Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt
2195748_0001.png
Omkostningsanalyse af
ungdomsuddannelsesområdet
Analyserapport om landbrugsskoler
November 2019
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0002.png
Analysen indikerer, at landbrugsskolerne ligner de øvrige arketyper. Dog er populationen for lille
til, at der kan drages entydige konklusioner ift. stordriftsfordele
Faldende marginalomkostninger
•
Landbrugsskolerne ser ud til at ligne de øvrige arketyper, da større institutioner har lavere omkostninger per årselev end mindre institutioner. Der
kan dog ikke afrapporteres entydige konklusioner pga. den lille population (syv landbrugsskoler). Hertil kommer, at landbrugsskolerne generelt er
små sammenlignet med øvrige arketyper ift. antal årselever
Lønomkostninger til undervisning
per årselev falder ved et stigende antal årselever, og udmøntes delvist igennem højere andele
undervisningstid hos større institutioner, om end sammenhængen ikke kan bekræftes entydigt pga. et lavt antal landbrugsskoler
Ift.
lønomkostninger til administration og ledelse
per årselev ser disse ud til falde ved flere årselever, hvor institutioner bemærker, at
lønomkostninger til administration og ledelse i mindre grad er aktivitetsafhængige
Ift.
totale bygningsomkostninger
per årselev ser disse ud til at falde svagt ved flere årselever, hvilket skyldes to modsatrettede tendenser,
hvor 1) større institutioner typisk har højere omkostninger per kvadratmeter og 2) større institutioner har typisk færre kvadratmeter per elev.
Sidstnævnte effekt er dominerende, hvilket giver svagt faldende omkostninger ved flere årselever
Ift.
øvrige driftsomkostninger
viser analyserne, at øvrige driftsomkostninger per årselev falder med antallet af årselever for landbrugsskolerne.
I denne sammenhæng fremhæves særligt bedre muligheder for professionalisering, udlicitering og gode indkøbsaftaler, der følger med at
være en stor institution.
Geografi
•
•
Der er ingen indikation i analyserne på, at geografi driver forskelle mellem landbrugsskoler. Det skyldes hovedsageligt, at landbrugsskolerne er
placeret i bykommuner. Dermed er der kun to ud af syv landbrugsskoler, som er placeret i landkommuner
Dog kan geografiske forskelle fortsat drive forskelle mellem landbrugsskoler. Det gælder eksempelvis ved lønomkostninger, hvor det fra
institutionsbesøg er bemærket, at geografi kan have en effekt på lærerudbuddet, lærersammensætningen mv. Hertil har geografi betydning for
institutionernes tilpasningsevne ift.: 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. ift.
tilpasningsevne ses ikke nogen systematiske forskelle mellem landbrugsskoler i hhv. land- og bykommuner
Økonomisk bæredygtighed
•
Analysen gennemføres ikke, da screeningen for de økonomisk udsatte institutioner har vist, at kun én landbrugsskole vurderes økonomisk udsat,
hvorfor sammenligningsgrundlaget er for smalt
STRUENSEE & CO.
2
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0003.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes 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
2195748_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 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
2195748_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
2195748_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. uddannelser/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
2195748_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
2195748_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. uddannelser/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
2195748_0009.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes 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
2195748_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
2195748_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
2195748_0012.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
Uddannelsesinstitutionernes omkostningsstrukturer kortlægges pba. et
gensidigt udelukkende og udtømmende omkostningsnedbrud
•
•
•
Nedenfor præsenteres omkostningsnedbruddet, der er udarbejdet pba. institutionernes formålsfordelte regnskaber mhp. at konstruere meningsfulde kategorier, der
understøtter behovet for transparens i institutionernes
omkostningsstrukturer.
Institutionernes formålsfordelte regnskaber er anvendt ned gennem analysen
Nedbruddet er desuden udarbejdet med relevante omkostningsdrivere in mente, da det muliggør kobling af interessante
omkostningsdrivere
med relevante
omkostningskategorier
Omkostningskategoriseringen vil være gennemgående for alle rapportens delanalyser
Omkostningskategorier
Undervisning
Ledelse og administration
Løn
Bygningsdrift
Øvrig drift
Husleje
Afskrivninger på bygninger
Totale
omkostninger
Bygnings-
drift
(ex løn)
Forsyning
Renter
Reparationer og vedligehold
Øvrige bygningsomk.
Køb af varer til forbrug
Køb af tjenesteydelser (ex IT)
Øvrig drift
(ex løn)
Rep. og vedligehold (ex byg.)
Afskrivninger (ex bygninger)
Øvrige
STRUENSEE & CO.
Omkostningsdrivere
•
Antal årselever
•
Andel undervisningstid
•
Holdstørrelse
•
Antal uddannelser
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Kapacitetsudnyttelse
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Bygningsmasse
•
Kontraktstyring
•
Indkøbspraksis
12
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0013.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
De 7 landbrugsskolerne har omkostninger på i alt ~0,25 mia. kr., hvoraf lønomkostninger udgør 53
pct.
•
•
Figuren nedenfor viser landbrugsskolernes samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift
Det fremgår, at landbrugsskolerne har et samlet omkostningsniveau på 237 mio. kr. i 2018. Heraf udgøres 53 pct. af lønomkostninger, hvor den største
enkeltstående omkostningspost er løn til undervisning, som udgør 32 pct. af landbrugsskolernes totale omkostninger. De resterende 47 pct. udgøres af bygningsdrift
(14 pct.) og omkostninger til øvrig drift (33 pct.)
Omkostningsnedbrud for landbrugsskolerne, 2018 (mio. kr.)
1,2
Løn til undervisning
Løn til ledelse og administration
75 (32%)
23 (10%)
Konfrontationstid
•
39 pct. af lærernes
arbejdstid udgøres
på landbrugs-
skolerne af
konfrontationstid
3
•
Det svarer til, at
~30 mio. kr.
anvendes på
konfrontationstid
7 (3%)
4 (2%)
6 (3%)
33 (14%)
26 (11%)
28 (12%)
4 (2%)
2 (1%)
17 (7%)
79 (33%)
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
125 (53%)
9 (4%)
18 (8%)
9 (4%)
7 (3%)
Samlede omkostninger
237
(100%)
Note: 1) Analysen er baseret på institutionernes formålsfordelte regnskaber. Det bemærkes, at data fra de formålsfordelte regnskaber ikke altid er tilsvarende de omkostningsdata, der findes på Regnskabsportalen. For at understøtte
analysens formål er de anvendte omkostningsdata desuden eksklusive omkostninger til indtægtsdækket virksomhed. 2) Omkostningsdata i analysen er prisreguleret til 2019-priser. 3) Konfrontationstiden (2017 data) udgøres af summen af
indikator 1 (elevsamvær iht. reglerne om uddannelsestid) og indikator 2 (andre former for elevsamvær med et direkte læringsformål). Den gennemsnitlige konfrontationstid er fundet ved at tage et gennemsnit af indikator 1+2 for
landbrugsskolerne. Tallet er ikke vægtet ift. skolernes størrelse. Kilde: Analysens datamodel
STRUENSEE & CO.
13
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0014.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
Overordnet set har landbrugsskolernes omkostningsstruktur været stabil fra
2011-2018 på trods af et svagt fald i antal årselever over perioden 2011-2016
•
•
•
Nedenfor vises udviklingen i antallet af årselever og omkostningsfordelingen på landbrugsskolerne i perioden 2011-2018. Institutionernes overordnede
omkostningsniveau er i perioden faldet med 6 pct., mens antallet af årselever er faldet med 10 pct. fra ca. 1.350 årselever til 1.200 årselever
Landbrugsskolernes årselever steg mellem 2011 og 2014, for derefter at falde frem mod 2018. Stigningen frem mod 2015 kan bl.a. skyldes den øgede
kommunale beskæftigelsesindsats for unge under 30 år
Mellem 2011 og 2018 har forholdet mellem landbrugsskolernes omkostningsfordeling været stabil. Største udsving observeres på andelen af omkostningsbasen, som
går til bygningsdrift, som er faldet med 3 procentpoint
Årselevsudvikling og omkostningsnedbrud for landbrugsskolerne, 2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)
2
Årselever
Løn til ledelse og adm.
Løn til øvrig drift
Køb af varer til forbug
Øvrige driftsomkostninger og afskrivninger
1
Løn til uddannelse
Omkostninger (mio. kr.)
350
300
250
200
150
100
50
0
251
32%
9%
5%
Løn til bygningsdrift
Bygningsdrift (ex løn)
Køb af tjenesteydelser (ex IT)
Årselever
1.450
1.400
-6%
244
31%
9%
6%
15%
13%
8%
12%
2012
6%
257
253
34%
7%
256
35%
8%
5%
14%
11%
9%
11%
2015
6%
254
31%
10%
6%
7%
15%
11%
10%
11%
2016
1.350
240
30%
9%
8%
237
1.300
32%
10%
1.250
1.200
4%
1.150
1.100
1.050
1.000
32%
8%
4%
17%
12%
9%
11%
2011
5%
15%
12%
9%
14%
6%
5%
15%
13%
9%
12%
6%
5%
15%
12%
11%
10%
2017
8%
14%
12%
11%
10%
2018
2013
2014
Note: 1) Af visuelle hensyn er reparation og vedligehold, afskrivninger og øvrige driftsomkostninger kombineret i kategorien
”øvrige
driftsomkostninger og afskrivninger; 2) fald i årselever i 2015 påvirker giver bl.a. en negativ overskudsgrad i
året. 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
2195748_0015.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
Omkostningsstrukturerne varierer betydeligt på tværs af de 7 landbrugsskoler
•
•
•
Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 7 landbrugsskoler. Figuren viser, at der er store forskelle på, hvordan
institutionerne allokerer deres omkostninger. Fx varierer omkostninger til løn til undervisning mellem 22 pct. og 36 pct.
Den gennemsnitlige andel til løn til undervisning på tværs af landbrugsskolerne er 32 pct.
Hertil varierer omkostningsfordelingen betragteligt mellem institutioner, fx ift. øvrig drift (køb af varer til forbrug, køb af tjenesteydelser mv.). Samtlige landbrugsskoler
i nedenstående er hertil skolehjem, hvilket kan forklare den relative lave andel af omkostninger til uddannelse
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Centrale observationer
•
løn til undervisning
udgør den største
udgiftspost blandt landbrugsskolerne.
Denne udgør mellem 22-36
1
pct., hvilket er
væsentligt mindre end for andre arketyper
Øvrige lønomkostninger
vedrører løn til
ledelse og administration, som udgør
mellem 10-13 pct., løn til øvrig drift, som
udgør 1-12 pct., samt løn til bygningsdrift,
som udgør 2-9 pct. Gennemgående er der
stor variation mellem institutionerne
Øvrig drift
er den næststørste post efter
løn til undervisning. Her udgør køb af varer
til forbrug, køb af tjenesteydelser, samt
øvrige driftsomkostninger ca. 33 pct. i
gennemsnit
Omk. (mio. kr.)
55
Omkostningsfordeling, 2018
1
•
22%
13%
6%
10%
20%
10%
15%
5%
43
45%
3%
7%
18%
5%
22%
•
35
28%
10%
3%
12%
18%
8%
15%
6%
35
35%
13%
4%
10%
12%
16%
4%
8%
•
34
29%
12%
4%
8%
9%
8%
21%
9%
•
Betydningen af institutionsstørrelse.
Der
observeres ikke nogen umiddelbar
sammenhæng mellem størrelse (målt på
omkostninger) og omkostningsfordelingen
Variation i omkostningsstruktur:
Af
opgørelsen til venstre fremgår stor variation
imellem institutionerne. Udover strukturelle
forhold og strategiske valg, bemærker
institutionerne, at forskellene også kan
skyldes forskellig konteringspraksis og
institutions-specifikke
ressourcestyringssystemer
21
35%
9%
4%
2%
16%
13%
6%
16%
14
36%
11%
9%
1%
16%
11%
9%
6%
Note: 1) En enkelt landbrugsskole har ingen lønomkostninger til administration og ledelse, og i stedet er lønomkostninger til undervisning tilsvarende høje. Den betragtes derfor som outlier ift. dekomponeret
opgørelser over løn til undervisning mv. 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
2195748_0016.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
Omkostningsstrukturerne varierer ligeledes på tværs af landbrugsskolernes uddannelser
•
•
•
•
•
Figurerne nedenfor viser hhv. omkostningerne fordelt per uddannelse på landbrugsskolerne (til venstre) og omkostningerne per årselev per uddannelse (til højre).
Af den samlede omkostningsbase på ~0,25 mia. kr. udgøres 45 pct. af indirekte omkostninger, som ikke er formålsfordelt på uddannelser. Disse er fordelt ved antallet
af årselever
Af
figuren til venstre
fremgår det, teknisk hovedforløb er den største uddannelse på landbrugsskolerne med samlede omkostninger på ca. 107 mio. kr.
svarende til 35 pct. af landbrugsskolernes omkostninger
Af
figuren til højre
fremgår det, at omkostningerne per årselev er højest for teknisk EUX (233.000 kr.), mens de er AMU og åbne uddannelser (167.000 kr.).
For både teknisk EUX og AMU og åbne uddannelser gælder, at der er under 30 årselever, hvorfor observationer skal tolkes varsomt. For AMU
og åbne uddannelser gælder hertil, at størstedelen af undervisningen tilkøbes (høj andel af køb af tjenesteydelser). For teknisk hovedforløb og teknisk grundforløb
gælder, at omkostningsfordelingen hertil er nogenlunde identisk, om end teknisk hovedforløb i gennemsnit koster 211.000 kr. per årselev samt har en lønandel
til uddannelse på 37 pct. Sammenlignet med andre arketyper er lønandelene til uddannelse for landbrugsskoler lave.
Løn til uddannelse
Løn til ledelse og adm.
Løn til bygningsdrift
1
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Omkostninger per årselev fordelt på uddannelser (2018)
Omkostninger per årselev fordelt per uddannelser (tusinde kr.)
Fordeling af omkostninger på uddannelser (2018)
1
Omkostninger per uddannelse (mio. kr.)
110
107
76
70
60
50
40
30
20
7%
10
0
Teknisk
hovedforløb
11%
37%
9%
4%
7%
13%
12%
31%
11%
4%
8%
16%
13%
5%
11%
Teknisk
grundforløb
26
11%
15%
39%
7%
4%
24
36%
~78 pct. af landbrugsskolernes
samlede omkostninger
-28%
250
200
150
100
50
0
233
211
36%
37%
3%
6%
11%
8%
19%
7%
Teknisk EUX
8%
31%
9%
7%
13%
12%
7%
11%
4%
11%
4%
8%
16%
177
167
4%
11%
5%
9%
15%
11%
39%
7%
AMU og Åbne
uddannelser
8%
19%
11%
3
81%
Øvrige
13%
5%
11%
AMU og Åbne Teknisk EUX
uddannelser
Teknisk hovedforløb Teknisk grundforløb
Note: 1) Øvrige dækker over introduktionskurser, kompetenceafklaring mv..
Kilde: Analysens datamodel
STRUENSEE & CO.
16
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0017.png
2. UNGDOMSUDDANNELSERNES OMKOSTNINGSSTRUKTUR
Der er ikke faldende marginalomkostninger for landbrugsskoler. Det skyldes det relativt lave antal
af årselever
•
•
•
Figuren nedenfor viser omkostningen per årselev for de fire største uddannelser (teknisk EUX, teknisk hoved- og grundforløb samt AMU) sammenholdt med antallet
af årselever på uddannelserne for institutionerne. Omkostningerne per årselev er renset for bygningsomkostninger, da ekstraordinære bygningsomkostninger kan
skævvride gennemsnittene, hvilket er blevet understøttet gennem interviews på institutionsbesøg
Overordnet ses ikke en tendens til, at de gennemsnitlige omkostninger per årselev er lavere for større institutioner. Det skyldes formentligt det relativt lave antal af
årselever på tværs af uddannelserne, som kan gøre, at faldende marginalomkostninger ikke slår igennem ved et maksimalt ~100 årselever
Dertil ses af nedenstående, at omkostningsstukturen er væsentlig forskellig på tværs af uddannelser. Således tenderer eksempelvis AMU og åbne uddannelser til at
være relativt billige, hvilket kan påvirke den gennemsnitlige omkostning per årselev på tværs af institutioner. Det gælder for eksempel for to landbrugsskoler, hvor
hhv. 70 og 80 årselever er på AMU og åbne uddannelser (fremgår ikke af nedenstående)
3.
Der er identificeret faldende marginal omkostninger for andre
uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.3
Omkostninger per årselev for teknisk EUX, teknisk hoved- og grundforløb og AMU samt årselever fordelt uddannelse på institution (2018
1
)
2
Omkostninger til undervisning per årselev
450.000
400.000
350.000
300.000
250.000
200.000
150.000
100.000
50.000
10
20
30
40
50
60
70
80
90
100
110
Antal årselever
Note: 1) Der er testet for tidstrends på udvalgte arketyper ift. om den illustrerede sammenhæng er robust over tid, og ingen signifikante forskelle er identificeret. 2) Uddannelse med mindre en 10 årselever er
fjernet ift. analysens robusthed; 2) AMU-uddannelser dækker hertil over en lang række af forskelligartede kurser; 3) AMU og åbne uddannelser findes kun på to langbrugsskoler.
Kilde: Analysens datamodel
STRUENSEE & CO.
17
Teknisk EUX
Teknisk hovedforløb
Teknisk grundforløb
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0018.png
Indholdsfortegnelse
1
2
3
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
18
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0019.png
3. OMKOSTNINGSDRIVERE
Landbrugsskolernes omkostningsdrivere karakteriseres ved nedenstående fem karakteristika
Konklusioner vedr. omkostningskategorier
Lønomkostninger afhænger særligt af antal årselever og andel undervisningstid
•
De primære omkostningsdrivere for landbrugsskoler er
andel undervisningstid
og
antal årselever.
Højere undervisningstid giver umiddelbart lavere
lønomkostninger per årselev, og større institutioner har typisk højere undervisningstid. Det er understøttet af både dataanalyserne (deskriptive analyser) og
institutionsbesøg. Grundet det lave antal landbrugsskoler har det ikke været muligt at gennemføre regressionsanalyser
•
Institutionsbesøg understøtter desuden, at muligheden for at optimere
holdstørrelse
er afgørende for lønomkostningerne per årselev. Her bemærkes det, at
omkring 25 elever er bæredygtigt for holdstørrelser, om end det ikke kan bekræftes af dataanalysen
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
•
Antal årselever
er identificeret som omkostningsdriver for bygningsomkostninger. Det har ikke været muligt at gennemføre regressionsanalyser pga. det lave
antal observationer. Det tyder på, at omkostninger til bygninger i høj grad afhængig af institutionsspecifikke og ikke-strukturelle forhold, herunder
ejendomsmarkedet i nærområdet, den demografisk udvikling, mm.
Bygningsomkostninger per årselev ser ud til at falde ved antallet af årselever. Denne effekt er primært drevet af bedre kapacitetsudnyttelse (målt på antal kvm
per årselev) for større institutioner. Hertil bemærkes, at større institutioner ligeledes har højere bygningsomkostninger per årselev, hvilket trækker i den
modsatte retning. Det vurderes dog, at effekten af bedre kapacitetsudnyttelse er stærkest
•
Øvrige driftsomkostninger afhænger af antal årselever samt institutionsspecifikke forhold ift. indkøb af eksterne lærerressourcer
•
Den primære omkostningsdriver er
antallet af årselever.
Dataanalysen indikerer, at omkostninger til øvrig drift per årselev umiddelbart er lavere for større
institutioner. På institutionsbesøg er det fremhævet, at en række poster under øvrig drift er uafhængige af aktivitet. Det bemærkes, at nogle lærerressourcer
købes eksternt, fx ift. lokale landmænd, hvilket kan påvirke fordelingen af øvrige driftsomkostninger mellem landbrugsskolerne
Tværgående konklusioner vedr.
omkostningsdrivere
Større institutionerne har lettere ved at optimere en række omkostningsdrivere
•
•
Institutionernes arbejde med optimering af holdstørrelse og undervisningstidsandel understreger betydningen af institutionsstørrelse. Dataanalyserne
understøtter til dels denne sammenhæng for både lønomkostninger til administration og uddannelse
Det er af institutionerne fremhævet, at antal årselever er drevet af i) demografiske udviklinger, ii) politiske reformer og iii) ændrede søgemønstre, herunder
grundet konjunkturudsving, institutionernes renomme samt samarbejde med grundskolerne i nærområdet
Geografi er ikke betydende som omkostningsdriver
•
Fem ud af syv landbrugsskoler er beliggende i bykommuner, og der kan derfor ikke identificeres nogen overordnet tendens til, at geografi er signifikant som
omkostningsdriver på tværs af landbrugsskoler. Det gælder både for omkostninger til løn såvel som omkostninger til bygninger på tværs af landbrugsskolerne
STRUENSEE & CO.
19
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0020.png
Indholdsfortegnelse
1
2
3
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
20
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0021.png
3.1. OMKOSTNINGSDRIVERE - METODE
Der er betydelige forskelle i omkostninger per årselev mellem landbrugsskolerne.
Analysens formål er at identificere årsagerne til disse forskelle, dvs. omkostningsdrivere
•
•
•
Nedenstående graf viser, at der på tværs af landbrugsskolerne er en maksimal forskel i omkostninger per årselev i 2018 på 60 pct. tilsvarende ~140.000 kr. per
årselev. For årene 2011-2017 er der tilsvarende maksimumsforskelle i omkostninger per årselev, hvilket indikerer, at grafens resultater overordnet set er robuste
over de seneste år
De betydelige forskelle i omkostninger per årselev indikerer betydelige forskelle i de underliggende omkostningsdrivere. Enten af strukturelle årsager eller sfa.
institutionernes strategiske valg
Grafen viser desuden de totale indtægter per årselev for institutionerne, der tæt følger de totale omkostninger per årselev. Grundet sammenhængen mellem aktivitet
(årselever), indtægter (per årselev) og omkostninger, vil de følgende analyser se på de relative forskelle mellem institutionerne, fx ift. nedbrud på
omkostningskategorier. Med andre ord undersøges de relative forskelle mellem institutionerne, da det absolutte niveau af omkostninger for den enkelte institution tæt
følger de aktivitetsbaserede indtægter
De følgende sider vil undersøge hvilke omkostningsdrivere, der ligger til grund for forskellene, og hvad der kendetegner institutionerne
•
Forskelle i omkostninger per årselever på tværs af landbrugsskolerne (2018)
1
Tusinde kr. per årselever
-58%
250
Indtægter per årselev
Omkostninger per årselev
235
200
196
162
154
133
127
120
150
240
100
204
163
144
137
50
120
99
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.
Kilde: Analysens datamodel
STRUENSEE & CO.
21
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0022.png
3.1. OMKOSTNINGSDRIVERE - METODE
Landbrugsskolernes omkostningsdrivere analyseres for hver af de tre omkostningskategorier
•
•
•
•
•
I delanalyse 2 (kapitel 3) analyseres de tre omkostningsdrivere, dvs. i) identifikation af primære omkostningsdrivere, ii) hvilken effekt disse omkostningsdrivere har
og iii) hvordan omkostningsdriverne evt. relaterer til hinanden, herunder særligt ift. institutionsstørrelse og geografi
En bruttoliste af forventeligt relevante drivere af omkostninger indenfor løn, bygninger og øvrig drift er udarbejdet i tre kausalmodeller. Kausalmodellerne viser,
hvordan omkostninger og omkostningsdrivere er relateret. Pba. dataanalyser (deskriptive analyser af data), regressionsanalyser, institutionsbesøg og teoretiske
forventninger er et antal af omkostningsdriverne udvalgt til nærmere analyse. Kausalmodellerne præsenteres på de følgende sider
Først præsenteres analysen af omkostningsdrivere for lønomkostninger, dernæst ift. bygningsomkostninger, og endeligt ift. øvrig drift
Analyserne anvender metode- og datatriangulering, dvs. begrunder konklusioner med såvel dataanalyser (deskriptive analyser af data), regressionsanalyser og
institutionsbesøg og input fra BUVM og eksperter fra institutionerne
Nedenfor præsenteres kort, hvad analysen fokuserer på indenfor hver af de tre omkostningskategorier
Analytisk fokus
•
Analyse af løn-
omkostninger
(s. 23-30)
•
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. 31-36)
•
Bygningsomkostninger udgør en forholdsmæssig lille del af
institutionernes omkostninger men varierer betydeligt på
tværs af institutioner
•
Analyse af øvrige
drifts-
omkostninger
(s. 37-39)
•
Omkostninger til øvrig drift varierer meget på tværs af
institutionstyper, men større institutioner har
gennemgående lavere omkostninger til øvrig drift end
mindre institutioner
STRUENSEE & CO.
22
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0023.png
Indholdsfortegnelse
1
2
3
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
23
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0024.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Syv primære drivere af lønomkostninger til undervisning udvælges pba. en kausalmodel og
bruttoliste over mulige drivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til undervisning. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt syv omkostningsdrivere af lønomkostninger til nærmere analyse. De udvalgte drivere er markeret med
grønt i kausalmodellen og dækker: i) andel undervisningstid, ii) holdstørrelse, iii) antal årselever, iv) antal lokationer, v) antal uddannelser, vi) geograf og vii)
socioøkonomi
Et overblik over resultaterne for disse syv primære omkostningsdrivere præsenteres på de følgende sider
Omkostningsdrivere
Anciennitet
Overarbejde
Løntrin
Andel vikar-ÅV
Tillæg
Gennemsnitlig
månedsløn
Løn per lærer
Omkostningskomponenter
Geografi
Antal lokationer
Anciennitet
Antal års-
elever
Antal uddannelser
Undervisningsandel
Lønomkostninger
til undervisning per
elev
Antal årselever per
underviser
Antal uddannelser
Antal lokationer
Min.-størrelse for
hold
Antal hold
Socioøkonomi
Geografi
Demografisk
udvikling
Politiske
reformer
Antal
optagede
Antal års-
elever
Frafalds pct.
Holdstørrelse
Søge-mønstre
Kilde: Teamanalyse; interviews; institutionsbesøg.
STRUENSEE & CO.
24
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0025.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Forskelle i lønomkostninger til undervisning per årselev skyldes særligt
forskelle i antal årselever per underviser
•
•
Nedenstående grafer viser, at lønomkostningerne til undervisning per årselev varierer med op til 58 pct. Denne variation består af variationen i gennemsnitlige
lønomkostninger per underviser samt antal årselever per underviser. Endvidere fremgår det, at antal årselever per underviser har en betydelig variation. Det samme
gælder for de gennemsnitlige lønomkostninger per underviser. Nedenstående indikerer således, at antal årselever per underviser samt lærerlønninger begge udgør
de væsentligste drivere til at forklare variationen i lønomkostninger per elev om end med begrænset systematik
I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste side præsenteres disse
omkostningsdrivere og deres effekter. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen på forrige side
Lønomkostninger per årselev og de to løn-omkostningskomponenter for landbrugsskolerne, fordelt på institutioner (2018)
1,2
Lønomkostninger til undervisning
per årselev (tusinde kr.)
119
Gennemsnitlige lønomkostninger
per underviser (tusinde kr.)
759
Antal årselever per underviser
6
108
771
7
1.103
77
601
-58%
48
414
14
68
9
9
550
47
12
46
472
10
Ø 73
Ø 667
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.
2) En enkelt landbrugsskole betragtes som outlier pga. den høje gennemsnitlige lønomkostning. Det skyldes formentligt, at antallet af undervisere er underapporteret.
Kilde: Analysens datamodel
STRUENSEE & CO.
25
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0026.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Lønomkostninger per årselev hos landbrugsskolerne er især drevet af antal
årselever og andel undervisningstid
= uddybes på følgende sider
•
•
•
Nedenfor ses en opgørelse over de primære drivere af lønomkostninger per årselev for landbrugsskolerne. 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) og institutionsbesøg. Grundet få institutioner i analysen bør begge indikatorer anskues samlet, 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. Det har ikke været muligt at gennemføre
regresionsanalyser. Det skyldes primært det lave antal observationer
Analyserne indikerer samlet set, at særligt at andel undervisningstid og antal årselever er betydende omkostningsdrivere for lønomkostninger per årselev, hvilket uddybes på de
følgende sider
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Indikationer på effekt af omkostningsdriveren
Omkostningsdrivere
Andel undervisnings-
tid
(s. 27)
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
•
Institutionsbesøg indikerer, at en høj andel undervisningstid reducerer løn til undervisning per årselev. Dataanalysen
antyder en svag sammenhæng mellem andel undervisningstid og lønomkostninger til undervisning per årselev, så
disse falder når undervisningsandelen stiger
Antal årselev per underviser
Holdstørrelse
─
•
Institutionerne understreger betydningen af holdstørrelser for lønomkostningerne per årselev og fokuserer i
udpræget grad på holdstørrelser i deres styring. Der er kun rapporteret holdstørrelser for tre landbrugsskoler, hvorfor
dataanalysen ikke er gennemført.
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Flere årselever driver lavere lønomkostninger per årselev til både uddannelse og administration og ledelse. Det
indikeres af både dataanalyse og institutionsbesøg
•
Der er ingen indikationer på, at antallet lokationer driver lønomkostninger per årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
De er ikke umiddelbart indikationer på, at antal uddannelser driver lønomkostninger per årselev, hvilket skal ses ift.
landbrugsskolernes monofaglige sammensætning og dermed det begrænsede antal uddannelser
•
Institutionsbesøgene bemærker dog, at eventuelle forskelle i specialiseringer på hovedforløbene påvirker
stordriftseffekten på lønomkostningssiden, da det ikke er muligt at samlæse på tværs af specialiseringer
•
Der er en ingen indikation på, at socioøkonomisk reference (målt på frafald) har en betydning for lønomkostninger til
undervisning samt administration og ledelse ved hverken dataanalyser eller institutionsbesøg
•
Analyserne har ikke identificeret systematiske forskelle på institutioner i hhv. by- og landkommuner ift.
lønomkostninger
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Antal årselever
(s. 27-28;s. 30)
Antal lokationer
─
─
─
─
─
Antal uddannelser
(─)
─
─
Socioøkonomi
Begge
omk.
komp.
Geografi
(by/land-kommune)
Note: 1) Er ikke beregnet pga. det lave antal af observationer (7 landbrugsskoler); 2) Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
26
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0027.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen indikerer, at en større andel undervisningstid reducerer omkostninger til undervisning
per årselev. Det er til dels nemmere for større institutioner
Antal årselever
Andel undervisningstid
•
•
•
•
•
•
Nedenstående grafer illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årselev
Figuren til venstre
indikerer, at lønomkostninger til undervisning per årselev er svagt faldende ved en højere andel undervisningstid. Det er dog ikke muligt at lave
en mere uddybende kvantitativ analyse, hvilket primært skyldes det lave antal af observationer (syv landbrugsskoler)
Analysen indikerer således, at institutioner, der bruger mere tid på undervisning, alt andet lige, har lavere lønomkostninger til undervisning per årselev
Styring af undervisningstid foregår naturligt i sammenhæng med styring på holdstørrelse. Fx forsøger institutionerne at tage højde for frafald, time-fag fordeling,
kapacitetsudnyttelse af lærerressourcer, herunder ved skemaplanlægning, mv.
–
alle sammen tiltag, der i sidste ende kan bevare høje andele tid anvendt på
undervisning. Det bemærkes dog, at der ikke er nok observationer for landbrugsskoler til at undersøge sammenhængen med netop holdstørrelse
Figuren til højre
viser undervisningsandele og årselever. Den indikerer ikke nogen umiddelbar sammenhæng mellem årselever og undervisningstid
Sammenfattende ses en svag tendens til at en højere andel undervisningstid reducerer omkostninger til undervisning per årselev
Andel undervisningstid ift. lønomkostninger per årselev (2017)
1
Omkostninger til undervisning per årselev
110.000
100.000
90.000
80.000
70.000
60.000
50.000
40.000
30.000
30
33
36
39
42
45
48
51
54
Andel undervisningstid
Note: 1) 2017 data er anvendt for andel undervisningstid, da data for 2018 ikke er tilgængeligt.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
Andel undervisningstid fordelt efter institutionsstørrelse (2017)
1
Årselever
250
200
150
100
50
0
30
33
36
39
42
45
48
51
54
Andel undervisningstid
27
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0028.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen viser at lønomkostninger til undervisning per årselev er højere for små
institutioner
Antal årselever
•
•
•
•
Interviews og analyse af registerdata viser, at lønomkostninger til undervisning per årselev er lavere målt for større institutioner (ift. antal årselever).
Sammenhængen er illustreret i nedenstående graf hvor også den enkelte institution er angivet
Figuren nedenfor viser, at lønomkostninger per årselev er større for mindre institutioner sammenlignet med større institutioner. Dermed har de to mindste
landbrugsskoler begge ca. 65 årselever og lønomkostninger per årselev på i gennemsnit ca. 90.000 kr. For de fire største er der tilsvarende i gennemsnit 200
årselever og lønomkostninger per årselev på ca. 65.000 kr.
Institutionsbesøgene indikerer, at faldende marginalomkostninger i betydelig grad skyldes forbedrede muligheder hos større institutioner for optimering af
holdstørrelser og lærernes undervisningsandele. Faldende marginalomkostninger er ikke alene drevet af antal årselever, om end antallet af årselever har betydning
for muligheden for netop at realisere faldende marginalomkostninger.
Sammenfattende indikerer nedenstående figur, at lønomkostninger til undervisning per årselev er større for mindre institutioner. Det skal dog igen bemærkes, at der
må tages forbehold for sammenhængen som følge af det lave antal af observationer (syv landbrugsskoler)
lønomkostninger til undervisning per årselev fordelt på institutionsstørrelse (2018)
1,2
Omkostninger til undervisning per årselev
110.000
100.000
90.000
80.000
70.000
60.000
50.000
40.000
30.000
50
75
100
125
150
Årselever
Note: 1) Analysen er ligeledes foretaget for institutions-år fra 2011-2017, med overordnet samme tendens som resultat; 2) En enkelt landbrugsskole er udeladt, da denne betragtes som outlier ift. den relative
fordeling mellem løn til undervisning og løn til ledelse og administration
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
28
175
200
225
250
275
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0029.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
29
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0030.png
3.2. OMKOSTNINGSDRIVERE - LØNOMKOSTNINGER
Analysen finder ikke en sammenhæng mellem lønomkostninger til administration og
ledelse per årselev og institutionsstørrelse
Antal årselever
•
•
•
•
Nedenstående figur viser omkostninger til ledelse og administration per årselev sammenholdt med antallet af årselever for landbrugsskolerne
Som følge af observationernes spredning i grafen, synes dataanalysen ikke at indikere en sammenhæng mellem lønomkostninger til administration og ledelse per
årselev og institutionsstørrelse, om end institutionsbesøgene synes at indikerer, at omkostninger til ledelse og administration per årselev er større ved mindre
institutioner. Den uklare sammenhæng skyldes højst sandsynligt analysens få observationer (syv landbrugsskoler)
Sammenlignet med øvrige arketyper er landbrugsskolerne relativt små (ift. antallet af årselever). Ergo kan den marginale betragtning omkring en forøgelse af antallet
af årselever ikke gennemføres. Det er understøttet af analyserne af de øvrige arketyper, hvor grænseværdier på over 1.000 typisk observeres
Givet antallet af observationer er det ikke muligt at lave en dybere kvantitativ analyse, hvorfor der på baggrund af nedenstående må konkluderes ikke at være en klar
sammenhæng mellem omkostninger til ledelse og administration per årselev og institutionsstørrelse
Lønomkostninger til administration og ledelse per årselev på tværs af institutionsstørrelse (2018)
1,2
Omkostninger til ledelse og administration per årselev
30.000
25.000
20.000
15.000
10.000
60
70
80
90
100
110
120
130
140
150
160
Årselever
Note: 1) En enkelt landbrugsskole er ikke indeholdt i figuren, da den betragtes som outlier med ca. 30.000 kr. i alt til administration og ledelse i 2018. 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.
30
170
180
190
200
210
220
230
240
250
260
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0031.png
Indholdsfortegnelse
1
2
3
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
31
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0032.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.
32
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0033.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Bygningsomkostninger per årselev varierer med 82 pct., hvilket skyldes
store variationer i kvadratmeterpriser samt antal kvadratmeter per årselev
•
Samlet set indikerer nedenstående grafer, at forskelle i bygningsomkostninger både kan tilskrives kvadratmeterpriser og antal kvadratmeter per årselev, da begge
omkostningskomponenter er kendetegnet ved store variationer. Af opgørelsen fremgår en betydelig variation i bygningsomkostninger på 82 pct.
1
, som skyldes
markante variationer i kvadratmeterpriser samt antal kvadratmeter per årselev. Størrelserne af variationen i de to omkostningskomponenter indikerer, at begge
omkostningskomponenter er primære drivere af variationen i bygningsomkostninger per årselev. Det bemærkes, at variationen er mindre end for andre arketyper
Graferne viser desuden en begrænset systematik i omkostningskomponenterne ift. de totale bygningsomkostninger per årselev, dvs. der er store udsving på tværs af
institutionerne, og disse udsving er ikke rangeret ift. tendensen på de totale bygningsomkostninger. Det indikerer, at bygningsomkostningerne er kendetegnet ved en
række institutionsspecifikke og geografiske forhold, herunder fx strategiske valg, som ikke er indeholdt på denne side. Hertil ses der
På følgende sider fokuseres på de omkostningsdrivere, der virker gennem de to omkostningskomponenter. Driverne præsenteres på næste side
•
•
Bygningsomkostninger per årselev fordelt på bygningsomkostninger per m2 samt antal m2 per årselever (2017)
1,2,3
Bygningsomkostninger per
årselev (2017, tusinde kr.)
34
Bygningsomkostninger per kvm
(2017, kr.)
375
Antal kvm per årselev (2017)
92
34
510
66
30
322
93
19
-82%
111
172
19
358
53
17
194
89
6
151
40
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 bill ede ændres dog ikke af at opgøre omkostninger inkl. kostafdelinger. 3) Bygningsomkostningerne pr. årselev er opgjort som gns. af institutioner, hvorfor
opgørelsen afviger fra bygningsomkostninger pr. kvm. multipliceret med kvadratmeter pr. årselev. Kilde: Analysens datamodel; Institutionsbesøg
Ø 23
Ø 289
Ø 86
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
2195748_0034.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
= uddybes på følgende sider
•
•
•
Nedenfor ses en opgørelse over de primære drivere af bygningsomkostninger per årselev for landbrugsskolerne. De fem primære omkostningsdrivere er udvalgt pba. indledende
screeninger af bruttolisten af mulige drivere, jf. kausalmodellen på den tidligere side
Opgørelsen præsenterer en samlet vurdering og beskrivelse af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data) og institutionsbesøg. Grundet få institutioner i analysen bør begge indikatorer anskues samlet, 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. Det har ikke været muligt at gennemføre
regresionsanalyser. Det skyldes primært det lave antal observationer
Analyserne indikerer samlet set, at antal årselever er betydende omkostningsdriver for bygningsomkostninger per årselev, hvilket uddybes på de følgende sider
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Omkostningsdrivere
Indikationer på effekt af omkostningsdriveren
Dataanalyser
2
Institutionsbesøg
Regressioner
1
Beskrivelse af effekter
Geografi
(by/land-kommune)
─
─
•
Hverken dataanalyser og institutionsbesøg indikerer, at geografi har en effekt på bygningsomkostninger per
årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Institutionsbesøgene indikerer, at lejede kvm typisk er dyrere end ejede kvm
Kvm.
priser
Andel lejede kvm
─
─
─
•
Dataanalyser og regressioner har dog ikke identificeret en effekt af andelen af lejede kvm på bygningsomkostninger
per årselev, hvilket dog kan skyldes lav variation og få observationer
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Antal kvadratmeter per årselev
Andel undervisnings
kvm
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at andelen af
undervisningskvadratmeter har en effekt på bygningsomkostninger per årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Flere årselever tenderer til at drive lavere bygningsomkostninger per årselev
Antal årselever
(s. 35-36)
•
Denne sammenhæng dækker dog over modsatrettede effekter, hvor store institutioner har højere
bygningsomkostninger per kvadratmeter, men samtidig har færre kvadratmeter per årselev, hvor sidstnævnte effekt
umiddelbart er mest fremtrædende
•
Hverken dataanalyser og institutionsbesøg indikerer, at antal lokationer har en effekt på bygningsomkostninger per
årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Antal lokationer
─
─
Note: 1) Er ikke beregnet pga. det lave antal af observationer (7 landbrugsskoler); 2) Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
34
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0035.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
Der er indikation på stordriftsfordele på bygningsomkostninger…
Antal årselever
•
•
•
Nedenfor ses en opgørelse over sammenhængen mellem omkostninger til bygningsdrift og institutionsstørrelse. Opgørelsen har til formål at belyse eventuelle
stordriftsfordele på bygninger
Opgørelsen viser tegn på, at der er sammenhæng mellem omkostninger til bygningsdrift og antallet af årselever. Således indikerer nedenstående, at større
institutioner har færre omkostninger til bygningsdrift per årselev, om end det ikke kan entydigt konkluderes pga. det lave antal af observationer (syv landbrugsskoler)
Næste side undersøger stordriftsfordelene nærmere ift. årsagerne hertil. Dog bemærkes det, at bygningsomkostninger som oftest afhænger institutionsspecifikke
forhold. Institutionsbesøgende understøtter, at en række forhold med stor betydning for institutionernes bygningsomkostninger, er institutionsspecifikke og ikke kan
tilskrives strukturelle forholde i systematiske omkostningsdrivere. Fx økonomien og bygningsmassen ved overdragelse fra selveje, valgte låneforhold, det konkrete
ejendomsmarked i nærområdet, mv.
Gennemsnitlige omkostninger til bygningsdrift per årselev på tværs af institutionsstørrelse (2011-2017)
1
Bygningomkostninger per årselev (tusinde kr.)
45
40
35
30
25
20
15
10
5
75
100
125
150
Årselever
175
200
225
250
Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt. 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
2195748_0036.png
3.3. OMKOSTNINGSDRIVERE - BYGNINGSOMKOSTNINGER
… hvilket skyldes, at større institutioner har flere årselever og færre omkostninger per
kvadratmeter
Antal årselever
•
•
•
Graferne viser sammenhængen mellem institutionsstørrelse og kvadratmeter per årselev samt bygningsomkostninger per kvadratmeter
Opgørelsen viser en sammenhæng mellem antallet af kvadratmeter per årselev og institutionsstørrelse, hvor større institutioner tenderer til at have færre
kvadratmeter per elev (højre
graf),
samtidig med at større institutioner tenderer til at have lavere bygningsomkostninger per kvadratmeter (venstre
graf)
Således fremgår det af nedenstående, at store institutioner både har færre kvadratmeter per elev og færre bygningsomkostninger per kvadratmeter. De to
omkostningskomponenter vurderes således at drive stordriftsfordelene belyst på forrige side
Gennemsnitlige bygningsomkostninger per kvm på tværs af
institutionsstørrelse (2011-2017)
1
Bygningsomkostninger per kvm
800
Gennemsnitlige kvm. per årselev på tværs af
institutionsstørrelse (2011-2017)
Kvm per årselev
14
12
600
10
400
8
6
200
4
0
75
100
125
150
175
200
225
250
Årselever
2
75
100
125
150
175
200
225
250
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. 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
2195748_0037.png
Indholdsfortegnelse
1
2
3
Introduktion
Ungdomsuddannelsernes 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
2195748_0038.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der identificeres en svag tendens til, at større institutioner har lavere omkostninger til øvrig drift
per årselev
•
•
Af nedenstående graf fremgår det, at omkostninger til øvrig drift er svagt faldende med stigende institutionsstørrelse, hvilket indikerer, at større institutioner
gennemsnitligt har lavere omkostninger til øvrig drift per årselev end mindre institutioner, om end det ikke kan entydigt konkluderes pga. det lave antal af
observationer (syv landbrugsskoler)
Der er dog stor spredning i øvrig driftsomkostninger per årselev på tværs af institutionsstørrelse, hvilket indikerer at omkostningsstrukturer i høj grad er drevet af
andre faktorer ud over institutionsstørrelse, eksempelvis uddannelsesstrukturen på de enkelte institutioner
Omkostninger til øvrig drift per årselev på tværs af institutionsstørrelse (2011-2017)
1
Øvrig drift per årselev, kr.
100.000
Drivere af øvrige driftsomkostninger
•
95.000
90.000
85.000
80.000
75.000
70.000
65.000
60.000
55.000
50.000
45.000
40.000
35.000
0
100
Antal årselever
200
300
•
Omkostningsdriverne af øvrige driftsomkostninger
per årselev er primært antallet af årselever og
antallet af medarbejdere (hvilket igen er drevet af
antal årselever). Det følger af, at øvrige
driftsomkostninger i høj grad er aktivitetsafhængige,
da de omfatter fx undervisningsmateriale,
landbrugsartikler, inventar og kontorartikler,
opkvalificering af medarbejdere, markedsføring mv..
Hertil indkøbes nogle læreressourcer, fx ift. lokale
landmænd, hvilket kan påvirke fordelingen af øvrige
driftsomkostninger mellem landbrugsskolerne
Dog er nogle af omkostningerne i mindre grad
aktivitetsafhængige, ville kunne indikerer, at
institutionsstørrelse har en betydning (om end grafen
til venstre ikke afspejler en sammenhæng). Dette er
fremhævet på institutionsbesøg, hvor institutionerne
indikerer, at større institutioner generelt set har bedre
muligheder for at sænke øvrige driftsomkostninger
per årselev sfa. en række tiltag. Her nævnes bl.a.
øget fokus på automatiseringer og
sammenlægninger. Dette kan imidlertid ikke
understøttes af dataanalysen
Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt; 2) En enkelt landbrugsskole betragtes som outlier. Det kan skyldes forskelle i
konteringspraksis, herunder ift. lønomkostninger til administration og ledelse samt uddannelse, som tidligere bemærket.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
38
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0039.png
3.4. OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Der er stor forskel på institutionernes sammensætning af øvrige driftsomkostninger
•
Nedenstående figur viser en oversigt over øvrige driftsomkostninger per årselev på tværs af de 7 landbrugsskoler. 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 ca. 70 pct. mellem institutioner ift. omkostninger til øvrig drift per årselev, som jf. forrige side bl.a. korrelerer med antal årselever.
Således har mindre institutioner højere 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 9 pct. til 54 pct.
på tværs af institutionerne
•
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
Afskrivninger
Øvrige driftsomkostninger
Omkostninger (tusinde kr.)
120
110
100
90
80
70
60
50
40
30
20
10
0
38%
34%
9%
21%
23%
13%
13%
67%
34%
14%
10%
13%
21%
31%
46
45
40%
61%
63%
5%
43
43
37
14%
Ø 60
18%
37%
-67%
110
11%
93
54%
4%
24%
Note: 1) Opgørelsen er kontrolleret for kostafdelinger (skolehjem), således at omkostninger hertil ikke er indeholdt.
Kilde: Analysens datamodel
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
2195748_0040.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
40
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0041.png
4. INSTITUTIONERNES TILPASNINGSEVNE
Analysen identificerer en række forhold, der påvirker landbrugsskolernes 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. 44-45)
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 landbrugsskoler, der har faldende indtægter et givent år, oplever i
gennemsnit et indtægtsfald på ca. 8 pct. pr. år ift. det foregående år i
perioden 2012-2018
Størrelsen på de gennemsnitlige indtægtsfald har været faldende frem
mod 2016, for herefter at stige i 2017 og 2018. Indtægtsfaldet var i
gennemsnit hhv. 10 pct. og 12 pct. i 2017 og 2018. Andelen af
landbrugsskoler, som oplever et indtægtsfaldet varierer over perioden
og er i gennemsnit omkring 60 pct. (svarende til 4 landbrugsskoler hvert
år)
4.3
Tilpasningsevne (s. 46-54)
Faste omkostninger og omkostninger med lang bindingstid svækker
tilpasningsevnen
•
Jo færre omkostninger, som ikke giver praktisk mening at justere ved fald
i elevtallet (fordi de er faste, ikke-aktivitetsafhængige omkostninger, fx
visse administrative opgaver), og som har lange bindingstider (fx pga.
opsigelsesvarsler), jo nemmere er det for institutionerne at tilpasse
økonomien
Analysen peger på, at ca. 40 pct. af landbrugsskolernes omkostninger har
høj grad af aktivitetsafhængighed. Ligeledes viser beregninger, at ca. 89
pct. af omkostningerne skønnes at have en bindingsperiode på mindre
end 10 mdr. Det skyldes, at undervisningslønomkostningerne udgør en
stor del af de samlede omkostninger, og at de typisk har en relativt kort
bindingsperiode. En sådan tilpasning vil dog have konsekvenser for
undervisningens gennemførsel, hvorfor tallet ikke nødvendigvis er udtryk
for et fagligt bæredygtigt tilpasningsrum ved faldende indtægter
•
•
•
4.4
Tilpasningsudfordringer (s. 55-56)
Analysen viser, at de landbrugsskoler, der har det størst tilpasningsbehov og den laveste tilpasningsevne, er kendetegnet ved:
•
•
Flere årselever:
De udfordrede landbrugsskoler har generelt flere
årselever end de landbrugsskoler, som bedre kan tilpasse sig
Det skyldes, at større landbrugsskoler generelt har sværere ved at
tilpasse økonomien ved ændringer i indtægterne på kort sigt, hvilket
bl.a. kan skyldes ancienniteten blandt lærerstaben. Det understøttes af,
at mindre landbrugsskoler i perioden 2012-2018 oplever større variation
i indtægter end større landbrugsskoler, hvilket har formet deres
tilpasningsevne
•
Høj bindingstid:
De udfordrede landbrugsskoler har typisk en højere
bindingstid på bøde lønomkostninger og øvrige driftsomkostninger,
hvilket skal ses ift. en generel lav bindingstid for lønomkostninger
blandt landbrugsskoler. Hertil varierer landbrugsskolerne ift. hvor stor
en del af de øvrige driftsomkostninger, som kan tilpasses på kort sigt,
det gælder fx øvrige tjenesteydelser, som har en længere
bindingsperiode
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
2195748_0042.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
42
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0043.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
43
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
2195748_0044.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
44
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0045.png
4.2. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSBEHOV
Når landbrugsskolerne oplever et fald i indtægter, er det gennemsnitligt af en betydelig
størrelse, hvilket skaber et tilpasningsbehov på institutionerne
•
Grafen nedenfor illustrerer omfanget af indtægtsfald, som landbrugsskolerne oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt en institution oplever et fald i
indtægter, så vil det fald gennemsnitligt være på mellem ca. 8 procent ift. året før. Fx oplever institutioner med et indtægtsfald i 2012 gennemsnitligt et fald på 10 pct.
ift. året før (2011), i 2014 et gennemsnitligt fald på 8 pct. ift. 2013 osv. Grafen tolkes altså som den gennemsnitlige marginale ændring i indtægter fra et år til det
næste for de institutioner, som netop det år har oplevet et indtægtsfald
1
. I gennemsnit oplever ca. 60 pct. af landbrugsskolerne et indtægtsfald i et givet år i perioden
Betydelige årlige ændringer i de samlede indtægter skaber et behov for at tilpasse omkostningerne til den nye situation. Størrelsesordenen af grafen (dvs. op til 12
pct. og et gennemsnit på 8 pct.) indikerer, at institutionerne jævnligt oplever tilpasningsbehov, der kræver en ikke ubetydelig reduktion af omkostninger
Givet dette tilpasningsbehov fokuserer den følgende analyse på, hvilken tilpasningsevne institutionerne har, og endeligt i analysens sidste del, hvordan de
identificerede behov og evner matcher
•
•
Gennemsnitlig fald i indtægter ift. året før (pct.)
1
Gennemsnitlig pct.
fald ift. året før
12
10
8
6
4
2
0
10,4
8,5
7,5
3,1
11,6
9,9
Ændringer fra år til år:
•
De fleste landbrugsskoler oplever ændringer i
elevtallet hvert år, i opad- eller nedadgående
retning, hvilket påvirker deres indtægter. Det
skyldes, at taxametersystemet er overvejende
aktivitetsafhængigt
De institutioner, der har faldende indtægter et
givent år, oplever i gennemsnit et indtægtsfald
på ca. 8 pct., om end med udsving på tværs
af årene. Således er der ikke noget
indtægtsfald på tværs af landbrugsskolerne i
2013
Der er stor forskel på de driftsmæssige og
organisatoriske udfordringer, som hhv. en
stigning og et fald i indtægterne medfører,
derfor fokuserer grafen til venstre på
institutioner, der i de givne år har haft fald i
indtægter
Årsager til indtægtsændringer
Indsigter fra institutionsbesøg:
Interview med institutionerne
peger på 4 hovedårsager til indtægtsændringer:
•
Demografiske ændringer:
Den demografiske udvikling
driver tendenser på lang sigt, fx reduceret elevgrundlag
grundet faldende ungdomsårgange, hvilket bl.a. resulterer i
øget fokus på rekruttering. Udviklingen er som regel til at
forudsige, når der ses på tidligere år og den forventede
udvikling i størrelsen af den relevante aldersgruppe i området
Ændrede søgemønstre:
De unges søgemønstre ændres på
både kort og langt sigt. På længere sigt er der en
urbaniseringstendens, hvor de unge i stigende grad søger
mod institutioner i de større byer. Det kan forklare det
faldende antal årselever ved landbrugsskolerne siden 2011
Politiske reformer mv.:
Institutionerne oplever, at politiske
reformer kan give ‘eksterne chok’ til elevtallet på kort sigt.
Det skyldes fx ændrede incitamenter, optagelseskrav, mv.,
som påvirker elevtallet
Ændrede takster mv.:
Institutionerne oplever
indtægtsændringer, når taxametersystemet ændres, som
derigennem påvirker indtægter per årselev
8,5
•
Indtægts-
fald (pct.)
•
Antal
med
indtægts-
fald
Andel
med
indtægts-
fald
6
4
2
0
80
60
40
20
0
5
4
5
3
5
4
•
4
•
71
57
71
43
71
•
57
62
2012 2014 2015 2016 2017 2018
Note: 1) Grafen er baseret på landbrugsskoler, som oplever et indtægtsfald. Der er intet indtægtsfald i 2013. Indtægterne kommer fra tilskud (72 pct.), deltagerbetaling (5 pct.) og øvrige indtægtskilder (24
pct.) i 2018. Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
45
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0046.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
46
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0047.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
Op til 89 pct. af landbrugsskolernes omkostninger kan principielt justeres inden for 10 måneder,
og 43 pct. af omkostningerne har høj aktivitetsafhængighed
•
•
Nedenfor ses en oversigt over landbrugsskolernes samlede omkostninger fordelt på (1) aktivitetsafhængighed og (2) bindingstider
Som det fremgår af opgørelsen, estimeres ca. 60 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, og ca. 89 pct. af omkostningerne skønnes at
kunne tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne
2
Oversigten indikerer, at landbrugsskolerne på forholdsvis kort tid kan tilpasse en betydelig andel af deres omkostninger. Denne økonomiske fleksibilitet er ikke
nødvendigvis udtryk for faglig fleksibilitet, da justeringer af særligt lønomkostninger kan have betydning for undervisningens gennemførsel på institutionerne
På de følgende sider uddybes omkostningskomponenterne der ligger til grund for nedenstående fordeling af totale omkostninger. I tillæg hertil undersøges forskelle i
bindingsperioder mellem institutionerne. Endeligt kobles bindingsperioderne med det identificerede tilpasningsbehov, som beskrevet på de forrige sider
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
1
Høj
Middel
Lav
Bindingstid på omkostninger
2
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
•
•
43%
45%
11%
41%
47%
6% 5%
•
•
Ca. 43 pct. af
landbrugsskolerne
samlede omkostninger
skønnes at have høj grad
af aktivitetsafhængighed,
baseret på interviews
med institutionerne
Det skyldes især løn til
undervisere, som udgør
ca. 32 pct. af de totale
omkostninger, og
vurderes at have høj
aktivitetsafhængighed
•
De 45 pct. af
omkostningerne vurderet
at have en middel
aktivitetsafhængighed
udgøres af en blanding af
lønomkostninger til
administration, ledelse og
service (~21 pct. af total
omkostninger), bygninger
(~4 pct. af total
omkostninger) og øvrig
drift (~20 pct. af total
omkostninger), jf.
følgende sider
•
•
De resterende 11
pct. vurderet at have
lav aktivitets-
afhængighed
udgøres primært af
bygningsomkostning
er (~9 pct. af total
omkostninger) og en
mindre del øvrige
driftsomkostninger
(~2 pct. af total
omkostninger)
De følgende sider
uddyber disse
resultater
•
•
Det skønnes, at ca. 89 pct. af landbrugsskolernes samlede
omkostninger har en bindingstid på 0-10 mdr., hvilket især er
drevet af bindingstiden på løn. Heraf ses, at ~42 pct. af
omkostningerne har en bindingstid under ca. 3 måneder
2
, og
består primært af lønomkostninger (16 pct. af total
omkostninger) og øvrige driftsomkostninger (24 pct. af total
omkostninger)
De 47 pct. af omkostningerne med en bindingstid på 4-10
måneder består primært af lønomkostninger med 36 pct. af
de totale omkostninger samt øvrige driftsomkostninger med
8 pct. af de totale omkostninger
•
De resterende
omkostninger med
længere
bindingsperioder
består særligt af
bygningsomkostning
er samt nogle former
for øvrige
driftsomkostninger
Note: 1) Opgjort på baggrund af interviews med landbrugsskoler 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 en landbrugsskole. 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.
47
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0048.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
Ca. 30 pct. af lønomkostninger kan principielt justeres inden for ca. 3 måneder for undervisere og
øvrigt personale. Det gælder for ca. 60 pct. af lønomkostninger til administration og ledelse
•
•
•
Nedenfor illustreres landbrugsskolernes muligheder for at tilpasse lønomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at løn til undervisere i høj grad er aktivitetsafhængigt og har forholdsvis lav bindingstid med 31 pct. indenfor ca. 3 mdr. og 69 pct. ved 4-10 mdr.
Løn til administration og ledelse er mindre aktivitetsafhængig da en række administrative og ledelsesopgaver skal varetages uagtet antallet af årselever. Løn til
administration og ledelse har dog noget mindre bindingstid, da ca. 60 pct. kan justeres inden for ca. 3 måneder. Det samme gælder for øvrige lønomkostninger, som
til dels er aktivitetsafhængige, fx ift. kantinedrift og rengøring, og hvor fordelingen ligner lønomkostninger til undervisning
Aktivitetsafhængigheden tilsiger derfor, at det mest oplagt at tilpasse antallet af undervisere på kort sigt ved aktivitetsændring, mens tilpasning af administration og
ledelse samt øvrige lønomkostninger i mindre grad er aktivitetsafhængige, og derfor justeres over en længere periode og ved større aktivitetsændringer
sammenlignet med lønomkostninger til undervisning. Dog bemærkes den lave bindingstid for administrativt personale, som således også justeres på kort sigt
0-3 mdr.
4-10 mdr.
•
Omkostnings- Aktivitets-
Bindingstid
kategorier
afhængighed omkostninger Observationer
•
69%
Høj
•
31%
•
•
Aktivitetsafhængighed:
Skift i elevtallet forudsætter tilpasning af antallet af undervisere, hvis lærer/elev ratioen skal fastholdes. Lønomkostningerne
til undervisning er derfor aktivitetsafhængige, dog med faldende marginalomkostninger, fx grundet bedre mulighed for optimeret planlægning, større
hold mv. i større institutioner. Aktivitetsafhængighed indebærer, at lønomkostninger til undervisning er en af de løftestænger institutionerne kan
bruge i tilfælde af skiftende elevtal. Dog i mindre grad for mindre institutioner da den trinvise tilpasning her er højere
Bindingstid:
Efter lærernes overenskomst gælder det, at ansatte kan have op til 6 måneders opsigelse og 3 måneders fratrædelsesgodtgørelse (se
uddybelse på forrige side). Dertil kommer en høringsperiode på ca. 14 til 30 dage. Baseret på anciennitetsfordelingen skønnes ca. 31 pct. af
lønomkostningerne at være knyttet til undervisere med krav på 0-3 mdr.
1
varsel, mens de resterende 79 pct. er forbundet med krav på 4-10 mdr.
opsigelsesvarsel, jf. den beskrevne opgørelse på næste side
Tilpasningsevne:
Kombinationen af, at landbrugsskolernes lønomkostninger til undervisning er aktivitetsafhængige og har begrænset bindingstid,
indebærer, at tilpasningsevnen generelt er høj på denne del af omkostningsbasen
Aktivitetsafhængighed:
Fald i elevtallet frigør kun i begrænset omfang administrative og ledelsesmæssige ressourcer, da en række opgaver er
uafhængige af elevtal (fx løn- og regnskabsadministration). Faldende elevtal kan ifølge institutionerne have en vis effekt på omfanget af
elevadministration, studievejledning mv. Derfor vurderes løn til administration og ledelse at have en middel aktivitetsafhængighed
Bindingstid:
Ledere og størstedelen af de administrative medarbejdere har samme opsigelsesvarsler som underviserne, mens en mindre del af
administrationsmedarbejderne er ansat på mere midlertidige vilkår. Der er derfor generelt lave bindingsperioder på ledelse og administration, jf.
følgende sider
Tilpasningsevne:
Kombinationen af, at landbrugsskolernes lønomkostninger til administration har begrænset aktivitetsafhængighed og lav
bindingstid, indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen. Især elevadministrative opgaver og
støttefunktioner (fx studievejledning mv.) vil ifølge institutionerne kunne justeres ved ændrede elevtal over en 2-3-årig periode
Administration og
ledelse
Undervisning
43%
Middel
57%
Løn
•
•
•
Øvrige
Middel
70%
•
•
30%
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 landbrugsskolernes øvrige lønomkostninger har begrænset aktivitetsafhængighed og lav bindingstid,
indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Note: 1) Det bemærkes, at opsigelsesvarslet på for de fleste medarbejdere er 3-6 mdr. Det bemærkes ligeledes at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i
ovenstående beregninger. Kilde: Anciennitetsdata fra ISOLA, analysens datamodel.
STRUENSEE & CO.
48
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0049.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
Justerbarheden af lønomkostninger til undervisning afhænger af
lærerstabens anciennitetsfordeling…
•
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på landbrugsskolernes lønomkostninger til undervisning. Opgørelsen er beregnet ud fra (1)
undervisningsårsværkenes anciennitet, (2) de overenskomstmæssige opsigelsesvarsler ud fra ancienniteten og (3) lønomkostningerne til disse årsværk
Beregningstilgangen illustrerer, at omfanget og fordelingen af ancienniteten er den primære driver for justerbarheden af lønomkostninger til undervisning. Dertil skal
tages højde for praktiske begrænsninger i kraft af undervisningens årshjul, som beskrevet tidligere i dette afsnit
Det bemærkes, at anciennitetsdata er behæftet med usikkerheder, da det ikke har været muligt at trække faktisk anciennitet fra relevante registre. I stedet er optalt
antal år, medarbejdere er ansat. Denne tilgang medfører øget metodisk usikkerhed, hvilket også gør sig gældende for de resulterende omkostningsfordelinger
På næste side illustreres den tilsvarende sammenhæng mellem anciennitet, opsigelsesvarsel og bindingsperioder for lønomkostninger til administration og ledelse
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Landbrugsskoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
18%
8%
9%
19%
6%
5% 3%
13%
19%
Af søjlen øverst til venstre ses, at
ancienniteten for landbrugsskolernes
undervisere typisk er 1-4 år eller over 7
år. Færre undervisere har en anciennitet
mellem 5-7 år
•
1 mdr.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Løn til undervisning
2
Opsigelses-
varsler baseret
på anciennitet
1
7%
25%
30%
18%
19%
•
1 mdr.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Af søjlen nederst til venstre ses, at 32 pct.
af landbrugsskolernes lønomkostningerne
til undervisere er til ansatte med en sådan
anciennitet, at de kan afskediges med 3
måneders varsel. De tilsvarende tal er 62
pct., 82 pct. og 100 pct. for hhv. 4, 5 og 6
måneders varsel
De relative forskelle mellem
beregningsskridt 2 og 3 skyldes, at
undervisere med højere anciennitet har
højere lønninger (foruden længer
opsigelsesvarsler), hvilket fx resulterer i,
at 20 pct. af lønomkostningerne optages
af de 19 pct. ansatte, som har mere end
seks måneders opsigelse
Lønomkost-
ninger opdelt
på opsigelses-
varsler
7%
24%
30%
19%
20%
69 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.
49
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0050.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
… Ligeledes er anciennitet afgørende for justerbarheden af lønomkostninger
til administration og ledelse…
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på landbrugsskolernes lønomkostninger til administration og ledelse. Opgørelsen er beregnet ud fra (1) adm.- og
ledelsesårsværkenes anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne til disse årsværk
Tilgangen tilsvarer tilgangen fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til
administration og ledelse. Dog er aktivitetsafhængigheden vurderet lavere for administration og ledelse end for undervisning, grundet karakteren af nogle af de
opgaver administrativt personale og ledere varetager, ligesom bindingstiden vurderes væsentlig lavere, jf. nedenfor
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
Landbrugsskoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
41%
10%
7% 5%
7%
2% 9%
19%
0%
Løn til administration og ledelse
•
1 mdr.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
17%
39%
15%
29%
0%
•
1 mdr.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Opgørelsen viser, at ledere og
administrative medarbejdere
gennemsnitligt har en væsentlig lavere
anciennitet end undervisningsstaben, jf.
sammenligning med forrige side
Det resulterer i, at ledere og
administrativt personale har kortere
opsigelsesvarsel. Således er andelen af
ledere og administrativt personale med 5
måneders opsigelsesvarsel eller længere
er 29 pct. ift. undervisningspersonalets
tilsvarende 37 pct. Således kan 57 pct. af
lønomkostninger til administration og
ledelse justeres inden for 4 måneder
Det bemærkes, at ingen medarbejdere
har en opsigelsesvarsel på 6 måneder
Lønomkost-
ninger opdelt
på opsigelses-
varsler
16%
41%
13%
30%
0%
43 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.
50
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0051.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 landbrugsskolerne lønomkostninger til øvrigt personale. Opgørelsen er beregnet ud fra (1) øvrigt personales
anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne
Tilgangen tilsvarer den fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til øvrigt
personale. Dog er aktivitetsafhængigheden vurderet lavere for øvrigt personale end for undervisning, grundet karakteren af nogle af de opgaver som øvrigt personale
varetager, fx ift. bygningsdrift, rengøring mv
På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
Landbrugsskoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
0%
•
19%
7%
10%
30%
10%
4%
14%
7%
•
Løn til bygningsdrift og øvrig drift
1 mdr.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
2
Opsigelses-
varsler baseret
på anciennitet
1
8%
25%
45%
22%
0%
•
1 mdr.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Opgørelsen viser, at øvrige medarbejdere
gennemsnitligt har en lavere anciennitet
end undervisningsstaben, jf.
sammenligning med forrige sider.
Således har næsten 70 pct. af de øvrige
medarbejder under 5 års anciennitet
Det resulterer i, at andelen af øvrigt
personale med 5 måneders
opsigelsesvarsel eller længere er 22 pct.
ift. undervisningspersonalets tilsvarende
37 pct. Det resulterer i, at 30 pct. af øvrigt
personale kan justeres inden for ca. 3
måneder
Det bemærkes, at ingen medarbejdere
har en opsigelsesvarsel på 6 måneder
3
Lønomkost-
ninger opdelt
på opsigelses-
varsler
6%
24%
46%
24%
0%
70 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.
51
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0052.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 landbrugsskolernes evne til at tilpasse bygningsomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at bygningsomkostningerne kun i begrænset grad er aktivitetsafhængige og har varierende bindingstid. 38 pct. af omkostningerne er vurderet at have
en bindingstid på 25 måneder eller mere, imens kun 5 pct. vurderes at have en bindingstid under tre måneder
Institutionsbesøgene understreger dog, at omfang og karakter af bygningsomkostninger i betydelig grad er institutionsspecifikke, da de bl.a. afhænger af økonomiske
overdragelsesforhold, låntagningsbeslutninger, alder og stand af bygningsmassen, mv.
Analysen indikerer, at det i praksis svært for institutionerne at tilpasse bygningsomkostningerne på kort sigt. Dette kan blandt andet skyldes, at institutionerne ofte
følger en vedligeholdelsesplan, hvilket kan begrænse tilpasningsevnen på kort sigt. Desuden bemærker institutionerne, at tilpasning af bygningsomkostninger på kort
sigt kan drive omkostninger på lang sigt. Beregningerne af bindingstiden er baseret på omkostningsfordelingen for landbrugsskolerne koblet med de angivne
aktivitetsafhængigheder og bindingstider, jf. beskrivelserne i starten af delanalyse 4 (kapitel 5)
Aktivitets-
afhængighed
Totale bygningsomkostninger for
landbrugsskoler (mio. kr.), 2018
Observationer
19%
5%
Husleje
Lav
4-25+ mdr.
0
38%
38%
33
Husleje:
Der er betydelig varians i bindingstiden på lejede bygninger. Dertil kommer, at
partielle opsigelser ikke altid er mulige, så ændringer i huslejen vil reelt forudsætte fraflytning
af hele lejemål. Disse forhold gør, at det kan være vanskeligt at tilpasse huslejen på kort sigt
Afskrivninger:
Omkostninger til afskrivninger mv. påvirkes ikke af ændringer i elevtallet på
kort sigt, og der er gennemgående lang bindingstid på dem, da det kan være svært at sælge
bygninger hurtigt
Reparation og vedligehold:
Faldende elevtal ift. året før påvirker kun i begrænset omfang
behovet for reparationer og vedligehold. Der er generelt kort bindingstid, da der dag-til-dag
kan fravælges visse opgaver, især hvis institutionerne har egne pedeller
Forsyning:
Institutionerne giver udtryk for, at faldende elevtal har en vis effekt på forsynings-
udgifterne, bl.a. til el og vand, men der er en del faste omkostninger knyttet til bygnings-
massen, som ikke ændres ved fald i elevtallet. Samtidig varierer bindingstiden betydeligt
Renter (prioriteter):
Renteudgifter på prioriteter påvirkes ikke af faldende elevtal fra år til år,
og der er lang bindingstid på rentebetalinger, da de er afhængige af tilbagebetalinger på-
og/eller omlægninger af lån
Rengøring:
Ifølge institutionerne vil rengøringsudgifterne kun i begrænset omfang reduceres
ved faldende elevtal. Bindingstiden afhænger af, om institutionen har udliciteret opgaven og i
så fald af bindingsperioden i kontrakten
Øvrig bygningsdrift:
Øvrige omkostninger til bygninger, herunder leje og leasing i øvrigt og
omkostninger ved tab af afhændelse af anlæg, har generelt lav aktivitetsafhængighed og
middel til lang bindingstid
Omkostningskategorier
Total
Bindingstid
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
Afskrivninger
Reparation og
vedligehold
1
Forsyning
1
Renter
(prioriteter)
Rengøring
Lav
11-25+ mdr.
9
Bygninger
Lav
0-25+ mdr.
7
Middel
4-25+ mdr.
7
Omkostninger til
rengøring afholdes
som øvrige
driftsomkostninger,
så vidt der er tale om
indkøb af ydelser,
eller som løn til øvrig
drift, så vidt
rengøring håndteres
af ansat personale
Lav
11-25+ mdr.
4
Lav
11-24 mdr.
0
Øvrig
bygningsdrift
Lav
4-25+ mdr.
6
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.
52
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0053.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og
har lav bindingstid
•
•
•
Nedenfor analyseres landbrugsskolernes 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 landbrugsskolerne er 72 pct. af de øvrige
driftsomkostninger vurderet at have en bindingsperiode på under ca. 3 måneder. Dertil er ingen omkostninger indenfor øvrig drift vurderet at have en bindingsperiode
over 25 måneder. Der er derfor gode muligheder for at tilpasse de øvrige driftsomkostninger på kort sigt i det omfang det giver praktisk mening for institutionerne
Det bemærkes, at landbrugsskolernes bygningsomkostninger (jf. forrige side). Omkostningerne minder i mindre grad om fx gymnasier og landbrugsskoler pga.
mindre del teoretisk undervisning
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
(mio. kr.), 2018
72%
25% 79
3%
6
4
2
17
2
2
23
2
4
17
Observationer
0-3 mdr.
Undervisningsmaterialer:
Følger i høj grad ændringer i elevtallet. Samtidig er der
typisk korte bindingstider (dog længere på e-bøger mv). Samlet høj tilpasningsevne
Småanskaffelser:
Kan, ifølge institutionerne, reduceres på kort sigt ved fald i
elevtallet, ligesom der ikke er væsentlige bindinger på indkøb af småanskaffelser
Elevaktiviteter:
Er i høj grad betinget af antallet af elever med generelt kort
bindingstid. Der er derfor generelt stor tilpasningsmulighed på elevaktiviteter
Køb af øvrige varer:
Er ifølge institutionerne i aktivitetsafhængigt, og der er typisk
korte bindingstider (fx køb af inventar mv). Institutionerne har derfor relativt gode
muligheder for at tilpasse køb af øvrige varer
Kurser:
I det omfang faldende elevtal medfører reduktioner i lærerstab mv., vil
faldende elevtal reducere behovet for kurser. Der er kort bindingstid på kurser
Rådgivning:
Har generelt kort bindingstid, da det typisk kan fravælges med kort varsel.
Der er en vis aktivitetsafhængighed ift. elevantal
Køb af øvrige tjenesteydelser:
Udgifter til fx markedsføring, rejser, vagtservice, fragt,
rengøring mv. har varierende aktivitetsafhængighed. Ligeledes varierer bindings-
tiderne, som dog generelt vurderes korte
Reparation og vedligehold (ekskl. byg.):
Flere 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
53
Høj
0-3 mdr.
Køb af varer
til forbrug
Høj
0-3 mdr.
Middel
0-3 mdr.
Øvrig drift
Middel
0-3 mdr.
Køb af
tjeneste-
ydelser
(ekskl. IT)
Rådgivning
Køb af øvrige
tjenesteyd.
Middel
0-3 mdr.
Middel
0-24 mdr.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Kilder: Analysens datamodel
STRUENSEE & CO.
Rep. og vedl.
(ekskl. byg.)
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Middel
0-3 mdr.
Middel
4-10 mdr.
Høj
0-3 mdr.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0054.png
4.3. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSEVNE
Store forskelle i bindingstider kan indikere, at landbrugsskolerne 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 landbrugsskolerne og de tre kategorier
Institutioner med en stor andel af omkostninger med korte bindinger (0-3 måneder) vil, alt andet lige, have lettere ved at tilpasse økonomien på kort sigt
Forskellene mellem institutioner kan skyldes, at der er strukturelle forskelle mellem landbrugsskolernes rammevilkår, fx i form af geografi, størrelse el.lign., hvilket
kan påvirke bindingstiden. Det ses bl.a. fra nedenstående, at de mindste landbrugsskoler har den højeste andel af omkostninger med en lav bindingstid. Tilsvarende
kan forskellene skyldes at institutionerne aktivt træffer forskellige valg, der påvirker andelen af omkostninger med korte bindinger
Gennemsnitligt bør landbrugsskolerne forventeligt have en betydelig tilpasningsevne fordi (1) landbrugsskolerne generelt har korte bindingsperioder på store andele
af både lønomkostninger og øvrige driftsomkostninger, (2) samtidig med at disse omkostningskategorier ofte udgør størstedelen af omkostningerne og (3)
tilpasningsbehovet er typisk omkring ca. 8 pct. per år når en institution oplever et fald, jf. den tidligere analyse
Observationer
Forskelle i bindingstid:
•
Forskellen mellem institutionerne med størst og lavest andel omkostninger med kort
bindingstid er på 33 pct. point, hvilket er en betydelig forskel på kort sigt. Forskellene
kan skyldes rammebetingelser eller aktive valg:
–
Enten skyldes de observerede forskelle i andelen af omkostninger med lav
bindingstid, at der er systematiske
strukturelle forskelle
mellem institutionerne
–
Ellers skyldes de observerede forskelle i bindingstider, at institutionerne aktivt har
truffet
forskellige valg,
som påvirker deres tilpasningsevne positivt eller negativt
Strukturelle forskelle:
•
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
landbrugsskolernes rekrutteringsmuligheder kan påvirke medarbejdernes anciennitet
•
Hertil bemærkes at de institutioner, med en høj andel af omkostninger med lav
bindingstid typisk er små ift. antal årselever, hvilket indikerer en høj tilpasningsevne for
små institutioner. Det gælder fx for Gråsten og Kjærgård Landbrugsskole
Forskellige valg:
•
landbrugsskolerne 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.
Øvrig drift:
•
Det er for institutionerne overvejende øvrig drift, som kan tilpasses. Det skyldes
landbrugsskolernes særlige struktur, hvor en mindre andel af den samlede
omkostningsbase er lønomkostninger (sammenlignet med andre arketyper)
•
Andel af landbrugsskolernes omkostninger med 0-3 mdr. bindingstid (pct.), 2018
Løn
0%
Bygninger
20%
36
Øvrig drift
40%
20
60%
57
26
18
45
19
22
41
20
20
41
-33
24
15
40
24
13
38
17
6
24
Ø 41%
Kilder: Analysens datamodel
STRUENSEE & CO.
54
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0055.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Ungdomsuddannelsernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
55
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0056.png
4.4. INSTITUTIONERNES TILPASNINGSEVNE - TILPASNINGSUDFORDRINGER
Analysen af tilpasningsbehov og -evne indikerer, at særligt bygningsforhold påvirker
institutionernes tilpasning af økonomien
•
•
•
= under gennemsnittet
= over gennemsnittet
Nedenfor ses to figurer, der hhv. illustrerer landbrugsskolernes kortsigtede tilpasningsmuligheder og deres langsigtede bindinger
Figuren til venstre
sammenholder landbrugsskolernes 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 landbrugsskolernes 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 institutionsbesøg en række interessante forhold, som påvirker institutionernes tilpasningsevne
Observationer ift. grader af tilpasningsudfordringer
Tværgående bemærkninger
På grund af få observationer for landbrugsskoler er mulige tolkninger af
systematiske forskelle behæftet med usikkerheder. Analyserne indikerer dog
en række relevante forhold for tilpasningsudfordringerne på tværs af de
landbrugsskolerne:
Figuren til venstre
•
Landbrugsskolerne kan i gennemsnit tilpasse 37 pct. af deres
omkostningsbase indenfor ca. 3 mdr. og har et årligt tilpasningsbehov på
ca. 6 pct. (målt i forhold til deres indtægter)
•
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, som er en relativ
stor andel for netop landbrugsskoler
Kortsigtede tilpasningsudfordringer
Tilpasningsbehov
1
(pct.)
Tilpasningsevne
2
(andel samlede omk.)
Series 3
Langsigtede bindinger
Gns. bindingstid
3
(mdr.)
7
Faste omkostninger
4
(andel samlede omk.)
17
5
45
6
14
6
14
9
41
6
13
6
Figuren til højre
•
Landbrugsskolerne har en gns. bindingsperiode på deres samlede
omkostningsbase på ~6 måneder, mens faste omkostninger
(omkostninger med binding på 11+ mdr.) i gennemsnit udgør 12 pct. af
institutionernes samlede omkostninger
•
Institutioner med bindingstid og andel faste omkostninger over
gennemsnittet har gennemgående høje bygningsomkostninger drevet af
enten dyre lokationer, behov for stor bygningsmasse mv.
•
Derudover benytter institutionerne med længere gns. bindingstid i højere
grad af kontrakter på services (bygninger, kantine, mv.), som kan være
mere omkostningseffektivt end in-house services men samtidig som
regel har længere bindinger end ansat servicepersonale
10
6
8
3
24
4
5
Ø6
Ø 37
Ø6
Ø 12
Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for landbrugsskoler for 2016-2018 (hvorfor ikke alle institutioner er indeholdt). 2) Tilpasningsevnen er her målt som
andelen af omkostninger med bindingstid fra 0-3 mdr. da bindingstiden er afgørende for, om institutionen kan tilpasse økonomien på kort sigt. 3) Gns. bindingstid findes her ved at gange institutionernes andele omkostninger indenfor løn,
bygninger og øvrig drift med hhv. 0-3-, 4-10-, 11-24-, og 25+ mdr. binding. Fx vægtes en 0-3 mdr. binding som 1,5 måned. Opregnet findes den gns. bindingstid for den hver institutions samlede omkostningsbase 4) Andelen af faste
omkostninger findes ved at tage andelen af omk. med 11+ mdr. binding ud af institutionernes samlede omkostningsbase. Kilde: analysens datamodel; Institutionsbesøg.
STRUENSEE & CO.
56
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0057.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
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
2195748_0058.png
5. ØKONOMISK BÆREDYGTIGHED
Landbrugsskolernes finansielle robusthed er øget siden 2011
•
•
De fire grafer nedenfor viser, hvordan landbrugsskolernes finansielle robusthed har udviklet sig fra 2011-2018
1
. Landbrugsskolerne har i perioden øget
deres egenkapital. Overskudgraden og likviditetsgraden har i perioden været varierende
Landbrugsskolerne er blevet bedre rustet til længerede nedgangsperioder (egenkapital), men er lidt mere sårbare overfor kortere udsving i driften (likviditetsgrad).
Likviditetsgraden er dog høj set over hele perioden
Beskrivelse
Udvikling i nøgletal for landbrugsskolernes finansielle robusthed (2011-2018)
2
Gennemsnitlig egenkapital (mio. kr.), venstre akse
120
320
Egenkapital/omsætning, højre akse
108% 110%
107%
110
300
104%
103% 297
104%
99% 102%
303
280
278
277 100
275
283
90
260 265 262
2011
2012
2013
2014
2015
2016
2017
2018
•
Egenkapital
Landbrugsskolerne har øget deres
egenkapital
3
fra 2011-2016 fra ~ 265
mio. kr. til ~277 mio. kr. (ca. 5 pct. stigning). Der er dog sket et fald i fra
2017 til 2018
Institutionerne har i samme periode vokset deres egenkapital som del af
omsætningen fra 99 pct. til 110 pct.
Institutionernes
overskudsgrad
4
har varieret en del over perioden.
Således er overskudsgraden på -1 pct. i 2015 og 8 pct. i 2016.
Nedgangen i 2015 skyldes primært et fald i antallet af årselever, jf.
følgende sider
I perioden 2016 til 2018 har institutionerne været omfattet af et
omprioriteringsbidrag på 2 pct. årligt
Landbrugsskolernes
soliditetsgrad
5
er fra 2011-2018 steget et
procentpoint fra 43 pct. til 44 pct. og har generel været stabil over
perioden
Stigningen svarer ikke til stigningen i egenkapital frem mod 2017, hvilket
indikerer, at institutionerne i har gjort brug af fremmedkapital (fx banklån)
Landbrugsskolernes
likviditetsgrad
6
er fra 2011-2018 steget tre
procentpoint fra 79 pct. til 81 pct. Det dækker over en stigning i perioden
2011-2014, et fald frem mod 2015, en stigning frem mod 2016 og
herefter et fald fra 2016-2018
•
Overskudsgrad
10%
Overskudsgrad
5,3%
4,2%
-1,1%
2012
2013
2014
2015
8,2%
2,7%
2016
2017
•
0%
2011
-10%
50%
45%
-1,0%
2018
•
•
Soliditetsgrad
Soliditetsgrad
43%
43%
45%
45%
44%
45%
45%
44%
•
40%
2011
2012
2013
2014
2015
2016
86%
2017
2018
•
Likviditetsgrad
90%
85%
80%
Likviditetsgrad
85%
79%
87%
77%
83%
81%
75%
2011
2012
2013
2014
2015
2016
2017
2018
Note: 1) Tallene er et gennemsnit for 8 landbrugsskoler. 2) 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. 3) 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. 4) Overskudsgraden er udtryk for, hvor stor en del af institutionernes omsætning, som ender
på bundlinjen som ”årets resultat.” 5) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle
tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 6) Likviditetsgrad beregnes ved at finde andelen af
omsætningsaktiver af institutionens kortfristede gældsforpligtelser. Kilde: Analysens datamodel
STRUENSEE & CO.
58
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0059.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.
59
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0060.png
5. ØKONOMISK BÆREDYGTIGHED
De økonomisk udsatte institutioner identificeres ved at screene for økonomisk bæredygtighed.
Givet den lille population gennemføres analysen ikke
•
•
•
De foregående analyser har peget på en række karakteristika, som udfordrer institutionerne og potentielt kan skabe økonomisk udsatte institutioner
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
Givet den lille population gennemføres analysen ikke, da sammenligningsgrundlaget vurderes for smalt
Kriterier for identifikation af de økonomisk udsatte institutioner
i
•
•
STUK’s
tilsynsmodel identificerer institutioner, som er udsatte målt ved
finansielle nøgletal og udviklingen i elevtallet
Tilsynsmodellen screener ved følgende kriterier for finansielle nøgletal
(kaldet ”prioriteringsgruppe 1 og 2”)
4
:
A. Finansielle nøgletal i året (1 ud af 4 kriterier er opfyldt):
1. Likviditetsgrad
2
under 50 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
under 50 pct. af gennemsnit for institutionerne
3. Relativt aktivitetsfald over 5 pct.
4. Belåningsprocent over 100 pct.
B. Finansielle nøgletal i året (1 ud af 3 opfyldt ud over kriterier i A.):
1. Likviditetsgrad
2
50-75 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
50-75 pct. af gns. for gruppen
2
3. Relativt aktivitetsfald 0-5 pct.
4. Belåningsprocent 80-100 pct.
Den flerårige model kombinerer relative og absolutte mål for økonomisk
bæredygtighed og screener ligeledes for udviklingen i finansielle nøgletal
og elevtallet, men i modsætning til
STUK’s
model undersøges det for en 3-
årig periode mhp. at reducere udslag af enkeltår. Kriterierne er:
1. Underskud i gennemsnit i 2016-18
2. Aktivitetsfald i gennemsnit i 2016-18
3. Soliditetsgrad
1
under 150 pct. for delsektoren i gennemsnit i
2016-18
Identifikation
Formål og begrænsninger ved identifikationsmodeller
•
Modellen tager højde for finansielle nøgletal i året og
screener for økonomisk bæredygtighed. Der ses ikke alene
på forholdet mellem indtægter og omkostninger, men således
betragtes også egenkapital og aktiver (soliditetsgrad) samt
grad af lånefinansiering (likviditetsgrad)
Modellen tager ikke højde for udviklingen i økonomisk
bæredygtighed, da institutioner kan være udsatte i et enkelt
år, men over en årrække være bæredygtige
Modellen ser på relative forskelle. Dermed vil der typisk,
uagtet om nogle institutioner er bæredygtige eller ej, være
institutioner, som modellen kendetegner som udsatte. Med
andre ord er der ikke en absolut betragtning om økonomisk
bæredygtighed
STUK’s
tilsyns-
model
3
0
Landbrugs
skoler
1
•
•
ii
•
•
Flerårig
model
1
Landbrugs-
skole
•
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
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
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.
60
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0061.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes 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.
61
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0062.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.
62
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0063.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.
63
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0064.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes 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.
64
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0065.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.
65
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0066.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.
66
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0067.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.
67
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0068.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
•
68
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0069.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.
69
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0070.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.
70
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0071.png
Indholdsfortegnelse
1
Introduktion
2
Ungdomsuddannelsernes 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.
71
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0072.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.
72
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0073.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.
73
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0074.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.
74
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0075.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.
75
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195748_0076.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