BUU, Alm.del - 2019-20 - Endeligt svar på spørgsmål 316: Spm. om status på den tværministerielle arbejdsgruppes arbejde med eftersyn af taxameter- og tilskudssystemet, til børne- og undervisningsministeren

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

Hovedrapport: Omkostningsanalyse

af ungdomsuddannelsesområdet

December 2019

BUU, Alm.del - 2019-20 - Endeligt svar på spørgsmål 316: Spm. om status på den tværministerielle arbejdsgruppes arbejde med eftersyn af taxameter- og tilskudssystemet, til børne- og undervisningsministeren

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Ledelsesresumé

Struensee & Co. har i perioden juni til december

2019 gennemført en omkostningsanalyse af

gymnasier, erhvervsskoler og voksenuddannel-

sescentre (VUC’er) i samarbejde med Børne- og

Undervisningsministeriet (BUVM) og Finansmini-

steriet (FM) som led i det igangværende eftersyn

af taxameter- og tilskudssystemet. Analysen er

gennemført i fire dele:

•

Delanalyse 1

kortlægger, hvilke typer omkost-

ninger institutionerne har (omkostningsstruk-

turer) og udviklingen heri over tid (2011-2018).

•

Delanalyse 2

identificerer og analyserer,

hvad der driver institutionernes omkostnin-

ger (omkostningsdrivere) fordelt på tre

overordnede kategorier: lønomkostninger

(løn til lærere og administrativt personale

mv.), bygningsomkostninger (husleje,

vedligehold, afskrivninger mv.) og øvrige

driftsomkostninger (undervisningsmaterialer,

rengøring, it mv.).

•

Delanalyse 3

analyserer uddannelsesinsti-

tutionernes historiske behov for at tilpasse

deres omkostninger og sammenholder dette

med deres tilpasningsevne, herunder bin-

dingstiden for deres primære omkostninger.

Endvidere undersøges det, hvordan institu-

tionerne har håndteret indtægtsfald i perio-

den 2012-2018.

•

Delanalyse 4

opstiller en række forhold, der

vurderes at have betydning for institutioner-

nes økonomiske bæredygtighed på baggrund

af de foregående delanalyser og instituti-

onernes økonomiske nøgletal. Derudover

undersøges det, hvilke institutioner der kan

karakteriseres som økonomisk udsatte, og

hvad der overordnet kendetegner disse insti-

tutioner.

Med henblik på at kunne sammenligne resul-

taterne fra de forskellige delanalyser på tværs

af institutioner er institutionerne inddelt i

følgende 11 arketyper: VUC’er, små gymnasier,

mellemstore gymnasier, store gymnasier, private

gymnasier, tekniske skoler, handelsskoler,

kombinationsskoler, landbrugsskoler, SOSU-

skoler og AMU-centre, jf. afsnit 1.3.

Der er udarbejdet én analyserapport for

hver arketype med undtagelse af gymnasier,

for hvilke alle fire arketyper er indeholdt i én

analyserapport. De otte analyserapporter er

opsamlet i nærværende hovedrapport, hvoraf

hovedresultaterne er angivet nedenfor.

Delanalyse 1 (kapitel 2) om institutionernes

omkostningsstrukturer finder, at der på tværs af

arketyper er forskelle i andelen af henholdsvis

lønomkostninger, bygningsomkostninger og

øvrige driftsomkostninger. Institutionerne har

gennemgående flest lønomkostninger. Andelen

af lønomkostninger er størst for de arketyper,

der primært udbyder klasseundervisning (for

eksempel gymnasier, VUC’er og handelsskoler),

mens arketyperne inden for erhvervsskolerne

har den højeste andel omkostninger vedrørende

bygningsdrift og øvrig drift. Det er desuden

gennemgående for størstedelen af arketyperne,

at mindre institutioner bruger en relativt større

andel af deres samlede omkostninger på løn til

ledelse og administration. Tendensen er særlig

udtalt for gymnasierne.

Omkostningsstrukturerne har generelt været

stabile for alle arketyper i perioden 2011-2018,

på trods af at institutionerne har oplevet

skiftende aktivitetsniveauer. Analysen viser, at

aktivitetsniveauet generelt har været stigende

frem til 2014/2015, hvorefter aktivitetsniveauet

er faldet frem til og med 2018.

Endelig viser delanalysen, at der er forskel på,

hvad en årselev inden for en given uddannelses-

kategori (fx tekniske grundforløb eller HHX)

koster på tværs af forskellige institutionstyper

(fx teknisk skole eller kombinationsskole).

Analyserne indikerer overordnet, at omkostnin-

gerne per årselev inden for uddannelseskate-

gorier med meget klasseundervisning (fx STX

og HHX) er lavere for institutioner med et smalt

uddannelsesudbud (fx gymnasier og mange

handelsskoler) end for institutioner med et

bredt uddannelsesudbud (fx kombinations-

skoler). Analysen finder også, at der er stor

forskel på omkostningsstrukturen for samme

uddannelseskategori mellem arketyperne.

Delanalyse 2

(kapitel 3) undersøger, hvilke fak-

torer der driver institutionernes omkostninger.

Analysen viser, at der er en tendens til faldende

marginalomkostninger for lønomkostninger og

øvrige driftsomkostninger i forhold til antallet af

årselever. Således falder lønomkostningerne og

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

de øvrige driftsomkostninger per årselev med

antallet af årselever. Tendensen findes også

på uddannelsesniveau inden for den enkelte

institution og er særlig udtalt på gymnasiernes

udbud af STX. Analysen peger på, at de faldende

marginalomkostninger for lærerløn, som udgør

størstedelen af lønomkostningerne, særligt er

drevet af holdstørrelse og lærernes andel af

undervisningstid (konfrontationstid). Således

har større institutioner generelt bedre forud-

sætninger for at oprette store hold og udnytte

lærernes arbejdstid til undervisning, hvilket er

med til at nedbringe lærerlønomkostningerne

per årselev.

Ovenstående skal ses i sammenhæng med, at

størstedelen af institutionernes indtægter er

aktivitetsafhængige, og at institutionerne, ifølge

analysen, har en tendens til at bruge de penge,

de modtager.

For arketyper, som udbyder mere end én ud-

dannelse, finder analysen, at institutioner med

flere uddannelser har lavere lønomkostninger

per årselever. Det gælder særligt for en række

erhvervsskoler (tekniske skoler og kombinati-

onsskoler). Sammenhængen skal dog ses i lyset

af, at institutioner med mange uddannelser

også typisk er store institutioner.

Bygningsomkostningerne per årselev afhænger

af antal årselever per kvadratmeter og byg-

ningsomkostninger per kvadratmeter. Begge

faktorer er større for institutioner med flere

årselever, hvilket betyder, at større institutio-

ner både har flere årselever per kvadratmeter

og har dyrere kvadratmeter. Af samme årsag

finder analysen ikke en entydig konklusion

vedrørende sammenhængen mellem antal

årselever og bygningsomkostningerne per års-

elev. I forhold til geografi indikerer analysen, at

mindre institutioner oftest er placeret i land-

kommuner med lavere bygningsomkostninger

per kvadratmeter.

Delanalyse 3

(kapitel 4), som ser på instituti-

onernes behov for og evne til at tilpasse sig et

indtægtsfald, viser overordnet, at institutioner

der har oplevet indtægtsfald i forhold til året før,

har oplevet væsentlige indtægtsfald fra år til år

på 3-8 procent i gennemsnit inden for arketyper-

ne i løbet af perioden 2012-2018. Dette gælder

for alle delsektorer. Disse institutioner har altså

haft et behov for at tilpasse deres omkostninger

til faldende indtægter.

Størstedelen af omkostningsreduktionen

sker ved at sænke lønomkostninger og øvrige

driftsomkostninger, relativt mest de øvrige

driftsomkostninger. Institutionerne tilpasser sig

mindst på bygningsomkostninger. Særskilt for

gymnasier ses det, at tilpasningen for de store

gymnasier særligt sker på øvrige driftsomkost-

ninger og kun i mindre grad på lønomkostninger,

mens det modsatte gør sig gældende for de

mindre gymnasier.

Ovenstående underbygges af analysen af insti-

tutionernes tilpasningsevne, der undersøger,

hvor stor en andel af institutionernes omkost-

ninger der principielt kan tilpasses over tid. Ana-

lysen viser, at 30-40 procent af institutionernes

omkostninger i forhold til kontraktuelle bindin-

ger principielt kan tilpasses inden for cirka 3-4

måneder. Dette gælder særligt for lønomkost-

ninger og øvrige driftsomkostninger, mens cirka

10 procent af omkostningsbasen i princippet

har en tilpasningstid på mere end 12 måneder,

herunder bygningsomkostninger. Relevant for

omkostningernes bindingstid bemærkes det, at

opsigelsesvarslet for de fleste medarbejdere er

3-6 måneder.

Endvidere finder analysen, at 40-60 procent af

omkostningerne (særligt lønomkostninger ved-

rørende undervisning og øvrige driftsomkost-

ninger) har en høj grad af aktivitetsafhængig-

hed, hvorfor disse vil følge udviklingen i antallet

af elever og dermed også indtægtssiden, hvilket

er afgørende for institutionernes tilpasningsev-

ne på kort sigt.

Analysen af institutionernes tilpasningsudfor-

dringer viser, at institutionernes tilpasningsevne

afhænger af 1) strukturelle forskelle, eksempel-

vis institutionens størrelse, geografiske place-

ring og forhold ved overgangen til selveje, og 2)

strategiske valg, som kan ændre institutionernes

tilpasningsevne, herunder brug af midlertidige

ansættelser, beslutninger om at eje eller leje

bygninger mv.

Delanalyse 4

(kapitel 5) om økonomisk bæredyg-

tighed finder, at arketypernes finansielle robust-

hed, målt i forhold til udvalgte økonomiske

nøgletal, samlet set er styrket siden 2011.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Alle arketyper har således øget deres egenkapi-

tal som andel af deres samlede omsætning og

som andel af de samlede aktiver. Større egen-

kapital indikerer, at sektoren er bedre rustet i

tilfælde af længerevarende indtægtsændringer.

Sektorens generelle tilstand dækker dog over

betydelig variation mellem institutionerne.

Alle arketyperne (på nær AMU-centrene) har

samtidig oplevet faldende overskudsgrader i løbet

af 2011-2018 – særligt i årene efter 2015. Flere

arketyper, herunder VUC’erne og gymnasierne, har

endvidere oplevet faldende likviditetsgrader, hvilket

gør dem en smule mere sårbare overfor kortsig-

tede udsving i økonomien.

En observation fra analysen er, at institutionsspe-

cifikke forhold, herunder strategiske valg og ledel-

sesmæssige prioriteringer på institutionerne, har

stor betydning for institutionernes bæredygtighed.

Selveje i sektoren gør, at der er vide muligheder for

lokale forskelle i blandt andet investeringsbeslut-

ninger, der har direkte indvirkning på institutioner-

nes økonomi.

Analysen finder, at der inden for alle arketyperne

er institutioner, der relativt set, ud fra analysens

valgte parametre, kan karakteriseres som øko-

nomisk udsatte. Det er således ikke forbeholdt

én særlig arketype. Dog er der for alle arketyper

relativt få institutioner, der i analysen karakterise-

res som økonomisk udsatte, særligt når der ses på

længerevarende udsving i økonomien. For de fleste

arketyper er der derfor også for få observationer

til at drage entydige konklusioner om de økonomisk

udsatte institutioner eksempelvis er mindre og

ligger i landkommuner. Samtidig er det ikke muligt

empirisk at fastlægge en nedre kritisk grænse i

forhold til institutionsstørrelse for, hvornår en

institution ikke længere er økonomisk bæredygtig.

For gymnasierne, som indeholder flest observatio-

ner, kan det fremhæves, at de økonomisk udsatte

institutioner blandt andet er karakteriseret ved

færre årselever, en overrepræsentation af små

gymnasier, mindre holdstørrelser og elevlærer-

ratio, overrepræsentation af gymnasier i landkom-

muner og et svagere socioøkonomisk elevgrund-

lag. Disse fællestræk præger overordnet set de

økonomisk udsatte gymnasier. En stor del af de

samme karakteristika gør sig gældende for de

økonomisk udsatte tekniske skoler.

På tværs af de øvrige arketyper (SOSU-skoler,

kombinationsskoler, VUC’er og handelsskoler) ses

imidlertid nogle modsatrettede tendenser, blandt

andet at institutioner med højere elevtal og institu-

tioner i bykommuner er en smule overrepræsente-

ret blandt de økonomisk udsatte institutioner. Det

bemærkes dog, at antallet af observationer er

begrænset, hvorfor resultaterne skal læses med

forbehold.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Indhold

1. Baggrund og formål

1.1. Analysens baggrund

1.2. Organisering af analysen

1.3. Analysens fokus

1.4. Analysens datagrundlag

2. Analyse af omkostningsstrukturer

2.1. Omkostningsstrukturer for delsektorerne

2.2. Omkostningsstrukturer for arketyperne

2.3. Omkostningsniveau for uddannelseskategorier

3. Analyse af omkostningsdrivere

3.1. Effekten af antal årselever på omkostningsniveau

3.2. Øvrige identificerede omkostningsdrivere

4. Analyse af institutionernes tilpasningsevne

4.1. Institutionernes tilpasningsbehov

4.2. Institutionernes tilpasningsevne

4.3. Institutionernes tilpasningsudfordringer

5. Analyse af økonomisk bæredygtighed

5.1. Institutionernes generelle finansielle robusthed

5.2. Karakteristika for de økonomisk mest udsatte institutioner

6. Bilag

6.1. Oversigt over anvendte registre

6.2. Oversigt over besøgsinstitutioner

6.3. Oversigt over svarprocent for spørgeskema

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figuroversigt

Figur 1.

Figur 2.

Figur 3.

Figur 4.

Figur 5.

Figur 6.

Figur 7.

Figur 8.A.

Figur 8.B.

Figur 9.

Figur 10.

Figur 11.

Figur 12.

Figur 13.

Figur 14.

Figur 15.

Figur 16.

Figur 17.

Figur 18.

Figur 19.

Figur 20.

Figur 21.

Omkostningsanalysens 11 arketyper (antal institutioner i arketypen)

Indhold og struktur for analysedatabase og analysedatasæt

Oversigt over omkostningskategorier

Omkostningsstruktur for små, mellemstore og store gymnasier (2018)

Omkostningsstruktur for erhvervsskolernes arketyper (2018)

Omkostningsstruktur for VUC’erne (2018)

Omkostningsstruktur for arketyperne (2018)

Omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb

og AMU-kurser (1.000 kr.)

Omkostninger per årselev for STX, HHX, merkantile grundforløb, merkantile

hovedforløb, HTX og HF (1.000 kr.)

Omkostningsstrukturer for tekniske grundforløb

Oversigt over analysen af omkostningsdrivere

Lønomkostninger per årselev for gymnasier (gennemsnit 2016-2018)

Omkostninger per årselev for HTX

Oversigt over gennemsnitligt årligt tilpasningsbehov for arketyperne 2012-2018

Årlig omkostningsreduktion ved indtægtsfald 2012-2018 for udvalgte arketyper

Aktivitetsafhængighed, bindingstid og omkostninger med kort bindingstid

fordelt på arketyper (pct.)

Tilpasningsudfordringer for arketyperne

Udvikling i finansielle nøgletal 2011-2018

Fordeling af de økonomisk mest udsatte institutioner på arketyper

Karakteristika for de økonomisk mest udsatte gymnasier

Karakteristika for de økonomisk mest udsatte VUC'er

Karakteristika for de økonomisk mest udsatte erhvervsskoler mv.

Tabeloversigt

Tabel 1.

Tabel 2.

Tabel 3.

Oversigt over anvendte registre og beskrivelse af indhold

Oversigt over 21 besøgsinstitutioner

Oversigt over svarprocent for spørgeskema i forbindelse med omkostningsanalysen 34

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

1. Baggrund og formål

Struensee & Co. har for Børne- og Undervisningsministeriet (BUVM) og Finansministeriet (FM) i pe-

rioden juni til december 2019 gennemført en omkostningsanalyse af gymnasier, erhvervsskoler og

voksenuddannelsescentre (VUC’er). Analysen bidrager til det igangværende eftersyn af taxameter- og

tilskudssystemet på tværs af de tre delsektorer. Analysen har overordnet til formål at undersøge, hvor-

dan institutionernes omkostninger er sammensat, hvad der driver omkostningerne, og hvilke muligheder

institutionerne har for at tilpasse deres omkostninger til faldende indtægter. På baggrund heraf har

analysen desuden til formål at vurdere, hvilke faktorer der påvirker økonomisk bæredygtighed blandt

uddannelsesinstitutionerne. Analysen er dermed ikke en effektiviseringsanalyse men en deskriptiv kort-

lægning af de tre delsektorers overordnede omkostningsstrukturer.

1.1. Analysens baggrund

Som led i udspillet

Mod på livet – vejene til uddannelse og job

fra december 2018 indgik, at der skulle foretages

et eftersyn af taxameter- og tilskudssystemet med henblik på eventuelle ændringer og justeringer.

På den baggrund blev der i januar 2019 nedsat en tværministeriel arbejdsgruppe bestående af BUVM og

FM med det formål at foretage eftersynet af taxameter- og tilskudssystemet. Nærværende omkostnings-

analyse indgår som én af flere analyser i arbejdsgruppens arbejde og er udarbejdet som led i det samle-

de eftersyn af taxameter- og tilskudssystemet. Parallelt med denne omkostningsanalyse er der foretaget

en særskilt analyse af institutionslandskabet og dets udvikling af Implement Consulting Group. Mens

denne analyse fokuserer på omkostningsstrukturer og økonomisk bæredygtighed, ser den analyse, der

er foretaget af Implement Consulting Group, nærmere på uddannelsesinstitutionernes organisering,

faglige bæredygtighed og udvikling over tid.

Omkostningsanalysen skal ses i lyset af det nuværende taxameter- og tilskudssystem, hvor langt største-

delen af institutionernes tilskud består af aktivitetsafhængige tilskud, som uddannelsesinstitutionerne

modtager per årselev på en given uddannelse. De enkelte tilskud fastsættes på finansloven og er således

ikke nødvendigvis et udtryk for den omkostning, der er forbundet med at undervise en årselev.

Institutionerne har med det nuværende taxameter- og tilskudssystem incitament til at øge deres aktivi-

tetsniveau, idet flere studerende som udgangspunkt medfører større tilskud. Samtidig medfører dette, at

eventuelt faldende marginalomkostninger (stordriftsfordele) alt andet lige vil medføre bedre økonomiske

vilkår for større institutioner. Tilsvarende vil mindre uddannelsesinstitutioner alt andet lige have sværere

økonomiske vilkår i en situation med faldende marginalomkostninger og aktivitetsbaserede indtægter

per årselev.

1.2. Organisering af analysen

Struensee & Co. har foretaget analysen i samarbejde med BUVM og FM og med tæt inddragelse af de om-

fattede institutioner. Struensee & Co. har gennemført analysen i samarbejde med Pluss Leadership, som

har bidraget med sektorspecifik indsigt til analysen.

Analysen er gennemført med tæt involvering af sektoren. Alle tre delsektorer har løbende været inddra-

get 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 fra analysen. I alt bidrog syv tekniske eksperter, som var udpeget af leder-

foreningerne i sektoren.

Sektoren har desuden bidraget væsentligt til analysens gennemførelse gennem deltagelse i interviews (21

institutionsbesøg) og besvarelse af spørgeskemaundersøgelse (159 institutioner), jf. afsnit 1.4.

1.3. Analysens fokus

Omkostningsanalysen omfatter tre delsektorer på uddannelsesområdet: almene og private gymnasier,

erhvervsskoler mv. og VUC’er. I analysen er de omfattede institutioner i de tre delsektorer inddelt i 11

arketyper, jf. figur 1.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Inddelingen i arketyper har til formål at understøtte sammenligneligheden mellem institutionerne, samtidig

med at antallet af arketyper ikke bliver unødigt stort. Som det beskrives nærmere i de enkelte delanalyser,

er opdelingen i arketyper foretaget ud fra en datadrevet tilgang, hvor parametre som størrelse og udbud

har spillet en væsentlig rolle. Gymnasierne er en relativt homogen gruppe, hvor den største forskel findes

i forhold til størrelse. Denne gruppe er derfor inddelt i arketyper baseret på netop størrelse. VUC’erne er

ikke inddelt i flere arketyper på grund af det lave antal institutioner (24 VUC’er

). Erhvervsskolerne udbyder

mange forskellige uddannelser og er meget forskellige. Derfor er de inddelt i henhold til de institutionsty-

per, der anvendes i institutionsregisteret og på regnskabsportalen.

Der er også stor variation inden for

de enkelte arketyper. Det gælder især kombinationsskoler, som består af en meget heterogen gruppe af

uddannelsesinstitutioner. Dette uddybes yderligere i analyserapporterne.

Figur 1. Omkostningsanalysens 11 arketyper (antal institutioner i arketypen)

Tekniske skoler (14)

Handelsskoler (20)

Erhvervsskoler mv.

Kombinationsskoler (18)

SOSU-skoler (13)

AMU-centre (5)

Landbrugsskoler (8)

Private gymnasier (24)

Gymnasier

Små gymnasier (42)

Mellemstore gymnasier (40)

Store gymnasier (39)

VUC’er

VUC’er (24)

For hver af de 11 arketyper er der gennemført fire delanalyser:

•

Figur 2. Indhold og struktur af analysedatabase og

institutionerne har (omkostningsstrukturer) og udvik-

Delanalyse 1

kortlægger, hvilke typer omkostninger

analysedatasæt

lingen af disse over tid (2011-2018).

Konsolidering af data

•

Delanalyse 2

identificerer og analyserer, hvad der driver institutionernes omkostninger (omkostnings-

Institutionsregister

drivere) fordelt på tre overordnede kategorier: lønomkostninger (løn til lærere, administrativt personale

CØSA

mv.), bygningsomkostninger

Aggregering af data

(husleje, vedligehold, afskrivninger mv.) og øvrige driftsomkostninger

Etablering

af analysedata

(undervisningsmaterialer, rengøring, it mv.).

Formålsregnskaber

CØSA

institutionsniveau

•

Delanalyse 3

analyserer uddannelsesinstitutionernes historiske behov for at tilpasse deres omkost-

Sammenkobling

bindingstiden for deres primære

af data

ISOLA

ninger

ISOLA

og sammenholder dette med deres tilpasningsevne, herunder

Datasæt på

uddannelses-

omkostninger. Endvidere ses der på, hvordan institutionerne indtil nu har håndteret indtægtsfald i

Analysedatabasen

Lærernes

Spørgeskemadata

kategoriniveau

arbejdstidsanvendelse

perioden 2012-2018.

Regnskaber

Formålsregnskaber

Datasæt på

•

Datasæt på

uddannelsesniveau

Delanalyse 4

undersøger en række forhold, der vurderes at have betydning for institutionernes økonomi-

Spørgeskema til

Øvrige

ske bæredygtighed på baggrund af de foregående delanalyser og institutionernes økonomiske nøgletal,

omkostningsanalyse

SparEnergi

Socioøkonomisk

reference

og identificerer, hvad der overordnet kendetegner de institutioner, der er økonomisk udsatte.

Spørgeskema om

bygninger

1 Udover de 24 institutioner, som på BUVM’s regnskabsportal er kategoriseret som VUC’er, er der yderligere fem VUC’er,

som i dag er en del af fusionerede institutioner. Det drejer sig om følgende fem: Campus Bornholm, IBC, Campus Vejle,

Skanderborg-Odder Center for Uddannelse og UddannelsesCenter Ringkøbing Skjern.

2 Arketypeinddelingen er foretaget med udgangspunkt i institutionernes kategorisering, som det fremgik af regnskabs-

portalen for 2017. Kategoriseringen fra 2017 var på tidspunktet for udarbejdelsen af analysens datafundament den senest

tilgængelige. I forbindelse med analysen er der foretaget få justeringer i forhold til regnskabsportalens arketypeinddeling,

så analysen bedst muligt afspejler den nuværende sektorstruktur. Det betyder, at nogle institutioner er lagt sammen

grundet fusioner, og at en institution er omkategoriseret. Arketypeinddelingen er foretaget i samarbejde med BUVM og FM.

En oversigt over institutionernes indplacering i forbindelse med analysen fremgår i bilag til analyserapporterne.

3 Det bemærkes, at

over omkostningskategorier

Figur 3. Oversigt

analysen af økonomisk bæredygtighed, herunder økonomisk udsathed, er en relativ vurdering af

institutionerne på baggrund af de valgte parametre.

Løn

Undervisning

Ledelse og administration

Bygningsdrift

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 1. Omkostningsanalysens 11 arketyper (antal institutioner i arketypen)

Der er udarbejdet én analyserapport for hver arketype med undtagelse af gymnasier, hvor alle fire arketyper er

Tekniske skoler (14)

indeholdt i én analyserapport. Alle analyserapporterne følger den samme analytiske struktur i henhold til de fire

Handelsskoler (20)

førnævnte delanalyser, dog med mindre tilpasninger i henhold til særlige karakteristika for de enkelte arketyper

Kombinationsskoler (18)

samt

Erhvervsskoler mv.

analytiske databegrænsninger grundet få observationer. Denne rapport opsummerer resultaterne for de

SOSU-skoler (13)

enkelte delanalyser og giver dermed et overblik over de vigtigste fund på tværs af de enkelte analyser.

AMU-centre (5)

Landbrugsskoler (8)

1.4. Analysens datagrundlag

Analysens datagrundlag er først og fremmest baseret på udtræk af en række forskellige registerdata

Private gymnasier (24)

vedrørende institutionernes aktiviteter og økonomi. Datagrundlaget er udbygget med data fra en spørge-

Små gymnasier (42)

Gymnasier

Mellemstore gymnasier (40)

skemaundersøgelse og interviews fra 21 institutionsbesøg. Dataindsamlingen er foretaget i tæt samarbejde

Store gymnasier (39)

med både BUVM og FM og med relevante bidrag fra de tekniske eksperter fra institutionerne.

VUC’er (24)

VUC’er

Registerdata og data fra spørgeskemaundersøgelsen er blevet konsolideret og beriget med fordelingsnøg-

ler for at danne en samlet analysedatabase, jf. Figur 2. Analysedatabasen er blevet anvendt til at udarbejde

tre analysedatasæt, der hver især indeholder en række variable, der er blevet anvendt i analysen. De tre

datasæt indeholder data på hvert deres afrapporteringsniveau, som det fremgår af figuren nedenfor.

Figur 2. Indhold og struktur af analysedatabase og analysedatasæt

Konsolidering af data

Institutionsregister

CØSA

Formålsregnskaber

Regnskaber

ISOLA

Lærernes

arbejdstidsanvendelse

SparEnergi

Aggregering af data

CØSA

Formålsregnskaber

ISOLA

Spørgeskemadata

Etablering

af analysedata

Datasæt på

institutionsniveau

Sammenkobling af data

Analysedatabasen

Datasæt på

uddannelses-

kategoriniveau

Datasæt på

uddannelsesniveau

Socioøkonomisk

reference

Øvrige

Spørgeskema til

omkostningsanalyse

Spørgeskema om

bygninger

Følgende forhold er værd at bemærke i forhold til de analyserede data:

• Der er observeret store forskelle institutionerne imellem, hvilket kan have forskellige årsager. Sektoren

er selvejende, hvorfor det må forventes, at institutionerne styres, organiseres og driftes forskelligt i

forhold til såvel strukturelle omstændigheder som ledelsesmæssige og strategiske prioriteringer. Forskelle

kan ligeledes skyldes varierende konteringspraksis.

Forskellene er håndteret ved at analysere arketyperne

samlet set og således udlade institutionsspecifikke sammenligninger (1:1- sammenligning) fra analysen.

• De fleste arketyper indeholder relativt få institutioner og hermed få observationer i data, hvilket har

Figur 3. Oversigt over omkostningskategorier

fremmest har det ikke været muligt at gennemføre statisti-

medført analytiske begrænsninger. Først og

ske analyser. I stedet har formålet med dataanalysen været at afdække og fremhæve tendenser, der alt

andet lige vurderes at være af betydning, når man ser på hele populationen i en arketype.

Undervisning

Løn

• Omkostningsdata anvendt i analysen er i langt overvejende grad baseret på institutionernes formålsfordelte

Bygningsdrift

regnskaber. For at understøtte analysens formål er omkostningsdata opgjort eksklusiv omkostninger til

Øvrig drift

indtægtsdækket virksomhed, ligesom der i nogle delanalyser er fratrukket udvalgte omkostningskategorier.

Endelig er alle historiske data prisreguleret til 2019-priser for at muliggøre sammenligninger på tværs af år.

Husleje

Afskrivninger på bygninger

4 Nogle omkostninger er fordelt ved hjælp af fordelingsnøgler, som er udarbejdet på baggrund Forsyning

af interviews under

Totale omkostninger

Bygningsdrift (ex løn)

institutionsbesøg. Omkostningerne er primært fordelt på baggrund af antal årselever eller indtægter. Dette fremgår

Renter

af analyserapporterne, når det er relevant.

Reparationer og vedligehold

Øvrige bygningsomk.

5 Forskelle i konteringspraksis kommer også til udtryk på tværs af datakilder. For eksempel stemmer aktivitetsdata

(årselever per uddannelse) fra CØSA ikke overens med omkostningsdata (omkostninger henført til uddannelser) fra

formålsregnskaberne.

Køb af varer til forbrug

Køb af tjenesteydelser (ex IT)

6 For VUC’erne er omkostningerne desuden eksklusiv undervisning af driftsoverenskomstparter. Der henvises til kortlæg-

Øvrig drift (ex løn)

Rep. og vedligehold (ex bygninger)

ningsrapporterne for uddybende forklaring herom.

Afskrivninger (ex bygninger)

Øvrige

Ledelse og administration

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Nedenfor uddybes kort de tre datakilder, der er anvendt i forbindelse med omkostningsanalysen. En

mere detaljeret gennemgang af dataarbejdet findes i bilag i analyserapporterne.

Registerdata

Struensee & Co. har indhentet registerdata i tæt samarbejde med BUVM og FM for at sikre inddragelse

af alle relevante data. I alt er der samlet data fra syv registre: institutionsregisteret, CØSA, formålsregn-

skaber, regnskabsportalen, ISOLA, SparEnergi og Lærernes arbejdstidsanvendelse. De syv registre og

indholdet af disse er beskrevet i bilag 6.1.

De omfattede data er koblet i en samlet datamodel, som danner grundlag for de gennemførte analy-

ser. Etableringen af den samlede datamodel gennemgås i bilag i analyserapporterne. I analyserappor-

terne beskrives datakilderne yderligere.

Spørgeskemaundersøgelse

For at kvalificere og supplere registerdata er der gennemført en spørgeskemaundersøgelse

med

særligt fokus på at indsamle viden om omkostningsfordeling og ressourceplanlægning. Spørgeskemaet

omhandlede omkostningsstrukturer, herunder aktivitetsniveauer og institutionsdrift. Spørgsmålene

vedrørte blandt andet gennemsnitlige holdstørrelser, minimumsholdstørrelser og kontraktuelle

bindinger. Besvarelserne fra spørgeskemaerne er samlet i analysedatabasen og indgår i delanalyserne

sammen med øvrig indsigt.

I alt besvarede 159 institutioner spørgeskemaet i forbindelse med omkostningsanalysen. Den samlede

svarprocent på tværs af institutionerne er 63 procent. Inden for de enkelte delsektorer observeres

også høje svarprocenter med 70 procent af alle erhvervsskoler, 58 procent af almene gymnasier og 67

procent af VUC’erne. En detaljeret oversigt over svarprocenter for hver arketype fremgår af bilag 6.3.

Omkostningsanalysen omfatter også bygningsomkostninger, hvorfor data fra spørgeskemaundersø-

gelsen om institutionernes bygningsmasse også indgår i analysedatabasen, jf. Figur 2.

Institutionsbesøg

For at opnå indsigt i institutionsdriften på de omfattede ungdomsuddannelsesinstitutioner og VUC’er

og for at udbygge datagrundlaget har Struensee & Co. besøgt 21 udvalgte institutioner på tværs af

delsektorer og arketyper. Formålet med institutionsbesøgene har været at sikre dybtegående indsigt i

institutionernes drift og har således bidraget til at validere, kvalificere og udbygge omkostningsanalysens

øvrige datagrundlag. Institutionerne er udvalgt i samarbejde med BUVM og FM ved at opstille en række

udvælgelseskriterier for at sikre repræsentativitet på tværs af delsektorer, herunder i forhold til instituti-

onernes størrelse, samlede omkostninger og geografiske placering. På institutionsbesøgene er der gen-

nemført interviews af cirka to timers varighed med nøglepersoner som blandt andre rektorer, direktører,

ressourcechefer og regnskabsmedarbejdere. Interviewene har afdækket spørgsmål om strategiske og

ledelsesmæssige overvejelser, rammevilkår og institutionsspecifikke forhold, betydningen af ændringer i

elevtal og institutionernes muligheder for at tilpasse økonomien ved indtægtsændringer.

En oversigt over de institutioner, der er besøgt i forbindelse med omkostningsanalysen, fremgår af

bilag 6.2, herunder antal årselever, samlede omkostninger og geografisk placering for de besøgte

institutioner.

7 Ungdomsuddannelsesinstitutionerne modtog tre spørgeskemaer, hvoraf Implement Consulting Group var afsender på

to i forbindelse med analysen af institutionsudviklingen. Der blev således udsendt ét spørgeskema i forbindelse med

omkostningsanalysen.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

2. Analyse af omkostningsstrukturer

Delanalyse 1 kortlægger sektorens omkostningsstrukturer ved at fordele de samlede omkostninger på

en række relevante kategorier for analysens 11 arketyper. Formålet er således at kortlægge fordelingen

af omkostninger på tværs af de forskellige institutioner for dermed at belyse den forskellighed, der

eksisterer institutionerne imellem. Analysen af omkostningsstrukturer er samtidig med til at præcisere

og fokusere den analytiske retning i de efterfølgende delanalyser, der netop ser nærmere på, hvad der

driver de forskellige typer omkostninger.

Delanalysen er gennemført i fire trin:

Kortlægning af arketypernes omkostningsstrukturer i 2018

Illustration af arketypernes historiske omkostningsstrukturer fra 2011 til 2018

Opstilling af omkostningsstrukturerne for institutionerne inden for hver arketype

Kortlægning af omkostningsniveau og -strukturer inden for uddannelseskategorier

på tværs af arketyper

Hovedkonklusioner fra analysen af omkostningsstrukturer

Analysen finder, at der på tværs af arketyper er forskelle i andelen af henholdsvis lønomkostnin-

ger, bygningsomkostninger og øvrige driftsomkostninger. Institutionerne har gennemgående

flest lønomkostninger. Andelen af lønomkostninger er størst for de arketyper, der primært ud-

byder klasseundervisning (fx gymnasier, VUC’er og handelsskoler), mens arketyperne inden for

erhvervsskolerne har den højeste andel omkostninger vedrørende bygningsdrift og øvrig drift.

Det er desuden gennemgående for størstedelen af arketyperne, at mindre institutioner bruger

en relativt større andel af deres samlede omkostninger på løn til ledelse og administration.

Tendensen er særlig udtalt for gymnasierne.

Omkostningsstrukturerne har generelt været stabile for alle arketyper i perioden 2011-2018, på

trods af at institutionerne har oplevet skiftende aktivitetsniveauer. Analysen viser, at aktivitets-

niveauet generelt har været stigende frem til 2014/2015, hvorefter aktivitetsniveauet er faldet

frem til og med 2018.

Endelig viser delanalysen, at der er forskel på, hvad en årselev inden for en given uddannel-

seskategori (fx tekniske grundforløb eller HHX) koster på tværs af forskellige institutionstyper

(fx teknisk skole eller kombinationsskole). Analyserne indikerer overordnet, at omkostningerne

per årselev inden for uddannelseskategorier med meget klasseundervisning (fx STX og HHX) er

lavere for institutioner med et smalt uddannelsesudbud (fx gymnasier og mange handelssko-

ler) end for institutioner med et bredt uddannelsesudbud (fx kombinationsskoler). Analysen

finder også, at der er stor forskel på omkostningsstrukturen for samme uddannelseskategori

mellem arketyperne.

Institutionsregister

CØSA

Aggregering af data

Etablering

af analysedata

Datasæt på

institutionsniveau

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Formålsregnskaber

CØSA

Regnskaber

ISOLA

Lærernes

arbejdstidsanvendelse

SparEnergi

Formålsregnskaber

ISOLA

Spørgeskemadata

Sammenkobling af data

Analysedatabasen

Datasæt på

uddannelses-

kategoriniveau

Datasæt på

Socioøkonomisk

reference

I det følgende belyses først udviklingen i omkostningsstrukturer over tid, og hvordan omkostnings-

uddannelsesniveau

Spørgeskema til

strukturerne varierer i delsektorerne og internt mellem institutionerne inden for arketyperne (afsnit

Øvrige

omkostningsanalyse

2.1 og 2.2). Delanalyse 1 ser efterfølgende på omkostninger per uddannelseskategori på tværs af

arketyper (afsnit 2.3).

Spørgeskema om

bygninger

2.1. Omkostningsstrukturer for delsektorerne

Nedenfor fremgår de centrale resultater fra analysen af omkostningsstrukturerne for de tre delsek-

torer. Institutionernes omkostninger er kategoriseret i lønomkostninger, herunder løn vedrørende

undervisning, ledelse og administration, bygningsomkostninger samt øvrige driftsomkostninger,

jf. figur 3. For gymnasierne og erhvervsskolerne vises forskellene i omkostningsstrukturer mellem

de underliggende arketyper, mens der for VUC’erne illustreres omkostningsstrukturer for alle

24 VUC’er i arketypen.

Figur 3. Oversigt over omkostningskategorier

Undervisning

Løn

Ledelse og administration

Bygningsdrift

Øvrig drift

Husleje

Afskrivninger på bygninger

Totale omkostninger

Bygningsdrift (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 bygninger)

Afskrivninger (ex bygninger)

Øvrige

Omkostningsstruktur for almene gymnasier

Andelen af lønomkostninger vedrørende undervisning er højere for mellemstore og store gymnasier

end for små gymnasier. På små gymnasier går omvendt en højere andel af de samlede lønomkostnin-

ger til ledelse og administration. Det kan skyldes, at der på gymnasierne er ledelsesmæssige og

administrative funktioner, som skal besættes uanset institutionsstørrelse, hvorfor disse funktioner

naturligt vil vægte højere på relativt små gymnasier.

Figur 4. Omkostningsstruktur for små, mellemstore og store gymnasier (2018)

Arketype

Gns. omkostningsfordeling inden for arketypen, 2018 (pct.)

Løn til ledelse og adm.

14%

13%

14%

Øvrig løn

Bygningsdrift (ex løn)

Gns. omk., 2018 (mio. kr.)

Øvrig drift

Små gymnasier 65%

Mellemstore

gymnasier

Store gymnasier

69%

68%

Løn til undervisning

Note: 1) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med henblik på at sikre

datasammenlignelighed. 2) Omkostninger er angivet i 2019-priser. 3) Nogle procenter summer ikke til 100 grundet afrunding.

Figur 5. Omkostningsstruktur for erhvervsskolernes arketyper (2018)

Arketype

Gns. omkostningsfordeling inden for arketypen, 2018 (pct.)

56%

53%

11%

10%

11%

19%

Gns. omk., 2018 (mio. kr.)

130

Handelsskoler

SOSU-skoler

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Omkostningsstruktur for erhvervsskoler mv.

For alle erhvervsskolernes arketyper (med undtagelse af landbrugsskolerne) er lønomkostninger vedrø-

rende undervisning den største omkostningskategori. Kategoriens andel af de samlede omkostninger

varierer dog markant på tværs af arketyperne, jf. Figur 5. Det kan blandt andet forklares ved forskellige

karakteristika for de udbudte uddannelser på institutionerne. For eksempel har handelsskolerne den

Figur 4. Omkostningsstruktur for små, mellemstore og store gymnasier (2018)

højeste andel af deres samlede omkostninger, som går til løn vedrørende undervisning. Det skyldes, at

undervisningen på handelsskolerne primært er klasseundervisning, som ikke i så høj grad stiller store

Gns. omkostningsfordeling inden for arketypen, 2018 (pct.)

Arketype

Gns. omk., 2018 (mio. kr.)

krav til materiel og faciliteter. Omvendt allokerer eksempelvis de tekniske skoler en relativt stor andel af

deres omkostninger til øvrig drift og

bygningsdrift, da mange tekniske hovedforløb stiller store krav til

14%

Små gymnasier 65%

bygninger og indkøb af omkostningstunge undervisningsmaterialer. Internt imellem erhvervsskolerne

Mellemstore

69%

13%

gymnasier

varierer omkostningsstrukturerne betydeligt. Det kan blandt andet drives af uddannelsernes heterogeni-

Store gymnasier

68%

14%

tet, forskellig årselevfordeling på uddannelser, om servicefunktioner er udliciteret eller varetages internt,

og/eller om skolen har en kostafdeling. Således medfører omkostninger vedrørende kostafdelinger høje

Øvrig

Løn til undervisning

Løn til ledelse og adm.

Øvrig

store

Bygningsdrift (ex løn)

øvrige driftsomkostninger på landbrugsskolerne, da de har relativt

løn

kostafdelinger sammenholdt

drift

med deres størrelse.

Figur 5. Omkostningsstruktur for erhvervsskolernes arketyper (2018)

Arketype

Handelsskoler

SOSU-skoler

Kombinationsskoler

Tekniske skoler

AMU-centre

Landbrugsskoler

36%

32%

Gns. omkostningsfordeling inden for arketypen, 2018 (pct.)

56%

53%

51%

48%

10%

11%

12%

14%

11%

10%

11%

12%

13%

19%

22%

23%

30%

33%

Øvrig løn

Bygningsdrift (ex løn)

Øvrig drift

272

254

Gns. omk., 2018 (mio. kr.)

130

Løn til undervisning

Løn til ledelse og adm.

Note: 1) Omkostninger er angivet i 2019-priser. 2) Nogle procenter summer ikke til 100 grundet afrunding.

Omkostningsstruktur for VUC’erne

Figur 7. Omkostningsstruktur for arketyperne (2018)

Der er stor forskel på, hvordan de forskellige VUC’er fordeler deres omkostninger, jf. Figur 6. For

eksempel varierer andelen af løn vedrørende undervisning fra 56 procent til 72 procent.

Lignende

forskelle i omkostningsstrukturer mellem samme type institutioner observeres i kortlægningen

14%

78%

Gymnasier

analysens

VUC’er

arketyper. For VUC’erne kan forskellene blandt andet drives af geografisk placering,

andre

17%

75%

befolkningstæthed, antal lokationer og varierende uddannelsesudbud. Forskellene vil dog i nogen grad

19%

10%

Handelsskoler

også være udtryk for forskellige prioriteringer

71%

behov på institutionerne.

SOSU-skoler

Kombinationsskoler

Tekniske skoler

Landbrugsskoler

AMU-centre

71%

66%

64%

59%

53%

11%

14%

12%

13%

11%

18%

22%

23%

30%

33%

Lønomkostninger (%)

Bygningsomkostninger (%)

Omkostninger til øvrig drift (%)

8 Omkostninger til kostafdelinger hører under øvrig løn og øvrig drift, hvorfor landbrugsskolerne har store andele i disse

Figur 8.A. Årlige omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb

kategorier.

og AMU-kurser (1.000 kr.)

9 To institutioner holdes ude af sammenligningen, da de havde ekstraordinære bygningsomkostninger i 2018.

221

Tekniske

hovedforløb

112

179

157

153

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 6. Omkostningsstruktur for VUC’erne (2018)

Omkostningsfordeling, 2018 (pct.)

72%

71%

69%

67%

66%

65%

64%

63%

62%

61%

59%

58%

56%

51%

49%

Løn til undervisning

12%

10%

12%

11%

13%

26%

Øvrig løn

10%

Omk. (mio. kr.)

2% 7%

4% 4%

13%

12%

10%

13%

16%

118

278

30%

111

385

197

106

320

113

154

233

14%

15%

18%

16%

15%

19%

22%

13%

18%

15%

11%

17%

19%

21%

23%

20%

24%

13%

Bygningsdrift (ex løn)

10%

Øvrig drift

Løn til ledelse og adm.

Note: 1) Omkostninger er angivet i 2019-priser. 2) Nogle institutioner har ekstraordinært høje bygningsomkostninger.

Der henvises til forklaringer i kortlægningsrapporterne. 3) Nogle procenter summer ikke til 100 grundet afrunding.

2.2. Omkostningsstrukturer for arketyperne

Figur 9. Omkostningsstrukturer for tekniske grundforløb

Nedenfor præsenteres de vigtigste forskelle og den vigtigste udvikling i omkostningsstrukturer på tværs

af arketyper.

Omkostninger per årselev på tekniske grundforløb (1.000 kr.)

200

Forskelle i arketypernes omkostningsstrukturer

177

134

130

Analysen af omkostningsstrukturer finder, at der er forskelle i arketypernes omkostningsstrukturer, jf.

104

31%

Figur 7. Andelen af arketypernes samlede omkostninger, som går

49%

er højest for de institutioner,

til løn,

46%

50%

100

primært

11%

som

udbyder klasseundervisning (gymnasier, VUC’er og handelsskoler). Det kan skyldes, at

13%

11%

10%

undervisningen på disse arketyper i mindre grad nødvendiggør investeringer i omkostningstunge under-

16%

14%

13%

12%

visningsmaterialer og specialiserede bygninger end noget undervisning på eksempelvis tekniske skoler.

30%

23%

19%

Erhvervsskolerne har den højeste andel af omkostninger, som går til bygningsdrift. Det skyldes, at er-

Tekniske

Kombinations-

Landbrugs-

SOSU-skoler

hvervsskolerne udbyder flere uddannelser, som stiller særlige krav til institutionernes bygningsfaciliteter.

skoler

Andelen af øvrige driftsomkostninger er

per årselev på tekniske grundforløb (1.000 kr.)

Store øvrige driftsomkost-

Omkostninger

ligeledes højest på erhvervsskolerne.

ninger på

Løn til undervisning

drives

til ledelse

andet af indkøb af specialiserede undervisningsmaterialer.

erhvervsskolerne

Løn

blandt

og adm.

Øvrig drift

Øvrig løn

Bygningsdrift (ex løn)

150

Tekniske skoler

AMU-centre

36%

48%

10%

12%

11%

13%

23%

30%

33%

Øvrig løn

Bygningsdrift (ex løn)

254

11%

Landbrugsskoler

32%

14%

10%

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Løn til undervisning

Løn til ledelse og adm.

Øvrig drift

Figur 7. Omkostningsstruktur for arketyperne (2018)

Gymnasier

VUC’er

Handelsskoler

SOSU-skoler

Kombinationsskoler

Tekniske skoler

Landbrugsskoler

AMU-centre

78%

75%

71%

66%

64%

59%

53%

11%

14%

12%

13%

10%

11%

14%

17%

19%

18%

22%

23%

30%

33%

Lønomkostninger (%)

Bygningsomkostninger (%)

Omkostninger til øvrig drift (%)

Note: 1) Omkostninger til øvrig drift indeholder køb af varer til forbrug, køb af tjenesteydelser (fx it), reparation og vedligehold (fx bygnin-

ger), afskrivninger (fx bygninger) og øvrige omkostninger under øvrig drift. 2) Gymnasier omfatter arketyperne små, mellemstore og store

gymnasier, men ikke private gymnasier, med henblik på at sikre datasammenlignelighed.

Figur 8.A. Årlige omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb

og AMU-kurser (1.000 kr.)

Historisk udvikling i omkostningsstrukturer og aktivitetsniveau

221

Analysen af omkostningsfordelingen viser, at omkostningsstrukturerne har været stabile for alle arke-

179

Tekniske

157

typer

hovedforløb

2011-2018 til trods for skiftende aktivitetsniveauer i samme periode for de fleste arkety-

i perioden

153

per. Analysen finder en begrænset variation i andelen af lønomkostninger til undervisning, som er steget

112

for syv arketyper (små, mellemstore og store almene gymnasier, VUC’er, handelsskoler, kombinationssko-

177

ler og tekniske skoler). Den relative stigning i andelen af lønomkostninger, som går til undervisning, kan

175

Tekniske

134

skyldes, at institutionerne har tilpasset deres omkostninger på en måde, der prioriterer lærerressourcer

grundforløb

130

fremfor bygningsdrift og øvrig drift.

104

Udviklingen i omkostningsstrukturer skal ses i sammenhæng med, at antallet af årselever har været

167

136

AMU-kurser

skiftende fra 2011 til 2018. Analysen finder en generel stigning i aktivitetsniveauet frem til 2014/2015,

131

hvorefter aktivitetsniveauet falder frem til og med 2018. Således er det kun de fem AMU-centre, der har

122

haft et stigende aktivitetsniveau i de sidste tre år af

analyserede periode (2016-2018). Især erhvervs-

den

SOSU-skoler

Landbrugsskoler

AMU-centre

Tekniske skoler

skolerne har i perioden oplevet faldende årselevtal

Kombinationsskoler

frem til 2018.

Handelsskoler

181

Omkostningsstrukturer inden for arketyperne

For alle analysens arketyper findes en betydelig variation i omkostningsstrukturerne mellem instituti-

onerne. Det er dog gennemgående for størstedelen af arketyperne, at mindre institutioner bruger en

relativt større andel af deres samlede omkostningsbase på løn vedrørende ledelse og administration.

Figur 8.B. Årlige omkostninger per årselev for STX, HHX, merkantile grundforløb, merkantile

Tendensen er særlig

HF (1.000 kr.)

hovedforløb, HTX og

udtalt for de tre arketyper under almene gymnasier (se Figur 4).

Forskellene mellem institutionerne kan skyldes en lang række faktorer. Sektoren er selvejende, hvorfor

institutionerne styres, organiseres og driftes forskelligt

101

i henhold til såvel strukturelle omstændighe-

STX

der som ledelsesmæssige og strategiske prioriteringer. Forskellene kan derfor først og fremmest være

udtryk for en række strategiske valg og ledelsesmæssige prioriteringer på de enkelte institutioner. For

HHX

de fleste arketyper varierer uddannelsesudbuddet også, hvilket resulterer i forskellige omkostnings-

Merkantile

strukturer. Det gælder særligt for erhvervsskoler, navnlig arketyperne kombinationsskoler og tekniske

grundforløb

skoler. Strukturelle vilkår påvirker også institutionsdriften og således omkostningsstrukturerne, for

Merkantile

eksempel forhold i forbindelse med overgang til selveje og socioøkonomisk baggrund for elevgrund-

hovedforløb

laget. Disse faktorers betydning for institutionernes omkostningsdrivere og økonomiske bæredygtig-

115

HTX

hed belyses i henholdsvis delanalyse 3 og 4.

109

VUC’er

Gymnasier

Handelsskoler

Kombinationsskoler

Tekniske skoler

Landbrugsskoler

32%

10%

11%

14%

33%

Øvrig løn

Bygningsdrift (ex løn)

Øvrig drift

Løn til undervisning

Løn til ledelse og adm.

Løn til undervisning

Løn til ledelse og adm.

Øvrig løn

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 7. Omkostningsstruktur for arketyperne (2018)

14%

78%

Gymnasier

2.3. Omkostningsniveau for uddannelseskategorier

14%

78%

Gymnasier

17%

75%

Nedenfor

VUC’er

omkostninger per årselev inden for forskellige uddannelseskategorier på tværs af

belyses

17%

75%

VUC’er

arketyperne.

19%

71%

10%

Handelsskoler

18%

71%

SOSU-skoler

Analysen finder, at der er forskel på, hvad den gennemsnitlige omkostning for en

11%

årselev er inden for

18%

71%

SOSU-skoler

11%

66%

12%

22%

Kombinationsskoler

samme uddannelseskategori på tværs af arketyper, jf. Figur 8.A og 8.B. Det skal bemærkes, at der

66%

12%

22%

Kombinationsskoler

de tekniske hovedforløb er mange forskellige uddannelser, der stiller forskellige krav til

særligt inden for

23%

64%

Tekniske skoler

13%

udstyr og

skoler

forskelle i omkostningerne. Analyserne indikerer overordnet,

23%

Tekniske

materialer, hvilket betyder store

64%

13%

Landbrugsskoler

59%

11%

30%

at omkostningerne per årselev inden for uddannelseskategorier med meget klasseundervisning (for

Landbrugsskoler

59%

11%

30%

AMU-centre

33%

eksempel STX og HHX) er lavere for institutioner med et snævert uddannelsesudbud (for eksempel

53%

14%

AMU-centre

33%

53%

gymnasier og mange handelsskoler) end for flerfaglige institutioner

14%

eksempel kombinationsskoler).

(for

Det skyldes flere forhold, herunder at: i)

Bygningsomkostninger (%)

monofaglige institutioner har flere årselever

drift (%)

for den

Lønomkostninger (%)

Omkostninger til øvrig

inden

enkelte uddannelseskategori end flerfaglige institutioner, især for STX, ii) flerfaglige institutioner med

Lønomkostninger (%)

Bygningsomkostninger (%)

Omkostninger til øvrig drift (%)

bredt uddannelsesudbud og flere lokationer har højere bygningsomkostninger end institutioner med

et smalt uddannelsesudbud og få lokationer.

Handelsskoler

71%

10%

19%

Figur 8.A. Årlige omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb

og AMU-kurser (1.000 kr.)

Figur 8.A. Årlige omkostninger per årselev for tekniske hovedforløb, tekniske grundforløb

og AMU-kurser (1.000 kr.)

221

Tekniske

hovedforløb

Tekniske

hovedforløb

112

Tekniske

grundforløb

Tekniske

grundforløb

134

130

134

130

179

157

153

157

153

177

175

177

175

179

221

104

181

136

131136

167

181

AMU-kurser

Landbrugsskoler

Handelsskoler

AMU-centre

Kombinationsskoler

122 131

122

Tekniske skoler

SOSU-skoler

Kombinationsskoler

Handelsskoler

Note: 1) Omkostningerne er inkl. omkostninger til kostafdelinger, hvilket forklarer, hvorfor landbrugsskolerne ligger højt. I analyserappor-

terne er omkostninger til kostafdelinger taget ud i de analyser hvor det er relevant. 2) Omkostninger er angivet i 2019-priser.

Figur 8.B. Årlige omkostninger per årselev for STX, HHX, merkantile grundforløb, merkantile

hovedforløb, HTX og HF (1.000 kr.) årselev for STX, HHX, merkantile grundforløb, merkantile

Figur 8.B. Årlige omkostninger per

hovedforløb, HTX og HF (1.000 kr.)

STX

HHX

Merkantile

grundforløb

Merkantile

grundforløb

Merkantile

hovedforløb

Merkantile

hovedforløb

HTX

VUC’er

Gymnasier

101

85 95

8795

115

109 115

98109

Kombinationsskoler

Tekniske skoler

Handelsskoler

Note: 1) STX omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med henblik på at sikre

datasammenlignelighed. 2) Omkostninger er angivet i 2019-priser.

63%

10%

22%

18%

15%

11%

17%

19%

21%

106

320

113

63%

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

62%

61%

59%

10%

12%

11%

10%

13%

58%

154

Analysen viser også, at der er store forskelle i omkostningsstrukturerne for samme uddannelseska-

23%

tegori mellem arketyperne. Forskellene kan forklares ved, at uddannelserne under hver uddannel-

56%

12%

20%

seskategori kan variere betydeligt. Det gælder eksempelvis for tekniske grundforløb, som er meget

51%

24%

forskellige på henholdsvis landbrugsskoler,

13%

SOSU-skoler og tekniske skoler. Det er

233

eksempel

for

26%

13%

dyrere at

49%

levere et teknisk

grundforløb på en teknisk skole end på en SOSU-skole, jf. Figur 9, da tek-

niske grundforløb på tekniske skoler stiller højere krav til omkostningstungt materiel og bygninger.

Løn til undervisning

Løn til ledelse og adm.

Øvrig løn

Bygningsdrift (ex løn)

Øvrig drift

Der observeres også flere tværgående tendenser for arketyperne. For eksempel allokerer kombi-

nationsskolerne en større andel af omkostningerne til tekniske grundforløb til løn til undervisning

end de tekniske skoler (46 procent). Det samme billede gør sig gældende for kombinationsskolernes

levering af tekniske hovedforløb og HTX.

Figur 9. Omkostningsstrukturer for tekniske grundforløb

Omkostninger per årselev på tekniske grundforløb (1.000 kr.)

200

150

100

177

134

31%

11%

13%

16%

30%

Landbrugs-

skoler

Løn til undervisning

46%

10%

14%

23%

Tekniske

skoler

Løn til ledelse og adm.

130

49%

13%

23%

Kombinations-

skoler

Øvrig løn

Bygningsdrift (ex løn)

104

50%

11%

12%

19%

SOSU-skoler

Omkostninger per årselev på tekniske grundforløb (1.000 kr.)

Øvrig drift

Note: 1) Omkostninger er angivet i 2019-priser. 2) Nogle procenter summer ikke til 100 grundet afrunding.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

3. Analyse af omkostningsdrivere

Analysen af omkostningsdrivere har til formål at identificere, hvad der driver de forskellige omkostninger

fordelt på de tre overordnede omkostningskategorier (lønomkostninger, øvrige driftsomkostninger og

bygningsomkostninger). Således fås et samlet billede af, hvad der driver de omkostningsstrukturer, der er

præsenteret i forrige kapitel. Herudfra undersøger analysen sammenhængen mellem omkostningsdrivere

og omkostninger per årselev, særligt hvordan omkostningsdriverne relaterer sig til institutionsstørrelse og

geografi. Analysen er foretaget i tre trin:

For hver omkostningskategori (lønomkostninger, bygningsomkostninger og øvrige driftsomkost-

ninger) er der opstillet en liste over mulige omkostningsdrivere. Som led heri er der teoretisk

defineret mulige kausale effekter mellem de forskellige drivere, dvs. hvordan omkostnings-

driverne forventes at påvirke omkostningerne per årselev.

På baggrund af kausalmodellen og bruttolisten over mulige omkostningsdrivere er der foretaget

en indledende screening af, hvilke omkostningsdrivere der forventes at være betydende for

lønomkostninger, bygningsomkostninger og øvrige driftsomkostninger per årselev.

De udvalgte omkostningsdrivere er herefter belyst mere indgående. Det er sket gennem en

kombination af kvantitative dataanalyser (dvs. deskriptive analyser af sammenhængen mellem to

variable), input fra institutionsbesøg og via regressionsanalyser, som har undersøgt multivariate

sammenhænge, dvs. sammenhænge mellem flere indbyrdes afhængige variable.

Hovedkonklusioner fra analysen af omkostningsdrivere

Analysen viser, at der er en tendens til faldende marginalomkostninger for lønomkostninger og

øvrige driftsomkostninger i forhold til antallet af årselever. Således falder lønomkostningerne

og de øvrige driftsomkostninger per årselev med antallet af årselever. Tendensen findes også

på uddannelsesniveau inden for den enkelte institution og er særlig udtalt på gymnasiernes

udbud af STX. Analysen peger på, at de faldende marginalomkostninger for lærerløn, som udgør

størstedelen af lønomkostningerne, særligt er drevet af holdstørrelse og lærernes andel af

undervisningstid (konfrontationstid). Således har større institutioner generelt bedre forudsæt-

ninger for at oprette store hold og udnytte lærernes arbejdstid til undervisning, hvilket er med til

at nedbringe lærerlønomkostningerne per årselev.

Ovenstående skal ses i sammenhæng med, at størstedelen af institutionernes indtægter er

aktivitetsafhængige, og at institutionerne, ifølge analysen, har en tendens til at bruge de penge,

de modtager.

For arketyper, som udbyder mere end én uddannelse, finder analysen, at institutioner med

flere uddannelser har lavere lønomkostninger per årselever. Det gælder særligt for en række

erhvervsskoler (tekniske skoler og kombinationsskoler). Sammenhængen skal dog ses i lyset af,

at institutioner med mange uddannelser også typisk er store institutioner.

Bygningsomkostningerne per årselev afhænger af antal årselever per kvadratmeter og byg-

ningsomkostninger per kvadratmeter. Begge faktorer er større for institutioner med flere

årselever, hvilket betyder, at større institutioner både har flere årselever per kvadratmeter og

har dyrere kvadratmeter. Af samme årsag finder analysen ikke en entydig konklusion vedrørende

sammenhængen mellem antal årselever og bygningsomkostningerne per årselev. I forhold til

geografi indikerer analysen, at mindre institutioner oftest er placeret i landkommuner med lavere

bygningsomkostninger per kvadratmeter.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

En oversigt over resultatet af analysen af omkostningsdrivere fremgår af Figur 10, som viser, hvilke om-

kostningsdrivere analysen har set på, om disse har en betydende effekt, og i hvilken retning effekten går

i forhold til lønomkostninger, bygningsomkostninger og øvrige driftsomkostninger per årselev. Det be-

mærkes, at der ikke er fundet en betydende effekt af en række omkostningsdrivere, som er identificeret

i analysens indledende screening, eksempelvis andel lejede kvadratmeter. Herudover observeres der en

væsentlig variation i omkostningsdriverne inden for den enkelte arketype.

Figur 10. Oversigt over analysen af omkostningsdrivere

Arketype

Omk. driver

VUC’er

Gymnasier

Tekniske

skoler

Handels-

skoler

Komb.-

skoler

SOSU-

skoler

AMU-

centre

Landbrugs-

skoler

Andel undervisningstid

Holdstørrelse

Antal årselever

Løn

Antal lokationer

Antal uddannelser

Geografi (bykommune)

Socioøknomi (ref. for karakterer)

Geografi (bykommune)

Bygninger

Andel lejede kvm

Andel undervisnings kvm

Antal årselever

Antal lokationer

Øvrig

drift

Antal årselever

Effekt på omk. per årselev ved

stigning i omkostningsdriver:

= Stigende

= Faldende

Indikerer at driveren har en betydende effekt

Indikerer at driveren har en effekt

Note: 1) Hvis et felt er blank, er der ikke identificeret en effekt af omkostningsdriveren inden for arketypen, 2) Referencepunktet for

geografi er bykommuner. En stigende effekt betyder således, at det alt andet lige er dyrere per årselev i bykommuner, 3) Socioøkonomi

måles som reference for karakterer i forhold til socioøkonomiske variable (karakterer i folkeskolen, indkomst, forældres uddannelse

mv.). En faldende effekt betyder således, at institutioner med en socioøkonomisk stærkere elevsammensætning har lavere

omkostninger per årselev, 4) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier,

med henblik på at sikre datasammenlignelighed.

3.1. Effekten af antal årselever på omkostningsniveau

For alle arketyper er lønomkostninger per årselev vedrørende både uddannelse og ledelse og admini-

Lønomkostninger pr. årselev (tusinde kr.)

stration en væsentlig omkostningsdriver, og der observeres faldende marginalomkostninger på tværs

arketyperne. Inden for uddannelseskategorierne viser analysen også tegn på faldende marginalom-

kostninger. Det gælder for arketyper med mange forskellige uddannelser, herunder tekniske skoler og

handelsskoler. Med andre ord er institutionsstørrelse af afgørende betydning for lønomkostninger per

årselev. Analysen peger ikke på en entydig nedre grænse (antal årselever) for faldende marginalomkost-

ninger. Som et eksempel på faldende marginalomkostninger viser Figur 11 lønomkostninger per årselev

for gymnasierne, hvor der ses en tydelig tendens til, at større gymnasier har færre omkostninger per

årselev sammenlignet med mindre gymnasier.

200

300

400

500

600

700

800

900

1.000

1.100

1.200

1.300

1.400

1.500

1.600

Figur 11. Lønomkostninger per årselev for gymnasier (gennemsnit 2016-2018)

Antal årselever

stigning i omkostningsdriver:

= Faldende

Indikerer at driveren har en effekt

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 11. Lønomkostninger per årselev for gymnasier (gennemsnit 2016-2018)

Lønomkostninger pr. årselev (tusinde kr.)

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) Lønomkostninger per årselev er et gennemsnit for 2016-2018. Det bemærkes, at ét gymnasie ikke er indeholdt, da det ses som

en ekstrem observation, 2) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med

henblik på at sikre datasammenlignelighed, 3) Omkostninger er angivet i 2019-priser.

For bygningsomkostninger per årselev på tværs af alle arketyper er der identificeret to modsatrettede

effekter, som samlet gør, at der ikke kan konkluderes entydigt om betydningen af flere årselever i for-

Omkostninger pr. årselev pr. uddannelseskategori (tusinde kr.)

hold til bygningsomkostninger. På den ene side har større institutioner højere bygningsomkostninger

140

kvadratmeter, hvilket bidrager til højere omkostninger per årselev. Det skyldes særligt, at større

per

institutioner typisk er beliggende i bykommuner, mens mindre institutioner oftest er beliggende i

130

landkommuner. På den anden side har større institutioner færre kvadratmeter per årselev, hvilket

120

bidrager til lavere omkostninger per årselev. Hertil viser analysen, at bygningsomkostninger i vid

udstrækning er institutionsspecifikke, ikke kan forklares ud fra strukturelle forhold og varierer markant

110

mellem institutionerne inden for den enkelte arketype. Det bemærkes, at analysen er foretaget på

100

hovedinstitutionsniveau, da omkostningerne ikke er fordelt på afdelingsniveau i formålsregnskaberne.

500

1.000

1.500

2.000

Analysen identificerer faldende marginalomkostninger for øvrige driftsomkostninger for størstedelen

af arketyperne.

uddannelseskategori

Institutionerne peger her særligt på øget professionalisering, udlicitering

Tekniske skoler

og gode

Kombinationsskoler

Årselever per

indkøbsaftaler, der følger med at være en stor institution, som drivende for faldende marginalom-

kostninger for øvrige driftsomkostninger. Dog er effekten ikke identificeret for kombinationsskoler,

mens SOSU-skoler viser en modsat tendens (stigende marginalomkostninger). Det har ikke været

muligt at identificere en entydig nedre grænse for faldende marginalomkostninger for øvrig drift.

Figur 12. Omkostninger per årselev for HTX

Effekten af antal årselever på omkostningsniveauet på tværs af arketyper

Analysen peger på, at store institutioner har bedre forudsætninger for at optimere holdstørrelser og

udnytte lærerressourcer mere effektivt end små institutioner. Dette gør sig også gældende inden for

uddannelseskategorierne. Med andre ord er der faldende marginalomkostninger, når man ser på ud-

dannelseskategorier, der udbydes på institutioner under forskellige arketyper. Som et eksempel viser

Figur 12 omkostningerne per årselev for HTX for kombinationsskolerne og de tekniske skoler. Figuren

indikerer, at der er faldende marginalomkostninger per årselev for HTX på både kombinationsskoler

og tekniske skoler. Figuren viser ligeledes, at kombinationsskolerne i gennemsnit har lavere omkostnin-

ger per HTX-årselev end de tekniske skoler, hvilket delvist er drevet af institutionsspecifikke forhold.

200

300

400

500

600

700

800

900

1.000

1.100

1.200

1.300

1.400

1.500

1.600

Antal årselever

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 12. Omkostninger per årselev for HTX

Omkostninger pr. årselev pr. uddannelseskategori (tusinde kr.)

140

130

120

110

100

500

1.000

1.500

Kombinationsskoler

2.000

Tekniske skoler

Årselever per uddannelseskategori

Note: 1) Tilsvarende figurer for øvrige uddannelseskategorier, som udbydes på tværs af arketyper, fremgår af bilagene.

Kilde: analysens datamodel. 2) Omkostninger er angivet i 2019-priser.

De tilsvarende analyser af tekniske hoved- og grundforløb og HHX udviser en tilsvarende tendens.

Analyserne af disse uddannelseskategorier indikerer således også, at der er faldende marginalomkost-

ninger. Derudover er der en række specifikke observationer for hver uddannelseskategori:

•

Tekniske hovedforløb:

De tekniske skoler har gennemgående lavere omkostninger per årselev på

tekniske hovedforløb end kombinationsskolerne.

•

Tekniske grundforløb:

Kombinationsskolerne har gennemgående lavere omkostninger per årselev på

tekniske grundforløb end de tekniske skoler.

•

HHX:

Handelsskolerne har gennemgående lavere omkostninger per årselev på HHX end kombina-

tionsskolerne.

•

HF:

I modsætning til de fire andre uddannelseskategorier er der kun i meget begrænset grad

faldende marginalomkostninger på HF for gymnasierne og VUC. Gymnasierne har gennemgående

lavere omkostninger per HF-årselev end VUC’erne.

Forskellene i omkostningsniveau på tværs af arketyper inden for uddannelseskategorierne understreger,

at strategiske valg, ledelsesmæssige prioriteringer og strukturelle forudsætninger varierer mellem

institutionerne, ligesom analysen finder, at antallet af elever inden for den enkelte uddannelseskategori

har betydning. Disse forhold skal ses i sammenhæng, når man analyserer institutionernes økonomiske

bæredygtighed.

10 Det har ikke været muligt at gennemføre analysen for STX, da uddannelsen ikke udbydes på et tilstrækkelig

stort antal kombinationsskoler.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

3.2. Øvrige identificerede omkostningsdrivere

Analysen af omkostningsdrivere finder i øvrigt en række relevante omkostningsdrivere udover antallet af

årselever. Effekten af disse gennemgås i det følgende.

Effekten af holdstørrelse og andel undervisningstid på lønomkostningerne

Både eksperter og institutioner har angivet, at holdstørrelse og andel undervisningstid er væsentlige

drivere af lønomkostninger til undervisning per årselev. Det bekræftes af analyserne, hvor det på

tværs af arketyper observeres, at større hold giver lavere lønomkostninger per årselev (dog ikke for

AMU-centre og landbrugsskoler, hvilket til dels skyldes den smalle population for de to arketyper).

Hertil har større institutioner i gennemsnit større holdstørrelser. Samtidig finder analysen, at en øget

andel undervisningstid giver færre lønomkostninger per årselev, hvor større institutioner gennemsnit-

ligt har en højere andel undervisningstid end mindre institutioner. Med andre ord finder analysen, at

holdstørrelse og andel undervisningstid er væsentlige drivere i forhold til lønomkostninger per årselev,

og at større institutioner typisk har både større hold og højere andel undervisningstid end mindre

institutioner. Disse er derfor væsentlige elementer i realiseringen af faldende marginalomkostninger

for lønomkostninger per årselev, jf. ovenstående.

Effekten af antal uddannelser på lønomkostninger

For de flerfaglige arketyper (særligt tekniske skoler og kombinationsskoler) finder analysen, at insti-

tutioner med et større antal uddannelser har lavere lønomkostninger vedrørende undervisning per

årselev. Det skyldes til dels, at institutioner med flere uddannelser typisk har flere årselever. Hertil er

der, som bemærket tidligere, identificeret stordriftsfordele på institutionsniveau ved flere årselever,

jf. oven for. Det forudsætter, at uddannelsen har en tilpas størrelse, hvorfor nogle store institutioner

med små uddannelser ikke viser tegn på faldende marginalomkostninger, da de er mindre fleksible i

forhold til blandt andet optimering af holdstørrelser og udnyttelse af lærerressourcer.

Betydningen af geografi

Overordnet set finder analysen kun en effekt af geografi på lønomkostninger vedrørende undervisning

for gymnasier. Dette skyldes, at lærerressourcer i landkommuner i gennemsnit har højere anciennitet

end lærerressourcer i bykommuner. Analysen finder derudover, at geografi generelt har betydning for

bygningsomkostningerne (dog ikke for AMU-centre og landbrugsskoler, hvilket skyldes den begræn-

sede variation i populationen). Således har institutioner i bykommuner typisk højere bygningsomkost-

ninger per årselev end institutioner i landkommuner, hvilket er drevet af, at bygningsomkostninger per

kvadratmeter er højere i bykommuner end i landkommuner. Effekten heraf på marginalomkostninger-

ne modvirkes af, som tidligere nævnt, at institutioner i landkommuner har færre elever per kvadrat-

meter. Institutioner i landkommuner er typisk mindre end institutioner i bykommuner. Det betyder, at

institutioner i landkommuner i gennemsnit har mindre holdstørrelser end institutioner i bykommuner,

jf. afsnittet oven for.

Betydningen af socioøkonomi

Analysen finder, at socioøkonomisk baggrund for elevgruppen har betydelig effekt for gymnasier og

en mindre effekt for handelsskoler og kombinationsskoler. For disse arketyper gælder det, at instituti-

oner med en socioøkonomisk svagere elevsammensætning generelt har højere lønomkostninger per

årselev. Det kan skyldes, at socioøkonomisk svagere elever generelt trækker mere på lærerressourcer,

studievejledning mv.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

4. Analyse af institutionernes tilpasningsevne

Formålet med delanalysen er overordnet at undersøge de nøgleparametre, som kendetegner institutio-

nernes tilpasningsevne. Tilpasningsevne er her forstået som den enkelte institutions evne til økonomisk

at tilpasse sig ændrede forudsætninger, specifikt fald i elevtallet og dermed indtægtsgrundlaget. Ana-

lysen af institutionernes tilpasningsevne er særligt aktualiseret af, at institutionerne ofte står overfor

væsentlige aktivitetsændringer fra år til år. Den enkelte institutions tilpasningsevne er således afgørende

for dens langsigtede økonomiske bæredygtighed. Særligt er det relevant at undersøge, hvilke omkost-

ningskategorier der konkret tilpasses, når de enkelte institutioner står over for ændrede økonomiske

forudsætninger. Analysen er gennemført i tre trin:

Institutionernes

tilpasningsbehov

– det vil sige, hvor store ændringer institutionerne står overfor –

undersøges ved at se på det gennemsnitlige indtægtsfald i perioden 2012-2018 for de institutioner,

der har oplevet et indtægtsfald et givet år.

Institutionernes

tilpasningsevne

– det vil sige, hvor gode forudsætninger institutionerne har for at til-

passe deres økonomi – undersøges ud fra omkostningernes aktivitetsafhængighed og bindingstid, da

disse er afgørende for at kunne imødekomme et tilpasningsbehov ved aktivitetsændringer. Derudover

undersøges det, hvordan institutionerne i praksis har tilpasset deres omkostninger ved indtægtsfald,

herunder hvordan de har tilpasset deres løn- og bygningsomkostninger og øvrige driftsomkostninger.

Institutionernes

tilpasningsudfordringer

– det vil sige forholdet mellem institutionernes tilpasnings-

behov og tilpasningsevne – undersøges ved at sammenholde institutionernes årlige indtægtsændrin-

ger med deres bindinger på omkostningerne. Desuden belyses betydningen af strategiske valg, som

institutionerne kan træffe for at forbedre deres tilpasningsevne, og strukturelle forhold, som er

rammesættende for institutionernes tilpasningsudfordringer.

Hovedkonklusioner fra analysen af institutionernes tilpasningsevne

Analysen viser overordnet, at institutioner der har oplevet indtægtsfald i forhold til året før, har ople-

vet væsentlige indtægtsfald fra år til år på 3-8 procent i gennemsnit inden for arketyperne i løbet af

perioden 2012-2018. Dette gælder for alle delsektorer. Disse institutioner har altså haft et behov for

at tilpasse deres omkostninger til faldende indtægter.

Institutionerne imødegår indtægtsfald ved omkostningsreduktioner, og cirka 70-80 procent af et

givet indtægtsfald tilpasses inden for samme år. Størstedelen af omkostningsreduktionen sker ved

at sænke lønomkostninger og øvrige driftsomkostninger, relativt mest de øvrige driftsomkostninger.

Institutionerne tilpasser sig mindst på bygningsomkostninger. Særskilt for gymnasier ses det, at

tilpasningen for de store gymnasier særligt sker på øvrige driftsomkostninger og kun i mindre grad

på lønomkostninger, mens det modsatte gør sig gældende for de mindre gymnasier.

Ovenstående underbygges af analysen af institutionernes tilpasningsevne, der undersøger, hvor

stor en andel af institutionernes omkostninger der principielt kan tilpasses over tid. Analysen viser,

at 30-40 procent af institutionernes omkostninger i forhold til kontraktuelle bindinger principielt

kan tilpasses inden for cirka 3-4 måneder. Dette gælder særligt for lønomkostninger og øvrige

driftsomkostninger, mens cirka 10 procent af omkostningsbasen i princippet har en tilpasningstid på

mere end 12 måneder, herunder bygningsomkostninger. Relevant for omkostningernes bindingstid

bemærkes det, at opsigelsesvarslet for de fleste medarbejdere er 3-6 måneder.

Endvidere finder analysen, at 40-60 procent af omkostningerne (særligt lønomkostninger vedrø-

rende undervisning og øvrige driftsomkostninger) har en høj grad af aktivitetsafhængighed, hvorfor

disse vil følge udviklingen i antallet af elever og dermed også indtægtssiden, hvilket er afgørende for

institutionernes tilpasningsevne på kort sigt.

Analysen af institutionernes tilpasningsudfordringer viser, at institutionernes tilpasningsevne afhæn-

ger af 1) strukturelle forskelle, eksempelvis institutionens størrelse, geografiske placering og forhold

ved overgangen til selveje, og 2) strategiske valg, som kan ændre institutionernes tilpasningsevne,

herunder brug af midlertidige ansættelser, beslutninger om at eje eller leje bygninger mv.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

I det følgende præsenteres først institutionernes tilpasningsbehov opgjort ved de historiske indtægts-

fald i perioden 2012-2018. Dernæst præsenteres analysen af tilpasningsevne i forhold til omkostninger-

nes aktivitetsafhængighed og omkostningernes bindingstid. Til slut præsenteres resultater fra analysen

af tilpasningsudfordringer, herunder strategiske valg, som institutionerne aktivt arbejder med for at

forbedre tilpasningsevnen.

4.1. Institutionernes tilpasningsbehov

Figur 13 viser en oversigt over det gennemsnitlige årlige indtægtsfald (for institutioner, som oplever et

indtægtsfald i et givet år) på tværs af arketyperne i perioden 2012-2018. Som figuren viser, varierer det

gennemsnitlige årlige indtægtsfald, og dermed tilpasningsbehovet, på tværs af arketyperne: fra 3 pro-

cent for gymnasierne til 8 procent for landbrugsskolerne. Der tages ikke højde for, på hvilke uddannelser

indtægtsfaldet sker. Tilpasningsbehovet varierer over årene for den enkelte arketype som følge af aktivi-

tetsændringer, og det er således ikke konstant. Analysen finder, at en stor andel af institutionerne har

oplevet et tilpasningsbehov. For eksempel har i gennemsnit 53 procent af gymnasierne oplevet et

indtægtsfald i et givet år i perioden 2012-2018.

Figur 13. Oversigt over gennemsnitligt årligt tilpasningsbehov for arketyperne 2012-2018

Arketype

VUC’er

Gymnasier

Tekniske skoler

Handelsskoler

Kombinationsskoler

SOSU-skoler

AMU-centre

Landbrugsskoler

Gns. indtægts-

fald, pct.

5 pct.

3 pct.

5 pct.

4 pct.

5 pct.

6 pct.

7 pct.

8 pct.

Max. indtægts-

fald, pct.

8 pct.

6 pct.

7 pct.

6 pct.

12 pct.

13 pct.

12 pct.

Min. indtægts-

fald, pct.

3 pct.

2 pct.

3 pct.

4 pct.

2 pct.

3 pct.

Gns. antal

m. indtægtsfald

Gns. andel m.

indtægtsfald, pct.

28 pct.

53 pct.

69 pct.

63 pct.

66 pct.

69 pct.

49 pct.

62 pct.

Note: 1) Analysen er baseret på de institutioner, som oplever et indtægtsfald i et givet år i perioden 2012-2018, 2) Indtægtsfaldet

i figuren kan ikke sammenlignes med indtægtsændringerne i Figur 14 på grund af udvælgelseskriterier for analysen, 3)

Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med henblik på at sikre

datasammenlignelighed.

Figur 14. Årlig omkostningsreduktion ved indtægtsfald 2012-2018 for udvalgte arketyper

Sammenlignes tilpasningsbehovet med den faktiske tilpasning af omkostningerne, ses det, at største-

delen af et indtægtsfald tilpasses i samme år, som

Tekniske skoler Handelsskoler

14 viser netop tilpasningen

Gymnasier

indtægtsfaldet sker. Figur

Komb.-skoler SOSU-skoler

VUC’er

Arketype

ved et indtægtsfald i perioden 2012-2018. Her reduceres omkostningerne med cirka 70-80 procent af

Gns. indtægt

3,6

2,7

2,2

2,3

4,6

3,9

indtægtsfaldet i et givet år.

Størstedelen af tilpasningen sker i forhold til lønomkostninger og øvrige

2012-2018, mio. kr.

driftsomkostninger, mens en mindre del af tilpasningen sker i forhold til bygningsomkostninger. Analysen

Gns. omkostningsreduktion

2,4

1,0

1,6

1,7

3,9

3,2

tager højde for, at institutionerne ikke har haft indtægtsfald i det foregående år. Analysen finder, at

2012-2018, mio. kr.

tilpasninger i forhold til øvrige driftsomkostninger typisk sker på køb af tjenesteydelser og køb af varer til

Omkostningsreduktion,

66 pct.

37 pct.

72 pct.

73 pct.

85 pct.

81 pct.

forbrug. Det

indtægtsfald

bemærkes, at nogle tilpasninger på kort sigt kan have betydning for omkostninger

pct. af

skal hertil

på længere

omkostninger

sigt. For eksempel kan en reduktion af omkostninger til vedligehold af bygninger have betyd-

Samlede

4.915

917

2.569

7.747

3.557

3.289

ning for det

2018, mio. kr.

vedligeholdsbehov. Det er ikke muligt at belyse i indeværende analyse.

langsigtede

31%

42%

Ses der på gymnasier og analysens segmentering i henholdsvis små,

51%

mellemstore og store gymnasier,

Fordeling af

33%

23%

14%

omkostningsreduktion

finder analysen, at der er stor forskel på deres tilpasning af omkostninger.

16%

Således

29%

tilpasser små gym-

24%

2012-1018, pct.

44%

45%

41%

34%

nasier en mindre del af deres omkostninger (63 procent) sammenlignet med mellemstore gymnasier

33%

(82 procent) og store gymnasier (73 procent). Hertil tilpasser små gymnasier en relativt større andel af

Fordeling af totale

omkostninger, 2018. pct.

68%

78%

64%

71%

66%

71%

11%

18%

33%

22%

13%

12%

10%

16%

22%

19%

23%

16%

14%

11 Dog ej for SOSU-skoler, som i gennemsnit reducerer deres omkostninger med cirka 40 procent.

Løn

Bygninger

Øvrig drift

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Figur 13. Oversigt over gennemsnitligt årligt tilpasningsbehov for arketyperne 2012-2018

indtægtsfald, pct.

deres lønomkostninger, mens store gymnasier tilpasser en større andel af de øvrige driftsomkostninger.

5 pct.

8 pct.

28 pct.

VUC’er

Det bemærkes, at realiseringen af omkostningsreduktionen

3 pct.

indtægtsfald kan have betydning for

ved

gennemførelse af undervisningen. Det har

6 pct.

været muligt

at foretage lignende betragtninger i

pct.

ikke

3 pct.

forhold

Gymnasier

pct.

til størrelse for de øvrige arketyper.

Tekniske skoler

5 pct.

7 pct.

2 pct.

69 pct.

4 pct.

Handelsskoler

7 pct.

63 pct.

3 pct.

Sammenfattende viser analysen, at institutionerne står overfor væsentlige og

varierende indtægtsæn-

dringer fra år til år. Det giver institutionerne et tilpasningsbehov, og analysen viser, at institutionernes

Kombinationsskoler

5 pct.

6 pct.

66 pct.

4 pct.

omkostninger tilpasses med størstedelen af indtægtsfaldet i samme år, som indtægtsfaldet finder sted.

SOSU-skoler

6 pct.

12 pct.

69 pct.

2 pct.

Dog finder analysen, at institutionerne tilpasser forskelligt, herunder i forhold til fordelingen på løn- og

AMU-centre

7 pct.

13 pct.

49 pct.

2 pct.

bygningsomkostninger og øvrige driftsomkostninger.

Landbrugsskoler

8 pct.

12 pct.

3 pct.

62 pct.

Arketype

Gns. indtægts-

fald, pct.

Max. indtægts-

fald, pct.

Min. indtægts-

fald, pct.

Gns. antal

m. indtægtsfald

Gns. andel m.

Mulige årsager hertil analyseres i næste afsnit, som ser institutionernes tilpasningsevne i forhold til

omkostningernes aktivitetsafhængighed og bindingstid. Disse faktorer er netop afgørende for, hvordan

institutionerne tilpasser sig givet et indtægtsfald.

Figur 14. Årlig omkostningsreduktion ved indtægtsfald 2012-2018 for udvalgte arketyper

Arketype

Gns. indtægt

2012-2018, mio. kr.

Gns. omkostningsreduktion

2012-2018, mio. kr.

Omkostningsreduktion,

pct. af indtægtsfald

Samlede omkostninger

2018, mio. kr.

VUC’er

3,9

3,2

81 pct.

3.289

33%

23%

44%

Gymnasier

2,3

1,7

73 pct.

7.747

Tekniske skoler Handelsskoler

4,6

3,9

85 pct.

3.557

2,2

1,6

72 pct.

2.569

Komb.-skoler

3,6

2,4

66 pct.

4.915

SOSU-skoler

2,7

1,0

37 pct.

917

22%

33%

45%

Fordeling af

omkostningsreduktion

2012-1018, pct.

42%

24%

34%

42%

–14%

44%

51%

–16%

33%

31%

29%

41%

Fordeling af totale

omkostninger, 2018. pct.

68%

–16%

78%

–8%

–14%

64%

–13%

23%

71%

–10%

–19%

66%

22%

–12%

71%

–11%

–18%

Løn

Bygninger

Øvrig drift

Note: 1) Analysen er baseret på de institutioner, som har oplevet et indtægtsfald i perioden 2012-2018. Hertil er outliers for de

enkelte arketyper frasorteret. Outliers er institutioner med indtægtsfald eller omkostningsfald per omkostningskategori på over 10

mio. kr. i forhold til året før er frasorteret. Der er så vidt muligt kontrolleret for effekten af tidligere år med indtægtsfald i forhold til

at isolere effekten af indtægtsfald i året, 2) Indtægtsfaldet i figuren kan ikke sammenlignes med indtægtsændringerne i Figur 13 på

grund af udvælgelseskriterier for analysen, 3) Udvælgelsen af institutioner til analysen varierer på tværs af arketyperne. De enkelte

Figur 15. Aktivitetsafhængighed, bindingstid og omkostninger med kort bindingstid fordelt på

kriterier fremgår af analyserapporterne. Konklusioner på tværs af arketyper skal derfor drages med forsigtighed, 4) Analysen er ikke

arketyper (pct.)

foretaget for AMU-centre og landbrugsskoler på baggrund af populationens størrelse (fem AMU-centre og syv landbrugsskoler),

5) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med henblik på at sikre

datasammenlignelighed. 6) Omkostninger er angivet i 2019-priser. 6) Nogle procenter summer ikke til 100 grundet afrunding.

Arketype

Aktivitetsafhængighed

(pct.)

Bindingstid for omkostninger

(pct.)

33%

29%

37%

35%

37%

41%

42%

41%

54%

63%

50%

55%

52%

48%

47%

Omkostninger med 0-3 mdr. binding

(pct.)

62%

57%

45%

52%

50%

58%

36%

43%

63%

55%

37%

41%

52%

47%

48%

41%

VUC’er

Gymnasier

Tekniske skoler

Handelsskoler

Kombinationsskoler

SOSU-skoler

AMU-centre

Landbrugsskoler

60%

71%

55%

60%

58%

55%

45%

43%

23%

17%

-6%

23%

35%

32%

33%

36%

46%

45%

10%

11%

Lav

-3%

-5%

-4%

-5%

-4%

-5%

Høj

Middel

0-3 mdr.

11-24 mdr.

4-10 mdr.

25+ mdr.

Løn

Bygninger

Øvrig drift

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

4.2. Institutionernes tilpasningsevne

Institutionernes tilpasningsevne udgøres dels af omkostningernes aktivitetsafhængighed, dels af

omkostningernes bindingstid. Således vil det, alt andet lige, være nemmere at tilpasse omkostninger,

som er direkte afhængige af aktivitet, for eksempel indkøb af materialer til undervisning, løn ved-

rørende undervisning mv., mens omkostninger, som ikke er afhængige af aktivitet, er sværere at

tilpasse, for eksempel bygningsomkostninger.

Figur 15 viser fordelingen af henholdsvis aktivitetsafhængighed og bindingstid som andel af hele

omkostningsbasen samt fordelingen på løn- og bygningsomkostninger og øvrige driftsomkostninger

som andel af omkostninger med nul til tre måneders bindingstid. Det bemærkes, at opgørelsen

er baseret på, hvad der principielt er muligt at tilpasse uden hensyntagen til undervisningens gen-

nemførelse mv. Omkostninger med kort bindingstid dækker eksempelvis køb af varer til forbrug,

småanskaffelser, køb af tjenesteydelser og løn til medarbejdere med lav anciennitet. Ved stor aktivi-

tetsafhængighed forstås, at størstedelen af omkostningerne påvirkes ved aktivitetsændringer.

Sammenfattende er der begrænset variation i forhold til omkostningernes bindingstid; cirka 90

procent af omkostningerne på tværs af arketyperne har i princippet en bindingstid på under ti må-

neder. Dog ses en variation mellem arketyperne, i forhold til hvor stor en andel af omkostningerne

der i princippet kan tilpasses inden for henholdsvis nul til tre måneder og fire til ti måneder. Det

indikerer forskelle i tilpasningsevnen på kort sigt mellem arketyperne. Samtidig viser analysen en

større variation i omkostningernes aktivitetsafhængighed på tværs af arketyperne. Således vurderes

71 procent af gymnasiernes omkostninger at have stor aktivitetsafhængighed, mens kun 43 procent

af landbrugsskolernes omkostninger vurderes at have stor aktivitetsafhængighed. Forskellen i akti-

vitetsafhængighed skyldes særligt omkostningsstrukturen inden for arketyperne. Løn vedrørende

undervisning er aktivitetsafhængig og udgør en større andel for gymnasierne end for landbrugssko-

lerne, hvor sidstnævnte har en større andel af bygningsomkostninger og øvrige driftsomkostninger.

Af omkostningerne med kort bindingstid (nul til tre måneder) udgør lønomkostningerne mellem 36

og 62 procent i gennemsnit for arketyperne, mens øvrige driftsomkostninger udgør mellem 37 og 63

procent. Opsigelsesvarslet for de fleste medarbejdere er 3-6 måneder. For gymnasierne udgør løn

således den største og øvrig drift den mindste andel af omkostningerne med kort bindingstid, mens

det modsatte gør sig gældende for AMU-centrene.

Det bemærkes, at en tilpasning af lønomkostninger til undervisning kan have betydning for gennem-

førelse af undervisningen. Det må også forventes, at tilpasningsevnen korrelerer med omkostnings-

niveauet, da eksempelvis fleksible lejekontrakter oftest vil være dyrere end lange lejekontrakter. I

relation til tilpasningsevne og -behov ser næste afsnit på institutionernes tilpasningsudfordringer,

herunder de aktive valg, som institutionerne kan benytte for at øge deres tilpasningsevne.

Fordeling af totale

omkostninger, 2018. pct.

68%

78%

64%

71%

10%

19%

66%

22%

12%

71%

11%

18%

13%

16%

23%

16%

14%

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Løn

Bygninger

Øvrig drift

Figur 15. Aktivitetsafhængighed, bindingstid og omkostninger med kort bindingstid fordelt på

arketyper (pct.)

Arketype

Aktivitetsafhængighed

(pct.)

Bindingstid for omkostninger

(pct.)

33%

29%

37%

35%

37%

41%

42%

41%

54%

63%

50%

55%

52%

48%

47%

-6%

Omkostninger med 0-3 mdr. binding

(pct.)

62%

57%

45%

52%

50%

58%

36%

43%

63%

55%

37%

41%

52%

47%

48%

41%

VUC’er

Gymnasier

Tekniske skoler

Handelsskoler

Kombinationsskoler

SOSU-skoler

AMU-centre

Landbrugsskoler

60%

71%

55%

60%

58%

55%

45%

43%

23%

17%

23%

35%

32%

33%

36%

46%

45%

10%

11%

Lav

-3%

-5%

-4%

-5%

-4%

-5%

Høj

Middel

0-3 mdr.

11-24 mdr.

4-10 mdr.

25+ mdr.

Løn

Bygninger

Øvrig drift

Note: 1) Aktivitetsafhængighed er opgjort på baggrund af institutionsbesøg og kvantitativ analyse af historisk tilpasningsevne for

forskellige omkostningskomponenter ved fald i elevtallet, 2) For lønomkostninger er bindingstiden opgjort pba. anciennitetsdata

og lærernes overenskomstmæssige opsigelsesvarsler, mens den for øvrige omkostninger er opgjort pba. interviews med besøgte

institutioner. Det bemærkes, at opsigelsesvarslet 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

3) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, med henblik på at sikre

datasammenlignelighed, 4) Aktivitetsafhængighed og bindingstid for omkostninger er angivet som andel af omkostningsbasen.

Omkostninger med nul til tre måneders binding er angivet som andel af den del af omkostningerne, der har en bindingstid på nul

til tre måneder. 5) Nogle procenter summer ikke til 100 grundet afrunding.

4.3. Institutionernes tilpasningsudfordringer

Institutionerne vil givet kortsigtede variationer i aktiviteten stå overfor en række tilpasningsudfordrin-

ger, hvor institutionerne vil være afhængige af langsigtede bindinger på omkostningsbasen. Figur 16

sammenfatter kortsigtede tilpasningsudfordringer og langsigtede bindinger på tværs af arketyperne i

forhold til tilpasningsbehov (gennemsnitligt årligt indtægtsfald), tilpasningsevne (andel af omkostnin-

ger, som kan tilpasses inden for en tre til fire måneders periode), gennemsnitlig bindingstid i måneder

og andel af faste omkostninger (omkostninger med over 12 måneders bindingstid). Der er, som også

bemærket i forrige afsnit, stor forskel mellem arketyperne i forhold til tilpasningsbehov. For eksempel

har de handelsskoler, som har oplevet et indtægtsfald i 2016-2018, haft et årligt tilpasningsbehov på

cirka 3 procent. For SOSU-skolerne har det tilsvarende været 10 procent. Hertil ses det, at tilpasnings-

evnen varierer markant mellem arketyper, og dermed varierer evnen til at imødekomme fornævnte

tilpasningsbehov. Generelt er tilpasningsevnen dog høj (cirka 30-40 procent af omkostningsbasen kan

tilpasses på kort sigt).

Det er af institutioner og eksperter blevet bemærket, at tilpasningsevnen afhænger af:

•

Strukturelle forskelle:

En række rammebetingelser er ens på tværs af institutioner og dermed udslags-

givende for tilpasningsevnen. Det gælder blandt andet lovgivningsmæssige rammer for overenskomst-

bestemte opsigelsesvarsler, som er bestemmende for lønomkostningernes bindingstid. Hertil kommer

strukturelle forhold, som er forskellige på tværs af arketyper, herunder institutionsstørrelse, forhold

ved overgang til selveje, geografisk placering og renomme. Disse forhold kan henføres til omkost-

ningsdrivere, for eksempel i forhold til rekrutteringsmuligheder og medarbejdernes anciennitet, byg-

ningsomkostninger mv., som påvirker institutionernes tilpasningsevne. For eksempel viser analysen,

som tidligere bemærket, at der er strukturelle forskelle mellem små, mellemstore og store gymnasier;

således tilpasser en mindre del af de små gymnasier deres omkostninger ved et indtægtsfald sam-

menlignet med store gymnasier.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

•

Strategiske valg:

Institutionerne kan træffe forskellige valg, som kan påvirke deres tilpasningsevne

på både kort og lang sigt. Det kan blandt andet gøre sig gældende for øvrige driftsomkostninger,

beslutninger om eje eller leje, midlertidige ansættelser og overarbejde.

Det er tidligere illustreret, at institutionerne tilpasser størstedelen af omkostningerne i året for ind-

tægtsfaldet. På længere sigt kan det være nødvendigt at betragte den del af omkostningsbasen, som

har en længere bindingstid. Som figuren viser, er der markant forskel institutionerne imellem i forhold

til andelen af faste omkostninger. Det kan afspejle strategiske valg på institutionerne, for eksempel i

forhold til fleksibilitet i kontrakter, jf. oven for, men er samtidigt udtryk for strukturelle forskelle, som er

bestemmende for tilpasninger på længere sigt. Institutionerne bemærker særligt, at bygningsmassen er

en væsentlig driver i forhold til tilpasningsevne, herunder i forhold til forhold ved overgang til selveje mv.

Figur 16. Tilpasningsudfordringer for arketyperne

Arketype

Kortsigtede tilpasningsudfordringer

Tilpasnings-

behov, pct.

Tilpasningsevne

(andel samlede omk.)

33 pct.

29 pct.

37 pct.

35 pct.

37 pct.

41 pct.

42 pct.

41 pct.

Langsigtede bindinger

Gennemsnitlig

bindingstid (mdr.)

6 mdr.

7 mdr.

6 mdr.

7 mdr.

6 mdr.

Faste omkostninger

(andel samlede omk.)

13 pct.

8 pct.

13 pct.

9 pct.

12 pct.

11 pct.

10 pct.

11 pct.

VUC’er

Gymnasier

Tekniske skoler

Handelsskoler

Kombinationsskoler

SOSU-skoler

AMU-centre

Landbrugsskoler

5 pct.

6 pct.

3 pct.

6 pct.

10 pct.

2 pct.

6 pct.

Note: 1) Tilpasningsbehov er målt som den gennemsnitlige relative størrelse på indtægtsfaldet fra ét år til det næste for institutionerne

for 2016-2018 (hvorfor ikke alle institutioner er indeholdt), 2) Tilpasningsevnen er her målt som andelen af omkostninger med

bindingstid fra nul til tre måneder, jf. figur 15, da bindingstiden er afgørende for, om institutionen kan tilpasse økonomien på

kort sigt, 3) Gennemsnitlig bindingstid findes her ved at gange institutionernes andele af løn- og bygningsomkostninger og øvrige

driftsomkostninger med henholdsvis nul til tre, fire til ti, 11 til 24 og mere end 25 måneders binding. For eksempel vægtes nul

Figur 17. Udvikling i ﬁnansielle nøgletal 2011-2018

til tre måneders binding som halvanden måned. Opregnet findes den gennemsnitlige bindingstid for hver institutions samlede

omkostningsbase, 4) Andelen af faste omkostninger findes ved at tage andelen af omkostninger med mere end 12 måneders binding

ud af institutionernes samlede omkostningsbase, 5) Kortsigtede tilpasningsudfordringer og langsigtede bindinger er udtryk for et

Egenkapital som andel af omsætning

Overskudsgrad

gennemsnit på tværs af institutionerne inden for en given arketype, 6)

Pct.

Gymnasier omfatter arketyperne små, mellemstore og store

Pct.

gymnasier, men ikke private gymnasier, med henblik på at sikre datasammenlignelighed.

120

100

2011 2012

2013

2014

2015

2016

2017 2018

-2

-4

-6

2011 2012

2013

2014

2015

2016

2017 2018

Soliditetsgrad

Pct.

Likviditetsgrad

Pct.

160

140

120

100

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

5. Analyse af økonomisk bæredygtighed

Formålet med analysen af økonomisk bæredygtighed er at kortlægge institutionernes generelle finan-

sielle robusthed og afdække relevante karakteristika for økonomisk udsatte institutioner, herunder

betydningen af en række strukturelle vilkår (geografi, institutionsstørrelse mv.). Analysen af økonomisk

bæredygtighed er relevant, idet økonomisk udsatte institutioner potentielt kan have svært ved at sikre

kvalitet, geografisk dækning og fordeling af uddannelsesudbuddet. Det bemærkes, at analysen af økono-

misk bæredygtighed er en relativ vurdering af institutionerne på baggrund af de valgte parametre til at

identificere økonomisk udsatte institutioner. Analysen består af to dele, der fokuserer på henholdsvis:

Institutionernes finansielle nøgletal og udviklingen heri i perioden 2011-2018

Analyse af, hvilke institutioner der kan karakteriseres som økonomisk udfordret, og hvad der

karakteriserer disse på tværs af de forskellige arketyper

Hovedkonklusioner fra analysen af økonomisk bæredygtighed

Analysen finder, at arketypernes finansielle robusthed, målt i forhold til udvalgte økonomiske nøg-

letal, samlet set er styrket siden 2011. Alle arketyper har således øget deres egenkapital som andel

af deres samlede omsætning og som andel af de samlede aktiver. Større egenkapital indikerer,

at sektoren er bedre rustet i tilfælde af længerevarende indtægtsændringer. Sektorens generelle

tilstand dækker dog over betydelig variation mellem institutionerne.

Alle arketyperne (på nær AMU-centrene) har samtidig oplevet faldende overskudsgrader i løbet

af 2011-2018 – særligt i årene efter 2015. Flere arketyper, herunder VUC’erne og gymnasierne,

har endvidere oplevet faldende likviditetsgrader, hvilket gør dem en smule mere sårbare over for

kortsigtede udsving i økonomien.

En observation fra analysen er, at institutionsspecifikke forhold, herunder strategiske valg og

ledelsesmæssige prioriteringer på institutionerne, har stor betydning for institutionernes

bæredygtighed. Selveje i sektoren gør, at der er vide muligheder for lokale forskelle i blandt andet

investeringsbeslutninger, der har direkte indvirkning på institutionernes økonomi.

Analysen finder, at der inden for alle arketyperne er institutioner, der relativt set, ud fra analysens

valgte parametre, kan karakteriseres som økonomisk udsatte. Det er således ikke forbeholdt én

særlig arketype. Dog er der for alle arketyper relativt få institutioner, der i analysen karakteriseres

som økonomisk udsatte, særligt når der ses på længerevarende udsving i økonomien. For de fleste

arketyper er der derfor også for få observationer til at drage entydige konklusioner om de økono-

misk udsatte institutioner eksempelvis er mindre og ligger i landkommuner. Samtidig er det ikke

muligt empirisk at fastlægge en nedre kritisk grænse i forhold til institutionsstørrelse for, hvornår

en institution ikke længere er økonomisk bæredygtig.

For gymnasierne, som indeholder flest observationer, kan det fremhæves, at de økonomisk

udsatte institutioner blandt andet er karakteriseret ved færre årselever, en overrepræsentation

af små gymnasier, mindre holdstørrelser og elevlærerratio, overrepræsentation af gymnasier i

landkommuner og et svagere socioøkonomisk elevgrundlag. Disse fællestræk præger overordnet

set de økonomisk udsatte gymnasier. En stor del af de samme karakteristika gør sig gældende for

de økonomisk udsatte tekniske skoler.

På tværs af de øvrige arketyper (SOSU-skoler, kombinationsskoler, VUC’er og handelsskoler) ses

imidlertid nogle modsatrettede tendenser, blandt andet at institutioner med højere elevtal og

institutioner i bykommuner er en smule overrepræsenteret blandt de økonomisk udsatte institu-

tioner. Det bemærkes dog, at antallet af observationer er begrænset, hvorfor resultaterne

skal læses med forbehold.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Analysens første del beskriver udviklingen i institutionernes finansielle nøgletal, herunder udviklingen i

egenkapital, overskudsgrad, soliditetsgrad og likviditetsgrad. Analysen foretages på arketypeniveau og

beskriver således de generelle tendenser for handelsskoler, tekniske skoler, kombinationsskoler osv. i

perioden 2011-2018. Tendensen på arketypeniveau kan derfor dække over betydelige forskelle mellem

institutionerne inden for den enkelte arketype, hvilket undersøges i analysens anden del. Desuden be-

mærkes det, at de enkelte institutionernes låneforhold mv. ikke indgår i analysen.

Anden del fokuserer på de økonomisk udsatte institutioner og har til formål at identificere relevante

karakteristika for disse institutioner.

Det gøres ved at (i) identificere gruppen af økonomisk udsatte

institutioner ud fra relevante nøgletal og (ii) sammenligne gruppen af økonomisk udsatte institutioner

med institutionerne i deres respektive arketyper på relevante parametre. De valgte parametre afspejler

de foregående delanalyser, der blandt andet har afdækket, hvordan institutionsstørrelse og geografisk

placering er med til at drive visse omkostninger på institutionerne, hvilket potentielt kan have betydning

for deres økonomiske bæredygtighed.

Analysen er afgrænset til spørgsmålet om

økonomisk

bæredygtighed, dvs. institutionernes økonomiske

situation. Institutionernes

faglige

bæredygtighed undersøges således ikke i nærværende analyse.

Sondringen mellem økonomisk og faglig bæredygtighed er væsentlig, fordi institutionerne godt snævert

set kan være økonomisk bæredygtige, samtidig med at de har svært ved at levere undervisning af til-

strækkelig høj faglig kvalitet og med en hensigtsmæssig bredde i udbuddet.

Et lille antal observationer i gruppen af økonomisk udsatte institutioner medfører, at sammenligning med

de respektive arketyper er forbundet med betydelig usikkerhed. Dertil kommer, at flere af konklusioner-

ne i analysens anden del ikke er entydige. Disse forhold gør, at det ikke er muligt at fastlægge en kritisk

nedre grænse for, hvornår en institution i en bestemt arketype vurderes økonomisk bæredygtig. For

eksempel er der – selvom de små gymnasier er overrepræsenteret blandt de økonomisk udsatte gym-

nasier – adskillige små gymnasier, som fremstår økonomisk robuste. Derfor kan der ikke på baggrund af

analysen fastlægges en empirisk nedre grænse for økonomisk bæredygtighed i forhold til institutions-

størrelse.

Endelig skal det bemærkes, at analysen undersøger karakteristika ved de økonomisk udsatte instituti-

oner

inden for rammerne af det nuværende taxameter- og tilskudssystem.

Taxameter- og tilskudssystemet

kompenserer allerede i dag de institutioner, der i første omgang er potentielt økonomisk udsatte, blandt

andet gennem udkantstilskuddet og det sociale taxameter. Dermed kan institutioner, som modtager

disse former for tilskud, fremstå mere økonomisk holdbare, end de ellers ville have været, mens andre

institutioner kan fremstå relativt mere økonomisk udsatte, end de ville have været uden disse tilskud.

5.1. Institutionernes generelle finansielle robusthed

Sektorens økonomiske tilstand kan blandt andet aflæses i en række finansielle nøgletal. Når der ses

isoleret på de finansielle nøgletal, er sektorens langvarige finansielle robusthed blevet styrket siden 2011,

men flere arketyper er samtidig blevet mere sårbare overfor kortsigtede udsving i driften. Tendensen

dækker dog over udsving i de enkelte år og betydelig underliggende variation mellem institutioner inden

for de enkelte arketyper. Dertil kommer, at det ikke kan aflæses af de finansielle nøgletal, om institutio-

nerne har gennemført kvalitetsjusteringer for at opretholde den økonomiske bæredygtighed.

Alle arketyper har øget deres egenkapital som andel af omsætningen og deres egenkapital som andel

af de samlede aktiver (soliditetsgraden). Sektoren har samtidig øget sin samlede egenkapital siden 2011,

hvilket indikerer, at sektoren står bedre rustet til længerevarende indtægtsændringer. Dog er udviklingen

i sektorens samlede egenkapital aftaget en smule fra 2017 til 2018.

12 Det bemærkes, at analysen af økonomisk bæredygtighed, herunder økonomisk udsathed, er en relativ

vurdering af institutionerne på baggrund af de valgte parametre.

Arketype

Kortsigtede tilpasningsudfordringer

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Tilpasnings-

Tilpasningsevne

behov, pct.

(andel samlede omk.)

VUC’er

Gymnasier

Tekniske skoler

5 pct.

6 pct.

33 pct.

29 pct.

37 pct.

Langsigtede bindinger

Gennemsnitlig

bindingstid (mdr.)

6 mdr.

7 mdr.

Faste omkostninger

(andel samlede omk.)

13 pct.

8 pct.

13 pct.

3 pct.

Handelsskoler

Samtidig er flere arketyper, herunder gymnasier

35 pct.

og VUC’er, blevet mere

mdr.

sårbare overfor midlertidige ud-

9 pct.

sving i driften (likviditetsgrad), men billedet er ikke entydigt på tværs af

mdr.

Kombinationsskoler

6 pct.

37 pct.

arketyper. Endelig har alle arkety-

12 pct.

per på nær AMU-centrene oplevet en faldende overskudsgrad, dvs. et fald i den andel af omsætningen,

SOSU-skoler

10 pct.

41 pct.

6 mdr.

11 pct.

der fremgår på bundlinjen som årets resultat. For blandt andet gymnasierne er overskudsgraden særligt

AMU-centre

2 pct.

42 pct.

6 mdr.

10 pct.

faldet siden 2016, men tendensen varierer på tværs af arketyper. Udviklingen i de finansielle nøgletal

fremgår af Figur 17.

6 pct.

41 pct.

6 mdr.

11 pct.

Landbrugsskoler

Selvom alle arketyperne samlet set fremstår robuste, dækker udviklingen over betydelig variation mellem

institutionerne inden for arketyperne. Det indebærer, at visse institutioner kan være økonomisk udfor-

drede, selvom den generelle udvikling i sektoren og inden for de enkelte arketyper har været positiv.

Figur 17. Udvikling i ﬁnansielle nøgletal 2011-2018

Egenkapital som andel af omsætning

Pct.

120

100

2011 2012

2013

2014

2015

2016

2017 2018

Pct.

-2

-4

-6

2011 2012

2013

2014

2015

2016

2017 2018

Overskudsgrad

Soliditetsgrad

Pct.

2011 2012

Gymnasier

VUC’er

2013

2014

2015

2016

2017 2018

2011 2012

2013

100

140

120

Pct.

160

Likviditetsgrad

2014

2015

2016

2017 2018

Handelsskoler

Kombinationsskoler

Tekniske

skoler

AMU-centre

Landbrugsskoler

SOSU-

skoler

Note: 1) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier, 2) Der er inden for

arketyperne foretaget korrektioner for fusioner og datamæssige begrænsninger med henblik på at kunne sammenligne udviklingen

over tid, 3) Egenkapitalen er udtryk for institutionernes aktiver fratrukket hensættelser og gæld og udgøres typisk af både likvider og

bygninger. Kurven øverst til venstre viser således arketypernes samlede aktiver (fratrukket hensættelser og gæld) som andel af den

samlede omsætning, 4) Overskudsgraden (øverst til højre) er udtryk for, hvor stor en del af institutionernes omsætning, der ender på

Figur 18. Fordeling af de

Soliditetsgraden (nederst

institutioner på

for, hvor modstandsdygtig institutionerne er over

bundlinjen som årets resultat, 5)

økonomisk udsatte

til venstre) er et udtryk

arketyper

for eventuelle tab. Tallet beregnes ved at tage egenkapitalens del af de samlede aktiver, 6) Likviditetsgraden (nederst til højre) beregnes

ved at finde andelen af omsætningsaktiver af institutionernes kortfristede gældsforpligtelser, 7) Belåningsprocent for institutionerne

indgår ikke eksplicit i analysen grundet utilstrækkeligt datagrundlag for perioden. Tilgængelige data giver dog ikke anledning til andre

31% (8)

12% (3)

15% (4)

4% (1)

15% (4)

Flerårig model

12% (3)

konklusioner end de beskrevne.

STUK’s tilsynsmodel

Hele populationen

47% (20)

55% (122)

19% (8)

10% (22)

9% (4)

9% (20)

5% (2)

14% (6)

5% (2)

2%(1)

6% (14) 8% (18) 6% (14)

2%(5)

(8)

Gymnasier

AMU-centre

VUC’er

Handelsskoler

SOSU-skoler

Kombinationsskoler

Tekniske skoler

Landbrugsskoler

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

5.2. Karakteristika for de økonomisk mest udsatte institutioner

Interviews med sektoren peger på, at en række forhold har betydning for institutionernes økonomiske

bæredygtighed. Der kan overordnet sondres mellem:

Institutionsspecifikke forhold,

der omfatter medfødte vilkår, som institutionerne kan have svært ved at

ændre, for eksempel betingelserne for bygningsoverdragelse i forbindelse med overgangen til selveje,

hvilket kan have indflydelse på institutionernes lånemuligheder i dag. Desuden omfatter det en række

institutionsspecifikke forhold, som institutionerne i høj grad har kontrol over. Det gælder særligt

institutionernes strategiske valg og ledelsesmæssige prioriteringer såsom bygningsinvesteringer mv.,

der har direkte indvirkning på institutionernes økonomiske situation. Interviews med institutioner og

eksperter i sektoren peger på, at institutionernes strategiske valg og ledelsesmæssige prioriteringer

har stor betydning for deres økonomiske situation.

Generelle driftsmæssige forhold,

der omfatter en række driftsmæssige forhold på institutionerne, der

påvirker deres økonomi og dermed potentielt deres økonomiske bæredygtighed. Det drejer sig dels

om strukturelle vilkår, som institutionerne kan have svært ved at ændre, herunder deres geografiske

placering, antal årselever og elevernes socioøkonomiske baggrund, som kan være med til at drive

omkostninger på institutionerne og dermed potentielt påvirke deres økonomiske bæredygtighed.

Dertil kommer en række driftsmæssige forhold, som institutionerne – inden for rammerne af de struk-

turelle vilkår – har mere direkte kontrol over, herunder holdstørrelse og elevlærerratio, lærernes andel

undervisningstid, profilen for institutionens omkostningsstrukturer og omkostningernes bindingstid.

I forlængelse af ovenstående observationer og de forrige analyseresultater afdækker analysen, om de

økonomisk udsatte institutioner deler visse karakteristika vedrørende de generelle driftsmæssige for-

hold, for eksempel institutionsstørrelse og geografisk placering, som kan være med til at drive omkost-

ninger på institutionerne og dermed potentielt påvirke deres økonomiske bæredygtighed.

For at identificere gruppen af økonomisk mest udsatte institutioner er der anvendt to sæt kriterier:

Styrelsen for Undervisning og Kvalitets tilsynsmodel:

Modellen anvendes normalt af Styrelsen for

Undervisning og Kvalitet (STUK) til screening af institutionernes økonomiske situation som led i det

økonomiskadministrative tilsyn med skolers og institutioners økonomi, drift og regeloverholdelse. En

institution defineres som blandt de økonomisk udsatte, hvis den er placeret i prioriteringsgruppe 1-2

på baggrund af de finansielle nøgletal, herunder hvis institutionen har en relativt lav likviditetsgrad, lav

soliditetsgrad, aktivitetsfald og høj belåningsprocent i forhold til gennemsnittet for delsektoren i 2018.

En flerårig model:

I tillæg til STUKs etablerede tilsynsmodel er der som led i analysen etableret en

flerårig model. En institution defineres som blandt de økonomisk udsatte, hvis den over en treårig

periode fra 2016 til 2018 i gennemsnit har haft underskud, aktivitetsfald og ikke har haft en høj solidi-

tetsgrad i forhold til delsektoren. Hensigten er at få et flerårigt billede af institutionernes økonomi.

De to modeller adskiller sig fra hinanden ved valget af kriterier for økonomisk udsathed og tidsperioden,

som disse kriterier gælder for. Der er tale om to komplementære modeller, som giver to forskellige bud

på, hvilke institutioner der oplever de største økonomiske udfordringer inden for delsektorerne.

Baseret på de to sæt kriterier er der identificeret henholdsvis 43 institutioner (i STUKs tilsynsmodel)

og 26 institutioner (i den flerårige model) som de økonomisk udsatte ud af de i alt 223 institutioner i

analysen. Det betyder, at antallet af økonomisk udsatte institutioner udgør mellem 19 og 12 procent

for alle arketyper samlet. Fordelingen af de økonomisk udsatte institutioner på arketyper ud fra de

to modeller fremgår af Figur 18. Der er på grund af de forskellige screeningskriterier kun begrænset

overlap mellem de institutioner, der er identificeret som økonomisk udsatte i STUKs tilsynsmodel og

den flerårige model.

140

120

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

100

2011 2012

2013

2014

2015

2016

2017 2018

2011 2012

2013

2014

2015

2016

2017 2018

Analysen viser overordnet, at gymnasierne er underrepræsenteret blandt de økonomisk udsatte insti-

Handelsskoler

AMU-centre

Gymnasier

Kombinationsskoler

tutioner sammenlignet med deres andel af alle institutioner i sektoren. Omvendt er især VUC’erne og

SOSU-

skoler

Tekniske

skoler

Landbrugsskoler

VUC’er

kombinationsskolerne overrepræsenteret blandt de økonomisk udsatte institutioner efter kriterierne i

STUKs tilsynsmodel, mens det gælder for handelsskoler, SOSU-skoler, kombinationsskoler og tekniske

skoler i den flerårige model, jf. Figur 18. Det skal dog bemærkes, at alle arketyper er repræsenteret blandt

de institutioner, der er økonomisk udsatte, i enten STUKs model eller den flerårige model.

Figur 18. Fordeling af de økonomisk udsatte institutioner på arketyper

Flerårig model

STUK’s tilsynsmodel

Hele populationen

31% (8)

47% (20)

55% (122)

12% (3)

15% (4)

19% (8)

12% (3)

9% (4)

5% (2)

15% (4)

14% (6)

4% (1)

5% (2)

2%(1)

10% (22)

9% (20)

6% (14) 8% (18) 6% (14)

2%(5)

(8)

Gymnasier

AMU-centre

VUC’er

Handelsskoler

SOSU-skoler

Kombinationsskoler

Tekniske skoler

Landbrugsskoler

Note: 1) Visse institutioner er udgået af analysen på grund af ekstraordinære særforhold i enkeltår, som ikke skyldes institutionernes

generelle situation. Disse er taget ud af opgørelsen over de økonomisk udsatte institutioner i begge modeller og af populationen med

henblik på at sikre sammenlignelighed, 2) Visse institutioner i STUKs prioritetsgruppe 1 indgår ikke i analysen, fordi de ikke er placeret i

gruppen på grund af de finansielle nøgletal, men på grund af eksempelvis manglende indberetning af årsrapport, som ikke er indikator

for deres økonomiske udsathed, 3) Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier.

På tværs af arketyper viser analysen, at der er betydelig variation i karakteristika for de institutioner,

der er identificeret som de økonomisk udsatte. For eksempel er der ikke umiddelbart – for sektoren

under ét – en sammenhæng mellem eksempelvis institutionsstørrelse, geografisk placering osv. og

institutionernes økonomiske udsathed. Det kan skyldes, at institutionsspecifikke forhold har større

betydning for institutionernes økonomiske situation end de generelle driftsmæssige forhold, og at

taxameter- og tilskudssystemet allerede i et vist omfang kompenserer for de potentielle ulemper ved

en række driftsmæssige forhold, herunder lille institutionsstørrelse og udkantsplacering (udkantstil-

skud). I fraværet af generelle karakteristika ved gruppen af økonomisk udsatte institutioner i sektoren

som helhed er analysen foretaget for hver delsektor, jf. nedenfor.

De økonomisk udsatte gymnasier

For gymnasierne, hvor resultaterne er mest pålidelige på grund af et større antal observationer,

er de økonomisk udsatte institutioner i den flerårige model kendetegnet ved at have færre årsele-

ver, i højere grad at være placeret i landkommuner, have en smule socioøkonomisk svagere elever

og mindre hold end gennemsnittet for gymnasierne. Det understøtter fundene i de foregående

analyser, der peger på disse omkostningsdrivere som betydende for institutionernes omkostninger

og derigennem deres økonomiske situation. De økonomisk udsatte gymnasier i STUKs tilsynsmodel

adskiller sig omvendt ikke bemærkelsesværdigt fra gymnasierne som helhed, jf. Figur 19.

Omk

Holdstørrelse

Karakteristika ved gruppen af

Højere end gns.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Gruppen er signifikant forskellig fra delsektor

økonomisk udsatte institutioner

Gruppen er umiddelbart forskellig fra delsektor

Lavere end gns.

sammenlignet med delsektoren

Figur 19. Karakteristika for de økonomisk udsatte gymnasier

STUK’s tilsynsmodel

Omkostningsdrivere

Flerårig model

Antal årselever

Geografi (bykommune)

Socioøkonomisk reference

Holdstørrelse

Gruppen er signifikant forskellig fra delsektor

Gruppen er umiddelbart forskellig fra delsektor

Karakteristika ved gruppen af

økonomisk udsatte institutioner

sammenlignet med delsektoren

Højere end gns.

Lavere end gns.

Note: Gymnasier omfatter arketyperne små, mellemstore og store gymnasier, men ikke private gymnasier.

Omkostningsdrivere

De økonomisk udsatte VUC’er

Figur 21. Karakteristika for de økonomisk udsatte erhvervsskoler mv.

gymnasierne, og resultaterne

For VUC’erne er resultaterne forbundet med større usikkerhed end for

understøtter ikke konklusionerne i de foregående analyser, der blandt andet har peget på faldende mar-

ginalomkostninger for institutionerne i arketypen. Analysen indikerer, at de økonomisk udsatte VUC’er

Handelsskoler

SOSU-skoler

Tekniske skoler

Kombinationsskoler

efter begge sæt kriterier er større end gennemsnittet for VUC’erne, ligesom de økonomisk udsatte

STUK’s

Flerårig

STUK’s

Flerårig

tilsynsmodel

tilsynsmodel model

institutioner i den flerårige model oftere er placeret i bykommuner (baseret på placeringen af hoved-

model

tilsynsmodel model

institutionen) og har en socioøkonomisk stærkere elevsammensætning og større hold, jf. Figur 20.

Antal årselever

Geografi (bykommune)

Socioøkonomisk reference

Holdstørrelse

Figur 20. Karakteristika for de økonomisk udsatte VUC'er

Karakteristika ved gruppen af

økonomisk udsatte institutioner

sammenlignet med delsektoren

Antal årselever

Geografi (bykommune)

Socioøkonomisk reference

Holdstørrelse

Gruppen er signifikant forskellig fra delsektor

Gruppen er umiddelbart forskellig fra delsektor

Gruppen er signifikant forskellig fra delsektor

Højere end gns.

STUK’s tilsynsmodel

Flerårig model

Gruppen er umiddelbart forskellig fra delsektor

Lavere end gns.

Omkostningsdrivere

Karakteristika ved gruppen af

økonomisk udsatte institutioner

sammenlignet med delsektoren

Højere end gns.

Lavere end gns.

Note: For institutionernes geografiske placering er der taget udgangspunkt i hovedinstitutionens placering i henholdsvis by-

eller landkommune. Cirka en tredjedel af VUC’erne har imidlertid underafdelinger, som er placeret i landkommuner, mens

hovedinstitutionen er placeret i en bykommune.

Figur 19. Karakteristika for de økonomisk udsatte gymnasier

STUK’s tilsynsmodel

Omkostningsdrivere

Flerårig model

Antal årselever

Geografi (bykommune)

Socioøkonomisk reference

Holdstørrelse

Gruppen er signifikant forskellig fra delsektor

Gruppen er umiddelbart forskellig fra delsektor

Karakteristika ved gruppen af

økonomisk udsatte institutioner

sammenlignet med delsektoren

Højere end gns.

Lavere end gns.

Karakteristika ved gruppen af

Gruppen er signifikant forskellig fra delsektor

Højere end gns.

økonomisk udsatte institutioner

Lavere end gns.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

Gruppen er umiddelbart forskellig fra delsektor

sammenlignet med delsektoren

Figur 19. Karakteristika for de økonomisk udsatte gymnasier

De økonomisk udsatte erhvervsskoler mv.

For erhvervsskolerne er der betydelig heterogenitet på tværs af arketyper i karakteristika for de insti-

STUK’s tilsynsmodel

tutioner, der er identificeret som økonomisk udsatte. Der kan således ikke drages

Flerårig model

konklusi-

en entydig

on om erhvervsskolernes samlede karakteristika. For handelsskolerne viser analysen, at de økonomisk

Antal årselever

udsatte har flere årselever, oftere ligger i bykommuner (baseret på placeringen af hovedinstitutionen),

Geografi (bykommune)

har en socioøkonomisk svagere elevsammensætning og større hold end gennemsnittet. Blandt

Socioøkonomisk reference

SOSU-skolerne har de økonomisk udsatte i STUKs model flere årselever og i den flerårige model

færre årselever end gennemsnittet af SOSU-skolerne, ligesom de i begge modeller oftere er placeret i

Holdstørrelse

bykommuner og har større hold end gennemsnittet. For de tekniske skoler har de økonomisk udsatte

institutioner i

ved gruppen af

flere årselever, de ligger oftere i bykommuner og har socioøkonomisk

Karakteristika

STUKs model

Gruppen er signifikant forskellig fra delsektor

Højere end gns.

økonomisk udsatte institutioner

stærkere elever end gennemsnittet. Omvendt har gruppen i den flerårige model færre årselever,

Gruppen er umiddelbart forskellig fra delsektor

Lavere end gns.

sammenlignet med delsektoren

socioøkonomisk svagere elever og større hold. Blandt kombinationsskolerne har de økonomisk

udsatte institutioner i STUKs model færre årselever og i den flerårige model flere årselever end

gennemsnittet, mens de i begge modeller oftere er placeret i bykommuner og har en socioøkonomisk

stærkere elevsammensætning. Endelig har de økonomisk udsatte kombinationsskoler i den flerårige

model større hold end gennemsnittet af kombinationsskoler, jf. Figur 21.

Figur 21. Karakteristika for de økonomisk udsatte erhvervsskoler mv.

Omkostningsdrivere

Holdstørrelse

Handelsskoler

STUK’s

tilsynsmodel

Omkostningsdrivere

Flerårig

model

SOSU-skoler

STUK’s

tilsynsmodel

Flerårig

model

Tekniske skoler

STUK’s

tilsynsmodel

Flerårig

model

Kombinationsskoler

STUK’s

tilsynsmodel

Flerårig

model

Antal årselever

Geografi (bykommune)

Socioøkonomisk reference

Holdstørrelse

Gruppen er signifikant forskellig fra delsektor

Gruppen er umiddelbart forskellig fra delsektor

Karakteristika ved gruppen af

økonomisk udsatte institutioner

sammenlignet med delsektoren

Højere end gns.

Lavere end gns.

Note: 1) Analysen er ikke foretaget for AMU-centre og landbrugsskoler på grund af for få observationer, 2) For institutionernes geografiske

placering er der taget udgangspunkt i hovedinstitutionens placering i henholdsvis by- eller landkommune. Visse erhvervsskoler mv. har

imidlertid underafdelinger, som er placeret i landkommuner, mens hovedinstitutionen er placeret i en bykommune.

Sammenfatning på tværs af arketyper

Det samlede billede vidner altså om, at der ikke på tværs af arketyperne kan peges på generelle tenden-

ser i karakteristika for de økonomisk udsatte institutioner.

Det indikerer umiddelbart, at institutionsspecifikke forhold, herunder institutionernes strategiske valg

og ledelsesmæssige prioriteringer, har stor betydning for deres økonomiske bæredygtighed. Derudover

viser analysen, at taxameter- og tilskudssystemets eksisterende kompensationsmekanismer kan gøre

det svært at identificere en sammenhæng mellem de generelle driftsmæssige forhold og institutionernes

økonomiske situation, idet de økonomisk udsatte institutioner allerede kompenseres for de potentielle

ulemper ved eksempelvis lille institutionsstørrelse og udkantsplacering.

Sammenfattende viser analysen således, at sektoren som helhed har forbedret sin langvarige finansielle

robusthed siden 2011, hvilket dækker over betydelig variation i den finansielle robusthed på tværs af

institutioner, og at gruppen af økonomisk udsatte institutioner er karakteriseret ved betydelig heteroge-

nitet, herunder i forhold til hvilke arketyper der er omfattet og de generelle driftsmæssige forhold, som

institutionerne er kendetegnet ved.

13 Den geografiske placering er opgjort ud fra hovedinstitutionens placering på grund af datamæssige begrænsninger ved

sammenligning mellem grupper med få observationer i delanalyse 4. Institutioner, hvor hovedinstitutionen er placeret i en

bykommune, og underafdelinger er placeret i landkommuner, er således angivet som placeret i en bykommune. Det skal

bemærkes, at institutionsbesøg peger på, at flere og geografisk spredte afdelinger, herunder placering i landkommuner,

kan være med til at drive omkostninger og dermed påvirke institutionernes økonomiske udsathed.

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

6. Bilag

6.1. Oversigt over anvendte registre

Tabel 1. Oversigt over anvendte registre og beskrivelse af indhold

Institutionsregisteret

CØSA

Indholdsbeskrivelse

Relation mellem afdelinger og hovedskoler på institutions- og afdelingsniveau for 2017

Informationer om aktivitet (årselever/årskursister) og tilskud fordelt på uddannelser på

institutions- og uddannelsesniveau for årene 2011-2018

Information om omkostninger for institutionerne med cirka to tredjedele af omkostnin-

gerne fordelt på uddannelser for årene 2011-2018

Finansielle informationer på institutionsniveau for årene 2003-2018

Data på løn- og ansættelsesvilkår på institutionsniveau fra Moderniseringsstyrelsens

informationssystem for årene 2011-2018

Informationer i forhold til bygningsarealer med data om forbrug af elektricitet, varme og

vand på institutionsniveau for årene 2006-2018

Informationer om lærernes arbejdstidsanvendelse på institutions- og uddannelseskategori-

niveau for 2017

Formålsregnskaber

Regnskabsportalen

ISOLA

SparEnergi

Lærernes arbejdstids-

anvendelse

6.2. Oversigt over besøgsinstitutioner

Tabel 2. Oversigt over 21 besøgsinstitutioner

Arketyper

Tekniske skoler

Institution

EUC Lillebælt

TEC

Randers SOSU

SOSU H

AMU-Vest

Asmildkloster Landbrugsskole

Handelsgymnasium Vestfyn

Køge Handelsskole

ZBC

Nordsjællands Grundskole &

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

Årselever

750

4.239

403

2.025

320

208

192

1.383

5.806

6.507

193

Omkostninger

(mio. kr.)

113

531

253

134

704

695

Geografi

Land

SOSU-skoler

AMU-centre

Landbrugsskoler

Handelsskoler

Kombinationsskoler

Private gymnasier

Små gymnasier

422

381

471

682

1.448

1.307

1.131

3.878

518

1.298

119

100

385

111

Land

Mellemstore gymnasier

Store gymnasier

VUC’er

Hovedrapport: Omkostningsanalyse af ungdomsuddannelsesområdet 2019

6.3. Oversigt over svarprocent for spørgeskema

Tabel 3. Oversigt over svarprocent for spørgeskema i forbindelse med omkostningsanalysen

Delsektorer

Arketyper

EAMU-centre

Handelsskoler

Kombinationsskoler

Erhvervsskoler mv.

Landbrugsskoler

SOSU-skoler

Tekniske skoler

I alt, erhvervsskoler mv.

Mellemstore gymnasier

Private gymnasier

Almene gymnasier

Små gymnasier

Store gymnasier

I alt, almene gymnasier

VUC’er

Sektoren

I alt, VUC’er

I alt

159

148

254

64 %

70 %

58 %

67 %

63 %

86 %

53 %

70 %

66 %

19 %

Besvarelser

Institutioner

Svarprocent

80 %

75 %

65 %

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.