Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt
2195744_0001.png
Omkostningsanalyse af
ungdomsuddannelsesområdet
Analyserapport om tekniske skoler
November 2019
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0002.png
Analysen indikerer, at de tekniske skoler har faldende marginalomkostninger, og at effekten er
varierende på forskellige uddannelseskategorier
Faldende marginalomkostninger
•
De tekniske skoler er samlet set kendetegnet ved
faldende marginalomkostninger,
da større institutioner har lavere omkostninger per årselev
end mindre institutioner
Denne sammenhæng gør sig gældende for
lønomkostninger til undervisning,
og udmøntes bl.a. igennem gennemsnitligt større hold og
højere andele undervisningstid (for HTX) og flere elever per uddannelseskategori (for erhvervsuddannelser) hos større institutioner
Ift.
lønomkostninger til administration og ledelse
er der ikke observeret markante faldende marginalomkostninger. Det kan skyldes, at større
institutioner investerer i professionelle funktioner, som kan bidrage til at realisere stordrift i resten af organisationen
Ift.
totale bygningsomkostninger
er der ikke identificeret faldende marginalomkostninger. Det dækker dog over to modsatrettede tendenser,
hvor større institutioner typisk har højere omkostninger per årselev og per kvadratmeter men færre kvadratmeter per elev, hvilket hænger
sammen med den geografiske fordeling af institutioner (jf. punktet om geografi nedenfor)
Ift.
øvrige driftsomkostninger
viser analyserne faldende marginalomkostninger, især for erhvervsuddannelserne. I denne sammenhæng
fremhæves særligt bedre muligheder for professionalisering, udlicitering og gode indkøbsaftaler, der følger med at være en stor institution
Geografi
•
Analyserne indikerer, at geografi indirekte har betydning for institutionerne igennem flere sammenhænge, herunder:
–
Institutioner i landkommuner har typisk lavere bygningsomkostninger end institutioner med afdelinger i bykommuner. Det hænger sammen
lavere lokale ejendomspriser for institutioner i landkommuner samt at disse institutioner kun sjældent råder over mange lokationer
–
Der er ikke identificeret en entydig sammenhæng mellem geografi og lønomkostninger eller øvrige driftsomkostninger. Dog bemærkes det fra
institutionsbesøg, at geografi kan have en effekt på lærerudbud, lærersammensætning (anciennitet) mv.
–
Geografi kan desuden påvirke institutionernes tilpasningsevne, da geografi har betydning for i) mulighederne for at afsætte bygninger, ii) leje
(midlertidige) bygninger, der kan bruges til undervisning, iii) udbuddet af undervisere såvel som konkurrencen om undervisere i området, iv)
muligheden for at tilpasse lønomkostninger mv.
Økonomisk bæredygtighed
•
Analysen af økonomisk bæredygtighed finder, at fire tekniske skoler vurderes at være økonomisk udsatte. De udsatte tekniske skoler er mindre
målt på antal årselever, har en lavere lærer-elev ratio end de tekniske skoler generelt samt svagere socioøkonomisk sammensætning
•
Resultaterne om økonomisk bæredygtighed skal dog tolkes varsomt. Det skyldes den sparsomme population (fire tekniske skoler), hvor særlige
forhold kan drive resultaterne
STRUENSEE & CO.
2
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0003.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
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
2195744_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
2195744_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
2195744_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. undervisning/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
2195744_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
2195744_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
2195744_0009.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
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
2195744_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
2195744_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
2195744_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 årselever
•
Andel undervisningstid
•
Holdstørrelse
•
Antal uddannelser
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Kapacitetsudnyttelse
•
Antal lokationer
•
Geografi
•
Antal årselever
•
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
2195744_0013.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
De 14 tekniske skoler har omkostninger på i alt 3,6 mia. kr., hvoraf lønomkostninger udgør 64 pct.
•
•
Grafen nedenfor viser de tekniske skolers samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift. Det fremgår, at de tekniske skoler har
et samlet omkostningsniveau på 3.557 mio. kr. Heraf udgøres 64 pct. af lønomkostninger, mens de resterende 36 pct. udgøres af bygningsdrift og omkostninger
til øvrig drift. Den største enkeltstående omkostningspost er løn til undervisning, som udgør 48 pct. af de tekniske skolers omkostninger
Øvrig drift er den næststørste omkostningspost med 23 pct. af de samlede omkostninger. Herunder er varer til forbrug de tekniske skolers næststørste enkeltstående
omkostningskategori og består hovedsageligt af indkøb af undervisningsmaterialer (fx bøger og råvarer). Derudover dækker øvrig drift over store omkostninger
til administrative fællesskaber og indkøb af IT services i kategorien ”køb af tjenesteydelser (ex IT”)
Omkostningsnedbrud for de tekniske skoler, 2018 (mio. kr.)
1,2
Løn til undervisning
Løn til ledelse og administration
1.689 (48%)
261 (7%)
Konfrontationstid
•
44 pct. af lærernes
arbejdstid udgøres
på de tekniske
skoler af
konfrontationstid
3
•
Det svarer til, at
~750 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
Øvrig drift
2.271 (64%)
143 (4%)
178 (5%)
58 (2%)
117 (3%)
106 (3%)
100 (3%)
59 (2%)
32 (1%)
472 (13%)
237 (7%)
294 (8%)
36 (1%)
37 (1%)
209 (6%)
814 (23%)
Samlde omkostninger
3.557 (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 for de 14 tekniske
skoler. Tallet er ikke vægtet ift. skolernes størrelse. 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
2195744_0014.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Overordnet set har de tekniske skolers omkostningsstruktur været stabil fra 2011-2018 på trods af
et fald i antal årselever fra 2014
•
•
•
•
Nedenfor vises udviklingen i antallet af årselever og omkostningsfordelingen for de tekniske skoler i perioden 2011-2018. Institutionernes overordnede
omkostningsniveau er i perioden faldet med 12 pct., mens antallet af årselever er faldet med 15 pct.
De tekniske skolers årselever steg mellem 2011 og 2014, for derefter at falde frem mod 2018. De tekniske skolers årselevsantal er faldet betydeligt siden 2014
sætter krav til, at elever på erhvervsuddannelser skal have minimum karakteren 2 i hhv. dansk og matematik
Mellem 2011 og 2018 har forholdet mellem de tekniske skolers omkostningsfordeling været forholdsvis stabil. Største udsving observeres på andelen af omkostnings-
basen, som går til løn til undervisning. Løn til undervisning har haft udsving på 4 procentpoint og ligger i 2018 på 48 pct. og har været stigende siden 2012.
Den relative stigning i andelen af omkostninger, som går til løn til undervisning kan både indikere, at institutionerne har kunnet realisere skalafordele i den resterende
drift som følge af indtægtsstigningen, og/eller at lønningerne per lærer er steget. Institutionsbesøgene indikerer, at sidstnævnte kan drives af, at nogle
lærerressourcer bliver omkostningstunge i økonomiske højkonjunkturer (fx undervisere til tømrer- og VVS-uddannelserne)
Dette understøttes af andelen af omkostninger til bygningsdrift og køb af varer til forbrug, som i perioden er faldet med tre procent point
•
Årselevsudvikling og omkostningsnedbrud for tekniske skoler, 2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)
Årselever
Løn til undervisning
Omkostninger (mio. kr.)
4.500
4.038
4.000
3.500
3.000
2.500
2.000
1.500
14%
1.000
500
0
10%
6%
8%
2011
47%
44%
44%
45%
46%
25.000
3.979
4.069
4.113
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)
Årselever
35.000
Øvrige driftsomkostninger og afskrivninger
1
4.010
3.833
3.606
3.557
30.000
45%
46%
48%
20.000
15.000
10.000
7%
7%
15%
10%
7%
8%
2012
7%
14%
10%
7%
9%
2013
7%
7%
7%
15%
9%
6%
9%
2016
7%
14%
8%
6%
8%
2017
7%
13%
8%
7%
8%
2018
14%
9%
7%
9%
2014
14%
9%
6%
9%
2015
5.000
0
Note:. 1) 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
2195744_0015.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer betydeligt på tværs af de 14 tekniske skoler
•
Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 14 tekniske skoler. Figuren viser, at der er store forskelle på, hvordan
institutionerne fordeler deres omkostninger. Fx varierer omkostninger til løn til undervisning mellem 30 pct. og 52 pct.. Den gennemsnitlige andel til løn til
undervisning på tværs af de tekniske skoler er 48 pct.
Løn til undervisning
Løn til øvrig drift
Køb af tjenesteydelser (ex IT) (øvrig drift)
Centrale observationer
1,2
•
Løn til undervisning
udgør den største
udgiftspost blandt de tekniske skoler. Denne udgør
mellem 31-52 pct. og er gennemsnitligt 46 pct. Der
er dog betydelige forskelle mellem institutioner
Øvrige lønomkostninger
vedrører løn til ledelse
og administration, som udgør mellem 4-13 pct., løn
til øvrig drift, som svinger fra 1-13 pct
.2,
samt løn til
bygningsdrift, som varierer fra 2- 7 pct.
Øvrig drift
er den næststørste post efter løn til
undervisning. Her udgør køb af varer til forbrug,
køb af tjenesteydelser, samt øvrige
driftsomkostninger ca. 24 pct. i gennemsnit
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 institutionsspecifikke
ressourcestyringssystemer
Løn til ledelse og adm.
Løn til bygningsdrift
Omk. (mio. kr.)
562
531
435
398
326
Bygningsdrift (ex løn)
Køb af varer til forbrug (øvrig drift)
Omkostningsfordeling, 2018
46%
52%
43%
52%
51%
6%
5%
10%
8%
52%
52%
44%
38%
46%
30%
10%
5%
6%
8%
5%
5%
11%
7%
5%
7%
6%
Øvrige driftsomkostninger og afskrivninger (øvrig drift)
8%
5%
6%
3%
15%
16%
4%
9%
6%
13%
4%
6%
8%
6%
6%
4%
14%
5%
7%
8%
5%
9%
6%
8%
9%
7%
6%
•
10%
10%
5%
8%
5%
3%
5%
6%
13%
5%
12%
12%
15%
16%
13%
6%
12%
10%
15%
16%
12%
10%
8%
5%
7%
8%
16%
10%
•
263
199
174
157
115
113
107
103
75
40%
48%
49%
•
8%
9%
6%
11%
16%
11%
9%
13%
8%
9%
6%
9%
9%
8%
•
4%
3%
13%
6%
Betydningen af institutionsstørrelse.
Fordelingen indikerer, at større institutioner i gns.
har færre omkostninger til øvrig drift (22 pct. for
den øvre halvdel) end mindre institutioner (26 pct.
for den nedre halvdel)
Note: 1) Om outliers på løn til undervisning: To institutioner har markant lavere omkostninger til løn til undervisning end resten af populationen. Det kan skyldes, at skolerne har relativt store kostafdelinger. Størstedelen af skolerne huser en
kostafdeling, men da afdelingerne udgør en større andel af de to nævnte institutionernes årselevsantal, udgør omkostningskategorien en større andel for disse institutioner. 2) 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
2195744_0016.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer ligeledes på tværs af de tekniske skolers
uddannelseskategorier
•
•
•
•
•
Figurerne nedenfor viser hhv. omk. fordelt på uddannelseskategorier på de tekniske skoler (til venstre) og omk. per årselev per uddannelseskategori (til højre)
Af den samlede omkostningsbase på ~3,5 mia. kr. udgøres 37 pct. af indirekte omkostninger, som ikke er formålsfordelt på uddannelser. De indirekte omkostninger
til fx ledelse og administration og bygningsdrift fordeles vha. en nøgle, som tager højde for den enkelte uddannelses tilskud mhp. at indregne eventuelle
meromkostninger til fx administration eller bygningsdrift, som enkelte uddannelseskategorier kan have
1
Af
figuren til venstre
fremgår det, at tekniske hovedforløb er den største uddannelseskategori på de tekniske skoler med samlede omkostninger på 1.193 mio. kr.
svarende til ~40 pct. af de tekniske skolers omkostninger. De tre største uddannelseskategorier på de tekniske skoler (tekniske hovedforløb, tekniske grundforløb og
HTX) udgør samlet ~90 pct. af institutionernes samlede omkostninger, hvoraf 44-50 pct, udgøres af løn til undervisning
Af
figuren til højre
fremgår det, at omkostningerne per årselev er højest for tekniske hovedforløb (153.000), mens de er lavest for HTX (115.000). Omkostningerne
per årselev er således 34 pct. højere for tekniske hovedforløb end for HTX. Det kan skyldes, at relativt mange tekniske hovedforløb undervises med et lavt antal
årselever og har højere omkostninger til øvrig drift per årselev (pga. indkøb af specialiserede undervisningsmaterialer)
Disse sammenhæng vil blive nærmere undersøgt i delanalyse 3 (kapitel 4)
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
Fordeling af omkostninger på uddannelseskategorier (2018)
2
Omkostninger per uddannelse (mio. kr.)
1.193
1.200
947
900
800
700
46%
637
44%
Omkostninger per årselev fordelt på uddannelseskategorier (2018)
Omkostninger per årselev per uddannelse (tusinde kr.)
180
+34%
153
144
134
122
120
100
44%
56%
7%
6%
14%
11%
9%
Teknisk HF
9%
6%
Teknisk EUX
7%
5%
14%
7%
8%
Tekniske GF
12%
7%
14%
8%
HTX
46%
51%
50%
115
~90 pct. af de tekniske skolers
samlede omkostninger
160
140
600
500
400
300
200
100
0
9%
Teknisk
HF
3
8%
Tekniske GF
HTX
AMU
Andet
2
14%
14%
175
14%
50%
80
60
40
120
52%
47
56%
Teknisk EUX
20
0
51%
9%
AMU
Note: 1) Fordelingsnøgler for indirekte omkostninger er udarbejdet i samarbejde med institutionerne på institutionsbesøgene. 2) Der er uoverensstemmelser mellem en institutions 2018 data i CØSA og formålsregnskabet, hvilket vil skævvride
fordelinger, hvis inddraget. Derfor er institutionen udeladt af ovenstående, hvorfor totalerne ikke matcher totalerne fundet i delanalyse 2 og 4. Hertil er 38 mio. kr. (ca. 2 pct. af omkostningsbasen eksl. institutionen, der er udtaget) til
introduktionsforløb og brobygning til ungdomsuddannelser ikke indeholdt. 3) Tekniske hovedforløb omfatter også årselever og omkostninger
til skolepraktik 4) ”Andet” dækker over andre mindre uddannelseskategorier, som enkelte tekniske
skoler udbyder (fx merkantile forløb, STX HHX,, AVU, FVU mv.). 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
2195744_0017.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Der er faldende marginalomkostninger per årselev for de tekniske skolers tre største uddannelser
•
•
•
•
Figuren nedenfor viser omkostningen per årselev for de tre største uddannelseskategorier på de tekniske skoler (tekniske hovedforløb, tekniske grundforløb og HTX)
sammenholdt med antallet af årselever på uddannelserne for institutionerne. Figuren indikerer, at de gennemsnitlige omkostninger per årselev for de tre
største uddannelseskategorier er lavere for skoler med mange elever årselever på den pågældende uddannelseskategori sammenholdt med skoler med få årselever
Eksempelvis koster en årselev på tekniske hovedforløb ~165.000-185.000 kr. på skoler med 100-300 årselever på tekniske hovedforløb i 2017-2018, mens det
tilsvarende tal for skoler med over 300 årselever på tekniske hovedforløb var ~140.000-150.000 kr.
Tendensen gælder for alle de tre uddannelser men er særligt udtalt for tekniske hovedforløb. Det kan skyldes, at de tekniske hovedforløb ikke består af samlede
forløb men udelukkende af specialiserede uddannelser, hvor det for mange institutioner kan være en udfordring at få kritisk masse på uddannelserne
Side 28 og 44 vil bryde grafen ned på hhv. lønomkostninger til undervisning per årselev og omkostninger til øvrig drift per elev. Der er identificeret faldende
marginalomkostninger for andre uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.3
Omkostninger per årselev for HTX, tekniske grundforløb og tekniske hovedforløb og årselever fordelt på uddannelseskategorier per institution (2017-2018)
1,2
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
200
HTX
Tekniske grundforløb
Tekniske hovedforløb
190
180
170
160
150
140
130
120
110
100
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
Årselever per uddannelseskategori
Note: 1) Tallene er et gennemsnit af institutionernes omkostninger per årselev og årselevantal for 2017 og 2018. 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. 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
2195744_0018.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstruktur
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
2195744_0019.png
3. OMKOSTNINGSDRIVERE
De tekniske skolers omkostningsdrivere karakteriseres ved fem overordnede fund
Lønomkostninger afhænger særligt af årselever per uddannelseskategori og andel undervisningstid
•
Pba. institutionsbesøg og dataanalyser fremhæves særligt i)
antal årselever
per uddannelse
1
, ii)
antal uddannelser
og iii)
andel undervisningstid
(for HTX) som de
primære omkostningsdrivere for lønomkostninger. Dvs. de er afgørende for omkostningsstrukturerne og institutionsdriften fsva. lønomkostninger
Effekten af begge omkostningsdrivere er mest udtalt for de tekniske skolers HTX uddannelser, hvor løn udgør en relativt større andel af uddannelsens samlede
omkostninger per årselev sammenholdt med tekniske grund- og hovedforløb
Omkostninger til bygninger er i høj grad afhængig af institutionsspecifikke og ikke-strukturelle forhold, herunder de økonomiske omstændigheder for overlevering ved
overgang til selveje i 1991 og senere overdragelsen af bygningerne i 1995, ejendomsmarkedet i nærområdet (geografiske forskelle), demografisk udvikling, mm.
Der er således ikke identificeret en overordnet stordriftseffekt. Der er er omvendt fundet højere kvadratmeterpriser for store institutioner isoleret set, der er drevet af
geografi, jf. nedenfor
Konklusioner vedr.
omkostningsdrivere
•
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
•
•
Øvrige driftsomkostninger afhænger af centralisering, udlicitering og forhandlingsstyrke
•
•
Omkostninger til øvrig drift er kendetegnet ved faldende marginale omkostninger ved stigende institutionsstørrelse
Indsigter fra institutionsbesøgene understøtter denne sammenhæng. Bl.a. fremhæves, at nogle omkostninger er uafhængige af aktivitetsniveau, fx nogle IT- licenser; at
større institutioner ofte kan forhandle sig til bedre indkøbspriser; at udlicitering i højere grad anvendes på større institutioner, mv.
Større institutionerne har lettere ved at optimere en række omkostningsdrivere
•
Betydningen af institutionsstørrelse er særligt udtalt i institutionernes arbejde med optimering af årselever per uddannelse
1
og undervisningstidsandel. Flere institutioner
bemærker, at understøttelse af en høj undervisningsandel og optimering af holdstørrelse er lettere for store institutioner. Dataanalyserne understøtter denne
sammenhæng (om end det for undervisningsandel kun gælder for HTX)
Dataanalyserne viser gennemgående, at lønomkostninger til undervisning per årselev er lavere for institutioner med et højt gennemsnitligt antal årselever per
uddannelse, end for institutioner med få årselever per uddannelse. Det understøtter udsagn af både tekniske skoler og kombinationsskoler ifm. institutionsbesøgene,
hvor det blev bemærket, at institutionsstørrelse alene ikke forklarer stordrift men bør suppleres af en analyse af årselever per uddannelse
For lønomkostninger til administration og ledelse observeres kun en begrænset effekt af institutionsstørrelse, hvilket kan skyldes, at større tekniske skoler i højere grad
prioriterer at styrke ledelse- og administrative positioner mhp. at realisere stordrift i den resterende drift (fx på indkøb) og frigøre undervisere fra administrative opgaver
Store tekniske skoler har generelt højere bygningsomkostninger, hvilket i høj grad skyldes geografiske forskelle, da mindre institutioner typisk er placeret udenfor byerne,
hvor kvm priserne er lavere. Effekten modsvares af forskelle i kvm per årselev, hvor de store institutioner (typisk i byerne) har færre kvm per årselev
Institutionerne fremhæver, at antal årselever (dvs. institutionsstørrelse) særligt er drevet af i) demografiske udviklinger, ii) politiske reformer, iii) institutionernes renommé
i deres geografiske dækningsområde, iv) samarbejde med grundskoler i området og v) ændrede søgemønstre, herunder bl.a. grundet konjunkturudsving
Tværgående konklusioner
•
•
•
•
De tekniske skolers uddannelseskategorier har forskellige omkostningsstrukturer
•
•
•
På tværs af de tekniske skolers tre største uddannelseskategorier peger dataanalyserne på, at større institutioner kan realisere stordrift
Analyserne af omkostningsdriverne viser dog, at der er forskelligt for erhvervsuddannelser og HTX, hvor stordriften især realiseres. For HTX realiseres stordriften
således primært på lønomkostninger til undervisning, mens stordriften på erhvervsuddannelserne både realiseres på lønomkostninger til undervisning og øvrig drift
For HTX skyldes stordriften formentlig, at de store institutioner har bedre mulighed for at optimere holdstørrelser og udnyttelse af lærerressourcer på tværs af mange
klasser, mens stordrift for erhvervsuddannelserne i lige så høj grad drives af lavere omkostninger til indkøb af fx specialiserede undervisningsmaterialer
Note: 1)
*
Effekten af holdstørrelse vurderes pba. institutionsbesøg at være betydelig, men for erhvervsuddannelserne er datapunkterne om holdstørrelse for få til at lave repræsentative analyser, da de ikke angives for 2011 og 2015
.
I stedet er
konstrueret en proxy variabel for holdstørrelse (gns. årselever per uddannelse), da alle interviewede institutioner med EUD har peget på, at kritisk masse på den enkelte uddannelse er en central driver for lønomkostninger
Kilde: Analysens datamodel
STRUENSEE & CO.
19
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0020.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstruktur
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
2195744_0021.png
3.1. OMKOSTNINGSDRIVERE - METODE
Der er betydelige forskelle i omkostninger per årselev mellem de tekniske
skoler. Analysens formål er at identificere årsagerne til disse forskelle, dvs. omkostningsdrivere
•
•
•
Nedenstående graf viser, at der på tværs af tekniske skoler er en maksimal forskel i omkostninger per årselev i 2018 på 43 pct. tilsvarende ~40.000 kr. per årselev.
For årene 2011-2017 er der tilsvarende maksimumsforskelle i omkostninger per årselev, hvilket indikerer, at grafens resultater overordnet set er robuste over de
seneste år
Forskellene i omkostninger per årselev indikerer betydelige forskelle i de underliggende omkostningsdrivere; enten af strukturelle årsager eller sfa. institutionernes
strategiske valg
Grafen viser desuden de totale indtægter per årselev for institutionerne, der tæt følger de totale omkostninger per årselev. Grundet sammenhængen mellem aktivitet
(årselever), indtægter (per årselev) 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 årselev på tværs af de tekniske skoler (2018)
2
Tusinde kr. per årselev
+43%
160
140
120
100
80
60
40
20
0
Note: 1) Omkostninger pr. årselev er opgjort ekskl. omkostninger til kostafdelinger mhp. at sikre det bedst mulige sammenligningsgrundlag. Dog indebærer inkonsistent konteringspraksis, at der potentielt stadig
kan indgå omkostninger til kostafdelinger, som ikke er konteret som sådan. 2) Det skal bemærkes, at værtinstitutioner for administrative fællesskaber vil fremgå med en lidt højere omkostning per årselev.
Kilde: Analysens datamodel
STRUENSEE & CO.
21
Indtægter per årskursist
Omkostninger per årskursist
153
157
146
145
139
143
134
131
130
129
124
124
121
107
159
157
145
143
143
142
133
132
131
127
127
125
121
120
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0022.png
3.1 OMKOSTNINGSDRIVERE - METODE
De tekniske skolers 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. 23-34)
•
Analysen af lønomkostninger fokuserer på omkostningskomponenterne:
(1) løn per lærer og (2) årselever per lærer
Følgeligt fokuseres særligt på omkostningsdriverne: i) andel
undervisningstid, ii) holdstørrelse, iii) antal årselever, 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 årselev
Følgeligt fokuseres særligt på omkostningsdriverne: i) kapacitetsudnyttelse
(andel kvm til undervisningslokaler), ii) institutionsstørrelse (antal
årselever), 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. 35-41)
•
Bygningsomkostninger udgør en forholdsmæssig lille del af
institutionernes omkostninger men varierer betydeligt på
tværs af institutioner
•
Analyse af øvrige
drifts-
omkostninger
(s. 42-46)
•
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
2195744_0023.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstruktur
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
2195744_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
2195744_0025.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Forskelle i lønomkostninger til undervisning per årselever skyldes særligt forskelle i antal
årselever per underviser
•
•
•
Nedenstående grafer viser, at lønomkostningerne til undervisning per årselev varierer med op til 40 pct. for de tekniske skoler. Denne variation består af variationen i
gennemsnitlige lønomkostninger per underviser samt antal årselever per underviser. Endvidere fremgår det, at antal årselever per underviser har en maksimum
variation på 27 pct.
1
, mens de gennemsnitlige lønomkostninger per underviser har en maksimal variation på 20 pct.
1
Således indikerer nedenstående, at antal årselever per underviser udgør den primære omkostningskomponent ift. at forklare, hvad der driver omkostningerne på
tværs af institutioner, mens forskelle i lærerlønninger driver en relativt mindre del af variationen
I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste præsenteres disse
omkostningsdrivere og deres effekter pba. en regressionsanalyse. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen, tidligere præsenteret
Lønomkostninger per årselev og de to løn-omkostningskomponenter, fordelt på institutioner (2018)
2
Lønomkostninger til undervisning
per årselev (tusinde kr.)
82
74
68
67
67
66
65
64
63
62
61
61
59
59
+40%
Gennemsnitlige lønomkostninger
per underviser
1
(tusinde kr.)
658
603
591
606
593
571
655
473
573
605
566
547
605
562
9,6
9,3
9,0
10,2
7,4
9,1
9,8
Antal årselever per underviser
2
8,0
8,1
8,7
9,0
8,9
8,6
10,0
Ø 66
Ø 586
Ø9
Note 1) En institution fremgår som outlier i både lønomkostninger per underviser og antal årselever per underviser, hvorfor institutionen ikke fremhæves 2) Antallet af undervisere er justeret iht. indtægtsdækket virksomheds andel af totale
omkostninger, da undervisere på indtægtsdækket virksomhed ikke kan udskilles selvstændigt i ISOLA. 3) 2017 tal anvendes for en enkelt institution, da 2018 data indeholder et markant hop i lønomkostninger til undervisning, som gør
institutionen til en outlier. 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
2195744_0026.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Lønomkostninger per årselev for de tekniske skoler er især drevet af antal årselever,
holdstørrelse og andel undervisningstid
= uddybes på følgende sider
•
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af lønomkostninger per årselev for de tekniske skoler. 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 i vurderingen af effekten af omkostningsdrivere
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) andel undervisningstid, ii) antal årselever, iii) antal uddannelser, og iv) holdstørrelse er betydende omkostningsdrivere for
lønomkostninger per årselev
De følgende sider præsenterer og uddyber disse fire 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)
Antal årselever
(s. 27-32; s. 34)
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
•
Både institutionsbesøg og dataanalyser indikerer, at en høj andel undervisningstid reducerer løn til und. per årselev
•
Regressionsanalyserne har ikke identificeret disse sammenhænge. Samlet vurderes driverens effekt betydende og
uddybes i det følgende
─
─
Antal årselev per underviser
•
Flere årselever driver lavere lønomkostninger per årselev til både uddannelse og administration og ledelse. Det
understøttes af både dataanalyse og institutionsbesøg, men understøttes ikke af regressionsanalysen
•
Betydningen af årselever undersøges både på institutionsniveau og uddannelseskategoriniveau
•
Institutionsbesøg, dataanalyser og til dels regressioner peger på, at antallet af uddannelser har effekt for
institutionernes omkostninger. Institutionerne angiver, at det er omkostningstungt at udbyde mange uddannelser,
men dataanalyser og regressioner indikerer, at institutioner med mange udbudte uddannelser har lavere
lønomkostninger til undervisning per elev. Det kan skyldes, at stordriftsfordele på de største uddannelser opvejer
omkostningerne forbundet med et bredt uddannelsesudbud
•
Effekten af holdstørrelse vurderes pba. institutionsbesøg at være betydelig, men for erhvervsuddannelserne er
datapunkterne om holdstørrelse for få til at lave repræsentative analyser, da de ikke angives for 2011 og 2015
3
•
I stedet er konstrueret en proxy variabel for holdstørrelse (gns. årselever per uddannelse), da alle interviewede insti-
tutioner med EUD har peget på, at kritisk masse på den enkelte uddannelse er en central driver for lønomkostninger
•
Institutionsbesøg indikerer, at antal lokationer kan have en negativ effekt på løn til undervisning, men at det i højere
grad er bestemmende, hvor godt bygningsmassen er udnyttet. Observationerne er få, og hverken dataanalyser eller
regressioner viser nogen betydelig effekt af antal lokationer
•
Hverken dataanalyser eller regressionsanalyser har fundet tegn på, at socioøkonomi er betydende for
lønomkostninger per årselev på de tekniske skoler. Dog er det bemærket på institutionsbesøg ved sammenlignelige
arketyper (herunder gymnasier), at socioøkonomi kan være betydende for lønomkostninger per årselev
•
Analyserne har ikke identificeret systematiske forskelle på institutioner i hhv. by- og landkommuner ift.
lønomkostninger. Institutionsbesøg har dog indikeret, at områders særlige forhold (fx lærerudbud og
–konkurrence,
elevgrundlag og anciennitet blandt lærere) har betydning
Antal uddannelser
(s. 29)
Holdstørrelse
(s. 30-32)
─
─
─
─
─
─
─
Antal lokationer
Socioøkonomi
Begge
omk.
komp.
Geografi
(by/landkommune)
Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 14 observationer, men fx kun 7 observationer gns. holdstørrelse på tekniske hovedforløb), med omkostningsdriverne som uafhængige variable, og undervisnings- og adm.
lønomkostninger per årselev 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. 3) Effekten af holdstørrelse analyseres stadig for HTX. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
26
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0027.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen indikerer, at en større andel undervisningstid reducerer omkostninger til undervisning
per årselev for HTX
Antal årselever
•
Andel undervisningstid
Nedenstående grafer illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årselev for hhv. HTX, AMU og
erhvervsuddannelserne på de tekniske skoler
Figuren til venstre
indikerer, at lønomkostninger til undervisning per årselev er faldende ved en højere andel undervisningstid for HTX og AMU, hvilket ses på den
negative hældning af den grønne og den blå trendlinje på grafen nedenfor. For de tekniske erhvervsuddannelser (grundforløb og hovedforløb) er effekten
modsatrettet. For alle observationerne gælder det dog, at populationen er lille, hvilket gør, at få outliers kan have stor effekt
Analysen indikerer således for HTX og AMU, at institutioner, der bruger mere tid på undervisning, alt andet lige, har lavere lønomkostninger til undervisning per
årselev, da lærer/elev ratioen (dvs. omkostningskomponenten: ‘antal
årselever per underviser’)
herved mindskes
Det understøttes af institutionsbesøgene, hvor flere institutioner bemærker, at de aktivt arbejder med at andelen af lærernes arbejdstid, der anvendes på
undervisning. Denne styring foregår naturligt i sammenhæng med styring på holdstørrelse. Fx forsøger institutionerne at tage højde for kapacitetsudnyttelse af
lærerressourcer, herunder ved skemaplanlægning, samlæsning brug af læreressourcer på flere adresser mv.
–
alle sammen tiltag, der i sidste ende kan understøtte
en høj andel af tid anvendt på undervisning
Figuren til højre
viser, hvorvidt institutioner med mange årselever på den pågældende uddannelseskategori har højere undervisningsandele. Figuren indikerer, at
en sådan sammenhæng eksisterer for HTX, men er modsatrettet for tekniske erhvervsuddannelser. Spredningen er generelt stor for især erhvervsuddannelserne, og
der kan ikke siges noget endeligt om sammenhæng mellem undervisningstid og størrelse på uddannelseskategorier
Andel undervisningstid for HTX, AMU og EUD ift. årselever per udd.kat. (2017
1
)
Andel undervisningstid (%)
80
75
70
65
60
55
50
45
40
35
30
25
20
24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69 72 75 78
Andel undervisningstid (pct.)
0
500
1.000
1.500
2.000
2.500
3.000
3.500
Årselever per uddannelseskategori
HTX
AMU
Teknisk EUD
3
•
•
•
•
Andel undervisningstid for HTX, AMU og EUD ift. lønomk. per årselev (2017
1,2
)
Lønomkostninger til undervisning per årselev
100.000
HTX
AMU
Teknisk EUD
3
90.000
80.000
70.000
60.000
50.000
40.000
30.000
Note: 1) 2017 data er anvendt da andel undervisningstid ikke er tilgængelig for 2018. 2) HTX er justeret for en enkelt outlier, som lå markant under resten af populationen på omkostninger per årselev. 3) De
tekniske skoler indrapporter andel undervisningstid for ”tekniske EUD”, hvorfor kategorien ikke kan opdeles i hhv. grundforløb
og hovedforløb.
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
2195744_0028.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen indikerer, at lønomkostninger til undervisning per årselev er højere for små institutioner.
Effekten er særligt stor for HTX
Antal årselever
•
•
•
•
Figurerne nedenfor viser hhv.: 1) forholdet mellem lønomkostninger til undervisning per årselev og institutionsstørrelse, og 2) forholdet mellem lønomkostninger til
undervisning per årselev fordelt på de tekniske skolers tre største uddannelseskategorier (HTX, tekniske grundforløb og tekniske hovedforløb) og antallet af
årselever på uddannelseskategorien per institution
Figuren til venstre
indikerer, at store tekniske skoler gennemgående har lavere omkostninger til undervisning per årselev end mindre tekniske skoler. Særligt de
største tekniske skoler med over 2.800 årselever har lave omkostninger til undervisning per årselev sammenholdt med mindre skoler
Sammenhængen indikerer, at det er muligt at realisere stordriftsfordele på undervisningen på de tekniske skoler. Stordriften kan dog være drevet af flere faktorer,
herunder bl.a. koncentration af årselever på enkelte uddannelseskategorier og uddannelsesudbud, som vil påvirke antallet af årselever per udbudt uddannelse
Figuren til højre
indikerer, at lavere lønomkostninger per årselev især realiseres på HTX, om end tendensen også er gældende for erhvervsuddannelserne. For
HTX har institutioner med over 800 HTX årselever lønomkostninger til undervisning per årselev på ~50.000-55.000 kr., mens det tilsvarende interval for institutioner
med under 500 HTX årselever er ~55.000-75.000 kr. per årselev
Institutionsbesøgene har peget på, at det på tværs af de tre uddannelseskategorier generelt er en fordel at have mange årselever, da det giver bedre forudsætninger
for optimering af især holdstørrelser, hvor de store institutioner vil have mulighed for at drive mange hold med mange elever, hvilket driver den gennemsnitlige
lønomkostning per årselev ned. På erhvervsuddannelserne har institutionerne dog givet udtryk for, at stordriften i nogen grad afvejes at et større uddannelsesudbud.
Dette forhold undersøges på de kommende sider
Lønomk. til undervisning per udd.kat. ift. årselever per udd.kat. (2017-2018)
1,2
Lønomkostninger per årselev (tusinde kr.)
95
Tekniske skoler
80
75
70
65
60
55
90
HTX
Tekniske GF
Tekniske hovedforløb
•
Lønomkostninger til undervisning ift. størrelse på institutionen (2017-2018)
2
Lønomkostninger til undervisning per årselev (tusinde kr.)
85
85
80
75
70
65
60
55
50
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
45
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
Årselever per uddannelseskategori
Antal årselever
Note: 1) Figuren er justeret for en enkel institution, da omkostningerne til løn per årselev på tekniske hovedforløb lå betydeligt højere end resten af populationen, mens tekniske grundforløb lå tilsvarende lavere.
2) Tallene er et gennemsnit af institutionernes omkostninger per årselev og årselevantal for 2017 og 2018. 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
2195744_0029.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Store tekniske skoler udbyder flere uddannelser, og skoler med flere udbudte uddannelser har
lavere lønomkostninger til undervisning per årselev…
Antal årselever
•
Antal uddannelser
Figurerne nedenfor viser hhv., at store tekniske skoler gennemgående udbyder flere forskellige uddannelser end mindre tekniske skoler (figuren til venstre), og at
skoler med et stort uddannelsesudbud i gennemsnit har lavere lønomkostninger til undervisning per årselev end skoler med et smalt uddannelsesudbud (figuren til
højre)
Figuren til venstre
viser, at store tekniske skoler udbyder flere uddannelser end mindre tekniske skoler. Tekniske skoler med under 1.500 årselever udbyder
således i gns. 17 forskellige uddannelser, men tekniske skoler med over 1.500 årselever i gns. udbyder ~35 forskellige uddannelser. Data underbygges af
institutionsbesøgene, hvor de store tekniske skoler gav udtryk for, at deres størrelse tillader dem at have et bredere uddannelsesudbud
Figuren til højre
viser, at tekniske skoler med et bredt uddannelsesudbud (de store skoler) gennemgående har lavere lønomkostninger per årselev end skoler med
et smalt uddannelsesudbud på trods af, det kan være omkostningstungt at opretholde et bredt uddannelsesudbud. Det indikerer, at de store tekniske skoler kan
realisere stordriftsfordele, som er mere betydelige end meromkostningerne forbundet med et bredt uddannelsesudbud
Det kan skyldes, at de store tekniske skoler har mange elever koncentreret på deres største uddannelser (grundforløb, visse hovedforløb og HTX), som understøtter
stordrift. Denne driver undersøges på de følgende sider
Omkostninger per årselev ift. antal uddannelser på institutionen (2018)
1
•
•
•
Antal udbudte uddannelser ift. størrelse på institutionen (2018)
1
Antal udbudte uddannelser
50
Tekniske skoler
Lønomkostninger til undervisning per årselev (tusinde kr.)
76
74
72
70
68
Tekniske skoler
45
40
35
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
Antal årselever
Note: 1) En institution udgør en stor outlier på lønomkostninger per årselev og er derfor taget ud
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
66
64
62
60
58
0
5
10
15
20
25
30
35
40
45
50
Antal udbudte uddannelser
29
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0030.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
… hvilket skyldes, at store tekniske skoler har flere årselever per uddannelse, som driver lavere
lønomkostninger til undervisning per årselev
Antal årselever
•
•
•
•
Holdstørrelse
Figurerne nedenfor viser sammenhængen mellem hhv. gns. årselever per uddannelse og institutionsstørrelse (figuren til venstre) og lønomkostninger til undervisning
per årselev og gns. årselever per uddannelse (figuren til højre). Figurerne undersøger således, om der kan findes indikationer på, at store institutioner har flere
årselever per uddannelse, og hvorvidt det kan drive lavere lønomkostninger til undervisning
Det skal noteres, at antallet af årselever på enkelte uddannelser vil være begrænset af kvoter for, hvor mange årselever institutionerne må optage på de pågældende
uddannelser
Figuren til venstre
viser en positiv sammenhæng mellem institutionsstørrelse og gns. årselever per uddannelse. Det betyder, at de store tekniske skoler
–
på trods
af et større uddannelsesudbud
–
gennemsnitligt har flere årselever på deres uddannelser
Figuren til højre
viser, at højere gennemsnitlige årselevantal per uddannelse driver lønomkostningerne til undervisning per årselev ned. Det er intuitivt, da flere
årselever per uddannelse understøtter større hold og dermed mere effektiv udnyttelse af lærerressourcer
Institutionsbesøgene indikerer, at det er enkelte uddannelser med stor elevaktivitet, som kan drive stordrift på institutionerne og trække den gennemsnitlige
lønomkostning til undervisning per årselev ned
De følgende to sider vil undersøge betydningen af holdstørrelse for hhv. HTX og erhvervsuddannelserne. Analysen af HTX baseres på holdstørrelserne, som
institutionerne har angivet i spørgeskemaet, mens erhvervsuddannelserne analyseres ved at sætte årselever per uddannelse ift. lønomk. til undervisning per årselev
Omkostninger per årselev ift. gns. elever per uddannelse (2018)
1
•
•
Omkostninger per årselev ift. gns. elever per uddannelse (2018)
Gns. årselever per uddannelse
180
160
140
120
100
Tekniske skoler
Lønomk. til undervisning per årselev (tusinde kr.)
76
74
72
70
68
66
Tekniske skoler
80
60
40
20
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
Antal årselever
Note: 1) En enkelt institution udgør en stor outlier på lønomkostninger per årselev og er derfor taget ud
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
64
62
60
58
30
40
50
60
70
80
90 100 110 120 130 140 150 160 170 180
Gns. årselever per uddannelse
30
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0031.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Større hold reducerer omkostninger til undervisning per årselev for HTX. Det er nemmere for store
institutioner med mange HTX årselever
Antal årselever
•
•
Holdstørrelse
Graferne nedenfor viser sammenhængen mellem: i) omkostninger til undervisning per HTX årselev og gns. holdstørrelse, og 2) gns. holdstørrelse og HTX årselever
for de tekniske skoler
1
Figuren til venstre
indikerer, at løn. til undervisning per årselev er faldende ved større gennemsnitlige holdstørrelser for HTX, hvilket ses på den negative hældning
af trendlinjen. Analysen indikerer således, at institutioner, der har større gennemsnitlige holdstørrelser på HTX, alt andet lige, har lavere lønomkostninger til
undervisning per årselev, da lærer/elev ratioen (dvs. omkostningskomponenten: ‘antal
årselever 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 (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
Derudover har store institutioner også mulighed for at bruge deres lærerressourcer mere fleksibelt end små tekniske skoler, eksempelvis ved at lade lærere
undervise på tværs af flere HTX gymnasier indenfor institutionen, hvilket reducerer behovet for timeansættelser og understøtter fuld udnyttelse af lærerressourcerne
Figuren til højre
indikerer, at større institutioner kan have lavere omkostninger til undervisning på HTX grundet bedre muligheder for tilpasning af holdstørrelse. Dvs.
at antallet af årselever per uddannelseskategori er medvirkende til, at holdstørrelser kan optimeres, og lønomkostninger per årselev følgelig kan sænkes
•
•
•
Omk. til undervisning per årselev ift. gns. holdstørrelse (2011, 2015 og 2018)
1,2
Omkostninger til undervisning per årselev
74.000
72.000
70.000
68.000
66.000
64.000
62.000
60.000
58.000
56.000
54.000
52.000
12
15
18
21
24
27
30
33
HTX
Gns. holdstørrelse ift. institutionsstørrelse (2011, 2015 og 2018)
1
Gns. holdstørrelse
35
HTX
30
25
20
15
10
0
200
400
600
800
1.000
1.200
1.400
Gns. holdstørrelse
Årselever per uddannelseskategori
Note: 1) Data er baseret på indsamlede spørgeskemaer, derfor er data kun tilgængelig for de udvalgte år. Besvarelserne for tekniske hoved- og grundforløb er få, hvorfor der ikke kan analyseres validt vha. de
angivne holdstørrelser, 2) En enkelt institution udgør en stor outlier på lønomkostninger per årselev og er derfor taget ud. 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
2195744_0032.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Flere erhvervsuddannelser med 15+ årselever reducerer kun i begrænset grad lønomkostninger til
undervisning
Antal årselever
•
•
•
•
Holdstørrelse
Grafen nedenfor viser forholdet mellem lønomkostninger til undervisning per årselev og institutionernes procentvise andel erhvervsuddannelser med mindst 15
årselever. 15 årselever er valgt som grænseværdi, da det på institutionsbesøgene er blevet nævnt som et
estimat
for, hvornår en erhvervsuddannelse kan drives
økonomisk bæredygtigt isoleret set. Det skal dog noteres, at det kan svinge meget fra uddannelse til uddannelse
Overordnet ses det, at der variation i, hvor mange erhvervsuddannelser med mindst 15 årselever, de tekniske skoler udbyder. To institutioner har kun 15+ årselever
på 25-35 pct. af deres erhvervsuddannelser, mens to institutioner har andele på 100 pct. Langt størstedelen af institutionerne ligger dog i intervallet 60-~85 pct. andel
erhvervsuddannelser med 15+ årselever
Figuren indikerer, at der, set isoleret på lønomkostninger til undervisning per årselev, ikke er nogen markant effekt af at have en stor andel erhvervsuddannelser med
15+ årselever på uddannelsen, om end der indikeres en lille positiv effekt
Side 46 undersøger, om fordelene med kritisk masse på uddannelserne i stedet slår igennem på øvrig drift (fx indkøb af undervisningsmaterialer)
Lønomkostninger til undervisning ift. andel uddannelser med 15+ årselever (2017-2018)
1
Lønomk. til undervisning per årselev (tusinde kr.)
85
80
75
Str. på bolden indikerer institutionsstørrelse for de tekniske skoler
70
65
60
55
50
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
Andel uddannelser med 15+ årselever (%)
Note: 1) Tallene er et gennemsnit af institutionernes omkostninger per årselev og årselevantal for 2017 og 2018.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
32
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0033.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)
På de næste sider præsenteres analysen af antal årselever samt socioøkonomi 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
33
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0034.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Der er en meget begrænset sammenhæng mellem lønomkostninger til administration og ledelse
per årselev og institutionsstørrelse
Antal årselever
•
Grafen nedenfor viser sammenhængen mellem institutionsstørrelse og lønomkostninger til administration per årselev. For hele populationen af tekniske skoler ses
det, at de store skoler har lavere omkostninger til administration per årselev end små skoler (den grønne linje). Tendensen er dog præget af en mindre institution,
som har meget høje lønomkostninger til administration per årselev (øverste venstre hjørne af figuren). Tages outlieren ud af analysen er effekten betydeligt mindre
(den mørkegrå linje)
Grunden til, at lønomkostningerne til administration ikke er mindre for store institutioner, når der justeres for outliers, kan være, at større institutioner ansætter flere
højtlønnede medarbejdere i ledelse og administration, som skal hjælpe med at realisere stordriftsfordele i andre dele af institutionernes drift. På den måde kan den
positive effekt af, at visse funktioner servicerer flere årselever på de store institutioner (fx direktøren) blive opvejet af, at de store skoler i højere grad prioriterer at
have kapaciteter ansat, som kan hjælpe med at professionalisere og realisere stordriftsfordele indenfor områder som fx undervisningens tilrettelæggelse og indkøb
Stordriftsfordelene på løn til undervisning (se side 28) og omkostninger til øvrig drift (se side 45) kan indikere, at de stordriftsfordele, som ikke bliver realiseret på
lønomkostninger til administration per årselev, i stedet realiseres andre steder i institutionernes drift
•
•
Lønomkostninger til administration og ledelse per årselev på tværs af institutionsstørrelse (2017-2018)
1,2
Lønomkostninger til administration per årselev (tusinde kr.)
22
20
18
16
14
12
10
8
6
4
2
Inklusiv outlier
Eksklusiv outlier
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
4.400
4.600
Antal årselever
Note: 1) Omkostninger pr. årselev er opgjort ekskl. omkostninger til kostafdelinger mhp. at sikre det bedst mulige sammenligningsgrundlag. Dog indebærer inkonsistent konteringspraksis, at der potentielt stadig
kan indgå omkostninger til kostafdelinger, som ikke er konteret som sådan.
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
2195744_0035.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
35
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0036.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 årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra eksperter ved 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 årselever, 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
årselev
Serviceniveau
Låneforhold
Renter
Finansielle
poster
Afskrivninger
Forsyningsbehov
Antal lokationer
Antal årselever
Antal kvm. per årselev
Lokalestørrelse gnm.
kvm.
Uddannelsesmix
Antal lokaler
Andel undervisnings
kvm.
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
2195744_0037.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Bygningsomkostninger per årselev varierer med 154 pct., hvilket skyldes store variationer i
kvadratmeterpriser samt antal kvadratmeter per årselev
•
•
•
Graferne nedenfor indikerer, at forskelle i bygningsomkostninger både kan tilskrives kvadratmeterpriser og antal kvadratmeter per årselev, da begge
omkostningskomponenter er kendetegnet ved store variationer
Af opgørelsen fremgår en betydelig variation i bygningsomkostninger på 154 pct., som skyldes markante variationer i kvadratmeterpriser samt antal kvadratmeter per
årselev. Variationen i de to omkostningskomponenter indikerer, at begge omkostningskomponenter er primære drivere af variationen i bygningsomkostninger per
årselev
Graferne viser en begrænset systematik i omkostningskomponenterne ift. de totale bygningsomkostninger per årselev, dvs. der er store udsving på tværs af
institutionerne, og disse udsving er ikke rangeret ift. tendensen på de totale byg.omk. per årselev. Det indikerer, at bygningsomkostningerne er kendetegnet ved en
række institutionsspecifikke forhold, herunder de økonomiske omstændigheder for overdragelse af bygninger iftm. overgang til selveje, lokale ejendomsmarkeder
samt strategiske valg på institutionerne
På følgende sider fokuseres på de omkostningsdrivere, der virker gennem de to omkostningskomponenter. Driverne præsenteres på næste side
•
Bygningsomkostninger per årselev, bygningsomkostninger per kvm og antal kvm per årselev (2017)
1,2,3
Bygningsomkostninger per årselev
(2017, tusinde kr.)
26
25
21
254
518
465
1.177
806
+154%
600
723
499
618
273
394
837
456
25
23
39
26
32
27
52
24
34
33
41
42
Bygningsomkostninger per kvm
(2017, kr.)
899
Antal kvadratmeter per årselev
(2017)
30
98
20
20
20
18
18
17
16
14
14
12
10
Note: 1) 2017 data er benyttet pga. datatilgængelighed (SparEnergi-databasen). 2) Omkostningerne er opgjort ekskl. omkostninger til kostafdelinger mhp. sammenlignelighed mellem institutioner. Det har ikke været muligt at korrigere antal kvadratmeter relateret
til kostafdelinger, og omkostningerne pr. kvadratmeter er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. 3) Bygningsomkostningerne pr. årselev er
opgjort som gns. af institutioner, hvorfor opgørelsen afviger fra bygningsomkostninger pr. kvm. multipliceret med kvadratmeter pr. årselev. Kilde: Analysens datamodel; Institutionsbesøg.
Ø 18
Ø 608
Ø 38
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
2195744_0038.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 årselev for de tekniske skoler. 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), institutionsbesøg 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 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
Analyserne indikerer samlet set, at særligt i) geografi og ii) antal årselever er betydende omkostningsdrivere for bygningsomkostninger per årselev
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.
Omkostningsdrivere
Indikationer på effekt af omkostningsdriveren
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
Geografi
(by/landkommune)
(s. 41)
─
•
Analyserne indikerer at institutioner i bykommuner har betydeligt højere bygningsomkostninger per årselev
•
Sammenhængen understøttes af såvel dataanalyserne og institutionsbesøgene, men ikke af regressionerne
(ingen statistisk signifikans)
•
Institutionsbesøgene indikerer, at lejede kvm typisk er dyrere end ejede kvm
Kvm.
priser
Andel lejede kvm
─
─
─
─
─
─
•
Dataanalyser og regressioner har dog ikke identificeret en effekt af andelen af lejede kvm på bygningsomkostninger
per årselev, hvilket dog kan skyldes lav variation og få observationer
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Antal kvadratmeter per årselev
Andel undervisnings
kvm
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at andelen af
undervisningskvadratmeter har en effekt på bygningsomkostninger per årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Flere årselever driver ikke umiddelbart lavere bygningsomkostninger per årselev
Antal årselever
(s. 39-40)
•
Den manglende sammenhæng dækker dog over modsatrettede effekter, hvor store institutioner har højere
bygningsomkostninger per kvadratmeter (bl.a. fordi disse oftere ligger i byerne) men samtidig har færre kvadratmeter
per årselev
•
Kontrolleret for antal kvm per årselev har institutionsstørrelse derfor en betydning, og uddybes i de følgende sider
Antal lokationer
─
─
•
Hverken dataanalyser eller regressioner indikerer, at antal lokationer har en effekt på bygningsomkostninger per
årselev. Den manglende effekt kan skyldes et meget smalt datagrundlag på antal lokationer
•
Omkostningsdriveren præsenteres derfor yderligere i de følgende sider
Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 14 observationer, men fx kun 7 observationer for antal lokationer), med omkostningsdriverne som uafhængige variable, og undervisnings- og adm.
lønomkostninger per årselev 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.
38
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0039.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Der er ikke identificeret stordriftsfordele på bygningsomkostninger…
Antal årselever
•
•
•
•
•
•
Nedenfor ses en opgørelse over sammenhængen mellem omkostninger til bygningsdrift og institutionsstørrelse. Opgørelsen har til formål at belyse eventuelle
stordriftsfordele på bygninger
Opgørelsen viser ikke tegn på, at der er sammenhæng mellem omkostninger til bygningsdrift og antallet af årselever. Derfor kan det ikke umiddelbart siges, at der er
stordriftsfordele på bygningsomkostninger blandt de tekniske skoler
Det tyder derfor på, at bygningsomkostninger afhænger af institutionsspecifikke forhold
Institutionsbesøgende understøtter, at en række forhold med stor betydning for institutionernes bygningsomkostninger er institutionsspecifikke og ikke kan tilskrives
strukturelle forhold 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. Grafen nedenfor
indikerer, at der for populationen er en udlignende effekt mellem de to drivere
Derudover kan institutionernes uddannelsesudbud også påvirke niveauet for bygningsomkostningerne, da nogle uddannelser sætter større krav til bygningsfaciliteter
end andre (fx tømrer og struktør uddannelser)
Endeligt har også det konkrete ejendomsmarked i nærområdet betydning, dvs. den geografiske placering af institutionens bygninger, hvilket uddybes på følgende
sider
Omkostninger til bygningsdrift per årselev på tværs af institutionsstørrelse (2017-2018)
1,2
Bygningomkostninger per årselev
Tekniske skoler
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
Årselever
Note: 1) Bygningsomkostningerne per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til bygningsdrift. 2) Tallene er et
gennemsnit af omkostninger til bygningsdrift per årselev og årselevantal for hhv. 2017 og 2018. Kilde: Analysens datamodel
STRUENSEE & CO.
39
2.500
3.000
3.500
4.000
4.500
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0040.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
… hvilket skyldes, at større institutioner har højere bygningsomkostninger per kvadratmeter men
samtidig flere elever per kvadratmeter
Antal årselever
•
Graferne nedenfor illustrerer, at sammenhængen mellem bygningsomkostninger per årselev og antal årselever (grafen til venstre) samt kvm. per årselever og antal
årselever (grafen til højre) er drevet af modsatrettede tendenser
Graferne indikerer, at bygningsomkostningerne per årselev er højere for institutioner med mange årselever (store institutioner) og samtidig identificeres, at store
institutioner har færre kvm. per årselev
Dermed viser figurerne, at store institutioner både har højere bygningsomkostninger per årselev, men også færre kvm. per årselev, hvorfor der ikke er en
sammenhæng mellem institutionsstørrelse (antal årselever) og bygningsomkostninger per årselev
Dertil følger, at hvis store og små institutioner havde tilsvarende kvm. per årselev, ville institutioner med mange årselever (store institutioner) følgelig have lavere
bygningsomkostninger per kvm.
De store institutioners højere bygningsomkostninger per kvm. drives formentlig af, at de er placeret i store byer med høje ejendomspriser (København, Aarhus,
Odense, etc.)
Kvm. per årselev på tværs af institutionsstørrelse (2015-2017)
1,2,3
Kvadratmeter per årselev
55
50
1.000
900
800
700
600
500
400
300
200
0
500
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000
35
30
45
40
Tekniske skoler
•
•
•
•
Bygningsomk. per kvm på tværs af institutionsstørrelse (2015-2017)
1,2
Bygningsomkostninger per kvm
1.200
1.100
Tekniske skoler
25
20
0
500
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000
Antal årselever
Antal årselever
Note: 1) Omkostningerne er opgjort ekskl. omkostninger til kostafdelinger mhp. sammenlignelighed mellem institutioner. Det har ikke været muligt at korrigere antal kvadratmeter relateret til kostafdelinger, og omkostningerne pr. kvadratmeter
er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. 2) Tallene er et gennemsnit af omkostninger til bygningsdrift per årselev og
årselevantal for 2015-2017. 3) Figuren er justeret for data for en enkel institution, som har betydeligt flere kvadratmeter per årselev end resten af populationen. 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
2195744_0041.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Institutioner på landet er typisk både små og har lave bygningsomkostninger per årselev
Geografi
•
•
•
Graferne nedenfor viser hhv. bygningsomkostninger per. kvm. og årselever (grafen til venstre) og husleje per årselev ift. antal årselever (grafen til højre)
I graferne er institutionerne geografisk opdelt afhængigt af, om de er placeret i en by- by/land- eller en landkommune
1
Figuren til venstre
viser en svag sammenhæng mellem institutionsstørrelse og bygningsomkostninger per kvm. Derudover ses det, at rene land- og by-institutioner
gennemgående er mindre end institutioner, som både dækker by- og landkommuner. De rene land-institutioner har betydeligt lavere bygningsomkostninger per kvm.
(~400 kr. per kvm.) end de rene by-institutioner (~750 kr. per kvm.). Tendensen er formentligt drevet af, at det generelt er billigere både at købe og leje bygninger for
land-institutioner. For land-institutionerne skal det dog bemærkes, at populationen er begrænset for tekniske skoler, hvilket gør tolkningen af figuren usikker
Figuren til højre
viser, at store tekniske skoler gennemgående har højere huslejeomkostninger end mindre tekniske skoler og at land-institutionerne alle har relativt
lave huslejeomkostninger per årselev. At huslejeomkostningerne per årselev er højere for store institutioner indikerer, at de store institutioner i højere grad end små
institutioner lejer bygninger, eksempelvis til at imødekomme fluktuerende elevtal, mens mindre institutioner (både by- og land-institutioner) typisk ejer størstedelen af
deres bygningsmasse, hvilket kan gøre det svært at justere bygningsomkostninger til skiftende elevtal
Husleje per årselev på tværs af institutionsstørrelse for institutioner i by-,
by/land- og landkommuner (
2015-2017)1,3
Land
•
Bygningsomk. per kvm på tværs af institutionsstørrelse for institutioner i
by-, by/land og landkommuner (2015-2017)
1,2,3
Bygningsomkostninger per kvm
1.200
1.100
1.000
900
800
700
600
500
400
300
200
Institutioner i
landkommuner er
typisk mindre og
billigere på
bygningsomkostninger
By
Land/by
Husleje per årselev
5.000
4.500
4.000
3.500
3.000
2.500
2.000
1.500
1.000
500
0
By
Land/by
Land
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0
500
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000
Antal årselever
Antal årselever
Note: 1) Opdeling i by- og landkommune baseret på Danmarks 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’. Institutioner, som har afdelinger i både by- og landkommuner, kategoriseres som ”by/land”. 2) Omkostningerne
er opgjort ekskl. omkostninger til kostafdelinger mhp. sammenlignelighed mellem institutioner. Det har ikke
været muligt at korrigere antal kvadratmeter relateret til kostafdelinger, og omkostningerne pr. kvadratmeter er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre
omkostninger inkl. kostafdelinger. 3) Tallene er et gennemsnit af omkostninger til bygningsdrift per årselev og årselevantal for 2015-2017. 4) En enkel institution, der som udgangspunkt ligger i en land kommune, kategoriseres som en by-
institution, da institutionen har underafdelingerne i den sydlige del af Århus Kommune. Institutionen har dog overvejende karakteristika som land-institution. Kilde: Analysens datamodel; Danmarks Statistik, 2018
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
2195744_0042.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
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
2195744_0043.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Større institutioner har lavere omkostninger til øvrig drift per årselev
Antal årselever
•
Grafen nedenfor viser, at omkostningerne til øvrig drift per årselev er lavere for store tekniske skoler end for små tekniske skoler, hvilket illustreres ved den negative
hældning på trendlinjen.
Samtlige institutioner med over 1.200 årselever har omkostninger til øvrig drift på under 30.000 kr. per årselev, mens det tilsvarende tal for mindre institutioner med
under 1.200 årselever er på ~30.000-40.000 kr.
Forskellen i omkostninger til øvrig drift per årselev mellem store og små tekniske skoler kan skyldes flere ting, herunder bl.a.: i) at store institutioner køber ind i større
mængder, hvilket kan bringe enhedsomkostningen per indkøbt varer ned, ii) at store tekniske skoler qua deres store volumen kan forhandle deres leverandørers
priser længere ned, og iii) at store tekniske skoler muligvis investerer mere i specialiserede medarbejdere med ekspertise indenfor eksempelvis indkøb, som sørger
for mere professionaliserede og effektive processer
Øvrig drift udgør generelt en stor andel af de tekniske skolers omkostninger sammenlignet med institutionstyper med mere teoriundervisning (fx gymnasier og
VUC’er).
Det skyldes, at de tekniske skoler udbyder mange uddannelser, som er omkostningstunge pga. indkøb af specialiserede undervisningsmaterialer. Således
bruger de tekniske skoler fx i gns. 12.000 kr. per årselev på indkøb af varer til forbrug, mens det tilsvarende gennemsnit for et mellemstort gymnasium er ~3.000 kr.
•
•
•
Omkostninger til øvrig drift per årselev på tværs af institutionsstørrelse (2017-2018)
1,2
Omkostninger til øvrig drift per årselev (tusinde kr.)
45.000
40.000
35.000
30.000
25.000
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 4.400 4.600 4.800 5.000
Antal årselever
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) Tallene er et gennemsnit af omkostninger til
øvrig drift per årselev og årselevantal for hhv. 2017 og 2018. 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
2195744_0044.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Stordriften på øvrig drift gør sig især gældende for tekniske hovedforløb og tekniske grundforløb
Antal årselever
•
•
•
•
•
Figuren nedenfor viser, omkostningerne til øvrig drift per årselev fordelt på de tekniske skolers tre største uddannelseskategorier (HTX, tekniske grundforløb og
tekniske hovedforløb). Det ses, at tekniske hovedforløb i gennemsnit har de højeste omkostninger til øvrig drift per årselev (ca. 25.000 kr.), mens tekniske
grundforløb og HTX ligger en del lavere (hhv. ca. 15.000 kr. per årselev og ca. 8.000 kr. per årselev)
Det er forventeligt, at omkostningerne til øvrig drift per årselev er højest for de tekniske hovedforløb, da andelen af teoriundervisningen er lavere for dem, end de er
for tekniske grundforløb og HTX
Figuren indikerer, at stordriften på øvrig drift er særligt udtalt på de tekniske skolers erhvervsuddannelser. Det kan ses på hældningen af den røde og blå trendlinje,
som er tydeligt stejlere end den grønne HTX linje. På tværs af tekniske grund- og hovedforløb har store tekniske skoler således lavere gennemsnitlige omkostninger
til øvrig drift per årselev end små tekniske skoler, mens tendensen er mindre udtalt på HTX
Det er især på eksempelvis indkøb af undervisningsmaterialer til erhvervsuddannelserne, at de store tekniske skoler kan realisere stordriften, hvilket bl.a. kan
skyldes de tre forhold listet på forrige side
Næste side undersøger sammenhængen mellem kritisk masse på den enkelte uddannelse og omkostninger til øvrig drift per årselev for erhvervsuddannelserne
(tekniske grundforløb og tekniske hovedforløb)
Omkostninger til øvrig drift per årselev ift. årselever per uddannelseskategori (2017-2018)
1,2,3
Omkostninger til øvrig drift per årselev (tusinde kr.)
50
HTX
4
Tekniske GF
Tekniske HF
45
40
35
30
25
20
15
10
5
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
Årselever per uddannelseskategori
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) Tallene er et gennemsnit af omkostninger til
øvrig drift per årselev og årselevantal for hhv. 2017 og 2018. 3) Gennemsnittene matcher ikke med forrige side, da en relativt stor del af institutionernes omkostninger til øvrig drift ikke konteres på uddannelser. 4) HTX er justeret for en enkel
institution, som ligger markant over resten af populationen på omk. til øvrig drift per årselev på HTX. Kilde: Analysens datamodel
STRUENSEE & CO.
44
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0045.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Flere erhvervsuddannelser med 15+ årselever reducerer omkostninger til øvrig drift per årselev
Holdstørrelse
•
•
Grafen nedenfor viser forholdet mellem omkostninger til øvrig drift per årselev og institutionernes procentvise andel erhvervsuddannelser med mindst 15 årselever.
15 årselever er valgt som grænseværdi, da det på institutionsbesøgene er blevet nævnt som et
estimat
for, hvornår en erhvervsuddannelse kan drives økonomisk
bæredygtigt isoleret set. Det skal dog noteres, at det kan svinge meget fra uddannelse til uddannelse
Overordnet ses det, at der variation i, hvor mange erhvervsuddannelser med mindst 15 årselever, de tekniske skoler udbyder. To institutioner har kun 15+ årselever
på 20-35 pct. af deres erhvervsuddannelser, mens to institutioner har andele på 100 pct. Langt størstedelen af institutionerne ligger dog i intervallet 60-~80 pct. andel
erhvervsuddannelser med 15+ årselever
Figuren indikerer en forholdsvis markant sammenhæng mellem andel erhvervsuddannelser med 15+ årselever og omkostninger til øvrig drift per årselev. Figuren
supporterer dermed observationerne fra forrige side, som indikerede, at masse på uddannelserne har betydning for institutionernes omkostninger til øvrig drift
Effekten observeret i figuren nedenfor kan skyldes, at mange erhvervsuddannelser - uanset antal årselever på den pågældende uddannelse
–
sætter minimumskrav
til eksempelvis udstyr og maskinel, som kan være dyrt at købe ind. For tekniske skoler med en høj andel af erhvervsuddannelser med 15+ årselever vil
omkostningerne forbundet med indkøbene være spredt ud på flere elever, hvilket reducerer omkostningen per elev
Figuren bekræfter dermed tesen fremført på institutionsbesøgene om, at det er afgørende at have kritisk masse på de enkelte uddannelser
•
•
•
Omkostninger til øvrig drift ift. andel uddannelser med 15+ elever (2017-2018)
1,2
Omkostninger til øvrig drift per årselev (tusinde kr.)
35
Str. på bolden angiver institutionsstørrelse
30
25
20
15
10
5
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
Andel erhvervsuddannelser med 15+ årselever
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) Tallene er et gennemsnit af omkostninger til
øvrig drift per årselev og årselevantal for hhv. 2017 og 2018. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
45
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0046.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der er stor forskel på institutionernes sammensætning af øvrige driftsomkostninger
•
Figuren nedenfor viser en oversigt over øvrige driftsomkostninger per årselev på tværs af de 14 tekniske skoler. Øvrige driftsomkostninger er opdelt i køb af varer til
forbrug (undervisningsmaterialer, småanskaffelser, elevaktiviteter og køb af øvrige varer), køb af tjenesteydelser ekskl. IT (kurser, administrative fællesskaber
rådgivning og køb af øvrige tjenesteydelser), reparation og vedligehold ekskl. bygninger, afskrivninger ekskl. bygninger samt øvrige driftsomkostninger inkl.
omkostninger til IT
Figuren viser en variation på ~57 pct. mellem institutioner ift. omkostninger til øvrig drift per årselev
Samtidigt viser figuren, at der er stor forskel på sammensætningen af øvrige driftsomkostninger på tværs af institutionerne. Den største post er således for de fleste
institutioner køb af varer til forbrug, om end denne varierer fra 18 pct. til 57 pct. på tværs af institutionerne
•
•
Omkostninger til øvrig drift per årselev per institution (tusinde kr.), 2018
1,2
Køb af varer til forbrug
Køb af tjenesteydelser (ex IT)
Rep. og vedligehold (ex. byg)
+57%
41
37
31%
25%
36
Afskrivninger (ex byg.)
Øvrige driftsomkostninger
35
35
31
30
28
28
18%
40%
36%
38%
40%
28
28
28
28
26
27%
36%
21%
37%
13%
3%
38%
25%
19%
17%
31%
16%
4%
57%
37%
37%
39%
23%
27%
6%
9%
1%
19%
5%
29%
4%
32%
25%
3%
58%
15%
5%
29%
6%
26%
30%
6%
6%
22%
41%
4%
4%
10%
49%
23%
2%
19%
39%
24%
28%
29%
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) 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. Kilde: Analysens datamodel
STRUENSEE & CO.
46
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0047.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
47
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0048.png
Analysen identificerer en række forhold, der påvirker tekniske skolers tilpasningsbehov og
tilpasningsevne
•
•
Nedenfor præsenteres de overordnede konklusioner for delanalyse 4 (kapitel 5)
Det bemærkes, at udfordringerne sfa. tilpasningsbehovet, beskrevet i boksen nederst, 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.
4.2
Tilpasningsbehov (s. 52)
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 tekniske skoler, der har faldende indtægter et givent år, oplever i
gennemsnit et indtægtsfald på knap 5 pct. pr. år ift. det foregående år i
perioden 2012-2018
Størrelsen på de gennemsnitlige indtægtsfald har været stigende fra
2014 frem mod 2017, hvor indtægtsfaldene i gennemsnit var på ca. 6
pct. ift. året før. Det er en betydelig ændring fra ét år til det næste
Ligeledes er antallet af tekniske skoler, der oplever indtægtsfald ift. året
før steget frem mod 2017, hvor 12 ud af 14 tekniske skoler oplevede et
fald i indtægterne ift. 2016
4.3
Tilpasningsevne (s. 54-62)
Faste omkostninger og omkostninger med lang bindingstid svækker
tilpasningsevnen
•
Jo færre omkostninger institutionerne har, 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), desto nemmere
er det for institutionerne at tilpasse økonomien
Analysen peger på, at ca. 54 pct. af tekniske skolers omkostninger har
høj grad af aktivitetsafhængighed. Ligeledes viser beregninger, at ca. 87
pct. af omkostningerne skønnes at have en bindingsperiode 0-10 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
•
•
•
•
4.4
Tilpasningsudfordringer (s. 64)
Analysen viser, at de tekniske skoler, der har det størst tilpasningsbehov og den laveste tilpasningsevne, er kendetegnet ved:
•
•
Flere årselever:
De udfordrede tekniske skoler har generelt flere årselever
(i gennemsnit 2.400) end de tekniske skoler, som bedre kan tilpasse sig (i
gennemsnit 900)
Det skyldes, at skolerne med en tilpasningsevne over gennemsnittet bl.a.:
i) har en relativt høj andel personale med begrænset anciennitet, og ii) har
en stor andel af øvrige driftsomkostninger med kort binding. Sidstnævnte
udgøres typisk af indkøb af småanskaffelser, undervisningsmaterialer og
fødevarer
•
•
Geografiske fordeling:
Analysen indikerer ikke, at de tekniske skolers
tilpasningsudfordringer er direkte påvirket af geografisk placering
Derimod findes det, at højere bygningsomkostninger, drevet af
eksempelvis geografisk placering på dyre lokationer eller et stort behov
for bygningsmasse, øger de tekniske skolers andel af faste
omkostninger, som ikke kan påvirkes indenfor en etårig horisont
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
2195744_0049.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstruktur
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
2195744_0050.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
50
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
2195744_0051.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
51
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0052.png
4.2. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSBEHOV
Når de tekniske skoler oplever et fald i indtægter, er det gennemsnitligt på 5 pct., hvilket skaber et
tilpasningsbehov på institutionerne
•
Grafen nedenfor illustrerer omfanget af indtægtsfald, som de tekniske skoler i gennemsnit oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt en institution
oplever et fald i indtægter, så vil det fald gennemsnitligt være på 2,1-7,4 pct. ift. året før. Fx oplever institutioner med et indtægtsfald i 2018 gennemsnitligt et fald på
5,4 pct. ift. året før (2017). Grafen tolkes altså som den gennemsnitlige marginale ændring i indtægter fra et år til det næste for de institutioner, som netop det år har
oplevet et indtægtsfald
1
Under grafen er antallet af tekniske skoler med indtægtsfald opgjort. Således var der i 2013 kun 3 ud af 14 tekniske skoler, der oplevede et indtægtsfald ift. året før,
mens der i 2017 var 12 ud af 14 tekniske skoler med indtægtsfald ift. året før. I gennemsnit oplevede 9 ud af 14 tekniske skoler indtægtsfald hvert år over perioden
Betydelige årlige ændringer i de samlede indtægter skaber et behov for at tilpasse omkostningerne til den nye situation. Størrelsesordenen af grafen (dvs. op til 7,4
pct. og et gennemsnit på ~5 pct.) indikerer, at de tekniske skoler jævnligt over de sidste syv år har oplevet betydelige tilpasningsbehov, der kræver en ikke ubetydelig
reduktion af omkostninger
Ændringer fra år til år
•
7,4
2
•
•
Gennemsnitlig ændring i indtægter ift. året før (pct.)
Gennemsnitlig pct.
fald ift. året før
8
7
6
5
Indtægts-
fald (pct.)
4
3
2
2,1
4,2
4,2
5,4
5,5
5,4
3
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 kan
som regel i nogen grad forudsiges, 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 langt og kort sigt. På længere sigt er
der en urbaniseringstendens, hvor de unge i stigende
grad søger mod institutioner i de større byer. Men
institutionerne oplever også ændringer i søgemønstrene
på kort sigt fra år til år, hvilket gør det svært at forudsige
elevtallet for det kommende skoleår. Det sker især i
områder med stor konkurrence mellem institutioner
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 årselev
De fleste tekniske oplever ændringer i elevtallet
hvert år, i opad- eller nedadgående retning, hvilket
påvirker deres indtægter. Det skyldes, at
taxametersystemet er overvejende
aktivitetsafhængigt
•
Der er stor forskel på de driftsmæssige og
4,9
organisatoriske udfordringer, som hhv. en stigning
og et fald i indtægterne medfører. Analysen
fokuserer særskilt på institutioner, der oplever
fald
i
indtægter
•
De tekniske skoler, der har faldende indtægter et
givent år, oplever i gennemsnit (vægtet) et
indtægtsfald på 2,1-7,4 pct. i perioden 2012-2018
Størrelsen af de gennemsnitlige årlige indtægtsfald
er steget fra 2,1 pct. i 2014 til 7,4 pct. i 2017, mens
det er faldet en smule i 2018. Ligeledes er antallet af
tekniske skoler, der oplever et indtægtsfald, steget
fra 2013 til 2017 og aftaget en smule i 2018
•
1
0
2012 2013 2014 2015 2016 2017 2018
11
7
3
2012 2013 2014 2015 2016 2017 2018
79% 86% 86% 71%
50%
21%
2012 2013 2014 2015 2016 2017 2018
43%
6
12
12
10
Antal tek.
15
skoler med
10
indtægts-
5
fald
0
15
Andel tek.
skoler med
10
5
indtægts-
fald (pct.)
0
•
9
•
2110 ud 4014 tekniske skoler havde
ud af af
VUC’er
med indtægtsfald
i 2018 i 2018 svarende til
indtægtsfald svarende til 53 pct. 71 pct.
•
Note: 1) De tekniske skolers indtægter kommer fra tilskud (83 pct.), deltagerbetaling (3 pct.) og øvrige indtægtskilder (14 pct.). For de tekniske skoler, der har oplevet indtægtsfald ift. året før, kommer indtægterne fra tilskud (84 pct.),
deltagerbetaling (3 pct.) og øvrige indtægtskilder (12 pct.). Alle tekniske skoler med tilgængelig data i datamodellen er inkluderet. 2) Tallet for 2017 trækkes op af en enkel institution med et højt indtægtsfald. 3) Tallet for 2017 trækkes op
af en enkel institution med et højt indtægtsfald. Kilde: 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
2195744_0053.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
53
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0054.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De tekniske skoler, der oplever indtægtsfald, reducerer i gennemsnit deres omkostninger med 85
pct. ift. indtægtsfaldet samme år, men det dækker over betydelig varians mellem skolerne
•
•
•
•
•
Nedenfor ses sammenhængen mellem indtægtsfald og omkostningsreduktioner for de tekniske skoler i perioden 2012-2018. Af figuren ses sammenhængen mellem
de relevante institutioners 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 de tekniske skolers omkostningsfordeling i 2018
De bagvedliggende analyser viser, 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
Figuren nedenfor viser den gennemsnitlige omkostningstilpasning i sektoren. Grafen bør derfor tolkes som en gennemsnitlige tilpasning på 85 pct. for den del af
sektoren, der oplever indtægtsfald et givent år
Resultaterne af analysen indikerer, at tekniske skoler især tilpasser på øvrig drift (44 pct. af tilpasningen) og løn (42 pct.), mens der tilpasses en mindre del på
bygninger (14 pct. af tilpasningen). Omkostningsreduktionen på øvrig drift er forholdsmæssigt stor ift. kategoriens andel totale omkostninger (23 pct.), hvilket
indikerer, at de tekniske skoler prioriterer at reducere omkostningerne på øvrig drift, før de tilpasser eksempelvis lønomkostninger
… falder omkostningerne med …
… ift.
omkost.- fordelingen
Bygninger
Øvrig drift
Når indtægterne falder med …
Observationer
•
Gns. indtægtsfald:
Det gennemsnitlige indtægtsfald ift. året
før udgør 4,6 mio. kr. for perioden 2012-2018 for de
inkluderede tekniske skoler
1
•
Gns. omkostningsreduktion:
Tekniske skoler justerer i
gennemsnit deres omkostninger ifm. et indtægtsfald med 85
pct.
Indtægtsfald
Løn
4,6 mio. kr.
3,9 mio. kr.
3.557 mio. kr.
42%
64%
85 pct.
14%
13%
44%
•
Løn:
I gns. udgøres 42 pct. af tilpasningen af omkostningerne
på løn. Det indebærer, at institutionerne reducerer antallet af
medarbejdere (ved afskedigelse eller naturlig afgang) eller
lønnen pr. medarbejder (fx bonusser, el.lign.). Tilpasningen
sker især gennem reduktion af medarbejderstaben, særligt
antal undervisere
•
Bygninger:
14 pct. af tilpasningen foretages på bygninger.
Det matcher bygningsomkostningernes del af de tekniske
skolers samlede omkostningsbase
•
Øvrige driftsomkostninger:
Den største andel af
omkostningsreduktionen foretages på øvrig drift (44 pct.),
hvilket er højt ift. den totale andel på 23 pct. Størstedelen af
reduktionen af omkostninger til øvrig drift foretages på indkøb
af varer til forbrug og indkøb af tjenesteydelser
23%
Gns. indtægtsfald
pr. år (2012-2018)
Gns. omkostnings-
reduktion pr. år (2012-2018)
Totale omkostninger
(2018)
Note: 1) 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 institutioner, der i
det givne år også havde et indtægtsfald året før. Derudover er frasorteret institutioner, 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.
54
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0055.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Op til 87 pct. af de tekniske skolers omkostninger kan principielt justeres inden for 10 måneder,
og 54 pct. af omkostningerne har høj aktivitetsafhængighed
•
•
Nedenfor ses en oversigt over de tekniske skolers samlede omkostninger fordelt på aktivitetsafhængighed og bindingstider
Som det fremgår af opgørelsen, estimeres ca. 54 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, mens ca. 87 pct. af omkostningerne skønnes at
kunne tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne
2
Oversigten indikerer, at de tekniske skoler 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 institutionerne
På de følgende sider uddybes de omkostningskomponenter, der ligger til grund for nedenstående fordeling af totale omkostninger
•
•
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
1
Høj
Middel
Lav
Bindingstid på omkostninger
2
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
54%
35%
10%
37%
50%
8%
5%
•
•
Ca. 54 pct. af de tekniske
skolers samlede
omkostninger skønnes at
have høj grad af
aktivitetsafhængighed,
baseret på interviews
med institutionerne
Det skyldes især løn til
undervisning, som udgør
47 pct. af de totale
omkostninger. Dertil
kommer 7 pct. øvrig drift
med høj
aktivitetsafhængighed
•
De 35 pct. af
omkostningerne, der
vurderes at have en
middel
aktivitetsafhængighed,
består af
lønomkostninger til
administration og ledelse
samt bygningsdrift og
øvrig drift (~16 pct. af
totale omkostninger), en
del på bygninger (~4,5
pct. af totale
omkostninger) og en del
på øvrig drift (~14,5 pct.
af totale omkostninger),
jf. følgende sider
•
•
De resterende 10 pct.
vurderet at have lav
aktivitetsafhængighed
udgøres primært af en
del af bygnings-
omkostningerne (~9
pct. af totale
omkostninger) og en
mindre del af øvrige
driftsomkostninger (~1
pct. af totale
omkostninger)
De følgende sider
uddyber disse
resultater
•
•
•
Det skønnes, at ca. 87 pct. af de tekniske skolers samlede
omkostninger har en bindingstid på 0-10 mdr., hvilket især er
drevet af bindingstiden på løn, som er under 10 mdr. Heraf
har ~37 pct. af omkostningerne en bindingstid under ca. 3
mdr.
2
De 37 pct. der i gennemsnit kan justeres inden for ca. 3 mdr.
består af lønomkostninger (18 pct. af totale omkostninger),
en smule bygningsdrift (1 pct. af totale omkostninger) og
øvrige driftsomkostninger (18 pct. af total omkostninger)
De 52 pct. af omkostningerne med en bindingstid på 4-10
mdr. består primært af lønomkostninger med 46 pct. af de
totale omkostninger samt en mindre del bygnings- (3 pct.) og
øvrige driftsomkostninger (2 pct.)
•
De resterende 13
pct. omkostninger
med længere
bindingstid end 11
mdr. består særligt af
bygningsomkostning
er (10 pct. af totale
omkostninger) samt
nogle former for
øvrige
driftsomkostninger (3
pct. af totale
omkostninger)
Note: 1) Opgjort på baggrund af interviews med tekniske skoler 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 tekniske skoler. 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. Kilder: 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
2195744_0056.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Ca. 30 pct. af de tekniske skolers lønomkostninger kan principielt tilpasses inden for ca. 3
måneder, mens resten kan tilpasses inden for 10 måneder
Uddybes på de
næste sider
•
•
•
•
•
Nedenfor illustreres de tekniske skolers 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 29 pct. inden for ca. 3 mdr. og resten (71 pct.) inden for 4-10 mdr.
Analysen viser samme bindingstider på lønnen til administration og ledelse, hvor 29 pct. af lønnen til administration og ledelse har en kort bindingstid på 0-3 mdr., mens resten (71
pct.) kan tilpasses inden for 4-10 mdr.
Øvrige lønomkostninger, fx til kantinedrift og rengøring, er ligeledes til dels aktivitetsafhængige og har 26 pct. med lav bindingstid (0-3 mdr.), mens resten (74 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
Omkostnings- Aktivitets-
Bindingstid
kategorier
afhængighed omkostninger
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 fratrædelses-
godtgørelse. Dertil kommer en høringsperiode på ca. 14 til 30 dage. Baseret på anciennitetsfordelingen skønnes ca. 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 de tekniske skolers 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 de tekniske skolers 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 de tekniske skolers øvrige lønomkostninger har begrænset aktivitetsafhængighed og lav
bindingstid, indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Undervisning
71%
Høj
•
•
•
71%
Middel
•
•
•
29%
Administration og
ledelse
Løn
29%
Øvrige løn
74%
Middel
•
•
26%
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.
56
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0057.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De tekniske skolers lønomkostninger til undervisning afhænger af lærerstabens anciennitet og de
deraf følgende krav til opsigelsesvarsler …
•
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på de tekniske skolers 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
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 hele år, medarbejdere er ansat. Denne tilgang medfører øget metodisk usikkerhed, hvilket også gør sig gældende for de resulterende omkostningsfordelinger
På de følgende to sider illustreres den tilsvarende sammenhæng mellem anciennitet, opsigelsesvarsel og bindingsperioder for lønomkostninger til administration og
ledelse samt til bygningsdrift og øvrig drift
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Undervisernes anciennitet, opsigelsesvarsler og lønomkostninger
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
14%
9%
8%
8%
7%
5% 4%
4%
40%
Af søjlen øverst til venstre ses, at
ancienniteten for de tekniske skolers
undervisere (opgjort i årsværk) fordeler sig
med den største gruppe (40 pct.) med 9+
års anciennitet, efterfulgt af 14 pct. med op
til et års anciennitet
Den anden søjle viser på baggrund af
anciennitetsfordelingen og de deraf
følgende krav til varsler, at ca. 70 pct. af
underviserne har 4-6 mdr. bindingstid
Af den nederste søjle ses, at ca. 27 pct. af
de tekniske skolers lønomkostninger til
undervisning går til ansatte med krav på 1-
3 måneders varsel, mens resten (ca. 73
pct.) har krav på 4-6 mdr. varsel
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at
undervisere med højere anciennitet
generelt har højere lønninger, hvilket fx
resulterer i, at 43 pct. af
lønomkostningerne optages af de 40 pct.
årsværk, som har mere end 6 mdr.
opsigelse
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
Løn til undervisning
2
Opsigelses-
varsler baseret
på anciennitet
1
6%
24%
20%
10%
40%
•
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
Lønomkost-
ninger opdelt
på opsigelses-
varsler
5%
22%
20%
10%
43%
73 pct.
Note: 1) Opgjort i årsværk. Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere. Kilde: Analysens datamodel
STRUENSEE & CO.
57
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0058.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
… ligesom anciennitet er afgørende for de tekniske skolers mulighed for at tilpasse
lønomkostninger til administration og ledelse …
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på de tekniske skolers 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 metoden fra forrige side vedr. lønomkostninger til undervisning, og anciennitet driver dermed 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 næste side fremgår den tilsvarende fordeling af anciennitet, opsigelsesvarsler og lønomkostninger for øvrige medarbejdere udover undervisere, administration og
ledelse
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Administration og ledelses anciennitet, opsigelsesvarsler og lønomkostninger
Observationer
•
Opgørelsen viser, at 39 pct. af ledere og
administrative medarbejdere har 9+ års
anciennitet, hvilket svarer nogenlunde til
andelen fra undervisningsstaben (40
pct.), jf. forrige side
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
16%
9%
6%
9%
7%
4% 4%
6%
39%
Løn til administration og ledelse
•
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
7%
23%
20%
12%
39%
•
Det resulterer ligeledes i, at andelen af
ledere og administrativt personale med 6
måneders opsigelsesvarsel er 39 pct. ift.
undervisningspersonalets tilsvarende 40
pct.
Sammenlignet med lønomkostninger til
undervisning fremgår det, at
lønomkostninger til administration og
ledelse gennemsnitligt ikke er højere for
ledere og administrativt personale med
høj anciennitet ift. øvrige ledere og
administrative medarbejdere, mens det
modsatte gør sig gældende for
underviserne (jf. forrige side)
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Lønomkost-
ninger opdelt
på opsigelses-
varsler
6%
21%
22%
12%
39%
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.
58
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0059.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 de tekniske skolers 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 metoden 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
1
På de følgende sider opgøres aktivitetsafhængigheden og bindingstiden for bygningsomkostning og øvrige driftsomkostninger for de tekniske skoler
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
14%
Øvrige medarbejderes anciennitet, opsigelsesvarsler og lønomkostninger
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 (43 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. 72 pct. af de
øvrige medarbejdere skønnes at have 3-6
mdr. bindingstid
Af søjlen nederst til venstre ses, at ca. 24
pct. af de tekniske skolers lønomkostninger
til øvrigt personale går til ansatte med krav
på 1-3 måneders varsel, mens resten (ca.
76 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 45 pct.
af lønomkostningerne optages af de 43 pct.
årsværk, som har mere end 6 mdr.
opsigelse
9%
6% 5%
6%
5% 5%
7%
43%
•
Løn til bygningsdrift og øvrig drift
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
2
6%
22%
16%
13%
43%
•
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
Lønomkost-
ninger opdelt
på opsigelses-
varsler
5%
19%
17%
14%
45%
76 pct.
Note: 1) Overenskomstforhold for medarbejdergruppen undersøges. 2) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere.
Kilde: Analysens datamodel
STRUENSEE & CO.
59
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0060.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 de tekniske skolers 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. Således er 38 pct. af omkostningerne
vurderet at have en bindingstid på 25 måneder eller mere, imens kun 6 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, det lokale ejendomsmarked, bygningens mulighed for bredere anvendelse, alder og stand af bygningsmassen, mv.
Analysen indikerer, at det i praksis er 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 de tekniske skolers bygningsomkostninger koblet
med de angivne aktivitetsafhængigheder og bindingstider
Aktivitets-
afhængighed
Bindingstid
Totale bygningsomkostninger for
tekniske skoler (mio. kr.)
Observationer
19%
6%
Husleje
Lav
4-25+ mdr.
38%
38%
472
Husleje:
Der er betydelig varians i bindingstiden på lejede bygninger. Dertil kommer, at
58
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
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
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
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
Omkostningskategorier
Total
Afskrivninger
Reparation og
vedligehold
1
Forsyning
1
Renter
(prioriteter)
Rengøring
Øvrig
bygningsdrift
Lav
11-25+ mdr.
117
Bygninger
Lav
0-25+ mdr.
106
Middel
4-25+ mdr.
100
Lav
11-25+ mdr.
59
Lav
11-24 mdr.
0
Lav
4-25+ mdr.
31
Note: 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. Kilder: 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
2195744_0061.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og har lav bindingstid
•
•
Nedenfor analyseres de tekniske skolers 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 de tekniske skoler er 80 pct. af de øvrige
driftsomkostninger vurderet at have en bindingsperiode på under tre måneder. Ca. 9 pct. af de øvrige driftsomkostninger skønnes at have en bindingstid på 4-10
mdr. binding, ca. 12 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
0-3 mdr.
Omkostningskategorier
Total
4-10 mdr.
11-24 mdr.
25+ mdr.
Aktivitets-
Underkategorier afhængighed Bindingstid
Total
Undervisning
smaterialer
Små-
anskaffelser
Elev-
aktiviteter
Køb af øvrige
varer
Kurser
Høj
Øvrige driftsomkostninger for
tekniske skoler (mio. kr.)
Observationer
80%
12%
814
9%
157
typisk korte bindingstider (dog længere på e-bøger mv). Samlet høj tilpasningsevne
56
3
79
23
28
186
37
36
209
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 fra service til service.
Reparation og vedligehold (ekskl. byg.):
Flere årselever 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
61
0-3 mdr.
Undervisningsmaterialer:
Følger i høj grad ændringer i elevtallet. Samtidig er der
Høj
0-3 mdr.
Køb af varer
til forbrug
Høj
0-3 mdr.
Middel
0-3 mdr.
Øvrig drift
Middel
0-3 mdr.
Køb af
tjeneste-
ydelser
(ekskl. IT)
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
2195744_0062.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Store forskelle i bindingstider kan indikere, at tekniske skoler træffer forskellige valg, der påvirker
tilpasningsevnen
•
•
•
Figuren nedenfor viser forskellene i andelen af de samlede omkostninger med bindingstid på ca. 0-3 mdr. på tværs af de tekniske skoler for de tre overordnede
omkostningskategorier
Institutioner med en stor andel af omkostninger med korte bindinger (0-3 måneder) vil, alt andet lige, have lettere ved at tilpasse økonomien på kort sigt
Forskellene mellem institutioner kan skyldes, at der er strukturelle forskelle mellem de tekniske skolers rammevilkår, fx i form af geografi, størrelse mv., hvilket kan
påvirke bindingstiden. Tilsvarende kan forskellene skyldes, at institutionerne aktivt træffer forskellige ledelsesmæssige valg, der påvirker andelen af omkostninger
med korte bindinger
Observationer
Forskelle i bindingstid:
Løn
0
19
Bygninger
20
Øvrig drift
40
47
60
67
50
80
•
Forskellen mellem institutionerne med størst og lavest andel omkostninger med kort
bindingstid er på 36 pct. point, hvilket er en betydelig forskel på kort sigt
Andel af tekniske skolers omk. med 0-3 mdr. bindingstid (pct.), 2018
•
26
24
24
21
21
21
18
18
17
12
20
17
17
19
11
13
14
20
18
19
19
16
18
17
18
32
23
45
42
41
40
38
Det skal dog noteres, at en enkel institution ligger betydeligt højere end resten af
populationen på lønomkostninger med ca. 0-3 måneders binding. Sammenlignes i
stedet med institutionen med det andet højeste niveau er forskellen i stedet 19 pct.
point, hvilket dog stadig udgør en relativt betydelig forskel
Forskellene i bindingsperioder mellem de tekniske skoler kan skyldes
rammebetingelser eller aktive valg:
–
Enten kan de observerede forskelle i andelen af omkostninger med lav bindingstid
skyldes, at der er systematiske
strukturelle forskelle
mellem institutionerne
•
–
Ellers kan de observerede forskelle i bindingstider skyldes, at institutionerne aktivt
har truffet
forskellige valg,
som påvirker deres tilpasningsevne positivt eller negativt
-36
37
36
35
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 de
tekniske skolers rekrutteringsmuligheder kan påvirke medarbejdernes anciennitet
Forskellige valg:
•
De tekniske skoler 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.
32
31
31
Kilder: Analysens datamodel
STRUENSEE & CO.
Ø 40
62
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0063.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstruktur
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
63
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0064.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSUDFORDRINGER
Tekniske skoler med tilpasningsevne over gennemsnittet har faste omkostninger på ~10 pct.,
mens skoler med lav tilpasningsevne har faste omkostninger på ~15 pct.
•
•
•
= under gennemsnittet
= over gennemsnittet
Nedenfor ses to figurer, der hhv. illustrerer de tekniske skolers kortsigtede tilpasningsmuligheder og deres langsigtede bindinger
Figuren til venstre
sammenholder de tekniske skolers 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 de tekniske skolers 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
Tværgående bemærkninger
På grund af få observationer for de tekniske skoler er mulige tolkninger af
systematiske forskelle behæftet med usikkerheder. Analyserne indikerer dog
en række relevante forhold for tilpasningsudfordringerne på tværs af de
tekniske skoler:
Figuren til venstre
•
De tekniske skoler kan i gennemsnit tilpasse 40 pct. af deres
omkostningsbase indenfor ca. 3 mdr.
•
Institutioner med en tilpasningsevne over gennemsnittet har i gns. ca.
900 årselever, mens institutioner med en tilpasningsevne under
gennemsnittet i gns. har ca. 2.400 årselever per institution
•
Årsagen til, at skolerne har en tilpasningsevne over gennemsnittet er
bl.a. at: i) de har en relativt høj andel personale med begrænset
anciennitet, og ii) deres andel af øvrige driftsomkostninger med kort
binding er stor. Sidstnævnte udgøres i høj grad af indkøb af
småanskaffelser, undervisningsmaterialer og fødevarer
Figuren til højre
•
De tekniske skoler har i gns. en bindingsperiode på deres samlede
omkostningsbase på ~7 måneder, mens faste omkostninger
(omkostninger med binding på 11+ mdr.) i gns. udgør 12 pct. af
institutionernes omkostninger
•
Institutioner med bindingstid og andel faste omkostninger over
gennemsnittet har gennemgående høje bygningsomkostninger drevet af
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 som samtidig
generelt har længere bindinger end ansat servicepersonale
Kortsigtede tilpasningsudfordringer
Tilpasningsbehov
1
(pct.)
Tilpasningsevne
2
(andel samlede omk.)
67
4
5
9
8
5
4
3
8
4
45
42
41
37
36
35
32
32
31
Langsigtede bindinger
Gns. bindingstid
3
(mdr.)
8
8
8
7
7
7
7
6
6
7
6
5
7
6
7
16
15
14
13
13
12
10
10
10
10
9
9
Faste omkostninger
4
(andel samlede omk.)
19
6
Ø6
Ø 40
Ø7
Ø 12
Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for tekniske skoler for 2016-2018. 2) 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) 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 4) Andelen af faste omkostninger findes ved at tage andelen af omk. med 11+ mdr. binding ud af institutionernes samlede omk.base
5) En enkel institutions tilpasningsbehov er justeret for indtægtsfald på 41 mio. kr. i 2018 ifm. afviklingen af deres rolle som værtsinstitution for et administrativt fællesskab. Kilde: Analysens datamodel; institutionsbesøg
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
2195744_0065.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
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
2195744_0066.png
5. ØKONOMISK BÆREDYGTIGHED
Sammenfatning af analysen af økonomisk bæredygtighed for tekniske skoler
Økonomisk bæredygtighed
•
•
De tekniske skolers finansielle robusthed er samlet set forbedret i perioden 2011-2018. Arketypen er i dag bedre rustet til længerevarende
nedgangsperioder (forbedret soliditetsgrad) og kortere udsving i driften (forbedret likviditetsgrad), jf. næste side
Arketypens generelle finansielle robusthed dækker imidlertid over betydelig variation i de finansielle nøgletal på tværs af institutioner. Nogle tekniske
skoler 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 fire tekniske skoler identificeret som økonomisk udsatte. Sammenlignet med populationen af
tekniske skoler er de økonomisk udsatte institutioner bl.a. kendetegnet ved:
–
Færre årselever (uddybes nedenfor)
–
Ca. samme geografiske fordeling mellem land- og bykommuner
–
Lavere elev-lærer-ratio end hele populationen af tekniske skoler
–
Svagere socioøkonomisk elevsammensætning
–
Højere lønomkostninger per årselev, men lavere bygningsomkostninger per årselev
Antal årselever
•
Analysen indikerer, at mindre tekniske skoler er overrepræsenterede blandt de institutioner, der er identificeret som økonomisk udsatte. Således har tre ud
af fire af de økonomisk udsatte tekniske skoler under 1.500 årselever (75 pct.), mens den tilsvarende andel for populationen af tekniske skoler er otte ud af
14 (~55 pct.). De økonomisk udsatte tekniske skoler har i gns. 300 færre årselever end gennemsnittet for populationen af tekniske skoler. Det afspejler de
foregående analyser, der identificerer antal årselever som en central omkostningsdriver pga. faldende marginalomkostninger i delsektoren
Der er tale om en generel tendens på tværs af de 14 institutioner, men der er samtidig mange mindre tekniske skoler, som
ikke
fremstår økonomisk
udfordrede. Der kan derfor ikke ud fra dataanalysen opstilles en kritisk minimumsgrænse for, hvornår en teknisk skole ikke længere vil være økonomisk
bæredygtig
Det forhold, at der også findes mindre tekniske skoler uden umiddelbare økonomiske udfordringer, peger på, at institutionsstørrelse kun er en medvirkende
faktor for økonomisk udsathed, og at institutionsspecifikke forhold og ledelsesmæssige prioriteringer også har stor betydning for institutionernes situation
•
•
Geografi
•
•
Der kan ikke umiddelbart konstateres en tendens til, at de økonomisk udsatte institutioner oftere er placeret i landkommuner. Det står i kontrast til, at de
foregående analyser har identificeret geografisk placering som en betydende omkostningsdriver af bygningsomkostninger pr. årselev
Det kan skyldes, at udkantstilskuddet i det nuværende taxametersystem allerede kompenserer for nogle af de potentielle udfordringer, der kan følge af at
være placeret i et yderområde
1) Konklusionerne på denne side er baseret på analysen af de økonomisk udsatte institutioner i ”den flerårige model” præsenteret
på de følgende sider.
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
2195744_0067.png
5. ØKONOMISK BÆREDYGTIGHED
Samlet set er de tekniske skolers finansielle robusthed gradvist forbedret fra 2011-2018, men det
dækker over betydelig varians på tværs af institutioner
•
•
De fire grafer nedenfor viser, hvordan de tekniske skolers finansielle robusthed har udviklet sig fra 2011-2018
1
. Med undtagelse af overskudsgrad har de fire nøgletal
nedenfor for de tekniske skoler udvist en positiv udvikling over hele perioden
Ift. udgangspunktet i 2011 er de tekniske skoler både bedre rustet til længerede nedgangsperioder (egenkapital) og til kortere udsving i driften (likviditetsgrad)
Udvikling i nøgletal for tekniske skolers finansielle robusthed (2011-2018)
Egenkapital i alt (mio. kr) (venstre akse)
Beskrivelse
100%
•
De tekniske skoler har løbende udbygget deres
egenkapital
2
fra 2011-2018.
I 2011 var den samlede egenkapital på de tekniske skoler ~2.300 mio. kr.,
mens tallet var ~2.600 mio. kr. i 2018
Tilsvarende har de tekniske skoler vokset deres
egenkapital som del af
omsætningen,
hvilket betyder, at ophobningen af egenkapital ikke tilsvares
af en lignende stigning i omsætning
Institutionernes
overskudsgrad
3
har været positiv over hele perioden fra
2011-2018, men den er blevet mere volatil siden 2014
I perioden 2016 til 2018 har institutionerne været omfattet af et
omprioriteringsbidrag på 2 pct. årligt
Egenkapital
4.000
3.000
Egenkapital/omsætning (pct.) (højre akse)
2.296
56%
2012
2013
2014
1,6%
0,5%
2015
2016
2017
1,7%
2.557
71%
80%
2.000
60%
•
1.000
2011
2%
1%
0%
2011
40%
2018
•
•
Overskudsgrad
Overskudsgrad
1,1%
0,2%
2012
2013
2014
2015
2016
2017
2018
Soliditetsgrad
45%
40%
Soliditetsgrad
40%
36%
2012
40%
•
•
De tekniske skolers
soliditetsgrad
4
er fra 2011-2018 steget fire procentpoint
fra 36 pct. til 40 pct.
Den procentuelle stigning i soliditetsgrad tilsvarer stigningen i egenkapital,
hvilket indikerer, at institutionernes fremmedkapital (fx banklån) i perioden
har været relativt stabil
37%
36%
2014
2015
2016
2017
2018
97%
•
•
35%
2011
100%
80%
65%
2013
Likviditetsgrad
Likviditetsgrad
89%
80%
De tekniske skolers
likviditetsgrad
5
er fra 2011-2018 steget 32 procentpoint
fra 65 pct. til 97 pct.
Stigningen er hovedsageligt udtryk for, at institutionerne har reduceret deres
kortfristede gældsforpligtelser, hvilket kan forklares af, at nogle institutioner
har omlagt deres lån
60%
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. 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.
67
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0068.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 årselever, der udløser taxametertilskud) eller et
opadgående pres på omk. (fx også som følge af et fald i antal årselever 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
årselever og geografisk placering, men også
holdstørrelse, elevernes socioøkonomiske
baggrund mv. undersøges
Omkostningsdrivere
•
•
•
•
•
Antal årselever
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 årselever (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.
68
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0069.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 populationen af tekniske skoler fsva. centrale
omkostningsdrivere, omkostningsstrukturer og tilpasningsevne, omkostninger pr. årselev 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 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
•
•
Formålet er at give et øjebliksbillede af de udsatte
institutioner ifm.
STUK’s
tilsynsvirksomhed
Modellen tager højde for finansielle nøgletal i året og
screener for økonomisk bæredygtighed. Der ses på forholdet
mellem egenkapital og aktiver (soliditetsgrad), den
kortsigtede betalingsevne (likviditetsgrad), omfanget af lån
(belåningsprocent) og ændringen i elevtal (aktivitetsfald)
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
Modellen tager desuden ikke højde for
udviklingen
i
økonomisk bæredygtighed, da institutioner kan være udsatte
i et enkelt år, men over en årrække være bæredygtige
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
STUK’s
tilsyns-
model
3
2
tekniske
skoler
4
•
•
Overlap på
1 institution
•
ii
•
Flerårig
model
4
tekniske
skoler
•
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.
Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
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
2195744_0070.png
5. ØKONOMISK BÆREDYGTIGHED
De tekniske skoler, der er identificeret som økonomisk udsatte, har en tendens til at have færre
elever, hvilket kan være med til at drive institutionernes omkostninger …
•
•
•
Nedenfor sammenlignes institutionerne identificereret i den flerårige model, institutionerne fra
STUK’s
tilsynsmodel
1
og hele populationen på 14 tekniske skoler på
syv centrale omkostningsdrivere
Arketypefordelingen indikerer, at de tekniske skoler er lidt overrepræsenterede i den flerårige model, hvor de udgør 27 pct. af de identificerede institutioner, mod 18
pct. i den samlede population for erhvervsskolerne
Analysen viser en tendens til, at de tekniske skoler repræsenteret i den flerårige model har færre elever end populationen, og at eleverne har en svagere
socioøkonomisk reference. Derudover har de færre elever pr. lærer og mindre undervisningsandel (andel konfrontationstid) end dem samlede population af tekniske
skoler
Flerårig model
27% (4)
20% (3)
7% (1)
20% (3)
27% (4)
Handel
13% (2)
Kombination
Landbrug
AMU
SOSU
Tekniske
Arketypefordeling
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
27% (4)
25% (20)
23% (18)
40% (6)
10% (8)
6% (5)
1.540
7% (1)
13% (2)
18% (14)
18% (14)
Antal årselever
(2018)
STUK’s tilsynsmodel
Hele populationen
1.841
75% (3)
100% (2)
71% (10)
29% (4)
43%
39%
41%
8,6
8,8
8,9
25% (1)
2.873
Omkostningsdrivere
Geografi
(andel i hhv. by- og
landkommuner, 2018)
Socioøkonomisk
reference
2
(forv. frafald, 2018)
Elever pr. lærer
(2018)
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
By
Land
Skal ses ift. en total
varians i populationen
mellem 32-49 pct. i
forventet frafald ud fra
elevernes
socioøkonomiske
baggrund
19,7
Flerårig model
Holdstørrelse
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
18,1
43,2
42,8
44,0
Undervisningsandel
(pct., 2017)
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) Socioøkonomisk reference udtrykker forventet frafald fra uddannelsesstart til hovedforløb (3 måneder
efter kvalifikation). Der er taget et uvægtet gennemsnit på tværs af uddannelser. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
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
2195744_0071.png
5. ØKONOMISK BÆREDYGTIGHED
… hvilket bl.a. kommer til udtryk i højere lønomkostninger pr. årselev samt en tendens til dårligere
finansielle nøgletal blandt de økonomisk udsatte tekniske skoler
•
•
Nedenfor ses en sammenligning af institutionerne i den flerårige model,
STUK’s
tilsynsmodel og den samlede population af tekniske skoler på finansielle nøgletal,
omkostningsstukturer og omkostninger pr. årselev
Analysen viser, at de udsatte tekniske skoler har dårligere finansielle nøgletal end populationen. Derudover har de betydeligt højere omkostninger til løn per årselev
end populationen men samtidig lavere omkostninger til bygningsdrift. Forskellene i omkostningsdrivere præsenteret på foregående side kan være med til at drive de
store forskelle mellem udsatte tekniske skoler og populationen
Flerårig model
68%
65%
65%
40%
51%
10%
13%
13%
22%
22%
22%
5%
Løn
Bygninger
Øvrig drift
Omk.strukturer og
tilpasningsevne
Omkostningsstruktur
(2018, procent)
Bindingstid
(2018, procent)
2
Aktivitetsafhængighed
(2018, procent)
3
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
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model -1,75
0,01
STUK’s
tilsynsmodel
Hele populationen -0,30
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
36%
39%
58%
55%
54%
54%
52%
34%
34%
35%
6%
6%
8%
11%
10%
91,7
83,0
85,5
0-3 mdr.
4-10 mdr.
Høj
Middel
11-24 mdr.
25+ mdr.
Lav
Omkostninger pr.
årselev
Omk. til løn per
årselev
1
(tusinde kr.)
Omk. til bygningsdrift
per årselev
1
(tusinde kr.)
Omk. til øvrig drift per
årselev
1
(tusinde kr.)
Egenkapital som andel
af omsætningen
(pct., 2018)
4
Overskudsgrad
(pct., 2018)
Soliditetsgrad
(pct., 2018)
Likviditetsgrad
(pct., 2018)
4
13,6
17,2
17,1
29,5
28,2
29,5
56,5
67,7
78,6
Finansielle nøgletal
33,3
37,3
40,4
48,5
24,7
91,7
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. 4) Egenkapitalens andel
af omsætningen og likviditetsgrad tages som gennemsnittet på tværs af institutionerne, hvorfor tallet divergerer en smule fra side 66. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
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
2195744_0072.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
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
2195744_0073.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.
73
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0074.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.
74
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0075.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
75
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0076.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.
76
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0077.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.
77
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0078.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.
78
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0079.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
•
79
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0080.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.
80
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0081.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.
81
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0082.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstruktur
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
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
2195744_0083.png
6.3 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.
83
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0084.png
6.3 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.
84
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0085.png
6.3 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.
85
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0086.png
6.3 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.
86
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195744_0087.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