Statistics Norway's Open Research Repository
Not a member yet
5242 research outputs found
Sort by
Innvandreres husholdningsstruktur. En studie av ulike definisjoner på en innvandrerhusholdning
Get PDFHusholdning er en sentral enhet i mange analyser av levekår. Begrepet er viktig fordi det avgrenser grupper med felles økonomi/gjensidig forsørgelse og felles produksjon av konsumgoder. Husholdningen brukes derfor ofte som enhet i analyser av inntektsfordeling og bo- og omsorgsforhold. I analyser med person som enhet er det forholdsvis greit å holde orden på hvem som skal regnes som en innvandrer eller en person med innvandrerbakgrunn. Det er laget en Standard for gruppering av personer etter innvandringsbakgrunn og SSBs datagrunnlag gir ett godt grunnlag for å klassifisere personer i henhold til denne standarden. Når en husholdning skal klassifiseres som en innvandrer-husholdning blir det fort mer komplisert fordi en husholdning ofte består av personer med ulik grad av innvandringsbakgrunn - alt fra personer som selv har innvandret til personer som ikke har noen innvandrerbakgrunn.
I dette notatet har vi vurdert ulike måter å definere en innvandrerhusholdning på. Målet har vært å komme fram til en definisjon som er godt egnet til å gjøre analyser av husholdningsstruktur, boforhold, inntektsfordeling m.m. blant innvandrere og norskfødte med innvandrerforeldre og se dette i forhold til tilsvarende for den øvrige befolkningen. Vi har sett på hvordan ulike definisjoner påvirker antallet og sammensetningen av innvandrerhusholdningene og hvordan statistikken over innvandreres husholdningsstruktur påvirkes av valgene vi gjør. Notatet er et resultat av et forprosjekt for videre analyse av innvandreres husholdningsstruktur.Justis- og beredskapsdepartementetpublishedVersio
Improving quality on health data, recommendations and guidelines - Based on the case of the Health Management Information System in Malawi and DHIS2
Get PDFA Health Management Information System (HMIS) is an important element for a country’s capacity to monitor health, and for evaluating and improving the delivery of health-care services and programs. Many developing countries still struggle with quality problems in their HMIS data. With this as a point of departure, this project has a twofold ambition; first to propose methods for improving data quality of HMIS data in Malawi, second to gain insight on how the DHIS2 system in general can improve HMIS data. Statistics Norway’s approach is based on well-known quality methods, involving both statistical methods and evaluating structural and institutional challenges.
HMIS data in Malawi is collected through the District Health Information System (DHIS2). The project achieved to introduce the new DHIS2 quality tool in Malawi, and thus make modern statistical techniques, methods and tools available. In addition, training and local capacity building in the use of these techniques, methods and tools was carried out. In the process it was quickly surmised that, due to lack of quality in the data collected, several other measures needed to be put in place in order to improve the quality of health data in Malawi. Firstly, there is a lack of central control over the process of collecting health data. Multiple agencies are involved, each with its own agenda and field of interest. There is also little or no coordination between the agencies involved. This institutional context has led to a process where vast amounts of data are collected, but these receive little or no quality control. There is need for an implemented strategy for quality control and central data processing. Furthermore, official publication of results has not been regular and no coherent dissemination procedures are in place. Data providers have minimal training in their field of work and there is a high degree of turnover. One last issue is that there isn’t any feedback to the local health officials reporting the data. This reduces their incentives to improve their reporting.
To sum up, Malawi today (2015) has access to the technology and the statistical methods that are associated with the production of data and statistics of sufficient
quality (DHIS2 and the quality tool). What is found lacking are institutional factors surrounding and supporting the process. A lot has been said about developing
countries’ ability to leap-frog stages in technological development and the opportunities such advances provide. But modern technology and methods often depend on a proper institutional context in order for society to reap the benefits of the new technology.
For Malawi to reach their goal of good quality health statistics, the institutional context should be subjected to a deeper analysis. First and foremost, central control over production of statistics by the Ministry of Health should be strengthened. Greater coordination of agencies and reduction in the amount of data collected should be one of the main tasks set for the Ministry of Health. The input side in the data/statistics production chain should receive greater focus. Technology can alleviate some problems with paper-based collection, but several problems remain; lack of training, burdensome amount of data collected and lack of feedback. These problems should be resolved in order to increase data quality. Furthermore, an indepth quality self-assessment should be carried out and an action plan developed to address issues uncovered.
The Ministry of Health, through The Central Monitoring and Evaluation Division (CMED) are motivated to improve DHIS2 data quality. CMED has a central role in this project and have been an active contributing partner, characterised by an approach of openness both by sharing data and working routinespublishedVersio
Læreres kompetanse i videregående skole : En registerbasert forstudie
Get PDFDe fleste lærere i videregående skole er høyt utdannet, 6 prosent har ikke fullført studier på universitets- og høgskolenivå.
De fleste lærere i videregående skole er høyt utdannet og har pedagogisk kompetanse. Bare 6 prosent har ikke fullført studier på universitets- og høgskolenivå, mens 20 prosent har ikke pedagogisk kompetanse. Størst andel med pedagogikk finner vi i de offentlige skolene og blant de eldste lærerne.
Gruppen av lærere uten høyere utdanning befinner seg i alle aldersgrupper, men den er dominert av menn og har en større andel timelønnede og deltidsansatte enn andre utdanningsgrupper. Nesten halvparten av lærere uten høyere utdanning har fag-/svennebrev, mot 16 prosent av lærere i videregående totalt. Av lærere med fag-/svennebrev som høyeste fullførte utdanning er en stor andel i gang med pedagogisk utdanning.
Større andel unge mangler formell pedagogisk kompetanse
8 av 10 lærere har formell pedagogisk kompetanse. Blant de yngste lærerne er det en noe større andel som ikke har en fullført pedagogisk utdanning. Samtidig er det vanligere blant de yngre lærerne å ha lang høyere utdanning, det vil si utdanning på masternivå eller tilsvarende. I privateide skoler utgjør lærere med pedagogikk 72 prosent. Tilsvarende tall for offentlig eide skoler er 82 prosent.
Mange av lærerne som mangler formell pedagogisk kompetanse, var i gang med en pedagogisk utdanning høsten 2016. Dette gjaldt nær 25 prosent av lærerne uten fullført høyere utdanning og 18 prosent av dem som har fullført høyere utdanning uten pedagogikk.
Over halvparten av lærerne har PPU
Praktisk-pedagogisk utdanning er den klart vanligste typen lærerutdanning. 14 000 av 27 000 lærere har PPU, og 36 prosent av disse har PPU for yrkesfaglærere. Sett i forhold til antall lærere med lærerutdanning, er det over 60 prosent som har PPU.
I løpet av de siste årene har det blitt innført nye krav til læreres utdanning og kompetanse. Informasjon om utdanningen til dem som i dag arbeider som lærere, er svært relevant i en slik sammenheng, og denne rapporten kombinerer data fra norsk utdanningsdatabase med sysselsettingsdata for å beskrive utdanningen til lærere i videregående skoler, skoleåret 2016/2017.
Arbeidet med denne rapporten er utført av Statistisk Sentralbyrå på oppdrag og med finansiering fra Kunnskapsdepartementet
Valgatferd og representasjon blant innvandrere, norskfødte med innvandrerforeldre og utenlandske statsborgere
Get PDFDe tre siste lokalvalgene stemte rundt 40 prosent av norske statsborgere med innvandrerbakgrunn, mens valgdeltakelsen for dem uten innvandrerbakgrunn lå rundt 65 prosent. Samtidig blir stadig flere med innvandrerbakgrunn valgt inn i kommunestyrene.
I 2015 hadde tilsammen 14 prosent av velgerne innvandrerbakgrunn. 312 000 utenlandske statsborgere hadde stemmerett, 200 000 var innvandrere som hadde blitt norske statsborgere og 34 000 var norske statsborgere som er barn av innvandrere. Oslo er kommunen med flest stemmeberettigede med innvandrerbakgrunn, her er andelen nær 30 prosent. De fleste utenlandske statsborgere har bakgrunn fra Norden, Vest-Europa og østeuropeiske EØS-land som Sverige, Danmark, Tyskland, Polen og Litauen. Blant innvandrere med norsk statsborgerskap kommer de fleste fra afrikanske og asiatiske land som Pakistan, Somalia, Irak og Vietnam. Barn født av innvandrere har i hovedsak bakgrunn fra land i Asia eller Afrika som Pakistan, Vietnam, Tyrkia, Sri Lanka og Marokko.
Fortsatt lavere valgdeltakelse enn personer uten innvandrerbakgrunn
Den samlede valgdeltakelsen ved det siste lokalvalget var 60 prosent, men variasjonen mellom gruppene er stor:
personer uten innvandrerbakgrunn: 64 prosent
innvandrere som har blitt norske statsborgere: 40 prosent
norskfødte med to innvandrerforeldre: 38 prosent
utenlandske statsborgere 29 prosent.
Valgdeltakelsen blant personer med innvandrerbakgrunn har vært lavere enn blant personer uten innvandrerbakgrunn ved alle valg siden 1983. Den gjennomsnittlige valgdeltakelsen blant personer uten innvandrerbakgrunn har ligget rundt 65 prosent de tre siste lokalvalgene. For norske statsborgere med innvandrerbakgrunn har deltakelsen ligger rundt 40 prosent, og for utenlandske statsborgere rundt 30 prosent.
Svak økning av representanter med innvandrerbakgrunn i norske kommunestyrer
Etter valget 2015 sitter det til sammen rundt 310 personer med innvandrerbakgrunn i norske kommunestyrer. Det utgjør til sammen omtrent 3 prosent av de folkevalgte i kommunestyrene. Til sammenlikning var det om lag 280 representanter med innvandrerbakgrunn i kommunestyrene etter lokalvalget i 2011, og om lag 235 representanter etter valget i 2007. Andelen har altså ligget på 2-3 prosent de tre siste lokalvalgene. De fleste representantene med innvandrerbakgrunn representerer partiene på venstresiden, 45 prosent av representantene med innvandrerbakgrunn representerer Arbeiderpartiet.
I denne rapporten ser vi på i hvilken grad personer med innvandrerbakgrunn skiller seg fra stemmeberettigede uten innvandrerbakgrunn ved valget i 2015. Det er lagt vekt på å trekke linjer tilbake i tid samt i større grad enn tidligere analysere enkeltland og enkeltgrupper. Arbeidet er finansiert av Integreringsavdelingen i Justis og beredskapsdepartementet
Mediebruksundersøkelsen 2014 : Dokumentasjonsrapport
Get PDFStatistisk sentralbyrå har gjennomført utvalgsundersøkelser om bruk av
massemedier siden 1967. Fra og med 1991 har SSB gjennomført kvartalsvise
mediebruksundersøkelser, som har blitt sammenfattet i en årlig rapport. Formålet
med undersøkelsen er å gi en samlet framstilling av nordmenns bruk av ulike typer
massemedier og tilgangen på slike medier. Årlig publiseres resultatene i Norsk
mediebarometer.
Til undersøkelsen i 2014 ble det trukket et utvalg på 2 996 personer i alderen 9–79
år. Undersøkelsen ble gjennomført som en telefonundersøkelse, og dataene ble
samlet inn i fire runder, en for hvert kvartal. Svarprosenten for undersøkelsen ble
64 prosent (andelen av utvalget som ble intervjuet).
Frafall kan føre til utvalgsskjevhet, noe som innebærer at nettoutvalget (de som er
intervjuet i undersøkelsen) ikke nødvendigvis er helt representativt for målgruppen.
Den mest vanlige årsaken til frafall er at vi ikke kommer i kontakt med personene
som er trukket ut, dernest at folk ikke ønsker å delta. For å korrigere for noen av
skjevhetene i forbindelse med frafall vektes dataene i analyser.
Dataene som hentes inn kompletteres med opplysninger fra register. Før intervjuet
kobles det til opplysninger om hvem som bor i husholdningen, bosted og
arbeidssted. Opplysningene kontrolleres under intervjuet. I ettertid kobles det på
informasjon om utdannin
The health management Information system in Malawi. Assessment of data quality and methods for improvement
Get PDFInformation on available resource- and service production for the health sector is crucial for any government in order to manage it well. Collecting information of high quality on the health sector has however proven to be a challenging task.
This report is an assessment of data from the Health Management Information Systems (HMIS) in Malawi and suggests a way to improve data quality. The assessment is based on a “desk study” of the Malawian HMIS data. A statistical approach to improve data quality is presented, and it is used to identify possible data errors reported by the health facilities. Among other, the goal is to show a method for prioritizing the use of limited editing resources where they can improve quality the most.
This quality assessment of the Malawian HMIS data has 4 objectives:
1. Identify areas for initial improvement of data quality
2. Present general guidelines for data editing
3. Present use of statistical methods to improve data quality
4. Recommend future activity
This quality assessment is from 2014/2015 (desk study) and focuses on reported Malawian HMIS data for 2013, but for some analysis 2012 data is also included.
Missing information is a severe threat to the Malawian HMIS data. A first step should be to reduce the amount of missing information. Further, it is also recommended to prioritize identifying health facilities that have errors influencing the end result at aggregated level.
Improving quality by analysing already collected data to point out weaknesses in the data is an efficient approach. By doing this, a highly recommended process of working in a “circular” manner to improve quality will be established.
The Health Information Systems Programme (HISP) is a global network emerging from the Department of Informatics at the University of Oslo. HISP has developed the District Health Information system (DHIS), a free open source software specialized for HMIS. Today HMIS data in Malawi is collected using DHIS2. The methods for editing suggested in this report can be implemented in DHIS2.
The aim of the suggested approach for improving data quality is to: Avoid missing data from health facilities, correct major errors and improve the source.publishedVersio
Kyrkjeleg fellesråd - rapportering 2017. Oppslag til hjelp ved filuttrekk og elektronisk skjemarapportering for rekneskapen
Get PDFNotatet « Kyrkjeleg fellesråd-rapportering 2017» er meint å vere ei samling av informasjon til hjelp i filoppbygging og konvertering av årsrekneskapen til rekneskapsrapport. Erfaringane visar at det er eit behov for eit oppslagsverk som kan brukast både til konverteringa av årsrekneskapen, men også for å visa kva filstruktur rekneskapsrapporten skal ha. Konvertering av årsrekneskapen til gyldige kodar, samt at fila har rett filstruktur er ein viktig føresetnad for å få rekneskapsrapporten godkjend i Statistisk sentralbyrå (SSB).
Notatet gjev ein oversikt over dei funksjonane, artane og kapitla som er gyldige for rekneskapsåret 2017. Det er også presiseringar av kva kombinasjonar av kontoklasse, funksjon og art i drifts- og/eller investeringsrekneskapen som ikkje vert godkjend. Kapittelet "Kontrollar av rekneskapsrapporten" visar ei detaljert oversikt over krava som blir stilt til rekneskapsrapporten i innrapporteringsportalen hos SSB. Dette er for å sikra god kvalitet på statistikken.
Kontaktpersonar:
Corretta Aluoch Arodi, tlf. 409 02 556, e-post; [email protected]
Else Bredeli tlf. 409 02 653, e-post [email protected]
Mapping attractive urban areas. Documentation of a Eurostat-supported project under the “Merging statistics and geographic information grant programme”
Get PDFThe “Quality of life in cities - Perception survey” of The European Commission takes a qualitative approach to issues of urban attractivity, with interviewees asked to identify important issues for their city.
Instead of asking what parameters that are important for the population, the “Mapping urban attractivity” project takes a quantitative and geographical approach to these questions, testing a methodology which at a European level might be used as a supplement to the survey. The aim is to aid the survey in “which questions to ask?”, “where should we ask them?” and interpretation of results.
The probed methodology uses house prices as a proxy for attractivity, as they are a reflection on a kind of attractivity. Both “Total sales prices” and “Price per m2 ” are explored, with all point georeferenced dwelling sales throughout a year as the data which we wish to explain. We have focused on Norway’s largest cities, using Ordinary Least Square Regression analysis tools to correlate price and place with factors such as m2 floor space, mean income or education level of the adult population in a buffer zone around each dwelling, or other types of variables. The variable types tested for are: 1. Intrinsic characteristics of a dwelling, 2. Population characteristics 3. Employment, 4. Distance to geographic entities, 5. Distance to buildings, 6. Environmental.
A focus of the project is variation within cities, making comparisons between cities on to which degree our variables explain variation. This brings city intrinsic differences into an equation to a large degree lacking in the “Perception survey”. Our approach touches therefore into whether city planners have been successful in distributing important city services and amenities in an even fashion.
Dwelling-intrinsic characteristics such as m2 floor space clearly count for a vast amount of price variation. There is however variation in how true this is throughout different cities, leaving more explanatory power to non-dwelling-intrinsic characteristics. Of these variables, our findings are that “Education level” and “Household income” are the best indicators of variation in neighbourhood attractivity. Also “urban pull” variables can count heavily, with variables on distances to town centre, restaurants and higher education facilities.
The strengths of these correlations vary between the cities, playing in to a general picture that capital and largest city Oslo is the most socioeconomically divided of Norway’s largest cities. However, results show that size isn’t all, history and socioeconomic issues clearly matter. The potential in calculating these same correlations for a different year, or for creating a time series, is apparent. Results would pick up on nuances of correlation values in and between Norway’s cities.
The OLS-analysis produces results on which combination of variables that best correlate to our house price attractivity variable, producing coefficients on the strength of each variable. In the project, we reuse this output to produce predicted attractivity datasets, generating 500m X 500m attractivity grids for each city, scaling from “least attractive” to “most attractive”. The variation in these predictions are by definition an expression of variation in attractivity. Potential lies in locking these coefficients and creating a time series, mapping expected changes in attractivity, correlating this again to observed house price changes.
A lot of common sense and logic can be read from the resulting correlations. The conclusion of the project group is that findings and methodology definitely have a potential as supplement to the Europe’s “Perception survey”, making more out of time and resources invested in this important undertaking.EurostatpublishedVersio
Ny sentralitetsindeks for kommunene
Get PDFStatistisk sentralbyrå lanserer en ny indeks for sentralitet. Sentralitetsindeksen er en kode med en verdi for hver kommune, som gir et mål for kommunens sentralitet.
Beregningen av den nye sentralitetsindeksen er basert på reisetid til arbeidsplasser og servicefunksjoner fra alle bebodde grunnkretser. Landets 426 kommuner (1.1.2017) er delt inn i om lag 13.500 grunnkretser.
Indeksen er satt sammen av to del-indekser basert på:
• Antall arbeidsplasser de som bor i den enkelte grunnkrets kan nå med bil i løpet av 90 minutter.
• Hvor mange ulike typer servicefunksjoner (varer og tjenester) de som bor i den enkelte grunnkrets kan nå med bil i løpet av 90 minutter.
Antallet vektes, slik at en arbeidsplass eller servicefunksjon som ligger nært bostedet teller mer enn en som ligger lenger bort.
Den nye indeksen har verdier fra 0 (kun teoretisk mulig) til 1000 langs en kontinuerlig skala. Disse verdiene er gruppert til seks grupper, der andel innbyggere i hver gruppe er et viktig kriterium for klassifiseringen.
Det er enkelt å oppdatere den nye sentralitetsindeksen. Hvor ofte indeksen skal oppdateres er altså ikke et spørsmål om ressurser. Endringer i kommunestrukturen er heller ikke noe problem isolert sett.
Det som likevel kan være en utfordring er å publisere statistikk etter sentralitet tilrettelagt for tidsserier (bakover i tid) i Statistikkbanken ved oppdeling av kommuner. Dette er imidlertid et generelt problem ved endringer i kommunestrukturen, ikke knyttet spesielt til sentralitet.
Den nye indeksen er langt bedre enn den gamle av mange grunner. Med den nye metoden beregnes sentralitet med utgangspunkt i alle bebodde grunnkretser, ikke tettsteder og kommuner. Dette gir et langt høyere presisjonsnivå i beregningene.
Med den gamle metoden var det kun antall innbyggere i det dominerende tettstedet som satte regionens sentralitet, uavhengig av hva som måtte finnes utenfor tettstedet. Den nye metoden måler i alle retninger, uavhengig av tettsteds- og kommunegrenser. Arbeidsplasser og servicefunksjoner rundt en by har også betydning for byens sentralitet.
At indeksen ikke er basert på terskelverdier og gir verdier for sentralitet langs en kontinuerlige skala, som gjør det mulig å sammenligne sentraliteten til enkeltkommuner, er også en stor forbedring i forhold til den gamle indeksen.publishedVersio
Framskrivning av sysselsettingen etter næring og utdanning. Dokumentasjon
Get PDFI dette notatet dokumenteres en modell for det norske arbeidsmarkedet som skal brukes til å framskrive sysselsetting etter forskjellige typer utdanning. I den virkelige økonomien er det flere mekanismer som kan påvirke sysselsettingens utdanningssammensetting framover. Formålet med modellen som dokumenteres her er å fremheve og analysere to av disse mekanismene: (1) næringsstruktur og (2) spesialisering innenfor hver næring.
Sysselsettingsframskrivningen bygger på tre trinn. Samlet sysselting etter næring er først framskrevet med modellen KVARTS. I andre trinn fordeles framskrevet sysselsettingen etter næring til tre utdanningsnivåer per næring. I tredje trinn framskrives sysselsetting etter næring og utdanningsnivå til 28 utdanningsgrupper.Kunnskapsdepartementet, Arbeids- og sosialdepartementet, og Nærings- og fiskeridepartementetpublishedVersio