BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt

Omkostningsanalyse af

ungdomsuddannelsesområdet

Analyserapport om handelsskoler

November 2019

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Analysen indikerer, at handelsskoler er kendetegnet ved faldende marginalomkostninger, om end

der er mange institutionsspecifikke forhold, som er betydende for omkostningerne

Faldende marginalomkostninger

•

Handelsskolerne ser ud til at have

faldende marginalomkostninger,

da større institutioner har lavere omkostninger per årselev end mindre

institutioner

Lønomkostninger til undervisning

per årselev ser ud til at falde ved et stigende antal årselever, og udmøntes bl.a. igennem gennemsnitligt

større hold og højere andele undervisningstid hos større institutioner. For institutioner over ca. 1.200 årselever synes effekten af

stordriftsfordele at flade ud

Ift.

lønomkostninger til administration og ledelse

er der ligeledes observeret faldende marginalomkostninger. Det skyldes, at opgaver indenfor

området har en lav grad af aktivitetsafhængighed. Analysen indikerer, at højere socioøkonomisk reference medfører lavere lønomkostninger

til administration og ledelse per årselev

Ift.

totale bygningsomkostninger

er der ikke identificeret faldende marginalomkostninger. Det dækker dog over to modsatrettede tendenser,

hvor 1) større institutioner typisk har højere omkostninger per kvadratmeter og 2) større institutioner har typisk 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. 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 betydeligt lavere bygningsomkostninger end institutioner i bykommuner. Det hænger sammen med

institutionsstørrelse som beskrevet ovenfor, da institutioner i bykommuner gennemsnitligt er større end institutionerne i landkommuner

–

Der er ikke identificeret en entydig sammenhæng mellem geografi og lønomkostninger eller øvrige driftsomkostninger. Dog bemærkes det fra

institutionsbesøg mv., 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. Således viser analysen af tilpasningsevne, at handelsskolerne i byområder, alt andet lige, har

sværere ved at tilpasse sig ved indtægtsfald

Økonomisk bæredygtighed

•

Analysen af økonomisk bæredygtighed finder, at fire handelsskoler vurderes at være de økonomisk udsatte. De udsatte handelsskoler er større

målt på antal årselever, ligger typisk i bykommuner og har højere holdstørrelse

Analysen af økonomisk bæredygtighed tyder derfor på, at det særligt er institutionsspecifikke forhold, som driver resultaterne. Med andre ord kan

effekterne af omkostningsdrivere (jf. delanalyse 3, kapitel 4) ikke genfindes

Resultaterne om økonomisk bæredygtighed skal dog tolkes varsomt. Det skyldes den sparsomme population (fire handelsskoler), hvor særlige

forhold kan drive resultaterne

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

•

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

Introduktion

Delanalyse 1:

Omkostnings-

strukturer

Delanalyse 2:

Omkostnings-

drivere

Delanalyse 3:

Tilpasningsevne

Delanalyse 4:

Økonomisk

bæredygtighed

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

1. INTRODUKTION

Institutionerne segmenteres i arketyper indenfor hver delsektor

•

Figuren nedenfor viser institutionspopulationen fordelt efter antal uddannelser

og antal årselever

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

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

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

Gns. antal

årselever

•

~1.400

•

~2.300

•

~1.800

•

Gns. antal uddannelser

Gns. årselever per uddannelse

•

168

•

Omkostningsstruktur

(Løn t. undervisning/totale omk.)

•

Handelsskoler (20)

•

Kombinationsskoler (18)

•

Tekniske skoler (14)

•

SOSU-skoler (12)

•

Landbrugsskoler (8)

•

56%

•

51%

•

47%

Arketype

•

~700

•

~150

•

~390

Handelsskoler

•

Kombinationsskoler

•

110

•

Tekniske Skoler

SOSU-skoler

•

52%

•

32%

•

36%

Landbrugsskoler

AMU-centre

Arketype

•

AMU-centre (5)

Antal uddannelser

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

. 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

Gns. antal

årselever

•

~1.050

•

~740

•

~450

•

~210

Gns. antal uddannelser

•

~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

•

Små gymnasier (42)

•

Privatgymnasier (24)

Arketype

Antal uddannelser

Gymnasier med merkantil

EUD og/eller erhvervs-

gymnasiale uddannelser

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

1. INTRODUKTION

Voksenuddannelsescentrene samles i én arketype, da de er få institutioner

•

Nedenfor præsenteres voksenuddannelsescentrene (VUC’erne), der analyseres som én samlet arketype

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

•

Gns. antal uddannelser

•

240

Gns. årskursister per

uddannelse

Omkostningsstruktur

(Løn t. undervisning/totale omk.)

Arketype

• VUC’er

(24)

•

58%

Antal uddannelser

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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%

14%

18%

2,9

75%

17%

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER

Omkostningsstrukturer kortlægges i tre trin for hver arketype

•

I delanalyse 1 (kap. 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

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

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER

Handelsskolerne er præget af stor kompleksitet og forskellige årselevfordelinger

•

Nedenfor illustreres årselevsfordelingen på de 6 største uddannelseskategorier for de 20 Handelsskoler. Figuren viser, at der er store forskelle på, hvordan

institutionernes årselever fordeler sig på uddannelseskategorierne og kvalificerer dermed erhvervsskolernes kompleksitet illustreret på side 6 i delanalyse 1 (kapitel

2). Fx varierer andelen af HHX elever fra 29 pct. til 90 pct.. Som det fremgår af nedenstående tilbyder samtlige handelsskoler HHX, mens 19 handelsskoler tilbyder

merkantilt grundforløb og 13 handelsskoler tilbyder merkantilt hovedforløb. Størstedelen af handelsskolerne tilbyder således også øvrige uddannelser (OBU,

introduktionskurser, STX, HF-enkeltfag, HF, HTX mv.) hvor andelen af øvrige varierer fra 0 pct. til 45 pct.

Det er vigtigt at være bevidst om handelsskolerne forskellighed og kompleksitet i læsningen af delanalyse 3 og 4 (kapitel 4 og 5). Således kan nogle

omkostningsdrivere have varierende effekt for skolerne afhængig af deres årselevsfordelinger på uddannelseskategorierne nedenfor

HHX

Årselevsfordeling, 2018

66%

51%

61%

71%

65%

16%

11%

15%

17%

14%

10%

Merkantilt grundforløb

Merkantilt hovedforløb

Merkantil EUX

AMU og Åbne uddannelser

AVU

Øvrige

•

56%

63%

29%

76%

78%

53%

44%

76%

79%

96%

83%

90%

86%

10%

3% 2%

17%

45%

11%

25%

20%

28%

10%

14%

13%

12%

75%

Note: 1) Handelsskolerne er rangeret fra største til mindste målt på antal årselever.

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

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

De 20 handelsskoler har omkostninger på i alt ~2,6 mia. kr., hvoraf lønomkostninger udgør 71 pct.

•

Figuren nedenfor viser handelsskolernes samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift. Det fremgår, at handelsskolerne har

et samlet omkostningsniveau på 2.594 mio. kr. i 2018. Heraf udgøres 71 pct. af lønomkostninger, mens de resterende 29 pct. udgøres af bygningsdrift (10 pct.)

og omkostninger til øvrig drift (19 pct.). Den største enkeltstående omkostningspost er løn til undervisning, som udgør 56 pct. af

handelsskolernes totale omkostninger

Omkostningsnedbrud for handelsskolerne, 2018 (mio. kr.)

1,2

Løn til undervisning

Løn til ledelse og administration

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

Samlede omkostninger

2.594

(100%)

481 (19%)

263 (10%)

167 (6%)

122 (5%)

12 (0%)

17 (1%)

163 (6%)

1.850 (71%)

66 (3%)

65 (3%)

51 (2%)

45 (2%)

30 (1%)

7 (0%)

1.450 (56%)

195 (8%)

87 (3%)

118 (5%)

Konfrontationstid

•

35 pct. af lærernes

arbejdstid udgøres

på handels-

skolerne af

konfrontationstid

•

Det svarer til, at

~500 mio. kr.

anvendes på

konfrontationstid

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

handelsskolerne. Tallet er ikke vægtet ift. skolernes størrelse. Kilde: Analysens datamodel

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

Overordnet set har handelsskolernes 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 på handelsskolerne i perioden 2011-2018. Institutionernes overordnede

omkostningsniveau er i perioden faldet med 14 pct., mens antallet af årselever er faldet med 1 pct.

Handelsskolernes årselever steg mellem 2011 og 2013, for derefter at falde frem mod 2018. Ifm. med EUD reformen, blev der bl.a. opsat adgangskrav til, at elever

på erhvervsuddannelser skal have minimum karakteren 2 i hhv. dansk og matematik

Mellem 2011 og 2018 har forholdet mellem handelsskolernes omkostningsfordeling været stabil. Største udsving observeres på andelen af omkostningsbasen, som

går til løn til undervisning. Løn til undervisning har haft udsving på 4 procentpoint og ligger i 2018 på 56 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 (fra 2011 til 2013), og/eller at lønningerne per lærer er steget. Dette understøttes af andelen af omkostninger til bygningsdrift,

som er faldet med ca. 2 procentpoint (ca. 15 pct.) i perioden 2011-2018

Omkostningsnedbrud (venstre akse) og antal årselever (højre akse) for handelsskoler, 2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)

Årselever

Løn til uddannelse

Omk. (mio. kr.)

3.500

3.000

2.500

53%

2.000

1.500

1.000

12%

500

2011

13%

2012

12%

2013

52%

55%

28.000

55%

3.011

2.796

2.713

2.654

2.676

2.647

2.635

2.594

30.000

-14%

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

32.000

Øvrige driftsomkostninger og afskrivninger

56%

26.000

12%

2014

11%

2015

11%

2016

11%

2017

10%

2018

24.000

22.000

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

Omkostningsstrukturerne varierer betydeligt på tværs af de 20 handelsskoler

•

Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 20 handelsskoler. Figuren viser, at der er store forskelle på, hvordan

institutionernes omkostninger er fordelt. Fx varierer omkostninger til løn til undervisning mellem 49 pct. og 63 pct. Den gennemsnitlige andel til løn til undervisning

på tværs af handelsskolerne er 56 pct.

Enkelte institutioner har markant højere omkostninger til bygningsdrift end andre. Hertil har enkelte institutioner relativt lav andel af lønomkostninger til undervisning,

som modsvares en højere andel af løn til øvrig drift, således at den samlede lønandel er mellem 69 til 78 pct.

Løn til undervisning

Løn til ledelse og adm.

Omk. (mio. kr.)

334

259

243

237

219

49%

54%

63%

61%

Løn til bygningsdrift

Løn til øvrig drift

Bygningsdrift (ex løn)

Køb af varer til forbug

Køb af tjenesteydelser (ex IT)

Øvrige driftsomkostninger og afskrivninger

Centrale observationer

•

Løn til undervisning

udgør den største

udgiftspost blandt handelsskolerne. Denne

udgør mellem 49-63 pct. (undtaget en enkelt

institution, se note 1) og er gennemsnitligt

56 pct. Der er dog betydelige forskelle

mellem institutionerne

Øvrige lønomkostninger

vedrører løn til

ledelse og administration, som udgør

mellem 4-13 pct., løn til øvrig drift, som i

gennemsnit udgør 7 pct., samt løn til

bygningsdrift, som i gennemsnit udgør 5 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. 20 pct. i gennemsnit

Betydningen af institutionsstørrelse.

Der

observeres ikke nogen umiddelbar

sammenhæng mellem størrelse (målt på

omkostninger) og omkostningsfordelingen

Variation i omkostningsstruktur:

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

Omkostningsfordeling, 2018

58%

11%

10%

12%

14%

13%

•

10%

216

204

201

134

122

54%

56%

59%

58%

51%

54%

12%

13%

10%

11%

•

11%

10%

11%

•

10%

28%

11%

56%

54%

55%

58%

56%

17%

13%

12%

10%

11%

12%

18%

10%

11%

•

Note: 1) Om outliers: To institutioner bruger en relativt større andel af deres omkostninger på bygningsdrift: En handelsskole har en relativt høj husleje på ca. 19 mio. kr. i 2018 grundet deres placering samt antallet af lokationer. Hertil kommer reparation og vedligehold på ca. 10

mio. kr. i 2018. En anden handelsskole har relativt store afskrivninger, hvilket medfører, at deres bygningsomkostninger er relativt høje, sammenlignet med de øvrige handelsskoler. Hertil har handelsskolen en lav andel af løn til undervisning samt en høj andel af løn til øvrig drift

pga. skolehjem, hvorfor deres lønandel til undervisning fremstår relativt lav. 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. Eksempelvis er 5 handelsskoler værtsinstitutioner for større administrative fællesskaber, hvorfor de har højere lønomkostninger til øvrig drift. Ligeledes har to handelsskoler omkostninger til administrative

fællesskaber, der ligger hos andre institutioner, hvorfor de har højere omkostninger til køb af tjenesteydelser. Kilde: Analysens datamodel

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

Omkostningsstrukturerne varierer ligeledes på tværs af handelsskolernes uddannelser

•

Figurerne nedenfor viser hhv. omkostningerne fordelt per uddannelse på handelsskolerne (til venstre) og omkostningerne per årselev per uddannelse (til højre).

Af den samlede omkostningsbase på ~2,6 mia. kr. udgøres 35 pct. af indirekte omkostninger, som ikke er formålsfordelt på uddannelser. Disse

er fordelt med antal årselever som fordelingsnøgle.

figuren til venstre

fremgår det, HHX er den største uddannelse på handelsskolerne med samlede omkostninger på ca. 1.500 mio. kr. svarende til 59 pct. af

handelsskolernes omkostninger. De to største uddannelser (HHX og merkantilt grundforløb) udgør samlet ~72 pct. af handelsskolernes omkostninger.

Hertil udgøres omkring to tredjedele af lønomkostninger

figuren til højre

fremgår det, at omkostningerne per årselev er højest for AMU og åbne uddannelser (136.000), mens de er lavest for merkantil EUX (78.000).

Omkostninger til AMU er høje, hvilket bl.a. kan skyldes det praktiske element i uddannelserne, da disse således vil være dyrere end tavleundervisning. Den relative

fordeling af omkostninger er dog nogenlunde ens, om end lønomkostninger til undervisning er relativt lave for merkantilt hovedforløb og merkantilt EUX

Løn til undervisning

Løn til ledelse og adm.

Løn til bygningsdrift

Løn til øvrig drift

Bygningsdrift (ex løn)

Køb af varer til forbug

Køb af tjenesteydelser (ex IT)

Øvrige driftsomkostninger og afskrivninger

Omkostninger per årselev fordelt på uddannelser (2018)

Fordeling af omkostninger på uddannelser (2018)

Omkostninger per uddannelse (mio. kr.)

1.600

1.539

56%

600

500

400

10%

300

200

100

HHX

55%

10%

61%

329

271

170

50%

~72 pct. af handelsskolernes

samlede omkostninger

Omkostninger per årselev fordelt per uddannelser (tusinde kr.)

-42%

140

120

100

10%

AVU

10%

HHX

11%

59%

136

116

61%

58%

55%

50%

52%

12%

56%

128

12%

102

59% 8% 52

7% 58% 10%

AMU og

Åbne

uddannelser

AVU

52%

11% 5% 9%

Merkantilt Øvrige

Merkantilt Merkantil

grundforløb

hovedforløb EUX

AMU og Øvrige

Åbne

uddannelser

Merkantilt

grundforløb

Merkantilt Merkantil

hovedforløb EUX

Note: 1) andet dækker over FVU, GSK, OBU, STX mv. med samlet ca. 2.200 årselever i 2018. Ca. 3 mio. kr. (0,1 pct. af omkostningsbasen) kan ikke henføres til en specifik uddannelse og er ikke opgjort i ovenstående. Dette ændrer ikke på

fordelingen af omkostninger på uddannelser.

Kilde: Analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR

Der er faldende marginalomkostninger per årselev for de tre største uddannelser på

handelsskolerne

•

Figuren nedenfor viser omkostningen per årselev for de tre største uddannelser (HHX og merkantilt grund- og hovedforløb) sammenholdt med antallet af årselever

på uddannelserne for institutionerne. Omkostningerne per årselev er renset for bygningsomkostninger, da ekstraordinære bygningsomkostninger kan skævvride

gennemsnittene, hvilket er blevet understøttet gennem interviews på institutionsbesøgene

Overordnet ses det, at de gennemsnitlige omkostninger per årselev er lavere for større institutioner. Det gælder særligt for HHX og merkantilt grundforløb og i mindre

grad for merkantilt hovedforløb (skyldes formentligt et lavere antal observationer)

Eksempelvis koster én HHX-årselev ~90.000 kr. på en handelsskole, som havde ca. 1.100 årselever på HHX i 2018, mens en HHX-årselev koster

ca. 85.000 kr. på en anden handelsskole, som i 2018 havde ~2.600 årselever på HHX. Der er identificeret faldende marginalomkostninger for andre

uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.3

Omkostninger per årselev for HHX, merkantilt grundforløb og merkantilt hovedforløb samt årselever fordelt uddannelse på institution (2018

)

2,3

Omkostninger per årselev per uddannelse (tusinde kr.)

130

125

120

115

HHX

Merkantilt grundforløb

Merkantilt hovedforløb

110

105

100

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 uddannelse

Note: 1) Der er testet for tidstrends på udvalgte arketyper ift. om den illustrerede sammenhæng er robust over tid, og ingen signifikante forskelle er identificeret. 2) Uddannelse med mindre end 10 årselever er fjernet ift. analysens robusthed.

3) 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

3.1

Metode

3.2

Lønomkostninger

3.3

Bygningsomkostninger

3.4

Øvrige driftsomkostninger

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3. OMKOSTNINGSDRIVERE

Handelsskolernes omkostningsdrivere karakteriseres ved nedenstående fem karakteristika

Lønomkostninger afhænger særligt af holdstørrelse, andel undervisningstid, antal lokationer og antal årselever

•

De primære omkostningsdrivere identificeret er: 1)

holdstørrelse,

andel undervisningstid,

antal lokationer,

antal årselever

og 5)

socioøkonomi

•

Disse fem omkostningsdrivere er betydende for omkostningsstrukturen på handelsskolerne og er understøttet af dataanalyser og institutionsbesøg

•

Regressionsanalysen understøtter effekten af holdstørrelse, mens de øvrige variable ikke kan understøttes (skyldes primært det lave antal observationer)

Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold

•

De primære omkostningsdrivere identificeret er: 1)

geografi

og 2)

antal lokationer

•

Omkostninger til bygninger er i høj grad afhængig af institutionsspecifikke og ikke-strukturelle forhold, ejendomsmarkedet i nærområdet (geografiske forskelle),

demografisk udvikling, mm. Såedes indikerer analysen væsentlig variation i bygningsomkostninger per årselev sfa. ovenstående

•

Analysen viser ingen trend ift. bygningsomkostninger per årselev. Det skyldes to modsatrettede forhold: 1) bygningsomkostninger per kvm er højere for større

institutioner med flere årselever, 2) kapacitetsudnyttelsen er tilsvarende højere for større institutioner med flere årselever

Øvrige driftsomkostninger afhænger af antal årselever, hvor større institutioner har bedre mulighed for centralisering og udlicitering

•

Omkostninger til øvrig drift er kendetegnet ved faldende marginale omkostninger ved stigende institutionsstørrelse og den primære driver er

antal årselever.

Det

bemærkes, at sammensætningen af øvrige driftsomkostninger varierer betydeligt på tværs af handelsskoler

•

Institutionsbesøgene understøtter denne sammenhæng. Bl.a. fremhæves, at nogle omkostninger er uafhængige af aktivitetsniveau. Det gælder fx for nogle it-

licenser. Hertil kan større institutioner ofte forhandle sig til bedre indkøbspriser, centralisere funktioner mv.

Konklusioner vedr.

omkostningskategorier

Tværgående konklusioner vedr.

omkostningsdrivere

Større institutionerne har lettere ved at optimere en række omkostningsdrivere

•

Institutionernes arbejde med optimering af holdstørrelse og undervisningstidsandel understreger betydningen af institutionsstørrelse (antal årselever). Flere

institutioner bemærker, at fordeling af undervisningstimer og optimering af holdstørrelse er lettere for store institutioner. Dataanalyserne understøtter til dels

denne sammenhæng for lønomkostninger per årselev

•

For undervisningsomkostninger er effekten afhængig af antal lokationer, hvor der ses en negativ sammenhæng mellem lønomkostninger og antal lokationer, om

end den omvendte effekt (højere lønomkostninger ved flere lokationer) er bemærket ved institutionsbesøg. Sammenhængen skyldes formentlig, at større

institutioner ligeledes har flere lokationer. Dog kan kausaliteten ikke bekræftes af regressionsanalyser

•

Institutionerne fremhæver at antal årselever (dvs. institutionsstørrelse) særligt er drevet af i) demografiske udviklinger, ii) politiske reformer og iii) ændrede

søgemønstre, herunder grundet konjunkturudsving, institutionernes renomme og samarbejde med grundskoler i området

Geografi er betydende som omkostningsdriver

•

Der en tendens til, at større institutioner ligger i byerne og mindre institutioner ligger på landet. Analysen indikerer, at mens det generelt er dyrere per kvm i

byerne er disse også bedre til at udnytte deres kvadratmeter, og ergo kan der ikke spores nogen effekt af institutionsstørrelse på bygningsomkostninger per

årselev

•

Hertil tyder analysen på, at mindre institutioner har højere omkostninger til løn end større institutioner per årselev. Som de senere analyser viser, kan dette bl.a.

skyldes medarbejdersammensætningen og institutionelle forhold. Således peger institutionsbesøgene på, at der er en højere andel af yngre lærere i byerne,

hvilken kan forklare effekten, hvorfor geografi indirekte er betydende som omkostningsdriver

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

3.1

Metode

3.2

Lønomkostninger

3.3

Bygningsomkostninger

3.4

Øvrige driftsomkostninger

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.1. OMKOSTNINGSDRIVERE - METODE

Der er betydelige forskelle i omkostninger per årselev mellem handelsskolerne. Analysens formål

er at identificere årsagerne til disse forskelle, dvs. omkostningsdrivere

•

Nedenstående graf viser, at der på tværs af handelsskolerne er en maksimal forskel i omkostninger per årselev i 2018 på 24 pct. tilsvarende ~30.000 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

De betydelige forskelle 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 årselever på tværs af handelsskolerne (2018)

1,2

Tusinde kr. per årselev

+24%

120

110

100

112

106

110

112

105

103

100

Indtægter per årselev

Omkostninger per årselev

104

100

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.1. OMKOSTNINGSDRIVERE - METODE

Handelsskolernes 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. 24-35)

•

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 kapitel 4

for uddybning heraf)

•

Analyse af

bygnings-

omkostninger

(s. 36-43)

•

Bygningsomkostninger udgør en forholdsmæssig lille del af

institutionernes omkostninger men varierer betydeligt på

tværs af institutioner

•

Analyse af øvrige

drifts-

omkostninger

(s. 44-46)

•

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

3.1

Metode

3.2

Lønomkostninger

3.3

Bygningsomkostninger

3.4

Øvrige driftsomkostninger

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Forskelle i lønomkostninger til undervisning per årselev skyldes særligt forskelle i antal årselever

per underviser

•

Nedenstående grafer viser, at lønomkostningerne til undervisning per årselev varierer med op til 25 pct. 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 betydelig variation, som viser

en vis grad af systematik ift. lønomkostninger til undervisning per årselev, imens de gennemsnitlige lønomk. per underviser viser marginal systematik. For antal

årselever per underviser gælder det, at handelsskolen med det laveste antal har de højeste lønomkostninger per årselev, mens handelsskolen med det højeste antal

har de laveste lønomkostninger per årselev. 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 mindre del af variationen

I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste side præsenteres disse

omkostningsdrivere og deres effekter. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen på forrige side

•

Lønomkostninger per årselev og de to løn-omkostningskomponenter for handelsskolerne, fordelt på institutioner (2018)

1,2

Lønomkostninger til undervisning

per årselev (tusinde kr.)

-25%

Ø 52

Gennemsnitlige lønomkostninger

per underviser (tusinde kr.)

612

568

631

603

662

666

639

599

560

613

654

569

652

662

632

618

661

642

550

Ø 620

Antal årselever per underviser

Ø 12

Note: 1) En handelsskole har også skolehjem og dermed flere omkostninger til øvrige lønomkostninger og øvrig drift som følge heraf, hvilket kan skævvride ovenstående fordeling. 2) Antallet af undervisere er justeret iht. indtægtsdækket

virksomheds andel af totale omkostninger, da undervisere på indtægtsdækket virksomhed ikke kan udskilles selvstændigt i ISOLA. Kilde: Analysens datamodel

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Lønomkostninger per årselev hos handelsskolerne 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 handelsskolerne. 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 regressionsanalyser. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet. 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) holdstørrelse, iii) antal årselever, iv) antal lokationer og v) socioøkonomi er betydende omkostningsdrivere for

lønomkostninger per årselev. De følgende sider præsenterer og uddyber disse tre omkostningsdrivere, der er identificeret som betydende

= indikerer at driveren har en betydende effekt

─

= en betydende effekt er ikke identificeret

Omk.

komp.

Indikationer på effekt af omkostningsdriveren

Omkostningsdrivere

Andel undervisnings-

tid

(s. 28)

Holdstørrelse

(s. 29)

Antal årselever

(s. 28-29; s. 31; s. 34)

Antal lokationer

(s. 30)

Socioøkonomi

(s. 32; s. 35)

Dataanalyse

Institutionsbesøg

Regressioner

Beskrivelse af effekter

•

Både institutionsbesøg og dataanalyser indikerer, at en høj andel undervisningstid reducerer løn til undervisning per

årselev

•

Regressionsanalyserne har ikke identificeret disse sammenhænge. Samlet vurderes driverens effekt betydende og

uddybes i det følgende

─

Antal årselev per underviser

•

Effekten af holdstørrelse er fundet at være betydelig, da gennemsnitlige holdstørrelser ses at variere betydeligt og

har en positiv sammenhæng med lønomkostninger til undervisning per årselev dvs. større hold driver lavere omk.

•

Institutionerne understreger betydningen heraf og fokuserer i udpræget grad på holdstørrelser i deres styring

─

•

Flere årselever driver lavere lønomkostninger per årselev til både undervisning og administration og ledelse. Det

understøttes af både dataanalyse og institutionsbesøg, men understøttes ikke af regressionsanalysen

•

Institutionsbesøg indikerer, at antal lokationer kan have en negativ effekt på løn til undervisning, hvilket er

understøttet af dataanalysen. Det har ikke været muligt at få en indikation via regressionsanalysen

•

Institutionsbesøg og dataanalysen indikerer, at socioøkonomi har en effekt på løn til ledelse og administration, hvor

lavere socioøkonomisk reference medfører højere omkostninger per årselev. Effekten findes ikke for uddannelse

•

Analysen kan ikke understøttes af regressionsanalysen

•

Antal uddannelser varierer mellem 6-9 for handelsskolerne. Ingen af analyserne har klart indikeret, at antal

uddannelser har en betydende effekt på lønomkostningerne, hvorfor driveren ikke præsenteres yderligere i de

følgende sider. Dog har institutionsbesøg peget på, at det kan have betydning for særligt administration

•

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

Begge

omk.

komp.

Geografi

(by/landkommune)

Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 20 observationer, men fx kun 14 observationer for antal lokationer), med omkostningsdriverne som uafhængige variable, og lønomkostninger per årselev til hhv.

undervisning og administration 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Analysen indikerer, at en større andel undervisningstid reducerer omkostninger til undervisning

per årselev. Det er til dels nemmere for større institutioner

Antal årselever

Andel undervisningstid

•

Nedenstående grafer illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årselev

Figuren til venstre

indikerer, at lønomkostninger til undervisning per årselev er svagt faldende ved en højere andel undervisningstid, hvilket ses på den svage

negative hældning af trend-linjen på grafen nedenfor

Analysen indikerer således, at institutioner, der bruger mere tid på undervisning, alt andet lige, har lavere lønomkostninger til undervisning per 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 andelen af lærernes arbejdstid, der anvendes på undervisning.

Denne styring foregår naturligt i sammenhæng med styring på holdstørrelse (jf. næste side). Fx forsøger institutionerne at tage højde for frafald, time-fag fordeling,

kapacitetsudnyttelse af lærerressourcer, herunder ved skemaplanlægning, mv. Det er tiltag, der i sidste ende kan bevare høje andele tid anvendt på undervisning

Figuren til højre

indikerer, at større institutioner har svagt højere undervisningsandele. Institutionerne bemærker, at det er lettere at optimere undervisningstiden ved

mange årselever. Bl.a. fordi de ovenfor nævnte tiltag bedre kan anvendes, fx større fleksibilitet i time-fag fordeling ved en større lærerstab, mere fleksibel

skemaplanlægning, mv. Det bemærkes, at grafen har en stor spredning, hvorfor dataanalysens konklusioner ikke kan stå alene

Andel undervisningstid ift. lønomkostninger per årselev (2017)

Omkostninger til undervisning per årselev

70.000

Andel undervisningstid fordelt efter institutionsstørrelse (2017)

Årselever

5.000

60.000

4.000

3.000

50.000

2.000

40.000

1.000

30.000

Andel undervisningstid

Note: 1) 2017 data er anvendt for andel undervisningstid, da data for 2018 ikke er tilgængeligt.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

Andel undervisningstid

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Der er en indikation på, at større hold reducerer omkostninger til undervisning per årselev. Det er

lettere for store institutioner

Antal årselever

•

Holdstørrelse

•

Nedenstående grafer illustrer betydningen af holdstørrelse for lønomkostningerne til undervisning per årselev samt betydningen af institutionstørrelse for holdstørrelse

Figuren til venstre

indikerer, at løn til undervisning per årselev er faldende ved større holdstørrelser, hvilket ses på den negative hældning af trend-linjen

Analysen indikerer således, at institutioner, der har større gennemsnitlige holdstørrelser, alt andet lige, har lavere lønomkostninger til undervisning per årselev, da lærer/elev ratioen

(dvs. omkostningskomponenten: ‘antal

årselever per underviser’)

mindskes

Det understøttes af institutionsbesøgene, hvor særligt holdstørrelse (klassekvotienten) fremhæves som styringsparameter. Institutionerne arbejder aktivt med at opnå holdstørrelser

på 28 (maksimum tilladt

). Flere institutioner bemærker, at det er svært at lave prognoser for elevtal grundet udsving i søgemønstre og frafald. Disse udsving har mindre betydning for

store institutioner, da de har bedre muligheder for optimering af holdstørrelse

Figuren til højre

viser, at større institutioner generelt har højere gennemsnitlig holdstørrelse, hvormed antallet af årselever er medvirkende til at holdstørrelser kan optimeres. Det kan

medføre, at lønomkostninger per årselev for større handelsskoler er mindre. Dette er særligt tydeligt for større handelsskoler, men er også tilfældet for almindelige handelsskoler, hvor

der tydeligt ses en sammenhæng mellem antal årselever og holdstørrelse. Det underbygges af, at almindelige handelsskoler har en større variation i holdstørrelse (~20-28) mens

større handelsskoler varierer mindre (~25-28)

Sammenfattende tyder det på, at omkostninger til undervisning per årselev er faldende i gennemsnitlig holdstørrelse, således at det alt andet lige er mere omkostningseffektivt at

undervise store hold. Yderligere tyder det på, at større handelsskoler gennemsnitligt har større hold og nemmere ved at tilpasse holdstørrelsen, hvorimod dette er sværere for mindre

handelsskoler. Med andre ord kan større handelsskoler nemmere optimere holdstørrelsen, og dermed omkostningseffektiviteten

Gennemsnitlig holdstørrelse fordelt efter institutionsstørrelse (2015 og 2018)

Gennemsnitlig holdstørrelse

Almindelig

Stor

Gennemsnitlige omkostninger og holdstørrelse (2015 og 2018)

Gennemsnitlig holdstørrelse

Køge Handelsskole

40.000

45.000

50.000

55.000

500

1.000

1.500

2.000

Årselever

2.500

3.000

3.500

4.000

Omkostninger til undervisning per årselev

Note: 1) Data er baseret på indsamlede spørgeskemaer, derfor er data kun tilgængelig for de udvalgte år. 2011 er ikke indeholdt da observationer mangler for ca. halvdelen af handelsskolerne. Store handelsskoler er defineret ved over 1.500

årselever. Der er brugt et gennemsnit på tværs af 2015 og 2018.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Der er indikationer på, at færre lokationer driver højere omkostninger per årselev. Det afhængigt

af antal årselever per lokation

Antal lokationer

•

Nedenstående graf viser sammenhængen mellem lønomkostninger per årselev og antal lokationer. Det ses, at der er en negativ sammenhæng mellem

lønomkostninger i alt per årselev og antallet af lokationer, dvs. at lønomkostninger per årselev falder jo flere lokationer institutionen har

Antallet af lokationer kan have en påvirkning på lønomkostninger per årselev, da flere lokationer, reducerer institutionernes muligheder for optimering af de øvrige

omkostningsdrivere, fx holdstørrelse, andel undervisningstid, kvm udnyttelsen (kvm per årselev), mv. På den anden side bemærkes det, at større institutioner med

flere årselever typisk har flere lokationer, således at der indirekte er stordriftsfordele ift. antal lokationer. Institutionsbesøgene tyder på, at det er antallet af årselever

per lokation (og ikke antallet af lokationer), som driver omkostningerne, om end det ikke har været kvantitativt muligt at undersøge sammenhængen

Sammenfattende er der derfor en negativ sammenhæng mellem lønomkostninger og antal lokationer. Det kan umiddelbart være et udtryk for stordriftsfordele. Dog

peger kvalitative observationer på, at flere lokationer er omkostningsdrivende ift. fx lønomkostninger til øvrig drift, muligheden for at optimere holdstørrelser mv.

Institutionsbesøgene peger bl.a. på, at flere lokationer kan betyde højere lønomkostninger til undervisning da det er sværere at optimere de nævnte

omkostningsdrivere på tværs af lokationer

•

Omkostninger per årselev fordelt antal lokationer (2018)

Lønomkostninger i alt per årselev

85.000

80.000

75.000

70.000

65.000

60.000

55.000

50.000

45.000

40.000

Antal lokationer

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Analysen antyder, at lønomkostninger til undervisning per årselev er højere for små

institutioner. Effekten er ikke tydelig på niveau af den enkelte uddannelse

Antal årselever

•

Institutionsbesøg og dataanalyserne indikerer, at lønomkostninger per elev, alt andet lige, er lavere målt for større institutioner (ift. antal årselever). Det er dog ikke et

entydigt billede, da en række mindre institutioner ligeledes har lave omkostninger på årselev

Sammenhængen er illustreret i nedenstående graf (venstre). Det fremhæves desuden på grafen, at der er tegn på stordriftsfordele målt ved antallet af årselever.

Hertil er effekten på tværs af de tre største uddannelser afdækket (HHX samt merkantilt grund- og hovedforløb) på

grafen til højre.

På niveau af den enkelte

uddannelse ses ikke den samme effekt, hvilket kan skyldes, at der kun er den kritiske mængde af årselever for HHX, men ikke for merkantilt grund- og hovedforløb

Institutionsbesøgene indikerer, at faldende marginalomkostninger i betydelig grad skyldes forbedrede muligheder hos større institutioner for optimering af

holdstørrelser og lærernes undervisningsandele. Dette er på niveau af den enkelte institution og ikke den enkelte uddannelse, hvor sidstnævnte ikke tilsiger faldende

marginalomkostninger, hvilket dels skyldes størrelsen målt på antal årselever og dels at muligheden for optimering ikke er afgrænset til den enkelte uddannelse ved

institutionerne. Faldende marginalomkostninger er ikke alene drevet af antal årselever, om end antallet af årselever har betydning for muligheden for netop at

realisere faldende marginalomkostninger

Lønomkostninger til undervisning per årselev fordelt på uddannelser (2018)

Lønomkostninger til undervisning per årselev på de tre største uddannelser

Institutioner

65.000

60.000

55.000

50.000

45.000

40.000

35.000

1.000

2.000

Årselever

3.000

4.000

70.000

65.000

Institutioner med under

ca. 1.250 årselever har

højere lønomkostninger

til undervisning per elev

•

Lønomkostninger til undervisning per årselev fordelt på institutionsstørrelse (2018)

Lønomkostninger til undervisning per årselev

HHX

Merkantilt grundforløb

Merkantilt hovedforløb

60.000

55.000

50.000

45.000

40.000

35.000

30.000

1.000

Årselever

2.000

3.000

Note: 1) Analysen er ligeledes foretaget for institutions-år fra 2011-2017, med overordnet samme tendens som resultat; 2) En handelsskole er ikke indeholdt pga. skolehjem, hvor årselever hertil ikke er medregnet, og vil derfor skabe et bias i

figuren

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Analysen viser ikke tegn på, at lønomkostninger til undervisning afhænger af elevernes

socioøkonomisk reference

Socioøkonomi

•

Nedenstående graf viser sammenhængen mellem lønomkostninger per årselev til undervisning og socioøkonomisk reference for karakterer. Sidstnævnte er

defineret som reference for karakterer pba. socioøkonomisk karakteristika (køn, alder, indkomst, karakterer i 9. klasse mv.). Figuren viser en stor variation mellem

lønomkostninger til undervisning per årselev og elevernes socioøkonomisk reference, hvorfor der ikke kan drages nogen entydig konklusion. Det gælder også

såfremt der kontrolleres for den ene handelsskole, som har socioøkonomisk reference på omkring 6 (jf. nedenstående trendlinjer)

Det bemærkes fra institutionsbesøg og interviews, at socioøkonomi kan påvirke lønomkostninger til undervisning gennem mindre holdstørrelse for at sikre

undervisningen gennemførsel, højere lønomkostninger til undervisning ift. specifikke kompetencer samt lavere undervisningsandele, da lærerressourcer skal bruge

en større del af deres tid på administrative opgaver (sammenhængen med lønomkostninger til ledelse og administration undersøges senere). Hertil er det bemærket,

at socioøkonomi kan have en selvstændig effekt på lønomkostninger

Sammenfattende viser analysen derfor, at der ikke kan spores en effekt af socioøkonomi på lønomkostninger til undervisning

•

Lønomkostninger til undervisning per årselev fordelt efter socioøkonomisk reference for karakterer (gennemsnit for 2016-2018)

Trendlinje

Lønomkostninger til undervisning per årselev

60.000

Trendlinje uden ekstrem observation

55.000

50.000

45.000

40.000

6,0

6,5

Socioøkonomisk reference for karakterer

Noter: 1)

UVM’s

socioøkonomiske referencer for karakterer er baseret på elevernes 9.-klasses FP-karakterer, køn, alder, herkomst, forældrenes højeste fuldførte uddannelse, forældrenes bruttoindkomst, familiestatus og elevens adgangsvej

inden start på uddannelsen. Den forventede karakter er beregnet som gns. af forventet eksamensresultat (inkl. bonus A) på tværs af uddannelser på institutionen

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

7,0

7,5

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Lønomkostninger til administration og ledelse per årselev er højere for

små institutioner, særligt dem med under ~750 årselever

Antal årselever

•

Interviews og analyser viser, at omkostninger til administration og ledelse per årselev, alt andet lige, er lavere jo større en institution er. Denne sammenhæng

illustreres på nedenstående graf, hvor den grønne trend-linje viser faldende lønomkostninger til adm. og ledelse ved flere årselever

Analyserne indikerer desuden, at denne sammenhæng kun i begrænset omfang er afhængig af antal lokationer. Det indikerer, at institutionerne formår at optimere

ledelsen og den administrative drift uagtet en spredning af lokationer

Ved institutionsbesøg er det bl.a. fremhævet, at udlicitering og ledelse er afgørende for lave omkostninger per årselev indenfor denne omkostningskategori.

Ligeledes understreges det, at mulighederne for at optimere ovenstående tiltag lettes for større institutioner

Analysen indikerer en grænse for omkostninger per årselev i omegnen af ~750 årselever ift. at opretholde en effektiv administration. Det er ikke muligt at beregne en

præcis kritisk grænse, dog understøtter institutionsbesøg resultaterne af nedenstående figur

Cirklen markerer hvilke institutioner, der har under 750 årselever, og det skraverede røde felt illustrerer, at ingen institutioner under 750 årselever har

lønomkostninger til administration og ledelse per årselev under ~8.000 kr.

Forskelle mellem små og store institutioner kan være markante, idet lønomkostninger til adm. og ledelse per årselev svinger med en faktor fire fra 3.000 til 12.000 kr.

•

Lønomkostninger til administration og ledelse per årselev på tværs af institutionsstørrelse (2018)

Lønomkostninger til administration og ledelse per årselev

14.000

12.000

10.000

8.000

6.000

4.000

Institutioner med under

750 årselever har højere

lønomkostninger til

administration og ledelse

per elev

2.000

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

Årselever

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER

Analysen viser svagt tegn på, at lønomkostninger til ledelse og administration afhænger af

elevernes socioøkonomisk reference

Socioøkonomi

•

Nedenstående graf viser sammenhængen mellem lønomkostninger per årselev til ledelse og administration og socioøkonomisk reference for karakterer.

Sidstnævnte er defineret som reference for karakterer pba. socioøkonomisk karakteristika (køn, alder, indkomst, karakterer i 9. klasse mv.). Figuren viser en stor

variation mellem lønomkostninger til ledelse og administration per årselev og elevernes socioøkonomisk reference, om end der er en svag negativ hældning på

trendlinjen. Såfremt der kontrolleres for den ene handelsskole, som har socioøkonomisk reference på omkring 6, er effekten således mere udtalt (jf. nedenstående

trendlinjer)

Det bemærkes fra institutionsbesøg og interviews, at socioøkonomi kan påvirke lønomkostninger til administration og ledelse af flere veje. Lavere socioøkonomisk

baggrund blandt eleverne forudsætter mere administration, eksempelvis elevadministration (sammensætning af hold mv.), studievejledning, administration af

indsatser ift. socioøkonomisk udsatte elever, mv.

Sammenfattende viser analysen af effekten af socioøkonomi på lønomkostninger til administration og ledelse derfor, at socioøkonomi tyder på at have en effekt på

lønomkostninger til administration og ledelse, således at en bedre socioøkonomisk reference sænker omkostninger hertil

•

Lønomkostninger til ledelse og administration per årselev fordelt efter socioøkonomisk reference for karakterer (gennemsnit for 2016-2018)

1,2

Lønomkostninger til ledelse og administration per årselev

14.000

12.000

10.000

8.000

Trendlinje

Trendlinje uden ekstrem observation

6.000

4.000

2.000

6,0

6,5

Socioøkonomisk reference for karakterer

7,0

7,5

Noter: 1)

UVM’s

inden start på uddannelsen. Den forventede karakter er beregnet som gns. af forventet eksamensresultat (inkl. bonus A) på tværs af uddannelser på institutionen. 2) 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

3.1

Metode

3.2

Lønomkostninger

3.3

Bygningsomkostninger

3.4

Øvrige driftsomkostninger

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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 tekniske 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER

Bygningsomkostninger per årselev varierer med 66 pct., hvilket skyldes

store variationer i kvadratmeterpriser samt antal kvadratmeter per årselev

•

Samlet set indikerer nedenstående grafer, 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 66 pct., som skyldes

markante variationer i kvadratmeterpriser samt antal kvadratmeter per årselev. Størrelserne af variationen i de to omkostningskomponenter indikerer, at begge

omkostningskomponenter er primære drivere af variationen i bygningsomkostninger per årselev

Graferne viser desuden 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 bygningsomkostninger. Det indikerer, at bygningsomkostningerne er kendetegnet ved en

række institutionsspecifikke og geografiske forhold, herunder ved overdragelse af bygninger ifm. overgang til selveje samt strategiske valg, som ikke er indeholdt på

denne side

På følgende sider fokuseres på de omkostningsdrivere, der virker gennem de to omkostningskomponenter. Driverne præsenteres på næste side

•

Bygningsomkostninger per årselev fordelt på bygningsomkostninger per m2 samt antal m2 per årselever (2017)

1,2,3

Bygningsomkostninger per

årselev (2017, tusinde kr.)

Bygningsomkostninger per m2

(2017, kr.)

Antal m2 per årselev (2017)

1.255

305

Ø9

-66%

854

877

640

420

667

882

452

274

505

564

354

573

509

395

371

375

233

417

Ø 546

Ø 18

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) Bygningsomkostningerne pr. årselev er opgjort som gns. af institutioner, hvorfor

opgørelsen afviger fra bygningsomkostninger pr. kvm. multipliceret med kvadratmeter pr. årselev; 3) 2017 data er benyttet pga. datatilgængelighed (SparEnergi-databasen). Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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 handelsskolerne. 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 regressionsanalyser. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet. Det bemærkes, at det ikke har været muligt at etablere

signifikante resultater for regressionsanalyserne. De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering

af hver omkostningsdriver. ”Dataanalyser”

dækker over analyser af data fra datamodellen som ikke anvender regressioner

–

se de følgende sider for eksempler herpå

Analyserne indikerer samlet set, at særligt i) geografi, ii) antal årselever og iii) antal lokationer 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.

Indikationer på effekt af omkostningsdriveren

Omkostningsdrivere

Dataanalyser

Institutionsbesøg

Regressioner

Beskrivelse af effekter

Geografi

(by/landkommune)

(s. 40)

─

•

Analyserne indikerer at institutioner i bykommuner har betydeligt højere bygningsomkostninger per årselev

Kvm.

priser

•

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

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. 38-39)

•

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

(s. 41)

─

•

Både dataanalyser og institutionsbesøg indikerer, at antal lokationer har en effekt på bygningsomkostninger per

årselev

•

Omkostningsdriveren præsenteres derfor yderligere i de følgende sider

og administration 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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 handelsskolerne, snarere ses en svag tendens til stigende marginalomkostninger

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 forholde i systematiske omkostningsdrivere. Fx økonomien og bygningsmassen ved overdragelse fra selveje, valgte låneforhold, det konkrete

ejendomsmarked i nærområdet, mv.

Gennemsnitlige omkostninger til bygningsdrift per årselev på tværs af institutionsstørrelse (2011-2017)

Bygningomkostninger per årselev

20.000

15.000

10.000

5.000

500

1.000

1.500

2.000

Årselever

2.500

3.000

3.500

4.000

Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER

… hvilket skyldes, at større institutioner har højere bygningsomkostninger

per kvadratmeter men samtidig flere elever per kvadratmeter

Antal årselever

•

Graferne nedenfor indikerer, at den nogenlunde konstante omkostning til bygninger på tværs af institutionsstørrelse er drevet af modsatrettede tendenser indenfor

hhv. kvm per årselev og bygningsomkostninger per kvm (de to omkostningskomponenter fra kausalmodellen, jf. foregående sider)

Opgørelsen viser en sammenhæng mellem antallet af kvadratmeter per elev og institutionsstørrelse, hvor større institutioner tenderer til at have færre kvadratmeter

per elev (højre

graf),

samtidig med at større institutioner tenderer til at have højere bygningsomkostninger per kvadratmeter (venstre

graf).

Hertil kommer

geografiske forskelle mellem handelsskoler, som kan drive forskelle i omkostninger (jf. næste side)

Således fremgår det, at store institutioner både har færre kvadratmeter per elev og større bygningsomkostninger per kvadratmeter, hvilket tilsammen resulterer i at

institutionsstørrelse ikke hænger sammen med bygningsomkostninger per elev

•

Gennemsnitlige bygningsomkostninger per kvm på tværs af

institutionsstørrelse (2011-2017)

Bygningsomkostninger per kvm

2.000

Gennemsnitlige kvm. per årselev på tværs af

institutionsstørrelse (2011-2017)

Kvm per årselev

1.600

1.200

800

400

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

Årselever

er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER

Institutioner på landet er typisk både mindre og har lavere bygningsomkostninger

per elev. Institutioner i byerne varierer mere i både størrelse og omkostninger per elev

Geografi

•

Nedenfor ses en opgørelse over bygningsomkostninger per kvadratmeter samt per årselev på tværs af institutionsstørrelse

Institutionerne er geografisk opdelt afhængigt af, om de er placeret i en bykommune eller en landkommune

Figuren til venstre

viser, at bygningsomkostningerne per kvm typisk er højere for støre institutioner. Hertil er institutioner, som ligger på landet, oftest relativt små og

med lave bygningsomkostninger per kvm

Figuren til højre

viser, en svag sammenhæng mellem institutionsstørrelse og omkostningerne til bygninger per årselev, som særligt for de mindre institutioner synes

at være betinget af geografisk placering udenfor byerne

Sammenfattende er Institutioner i landkommuner generelt mindre og billigere på bygningsomkostninger, mens institutioner i bykommuner varierer betydeligt i forhold

til både bygningsomkostninger og størrelse

Gennemsnitlige bygningsomk. per kvm på tværs af institutions-

størrelse for institutioner i by- og landkommuner (2011-2018)

Bygningsomkostninger

per kvm.

1.800

1.600

1.400

1.200

1.000

800

600

400

200

Institutioner i landkommuner er

typisk mindre og billigere på

bygningsomkostninger

500

1.000 1.500 2.000 2.500 3.000 3.500 4.000

Årskursister

Land

Gennemsnitlige bygningsomkostninger per årselev på tværs af institutions-

størrelse for institutioner i by- og landkommuner (2011-2018)

Bygningsomkostninger

per årselev

18.000

16.000

14.000

12.000

10.000

8.000

6.000

4.000

2.000

Land

500

1.000 1.500 2.000 2.500 3.000 3.500 4.000

Årskursister

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) til c) er her defineret som

‘by’ og d) til e) som ‘land’; 2) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke

er indeholdt.

Kilde: Analysens datamodel; Danmarks Statistik, 2018; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER

Antal lokationer er betydende for bygningsomkostninger per årselev

Antal lokationer

•

Nedenfor ses en opgørelse over sammenhængen mellem omkostninger til bygningsdrift og antal lokationer, som har til formål at belyse om antallet af lokationer

driver bygningsomkostninger per årselev

Opgørelsen viser, at der er en svag positiv sammenhæng mellem antallet af lokationer og bygningsomkostninger per årselev. Dette er understøttet af

institutionsbesøg, da flere lokationer drivere en række faste omkostninger

Det bemærkes, at der ikke er taget højde for en række institutionsspecifikke forhold. Således vil større handelsskoler typisk have flere lokationer, og vil hertil typisk

være placeret i byområder, hvilket driver bygningsomkostninger, jf. foregående side. Det kan derfor ikke konkluderes, at det alene er antallet af lokationer, som driver

bygningsomkostninger

Omkostninger til bygningsdrift per årselev på tværs af antal lokationer (2018)

Bygningomkostninger per årselev

16.000

14.000

12.000

10.000

8.000

6.000

4.000

2.000

Antal lokationer

Note: 1) Baseret på indberetninger fra 14 handelsskoler om antal lokationer. Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

3.1

Metode

3.2

Lønomkostninger

3.3

Bygningsomkostninger

3.4

Øvrige driftsomkostninger

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.4. OMKOSTNINGSDRIVERE

–

ØVRIGE DRIFTSOMKOSTNINGER

Større institutioner har umiddelbart lavere omkostninger til øvrig drift per årselev

•

Omkostninger til øvrig drift er faldende med stigende institutionsstørrelse, dvs. større institutioner gennemsnitligt har lavere omkostninger til øvrig drift per årselev

end mindre institutioner, jf. den grønne trend-linje på grafen nedenfor

Der er dog stor spredning i øvrig driftsomkostninger per årselev på tværs af institutionsstørrelse, hvilket indikerer at omkostningsstrukturer i høj grad er drevet af

andre faktorer ud over institutionsstørrelse. Hertil følger, at mindre institutioner har større varians i deres øvrig drift omkostninger end større institutioner, hvilket

indikerer en mindre robusthed, alt andet lige

Omkostninger til øvrig drift per årselev på tværs af institutionsstørrelse (2011-2018)

Øvrig drift per årselev, kr.

25.000

Drivere af øvrige driftsomkostninger

•

Omkostningsdriverne af øvrige driftsomkostninger

per årselev er primært antallet af årselever og

antallet af medarbejdere (hvilket igen er drevet af

antal årselever). Det følger af, at øvrige

driftsomkostninger i høj grad er aktivitetsafhængige,

da de omfatter fx undervisningsmateriale, IT licenser,

inventar og kontorartikler, opkvalificering af

medarbejdere, markedsføring mv.

Dog er nogle af omkostningerne i mindre grad

aktivitetsafhængige, hvilket medfører at netop

institutionsstørrelse har en betydning. Det skyldes, at

for omkostninger der ikke er aktivitetsafhængige vil

omkostningen per årselev være lavere for større

institutioner. Det gælder fx Lectio abonnement,

Navision, SLS, Sikkerpost, faktura flow systemer,

journaliseringssystemer, mv. Dette er fremhævet på

institutionsbesøgene, hvor institutionerne desuden

bekræfter, at større institutioner generelt set har

bedre muligheder for at sænke øvrige

driftsomkostninger per årselev sfa. en række tiltag

20.000

•

15.000

10.000

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

Antal årselever

Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

3.4. OMKOSTNINGSDRIVERE

–

ØVRIGE DRIFTSOMKOSTNINGER

Der er stor forskel på institutionernes sammensætning af øvrige driftsomkostninger

•

Nedenstående figur viser en oversigt over øvrige driftsomkostninger per årselev på tværs af de 20 handelsskoler. Øvrige driftsomkostninger er opdelt i køb af

tjenesteydelser ekskl. IT (kurser, rådgivning og køb af øvrige tjenesteydelser), reparation og vedligehold ekskl. bygninger, køb af varer til forbrug

(undervisningsmaterialer, småanskaffelser, elevaktiviteter og køb af øvrige varer), afskrivninger ekskl. bygninger samt øvrige driftsomkostninger inkl. omkostninger til

Figuren viser en variation på ca. 50 pct. mellem institutioner ift. omkostninger til øvrig drift per årselev, som jf. forrige side bl.a. korrelerer med antal årselever.

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 11 pct. til 46 pct. på tværs af institutionerne

•

Omkostninger til øvrig drift per årselev per institution (tusinde kr.), 2018

1,2

Køb af tjenesteydelser (ex IT)

Rep. og vedligehold (ex. byg)

Køb af varer til forbrug

Afskrivninger

Øvrige driftsomkostninger

Øvrig drift per årselev, tusinde kr.

-50%

26%

39%

22%

16%

28%

46%

13%

21%

12%

29%

40%

11%

23%

Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt. 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.

STRUENSEE & CO.

28%

26%

36%

28%

13%

25%

37%

12%

Ø 17

36%

30%

37%

19%

53%

43%

51%

17%

30%

25%

19%

41%

26%

24%

30%

20%

53%

44%

36%

39%

10%

41%

43%

40%

12%

20%

23%

22%

58%

31%

22%

26%

36%

49%

22%

32%

31%

35%

25%

23%

35%

34%

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

4.1

Metode

4.2

Tilpasningsbehov

4.3

Tilpasningsevne

4.4

Tilpasningsudfordringer

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4. INSTITUTIONERNES TILPASNINGSEVNE

Analysen identificerer en række forhold, der påvirker handelsskolernes 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. 51-52)

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 handelsskoler, der har faldende indtægter et givent år, oplever i

gennemsnit et indtægtsfald på godt 4 pct. pr. år ift. det foregående år i

perioden 2012-2018

Størrelsen på de gennemsnitlige indtægtsfald har været faldende frem

mod 2017. Indtægtsfaldet var i gennemsnit hhv. 7 pct. og 3 pct. i 2012

og 2018. Hertil er andelen af handelsskoler, som oplever et

indtægtsfaldet faldet fra 75 pct. i 2012 til 60 pct. i 2018

4.3

Tilpasningsevne (s. 53-62)

Faste omkostninger og omkostninger med lang bindingstid svækker

tilpasningsevnen

•

Institutionerne kan nemmere tilpasse økonomien når omkostninger er

mere aktivitetsafhængige. Analysen viser bl.a., at handelsskolerne

tilpasser omkring 70 pct. af omkostningerne ved et indtægtsfald i et givent

år, hvor omkring halvdelen af tilpasning sker på lønomkostninger

Analysen peger på, at ca. 60 pct. af handelsskolernes omkostninger har

høj grad af aktivitetsafhængighed. Ligeledes viser beregninger, at ca. 91

pct. af omkostningerne skønnes at have en bindingsperiode på mindre

end 10 mdr. Det skyldes, at undervisningslønomkostningerne udgør en

stor del af de samlede omkostninger, og at de typisk har en relativt kort

bindingsperiode. En sådan tilpasning vil dog have konsekvenser for

undervisningens gennemførsel, hvorfor tallet ikke nødvendigvis er udtryk

for et fagligt bæredygtigt tilpasningsrum ved faldende indtægter

•

4.4

Tilpasningsudfordringer (s. 63-64)

Analysen viser, at de handelsskoler, der har det størst tilpasningsbehov og den laveste tilpasningsevne, er kendetegnet ved:

•

Flere årselever:

De udfordrede handelsskoler har generelt flere

årselever end de handelsskoler, som bedre kan tilpasse sig

Det skyldes, at større handelsskoler generelt har sværere ved at

tilpasse økonomien ved ændringer i indtægterne på kort sigt, hvilket

bl.a. kan skyldes ancienniteten blandt lærerstaben. Det understøttes af,

at mindre handelsskoler i 2012-2018 oplever større variation i indtægter

end større handelsskoler, hvilket har formet deres tilpasningsevne

•

Samme geografiske fordeling:

De udfordrede handelsskoler ligger

hovedsageligt i byerne og har flere årselever, mens mindre udfordrende

handelsskoler typisk ligger i yderkommuner og har færre årselever. Det

bemærkes, at tilpasningsevnen kan være drevet af behov fra tidligere

år, da mindre handelsskoler typisk oplever større variation i indtægter

end større handelsskoler

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

4.1

Metode

4.2

Tilpasningsbehov

4.3

Tilpasningsevne

4.4

Tilpasningsudfordringer

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

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

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

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

4.1

Metode

4.2

Tilpasningsbehov

4.3

Tilpasningsevne

4.4

Tilpasningsudfordringer

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.2. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSBEHOV

Når handelsskolerne oplever et fald i indtægter, er det gennemsnitligt af en

betydelig størrelse, hvilket skaber et tilpasningsbehov på institutionerne

•

Grafen nedenfor illustrerer omfanget af indtægtsfald, som handelsskolerne oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt en institution oplever et fald i

indtægter, så vil det fald gennemsnitligt være på mellem ca. 4 procent ift. året før. Fx oplever institutioner med et indtægtsfald i 2012 gennemsnitligt et fald på 7 pct.

ift. året før (2011), i 2013 et gennemsnitligt fald på 6 pct. ift. 2012 osv. 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

. I gennemsnit oplever ca. 60 pct. af handelsskolerne et indtægtsfald i et givet år i 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 pct.

og et gennemsnit på 4 pct.) indikerer, at institutionerne jævnligt oplever betydelige tilpasningsbehov, der kræver en ikke ubetydelig reduktion af omkostninger

Givet dette tilpasningsbehov fokuserer den følgende analyse på, hvilken tilpasningsevne institutionerne har, og endeligt i analysens sidste del, hvordan de

identificerede behov og evner matcher. Et element af denne matching er at undersøge hvilke karakteristika, der kendetegner de udfordrede institutioner

•

Gennemsnitlig fald i indtægter ift. året før (pct.)

Gennemsnitlig pct.

fald ift. året før

6,9

5,7

Indtægts-

fald (pct.)

3,1

3,7

3,4

4,1

3,5

4,3

Ændringer fra år til år:

•

De fleste handelsskoler oplever ændringer

i elevtallet hvert år, i opad- eller

nedadgående retning, hvilket påvirker

deres indtægter. Det skyldes, at

taxametersystemet er overvejende

aktivitetsafhængigt

Årsager til indtægtsændringer

Indsigter fra institutionsbesøg:

Interview med institutionerne

peger på 4 hovedårsager til indtægtsændringer:

•

Demografiske ændringer:

Den demografiske udvikling

driver tendenser på lang sigt, fx reduceret elevgrundlag

grundet faldende ungdomsårgange. Udviklingen er som regel

til at forudsige, når der ses på tidligere år og den forventede

udvikling i størrelsen af den relevante aldersgruppe i området

Ændrede søgemønstre:

De unges søgemønstre ændres på

både 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 institutioner, der har faldende indtægter

et givent år, oplever i gennemsnit et

indtægtsfald på ca. 4 pct., om end med

udsving på tværs af årene

Der er stor forskel på de driftsmæssige og

organisatoriske udfordringer, som hhv. en

stigning og et fald i indtægterne medfører,

derfor fokuserer grafen til venstre på

institutioner, der i de givne år har haft fald i

indtægter

•

Antal

med

indtægts-

fald

Andel

med

indtægts-

fald

•

2012 2013 2014 2015 2016 2017 2018

Note: 1) Grafen er baseret på handelsskoler, som oplever et indtægtsfald. Indtægterne kommer fra tilskud (86 pct.), deltagerbetaling (3 pct.) og øvrige indtægtskilder (11 pct.) i 2018.

Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

4.1

Metode

4.2

Tilpasningsbehov

4.3

Tilpasningsevne

4.4

Tilpasningsudfordringer

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3 INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Analyserne indikerer, at handelsskolerne håndterer indtægtsfald forskelligt. I gennemsnit

reduceres omkostninger i sektoren med ca. 72 pct. ifm. et indtægtsfald

•

Nedenfor analyseres sammenhængen mellem indtægtsfald og omkostningsreduktioner for handelsskolerne 2012-2018. Af figuren ses sammenhængen mellem en

institutions gennemsnitlige årlige indtægtsfald og den realiserede reduktion af omkostninger i samme år fordelt på løn, bygninger og øvrig drift

. I den højre søjle

sammenlignes resultaterne med sektorens gennemsnitlige omkostningsfordeling i 2018

Analysen viser for det første, at der er betydelig variation på tværs af institutioner ift., hvordan omkostninger ændres i år med et indtægtsfald. Det indikerer, at

omkostningstilpasning i høj grad er afhængig af institutionernes egne strategiske valg, og i mindre grad drives af systematik i, hvordan de enkelte

omkostningskategorier tilpasses som følge af et indtægtsfald

For det andet viser nedenstående graf den gennemsnitlige omkostningstilpasning i sektoren, men den kan ikke tage højde for forskelle mellem enkelte institutioner,

dette medfører en betydelig usikkerhed. Grafen bør derfor tolkes som den gennemsnitlige tilpasning for sektoren og ikke en årsagsforklaring

Resultaterne af analysen indikerer, at handelsskolerne i gennemsnit tilpasser ca. 72 pct. af økonomien ved indtægtsfald. Heraf tilpasses på bygninger (16 pct. af

tilpasningen), løn (51 pct. af tilpasningen) og øvrig drift (33 pct. af tilpasningen)

… ift. omkostningsfordelingen

Bygninger

Øvrig drift

Observationer

•

Gns. indtægtsfald:

Det gennemsnitlige indtægtsfald ift.

året før udgør 2,2 mio. kr. for perioden 2012-2018 for

handelsskolerne i de år, hvor de oplever indtægtsfald

•

Gns. omkostningsreduktion:

Over en syvårig periode

tilpasser handelsskolerne med indtægtsfald i gennemsnit

72 pct. af deres omkostninger

1,6 mio. kr.

2.569 mio. kr.

•

Løn:

I gennemsnit foretages 51 pct. af tilpasningen af

omkostningerne på lønnen. Tilpasningen sker især

gennem reduktion af medarbejderstaben, særligt antal

undervisere

Når indtægterne falder med … … falder omkostningerne med …

Indtægtsfald

Løn

2,2 mio. kr.

51%

71%

72 pct.

16%

33%

Gns. indtægtsfald

pr. år (2012-2018)

Gns. omkostnings-

reduktion pr. år (2012-2018)

10%

19%

Totale omkostninger

(2018)

•

Bygninger:

16 pct. af tilpasningen foretages i gennemsnit

på bygninger. Tilpasningen er større end den totale

omkostningsandel. Institutionerne bemærker, at tilpasning

af bygningsomkostninger er en kortsigtet løsning som kan

medføre øgede omkostninger på længere sigt

•

Øvrige driftsomkostninger:

33 pct. af reduktionen

foretages i gennemsnit på øvrig drift, heraf størstedelen på

indkøb af tjenesteydelser og varer til forbrug

Note: 1) Outliers med indtægtsfald eller omkostningsfald per omkostningskategori på over 7 mio. kr. ift. året før er frasorteret. Hertil er alle institutioner indeholdt, som havde et indtægtsfald, uagtet at disse kan have haft indtægtsfald i

foregående år. Det skyldes, at analysens population ellers er for snæver. Hertil er en institution ikke indeholdt pga. ekstraordinære store tilpasninger, som ikke kan tilskrives indtægtsfaldet i året. Det bemærkes, at metoden her er

forskellig fra de øvrige arketyper pga. førnævnte forhold, og analysen kan ikke sammenlignes med andre arketyper da andre kriterier for udvælgelse er benyttet. Ergo kan omkostningsreduktionen ikke isoleres som tilpasningen ved et

indtægtsfald i indeværende regnskabsår, og kan derfor være udtryk for en tilpasning på både kort og lang sigt. Resultaterne på siden skal derfor tolkes forsigtigt. Kilde: Analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Op til 91 pct. af handelsskolernes omkostninger kan principielt justeres inden for 10 måneder, og

60 pct. af omkostningerne har en høj aktivitetsafhængighed

•

Nedenfor ses en oversigt over handelsskolernes samlede omkostninger fordelt på (1) aktivitetsafhængighed og (2) bindingstider

Som det fremgår af opgørelsen, estimeres ca. 60 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, og ca. 91 pct. af omkostningerne skønnes at

kunne tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne

Oversigten indikerer, at handelsskolerne 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

Der er lavet en analyse af sammenhængen mellem en institutions gennemsnitlige årlige indtægtsfald og den realiserede reduktion af omk. fordelt på omkostnings-

kategorier. Der er ikke nok observationer indenfor arketypen til at uddrage systematiske tendenser. Derfor afrapporteres denne opgørelse ikke

På de følgende sider uddybes omkostningskomponenterne der ligger til grund for nedenstående fordeling af totale omkostninger. I tillæg hertil undersøges forskelle i

bindingsperioder mellem institutionerne. Endeligt kobles bindingsperioderne med det identificerede tilpasningsbehov, som beskrevet på de forrige sider

Tilpasningsevne

•

Omkostningernes aktivitetsafhængighed

Høj

Middel

Lav

Bindingstid på omkostninger

0-3 mdr.

4-10 mdr.

11-24 mdr.

25+ mdr.

60%

32%

35%

55%

5% 4%

•

Ca. 60 pct. af

handelsskolernes

samlede omkostninger

skønnes at have høj grad

af aktivitetsafhængighed,

baseret på interviews

med institutionerne

Det skyldes især løn til

undervisning, som udgør

ca. 56 pct. af de totale

omkostninger, og

vurderes at have høj

aktivitetsafhængighed

•

De 32 pct. af

omkostningerne vurderet

at have en middel

aktivitetsafhængighed

udgøres af en blanding af

lønomkostninger til

administration, ledelse og

service (~15 pct. af total

omkostninger), bygninger

(~3 pct. af total

omkostninger) og øvrig

drift (~14 pct. af total

omkostninger), jf.

følgende sider

•

De resterende 8 pct.

vurderet at have lav

aktivitets-

afhængighed

udgøres primært af

bygningsomkostning

er (~7 pct. af total

omkostninger) og en

mindre del øvrige

driftsomkostninger

(~1 pct. af total

omkostninger)

De følgende sider

uddyber disse

resultater

•

Det skønnes, at ca. 91 pct. af handelsskolernes samlede

omkostninger har en bindingstid på 0-10 mdr., hvilket især er

drevet af bindingstiden på løn. Heraf ses, at ~36 pct. af

omkostningerne har en bindingstid under ca. 3 måneder

, og

består primært af lønomkostninger (20 pct. af total

omkostninger) og øvrige driftsomkostninger (15 pct. af total

omkostninger)

De 55 pct. af omkostningerne med en bindingstid på 4-10

måneder består primært af lønomkostninger med 52 pct. af

de totale omkostninger

•

De resterende

omkostninger med

længere

bindingsperioder

består særligt af

bygningsomkostning

er samt nogle former

for øvrige

driftsomkostninger

Note: 1) Opgjort på baggrund af interviews med handelsskoler 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 handelsskoler . 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: Anciennitetsdata fra ISOLA, analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Ca. 25 pct. af lønomkostninger kan principielt justeres inden for ca. 3 måneder, mens de

resterende ca. 75 pct. kan justeres inden for 4-10 måneder

•

Nedenfor illustreres handelsskolernes 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 24 pct. Indenfor ca. 3 mdr. og 76 pct. ved 4-10 mdr.

Løn til administration og ledelse er mindre aktivitetsafhængig da en række administrative og ledelsesopgaver skal varetages uagtet antallet af årselever. Løn til

administration og ledelse har dog lignende bindingstid. Det samme gælder for øvrige lønomkostninger, som til dels er aktivitetsafhængige, fx ift. kantinedrift og

rengøring

Aktivitetsafhængigheden tilsiger derfor, at det mest oplagt at tilpasse antallet af undervisere på kort sigt ved aktivitetsændring, 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 lønomkostninger til undervisning

Aktivitets-

Bindingstid

afhængighed omkostninger

•

0-3 mdr.

4-10 mdr.

•

Omkostnings-

kategorier

Observationer

76%

Høj

•

24%

•

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. Dog i mindre grad for mindre institutioner da den trinvise tilpasning her er højere

Bindingstid:

Efter lærernes overenskomst gælder det, at ansatte kan have op til 6 måneders opsigelse og 3 måneders fratrædelsesgodtgørelse (se

uddybelse på forrige side). Dertil kommer en høringsperiode på ca. 14 til 30 dage. Baseret på anciennitetsfordelingen skønnes ca. 24 pct. af

lønomkostningerne at være knyttet til undervisere med krav på 0-3 mdr.

varsel, mens de resterende 76 pct. er forbundet med krav på 4-10 mdr.

opsigelsesvarsel, jf. den beskrevne opgørelse på næste side

Tilpasningsevne:

Kombinationen af, at handelsskolernes 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 ifølge institutionerne have en vis effekt på omfanget af

elevadministration, studievejledning mv. Derfor vurderes løn til administration og ledelse at have en 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, jf.

følgende sider

Tilpasningsevne:

Kombinationen af, at handelsskolernes lønomkostninger til administration har begrænset aktivitetsafhængighed og lav bindingstid,

indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen. Især elevadministrative opgaver og støttefunktioner (fx

studievejledning mv.) vil ifølge institutionerne kunne justeres ved ændrede elevtal over en 2-3-årig periode

Administration og

ledelse

Undervisning

Løn

75%

Middel

•

25%

•

Middel

77%

•

23%

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 handelsskolernes øvrige lønomkostninger har begrænset aktivitetsafhængighed og lav bindingstid,

indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen

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.

Øvrige

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Justerbarheden af lønomkostninger til undervisning afhænger af

lærerstabens anciennitetsfordeling…

•

Nedenfor fremgår en opgørelse af bindingstiden på handelsskolernes lønomkostninger til undervisning. Opgørelsen er beregnet ud fra (1)

undervisningsårsværkenes anciennitet, (2) de overenskomstmæssige opsigelsesvarsler ud fra ancienniteten og (3) lønomkostningerne til disse årsværk

Beregningstilgangen illustrerer, at omfanget og fordelingen af ancienniteten er den primære driver for justerbarheden af lønomkostninger til undervisning. Dertil skal

tages højde for praktiske begrænsninger i kraft af undervisningens årshjul, som beskrevet tidligere i dette afsnit

Det bemærkes, at anciennitetsdata er behæftet med usikkerheder, da det ikke har været muligt at trække faktisk anciennitet fra relevante registre. I stedet er optalt

antal år, medarbejdere er ansat. Denne tilgang medfører øget metodisk usikkerhed, hvilket også gør sig gældende for de resulterende omkostningsfordelinger

På næste side illustreres den tilsvarende sammenhæng mellem anciennitet, opsigelsesvarsel og bindingsperioder for lønomkostninger til administration og ledelse

Beregningsskridt

Fordeling af

årsværk på

anciennitet

Handelsskoler

Observationer

1 år

2 år

3 år

4 år

5 år

6 år

7 år

8 år

9+ år

•

10%

6% 4%

38%

Af søjlen øverst til venstre ses, at

ancienniteten for handelsskolernes

undervisere typisk er 1-4 år eller over 9

år. Færre undervisere har en anciennitet

mellem 5-8 år

•

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

Løn til undervisning

Opsigelses-

varsler baseret

på anciennitet

22%

24%

12%

38%

•

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

Af søjlen nederst til venstre ses, at 26 pct.

af handelsskolernes lønomkostningerne

til undervisning er til ansatte med en

sådan anciennitet, at de kan afskediges

med 3 måneders varsel. De tilsvarende

tal er 50 pct., 62 pct. og 100 pct. for hhv.

4, 5 og 6 måneders varsel

De relative forskelle mellem

beregningsskridt 2 og 3 skyldes, at

undervisere med højere anciennitet har

højere lønninger (foruden længer

opsigelsesvarsler), hvilket fx resulterer i,

at 40 pct. af lønomkostningerne optages

af de 38 pct. ansatte, som har mere end

seks måneders opsigelse

Lønomkost-

ninger opdelt

på opsigelses-

varsler

20%

23%

13%

40%

76 pct.

Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere

Kilder: Anciennitetsdata fra ISOLA, analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

… Ligeledes er anciennitet afgørende for justerbarheden af lønomkostninger

til administration og ledelse…

•

Nedenfor fremgår en opgørelse af bindingstiden på handelsskolernes lønomkostninger til administration og ledelse. Opgørelsen er beregnet ud fra (1) adm.- og

ledelsesårsværkenes anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne til disse årsværk

Tilgangen tilsvarer tilgangen fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til

administration og ledelse. Dog er aktivitetsafhængigheden vurderet lavere for administration og ledelse end for undervisning, grundet karakteren af nogle af de

opgaver administrativt personale og ledere varetager

På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift

Beregningsskridt

Fordeling af

årsværk på

anciennitet

Handelsskoler

Observationer

1 år

2 år

3 år

4 år

5 år

6 år

7 år

8 år

9+ år

•

12%

11%

5% 4%

43%

Løn til administration og ledelse

•

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

Opsigelses-

varsler baseret

på anciennitet

23%

16%

13%

43%

Opgørelsen viser, at ledere og

administrative medarbejdere

gennemsnitligt har en smule højere

anciennitet end undervisningsstaben, jf.

sammenligning med forrige side

Det resulterer i, at ledere og

administrativt personale har længere

opsigelsesvarsel. Således er andelen af

ledere og administrativt personale med 5

måneders opsigelsesvarsel eller længere

er 56 pct. ift. undervisningspersonalets

tilsvarende 50 pct.

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

Lønomkost-

ninger opdelt

på opsigelses-

varsler

21%

18%

13%

45%

75 pct.

Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere

Kilder: Anciennitetsdata fra ISOLA, analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

… Hvilket også gælder ancienniteten for øvrigt personale, som er betydende

for lønomkostninger til øvrigt personale

•

Nedenfor fremgår en opgørelse af bindingstiden på handelsskolerne lønomkostninger til øvrigt personale. Opgørelsen er beregnet ud fra (1) øvrigt personales

anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne

Tilgangen tilsvarer den fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til øvrigt

personale. Dog er aktivitetsafhængigheden vurderet lavere for øvrigt personale end for undervisning, grundet karakteren af nogle af de opgaver som øvrigt personale

varetager, fx ift. bygningsdrift, rengøring mv

På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift

Beregningsskridt

Fordeling af

årsværk på

anciennitet

Handelsskoler

Observationer

1 år

2 år

3 år

4 år

5 år

6 år

7 år

8 år

9+ år

•

11%

5% 4%

41%

•

Løn til bygningsdrift og øvrig drift

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

•

Opsigelses-

varsler baseret

på anciennitet

22%

18%

15%

41%

1 mdr.

3 mdr.

4 mdr.

5 mdr.

6 mdr.

Opgørelsen viser, at øvrige medarbejdere

gennemsnitligt har en højere lavere

anciennitet end undervisningsstaben, jf.

sammenligning med forrige sider

Det resulterer i, at andelen af øvrigt

personale med 5 måneders

opsigelsesvarsel eller længere er 56 pct.

ift. undervisningspersonalets tilsvarende

50 pct.

Det bemærkes, at medarbejdere med en

opsigelsesvarsel på over 6 måneder får

væsentligt højere løn (44 pct.) end deres

andel i midterste figur (41 pct.) tilsiger.

Det viser, at øvrigt personale

gennemsnitligt har højere lønninger sfa.

højere anciennitet

Lønomkost-

ninger opdelt

på opsigelses-

varsler

19%

18%

15%

44%

77 pct.

Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere

Kilder: Anciennitetsdata fra ISOLA, analysens datamodel.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Bygningsomkostninger er svære at tilpasse på kort sigt, fordi de typisk ikke

påvirkes af udsving i elevtal og har en lang bindingstid

•

Nedenfor analyseres handelsskolernes 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. 38 pct. af omkostningerne er vurderet at have

en bindingstid på 25 måneder eller mere, imens kun 5 pct. vurderes at have en bindingstid under tre måneder

Institutionsbesøgene understreger dog, at omfang og karakter af bygningsomkostninger i betydelig grad er institutionsspecifikke, da de bl.a. afhænger af økonomiske

overdragelsesforhold, låntagningsbeslutninger, alder og stand af bygningsmassen, mv.

Analysen indikerer, at det i praksis svært for institutionerne at tilpasse bygningsomkostningerne på kort sigt. Dette kan blandt andet skyldes, at institutionerne ofte

følger en vedligeholdelsesplan, hvilket kan begrænse tilpasningsevnen på kort sigt. Desuden bemærker institutionerne, at tilpasning af bygningsomkostninger på kort

sigte kan drive omkostninger på lang sigt. Beregningerne af bindingstiden er baseret på omkostningsfordelingen for handelsskolerne koblet med de angivne

aktivitetsafhængigheder og bindingstider, jf. beskrivelserne i starten af delanalyse 4 (kapitel 5)

Det bemærkes, at handelsskolerne bygningsomkostninger og omkostninger til øvrig drift (jf. næste side) ligner især gymnasiernes. Det skyldes, at begge delsektorer

primært gennemfører tavleundervisning, og at disse omkostningskategorier relaterer til denne undervisningsform på samme måde

Aktivitets-

afhængighed

Bindingstid

Totale bygningsomkostninger for

handelsskoler (mio. kr.), 2018

Observationer

20%

38%

263

Husleje:

Der er betydelig varians i bindingstiden på lejede bygninger. Dertil kommer, at

partielle opsigelser ikke altid er mulige, så ændringer i huslejen vil reelt forudsætte fraflytning

af hele lejemål. Disse forhold gør, at det kan være vanskeligt at tilpasse huslejen på kort sigt

Afskrivninger:

Omkostninger til afskrivninger mv. påvirkes ikke af ændringer i elevtallet på

kort sigt, og der er gennemgående lang bindingstid på dem, da det kan være svært at sælge

bygninger hurtigt

Reparation og vedligehold:

Faldende elevtal ift. året før påvirker kun i begrænset omfang

behovet for reparationer og vedligehold. Der er generelt kort bindingstid, da der dag-til-dag

kan fravælges visse opgaver, især hvis institutionerne har egne pedeller

Forsyning:

Institutionerne giver udtryk for, at faldende elevtal har en vis effekt på forsynings-

udgifterne, bl.a. til el og vand, men der er en del faste omkostninger knyttet til bygnings-

massen, som ikke ændres ved fald i elevtallet. Samtidig varierer bindingstiden betydeligt

Renter (prioriteter):

Renteudgifter på prioriteter påvirkes ikke af faldende elevtal fra år til år,

og der er lang bindingstid på rentebetalinger, da de er afhængige af tilbagebetalinger på-

og/eller omlægninger af lån

Rengøring:

Ifølge institutionerne vil rengøringsudgifterne kun i begrænset omfang reduceres

ved faldende elevtal. Bindingstiden afhænger af, om institutionen har udliciteret opgaven og i

så fald af bindingsperioden i kontrakten

Øvrig bygningsdrift:

Øvrige omkostninger til bygninger, herunder leje og leasing i øvrigt og

omkostninger ved tab af afhændelse af anlæg, har generelt lav aktivitetsafhængighed og

middel til lang bindingstid

•

Omkostningskategorier

Total

0-3 mdr.

4-10 mdr.

11-24 mdr.

25+ mdr.

Husleje

Lav

4-25+ mdr.

Afskrivninger

Reparation og

vedligehold

Forsyning

Renter

(prioriteter)

Rengøring

Øvrig

bygningsdrift

STRUENSEE & CO.

Lav

11-25+ mdr.

Bygninger

Lav

0-25+ mdr.

Middel

4-25+ mdr.

Omkostninger til

rengøring afholdes

som øvrige

driftsomkostninger, så

vidt der er tale om

indkøb af ydelser,

eller som løn til øvrig

drift, så vidt rengøring

håndteres af ansat

personale

Lav

11-25+ mdr.

Lav

11-24 mdr.

Lav

4-25+ mdr.

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

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og

har lav bindingstid

•

Nedenfor analyseres handelsskolernes 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 handelsskolerne er 83 pct. af de øvrige

driftsomkostninger vurderet at have en bindingsperiode på under ca. 3 måneder. Dertil er ingen omkostninger indenfor øvrig drift vurderet at have en bindingsperiode

over 25 måneder. Der er derfor gode muligheder for at tilpasse de øvrige driftsomkostninger på kort sigt i det omfang det giver praktisk mening for institutionerne

Det bemærkes, at handelsskolernes bygningsomkostninger (jf. forrige side) og omkostninger til øvrig drift ligner især gymnasiernes. Det skyldes, at begge

delsektorer primært gennemfører tavle undervisning, og at disse omkostningskategorier relaterer til denne undervisningsform på samme måde

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

handelsskoler (mio. kr.), 2018 Observationer

83%

9% 481

114

161

Undervisningsmaterialer:

Følger i høj grad ændringer i elevtallet. Samtidig er der

typisk korte bindingstider (dog længere på e-bøger mv). Samlet høj tilpasningsevne

Småanskaffelser:

Kan, ifølge institutionerne, reduceres på kort sigt ved fald i

elevtallet, ligesom der ikke er væsentlige bindinger på indkøb af småanskaffelser

Elevaktiviteter:

Er i høj grad betinget af antallet af elever med generelt kort

bindingstid. Der er derfor generelt stor tilpasningsmulighed på elevaktiviteter

Køb af øvrige varer:

Er ifølge institutionerne i aktivitetsafhængigt, og der er typisk

korte bindingstider (fx køb af inventar mv). Institutionerne har derfor relativt gode

muligheder for at tilpasse køb af øvrige varer

Kurser:

I det omfang faldende elevtal medfører reduktioner i lærerstab mv., vil

faldende elevtal reducere behovet for kurser. Der er kort bindingstid på kurser

Rådgivning:

Har generelt kort bindingstid, da det typisk kan fravælges med kort varsel.

Der er en vis aktivitetsafhængighed ift. elevantal

Køb af øvrige tjenesteydelser:

Udgifter til fx markedsføring, rejser, vagtservice, fragt,

rengøring mv. har varierende aktivitetsafhængighed. Ligeledes varierer bindings-

tiderne, som dog generelt vurderes korte

Reparation og vedligehold (ekskl. byg.):

Flere 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

0-3 mdr.

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)

Kilder: 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

4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE

Forskelle i bindingstider kan indikere, at handelsskolerne træffer forskellige valg, der påvirker

tilpasningsevnen

•

Nedenstående figur viser forskellene i andelen af de samlede omkostninger med bindingstid på ca. 0-3 mdr. på tværs af handelsskolerne og de tre kategorier

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 handelsskolernes rammevilkår, fx i form af geografi, størrelse el.lign., hvilket kan

påvirke bindingstiden. Tilsvarende kan forskellene skyldes at institutionerne aktivt træffer forskellige valg, der påvirker andelen af omkostninger med korte bindinger

Gennemsnitligt bør handelsskolerne forventeligt have en betydelig tilpasningsevne fordi (1) handelsskolerne generelt har korte bindingsperioder på store andele af

både lønomkostninger og øvrige driftsomkostninger, (2) samtidig med at disse omkostningskategorier ofte udgør størstedelen af omkostningerne og (3)

tilpasningsbehovet er typisk omkring ca. 4 pct. per år når en institution oplever et fald, jf. den tidligere analyse

Observationer

Forskelle i bindingstid:

Løn

Bygninger

20%

Ø 36

Kilder: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

Andel af handelsskolernes omk. med 0-3 mdr. bindingstid (pct.), 2018

Øvrig drift

40%

60%

•

Forskellen mellem institutionerne med størst og lavest andel omkostninger

med kort bindingstid er på 17 pct. point, hvilket er en betydelig forskel på kort

sigt. Forskellene kan skyldes rammebetingelser eller aktive valg:

–

Enten skyldes de observerede forskelle i andelen af omkostninger med lav

bindingstid, at der er systematiske

strukturelle forskelle

mellem

institutionerne

–

Ellers skyldes de observerede forskelle i bindingstider, at institutionerne

aktivt har truffet

forskellige valg,

som påvirker deres tilpasningsevne positivt

eller negativt

Strukturelle forskelle:

•

-17

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 handelsskolernes rekrutteringsmuligheder kan påvirke

medarbejdernes anciennitet

Handelsskolerne 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.

Forskellige valg:

•

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

4.1

Metode

4.2

Tilpasningsbehov

4.3

Tilpasningsevne

4.4

Tilpasningsudfordringer

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

4.4. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSUDFORDRINGER

Analysen af tilpasningsbehov og -evne indikerer, at særligt bygningsforhold påvirker

institutionernes tilpasning af økonomien

•

= under gennemsnittet

= over gennemsnittet

Nedenfor ses to figurer, der hhv. illustrerer handelsskolernes kortsigtede tilpasningsmuligheder og deres langsigtede bindinger

Figuren til venstre

sammenholder handelsskolernes 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 handelsskolernes 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 handelsskoler er mulige tolkninger af

systematiske forskelle behæftet med usikkerheder. Analyserne indikerer dog

en række relevante forhold for tilpasningsudfordringerne på tværs af de

handelsskolerne:

Figuren til venstre

•

Handelsskolerne kan i gennemsnit tilpasse 36 pct. af deres

omkostningsbase indenfor ca. 3 mdr. og har et årligt tilpasningsbehov på

ca. 3 pct. (målt i forhold til deres indtægter)

•

Institutioner med en tilpasningsevne over gennemsnittet har i gns. ca.

700 årselever, mens institutioner med en tilpasningsevne under

gennemsnittet i gns. har ca. 2.200 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

•

Handelsskolerne har en gns. bindingsperiode på deres samlede

omkostningsbase på ~6 måneder, mens faste omkostninger

(omkostninger med binding på 11+ mdr.) i gennemsnit udgør 9 pct. af

institutionernes samlede omkostninger

•

Institutioner med bindingstid og andel faste omkostninger over

gennemsnittet har gennemgående høje bygningsomkostninger drevet af

enten dyre lokationer, behov for stor bygningsmasse mv.

•

Derudover benytter institutionerne med længere gns. bindingstid i højere

grad af kontrakter på services (bygninger, kantine, mv.), som kan være

mere omkostningseffektivt end in-house services men samtidig som

regel har længere bindinger end ansat servicepersonale

Kortsigtede tilpasningsudfordringer

Tilpasningsbehov

(pct.)

Tilpasningsevne

(andel samlede omk.)

Langsigtede bindinger

Gns. bindingstid

(mdr.)

Faste omkostninger

(andel samlede omk.)

-5

-4

-2

-4

-2

-5

-2

-3

Ø -3

Ø 36

Ø6

Ø9

Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for handelsskoler for 2016-2018 (hvorfor ikke alle institutioner er indeholdt). 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 omkostningsbase 4) Andelen af faste omkostninger findes ved at tage andelen af omk. med 11+ mdr. binding

ud af institutionernes samlede omkostningsbase. Kilde: Analysens datamodel; Institutionsbesøg

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

5. ØKONOMISK BÆREDYGTIGHED

Sammenfatning af analysen af økonomisk bæredygtighed for handelsskoler

Økonomisk bæredygtighed

•

Handelsskolernes finansielle robusthed er samlet set forbedret i perioden 2011-2018. Handelsskolerne er i dag bedre rustet til længerevarende

nedgangsperioder (pga. øget egenkapital)

Handelsskolernes generelle finansielle robusthed dækker imidlertid over betydelig variation i de finansielle nøgletal på tværs af institutioner. Visse

handelsskoler er således mere økonomisk udsatte end andre. Ud fra ét sæt af kriterier for økonomisk udsathed

–

vedvarende underskud, faldende elevtal

og fravær af høj soliditetsgrad over en 3-årig periode

–

er fire handelsskoler identificeret som de økonomisk udsatte. Det bemærkes, at en population på

fire er smal, hvorfor konklusioner skal drages varsomt. Sammenlignet med handelsskoler under ét er de økonomisk udsatte institutioner bl.a. kendetegnet

ved:

–

Flere årselever (uddybes nedenfor)

–

Oftere placeret i bykommuner samt lidt større holdstørrelser og elev-lærer-ratio

–

Lavere aktivitetsafhængighed

–

Lavere finansielle nøgletal, særligt ift. likviditetsgrad, overskudsgrad og egenkapital

Antal årselever

•

Analysen indikerer, at de udsatte handelsskoler er større ift. antal årselever. Det dækker over en lav population (kun fire handelsskoler) samt at to ud af de

fire udsatte handelsskoler er store institutioner med over 2.000 elever. Analysen afspejler derfor ikke de konklusioner, som tidligere er etableret for

handelsskoler ift. faldende marginalomkostninger i antallet af årselever for løn- og øvrige driftsomkostninger. Med andre ord finder analysen, at de

økonomisk udsatte institutioner har både højere elevtal og højere omkostninger per årselev for både løn-, bygnings- og øvrige driftsomkostninger på trods

af konklusioner i delanalyse 3 (kapitel 4) om faldende marginalomkostninger

Ovenstående indikerer, at økonomisk udsathed for de udsatte handelsskoler er drevet af forskelle i strategiske valg og prioriteringer snarere end forskelle i

omkostningsdrivere. Den begrænsede konklusion kan hertil dække over det lave antal af observationer

•

Geografi

•

Analysen indikerer, at de udsatte handelsskoler oftere er placeret i en bykommune. Den tidligere analyse har identificeret, at bygningsomkostninger er

højere i bykommuner sammenlignet med landkommuner, hvilket kan forklare en del af sammenhængen

Med andre ord er der ikke konstateret en tendens til, at de økonomisk udsatte institutioner er placeret i yderområder, fx i landkommuner. 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, fx ift. holdstørrelser, rekrutteringsmuligheder mv.

Note: 1) Konklusionerne på denne side er baseret på analysen af de mest økonomisk udsatte institutioner i flerårige model præsenteret på de følgende sider. Gruppen af økonomisk udsatte institutioner i

STUK’s

tilsynsmodel adskiller sig i mindre grad fra handelsskolerne som helhed på de undersøgte parametre.

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

5. ØKONOMISK BÆREDYGTIGHED

Handelsskolernes finansielle robusthed er øget siden 2012

•

De fire grafer nedenfor viser, hvordan handelsskolernes finansielle robusthed har udviklet sig fra 2011-2018

. Handelsskolerne har i perioden øget

deres egenkapital og soliditetsgrad, men har siden 2013 oplevet en faldende overskudsgrad (dog observeres en stigning i 2016)

Handelsskolerne er blevet bedre rustet til længerede nedgangsperioder (egenkapital), men er lidt mere sårbare overfor kortere udsving i driften (likviditetsgrad)

Likviditetsgraden har dog været stabil siden 2014 og vurderes at være solid

Beskrivelse

Udvikling i nøgletal for handelsskolernes finansielle robusthed (2011-2018)

Egenkapital (mio. kr.), venstre akse

•

Egenkapital

Egenkapital/omsætning, højre akse

1.411

1.410

1.373

1.400

1.343 1.321

49%

48%

44% 48%

1.300

42%

2011

2012

2013

2014

2015

1.500

Overskudsgrad

1,1%

2,0%

2,3%

1.435

50%

2016

1.462 1.449

70%

60%

51% 51%

50%

40%

2017

2018

Handelsskolerne har øget deres

egenkapital

fra 2011-2018 fra ~ 1.300

mio. kr. til ~1.400 mio. kr. (ca. 8 pct. stigning). Udviklingen er dog fladet

ud mellem 2017 og 2018 parallelt med faldet i overskudsgrad

Institutionerne har i samme periode vokset deres egenkapital som del af

omsætningen fra 42 pct. til 51 pct.

Institutionernes

overskudsgrad

har været positiv over hele perioden fra

2011-2018, men den er faldet stødt siden 2016 samtidigt med et fald i

likviditetsgraden

I perioden 2016 til 2018 har institutionerne været omfattet af et

omprioriteringsbidrag på 2 pct. årligt

Handelsskolernes

soliditetsgrad

er fra 2011-2018 steget tre

procentpoint fra 34 pct. til 37 pct.

Stigningen svarer nogenlunde til stigningen i egenkapital, hvilket

indikerer, at institutionerne i begrænset omfang har gjort brug af

fremmedkapital (fx banklån)

Handelsskolernes

likviditetsgrad

er fra 2011-2018 steget 11

procentpoint fra 71 pct. til 82 pct. Likviditetsgraden er faldet i 2017, men

vurderes dog relativ stabil, hvilket indikerer en fin evne til at

imødekomme kortsigtede gældsforpligtelser

•

Overskudsgrad

•

1,7%

0,7%

1,4%

0,9%

2017

37%

0,4%

2018

37%

•

2011

40%

35%

2012

2013

2014

2015

2016

Soliditetsgrad

34%

33%

35%

•

33%

34%

35%

30%

2011

2012

2013

2014

83%

2015

82%

2016

87%

2017

2018

82%

•

Likviditetsgrad

90%

80%

70%

Likviditetsgrad

84%

71%

80%

68%

60%

2011

2012

2013

2014

2015

2016

2017

2018

Note: 1) Tallene er for de 20 handelsskoler. 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

, jf. næste side

Specifikt undersøges følgende:

En række

omkostningsdrivere

kan være med til at drive omkostninger på institutionerne,

der kan påvirke institutionernes

omkostningsstrukturer og tilpasningsevne

samt

omkostningerne pr. årselev,

hvilket kan føre til

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.

•

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

•

Økonomisk udsathed

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

(udkantstilskud)

Socioøkonomi

(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:

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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 handelsskoler generelt 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

•

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”)

A. Finansielle nøgletal i året (1 ud af 4 kriterier er opfyldt):

1. Likviditetsgrad

under 50 pct. af gennemsnit for institutionerne

2. Soliditetsgrad

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

50-75 pct. af gennemsnit for institutionerne

2. Soliditetsgrad

50-75 pct. af gns. for gruppen

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

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

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

–

dermed indtægter

–

kan udfordre institutionernes økonomi

STUK’s

tilsyns-

model

Handels-

skoler

•

Overlap på

1 institution

•

Flerårig

model

Handels-

skoler

•

Note: 1) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 2) Likviditetsgrad beregnes ved at finde andelen af

omsætningsaktiver af institutionens kortfristede gældsforpligtelser; 3)

STUK’s

tilsynsmodel opererer alene på niveau af gymnasier, erhvervsskoler og

VUC’er.

4) Omfatter institutioner i prioriteringsgruppe 1 og 2 i

STUK’s

tilsynsmodel ekskl.

institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af årsregnskab. Frasortingen af disse institutioner i tilfælde, hvor de finansielle nøgletal ikke

indikerer økonomiske udfordringer, skyldes, at fx manglende indberetning af årsregnskab ikke i sig selv gør institutionerne økonomisk udfordrede, etc.

Kilde:

STUK’s

kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

5. ØKONOMISK BÆREDYGTIGHED

De handelsskoler, der er identificeret som økonomisk udsatte, har en tendens til at have flere

elever samt større holdstørrelse

•

Nedenfor ses en sammenligning af de identificerede institutionerne i den flerårige model,

STUK’s

tilsynsmodel

og populationen af 20 handelsskoler på centrale

omkostningsdrivere

Sammenlignet med andre arketyper skiller handelsskolerne sig ikke umiddelbart ud som de udsatte. Analysen viser, at den flerårige model identificerer fire

handelsskoler, mens

STUK’s

model også identificerer fire, der tenderer til at være mest økonomisk udsat. Overordnet set synes de identificerede institutioner i de to

modeller mere eller mindre at ligne populationen

For handelsskolerne i den

flerårige model

viser analysen dog en tendens til, at de udsatte institutioner har flere årselever samt er geografisk placeret i bykommuner

(dette skal dog læses med forbehold som følge af arketypens få observationer). Derudover fremgår, at institutioner tenderer til at have en større holdstørrelse end

både

STUK’s

model og hele populationen af handelsskoler

Flerårig model

27% (4)

25% (20)

23% (18)

20% (3)

7% (1)

40% (6)

9% (7)

6% (5)

20% (3)

7% (1)

18% (14)

13% (2)

27% (4)

13% (4)

19% (15)

1.872

2.176

1.431

75% (3)

50% (11)

0,59

Skal ses ift. en total

varians i populationen

mellem 0,46-0,62 i

forventet frafald ud fra

elevernes

socioøkonomiske

baggrund

25,5

25,0

24,7

36,0

36,4

35,6

25% (1)

Land

Handel

Kombination

AMU

SOSU

Arketypefordeling

(2018)

STUK’s tilsynsmodel

Hele populationen

Landbrug

Tekniske

Flerårig model

Antal årselever

(2018)

Geografi

(andel i hhv. by- og

landkommuner, 2018)

Socioøkonomisk

reference

(forv. karakter, 2018)

Elever pr. lærer

(2018)

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

Omkostningsdrivere

0,58

0,57

11,8

11,4

11,6

Holdstørrelse

(2018)

STUK’s tilsynsmodel

Hele populationen

Flerårig model

Undervisningsandel

(pct., 2017)

STUK’s tilsynsmodel

Hele populationen

STRUENSEE & CO.

Note: 1) Analysen omfatter institutioner i prioriteringsgruppe 1 og 2 i

STUK’s

tilsynsmodel ekskl. institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af

årsregnskab, fordi fx manglende indberetning af årsregnskab kan være udtryk for særforhold og ikke i sig selv gør institutionerne økonomisk udfordrede. 2)

BUVM’s

socioøkonomiske referencer for karakterer er baseret på elevernes 9.-klasses FP-karakterer,

køn, alder, herkomst, forældrenes højeste fuldførte uddannelse, forældrenes bruttoindkomst, familiestatus og elevens adgangsvej inden start på uddannelsen. Den forventede karakter er beregnet som gns. af forventet eksamensresultat (inkl. bonus A) på tværs

af uddannelser på institutionen. Kilde:

STUK’s

kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

5. ØKONOMISK BÆREDYGTIGHED

Den økonomiske udsathed bl.a. kommer til udtryk i højere lønomkostninger pr. årselev samt en

tendens til lavere finansielle nøgletal blandt de økonomisk udsatte handelsskoler

•

Nedenfor ses en sammenligning af institutionerne i den flerårige model,

STUK’s

tilsynsmodel og handelsskolerne generelt på finansielle nøgletal,

omkostningsstukturer og omkostninger pr. årselev. Analysen viser, at de identificerede økonomisk udsatte handelsskoler har en svag tendens til at have lavere

finansielle nøgletal, fx ift. likviditetsgrad, og især højere lønomkostninger pr. årselev. Det skal ses i ift. forskelle i omkostningsdrivere på foregående side (fx antal

årselever, holdstørrelse, mv.), hvorfor økonomisk udsathed ikke forklares af forskelle i omkostningsdrivere, men snarere skyldes forskelle i strategiske prioriteringer

mv. Hertil kommer det lave antal af observationer (fire i begge modeller), hvorfor konklusionerne skal fortolkes varsomt

Flerårig model

71%

72%

11%

10%

18%

Løn

Bygninger

Omk.strukturer og

tilpasningsevne

Omkostningsstruktur

(2018, procent)

Bindingstid

(2018, procent)

Aktivitetsafhængighed

(2018, procent)

Omk. til løn til per

årselev

(tusinde kr.)

Omk. til bygningsdrift

per årselev

(tusinde kr.)

Omk. til øvrig drift per

årselev

(tusinde kr.)

Egenkapital som andel

af omsætningen

(pct., 2018)

Overskudsgrad

(pct., 2018)

Soliditetsgrad

(pct., 2018)

Likviditetsgrad

(pct., 2018)

STUK’s tilsynsmodel

Hele populationen

Øvrig drift

65,3

0-3 mdr.

4-10 mdr.

Høj

Middel

Lav

11-24 mdr.

25+ mdr.

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

-2,8

Flerårig model

STUK’s

tilsynsmodel

Hele populationen

Flerårig model

STUK’s

tilsynsmodel

Hele populationen

Flerårig model

STUK’s

tilsynsmodel

Hele populationen

0,8

1,1

34%

37%

36%

56%

63%

60%

55%

57%

36%

28%

32%

Omkostninger pr.

årselev

62,2

64,1

9,8

9,7

9,0

16,6

15,6

16,5

52,6

25,4

Finansielle nøgletal

62,0

35,7

25,0

30,7

50,4

53,9

91,9

Note: 1) Omkostningerne er opgjort ekskl. kostelever. 2) Angivelsen af institutionernes bindingstid følger beregningerne i delanalyse 4. 3) Beregningen af institutionernes aktivitetsafhængighed følger metoden i delanalyse 4. 4) Egenkapitalens

andel af omsætningen, likviditetsgrad og soliditetsgrad 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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

6.1

Institutionsinddeling

6.2

Analysens datagrundlag

6.3

Omkostningsniveau på tværs af arketyper

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

Handelsskoler (20)

Business College Syd

Campus Vejle

Erhvervsgymnasiet Grindsted

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

6.1

Institutionsinddeling

6.2

Analysens datagrundlag

6.3

Omkostningsniveau på tværs af arketyper

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

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

•

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

Institutioner, i alt

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

159

148

254

19%

64%

70%

58%

67%

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

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

253

Geografi

Land

For at opnå indsigt i institutionsdriften på de omfattede ungdomsuddannelsesinstitutioner

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

•

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

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

134

704

695

119

100

385

111

Land

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

Indholdsfortegnelse

Introduktion

Institutionernes omkostningsstrukturer

Omkostningsdrivere

Institutionernes tilpasningsevne

Økonomisk bæredygtighed

Bilag

6.1

Institutionsinddeling

6.2

Analysens datagrundlag

6.3

Omkostningsniveau på tværs af arketyper

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

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.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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

150

200

250

300

350

400

450

500

550

600

650

700

750

800

850

900

Årselever per uddannelseskategori

STRUENSEE & CO.

BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren

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.

Struensee & Co. / Magstræde 6, 1204 København K / +45 2615 0803 / [email protected] / www.struensee.dk