Statistics Norway's Open Research Repository
Not a member yet
5242 research outputs found
Sort by
Data processing in Sas, Spss, Stata, R and Python. A comparison
Get PDFWhen we are working with Statistical data we use software programs for data processing, analysis
and tabulation. Which software to choose is depending on different factors like financial matters,
management decisions, staff requests and so on. Five of the most commonly used software
packages are the commercial Sas, Spss and Stata and the non-commercial R and Python.
This document gives a brief comparison between these software packages on how to do basic data
processing for statistical surveys. It is meant to help employees who know one of the packages to
learn some basics of the other ones. This is needed if the company changes from one software to
another. It will also be useful for staff who co-operates with other companies who use other
software than he or she usually works with. We can also use it as an introduction to one or more of
the different softwares.
The versions used of the different software for this document are:
• Sas 9.4 M6
• Spss 27.0.1.0
• Stata 16.0
• R 4.0.0
• Python 3.10.5
As software always develop some of the program examples may be outdated when new versions
arrive
Voksne i grunnskoleopplæring: Evaluering av prøverapporteringen høsten 2022
Get PDFI 2018 kartla Statistisk sentralbyrå (SSB) omfanget av grunnskoleopplæring for voksne og
eksisterende individregistreringer av deltakere med sikte på en eventuell rapportering på
individnivå. Et nytt prosjekt med en ekspertgruppe ble gjennomført våren 2022. Det ble da avgjort
hva som skulle rapporteres og hvordan rapporteringen skulle foregå. SSB anbefalte å gjennomføre
en prøverapportering allerede høsten 2022.
Hovedformålet med å gjennomføre en prøverapportering var å høste erfaringer med tanke på
fremtidige ordinære rapporteringer. En årlig rapportering på individnivå på dette området vil danne
grunnlaget for offisiell statistikk over voksne i grunnskoleopplæring og kan brukes både til offentlig
planlegging og i forskningsøyemed.
Voksenopplæringssentre og kommuner fikk tilsendt varselbrev om rapportering i slutten av august
2022, og rapporteringen foregikk fra begynnelsen av oktober til midten av desember. Denne
rapporteringen var helt ny for de som skulle rapportere, og det var derfor forventet at både
svartjenesten og ansvarlig fagseksjon i SSB skulle få en del henvendelser. Det var også mange
generelle tilbakemeldinger fra oppgavegiverne på selve rapporteringen, og mye av dette er
oppsummert i kapittel 4.
Mange av de som SSB var i kontakt med i løpet av innsamlingen ga uttrykk for at de ikke hadde
mulighet til å ta ut de etterspurte dataene fra fagadministrativt system, og at det dermed måtte
gjøres mye manuelt arbeid. Dette er tidkrevende og gir også større risiko for feil i data. De fleste
datafilene SSB mottok kunne leses inn i statistikksystemet uten mye oppretting, men ikke alle. Det
viste seg også snart at det var en god del feil i de enkelte variablene som fødselsnummer, fagkode,
startdato, sluttdato osv. Feil i grunnlagsfiler har medført mye arbeid etter mottak for å korrigere
datafilene. Mye av feilene har vært mulig å rette opp, slik at sluttkvaliteten på dataene gir mulighet
for videre analyse på noe av grunnlaget. Nærmere om datakvalitet er beskrevet i kapittel 3.
På grunnlag av de erfaringene vi har gjort i rapportering, mottak og bearbeiding av datafiler har vi
gjort en oppsummering og anbefaling for veien videre i kapittel 5. Tilbakemelding fra
oppgavegiverne har også vært en viktig del av dette arbeidet
The Road to a Low Emission Society: Costs of Interacting Climate Regulations
Get PDFTransportation is one of the main contributors to greenhouse gas emissions. Climate regulations on transportation are often a mix of sector-specific regulations and economy-wide measures (such as emission pricing). In this paper we consider how different and partly overlapping climate regulations interact and what are the effects on economic welfare, abatement costs and emissions? Our focus is on Norway, a nation where high taxation of conventional fossil-fuelled cars has paved the floor for another pillar of climate policies: promotion of electric vehicles (EVs) in private transport. Our contribution to the literature is two-fold. First, we analyse the costs and impacts of the partly overlapping climate regulations in transportation—the cap on domestic non-ETS emissions and the goal of all new cars for private households being EVs—focussing on the outcome in 2030. Second, we respond to a gap in the literature through a methodological development in economy-wide computable general equilibrium (CGE) approaches for climate policy by introducing EV technologies as an explicit transport equipment choice for private households. We find that, for the case of Norway, combining a specific EV target with policy to cap emissions through a uniform carbon price more than doubles the welfare costs.publishedVersio
Samfunnsforhold på Svalbard. Befolkning, økonomi og levekår
Get PDFRapporten er delt inn i tre kapitler.
Kapittel 1 handler om befolkning. Hovedkilden er SSBs statistikk Befolkningen på Svalbard.
Den samlede befolkningen på Svalbard øker. Hele økningen siden 2016 skyldes at det er blitt flere
folk i Longyearbyen i arbeidsfør alder. Andelen av befolkningen med norsk statsborgerskap i
Longyearbyen og Ny-Ålesund har falt fra 85 prosent i 2009 til 63 prosent i 2023. Gjennomsnittsbotid
for norske statsborgere var 7,4 år i 2022, mens median botid var 3,6 år. Særlig sistnevnte har falt en
del de siste årene. Kvinneandelen i Longyearbyen og Ny-Ålesund har økt i mange år, og var i andre
halvår 2023 på 47 prosent, det høyeste noen gang.
Kapittel 2 handler om økonomiske forhold. Hovedkildene er statistikkene Næringer på Svalbard og
Offentlig sektor på Svalbard. Skattestatistikk, lønnsstatistikk, strukturstatistikk og fylkesfordelt
nasjonalregnskap er andre viktige SSB-kilder.
Skattereglene på Svalbard skiller seg mye fra fastlandet, og er beskrevet i kapittel 2.
Offentlig sektor – inkludert statseide selskap som Store Norske – er fortsatt en viktig arbeidsgiver på
Svalbard. Omtrent 50 prosent av de sysselsatte jobber i privat sektor, mot 65 prosent på fastlandet.
Bergverksdriften ved Store Norske har en mindre dominerende rolle i næringslivet i Longyearbyen
enn tidligere, noe som forklarer at andelen ansatte i privat sektor er høyere enn før. Siden 2016 har
den likevel falt noe tilbake igjen, i takt med at forvaltningen er blitt en viktigere arbeidsgiver.
Andelen sysselsatte i bergverksdriften falt fra 19,5 prosent i 2008 til 3,2 prosent i 2022, som tilsvarer
at 330 sysselsatte ikke lenger jobbet i næringen. Det samlede antall sysselsatte i Longyearbyen og
Ny-Ålesund har likevel økt i perioden. Overnatting og servering var i 2022 næringen som sysselsatte
flest. Sysselsettingen har økt mer enn timeverkene. Det skyldes at andelen som jobber deltid har
gått opp.
Omsetningen på Svalbard steg mye i 2022, og var på sitt høyeste nivå siden 2009. Det er særlig i
transport og lagring at omsetningen har økt de siste årene, opp 380 prosent siden 2015. Andelen av
omsetningen på Svalbard fra salg til lokale personer eller virksomheter har lenge tiltatt, men falt
tilbake i 2022.
Kapittel 3 handler om levekår. De viktigste kildene i dette kapittelet er ikke særskilt Svalbardstatistikk, men statistikker som lages for alle fylker/kommuner, og der Svalbard/Longyearbyen er
inkludert.
De som bor i Longyearbyen har relativt god helse og økonomi. Sykefraværet er mye lavere enn på
fastlandet. Det er blitt større likhet mellom kvinners og menns økonomiske situasjon. Antall boliger
per innbygger endret seg lite fra 2015 til 2022. Det er relativt lite kriminalitet i Longyearbyen.
Elevene på skolen ser ut til å gjøre det like bra som andre steder. I det store og hele virker
levekårene i Longyearbyen å være noe over snittet for et norsk lokalsamfunn, selv om det naturligvis
er stor variasjon mellom grupper. Konklusjonen gis med forbehold om at datamaterialet er
begrenset
Ser vi atter slike fjell og dalar? Avveiningen mellom lokaløkonomi og naturkostnader ved hytteutbygging
Get PDFpublishedVersio
Lønnsgapet i Norge. Lønnsforskjellen mellom menn og kvinner – hvor stor er den?
Get PDFHistorien fra 1997 viser at kvinner nærmer seg menns lønnsnivå, ved at lønnsgapet krymper. En av
årsakene til at kvinner tar innpå i menn har sammenheng med at lønnsulikheten blant kvinner øker,
altså det blir større forskjeller i lønn blant kvinner. Utviklingen i lønnsulikhet blant menn har stoppet
opp og gått litt tilbake de siste årene. Likevel reduseres lønnsgapet sakte. For hele populasjonen,
uten lærlinger, i 2021 har vi et lønnsgap på 12,8 prosent med bruk av gjennomsnittlig
månedslønnen fra lønnsstatistikken.
Lønnsgapet kan dekomponeres for å skille ut hva som kan forklares av at menn og kvinner jobber
forskjellige steder i arbeidsmarkedet. Det er dette som ofte kalles det kjønnssegregerte arbeidsmarkedet. Ved bruk av regresjonsmodeller i en Oaxaca-Blinder-dekomponering får vi et beregnet
lønnsgap på 10,7 prosent, som påvirkes av kjennemerkene vi benytter, og vi sto igjen med et
uforklart justert lønnsgap på 5,4 prosentpoeng. Når vi holder de høyest lønte, både menn og
kvinner, utenfor ble lønnsgapet ytterligere redusert. Den uforklarte differansen var da 3,4 prosentpoeng, og det samlede lønnsgapet var 4,4 prosent. Bidraget fra kjennemerkene i modellen
samsvarer godt med hovedtrekkene vi beskriver med deskriptiv statistikk. Modellens styrke er at vi
lettere kan belyse kompleksiteten som oppstår når vi bruker mange kjennemerker samtidig.
I denne rapporten bruker vi kjennemerker fra lønnsstatistikken til Statistisk sentralbyrå (SSB) for å
belyse forskjeller mellom menn og kvinner i arbeidsmarkedet med vekt på lønn. Vi følger opp med å
se på en analyse utført av det europeiske statistikkbyrået, Eurostat, som benytter en OaxacaBlinder-dekomponering for å finne et justert lønnsgap. Det justerte lønnsgapet mener Eurostat kan
nyttes som et bedre alternativ til det ujusterte lønnsgapet. Det ujusterte lønnsgapet benyttes ofte i
sammenlikningen mellom land, men også i det offentlige ordskiftet om temaet og kalles «Gender
Pay Gap» internasjonalt.
Vi går videre med modellen til Eurostat og forsøker å utnytte mer av rikdommen i data som ligger til
grunn for SSBs arbeidsmarkeds- og lønnsstatistikk. Ved blant annet å benytte flere kjennemerker og
mer detaljering enn det Eurostat har mulighet til. I tillegg undersøker vi om lønnsgapet også kan
belyses bedre ved å inkludere og alternativt ekskludere jobbene med høyest lønn. Hensikten er å
synliggjøre konsekvensene av at det er mange flere menn i de høyest lønte jobbene.
Gjennomgående finner vi at næring, sektor, utdanning, stillingsprosent og yrke er kjennemerker
som bidrar sterkt til å forklare gapet, men resultatene trekker i forskjellig retning. Kvinner har i løpet
av de siste tiårene fått et høyere utdanningsnivå samlet sett og i arbeidsmarkedet er tendens klar.
Kvinner er oftere høyt utdannede og de høyt utdannede deltar mer i arbeidslivet enn kvinner med
lavere utdanning. Det bidrar til at gjennomsnittsalderen til de høyt utdannede kvinnene er lavere
enn for menn. Uavhengig av om vi har med de 10 prosent høyest avlønte eller ikke, bidrar
utdanningsnivå til å øke lønnsgapet. Det forklarte bidraget til yrke påvirker også negativt.
Størst bidrag til å forklare og redusere det samlede lønnsgapet kommer fra den ulike fordelingen og
deltagelsen menn og kvinner har i arbeidsmarkedet. Men det er sannsynlig at vi bør kunne komme
lenger i utnyttelsen av kjennemerkene ved å detaljere ytterligere og ta hensyn til samvariasjon
mellom de ulike kjennemerkene, noe vi i liten grad har gjort her. Likevel er det flere godt dokumenterte sammenhenger knyttet til deltagelse i arbeidsmarkedet som kan slå ut på lønn, eksempelvis
omsorg av barn eller andre familiemedlemmer, som vi ikke har undersøkt i denne rapporten.
Samlet sett oppfatter vi at modeller slik som Oaxaca-Blinder-dekomponering kan være, som
Eurostat argumenterer for, nyttige redskap.NITO - Norges ingeniør- og teknologorganisasjon har delfinansiert rapporten
Hjemmetjenestens målgrupper og organisering
Get PDFHovedformålet med denne rapporten er å gi et bilde av hvordan hjemmetjenesten i Norge er
organisert. Rapporten viser hvordan virksomhetene, altså enhetene som leverer hjemmetjenester,
er organisert i ulike virksomhetstyper, samtidig som den gjennom målgrupper gir et inntrykk av
hvem hjemmetjenestene er ment for. Rapporten tar utgangspunkt i SSBs hjemmetjenestekartlegging fra 2021, der kommunene rapporterte inn opplysninger for
hjemmetjenestevirksomhetene i sin kommune.
Resultatene viser at omtrent halvparten av alle hjemmetjenestevirksomhetene var boligbaser, noe
som gjør dette til den mest utbredte virksomhetstypen. En boligbasevirksomhet er en personellbase
som er tilknyttet samlokaliserte omsorgsboliger eller bofellesskap. Resultatene viser også at
personer med utviklingshemning og/eller andre typer utviklingsforstyrrelser var den målgruppen
flest virksomheter – og da i hovedsak boligbaser - rettet seg mot. De ambulerende hjemmetjenestevirksomhetene, som var den nest vanligste virksomhetstypen, var i svært liten grad rettet mot
spesifikke målgrupper. Dette gjaldt også de få virksomhetene som ga tjenester innen brukerstyrt
personlig assistanse eller omsorgsstønad.
Et annet resultat er at de største kommunene hadde et mer spisset hjemmetjenestetilbud mot både
virksomhetstyper og målgrupper enn små kommuner. Hjemmetjenestevirksomhetene i
kommunene med færre enn 5 000 innbyggere, som utgjør omtrent halvparten av landets
kommuner, var generelt en blanding av flere virksomhetstyper og rettet mot flere målgrupper.
Rapporten kan blant annet brukes til å belyse det pågående arbeidet med å dele opp KOSTRAfunksjon 254 Helse- og omsorgstjenester til hjemmeboende. Denne funksjonen, der kommunene
rapporterer sine hjemmetjenesteutgifter, er i dag så omfattende og mangefasettert at den verken
gir et godt sammenligningsgrunnlag eller tilstrekkelig god styringsinformasjon til kommunene og
andre beslutningstakere. Dataene fra kartleggingen gir ellers muligheter for sammenstilling mot
data fra andre kilder, som for eksempel SSBs sysselsettingsregister og Helsedirektoratets
Kommunalt pasient- og brukerregister (KPR). Slike sammenstillinger vil gi enda mer og bedre
informasjon om hvilke personellressurser som er knyttet til hjemmetjenestevirksomhetene og hvem
som bruker hjemmetjenester i Norge.Rapporten er delfinansiert av Helse- og omsorgsdepartementet, mens selve kartleggingen ble
delfinansiert av daværende Kommunal- og moderniseringsdepartementet
Empirical modeling of internal migration and commuting flows for economic regions in Norway
Get PDFThis article provides empirical results for internal migration and commuting flows using panel data for 89 economic regions in Norway for the years 2001–2014. The emphasis is on the potential effects of different incentive variables. We consider both in- and out-migration as well as in- and out-commuting with a common set of explanatory variables. We perform panel data analysis for four educational groups using seemingly unrelated regression (SUR) models, acknowledging that the effects of the incentive variables may vary across educational groups. Generally, we find weak responses to the incentive variables for the eight response variables, but they differ somewhat across the educational groups. The group comprised of those with a low education appears to be most responsive. An increase in an economic region’s relative wage rate leads to higher in-migration and lower out-migration for individuals with low education. Furthermore, an increase in an economic region’s relative unemployment rate leads to lower in-migration whereas out-migration is left unaffected for individuals with this type of education. Besides, an increase in the relative unemployment rate leads to a significant reduction in in-commuting for this group.publishedVersio
A probabilistic forecast of the immigrant population of Norway
Get PDFWe present a probabilistic forecast for the immigrant population of Norway and their
Norwegian-born children (“second generation”) broken down by age, sex, and three types of
country background: 1. West European countries plus the United States, Canada, Australia, and
New Zealand; 2. East European countries that are members of the European Union; 3. other
countries.
First, we compute a probabilistic forecast of the population of Norway by age and sex, but
irrespective of migration background. The future development of the population is simulated
3 000 times by stochastically varying parameters for mortality, fertility and international
migration to 2060. We add migrant group detail using stochastically varying random shares to
split up each result from the previous step into six sub-groups with immigration background,
and one for the non-immigrants. The probabilistic forecast is calibrated against the Medium
Variant of Statistics Norway’s official population projection
Kulturbruksundersøkelsen 2021: Dokumentasjonsnotat
Get PDFFra og med 1991 har SSB jevnlig gjennomført kvartalsvise undersøkelser om kulturtilbud. Formålet er å kartlegge i hvilket omfang folk bruker ulike typer kulturtilbud. Tidligere har disse undersøkelsene vært gjennomført omtrent hvert fjerde år, og da sammen med Mediebruksundersøkelsen. I 2021 ble Kulturbruksundersøkelsen gjennomført som en separat undersøkelse med et mixed-mode design. Respondentene kunne delta enten ved å fylle ut et selvadministrert webskjema eller ved å svare på et telefonintervju. Til undersøkelsen ble det trukket et landsrepresentativt hovedutvalg på 6 000 personer fra 9 år og oppover. I tillegg ble det trukket et tilleggsutvalg på 3 000 personer, i samme aldersgruppe, blant innvandrere og personer med foreldre som har innvandret. Undersøkelsen ble gjennomført i første og tredje kvartal 2021, med halvparten av de to utvalgene i hvert av de to kvartalene. Vel 59 prosent av hovedutvalget og nesten 58 prosent av tilleggsutvalget svarte på undersøkelsen. Den viktigste årsaken til frafall var at vi ikke klarte å komme i kontakt med personer i utvalget, deretter at personer ikke ønsket å delta. Det er personer med lav eller ingen utdanning som har vært vanskeligst å få med på undersøkelsen. Dette gjelder både for hoved- og tilleggsutvalg. Vi har undersøkt om frafallet har medført skjevheter for kjennetegnene alder, kjønn, landsdel og utdanningsnivå. Vi finner at avvikene mellom fordelingen i netto- og bruttoutvalgene stort sett er små. Avvikene har i de fleste tilfeller ikke stor betydning for analysene, men gruppen med universitets- og høyskoleutdanning er vesentlig overrepresentert i nettoutvalget sammenliknet med gruppen med lavere utdannelse. Dette gjelder både for hoved- og tilleggsutvalg.publishedVersio