Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt
2195746_0001.png
Omkostningsanalyse af
ungdomsuddannelsesområdet
Analyserapport om kombinationsskoler
November 2019
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0002.png
Analysen indikerer, at kombinationsskolerne har faldende marginalomkostninger, men at den
enkelte institutions udbud af uddannelser har stor betydning
Faldende marginalomkostninger
•
Kombinationsskolerne er samlet set kendetegnet ved
faldende marginalomkostninger,
da større institutioner har lavere omkostninger per årselev
end mindre institutioner. Kombinationsskolerne er imidlertid komplekse og udbyder mange forskellige uddannelser, hvorfor den enkelte institutions
uddannelsesudbud kan være definerende for, i hvor høj grad faldende marginalomkostninger materialiseres. Overordnet observeres det at:
Faldende marginalomkostninger gør sig gældende for
lønomkostninger til undervisning,
og udmøntes bl.a. igennem gennemsnitligt større hold
(for tekniske hovedforløb og -grundforløb, HHX og HTX) og en højere andel undervisningstid (for HHX) hos større institutioner
Ift.
lønomkostninger til administration og ledelse
er der ligeledes observeret faldende marginalomkostninger. Det kan skyldes, at administrative-
og ledelsesmæssige funktioner har en lav grad af aktivitetsafhængighed
Ift.
bygningsomkostninger
er der ikke identificeret faldende marginalomkostninger. Der er omvendt identificeret en smådriftseffekt for
kvadratmeterpriser (bl.a. drevet af geografi) samt for antal lokationer (flere lokationer kan besværliggøre optimering af bygningsmassen og drive
omkostninger til vedligehold og forsyning)
Ift.
øvrige driftsomkostninger
viser analyserne faldende marginalomkostninger for erhvervsuddannelserne. I denne sammenhæng fremhæves
særligt bedre muligheder for professionalisering, udlicitering og gode indkøbsaftaler, der følger med at være en stor institution
Geografi
•
Analyserne indikerer, at geografi indirekte har betydning for institutionerne igennem flere sammenhænge, herunder:
–
Institutioner i landkommuner har typisk lavere bygningsomkostninger end institutioner med afdelinger i bykommuner. Det hænger sammen
lavere lokale ejendomspriser for institutioner i landkommuner samt at disse institutioner kun sjældent råder over mange lokationer
–
Der er ikke identificeret en entydig sammenhæng mellem geografi og lønomkostninger eller øvrige driftsomkostninger. Dog bemærkes det fra
institutionsbesøg, at geografi kan have en effekt på lærerudbud, lærersammensætning (anciennitet) mv.
–
Geografi kan desuden påvirke institutionernes tilpasningsevne, da geografi har betydning for i) mulighederne for at afsætte bygninger, ii) leje
(midlertidige) bygninger, der kan bruges til undervisning, iii) udbuddet af undervisere såvel som konkurrencen om undervisere i området, iv)
muligheden for at tilpasse lønomkostninger mv.
Økonomisk bæredygtighed
•
Analysen af økonomisk bæredygtighed finder, at tre kombinationsskoler vurderes at være økonomisk udsatte. De udsatte kombinationsskoler er
større målt på antal årselever, har svagere socioøkonomisk elevsammensætning og lavere undervisningsandel end populationen af
kombinationsskoler
Analysen af økonomisk bæredygtighed tyder derfor på, at der er særlige institutionsspecifikke forhold, som påvirker resultaterne. Med andre ord
kan effekterne af omkostningsdrivere (jf. delanalyse 3 i kapitel 4) kun delvist genfindes
Resultaterne om økonomisk bæredygtighed skal tolkes varsomt. Det skyldes den sparsomme population (tre kombinationsskoler), hvor særlige
forhold kan drive resultaterne
2
•
•
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0003.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
3
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0004.png
1. INTRODUKTION
Rapportens struktur
•
•
Institutionerne der er omfattet af analysen, segmenteres i elleve arketyper (jf. side 5-8), som analyseres i separate analyserapporter. De fire arketyper under
delsektoren gymnasier er analyseret i én analyserapport, hvorfor der i alt er otte analyserapporter
Nærværende rapport indgår i den samlede omkostningsanalyse, hvoraf den udgør én af de i alt otte analyserapporter. De centrale og tværgående konklusioner fra
de otte analyser opsummeres i én samlet hovedrapport
Nedenfor fremgår en oversigt over struktur og indhold i analyserapporterne, herunder fire delanalyser (kap. 2-5). Alle otte analyserapporter følger samme struktur,
men med forbehold for tilpasninger i de konkrete analyser i henhold til særlige karakteristika for de enkelte arketyper for institutionsinddeling se bilag 6.1
Analyserne er baseret på en række datakilder, som til sammen udgør omkostningsanalysens datagrundlag. I bilag 6.2 er datagrundlaget beskrevet, herunder
hvordan data fra relevante registre er samlet i ét datasæt
Beskrivelse
•
Præsenterer og beskriver arketypesegmenteringen, som er udarbejdet pba. relevante karakteristika, da der eksisterer relevante forskelle på tværs af delsektorer: i) almene
gymnasier er en relativ homogen gruppe, hvor den største forskel er ift. størrelse, hvorfor de inddeles i arketyper herefter, ii) erhvervsskolerne udbyder mange forskellige
uddannelser og er meget forskellige ift. elevsammensætning, hvorfor de inddeles i henhold til institutionstyper i Institutionsregisteret, og iii)
VUC’erne
er ikke inddelt i flere arketyper
pga. det lave antal institutioner (24 voksenuddannelsescentre)
•
Arketyperne er baseret på inddelingen af institutioner i Regnskabsportalen. I bilag findes oversigter over, hvilke institutioner, der hører til i hvilke arketyper
•
Fremstiller gensidigt udelukkende omkostningskategorier for hele sektoren, hvorefter en omkostningskortlægning nedbryder omkostningsbasen for arketypen i de gensidigt
udelukkende kategorier, herunder også kortlægning af udviklingen fra 2011-2018
•
Kortlægger omkostninger per uddannelseskategori og nedbryder omkostninger per årselev per uddannelse
•
Omkostningskategorierne anvendes i de efterfølgende analyser, og kortlægningen af omkostningsstrukturerne danner grundlag for de efterfølgende analyser, som i vid
udstrækning ser på de relative forskelle i, hvordan omkostninger fordeler sig på tværs af institutioner i hver arketype
•
Identificerer relevante omkostningsdrivere indenfor de tre overordnede omkostningskategorier (lønomkostninger, bygningsomkostninger og omkostninger til øvrig drift) pba.
institutionsbesøg, registerdataanalyser og input fra hhv. BUVM og tekniske eksperter fra institutionerne på tværs af delsektorer
•
Analyserer effekten af omkostningsdriverne inden for de tre overordnede omkostningskategorier samt, hvordan disse omkostningsdrivere evt. relaterer sig til hinanden, herunder
særligt ift. institutionsstørrelse og geografi
•
Belyser, hvorvidt der eksisterer faldende marginal omkostninger, og ser nærmere på betydningen af institutionernes geografiske lokation
•
Undersøger institutionernes tilpasningsevne, hvilket indledes med en analyse af institutionernes tilpasningsbehov ved at identificere størrelsen af indtægtsfald i perioden 2012-
2018 som følge af ændringer i antal årselever/-kursister
•
Beregner institutionernes omkostningsfleksibilitet ud fra to nøgleparametre: i) omkostningernes aktivitetsafhængighed og ii) bindingstid på omkostninger. Derudover belyser
analysen af tilpasningsevne, hvordan institutionerne i praksis tilpasser deres omkostninger i perioder med indtægtsfald, herunder hvordan besparelser fordeler sig imellem
omkostningskategorier
•
Sammenholder institutionernes tilpasningsevne- og behov for at identificere tilpasningsudfordringer for institutionerne
•
Kortlægger finansielle nøgletal for arketypen, som viser udviklingen i økonomisk robusthed i perioden 2011-2018
•
Analyserer økonomisk bæredygtighed med afsæt i to punkter: i) udvælgelse af institutioner pba. resultater fra det igangværende arbejde om institutionernes økonomi og ii)
identifikation af relevante karakteristika for institutioner med udfordret økonomi
•
Analyserne i dette kapitel baseres i høj grad på foregående analyser
•
•
Kapitel
1
Introduktion
2
Delanalyse 1:
Omkostnings-
strukturer
3
Delanalyse 2:
Omkostnings-
drivere
4
Delanalyse 3:
Tilpasningsevne
5
Delanalyse 4:
Økonomisk
bæredygtighed
STRUENSEE & CO.
4
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0005.png
1. INTRODUKTION
Institutionerne segmenteres i arketyper indenfor hver delsektor
•
•
•
Figuren nedenfor viser institutionspopulationen fordelt efter antal uddannelser
1
og antal årselever
2
på tværs af de tre delsektorer
Af figuren fremgår det, at der er markante forskelle mellem de forskellige delsektorers størrelse og udbud. Eksempelvis har alle gymnasier undtagen et gymnasium
under 1.500 årselever, og langt størstedelen udbyder 1-3 uddannelser. Det står i skarp kontrast til erhvervsskolerne, som spænder mellem ~50 årselever på de
mindste landbrugsskoler til over 6.000 årselever på de største kombinationsskoler med et uddannelsesudbud på over 40 forskellige uddannelser
Den store forskel på tværs af de tre delsektorer betyder, at det ikke er formålstjenstligt at udvikle arketyper, som går på tværs af delsektorerne. I stedet kan arketyper
med fordel udvikles indenfor hver delsektor, hvilket understøtter sammenligneligheden mellem enhederne samtidig med, at antallet af arketyper ikke bliver unødigt
højt
På følgende tre sider uddybes arketyperne indenfor hver af analysens tre delsektorer
Beskrivelse
VUC’er
•
I figuren til venstre er analysens omfattede institutioner fordelt ift.
deres antal af udbudte uddannelser og årselever
•
Antal årselever og uddannelser for institutionspopulationen (2018)
Antal uddannelser
50
45
40
35
Erhvervsskoler
Almene gymnasier og HF
•
Figuren viser, at der er er markant forskel mellem de tre forskellige
delsektorers årselevsantal og antal udbudte uddannelser (forskellen
fremstår især markant ml. erhvervsskoler og øvrige institutioner).
Eksempelvis udbyder en kombinationsskole næsten 50 forskellige
uddannelser og har næsten ~6.000 årselever, mens et
gennemsnitligt gymnasie har 700 årselever og udbyder 1-3
uddannelser
Figuren understreger dermed, at der med fordel kan udvikles
arketyper indenfor hver delsektor fremfor på tværs af delsektorer. I
de efterfølgende sider præsenteres opdelingerne i arketyper
indenfor hver delsektor
30
25
20
15
10
5
0
0
500
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000 5.500 6.000 6.500 7.000
Antal årselever
•
Note: 1) Uddannelser er opgjort ved at tælle unikke uddannelseskoder, hvorpå institutionen har registreret årselever. Fx tæller smedeuddannelsen således kun én gang på tværs af grundforløb, hovedforløb og EUX. AMU kurser fremgår som
én uddannelse i opgørelsen. 2) Optællingen af årselever er renset for indtægtsdækket virksomhed
Kilde: Analysens datamodel
STRUENSEE & CO.
5
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0006.png
1. INTRODUKTION
Erhvervsskolerne inddeles i seks arketyper baseret på institutionstype
•
•
•
Nedenfor opstilles de seks arketyper for erhvervsskolerne, og deres udfaldsrum for de fire variable til udvælgelse af arketyper angives
Grundet heterogeniteten mellem institutionstyperne i den overordnede delsektor ”erhvervsskoler”, laves arketypeopdelingen
pba. funktionelle forskelle iht. den
underliggende institutionstype, jf. nedenfor. Dermed anvendes størrelse ikke som den primære sondring mellem arketyper indenfor denne delsektor, da de
underliggende forskellige institutionstyper er vurderet mere retvisende mhp. særskilte analyser af omkostningsstrukturer, -drivere, -bindinger og -bæredygtighed
Erhvervsskolerne dækker over mange forskellige erhvervsrettede ungdomsuddannelser, der som udgangspunkt alle består af grundforløb og hovedforløb, hvor
hovedforløbet er praktik enten i en virksomhed eller i et praktikcenter med indlagte skoleperioder undervejs. Flere erhvervsskoler udbyder ligeledes gymnasiale
uddannelser (fx HTX og HHX). Erhvervsskolerne er den mest heterogene af de tre delsektorer, og nedenstående gruppering dækker derfor over seks forskellige
institutionstyper, som hver især udbyder forskellige uddannelser og har forskellige karakteristika herunder bl.a. antallet af årselever og udbudte uddannelser
Arketyper for erhvervsskoler mv.
Institutionstype (antal)
Arketype
1
Gns. antal
årselever
•
~1.400
•
~2.300
•
~1.800
•
9
•
31
•
25
Gns. antal uddannelser
Gns. årselever per uddannelse
•
168
•
73
•
75
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
•
Handelsskoler (20)
1
•
Kombinationsskoler (18)
•
Tekniske skoler (14)
•
SOSU-skoler (12)
•
Landbrugsskoler (8)
•
56%
•
51%
•
47%
Arketype
2
Arketype
3
Arketype
4
•
~700
•
~150
•
~390
Handelsskoler
•
6
•
3
•
6
Kombinationsskoler
•
110
•
60
•
68
Tekniske Skoler
SOSU-skoler
•
52%
•
32%
2
•
36%
Landbrugsskoler
AMU-centre
Arketype
5
Arketype
6
•
AMU-centre (5)
Antal uddannelser
50
40
30
20
10
0
0
200
400
600
800
1.000 1.200 1.400 1.600 1.800 2.000 2.200 2.400 2.600 2.800 3.000 3.200 3.400 3.600 3.800 4.000 4.200
6.000 6.200 6.400 6.600
Antal årselever
Note: 1) En enkel kombinationsskole kategoriseres i stedet som en handelsskole, da deres omkostningsstruktur og årselevsfordeling fremgår som handelsskolernes. Hvis institutionen kategoriseres som kombinationsskole, vil den fremgå som
en outlier i mange af rapportens analyser og blive fjernet, hvorfor den som den eneste institution flyttes. 2) Landbrugsskolernes relativt lave andel løn til undervisning påvirkes af, at de har store kostafdelinger relativt til deres størrelse, hvilket
driver omkostninger i andre omkostningskategorier end løn til undervisning. Kilde: Analysens datamodel
STRUENSEE & CO.
6
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0007.png
1. INTRODUKTION
Gymnasier opdeles i fire arketyper ift. ejerform og størrelse
•
•
•
Nedenfor opstilles arketyperne for delsektoren gymnasier og HF-kurser, som udbyder 3-årige og 2-årige gymnasiale uddannelser, der har til formål at forberede de
studerende til en videregående uddannelse ud fra en bred, almen fagrække inden for humaniora, samfunds- og naturvidenskaben
Gymnasierne og HF-kurserne er en relativt homogen gruppe. I størrelse varierer de fra 9 årselever på det mindste gymnasium til over 1.500 årselever på det største
gymnasium. Langt størstedelen af gymnasierne har dog mellem 300 og 1.000 årselever (~70 pct. af gymnasierne)
Segmenteringen af arketyperne laves ved at isolere og behandle de private gymnasier i arketype 4
1
. Det gøres mhp. at sikre metodisk stringens, da de private
gymnasier ikke aflægger formålsregnskab men analyseres ud fra deres årsrapporter. Derudover har de private gymnasier ofte andre udbud i tillæg til de gymnasiale
uddannelser, herunder bl.a. grundskole og børnehave. De resterende 121 gymnasier og HF-kurser er opdelt i tre repræsentative grupper efter størrelse: i) arketype 3
udgør almene gymnasier og HF-kurser med op til 650 årselever, ii) arketype 2 udgør mellemstore gymnasier med mellem 650 og 850 årselever, mens iii) arketype 1
udgør store gymnasier med over 850 årselever
Arketyper for gymnasier og HF-kurser
Institutionstype (antal)
Arketype
1
Gns. antal
årselever
•
~1.050
•
~740
•
~450
•
~210
Gns. antal uddannelser
•
~2
•
~2
•
~2
•
~1,5
Store gymnasier
Gns. årselever per uddannelse
•
520
•
360
•
225
•
125
Mellemstore gymnasier
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
•
Store gymnasier (39)
•
Mellemstore gymnasier (40)
•
68%
•
69%
•
66%
•
n/a
Små gymnasier
Privatgymnasier
Arketype
2
Arketype
3
•
Små gymnasier (42)
•
Privatgymnasier (24)
Arketype
4
Antal uddannelser
14
12
10
8
Gymnasier med merkantil
EUD og/eller erhvervs-
gymnasiale uddannelser
6
4
2
0
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
Antal årselever
Note: 1) Arketypen private gymnasier behandles særskilt i bilag 6.3. Kilde: Analysens datamodel
STRUENSEE & CO.
7
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0008.png
1. INTRODUKTION
Voksenuddannelsescentrene samles i én arketype, da de er få institutioner
•
•
Nedenfor præsenteres voksenuddannelsescentrene (VUC’erne), der analyseres som én samlet arketype
1
VUC’erne udbyder almene uddannelser til voksne inden for almen voksenuddannelse, forberedende voksenundervisning og HF. ”Almene” betyder,
at undervisningen
skal forbedre kursisternes generelle kompetencer, som styrker den enkeltes forudsætninger for at fungere i samfundet og på arbejdsmarkedet. Den almene
voksenuddannelse (AVU) tilbydes til voksne over 18 år og har til formål at forbedre deres kundskaber i en række almene fag. Den forberedende voksenundervisning
(FVU) har til formål at give voksne over 18 år mulighed for at forbedre og supplere deres grundlæggende færdigheder. HF udbydes som enkelt studieforberedende
fag eller som et 2-årig almendannende og studieforberedende forløb og har til formål at udvikle kursistens faglige indsigt og studiekompetence
De 24
VUC’er
tilbyder gennemgående de samme uddannelser, men varierer markant mht. størrelse målt på årselever. Pga.
VUC’ernes
begrænsede antal og deres
ensartethed mht. uddannelsesudbud samles de i én arketype
Analysens mindste VUC har 250 årskursister, mens den største institution har et kursistgrundlag på ~4.000 årskursister
Fremfor at sammenligne forskellige VUC arketyper med hinanden, vil analysen undersøge forskelle internt i gruppen af
VUC’er.
Det vil herunder blive analyseret,
hvilken rolle årskursister spiller for institutionsdriften. Ligeledes vil det blive undersøgt, hvilken betydning sammensætning af hhv. HF og AVU/FVU årskursister har
for
VUC’ernes
mulighed for stordrift og kapacitetsudnyttelse
•
•
•
Arketyper for
VUC’erne
Institutionstype (antal)
Gns. antal
årselever
•
~1.300
VUC’er
•
~5
Gns. antal uddannelser
•
240
Gns. årskursister per
uddannelse
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
Arketype
1
• VUC’er
(24)
2
•
58%
Antal uddannelser
8
7
6
5
4
3
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
Antal årskursister
Note: 1)
VUC’ernes
årskursistopgørelse er renset for kursister, som undervises af deres driftsoverenskomstparter 2) Udover de 24 institutioner, som i UVM's regnskabsportal er kategoriseret som
VUC’er,
er der yderligere fem
VUC’er,
som i
dag er en del af fusionerede institutioner. Kilde: Analysens datamodel
STRUENSEE & CO.
8
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0009.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
9
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0010.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Sektoren havde samlede omkostninger på ~23 mia. kr. i 2018, hvoraf 72 pct. var udgjort af løn
•
•
Nedenfor vises et overordnet omkostningsnedbrud af de omfattede institutioners samlede omkostninger i 2018. Figuren viser, at sektoren i 2018 havde samlede
omkostninger på 23,3 mia. kr
.1,
hvoraf størstedelen blev udgjort af løn (72 pct.), mens bygningsdrift (10 pct.) og øvrig drift (18 pct.) udgjorde de resterende 28 pct.
Nedbruddet viser ligeledes, at der er store forskelle på omkostningssammensætningen på tværs af de tre delsektorer. Eksempelvis går 78 pct. af gymnasiernes
omkostninger til løn, mens de tilsvarende tal for
VUC’erne
og erhvervsskolerne er hhv. 75 pct. og 66 pct.
Beskrivelse af sektorens omkostningsstruktur
•
Lønomkostninger
Bygningsdrift
Øvrig drift
66%
•
Der er stor forskel på fordelingen af omkostninger på de tre
omkostningskategorier mellem delsektorerne
De store forskelle i de relative størrelser på
omkostningskategorierne kan bl.a. henføres til, at
erhvervsuddannelserne sætter betydeligt større krav til
indkøb af råmaterialer og maskinel end gymnasier og
VUC’er.
Forskellene illustrerer, hvorfor delsektorerne vil
blive behandlet i separate arketyper i analyserne
Det understøttes af, at løn udgør en relativt større andel af
de samlede omkostninger på gymnasier (78 pct.) og
VUC’er
(75 pct.), end det er tilfældet på erhvervsskolerne.
Omvendt udgør øvrig drift en større andel af
omkostningerne på erhvervsskolerne (22 pct.), end
kategorien gør for gymnasier (14 pct.) og
VUC’er
(17 pct.)
Størrelsen af delsektorerne og typerne af institutioner
indenfor hver delsektor understreger ligeledes værdien af at
behandle arketyperne i separate analyser
Fx står erhvervsskolerne for 54 pct. af sektorens samlede
omkostninger (12,5 mia.) og er dermed den største af
analysens tre delsektorer målt på omkostninger. Det skal
dog noteres, at erhvervsskolebegrebet dækker over seks
forskellige institutionstyper, som både omfatter store
institutionstyper (fx tekniske skoler og kombinations-skoler)
og små institutionstyper (fx AMU-centre og
landbrugsskoler). Gymnasierne og
VUC’erne
står for hhv.
33 pct. (7,8 mia) og 12 pct. (2,9 mia.) af sektorens
omkostninger
Fordeling af sektorens omkostninger (mia.kr., 2018)
23,3
12,5
•
72%
12%
22%
7,8
•
78%
•
10%
8%
14%
18%
2,9
75%
17%
8%
1
VUC’er
Sektortotal
Erhvervsskoler m.v.
Gymnasier og HF-kurser
Note: 1)
VUC’ernes omkostninger til bygningsdrift er justeret med 311 mio. kr. svarende til den ekstraordinære nedskrivning af en enkelt VUC’s bygningsværdi
i 2018
Kilde: Analysens datamodel
STRUENSEE & CO.
10
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0011.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturer kortlægges i tre trin for hver arketype
•
•
I delanalyse 1 (kapitel 2) kortlægges arketypernes omkostninger i tre trin. De fire tre er uddybet i illustrationen nedenfor
Kortlægningerne er i overvejende grad baseret på analysens datamodel, men hvor relevant suppleres kortlægningerne af sektorindsigter fra institutionsbesøgene og
desk-research
1. Opstilling af omkostnings-
kategorier
•
Opstilling af et gensidigt udelukkende omkostningsnedbrud for institutionerne baseret på de formålsbaserede
regnskaber og indledende nedbrud på sektorens overordnede omkostningskategorier (løn, bygningsdrift og
øvrig drift)
2. Kortlægning af omkostnings-
fordelinger
•
Kortlægning af arketypernes omkostninger nedbrudt på de kategorier, som etableres tidligere i delanalysen
•
Kortlægning af arketypernes omkostninger fra 2011-2018, herunder nedbrud på udvikling i forholdet ml.
omkostningskategorier
•
Kortlægning af den relative størrelse af omkostningskategorierne for institutionerne indenfor hver arketype
•
Kortlægningen af omkostninger per uddannelseskategori nedbryder arketypernes samlede omkostninger på
uddannelseskategorier. Derudover kortlægges omkostningerne per årselev for arketypernes
uddannelseskategorier
3. Kortlægning af omkostninger
per uddannelseskategori
STRUENSEE & CO.
11
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0012.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Uddannelsesinstitutionernes omkostningsstrukturer kortlægges pba. et gensidigt udelukkende og
udtømmende omkostningsnedbrud
•
•
•
Nedenfor præsenteres omkostningsnedbruddet, der er udarbejdet pba. institutionernes formålsfordelte regnskaber mhp. at konstruere meningsfulde kategorier, der
understøtter behovet for transparens i institutionernes
omkostningsstrukturer.
Institutionernes formålsfordelte regnskaber er anvendt ned gennem analysen
Nedbruddet er desuden udarbejdet med relevante omkostningsdrivere in mente, da det muliggør kobling af interessante
omkostningsdrivere
med relevante
omkostningskategorier
Omkostningskategoriseringen vil være gennemgående for alle rapportens delanalyser
Omkostningskategorier
Undervisning
Ledelse og administration
Løn
Bygningsdrift
Øvrig drift
Husleje
Afskrivninger på bygninger
Totale
omkostninger
Bygnings-
drift
(ex løn)
Forsyning
Renter
Reparationer og vedligehold
Øvrige bygningsomk.
Køb af varer til forbrug
Køb af tjenesteydelser (ex IT)
Øvrig drift
(ex løn)
Rep. og vedligehold (ex byg.)
Afskrivninger (ex bygninger)
Øvrige
STRUENSEE & CO.
Omkostningsdrivere
•
Antal årselever
•
Andel undervisningstid
•
Holdstørrelse
•
Antal uddannelser
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Kapacitetsudnyttelse
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Bygningsmasse
•
Kontraktstyring
•
Indkøbspraksis
12
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0013.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Kombinationsskolerne er præget af stor kompleksitet og forskellige årselevfordelinger
•
Nedenfor illustreres årselevsfordelingen på de 10 største uddannelseskategorier for de 18 kombinationsskoler. 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 43 pct. På en kombinationsskole til 3 pct. på en anden kombinationsskole; andelen af årselever på merkantile forløb
varierer fra mellem ~7 pct. og ~28 pct.; og tre institutioner udbyder STX
Foruden fordelingen nedenfor vil nogle af skolernes tekniske grund- og hovedforløb også dække over store forskelligheder (En kombinationsskole udbyder
eksempelvis SOSU-uddannelser)
Det er vigtigt at være bevidst om kombinationsskolernes store 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
HTX
Institution
23%
10%
24%
36%
39%
25%
3%
29%
18%
20%
24%
43%
42%
24%
29%
21%
12%
7%
11%
18%
16%
19%
9%
8%
11%
13%
30%
15%
19%
16%
14%
6%
3%
40%
24%
17%
15%
8%
22%
14%
7%
7%
7%
6%
18%
11%
4%
9%
31%
13%
12%
11%
13%
25%
23%
14%
18%
17%
23%
5%
7%
12%
6%
12%
20%
16%
24%
8%
11%
Teknisk hovedforløb
Teknisk grundforløb 1 + 2
AMU og Åbne uddannelser
Merkantilt grundforløb 1 + 2
STX
Merkantilt hovedforløb
Merk. EUX
Kombineret ung.udd
Teknisk EUX
HF
Andet
•
•
Årselevsfordeling, 2018
13%
23%
18%
13%
17%
5%
15%
3%
9%
14%
13%
23%
4%
4%
21%
7%
3%
5%
7%
4%
4%
6%
5%
5%
8%
6%
10%
18%
Kilde: Analysens datamodel
STRUENSEE & CO.
10%
33%
6%
15%
10%
20%
21%
45%
17%
21%
8%
21%
8%
9%
5%
7%
13
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0014.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
De 18 kombinationsskoler har omkostninger på i alt 4,9 mia. kr., hvoraf lønomkostninger udgør 66
pct.
•
Grafen nedenfor viser kombinationsskolernes samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift. Det fremgår, at
kombinationsskolerne har et samlet omkostningsniveau på 4.889 mio. kr. Heraf udgøres 66 pct. af lønomkostninger, mens de resterende 34 pct. udgøres af
bygningsdrift (12 pct.) og omkostninger til øvrig drift (22 pct.). Den største enkeltstående omkostningspost er løn til undervisning, som udgør 51 pct. af
kombinationsskolernes omkostninger
Øvrig drift er den næststørste omkostningspost med 22 pct. af de samlede omkostninger. Herunder er varer til forbrug de kombinationsskolernes næststørste
enkeltstående omkostningskategori, hvoraf af indkøb af undervisningsmaterialer (fx bøger og råvarer) udgør ca. halvdelen. Derudover dækker øvrig drift over store
omkostninger til administrative fællesskaber i kategorien ”køb af tjenesteydelser (ex IT)” og indkøb af IT services i kategorien ”øvrige driftsomkostninger”
•
Omkostningsnedbrud for kombinationsskolerne, 2018 (mio. kr.)
1,2
Løn til undervisning
2.480 (51%)
Konfrontationstid
•
41 pct. af lærernes
arbejdstid udgøres
på kombinations-
skolerne af
konfrontationstid
3
•
Det svarer til, at
~992 mio. kr.
anvendes på
konfrontationstid
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
Samlde omkostninger
4.889 (100%)
3.235 (66%)
344 (7%)
166 (3%)
246 (5%)
105 (2%)
161 (3%)
84 (2%)
132 (3%)
70 (1%)
49 (1%)
2
600 (12%)
307 (6%)
369 (8%)
45 (1%)
47 (1%)
285 (6%)
1.054 (22%)
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
kombinationsskoler. Tallet er ikke vægtet ift. skolernes størrelse. Kilde: Analysens datamodel
STRUENSEE & CO.
14
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0015.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Overordnet set har kombinationsskolernes omkostningsstruktur været stabil fra 2011-2018 på
trods af et fald i antal årselever fra 2011-2018
•
•
•
•
Nedenfor vises udviklingen i antallet af årselever og omkostningsfordelingen for kombinationsskolerne i perioden 2011-2018.
1
Institutionernes overordnede
omkostningsniveau er i perioden faldet med 17 pct., mens antallet af årselever er faldet med 19 pct.
Kombinationsskolernes årselevantal faldt i begrænset grad mellem 2011 og 2014, for derefter at falde kraftigt frem mod 2018. Det kraftige fald skyldes hovedsageligt
en nedgang i årselevantal på merkantile- og tekniske grundforløb. Ifm. at EUD reformen blev vedtaget i 2014, blev varigheden af de merkantile grundforløb reduceret
væsentligt, mens reformen også sætter adgangskrav til, at elever på erhvervsuddannelser skal have minimum karakteren 2 i hhv. dansk og matematik
Mellem 2011 og 2018 har forholdet mellem kombinationsskolernes omkostningsfordeling været forholdsvis stabil. Største udsving observeres på andelen af omk.-
basen, som går til løn til undervisning. Løn til undervisning har haft udsving på 3 procentpoint og ligger i 2018 på 51 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 effektiviseret den resterende drift og prioriteret
at beholde relativt flere lærerressourcer, og/eller at lønningerne per lærer er steget. Institutionsbesøgene indikerer, at sidstnævnte kan drives af, at nogle
lærerressourcer bliver omkostningstunge i økonomiske højkonjunkturer (fx undervisere til tømrer- og VVS-uddannelserne)
Årselevsudvikling og omkostningsnedbrud for kombinationsskolerne, 2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)
Årselever
Løn til undervisning
Omkostninger (mio. kr.)
6.000
5.577
5.408
5.370
5.349
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
50.000
5.197
4.862
50%
48%
4.776
4.620
45.000
40.000
35.000
51%
51%
50%
51%
30.000
25.000
8%
12%
9%
6%
8%
2011
7%
13%
9%
6%
8%
2012
7%
12%
9%
6%
8%
2013
7%
12%
9%
6%
8%
2014
7%
11%
9%
6%
8%
2015
7%
12%
8%
6%
8%
2016
7%
13%
8%
6%
8%
2017
20.000
7%
15.000
12%
8%
6%
8%
2018
10.000
5.000
0
Øvrige driftsomkostninger og afskrivninger
2
5.500
5.000
4.500
4.000
3.500
3.000
2.500
2.000
1.500
1.000
500
0
49%
49%
Note:. 1) Data for en kombinationsskole haves ikke for 2017, hvorfor institutionen er taget ud af hele tidsserien. Derfor matcher totalen for 2018 ikke forrige sides total. 2) Af visuelle hensyn er reparation og
vedligehold, afskrivninger og øvrige driftsomkostninger kombineret i kategorien ”øvrige driftsomkostninger og afskrivninger”.
Kilde: Analysens datamodel
STRUENSEE & CO.
15
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0016.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer betydeligt på tværs af de 18 kombinationsskoler
•
•
Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 18 kombinationsskoler. Figuren viser, at der er relativt store forskelle på,
hvordan institutionerne fordeler deres omkostninger. Fx varierer omkostninger til løn til undervisning mellem 43 pct. og 53 pct.. Den gennemsnitlige andel til løn til
undervisning på tværs af kombinationsskolerne er 51 pct.
Også løn til øvrig drift varierer markant mellem institutionerne, hvilket kan drives af den relative størrelse af skolernes kostafdelinger
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
Omk. (mio. kr.)
704
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbrug (øvrig drift)
Omkostningsfordeling, 2018
50%
52%
53%
52%
52%
46%
51%
53%
5%
7%
6%
5%
6%
4%
10%
6%
5%
9%
7%
3%
7%
10%
7%
4%
3%
3%
5%
9%
4%
13%
7%
6%
4%
3%
11%
8%
6%
8%
5%
3%
4%
3%
4%
13%
17%
10%
7%
6%
8%
7%
8%
6%
7%
6%
8%
•
Køb af tjenesteydelser (ex IT) (øvrig drift)
Øvrige driftsomkostninger og afskrivninger (øvrig drift)
Centrale observationer
1
•
Løn til undervisning
udgør den største
udgiftspost blandt kombinationsskolerne. Posten
udgør mellem 43-53 pct. og er gennemsnitligt 51
pct.
Øvrige lønomkostninger
omfatter løn til ledelse
og administration, som udgør mellem 5-10 pct.,
løn til øvrig drift, som svinger fra 3-13 pct
.2,
samt
løn til bygningsdrift, som varierer fra 2-7 pct. af
kombinationsskolernes samlede omkostninger
Øvrig drift
er den næststørste post efter løn til
undervisning. Her udgør køb af varer til forbrug,
køb af tjenesteydelser, samt øvrige
driftsomkostninger ca. 22 pct. i gennemsnit på
tværs af institutionerne
Variationen i omkostningsstrukturer
er
betydelig imellem institutionerne. Udover
strukturelle forhold og strategiske valg,
bemærker institutionerne, at forskellene også
kan skyldes forskellig konteringspraksis og
institutionsspecifikke ressourcestyringssystemer
Betydningen af institutionsstørrelse
viser sig
tydeligst på institutionernes omkostninger til øvrig
drift. Fordelingen indikerer, at større institutioner i
gns. har færre omkostninger til øvrig drift (20 pct.
for den øvre halvdel) end mindre institutioner (24
pct. for den nedre halvdel)
695
332
311
8%
9%
8%
4%
4%
4%
3%
3%
12%
12%
13%
10%
15%
5%
6%
8%
8%
8%
6%
5%
5%
8%
5%
10%
6%
9%
6%
11%
9%
10%
7%
5%
5%
8%
9%
7%
8%
9%
11%
3%
7%
•
•
•
283
273
269
253
247
224
209
191
179
170
158
138
137
114
43%
3%
6%
8%
4%
9%
10%
8%
13%
15%
8%
10%
9%
10%
11%
10%
7%
7%
8%
53%
52%
8%
51%
52%
51%
46%
52%
49%
50%
12%
7%
10%
8%
9%
6%
7%
4%
8%
5%
6%
4%
8%
Note: 1) Om outliers på løn til undervisning og øvrig drift: Tre institutioner har lavere omkostninger til løn til undervisning og større omkostninger til løn til øvrig drift end resten af populationen. Det kan skyldes, at skolerne har relativt store
kostafdelinger, hvilket sætter krav til fx lønomkostninger til nattevagter. 2) Om variation i løn til øvrig drift og køb af tjenesteydelser: Den store variation i udgifter til hhv. løn til øvrig drift og køb af tjenesteydelser mellem institutionerne kan bl.a.
tilskrives hvorvidt institutionen huser et administrativt fællesskab eller betaler til et administrativt fællesskab. Kilde: Analysens datamodel
STRUENSEE & CO.
16
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0017.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer ligeledes på tværs af kombinationsskolernes
uddannelseskategorier
•
•
•
•
•
Figurerne nedenfor viser hhv. omk. fordelt på uddannelseskategorier på kombinationsskolerne (til venstre) og omk. per årselev per uddannelseskategori (til højre)
Af den samlede omkostningsbase på ~4,9 mia. kr. udgøres 37 pct. af indirekte omkostninger, som ikke er formålsfordelt på uddannelser. De indirekte omkostninger
til fx ledelse og administration og bygningsdrift fordeles vha. en nøgle, som tager højde for den enkelte uddannelses tilskud mhp. at indregne eventuelle
meromkostninger til fx administration eller bygningsdrift, som enkelte uddannelseskategorier kan have
1
Af
figuren til venstre
fremgår det, at tekniske hovedforløb er den største uddannelseskategori på kombinationsskolerne med samlede omkostninger på 1.122 mio.
kr. svarende til ~23 pct. af kombinationsskolernes omkostninger. De fire største uddannelseskategorier på kombinationsskolerne (tekniske hovedforløb, HHX,
tekniske grundforløb og HTX) udgør samlet ~80 pct. af institutionernes samlede omkostninger, hvoraf 47-53 pct. udgøres af løn til undervisning
Af
figuren til højre
fremgår det, at omkostningerne per årselev er højest for tekniske hovedforløb (157.000), mens de er lavest for HHX (95.000). Omkostningerne
per årselev er således 65 pct. højere for tekniske hovedforløb end for HHX. Det kan skyldes, at relativt mange tekniske hovedforløb undervises med et lavt antal
årselever og har højere omkostninger til øvrig drift per årselev (pga. indkøb af specialiserede undervisningsmaterialer)
Disse sammenhænge vil blive nærmere undersøgt i delanalyse 3 (kapitel 4)
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
1
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Fordeling af omkostninger på uddannelseskategorier (2018)
Omkostninger per uddannelse (mio. kr.)
1.200
1.100
1.000
900
47%
929
919
830
1.122
~80 pct.
kombinationsskolernes
samlede omkostninger
Omkostninger per årselev fordelt på de fem største uddannelseskategorier (2018)
Omkostninger per årselev per uddannelse (tusinde kr.)
200
+65%
157
150
131
47%
130
109
56%
7%
49%
52%
5%
10%
8%
6%
10%
AMU
95
53%
8%
13%
9%
6%
8%
Tekniske GF
13%
7%
7%
7%
500
400
300
200
100
0
8%
Tekniske
HF
2
11%
5%
12%
53%
7%
5%
12%
5%
8%
49%
7%
5%
13%
9%
8%
52%
8%
5%
13%
100
319
56%
224
48%
170
141
49%
Andet
3
50
7%
12%
11%
6%
8%
Tekniske HF
53%
STX
HHX Tekniske
GF
7%
HTX
99
52%
Merk.
EUX
96
57%
Merk.
HF
0
12%
8%
HHX
6%
AMU
Merk.
GF
HTX
Note: 1) Fordelingsnøgler for indirekte omkostninger er udarbejdet i samarbejde med institutionerne på institutionsbesøgene. 2)
Tekniske hovedforløb omfatter også årselever og omkostninger til skolepraktik 3) ”Andet” dækker over andre
mindre uddannelseskategorier, som enkelte kombinationsskoler udbyder (fx kombineret ungdomsuddannelse, teknisk EUX, HF, mv.). Hertil er 63 mio. kr. (ca. 1 pct. af omkostningsbasen) til introduktionskurser og brobygning til
ungdomsuddannelser ikke indeholdt. Kilde: Analysens datamodel
STRUENSEE & CO.
17
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0018.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTURER
Der er faldende marginalomkostninger per årselev for kombinationsskolernes fire største
uddannelser
•
Figuren nedenfor viser omkostningen per årselev for de fire største uddannelseskategorier på kombinationsskolerne (tekniske hovedforløb, tekniske grundforløb,
HHX og HTX) sammenholdt med antallet af årselever på uddannelseskategorierne for institutionerne. Figuren indikerer, at de gennemsnitlige omkostninger per
årselev for de fire største uddannelseskategorier er lavere for skoler med mange elever årselever på den pågældende uddannelseskategori sammenholdt med
skoler med få årselever
Eksempelvis koster en årselev på tekniske hovedforløb 170.000-190.000 kr. på skoler med under 200 årselever på tekniske hovedforløb i 2017-2018, mens det
tilsvarende tal for skoler med over 200 årselever på tekniske hovedforløb var ~135.000-180.000 kr.
Tendensen gælder for alle de fire uddannelseskategorier men er særligt udtalt for tekniske hovedforløb. Det kan skyldes, at de tekniske hovedforløb ikke består af
samlede forløb men udelukkende af specialiserede uddannelser, hvor det for mange institutioner kan være en udfordring at få kritisk masse på uddannelserne
Side 29 og 46 vil bryde grafen ned på hhv. lønomkostninger til undervisning per årselev og omkostninger til øvrig drift per elev. Der er identificeret faldende marginal
omkostninger for andre uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.3
•
•
•
Omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb, HHX og HTX og årselever fordelt på uddannelseskategorier per institution (2017-2018)
1
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
200
190
180
170
160
Tekniske hovedforløb
Tekniske grundforløb
HHX
HTX
150
140
130
120
110
100
90
80
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
1.700
1.800
1.900
Årselever per uddannelseskategori
Note: 1) Tallene er et gennemsnit af omkostninger per årselev og årselevantal per uddannelseskategori for hhv. 2017 og 2018. 2) Der er testet for, hvorvidt særligt høje omkostninger til administrative fællesskaber hos værtsinstitutioner,
påvirker tendensen i grafen. Omkostninger til værtskab for administrative fællesskaber påvirker ikke tendensen. Kilde: Analysens datamodel
STRUENSEE & CO.
18
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0019.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
19
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0020.png
3. OMKOSTNINGSDRIVERE
Kombinationsskolernes omkostningsdrivere karakteriseres ved fem overordnede fund
Lønomkostninger afhænger særligt af holdstørrelse og andel undervisningstid
•
Pba. dataanalyser og institutionsbesøg fremhæves særligt i)
institutionsstørrelse
(årselever), ii)
holdstørrelse,
iii)
socioøkonomi
og iv)
andel undervisningstid
(data for
sidstnævnte er kun tilgængelig for HHX) som de primære omkostningsdrivere for lønomkostninger, som derfor er afgørende for omkostningsstrukturerne og
institutionsdriften fsva. lønomkostninger. Institutionsstørrelse fremgår endvidere som en statistisk signifikant omkostningsdriver
Effekten af holdstørrelse er markant for alle kombinationsskolernes fire største uddannelseskategorier, men er særligt udtalt for HHX. Ligeledes er andel undervisningstid
kun fundet relevant for HHX (pga. manglende indrapporteringer for HTX og tekniske erhvervsuddannelser)
Omkostninger til bygninger er i høj grad afhængig af institutionsspecifikke og ikke-strukturelle forhold, herunder de økonomiske omstændigheder for overlevering ved
overgang til selveje i 1991 og senere overdragelsen af bygningerne i 1995, ejendomsmarkedet i nærområdet (geografiske forskelle), demografisk udvikling, mm.
Der er således ikke identificeret en overordnet stordriftseffekt. Der er er omvendt fundet højere kvadratmeterpriser for store institutioner isoleret set(bl.a. drevet af geografi)
samt for antal lokationer (flere lokationer kan gøre det mere besværligt at optimere bygningsmassen og drive omkostninger til vedligehold og forsyning)
Konklusioner vedr.
omkostningsdrivere
•
Bygningsomkostninger afhænger af institutionsspecifikke forhold og antal lokationer
•
•
Øvrige driftsomkostninger afhænger af centralisering, udlicitering, forhandlingsstyrke og kritisk masse på enkelte uddannelseskategorier
•
Omkostninger til øvrig drift udviser ikke faldende marginalomkostninger på institutionsniveau (for institutioner med flere årselever). Stordriftsfordelene realiseres dog på
uddannelseskategoriniveau, hvor omkostninger til øvrig drift per årselev konteret på tekniske hovedforløb og grundforløb er faldende for institutioner med mange årselever
på den pågældende uddannelseskategori
Større institutionerne har lettere ved at optimere en række omkostningsdrivere
•
Betydningen af institutionsstørrelse er særligt udtalt i institutionernes arbejde med optimering af holdstørrelser og undervisningstidsandel. Flere institutioner bemærker, at
understøttelse af en høj undervisningsandel og optimering af holdstørrelse er lettere for store institutioner. Dataanalyserne understøtter denne sammenhæng (om end det
for undervisningsandel kun gælder for HHX)
Dataanalyserne viser gennemgående, at lønomkostninger til undervisning per årselev er lavere for institutioner med et højt gennemsnitligt antal årselever per uddannelse,
end for institutioner med få årselever per uddannelse. Derudover indikerer analyserne, at en større andel årselever på tekniske erhvervsuddannelser ift. årselever på
uddannelser med meget teoriundervisning øger omkostningerne per årselev. Begge analyser understøtter udsagn af både tekniske skoler og kombinationsskoler ifm.
institutionsbesøgene, hvor det blev bemærket, at institutionsstørrelse alene ikke forklarer stordrift men bør suppleres af en analyse af årselever per uddannelse
For lønomkostninger til administration og ledelse per årselev observeres ligeledes en positiv effekt af institutionsstørrelse. Omkostningerne er især højere for
kombinationsskoler med under 1.500 årselever, som ikke har mulighed for at fordele omkostninger forbundet ledelse og administrative funktioner på mange årselever.
Hertil observeres en positiv effekt af socioøkonomi på lønomkostninger til ledelse og administration
Store kombinationsskoler har generelt højere bygningsomkostninger, hvilket i høj grad skyldes geografiske forskelle, da mindre institutioner typisk er placeret udenfor
byerne, hvor kvm priserne er lavere. Ligeledes indikerer analysen, at flere lokationer kan være med til at drive højere bygningsomkostninger
Institutionerne fremhæver, at antal årselever (dvs. institutionsstørrelse) særligt er drevet af i) demografiske udviklinger, ii) politiske reformer, iii) institutionernes renommé i
deres geografiske dækningsområde, iv) samarbejde med grundskoler i området og v) ændrede søgemønstre, herunder bl.a. grundet konjunkturudsving samt strømninger i
elevers, og deres forældres, præference for valg af uddannelse
•
Tværgående konklusioner
•
•
•
Kombinationsskolernes uddannelseskategorier har forskellige omkostningsstrukturer
•
•
•
På tværs af de kombinationsskolernes fire største uddannelseskategorier peger analyserne på, at større institutioner kan realisere stordrift
Analyserne af omkostningsdriverne viser dog, at der er forskellige effekter for tekniske erhvervsuddannelser, HHX og HTX. For HHX og HTX realiseres stordriften således
primært på lønomkostninger til undervisning, mens stordriften på erhvervsuddannelserne både realiseres på lønomkostninger til undervisning og øvrig drift
For HHX og HTX skyldes stordriften formentlig, at de store institutioner har bedre mulighed for at optimere holdstørrelser og udnyttelse af lærerressourcer på tværs af
mange klasser, mens stordrift for erhvervsuddannelserne i lige så høj grad drives af lavere omkostninger til indkøb af fx specialiserede undervisningsmaterialer
20
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0021.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
21
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0022.png
3.1. OMKOSTNINGSDRIVERE - METODE
Der er forskelle i omkostninger per årselev mellem kombinationsskolerne. Analysens formål er at
identificere årsagerne til disse forskelle, dvs. omkostningsdrivere
•
•
•
Nedenstående graf viser, at der på tværs af kombinationsskolerne er en maksimal forskel i omkostninger per årselev i 2018 på 23 pct. tilsvarende 24.000 kr. per
årselev. For årene 2011-2017 er der tilsvarende maksimumsforskelle i omkostninger per årselev, hvilket indikerer, at grafens resultater overordnet set er robuste
over de seneste år
Forskellene i omkostninger per årselev indikerer betydelige forskelle i de underliggende omkostningsdrivere; enten af strukturelle årsager eller sfa. institutionernes
strategiske valg
Grafen viser desuden de totale indtægter per årselev for institutionerne, der tæt følger de totale omkostninger per årselev. Grundet sammenhængen mellem aktivitet
(årselever), indtægter (per årselev) og omkostninger, vil de følgende analyser se på de relative forskelle mellem institutionerne, fx ift. nedbrud på
omkostningskategorier. Med andre ord undersøges de relative forskelle mellem institutionerne, da det absolutte niveau af omkostninger for den enkelte institution tæt
følger de aktivitetsbaserede indtægter
De følgende sider vil undersøge hvilke omkostningsdrivere, der ligger til grund for forskellene, og hvad der kendetegner institutionerne
Forskelle i omkostninger per årselev på tværs af kombinationsskolerne (2018)
1
Tusinde kr. per årselev
Indtægter per årselev
Omkostninger per årselev
•
+23%
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
Note: 1) Omkostninger pr. årselev er opgjort ekskl. omkostninger til kostafdelinger mhp. at sikre det bedst mulige sammenligningsgrundlag. Dog indebærer inkonsistent konteringspraksis, at der potentielt stadig
kan indgå omkostninger til kostafdelinger, som ikke er konteret som sådan. 2) Det skal bemærkes, at værtinstitutioner for administrative fællesskaber vil fremgå med en lidt højere omkostning per årselev.
Kilde: Analysens datamodel
STRUENSEE & CO.
22
129
127
123
119
120
124
115
119
115
106
112
109
110
111
104
106
107
105
131
126
124
124
123
122
120
117
116
115
113
111
110
109
109
107
107
107
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0023.png
3.1. OMKOSTNINGSDRIVERE - METODE
Kombinationsskolernes 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. 24-36)
•
Analysen af lønomkostninger fokuserer på omkostningskomponenterne:
(1) løn per lærer og (2) årselever per lærer
Følgeligt fokuseres særligt på omkostningsdriverne: i) andel
undervisningstid, ii) holdstørrelse, iii) antal årselever, iv) antal lokationer, v)
antal uddannelser, vi) geograf og vii) socioøkonomi. Disse er udvalgt ud
fra de beskrevne kausalmodeller for lønomkostninger
Analysen af bygningsomkostninger fokuserer på
omkostningskomponenterne: (1) kvm pris og (2) kvm per årselev
Følgeligt fokuseres særligt på omkostningsdriverne: i) kapacitetsudnyttelse
(andel kvm til undervisningslokaler), ii) institutionsstørrelse (antal
årselever), iii) antal lokationer og iv) geografi. Disse er udvalgt ud fra den
beskrevne kausalmodel for bygningsomkostninger
I analysen af øvrige driftsomkostningers drivere fokuseres alene på
institutionsstørrelse
Institutionsbesøg og ekspertinput indikerer, at institutionsstørrelse bl.a.
fremmer muligheder for professionaliseret indkøb, bedre
forhandlingsposition ift. indkøb og lavere omkostninger per elev til fastpris
abonnementer, der ikke er aktivitetsafhængige
•
•
Særlige opmærksomhedspunkter
•
Lønomkostninger udgør størstedelen af institutionernes
omkostninger og har de mest påvirkelige
omkostningsdrivere på kort sigt (se delanalyse 3 i kapitel 4
for uddybning heraf)
•
Analyse af
bygnings-
omkostninger
(s. 37-44)
•
Bygningsomkostninger udgør en forholdsmæssig lille del af
institutionernes omkostninger men varierer betydeligt på
tværs af institutioner
•
Analyse af øvrige
drifts-
omkostninger
(s. 45-49)
•
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.
23
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0024.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
24
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0025.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Syv primære drivere af lønomkostninger til undervisning udvælges pba. en kausalmodel og
bruttoliste over mulige drivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til undervisning. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt syv omkostningsdrivere af lønomkostninger til nærmere analyse. De udvalgte drivere er markeret med
grønt i kausalmodellen og dækker: i) andel undervisningstid, ii) holdstørrelse, iii) antal årselever, iv) antal lokationer, v) antal uddannelser, vi) geograf og vii)
socioøkonomi
Et overblik over resultaterne for disse syv primære omkostningsdrivere præsenteres på de følgende sider
Omkostningsdrivere
Anciennitet
Overarbejde
Løntrin
Andel vikar-ÅV
Tillæg
Gennemsnitlig
månedsløn
Løn per lærer
Omkostningskomponenter
Geografi
Antal lokationer
Anciennitet
Antal års-
elever
Antal uddannelser
Undervisningsandel
Lønomkostninger
til undervisning per
elev
Antal årselever per
underviser
Antal uddannelser
Antal lokationer
Min.-størrelse for
hold
Antal hold
Socioøkonomi
Geografi
Demografisk
udvikling
Politiske
reformer
Antal
optagede
Antal års-
elever
Frafalds pct.
Holdstørrelse
Søge-mønstre
Kilde: Teamanalyse; interviews; institutionsbesøg.
STRUENSEE & CO.
25
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0026.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Forskelle i lønomkostninger til undervisning per årselever skyldes særligt forskelle i antal
årselever per underviser
•
•
•
Nedenstående grafer viser, at lønomkostningerne til undervisning per årselev varierer med op til 29 pct. for kombinationsskolerne. Denne variation består af
variationen i gennemsnitlige lønomkostninger per underviser samt antal årselever per underviser. Det fremgår, at antal årselever per underviser har en maksimum
variation på 52 pct.
1
, mens de gennemsnitlige lønomkostninger per underviser har en maksimal variation på 23 pct.
Således indikerer opstillingen, at antal årselever per underviser udgør den primære omkostningskomponent ift. at forklare, hvad der driver omkostningerne på tværs
af institutioner, mens forskelle i lærerlønninger driver en relativt mindre del af variationen
I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste præsenteres disse
omkostningsdrivere og deres effekter pba. en regressionsanalyse. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen, tidligere præsenteret
Lønomkostninger per årselev og de to løn-omkostningskomponenter, fordelt på institutioner (2018)
Lønomkostninger til undervisning
per årselev (tusinde kr.)
70
69
67
65
65
64
63
63
61
+29%
61
58
58
58
58
56
55
55
54
Ø 61
Gennemsnitlige lønomkostninger
per underviser (tusinde kr.)
540
631
625
607
588
646
611
620
609
642
585
657
627
535
649
594
633
613
Ø 612
Antal årselever per underviser
1
7,7
9,1
9,4
9,3
9,1
10,1
9,7
9,9
10,0
10,6
10,0
11,2
10,8
9,3
11,7
10,8
11,6
11,3
Ø 10
Note 1) Antallet af undervisere er justeret iht. indtægtsdækket virksomheds andel af totale omkostninger, da undervisere på indtægtsdækket virksomhed ikke kan udskilles selvstændigt i ISOLA.
Kilde: Analysens datamodel
STRUENSEE & CO.
26
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0027.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Lønomkostninger per årselev for kombinationsskolerne 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 kombinationsskolerne. De syv primære omkostningsdrivere er udvalgt pba. indledende
screeninger af bruttolisten af mulige drivere, jf. kausalmodellen på den tidligere side
Opgørelsen præsenterer en samlet vurdering og beskrivelse af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data), institutionsbesøg og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet i vurderingen af effekten af omkostningsdrivere
De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra datamodellen som
ikke anvender regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) andel undervisningstid, ii) antal årselever, iii) antal uddannelser, iv) holdstørrelse og v) socioøkonomi er betydende omkostningsdrivere
for lønomkostninger per årselev
De følgende sider præsenterer og uddyber disse fem 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)
Antal årselever
(s. 29-32; s. 35)
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
•
Både institutionsbesøg og dataanalyser indikerer, at en høj andel undervisningstid reducerer løn til und. per årselev
•
Regressionsanalyserne har kun delvist identificeret disse sammenhænge. Samlet vurderes driverens effekt
betydende og uddybes i det følgende
•
Flere årselever driver lavere lønomkostninger per årselev til både undervisning og administration og ledelse. Det
understøttes af både dataanalyse, institutionsbesøg og regressionsanalyser
•
Betydningen af årselever undersøges både på institutionsniveau og uddannelseskategoriniveau
•
Institutionsbesøg og til dels dataanalyser og regressioner peger på, at antallet af uddannelser har effekt for
institutionernes omkostninger. Institutionsbesøg og regressionsanalyse peger på, at det kan være omkostningstungt
at udbyde mange uddannelser, men dataanalyser indikerer, at institutioner med mange udbudte uddannelser har
lavere lønomkostninger til undervisning per elev. Det skyldes, at regressionerne kontrollerer for årselevantal, som
kan være den primære driver af lavere lønomkostninger til undervisning fremfor antal uddannelser
•
Effekten af holdstørrelse er fundet at være betydelig, da gennemsnitlige holdstørrelser varierer og har en positiv
sammenhæng med lønomkostninger til undervisning per årselev på tværs af uddannelseskategorier, dvs. at større
hold driver lavere omkostninger
•
Institutionerne understreger betydningen heraf og fokuserer i udpræget grad på holdstørrelser i deres styring
Antal årselev per underviser
Antal uddannelser
(s. 30)
Holdstørrelse
(s. 31-32)
Antal lokationer
─
─
Socioøkonomi
(s. 33; s. 36)
•
Institutionsbesøg indikerer, at antal lokationer kan have en negativ effekt på løn til undervisning, men at det i højere
grad er bestemmende, hvor godt bygningsmassen er udnyttet
•
Observationerne er få, og hverken dataanalyser eller regressioner viser nogen betydelig effekt af antal lokationer
•
Dataanalysen indikerer, at socioøkonomi har en betydning for lønomkostninger til ledelse og administration (men
ikke uddannelse). En lavere socioøkonomisk reference medfører højere lønomkostninger per årselev.
Sammenhængen bekræftes delvist at regressionsanalysen og er nævnt på institutionsbesøg for øvrige arketyper,
herunder gymnasier
•
Analyserne har ikke identificeret systematiske forskelle på institutioner i hhv. by- og landkommuner
•
Institutionsbesøg har dog indikeret, at områders særlige forhold (fx lærerudbud og -konkurrence samt elevgrundlag)
har betydning; men systematiske forskelle mellem institutioner er ikke identificeret
Begge
omk.
komp.
Geografi
(by/landkommune)
─
─
─
Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 18 observationer, men fx kun 12 observationer gns. holdstørrelse på tekniske hovedforløb), med omkostningsdriverne som uafhængige variable, og udd.- og adm.
lønomkostninger per årselev som den afhængige variabel. Flueben angiver statistik signifikans på 10 pct. niveau. Flueben med parentes angiver, at variablen vurderes at have betydning via regresionsanalysen, men er ikke signifikant på 10 pct. niveau. 2)
Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
27
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0028.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen indikerer, at en større andel undervisningstid reducerer omkostninger til undervisning
per årselev for HHX
Antal årselever
•
•
•
•
Andel undervisningstid
Graferne nedenfor illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årselev for hhv. HHX og de merkantile
erhvervsuddannelser på kombinationsskolerne
.
Andel undervisningstid er kun rapporteret for HHX og merkantil EUD for langt størstedelen af kombinationsskolerne,
hvorfor kun disse to afrapporteres. For tekniske erhvervsuddannelser og HTX har kun to kombinationsskoler indrapporteret undervisningstid, hvorfor de er udeladt
Figuren til venstre
indikerer, at lønomkostninger til undervisning per årselev er faldende ved en højere andel undervisningstid for HHX, hvilket ses på den negative
hældning af den grønne trendlinje på grafen nedenfor. For de merkantile erhvervsuddannelser (grundforløb og hovedforløb) er effekten neutral. For begge
observationer gælder det dog, at populationen er lille, hvilket gør, at få outliers kan have stor effekt
Analysen indikerer således for HHX, at institutioner, der bruger mere tid på undervisning, alt andet lige, har lavere lønomkostninger til undervisning per årselev, da
lærer/elev rationen (dvs. omkostningskomponenten: ‘antal
årselever per underviser’)
herved mindskes
Det understøttes af institutionsbesøgene, hvor flere institutioner bemærker, at de aktivt arbejder med at andelen af lærernes arbejdstid, der anvendes på
undervisning. Denne styring foregår naturligt i sammenhæng med styring af holdstørrelser. Fx forsøger institutionerne at tage højde for kapacitetsudnyttelse af
lærerressourcer, herunder ved skemaplanlægning, samlæsning, brug af læreressourcer på flere adresser mv.
–
alle sammen tiltag, der i sidste ende kan understøtte
en høj andel af tid anvendt på undervisning
Figuren til højre
viser, hvorvidt institutioner med mange årselever på den pågældende uddannelseskategori har højere undervisningsandele. Figuren indikerer, at
en sådan sammenhæng eksisterer for både HHX og de merkantile erhvervsuddannelser. Spredningen er dog generelt stor for især erhvervsuddannelserne, og
effekten meget begrænset for HHX, hvorfor der kan ikke siges noget endeligt om sammenhæng mellem undervisningstid og størrelse på uddannelseskategorier
Andel undervisningstid for HHX og merk. EUD ift. årselever per udd.kat. (2017
1
)
Andel undervisningstid (%)
80
70
60.000
60
50
50.000
40
40.000
30
20
30.000
15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69 72
Andel undervisningstid (pct.)
10
0
200
400
600
800
1.000
1.200
1.400
Årselever per uddannelseskategori
HHX
Merkantil EUD
•
Andel undervisningstid for HHX og merk. EUD ift. lønomk. per årselev (2017
1,2
)
Lønomkostninger til undervisning per årselev
70.000
HHX
Merkantil EUD
Note: 1) 2017 data er anvendt da andel undervisningstid ikke er tilgængelig for 2018. 2) Merkantil EUD er justeret for en enkelt outlier, som lå markant under resten af populationen på omkostninger per årselev.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
28
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0029.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen indikerer, at lønomkostninger til undervisning per årselev er højere for små institutioner
Antal årselever
•
Figurerne nedenfor viser hhv.: 1) forholdet mellem lønomkostninger til undervisning per årselev og institutionsstørrelse, og 2) forholdet mellem lønomkostninger til
undervisning per årselev fordelt kombinationsskolernes fire største uddannelseskategorier (tekniske hovedforløb, tekniske grundforløb, HHX og HTX) og antallet af
årselever på uddannelseskategorien per institution
Figuren til venstre
indikerer, at store kombinationsskoler gennemgående har lavere omkostninger til undervisning per årselev end mindre kombinationsskoler
Det er dog bemærkelsesværdigt, at kombinationsskolerne med 1.000-2.500 årselever fordeler sig i to klynger, som ligger hhv. betydeligt over- (gruppe
1)
og under
(gruppe
2)
gennemsnittet for populationen. Det kan skyldes, at institutionerne i gruppe 1 har en større andel elever på tekniske erhvervsuddannelser, som har
højere lønomkostninger per elev end eksempelvis HHX
Sammenhængen indikerer, at det er muligt at realisere stordriftsfordele på undervisningen på kombinationsskolerne. Stordriften kan dog være drevet af flere faktorer,
herunder bl.a. koncentration af årselever på enkelte uddannelseskategorier og uddannelsesudbud, som vil påvirke antallet af årselever per udbudt uddannelse
Figuren til højre
indikerer, at lavere lønomkostninger per årselev realiseres på alle fire uddannelseskategorier. Effekten fremgår særligt tydelig for tekniske
hovedforløb
Institutionsbesøgene har peget på, at det på tværs af de fire uddannelseskategorier generelt er en fordel at have mange årselever, da det giver bedre forudsætninger
for optimering af især holdstørrelser, hvor de store institutioner vil have mulighed for at drive mange hold med mange elever, hvilket driver den gennemsnitlige
lønomkostning per årselev ned. På erhvervsuddannelserne har institutionerne dog givet udtryk for, at stordriften i nogen grad afvejes at et større uddannelsesudbud.
Dette forhold undersøges på de kommende sider
Lønomk. til undervisning per udd.kat. ift. årselever per udd.kat. (2017-2018)
1
Lønomkostninger til undervisning per årselev (tusinde kr.)
110
Kombinationsskoler
1
•
•
•
•
•
Lønomkostninger til undervisning ift. størrelse på institutionen (2017-2018)
1
Lønomkostninger til undervisning per årselev (tusinde kr.)
72
70
68
66
64
62
60
58
56
54
52
50
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
2
100
90
80
70
Tekniske hovedforløb
Tekniske grundforløb
HHX
HTX
60
50
40
30
0
500
1.000
1.500
2.000
Årselever per uddannelseskategori
Antal årselever
1) Tallene er et gennemsnit af lønomkostninger til undervisning per årselev og årselevantal per uddannelseskategori for hhv. 2017 og 2018
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
29
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0030.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Store kombinationsskoler udbyder flere uddannelser, og skoler med flere udbudte uddannelser
har lavere lønomkostninger til undervisning per årselev…
Antal årselever
•
•
Antal uddannelser
Figurerne nedenfor viser hhv., at store kombinationsskoler gennemgående udbyder flere forskellige uddannelser end mindre kombinationsskoler (figuren til venstre),
og at skoler med et stort uddannelsesudbud i gennemsnit har lavere lønomkostninger til undervisning per årselev end skoler med et smalt uddannelsesudbud
(figuren til højre)
Figuren til venstre
viser, at store kombinationsskoler udbyder flere uddannelser end mindre kombinationsskoler. Det gennemsnitlige antal udbudte uddannelser for
kombinationsskoler med under 1.500 årselever er således 27, mens det tilsvarende tal for kombinationsskoler med over 1.500 årselever er 33. Data underbygges af
institutionsbesøgene, hvor de besøgte kombinationsskoler gav udtryk for, at deres størrelse tillader dem at have et bredere uddannelsesudbud. Forskellen ses især
på de to største kombinationsskoler, som udbyder ~45-50 uddannelser
Figuren til højre
viser, at kombinationsskoler med et bredt uddannelsesudbud (de store skoler) gennemgående har lavere lønomkostninger per årselev end skoler
med et smalt uddannelsesudbud på trods af, det kan være omkostningstungt at opretholde et bredt uddannelsesudbud. Det indikerer, at de store kombinationsskoler
kan realisere stordriftsfordele, som er mere betydelige end meromkostningerne forbundet med et bredt uddannelsesudbud
Det kan skyldes, at de store kombinationsskoler har mange elever koncentreret på deres største uddannelser (grundforløb, visse hovedforløb, HHX og HTX), som
understøtter stordrift. Denne driver undersøges på de følgende sider
Omkostninger per årselev ift. antal uddannelser på institutionen (2018)
1,2
Lønomkostninger til undervisning per årselev (tusinde kr.)
72
70
68
66
64
62
60
58
56
54
52
50
48
46
44
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Antal årselever
Kombinationsskoler
•
•
Antal udbudte uddannelser ift. størrelse på institutionen (2018)
1
Antal udbudte uddannelser
55
50
45
40
35
30
25
20
15
Kombinationsskoler
15
20
25
30
35
40
45
50
Antal udbudte uddannelser
Note: 1) Institutionernes årselevsantal er justeret for årselever på AMU, da AMU-kurserne ikke indgår i optællingen af uddannelser.2) Lønomkostninger til undervisning er justeret for omkostninger til AMU, da
AMU-kurserne ikke indgår i optællingen af uddannelser. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
30
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0031.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
… hvilket skyldes, at store kombinationsskoler har flere årselever per uddannelse, som driver
lavere lønomkostninger til undervisning per årselev
Antal årselever
•
•
•
•
•
Holdstørrelse
Figurerne nedenfor viser sammenhængen mellem hhv. gns. årselever per uddannelse og institutionsstørrelse (figuren til venstre) og lønomkostninger til undervisning
per årselev og gns. årselever per uddannelse (figuren til højre). Figurerne undersøger således, om der kan findes indikationer på, at store institutioner har flere
årselever per uddannelse, og hvorvidt det kan drive lavere lønomkostninger til undervisning
Figuren til venstre
viser en positiv sammenhæng mellem institutionsstørrelse og gns. årselever per uddannelse. Det betyder, at de store kombinationsskoler– på
trods af et større uddannelsesudbud
–
gennemsnitligt har flere årselever på deres uddannelser
Figuren til højre
viser, at højere gennemsnitlige årselevantal per uddannelse driver lønomkostningerne til undervisning per årselev ned. Det er intuitivt, da flere
årselever per uddannelse understøtter større hold og dermed mere effektiv udnyttelse af lærerressourcer
Institutionsbesøgene indikerer, at det er enkelte uddannelser med stor elevaktivitet, som kan drive stordrift på institutionerne og trække den gennemsnitlige
lønomkostning til undervisning per årselev ned
Den følgende side vil undersøge betydningen af holdstørrelse for hhv. HHX, HTX og de tekniske erhvervsuddannelser. Analysen af alle fire uddannelseskategorier
baseres på holdstørrelserne, som institutionerne har angivet i spørgeskemaet
Lønomk. til undervisning per årselev ift. gns. elever per uddannelse (2018)
1
Gns. årselever per uddannelse
150
140
Kombinationsskoler
Lønomk. til undervisning per årselev ift. gns. elever per uddannelse (2018)
1,2
Lønomk. til undervisning per årselev (tusinde kr.)
65
Kombinationsskoler
130
120
110
100
60
90
80
70
60
55
50
40
30
20
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Antal årselever
50
45
30
40
50
60
70
80
90
100
110
120
130
140
150
Gns. årselever per uddannelse
Note: 1) Institutionernes årselevsantal er justeret for årselever på AMU, da AMU-kurserne ikke indgår i optællingen af uddannelser.2) Lønomkostninger til undervisning er justeret for omkostninger til AMU, da
AMU-kurserne ikke indgår i optællingen af uddannelser. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
31
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0032.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Større hold reducerer omkostninger til undervisning per årselev på kombinationsskolerne
Antal årselever
•
•
Holdstørrelse
Graferne nedenfor viser sammenhængen mellem: i) omkostninger til undervisning per årselev for kombinationsskolernes fire største uddannelseskategorier og gns.
holdstørrelse, og 2) gns. holdstørrelse ift. årselever for uddannelseskategorierne for kombinationsskolerne
1
For begge figurer gælder det, at analyserne er baseret på besvarelserne fra spørgeskemaerne om gns. holdstørrelse på tværs af uddannelseskategorier, hvorfor
datapunkterne varierer fra 11 på tekniske grundforløb til 14 på HTX. Den begrænsede population gør usikkerheden af figurerne større, bl.a. fordi outliers kan have
relativt stor effekt
Det skal noteres, at antallet af årselever på enkelte uddannelser kan være begrænset af kvoter for, hvor mange årselever institutionerne må optage på de
pågældende uddannelser
Figuren til venstre
indikerer, at løn. til undervisning per årselev er faldende ved større gennemsnitlige holdstørrelser for alle fire uddannelseskategorier, hvilket ses
på den negative hældning af trend-linjerne. Analysen indikerer således, at institutioner, der har større gennemsnitlige holdstørrelser, alt andet lige, har lavere
lønomkostninger til undervisning per årselev, da lærer/elev rationen (dvs. omkostningskomponenten: ‘antal
årselever per underviser’)
herved mindskes
Det understøttes af institutionsbesøgene, hvor særligt holdstørrelse (klassekvotienten) fremhæves som styringsparameter. For HTX og HHX arbejder institutionerne
arbejder med at opnå holdstørrelser på 28 på tælledagen
2
(maksimum tilladt). Flere institutioner bemærker, at det er svært at lave prognoser for elevtal grundet
udsving i søgemønstre og frafald. Det medfører en usikkerhed i holdstørrelser ved tælledagen (den dag, hvor man opgør, hvor mange der er på institutionen
Derudover har store institutioner også mulighed for at bruge deres lærerressourcer mere fleksibelt end mindre kombinationsskoler, eksempelvis ved at lade lærere
undervise på tværs af flere gymnasier indenfor institutionen, hvilket reducerer behovet for timeansættelser og understøtter fuld udnyttelse af lærerressourcerne
Figuren til højre
indikerer, at større institutioner kan have lavere omkostninger til undervisning på uddannelseskategorierne pga. bedre muligheder for tilpasning af
holdstørrelse. Dvs. at antallet af årselever per uddannelseskategori er medvirkende til, at holdstørrelser kan optimeres, og lønomk. per årselev følgelig kan sænkes
Gns. holdstørrelse ift. institutionsstørrelse (2018)
3
HHX
HTX
Gns. holdstørrelse
30
25
20
15
10
5
6
9
12
15
18
21
24
27
30
0
200
400
600
800
1.000 1.200 1.400 1.600 1.800 2.000
Gns. holdstørrelse
Årselever på uddannelseskategorien
Tekniske hovedforløb
Tekniske grundforløb
HHX
HTX
•
•
•
•
•
Omk. til undervisning per årselev ift. gns. holdstørrelse (2018)
3,4
Omkostninger til undervisning per årselev
100.000
90.000
80.000
70.000
60.000
50.000
40.000
Tekniske hovedforløb
Tekniske grundforløb
Note: 1) Af visuelle hensyn er kombinationsskolernes fire største uddannelseskategorier udvalgt. De udgør ~80 pct. af kombinationsskolernes samlede omkostninger. 2) Udbetalingen af undervisningstaxameter til institutionerne afhænger af
tælleperioden, som er det antal undervisningsdage, der samlet udbetales tilskud for, når eleven har været optaget på uddannelsen på en på forhånd fastsat dag (tælledagen) i perioden. 3) Data er baseret på indsamlede spørgeskemaer,
derfor er data kun tilgængelig for de institutioner, som har besvaret skemaet. 4) En enkelt kombinationsskole udgør en stor outlier og HHX og er derfor taget ud. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
32
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0033.png
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 uddannelse 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 om effekten af
socioøkonomisk reference for lønomkostninger til undervisning ved kombinationsskolerne
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)
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)
1
Lønomkostninger til undervisning per årselev
75.000
70.000
65.000
60.000
55.000
50.000
45.000
40.000
6,25
6,50
6,75
7,00
Socioøkonomisk reference for karakterer
7,25
7,50
7,75
Noter: 1)
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: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
33
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0034.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
For lønomkostninger til administration og ledelse fokuseres på antal årselever og socioøkonomi
som de primære omkostningsdrivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til administration og ledelse. Modellen illustrerer de forventede sammen-
hænge mellem bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomk.
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt to omkostningsdrivere af lønomkostninger, fsva. administration og ledelse specifikt. De udvalgte drivere er
markeret med grønt i kausalmodellen (antal årselever og socioøkonomi)
På de næste sider præsenteres analysen af antal årselever samt socioøkonomi ift. administration og ledelse
Omkostningsdrivere
Overarbejde
Tillæg
Ansættelses-
forhold
Omkostningskomponenter
Gennemsnitlig
månedsløn
Gennemsnitlig
lønomkostning per
ÅV
Anciennitet
Geografi
Interne politikker
Administrations-
andel
Lønomkostninger
til ledelse og
administration
per årselev
Antal ÅV per
årselev
Organisering
Fællesskaber
(administrative,
indkøb, IT, mv.)
Uddannelses-
udbud
Kilde: Teamanalyse; interviews; institutionsbesøg.
STRUENSEE & CO.
Geografi
Antal årselever
Antal ÅV
Socioøkonomi
34
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0035.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Lønomkostninger til administration og ledelse er gennemgående højere for små
kombinationsskoler, særligt for institutioner med under ~1.500 årselever
Antal årselever
•
•
•
•
Grafen nedenfor viser sammenhængen mellem institutionsstørrelse og lønomkostninger til administration og ledelse per årselev. For kombinationsskolerne indikeres
det, at store skoler har lavere omkostninger til administration per årselev end små skoler (den grønne linje). Tendensen påvirkes dog betydeligt af de to store
institutioner yderst til venstre i figuren, som har relativt lave omkostninger til ledelse og administration per årselev
Tendensen er særligt udtalt for mindre kombinationsskoler med under 1.500 årselever, hvor 70 pct. (fem ud af syv) har lønomkostninger til administration per årselev
på 9.000-11.000 kr., sammenholdt med ~7.500 kr. per årselev i gennemsnit for institutioner med over 1.500 årselever
Ved institutionsbesøg er det blevet fremhævet, at eksempelvis professionalisering af medarbejderstaben og udlicitering kan reducere omkostningerne til
administration per årselev på institutionerne (eksempelvis ved udlicitering af bogholderi). Derudover er der centrale ledelsesmæssige- og administrative funktioner,
som spredes ud på flere årselever for de store institutioner (eksempelvis direktørfunktionen og lignende stillinger, som alle institutioner skal besætte)
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 spredning af lokationer
Lønomkostninger til administration og ledelse per årselev på tværs af institutionsstørrelse (2017-2018)
1
Lønomkostninger til administration per årselev (tusinde kr.)
Kombinationsskoler
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
~70 pct. af
kombinationsskolerne
med under ~1.500
årselever
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) 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.
35
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0036.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen viser 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 del
variation mellem lønomkostninger til ledelse og administration per årselev og elevernes socioøkonomisk reference, om end der er en negativ hældning på
trendlinjen, som indikerer, at en højere socioøkonomisk reference sænker omkostningerne til administration og ledelse per årselev
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 for kombinationsskolerne
•
•
Lønomkostninger til ledelse og administration per årselev fordelt efter socioøkonomisk reference for karakterer (gennemsnit for 2016-2018)
1
Lønomkostninger til ledelse og administration per årselev
14.000
12.000
10.000
8.000
6.000
4.000
6,25
6,50
6,75
7,00
Socioøkonomisk reference for karakterer
7,25
7,50
7,75
Noter: 1)
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. 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.
36
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0037.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
37
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0038.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Drivere af bygningsomkostninger identificeres pba. empiriske analyser, institutionsbesøg og
ekspertinput
Primær
omkostningsdriver
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af bygningsomkostninger. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes bygningsomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra eksperter ved institutionerne, BUVM og konsulentteamets
erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt fem omkostningsdrivere af bygningsomkostninger til nærmere analyse. De udvalgte drivere er markeret
med grønt i kausalmodellen og dækker: i) antal årselever, ii) antal lokationer, iii) geografi, iv) andel lejede kvm og v) andel undervisnings kvm
Et overblik over resultaterne for disse fem primære omkostningsdrivere præsenteres på siden efter den følgende, hvorefter udvalgte drivere uddybes yderligere
•
Omkostningsdrivere
Andel lejede kvm
Omkostningskomponenter
Geografi
Bygningsmasse (kvm)
Bygnings-
omkostninger per
kvm.
Bygnings-
omkostninger per
årselev
Serviceniveau
Låneforhold
Renter
Finansielle
poster
Afskrivninger
Forsyningsbehov
Antal lokationer
Antal årselever
Antal kvm. per årselev
Lokalestørrelse gnm.
kvm.
Uddannelsesmix
Antal lokaler
Andel undervisnings
kvm.
STRUENSEE & CO.
38
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0039.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Bygningsomkostninger per årselev varierer med 109 pct., hvilket skyldes store variationer i
kvadratmeterpriser samt antal kvadratmeter per årselev
•
•
•
•
Graferne nedenfor indikerer, at forskelle i bygningsomkostninger både kan tilskrives kvadratmeterpriser og antal kvadratmeter per årselev, da begge
omkostningskomponenter er kendetegnet ved store variationer
Af opgørelsen fremgår en betydelig variation i bygningsomkostninger på 109 pct., som skyldes markante variationer i bygningsomkostninger per kvadratmeter og
antal kvadratmeter per årselever
Med undtagelse af en enkelt outlier fremgår en systematik i figurerne, som viser, at institutionerne med lave bygningsomkostninger per årselev generelt både har
lavere bygningsomkostninger per kvm. og flere kvadratmeter per årselev end institutioner med høje bygningsomkostninger per årselev
På de følgende sider fokuseres på de omkostningsdrivere, der virker gennem de to omkostningskomponenter og dermed kan drive systematikken i figurerne.
Driverne præsenteres på næste side
Bygningsomkostninger per årselev, bygningsomkostninger per kvm og antal kvm per årselev (2017)
1,2,3
Bygningsomkostninger per årselev
(2017, tusinde kr.)
19
19
18
Bygningsomkostninger per kvm
(2017, kr.)
774
680
568
586
540
588
601
476
417
785
527
306
424
334
388
102
26
32
25
35
15
21
36
Antal kvadratmeter per årselev
(2017)
24
27
28
27
29
25
24
27
29
16
16
15
15
13
12
12
11
11
11
11
10
10
9
Ø 13
+109%
219
Ø 489
Ø 28
41
Note: 1) 2017 data er benyttet pga. datatilgængelighed (SparEnergi-databasen). 2) Omkostningerne er opgjort ekskl. omkostninger til kostafdelinger mhp. sammenlignelighed mellem institutioner. Det har ikke været muligt at korrigere antal kvadratmeter relateret
til kostafdelinger, og omkostningerne pr. kvadratmeter er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. Kostafdelinger. 3) Bygningsomkostningerne pr. årselev er
opgjort som gns. af institutioner, hvorfor opgørelsen afviger fra bygningsomkostninger pr. kvm. multipliceret med kvadratmeter pr. årselev. Kilde: Analysens datamodel; Institutionsbesøg.
STRUENSEE & CO.
39
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0040.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Bygningsomkostninger afhænger af institutionsspecifikke forhold og antal lokationer
= uddybes på følgende sider
•
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af bygningsomkostninger per årselev for kombinationsskolerne. De fem primære omkostningsdrivere er udvalgt pba. indledende
screeninger af bruttolisten af mulige drivere, jf. kausalmodellen på den tidligere side
Opgørelsen præsenterer en samlet vurdering og beskrivelse af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data), institutionsbesøg og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet. Af samme årsag er regressionsanalyserne ikke
statistisk signifikante
De tre metoder anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser”
dækker over analyser af data fra datamodellen som ikke
anvender regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) geografi, ii) antal årselever, og iii) antal lokationer er betydende omkostningsdrivere for bygningsomkostninger per årselev
De følgende sider præsenterer og uddyber de tre omkostningsdrivere, der er identificeret som betydende
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Indikationer på effekt af omkostningsdriveren
Omkostningsdrivere
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
Geografi
(by/landkommune)
(s. 43)
Kvm.
priser
─
─
─
─
─
─
─
•
Analyserne indikerer, at institutioner med afdelinger i bykommuner har højere bygningsomkostninger per årselev
•
Sammenhængen understøttes af både 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 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
•
Dataanalyserne indikerer, at kombinationsskolerne ikke har stordriftsfordele på bygningsomkostninger per årselev
Antal årselever
(s. 41-42)
•
Analyserne dækker over to effekter, hvor store institutioner har højere bygningsomkostninger per kvadratmeter (bl.a.
fordi disse oftere har afdelinger på dyrere placeringer) men samtidig ikke har færre kvadratmeter per årselev
(muligvis fordi store kombinationsskoler har flere lokationer, som kan være udfordrende at udnytte helt)
•
Effekterne af institutionsstørrelse vurderes at være relevante og uddybes derfor i de følgende sider
Antal lokationer
─
•
Dataanalyser og institutionsbesøg indikerer, at antal lokationer har en effekt på bygningsomkostninger per årselev
på kombinationsskolerne
•
Omkostningsdriveren præsenteres derfor yderligere i de følgende sider
Note: 1) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 18 observationer, men fx kun 12 observationer på antal lokationer for institutionerne), med omkostningsdriverne som uafhængige variable, og udd.- og adm.
lønomkostninger per årselev som den afhængige variabel. Flueben angiver statistik signifikans på 10 pct. niveau. Flueben med parentes angiver, at variablen vurderes at have betydning via regresionsanalysen, men er ikke signifikant på 10
pct. niveau. 2) Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable. Kilde: Analysens datamodel; Institutionsbesøg hos NEXT og ZBC
STRUENSEE & CO.
40
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0041.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Der er ikke identificeret stordriftsfordele på bygningsomkostninger…
Antal årselever
•
•
•
•
•
Figuren nedenfor viser sammenhængen mellem omkostninger til bygningsdrift og institutionsstørrelse. Opgørelsen har til formål at belyse eventuelle stordriftsfordele
på bygninger
Opgørelsen indikerer ikke, at større institutioner har lavere bygningsomkostninger per årselev sammenholdt med mindre kombinationsskoler. Omvendt indikerer
figuren, at større kombinationsskoler gennemgående har højere bygningsomkostninger per årselev end mindre skoler. Trendlinjen er dog meget påvirket af de
største kombinationsskoler målt på årselever, som samtidig har høje bygningsomkostninger på årselev
Institutionsbesøgende pegede på, at bygningsomkostninger varierer meget fra institution til institution og afhænger at en række forhold udover institutionsstørrelse.
Eksempler på sådanne forhold er økonomien og bygningsmassen ved overdragelse fra selveje, som bl.a. har været bestemt af den betalingsevnevurdering, der blev
gennemført ifm. overdragelse af bygninger. Derudover har fx bygningsalder og valgte låneforhold betydning. Eksempelvis vil nyopførte bygninger typisk være dyre i
afskrivninger og renteomkostninger men samtidig være mere energieffektive, kræve mindre vedligehold, mv.
Derudover kan institutionernes uddannelsesudbud også påvirke niveauet for bygningsomkostningerne, da nogle uddannelser sætter større krav til bygningsfaciliteter
end andre (fx tømrer og struktør uddannelser)
Endeligt har også det konkrete ejendomsmarked i nærområdet (dvs. den geografiske placering af institutionens bygninger) og antallet af lokationer betydning hvorfor
disse uddybes på de følgende sider
Omkostninger til bygningsdrift per årselev på tværs af institutionsstørrelse (2016-2017)
1,2
Bygningsomkostninger per årselev
22.000
20.000
18.000
16.000
Kombinationsskoler
14.000
12.000
10.000
8.000
6.000
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
Årselever
Note: 1) Bygningsomkostningerne per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for bygningsomkostninger. 2) Tallene er et
gennemsnit af hhv. bygningsomkostninger per årselev og årselevantal for 2016 og 2017. Kilde: Analysens datamodel; institutionsbesøg
STRUENSEE & CO.
41
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0042.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
… hvilket skyldes, at større institutioner har højere bygningsomkostninger per kvadratmeter men
ikke flere elever per kvadratmeter
Antal årselever
•
•
Figurerne nedenfor viser hhv. bygningsomkostninger per kvm ift. institutionsstørrelse (figuren til venstre) og kvadratmeter per årselev ift. institutionsstørrelse (figuren
til højre)
Figuren til venstre
viser en positiv sammenhæng mellem bygningsomkostninger per kvm og institutionsstørrelse for kombinationsskolerne. De store institutioners
højere bygningsomkostninger per kvm. kan bl.a. drives af, at de er placeret i større byer med relativt højere ejendomspriser end de mindre institutioner. Det skal dog
noteres, at kombinationsskolernes bygningsomkostninger per kvm er præget af stor spredning
Figuren til højre
indikerer, at institutionsstørrelse ikke har en effekt på kvadratmeter per årselev for kombinationsskolerne. Selv justeret for de to outliers (de lysegrå
observationer i figuren), er der ingen effekt
Sammenholdningen af de to figurer viser, hvorfor forrige side finder højere bygningsomkostninger per årselev for store kombinationsskoler. Det skyldes, at de store
skoler har højere bygningsomkostninger per kvm uden at have flere årselever per kvadratmeter. Sammenholdt betyder det, at bygningsomkostningerne per årselev
er højere for de store kombinationsskoler
•
•
Bygningsomk. per kvm på tværs af institutionsstørrelse (2016-2017)
1,2
Bygningsomkostninger per kvm
800
750
700
650
600
550
500
450
400
350
300
250
200
150
100
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Kvm. per årselev på tværs af institutionsstørrelse (2016-2017)
1,2
Kvadratmeter per årselev
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Antal årselever
Kombinationsskoler
Kombinationsskoler
Outliers
Antal årselever
Note: 1) Omkostningerne er opgjort ekskl. omkostninger til kostafdelinger mhp. sammenlignelighed mellem institutioner. Det har ikke været muligt at korrigere antal kvadratmeter relateret til kostafdelinger, og omkostningerne pr. kvadratmeter er derfor en smule
undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. 2) Tallene er et gennemsnit af hhv. bygningsomkostninger per årselev og årselevantal for 2016 og 2017.
Kilde: Analysens datamodel
STRUENSEE & CO.
42
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0043.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Institutioner på landet er typisk både små og har lave bygningsomkostninger per årselev
Geografi
•
•
•
Graferne nedenfor viser hhv. bygningsomkostninger per. kvm. og årselever (grafen til venstre) og husleje per årselev ift. antal årselever (grafen til højre)
I graferne er institutionerne geografisk opdelt afhængigt af, om de er placeret i en by- by/land- eller en landkommune
1
Figuren til venstre
viser en sammenhæng mellem institutionsstørrelse og bygningsomkostninger per kvm. Figuren er dog præget af stor varians i
bygningsomkostninger per kvm. for skoler med under 2.500 årselever. Det ses, at rene land- og by-institutioner gennemgående er mindre end institutioner, som både
dækker by- og landkommuner. Med undtagelse af to outliers har de rene land-institutioner betydeligt lavere bygningsomkostninger per kvm. (~350 kr. per kvm.) end
institutioner med afdelinger i byer (~600 kr. per kvm.). Tendensen er formentligt drevet af, at det generelt er billigere både at købe og leje bygninger for land-
institutioner
Figuren til højre
viser, at store kombinationsskoler gennemgående har højere huslejeomkostninger end mindre kombinationsskoler, og at land-institutionerne alle
har relativt lave huslejeomkostninger per årselev. At huslejeomkostningerne per årselev er højere for store institutioner indikerer, at de store institutioner i højere
grad end små institutioner lejer bygninger, eksempelvis for at imødekomme fluktuerende elevtal, mens mindre institutioner (både by- og land-institutioner) typisk ejer
størstedelen af deres bygningsmasse, hvilket kan gøre det svært at justere bygningsomkostninger til skiftende elevtal
Husleje per årselev på tværs af institutionsstørrelse for institutioner i by- og
landkommuner (2016-2017)
3
By/land
•
Bygningsomk. per kvm på tværs af institutionsstørrelse for institutioner i
by- og landkommuner (2016-2017)
2,3
Bygningsomkostninger per kvm
800
700
600
500
400
300
200
100
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Antal årselever
By
Land
Husleje per årselev
22.000
20.000
By
By/land
Land
18.000
16.000
14.000
12.000
10.000
Institutioner i
landkommuner er
typisk mindre og
billigere på
bygningsomkostninger
8.000
6.000
4.000
2.000
0
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
Antal årselever
Note: 1) Opdeling i by- og landkommune baseret på Danmarks statistiks kommunegruppering i a) hovedstadskommuner, b) storbykommuner, c) provinsbykommuner, d) oplandskommuner og e) landkommuner. A)-c)
er her defineret som ‘by’ og d)-e) som ‘land’. Institutioner,
som
har afdelinger i både by-
og landkommuner, kategoriseres som ”by/land”. 2) Omkostningerne er opgjort ekskl. omkostninger til kostafdelinger
mhp. sammenlignelighed mellem institutioner. Det har ikke været muligt at korrigere antal kvadratmeter relateret til kostafdelinger, og
omkostningerne pr. kvadratmeter er derfor en smule undervurderet på institutioner med kostafdelinger. Det overordnede billede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. 3) Tallene er et gennemsnit af omkostninger til bygningsdrift per årselev og årselevantal
for 2016-2017. 4) Kilde: Analysens datamodel; Danmarks Statistik, 2018
STRUENSEE & CO.
43
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0044.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Analysen indikerer, at flere lokationer driver højere bygningsomkostninger for
kombinationsskolerne
Antal årselever
•
•
•
•
Figuren nedenfor viser sammenhængen mellem omkostninger til bygningsdrift og antal lokationer for kombinationsskolerne. Opgørelsen har til formål at belyse,
hvorvidt antallet af lokationer kan være drivende for bygningsomkostninger per årselev
Grafens hældning ligner figuren på side 39, som undersøgte sammenhængen mellem bygningsomkostninger per årselev og institutionsstørrelse. Det skyldes, at de
store kombinationsskoler gennemgående har flere lokationer end mindre kombinationsskoler
Opgørelsen indikerer, at institutioner med mange lokationer gennemgående har højere bygningsomkostninger per årselev sammenholdt med kombinationsskoler
med få lokationer. Spredningen er dog relativt stor blandt institutionerne, og der er eksempelvis to institutioner med under fem lokationer, som har
bygningsomkostninger per årselev på 16.000-18.000 kr. sammenholdt med et gennemsnit på 13.000 for populationen. Forskellen kan bl.a. drives af, at nogle
uddannelser stiller højere krav til institutionens bygninger, hvorfor den enkelte skoles årselevsfordeling på uddannelser kan drive høje bygningsomkostninger
Institutionsbesøgende pegede på, at kombinationsskolernes antal lokationer kan være omkostningsdrivende, da det eksempelvis kan besværliggøre effektiv
udnyttelse af bygningsmassen og samtidig kan drive omkostninger til vedligeholdelse og forsyning. Førstnævnte vil forklare, hvorfor større institutioner ikke udnytter
deres bygningsmasse bedre en mindre kombinationsskoler. Sidstnævnte vil dog i høj grad også afhænge af standen og alderen på de pågældende bygninger
Omkostninger til bygningsdrift per årselev ift. antal lokationer per institution (2018)
1,2
Bygningsomkostninger per årselev
20.000
19.000
18.000
17.000
16.000
15.000
14.000
13.000
12.000
11.000
10.000
9.000
8.000
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Antal lokationer
Note: 1) Bygningsomkostningerne per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for bygningsomkostninger. 2) Tallene er kun fra
2018, da institutionerne har angivet deres lokationer for 2018 i spørgeskemaerne. Derfor er der også kun besvarelser fra 12 ud af 18 kombinationsskoler.
Kilde: Analysens datamodel; institutionsbesøg
STRUENSEE & CO.
44
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0045.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
45
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0046.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der observeres ingen markant sammenhæng mellem omkostninger til øvrig drift per årselev og
antal årselever på institutionsniveau…
Antal årselever
•
•
Grafen nedenfor viser, at der ikke er nogen markant sammenhæng mellem omkostninger til øvrig drift per årselev og institutionsstørrelse for kombinationsskolerne
Generelt viser figuren, at der er en relativt stor spredning i kombinationsskolernes omkostninger til øvrig drift per årselev, og at der ikke er nogen systematik ift.
institutionsstørrelse. Det ses eksempelvis, at institutionerne med under ~3.000 årselever ligger med stor spredning ift. trendlinjen, hvor seks institutioner ligger under
linjen med gennemsnitlige omkostninger til øvrig drift per årselev på ~22.000 kr., mens otte institutioner ligger over trendlinjen med gennemsnitlige omkostninger til
øvrig drift per årselev på ~27.000 kr.
Figuren indikerer, at kombinationsskolernes store kompleksitet og forskelligartede uddannelsesudbud gør, at faldende marginalomkostninger til øvrig drift ikke slår
igennem på institutionsniveau
Den efterfølgende side vil undersøge, om faldende marginalomkostninger til øvrig drift i stedet gør sig gældende på uddannelseskategoriniveau
Omkostninger til øvrig drift per årselev på tværs af institutionsstørrelse (2017-2018)
1,2
Omkostninger til øvrig drift per årselev
30.000
29.000
28.000
27.000
26.000
25.000
24.000
23.000
•
•
22.000
21.000
20.000
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) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for øvrig drift. 2) Tallene er et gennemsnit af hhv. omkostninger til øvrig drift per
årselev og årselevantal for 2017 og 2018. Kilde: Analysens datamodel
STRUENSEE & CO.
46
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0047.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
… Men analysen indikerer, at der er stordriftsfordele på tekniske hovedforløb og tekniske
grundforløb
Antal årselever
•
•
•
•
•
Figuren nedenfor viser omkostningerne til øvrig drift per årselev konteret på kombinationsskolernes fire største uddannelseskategorier (tekniske hovedforløb,
tekniske grundforløb, HHX og HTX). Det ses, at tekniske hovedforløb i gennemsnit har de højeste omkostninger til øvrig drift per årselev (ca. 26.000 kr.), mens
tekniske grundforløb, HHX og HTX ligger en del lavere (hhv. ca. 18.000 kr. per årselev, 7.000 kr. per årselev og 9.000 kr. per årselev)
Det er forventeligt, at omkostningerne til øvrig drift per årselev er højest for de tekniske hovedforløb, da andelen af teoriundervisningen er lavere for dem, end de er
for tekniske grundforløb, HHX og HTX
Figuren indikerer, at stordriften på øvrig drift er særligt udtalt på de kombinationsskolernes erhvervsuddannelser. Det kan ses på hældningen af den grønne og blå
trendlinje, som er tydeligt stejlere end den gule HHX linje og den røde HHX linje. På tværs af tekniske grund- og hovedforløb har store kombinationsskoler således
lavere gennemsnitlige omkostninger til øvrig drift per årselev end mindre kombinationsskoler, mens tendensen ikke gør sig gældende for HHX og HTX
Det er især på eksempelvis indkøb af undervisningsmaterialer til erhvervsuddannelserne, at de store kombinationsskoler kan realisere stordriften, hvilket bl.a. kan
skyldes, at store institutioner køber ind i større mængder, hvilket kan bringe enhedsomkostningen per indkøbt vare ned, eller at store kombinationsskoler qua deres
store volumen kan forhandle deres leverandørers priser længere ned
Næste side undersøger sammenhængen mellem kritisk masse på den enkelte uddannelse og omkostninger til øvrig drift per årselev for erhvervsuddannelserne
(tekniske grundforløb og -hovedforløb samt merkantile grundforløb og -hovedforløb). Sammenhængen undersøges kun for erhvervsuddannelserne af to årsager: i)
det er typisk indenfor erhvervsuddannelserne, at enkelte uddannelser vil have meget små hold, og ii) institutionsbesøgene pegede på, at få årselever på
erhvervsuddannelser kunne være en driver af omkostninger
Omkostninger til øvrig drift per årselev ift. årselever per uddannelseskategori (2017-2018)
1,2
Omkostninger til øvrig drift per årselev (tusinde kr.)
50
45
40
35
30
Tekniske hovedforløb
Tekniske grundforløb
HHX
HTX
25
20
15
10
5
0
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
1.700
1.800
1.900
Årselever per uddannelseskategori
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for øvrige driftsomkostninger. 2) Tallene er et gennemsnit af
bygningsomkostninger per årselev og årselevantal for 2017 og 2018. Kilde: Analysens datamodel; institutionsbesøg
STRUENSEE & CO.
47
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0048.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Flere erhvervsuddannelser med 15+ årselever reducerer omkostninger til øvrig drift per årselev
Holdstørrelse
•
Grafen nedenfor viser forholdet mellem omkostninger til øvrig drift per årselev og institutionernes procentvise andel erhvervsuddannelser med mindst 15 årselever.
Erhvervsuddannelser dækker både over tekniske- og merkantile grund- og hovedforløb, hvorfor omkostningerne per årselev er lavere end på forrige side, som alene
undersøgte tekniske erhvervsuddannelser.15 årselever er valgt som grænseværdi, da det på institutionsbesøgene er blevet nævnt som et
estimat
for, hvornår en
erhvervsuddannelse kan drives økonomisk bæredygtigt isoleret set. Det skal dog noteres, at det kan svinge meget fra uddannelse til uddannelse
Overordnet ses det, at der variation i, hvor mange erhvervsuddannelser med mindst 15 årselever, kombinationsskolerne udbyder. Fire institutioner har kun 15+
årselever på ~25-35 pct. af deres erhvervsuddannelser, mens fem institutioner har andele på ~70-80 pct. Størstedelen af institutionerne ligger dog i intervallet ~45-60
pct. andel erhvervsuddannelser med 15+ årselever
Figuren indikerer en forholdsvis markant sammenhæng mellem andel erhvervsuddannelser med 15+ årselever og omkostninger til øvrig drift per årselev. Figuren
supporterer dermed observationerne fra forrige side, som indikerede, at årselevsantal på uddannelserne har betydning for institutionernes omkostninger til øvrig drift
Effekten observeret i figuren nedenfor kan skyldes, at mange tekniske erhvervsuddannelser - uanset antal årselever på den pågældende uddannelse
–
sætter
minimumskrav til eksempelvis udstyr og maskinel, som kan være dyrt at købe ind. For kombinationsskoler med en høj andel af erhvervsuddannelser med 15+
årselever vil omkostningerne forbundet med indkøbene være spredt ud på flere elever, hvilket reducerer omkostningen per elev
Figuren bekræfter dermed tesen fremført på institutionsbesøgene om, at det er afgørende at have kritisk masse på de enkelte uddannelser
Omkostninger til øvrig drift ift. andel uddannelser med 15+ elever (2017-2018)
1,2
Omkostninger til øvrig drift per årselev (tusinde kr.)
26
24
Str. på bolden indikerer institutionsstørrelse for kombinationsskolerne
•
•
•
•
22
20
18
16
14
12
10
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
Andel erhvervsuddannelser med 15+ årselever
1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) Tallene er et
gennemsnit af omkostninger til øvrig drift per årselev og årselevantal for hhv. 2017 og 2018 Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
48
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0049.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der er stor forskel på institutionernes sammensætning af øvrige driftsomkostninger
•
Figuren nedenfor viser en oversigt over øvrige driftsomkostninger per årselev på tværs af de 18 kombinationsskoler. 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
IT
Figuren viser en variation på ~40 pct. mellem institutioner ift. omkostninger til øvrig drift per årselev
Samtidigt viser figuren, at der er stor forskel på sammensætningen af øvrige driftsomkostninger på tværs af institutionerne. Den største post er således for de fleste
institutioner køb af varer til forbrug, om end denne varierer fra 25 pct. til 48 pct. på tværs af institutionerne. Køb af varer til forbrug vil gennemgående være højere for
institutioner med en relativt stor andel af årselever på tekniske erhvervsuddannelser
Omkostninger til øvrig drift per årselev per institution (tusinde kr.), 2018
1
Køb af tjenesteydelser (ex IT)
Rep. og vedligehold (ex. byg)
Køb af varer til forbrug
+41%
29
29
28
Afskrivninger
Øvrige driftsomkostninger
•
•
27
30%
31%
33%
23%
26
21%
25
25
25%
25
25
25
25
18%
24
23
23
21
21
25%
40%
35%
34%
33%
29%
41%
21
21
26%
25%
29%
27%
35%
28%
29%
41%
19%
35%
48%
33%
28%
37%
31%
25%
33%
30%
32%
40%
35%
26%
22%
13%
24%
31%
30%
36%
35%
40%
27%
22%
47%
27%
30%
28%
34%
32%
22%
24%
Note: 1) Omkostningerne til øvrig drift per årselev er justeret for omkostninger, som er konteret til institutionernes kostafdelinger, da kostelever påvirker niveauet for omkostninger til øvrig drift. 2) Det skal bemærkes, at de institutioner, som er
værter for administrative fællesskaber, har en større andel af omkostninger til løn til øvrig drift, som ikke er inkluderet i ovenstående graf. De institutioner, som betaler til administrative fællesskaber, har højere omkostninger til køb af
tjenesteydelser, som indgår i ovenstående graf. Kilde: Analysens datamodel
STRUENSEE & CO.
49
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0050.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
50
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0051.png
Analysen identificerer en række forhold, der påvirker kombinationsskolers 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. 54-55)
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 kombinationsskoler, der har faldende indtægter et givent år, oplever i
gennemsnit et indtægtsfald på ca. 5 pct. pr. år ift. det foregående år i
perioden 2012-2018
Størrelsen på de gennemsnitlige indtægtsfald har været mere eller
mindre stigende fra 2015 indtil 2018, hvor indtægtsfaldene i gennemsnit
var på ca. 6 pct. ift. året før. Det er en betydelig ændring fra ét år til det
næste
Antallet af kombinationsskoler, der oplever et indtægtsfald, toppede i
2016, hvor 16 ud af 18 skoler oplevede indtægtsfald
4.3
Tilpasningsevne (s. 56-65)
Faste omkostninger og omkostninger med lang bindingstid svækker
tilpasningsevnen
•
Jo færre omkostninger institutionerne har, som ikke giver praktisk
mening at justere ved fald i elevtallet (fordi de er faste, ikke-
aktivitetsafhængige omkostninger, fx visse administrative opgaver), og
som har lange bindingstider (fx pga. opsigelsesvarsler), desto nemmere
er det for institutionerne at tilpasse økonomien
Analysen peger på, at 58 pct. af kombinationsskolernes omk. har høj
grad af aktivitetsafhængighed. Ligeledes viser beregninger, at ca. 88
pct. af omkostningerne skønnes at have en bindingsperiode 0-10 mdr.
Det skyldes, at lønomkostningerne til undervisning 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. 66-67)
Analysen viser, at de kombinationsskoler, der har det største tilpasningsbehov og den laveste tilpasningsevne, er kendetegnet ved:
•
Flere årselever:
kombinationsskolerne med en tilpasningsevne under
gennemsnittet har generelt færre årselever (i gns. 1.900) end
kombinationsskoler med en tilpasningsevne over gennemsnittet (i gns.
2.900)
Kombinationsskoler med en tilpasningsevne over gennemsnittet har: i) en
relativt høj andel personale med begrænset anciennitet, og ii) en høj andel
af øvrige driftsomkostninger med kort binding. Sidstnævnte udgøres i høj
grad af indkøb af småanskaffelser, undervisningsmaterialer og fødevarer
•
•
Geografisk fordeling:
Analysen indikerer ikke, at
kombinationsskolernes tilpasningsudfordringer er direkte påvirket af
geografisk placering
Derimod findes det, at højere bygningsomkostninger, drevet af
eksempelvis geografisk placering på dyre lokationer eller et stort behov
for bygningsmasse, øger kombinationsskolernes andel af faste
omkostninger, som ikke kan påvirkes indenfor en etårig periode
•
STRUENSEE & CO.
51
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0052.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
52
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0053.png
4.1. INSTITUTIONERNES TILPASNINGSEVNE - METODE
Analysen af tilpasningsevne undersøger omkostningernes aktivitetsafhængighed og
bindingsperiode
•
•
•
•
Nedenfor beskrives de to nøgleparametre som analysen af tilpasningsevne baseres på. Tilgangen fokuserer på: (1) aktivitetsafhængighed og (2) bindingstider, som
er de to faktorer, der påvirker institutionerne evne til at tilpasse økonomien ved ændringer i indtægterne fra ét år til det næste
Jo større andel af omkostningsbasen, der har høj grad af aktivitetsafhængighed og korte bindingstider, jo bedre er evnen til at tilpasse økonomien til ændringer i
indtægterne fra ét år til det næste. Det skyldes, at institutionerne i praksis finder det mest oplagt at justere de omkostninger, som er variable med aktiviteten, givet at
der ikke er uforholdsmæssigt lange bindinger på disse omkostninger, fx i form af opsigelsesvarsler, kontraktmæssige bindinger, el.lign.
Aktivitetsafhængigheden opgøres for hver omkostningskategori pba. institutionsbesøg og kvantitativ analyse af tilpasningsevne for forskellige
omkostningskomponenter ved fald i elevtallet. Aktivitetsafhængigheden vurderes på en kvalitativ tre-trins skala fra høj til lav
Bindingstid opgøres for hver omkostningskategori i antal måneder fra 0-3 mdr., 4-10 mdr., 11-24 mdr. og 25+ mdr. For lønomkostninger er bindingsperioden opgjort
pba. anciennitet og de overenskomstbestemte varselsperioder.
1
For bygningsomkostninger og øvrige driftsomkostninger er bindingsperioden opgjort pba. interview
på institutionsbesøg og spørgeskemabesvarelser
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
Aktivitetsafhængighed
Bindingstid
Bindingstid på omkostninger
•
•
•
•
•
Det første forhold, institutionerne tager højde for, når omkostninger skal tilpasses
sfa. et indtægtsfald pba. faldende elevtal, er, om de forskellige
omkostningskomponenter afhænger af elevtallet
Omkostninger, som kun i begrænset omfang påvirkes af ændringer i elevtallet fra
ét år til det næste
–
fx visse bygningsomkostninger samt engangsudgifter til
licenser (fx Lectio)
–
er ifølge institutionerne kun oplagte at justere ved
længerevarende trends i indtægtsændringer, og såfremt der ikke i forvejen er
”lavt hængende frugter” at høste på disse områder
Omkostninger med høj grad af aktivitetsafhængighed
–
fx lønomkostningerne til
undervisning
–
er umiddelbart oplagte at tilpasse ved ændret elevtal fra år til år
Beslutningen om at udmønte besparelser afhænger dog bl.a. af bindingstiden på
de enkelte omkostninger (fx opsigelsesvarsler og abonnementsbindinger) samt
faglige hensyn til at understøtte undervisningskvalitet mv.
Størstedelen af institutionernes samlede omkostninger skønnes at have en høj
grad af aktivitetsafhængighed, på tværs af delsektorer
•
•
•
•
•
Det næste forhold, institutionerne tager højde for ved tilpasning til indtægtsfald,
er, hvor lang bindingstid der er på de omkostninger, der vurderes mest
relevante at tilpasse ud fra deres aktivitetsafhængighed, kvalitetshensyn, mv.
Visse omkostninger med længere bindingstid
–
fx husleje- og låneomkostninger
samt evt. kontraktmæssige forpligtelser på rengøring, vedligehold, forsyning og
abonnementer
–
vil ikke kunne justeres på den korte bane
Omvendt vil omkostninger med forholdsvis lav bindingstid
–
fx lønomkostninger,
der har en bindingstid på 0-10 mdr.
–
være mere oplagte at justere ved
indtægtsfald. Ifølge institutionerne indgår opsigelseslængden dog sjældent i
overvejelserne om, hvilke medarbejdere der skal afskediges
Det skønnes på tværs af delsektorer, at en overvejende andel af
omkostningerne har en bindingstid på 0-10 mdr., hvilket især er drevet af
bindingstiden på løn
Hvis institutionerne har en forventning om længerevarende trends i udviklingen
af elevtallet, vil også de dele af omkostningerne med længere bindinger kunne
justeres for at imødegå det fremtidige indtægtsgrundlag. Spørgsmålet om
bindingstid er derfor især relevant ift. tilpasning til udsving på den korte bane
53
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
2195746_0054.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
54
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0055.png
4.2. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSBEHOV
Når kombinationsskolerne oplever et fald i indtægter, er det gennemsnitligt på 4,8 pct., hvilket
skaber et tilpasningsbehov for institutionerne
•
Den øverste graf nedenfor illustrerer omfanget af indtægtsfald, som kombinationsskolerne i gennemsnit oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt
en institution har oplevet et fald i indtægter, har faldet i gennemsnit været på ~4-6 pct. ift. året før. Fx oplevede institutioner med et indtægtsfald i 2018 gennemsnitligt
et fald på ~6 pct. ift. året før (2017). Grafen tolkes altså som den gennemsnitlige marginale ændring i indtægter fra et år til det næste for de institutioner, som netop
det år har oplevet et indtægtsfald
1
Den nederste graf viser antallet af kombinationsskoler med indtægtsfald. Af grafen fremgår det, at der i 2013 var 10 ud af 18 kombinationsskoler, der oplevede et
indtægtsfald ift. året før, mens der i 2016 var 16 ud af 18 kombinationsskoler med indtægtsfald ift. året før. I gennemsnit oplevede 13 ud af 18 kombinationskerne et
indtægtsfald over årerne 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 6,4
pct. og et gennemsnit på 4,8 pct.) indikerer, at kombinationsskolerne jævnligt over de sidste syv år har oplevet betydelige tilpasningsbehov, der kræver en ikke
ubetydelig reduktion af omkostninger
Ændringer fra år til år
•
6,4
5,7
4,2
4,5
4,3
4,2
•
•
Gennemsnitlig ændring i indtægter ift. året før (pct.)
Gennemsnitlig pct.
fald ift. året før
7
6
5
Indtægts-
fald (pct.)
4
3
2
1
0
20
Antal tek.
skoler med
10
indtægts-
fald
0
20
Andel tek.
skoler med
10
indtægts-
fald (pct.)
0
2012 2013 2014 2015 2016 2017 2018
13
13
16
4,0
Årsager til indtægtsændringer
Indsigter fra institutionsbesøg.
Interview med
institutionerne peger på fire hovedårsager til
indtægtsændringer:
•
Demografiske ændringer:
Den demografiske udvikling
driver tendenser på lang sigt, fx reduceret elevgrundlag
grundet faldende ungdomsårgange. Udviklingen kan
som regel i nogen grad forudsiges, når der ses på
tidligere år og den forventede udvikling i størrelsen af
den relevante aldersgruppe i området
Ændrede søgemønstre:
De unges søgemønstre
ændres på både langt og kort sigt. På længere sigt er
der en urbaniseringstendens, hvor de unge i stigende
grad søger mod institutioner i de større byer. Men
institutionerne oplever også ændringer i søgemønstrene
på kort sigt fra år til år, hvilket gør det svært at forudsige
elevtallet for det kommende skoleår. Det sker især i
områder med stor konkurrence mellem institutioner
Politiske reformer mv.:
Institutionerne oplever, at
politiske reformer kan give ‘eksterne chok’ til elevtallet
på kort sigt. Det skyldes fx ændrede incitamenter,
optagelseskrav, mv., som påvirker elevtallet
De fleste kombinationsskoler oplever ændringer i
elevtallet hvert år, i opad- eller nedadgående
retning, hvilket påvirker deres indtægter. Det
skyldes, at taxametersystemet overvejende er
aktivitetsafhængigt
4,8 Der er stor forskel på de driftsmæssige og
•
organisatoriske udfordringer, som hhv. en stigning
og et fald i indtægterne medfører. Analysen
fokuserer særskilt på institutioner, der oplever
fald
i
indtægter
•
De kombinationsskoler, der har faldende indtægter
et givent år, oplever i gennemsnit (vægtet) et
indtægtsfald på 4-6,4 pct. i perioden 2012-2018
•
14
10
10
12
2012 2013 2014 2015 2016 2017 2018
72% 72%
89%
78% 67%
•
13 Størrelsen af de gennemsnitlige årlige indtægtsfald
er faldet fra 4,5 pct. i 2013 til 4 pct. i 2015 og
efterfølgende steget til 6,4 pct. i 2018. Samtidig er
antallet af kombinationsskoler, der oplever et
indtægtsfald, steget fra 2013 til 2016 og
efterfølgende aftaget frem mod 2018
21 ud af 40
VUC’er
med indtægtsfald
12 ud af 18 kombinationsskoler havde
i 2018 i 2018 svarende til
indtægtsfald svarende til 53 pct. 67 pct.
•
56% 56%
•
2012 2013 2014 2015 2016 2017 2018
Ændrede takster mv.:
Institutionerne oplever
indtægtsændringer, når taxametersystemet ændres,
som derigennem påvirker indtægter per årselev
Note: 1) Kombinationsskolernes indtægter kommer fra tilskud (97 pct.), deltagerbetaling (0,1 pct.) og øvrige indtægtskilder (2,8 pct.). For de kombinationsskoler, der har oplevet indtægtsfald ift. året før, kommer indtægterne fra tilskud (89
pct.), deltagerbetaling (5 pct.) og øvrige indtægtskilder (6 pct.). Alle kombinationsskoler med tilgængelig data i datamodellen er inkluderet. Kilde: Analysens datamodel
STRUENSEE & CO.
55
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0056.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
56
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0057.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Kombinationsskolerne, der oplever indtægtsfald, reducerer i gennemsnit deres omkostninger med
66 pct. ift. indtægtsfaldet samme år, men det dækker over betydelig varians mellem skolerne
•
•
•
•
•
Nedenfor ses sammenhængen mellem indtægtsfald og omkostningsreduktioner for kombinationsskolerne i perioden 2012-2018. Af figuren ses sammenhængen
mellem de relevante institutioners gennemsnitlige årlige indtægtsfald og den realiserede omkostningsreduktion i samme år fordelt på løn, bygninger og øvrig drift
1
I den højre søjle sammenlignes resultaterne med kombinationsskolernes omkostningsfordeling i 2018
De bagvedliggende analyser viser, at der er betydelig variation på tværs af institutioner ift. hvordan omkostninger ændres i år med et indtægtsfald. Det indikerer, at
omkostningstilpasning i høj grad er afhængig af institutionernes egne strategiske valg, og i mindre grad drives af systematik i, hvordan de enkelte
omkostningskategorier tilpasses som følge af et indtægtsfald
Figuren nedenfor viser den gennemsnitlige omkostningstilpasning i sektoren. Grafen bør derfor tolkes som en gennemsnitlige tilpasning på 66 pct. for den del af
sektoren, der oplever indtægtsfald et givent år
Resultaterne af analysen indikerer, at kombinationsskolerne især tilpasser på øvrig drift (41 pct. af tilpasningen), mens der tilpasses en mindre del på løn (31 pct.) og
bygninger (29 pct. af tilpasningen). Omkostningsreduktionen på øvrig drift er forholdsmæssigt stor ift. kategoriens andel totale omkostninger (22 pct.), hvilket
indikerer, at kombinationsskolerne prioriterer at reducere omkostningerne på øvrig drift, før de tilpasser eksempelvis lønomkostninger
… falder omkostningerne med …
… ift.
omkost.- fordelingen
Bygninger
Øvrig drift
Når indtægterne falder med …
Observationer
•
Gns. indtægtsfald:
Det gennemsnitlige indtægtsfald ift. året
før udgør 3,6 mio. kr. for perioden 2012-2018 for de
inkluderede kombinationsskoler
1
Indtægtsfald
Løn
3,6 mio. kr.
•
Gns. omkostningsreduktion:
Kombinationsskoler justerer i
gns. deres omkostninger ifm. et indtægtsfald med 66 pct.
•
Løn:
I gns. udgøres 31 pct. af tilpasningen af omkostningerne
på løn. Det indebærer, at institutionerne reducerer antallet af
medarbejdere (ved afskedigelse eller naturlig afgang) eller
lønnen pr. medarbejder (fx bonusser, el.lign.). Tilpasningen
sker især gennem reduktion af medarbejderstaben, særligt
antal undervisere
2,4 mio. kr.
31%
4.889 mio. kr.
66%
66 pct.
29%
12%
22%
•
Bygninger:
29 pct. af tilpasningen foretages på bygninger.
Det er højere end bygningsomkostningernes del af
kombinationsskolernes samlede omkostningsbase
•
Øvrige driftsomkostninger:
Størstedelen af
omkostningsreduktionen foretages på øvrig drift (41 pct.),
hvilket er højt ift. den totale andel på 22 pct. Størstedelen af
reduktionen af omkostninger til øvrig drift foretages på indkøb
af varer til forbrug og indkøb af tjenesteydelser, mens en
mindre del foretages på reparationer og vedligehold
41%
Gns. indtægtsfald pr. år (2012-2018)
Gns. omkostnings-
reduktion pr. år (2012-2018)
Totale omkostninger
(2018)
Note: 1) Outliers med indtægtsfald eller omkostningsfald per omkostningskategori på over 10 mio. kr. ift. året før er frasorteret. Der er så vidt muligt kontrolleret for effekten af tidligere år med indtægtsfald, ved at frasortere institutions-år,
der i det givne år også havde et indtægtsfald året før. Derudover er frasorteret institutions-år, hvor institutionen ikke i det efterfølgende år havde et indtægtsfald. Det er gjort mhp. at udvælge institutioner, der i det givne år havde et øget
incitament til at tilpasse omkostningerne, grundet en mulig forventning om et yderligere indtægtsfald det følgende år. Kilde: Analysens datamodel.
STRUENSEE & CO.
57
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0058.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Op til 88 pct. af kombinationsskolernes omkostninger kan principielt justeres inden for 10
måneder, og 58 pct. af omkostningerne har høj aktivitetsafhængighed
•
•
Nedenfor ses en oversigt over kombinationsskolernes samlede omkostninger fordelt på aktivitetsafhængighed og bindingstider
Som det fremgår af opgørelsen, estimeres 58 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, mens 88 pct. af omkostningerne skønnes at kunne
tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne
2
Oversigten indikerer, at kombinationsskoler på forholdsvis kort tid kan tilpasse en betydelig andel af deres omkostninger. Den økonomiske fleksibilitet er ikke
nødvendigvis udtryk for faglig fleksibilitet, da justeringer af særligt lønomkostninger kan have betydning for undervisningens gennemførsel på institutionerne
På de følgende sider uddybes de omkostningskomponenter, der ligger til grund for nedenstående fordeling af totale omkostninger
•
•
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
1
Høj
Middel
Lav
Bindingstid på omkostninger
2
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
58%
33%
9%
37%
51%
7% 5%
•
•
Ca. 58 pct. af
kombinationsskolernes
samlede omkostninger
skønnes at have høj grad
af aktivitetsafhængighed,
baseret på interviews
med institutionerne
Det skyldes især løn til
undervisning, som udgør
~50 pct. af de totale
omkostninger. Dertil
kommer ~7 pct. øvrig drift
med høj
aktivitetsafhængighed
•
De 33 pct. af
omkostningerne, der
vurderes at have en
middel
aktivitetsafhængighed,
består af
lønomkostninger til
administration og ledelse
samt bygningsdrift og
øvrig drift (15 pct. af
totale omkostninger), en
del på bygninger (4 pct.
af totale omkostninger)
og en del på øvrig drift
(14 pct. af totale
omkostninger), jf.
følgende sider
•
•
De resterende 9 pct.
vurderet at have lav
aktivitetsafhængighed
udgøres primært af en
del af bygnings-
omkostningerne (8
pct. af totale
omkostninger) og en
mindre del af øvrige
driftsomkostninger (1
pct. af totale
omkostninger)
De følgende sider
uddyber disse
resultater
•
•
•
Det skønnes, at ca. 88 pct. af kombinationsskolernes
samlede omkostninger har en bindingstid på 0-10 mdr.,
hvilket især er drevet af bindingstiden på løn, som er under
10 mdr. 37 pct. af omkostningerne skønnes at have en
bindingstid under ca. 3 mdr.
2
De 37 pct. der i gennemsnit kan justeres inden for ca. 3 mdr.
består af lønomkostninger (19 pct. af totale omkostninger),
en smule bygningsdrift (1 pct. af totale omkostninger) og
øvrige driftsomkostninger (17 pct. af total omkostninger)
De 51 pct. af omkostningerne med en bindingstid på 4-10
mdr. består primært af lønomkostninger med 47 pct. af de
totale omkostninger samt en mindre del bygnings- (2 pct.) og
øvrige driftsomkostninger (2 pct.)
•
De resterende 12
pct. omkostninger
med længere
bindingstid end 11
mdr. består særligt af
bygningsomkostning
er (10 pct. af totale
omkostninger) samt
nogle former for
øvrige
driftsomkostninger (2
pct. af totale
omkostninger)
Note: 1) Opgjort på baggrund af interviews med kombinationsskoler 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 kombinationsskoler. 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.
58
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0059.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Ca. 27 pct. af kombinationsskolernes lønomkostninger kan principielt tilpasses inden for ca. 3
måneder, mens resten kan tilpasses inden for 10 måneder
Uddybes på de
næste sider
•
•
•
•
•
Nedenfor illustreres kombinationsskolernes 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 25 pct. inden for ca. 3 mdr. og resten (75 pct.) inden for 4-10 mdr.
Analysen viser tilsvarende for bindingstiderne på lønnen til administration og ledelse, hvor 31 pct. af lønnen til administration og ledelse har en kort bindingstid på 0-3 mdr., mens
resten (69 pct.) kan tilpasses inden for 4-10 mdr.
Øvrige lønomkostninger, fx til kantinedrift og rengøring, er ligeledes til dels aktivitetsafhængige og har 23 pct. med lav bindingstid (0-3 mdr.), mens resten (77 pct.) har 4-10 mdr.
Aktivitetsafhængigheden tilsiger, at det er oplagt at tilpasse antallet af undervisere ved ændringer i elevtallet, mens tilpasning af administration og ledelse samt øvrige
lønomkostninger i mindre grad er aktivitetsafhængige og derfor justeres over en længere periode og ved større aktivitetsændringer sammenlignet med løn til undervisning
Omkostnings-
kategorier
Aktivitets-
Bindingstid
afhængighed omkostninger
•
Observationer
4-10 mdr.
0-3 mdr.
75%
Høj
•
•
•
25%
Aktivitetsafhængighed:
Skift i elevtallet forudsætter tilpasning af antallet af undervisere, hvis lærer/elev ratioen skal fastholdes.
Lønomkostningerne til undervisning er derfor aktivitetsafhængige, dog med faldende marginalomkostninger, fx grundet bedre
mulighed for optimeret planlægning, større hold mv. i større institutioner. Aktivitetsafhængighed indebærer, at lønomkostninger til
undervisning er en af de løftestænger institutionerne kan bruge i tilfælde af skiftende elevtal
Bindingstid:
Efter lærernes overenskomst gælder det, at ansatte kan have op til 6 måneders opsigelse og 3 måneders fratrædelses-
godtgørelse. Dertil kommer en høringsperiode på ca. 14 til 30 dage. Baseret på anciennitetsfordelingen skønnes ca. 25 pct. af
lønomkostningerne at være knyttet til undervisere med krav på 0-3 mdr.
1
varsel, mens resten (75 pct.) har krav på 4-10 mdr. varsel
Tilpasningsevne:
Kombinationen af, at kombinationsskolers lønomkostninger til undervisning er aktivitetsafhængige og har
begrænset bindingstid, indebærer, at tilpasningsevnen generelt er høj på denne del af omkostningsbasen
Aktivitetsafhængighed:
Fald i elevtallet frigør kun i begrænset omfang administrative og ledelsesmæssige ressourcer, da en række
opgaver er uafhængige af elevtal (fx løn- og regnskabsadministration). Faldende elevtal kan have en vis effekt på omfanget af
elevadministration, studievejledning mv. Derfor vurderes løn til administration og ledelse at have middel aktivitetsafhængighed
Bindingstid:
Ledere og størstedelen af de administrative medarbejdere har samme opsigelsesvarsler som underviserne, mens en
mindre del af administrationsmedarbejderne er ansat på mere midlertidige vilkår. Der er derfor generelt lave bindingsperioder på
ledelse og administration. Især elevadministrative opgaver og støttefunktioner (fx studievejledning mv.) vil ifølge institutionerne kunne
justeres ved ændrede elevtal over en 2-3-årig periode
Tilpasningsevne:
Kombinationen af, at de kombinationsskolernes lønomkostninger til administration har begrænset
aktivitetsafhængighed og lav bindingstid, indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Aktivitetsafhængighed:
Fald i elevtallet har til dels en effekt på øvrige lønomkostninger. Det gælder fx omkostninger til kantinedrift,
rengøring mv., som påvirkes af antallet af elever. Hertil kommer en række øvrige lønomkostninger, som ikke påvirkes af elevantallet,
fx bygningsvedligehold mv. Derfor vurderes øvrige lønomkostninger at have en middel aktivitetsafhængighed
Bindingstid:
Øvrige medarbejdere har samme opsigelsesvarsler som underviserne, mens en mindre del af øvrige medarbejderne er
ansat på mere midlertidige vilkår. Der er derfor generelt lave bindingsperioder vedrørende øvrige lønomkostninger, jf. følgende sider
Tilpasningsevne:
Kombinationen af, at de kombinationsskolernes øvrige lønomkostninger har begrænset aktivitetsafhængighed og
lav bindingstid, indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Administration og
ledelse
Undervisning
69%
Middel
Løn
•
31%
•
•
Øvrige løn
77%
Middel
•
•
23%
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.
Kilder: Anciennitetsdata fra ISOLA, analysens datamodel.
STRUENSEE & CO.
59
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0060.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Kombinationsskolernes lønomkostninger til undervisning afhænger af lærerstabens anciennitet
og de deraf følgende krav til opsigelsesvarsler …
•
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på kombinationsskolernes lønomkostninger til undervisning. Opgørelsen er beregnet ud fra (1)
undervisningsårsværkenes anciennitet, (2) de overenskomstmæssige opsigelsesvarsler ud fra ancienniteten og (3) lønomkostningerne til disse årsværk
Beregningstilgangen illustrerer, at omfanget og fordelingen af ancienniteten er den primære driver for justerbarheden af lønomkostninger til undervisning
Det bemærkes, at anciennitetsdata er behæftet med usikkerheder, da det ikke har været muligt at trække faktisk anciennitet fra relevante registre. I stedet er optalt
antal hele år, medarbejdere er ansat. Denne tilgang medfører øget metodisk usikkerhed, hvilket også gør sig gældende for de resulterende omkostningsfordelinger
På de følgende to sider illustreres den tilsvarende sammenhæng mellem anciennitet, opsigelsesvarsel og bindingsperioder for lønomkostninger til administration og
ledelse samt til bygningsdrift og øvrig drift
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Undervisernes anciennitet, opsigelsesvarsler og lønomkostninger
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
11%
10%
8%
9%
8%
6% 4%
7%
37%
Af søjlen øverst til venstre ses, at
ancienniteten for kombinationsskolers
undervisere (opgjort i årsværk) fordeler sig
med den største gruppe (37 pct.) med 9+
års anciennitet, efterfulgt af 11 pct. med op
til et års anciennitet
Den anden søjle viser på baggrund af
anciennitetsfordelingen og de deraf
følgende krav til varsler, at ca. 72 pct. af
underviserne har 4-6 mdr. bindingstid
Af den nederste søjle ses, at ca. 27 pct. af
kombinationsskolers lønomkostninger til
undervisning går til ansatte med krav på 1-
3 måneders varsel, mens resten (ca. 73
pct.) har krav på 4-6 mdr. varsel
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at
undervisere med højere anciennitet
generelt har højere lønninger, hvilket fx
resulterer i, at 39 pct. af
lønomkostningerne optages af de 37 pct.
årsværk, som har mere end 6 mdr.
opsigelse
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
Løn til undervisning
2
Opsigelses-
varsler baseret
på anciennitet
1
5%
23%
22%
13%
37%
•
1 md.
3
3 mdr.
72 pct.
4 mdr.
5 mdr.
6 mdr.
•
Lønomkost-
ninger opdelt
på opsigelses-
varsler
6%
21%
22%
12%
39%
73 pct.
Note: 1) Bemærk, at ansatte med over 12 års anciennitet har ret til fratrædelsesgodtgørelse, hvorfor deres samlede bindingstid kan være højere
Kilder: Anciennitetsdata fra ISOLA, analysens datamodel.
STRUENSEE & CO.
60
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0061.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
… ligesom anciennitet er afgørende for kombinationsskolernes mulighed for at tilpasse
lønomkostninger til administration og ledelse …
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på kombinationsskolers lønomkostninger til administration og ledelse. Opgørelsen er beregnet ud fra (1) adm.- og
ledelsesårsværkenes anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne til disse årsværk
Tilgangen tilsvarer metoden fra forrige side vedr. lønomkostninger til undervisning, og anciennitet driver dermed ligeledes justerbarheden af lønomkostninger til
administration og ledelse. Dog er aktivitetsafhængigheden vurderet lavere for administration og ledelse end for undervisning grundet karakteren af nogle af de
opgaver, administrativt personale og ledere varetager
På næste side fremgår den tilsvarende fordeling af anciennitet, opsigelsesvarsler og lønomkostninger for øvrige medarbejdere udover undervisere, administration og
ledelse
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Administration og ledelses anciennitet, opsigelsesvarsler og lønomkostninger
Observationer
•
Opgørelsen viser, at 38 pct. af ledere og
administrative medarbejdere har 9+ års
anciennitet, hvilket svarer nogenlunde til
andelen fra undervisningsstaben (37
pct.), jf. forrige side
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
14%
12%
9%
7%
4%
5% 4%
6%
38%
Løn til administration og ledelse
•
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
6%
27%
16%
13%
38%
•
Det resulterer ligeledes i, at andelen af
ledere og administrativt personale med 6
måneders opsigelsesvarsel er 38 pct. ift.
undervisningspersonalets tilsvarende 37
pct.
Sammenlignet med lønomkostninger til
undervisning fremgår det, at
lønomkostninger til administration og
ledelse er en smule højere for ledere og
administrativt personale med høj
anciennitet ift. øvrige ledere og
administrative medarbejdere, ligesom
samme gør sig gældende for
underviserne (jf. forrige side)
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Lønomkost-
ninger opdelt
på opsigelses-
varsler
5%
26%
17%
12%
39%
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.
61
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0062.png
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 kombinationsskolernes lønomkostninger til øvrige medarbejdere, udover undervisere, administration og ledelse.
Det drejer sig bl.a. om medarbejdere, der står for bygningsvedligehold og evt. rengøring og kantinedrift. Opgørelsen er beregnet ud fra (1) årsværkenes anciennitet,
(2) de samme opsigelsesvarsler som for de øvrige medarbejdergrupper og (3) lønomkostningerne til disse årsværk
Tilgangen tilsvarer metoden fra de foregående sider vedr. lønomkostninger til undervisning og administration og ledelse. Anciennitet driver ligeledes justerbarheden
af lønomkostninger til disse øvrige medarbejdere. Dog er aktivitetsafhængigheden vurderet lavere for disse medarbejdere end for undervisning, grundet karakteren
af opgaverne, fx ift. bygningsdrift, rengøring mv.
På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
12%
Øvrige medarbejderes anciennitet, opsigelsesvarsler og lønomkostninger
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
Observationer
•
Af søjlen øverst til venstre ses, at
ancienniteten for øvrigt personale (opgjort i
årsværk) fordeler sig med den største
gruppe (44 pct.) med 9+ års anciennitet
Den anden søjle viser på baggrund af
anciennitetsfordelingen og de deraf
følgende krav til varsler (baseret på de
andre medarbejdergruppers
opsigelsesvarsler), at 74 pct. af de øvrige
medarbejdere skønnes at have 4-6 mdr.
bindingstid
Af søjlen nederst til venstre ses, at 22 pct.
af kombinationsskolers lønomkostninger til
øvrigt personale går til ansatte med krav på
1-3 måneders varsel, mens resten (77 pct.)
har krav på 4-6 mdr. varsel
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at ansatte
med højere anciennitet generelt har højere
lønninger, hvilket fx resulterer i, at 47 pct.
af lønomkostningerne optages af de 44 pct.
årsværk, som har mere end 6 mdr.
opsigelse
9%
6% 6%
5%
5% 4%
8%
44%
•
Løn til bygningsdrift og øvrig drift
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
2
5%
21%
16%
14%
44%
•
74 pct.
3
1 md.
4%
18%
16%
14%
3 mdr.
4 mdr.
5 mdr.
47%
6 mdr.
•
Lønomkost-
ninger opdelt
på opsigelses-
varsler
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.
62
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0063.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Bygningsomkostninger er svære at tilpasse på kort sigt, fordi de typisk ikke påvirkes af udsving i
elevtal og har lang bindingstid
•
•
•
•
Nedenfor analyseres kombinationsskolernes evne til at tilpasse bygningsomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at bygningsomkostningerne kun i begrænset grad er aktivitetsafhængige og har varierende bindingstid. Således er 38 pct. af omkostningerne
vurderet at have en bindingstid på 25 måneder eller mere, imens kun 4 pct. vurderes at have en bindingstid under tre måneder
Institutionsbesøgene understreger dog, at omfang og karakter af bygningsomkostninger i betydelig grad er institutionsspecifikke, da de bl.a. afhænger af økonomiske
overdragelsesforhold, låntagningsbeslutninger, det lokale ejendomsmarked, bygningens mulighed for bredere anvendelse, alder og stand af bygningsmassen, mv.
Analysen indikerer, at det i praksis er svært for institutionerne at tilpasse bygningsomkostningerne på kort sigt. Dette kan blandt andet skyldes, at institutionerne ofte
følger en vedligeholdelsesplan, hvilket kan begrænse tilpasningsevnen på kort sigt. Desuden bemærker institutionerne, at tilpasning af bygningsomkostninger på kort
sigt kan drive omkostninger på lang sigt. Beregningerne af bindingstiden er baseret på omkostningsfordelingen for kombinationsskolernes bygningsomkostninger
koblet med de angivne aktivitetsafhængigheder og bindingstider
Aktivitets-
afhængighed
Bindingstid
Totale bygningsomkostninger for
kombinationsskoler (mio. kr.)
Observationer
19%
39%
38%
600
Husleje:
Der er betydelig varians i bindingstiden på lejede bygninger. Dertil kommer, at
105
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
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
Omkostningskategorier
Total
4%
Husleje
Lav
4-25+ mdr.
Afskrivninger
Reparation og
vedligehold
1
Forsyning
1
Renter
(prioriteter)
Rengøring
Øvrig
bygningsdrift
Lav
11-25+ mdr.
161
Bygninger
Lav
0-25+ mdr.
86
Middel
4-25+ mdr.
132
Omkostninger til
rengøring afholdes
som øvrige
driftsomkostninger,
når der er tale om
indkøb af ydelser
(eksterne), og som
løn til bygningsdrift,
når det håndteres
af ansat personale
Lav
11-25+ mdr.
70
Lav
11-24 mdr.
1
Lav
4-25+ mdr.
46
Note: 1) Nogle omkostninger ophører udelukkende ifm. salg af omkostningernes respektive kvm. Muligheden for salg af bygninger til uddannelse varierer meget på tværs af institutioner, hvorfor hhv. 25 pct. og 33 pct. af omkostningerne for
reparation og vedligehold samt forsyning indgår i analysen med en bindingstid +25 mdr. Kilder: Analysens datamodel
STRUENSEE & CO.
63
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0064.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og har lav bindingstid
•
•
Nedenfor analyseres kombinationsskolernes 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 kombinationsskolerne er 81 pct. af de
øvrige driftsomkostninger vurderet at have en bindingsperiode på under tre måneder. Ca. 9 pct. af de øvrige driftsomkostninger skønnes at have en bindingstid på 4-
10 mdr. binding, ca. 10 pct. vurderes at have 11-24 mdr. binding, mens ingen omkostninger indenfor øvrig drift vurderes at have en bindingsperiode over 25
måneder. Der er derfor gode muligheder for at tilpasse de øvrige driftsomkostninger på kort sigt i det omfang det giver praktisk mening for institutionerne
0-3 mdr.
Omkostningskategorier
Total
4-10 mdr.
11-24 mdr.
25+ mdr.
Aktivitets-
Underkategorier afhængighed Bindingstid
Total
Undervisning
smaterialer
Små-
anskaffelser
Elev-
aktiviteter
Køb af øvrige
varer
Kurser
Høj
Øvrige driftsomkostninger for
kombinationsskoler (mio. kr.) Observationer
81%
10%
1.054
9%
173
typisk korte bindingstider (dog længere på e-bøger mv). Samlet høj tilpasningsevne
86
7
104
30
68
209
Småanskaffelser:
Kan, ifølge institutionerne, reduceres på kort sigt ved fald i
elevtallet, ligesom der ikke er væsentlige bindinger på indkøb af småanskaffelser
Elevaktiviteter:
Er i høj grad betinget af antallet af elever med generelt kort
bindingstid. Der er derfor generelt stor tilpasningsmulighed på elevaktiviteter
Køb af øvrige varer:
Er ifølge institutionerne i aktivitetsafhængigt, og der er typisk
korte bindingstider (fx køb af inventar mv). Institutionerne har derfor relativt gode
muligheder for at tilpasse køb af øvrige varer
Kurser:
I det omfang faldende elevtal medfører reduktioner i lærerstab mv., vil
faldende elevtal reducere behovet for kurser. Der er kort bindingstid på kurser
Rådgivning:
Har generelt kort bindingstid, da det typisk kan fravælges med kort varsel.
Der er en vis aktivitetsafhængighed ift. elevantal
Køb af øvrige tjenesteydelser:
Udgifter til fx markedsføring, rejser, vagtservice, fragt,
rengøring mv. har varierende aktivitetsafhængighed. Ligeledes varierer bindings-
tiderne fra service til service.
Reparation og vedligehold (ekskl. byg.):
Flere årselever skaber øget behov for
vedligehold, mens et vist grundniveau af vedligehold typisk er nødvendigt uagtet antal
elever. Bindingstiden er kort, da planlagte opgaver kan annulleres på kort sigt
Afskrivninger:
Har generelt mellemlang bindingstid. Det vil variere fra aktiv til aktiv ift.
bindingstiden
Øvrige (inkl. IT):
Øvrige driftsomkostninger, herunder IT, har generelt høj
aktivitetsafhængighed og korte bindingstider. Dele af IT-driften er faste omkostninger,
der ikke påvirkes af elevtal, mens visse licenser til software mv. betales pr. bruger
64
0-3 mdr.
Undervisningsmaterialer:
Følger i høj grad ændringer i elevtallet. Samtidig er der
Høj
0-3 mdr.
Køb af varer
til forbrug
Høj
0-3 mdr.
Middel
0-3 mdr.
Øvrig drift
Middel
0-3 mdr.
Køb af
tjeneste-
ydelser
(ekskl. IT)
Rådgivning
Køb af øvrige
tjenesteyd.
Middel
0-3 mdr.
Middel
0-24 mdr.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Kilder: Analysens datamodel
STRUENSEE & CO.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Middel
0-3 mdr.
47
45
286
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
2195746_0065.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Forskelle i bindingstider kan indikere, at kombinationsskoler 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 kombinationsskoler for de tre overordnede
omkostningskategorier
Institutioner med en stor andel af omkostninger med korte bindinger (0-3 måneder) vil, alt andet lige, have lettere ved at tilpasse økonomien på kort sigt
Forskellene mellem institutioner kan skyldes, at der er strukturelle forskelle mellem kombinationsskolernes rammevilkår, fx i form af geografi, størrelse mv., hvilket
kan påvirke bindingstiden. Tilsvarende kan forskellene skyldes, at institutionerne aktivt træffer forskellige ledelsesmæssige valg, der påvirker andelen af
omkostninger med korte bindinger
Observationer
Forskelle i bindingstid:
Løn
0
18
18
22
16
17
17
16
17
20
15
17
19
19
21
18
17
16
23
21
21
22
19
16
23
18
38
38
Bygninger
20
29
41
40
40
•
Øvrig drift
40
47
60
•
Forskellen mellem institutionerne med størst og lavest andel omkostninger med kort
bindingstid er på 16 pct. point, hvilket er en bemærkelsesværdig forskel på kort sigt
Andel af kombinationsskolers omk. med 0-3 mdr. bindingstid (pct.), 2018
•
Det skal dog noteres, at institutionen med den højeste andel af omkostninger med ca.
0-3 mdr. bindingstid ligger 6 pct. point højere end institutionen med den næsthøjeste
andel. Sammenlignes i stedet institutionen med den næsthøjeste andel er forskellen 10
pct. point
Forskellene i bindingsperioder mellem kombinationsskolerne kan skyldes
rammebetingelser eller aktive valg:
–
Enten kan de observerede forskelle i andelen af omkostninger med lav bindingstid
skyldes, at der er systematiske
strukturelle forskelle
mellem institutionerne
38
37
36
36
36
36
35
34
33
32
32
31
-16
–
Ellers kan de observerede forskelle i bindingstider skyldes, at institutionerne aktivt
har truffet
forskellige valg,
som påvirker deres tilpasningsevne positivt eller negativt
Strukturelle forskelle:
•
Der er betydelige forskelle i medarbejdernes anciennitet på tværs af institutioner,
hvilket påvirker de overenskomstbestemte opsigelsesvarsler og dermed
institutionernes evne til at tilpasse økonomien på kort sigt. Strukturelle forskelle i
kombinationsskolernes rekrutteringsmuligheder kan påvirke medarbejdernes
anciennitet
19
19
15
19
19
16
15
13
13
12
Forskellige valg:
•
Kombinationsskolerne 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.
Kilder: Analysens datamodel
STRUENSEE & CO.
Ø 37
65
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0066.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
66
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0067.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSUDFORDRINGER
Store kombinationsskoler har i gennemsnit en større andel faste omkostninger end mindre
kombinationsskoler
= under gennemsnittet
= over gennemsnittet
•
•
•
Nedenfor ses to figurer, der illustrerer hhv. kombinationsskolernes kortsigtede tilpasningsmuligheder og deres langsigtede bindinger
Figuren til venstre
sammenholder kombinationsskolernes 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 kombinationsskolernes
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 kombinationsskolerne er mulige tolkninger
af systematiske forskelle behæftet med usikkerheder. Analyserne indikerer
dog en række relevante forhold for tilpasningsudfordringerne på tværs af
kombinationsskolerne:
Figuren til venstre
•
Kombinationsskolerne kan i gennemsnit tilpasse 36 pct. af deres
omkostningsbase indenfor ca. 3 mdr.
•
Institutioner med en tilpasningsevne over gennemsnittet har i gns. ca.
2.900 årselever, mens institutioner med en tilpasningsevne under
gennemsnittet i gns. har ca. 1.900 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
•
Kombinationsskolerne har en gns. bindingsperiode på deres samlede
omkostningsbase på ~7 måneder, mens faste omkostninger
(omkostninger med binding på 11+ mdr.) i gns. udgør 11 pct. af
institutionernes samlede omkostninger
Institutioner med bindingstid og andel faste omkostninger over
gennemsnittet har gennemgående høje bygningsomkostninger drevet af
enten dyre lokationer eller et stort behov for bygningsmasse
Derudover benytter institutionerne med længere gns. bindingstid i højere
grad af kontrakter på services (bygninger, kantine, mv.), som kan være
mere omkostningseffektivt end in-house services men samtidig som
regel har længere bindinger end ansat servicepersonale
Kortsigtede tilpasningsudfordringer
Tilpasningsbehov
1
(pct.)
9
Tilpasningsevne
2
(andel samlede omk.)
41
Langsigtede bindinger
Gns. bindingstid
3
(mdr.)
8
7
7
7
7
7
7
6
6
7
7
7
7
6
6
6
9
9
9
8
8
8
14
14
13
13
11
11
10
10
12
Faste omkostninger
4
(andel samlede omk.)
16
7
8
7
8
9
7
0
9
5
1
7
40
38
38
36
36
36
36
34
32
32
31
•
6
6
8
8
•
Ø6
Ø 36
Ø7
Ø 11
Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for kombinationsskoler for 2016-2018. 2) Tilpasningsevnen er her målt som andelen af omkostninger med bindingstid fra 0-3 mdr. da
bindingstiden er afgørende for, om institutionen kan tilpasse økonomien på kort sigt. 3) Gns. bindingstid findes her ved at gange institutionernes andele omkostninger indenfor løn, bygninger og øvrig drift med hhv. 0-3-, 4-10-, 11-24-, og 25+ mdr. binding. Fx
vægtes en 0-3 mdr. binding som 1,5 måned. Opregnet findes den gns. bindingstid for den hver institutions samlede omk.base 4) Andelen af faste omkostninger findes ved at tage andelen af omk. med 11+ mdr. binding ud af institutionernes samlede
omk.base. Kilde: Analysens datamodel
STRUENSEE & CO.
67
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0068.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
68
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0069.png
5. ØKONOMISK BÆREDYGTIGHED
Sammenfatning af analysen af økonomisk bæredygtighed for kombinationsskolerne
Økonomisk bæredygtighed
•
•
Kombinationsskolernes finansielle robusthed er samlet set forbedret i perioden 2011-2018. Arketypen er i dag bedre rustet til længerevarende
nedgangsperioder (forbedret soliditetsgrad), mens deres evne til at modstå kortere udsving i driften (likviditetsgrad) er uændret ift. udgangspunktet i 2011
Arketypens generelle finansielle robusthed dækker imidlertid over betydelig variation i de finansielle nøgletal på tværs af institutioner. Nogle
kombinationsskoler er således mere økonomisk udsatte end andre. Ud fra ét sæt af kriterier for økonomisk udsathed
1
–
vedvarende underskud, faldende
elevtal og fravær af høj soliditetsgrad over en 3-årig periode
–
er tre kombinationsskoler identificeret som de økonomisk udsatte. Sammenlignet med
populationen af kombinationsskoler er de økonomisk udsatte institutioner bl.a. kendetegnet ved:
–
Flere årselever (uddybes nedenfor)
–
Flere institutioner i bykommuner (uddybes nedenfor)
–
Svagere socioøkonomisk elevsammensætning
–
Større hold
–
Lavere undervisningsandel
–
Ca. samme bindingsperiode på omkostninger
Antal årselever
•
Analysen indikerer, at de udsatte kombinationsskoler er større ift. antal årselever. Det dækker over en lav population (kun tre kombinationsskoler) samt at
en af institutionerne er en stor kombinationsskole med over 5.000 årselever. Analysen afspejler derfor ikke 1:1 de konklusioner, som tidligere er etableret
for kombinationsskoler 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- og bygningsomkostninger på trods af
konklusioner i delanalyse 3 (kapitel 4) om faldende marginalomkostninger
Ovenstående indikerer, at økonomisk udsathed for de udsatte kombinationsskoler 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
•
•
Der kan ikke umiddelbart konstateres en tendens til, at de økonomisk udsatte institutioner oftere er placeret i landkommuner. Det står i kontrast til, at de
foregående analyser har identificeret geografisk placering som en betydende omkostningsdriver af bygningsomkostninger pr. årselev
Det kan skyldes, at udkantstilskuddet i det nuværende taxametersystem allerede kompenserer for nogle af de potentielle udfordringer, der kan følge af at
være placeret i et yderområde
Note: 1) Konklusionerne på denne side er baseret på analysen af de økonomisk udsatte institutioner i ”den flerårige model” præsenteret
på de følgende sider. Gruppen af økonomisk udsatte institutioner i
STUK’s
tilsynsmodel adskiller sig i mindre grad fra kombinationsskolerne som helhed på de undersøgte parametre.
STRUENSEE & CO.
69
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0070.png
5. ØKONOMISK BÆREDYGTIGHED
Kombinationsskolernes egenkapital og soliditetsgrad er steget i perioden 2011-2018, men tallene
dækker over varians institutionerne imellem
•
•
De fire grafer nedenfor viser, hvordan kombinationsskolernes finansielle robusthed har udviklet sig fra 2011-2018
1
. Institutionernes egenkapital og soliditetsgrad har
været stigende i perioden, likviditetsgraden matcher niveauet fra 2011, mens overskudsgraden er reduceret siden 2012
Ift. udgangspunktet i 2011 er de kombinationsskolerne bedre rustet til længerede nedgangsperioder (egenkapital)
Udvikling i nøgletal for kombinationsskolernes finansielle robusthed (2011-2018)
Egenkapital i alt (mio. kr) (venstre akse)
Beskrivelse
•
Kombinationsskolerne har løbende udbygget deres
egenkapital
2
fra 2011-
2018. I 2011 var den samlede egenkapital på kombinationsskolerne ~3.100
mio. kr., mens tallet var ~3.300 mio. kr. i 2018
Tilsvarende har kombinationsskolerne vokset deres
egenkapital som del af
omsætningen,
hvilket betyder, at ophobningen af egenkapital ikke tilsvares
af en lignende stigning i omsætning
Egenkapital
3.500
Egenkapital/omsætning (pct.) (højre akse)
3.070
3.285
100%
80%
3.000
51%
2.500
2011
2012
4%
2%
0%
2011
-2
66%
2013
2014
2015
2016
2017
60%
•
40%
2018
Overskudsgrad
Overskudsgrad
3,1%
-0,1%
0,6%
0,5%
0,8%
-0,3%
•
•
•
Institutionernes
overskudsgrad
3
har været positiv over perioden fra 2011-
2017 men faldt til -0,3 pct. i 2018
Faldet kan ses i sammenhæng med EUD reformen fra 2014. EUD reformen
satte nye karakterkrav til optagelse på erhvervsuddannelser
I perioden 2016 til 2018 har institutionerne været omfattet af et
omprioriteringsbidrag på 2 pct. årligt
2012
2013
2014
2015
2016
2017
2018
Soliditetsgrad
45%
40%
35%
30%
2011
90%
35%
Soliditetsgrad
39%
•
38%
39%
39%
•
Kombinationsskolernes
soliditetsgrad
4
er fra 2011-2018 steget fire
procentpoint fra 35 pct. til 39 pct.
Den procentuelle stigning i soliditetsgrad er højere end stigningen i
egenkapital, hvilket indikerer, at institutionernes fremmedkapital (fx banklån)
er faldet i perioden
2012
2013
2014
2015
2016
83%
2017
2018
•
Kombinationsskolernes
likviditetsgrad
5
er fra 2011-2018 faldet 1
procentpoint fra 68 pct. til 67 pct.
Institutionernes likviditetsgrad steg fra 2011-2015, men er siden 2015 faldet
fra 89 pct. til 67 pct.
Likviditetsgrad
Likviditetsgrad
77%
68%
89%
80%
70%
67%
2012
2013
2014
2015
2016
2017
2018
•
60%
2011
Note: 1) Egenkapital, overskudsgrad, soliditetsgrad og likviditetsgrad er beregnet som den samlede udvikling i delsektoren. Likviditetsgrad er opgjort som gennemsnittet for hovedinstitutionens eventuelle underafdelinger. Belåningsprocent
indgår ikke eksplicit i ovenstående analyse pga. utilstrækkelig datagrundlag for hele perioden. 2) Egenkapital er udtryk for selskabets aktiver fratrukket hensættelser og gæld. Egenkapital udgøres typisk både af likvider og bygninger, hvor
bygninger ofte er værdiansat i henhold til kostpris. Forholdet mellem kostpris og markedsværdi kan påvirke institutionernes muligheder for optage lån. 3) Overskudsgraden er udtryk for, hvor stor en del af institutionernes omsætning, som
ender på bundlinjen som ”årets resultat.” 4) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle
tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 5) Likviditetsgrad
beregnes ved at finde andelen af omsætningsaktiver af institutionens kortfristede gældsforpligtelser. Kilde: Analysens datamodel
STRUENSEE & CO.
70
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0071.png
5. ØKONOMISK BÆREDYGTIGHED
Analysen identificerer de institutioner, der er økonomisk udsatte, og undersøger sammenhængen
med bagvedliggende omkostningsdrivere og institutionernes omkostninger
Kriterier for økonomisk udsathed
defineres på næste side
•
•
•
•
•
Nedenfor illustreres rammen for analysen af økonomisk bæredygtighed, der undersøger kendetegnene for de økonomisk udsatte institutioner
Økonomisk udsathed kan opstå som følge af en nedadgående udvikling i indtægter (fx som følge af fald i antal årselever, der udløser taxametertilskud) eller et
opadgående pres på omk. (fx også som følge af et fald i antal årselever pga. faldende marginalomkostninger)
–
eller en kombination af begge dele, jf. nedenfor
En central udfordring for analysen består i, at institutionerne vil have en tendens til at bruge de indtægter, de modtager
–
uanset om de er økonomisk udfordrede eller
ej. Således vil institutioner med ”sund” økonomi ikke nødvendigvis opbygge store overskud. Derfor bruges en række finansielle
nøgletal og udviklingen i elevtallet i to
komplementære modeller til at identificere de institutioner, der er økonomisk udfordrede
1
, jf. næste side
Specifikt undersøges følgende:
1
En række
omkostningsdrivere
kan være med til at drive omkostninger på institutionerne,
2
der kan påvirke institutionernes
omkostningsstrukturer og tilpasningsevne
samt
omkostningerne pr. årselev,
hvilket kan føre til
3
økonomisk udsathed,
hvis presset på omkostningerne
ikke kompenseres af øgede indtægter, hvilket kan komme til udtryk i de finansielle nøgletal
Den næste side beskriver kriterierne for identifikation af gruppen af økonomisk udsatte institutioner. De efterfølgende sider undersøger disse institutioners
karakteristika vedr. hhv. omkostningsdrivere og omkostninger i sammenligning med institutionerne generelt
Omkostningsdrivere
Analysen fokuserer på de omkostningsdrivere,
der i delanalyse 3 (kapitel 4) er identificeret som
betydningsfulde for institutionernes
omkostninger. Det drejer sig især om antal
årselever og geografisk placering, men også
holdstørrelse, elevernes socioøkonomiske
baggrund mv. undersøges
Omkostningsdrivere
•
•
•
•
•
Antal årselever
Geografi
Holdstørrelse og elev-lærer-ratio
Socioøkonomisk baggrund hos elever
Andel undervisningstid, m.fl.
2
1
•
•
•
Omkostninger
Det undersøges, om de institutioner, der
identificeres som økonomisk udsatte, adskiller
sig fra resten af institutionerne ift. deres
omkostningsstrukturer, tilpasningsevne og
omkostninger pr. årselev
Hypotesen er, at de udsatte institutioner vil have
højere omkostninger pr. årselev
Omkostninger
3
•
Økonomisk udsathed
3
Analysen sammenligner delsektoren generelt
med to grupper af de økonomisk udsatte
institutioner
–
baseret på hhv.
STUK’s
tilsynsmodel og en flerårig model (jf. næste side)
–
mhp. at afdække, om de udsatte institutioner
har bestemte kendetegn, som kan være
udløsende faktorer for deres situation
•
Omkostningsstrukturer
•
Tilpasningsevne (omkostningernes bindingstid
og aktivitetsafhængighed)
•
Omkostninger pr. årselev
Økonomisk udsathed
Indtægtsudløsere
•
•
•
•
•
Antal årselever (aktivitetsbaseret taxameter)
Geografi
2
(udkantstilskud)
Socioøkonomi
2
(socialt taxameter)
Bygningsforhold (bygningstilskud)
Øvrige (andre indtægtskilder end tilskud)
Indtægter
•
Indtægter fra taxametersystemet
•
Øvrige indtægter
•
De økonomisk udsatte institutioner kan
identificeres på flere måder
•
Analysen baseres på to modeller til identifikation
af økonomisk udsatte institutioner, der begge
tager udgangspunkt i finansielle nøgletal og
aktivitetsudviklingen. Det drejer sig om:
i.
STUK’s
tilsynsmodel
ii. En flerårig udvælgelsesmodel
•
De to modeller adskiller sig bl.a. ved, at
STUK’s
tilsynsmodel udgør et øjebliksbillede af situationen
i 2018, mens den flerårige model ser på et
gennemsnit for 2016-18
Note: 1) Der sondres mellem økonomisk og faglig bæredygtighed. Institutioner, der vedvarende har højere omkostninger end indtægter, er ikke økonomisk bæredygtige. Omvendt kan institutioner godt isoleret set være
økonomisk bæredygtige (dvs. justere omkostningerne til indtægtsniveauet) og samtidig være udfordrede ift. at kunne levere undervisning af hensigtsmæssig faglig kvalitet. Denne analyse fokuserer på økonomisk
bæredygtighed. 2) Socioøkonomisk elevgrundlag og geografisk placering kan udløse tilskud, men kriterierne kan ikke sammenlignes med brugen af variable i det følgende. 3): Det bemærkes, at analysen af økonomisk
bæredygtighed, herunder økonomisk udsathed, er en relativ vurdering af institutionerne på baggrund af de valgte parametre. Kilde: Team-analyse
STRUENSEE & CO.
71
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0072.png
5. ØKONOMISK BÆREDYGTIGHED
De økonomisk udsatte institutioner identificeres ved at screene for økonomisk bæredygtighed ud
fra to forskellige sæt af kriterier
•
•
De foregående analyser har peget på en række karakteristika, som udfordrer institutionerne og potentielt kan skabe økonomisk udsatte institutioner. De følgende
sider undersøger derfor, om de institutioner, der kan identificeres som økonomisk udsatte, adskiller sig fra populationen af kombinationsskoler fsva. centrale
omkostningsdrivere, omkostningsstrukturer og tilpasningsevne, omkostninger pr. årselev samt finansielle nøgletal
Nedenfor beskrives to modeller til screening for økonomisk bæredygtighed, hhv. i)
STUK’s
tilsynsmodel og ii) en flerårig udvælgelsesmodel. De to modeller adskiller
sig for det første ved, at
STUK’s
tilsynsmodel giver et øjebliksbillede af de økonomisk udsatte et givent år, mens den flerårige model ser på en 3-årig periode mhp. at
reducere effekten af særforhold i enkeltår. For det andet adskiller kriterierne vedr. finansielle nøgletal sig fra hinanden i de to modeller, jf. nedenfor
Kriterier for identifikation af de økonomisk udsatte institutioner
i
•
•
STUK’s
tilsynsmodel identificerer institutioner, som er udsatte målt ved
finansielle nøgletal og udviklingen i elevtallet
Tilsynsmodellen screener ved følgende kriterier for finansielle nøgletal
(kaldet ”prioriteringsgruppe 1 og 2”)
4
:
A. Finansielle nøgletal i året (1 ud af 4 kriterier er opfyldt):
1. Likviditetsgrad
2
under 50 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
under 50 pct. af gennemsnit for institutionerne
3. Relativt aktivitetsfald over 5 pct.
4. Belåningsprocent over 100 pct.
B. Finansielle nøgletal i året (1 ud af 3 opfyldt ud over kriterier i A.):
1. Likviditetsgrad
2
50-75 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
50-75 pct. af gns. for gruppen
2
3. Relativt aktivitetsfald 0-5 pct.
4. Belåningsprocent 80-100 pct.
den flerårige model kombinerer relative og absolutte mål for økonomisk
bæredygtighed og screener ligeledes for udviklingen i finansielle nøgletal
og elevtallet, men i modsætning til
STUK’s
model undersøges det for en 3-
årig periode mhp. at reducere udslag af enkeltår. Kriterierne er:
1. Underskud i gennemsnit i 2016-18
2. Aktivitetsfald i gennemsnit i 2016-18
3. Soliditetsgrad
1
under 150 pct. for delsektoren i gennemsnit i
2016-18
Identifikation
Formål og begrænsninger ved identifikationsmodeller
•
•
Formålet er at give et øjebliksbillede af de udsatte
institutioner ifm.
STUK’s
tilsynsvirksomhed
Modellen tager højde for finansielle nøgletal i året og
screener for økonomisk bæredygtighed. Der ses på forholdet
mellem egenkapital og aktiver (soliditetsgrad), den
kortsigtede betalingsevne (likviditetsgrad), omfanget af lån
(belåningsprocent) og ændringen i elevtal (aktivitetsfald)
Modellen ser på relative forskelle. Dermed vil der typisk,
uagtet om nogle institutioner er bæredygtige eller ej, være
institutioner, som modellen kendetegner som udsatte. Med
andre ord er der ikke en absolut betragtning om økonomisk
bæredygtighed
Modellen tager desuden ikke højde for
udviklingen
i
økonomisk bæredygtighed, da institutioner kan være udsatte
i et enkelt år, men over en årrække være bæredygtige
Modellen har til formål at identificere de institutioner, som er
strukturelt udfordrede. Derfor indgår udviklingen i finansielle
nøgletal (underskud og soliditetsgrad) og udviklingen i
elevtallet ift. året før i en 3-årig periode (2016-2018) som
kriterier. Der ses på både de relative forskelle og absolutte
værdier mhp. at identificere de udsatte institutioner
Kriterierne er valgt, fordi analyserne har vist, at vedvarende
underskud, som ikke kompenseres af høj soliditetsgrad
(herunder egenkapital), kombineret med faldende elevtal
–
og
dermed indtægter
–
kan udfordre institutionernes økonomi
STUK’s
tilsyns-
model
3
6
kombinations-
skoler
4
•
•
Overlap på
Ingen
1 institution
overlap
•
ii
•
Flerårig
model
3
kombinations-
skoler
•
1) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 2) Likviditetsgrad beregnes ved at finde andelen af
omsætningsaktiver af institutionens kortfristede gældsforpligtelser; 3)
STUK’s
tilsynsmodel opererer alene på niveau af gymnasier, erhvervsskoler og
VUC’er.
4) Omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl.
institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af årsregnskab. Frasortingen af disse institutioner i tilfælde, hvor de finansielle nøgletal ikke
indikerer økonomiske udfordringer, skyldes, at fx manglende indberetning af årsregnskab ikke i sig selv gør institutionerne økonomisk udfordrede, etc.
Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
72
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0073.png
5. ØKONOMISK BÆREDYGTIGHED
De kombinationsskoler, der er identificeret som økonomisk udsatte, har en tendens til at have
flere elever men lavere socioøkonomisk reference og undervisningsandel end populationen
•
•
•
Nedenfor sammenlignes kombinationsskolerne identificereret i den flerårige model, institutionerne fra
STUK’s
tilsynsmodel
1
og hele populationen på 18
kombinationsskoler på syv centrale omkostningsdrivere
Arketypefordelingen indikerer, at de kombinationsskolernes repræsentation i den flerårige model tilsvarer deres andel af den samlede population. Analysen viser, at
den flerårige model identificerer tre kombinationsskoler, mens
STUK’s
model identificerer seks, der tenderer til at være økonomisk udsat.
For kombinationsskolerne i den flerårige model viser analysen en tendens til, at de udsatte institutioner har flere årselever. Her skal der dog tages forbehold for, at
modellen kun finder tre observationer, hvoraf en er en institution med mange årselever. Det trækker gennemsnittet signifikant op. Derudover fremgår det, at
institutionerne tenderer til at have en lavere socioøkonomisk reference og lavere undervisningsandel end populationen
Flerårig model
27% (4)
20% (3)
7% (1)
20% (3)
27% (4)
Handel
13% (2)
Kombination
Landbrug
3.506
AMU
SOSU
Tekniske
Arketypefordeling
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
27% (4)
25% (20)
23% (18)
40% (6)
10% (8)
6% (5)
7% (1)
13% (2)
18% (14)
18% (14)
Antal årselever
(2018)
STUK’s tilsynsmodel
Hele populationen
1.645
2.285
67% (2)
50% (3)
44% (8)
50% (3)
56% (10)
6,8
6,9
7,1
10,2
10,1
9,8
Skal ses ift. en total
varians i populationen
mellem 6,5-7,7 i
forventede karakterer
ud fra elevernes
socioøkonomiske
baggrund
23,4
22,5
22,3
33% (1)
By
Land
Omkostningsdrivere
Geografi
(andel i hhv. by- og
landkommuner, 2018)
Socioøkonomisk
reference
2
(forv. karakter, 2018)
Elever pr. lærer
(2018)
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
Holdstørrelse
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
37,2
44,3
40,9
Undervisningsandel
(pct., 2017)
STUK’s tilsynsmodel
Hele populationen
Note: 1) Analysen omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl. institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af
årsregnskab, fordi fx manglende indberetning af årsregnskab kan være udtryk for særforhold og ikke i sig selv gør institutionerne økonomisk udfordrede. 2)
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
STRUENSEE & CO.
73
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0074.png
5. ØKONOMISK BÆREDYGTIGHED
Den økonomiske udsathed kommer primært til udtryk i højere bygningsomkostninger pr. årselev
og lavere overskudsgrad
•
Nedenfor ses en sammenligning af institutionerne i den flerårige model,
STUK’s
tilsynsmodel og den samlede population af kombinationsskoler på finansielle
nøgletal, omkostningsstukturer og omkostninger pr. årselev. Analysen viser, at de udsatte kombinationsskoler har lavere overskudsgrad end populationen. På de
fleste parametre slår de identificerede institutioner imidlertid ikke signifikant ud. Siden skal ses 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 (tre i den flerårige model), hvorfor konklusionerne skal fortolkes varsomt
Flerårig model
64%
66%
67%
36%
38%
37%
56%
57%
58%
52%
54%
54%
32%
34%
33%
15%
12%
12%
20%
22%
21%
7%
5%
5%
12%
9%
9%
73,7
Løn
Bygninger
Omk.strukturer og
tilpasningsevne
Omkostningsstruktur
(2018, procent)
Bindingstid
(2018, procent)
2
Aktivitetsafhængighed
(2018, procent)
3
Omk. til løn per
årselev
1
(tusinde kr.)
Omk. til bygningsdrift
per årselev
1
(tusinde kr.)
Omk. til øvrig drift per
årselev
1
(tusinde kr.)
Egenkapital som andel
af omsætningen
(pct., 2018)
4
Overskudsgrad
(pct., 2018)
Soliditetsgrad
(pct., 2018)
Likviditetsgrad
(pct., 2018)
4
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
-1,0
1,2
0,0
17,5
14,0
14,1
Øvrig drift
0-3 mdr.
4-10 mdr.
Høj
Middel
Lav
11-24 mdr.
25+ mdr.
Omkostninger pr.
årselev
76,0
76,6
23,1
25,4
24,3
65,9
54,8
65,6
Finansielle nøgletal
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
37,3
25,9
38,6
82,9
49,9
77,4
1) Omkostningerne er opgjort ekskl. kostelever. 2) Angivelsen af institutionernes bindingstid følger beregningerne i delanalyse 4. 3) Beregningen af institutionernes aktivitetsafhængighed følger metoden i delanalyse 4. 4) Egenkapitalens andel
af omsætningen og likviditetsgrad tages som gennemsnittet på tværs af institutionerne, hvorfor tallet divergerer en smule fra side 66. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
74
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0075.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
75
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0076.png
6.1 BILAG
–
INSTITUTIONSINDDELING
Arketypeoversigt for almene gymnasier og
VUC’er
•
•
•
Nedenfor fremgår institutionerne indeholdt i de fire arketyper for gymnasier samt arketypen for
VUC’er
Arketypeinddelingen er lavet med udgangspunkt i institutionernes kategorisering, som det fremgik i Regnskabsportalen for 2017. Kategoriseringen fra 2017 var på tidspunktet
for udarbejdelsen af analysens datafundament det senest tilgængelige. I samarbejdet med BUVM og FM er lavet få justeringer ift. Regnskabsportalens arketypeinddeling for
at analysen bedst muligt afspejler den nuværende sektorstruktur. Således er nogle institutioner samlet som følge af fusioner, og en institution er omkategoriseret
For almene gymnasier er lavet en yderligere inddeling i fire arketyper mhp. at kunne sammenligne karakteristika på tværs af gymnasier. Opsplitningen i store- (>850
årselever), mellemstore- (650-850 årselever) og små gymnasier (<650 årselever) er lavet pba. input fra institutionsbesøg samt for at sikre arketyper med sammenlignelig
størrelse. Privatgymnasier behandles for sig, da de ikke aflægger formålsregnskab
Mellemstore gymnasier (40)
Tårnby Gymnasium
Ordrup Gymnasium
Randers Statsskole
Århus Statsgymnasium
Marselisborg Gymnasium
Viborg Gymnasium og HF
Mulernes Legatskole
HF-Centret Efterslægten
Holstebro Gymnasium og HF
Skanderborg Gymnasium
Egå Gymnasium
Rungsted Gymnasium
Nørresundby Gymnasium og HF
Risskov gymnasium
Rødovre Gymnasium
Ribe Katedralskole (jur)
Favrskov Gymnasium
Rødkilde Gymnasium
Christianshavns Gymnasium
Hasseris Gymnasium
Københavns åbne Gymnasium
Kolding Gymnasium, HF-Kursus og IB School
Horsens Statsskole - Gymnasium og HF-Kursus
Ikast-Brande Gymnasium
Aurehøj Gymnasium
Tornbjerg Gymnasium
Allerød Gymnasium
Midtsjællands Gymnasium
Kalundborg Gymnasium og HF
Skive Gymnasium og HF
Nykøbing Katedralskole
Øregård Gymnasium
Himmelev Gymnasium
Viby Gymnasium
Mariagerfjord Gymnasium
Helsingør Gymnasium
Århus Akademi
Solrød Gymnasium
Paderup gymnasium
Middelfart Gymnasium & HF
Store gymnasier (44)
Silkeborg Gymnasium
Roskilde Katedralskole
Rosborg Gymnasium & HF
Næstved Gymnasium og HF
Stenhus Gymnasium
Frederiksborg Gymnasium og HF
Slagelse Gymnasium
Gefion Gymnasium
Ørestad Gymnasium
Borupgaard Gymnasium
Svendborg Gymnasium
Køge Gymnasium
Nærum Gymnasium
Espergærde Gymnasium og HF
Viborg Katedralskole
Herning Gymnasium
Roskilde Gymnasium
Nørre Gymnasium
Birkerød Gymnasium HF IB & Kostskole
Greve Gymnasium
Virum Gymnasium
Rysensteen Gymnasium
Gladsaxe Gymnasium
Gammel Hellerup Gymnasium
Nyborg Gymnasium
Falkonergårdens Gymnasium og HF-Kursus
Esbjerg Gymnasium
Aalborg Katedralskole
Sønderborg Statsskole
Fredericia Gymnasium
Sct. Knuds Gymnasium
Haderslev Katedralskole
Odense Katedralskole
Aalborghus Gymnasium
Hjørring Gymnasium/STX og HF
Aarhus Katedralskole
Munkensdam Gymnasium
Egedal Gymnasium & HF
Aabenraa Statsskole
Små gymnasier (42)
Gribskov Gymnasium
AARHUS GYMNASIUM, Tilst
Frederiksberg Gymnasium
Struer Statsgymnasium
Vordingborg Gymnasium & HF
Frederikshavn Gymnasium og HF-Kursus
Tønder Gymnasium
Vestfyns Gymnasium
Horsens Gymnasium
Thisted Gymnasium, STX og HF
Herlev Gymnasium og HF
Odder Gymnasium
Varde Gymnasium
Grenaa Gymnasium
Høje-Taastrup Gymnasium
Vejen Gymnasium og HF
Midtfyns Gymnasium
Vesthimmerlands Gymnasium og HF
Støvring Gymnasium
Frederiksberg HF-Kursus
Hvidovre Gymnasium & HF
Alssundgymnasiet Sønderborg
Nordfyns Gymnasium
Gentofte HF
Dronninglund Gymnasium
Frederikssund Gymnasium
Lemvig Gymnasium
Brønderslev Gymnasium og HF
Grindsted Gymnasium & HF
Vestjysk Gymnasium Tarm
Frederiksværk Gymnasium og HF
Tørring Gymnasium
Odsherreds Gymnasium
Nakskov Gymnasium og HF
Ringkjøbing Gymnasium
Rønde Gymnasium
Maribo Gymnasium
Morsø Gymnasium
Fjerritslev Gymnasium
Bjerringbro Gymnasium
Faaborg Gymnasium
Høng Gymnasium og HF
Privatgymnasier (24)
Det frie Gymnasium
N. Zahles Gymnasieskole
Marie Kruses Skole
Aalborg City Gymnasium
Herlufsholm Skole og Gods
Ingrid Jespersens Gymnasieskole
Johannesskolen
Brøndby Gymnasium
Gentofte Studenterkursus
Niels Steensens Gymnasium (NSG)
Bagsværd Kostskole og Gymnasium
Det Kristne Gymnasium
Skolerne i Oure - Sport & Performance
Nordsjællands Grundskole og Gymnasium samt HF (NGG)
Deutsches Gymnasium Für Nordschleswig
Københavns Private Gymnasium
Copenhagen International School
Høje Taastrup Private Gymnasium
Vejlefjordskolen
International School of Hellerup
Aarhus Private Gymnasium
Prins Henriks Skole, Lycee Francais De Copenhague
Sankt Petri skole - Gymnasium
Hovedstadens Kristne Gymnasium
VUC’er
(24)
Frederiksberg VUC & STX
Herning HF og VUC
HF & VUC FYN
HF & VUC København Syd
HF & VUC NORD
HF & VUC Nordsjælland
Horsens HF & VUC
Kolding HF og VUC
Københavns VUC
Nordvestsjællands HF & VUC
Randers HF & VUC
Skive-Viborg HF & VUC
TH. LANGS HF & VUC
Thy-Mors HF & VUC
Vestegnen HF & VUC
VUC Djursland
VUC Holstebro-Lemvig-Struer
VUC Lyngby
VUC Roskilde
VUC Storstrøm
VUC Syd
VUC Vest
VUC Vestsjælland Syd
Aarhus HF & VUC
STRUENSEE & CO.
76
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0077.png
6.1 BILAG
–
INSTITUTIONSINDDELING
Arketypeoversigt for erhvervsskoler
•
•
Nedenfor fremgår institutionerne indeholdt i de seks arketyper for erhvervsskoler
Arketypeinddelingen er lavet med udgangspunkt i institutionernes kategorisering, som det fremgik i Regnskabsportalen for 2017. Kategoriseringen fra 2017 var på tidspunktet
for udarbejdelsen af analysens datafundament det senest tilgængelige. I samarbejdet med BUVM og FM er lavet få justeringer ift. Regnskabsportalens arketypeinddeling for
at analysen bedst muligt afspejler den nuværende sektorstruktur, herunder bl.a. at SOSU Sjælland i analysen er underlagt ZBC for at afspejle nuværende situation.
Erhvervsgymnasiet Grindsted er som eneste institution blev omkategoriseret (fra kombinationsskole til handelsskole). Det skyldes, at institutionens omkostningsstruktur og
årselevsfordeling ligner handelsskolernes. Hvis institutionen kategoriseres som kombinationsskole, vil den fremgå som en outlier i mange af rapportens analyser og blive
fjernet, hvorfor den som den eneste institution flyttes
Kombinationsskoler (18)
Campus Bornholm
CELF
College360
Erhvervsskolen Nordsjælland
Erhvervsskolerne Aars
EUC Nord
EUC Nordvest
EUC Nordvestsjælland
Herningsholm Erhvervsskole
Mercantec
NEXT
Handelsskoler (20)
Business College Syd
Campus Vejle
Erhvervsgymnasiet Grindsted
1
Frederikshavn Handelsskole
Haderslev Handelsskole
Handelsfagskolen
Handelsgymnasiet Vestfyn
IBC International Business College
Knord
Køge Handelsskole
Learnmark Horsens
Tekniske skoler (14)
Den Jydske Haandværkerskole
EUC Lillebælt
EUC Sjælland
EUC Syd
HANSENBERG
Hotel- og Restaurantskolen
Jordbrugets UddannelsesCenter Århus
Kold College
Roskilde Tekniske Skole
Syddansk Erhvervsskole Odense-Vejle
TEC, Technical Education Copenhagen
TECHCOLLEGE
UddannelsesCenter Ringkøbing Skjern
AARHUS TECH
SOSU-skoler (13)
Bornholms Sundheds- og Sygeplejeskole
Randers Social- og Sundhedsskole
Social & Sundhedsskolen, Herning
Social- og Sundhedsskolen Esbjerg
Social- og Sundhedsskolen Fyn
Social- og Sundhedsskolen Skive-Thisted-
Viborg
Social- og Sundhedsskolen Syd
Social- og Sundhedsskolen Fredericia-
Vejle-Horsens
SOPU Sundhed, omsorg, pædagogik
København og Nordsjælland
SOSU C Social- og Sundhedsuddannelses
Centret
SOSU Nord
SOSU Nykøbing F.
SOSU Østjylland
Landbrugsskoler (8)
Agroskolen Hammerum
Asmildkloster Landbrugsskole
Bygholm Landbrugsskole
Dalum Landbrugsskole
Grindsted Landbrugsskole
Gråsten Landbrugsskole
Kjærgård Landbrugsskole
Nordjyllands Landbrugsskole
AMU-centre (5)
AMU Hoverdal
AMU Nordjylland
AMU SYD
AMU-Fyn
AMU-Vest
Niels Brock (Copenhagen Business College) Rybners
Roskilde Handelsskole
Skive College
Skanderborg-Odder Center for uddannelse Svendborg Erhvervsskole
TietgenSkolen
Tønder Handelsskole
Tradium
Uddannelsescenter Holstebro
Varde Handelsskole og Handelsgymnasium Viden Djurs
Vejen Business College
Aalborg Handelsskole
Aarhus Business College
Zealand Business College
STRUENSEE & CO.
77
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0078.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
78
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0079.png
6.2 BILAG
–
DATAGRUNDLAG
Omkostningsanalysens datagrundlag
•
•
Omkostningsanalysen bygger på et omfattende datagrundlag bestående af: i) registerdata fra syv tilgængelige registre hos Børne- og Undervisningsministeriet og
Finansministeriet, ii) spørgeskemaer udsendt til cirka 250 institutioner og iii) interviews fra 21 institutionsbesøg
Herudover trækker omkostningsanalysen på input fra tekniske eksperter fra institutioner på tværs af delsektorer samt hyppig sparring med Børne- og
Undervisningsministeriet og Finansministeriet, hvilket har bidraget til kvalificering af data og analysens konklusioner
Analysens datagrundlag er baseret på tre primære kilder: i) registerdata fra syv
tilgængelige registre hos BUVM og FM, ii) spørgeskemaer udsendt til cirka 250
institutioner
1
og iii) interviews fra 21 institutionsbesøg.
Alle indsamlede registerdata og data fra spørgeskemaer er samlet i én analysedatabase,
som danner baggrund for tre analysedatasæt. Både analysedatabase og analysedatasæt
er afrapporteret til BUVM og FM.
På de følgende sider gennemgås konsolideringen af data samt analysens tre datakilder.
På de første to sider fremgår et overblik over konsolideringen af data, og efterfølgende
gennemgås hver af de tre datakilder.
Dataindsamlingen ifm. analysen er foretaget i tæt samarbejde med både BUVM og FM og
med relevante bidrag fra tekniske eksperter fra institutionerne på tværs af delsektorer.
Alle tre delsektorer har løbende været inddraget i analysen, herunder særligt i
dataindsamlingsprocessen. Tekniske eksperter fra institutionerne har kvalificeret og leveret
input til udformning af spørgeskema, forberedelse af institutionsbesøg og drøftelse af
centrale observationer af analysen. Følgende tekniske eksperter har bidraget til analysen:
•
•
•
Fra erhvervsskolerne: Janne Taklo (Roskilde Tekniske Skole), Erling Bräuner (College
360) og Per Søgaard Jørgensen (Hansenberg)
Fra
VUC’erne:
Vera Buus Nielsen (VUC Fyn), Peter Gordon Ainsworth-Zink (VUC Fyn)
Fra gymnasierne: Peter Kuhlman (Danske Gymnasier) og Jakob Thulesen Dahl
(Skanderborg Gymnasium og Danske Gymnasier)
Anvendelse af de tre datakilder i analysen
Omkostningsanalysen bygger på tre primære datakilder, som hver har tilvejebragt et
formålstjenligt bidrag til omkostningsanalysen, jf. nedenstående figur.
Datakilde
Anvendelse
•
Registerdata
•
•
•
Initialt overblik over ungdomsuddannelsernes
omkostninger
Indsigter ift. relevante informationer fra
spørgeskemadata og interviews
Primært grundlag for kvantitative analyser
Kvalificering og udbygning af datagrundlag ift.
detaljegrad i registerdata
Udvælgelse af besøgsinstitutioner
Spørgeskemadata
•
•
•
•
Interviews
Indsigt og indblik i institutionsdrift
Praksisnære observationer
Uddybning af indsigter fra registerdata og
spørgeskemaer
Note: 1) Spørgeskema vedrørende institutionernes bygningsmasse blev udsendt i samarbejde med Implement Consulting Group
STRUENSEE & CO.
79
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0080.png
6.2 BILAG
–
DATAGRUNDLAG
Konsolidering af data
•
•
•
Datagrundlaget for analysen er baseret på en række datakilder, der er blevet konsolideret og beriget med nøgler for at danne en samlet datamodel. Registerdata er
desuden suppleret med øvrige datakilder, herunder offentligt tilgængelige datakilder og data fra BUVM som fx socioøkonomisk reference for frafald og forventet
karaktergennemsnit, overblik over andel fjernundervisning for
VUC’er,
samt geografisk placering fra Danmarks Statistik
Datamodellen er blevet anvendt til at udarbejde tre datasæt, der hver især indeholder en række variable, som er blevet anvendt i analysen.
På de efterfølgende sider beskrives analysens tre datakilder
Konsolidering af data
Institutionsregister
CØSA
Formålsregnskab
Aggregering af data
Sammenkobling af data
Etablering af analysedata
CØSA
Datasæt på
institutionsniveau
Formålsregnskab
Regnskaber
ISOLA
Lærernes
arbejdstidsanvendelse
Datasæt på
uddannelses-
kategoriniveau
ISOLA
Analyse-
databasen
Spar Energi
Spørgeskema til
omkostningsanalyse
Spørgeskema om bygninger
(Implement)
Online spørgeskema
(Implement)
Øvrige datakilder
Spørgeskemadata
Datasæt på
uddannelsesniveau
Socioøkonomisk
reference
Øvrige
STRUENSEE & CO.
80
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0081.png
6.2 BILAG
–
DATAGRUNDLAG
Konsolidering af data (fortsat)
Datakonsolidering og forberedelse
Konsolidering i Excel
•
Data er modtaget i Excel-format fra BUVM. I nogle tilfælde
er der modtaget en samlet fil for alle relevante år fra en
datakilde, og i andre tilfælde er der modtaget en fil per år.
Struktur og format varierer på tværs af kilder og år, hvorfor
der for de fleste datakilder er gennemført en indledende
datakonsolidering i Excel (fx regnskabsdata) via makroer
eller manuel behandling
Konsolidering i database
•
De konsoliderede Excel-filer er importeret i en række
databaser, hvor strukturer og formater er harmoniseret på
tværs af år fra samme datakilde. I nogle tilfælde er data
normaliseret for at begrænse omfanget og lette den
efterfølgende databehandling
Etablering af datamodel
•
For hver af datakilderne er der identificeret en eller flere
nøgler, der kan anvendes til at koble data sammen på
tværs af kilderne samt anvendes til at aggregere data til
definerede analyseniveauer. I den forbindelse er der
udarbejdet en række støttetabeller med masterdata
Etablering af analysedata
•
Baseret på den etablerede datamodel er datakilderne
aggregeret til de valgte analyseniveauer og koblet sammen
til et datasæt per analyseniveau, der er gjort tilgængelig i
Excel, med et live link til databasen, så data kan opdateres i
forbindelse med ændringer i datamodellen
Analyseniveauer
Institutionshierarki
(Delsektor > Arketype > Institution)
•
Der er taget udgangspunkt i institutionsregisteret fra 2017,
hvor alle de relevante uddannelsesinstitutioner fremgår.
Kategoriseringen fra 2017 var på tidspunktet for
udarbejdelsen af analysens datafundament det senest
tilgængelige. I samarbejdet med BUVM og FM er lavet få
justeringer ift. Regnskabsportalens arketypeinddeling for at
analysen bedst muligt afspejler den nuværende
sektorstruktur. Således er enkelte institutioner samlet som
følge af fusioner, og en institution er omkategoriseret.
Registeret indeholder foruden hovedinstitutionen også
underafdelinger
•
I analysedatasættet er alle datakilder aggregeret til
hovedinstitutionen, da dette er det mest konsistente niveau
på tværs af datakilderne. Disse er manuelt grupperet i en
række arketyper under de tre delsektorer
Uddannelseshierarki
(Uddannelseskategorigruppe > Uddannelse)
•
Baseret på en manuel gruppering af uddannelser er der
oprettet et uddannelseshierarki, der muliggør, at enkelte
datakilder kan aggregeres til uddannelsesniveau og
uddannelseskategoriniveau
•
Uddannelseskategoriniveau er det lavest mulige niveau for
aggregering af uddannelserne i ens grupper på tværs af
datakilderne
•
I enkelte datakilder kan data aggregeres på et lavere niveau
(uddannelsesniveau), hvor der for erhvervsskolerne kan
skelnes mellem grundforløb 1, grundforløb 2 og hovedforløb
STRUENSEE & CO.
81
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0082.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Registerdata
•
•
•
Med relevant registerdata er der skabt et overblik over ungdomsuddannelsesinstitutionernes omkostningsstrukturer, hvilket også bidrog til identifikation af, hvilke
indsigter spørgeskemaundersøgelsen og institutionsbesøgene skulle tilvejebringe
Analysens registerdata involverer data fra syv forskellige registre, som blev udvalgt og kvalificeret i tæt samarbejde med BUVM og FM
Registerdata er desuden suppleret med øvrige datakilder, herunder offentligt tilgængelige datakilder og data fra BUVM som fx socioøkonomisk reference for frafald
og forventet karaktergennemsnit, overblik over andel fjernundervisning for
VUC’er,
samt geografisk placering fra Danmarks Statistik
Overblik over registre og deres indhold
Register
Institutions-
registeret
Indhold
•
Relation mellem afdelinger og hovedskoler på institutions- og
afdelingsniveau for 2017
Struensee & Co. har indhentet registerdata i tæt samarbejde med BUVM og FM for at sikre
inklusion af al relevant data. De forskellige registers indhold og anvendelse fremgår i
tabellen til højre.
Ifm. anvendelsen af registerdata blev en række centrale udfordringer identificeret og
håndteret:
•
•
Opgørelse af antal uddannelser:
Uddannelser under AMU-centre grupperes for at
skabe et mere retvisende billede af antallet af forskellige uddannelser
Identificering af uddannelseskategorier:
UDD/CØSA-formål felterne henviser til en
uddannelse i hhv. CØSA og Formålsregnskabet og er grupperet i
uddannelseskategorigrupper, mens identificering af uddannelseskategori kun har været
mulig i CØSA-datasættet
Relationerne til institutionsregisteret:
Tre af datakilderne (ISOLA, SparEnergi og
Lærernes arbejdstidsanvendelse) er relateret til institutionsregisteret via manuelt
oprettede relationstabeller (broer)
Udvælgelse af datapunkter:
I flere af datakilderne er der oprettet støttetabeller til at
skabe en relation (bro) mellem datakilden og kortlægningsrammens variable. Fx
varierer registreringspraksis (de anvendte feltkoder) over tid og på tværs af arketyper i
data fra Regnskabsportalen
Sammenhæng mellem omkostninger og aktiviteter:
Der er ikke overensstemmelse
mellem antal årselever per uddannelse, der fremgår i CØSA, og de formålsfordelte
omkostninger til specifikke uddannelser, der findes i formålsregnskaberne. Dvs. at
nogle institutioner fremgår med årselever på nogle uddannelser, som de ikke har
henført omkostninger til i formålsregnskabet. Hvor dette er observeret er data korrigeret
ved at fjerne observationerne fra analysen
CØSA
•
Informationer om aktivitet og tilskud fordelt på uddannelser på
institutions- og uddannelsesniveau for perioden 2011 til 2018
Omkostninger for institutionerne med ca. 2/3 af
omkostningerne henført til specifikke uddannelser på
institutions- og uddannelsesniveau for perioden 2011 til 2018
Finansielle informationer, herunder nøgletal på
institutionsniveau for perioden 2003 til 2018
Moderniseringsstyrelsens informationssystem om løn- og
ansættelsesvilkår på institutionsniveau for perioden 2011 til
2018
Informationer ift. bygningsarealer med data om forbrug af
elektricitet, varme og vand på institutionsniveau for perioden
2006 til 2018
Informationer om lærernes arbejdstidsanvendelse på
institutions- og uddannelseskategoriniveau for 2017
Derudover gør to centrale forhold sig gældende for forbindelsen af datasæt i datamodellen:
•
Formålsregn-
skab
•
•
Regnskabs-
portalen
•
•
•
ISOLA
•
SparEnergi
De anvendte omkostningsdata kommer i langt overvejende grad fra institutionernes
formålsfordelte regnskaber. For at understøtte analysens formål er de omkostningsdata der
er anvendt i analysen desuden eksklusive omkostninger til indtægtsdækket virksomhed.
Endeligt er alle historiske data prisreguleret til 2019-priser for at gøre analysen
tidssvarende.
STRUENSEE & CO.
Lærernes
arbejdstids-
anvendelse
•
82
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0083.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Spørgeskemaer
•
•
•
Spørgeskemaundersøgelsen har bidraget til at udvide datagrundlaget og kvalificere data vedrørende institutionsdrift og bygningsomkostninger
Spørgeskemaundersøgelsen består af tre spørgeskemaer: ét ifm. omkostningsanalysen og to ifm. institutionsanalysen. De tre spørgeskemaer blev sendt til alle
institutioner, der indgår i analysen
Spørgsmålene blev udarbejdet i tæt samarbejde med BUVM, FM og tekniske eksperter fra institutionerne på tværs af de tre delsektorer
For at kvalificere og supplere registerdata udarbejdedes en spørgeskemaundersøgelse.
Institutionerne modtog tre spørgeskemaer, hvoraf Struensee & Co var afsender på ét ifm.
omkostningsanalysen og Implement Consulting Group var afsender på to i forbindelse med
analysen af institutionsudviklingen.
Forud for udsendelsen blev der formuleret og udsendt en følgemail, hvor formålet med
spørgeskemaerne blev fremlagt. Struensee & Co har løbende haft sparring med BUVM ift.
udsendelsestidspunkt samt formulering af følgemailen. I følgemailen blev desuden
beskrevet både omkostningsanalysen udarbejdet af Struensee & Co samt analysen af
institutionsudviklingen udarbejdet af Implement Consulting Group. Dermed sikredes
transparens om anvendelsen af de tre spørgeskemaer.
Omkostningsanalysens spørgeskema omhandlede omkostningsstrukturer, herunder
aktivitetsniveauer og institutionsdrift. Spørgsmålene vedrørte bl.a. gennemsnitlige
holdstørrelser, minimums holdstørrelser og kontraktuelle bindinger.
Omkostningsanalysen belyser også bygningsomkostninger, hvorfor der løbende har været
sparring med Implement Consulting Group angående spørgsmål om institutionernes
bygningsmasse. Således har data fra spørgeskema om institutionernes bygningsmasse
været med til at udbygge datagrundlaget i omkostningsanalysen.
Data fra spørgeskemaerne har været underlagt kritisk og grundig gennemgang. Derudover
er relevante overvejelser omkring datavaliditet bragt med ind i analysearbejdet.
Spørgeskemaernes data vurderes at være robuste bl.a. som følge af en høj svarprocent, jf.
tabellen til højre.
Den samlede svarprocent på tværs af institutionerne er 63 pct. hvilket udgør til et godt
stykke over halvdelen af landets ungdomsuddannelsesinstitutioner. Inden for de enkelte
delsektorer observeres også høje svarprocenter med 70 pct. af alle erhvervsskoler, 58 pct.
af almene gymnasier og 67 pct. af voksenuddannelsescentrene.
Opgørelse af svarprocent for spørgeskema ifm. omkostningsanalysen
Delsektorer, arketyper
AMU-centre
Handelsskoler
Kombinationsskoler
Erhvervsskoler
mv.
Landbrugsskoler
SOSU-skoler
Tekniske skoler
I alt, erhvervsskoler mv.
Mellemstore gymnasier
Besvarelser
4
15
13
5
12
8
57
25
Institutioner, i alt
5
20
20
8
14
15
82
38
Svar pct.
80%
75%
65%
63%
86%
53%
70%
66%
Private gymnasier
Almene
gymnasier
Små gymnasier
Store gymnasier
I alt, almene gymnasier
VUC’er
Sektoren
I alt
5
25
31
86
16
159
27
39
44
148
24
254
19%
64%
70%
58%
67%
63%
STRUENSEE & CO.
83
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0084.png
6.2 BILAG
–
DATAGRUNDLAG
Datakilder: Institutionsbesøg
•
•
I forbindelse med omkostningsanalysen har Struensee & Co besøgt 21 udvalgte institutioner på tværs af delsektorer og arketyper rundt omkring i landet. Besøgene
har bidraget med dybdegående indsigter og indblik i institutionernes drift og har derfor kvalificeret og udbygget omkostningsanalysens datagrundlag
Besøgsinstitutionerne blev udvalgt i tæt samarbejde med Børne- og Undervisningsministeriet og Finansministeriet gennem opstilling af følgende
udvælgelseskriterier: i) alle arketyper skulle være repræsenteret, ii) institutionerne inden for hver arketype skulle have forskellige karakteristika, og iii) hver
besøgsinstitution skulle have en back-up-institution, som ligeledes opfyldte de to foregående kriterier
Overblik over antal årselever, omkostninger per årselev samt geografisk placering
for analysens besøgsinstitutioner
Arketype
Tekniske
skoler
SOSU-skoler
Institution
•
•
•
•
•
EUC Lillebælt
TEC
Randers SOSU
SOSU H
AMU-Vest
Årselever
750
4.239
403
2.025
320
Omk., total (mio. kr.)
113
531
61
253
64
Geografi
2
Land
By
By
By
By
For at opnå indsigt i institutionsdriften på de omfattede ungdomsuddannelsesinstitutioner
og
VUC’er
samt at udbygge datagrundlaget har Struensee & Co. besøgt 21 udvalgte
institutioner. Institutionerne blev udvalgt i tæt samarbejde med BUVM og FM ved at opstille
en række udvælgelseskriterier for at sikre repræsentativitet på tværs af delsektorer.
Udvælgelseskriterierne var som følger:
•
Alle arketype skulle være repræsenteret med minimum to institutioner
1
•
Besøgsinstitutionerne inden for hver arketype skulle repræsentere institutioner med
forskellige karakteristika. I den forbindelse blev det prioriteret, at institutionerne havde
forskellige omkostninger per årselev, at de havde forskellige forudsætninger sfa. deres
årselevantal, samt at de var geografisk spredte
•
Besøgsinstitutioner skulle hver have en backup-institution med lignende karakteristika i
tilfælde af, at den prioriterede institution ikke kunne deltage
Efter udvælgelsen af 21 institutioner blev der udsendt en orienteringsmail om
institutionsbesøgets formål, herunder hvilke emner og spørgsmål interviewet ville tage
udgangspunkt i. De 21 institutionsbesøg involverede interviews med nøglepersoner som
bl.a. rektorer, direktører, ressourcedirektører, regnskabsmedarbejdere mv. Interviewene
omfattede spørgsmål til strategiske overvejelser for institutionens ledelse, spørgsmål til
institutionernes rammevilkår og specifikke situationer, herunder regnskabs- og
budgetmæssige konsekvenser af fx lovgivning, fald i elevtal samt institutionernes
muligheder for at tilpasse omkostninger til indtægtsændringer. På besøgene deltog som
udgangspunkt to konsulenter fra Struensee & Co.
AMU-centre
Landbrugsskoler
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Asmildkloster Landbrugsskole
Handelsgymnasium Vestfyn
Køge Handelsskole
ZBC
NEXT
Nordsjællands Grundskole og
Gymnasium
Vestjysk gymnasium Tarm
Odsherred gymnasium
Hvidovre gymnasium
Mariagerfjord gymnasium
Roskilde Katedralskole
Frederiksborg gymnasium
Viborg gymnasium og HF
HF og VUC Fyn
Kolding HF og VUC
HF og VUC KBH SYD
208
192
1.383
5.806
6.507
193
422
381
471
682
1.448
1.307
1.131
3.878
518
1.298
35
18
134
704
695
-
43
38
41
62
119
100
98
385
65
111
By
Land
By
By
By
By
Land
Land
By
Land
By
By
By
By
By
By
Handelsskoler
Kombinations-
skoler
Private
gymnasier
Små gymnasier
Mellemstore
gymnasier
Store gymnasier
Institutionsbesøgene har bidraget til identificering af forskelle i institutionernes driftspraksis.
Institutionsbesøgene har således bidraget med praksisnære observationer og indsigter om
best-practice og innovative tiltag til eksempelvis at tilpasse omkostninger i perioder med
indtægtsfald. Institutionsbesøgene spiller derfor en central rolle for analysens
observationer og konklusioner.
VUC
Note: 1) For AMU og Landbrugsskoler er kun én institution fra hver arketype besøgt. 2) Den geografiske placering ift. land og by er ikke den samme, som er anvendt i analysen i øvrigt, da dette blev fastlagt efter vedtagelse af
institutionsbesøg.
STRUENSEE & CO.
84
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0085.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
85
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0086.png
6.3 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for tekniske hovedforløb
•
•
•
Figuren nedenfor viser omkostningerne per årselev på tekniske hovedforløb ift. antal årselever på uddannelseskategorien. Landbrugsskoler og AMU-centre fremgår
ikke i sammenligningen, da observationerne er få, og deres uddannelser er meget anderledes fra tekniske hovedforløb på kombinationsskoler og tekniske skoler.
For både kombinationsskoler og tekniske skoler ses det, at der er faldende marginalomkostninger per årselev på tekniske hovedforløb. Det kan skyldes, at skoler
med mange årselever på tekniske hovedforløb kan oprette større hold og samtidig realisere stordrift på eksempelvis indkøb af undervisningsmaterialer.
Grafen indikerer, at stordriftsfordelene opvejer meromkostningerne forbundet med et større uddannelsesudbud på de store institutioner. Figuren viser også, at
omkostningerne per årselev på tekniske hovedforløb er meget ens for kombinationsskoler og tekniske skoler. De gennemsnitlige omkostninger per årselev er
imidlertid en smule lavere på de tekniske skoler. Grafen til venstre vægter ikke antallet af årselever, hvorfor trendlinjen for kombinationsskoler ligger lavest
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
200
195
190
185
180
175
170
165
160
155
150
145
140
135
130
0
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
Kombinationsskoler
Tekniske skoler
1.300
1.400
1.500
1.600
1.700
Årselever per uddannelseskategori
STRUENSEE & CO.
86
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0087.png
6.3 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for tekniske grundforløb
•
•
Figuren nedenfor sammenligner omkostningerne per årselev for tekniske grundforløb for kombinationsskoler og tekniske skoler.
Ligesom for tekniske hovedforløb indikerer figuren, at der er faldende marginalomkostninger på tekniske grundforløb. Effekten er imidlertid ikke lige så udtalt som for
tekniske hovedforløb. Det kan skyldes, at det er nemmere at understøtte store holdstørrelser på tekniske grundforløb selv med få elever på uddannelseskategorien.
Derudover er der mere teoriundervisning på de tekniske grundforløb, hvilket sætter færre krav til indkøb af omkostningstunge undervisningsmaterialer sammenholdt
med tekniske hovedforløb.
Endelig ses det af figuren, at kombinationsskolerne gennemgående har lavere omkostninger per årselev end de tekniske skoler, og at differencen er større end for
tekniske hovedforløb. Spredningen af omkostninger per årselev er imidlertid markant for især kombinationsskolerne, hvilket der skal tages forbehold for i læsningen
af figuren.
Kombinationsskoler
Tekniske skoler
•
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
180
170
160
150
140
130
120
110
100
90
100
200
300
400
500
600
700
800
900
1.000
1.100
1.200
1.300
1.400
1.500
Årselever per uddannelseskategori
STRUENSEE & CO.
87
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0088.png
6.3 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for HHX
•
•
•
•
•
Figuren nedenfor opstiller omkostningerne per årselev for HHX for kombinationsskolerne og handelsskolerne.
Ligesom for de tidligere præsenterede uddannelseskategorier gælder det, at der er faldende marginalomkostninger per årselev for HHX.
Figuren indikerer, at effekten er mest betydelig for kombinationsskolerne, mens den er mindre klar for handelsskolerne.
Faldende marginalomkostninger på HHX vil primært være drevet af lønomkostninger til undervisning per årselev, som kan reduceres ved understøttelse af store hold
og optimering af lærerressourcer på tværs af klasser.
Hvor kombinationsskolerne gennemgående var mere omkostningseffektive end de tekniske skoler på de tekniske erhvervsuddannelser og HTX, indikerer figuren for
HHX, at handelsskolerne har lavere omkostninger per HHX årselev end kombinationsskolerne.
Kombinationsskoler
Handelsskoler
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
130
125
120
115
110
105
100
95
90
85
80
75
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
2.000
2.200
2.400
2.600
2.800
Årselever per uddannelseskategori
STRUENSEE & CO.
88
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0089.png
6.3 BILAG
–
OMKOSTNINGSNIVEAU PÅ TVÆRS AF ARKETYPER
Omkostninger per årselev for HF
•
•
•
•
Figuren nedenfor sammenligner omkostningerne per årselev for HF for de almene gymnasier og
VUC’erne.
For HF observeres kun i meget begrænset grad faldende marginalomkostninger per årselev for både gymnasier og
VUC’er.
Især gymnasierne har stor spredning på
omkostninger per årselev for HF på trods af, at de fleste gymnasier, som udbyder HF, har 50-150 HF årselever.
Figuren viser imidlertid, at omkostningerne per årselev for HF er lavere for gymnasierne end for
VUC’erne.
Analysen afdækker i udgangspunktet ikke, hvad der kan
forårsage de lavere omkostninger per årselev for HF på gymnasierne.
Noget af effekten kan dog skyldes, at enkelte
VUC’er
udbyder HF på flere lokationer, hvilket kan gøre det sværere at opretholde store hold på HF og dermed drive de
samlede omkostninger per årselev op
Omkostninger per årselev per uddannelseskategori (tusinde kr.)
130
125
Gymnasier
VUC’er
120
115
110
105
100
95
90
85
80
75
70
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
Årselever per uddannelseskategori
STRUENSEE & CO.
89
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195746_0090.png
Struensee & Co. er en del af Deloitte. Deloitte leverer ydelser inden for revision, consulting, financial
advisory, risikostyring, skat og dertil knyttede ydelser til både offentlige og private kunder i en lang række
brancher. Deloitte betjener fire ud af fem virksomheder på listen over verdens største selskaber, Fortune
Global 500®, gennem et globalt forbundet netværk af medlemsfirmaer i over 150 lande, der leverer
kompetencer og viden i verdensklasse og service af høj kvalitet til at håndtere kundernes mest komplekse
forretningsmæssige udfordringer. Vil du vide mere om, hvordan Deloittes omkring 312.000 medarbejdere
gør en forskel, der betyder noget, så besøg os på Facebook, LinkedIn eller Twitter.
Deloitte er en betegnelse for Deloitte Touche Tohmatsu Limited, der er et britisk selskab med begrænset
ansvar (DTTL), dets netværk af medlemsfirmaer og deres tilknyttede virksomheder. DTTL og alle dets
medlemsfirmaer udgør separate og uafhængige juridiske enheder. DTTL, der også betegnes Deloitte
Global, leverer ikke selv ydelser til kunderne. Vi henviser til www.deloitte.com/about for en udførlig
beskrivelse af DTTL og dets medlemsfirmaer.
© 2019 Deloitte Statsautoriseret Revisionspartnerselskab. Medlem af Deloitte Touche Tohmatsu Limited.
Struensee & Co. / Magstræde 6, 1204 København K / +45 2615 0803 / [email protected] / www.struensee.dk