportalen for 2017. Kategoriseringen fra 2017 var på tidspunktet
for udarbejdelsen af analysens datafundament det senest tilgængelige. I samarbejdet med BUVM og FM er lavet få justeringer ift. Regnskabsportalens arketypeinddeling for
at analysen bedst muligt afspejler den nuværende sektorstruktur. Således er nogle institutioner samlet som følge af fusioner, og en institution er omkategoriseret
For almene gymnasier er lavet en yderligere inddeling i fire arketyper mhp. at kunne sammenligne karakteristika på tværs af gymnasier. Opsplitningen i store- (>850
årselever), mellemstore- (650-850 årselever) og små gymnasier (<650 årselever) er lavet pba. input fra institutionsbesøg samt for at sikre arketyper med sammenlignelig
størrelse. Privatgymnasier behandles for sig, da de ikke aflægger formålsregnskab
Mellemstore gymnasier (40)
Tårnby Gymnasium
Ordrup Gymnasium
Randers Statsskole
Århus Statsgymnasium
Marselisborg Gymnasium
Viborg Gymnasium og HF
Mulernes Legatskole
HF-Centret Efterslægten
Holstebro Gymnasium og HF
Skanderborg Gymnasium
Egå Gymnasium
Rungsted Gymnasium
Nørresundby Gymnasium og HF
Risskov gymnasium
Rødovre Gymnasium
Ribe Katedralskole (jur)
Favrskov Gymnasium
Rødkilde Gymnasium
Christianshavns Gymnasium
Hasseris Gymnasium
Københavns åbne Gymnasium
Kolding Gymnasium, HF-Kursus og IB School
Horsens Statsskole - Gymnasium og HF-Kursus
Ikast-Brande Gymnasium
Aurehøj Gymnasium
Tornbjerg Gymnasium
Allerød Gymnasium
Midtsjællands Gymnasium
Kalundborg Gymnasium og HF
Skive Gymnasium og HF
Nykøbing Katedralskole
Øregård Gymnasium
Himmelev Gymnasium
Viby Gymnasium
Mariagerfjord Gymnasium
Helsingør Gymnasium
Århus Akademi
Solrød Gymnasium
Paderup gymnasium
Middelfart Gymnasium & HF
Store gymnasier (44)
Silkeborg Gymnasium
Roskilde Katedralskole
Rosborg Gymnasium & HF
Næstved Gymnasium og HF
Stenhus Gymnasium
Frederiksborg Gymnasium og HF
Slagelse Gymnasium
Gefion Gymnasium
Ørestad Gymnasium
Borupgaard Gymnasium
Svendborg Gymnasium
Køge Gymnasium
Nærum Gymnasium
Espergærde Gymnasium og HF
Viborg Katedralskole
Herning Gymnasium
Roskilde Gymnasium
Nørre Gymnasium
Birkerød Gymnasium HF IB & Kostskole
Greve Gymnasium
Virum Gymnasium
Rysensteen Gymnasium
Gladsaxe Gymnasium
Gammel Hellerup Gymnasium
Nyborg Gymnasium
Falkonergårdens Gymnasium og HF-Kursus
Esbjerg Gymnasium
Aalborg Katedralskole
Sønderborg Statsskole
Fredericia Gymnasium
Sct. Knuds Gymnasium
Haderslev Katedralskole
Odense Katedralskole
Aalborghus Gymnasium
Hjørring Gymnasium/STX og HF
Aarhus Katedralskole
Munkensdam Gymnasium
Egedal Gymnasium & HF
Aabenraa Statsskole
Små gymnasier (42)
Gribskov Gymnasium
AARHUS GYMNASIUM, Tilst
Frederiksberg Gymnasium
Struer Statsgymnasium
Vordingborg Gymnasium & HF
Frederikshavn Gymnasium og HF-Kursus
Tønder Gymnasium
Vestfyns Gymnasium
Horsens Gymnasium
Thisted Gymnasium, STX og HF
Herlev Gymnasium og HF
Odder Gymnasium
Varde Gymnasium
Grenaa Gymnasium
Høje-Taastrup Gymnasium
Vejen Gymnasium og HF
Midtfyns Gymnasium
Vesthimmerlands Gymnasium og HF
Støvring Gymnasium
Frederiksberg HF-Kursus
Hvidovre Gymnasium & HF
Alssundgymnasiet Sønderborg
Nordfyns Gymnasium
Gentofte HF
Dronninglund Gymnasium
Frederikssund Gymnasium
Lemvig Gymnasium
Brønderslev Gymnasium og HF
Grindsted Gymnasium & HF
Vestjysk Gymnasium Tarm
Frederiksværk Gymnasium og HF
Tørring Gymnasium
Odsherreds Gymnasium
Nakskov Gymnasium og HF
Ringkjøbing Gymnasium
Rønde Gymnasium
Maribo Gymnasium
Morsø Gymnasium
Fjerritslev Gymnasium
Bjerringbro Gymnasium
Faaborg Gymnasium
Høng Gymnasium og HF
Privatgymnasier (24)
Det frie Gymnasium
N. Zahles Gymnasieskole
Marie Kruses Skole
Aalborg City Gymnasium
Herlufsholm Skole og Gods
Ingrid Jespersens Gymnasieskole
Johannesskolen
Brøndby Gymnasium
Gentofte Studenterkursus
Niels Steensens Gymnasium (NSG)
Bagsværd Kostskole og Gymnasium
Det Kristne Gymnasium
Skolerne i Oure - Sport & Performance
Nordsjællands Grundskole og Gymnasium samt HF (NGG)
Deutsches Gymnasium Für Nordschleswig
Københavns Private Gymnasium
Copenhagen International School
Høje Taastrup Private Gymnasium
Vejlefjordskolen
International School of Hellerup
Aarhus Private Gymnasium
Prins Henriks Skole, Lycee Francais De Copenhague
Sankt Petri skole - Gymnasium
Hovedstadens Kristne Gymnasium
VUC’er
(24)
Frederiksberg VUC & STX
Herning HF og VUC
HF & VUC FYN
HF & VUC København Syd
HF & VUC NORD
HF & VUC Nordsjælland
Horsens HF & VUC
Kolding HF og VUC
Københavns VUC
Nordvestsjællands HF & VUC
Randers HF & VUC
Skive-Viborg HF & VUC
TH. LANGS HF & VUC
Thy-Mors HF & VUC
Vestegnen HF & VUC
VUC Djursland
VUC Holstebro-Lemvig-Struer
VUC Lyngby
VUC Roskilde
VUC Storstrøm
VUC Syd
VUC Vest
VUC Vestsjælland Syd
Aarhus HF & VUC
STRUENSEE & CO.
69
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0070.png
6.1 BILAG
–
INSTITUTIONSINDDELING
Arketypeoversigt for erhvervsskoler
•
•
Nedenfor fremgår institutionerne indeholdt i de seks arketyper for erhvervsskoler
Arketypeinddelingen er lavet med udgangspunkt i institutionernes kategorisering, som det fremgik i Regnskabsportalen for 2017. Kategoriseringen fra 2017 var på tidspunktet
for udarbejdelsen af analysens datafundament det senest tilgængelige. I samarbejdet med BUVM og FM er lavet få justeringer ift. Regnskabsportalens arketypeinddeling for
at analysen bedst muligt afspejler den nuværende sektorstruktur, herunder bl.a. at SOSU Sjælland i analysen er underlagt ZBC for at afspejle nuværende situation.
Erhvervsgymnasiet Grindsted er som eneste institution blev omkategoriseret (fra kombinationsskole til handelsskole). Det skyldes, at institutionens omkostningsstruktur og
årselevsfordeling ligner handelsskolernes. Hvis institutionen kategoriseres som kombinationsskole, vil den fremgå som en outlier i mange af rapportens analyser og blive
fjernet, hvorfor den som den eneste institution flyttes
Kombinationsskoler (18)
Campus Bornholm
CELF
College360
Erhvervsskolen Nordsjælland
Erhvervsskolerne Aars
EUC Nord
EUC Nordvest
EUC Nordvestsjælland
Herningsholm Erhvervsskole
Mercantec
NEXT
Handelsskoler (20)
Business College Syd
Campus Vejle
Erhvervsgymnasiet Grindsted
1
Frederikshavn Handelsskole
Haderslev Handelsskole
Handelsfagskolen
Handelsgymnasiet Vestfyn
IBC International Business College
Knord
Køge Handelsskole
Learnmark Horsens
Tekniske skoler (14)
Den Jydske Haandværkerskole
EUC Lillebælt
EUC Sjælland
EUC Syd
HANSENBERG
Hotel- og Restaurantskolen
Jordbrugets UddannelsesCenter Århus
Kold College
Roskilde Tekniske Skole
Syddansk Erhvervsskole Odense-Vejle
TEC, Technical Education Copenhagen
TECHCOLLEGE
UddannelsesCenter Ringkøbing Skjern
AARHUS TECH
SOSU-skoler (13)
Bornholms Sundheds- og Sygeplejeskole
Randers Social- og Sundhedsskole
Social & Sundhedsskolen, Herning
Social- og Sundhedsskolen Esbjerg
Social- og Sundhedsskolen Fyn
Social- og Sundhedsskolen Skive-Thisted-
Viborg
Social- og Sundhedsskolen Syd
Social- og Sundhedsskolen Fredericia-
Vejle-Horsens
SOPU Sundhed, omsorg, pædagogik
København og Nordsjælland
SOSU C Social- og Sundhedsuddannelses
Centret
SOSU Nord
SOSU Nykøbing F.
SOSU Østjylland
Landbrugsskoler (8)
Agroskolen Hammerum
Asmildkloster Landbrugsskole
Bygholm Landbrugsskole
Dalum Landbrugsskole
Grindsted Landbrugsskole
Gråsten Landbrugsskole
Kjærgård Landbrugsskole
Nordjyllands Landbrugsskole
AMU-centre (5)
AMU Hoverdal
AMU Nordjylland
AMU SYD
AMU-Fyn
AMU-Vest
Niels Brock (Copenhagen Business College) Rybners
Roskilde Handelsskole
Skive College
Skanderborg-Odder Center for uddannelse Svendborg Erhvervsskole
TietgenSkolen
Tønder Handelsskole
Tradium
Uddannelsescenter Holstebro
Varde Handelsskole og Handelsgymnasium Viden Djurs
Vejen Business College
Aalborg Handelsskole
Aarhus Business College
Zealand Business College
STRUENSEE & CO.
70
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0071.png
Indholdsfortegnelse
1
2
3
4
5
6
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Overblik over fjernundervisningsandel
6.4
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
71
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0072.png
6.2 BILAG
–
DATAGRUNDLAG
Omkostningsanalysens datagrundlag
•
•
Omkostningsanalysen bygger på et omfattende datagrundlag bestående af: i) registerdata fra syv tilgængelige registre hos Børne- og Undervisningsministeriet og
Finansministeriet, ii) spørgeskemaer udsendt til cirka 250 institutioner og iii) interviews fra 21 institutionsbesøg
Herudover trækker omkostningsanalysen på input fra tekniske eksperter fra institutioner på tværs af delsektorer samt hyppig sparring med Børne- og
Undervisningsministeriet og Finansministeriet, hvilket har bidraget til kvalificering af data og analysens konklusioner
Analysens datagrundlag er baseret på tre primære kilder: i) registerdata fra syv
tilgængelige registre hos BUVM og FM, ii) spørgeskemaer udsendt til cirka 250
institutioner
1
og iii) interviews fra 21 institutionsbesøg.
Alle indsamlede registerdata og data fra spørgeskemaer er samlet i én analysedatabase,
som danner baggrund for tre analysedatasæt. Både analysedatabase og analysedatasæt
er afrapporteret til BUVM og FM.
På de følgende sider gennemgås konsolideringen af data samt analysens tre datakilder.
På de første to sider fremgår et overblik over konsolideringen af data, og efterfølgende
gennemgås hver af de tre datakilder.
Dataindsamlingen ifm. analysen er foretaget i tæt samarbejde med både BUVM og FM og
med relevante bidrag fra tekniske eksperter fra institutionerne på tværs af delsektorer.
Alle tre delsektorer har løbende været inddraget i analysen, herunder særligt i
dataindsamlingsprocessen. Tekniske eksperter fra institutionerne har kvalificeret og leveret
input til udformning af spørgeskema, forberedelse af institutionsbesøg og drøftelse af
centrale observationer af analysen. Følgende tekniske eksperter har bidraget til analysen:
•
•
•
Fra erhvervsskolerne: Janne Taklo (Roskilde Tekniske Skole), Erling Bräuner (College
360) og Per Søgaard Jørgensen (Hansenberg)
Fra
VUC’erne:
Vera Buus Nielsen (VUC Fyn), Peter Gordon Ainsworth-Zink (VUC Fyn)
Fra gymnasierne: Peter Kuhlman (Danske Gymnasier) og Jakob Thulesen Dahl
(Skanderborg Gymnasium og Danske Gymnasier)
Anvendelse af de tre datakilder i analysen
Omkostningsanalysen bygger på tre primære datakilder, som hver har tilvejebragt et
formålstjenligt bidrag til omkostningsanalysen, jf. nedenstående figur.
Datakilde
Anvendelse
•
Registerdata
•
•
•
Initialt overblik over ungdomsuddannelsernes
omkostninger
Indsigter ift. relevante informationer fra
spørgeskemadata og interviews
Primært grundlag for kvantitative analyser
Kvalificering og udbygning af datagrundlag ift.
detaljegrad i registerdata
Udvælgelse af besøgsinstitutioner
Spørgeskemadata
•
•
•
•
Interviews
Indsigt og indblik i institutionsdrift
Praksisnære observationer
Uddybning af indsigter fra registerdata og
spørgeskemaer
Note: 1) Spørgeskema vedrørende institutionernes bygningsmasse blev udsendt i samarbejde med Implement Consulting Group
STRUENSEE & CO.
72
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0073.png
6.2 BILAG
–
DATAGRUNDLAG
Konsolidering af data
•
•
•
Datagrundlaget for analysen er baseret på en række datakilder, der er blevet konsolideret og beriget med nøgler for at danne en samlet datamodel. Registerdata er
desuden suppleret med øvrige datakilder, herunder offentligt tilgængelige datakilder og data fra BUVM som fx socioøkonomisk reference for frafald og forventet
karaktergennemsnit, overblik over andel fjernundervisning for
VUC’er,
samt geografisk placering fra Danmarks Statistik
Datamodellen er blevet anvendt til at udarbejde tre datasæt, der hver især indeholder en række variable, som er blevet anvendt i analysen.
På de efterfølgende sider beskrives analysens tre datakilder
Konsolidering af data
Institutionsregister
CØSA
Formålsregnskab
Aggregering af data
Sammenkobling af data
Etablering af analysedata
CØSA
Datasæt på
institutionsniveau
Formålsregnskab
Regnskaber
ISOLA
Lærernes
arbejdstidsanvendelse
Datasæt på
uddannelses-
kategoriniveau
ISOLA
Analyse-
databasen
Spar Energi
Spørgeskema til
omkostningsanalyse
Spørgeskema om bygninger
(Implement)
Online spørgeskema
(Implement)
Øvrige datakilder
Spørgeskemadata
Datasæt på
uddannelsesniveau
Socioøkonomisk
reference
Øvrige
STRUENSEE & CO.
73
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0074.png
6.2 BILAG
–
DATAGRUNDLAG
Konsolidering af data (fortsat)
Datakonsolidering og forberedelse
Konsolidering i Excel
•
Data er modtaget i Excel-format fra BUVM. I nogle tilfælde
er der modtaget en samlet fil for alle relevante år fra en
datakilde, og i andre tilfælde er der modtaget en fil per år.
Struktur og format varierer på tværs af kilder og år, hvorfor
der for de fleste datakilder er gennemført en indledende
datakonsolidering i Excel (fx regnskabsdata) via makroer
eller manuel behandling
Konsolidering i database
•
De konsoliderede Excel-filer er importeret i en række
databaser, hvor strukturer og formater er harmoniseret på
tværs af år fra samme datakilde. I nogle tilfælde er data
normaliseret for at begrænse omfanget og lette den
efterfølgende databehandling
Etablering af datamodel
•
For hver af datakilderne er der identificeret en eller flere
nøgler, der kan anvendes til at koble data sammen på
tværs af kilderne samt anvendes til at aggregere data til
definerede analyseniveauer. I den forbindelse er der
udarbejdet en række støttetabeller med masterdata
Etablering af analysedata
•
Baseret på den etablerede datamodel er datakilderne
aggregeret til de valgte analyseniveauer og koblet sammen
til et datasæt per analyseniveau, der er gjort tilgængelig i
Excel, med et live link til databasen, så data kan opdateres i
forbindelse med ændringer i datamodellen
Analyseniveauer
Institutionshierarki
(Delsektor > Arketype > Institution)
•
Der er taget udgangspunkt i institutionsregisteret fra 2017,
hvor alle de relevante uddannelsesinstitutioner fremgår.
Kategoriseringen fra 2017 var på tidspunktet for
udarbejdelsen af analysens datafundament det senest
tilgængelige. I samarbejdet med BUVM og FM er lavet få
justeringer ift. Regnskabsportalens arketypeinddeling for at
analysen bedst muligt afspejler den nuværende
sektorstruktur. Således er enkelte institutioner samlet som
følge af fusioner, og en institution er omkategoriseret.
Registeret indeholder foruden hovedinstitutionen også
underafdelinger
•
I analysedatasættet er alle datakilder aggregeret til
hovedinstitutionen, da dette er det mest konsistente niveau
på tværs af datakilderne. Disse er manuelt grupperet i en
række arketyper under de tre delsektorer
Uddannelseshierarki
(Uddannelseskategorigruppe > Uddannelse)
•
Baseret på en manuel gruppering af uddannelser er der
oprettet et uddannelseshierarki, der muliggør, at enkelte
datakilder kan aggregeres til uddannelsesniveau og
uddannelseskategoriniveau
•
Uddannelseskategoriniveau er det lavest mulige niveau for
aggregering af uddannelserne i ens grupper på tværs af
datakilderne
•
I enkelte datakilder kan data aggregeres på et lavere niveau
(uddannelsesniveau), hvor der for erhvervsskolerne kan
skelnes mellem grundforløb 1, grundforløb 2 og hovedforløb
STRUENSEE & CO.
74
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0075.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Registerdata
•
•
•
Med relevant registerdata er der skabt et overblik over ungdomsuddannelsesinstitutionernes omkostningsstrukturer, hvilket også bidrog til identifikation af, hvilke
indsigter spørgeskemaundersøgelsen og institutionsbesøgene skulle tilvejebringe
Analysens registerdata involverer data fra syv forskellige registre, som blev udvalgt og kvalificeret i tæt samarbejde med BUVM og FM
Registerdata er desuden suppleret med øvrige datakilder, herunder offentligt tilgængelige datakilder og data fra BUVM som fx socioøkonomisk reference for frafald
og forventet karaktergennemsnit, overblik over andel fjernundervisning for
VUC’er,
samt geografisk placering fra Danmarks Statistik
Overblik over registre og deres indhold
Register
Institutions-
registeret
Indhold
•
Relation mellem afdelinger og hovedskoler på institutions- og
afdelingsniveau for 2017
Struensee & Co. har indhentet registerdata i tæt samarbejde med BUVM og FM for at sikre
inklusion af al relevant data. De forskellige registers indhold og anvendelse fremgår i
tabellen til højre.
Ifm. anvendelsen af registerdata blev en række centrale udfordringer identificeret og
håndteret:
•
•
Opgørelse af antal uddannelser:
Uddannelser under AMU-centre grupperes for at
skabe et mere retvisende billede af antallet af forskellige uddannelser
Identificering af uddannelseskategorier:
UDD/CØSA-formål felterne henviser til en
uddannelse i hhv. CØSA og Formålsregnskabet og er grupperet i
uddannelseskategorigrupper, mens identificering af uddannelseskategori kun har været
mulig i CØSA-datasættet
Relationerne til institutionsregisteret:
Tre af datakilderne (ISOLA, SparEnergi og
Lærernes arbejdstidsanvendelse) er relateret til institutionsregisteret via manuelt
oprettede relationstabeller (broer)
Udvælgelse af datapunkter:
I flere af datakilderne er der oprettet støttetabeller til at
skabe en relation (bro) mellem datakilden og kortlægningsrammens variable. Fx
varierer registreringspraksis (de anvendte feltkoder) over tid og på tværs af arketyper i
data fra Regnskabsportalen
Sammenhæng mellem omkostninger og aktiviteter:
Der er ikke overensstemmelse
mellem antal årselever per uddannelse, der fremgår i CØSA, og de formålsfordelte
omkostninger til specifikke uddannelser, der findes i formålsregnskaberne. Dvs. at
nogle institutioner fremgår med årselever på nogle uddannelser, som de ikke har
henført omkostninger til i formålsregnskabet. Hvor dette er observeret er data korrigeret
ved at fjerne observationerne fra analysen
CØSA
•
Informationer om aktivitet og tilskud fordelt på uddannelser på
institutions- og uddannelsesniveau for perioden 2011 til 2018
Omkostninger for institutionerne med ca. 2/3 af
omkostningerne henført til specifikke uddannelser på
institutions- og uddannelsesniveau for perioden 2011 til 2018
Finansielle informationer, herunder nøgletal på
institutionsniveau for perioden 2003 til 2018
Moderniseringsstyrelsens informationssystem om løn- og
ansættelsesvilkår på institutionsniveau for perioden 2011 til
2018
Informationer ift. bygningsarealer med data om forbrug af
elektricitet, varme og vand på institutionsniveau for perioden
2006 til 2018
Informationer om lærernes arbejdstidsanvendelse på
institutions- og uddannelseskategoriniveau for 2017
Derudover gør to centrale forhold sig gældende for forbindelsen af datasæt i datamodellen:
•
Formålsregn-
skab
•
•
Regnskabs-
portalen
•
•
•
ISOLA
•
SparEnergi
De anvendte omkostningsdata kommer i langt overvejende grad fra institutionernes
formålsfordelte regnskaber. For at understøtte analysens formål er de omkostningsdata der
er anvendt i analysen desuden eksklusive omkostninger til indtægtsdækket virksomhed.
Endeligt er alle historiske data prisreguleret til 2019-priser for at gøre analysen
tidssvarende.
STRUENSEE & CO.
Lærernes
arbejdstids-
anvendelse
•
75
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0076.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Spørgeskemaer
•
•
•
Spørgeskemaundersøgelsen har bidraget til at udvide datagrundlaget og kvalificere data vedrørende institutionsdrift og bygningsomkostninger
Spørgeskemaundersøgelsen består af tre spørgeskemaer: ét ifm. omkostningsanalysen og to ifm. institutionsanalysen. De tre spørgeskemaer blev sendt til alle
institutioner, der indgår i analysen
Spørgsmålene blev udarbejdet i tæt samarbejde med BUVM, FM og tekniske eksperter fra institutionerne på tværs af de tre delsektorer
For at kvalificere og supplere registerdata udarbejdedes en spørgeskemaundersøgelse.
Institutionerne modtog tre spørgeskemaer, hvoraf Struensee & Co var afsender på ét ifm.
omkostningsanalysen og Implement Consulting Group var afsender på to i forbindelse med
analysen af institutionsudviklingen.
Forud for udsendelsen blev der formuleret og udsendt en følgemail, hvor formålet med
spørgeskemaerne blev fremlagt. Struensee & Co har løbende haft sparring med BUVM ift.
udsendelsestidspunkt samt formulering af følgemailen. I følgemailen blev desuden
beskrevet både omkostningsanalysen udarbejdet af Struensee & Co samt analysen af
institutionsudviklingen udarbejdet af Implement Consulting Group. Dermed sikredes
transparens om anvendelsen af de tre spørgeskemaer.
Omkostningsanalysens spørgeskema omhandlede omkostningsstrukturer, herunder
aktivitetsniveauer og institutionsdrift. Spørgsmålene vedrørte bl.a. gennemsnitlige
holdstørrelser, minimums holdstørrelser og kontraktuelle bindinger.
Omkostningsanalysen belyser også bygningsomkostninger, hvorfor der løbende har været
sparring med Implement Consulting Group angående spørgsmål om institutionernes
bygningsmasse. Således har data fra spørgeskema om institutionernes bygningsmasse
været med til at udbygge datagrundlaget i omkostningsanalysen.
Data fra spørgeskemaerne har været underlagt kritisk og grundig gennemgang. Derudover
er relevante overvejelser omkring datavaliditet bragt med ind i analysearbejdet.
Spørgeskemaernes data vurderes at være robuste bl.a. som følge af en høj svarprocent, jf.
tabellen til højre.
Den samlede svarprocent på tværs af institutionerne er 63 pct. hvilket udgør til et godt
stykke over halvdelen af landets ungdomsuddannelsesinstitutioner. Inden for de enkelte
delsektorer observeres også høje svarprocenter med 70 pct. af alle erhvervsskoler, 58 pct.
af almene gymnasier og 67 pct. af voksenuddannelsescentrene.
Opgørelse af svarprocent for spørgeskema ifm. omkostningsanalysen
Delsektorer, arketyper
AMU-centre
Handelsskoler
Kombinationsskoler
Erhvervsskoler
mv.
Landbrugsskoler
SOSU-skoler
Tekniske skoler
I alt, erhvervsskoler mv.
Mellemstore gymnasier
Besvarelser
4
15
13
5
12
8
57
25
Institutioner, i alt
5
20
20
8
14
15
82
38
Svar pct.
80%
75%
65%
63%
86%
53%
70%
66%
Private gymnasier
Almene
gymnasier
Små gymnasier
Store gymnasier
I alt, almene gymnasier
VUC’er
Sektoren
I alt
5
25
31
86
16
159
27
39
44
148
24
254
19%
64%
70%
58%
67%
63%
STRUENSEE & CO.
76
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0077.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Institutionsbesøg
•
•
I forbindelse med omkostningsanalysen har Struensee & Co besøgt 21 udvalgte institutioner på tværs af delsektorer og arketyper rundt omkring i landet. Besøgene
har bidraget med dybdegående indsigter og indblik i institutionernes drift og har derfor kvalificeret og udbygget omkostningsanalysens datagrundlag
Besøgsinstitutionerne blev udvalgt i tæt samarbejde med Børne- og Undervisningsministeriet og Finansministeriet gennem opstilling af følgende
udvælgelseskriterier: i) alle arketyper skulle være repræsenteret, ii) institutionerne inden for hver arketype skulle have forskellige karakteristika, og iii) hver
besøgsinstitution skulle have en back-up-institution, som ligeledes opfyldte de to foregående kriterier
Overblik over antal årselever, omkostninger per årselev samt geografisk placering
for analysens besøgsinstitutioner
Arketype
Tekniske
skoler
SOSU-skoler
Institution
•
•
•
•
•
EUC Lillebælt
TEC
Randers SOSU
SOSU H
AMU-Vest
Årselever
750
4.239
403
2.025
320
Omk., total (mio. kr.)
113
531
61
253
64
Geografi
2
Land
By
By
By
By
For at opnå indsigt i institutionsdriften på de omfattede ungdomsuddannelsesinstitutioner
og
VUC’er
samt at udbygge datagrundlaget har Struensee & Co. besøgt 21 udvalgte
institutioner. Institutionerne blev udvalgt i tæt samarbejde med BUVM og FM ved at opstille
en række udvælgelseskriterier for at sikre repræsentativitet på tværs af delsektorer.
Udvælgelseskriterierne var som følger:
•
Alle arketype skulle være repræsenteret med minimum to institutioner
1
•
Besøgsinstitutionerne inden for hver arketype skulle repræsentere institutioner med
forskellige karakteristika. I den forbindelse blev det prioriteret, at institutionerne havde
forskellige omkostninger per årselev, at de havde forskellige forudsætninger sfa. deres
årselevantal, samt at de var geografisk spredte
•
Besøgsinstitutioner skulle hver have en backup-institution med lignende karakteristika i
tilfælde af, at den prioriterede institution ikke kunne deltage
Efter udvælgelsen af 21 institutioner blev der udsendt en orienteringsmail om
institutionsbesøgets formål, herunder hvilke emner og spørgsmål interviewet ville tage
udgangspunkt i. De 21 institutionsbesøg involverede interviews med nøglepersoner som
bl.a. rektorer, direktører, ressourcedirektører, regnskabsmedarbejdere mv. Interviewene
omfattede spørgsmål til strategiske overvejelser for institutionens ledelse, spørgsmål til
institutionernes rammevilkår og specifikke situationer, herunder regnskabs- og
budgetmæssige konsekvenser af fx lovgivning, fald i elevtal samt institutionernes
muligheder for at tilpasse omkostninger til indtægtsændringer. På besøgene deltog som
udgangspunkt to konsulenter fra Struensee & Co.
AMU-centre
Landbrugsskoler
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Asmildkloster Landbrugsskole
Handelsgymnasium Vestfyn
Køge Handelsskole
ZBC
NEXT
Nordsjællands Grundskole og
Gymnasium
Vestjysk gymnasium Tarm
Odsherred gymnasium
Hvidovre gymnasium
Mariagerfjord gymnasium
Roskilde Katedralskole
Frederiksborg gymnasium
Viborg gymnasium og HF
HF og VUC Fyn
Kolding HF og VUC
HF og VUC KBH SYD
208
192
1.383
5.806
6.507
193
422
381
471
682
1.448
1.307
1.131
3.878
518
1.298
35
18
134
704
695
-
43
38
41
62
119
100
98
385
65
111
By
Land
By
By
By
By
Land
Land
By
Land
By
By
By
By
By
By
Handelsskoler
Kombinations-
skoler
Private
gymnasier
Små gymnasier
Mellemstore
gymnasier
Store gymnasier
Institutionsbesøgene har bidraget til identificering af forskelle i institutionernes driftspraksis.
Institutionsbesøgene har således bidraget med praksisnære observationer og indsigter om
best-practice og innovative tiltag til eksempelvis at tilpasse omkostninger i perioder med
indtægtsfald. Institutionsbesøgene spiller derfor en central rolle for analysens
observationer og konklusioner.
VUC
Note: 1) For AMU og Landbrugsskoler er kun én institution fra hver arketype besøgt. 2) Den geografiske placering ift. land og by er ikke den samme, som er anvendt i analysen i øvrigt, da dette blev fastlagt efter vedtagelse af
institutionsbesøg.
STRUENSEE & CO.
77
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0078.png
Indholdsfortegnelse
1
2
3
4
5
6
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Overblik over fjernundervisningsandel
6.4
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
78
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0079.png
Andelen af fjernundervisningskursister varierer på tværs af
VUC’ere
•
•
•
I tabellen nedenfor ses en opgørelse over institutionernes aktivitet samt, aktivitet til fjernundervisning samt hvor stor en andel det svarer til
Det tydeliggøres, at der på tværs af
VUC’ere
er stor variation af i, hvor stor en aktivitetsandel der er fjernundervisning, hvor fx VUC Djursland er nede på 0 pct., så
har VUC Syd en fjernundervisningsandel på 40 pct.
Fjernundervisning finansieres via en særskilt takst i taxametersystemet, som er blevet reduceret først i 2016 fra 100 pct. til 80 pct. af undervisningstaxameteret ift. de
ordinære uddannelser, og den blev yderligere reduceret i 2019 at kunne finansiere Aftale om bedre veje til uddannelse og job (den Forberedende Grunduddannelse),
hvor taksten nu er reduceret til 75 pct. af undervisningstaxameteret
Aktivitet
849,9
4088
1364,2
1350,8
830,8
551,8
3808,1
780,4
874,2
552,8
547,3
471,3
1336,4
788,4
280,6
380,1
960,8
1332,1
1707,6
1947,5
32032,6
Heraf fjernundervisning
58,9
557,8
198,4
125
8,8
44,5
739,6
37
136,8
56,1
16,9
24.5
427,9
103
0,2
38,8
106,4
151
250,8
778,7
4580,7
Fjernundervisningsandel
7%
14%
15%
9%
1%
8%
19%
5%
16%
10%
3%
5%
32%
13%
0%
10%
11%
11%
15%
40%
14%
79
Institution
Herning hf og VUC
Hf og VUC Fyn
Hf og VUC København Syd
Hf og VUC Nord Sjælland
Horsens hf og VUC
Kolding hf og VUC
KVUC
Nordvestsjællands hf og VUC
Randers hf og VUC
Skive-Viborg hf og VUC
TH. LANGS hf og VUC
Thy-Mors hf og VUC
Vestegnen hf og VUC
VUC Frederiksberg
VUC Djursland
VUC Holstebro-Lemvig-Struer
VUC Lyngby
VUC Roskilde
VUC Storstrøm
VUC Syd
Total
Kilde: Analysens datamodel.
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0080.png
Indholdsfortegnelse
1
2
3
4
5
6
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Overblik over fjernundervisningsandel
6.4
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
80
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0081.png
6.4 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for tekniske hovedforløb
•
•
•
Figuren nedenfor viser omkostningerne per årselev på tekniske hovedforløb ift. antal årselever på uddannelseskategorien. Landbrugsskoler og AMU-centre fremgår
ikke i sammenligningen, da observationerne er få, og deres uddannelser er meget anderledes fra tekniske hovedforløb på kombinationsskoler og tekniske skoler.
For både kombinationsskoler og tekniske skoler ses det, at der er faldende marginalomkostninger per årselev på tekniske hovedforløb. Det kan skyldes, at skoler
med mange årselever på tekniske hovedforløb kan oprette større hold og samtidig realisere stordrift på eksempelvis indkøb af undervisningsmaterialer.
Grafen indikerer, at stordriftsfordelene opvejer meromkostningerne forbundet med et større uddannelsesudbud på de store institutioner. Figuren viser også, at
omkostningerne per årselev på tekniske hovedforløb er meget ens for kombinationsskoler og tekniske skoler. De gennemsnitlige omkostninger per årselev er
imidlertid en smule lavere på de tekniske skoler. Grafen til venstre vægter ikke antallet af årselever, hvorfor trendlinjen for kombinationsskoler ligger lavest
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
200
195
190
185
180
175
170
165
160
155
150
145
140
135
130
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
Kombinationsskoler
Tekniske skoler
1.300
1.400
1.500
1.600
1.700
Årselever per uddannelseskategori
STRUENSEE & CO.
81
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0082.png
6.4 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for tekniske grundforløb
•
•
Figuren nedenfor sammenligner omkostningerne per årselev for tekniske grundforløb for kombinationsskoler og tekniske skoler.
Ligesom for tekniske hovedforløb indikerer figuren, at der er faldende marginalomkostninger på tekniske grundforløb. Effekten er imidlertid ikke lige så udtalt som for
tekniske hovedforløb. Det kan skyldes, at det er nemmere at understøtte store holdstørrelser på tekniske grundforløb selv med få elever på uddannelseskategorien.
Derudover er der mere teoriundervisning på de tekniske grundforløb, hvilket sætter færre krav til indkøb af omkostningstunge undervisningsmaterialer sammenholdt
med tekniske hovedforløb.
Endelig ses det af figuren, at kombinationsskolerne gennemgående har lavere omkostninger per årselev end de tekniske skoler, og at differencen er større end for
tekniske hovedforløb. Spredningen af omkostninger per årselev er imidlertid markant for især kombinationsskolerne, hvilket der skal tages forbehold for i læsningen
af figuren.
Kombinationsskoler
Tekniske skoler
•
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
180
170
160
150
140
130
120
110
100
90
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
Årselever per uddannelseskategori
STRUENSEE & CO.
82
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0083.png
6.4 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for HHX
•
•
•
•
•
Figuren nedenfor opstiller omkostningerne per årselev for HHX for kombinationsskolerne og handelsskolerne.
Ligesom for de tidligere præsenterede uddannelseskategorier gælder det, at der er faldende marginalomkostninger per årselev for HHX.
Figuren indikerer, at effekten er mest betydelig for kombinationsskolerne, mens den er mindre klar for handelsskolerne.
Faldende marginalomkostninger på HHX vil primært være drevet af lønomkostninger til undervisning per årselev, som kan reduceres ved understøttelse af store hold
og optimering af lærerressourcer på tværs af klasser.
Hvor kombinationsskolerne gennemgående var mere omkostningseffektive end de tekniske skoler på de tekniske erhvervsuddannelser og HTX, indikerer figuren for
HHX, at handelsskolerne har lavere omkostninger per HHX årselev end kombinationsskolerne.
Kombinationsskoler
Handelsskoler
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
130
125
120
115
110
105
100
95
90
85
80
75
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
2.000
2.200
2.400
2.600
2.800
Årselever per uddannelseskategori
STRUENSEE & CO.
83
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0084.png
6.4 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for HF
•
•
•
•
Figuren nedenfor sammenligner omkostningerne per årselev for HF for de almene gymnasier og
VUC’erne.
For HF observeres kun i meget begrænset grad faldende marginalomkostninger per årselev for både gymnasier og
VUC’er.
Især gymnasierne har stor spredning på
omkostninger per årselev for HF på trods af, at de fleste gymnasier, som udbyder HF, har 50-150 HF årselever.
Figuren viser imidlertid, at omkostningerne per årselev for HF er lavere for gymnasierne end for
VUC’erne.
Analysen afdækker i udgangspunktet ikke, hvad der kan
forårsage de lavere omkostninger per årselev for HF på gymnasierne.
Noget af effekten kan dog skyldes, at enkelte
VUC’er
udbyder HF på flere lokationer, hvilket kan gøre det sværere at opretholde store hold på HF og dermed drive de
samlede omkostninger per årselev op
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
130
125
Gymnasier
VUC’er
120
115
110
105
100
95
90
85
80
75
70
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
Årselever per uddannelseskategori
STRUENSEE & CO.
84
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195743_0085.png
Struensee & Co. er en del af Deloitte. Deloitte leverer ydelser inden for revision, consulting, financial
advisory, risikostyring, skat og dertil knyttede ydelser til både offentlige og private kunder i en lang række
brancher. Deloitte betjener fire ud af fem virksomheder på listen over verdens største selskaber, Fortune
Global 500®, gennem et globalt forbundet netværk af medlemsfirmaer i over 150 lande, der leverer
kompetencer og viden i verdensklasse og service af høj kvalitet til at håndtere kundernes mest komplekse
forretningsmæssige udfordringer. Vil du vide mere om, hvordan Deloittes omkring 312.000 medarbejdere
gør en forskel, der betyder noget, så besøg os på Facebook, LinkedIn eller Twitter.
Deloitte er en betegnelse for Deloitte Touche Tohmatsu Limited, der er et britisk selskab med begrænset
ansvar (DTTL), dets netværk af medlemsfirmaer og deres tilknyttede virksomheder. DTTL og alle dets
medlemsfirmaer udgør separate og uafhængige juridiske enheder. DTTL, der også betegnes Deloitte
Global, leverer ikke selv ydelser til kunderne. Vi henviser til www.deloitte.com/about for en udførlig
beskrivelse af DTTL og dets medlemsfirmaer.
© 2019 Deloitte Statsautoriseret Revisionspartnerselskab. Medlem af Deloitte Touche Tohmatsu Limited.
Struensee & Co. / Magstræde 6, 1204 København K / +45 2615 0803 / [email protected] / www.struensee.dk