Børne- og Undervisningsudvalget 2019-20
BUU Alm.del Bilag 182
Offentligt
2195749_0001.png
Omkostningsanalyse af
ungdomsuddannelsesområdet
Analyserapport om SOSU-skoler
November 2019
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0002.png
SOSU-skolerne er kendetegnet ved faldende marginalomkostninger, om end der er mange
institutionsspecifikke forhold, som er betydende for omkostningerne
Faldende marginalomkostninger
•
SOSU-skolerne er samlet set kendetegnet ved
faldende marginalomkostninger,
da større institutioner har lidt lavere omkostninger per årselev
end mindre institutioner. Der er dog delelementer, hvor SOSU-skolerne ikke har faldende marginalomkostninger. Dertil indikerer få observationer
med meget variation, at analysen ikke er statistisk robust
Der er faldende marginalomkostninger for
lønomkostninger til administration og ledelse.
Det skyldes, at opgaver indenfor området har en lav
grad af aktivitetsafhængighed
Ved
lønomkostninger til undervisning
er der ikke observeret faldende marginalomkostninger. Dog lader større
hold
til at bringe omkostninger
ned, og større institutioner har i højere grad større hold
Ift.
totale bygningsomkostninger
er der identificeret stigende marginalomkostninger. Det dækker over to modsatrettede tendenser, hvor større
institutioner typisk har højere omkostninger per kvadratmeter men færre kvadratmeter per elev, hvilket hænger sammen med den geografiske
fordeling af institutioner (jf. punktet om geografi nedenfor)
Ift.
øvrige driftsomkostninger
viser analyserne stigende marginalomkostninger. På institutionsbesøg fremhæver institutionerne ellers, at store
institutioner særligt har bedre muligheder for udlicitering og indkøbsfællesskaber
Geografi
•
Analyserne indikerer, at geografi indirekte har betydning for institutionerne igennem flere sammenhænge, herunder:
–
Institutioner i landkommuner har typisk betydeligt lavere bygningsomkostninger end institutioner i bykommuner. Det hænger sammen med
institutionsstørrelse som beskrevet ovenfor, da institutioner i bykommuner gennemsnitligt er større end institutionerne i landkommuner
–
Der er ikke identificeret en entydig sammenhæng mellem geografi og lønomkostninger eller øvrige driftsomkostninger
–
Geografi kan desuden påvirke institutionernes tilpasningsevne, da geografi har betydning for i) mulighederne for at afsætte bygninger, ii) leje
(midlertidige) bygninger, der kan bruges til undervisning, iii) udbuddet af undervisere såvel som konkurrencen om undervisere i området, iv)
centrale aftaler mellem institutionerne og det lokale/regionale samarbejde om kommunerne ift. dimensionering mv.
Økonomisk bæredygtighed
•
•
Analysen af økonomisk bæredygtighed finder, at tre SOSU-skoler vurderes at være økonomisk udsatte. De udsatte SOSU-skoler er større målt
på antal årselever og har større holdstørrelse
Analysen af økonomisk bæredygtighed tyder derfor på, at det særligt er institutionsspecifikke forhold, som driver resultaterne. Med andre ord kan
effekterne af omkostningsdrivere (jf. delanalyse 3, kapitel 4) ikke genfindes. Det skal ses i lyset af, at de udsatte SOSU-skoler har højere
bindingstid på omkostninger, lavere aktivitetsafhængighed af omkostninger samt lavere finansielle nøgletal ift. særligt likviditet, soliditet og
overskud
Resultaterne om økonomisk bæredygtighed skal dog tolkes varsomt. Det skyldes den sparsomme population (tre SOSU-skoler), hvor særlige
forhold kan drive resultaterne
2
•
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0003.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
3
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0004.png
1. INTRODUKTION
Rapportens struktur
•
•
Institutionerne der er omfattet af analysen, segmenteres i elleve arketyper (jf. side 5-8), som analyseres i separate analyserapporter. De fire arketyper under
delsektoren gymnasier er analyseret i én analyserapport, hvorfor der i alt er otte analyserapporter
Nærværende rapport indgår i den samlede omkostningsanalyse, hvoraf den udgør én af de i alt otte analyserapporter. De centrale og tværgående konklusioner fra
de otte analyser opsummeres i én samlet hovedrapport
Nedenfor fremgår en oversigt over struktur og indhold i analyserapporterne, herunder fire delanalyser (kap. 2-5). Alle otte analyserapporter følger samme struktur,
men med forbehold for tilpasninger i de konkrete analyser i henhold til særlige karakteristika for de enkelte arketyper, for institutionsinddeling se bilag 6.1
Analyserne er baseret på en række datakilder, som til sammen udgør omkostningsanalysens datagrundlag. I bilag 6.2 er datagrundlaget beskrevet, herunder
hvordan data fra relevante registre er samlet i ét datasæt
Beskrivelse
•
Præsenterer og beskriver arketypesegmenteringen, som er udarbejdet pba. relevante karakteristika, da der eksisterer relevante forskelle på tværs af delsektorer: i) almene
gymnasier er en relativ homogen gruppe, hvor den største forskel er ift. størrelse, hvorfor de inddeles i arketyper herefter, ii) erhvervsskolerne udbyder mange forskellige
uddannelser og er meget forskellige ift. elevsammensætning, hvorfor de inddeles i henhold til institutionstyper i Institutionsregisteret, og iii)
VUC’erne
er ikke inddelt i flere arketyper
pga. det lave antal institutioner (24 voksenuddannelsescentre)
•
Arketyperne er baseret på inddelingen af institutioner i Regnskabsportalen. I bilag findes oversigter over, hvilke institutioner, der hører til i hvilke arketyper
•
Fremstiller gensidigt udelukkende omkostningskategorier for hele sektoren, hvorefter en omkostningskortlægning nedbryder omkostningsbasen for arketypen i de gensidigt
udelukkende kategorier, herunder også kortlægning af udviklingen fra 2011-2018
•
Kortlægger omkostninger per uddannelseskategori og nedbryder omkostninger per årselev per uddannelse
•
Omkostningskategorierne anvendes i de efterfølgende analyser, og kortlægningen af omkostningsstrukturerne danner grundlag for de efterfølgende analyser, som i vid
udstrækning ser på de relative forskelle i, hvordan omkostninger fordeler sig på tværs af institutioner i hver arketype
•
Identificerer relevante omkostningsdrivere indenfor de tre overordnede omkostningskategorier (lønomkostninger, bygningsomkostninger og omkostninger til øvrig drift) pba.
institutionsbesøg, registerdataanalyser og input fra hhv. BUVM og tekniske eksperter fra institutionerne på tværs af delsektorer
•
Analyserer effekten af omkostningsdriverne inden for de tre overordnede omkostningskategorier samt, hvordan disse omkostningsdrivere evt. relaterer sig til hinanden, herunder
særligt ift. institutionsstørrelse og geografi
•
Belyser, hvorvidt der eksisterer faldende marginal omkostninger, og ser nærmere på betydningen af institutionernes geografiske lokation
•
Undersøger institutionernes tilpasningsevne, hvilket indledes med en analyse af institutionernes tilpasningsbehov ved at identificere størrelsen af indtægtsfald i perioden 2012-
2018 som følge af ændringer i antal årselever/-kursister
•
Beregner institutionernes omkostningsfleksibilitet ud fra to nøgleparametre: i) omkostningernes aktivitetsafhængighed og ii) bindingstid på omkostninger. Derudover belyser
analysen af tilpasningsevne, hvordan institutionerne i praksis tilpasser deres omkostninger i perioder med indtægtsfald, herunder hvordan besparelser fordeler sig imellem
omkostningskategorier
•
Sammenholder institutionernes tilpasningsevne- og behov for at identificere tilpasningsudfordringer for institutionerne
•
Kortlægger finansielle nøgletal for arketypen, som viser udviklingen i økonomisk robusthed i perioden 2011-2018
•
Analyserer økonomisk bæredygtighed med afsæt i to punkter: i) udvælgelse af institutioner pba. resultater fra det igangværende arbejde om institutionernes økonomi og ii)
identifikation af relevante karakteristika for institutioner med udfordret økonomi
•
Analyserne i dette kapitel baseres i høj grad på foregående analyser
•
•
Kapitel
1
Introduktion
2
Delanalyse 1:
Omkostnings-
strukturer
3
Delanalyse 2:
Omkostnings-
drivere
4
Delanalyse 3:
Tilpasningsevne
5
Delanalyse 4:
Økonomisk
bæredygtighed
STRUENSEE & CO.
4
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_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
2195749_0006.png
1. INTRODUKTION
Erhvervsskolerne inddeles i seks arketyper baseret på institutionstype
•
•
•
Nedenfor opstilles de seks arketyper for erhvervsskolerne, og deres udfaldsrum for de fire variable til udvælgelse af arketyper angives
Grundet heterogeniteten mellem institutionstyperne i den overordnede delsektor ”erhvervsskoler”, laves arketypeopdelingen
pba. funktionelle forskelle iht. den
underliggende institutionstype, jf. nedenfor. Dermed anvendes størrelse ikke som den primære sondring mellem arketyper indenfor denne delsektor, da de
underliggende forskellige institutionstyper er vurderet mere retvisende mhp. særskilte analyser af omkostningsstrukturer, -drivere, -bindinger og -bæredygtighed
Erhvervsskolerne dækker over mange forskellige erhvervsrettede ungdomsuddannelser, der som udgangspunkt alle består af grundforløb og hovedforløb, hvor
hovedforløbet er praktik enten i en virksomhed eller i et praktikcenter med indlagte skoleperioder undervejs. Flere erhvervsskoler udbyder ligeledes gymnasiale
uddannelser (fx HTX og HHX). Erhvervsskolerne er den mest heterogene af de tre delsektorer, og nedenstående gruppering dækker derfor over seks forskellige
institutionstyper, som hver især udbyder forskellige uddannelser og har forskellige karakteristika herunder bl.a. antallet af årselever og udbudte uddannelser
Arketyper for erhvervsskoler mv.
Institutionstype (antal)
Arketype
1
Gns. antal
årselever
•
~1.400
•
~2.300
•
~1.800
•
9
•
31
•
25
Gns. antal uddannelser
Gns. årselever per uddannelse
•
168
•
73
•
75
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
•
Handelsskoler (20)
1
•
Kombinationsskoler (18)
•
Tekniske skoler (14)
•
SOSU-skoler (12)
•
Landbrugsskoler (8)
•
56%
•
51%
•
47%
Arketype
2
Arketype
3
Arketype
4
•
~700
•
~150
•
~390
Handelsskoler
•
6
•
3
•
6
Kombinationsskoler
•
110
•
60
•
68
Tekniske Skoler
SOSU-skoler
•
52%
•
32%
2
•
36%
Landbrugsskoler
AMU-centre
Arketype
5
Arketype
6
•
AMU-centre (5)
Antal uddannelser
50
40
30
20
10
0
0
200
400
600
800
1.000 1.200 1.400 1.600 1.800 2.000 2.200 2.400 2.600 2.800 3.000 3.200 3.400 3.600 3.800 4.000 4.200
6.000 6.200 6.400 6.600
Antal årselever
Note: 1) En enkel kombinationsskole kategoriseres i stedet som en handelsskole, da deres omkostningsstruktur og årselevsfordeling fremgår som handelsskolernes. Hvis institutionen kategoriseres som kombinationsskole, vil den fremgå som
en outlier i mange af rapportens analyser og blive fjernet, hvorfor den som den eneste institution flyttes. 2) Landbrugsskolernes relativt lave andel løn til undervisning påvirkes af, at de har store kostafdelinger relativt til deres størrelse, hvilket
driver omkostninger i andre omkostningskategorier end løn til undervisning. Kilde: Analysens datamodel
STRUENSEE & CO.
6
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_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
2195749_0008.png
1. INTRODUKTION
Voksenuddannelsescentrene samles i én arketype, da de er få institutioner
•
•
Nedenfor præsenteres voksenuddannelsescentrene (VUC’erne), der analyseres som én samlet arketype
1
VUC’erne udbyder almene uddannelser til voksne inden for almen voksenuddannelse, forberedende voksenundervisning og HF. ”Almene” betyder,
at undervisningen
skal forbedre kursisternes generelle kompetencer, som styrker den enkeltes forudsætninger for at fungere i samfundet og på arbejdsmarkedet. Den almene
voksenuddannelse (AVU) tilbydes til voksne over 18 år og har til formål at forbedre deres kundskaber i en række almene fag. Den forberedende voksenundervisning
(FVU) har til formål at give voksne over 18 år mulighed for at forbedre og supplere deres grundlæggende færdigheder. HF udbydes som enkelt studieforberedende
fag eller som et 2-årig almendannende og studieforberedende forløb og har til formål at udvikle kursistens faglige indsigt og studiekompetence
De 24
VUC’er
tilbyder gennemgående de samme uddannelser, men varierer markant mht. størrelse målt på årselever. Pga.
VUC’ernes
begrænsede antal og deres
ensartethed mht. uddannelsesudbud samles de i én arketype
Analysens mindste VUC har 250 årskursister, mens den største institution har et kursistgrundlag på ~4.000 årskursister
Fremfor at sammenligne forskellige VUC arketyper med hinanden, vil analysen undersøge forskelle internt i gruppen af
VUC’er.
Det vil herunder blive analyseret,
hvilken rolle årskursister spiller for institutionsdriften. Ligeledes vil det blive undersøgt, hvilken betydning sammensætning af hhv. HF og AVU/FVU årskursister har
for
VUC’ernes
mulighed for stordrift og kapacitetsudnyttelse
•
•
•
Arketyper for
VUC’erne
Institutionstype (antal)
Gns. antal
årselever
•
~1.300
VUC’er
•
~5
Gns. antal uddannelser
•
240
Gns. årskursister per
uddannelse
Omkostningsstruktur
(Løn t. undervisning/totale omk.)
Arketype
1
• VUC’er
(24)
2
•
58%
Antal uddannelser
8
7
6
5
4
3
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
Antal årskursister
Note: 1)
VUC’ernes
årskursistopgørelse er renset for kursister, som undervises af deres driftsoverenskomstparter 2) Udover de 24 institutioner, som i UVM's regnskabsportal er kategoriseret som
VUC’er,
er der yderligere fem
VUC’er,
som i
dag er en del af fusionerede institutioner. Kilde: Analysens datamodel
STRUENSEE & CO.
8
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0009.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
STRUENSEE & CO.
9
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_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
2195749_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
2195749_0012.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Uddannelsesinstitutionernes omkostningsstrukturer kortlægges pba. et
gensidigt udelukkende og udtømmende omkostningsnedbrud
•
•
•
Nedenfor præsenteres omkostningsnedbruddet, der er udarbejdet pba. institutionernes formålsfordelte regnskaber mhp. at konstruere meningsfulde kategorier, der
understøtter behovet for transparens i institutionernes
omkostningsstrukturer.
Institutionernes formålsfordelte regnskaber er anvendt ned gennem analysen
Nedbruddet er desuden udarbejdet med relevante omkostningsdrivere in mente, da det muliggør kobling af interessante
omkostningsdrivere
med relevante
omkostningskategorier
Omkostningskategoriseringen vil være gennemgående for alle rapportens delanalyser
Omkostningskategorier
Undervisning
Ledelse og administration
Løn
Bygningsdrift
Øvrig drift
Husleje
Afskrivninger på bygninger
Totale
omkostninger
Bygnings-
drift
(ex løn)
Forsyning
Renter
Reparationer og vedligehold
Øvrige bygningsomk.
Køb af varer til forbrug
Køb af tjenesteydelser (ex IT)
Øvrig drift
(ex løn)
Rep. og vedligehold (ex byg.)
Afskrivninger (ex bygninger)
Øvrige
STRUENSEE & CO.
Omkostningsdrivere
•
Antal årselever
•
Andel undervisningstid
•
Holdstørrelse
•
Antal uddannelser
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Kapacitetsudnyttelse
•
Antal lokationer
•
Geografi
•
Antal årselever
•
Bygningsmasse
•
Kontraktstyring
•
Indkøbspraksis
12
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0013.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
SOSU-skoler har i 2018 omkostninger på i alt 0,9 mia. kr., hvoraf lønomkostninger udgør 70 pct.
•
•
•
Figuren nedenfor viser SOSU-skolernes samlede omkostninger nedbrudt på omkostninger til løn, bygningsdrift og øvrig drift. Det fremgår, at SOSU-skolerne har et
samlet omkostningsniveau på 917 mio. kr. i 2018. Heraf udgøres 70 pct. af lønomkostninger, mens de resterende 30 pct. udgøres af bygningsdrift (11 pct.) og
omkostninger til øvrig drift (18 pct.). Den største enkeltstående omkostningspost er løn til undervisning, som udgør 52 pct. af SOSU-skolernes totale omkostninger
Øvrig drift er den næststørste omkostningspost med 18 pct. af de samlede omkostninger. Herunder er indkøb af tjenesteydelser (administrative fællesskaber,
eksterne rådgivere, etc.) og øvrige driftsomkostninger de største omkostningskategorier med 7 pct. hver
Lønomkostninger er den vigtigste omkostningskomponent for SOSU-skolerne med 70 pct. af de samlede omkostninger og er derfor central for de
følgende analyser
Omkostningsnedbrud for SOSU-skolerne, 2018 (mio. kr.)
1,2
Løn til undervisning
Løn til ledelse og administration
480 (52%)
98 (11%)
Konfrontationstid
•
42 pct. af lærernes
arbejdstid udgøres
af konfrontationstid
3
hos SOSU-skolerne
•
Det svarer til, at
~200 mio. kr.
anvendes på
konfrontationstid
Løn til bygningsdrift
Løn til øvrig drift
Lønomkostninger
Husleje
Afskrivninger på bygninger
Rep. og vedligehold
Forsyning
Renter
Øvrige bygningsomkostninger
Bygningsdrift
Køb af tjenesteydelser (ex IT)
Køb af varer til forbrug
Afskrivninger (ex. bygninger)
Rep. og vedligehold (ex. byg)
Øvrige driftsomkostninger
Øvrig drift
645 (70%)
27 (3%)
40 (4%)
24 (3%)
30 (3%)
12 (1%)
12 (1%)
15 (2%)
10 (1%)
103 (11%)
60 (7%)
36 (4%)
5 (1%)
3 (0%)
64 (7%)
168 (18%)
Samlede omkostninger
917 (100%)
Note: 1) Analysen er baseret på institutionernes formålsfordelte regnskaber. Det bemærkes, at data fra de formålsfordelte regnskaber ikke altid er tilsvarende de omkostningsdata, der findes på
Regnskabsportalen. For at understøtte analysens formål er de anvendte omkostningsdata desuden eksklusive omkostninger til indtægtsdækket virksomhed. 2) Omkostningsdata i analysen er prisreguleret til
2019-priser. 3) Konfrontationstiden (2017 data) udgøres af summen af indikator 1 (elevsamvær iht. reglerne om uddannelsestid) og indikator 2 (andre former for elevsamvær med et direkte læringsformål). Den
gennemsnitlige konfrontationstid er fundet ved at tage et gennemsnit af indikator 1+2 for de 13 SOSU-skoler (i 2017). 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
2195749_0014.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Overordnet set har SOSU-skolernes omkostningsstruktur været stabil fra 2011-2018 på trods af et
markant fald i antallet af årselever fra 2014-2017
•
•
•
Nedenfor vises udviklingen i antallet af årselever og omkostningsfordelingen på SOSU-skolerne fra 2011-2018. Institutionernes overordnede
omkostningsniveau er faldet med 13 pct. i 2011-2017, og antallet af årselever er i samme periode faldet med 29 pct. Udviklingen flader dog ud fra 2017 til 2018
1
SOSU-skolernes årselevantal steg fra ~11.800 i 2011 til ~12.400 i 2014, men faldt betydeligt til ~8.400 i 2017. Faldet frem mod 2017 kan skyldes, at optaget i højere
grad afspejler antallet af praktikpladser i kommunerne. Ifm. at EUD reformen blev implementeret i 2016, blev der bl.a. opsat adgangskrav til, at elever på
erhvervsuddannelser skal have minimum karakteren 2 i hhv. dansk og matematik
Mellem 2011 og 2018 har forholdet mellem SOSU-skolernes omkostningsfordeling været stabil. Der observeres dog enkelte mindre udsving, fx ved bygningsdrift og
løn til ledelse og administration
Andelen af den totale omkostningsbase, som går til bygningsdrift er faldet fra 12 pct. i 2011 til 11 pct. i 2018 på trods af, at antallet af årselever
er faldet betydeligt
Andelen af den totale omkostningsbase brugt på løn til ledelse og administration er faldet fra 10 pct. i 2011 til 9 pct. i årene 2013-2015, hvor der har været relativt
flere årselever. Modsat stiger andelen til 11 pct. i årene 2017 og 2018, hvor der er relativt færre årselever
•
•
Årselevudvikling og omkostningsnedbrud for SOSU-skolerne, 2011-2018 (total angives i mio. kr., størrelse på kategorierne angives i pct.)
2
Årselever
Fremskrevet
Omk. (mio. kr)
1.400
1.200
1.000
53%
800
600
400
200
0
10%
3%
12%
5%
7%
8%
9%
3%
12%
5%
7%
8%
9%
3%
12%
6%
7%
8%
9%
4%
12%
5%
7%
8%
9%
4%
11%
5%
6%
8%
53%
1.251
1.257
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
-13%
1.302
1.277
1.183
1.037
52%
53%
53%
53%
52%
10%
4%
12%
5%
7%
8%
53%
11%
4%
11%
4%
7%
9%
11%
4%
11%
4%
6%
8%
2.000
0
1.032
10.000
8.000
6.000
4.000
Køb af tjenesteydelser (ex IT)
3
Øvrige driftsomkostninger og afskrivninger
Årselever
14.000
12.000
1.193
2011
2012
2013
2014
2015
2016
2017
2018
Note: 1) To institutioner fusionerede i 2018, men da den ene institutions tal ikke retvisende i formålsregnskabsdataet, er de to institutioners regnskabstal for 2017 brugt i 2018, hvilket er markeret med en stiplet
boks. 2) To institutioner fusionerede i 2016 og er ikke taget med i analysen i hele perioden. 3) Af visuelle hensyn er reparation og vedligehold, afskrivninger og øvrige driftsomkostninger kombineret i kategorien
”øvrige driftsomkostninger og afskrivninger.
Kilde: Analysens datamodel
STRUENSEE & CO.
14
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0015.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer betydeligt på tværs af de 11 SOSU-skoler
•
•
Nedenfor illustreres omkostningsfordelingen på de største omkostningskategorier for de 11 SOSU-skoler
1
. Figuren viser, at der er store forskelle på, hvordan
institutionernes omkostninger fordeler sig. Fx varierer omkostninger til løn til undervisning mellem 44 pct. og 59 pct.. Den gennemsnitlige andel til løn til undervisning
på tværs af SOSU-skolerne er 53 pct. Den tilsvarende gennemsnitlige andel til ledelse og adm. 11 pct.
Enkelte institutioner har markant højere omkostninger til bygningsdrift end andre, som fx udgøres af høje udgifter til husleje eller vedligeholdelse og reparation
Løn til undervisning
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Centrale observationer:
1.
løn til undervisning
udgør størstedelen af
omkostningerne for alle institutioner. Der er dog
betydelige forskelle mellem andelen af
institutionernes omkostninger anvendt til løn.
Udsvingene skyldes i få tilfælde forholdsmæssigt
store andele af bygningsomkostninger ved enkelte
institutioner med ekstraordinære
bygningsomkostninger i 2018, jf. nedenfor
Bygningsomkostningerne
varierer betydeligt på
tværs af institutioner, fra 1 til 18 pct. Forskellene
skyldes særligt forskellige omkostninger til husleje
samt vedligeholdelse og reparation
Betydningen af institutionsstørrelse:
Der
observeres ikke umiddelbart en sammenhæng
mellem institutionsstørrelse (målt ved omsætning)
og den relative fordeling af omkostningskategorier
Variation i omkostningsstruktur:
Af opgørelsen
til venstre fremgår stor variation imellem
institutionerne. Udover strukturelle forhold og
strategiske valg, bemærker institutionerne, at
forskellene også kan skyldes forskellig
konteringspraksis og institutionsspecifikke
ressourcestyringssystemer
Omk. (mio. kr.)
130
106
105
89
62
61
61
53
51
42
Omkostningsfordeling,
50%
53%
54%
52%
53%
59%
2018
2
3%
10%
11%
9%
2%
4%
9%
5%
3%
4%
13%
8%
12%
18%
3%
4%
4%
7%
7%
9%
5%
4%
10%
10%
8%
6%
2.
13%
10%
12%
4%
12%
11%
5%
5%
15%
9%
11%
9%
3%
5%
5%
6%
2%
5%
3.
5%
8%
8%
6%
7%
8%
44%
56%
54%
56%
57%
4.
11%
13%
15%
5%
4%
5%
2%
3%
9%
6%
4%
4%
4%
4%
6%
9%
8%
8%
19
12%
Note: 1) En institution er ikke medtaget, da omkostninger fra 2018 ikke er retvisende i formålsregnskabsdata. 2) Om variation i løn til øvrig drift og køb af tjenesteydelser: Den store variation i udgifter til hhv. løn til øvrig drift og køb af tjenesteydelser mellem institutionerne kan bl.a.
tilskrives hvorvidt institutionen huser et administrativt fællesskab eller betaler til et administrativt fællesskab. Kilde: Analysens datamodel
STRUENSEE & CO.
15
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0016.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Omkostningsstrukturerne varierer i mindre grad på tværs af SOSU-skolernes uddannelser
•
•
•
•
Figurerne nedenfor viser hhv. omkostningerne fordelt per uddannelse på SOSU-skolerne (til venstre) og omkostningerne per årselev per uddannelse (til højre)
Af den samlede omkostningsbase på 0,9 mia. kr. udgøres 40 pct. af indirekte omkostninger, dvs. omkostninger, der ikke er formålsfordelt på uddannelser i
formålsregnskaberne. De indirekte omkostninger fordeles vha. en nøgle, som tager højde for den enkelte uddannelses tilskud med henblik på at indregne eventuelle
meromkostninger til fx administration eller bygningsdrift, som enkelte uddannelseskategorier kan have
Af
figuren til venstre
fremgår det, at SOSU hovedforløb er den største samlede omkostning for SOSU-skolerne på 435 mio. kr. svarende til 48 pct. af
SOSU-skolernes omkostninger. SOSU hovedforløb og SOSU grundforløb udgør samlet 86 pct. af SOSU-skolernes omkostninger. Heraf udgør løn til undervisning
ca. 50 pct.
Af
figuren til højre
fremgår det, at omkostningerne per årselev er højest for SOSU hovedforløb (~111.000 kr.), mens de er lavest for AMU og Åbne uddannelser
(~83.000 kr.). Omkostningsstrukturerne varierer i mindre grad på tværs af uddannelseskategorier. Løn til undervisning varierer mest og udgør mellem 51-56 pct. af
de samlede omkostninger
Løn til uddannelse
Løn til ledelse og adm.
Løn til bygningsdrift
Løn til øvrig drift
Bygningsdrift (ex løn)
Køb af varer til forbug
Køb af tjenesteydelser (ex IT)
Øvrige driftsomkostninger og afskrivninger
Omkostninger per årselev fordelt på uddannelser (2018)
Omkostninger per årselev per uddannelse (tusinde kr.)
120
86 pct. af SOSU-skolernes samlede
omkostninger udgøres af SOSU
hovedforløb og SOSU grundforløb
110
100
90
80
51%
200
150
100
50
0
12%
12%
6%
8%
7%
8%
AMU og Åbne
uddannelser
11%
11%
87
56%
70
60
50
40
30
11%
4%
12%
4%
6%
8%
SOSU hovedforløb
3%
11%
5%
12%
4%
7%
8%
SOSU grundforløb
3%
3%
10%
6%
8%
AMU og Åbne uddannelser
3%
9%
4%
56%
52%
51%
83
111
103
Fordeling af omkostninger på uddannelser (2018)
Omkostninger per uddannelse (mio. kr.)
450
400
350
350
52%
435
40
61%
Øvrige
1
20
10
0
SOSU hovedforløb SOSU grundforløb
STRUENSEE & CO.
Note: 1) Øvrige udgøres af Teknisk EUX, Introduktionskurser og brobygning til ungdomsuddannelser mv. Ca. 5 mio. kr. (ca. 1 pct. af omkostningsbasen) kan ikke henføres til en specifik uddannelse og er ikke
opgjort i ovenstående. Det ændrer ikke på den relative fordeling af omkostninger til uddannelse.
Kilde: Analysens datamodel
16
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0017.png
2. INSTITUTIONERNES OMKOSTNINGSSTRUKTURER
Data indikerer svagt faldende marginalomkostninger per årselev for SOSU-skolernes uddannelser
•
•
•
Figuren nedenfor viser
omkostningen per årselev for AMU og åbne uddannelser, SOSU grundforløb samt SOSU hovedforløb sammenholdt med antallet af
årselever. Omkostningerne per årselev er renset for bygningsomkostninger, da ekstraordinære bygningsomkostninger kan skævvride gennemsnittene, hvilket er
blevet bakket op i interviews på institutionsbesøgene
Overordnet indikerer data, at de gennemsnitlige omkostninger per årselev er en smule lavere for store uddannelser end for små uddannelser. Billedet er dog mindre
klart for SOSU grundforløb, da hældningen på tendenslinjen er mindre stejl
Observationerne bygger dog på et meget begrænset datagrundlag, hvor der kun er medtaget 11 SOSU-skoler. Der er identificeret faldende marginalomkostninger for
andre uddannelseskategorier på tværs af arketyper. Dette fremgår af bilag 6.3
Omkostninger per årselev for AMU, Åbne Uddannelser samt SOSU grundforløb og SOSU hovedforløb og årselever fordelt på institution (2018)
1,2
Omkostninger per årselev per uddannelse (tusinde kr.)
110
100
90
AMU og Åbne Uddannelser
SOSU grundforløb
3
SOSU hovedforløb
80
70
60
50
40
30
0
20
40
60
80
100
120
140
160
180
200
220
240
260
280
300
320
340
360
380
400
420
440
Årselever per uddannelse
Note: 1) Der er testet for tidstrends på udvalgte arketyper ift. om den illustrerede sammenhæng er robust over tid, og ingen signifikante forskelle er identificeret.. 2) Der er testet for, hvorvidt særligt høje omkostninger til administrative fællesskaber hos værtsinstitutioner, påvirker
tendensen i grafen. Omkostninger til værtskab for administrative fællesskaber påvirker ikke tendensen. 3) Tre institutioner er fjernet som outliers. Kilde: Analysens datamodel
STRUENSEE & CO.
17
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0018.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
18
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0019.png
3. OMKOSTNINGSDRIVERE
SOSU-skolernes omkostningsdrivere karakteriseres ved nedenstående fem overordnede fund
Lønomkostninger per årselev afhænger særligt af holdstørrelse og institutionsstørrelse
•
•
De primære omkostningsdrivere identificeret er: i)
holdstørrelse
og ii)
institutionsstørrelse.
Derudover indikerer institutionsbesøg, at også iii)
andel
undervisningstid
og iv)
antal lokationer
er omkostningsdrivere.
Analyserne af lønomkostninger indikerer, at det kun er for lønomkostninger til administration og ledelse, at større institutioner (målt på antal elever) har lavere
omkostninger end mindre institutioner. Større institutioner lader til at have lidt større hold, hvilket i gennemsnit leder til lavere omkostninger til undervisning per
årselev. Større institutioner har dog højere lønomkostninger til undervisning
Konklusioner for de tre
omkostningskategorier
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
•
•
De primære omkostningsdrivere identificeret er:
Geografi
Analyserne indikerer, at omkostninger til bygninger i høj grad afhænger af institutionsspecifikke og ikke-strukturelle forhold, herunder ejendomsmarkedet i
nærområdet (geografiske forskelle)
•
Der er identificeret en smådriftseffekt for bygningsomkostninger og husleje. Det vil sige, at mindre institutioner har færre omkostninger til bygningsomkostninger
per kvadratmeter og færre omkostninger til husleje per årselev. Begge dele er drevet af geografi
De primære omkostningsdrivere identificeret er:
Institutionsstørrelse
Analyserne indikerer, at omkostninger til øvrig drift er kendetegnet ved stigende marginale omkostninger ved stigende institutionsstørrelse, hvor den primære
driver er antal årselever
Institutionsbesøg indikerer, at udlicitering bliver brugt til at drive omkostninger ned
Øvrige driftsomkostninger afhænger af institutionsstørrelse
•
•
•
Større institutionerne har lettere ved at optimere en række omkostningsdrivere
•
Tværgående konklusioner
Institutionernes arbejde med optimering af holdstørrelse og undervisningstidsandel understreger betydningen af institutionsstørrelse. Flere institutioner
bemærker, at fordeling af undervisningstimer og optimering af holdstørrelse er lettere for store institutioner. Analyserne understøtter denne sammenhæng
Også for lønomkostninger til undervisning samt administration og ledelse observeres en effekt af institutionsstørrelse
Institutionerne fremhæver, at antal årselever (dvs. institutionsstørrelse) særligt er drevet af i) demografiske udviklinger, ii) politiske reformer, iii) ændrede
søgemønstre, herunder grundet konjunkturudsving, iv) Institutionernes renomme i det geografiske område de dækker og v) Godt samarbejde med grundskoler i
området
•
•
Geografi er betydende som omkostningsdriver
•
Der en tendens til, at større institutioner ligger i byerne og mindre institutioner ligger på landet. Analysen indikerer, at mens det generelt er dyrere per kvm i
byerne, er disse også bedre til at udnytte deres kvadratmeter, og ergo kan der ikke spores nogen effekt af institutionsstørrelse på bygningsomkostninger per
årselev
•
Hertil tyder analysen på, at store institutioner har højere omkostninger til løn end mindre institutioner per årselev. Som de senere analyser viser, kan dette bl.a.
skyldes medarbejdersammensætningen (fx ift. anciennitet blandt undervisningsstaben, se delanalyse 4 i kapitel 5 herom) og institutionelle forhold
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
2195749_0020.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
20
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0021.png
3.1 OMKOSTNINGSDRIVERE
–
METODE
Der er betydelige forskelle i omkostninger per årselev mellem SOSU-skolerne. Analysens formål
er at identificere årsagerne til disse forskelle, dvs. omkostningsdrivere
•
Nedenstående graf viser, at der på tværs af SOSU-skolerne er en maksimal forskel i omkostninger per årselev i 2018 på 55 pct. svarende til ~40.000 kr. per
årselev
2
. For årene 2014-2017 er maksimumsforskelle i omkostninger per årselev svingende mellem 30 pct. og 48 pct., 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 årselev på tværs af SOSU-skoler (2018)
1,3
Indtægter per årselev
Tusinde kr. per årselev
Omkostninger per årselev
220
200
180
160
140
120
100
80
60
40
210
+55%
143
126
126
116
121
113
112
108
105
103
207
150
132
127
125
123
121
110
108
104
97
20
0
Note: 1) En institution er ikke medtaget, da omkostninger fra 2018 ikke er retvisende i formålsregnskabsdata. 2) Populationens mindste institution, med 90 årselever i 2018, er ikke medregnet. Til sammenligning har den anden mindste institution i 2018 403 årselever. 3) Det skal
bemærkes, at værtinstitutioner for administrative fællesskaber vil fremgå med en lidt højere omkostning per årselev. 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
2195749_0022.png
3.1 OMKOSTNINGSDRIVERE
–
METODE
SOSU-skolernes omkostningsdrivere analyseres for hver af de tre omkostningskategorier
•
•
•
•
•
I delanalyse 2 (kapitel 3) analyseres de tre omkostningsdrivere, dvs. i) identifikation af primære omkostningsdrivere, ii) hvilken effekt disse omkostningsdrivere har
og iii) hvordan omkostningsdriverne evt. relaterer til hinanden, herunder særligt ift. institutionsstørrelse og geografi
En bruttoliste af forventeligt relevante drivere af omkostninger indenfor løn, bygninger og øvrig drift er udarbejdet i tre kausalmodeller. Kausalmodellerne viser,
hvordan omkostninger og omkostningsdrivere er relateret. Pba. dataanalyser (deskriptive analyser af data), regressionsanalyser, institutionsbesøg og teoretiske
forventninger er et antal af omkostningsdriverne udvalgt til nærmere analyse. Kausalmodellerne præsenteres på de følgende sider
Først præsenteres analysen af omkostningsdrivere for lønomkostninger, dernæst ift. bygningsomkostninger, og endeligt ift. øvrig drift
Analyserne anvender metode- og datatriangulering, dvs. begrunder konklusioner med såvel dataanalyser (deskriptive analyser af data), regressionsanalyser og
institutionsbesøg og input fra BUVM og eksperter fra institutionerne
Nedenfor præsenteres kort, hvad analysen fokuserer på indenfor hver af de tre omkostningskategorier
Analytisk fokus
•
Analyse af løn-
omkostninger
(s. 23-31)
•
Analysen af lønomkostninger fokuserer på omkostningskomponenterne:
(1) løn per lærer og (2) 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. 32-38)
•
Bygningsomkostninger udgør en forholdsmæssig lille del af
institutionernes omkostninger men varierer betydeligt på
tværs af institutioner
•
Analyse af øvrige
drifts-
omkostninger
(s. 39-41)
•
Omkostninger til øvrig drift varierer meget på tværs af
institutionstyper, men større institutioner har
gennemgående lavere omkostninger til øvrig drift end
mindre institutioner
STRUENSEE & CO.
22
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0023.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
23
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_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
2195749_0025.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Forskelle i lønomkostninger til undervisning per årselever skyldes særligt forskelle i antal
årselever per underviser
•
•
•
•
Nedenstående grafer viser, at lønomkostningerne til undervisning per årselev varierer med op til 28 pct. Denne variation består af variationen i gennemsnitlige
lønomkostninger per underviser samt antal årselever per underviser
1
Således indikerer nedenstående, at antal årselever per underviser udgør den primære omkostningskomponent ift. at forklare, hvad der driver omkostningerne på
tværs af institutioner, mens forskelle i lærerlønninger driver en mindre del af variationen
Det understøttes af, at lønomkostninger per underviser i høj grad er overenskomstbestemt, hvorimod antal årselever per underviser afhænger af optimeret
driftsstyring og mulighederne herfor, fx i form af skemaplanlægning af undervisningstimer og holdstørrelser mv.
I de følgende sider fokuseres derfor særligt på de omkostningsdrivere, der primært virker igennem denne omkostningskomponent. På næste slide præsenteres disse
omkostningsdrivere og deres effekter pba. en regressionsanalyse. Omkostningsdriverne svarer til de netto-drivere udvalgt fra kausalmodellen, jf. forrige slide
Lønomkostninger per årselev og de to løn-omkostningskomponenter, fordelt på institutioner (2018)
2
Lønomkostninger til undervisning
per årselev (tusinde kr.)
69
67
67
65
63
+28%
62
59
59
58
54
466
513
531
485
577
8
8
8
9
10
419
533
524
Gennemsnitlige lønomkostninger
per underviser
1
(tusinde kr.)
543
563
6
8
8
Antal årselever per underviser
1
8
8
Ø 62
Ø 515
Ø8
Note: 1) En institution er ikke taget med pga. væsentligt færre undervisere end gennemsnittet. 2) Antallet af undervisere er justeret iht. indtægtsdækket virksomheds andel af totale omkostninger, da undervisere
på indtægtsdækket virksomhed ikke kan udskilles selvstændigt i ISOLA.
Kilde: Analysens datamodel
STRUENSEE & CO.
25
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0026.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger per årselev hos SOSU-skolerne er især drevet af antal årselever, holdstørrelse
og andel undervisningstid
= uddybes på følgende sider
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af lønomkostninger per årselev for SOSU-skolerne. 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 af hver driver pba. data- og analysetriangulering, der anvender hhv. kvantitative dataanalyser (deskriptive analyser af
data), institutionsbesøg og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues samlet i vurderingen af effekten af
omkostningsdrivere
De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra
datamodellen som ikke anvender regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) andel undervisningstid, ii) holdstørrelse og iii) antal årselever er betydende omkostningsdrivere for lønomkostninger per
årselev
= 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
1
Institutionsbesøg
Regressioner
2
Beskrivelse af effekter
•
Både institutionsbesøg og regressionsanalyserne indikerer, at en høj andel undervisningstid reducerer løn til
undervisning per årselev
•
Dataanalyser viser dog ikke nogen effekt, hvilket uddybes på næste side
•
Data- og regressionsanalyserne finder, at gennemsnitlige holdstørrelser varierer betydeligt og har en positiv
sammenhæng med lønomkostninger til undervisning per årselev, dvs. større hold driver lavere omkostninger
•
Institutionerne understreger betydningen heraf og fokuserer på holdstørrelser i deres styring
─
Antal årselever per underviser
Holdstørrelse
(s. 28)
Antal årselever
(s. 27-29; s. 31)
─
•
Flere årselever driver højere lønomkostninger per årselev til både uddannelse og lavere lønomkostninger til
administration og ledelse. Det understøttes af både dataanalyse og institutionsbesøg, men understøttes ikke af
regressionsanalysen
•
Institutionsbesøg indikerer, at antal lokationer kan have en negativ effekt på løn til undervisning
•
Regressionerne og de øvrige dataanalyser har dog ikke været i stand til at identificere en effekt, da der er
begrænset variation. Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Antal uddannelser varierer i begrænset omfang på tværs af SOSU-skoler
•
Ingen af analyserne har klart indikeret, at antal uddannelser har en betydende effekt på lønomkostningerne, hvorfor
driveren ikke præsenteres yderligere i de følgende sider
•
For SOSU-skoler er der hverken nok observationer for socioøkonomisk reference til at lave en særskilt dataanalyse
eller regression
•
Socioøkonomi er ikke eksplicit blevet påpeget som omkostningsdriver på institutionsbesøg
•
Analyserne har ikke identificeret systematiske forskelle på institutioner i hhv. by- og landkommuner
•
Institutionsbesøg har dog indikeret, at områders særlige forhold (fx lærerudbud og -konkurrence samt elevgrundlag)
har betydning; men systematiske forskelle mellem institutioner er ikke identificeret
Antal lokationer
─
─
─
─
─
─
─
─
Antal uddannelser
Socioøkonomi
Begge
omk.
komp.
Geografi
(by/landkommune)
─
─
─
Note: 1) Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable. 2) Effekterne er beregnet pba. multivariate OLS regressioner (maksimalt 14 observationer), med omkostningsdriverne som
uafhængige variable, og undervisnings- og adm. lønomkostninger per årselev som den afhængige variabel. Flueben angiver statistik signifikans på 10 pct. niveau. Flueben med parentes angiver, at variablen vurderes at have betydning via
regresionsanalysen, men er ikke signifikant på 10 pct. niveau. Holdstørrelse har en negativ effekt, dvs. større hold sænker omkostninger per årselev (p-værdi på 15-20). 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
2195749_0027.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Analysen indikerer ikke, at en større andel undervisningstid reducerer omkostninger til
undervisning per årselev
Antal årselever
•
•
•
•
Andel undervisningstid
•
Nedenstående grafer illustrerer betydningen af andel undervisningstid for lønomkostningerne til undervisning per årselev
Grafen til venstre
indikerer ikke en sammenhæng af, om lønomkostninger til undervisning per årselev er stigende eller faldende ved højere andel undervisningstid
Analysen giver således ikke et svar på, om institutioner, der bruger mere tid på undervisning, har højere lønomkostninger til undervisning per årselev, hvor lærer/elev
ratioen (dvs. omkostningskomponenten: ‘antal
årselever per underviser’)
mindskes
Ved institutionsbesøgene blev det bemærket, at institutionerne aktivt arbejder med at andelen af lærernes arbejdstid, der anvendes på undervisning. Denne styring
foregår naturligt i sammenhæng med styring på holdstørrelse (jf. næste side). Fx forsøger institutionerne at tage højde for frafald mellem opstart og tælledag, time-
fag fordeling, kapacitetsudnyttelse af lærerressourcer, herunder ved skemaplanlægning, mv.
–
alle sammen tiltag, der i sidste ende kan bevare høje andele
undervisningstid
Grafen til højre
indikerer ikke en sammenhæng, om større institutioner har højere undervisningstid. Institutionerne bemærker, at det er lettere at optimere
undervisningstiden ved mange årselever. Bl.a. fordi de ovenfor nævnte tiltag bedre kan anvendes, fx større fleksibilitet i time-fag fordeling ved en større lærerstab,
mere fleksibel skemaplanlægning, mv.
Andel undervisningstid ift. lønomkostninger per årselev (2017
1
)
2
Omkostninger til undervisning per årselev
80.000
Andel undervisningstid fordelt efter institutionsstørrelse (2017
1
)
2
Årselever
1.200
70.000
900
60.000
600
50.000
33
36
39
42
45
48
51
Andel undervisningstid (pct.)
300
33
36
39
42
45
48
51
Andel undervisningstid (pct.)
Note: 1) 2017 data er anvendt da andel undervisningstid ikke er tilgængelig for 2018. 2) En institution er fjernet som outlier pga. omkostninger pr. elev på over 112.000 kr. med et årselevtal på 90.
Kilde: Analysens datamodel
STRUENSEE & CO.
27
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0028.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Analysen indikerer en svag negativ sammenhæng mellem større hold og omkostninger til
undervisning per årselev
Antal årselever
•
•
•
•
•
Holdstørrelse
Nedenstående grafer illustrer betydningen af gennemsnitlig holdstørrelse for lønomkostningerne til undervisning per årselev
Grafen til venstre indikerer,
at løn til undervisning per årselev er faldende ved større gennemsnitlige holdstørrelser, hvilket ses på den negative hældning af trend-
linjen. Dog er der stor variation i observationerne, hvilket gør resultatet mindre robust
Analysen indikerer således, at institutioner, der har større gennemsnitlige holdstørrelser, alt andet lige, har lavere lønomkostninger til undervisning per årselev, da
lærer/elev ratioen
(dvs. omkostningskomponenten: ‘antal
årselever per underviser’)
herved mindskes
Det understøttes af institutionsbesøgene, hvor særligt holdstørrelse (klassekvotienten) fremhæves som styringsparameter. Det bemærkes, at det er svært at lave
forudsige elevantal for elevtal grundet udsving i søgemønstre, politiske tiltag og elevfrafald. Disse udsving har mindre betydning for store institutioner, da de har
bedre muligheder for optimering af holdstørrelse
Grafen til højre indikerer,
at større institutioner har lavere omkostninger til undervisning, hvilket kan være grundet bedre muligheder for tilpasning af holdstørrelse.
Her er der dog også forholdsvis stor variation i observationerne og grafen er forholdsvis flad, hvilket indikerer, at en række andre forhold også spiller en væsentlig
rolle for optimeringsmulighederne
Gennemsnitlig holdstørrelse fordelt efter institutionsstørrelse (2018)
1
Gennemsnitlig holdstørrelse
30
Holdstørrelse ift. lønomkostninger til undervisning per årselev (2018)
1
Gennemsnitlig holdstørrelse
30
25
25
20
54.000
20
56.000
58.000
60.000
62.000
64.000
66.000
68.000
70.000
400
450
500
550
600
650
700
750
800
850
900
950 1.000
Lønomkostninger til undervisning per årselev
Note: 1) Data er baseret på indsamlede spørgeskemaer, der kun er besvaret i 2018. En institution er fjernet som outlier.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
Årselever
28
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0029.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger til undervisning per årselev er lavere for små institutioner, særligt baseret på
SOSU grundforløbet
Antal årselever
•
•
•
•
Analysen af registerdata indikerer, at lønomkostninger per elev, alt andet lige, er højere målt for større institutioner (ift. antal årselever). Det er dog ikke et entydigt
billede, da både AMU og Åbne Uddannelser samt SOSU hovedforløb har lavere omkostninger ved institutioner med flere elever
Sammenhængen er illustreret i nedenstående graf (venstre). Det tyder således ikke på, at der er tegn på stordriftsfordele målt ved antallet af årselever. Hertil er
effekten på tværs af de tre uddannelser ikke entydig (AMU og Åbne Uddannelser, SOSU hovedforløb samt SOSU grundforløb) på grafen til højre. For AMU og Åbne
Uddannelser samt SOSU hovedforløb indikerer grafen til højre stordriftsfordele
Ift. konklusionerne på forrige side tyder nedenstående på, at der er andre forhold end holdstørrelse og andel undervisningstid, som driver lønomkostninger til
undervisning per elev, herunder institutionsspecifikke forhold og medarbejdersammensætningen
Institutionsbesøgene indikerer, at faldende marginalomkostninger kan skyldes større institutioners mulighed for at optimere af holdstørrelser og lærernes
undervisningsandele. Større institutioner lader dog ikke til at have faldende marginalomkostninger til løn til undervisning
Lønomkostninger til undervisning per årselev fordelt på uddannelser (2018)
1
AMU og Åbne Uddannelser
SOSU grundforløb
Lønomkostninger til undervisning per årselev
70.000
Lønomkostninger til undervisning per årselev fordelt på uddannelser
SOSU hovedforløb
lønomkostninger til undervisning per årselev fordelt på institutionsstørrelse (2018)
90
60
60.000
30
50.000
400
600
Antal årselever
800
1.000
0
0
100
200
300
400
500
Årselever
per uddannelse
Note: 1) Analysen er ligeledes foretaget for institutions-år fra 2011-2018, med overordnet samme tendens som resultatet
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
29
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0030.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
For lønomkostninger til administration og ledelse fokuseres på antal årselever og socioøkonomi
som de primære omkostningsdrivere
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af lønomkostninger til administration og ledelse. Modellen illustrerer de forventede sammen-
hænge mellem bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes lønomk.
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af hvilke omkostningsdrivere, der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra tekniske eksperter fra institutionerne, BUVM og
konsulentteamets erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere der ikke er markeret med grøn nedenfor indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt to omkostningsdrivere af lønomkostninger, fsva. administration og ledelse specifikt. De udvalgte drivere er
markeret med grønt i kausalmodellen (antal årselever og socioøkonomi)
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
30
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0031.png
3.2 OMKOSTNINGSDRIVERE
–
LØNOMKOSTNINGER
Lønomkostninger til administration og ledelse per årselev er i gennemsnit lidt højere for små
institutioner
Antal årselever
•
•
•
Jf. nedenfor indikerer analyserne, at omkostninger til administration og ledelse per årselev, alt andet lige, er lidt lavere jo større en institution er; målt på antal
årselever. Den grønne trend-linje illustrer den indikative sammenhæng ift. stordriftsfordele med faldende lønomkostninger til adm. og ledelse ved flere årselever
Analysen indikerer ikke en grænse for omkostninger per årselev. Det er heller ikke muligt at beregne en præcis kritisk grænse; dog indikerer institutionsbesøg, at
omkostninger per årselev ved stigende elevtal er aftagende omkring dette 700 årselever
Forskellene mellem små og store institutioner er markante, idet lønomkostninger til administration og ledelse per årselev svinger med ca. 50 pct. fra ~12.000 kr. til
~18.000 kr.
Ved institutionsbesøg er bl.a. blevet fremhævet, at særligt professionalisering af medarbejderstaben, udlicitering og ledelse er afgørende for lave omkostninger per
årselev indenfor denne omkostningskategori. Ligeledes understreges det, at mulighederne for at optimere via disse tiltag, lettes ved øget institutionsstørrelse. Fx
bemærker institutioner, at der er mulighed for at reducere de samlede omkostninger sfa. professionalisering og effektivisering, herunder til bl.a. bogholderi og
bygningsdrift. Samtidig understreges, at institutionsstørrelse er relevant for realisering af sådanne besparelser
•
Lønomkostninger til administration og ledelse per årselev på tværs af institutionsstørrelse (2018)
Omkostninger til administration og ledelse per årselev
19.000
18.000
17.000
16.000
15.000
14.000
13.000
12.000
11.000
10.000
9.000
400
450
500
550
600
650
700
Antal årselever
Kilde: Analysens datamodel
STRUENSEE & CO.
31
750
800
850
900
950
1.000
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0032.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
32
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0033.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Drivere af bygningsomkostninger identificeres pba. empiriske analyser,
institutionsbesøg og ekspertinput
Primær
omkostningsdriver
•
•
•
•
•
•
•
Nedenfor ses en kausalmodel med en bruttoliste over mulige drivere af bygningsomkostninger. Modellen illustrerer de forventede sammenhænge mellem
bruttolisten af omkostningsdrivere og hvordan disse påvirker de to omkostningskomponenter, der tilsammen resulterer i institutionernes bygningsomkostninger
De identificerede omkostningsdrivere er udtryk for en bruttoliste af forhold, der forventes at have substantiel betydning for omkostningsstrukturerne
Pba. kausalmodellens bruttoliste er foretaget en indledende screening af, hvilke omkostningsdrivere der forventes primært at drive omkostninger per årselev
Udvælgelsen af disse primære omkostningsdrivere er baseret på indledende empiriske tests, input fra eksperter fra institutionerne, BUVM og konsulentteamets
erfaringer. Udvælgelsen er valideret løbende ifm. institutionsbesøg mhp. at sikre, at alle primære omkostningsdrivere undersøges
Omkostningsdrivere, der ikke er markeret med grøn nedenfor, indgår fortsat i analyserne så vidt muligt og relevant, men er ikke i særskilt fokus i denne
afrapportering
Udvælgelsesprocessen har resulteret i et fokus på særligt fem omkostningsdrivere af bygningsomkostninger til nærmere analyse. De udvalgte drivere er markeret
med grønt i kausalmodellen og dækker: i) antal årselever, ii) antal lokationer, iii) geografi, iv) andel lejede kvm og v) andel undervisnings kvm
De følgende sider vil undersøge hvilke omkostningsdrivere, der ligger til grund for forskellene, og hvad der kendetegner institutionerne
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.
33
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0034.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Bygningsomkostninger per årselev varierer med 265 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 265 pct. per årselev, som skyldes markante variationer i kvadratmeterpriser og antal
kvadratmeter per årselev. De store variationer i de to omkostningskomponenter indikerer, at begge omkostningskomponenter er primære drivere af variationen i
bygningsomkostninger per årselev
Graferne viser desuden en smule systematik i bygningsomkostninger per m
2
ift. de totale bygningsomkostninger per årselev, dvs. institutioner med høje
bygningsomkostninger per m
2
også har høje bygningsomkostninger per årselev. Antal m
2
per årselev viser derimod ikke samme systematik
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
Bygningsomkostninger per årselev
(2017, tusinde kr.)
24
18
18
898
421
692
+265%
567
471
553
443
387
490
13
21
21
23
20
21
25
Bygningsomkostninger per m
2
(2017, kr.)
1.138
1.007
18
20
33
Antal m
2
per årselev (2017)
21
14
14
12
12
12
10
9
6
Ø 13
Ø 642
Ø 21
Note: 1) 2017 data er anvendt, da 2018 data ikke er tilgængelig fra SparEnergi datakilden. 2) I formålsregnskabet for SOSU-skoler fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er
korrigeret herefter.
Kilde: Analysens datamodel; Institutionsbesøg
STRUENSEE & CO.
34
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0035.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Bygningsomkostninger afhænger i høj grad af institutionsspecifikke forhold
= uddybes på følgende sider
•
•
•
•
Nedenfor ses en opgørelse over de primære drivere af bygningsomkostninger per årselev for SOSU-skolerne. 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. der anvender hhv. kvantitative
dataanalyser (deskriptive analyser af data), institutionsbesøg og multivariate OLS regressioner. Grundet få institutioner i analysen bør alle tre indikatorer anskues
samlet. Det bemærkes, at det ikke har været muligt at etablere signifikante resultater for regressionsanalyserne
De tre indikatorer anvendes til triangulering og ligger til grund for en helhedsvurdering af hver omkostningsdriver. ”Dataanalyser” dækker over analyser af data fra
datamodellen som ikke anvender regressioner
–
se de følgende sider for eksempler herpå
Analyserne indikerer samlet set, at særligt i) geografi og ii) antal årselever er betydende omkostningsdrivere for bygningsomkostninger per årselev
= indikerer at driveren har en betydende effekt
─
= en betydende effekt er ikke identificeret
Omk.
komp.
Indikationer på effekt af omkostningsdriveren
Omkostningsdrivere
Dataanalyser
1
Institutionsbesøg
Regressioner
2
Beskrivelse af effekter
Geografi
(by-/landkommune)
(s. 38)
•
Analyserne indikerer at institutioner i bykommuner har betydeligt højere bygningsomkostninger per årselev
•
Sammenhængen understøttes af såvel dataanalyserne, institutionsbesøgene og regressionerne (dog uden statistisk
signifikans)
•
Institutionsbesøgene indikerer, at lejede kvm typisk er dyrere end ejede kvm
Kvm.
priser
Andel lejede kvm
─
─
─
─
─
─
•
Dataanalyser og regressioner har dog ikke identificeret en effekt af andelen af lejede kvm på bygningsomkostninger
per årselev, hvilket dog kan skyldes lav variation og få observationer
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at andelen af
undervisningskvadratmeter har en effekt på bygningsomkostninger per årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
•
Flere årselever driver ikke umiddelbart lavere bygningsomkostninger per årselev
Antal kvadratmeter per årselev
Andel undervisnings
kvm
Antal årselever
(s. 36-37)
•
Den manglende sammenhæng dækker dog over modsatrettede effekter, hvor store institutioner har højere
bygningsomkostninger per kvadratmeter (bl.a. fordi disse oftere ligger i byerne) men samtidig har færre kvadratmeter
per årselev. Effekten af høje bygningsomkostninger per kvm vejer umiddelbart tungest
•
Dog er der forholdsvis stor spredning i observationerne, hvilket gør resultaterne mindre robuste
Antal lokationer
─
─
─
•
Hverken dataanalyser, institutionsbesøg eller regressioner har klart indikeret, at antal lokationer har en effekt på
bygningsomkostninger per årselev
•
Omkostningsdriveren præsenteres derfor ikke yderligere i de følgende sider
Note: 1) Deskriptive dataanalyser, som ser på bivariate sammenhænge, dvs. sammenhænge mellem to variable. 2) Effekterne er beregnet pba. multivariate OLS regressioner (maks. 14 observationer), med
omkostningsdriverne som uafhængige variable, og bygningsomkostninger per årselev som den afhængige variabel. Grundet lavt antal enheder er statistisk signifikante resultater usandsynlige. Geografi har en
positiv effekt, men er ikke signifikant (p-værdi på 15-20). 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
2195749_0036.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Der er ikke identificeret stordriftsfordele på bygningsomkostninger…
Antal årselever
•
•
•
•
Nedenfor ses en opgørelse over sammenhængen mellem omkostninger til bygningsdrift og institutionsstørrelse. Opgørelsen har til formål at belyse eventuelle
stordriftsfordele på bygninger
Opgørelsen viser ikke tegn på stordriftsfordele på bygninger. Tværtimod viser det, at store institutioner har større bygningsomkostninger per elev end mindre
institutioner målt på årselever
Institutionsbesøgende understøtter, at en række forhold med stor betydning for institutionernes bygningsomkostninger er institutionsspecifikke og ikke kan tilskrives
strukturelle forholde i systematiske omkostningsdrivere. Fx økonomien og bygningsmassen ved overdragelse fra selveje. Det har bl.a. været bestemt af den
betalingsevnevurdering, der blev gennemført ifm. overdragelse af bygninger. Derudover har fx bygningsalder og valgte låneforhold betydning. Eksempelvis vil
nyopførte bygninger typisk være dyre i afskrivninger og renteomkostninger men samtidig være mere energieffektive, kræve mindre vedligehold, mv. Grafen nedenfor
indikerer, at der for populationen er en udlignende effekt mellem de to drivere
Endeligt har også det konkrete ejendomsmarked i nærområdet betydning, dvs. den geografiske placering af institutionens bygninger, hvilket uddybes på følgende
sider
Omkostninger til bygningsdrift per årselev på tværs af institutionsstørrelse (gns. for 2016-2018)
1,2
Gennemsnitlige bygningomkostninger per elev
25.000
20.000
15.000
10.000
5.000
0
0
200
400
600
Årselever
Note: 1) Der er brugt et gennemsnit over 2016-2017 for institutioner, hvor der ikke foreligger data for 2018. 2) I formålsregnskabet for SOSU-skoler fremgår ikke omkostninger til kostafdeling, hvorfor
omkostningerne ikke er korrigeret herefter. Kilde: Analysens datamodel
STRUENSEE & CO.
36
800
1.000
1.200
1.400
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0037.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
… hvilket skyldes, at større institutioner har højere bygningsomkostninger
per kvadratmeter men kun marginalt flere elever per kvadratmeter
Antal årselever
•
•
•
•
Graferne nedenfor indikerer, at den stigende marginalomkostning til bygninger på tværs af institutionsstørrelse er drevet af modsatrettede tendenser indenfor hhv.
kvm per årselev og bygningsomkostninger per kvm
–
dvs. de to omkostningskomponenter
Opgørelsen viser en sammenhæng mellem antallet af kvadratmeter per årselev og institutionsstørrelse, hvor større institutioner tenderer til at have færre
kvadratmeter per årselev (grafen
til højre),
samtidig med at større institutioner tenderer til at have højere bygningsomkostninger per kvadratmeter (grafen
til
venstre)
Således fremgår det, at store institutioner har lidt færre kvadratmeter per årselev og højere bygningsomkostninger per kvadratmeter, hvilket tilsammen resulterer i, at
institutionsstørrelse ikke hænger sammen med lavere bygningsomkostninger per årselev. Dog er der stor spredning, særligt i grafen til venstre, hvilket gør resultatet
mindre robust
Ved institutionsbesøg er desuden observeret situationer, hvor institutioner har måtte leje fx pavilloner grundet stigende elevtal, hvilket er en dyrere men mere
fleksibel løsning. Dermed har ændringen i institutionsstørrelse over de seneste år væsentlig betydning for omkostningsniveauet per årselev
–
såvel som den
absolutte størrelse
Gns. bygningsomkostninger per kvm på tværs af institutionsstørrelse (2016-2017)
1
Gns. kvm per årselev på tværs af institutionsstørrelse (2016-2017)
2
Gns. bygningsomk. per kvm
1.200
Gns. kvm per årselev
30
900
600
20
300
0
0
500
1.000
1.500
Gennemsnit af årselever
10
0
500
1.000
1.500
Gennemsnit af årselever
Note: 1) I formålsregnskabet for SOSU-skoler fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. 2) En enkelt observation er fjernet som outlier
Kilde: Analysens datamodel; Danmarks Statistik, 2018
STRUENSEE & CO.
37
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0038.png
3.3 OMKOSTNINGSDRIVERE
–
BYGNINGSOMKOSTNINGER
Institutioner på landet er typisk både mindre og har lavere bygningsomkostninger
per elev. By-institutioner varierer mere i både størrelse og omkostninger per elev
Geografi
•
•
•
•
Grafen til højre
viser en opgørelse over bygningsomkostninger per kvadratmeter og
grafen til venstre
viser husleje per årselev på tværs af institutionsstørrelse
Institutionerne er geografisk opdelt afhængigt af, om de er placeret i en bykommune eller en landkommune
1
Opgørelsen viser en svag sammenhæng mellem institutionsstørrelse og omkostningerne til bygninger, som særligt for de mindre institutioner synes at være betinget
af geografisk placering
Institutioner i landkommuner er generelt mindre og billigere på bygningsomkostninger, mens institutioner i bykommuner varierer betydeligt i forhold til både
bygningsomkostninger og størrelse
Forskelle i huslejeomkostninger (som primært ses for institutioner i en by kommune) kan bl.a. skyldes forskelle i andele eje og leje. Fx giver en institution udtryk for,
at de så vidt muligt forsøger, at have en andel af bygningsmassen, der er fleksibel (primært lejeaftaler), mhp. tilpasningsmuligheder. Valget af eje eller leje er dog
meget afhængigt af de konkrete situationer ved hver lokation
Gns. bygningsomk. per kvm på tværs af institutionsstørrelse for
institutioner i by- og landkommuner (2016-2017)
2
Gns. bygningsomkostninger per kvm
1.200
By
Land
Gns. husleje per årselev på tværs af institutionsstørrelse for institutioner i
by- og landkommuner (2016-2017)
3
Gns. husleje per årselev
16.000
Institutioner i
14.000
landkommuner er
typisk mindre og
billigere på husleje og 12.000
bygningsomkostninger
Land
By
•
1.000
800
10.000
600
8.000
6.000
400
4.000
200
2.000
0
0
300
600
900
1.200
1.500
Gennemsnit af årselever
0
0
300
600
900
1.200
1.500
Gennemsnit af årselever
Note: 1) Opdeling i by- og landkommune baseret på Danmarks statistiks kommunegruppering i a) hovedstadskommuner, b) storbykommuner, c) provinsbykommuner, d) oplandskommuner og e) landkommuner.
a) til c) er her defineret som ‘by’ og d) til e) som ‘land’ 2) I formålsregnskabet for SOSU-skoler
fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. 3) Institutioner uden
huslejeomkostninger for begge år er fjernet. Kilde: Analysens datamodel; Danmarks Statistik, 2018
STRUENSEE & CO.
38
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0039.png
Indholdsfortegnelse
1
2
3
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
3.1
Metode
3.2
Lønomkostninger
3.3
Bygningsomkostninger
3.4
Øvrige driftsomkostninger
4
5
6
Institutionernes tilpasningsevne
Økonomisk bæredygtighed
Bilag
39
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0040.png
3.3 OMKOSTNINGSDRIVERE
–
ØVRIGE DRIFTSOMKOSTNINGER
Analysen indikerer, at større institutioner har højere omkostninger til øvrig drift per årselev
•
•
•
Nedenstående graf indikerer, at omkostninger til øvrig drift er højere med stigende institutionsstørrelse, dvs. at større institutioner gennemsnitligt har højere
omkostninger til øvrig drift per årselev end mindre institutioner, jf. den grønne trend-linje
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. Ydermere er hældningen på tendenslinjen svagt nedadhældende, hvis outlieren tages med
Institutionsbesøgene indikerede en omvendt sammenhæng, hvor i) udlicitering, ii) indkøbsfællesskaber og iii) IT-fællesskaber bruges til stordriftsfordele. Fx nævner
institutionerne, at en stor institution har en bedre forhandlingsposition og forudsætninger for billigere indkøb. Dog kan ressourceforbrug grundet udbudskrav være
større for store institutioner, da deres indkøb oftere vil være over grænseværdierne for udbudsreglerne
Omkostninger til øvrig drift per årselev på tværs af institutionsstørrelse (2016-2017)
1,2
Omkostninger til øvrig drift per årselev
30.000
Drivere af øvrige driftsomkostninger
•
Omkostningsdriverne af øvrige driftsomkostninger per
årselev er primært antallet af årselever og antallet af
medarbejdere (hvilket er drevet af antal årselever). Det
følger af, at øvrige driftsomkostninger i høj grad er
aktivitetsafhængige, da de omfatter fx
undervisningsmateriale, IT licenser, inventar og
kontorartikler, opkvalificering af medarbejdere,
markedsføring mv.
Dog er der nogle øvrige driftsomkostninger, der i mindre
grad er aktivitetsafhængige, hvilket medfører at netop
institutionsstørrelse har en betydning. Det skyldes, at for
omkostninger der ikke er aktivitetsafhængige vil
omkostningen per årselev være lavere for større
institutioner. Det gælder fx Lectio abonnement, Navision,
SLS, Sikkerpost, faktura flow systemer,
journaliseringssystemer, mv. Dette er fremhævet på
institutionsbesøgene, hvor institutionerne desuden
bekræfter, at større institutioner generelt set har bedre
muligheder for at sænke øvrige driftsomkostninger per
årselev sfa. en række tiltag
25.000
•
20.000
15.000
10.000
200
400
600
800
Årselever
1.000
1.200
1.400
Note: 1) I formålsregnskabet for SOSU-skoler fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. 2) En institution er fjernet som outlier.
Kilde: Analysens datamodel
STRUENSEE & CO.
40
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0041.png
3.3 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 11 SOSU-skoler
1
. 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. 50 pct. mellem institutioner ift. omkostninger til øvrig drift per årselev, som jf. forrige side bl.a. korrelerer med antal årselever.
Samtidigt viser figuren, at der er stor forskel på sammensætningen af øvrige driftsomkostninger på tværs af institutionerne. Den største post varierer således også,
så fire SOSU-skoler har køb af tjenesteydelser som største post, to har køb af varer til forbrug og fem har øvrige driftsomkostninger som største post
•
Omkostninger til øvrig drift per årselev per institution (tusinde kr.), 2018
2,3
Køb af tjenesteydelser (ex IT)
52
51
28
28
26
26
25
Ø 24
34%
18%
43%
38%
34%
Rep. og vedligehold (ex. byg)
-46%
Køb af varer til forbrug
Afskrivninger
Øvrige driftsomkostninger
49%
26
24
22
20
18
16
14
12
10
8
6
4
2
0
29%
38%
31%
8%
19%
5%
3%
19%
2%
44%
2%
25%
3%
15%
6%
18
18
26%
6%
17
22%
24%
17
15
32%
18%
35%
2%
17%
24%
33%
4%
32%
54%
43%
35%
43%
36%
41%
31%
35%
37%
Note:.1) En institution er udeladt grundet manglende data. 2) I formålsregnskabet for SOSU-skoler fremgår ikke omkostninger til kostafdeling, hvorfor omkostningerne ikke er korrigeret herefter. 3) Det skal
bemærkes, at de institutioner, som er værter for administrative fællesskaber, har en større andel af omkostninger til løn til øvrig drift, som ikke er inkluderet i ovenstående graf. De institutioner, som betaler til
administrative fællesskaber, har højere omkostninger til køb af tjenesteydelser, som indgår i ovenstående graf. Kilde: Analysens datamodel
STRUENSEE & CO.
41
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0042.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
42
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0043.png
4. INSTITUTIONERNES TILPASNINGSEVNE
Analysen identificerer en række forhold, der påvirker SOSU-skolernes 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. 47)
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 SOSU-skoler, der har faldende indtægter et givent år, oplever i
gennemsnit et indtægtsfald på ca. 6 pct. pr. år ift. det foregående år i
perioden 2012-2018
Størrelsen på de gennemsnitlige indtægtsfald har været stigende frem
mod 2017. Indtægtsfaldet var i gennemsnit hhv. ca. 5 pct. og 12 pct. i
2012 og 2017. I 2018 er indtægtsfaldet dog på ca. 5 pct. Andelen af
SOSU-skoler, som oplever et indtægtsfaldet udviser samme mønster,
der er stigende fra 2012-2017 og derefter falder fra 2017-2018
4.3
Tilpasningsevne (s. 49-57)
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 55 pct. af SOSU-skolernes omkostninger har høj grad
af aktivitetsafhængighed. Ligeledes viser beregninger, at 90 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. 59)
Analysen viser, at de SOSU-skoler, der har det størst tilpasningsbehov og den laveste tilpasningsevne, er kendetegnet ved:
•
•
Flere årselever:
De udfordrede SOSU-skoler har generelt flere
årselever end de SOSU-skoler, som bedre kan tilpasse sig
Det skyldes, at større SOSU-skoler 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
SOSU-skoler i 2012-2018 oplever større variation i indtægter end større
SOSU-skoler, hvilket kan have formet deres tilpasningsevne
•
Samme geografiske fordeling:
De udfordrede SOSU-skoler ligger
hovedsageligt i byerne og har flere årselever, mens mindre udfordrede
institutioner typisk ligger i yderkommuner og har færre årselever. Det
bemærkes, at tilpasningsevnen kan være drevet af behov fra tidligere
år, da mindre SOSU-skoler typisk oplever større variation i indtægter
end større SOSU-skoler
STRUENSEE & CO.
43
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0044.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
44
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0045.png
4.1. INSTITUTIONERNES TILPASNINGSEVNE - METODE
Analysen af tilpasningsevne undersøger omkostningernes aktivitetsafhængighed og
bindingsperiode
•
•
•
•
Nedenfor beskrives de to nøgleparametre som analysen af tilpasningsevne baseres på. Tilgangen fokuserer på: (1) aktivitetsafhængighed og (2) bindingstider, som
er de to faktorer, der påvirker institutionerne evne til at tilpasse økonomien ved ændringer i indtægterne fra ét år til det næste
Jo større andel af omkostningsbasen, der har høj grad af aktivitetsafhængighed og korte bindingstider, jo bedre er evnen til at tilpasse økonomien til ændringer i
indtægterne fra ét år til det næste. Det skyldes, at institutionerne i praksis finder det mest oplagt at justere de omkostninger, som er variable med aktiviteten, givet at
der ikke er uforholdsmæssigt lange bindinger på disse omkostninger, fx i form af opsigelsesvarsler, kontraktmæssige bindinger, el.lign.
Aktivitetsafhængigheden opgøres for hver omkostningskategori pba. institutionsbesøg og kvantitativ analyse af tilpasningsevne for forskellige
omkostningskomponenter ved fald i elevtallet. Aktivitetsafhængigheden vurderes på en kvalitativ tre-trins skala fra høj til lav
Bindingstid opgøres for hver omkostningskategori i antal måneder fra 0-3 mdr., 4-10 mdr., 11-24 mdr. og 25+ mdr. For lønomkostninger er bindingsperioden opgjort
pba. anciennitet og de overenskomstbestemte varselsperioder.
1
For bygningsomkostninger og øvrige driftsomkostninger er bindingsperioden opgjort pba. interview
på institutionsbesøg og spørgeskemabesvarelser
Tilpasningsevne
Omkostningernes aktivitetsafhængighed
Aktivitetsafhængighed
Bindingstid
Bindingstid på omkostninger
•
•
•
•
•
Det første forhold, institutionerne tager højde for, når omkostninger skal tilpasses
sfa. et indtægtsfald pba. faldende elevtal, er, om de forskellige
omkostningskomponenter afhænger af elevtallet
Omkostninger, som kun i begrænset omfang påvirkes af ændringer i elevtallet fra
ét år til det næste
–
fx visse bygningsomkostninger samt engangsudgifter til
licenser (fx Lectio)
–
er ifølge institutionerne kun oplagte at justere ved
længerevarende trends i indtægtsændringer, og såfremt der ikke i forvejen er
”lavt hængende frugter” at høste på disse områder
Omkostninger med høj grad af aktivitetsafhængighed
–
fx lønomkostningerne til
undervisning
–
er umiddelbart oplagte at tilpasse ved ændret elevtal fra år til år
Beslutningen om at udmønte besparelser afhænger dog bl.a. af bindingstiden på
de enkelte omkostninger (fx opsigelsesvarsler og abonnementsbindinger) samt
faglige hensyn til at understøtte undervisningskvalitet mv.
Størstedelen af institutionernes samlede omkostninger skønnes at have en høj
grad af aktivitetsafhængighed, på tværs af delsektorer
•
•
•
•
•
Det næste forhold, institutionerne tager højde for ved tilpasning til indtægtsfald,
er, hvor lang bindingstid der er på de omkostninger, der vurderes mest
relevante at tilpasse ud fra deres aktivitetsafhængighed, kvalitetshensyn, mv.
Visse omkostninger med længere bindingstid
–
fx husleje- og låneomkostninger
samt evt. kontraktmæssige forpligtelser på rengøring, vedligehold, forsyning og
abonnementer
–
vil ikke kunne justeres på den korte bane
Omvendt vil omkostninger med forholdsvis lav bindingstid
–
fx lønomkostninger,
der har en bindingstid på 0-10 mdr.
–
være mere oplagte at justere ved
indtægtsfald. Ifølge institutionerne indgår opsigelseslængden dog sjældent i
overvejelserne om, hvilke medarbejdere der skal afskediges
Det skønnes på tværs af delsektorer, at en overvejende andel af
omkostningerne har en bindingstid på 0-10 mdr., hvilket især er drevet af
bindingstiden på løn
Hvis institutionerne har en forventning om længerevarende trends i udviklingen
af elevtallet, vil også de dele af omkostningerne med længere bindinger kunne
justeres for at imødegå det fremtidige indtægtsgrundlag. Spørgsmålet om
bindingstid er derfor især relevant ift. tilpasning til udsving på den korte bane
45
Note: 1) Det bemærkes, at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i beregningerne
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0046.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
46
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0047.png
4.2 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSBEHOV
Når SOSU-skolerne 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 SOSU-skolerne oplever i de år, de registrerer et indtægtsfald. Dvs. såfremt en institution oplever et fald i
indtægter, så vil det fald gennemsnitligt være på ca. 6 pct. ift. året før. Fx oplever institutioner med et indtægtsfald i 2012 gennemsnitligt et fald på 5 pct. ift. året før
(2011), i 2013 et gennemsnitligt fald på 2 pct. ift. 2012 osv. Grafen tolkes altså som den gennemsnitlige marginale ændring i indtægter fra et år til det næste for de
institutioner, som netop det år har oplevet et indtægtsfald
1
. I gennemsnit oplever ca. 60 pct. af SOSU-skolerne 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. Indtægtsfaldet varierer betragteligt over
årene, ligesom andelen af SOSU-skoler, som oplever et indtægtsfald, varierer fra ca. 30 pct. til ca. 90 pct. Størrelsesordenen af grafen (dvs. op til 12 pct. og et
gennemsnit på 6 pct.) indikerer, at institutionerne jævnligt oplever betydelige tilpasningsbehov, der kræver en ikke ubetydelig reduktion af omkostninger
Givet dette tilpasningsbehov fokuserer den følgende analyse på, hvilken tilpasningsevne institutionerne har, og endeligt i analysens sidste del, hvordan de
identificerede behov og evner matcher. Et element af denne matching er at undersøge, hvilke karakteristika der kendetegner de udfordrede institutioner
Ændringer fra år til år:
•
12,4
9,1
3,5
5,5
2,3
2,9
2,9
Ø6
De fleste SOSU’er oplever ændringer i
elevtallet hvert år, i opad- eller
nedadgående retning, hvilket påvirker
deres indtægter. Det skyldes, at
taxametersystemet er overvejende
aktivitetsafhængigt
Årsager til indtægtsændringer
Indsigter fra institutionsbesøg:
Interview med institutionerne
peger på 4 hovedårsager til indtægtsændringer:
•
Demografiske ændringer:
Den demografiske udvikling
driver tendenser på lang sigt, fx reduceret elevgrundlag
grundet faldende ungdomsårgange. Udviklingen er som regel
til at forudsige, når der ses på tidligere år og den forventede
udvikling i størrelsen af den relevante aldersgruppe i området
Ændrede søgemønstre:
De unges søgemønstre ændres på
både langt og kort sigt. På længere sigt er der en
urbaniseringstendens, hvor de unge i stigende grad søger
mod institutioner i de større byer. Men institutionerne oplever
også ændringer i søgemønstrene på kort sigt fra år til år,
hvilket gør det svært at forudsige elevtallet for det kommende
skoleår. Det sker især i områder med stor konkurrence
mellem institutioner
Politiske reformer mv.:
Institutionerne oplever, at politiske
reformer kan give ‘eksterne chok’ til elevtallet på kort sigt.
Det skyldes fx ændrede incitamenter, optagelseskrav, mv.,
som påvirker elevtallet
Ændrede takster mv.:
Institutionerne oplever
indtægtsændringer, når taxametersystemet ændres
•
•
Gennemsnitlig fald i indtægter ift. året før (pct.)
1
Gennemsnitlig pct.
fald ift. året før
15
Indtægts-
fald (pct.)
10
5
0
Antal
SOSU-
skoler
med
indtægts-
fald
15
10
5
3
10
4
11
11
13
9
Ø9
•
De institutioner, der har faldende
indtægter et givent år, oplever i
gennemsnit et indtægtsfald på ca. 6 pct.,
om end med udsving på tværs af årene.
De er således større udsving i perioden
2016-2018 end perioden 2012-2015.
hertil varierer andelen af institutioner,
som oplever et indtægtsfald. Andelen er
således 60-87 pct. i perioden 2016-2018
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
•
0
77
23
31
85
85
100
75
Ø 68
•
•
Andel
100
SOSU-
75
skoler
50
med
25
indtægts-
0
fald
•
2012 2013 2014 2015 2016 2017 2018
1) Grafen er baseret på SOSU-skoler, der oplever et indtægtsfald. Indtægterne kommer fra tilskud (88 pct.), deltagerbetaling (3 pct.) og øvrige indtægtskilder (9 pct.) i 2018..
Kilde: 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
2195749_0048.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
48
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0049.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Analyserne indikerer, at SOSU-skolerne håndterer indtægtsfald meget forskelligt. I gennemsnit
reduceres omkostninger i sektoren med ca. 40 pct. ifm. et indtægtsfald
•
•
•
•
Nedenfor analyseres sammenhængen mellem indtægtsfald og omkostningsreduktioner for SOSU-skolerne i perioden 2012-2018. Af figuren ses sammenhængen
mellem en institutions gennemsnitlige årlige indtægtsfald og den realiserede reduktion af omkostninger i samme år fordelt på løn, bygninger og øvrig drift
1
. I den
højre søjle sammenlignes resultaterne med sektorens totale omkostningsfordeling i 2018
Analysen viser for det første, at der er betydelig variation på tværs af institutioner ift., hvordan omkostninger ændres i år med et indtægtsfald. Det indikerer, at
omkostningstilpasning i høj grad er afhængig af institutionernes egne strategiske valg, og i mindre grad drives af systematik i, hvordan de enkelte
omkostningskategorier tilpasses som følge af et indtægtsfald. Analysen er således ikke specielt robust overfor ændringer i kriterier for udvælgelse (fodnote 1)
For det andet viser nedenstående graf den gennemsnitlige omkostningstilpasning i sektoren, men den kan ikke tage højde for forskelle mellem enkelte institutioner,
dette medfører en betydelig usikkerhed. Grafen bør derfor tolkes som den gennemsnitlige tilpasning for sektoren og ikke en årsagsforklaring
Resultaterne af analysen indikerer, at SOSU-skolerne i gennemsnit tilpasser ca. 37 pct. af økonomien ved indtægtsfald. Heraf tilpasses på bygninger (33 pct. af
tilpasningen), løn (22 pct. af tilpasningen) og øvrig drift (45 pct. af tilpasningen)
… ift. omkostningsfordelingen
Bygninger
Øvrig drift
Når indtægterne falder med … … falder omkostningerne med …
Indtægtsfald
Observationer
•
Gns. indtægtsfald:
Det gennemsnitlige indtægtsfald ift.
året før udgør 2,7 mio. kr. for perioden 2012-2018 for
SOSU-skolerne i de år, hvor de oplever indtægtsfald
1
Løn
2,7 mio. kr.
•
Gns. omkostningsreduktion:
Over en syvårig periode
tilpasser SOSU-skolerne med indtægtsfald i gennemsnit
37 pct. af deres omkostninger
•
Løn:
I gennemsnit foretages 22 pct. af tilpasningen af
omkostningerne på lønnen. Tilpasningen sker især
gennem reduktion af medarbejderstaben, særligt antal
undervisere
1,0 mio. kr.
22%
37 pct.
33%
45%
917 mio. kr.
70%
11%
18%
Totale omkostninger
(2018)
•
Bygninger:
33 pct. af tilpasningen foretages i gennemsnit
på bygninger. Tilpasningen er større end den totale
omkostningsandel, kan fx være drevet af opsigelser af
lejemål mv. Institutionerne bemærker, at tilpasning af
bygningsomkostninger er en kortsigtet løsning som kan
medføre øgede omkostninger på længere sigt
•
Øvrige driftsomkostninger:
45 pct. af omkostnings-
reduktionen foretages i gennemsnit på øvrig drift, hvilket er
mere end den totale andel på 18 pct.
Gns. indtægtsfald
pr. år (2012-2018)
Gns. omkostnings-
reduktion pr. år (2012-2018)
Note: 1) Outliers med indtægtsfald eller omkostningsfald per omkostningskategori på over 10 mio. kr. ift. året før er frasorteret. Der er så vidt muligt kontrolleret for effekten af tidligere år med indtægtsfald,
ved at frasortere institutions-år, der i det givne år også havde et indtægtsfald året før. Derudover er frasorteret institutions-år, hvor institutionen ikke i det efterfølgende år havde et indtægtsfald. Det er gjort
mhp. at udvælge institutioner, der i det givne år havde et øget incitament til at tilpasse omkostningerne, grundet en mulig forventning om et yderligere indtægtsfald det følgende år. En insitution er ikke
indeholdt pga. ekstraordinært store ændringer i bygningsomkostninger (ca. 50 pct.). Kilde: Analysens datamodel.
STRUENSEE & CO.
49
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0050.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Op til 89 pct. af SOSU-skolernes omkostninger kan principielt justeres inden for 10 måneder,
og 55 pct. af omkostningerne har høj aktivitetsafhængighed
•
•
Nedenfor ses en oversigt over SOSU-skolerne samlede omkostninger fordelt på (1) aktivitetsafhængighed og (2) bindingstider
Som det fremgår af opgørelsen, estimeres 55 pct. af omkostningerne at have høj grad af aktivitetsafhængighed, og 89 pct. af omkostningerne skønnes at kunne
tilpasses inden for 10 mdr. Det skyldes især aktivitetsafhængigheden og bindingstiden på undervisningslønomkostningerne
2
Oversigten indikerer, at SOSU-skolerne 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 afholdelse på institutionerne
Der er lavet en analyse af sammenhængen mellem en institutions gennemsnitlige årlige indtægtsfald og den realiserede reduktion af omk. fordelt på omkostnings-
kategorier. Der er ikke nok observationer indenfor arketypen til at uddrage systematiske tendenser. Derfor afrapporteres denne opgørelse ikke
På de følgende sider uddybes omkostningskomponenterne, der ligger til grund for nedenstående fordeling af totale omkostninger. I tillæg hertil undersøges forskelle i
bindingsperioder mellem institutionerne. Endeligt kobles bindingsperioderne med det identificerede tilpasningsbehov, som beskrevet på de forrige sider
Tilpasningsevne
•
•
•
Omkostningernes aktivitetsafhængighed
1
Høj
Middel
Lav
Bindingstid på omkostninger
2
0-3 mdr.
4-10 mdr.
11-24 mdr.
25+ mdr.
55%
36%
9%
41%
48%
7% 4%
•
•
Ca. 55 pct. af SOSU-
skolernes samlede
omkostninger skønnes at
have høj grad af
aktivitetsafhængighed,
baseret på interviews
med institutionerne
Det skyldes især
lønomkostninger til
undervisning, som udgør
52 pct. af de totale
omkostninger, og
vurderes at have høj
aktivitetsafhængighed, jf.
næste side
•
De 36 pct. af
omkostningerne vurderet
at have en middel
aktivitetsafhængighed
udgøres af en blanding af
lønomkostninger til
administration, ledelse og
service (~18 pct. af total
omkostninger), bygninger
(~3 pct. af total
omkostninger) og øvrig
drift (~15 pct. af total
omkostninger), jf.
følgende sider
•
•
De resterende 9 pct.
vurderet at have lav
aktivitets-
afhængighed
udgøres primært af
bygningsomkostning
er (~8 pct. af total
omkostninger) og en
mindre del øvrige
driftsomkostninger
(~1 pct. af total
omkostninger)
De følgende sider
uddyber disse
resultater
•
•
Det skønnes, at 89 pct. af SOSU-skolernes samlede
omkostninger har en bindingstid på 0-10 mdr., hvilket især er
drevet af bindingstiden på løn. Heraf ses, at ~41 pct. af
omkostningerne har en bindingstid under ca. 3 måneder
2
, og
består primært af lønomkostninger (26 pct. af total
omkostninger) og øvrige driftsomkostninger (15 pct. af total
omkostninger)
De 48 pct. af omkostningerne med en bindingstid på 4-10
måneder består primært af lønomkostninger med 45 pct. af
de totale omkostninger
•
De resterende
omkostninger med
længere
bindingsperioder
består særligt af
bygningsomkost-
ninger samt nogle
former for øvrige
driftsomkostninger
Note: 1) Opgjort på baggrund af interviews med SOSU-skolerne 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 SOSU-skolerne. 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.
50
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0051.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Ca. 30 pct. af lønomkostninger kan principielt justeres inden for ca. 3 måneder, mens de
resterende kan justeres inden for 4-10 måneder
•
•
•
•
Nedenfor illustreres SOSU-skolernes muligheder for at tilpasse lønomkostningerne ud fra omkostningernes aktivitetsafhængighed og bindingstid
Analysen viser, at løn til undervisning i høj grad er aktivitetsafhængigt og har forholdsvis lav bindingstid med 30 pct. Indenfor ca. 3 måneder og 70 pct. ved 4-10
måneder
Løn til administration og ledelse er mindre aktivitetsafhængig da en række administrative og ledelsesopgaver skal varetages uagtet antallet af årselever. Løn til
administration og ledelse har dog lignende bindingstid. Det samme gælder for øvrige lønomkostninger, som til dels er aktivitetsafhængige, fx ift. kantinedrift og
rengøring
Aktivitetsafhængigheden tilsiger derfor, at det er mest oplagt at tilpasse antallet af undervisere på kort sigt ved aktivitetsændring, mens tilpasning af administration og
ledelse samt øvrige lønomkostninger i mindre grad er aktivitetsafhængige, og derfor justeres over en længere periode og ved større aktivitetsændringer
sammenlignet med lønomkostninger til undervisning
Aktivitets-
Bindingstid
afhængighed omkostninger
Observationer
•
0-3 mdr.
4-10 mdr.
Omkostnings-
kategorier
70%
Høj
•
30%
•
•
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 30 pct. af
lønomkostningerne at være knyttet til undervisere med krav på 0-3 mdr.
1
varsel, mens de resterende 70 pct. er forbundet med krav på 4-10 mdr.
opsigelsesvarsel, jf. den beskrevne opgørelse på næste side
Tilpasningsevne:
Kombinationen af, at SOSU-skolernes 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 SOSU-skolernes lønomkostninger til administration har begrænset aktivitetsafhængighed og lav bindingstid,
indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen. Især elevadministrative opgaver og støttefunktioner (fx
studievejledning mv.) vil ifølge institutionerne kunne justeres ved ændrede elevtal over en 2-3-årig periode
Administration og
ledelse
Undervisning
Løn
71%
Middel
•
•
29%
•
Middel
74%
•
•
26%
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 SOSU-skolernes øvrige lønomkostninger har begrænset aktivitetsafhængighed og lav bindingstid,
indebærer, at tilpasningsevnen generelt er middel på denne del af omkostningsbasen
Note: 1) Det bemærkes, at opsigelsesvarslet på for de fleste medarbejdere er 3-6 mdr. Det bemærkes ligeledes at der i nogle tilfælde må påregnes en høringsperiode ifm. opsigelser på ca. 14 til 30 dage, som ikke er indeholdt i
ovenstående beregninger. Kilde: Anciennitetsdata fra ISOLA, analysens datamodel.
STRUENSEE & CO.
Øvrige
51
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0052.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Justerbarheden af lønomkostninger til undervisning afhænger af lærerstabens
anciennitetsfordeling…
•
•
•
•
Nedenfor fremgår en opgørelse af bindingstiden på SOSU-skolernes 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
SOSU-skoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
18%
8%
9%
10%
8%
12%
7%
8%
20%
Af søjlen øverst til venstre ses, at
ancienniteten for SOSU-skolernes
undervisere typisk er under et år (18 pct.)
eller over 9 år (20 pct.). Ancienniteten
mellem 2 til 8 år er relativt ens fordelt
•
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Løn til undervisning
2
Opsigelses-
varsler baseret
på anciennitet
1
7%
25%
29%
19%
20%
•
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Af søjlen nederst til venstre ses, at 31 pct.
af SOSU-skolernes lønomkostningerne til
undervisere er til ansatte med en sådan
anciennitet, at de kan afskediges med 3
måneders varsel. De tilsvarende tal er 60
pct., 80 pct. og 100 pct. for hhv. 4, 5 og 6
måneders varsel
Der ses en mindre relativ forskel mellem
beregningsskridt 2 og 3 end for andre
arketyper. Således har ca. 20 pct. af
underviserne en opsigelsesvarsel på 6
måneder, mens denne gruppes
lønomkostninger svarer til 21 pct.
Lønomkost-
ninger opdelt
på opsigelses-
varsler
7%
24%
29%
20%
21%
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.
52
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0053.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 SOSU-skolerne 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 er identisk til den fra forrige side vedr. lønomkostninger til undervisning, og dermed driver anciennitet ligeledes justerbarheden af lønomkostninger til
administration og ledelse. Dog er aktivitetsafhængigheden vurderet lavere for administration og ledelse end for undervisning, grundet karakteren af nogle af de
opgaver administrativt personale og ledere varetager
På de følgende sider uddybes på tilsvarende vis bindingstiderne for de øvrige to omkostningskategorier: bygninger og øvrig drift
Beregningsskridt
1
Fordeling af
årsværk på
anciennitet
SOSU-skoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
15%
10%
7% 5%
7%
19%
10%
7%
21%
Løn til administration og ledelse
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
2
Opsigelses-
varsler baseret
på anciennitet
1
6%
24%
26%
23%
21%
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Opgørelsen viser, at ledere og
administrative medarbejdere
gennemsnitligt har en smule højere
anciennitet end undervisningsstaben, jf.
sammenligning med forrige side. Det er
særligt for gruppen med 5 måneders
opsigelsesvarsel, mens gruppen med 4
måneders opsigelsesvarsel er en smule
mindre
I forhold til undervisningsstaben er der
blandt ledere og administrative
medarbejder en større forskydninger
mellem fordelinger af lønomkostninger og
opsigelsesvarsler. Med andre ord får
ledere og administrative medarbejdere alt
andet lige højere løn end deres relative
andel af opsigelsesvarsler tilsiger
Lønomkost-
ninger opdelt
på opsigelses-
varsler
6%
23%
28%
24%
19%
71 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.
53
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0054.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 SOSU-skolernes lønomkostninger til øvrigt personale. Opgørelsen er beregnet ud fra (1) øvrigt personales
anciennitet, (2) deres overenskomstmæssige opsigelsesvarsler og (3) lønomkostningerne
Tilgangen er identisk til 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
SOSU-skoler
Observationer
1 år
2 år
3 år
4 år
5 år
6 år
7 år
8 år
9+ år
•
8%
15%
8%
6%
9%
15%
12%
7%
20%
•
Løn til bygningsdrift og øvrig drift
1 md.
3 mdr.
4 mdr.
5 mdr.
6 mdr.
•
2
Opsigelses-
varsler baseret
på anciennitet
1
3%
25%
27%
24%
20%
Opgørelsen viser, at øvrige medarbejdere
gennemsnitligt har en højere anciennitet
end undervisningsstaben, jf.
sammenligning med forrige sider
Det resulterer i, at andelen af øvrigt
personale med 5 måneders
opsigelsesvarsel eller længere er 44 pct.
ift. undervisningspersonalets tilsvarende
39 pct.
Øvrige medarbejdere får ikke samme
niveau af kompensation for højere
anciennitet, som er gældende for ledere
og administrativt personale, jf. forrige side
1 md.
3
3 mdr.
4 mdr.
5 mdr.
6 mdr.
Lønomkost-
ninger opdelt
på opsigelses-
varsler
3%
23%
28%
25%
21%
74 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.
54
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0055.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 SOSU-skolernes 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. 39 pct. af omkostningerne er vurderet at have
en bindingstid på 25 måneder eller mere, imens kun 3 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 SOSU-skolerne koblet med de angivne
aktivitetsafhængigheder og bindingstider, jf. beskrivelserne i starten af delanalyse 3 (kapitel 4)
Aktivitets-
afhængighed
Totale bygningsomkostninger for
SOSU-skoler (mio. kr.), 2018
Observationer
3%
18%
40%
39%
103
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.
Husleje
Lav
4-25+ mdr.
24
Afskrivninger
Reparation og
vedligehold
1
Forsyning
1
Renter
(prioriteter)
Rengøring
Lav
11-25+ mdr.
30
Bygninger
Lav
0-25+ mdr.
12
Middel
4-25+ mdr.
12
Lav
11-25+ mdr.
15
Lav
11-24 mdr.
0
Øvrig
bygningsdrift
Lav
4-25+ mdr.
10
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
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.
55
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0056.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
De fleste øvrige driftsomkostninger er forholdsvis aktivitetsafhængige og har lav bindingstid
•
•
Nedenfor analyseres SOSU-skolernes 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 SOSU-skolerne er 80 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
0-3 mdr.
Omkostningskategorier
Total
4-10 mdr.
11-24 mdr.
25+ mdr.
Aktivitets-
Underkategorier afhængighed Bindingstid
Total
Undervisning
smaterialer
Små-
anskaffelser
Elev-
aktiviteter
Køb af øvrige
varer
Kurser
Høj
Øvrige driftsomkostninger for
SOSU-skoler (mio. kr.), 2018 Observationer
80%
8%
12% 168
13
4
3
16
7
7
46
3
5
64
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 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
56
0-3 mdr.
Høj
0-3 mdr.
Køb af varer
til forbrug
Høj
0-3 mdr.
Middel
0-3 mdr.
Øvrig drift
Middel
0-3 mdr.
Køb af
tjeneste-
ydelser
(ekskl. IT)
Rådgivning
Køb af øvrige
tjenesteyd.
Middel
0-3 mdr.
Middel
0-24 mdr.
Rep. og vedl.
(ekskl. byg.)
Rep. og vedl.
(ekskl. byg.)
Middel
0-3 mdr.
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
Kilder: Analysens datamodel
STRUENSEE & CO.
Afskrivninger
(ekskl. byg.)
Øvrige (inkl.
IT)
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
2195749_0057.png
4.3 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGSEVNE
Forskelle i bindingstider kan indikere, at SOSU-skolerne 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 SOSU-skolerne 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 SOSU-skolernes rammevilkår, fx i form af geografi, størrelse el.lign., hvilket kan
påvirke bindingstiden. Tilsvarende kan forskellene skyldes, at institutionerne aktivt træffer forskellige valg, der påvirker andelen af omkostninger med korte bindinger
Gennemsnitligt bør SOSU-skolerne forventeligt have en betydelig tilpasningsevne, fordi (1) SOSU-skolerne 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. 6 pct. per år, når en institution oplever et fald
Observationer
Forskelle i bindingstid:
•
Forskellen mellem institutionerne med størst og lavest andel omkostninger
med kort bindingstid er på 17 pct. point, hvilket er en betydelig forskel på kort
sigt, og er primært drevet af forskelle vedrørende løn. 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 SOSU-skolernes rekrutteringsmuligheder kan påvirke
medarbejdernes anciennitet. Fx er påvist i delanalyse 3 (kapitel 4), at
institutioner i landkommuner typisk har lavere lønomkostninger per årselev,
som kan skyldes forskelle i geografiske rammevilkår
Forskellige valg:
•
SOSU-skolerne 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.
Andel af SOSU-skolernes omk. med 0-3 mdr. bindingstid (pct.), 2018
1
Løn
0
15
22
16
16
15
18
15
14
15
27
27
27
22
24
23
20
37
35
34
30
39
39
Bygninger
20
32
24
46
44
44
43
-17
Øvrig drift
40
60
48
12
12
18
21
Ø 40
Note: 1) En institution er ikke medtaget pga. fusion.
Kilder: Analysens datamodel
STRUENSEE & CO.
57
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0058.png
Indholdsfortegnelse
1
2
3
4
Introduktion
Institutionernes omkostningsstrukturer
Omkostningsdrivere
Institutionernes tilpasningsevne
4.1
Metode
4.2
Tilpasningsbehov
4.3
Tilpasningsevne
4.4
Tilpasningsudfordringer
5
6
Økonomisk bæredygtighed
Bilag
58
STRUENSEE & CO.
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0059.png
4.4 INSTITUTIONERNES TILPASNINGSEVNE
–
TILPASNINGUDFORDRINGER
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 SOSU-skolernes kortsigtede tilpasningsmuligheder og deres langsigtede bindinger
Figuren til venstre
sammenholder SOSU-skolernes 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 SOSU-skolernes gennemsnitlige
bindingstid på tværs af deres omkostningsbaser og den procentvise andel af deres omkostningsbase, som udgøres af omkostningskategorier med 11+ mdr. binding
Grundet få observationer indenfor arketypen, er det ikke muligt at identificere signifikante generelle karakteristika for mindre delgrupper af institutioner på tværs af både
tilpasningsevne og -behov. I stedet indikerer analysen og institutionsbesøgene en række interessante forhold, som påvirker institutionernes tilpasningsevne
Observationer ift. grader af tilpasningsudfordringer
På grund af få observationer for SOSU-skolerne er mulige tolkninger af
systematiske forskelle behæftet med usikkerheder. Analyserne indikerer dog
en række relevante forhold for tilpasningsudfordringerne på tværs af SOSU-
skolerne
Figuren til venstre
Kortsigtede tilpasningsudfordringer
Tilpasningsbehov
1
(pct.)
14
10
14
12
11
7
7
3
8
Tilpasningsevne
2
(andel af samlede omk.)
48
Langsigtede bindinger
Gns. bindingstid
3
(mdr.)
7
8
7
6
6
6
6
6
6
6
5
Faste omkostninger
4
(andel af samlede omk.)
16
13
12
12
44
•
•
•
44
43
39
SOSU-skolerne kan i gennemsnit tilpasse 39 pct. af deres
omkostningsbase indenfor ca. 3 mdr. og har et årligt tilpasningsbehov på
10 pct. (målt i forhold til deres indtægter)
Institutioner med en tilpasningsevne over gennemsnittet har i gns. ca. 550
årselever per institution, mens institutionerne med en tilpasningsevne
under gennemsnittet har ca. 650 årselever per institution
Årsagen til, at skolerne har en tilpasningsevne over gennemsnittet er bl.a.
at: i) de har en relativt høj andel personale med begrænset anciennitet, og
ii) deres andel af øvrige driftsomkostninger med kort binding er stor.
Sidstnævnte udgøres i høj grad af indkøb af småanskaffelser,
undervisningsmaterialer og fødevarer
10
8
8
9
7
37
Figuren til højre
•
SOSU-skolerne har en gns. bindingsperiode på deres samlede
omkostningsbase på ~6 måneder, mens faste omkostninger (omkostninger
med binding på 11+ mdr.) i gns. udgør 9 pct. af institutionernes samlede
omkostninger
•
Institutioner med bindingstid og andel faste omkostninger over
gennemsnittet har gennemgående høje bygningsomkostninger drevet af fx
enten dyre lokationer eller et stort behov for bygningsmasse
•
Derudover benytter institutionerne med længere gns. bindingstid i højere
grad af kontrakter på services (bygninger, kantine, mv.), som kan være
mere omkostningseffektivt end in-house services men samtidig som regel
har længere bindinger end ansat servicepersonale
35
34
7
2
30
Ø 10
Ø 39
Ø6
Ø9
Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for SOSU-skoler for 2016-2018. 2) Tilpasningsevnen er her målt som andelen af omkostninger med bindingstid fra 0-3 mdr., da bindingstiden
er afgørende for, om institutionen kan tilpasse økonomien på kort sigt. 3) Gns. bindingstid findes her ved at gange institutionernes andele omkostninger indenfor løn, bygninger og øvrig drift med hhv. 0-3-, 4-10-, 11-24-, og 25+ mdr. binding. Fx vægtes en 0-3
mdr. binding som 1,5 måned. Opregnet findes den gns. bindingstid for den hver institutions samlede omkostningsbase 4) Andelen af faste omkostninger findes ved at tage andelen af omkostninger med 11+ mdr. binding ud af institutionernes samlede
omkostningsbase. Kilde: Analysens datamodel.
STRUENSEE & CO.
59
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0060.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
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
2195749_0061.png
5. ØKONOMISK BÆREDYGTIGHED
Sammenfatning af analysen af økonomisk bæredygtighed for SOSU-skolerne
Økonomisk bæredygtighed
•
•
SOSU-skolernes finansielle robusthed er gradvist forbedret i perioden 2011-2018. SOSU-skolerne er i dag bedre rustet til længerevarende
nedgangsperioder (pga. øget egenkapital) men har særligt siden 2015 oplevet et fald i overskudsgraden, jf. næste side
SOSU-skolerne generelle finansielle robusthed dækker imidlertid over betydelig variation i de finansielle nøgletal på tværs af institutioner. Visse SOSU-
skoler er således mere økonomisk udsatte end andre. Ud fra ét sæt af kriterier for økonomisk udsathed
1
–
vedvarende underskud, faldende elevtal og
fravær af høj soliditetsgrad over en 3-årig periode
–
er tre SOSU-skoler identificeret som økonomisk udsatte. Sammenlignet med SOSU-skolerne under ét
er de økonomisk udsatte institutioner bl.a. kendetegnet ved:
–
Flere årselever og større andel undervisningstid
–
Lidt højere bindingstid på omkostninger i gennemsnit og lavere aktivitetsafhængighed af omkostninger
–
Lavere finansielle nøgletal ift. likviditetsgrad, overskudsgrad og soliditetsgrad
–
Højere omkostninger per årselev
Antal årselever
•
Analysen indikerer, at de udsatte SOSU-skoler er større målt på antal årselever. Det dækker over en lav population (kun tre SOSU-skoler). Analysen
afspejler derfor ikke de konklusioner, som tidligere er etableret for SOSU-skoler ift. faldende marginalomkostninger i antallet af årselever. Med andre ord
finder analysen, at de økonomisk udsatte institutioner har både højere elevtal og højere omkostninger per årselev på trods af konklusioner i delanalyse 3
(kapitel 4) om faldende marginalomkostninger
Ovenstående indikerer, at økonomisk udsathed for de udsatte SOSU-skoler er drevet af forskelle i strategiske valg og prioriteringer snarere end forskelle i
omkostningsdrivere. Det underbygges af, at udsatte SOSU-skoler generelt har lidt højere bindingstid på omkostningsbasen samt lavere
aktivitetsafhængighed. Hertil kommer lavere finansielle nøgletal
•
•
Den begrænsede konklusion ift. ovenstående kan hertil dække over det lave antal af observationer
Geografi
•
•
Der kan ikke umiddelbart konstateres en tendens til, at de økonomisk udsatte institutioner fx oftere er placeret i landkommuner. Således er alle tre udsatte
SOSU-skoler placeret i bykommuner, hvor der for hele populationen er 71 pct. institutioner i bykommuner
Det står i kontrast til, at de foregående analyser har identificeret geografisk placering som en betydende omkostningsdriver af bygningsomkostninger pr.
årselev. Det kan skyldes, at udkantstilskuddet i det nuværende taxametersystem allerede kompenserer for nogle af de potentielle udfordringer, der kan
følge af at være placeret i et yderområde
Note: 1) Konklusionerne på denne side er baseret på analysen af de økonomisk udsatte institutioner i den flerårige model præsenteret på de følgende sider. Gruppen af økonomisk udsatte institutioner i
STUK’s
tilsynsmodel adskiller sig i mindre grad fra SOSU-skolerne som helhed på de undersøgte parametre.
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
2195749_0062.png
5. ØKONOMISK BÆREDYGTIGHED
SOSU-skolernes finansielle robusthed er gradvist forbedret fra 2011-2018
•
•
De fire grafer nedenfor viser, hvordan SOSU-skolernes
1
finansielle robusthed har udviklet sig fra 2011-2018
2
. SOSU-skolerne har i perioden øget deres egenkapital
og soliditetsgrad, men har særligt siden 2015 oplevet et fald i overskudsgraden
Ift. udgangspunktet i 2011 er SOSU-skolerne bedre rustet til længerede nedgangsperioder (egenkapital), men er lidt mere sårbare overfor kortere udsving i driften
(likviditetsgrad). Likviditetsgraden har dog været stigende i perioden 2016-2018
Beskrivelse
Udvikling i nøgletal for SOSU-skolernes finansielle robusthed (2011-2018)
Total egenkapital (mio. kr.), venstre akse
1.000
200%
Egenkapital/omsætning (pct.), højre akse 638
615
500
368
100%
60%
28%
0
0%
2011
2012
2013
2014
2015
2016
2017
2018
•
Egenkapital
Delsektoren for SOSU-skoler har øget sin
egenkapital
3
fra 2011-2018
fra 368 mio. kr. til 615 mio. kr. Udviklingen viser dog et fald mellem 2016
og 2018 parallelt med faldet i overskudsgrad
Institutionerne har i samme periode vokset deres egenkapital som del af
omsætningen fra 28 pct. til 60 pct.
Institutionernes
overskudsgrad
4
er faldet støt over perioden 2011-2018,
fra 9 pct. i 2011 til -2 pct. i 2018. 2018 er dog det eneste år med negativ
overskudsgrad
I perioden 2016 til 2018 har institutionerne været omfattet af et
omprioriteringsbidrag på 2 pct. årligt
SOSU-skolernes
soliditetsgrad
5
er fra 2011-2018 steget 4 procentpoint
fra 32 pct. til 36 pct.
Stigningen tilsvarer ikke stigningen i egenkapital, hvilket indikerer, at
institutionernes fremmedkapital (fx banklån) også er steget. Stigningen i
fremmedkapital er dog mindre end stigningen i egenkapital, hvorfor
SOSU-skolernes soliditetsgrad er steget
SOSU-uddannelsernes
likviditetsgrad
6
faldt med 32 procentpoint fra
2011-2016 fra 151 pct. til 119 pct.
Fra 2016-2018 er likviditetsgraden dog steget med 3 procentpoint fra 116
pct. til 119 pct.
•
Overskudsgrad
Overskudsgrad
10%
9%
0%
2011
-10%
40
-2%
•
2012
2013
2014
2015
2016
2017
2018
•
Soliditetsgrad
Soliditetsgrad
32%
35%
33%
34%
2013
2014
34%
2015
2016
2017
36%
2018
•
•
30
2011
2012
Likviditetsgrad
200%
150%
100%
Likviditetsgrad
151%
128%
•
116%
119%
•
50%
2011
2012
2013
2014
2015
2016
2017
2018
Note: 1) Egenkapital, overskudsgrad, soliditetsgrad og likviditetsgrad er beregnet som den samlede udvikling i delsektoren. Likviditetsgrad er opgjort som gennemsnittet for hovedinstitutionens eventuelle underafdelinger. Belåningsprocent indgår ikke eksplicit i ovenstående analyse pga.
utilstrækkelig datagrundlag for hele perioden. I 2011-2017 er der medtaget 13 SOSU-skoler (en institution er taget ud af hele analysen som følge af fusionering) og i 2018 er der 12 (to institutioner fusioneres til en). 2) Egenkapital, overskudsgrad og soliditetsgrad er beregnet er beregnet
som den samlede udvikling i delsektoren. Likviditetsgrad er beregnet som gennemsnit af institutionerne i delsektoren pga. datamæssige begrænsninger. 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, Institutionsbesøg
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
2195749_0063.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.
63
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0064.png
5. ØKONOMISK BÆREDYGTIGHED
De økonomisk udsatte institutioner identificeres ved at screene for økonomisk bæredygtighed ud
fra to forskellige sæt af kriterier
•
•
De foregående analyser har peget på en række karakteristika, som udfordrer institutionerne og potentielt kan skabe økonomisk udsatte institutioner. De følgende
sider undersøger derfor, om de institutioner, der kan identificeres som økonomisk udsatte, adskiller sig fra SOSU-skolerne generelt fsva. centrale
omkostningsdrivere, omkostningsstrukturer og tilpasningsevne, omkostninger pr. årselev samt finansielle nøgletal
Nedenfor beskrives to modeller til screening for økonomisk bæredygtighed, hhv. i)
STUK’s
tilsynsmodel og ii) en flerårig udvælgelsesmodel. De to modeller adskiller
sig for det første ved, at
STUK’s
tilsynsmodel giver et øjebliksbillede af de økonomisk udsatte et givent år, mens den flerårige model ser på en 3-årig periode mhp. at
reducere effekten af særforhold i enkeltår. For det andet adskiller kriterierne vedr. finansielle nøgletal sig fra hinanden i de to modeller, jf. nedenfor
Kriterier for identifikation af de økonomisk udsatte institutioner
i
•
•
STUK’s
tilsynsmodel identificerer institutioner, som er udsatte målt ved
finansielle nøgletal og udviklingen i elevtallet
Tilsynsmodellen screener ved følgende kriterier for finansielle nøgletal
(kaldet ”prioriteringsgruppe 1 og 2”)
4
:
A. Finansielle nøgletal i året (1 ud af 4 kriterier er opfyldt):
1. Likviditetsgrad
2
under 50 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
under 50 pct. af gennemsnit for institutionerne
3. Relativt aktivitetsfald over 5 pct.
4. Belåningsprocent over 100 pct.
B. Finansielle nøgletal i året (1 ud af 3 opfyldt ud over kriterier i A.):
1. Likviditetsgrad
2
50-75 pct. af gennemsnit for institutionerne
2. Soliditetsgrad
1
50-75 pct. af gns. for gruppen
2
3. Relativt aktivitetsfald 0-5 pct.
4. Belåningsprocent 80-100 pct.
Den flerårige model kombinerer relative og absolutte mål for økonomisk
bæredygtighed og screener ligeledes for udviklingen i finansielle nøgletal
og elevtallet, men i modsætning til
STUK’s
model undersøges det for en 3-
årig periode mhp. at reducere udslag af enkeltår. Kriterierne er:
1. Underskud i gennemsnit i 2016-18
2. Aktivitetsfald i gennemsnit i 2016-18
3. Soliditetsgrad
1
under 150 pct. for delsektoren i gennemsnit i
2016-18
Identifikation
Formål og begrænsninger ved identifikationsmodeller
•
•
Formålet er at give et øjebliksbillede af de udsatte
institutioner ifm.
STUK’s
tilsynsvirksomhed
Modellen tager højde for finansielle nøgletal i året og
screener for økonomisk bæredygtighed. Der ses på forholdet
mellem egenkapital og aktiver (soliditetsgrad), den
kortsigtede betalingsevne (likviditetsgrad), omfanget af lån
(belåningsprocent) og ændringen i elevtal (aktivitetsfald)
Modellen ser på relative forskelle. Dermed vil der typisk,
uagtet om nogle institutioner er bæredygtige eller ej, være
institutioner, som modellen kendetegner som udsatte. Med
andre ord er der ikke en absolut betragtning om økonomisk
bæredygtighed
Modellen tager desuden ikke højde for
udviklingen
i
økonomisk bæredygtighed, da institutioner kan være udsatte
i et enkelt år, men over en årrække være bæredygtige
Modellen har til formål at identificere de institutioner, som er
strukturelt udfordrede. Derfor indgår udviklingen i finansielle
nøgletal (underskud og soliditetsgrad) og udviklingen i
elevtallet ift. året før i en 3-årig periode (2016-2018) som
kriterier. Der ses på både de relative forskelle og absolutte
værdier mhp. at identificere de udsatte institutioner
Kriterierne er valgt, fordi analyserne har vist, at vedvarende
underskud, som ikke kompenseres af høj soliditetsgrad
(herunder egenkapital), kombineret med faldende elevtal
–
og
dermed indtægter
–
kan udfordre institutionernes økonomi
STUK’s
tilsyns-
model
3
2
SOSU-
skoler
1
•
Ingen
Overlap på
1 overlap i
institution
institutioner
•
ii
•
•
Flerårig
model
3
SOSU-
skoler
•
Note: 1) Soliditetsgrad er et udtryk for, hvor modstandsdygtig institutionen er overfor eventuelle tab. Tallet beregnes ved at tage egenkapitalens del af institutionens samlede aktiver. 2) Likviditetsgrad beregnes ved at finde andelen af
omsætningsaktiver af institutionens kortfristede gældsforpligtelser; 3)
STUK’s
tilsynsmodel opererer alene på niveau af gymnasier, erhvervsskoler og
VUC’er.
4) Omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl.
institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af årsregnskab. Frasortingen af disse institutioner i tilfælde, hvor de finansielle nøgletal ikke
indikerer økonomiske udfordringer, skyldes, at fx manglende indberetning af årsregnskab ikke i sig selv gør institutionerne økonomisk udfordrede, etc.
Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
64
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0065.png
5. ØKONOMISK BÆREDYGTIGHED
De SOSU-skoler, der er identificeret som økonomisk udsatte, har en tendens til at have flere
elever og har en højere andel af undervisningstid
•
•
•
Nedenfor ses en sammenligning af de identificerede institutionerne i den flerårige model,
STUK’s
tilsynsmodel
1
og populationen af 14 SOSU-skoler på centrale
omkostningsdrivere
Sammenlignet med andre arketyper skiller SOSU-skolerne sig ikke umiddelbart ud som de udsatte. Analysen viser, at den flerårige model identificerer tre SOSU-
skoler, mens
STUK’s
model identificerer to, der tenderer til at være økonomisk udsat. Overordnet set synes de identificerede institutioner i de to modeller mere eller
mindre at ligne populationen, således er den en marginalt større andel i den flerårige model og marginal mindre andel i
STUK’s
model
For SOSU-skolerne i den
flerårige model
viser analysen dog en tendens til, at de udsatte institutioner har flere årselever, er geografisk placeret i landkommuner
(dette skal dog læses med forbehold som følge af arketypens få observationer). Derudover fremgår, at institutioner tenderer til at have en højere undervisningsandel
end både
STUK’s
model og hele populationen af SOSU-skoler
Flerårig model
27% (4)
27% (4)
25% (20)
23% (18)
20% (3)
7% (1)
40% (6)
9% (7)
6% (5)
20% (3)
7% (1)
18% (14)
13% (2)
27% (4)
13% (2)
19% (15)
Handel
Kombination
Landbrug
753
416
601
100% (3)
By
Land
29% (4)
AMU
SOSU
Tekniske
Arketypefordeling
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
Antal årselever
(2018)
Geografi
(andel i hhv. by- og
landkommuner, 2018)
Socioøkonomisk
reference
2
(forv. frafald, 2016)
Elever pr. lærer
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
Omkostningsdrivere
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
71% (10)
100% (2)
0,51
7,4
8,0
7,7
Socioøkonomisk
reference findes ikke
særskilt for de
økonomisk udsatte
SOSU-skoler
23,6
23,9
22,8
49,0
42,0
42,0
Holdstørrelse
(2018)
STUK’s tilsynsmodel
Hele populationen
Flerårig model
Undervisningsandel
(pct., 2017)
STUK’s tilsynsmodel
Hele populationen
Note: 1) Analysen omfatter institutioner i prioriteringsgruppe 1 og 2 i
STUK’s
tilsynsmodel ekskl. institutioner, som alene er placeret i gruppe 1 eller 2 pga. skærpet økonomisk-administrativt tilsyn, kritisk revisionsrapport eller rykker for indberetning af
årsregnskab, fordi fx manglende indberetning af årsregnskab kan være udtryk for særforhold og ikke i sig selv gør institutionerne økonomisk udfordrede. 2) Socioøkonomisk reference udtrykker forventet frafald fra uddannelsesstart til hovedforløb (3 måneder
efter kvalifikation). Beregningen er et uvægtet gns. på tværs af udd. baseret på oplysninger på individniveau om 9. klasses karakterer, alder, forældres bruttoindkomst mv. Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
65
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0066.png
5. ØKONOMISK BÆREDYGTIGHED
De økonomisk udsatte SOSU-skoler har højere lønomkostninger pr. årselev samt en tendens til
lavere finansielle nøgletal
•
Nedenfor ses en sammenligning af institutionerne i den flerårige model,
STUK’s
tilsynsmodel og SOSU-skolerne generelt på finansielle nøgletal,
omkostningsstukturer og omkostninger pr. årselev. Analysen viser, at de økonomisk udsatte SOSU-skoler har lavere finansielle nøgletal, højere bindingstid på
omkostninger, lavere aktivitetsafhængighed af omkostninger og højere lønomkostninger pr. årselev. Det skal ses i lyset af de identificerede forskelle i
omkostningsdrivere på foregående side (fx antal årselever, holdstørrelse, mv.). Med andre ord kan det ikke konkluderes, at økonomisk udsathed alene er drevet af
forskelle i omkostningsdrivere. Snarere ser økonomisk udsathed ud til at være drevet af institutionsspecifikke forhold ift. fx bindingstid og aktivitetsafhængighed
Flerårig model
68%
70%
70%
12%
11%
11%
20%
19%
18%
Løn
Bygninger
Omk.strukturer og
tilpasningsevne
Omkostningsstruktur
(2018, procent)
Bindingstid
(2018, procent)
2
Aktivitetsafhængighed
(2018, procent)
3
Omk. til løn til per
årselev
1
(tusinde kr.)
Omk. til bygningsdrift
per årselev
1
(tusinde kr.)
Omk. til øvrig drift per
årselev
1
(tusinde kr.)
Egenkapital som andel
af omsætningen
(pct., 2018)
Overskudsgrad
(pct., 2018)
Soliditetsgrad
(pct., 2018)
Likviditetsgrad
(pct., 2018)
STUK’s tilsynsmodel
Hele populationen
Øvrig drift
5%
4%
4% 3%
9%
0-3 mdr.
4-10 mdr.
Høj
Middel
Lav
11-24 mdr.
25+ mdr.
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
-4,6
Flerårig model
STUK’s
tilsynsmodel -2,4
Hele populationen
-1,2
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
Flerårig model
STUK’s
tilsynsmodel
Hele populationen
15,6
25%
42%
65%
36%
53%
63%
60%
89,6
46%
57%
38%
28%
32%
8%
6%
9%
8%
Omkostninger pr.
årselev
205,7
76,7
31,3
12,3
25,7
56,5
20,0
45,2
41,8
Finansielle nøgletal
66,2
26,6
20,5
45,3
58,7
115,8
125,5
Note: 1) Omkostningerne er opgjort ekskl. kostelever. 2) Angivelsen af institutionernes bindingstid følger beregningerne i delanalyse 4. 3) Beregningen af institutionernes aktivitetsafhængighed følger metoden i delanalyse 4.
Kilde:
STUK’s
kriterier for indplacerings- og prioriteringsgrupper; analysens datamodel
STRUENSEE & CO.
66
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0067.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
67
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0068.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.
68
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0069.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.
69
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0070.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
70
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0071.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.
71
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0072.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.
72
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0073.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.
73
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0074.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
•
74
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0075.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.
75
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0076.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.
76
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0077.png
Indholdsfortegnelse
1
Introduktion
2
Institutionernes omkostningsstrukturer
3
Omkostningsdrivere
4
Institutionernes tilpasningsevne
5
Økonomisk bæredygtighed
6
Bilag
6.1
Institutionsinddeling
6.2
Analysens datagrundlag
6.3
Omkostningsniveau på tværs af arketyper
STRUENSEE & CO.
77
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0078.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.
78
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0079.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.
79
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0080.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.
80
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0081.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.
81
 BUU, Alm.del - 2019-20 - Bilag 182: Afrapportering af eftersyn af taxameter- og tilskudssystemet samt institutionseftersynet på undervisningsområdet, fra børne- og undervisningsministeren
2195749_0082.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