Statistics Norway's Open Research Repository
Not a member yet
5242 research outputs found
Sort by
Kjønnsbalanse i aksjeselskapenes styrer. Utviklingen fra 2017 til 2021
Get PDFHvert år publiserer SSB statistikk om personer som sitter i styre og ledelse i norske foretak (se
https://www.ssb.no/virksomheter-foretak-og-regnskap/eierskap-og-roller/statistikk/styre-og-leiing-iaksjeselskap). Det har lenge vært interesse for kjønnsfordelingen i ledelsen av næringslivet og vi
tilstreber derfor å publisere styrestatistikken på kvinnedagen 8. mars eller rett før. I år har temaet
vært særlig aktuelt, i og med at det er vedtatt å innføre kjønnskvotering også for ikke-børsnoterte
aksjeselskaper av en viss størrelse (målt etter antall ansatte og inntekter). Denne rapporten er gjort
på oppdrag av Innovasjon Norge (IN) og Selskapet for industrivekst (Siva) og gir en beskrivelse av
kjønnsfordelingen i foretakene som får offentlig støtte fra disse ordningene, sammenlignet med
foretakspopulasjonen sett under ett.
Mens SSBs ordinære styrestatistikk viser antall styremedlemmer og kjønnsandeler etter ulike
fortakskjennetegn, så ønsker vi med denne rapporten å gi et mer detaljert bilde av kvinnerepresentasjon i styrene i norske aksjeselskaper, med spesielt fokus på foretak som mottar støtte fra
Innovasjon Norge og Siva. Kvinneandelen alene viser bare én dimensjon av kvinnerepresentasjon,
og sier mest om (mangelen på) kvinners innflytelse i næringslivet. Vel så viktig er det å undersøke
mangfold versus segregering i styrene; altså om de relativt få kvinner og mange menn er klumpet
sammen i enkjønnede styrer og om de kjønnsblandede styrene har forskjellig grad av kjønnsdominans, eller om et i utgangspunktet skjevt utvalg av styremedlemmer etter kjønnssammensetning fordeler seg jevnt utover styrene. At myndighetene har vedtatt en lov om ganske høy grad
av kjønnsrepresentasjon i styrene for aksjeselskaper av en viss størrelse, innebærer jo at
myndighetene prioriterer at for større selskaper så skal alle ha en kjønnsfordeling innenfor et
bestemt intervall (minst 40 prosent av hvert kjønn). I tillegg til å se på kjønnsandelene i ulike styrer
ser vi derfor også på graden av segregering i styreverdenen. Dette har vist seg å gi verdifull
tilleggsinformasjon som vi vil tilstrebe å innarbeide i den ordinære, årlige styrestatistikken.
Blant våre viktigste funn kan nevnes at jo større styrene er, jo høyre er kvinneandelen. Dette gjelder
både for foretakspopulasjonen sett under ett, og for de ulike virkemidlene. For gruppene 7-9
styremedlemmer og flere enn 10 medlemmer ligger kvinneandelen i hele foretakspopulasjonen på
rundt 28-29 prosent, hvilket ikke er så mye lavere enn lovkravet på 40 prosent som gjelder for de
største aksjeselskapene. Det som særlig trekker den aggregerte kvinneandelen ned, er styrer med
ett medlem (14 prosent kvinner). Dersom store, ressurssterke foretak også tenderer mot å ha større
styre, så vil kvotering få mindre konsekvenser for endringer i styresammensetningene. Vi beregner
at for foretakene blant INs og Sivas kunder (med over 30 ansatte og over 50 millioner i inntekt), vil
kvotering omfatte 36 prosent av styrene, som i gjennomsnitt har mellom 5 og 6 medlemmer og der
mellom 1 og 2 må skiftes ut for å oppfylle lovkravet.
Videre finner vi at for foretakspopulasjonen sett under ett har kvinneandelen i styrene økt noe
mellom 2017 og 2021. Det gjelder for alle styrestørrelser unntatt de få med 10 eller flere medlemmer, der kvinneandelen har falt fra om lag 32 til om lag 29 prosent. Også for foretak som mottar
støtte gjennom virkemiddelapparatet har kvinneandelen i styrene økt.
Selv om menn dominerer i alle styrestørrelser, så øker andelen blandede styrer med styrestørrelse.
Dette gjelder både for virkemiddelkundene og for hele populasjonen og er for så vidt som man
skulle forvente. Dette medfører også en høyere grad av kjønnsmangfold, målt ved lavere
segregeringsgrad. Både når det gjelder populasjonen sett under ett og for virkemiddelapparatets
kunder, så ser vi en tendens til at en moderat økende kvinneandel over tid faller sammen med
mindre segregering. Selv om bildet blir noe mer blandet når vi bryter ned på undergrupper, kan
dette tolkes som at nye kvinnelige styremedlemmer som har kommet til over tid har fordelt seg slik
at kjønnsfordelingen mellom styrene har blitt likere.Arbeidet er finansiert av Innovasjon Norge og Siva
Forskjeller i livsløpsinntekt mellom utdanningsgrupper
Get PDFDenne rapporten beregner personers samlede inntekt over (store deler av) livsløpet – livsløpsinntekten – for ulike utdanningsgrupper. Livsløpsinntekten er beregnet med inntektsdata for 2010-
2019, for personer som er mellom 20 og 66 år og har en forholdsvis sterk tilknytning til arbeidslivet.
Vi finner at livsløpsinntekten for personer med korte (bachelornivå) og lange (masternivå) høyere
utdanninger ligger henholdsvis 7 og 38 prosent over livsløpsinntekten til personer med utdanning
på videregående nivå, mens utdanninger kortere enn fullført videregående ligger 12 prosent under.
Forskjellene er vel så store mellom utdanningsretninger på samme nivå, og en rekke korte høyere
utdanninger ligger vesentlig under nivået for videregående utdanninger. Blant utdanningsgruppene
på videregående- og bachelornivå med de laveste livsløpsinntektene har de fleste kvinneandeler
over 80 prosent, mens kvinneandelene stort sett er under 20 prosent i gruppene på samme nivå
med høyest inntekt.Rapporten er skrevet på oppdrag for Unio
Reconciling estimates of the long-term earnings effect of fertility
Get PDFThis paper presents novel methodological and empirical contributions to the child penalty literature.
We propose a new estimator that combines elements from standard event study and instrumental
variable estimators and demonstrate their relatedness. Our analysis shows that all three approaches
yield substantial estimates of the long-term impact of children on the earnings gap between
mothers and their partners, commonly known as the child penalty, ranging from 11 to 18 percent.
However, the models not only estimate different magnitudes of the child penalty, they also lead to
very different conclusions as to whether it is mothers or partners who drive this penalty – the key
policy concern. While the event study attributes the entire impact to mothers, our results suggest
that maternal responses account for only around one fourth of the penalty. Our paper also has
broader implications for event-study designs. In particular, we assess the validity of the event-study
assumptions using external information and characterize biases arising from selection in treatment
timing. We find that women time fertility as their earnings profile flattens. The implication of this is
that the event-study overestimates women’s earnings penalty as it relies on estimates of
counterfactual wage profiles that are too high. These new insights in the nature of selection into
fertility show that common intuitions regarding parallel trend assumptions may be misleading, and
that pre-trends may be uninformative about the sign of the selection bias in the treatment period
Skatteutvalgets forslag til skatt på bolig og annen fast eiendom.
Get PDFDet nylig avgitte forslaget til Skatteutvalget foreslår en del endringer i beskatning av egen bolig og annen fast eiendom. Utvalget vil ha inntektsskatt på leieverdien av egen bolig og fritidsbolig. Rentefradraget for lån ønskes beholdt. Boligverdien i formuesskatten foreslås økt til full, beregnet markedsverdi, men med lavere skattesats og høyere minstefradrag. Rommet for å tilpasse seg vekk fra gevinstbeskatning reduseres, og skattefritak for gevinst ved salg av fritidsbolig avvikles. Dokumentavgiften fjernes, mens eiendomsskatten ønskes beholdt, med visse justeringer. Jeg synes utvalgets forslag i all hovedsak er fornuftige og godt begrunnede, men er usikker på rommet for eiendomsskatt ved innføring av den foreslåtte inntektsbeskatningen. Jeg har også noen kommentarer til implementeringen av utvalgets forslag.publishedVersio
Universal Transfers, Tax Breaks and Fertility: Evidence from a Regional Reform in Norway
Get PDFpublishedVersionpublishedVersio
The LOTTE system of tax microsimulation models
Get PDFMicrosimulation models of the LOTTE system are key tools for tax policy-making in Norway and are
extensively used in the budget process. The aim of this paper is to give an overview of the different
modules in the LOTTE family – a non-behavioral tax-benefit model for personal income tax (LOTTESkatt), a labor supply model (LOTTE-Arbeid), and a model for distributional effects of commodity
taxation (LOTTE-Konsum). In addition to providing descriptions of the designs of the three
microsimulation models, we give examples of how the models are used in practical and academic
work.The development and maintenance of the models in the LOTTE family are supported by the Ministry of Finance
Official statistics: Quo vadis?
Get PDFThe data revolution has resulted in discussions in the statistical community on the future of official statistics. Will official statistics survive as a brand, or will such statistics drown in the flow of data and statistics from new sources and actors, including misused statistics and fake news? The COVID-19 pandemic has been an additional driver for discussion. There is a need to maintain the quality of official statistics and highlight the value of such statistics for the users as a basis for – and supplement to – other statistics and information. It is at the same time important to implement new developments to improve and keep up the relevance of official statistics. Key pillars today are statistical legislation, quality frameworks and core values defining requirements for official statistics. Possibilities are linked to new statistics, use of new data sources and possible extended roles of the statistical institutes within coordination, collaboration, and data stewardship. The paper addresses these issues in the light of trends in official statistics since the UN Fundamental Principles of Official Statistics were formulated about 30 years ago. Quality challenges for statistics and dilemmas in defining the roles of statistical institutes are considered. The paper includes examples from Statistics Norway. Keywords: Official statistics, data revolution, coordination, cooperation, data stewardshipacceptedVersio
Norwegian National Accounts - GNI Inventory for ESA 2010. 2019 version
Get PDFThis document provides a comprehensive documentation of data sources and methods for
calculating the central variables gross domestic product (GDP) and gross national income (GNI) in the
Norwegian national accounts. The documentation covers the first published final version for the year
2019, published in November 2021. The document, referred to as the GNI Inventory for Norway
2019, follows a template the EU statistical office Eurostat has initiated and was sent to Eurostat at
the start of the year 2022. In line with the template from Eurostat, the documentation only includes
calculations of current prices figures, and not price and volume estimates.
GDP is a measure of total economic activity within an economic territory (Norway in our case) and
expresses the economic added value that is earned through production. GDP is measured in market
value and can be defined and determined based on three different methods: The production
method, the expenditure method and the income method, respectively.
GNI includes income accruing to nationals (permanent residents, i.e. Norwegians and foreign
nationals living in Norway) from domestic production and from asset investments abroad. In
addition, there is compensation of employees from foreign employers, minus foreigners' income
from asset investments in Norway and foreigners' salary from Norwegian employers. This means that
GNI can be calculated as:
Gross domestic product
- Property income and compensation of employees to abroad
+ Property income and compensation of employees from abroad
The Norwegian national accounts are prepared by Statistics Norway (SSB) according to the principles
of the European System of Accounts (ESA 2010). This is common to all countries in the European
Statistical System (ESS). For Norway, this is part of the EEA agreement.
In the EU, GNI is an important figure, which is used, among other things, as an administrative basis
for determining the payments from the member states to the common EU budget. It is therefore
important that all member states follow the same principles (in ESA) and methods, so that calculated
levels of GNI in the various countries are reliable and comparable. To ensure this, the EU's statistical
agency Eurostat has a program for verifying the GNI figures.
Central to this verification is that the countries prepare detailed descriptions of the data sources and
calculation methods for GDP and GNI according to a template from Eurostat. This description, called
the GNI Inventory, is prepared approximately every five years. The national accounts are prepared in
several versions with different sources and methods, monthly, quarterly and annually. The GNI
Inventory describes the most detailed annual calculations. Chapters 3 to 7 cover GDP calculations in
current prices, while chapter 8 describes the transition from GDP to GNI, with the calculation of
property income and compensation of employees to and from abroad. Chapter 1 is a summary of the
content of the other chapters. The GNI Inventory does not cover the calculations of volume and price
changes. These are described in a separate note.
The sources and calculation methods in the national accounts are constantly evolving. Every few
years, new data sources and calculation methods are incorporated. Changes that cause a break in
relation to previously published figures are preferably incorporated in the form of revisions in
backward series of figures to ensure consistency between figures for different periods (years,
quarters, months). Such continuous quality improvements or definition changes will normally be
7
"collected” to periodic revisions of number series, usually referred to as main revisions. The previous
main revision was carried out in 2019, and the next is planned for 2024. However, in connection with
the publication of the final national accounts for the year 2020 in the autumn of 2022, an interim
revision (an "extra" round of revisions between two main revisions) was carried out. The main
retroactive revisions were:
• Improvement of the calculations of free banking services, so-called FISIM (Financial Intermediation
Services Indirectly Measured).
• Changed the calculation for the central bank's activity.
• Changed data sources and methods for production processes that go across national borders,
where the goods are sent across national borders without a change of ownership (processing) and
income related to the purchase and sale of goods abroad (merchanting).
The implementation of the interim revision means that the most recently published figures for 2019
are not entirely in accordance with the GNI Inventory for Norway for 2019. For a more detailed
discussion of the changes that were carried out as part of the interim revision in the autumn of 2022,
see the document that discusses the publication of quarterly national accounts for the 3rd quarter of
2022 and final national accounts for 2020 (in Norwegian only), section 4.3 and chapter 5
Tidlige asylflyttinger i perioden 2013-2022. I hvor stor grad påvirkes flyttestatistikken av at asylsøkere registreres som innvandret til asylmottak?
Get PDFFolkeregisteret er datakilden for SSBs migrasjon- og flyttestatistikk. Folkeregisteret inneholder ikke
opplysninger om hvorvidt flyttinger går til eller fra asylmottak. Utgangspunktet for arbeidet som her
er gjort, er det som finnes av adresseopplysninger rundt asylsøkeres i perioden 2013-2022.
Om lag en tredjedel av disse adressene er så mangelfulle at de ikke gir kobling til en adresse i SSBs
flyttedata – de fleste inneholder kun kommunenummer. Derfor har vi ikke fanget opp alle flyttinger
til og fra asylmottak i perioden. De fleste adressene som ikke kobler, har imidlertid tatt imot
forholdsvis få asylsøkere. Dekningen er altså mye bedre på de store enn de små mottakene, noe
som betyr at andelen av asylsøkere som ikke er fanget opp, er langt lavere enn en tredjedel.
En asylsøker kan være «usynlige» i flyttestatistikken til vedkommende tildeles en
bosettingskommune og flytter ut av asylmottaket til kommunen, der asylsøkeren dukker opp i
Folkeregisteret for første gang – med fødselsnummer – gjennom en innvandring. Hvis asylsøkeren
derimot registreres som innvandret til asylmottaket, blir flyttingen ut av mottaket registrert som
en innenlands flytting (sekundærflytting). Problemet er at de to typene praksis lever side om side,
med de følgene dette får for statistikken over innvandringer og innenlandske flyttinger.
Antall flyttinger inn og ut av mottak har variert mye i perioden 2013-2022, med en topp rundt
2015/16 med flyktninger fra Syria, og nå flyktningene som kommer på grunn av krigen i Ukraina.
Forstyrrelsene i flyttestatistikken har da også variert over tid. Hovedtendensen har likevel vært at
andelen av asylsøkere som har blitt registrert som innvandret til asylmottak har sunket i perioden,
fra rundt 30 prosent i 2013 til 10 prosent i 2021. I 2022 ble nesten halvparten av asylsøkerne
registret som innvandret til et asylmottak.
Hvis vi definerer praksisen med å registrere asylsøkere som bosatt i asylmottak som avvik, ble over
halvparten av asylsøkerne som kom til Norge i 2022 registrert som innvandret til «feil» kommune, og
deres påfølgende flytting ut av asylmottak ble feilaktig registrert som en innenlands flytting. Vi har
valgt å kalle disse feilaktige sekundærflyttingene «tidlige asylflyttinger».
På grunn av de mangelfulle adresseopplysningene, gir ikke denne rapporten noen nøyaktig
beskrivelse av omfanget av innvandring direkte til asylmottak, påfølgende «tidlige asylflyttinger» og
hvilken innvirkning de to forholdene har hatt på SSBs flyttestatistikk. Det blir likevel slått fast at disse
forholdene gir store utslag spesielt for kommuner med asylmottak.
Hovedfokus i rapporten er utflyttingene fra mottak, hovedsakelig til andre kommuner, og hvilken
betydning disse flyttingene har for SSBs flyttestatistikk. Denne betydningen varierer mye med antall
nye flyktninger. I 2022 sto utflyttinger fra asylmottak for minst 4 prosent av alle flyttinger mellom
kommuner, 15 prosent av innvandrere bosatt i Norges flyttinger mellom kommuner og over 50
prosent av alle flyttingene mellom kommuner til flyktninger bosatt i Norge.
I rapporten fjernes de tidlige asylflyttingene fra statistikk for nettoflytting mellom henholdsvis
sentralitetsklasser, fylker og kommuner, og sammenlignes med samme statistikk basert på publisert
flyttestatistikk. Forskjellene mellom tidligere publisert og justert statistikk varierer over tid, med
størst avvik mellom de to i tider med mange asylsøkere, og da spesielt store forskjeller i 2022.
Notater 2023/43 Tidlig