Forside

Søgeresultat

Viser resultat 4451 - 4460 af 4842

ANSXTILB

Navn, ANSXTILB , Beskrivende navn, Ansættelsesændring i forhold til året før , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Variablen angiver ændringen i status for henholdsvis hoved- eller bibeskæftigede, arbejdsgivere, medhjælpende ægtefæller og selvstændige med hensyn til placering pr. november året før., Detaljeret beskrivelse, Variablen informerer om en eventuel ansættelsesændring på det nuværende arbejdssted i forhold til året før for den enkelte ansatte. Variablen ser således tilbage i tid til november året før. Der kan eksempelvis være tale om en ændring fra arbejdsløshed eller fra uden for arbejdsstyrken eller fra et helt andet arbejdssted i det samme firma. Uændrede ansættelser registreres ligeledes. For alle muligheder henvises til værdisættet., Variablen er relevant for alle ansatte, selvstændige, medhjælpende ægtefæller og arbejdsgivere. For de sidstnævnte tre grupper undersøges det, om status har ændret sig, eller om denne er uændret i forhold til året før. De enkelte populationer (hovedbeskæftigede, og bibeskæftigede lønmodtagere, selvstændige etc.) kan specificeres ved hjælp af variablen TYPE (Type for ansættelsesforholdet). Se denne for mere information. , Når koden er BLANK, angiver det, at der er tale om ansatte/arbejdsgivere med et uoplyst arbejdssted i det pågældende år samt generelt for året 1980. Et uoplyst arbejdssted angiver for ansatte, at der er tale om et fiktivt arbejdssted. Et fiktivt arbejdssted angiver, at de ansatte arbejder i nærheden af deres hjemadresse, men ikke i hjemmet, at man arbejder ud fra sin egen adresse, eller at man arbejder i hjemmet. Ansættelsen kan i sådanne tilfælde ikke henføres til et registreret arbejdssted og henføres derfor til såkaldte fiktive arbejdssteder. For arbejdsgivere med mere end et arbejdssted er der ikke angivet nogen af arbejdsstederne, og dermed er det uoplyst., I værdisættet betyder * for værdi T1 og T2: Det firma (arbejdsgivernr.), som det bevarede arbejdssted tilhørte i år1 (året før). , Kategorierne T1-T3 (samt U) er kun defineret for bevarede arbejdssteder (B1, B2) (se evt. IDTILB (Identitet for arbejdssted tilbage i tid) for yderligere information om dette.). Koden T9 angiver, at der er tale om en født person i det pågældende år, som ingen ansættelse har haft i det foregående år., Kommentar til graf og tabel., Anvendelsen af fiktive arbejdssteder blev indført i 1991, hvilket forklarer stigningen i antal missing i året 1991., Fra 1994 er kode T7 mulig. Denne kode angiver, at den enkelte person kommer fra orlov, dvs. at den enkelte person året før var på orlov enten fra ledighed eller fra beskæftigelse., I 2007 næsten tredobles antallet af ansættelser med kode =T4 (T4= fra anden beskæftigelse til oprettet arbejdssted) Dette er forårsaget af kommunalreformen pr. 1. januar 2006. Den medførte, at de eksisterende 271 kommuner blev slået sammen til 98 nye storkommuner. Som konsekvens har mange adressekoder skiftet kommune og/eller vejnummer. , I IDA betyder ovenstående, at arbejdsstederne i de berørte kommuner har fået ny ejer i form af nyt arbejdsgivernummer og ny adresse i form af ny adressekode. I forhold til det eksisterende regelsæt vedrørende samme arbejdssted i IDA betyder det, at ingen af de tre regler er overholdt (se LBNR)( Arbejdsstedets løbenummer), og derfor nedlægges de pågældende arbejdssteder i 2006. Arbejdsstederne genopstår efterfølgende, men med et nyt løbenummer, dvs. de oprettes som et nyt arbejdssted., Hvor mange arbejdssteder der præcist berøres af dette kan ses i dokumentationen af variablene IDFREM og IDTILB, der henholdsvis angiver identiteten for arbejdssteder frem i tid (nedlagte) og tilbage i tid (oprettede)., Antallet af oprettede arbejdssteder i IDA2007 er således højere end de øvrige år i tidsserien, hvilket bevirker, at antallet af ansættelser fra anden beskæftigelse til oprettede arbejdssteder ligeledes er højt i forhold til tidligere år (kode T4). Lidt under halvdelen af disse ansættelsesændringer forekommer i kommunalt regi og er derfor forårsaget af kommunalreformen. Der kan dog imellem disse nedlæggelser forekomme reelle oprettelser af arbejdssteder, som ikke er forårsaget af kommunalreformen - disse kan blot ikke udskilles fra de øvrige., Udviklingen i ansættelsesændringerne i 2008 skyldes at datagrundlaget for lønmodtagerbeskæftigelsen ændres til eIndkomst fra og med IDA2008. For yderligere information om eIndkomst se emnegruppen Beskæftigelse og herunder statistikområdebeskrivelsen "Befolkningens tilknytning til arbejdsmarkedet (RAS)". , Bilag, Tabel, Graf, Populationer:, Ansættelser i IDA, I ansættelsespopulationen er indeholdt alle ansættelser der forekommer i løbet af et år. Ansættelserne kan forekomme som en af følgende hovedtyper; beskæftiget som lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle. Lønmodtageransættelsen kan underopdeles som hovedbeskæftiget, bibeskæftiget, en øvrig novemberansættelse, en ej-november ansættelse eller en vigtigste ej-november ansættelse. Ansættelserne hovedbeskæftiget lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle defineres alle i den Registerbaserede Arbejdsstyrkestatistik som værende den vigtigste tilknytning til arbejdsmarkedet pr. ultimo november. Bibeskæftigede lønmodtagere defineres ligeledes i den Registerbaserede Arbejdsstyrkestatistik. Oplysningerne om øvrige novemberansættelser, ej-november ansættelser og vigtigste ej-november ansættelser opgøres i IDA, som supplerende ansættelser til en af de 4 hovedtyper. Øvrige novemberansættelser og ej-november ansættelser forekommer først i IDA fra og med 2004. Ansættelserne medtages kun hvis den enkelte lønmodtager har fået en løn i løbet af året der overstiger en fastsat løngrænse. Løngrænsen ændres hvert år. Før 2008 har det udelukkende været lønmodtagere, der havde en summeret årsløn svarende til ca. 10.000 kr., der blev klassificeret som lønmodtagere. Dette krav blev indført fordi datagrundlaget for lønmodtagerbeskæftigelsen var årsbaseret og periodeangivelserne var usikre. Som følge af de mere sikre periodeangivelser i det nye datagrundlag fra 2008 er kravet reduceret meget kraftigt og erstattet med et krav om, at en lønmodtager som minimum skal have en løn, der svarer til 4 timers beskæftigelse til garantiløn for at blive klassificeret som ultimo november beskæftiget. For at optræde i populationen skal personen have bopæl i Danmark ultimo året. , Værdisæt, U131313.TXT_ANSXTILB - Ansættelsesændring i forhold til året før, Kode, tekst, Fra dato, Til dato, I2, Fra hovedbeskæftiget på arbejdsstedet, 01-01-1980, 31-12-3000, I3, Anden tilgang til arbejsstedet, 01-01-1980, 31-12-3000, I9, Irrellevant ( ikke-bevaret arbejdssted), 01-01-1980, 31-12-3000, T1, Fra andet arbejdssted i samme firma, 01-01-1980, 31-12-3000, T2, Fra uoplyst arbejdssted i samme firma, 01-01-1980, 31-12-3000, T3, Fra andet firma (anden beskæftigelse), 01-01-1980, 31-12-3000, T4, Fra anden besk. til oprettet arb.sted, 01-01-1980, 31-12-3000, T5, Fra arbejdsløshed, 01-01-1980, 31-12-3000, T6, Fra uden for arbejdsstyrken (efterløn), 01-01-1980, 31-12-3000, T7, Fra orlov (både fra ledighed & beskæftigelse), 01-01-1994, 31-12-3000, T8, Indvandret (inkl. -dukket op-), 01-01-1980, 31-12-3000, T9, Født, 01-01-1980, 31-12-3000, U, Uændret, 01-01-1980, 31-12-3000, 02, Fra selvstændig el. arbejdsgiver, 01-01-1980, 31-12-3000, 03, Fra medhjælpende ægtefælle, 01-01-1980, 31-12-3000, 04, Fra lønmodtager, 01-01-1980, 31-12-3000

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/beskaeftigelsesoplysninger-der-vedroerer-ida-ansaettelser/ansxtilb

STILL

Navn, STILL , Beskrivende navn, Arbejdsstilling , Gyldighed, Gyldig fra: 01-01-1980, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, Variablen definerer arbejdsstillingen i den vigtigste beskæftigelse i november. Variablen er defineret for hoved- og bibeskæftigede lønmodtagere og arbejdsgivere., Den vedhæftede graf vises kun for hovedbeskæftigede lønmodtagere. , Detaljeret beskrivelse, STILL dannes via en omkodning af SOCSTIL_KODE (socioøkonomisk status). , Variablen socioøkonomisk status angiver befolkningens tilknytning til arbejdsmarkedet ultimo november. Tællings-enheden er personen. Den primære tilknytning til arbejdsmarkedet bestemmes ved først at identificere de forskellige bestande, den enkelte person indgår i ultimo november. Hvis en person indgår i mere end en bestand, bestemmes den primære tilknytning ud fra et sæt prioriteringsregler. På denne måde bliver hele befolkningen klassificeret i forhold til den primære tilknytning til arbejdsmarkedet. Udgangspunktet for denne klassifikation af befolkningen er ILO's (International Labour Organisation) anbefalinger med hensyn til begreber og definitioner for arbejdsmarkedsstatistik., For yderligere information om prioritering mellem "bestande" henvises til den årlige offentliggørelse af RAS (Den Registerbaserede Arbejdsstyrkestatistik) i Statistiske Efterretninger., SOCSTIL_KODE har ændret navn i tællingsperioden. I perioden 1980-1993 hed variablen ARBSTIL, i perioden 1994-1995 hed variablen NYARB (i nogle registre bibeholder den navnet ARBSTIL), og i perioden fra 1996 og frem hedder variablen SOCSTIL_KODE. I 1994 blev der indført en mere detaljeret underopdeling at personerne uden for arbejdsstyrken, mens der i 1996 blev indført en anden underopdeling af lønmodtagergruppen., Beskæftigelsesopgørelsen for lønmodtagere baserer sig i hele tidsserien i høj grad på de oplysninger om ansættelsesperioder, som arbejdsgiverne angiver på oplysningssedlen. Disse oplysninger anvendes ikke til administrative formål af SKAT, og derfor er kvaliteten ikke altid den bedste. Det har især betydning for de befolkningsgrupper, der ikke udgør den egentlige kernearbejdsstyrke, fx yngre og ældre personer som ofte har en løsere tilknytning til arbejdsmarkedet. For disse persongrupper er de registerbaserede informationer, der muliggør en sikker klassifikation mindre sikre., Underopdeling af lønmodtagere, Underopdelingen af lønmodtagerne (koderne 30-39) blev ændret i 1996. Før 1996 var lønmodtagerne underopdelt på baggrund af deres fagkode. Lønmodtagerne er underopdelt i funktionærer, faglærte og ikke-faglærte arbejdere. Fra 1996 bliver lønmodtagergruppen opdelt efter deres arbejdsfunktion i grupperne topledere, lønmodtagere på højeste niveau, lønmodtagere på mellemniveau, lønmodtagere på grundniveau og andre lønmodtagere. Denne opdeling følger den internationale klassifikation ISCO. Der er således tale om et brud i forhold til de tidligere års opgørelse., For yderligere information generelt om den socioøkonomiske status og om arbejdsfunktionen for lønmodtagere henvises til SOCSTIL_KODE og PSTILL (Primær arbejdsstilling) under emnegruppen Beskæftigelse og til varedeklarationen for den registerbaserede arbejdsstyrkestatistik:, http://www.dst.dk/Vejviser/dokumentation/Varedeklarationer/emnegruppe/emne.aspx?sysrid=848., De relevante populationer for STILL kan defineres ved brug af variablen TYPE (type for ansættelsesforholdet). For yderligere oplysninger om denne se TYPE under emnegruppen Beskæftigelse., Kommentar til tabel og graf., Faldet i antallet af ansættelser uden nærmere angivelse i 2008 skyldes indførelsen af eIndkomst fra og med IDA2008. For yderligere infomation om eIndkomst se emnegruppen Beskæftigelse og herunder statistikområdebeskrivelsen "Befolkningens tilknytning til arbejdsmarkedet (RAS)". , Bilag, Tabel, Graf, Populationer:, Ansættelser i IDA, I ansættelsespopulationen er indeholdt alle ansættelser der forekommer i løbet af et år. Ansættelserne kan forekomme som en af følgende hovedtyper; beskæftiget som lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle. Lønmodtageransættelsen kan underopdeles som hovedbeskæftiget, bibeskæftiget, en øvrig novemberansættelse, en ej-november ansættelse eller en vigtigste ej-november ansættelse. Ansættelserne hovedbeskæftiget lønmodtager, arbejdsgiver, selvstændig eller medarbejdende ægtefælle defineres alle i den Registerbaserede Arbejdsstyrkestatistik som værende den vigtigste tilknytning til arbejdsmarkedet pr. ultimo november. Bibeskæftigede lønmodtagere defineres ligeledes i den Registerbaserede Arbejdsstyrkestatistik. Oplysningerne om øvrige novemberansættelser, ej-november ansættelser og vigtigste ej-november ansættelser opgøres i IDA, som supplerende ansættelser til en af de 4 hovedtyper. Øvrige novemberansættelser og ej-november ansættelser forekommer først i IDA fra og med 2004. Ansættelserne medtages kun hvis den enkelte lønmodtager har fået en løn i løbet af året der overstiger en fastsat løngrænse. Løngrænsen ændres hvert år. Før 2008 har det udelukkende været lønmodtagere, der havde en summeret årsløn svarende til ca. 10.000 kr., der blev klassificeret som lønmodtagere. Dette krav blev indført fordi datagrundlaget for lønmodtagerbeskæftigelsen var årsbaseret og periodeangivelserne var usikre. Som følge af de mere sikre periodeangivelser i det nye datagrundlag fra 2008 er kravet reduceret meget kraftigt og erstattet med et krav om, at en lønmodtager som minimum skal have en løn, der svarer til 4 timers beskæftigelse til garantiløn for at blive klassificeret som ultimo november beskæftiget. For at optræde i populationen skal personen have bopæl i Danmark ultimo året. , Værdisæt, CLR.TXT_PSTILL - Arbejdsstilling, Kode, tekst, Fra dato, Til dato, 01, 01-01-1994, 31-12-3000, 02, 01-01-1994, 31-12-3000, 03, 01-01-1994, 31-12-3000, 04, 01-01-1994, 31-12-3000, 05, 01-01-1994, 31-12-3000, 11, 01-01-1980, 31-12-3000, 12, 01-01-1980, 31-12-3000, 13, 01-01-1980, 31-12-3000, 14, 01-01-1980, 31-12-3000, 19, 01-01-1980, 31-12-3000, 20, 01-01-1980, 31-12-3000, 31, 01-01-1980, 31-12-1995, 31, 01-01-1996, 31-12-3000, 32, 01-01-1980, 31-12-1995, 32, 01-01-1996, 31-12-3000, 33, 01-01-1980, 31-12-1995, 34, 01-01-1980, 31-12-1995, 34, 01-01-1996, 31-12-3000, 35, 01-01-1980, 31-12-1995, 35, 01-01-1996, 31-12-3000, 36, 01-01-1980, 31-12-1995, 36, 01-01-1996, 31-12-3000, 37, 01-01-1980, 31-12-1995, 37, 01-01-1996, 31-12-3000, 40, 01-01-1980, 31-12-3000, 41, 01-01-1994, 31-12-3000, 42, 01-01-1997, 31-12-3000, 43, 01-01-1997, 31-12-3000, 45, 01-01-1997, 31-12-3000, 46, 01-01-1997, 31-12-3000, 47, 01-01-1997, 31-12-3000, 48, 01-01-1997, 31-12-3000, 49, 01-01-1997, 31-12-3000, 50, 01-01-1980, 31-12-3000, 51, 01-01-2003, 31-12-3000, 52, 01-01-2002, 31-12-3000, 55, 01-01-1993, 31-12-3000, 71, 01-01-1994, 31-12-1995, 71, 01-01-1996, 31-12-3000, 72, 01-01-1994, 31-12-1995, 72, 01-01-1996, 31-12-3000, 73, 01-01-1994, 31-12-1995, 74, 01-01-1994, 31-12-1995, 74, 01-01-1996, 31-12-3000, 75, 01-01-1994, 31-12-1995, 75, 01-01-1996, 31-12-3000, 76, 01-01-1994, 31-12-1995, 76, 01-01-1996, 31-12-3000, 77, 01-01-1994, 31-12-3000, 90, 01-01-1980, 31-12-3000, 91, 01-01-1980, 31-12-3000, 92, 01-01-1980, 31-12-1996, 92, 01-01-1997, 31-12-3000, 93, 01-01-1997, 31-12-3000, 94, 01-01-1997, 31-12-3000, 95, 01-01-1997, 31-12-3000, 96, 01-01-1997, 31-12-3000, 97, 01-01-2000, 31-12-2000, 97, 01-01-2001, 31-12-3000, 98, 01-01-2001, 31-12-3000

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/beskaeftigelsesoplysninger-der-vedroerer-ida-ansaettelser/still

YDAARSAG

Navn, YDAARSAG , Beskrivende navn, Forlængelsesårsag , Gyldighed, Gyldig fra: 01-01-1994, Gyldig til: Gælder stadig, Databrud, Inden for variabel: Ja, På tværs af variable: Nej, Kvalitetssikring foretaget af, Danmarks Statistik: Ja, Eksterne bedømmere udpeget af KOR: Ja, Generel beskrivelse, YDAARSAG, Ydelsesårsag er kun defineret for sager vedrørende dagpenge ved sygdom. , Koden angiver, hvorfor en sag har fået lov til at løbe længere end normalt i henhold til loven., Ydelsesårsag er som oftest blank., Detaljeret beskrivelse, YDAARSAG, Ydelsesårsag er kun defineret for sager vedrørende dagpenge ved sygdom., Koden angiver, hvorfor en sag har fået lov til at løbe længere end normalt i henhold til loven., Ydelsesårsag er som oftest blank., YDAARSAG mangler værdier for året 1997. Hvorfor vides ikke. , Der er databrud 1996/1998 og 2014/2015. , Der foreligger ikke nogen forklaring på databrudet i 1996/1998, men som sagt mangler YDAARSAG værdier i 1997. , Databrudet i 2014/2015 kan forklares med, at 16 ydelseskoder nedlægges, og samtidig oprettes der tre: , Indholdsmæssige ændringer fra år til år i variablen YDAARSAG, YDAARSAG har missingværdi = blank fra og med år 2002. Før år 2002 er missingværdi = missing (dvs. ikke udfyldt), 1996: Oprettede ydelsesårsager: , 54 - Pensionssag rejst , 55 - Indstillet til førtidspension, 2000: Oprettede ydelsesårsager:, 56 - Afventer raskmelding, ingen foranstaltning, 57 - Under lægebehandling, ingen foranstaltning, 2001: Nedlagte ydelsesårsager:, 08 - forlænget indstillet til førtidspension og , 55 - Indstillet til førtidspension oprettet 31. marts., 2004: Oprettede ydelsesårsager:, 32 - Nyt sygefravær, §26 stk.1 , 2007: Oprettede ydelsesårsager: , 01 - SDPL §27 stk.1 nr.1, Revalider. til ordinært arbejdsmarked, 24 - Er under lægebehandling efter ventetid §27 stk. 1 nr. 3, Nedlagte ydelsesårsager:, 01 - Revalidering sandsynlig, men ikke planlagt, 02 - Revalidering sandsynlig, afventer forrevalidering, 03 - Revalidering sandsynlig, forrevalidering iværksat, 04 - Revalidering sandsynlig, afventer iværksæt. af revalidering, 10 - Under lægebeh.,forvent.arb.dyg.inden 26 uger, 11 - Afventer lægebeh..forvent.arb.dyg.inden 26 uger, 12 - Langv.lægebeh.,forvent.arb.dyg.inden 26 uger, 13 - Langv.lægebeh.,forvent.arb.dyg.inden 2*26 uger, 15 - Beh.påbegyndt - forvent.arb.dyg.inden 26 uger, 16 - Under lægeb.- forvent.arb.dyg.inden 2*26 uger, 30 - Nyt sygefravær - generel varighed, 31 - Nyt sygefravær - forlængelse, 40 - Afklaring, forlænges i 13 uger, 41 - Afklaring, forlænges i yderligere 13 uger, 2014: Oprettede ydelsesårsager: , 02 - SDPL §27 stk.1 nr.4, Afklaring fleksjob/FØP/ressourceforløb, 23 - SDPL §27 stk. 1 nr. 3, Forventes rask, 32 - SDPL §26 stk.1, Nyt sygefravær omfattet af varighed, Nedlagte ydelsesårsager:, 24 - Er under lægebehandling efter ventetid §27 stk. 1 nr. 3, 32 - Nyt sygefravær, §26 stk.1 , 43 - Afklaring til fleksjob/FØP, § 27 stk. 1 nr. 4, 50 - Afventer forrevalidering/arbejdsprøvning, 51 - Forrevalidering/arbejdsprøvning iværksat, 52 - Afventer iværksættelse af egentlig revalidering, 53 - Arbejdsskade anmeldt, 52 - Afventer iværksættelse af egentlig revalidering, 53 - Arbejdsskade anmeldt, 54 - Pensionssag rejst, 56 - Afventer raskmelding, ingen foranstaltning, 57 - Under lægebehandling, ingen foranstaltning, 60 - Afventer sygehusindlæggelse, 61 - Afventer speciallægeundersøgelse, 62 - Afventer speciallægeerklæring, 63 - Afventer ambulant behandling, 2016: Oprettede ydelsesårsager:, 33 - SDPL §24 a og b, Nyt sygefravær - livstruende sygdom, 2017: Nedlagte ydelsesårsager:, 33 - SDPL §24 a og b, Nyt sygefravær - livstruende sygdom, Bilag, Graf, Tabel, Populationer:, Sygedagpengesager i året, Sager med personer, der i løbet af året har modtaget dagpenge i forbindelse med sygdom eller fødsel, Værdisæt, D280300.TXT_YDAARSAG - Forlængelsesårsag, Kode, tekst, Fra dato, Til dato, 00, 01-01-1995, 01, 01-01-1995, 02-04-2007, 02, 01-01-1995, 02-04-2007, 03, 01-01-1995, 02-04-2007, 04, 01-01-1995, 02-04-2007, 05, 01-01-1992, 31-12-1994, 06, 01-01-1995, 07, 01-01-1995, 08, 01-01-1995, 31-12-2001, 10, 01-01-1995, 02-04-2007, 11, 01-01-1995, 02-04-2007, 12, 01-01-1995, 02-04-2007, 13, 01-01-1995, 02-04-2007, 14, 01-01-1995, 15, 01-01-1995, 02-04-2007, 16, 01-01-1995, 02-04-2007, 20, 01-01-1995, 23, 01-07-2014, 30, 01-01-1995, 02-04-2007, 31, 01-01-1995, 02-04-2007, 32, 01-07-2014, 40, 01-01-1995, 02-04-2007, 41, 01-01-1995, 02-04-2007, 42, 01-01-1995, 43, 01-01-1995, 30-06-2014, 50, 01-01-1995, 30-06-2014, 51, 01-01-1995, 30-06-2014, 52, 01-01-1995, 30-06-2014, 53, 01-01-1995, 30-06-2014, 54, 01-01-1996, 30-06-2014, 55, 01-01-1996, 31-12-2001, 56, 01-01-2000, 30-06-2014, 57, 01-01-2000, 30-06-2014, 60, 01-01-1995, 30-06-2014, 61, 01-01-1995, 30-06-2014, 62, 01-01-1995, 30-06-2014, 63, 01-01-1995, 30-06-2014, 02, 01-07-2014, 01, 03-04-2007, 24, 02-04-2007, 30-06-2014, 32, 01-01-2004, 30-06-2014, 33, 01-01-2016, 31-12-2017, 02, 03-04-2007, 30-06-2014, 24, 01-07-2014

https://www.dst.dk/da/TilSalg/data-til-forskning/generelt-om-data/dokumentation-af-data/hoejkvalitetsvariable/dagpenge-ved-sygdom-og-foedsel/ydaarsag

Juleindkøbene afslører din indkomstgruppe

Vores forbrug stiger i julen, men det afhænger blandt andet af indkomst, hvor vi lægger vores ekstra jule-kroner. Vidste du fx at de rigeste danskere køber deres rejer friske i december, mens de danskere, der tjener mindst i højere grad putter frosne rejer i kurven? Juleindkøb kan være en hård omgang, og det kalder på ekstra kaffe. Mens de rigeste danskere øger deres forbrug af cappuccinoer og andre kaffespecialiteter i december, stiger forbruget af almindelig kaffe hos danskere med lavest indkomst. , 1. december 2014 kl. 9:00 , Af , Mia Parsbæk Pedersen, Kigger man ud over Danmark, er man ikke i tvivl: Vi er kommet til december! Aftenmørket kommer tidligt, og de julepyntede gågader tiltrækker de flittige julehandlende. Men hvad puttes der egentligt i poserne, når gågaderne betrædes i julemåneden? Danmarks Statistik har på baggrund af forbrugsundersøgelsen lavet en juleopgørelse, der fortæller om danskernes julehandel. I år kigger vi nærmere på danskernes forbrug i december fordelt på indkomst og sammenligner laveste og højeste indkomstgruppes juleindkøb. , En gennemsnitlig dansk husstand køber ind for 9.981 kr. om måneden fra januar til november, men i december stiger forbruget til 11.401 kr. Dette gennemsnit dækker over store forskelle mellem den laveste og den højeste indkomstgruppe. I de husstande, hvor den årlige indkomst er under 300.000 kr. stiger forbruget fra 5.177 kr. til 7.038 kr. i december, mens det for husstande, der har en indkomst på mindst 800.000 kr. stiger fra 16.683 kr. til 18.618 kr. , Fakta-boks , Laveste indkomstgruppe: Husstanden har en årlig indkomst på under 300.000 kr. , Højeste indkomstgruppe: Husstanden har en årlig indkomst på 800.000 kr. og derover , En husstand består af 2,1 personer i gennemsnit fordelt på 1,6 voksne og 0,5 børn , Undersøgelsen er baseret på tal, hvor usikkerheden på enkelte varegrupper kan være stor., Alle køber and, mens spegepølse jule-hitter i laveste indkomstgruppe , Når der skal handles ind til julefrokost eller juleaften, er der mange tendenser, der er ens, uanset indkomst: Vi køber mere and, rødkål, kirsebærsovs og gløgg, end vi plejer. Tjener man mange penge, bruger man sandsynligvis flere penge på fx and end dem, der har færre midler. Hos husstande med en årlig indkomst på under 300.000 kr. stiger forbruget af ænder og gæs således fra 4 kr. til 38 kr., mens det stiger fra 12 til 49 kr. i de husstande, hvor indkomsten er over 800.000 kr. I begge indkomstgrupper er det primært frosne ænder og gæs, der ryger i indkøbskurven. Men faktisk bruger dem i den laveste indkomstgruppe flere penge på de ferske af slagsen end dem med de høje indkomster. , Forbrugsmønstret ser anderledes ud for andre madvarer. Mens spegepølse er en jule-favorit hos husstande med lavere indkomst, er rullepølsen et december-hit hos dem, der tjener mest. Forbruget af spegepølse stiger fra 12 til 22 kr. hos dem, der tjener under 300.000 kr., mens de køber lidt mindre rullepølse end i årets øvrige måneder. Omvendt ser det ud hos dem, der tjener over 800.000 kr. Deres forbrug af rullepølse stiger fra 16 til 18 kr. i december, hvorimod de køber mindre spegepølse end ellers – her falder forbruget fra 51 til 39 kr. , Indkomsten har også indflydelse på, om man køber sine jule-rejer frosne eller friske. I husstande med lavest indkomst falder forbruget af friske rejer fra 4 til 2 kr. i december, mens forbruget af dybfrosne rejser stiger fra 7 til 9 kr. De rigeste danskere vælger i stor stil friske rejer til julebordet. I stedet for at bruge 8 kr. på friske rejer om måneden, stiger deres forbrug til 21 kr. i december. De rigeste køber hverken færre eller flere frosne rejer i julemåneden. , Chokolade til alle, frugt til dem der tjener mindst, Julen er en tid, hvor de fleste af os spiser mere slik og kage, end vi (måske) har godt af. Danskernes forbrug af chokolade stiger fra 84 til 131 kr. og rå marcipan og konfektmasse stiger fra 3 til 16 kr. i december. Det gælder for begge indkomstgrupper, at der ryger ekstra godter i kurven i julemåneden. På den anden side spiser vi mindre frugt i december end resten af året. Danskernes samlede forbrug af æbler, pærer og bananer falder i julemåneden, men laveste indkomstgruppe trækker i modsatte retning. De fylder ekstra af disse madvarer i kurven i julen. Deres forbrug af bananer stiger fra 14 til 25 kr., æbler bruger de også 25. kr. på i stedet for 19 kr., og der bruges 6 kr. på pærer i stedet for 5. , De rigeste vælger cappuccino i julen , Noget tyder på, at de fleste har brug for en ekstra kop kaffe, for at komme helskindede gennem julens strabadser. Det samlede forbrug af kaffe, cappuccino og andre kaffedrikke stiger nemlig i julemåneden. Om man vælger alminelig kaffe eller kaffespecialiteter afhænger af indkomsten. Udgifterne til almindelig kaffe fordobles husstande med lavest indkomst – i stedet for at bruge 47 kr. bruger de 92 kr. i december. Omvendt falder forbruget af alminelig kaffe hos de rigeste fra 96 til 73 kr. I stedet for slukker denne indkomstgruppe i større stil deres kaffetørst i andre kaffeprodukter som fx cappuccino og espresso i december, hvor forbruget stiger fra 3 til 26 kr. i julen. , Har man brug for noget lidt skarpere, afhænger valget sandsynligvis også af indkomsten. Mens snaps og bitter er populært i laveste indkomstgruppe, hvor forbruget stiger fra 11 til 15 kr., er det særligt portvin, der skåles i blandt dem med de højeste indkomster. Her stiger forbruget fra 4 til 22 kr. i december. Skal det ikke være snaps, så er vodka et godt bud i husstande, der tjener under 300.000 kr. årligt. Forbruget af den stærke drik fordobles i denne indkomstgruppe, hvor de rigeste i højere grad vælger vodkaen fra i julen. Deres forbrug falder fra 8 kr. om måneden til 1 kr. i december. De ekstra kroner bruges måske på god whisky, hvor de i stedet for at bruge 10 kr. om måneden smider 12 kr. efter den gyldne drik i årets sidste måned. , De rigeste bruger mest på transport , Når julen står for døren samles vi ofte i families og venners lag, og det påvirker vores transportvaner. Danskernes samlede forbrug af benzin, broafgifter og taxature stiger nemlig i december. Noget tyder på, at det især er husstande i den højeste indkomstgruppe, der kører ekstra kilometer gennem landet for at fejre jul med familien. Deres forbrug af benzin stiger fra 915 til 1.121 kr., og omkostningerne til broafgifter stiger fra 66 til 150 kr. Noget tyder også på, at julefrokosterne i december få folk i denne indkomstgruppe til at tage en ekstra taxatur. En julefrokost er ofte lig med lidt godt til ganen, hvilket jo udelukker bilen som fest-karet. Fra at bruge 80 kr. om måneden resten af året, stiger deres udgifter på taxature til 235 kr. i december. , I laveste indkomstgruppe ser billedet noget anderledes ud. Det lader til, at der generelt spares på transporten, da udgifterne til både benzin, bro og taxa falder i december sammenlignet med resten af året. , Kortspil eller Zoo?, Jul betyder for mange danskere ekstra hygge. Nogle går på juleferie, mens andre formår at hygge lidt ekstra i weekenderne. Hvad man får tiden til at gå med afhænger blandt andet af, hvad man tjener. , De fleste danskere kan lægge en kabale eller dyste i et spil poker, 500 eller fisk. Og noget tyder på, at december måned giver familierne lejlighed for at tage et ekstra spil. De danske husstandes forbrug på spillekort tredobles næsten i julemåneden. Om kortene skal under træet, i julesokken eller bare direkte hjem på bordet er nok forskelligt. Det er særligt danskere med de laveste indkomster, der øger deres udgifter til spillekort i december. I denne indkomstgruppe stiger forbruget fra 25 øre til 2 kr. pr. husstand i december. , Tjener man derimod over 800.000 kr. om året, er det måske ikke spillekort, der trækker mest. Det gør en tur i Zoo til gengæld. Udgifterne til zoologiske haver og naturparker mere end fordobles hos husstande i denne indkomstgruppe i årets sidste måned. Forbruget pr. husstand stiger fra 14 til 32 kr. i december. , Mens nogle tager sig et slag kort, og andre kigger på dyr, er der også nogle, der prøver lykken med et spil Lotto. Danskernes samlede udgifter til Lotto stiger med 18 pct. i december. , Om forbrugsundersøgelsen, Tallene i Forbrugsundersøgelsen 2012 angiver, hvor meget en gennemsnitshusstand købte for af de regnskabsvarer, som indgår i undersøgelsen, hver måned. Juleopgørelsen er baseret på køb fra den 25. november til den 24. december. Regnskabsvarer er en husstands indkøb af dagligvarer, og de udgør ca. 40 pct. af det samlede forbrug for en gennemsnitshusstand. , En gennemsnitshusstand består af 2,1 personer. Det er 1,6 voksne og 0,5 børn. , På vores hjemmeside findes en række detaljerede oplysninger om danskernes forbrug.

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2014-12-01-juleindkoebene-afsloerer-din-indkomstgruppe

Bag tallene

Fakta: Her er valgstederne, hvor flest stemmer på de forskellige partier

Se, hvor valgstederne med størst tilslutning til de forskellige partier ligger. Artiklen indeholder også en liste over de største og de mindste valgsteder ved folketingsvalget i 2015 og det valgsted, som lå tættest på landsresultatet i 2015., 26. april 2019 kl. 7:30 , Af , Magnus Nørtoft, Opstillingsberettigede partiers ti største valgsteder målt på andel af stemmerne. Folketingsvalget 2015, Kilde: Danmarks Statistik; , www.statistikbanken.dk/10005, ; (FV15S01-10), Grafik: Markus Klink Damgaard. , Dette danmarkskort viser [for hvert af de opstillede partier], de ti valgsteder, hvor partierne var mest populære til folketingsvalget i 2015. Et partis popularitet forstås her som andelen af de gyldige stemmer på valgstedet, som partiet har fået. Et valgsted kan således godt indgå på flere partiers top ti. Kortet viser, at nogle partier får relativt flest stemmer i ret begrænsede områder af landet, mens andre har de mest populære valgsteder spredt ud over landet., Selvom partierne får relativt flere stemmer på nogle valgsteder end andre, fik ingen af partierne mere end 50 pct. af stemmerne på nogle af valgstederne. Dansk Folkeparti var med 48,7 pct. af stemmerne tættest på i Thyregod Nord i Vejle Nord Opstillingskreds. Derefter fulgte Venstre i Højmark og Holmsland begge i Ringkøbing Opstillingskreds, hvor partiet fik henholdsvis 46,1 pct. og 44,6 pct. af stemmerne., Se tabel med partiernes top ti resultater på valgsteder nederst, Danmarks Statistik har tidligere udgivet en , artikel om valgresultatet fordelt på kommuner, ., Regstrup er det mest gennemsnitlige valgsted, Det valgsted, som var tættest på landsresultatet ved folketingsvalget i 2015, var Regstrup, der ligger ved Holbæk. Også Ringsted Nørretorv og Gislev ved Faaborg lå relativt tæt på landsresultatet, viser beregninger fra Danmarks Statistik (se boks nederst i artiklen)., Største og mindste valgsted, Ligesom der er forskel på, hvordan stemmerne fordeler sig på de forskellige valgsteder, er der også forskel på valgstedernes størrelse. Landets største valgsted var med 21.685 vælgere ved folketingsvalget i 2015 ”Viborg” efterfulgt af ”Herning” (19.375 vælgere) og ”Bispebjerg” i København (15.285 vælgere)., De mindste valgsteder var i 2015 Mandø, Askø og Drejø med henholdsvis 33, 41 og 58 vælgere., Artiklen er skrevet i samarbejde i samarbejde med Dorthe Larsen, 39 17 33 07, , dla@dr.dk, ., Faktaboks: Metode til beregning af afstand fra landsgennemsnittet, Afstanden til landsgennemsnittet kan beregnes med flere metoder. Danmarks Statistik har valgt , Mahalanobis metode, . Mahalanobis metode tager bl.a. højde for, at nogle partiers stemmeandele varierer mere fra valgsted til valgsted end andre partiers., Tabel med største og mindste valgsteder. 2015, Storkreds, Opstillingskreds, Valgsted, Vælgere, Vestjyllands , Viborg Vest , Viborg, 21.685, Vestjyllands , Herning Syd , Herning, 19.375, Københavns , Bispebjerg , Bispebjerg, 15.285, Københavns , Sundbyøster , Nord, 14.371, Københavns , Østerbro , Syd, 14.173, Østjyllands , Århus Øst , Samsøgades Skole, 14.136, Østjyllands , Århus Øst , Rådhushallen, 14.094, Københavns , Indre By , Indre By, 14.012, Vestjyllands , Holstebro , Musikteatret, 14.011, Københavns , Nørrebro , Nord, 13.678, Østjyllands , Skanderborg , Alrø, 114, Sjællands , Lolland , Femø, 110, Fyns , Faaborg , Avernakø, 102, Østjyllands , Skanderborg , Tunø, 97, Østjyllands , Hedensted , Hjarnø, 94, Fyns , Faaborg , Lyø, 85, Bornholms , Aakirkeby , Christiansø, 59, Fyns , Svendborg , Drejø, 58, Sjællands , Lolland , Askø, 41, Sydjyllands , Esbjerg Omegn , Mandø, 33, Tabel over valgsteder med partiernes bedste valgresultater. 2015, Opstillingskreds, Valgsted, Pct. af stemmerne, , , A. Socialdemokratiet, Nyborg , Munkebo, 43,8, Lolland , Nakskov Idrætscenter, 42,8, Ballerup , Lundebjergskolen, 42,6, Brønderslev , Kaas, 40,6, Ballerup , Tapeten, 40,4, Aakirkeby , Christiansø, 40,0, Randers Nord , Nørrevangsskolen, 39,4, Rønne , Rønne, 39,3, Thisted , Frøslev, 39,2, Frederikshavn , Frederikshavn Nord, 39,1, B. Radikale Venstre, Nørrebro , Øst, 13,8, Lyngby , Kongevej, 13,5, Falkoner , Kreds, Bülowsvej, 13,3, Falkoner , Kreds, Søerne, 13,3, Egedal , Hareskov, 13,3, Vesterbro , Nord, 13,2, Indre By , Nord, 13,0, Vesterbro , Øst, 13,0, Indre By , Indre By, 12,8, Vesterbro, Sydhavn, 12,2, C. Det Konservative Folkeparti, Viborg Øst , Bjerringbro Syd, 20,5, Viborg Øst , Bjerringbro Nord, 20,3, Faaborg , Marstal, 19,2, Fredensborg , Grønnegade, 15,7, Struer , Flynder, 14,3, Faaborg , Søby, 12,3, Gentofte , Skovgård, 12,2, Gentofte , Jægersborg, 11,6, Gentofte , Maglegård, 11,4, Viborg Øst, Overlund, 11,3, F. Socialistisk Folkeparti, Djurs , Tirstrup, 12,4, Brøndby , Strandgårdskolen, 10,9, Køge , Herfølge - Syd, 10,4, Taastrup , Herstedlund Skole, 9,5, Brønshøj , Kirkebjerg, 9,3, Aakirkeby , Christiansø, 9,1, Favrskov , Foldby, 8,9, Vesterbro , Vest, 8,5, Vesterbro , Vesterbro, 8,4, Brønshøj , Syd, 8,4, I. Liberal Alliance, Fredensborg , Rungsted, 30,8, Rudersdal , Vedbæk, 25,7, Rudersdal , Vangebo, 25,0, Rudersdal , Ny Holte, 23,0, Gentofte , Skovshoved, 22,7, Rudersdal , Skovly, 22,2, Fredensborg , Karlebo, 21,5, Fredensborg , Grønnegade, 20,9, Rudersdal , Trørød, 20,5, Vesterbro , Sydhavn, 20,4, K. Kristendemokraterne, Ringkøbing , Rækker Mølle, 14,4, Hedensted , Ø Snede Sogn, 13,6, Ringkøbing , Faster, 12,7, Ringkøbing , Videbæk, 12,0, Ringkøbing , Vorgod-Barde, 11,5, Ringkøbing , Lønborg, 10,6, Herning Nord , Vinding, 9,2, Herning Nord , Skibbild/Nøvling, 9,2, Ringkøbing , Nr. Vium, 9,0, Ringkøbing , Skjern, 8,8, O. Dansk Folkeparti, Vejle Nord , Thyregod Nord, 48,7, Vejle Nord , Øster Nykirke Nord, 42,5, Vejle Nord , Grønbjerg Nord, 41,6, Vejle Nord , Give Nord, 41,2, Ikast , Hampen, 40,5, Ikast , Nørre-Snede, 40,5, Aabenraa , Hjordkær, 39,5, Sønderborg , Kværs, 39,5, Herning Nord , Feldborg, 39,3, Aabenraa , Padborg, 38,7, V. Venstre, Ringkøbing , Højmark, 46,1, Ringkøbing , Holmsland, 44,6, Ringkøbing , Ølstrup, 44,6, Ringkøbing , Faster, 43,9, Ringkøbing , Stadil, 43,9, Struer , Thyborøn, 43,4, Ringkøbing , Hvide Sande, 43,3, Varde , Fåborg, 42,4, Ringkøbing , Rækker Mølle, 42,1, Ikast , Isenvad, 41,5, Ø. Enhedslisten, Svendborg , Strynø, 30,3, Nørrebro , Syd, 30,0, Brønshøj , Nord, 28,0, Nørrebro , Vest, 27,3, Nørrebro , Nordvest, 27,2, Nørrebro , Nord, 27,0, Nørrebro , Nørrebro, 26,1, Århus Vest , Globus , Brabrand, 25,6, Bispebjerg , Syd, 24,4, Vesterbro , Syd, 23,8, Å. Alternativet, Nørrebro , Nordvest, 19,6, Vesterbro , Vesterbro, 19,5, Nørrebro , Øst, 18,5, Silkeborg Syd , Hjøllund, 18,0, Vesterbro , Nord, 17,9, Vesterbro , Øst, 17,8, Nørrebro , Nord, 17,8, Nørrebro , Nørrebro, 17,7, Vesterbro , Vest, 17,4, Nørrebro , Midt, 17,4

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2019-04-23-fakta-her-er-valgstederne-hvor-flest-stemmer-paa-de-forskellige-partier

Bag tallene

Fakta om minkbranchen i Danmark

Der er knap. 3.000 beskæftigede på minkbedrifter i Danmark, hvoraf de fleste ligger langs de jyske kyster. Branchen har faldende omsætning, færre beskæftigede og færre bedrifter i dag end for fem år siden., 28. oktober 2020 kl. 8:00 - Opdateret 26. januar 2021 kl. 14:52 , Af , Marie Hohnen, (Artiklen er opdateret 29.01 med korrekte tal for udenlandsk ejerskab)., (Artiklen er opdateret 26.01 med nye tal for egenkapital/gæld, udenlandske ejere samt konkurser)., , I 2019 var der knap 800 minkfarme i Danmark. Værdien af produktionen var godt 2,5 mia. kr., som blev til på baggrund af 2,5 mio. voksne mink, der hver især gav 5-6 hvalpe, der blev til skind. , Det viser tal fra Danmarks Statistik. , ”Pelsdyrbranchen er en branche, der er presset i en prismæssig lavkonjunktur,” siger Henrik Bolding Pedersen, der er chefkonsulent i Danmarks Statistik. , ”Historisk har der været store udsving i konjunkturerne for minkbranchen. Efter finanskrisen havde sektoren en gylden periode fra 2010-15, hvor afkastet var klart det bedste inden for landbruget. I 2012 nåede værdien af produktionen næsten 10 mia. kr., hvilket fx var ca. tre gange værdien af dansk fiskeri, men de senere år er det gået nedad til en produktionsværdi på 2,5 mia. kr. Det skyldes ubalance mellem udbud og efterspørgslen, der især kommer fra pelshuse i Kina,” siger Henrik Bolding Pedersen. , Underskud på 0,7 mio. kr. pr. bedrift i gennemsnit, I 2019 havde pelsdyrbedrifter et underskud på 0,7 mio. kr. pr. bedrift i gennemsnit. Det er et fald siden 2013, hvor bedrifterne i gennemsnit havde et overskud på ca. 3,3 mio. kr. , Samtidig er der kommet færre bedrifter, da der i 2019 var 792 bedrifter sammenlignet med 1.169 i 2013. , Opgørelsen er baseret på heltidsbedrifter med driftsformen pelsdyr. Medtages mindre og ikke specialiserede bedrifter, var der i 2019 i alt 1.060 bedrifter med pelsdyr, jf. , statistikbanken.dk/PELS11, ., Anm. Ovenstående viser heltidsbedrifter., Faldende produktionsværdi, De danske minkbedrifters produktionsværdi (bruttoproduktionen) på pelsskind er faldet siden perioden omkring år 2010-12. , , I 2019 lød den samlede produktion på ca. 2,5 mia. kr., mens værdien i 2012 lød på 9,5 mia. kr., ”Den lavere værdi i 2019 skyldes navnlig prisfald, da den mængdemæssige produktion ikke er faldet på samme måde som produktionsværdien,” siger Henrik Bolding Pedersen., Færre dyr , Antallet af avlsdyr har i en periode været stigende, men er faldet de seneste år. I 2019 var der 2,5 mio. minkavlsdyr i Danmark, mens tallet var helt oppe på 3,4 mio. i både 2015, 2017 og 2018., Produktionen af skind er som følge af reduktionen i avlsdyr faldet til 12,5 mio. skind i 2019 og forventes også betydeligt reduceret i 2020, forklarer Henrik Bolding Pedersen. , Ovenstående viser antal avlsdyr i Danmark. , Færre beskæftigede , Beskæftigelsen på danske minkbedrifter udgør ca. 2.600 heltidsbeskæftigede. Det er et fald fra 2013, hvor tallet var ca. 4.000., ”Ud over de direkte beskæftigede på minkbedrifterne er der også andre og mere indirekte beskæftigede i branchen, da der blandt andet er jobs i foderindustrien, hvor minkproduktionen er aftager af animalske produkter fra fjerkræ og fisk, samt beskæftigelse ved verdens største pelsauktion Kopenhagen Fur,” siger Henrik Bolding Pedersen. , Få mink i udenlandsk ejerskab, 56.000 , ud af de 2,5 mio. danske avlsmink var i 2020 i udenlandsk ejerskab, viser en særkørsel af Erhvervsregistret og Landbrugstællingen. Det svarer til, at , godt, to procent af de danske mink havde udenlandske ejere., Relativt høj soliditetsgrad i minkbranchen , Heltidsbedrifterne med pelsdyr er trods de seneste års dårlige økonomiske resultater relativt velpolstrede set i forhold til det samlede landbrug., Når der ses på branchens soliditetsgrad, som betyder egenkapitalen i forhold til de samlede aktiver/passiver, så lå den på 33 pct. i 2019, hvilket dog var 3-4 procentpoint lavere end i 2012-2015., Men set i forhold til det samlede landbrug, hvor soliditetsgraden var 24pct. i 2019, så var pelsdyrbranchen fortsat bedre stillet, når egenkapitalen ses i forhold til gælden. Der er tale om gennemsnitstal, og der er betydelig variation bedrifterne imellem., En høj soliditetsgrad betyder, at egenkapitalen er høj i forhold til gælden. , Flere – men stadig få konkurser, I 2020 var der i alt 23 konkurser blandt aktive virksomheder i pelsdyrbranchen. Det svarer til 3 pct. af de aktive virksomheder. Det er højere end fra 2009-15, hvor niveauet lå mellem 0-8 konkurser om året., Flest beskæftigede på farme i Jylland, Der er flest beskæftigede på minkfarme i Jylland sammenlignet med resten af landet. Det viser landbrugs- og gartneritællingen for 2018., Man skal dog være opmærksom på, at tallene fra landbrugs- og gartneritællingen viser faktiske antal personer beskæftigede – ikke omregnet til heltidsbeskæftigede. Derfor er der en vis forskel sammenlignet med tidligere viste tal, som er opgjort omregnet i heltidsbeskæftigede., I 2010 var der i alt 3.217 beskæftigede i på minkbedrifter, mens det samme var tilfældet for 3.942 i 2018. Såvel i 2010 og 2018 var der flest beskæftigede i Jylland (2.927 i 2010 og 3.529 i 2018), hvor der også var flest medarbejdende ægtefæller (460 i 2010 og 424 i 2018)., Anm: De beskæftigede er antal beskæftigede personer uanset beskæftigelsesomfang., Få bedrifter på Sjælland , Der ligger flest pelsdyrbedrifter i Jylland – flest i Holstebro Kommune. Omvendt er der færre bedrifter på Sjælland og på Fyn., , Antal pelsdyrbedrifter. 2019, Hent data til landkortet , her, ., Faldende eksport og import, I 2019 eksporterede Danmark minkskind for 4,9 mia. kr. Det er et fald på 63 pct. siden 2013, hvor værdien af eksporten var 12,8 mia. kr. Samtidig var importen af skind på 1,9 mia. kr. i 2019, hvilket er et fald siden 2013, hvor værdien var 2,4 mia. kr. , ”Vi både importerer og eksporterer skind for et mindre beløb i dag end i tiden lige efter finanskrisen. Fordi der er svingende priser på minkskind er det dog en god ide også at kigge på det faktiske antal skind, der er blevet eksporteret, hvis man vil se det fulde billede,” siger Søren Rich, specialkonsulent i Danmarks Statistik. , I 2019 eksporterede vi 24,5 mio. skind, mens vi importerede 9,5 mio. skind. , ”Danmark importerer pelsskind, som bliver solgt på auktioner her i landet. Det er altså ikke nødvendigvis pelsskind, der bliver brugt af danskerne, men derimod pelsskind, der bliver solgt videre til for eksempel de asiatiske markeder, hvilket også indgår i eksporttallene” siger Søren Rich., Find mere statistik om dansk landbrug her, ., Data om branchen er leveret af Henrik Bolding Pedersen og Karsten Larsen, som du kan kontakte på HPE@dst.dk og KKL@dst.dk, hvis du har spørgsmål til tallene om drift og beskæftigelse. , Data om eksport er leveret af Søren Rich, som du kan kontakte på SRI@dst.dk, hvis du har spørgsmål til udenrigshandelstallene. , ,

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2020-10-28-fakta-om-minkbranchen-i-Danmark

Bag tallene

Fakta om Danmarks erhvervsstruktur samt om digitalisering og forskning i de danske virksomheder

Her får du udvalgte nøgleinformationer om Danmarks virksomheder fordelt på brancher og størrelser, oplysninger om iværksætteri, digitalisering i virksomhederne samt forskning, innovation og udvikling. , 16. januar 2019 kl. 7:30 , Af , Henrik Molsted Wanscher, I Danmark i 2017 falder 312.168 ud af landets 312.979 aktive virksomheder i det private og det offentlige inden for betegnelsen SMV’er (små eller mellemstore virksomheder), som bruges til at beskrive virksomheder med færre end 250 ansatte. Det svarer til 99,7 pct. af virksomhederne. Betegnelsen dækker over underinddelingerne mikro, små og mellemstore virksomheder. Tilsammen står SMV’erne for omkring halvdelen af den samlede beskæftigelse, mens de store virksomheder med flere end 250 ansatte stod for resten., Ser man på antallet af virksomheder fordelt på branche, er det branchen handel og transport mv., der er den største. , Kilde: , www.statistikbanken.dk/fgf3, Ser man på, hvor mange personer der arbejder inden for specifikke brancher, er der flest fuldtidsansatte inden for offentlig administration, undervisning og sundhed. , Kilde: , www.statistikbanken.dk/fgf3, Læs om forskellige virksomhedstypers betydning for væksten her:, Analyse: , Virksomhedsgiganter eller gazeller – Hvor skabes størst vækst?, Industriproduktionen ligger over niveauet før krisen, Selvom industrien ikke fylder mest i forhold til hverken antallet af virksomheder eller antallet af ansatte, er det en vigtig branche at følge, da udviklingen inden for industrien har stor afsmittende effekt på resten af den danske økonomi. Industribranchen dækker blandt andet over store virksomheder inden for medicinalindustri og maskinfremstilling (fx vindmøller). Ser man bort fra månedlige udsving har produktionsindekset siden 2016 ligget på niveau med eller over niveauet fra før krisen i 2008., Læs mere om industriens produktion og omsætning:, NYT fra Danmarks Statistik: Industriproduktionen stiger, Forsat færre iværksættervirksomheder end før finanskrisen, Der blev skabt 19.200 nye iværksættervirksomheder i 2017. De nye iværksættervirksomheder i 2017 udgjorde 6 pct. af alle aktive firmaer i den private sektor og beskæftigede 6.500 fuldtidsansatte. Skabelsen af nye iværksættervirksomheder har været stabil i de senere år, men er langt fra toppen før finanskrisen. Dog er der store regionale forskelle. , Hovedstadskommunerne, var med 7.400 nye iværksættervirksomheder i 2017 næsten tilbage på det samme antal nye iværksættervirksomheder som i 2007 (7.700 virksomheder), mens oplands- og landkommunerne fortsat lå langt under. , Udvikling i antal nye iværksættervirksomheder over tid fordelt på kommunetyper, Anm.: , Se inddeling af kommunetyper her, Anm.: *Tallene for 2017 er foreløbige., Kilde: Danmarks Statistiks Iværksætterdatabase., Tre fjerdedel af iværksættere er mænd, Tre ud af fire af de nye iværksættere i 2017 var mænd (74 pct.). De fleste nye iværksættere var mellem 25-54 år. Samtidig var de fleste nye iværksættere i 2017 enten ufaglærte (25 pct.) eller havde en erhvervsfaglig uddannelse (33 pct.)., Nye iværksættere fordelt på køn, alder og højest fuldførte uddannelse. 2017*, Anm.: Ufaglærte er personer med en grundskole, gymnasial uddannelse eller adgangsgivende eksamen som højest fuldførte uddannelse. For 216 personer er uddannelsen uoplyst. * Foreløbige tal, Kilde: Danmarks Statistiks Iværksætterdatabase., Læs mere om iværksætteri i Danmark i denne analyse, og se blandt andet, hvordan nye iværksættervirksomheder fordeler sig på brancher: , Iværksætteri i Danmark , Analyse: , Store kommunale forskelle i iværksætteri, Danmarks relative udgifter til forskning og udvikling er blandt EU's højeste, Udgifter til forskning og udvikling (FoU) i pct. af bruttonationalproduktet (BNP) indikerer bl.a. virksomhedernes og det offentliges evner til at etablere ny viden til brug for produktion og udvikling af nye varer og tjenester. Inden for det offentlige udgjorde FoU-udgifterne 1,1 pct. af BNP i 2017, hvilket var et godt stykket over EU-gennemsnittet, der lå på 0,7 pct. af BNP. De danske virksomheders udgifter til FoU lå på 2,0 pct. af BNP, hvilket også er langt over EU-gennemsnittet på 1,4 pct., Erhvervslivets udgifter til egen FoU i pct. af BNP. 2017, Kilde: Eurostat database., * For Frankrig vedrører andelen 2016 og for Schweiz 2015., Dansk beskæftigelse indenfor FoU er relativt set Europas højeste, Danmark ligger i front blandt EU-landene, når antallet fuldtidsbeskæftigede, der arbejder med forskning og udvikling(FoU) opgøres i forhold til den samlede arbejdsstyrke. I 2017 udgjorde FoU-fultidsbeskæftigede i Danmark således 2,2 pct. af arbejdsstyrken, mod 1,3 pct. i hele EU. Danmark følges af Luxembourg og Finland (begge 1,9 pct.) samt Norge (1,8 pct.). De fem nordiske lande ligger alle i top 7. Med ganske få undtagelser – heriblandt Finland – har alle EU-landene haft en stigning i FoU-årsværk opgjort i forhold til den samlede arbejdsstyrke i perioden 2008-2017. For Danmark var stigningen på 0,2 procentpoint., Læs mere om forskning innovation og udvikling:, Nyt fra Danmarks Statistik: Danmark i front med forskning og udvikling, Publikation: , Innovation og forskning 2018, Niveauet for it-færdigheder blandt ansatte svinger, Ni ud af ti danskere arbejder med it i den ene eller anden form i 2018. 88 pct. bruger computere, bærbare, smartphones, tablets eller andre mobile enheder på jobbet, mens 31 pct. bruger computerstyrede systemer eller maskiner. Godt halvdelen af den danske arbejdsstyrke måtte lære at bruge ny software eller nyt it-udstyr i de seneste år. 23 pct. af beskæftigede føler, at de har it-færdigheder til at klare mere krævende opgaver, mens 11 pct. oplyser, at de har brug for mere it-uddannelse eller oplæring for at klare deres arbejdsopgaver. , Hvilket af følgende udsagn beskriver bedst dine it-færdigheder på arbejdspladsen? 2018, Mere om ansattes it-færdigheder , NYT fra Danmarks Statistik: It ændrer jobbet for hver fjerde i løbet af et år, En sjettedel oplever mere overvågning på arbejdspladsen, Installation af videoovervågning, optagede telefonsamtaler, GPS-trackingsystemer etc. bliver mere almindeligt på arbejdspladser, og 17 pct. af de beskæftigede mener, at deres indsats på arbejdet overvåges hyppigere, mens 5 pct. af de beskæftigede svarer, at overvågningen er formindsket., Mere om overvågning , NYT fra Danmarks Statistik: Hver sjette føler sig mere overvåget på jobbet, Kontaktperson vedrørende firmastatistikken og iværksætteri: Jesper Moltrup-Nielsen, specialkonsulent, Danmarks Statistik, 39 17 38 56, , jmn@dst.dk, Kontaktperson vedrørende innovation, forskning og udvikling: Helle Månsson, chefkonsulent, Danmarks Statistik, 39 17 31 13, , hej@dst.dk, Kontaktperson vedrørende it: Agnes Tassy, specialkonsulent, Danmarks Statistik, 39 17 31 44, , ata@dst.dk

https://www.dst.dk/da/Statistik/udgivelser/bagtal/2019-01-16-Fakta-om-DKs-erhvervsstruktur-samt-digi-og-forsk-i-de-DK-virksomheder

Bag tallene

Handel med økologiske fødevarer

Hvor mange økologiske fødevarer sælges i supermarkederne og til storkøkkener og kantiner?

https://www.dst.dk/da/Statistik/emner/miljoe-og-energi/oekologi/handel-med-oekologiske-foedevarer

Emneside

Autorisering af institutioner

Institutioner skal være autoriserede for at få adgang til data under Danmarks Statistiks mikrodataordninger. Denne side giver information om mulighederne for at opnå autorisation, uddannelsesautorisation eller bestillerautorisation samt om ansøgningsprocessen., Ansøg om autorisation, For at få adgang til pseudonymiserede data under Danmarks Statistiks mikrodataordninger skal institutioner autoriseres. Kun institutioner med varige forsknings-/analysemiljøer, der bl.a. har en personaleansvarlig chef og mindst tre erfarne forskere/analytikere, kan autoriseres. For at opnå autorisation skal I udfylde ansøgningsformularen nederst på denne side., Læs nærmere om Danmarks Statistiks krav til jeres institution og ansøgning nedenfor under ’Typer af institutioner, der kan autoriseres’ og ’Krav til ansøgning om autorisation’. , Typer af institutioner, der kan autoriseres, Nedenstående miljøer inden for Det Danske Rigsfællesskab kan komme i betragtning til autorisation, forudsat de opfylder kriterierne for at kunne ansøge:, Brugergruppen defineret under rammeaftalen mellem Danmarks Statistik og Danish e-infrastructure Cooperation (DeiC): Offentligt finansierede forsker- og analysemiljøer (dvs. institutter ved universiteter, sektorforskningsinstitutter, ministerier, styrelser mv.), samt alment velgørende fonde i Danmark., Inden for den private sektor kan følgende danske organisationer opnå autorisation:, Interesseorganisationer - her og ved virksomheder er det relevant at se på ejerskabet, på medarbejderstaben (uddannelse) samt de opgaver, som er løst for specielt offentlige kunder. Der kan blive tale om at rette henvendelse til disse kunder for at få en udtalelse., Konsulentfirmaer - disse kan dog ikke få adgang til data, der indeholder virksomhedsdata. Rigsstatistikeren kan give dispensation for adgang til virksomhedsdata til konsulentfirmaer, der udfører udredning eller forskning på virksomhedsdata for en offentlig myndighed eller en interesseorganisation, forudsat at det sker under myndighedens eller organisationens dataansvar., Andre virksomheder kan autoriseres, men kan ikke få adgang til data, som indeholder virksomhedsdata., Krav til ansøgning om autorisation, For at komme i betragtning til autorisation skal jeres institution have et højt og vedvarende fokus på datasikkerhed. Danmarks Statistik har fastlagt fire krav, som I skal kunne indfri:, Der skal i forsknings-/analysemiljøet være en personaleansvarlig chef, som er indforstået med at påtage sig ansvaret for autorisationen og føre tilsyn med, at reglerne i autorisationsaftalen bliver overholdt. Hertil hører bl.a. løbende at sikre, at alle personer der skal have adgang, kender reglerne for adgang til data og reglerne for hjemtag af resultater., Der skal mindst være tre personer i miljøet, der har konkret erfaring med håndtering af data/store datamængder og solidt kendskab til vores datasikkerhedsregler. Erfaringen kan være opnået fx ved tidligere adgang til pseudonymiserede data under Danmarks Statistiks mikrodataordninger, eller ved på anden vis at have opnået erfaring i håndtering af registerdata., For private miljøer skal forsknings-/analysemiljøet være mindst et år gammelt, før det kan komme i betragtning til autorisation., Miljøet skal fremgå af institutionens hjemmeside., Hvis I er en offentlig institution og jeres forsknings-/analysemiljø ikke indfrier kravene, har I mulighed for at bestille en privat konsulentvirksomhed, der allerede har en autorisation, til at løse jeres analyseopgave for jer. Til dette skal I bruge en bestillerautorisation. Læs mere under ’Krav til ansøgning om bestillerautorisation’ herunder., Har I spørgsmål til ansøgning om autorisation, kan de rettes til , DDVautorisation@dst.dk, . Skriv gerne ’Vedr. ansøgning om autorisation’ i emnefeltet., Særligt for Grønland og Færøerne, Ifølge Databeskyttelsesforordningen er Færøerne og Grønland tredjelande, hvilket har følgende betydning i forhold til at opnå autorisation:, Færøerne har opnået en tilstrækkelighedsafgørelse fra Kommissionen og kan dermed godkendes som sikkert 3. land. Dermed kan institutioner og virksomheder fra Færøerne opnå autorisation på lige fod med danske., Grønland har ikke opnået tilstrækkelighedsafgørelse, hvorfor grønlandske institutioner skal indgå overførselsaftaler for at kunne autoriseres. Indtil Grønland godkendes som sikkert 3. land, vil autorisering alene kunne omfatte offentlige institutioner., For både Færøerne og Grønland skal den autoriserede institution indhente godkendelse fra Datatilsynet, hvis der skal opnås adgang til følsomme oplysninger jf. Databeskyttelsesloven., Krav til ansøgning om uddannelsesautorisation, For at opnå en specialeordning skal din uddannelsesinstitution have en uddannelsesautorisation. , Dette kræver følgende: , at din uddannelsesinstitution er tilknyttet et anerkendt offentligt forskningsuniversitet i Danmark, som tilbyder kandidatuddannelser, der afsluttes med et kandidatspeciale,, at uddannelsesautorisationen bygger videre på en eksisterende autorisation under Danmarks Statistiks Mikrodataordninger samt, at der kun tilknyttes brugere under uddannelsesautorisationen (på nær de specialestuderende) med minimum et halvt års erfaring som brugere af DST’s Mikrodataordninger i DDV App’en., Personsammenfald anbefales mht. de centrale roller i miljøets eksisterende autorisation og uddannelsesautorisationen. Herved udnyttes eksisterende erfaring med Danmarks Statistiks mikrodataordninger., Forskere, underviserer og vejledere er helt centrale aktører, hvad angår håndteringen af selve specialeordningen, herunder vejledning af specialestuderende og mikodata afgrænsning under uddannelsesinstitutions specialeordning. Forskere, underviserer og vejledere bør derfor involveres tidligt i ansøgningsprocessen for uddannelsesinstitutionens uddannelsesautorisation., Institutionen kan ansøge om en uddannelsesautorisation ved udfyldelse nedenstående ansøgningsskema., Benyt følgende tekst under ’Kort beskrivelse af jeres forsknings-/analysemiljø’: , "Uddannelsesautorisation ønskes for uddannelsesinstitution samt eksisterende autorisationsnummer hos Danmarks Statistik .", Ved ønske om oprettelse af en fælles uddannelsesautorisation for flere uddannelsesinstitutioner under samme fakultet/institut, beskrives dette tillige kort i ovenstående felt i ansøgningsskemaet med angivelse af autorisationsnumre og navne på de øvrige uddannelsesinstitutioner med kandidatuddannelser., Ved spørgsmål rettes henvendelse til , DDVautorisation@dst.dk, . Skriv ’Vedr. ansøgning om uddannelsesautorisation’ i emnefeltet., Du kan læse mere om Regler for adgang til pseudonymiserede mikrodata under Danmarks Statistiks Specialeordning her:, Regler for adgang til pseudonymiserede mikrodata under Danmarks Statistiks specialeordning (pdf), Uden autorisation – hvilke muligheder er der?, Hvis jeres forsknings-/analysemiljø ikke kan komme i betragtning til en autorisation, eller hvis I ikke ønsker at blive autoriserede, har I følgende muligheder:, I kan få Danmarks Statistiks Consulting-team til at løse analyseopgaven for jer. , Se, hvordan I bestiller en opgave hos DST Consulting, I kan bestille en privat konsulentvirksomhed, der allerede har autorisation til at udføre analyseopgaven for jer. Til dette skal I have en bestillerautorisation. , Bemærk, : Denne løsning tilbydes alene til offentlige institutioner og kræver, at den udførende konsulentvirksomhed har adgang til de data, I har behov for, eller at I kan få dispensation til, at de får adgangen. Find mere information under ’Krav til ansøgning om bestillerautorisation’ nedenfor. , Ansøg om bestillerautorisation, , Krav til ansøgning om bestillerautorisation, For at komme i betragtning til bestillerautorisation, skal I indgå samarbejde med en privat konsulentvirksomhed, der allerede har en autorisation. Her varetages analyseopgaven på jeres/bestillers ansvar, men med afsæt i det faglige miljø hos den udførende konsulentvirksomhed., Bestillerautorisationer tilbydes alene til offentlige institutioner og kræver, at den udførende konsulentvirksomhed kan få adgang til data, som I har brug for. I bedes forhøre jer hos konsulentvirksomheden, om dette er tilfældet, inden I ansøger om en bestillerautorisation., Bemærk., Hvis I har brug for erhvervsdata med begrænset adgang, kan I søge om dispensation på vegne af konsulentvirksomheden. , Læs om muligheden for at søge dispensation under Adgang til erhvervsdata, I kan tidligst ansøge om dispensation, når I er blevet bestillerautoriserede., Ansøgning om bestillerautorisation - vejledning, For at ansøge om en bestillerautorisation skal I anvende den samme formular som ved ansøgning om en autorisation., Alle felter i formularen skal udfyldes som anført, med undtagelse af seks felter:, Under ’Navn på institution’ skal I tilføje ’- Bestillerautorisation” , [Eksempel: Styrelse for xxx - Bestillerautorisation], Under 'Navn på autorisationsansvarlig (personaleansvarlig chef)' angiver I navnet på den personaleansvarlige chef i jeres institution, som skal fungere som autorisationsansvarlig. Dette indebærer blandt andet, at den pågældende skal tildele roller i DDV App og er dataansvarlig uden at have tilsynspligt. Tilsynspligten ligger hos den udførende konsulentvirksomhed. , Læs mere om rollefordeling under Brugerroller, Under ’Kort beskrivelse af jeres forsknings-/analysemiljø’ skal I angive den udførende konsulentvirksomheds navn og autorisationsnummer (1-3 cifre) , [Eksempel: Konsulenthus navn, 123], Under ’Antal forskere i jeres forsknings-/analysemiljø’ skal I angive ’0’, Under ’Antallet af personer i miljøet, der har konkret erfaring med håndtering af registerdata/store datamængder´ skal I angive ’0’, Under ’Link til miljøets hjemmeside’ skal I angive jeres institutions hjemmeside., Har I spørgsmål til ansøgning om bestillerautorisation, kan de rettes til , DDVautorisation@dst.dk, . Skriv gerne ’Vedr. ansøgning om bestillerautorisation’ i emnefeltet., , Den videre proces og øvrige dokumenter, Sådan bedømmer Danmarks Statistik ansøgninger om autorisation, Bedømmelse af ansøgning af autorisation, For at vurdere om I kan blive autoriserede, foretager Danmarks Statistik en konkret bedømmelse af jeres forsknings-/analysemiljø. Her lægges vægt på jeres kompetencer inden for håndtering af data og jeres kendskab til de datasikkerhedsregler, der gælder for adgang under Danmarks Statistiks mikrodataordninger., Alle autorisationer godkendes af Danmarks Statistiks rigsstatistiker., Hvis I bliver godkendt til autorisation, skal I indgå en databehandleraftale med Danmarks Statistik., Bedømmelse af ansøgning om bestillerautorisation, For at opnå en bestillerautorisation er der ikke behov for, at jeres forsknings-/analysemiljø bedømmes af Danmarks statistik. Det skyldes, at jeres analyseopgaver varetages af en autoriseret konsulentvirksomhed., Til bedømmelsen af jeres ansøgning om bestillerautorisation lægger Danmarks Statistik vægt på, om I er en offentlig institution, samt om I har udpeget en personaleansvarlig chef som autorisationsansvarlig., Hvis I bliver godkendt til bestillerautorisation, skal I indgå en databehandleraftale med Danmarks Statistik., Øvrige aftaler, dokumenter og vejledninger, Autorisationsaftale, Databehandleraftale (pdf), Tilknytningsaftale, Brugeraftale, Læs mere om reglerne for hjemtag af analyseresultater, Danmarks Statistiks datafortroligheds- og informationssikkerhedspolitik, Har I spørgsmål til ansøgning om autorisation eller bestillerautorisation, kan de rettes til , DDVautorisation@dst.dk, .

https://www.dst.dk/da/TilSalg/data-til-forskning/autorisering-af-institutioner