dea - produktivtet og videregående uddannelse

PRODUKTIVITET OG

VIDEREGÅENDE UDDANNELSE

Produktivitet og videregående uddannelse

24. marts 2010

Forfattere Martin Junge, Seniorøkonom, ph.d., CEBR Jan Rose Skaksen, Director, Professor, CEBR Projektleder Martin Junge, Seniorøkonom, ph.d., [email protected]

CEBR – Centre For Economic and Business Research Copenhagen Business School

Porcelænshaven 16A, DK-2000 Frederiksberg T: +45 3815 3479 F: +45 3815 3499 W: www.cebr.dk

Denne rapport er udarbejdet for DEA. Resultater, fortolkninger og konklusioner i denne rapport er udelukkende forfatternes ansvar. De udtrykker ikke nødvendigvis synspunkter hos DEA. En stor tak til Jóannes J. Gaard, Mikkel Bülow Skovborg, Jess Hansen og Anders Sørensen for nyttige kommentarer.

Forord

Der er i denne tid stor fokus på vækst og produktivitetsudvikling i

Danmark. Det skyldes ikke mindst, at Danmark i de senere år har

oplevet en produktivitetsudvikling, der har været ringere end den i

de fleste andre OECD-lande. Dermed er vores konkurrenceevne sat

under pres.

Den udvikling skal vendes, hvis ikke Danmark langsomt men sikkert

skal sakke bagud på vækst og velstand og fremgang. Vi skal øge

vores produktivitet ved at arbejde smartere. Det skal bl.a. ske ved

bedre brug af teknologi, menneskelige ressourcer og gennem bedre

uddannet arbejdskraft.

Der er mange redskaber ift. at øge produktiviteten. Uddannelse er

et af dem, og med denne rapport dokumenteres det, at investering i

videregående uddannelse er en overordentlig god forretning. For

den enkelte virksomhed og for Danmark som helhed.

Alle videregående uddannelser uanset længde og retning bidrager til

at øge produktiviteten i virksomhederne. Og det er ikke bare den

enkelte medarbejder med en videregående uddannelse, som er me-

re produktiv – han eller hun øger også sine kollegers produktivitet.

For eksempel viser undersøgelsen, at hver gang vi uddanner ét pro-

centpoint flere med en lang videregående uddannelse, stiger BNP

med én pct.

Vi står derfor overfor to udfordringer: Vi skal have flere til at tage

en videregående uddannelse, og vi skal have flere virksomheder til

at ansætte medarbejdere med en videregående uddannelse. Det er

en betydelig opgave, som kræver, at vi begynder at se uddannel-

sespolitik som et erhvervs- og velfærdspolitisk instrument.

Vi bliver i Danmark nødt til at prioritere uddannelse endnu højere og

have et vedvarende fokus, der er uafhængigt af konjunkturer og po-

litiske formationer i Folketinget.

Det skylder vi ikke kun os selv, men også kommende generationer.

God læselyst!

Stina Vrang Elias

Adm. direktør DEA/FUHU

1

Indholdsfortegnelse

Indholdsfortegnelse ................................................................. 1

Sammenfatning........................................................................ 2

1 Indledning ..................................................................... 5

2 Afgrænsning af analysen ............................................... 8 2.1 Uddannelse og produktivitet ............................................... 9 2.2 Mål for produktivitet ........................................................ 11

3 Data og metode ........................................................... 13 3.1 Uddannelse .................................................................... 14 3.2 Produktivitet .................................................................. 15 3.3 Produktivitet og videregående uddannelse ......................... 17

4 Hvor er personer med videregående uddannelse ansat ............................................................................ 19

5 Produktivitetsmæssig fordeling af højtuddannet arbejdskraft ................................................................. 29

6 Konklusion og perspektivering ..................................... 37

7 Referencer ................................................................... 41

8 Appendiks A ................................................................. 42

9 Appendiks B ................................................................. 44

10 Appendiks C ................................................................. 47

11 Appendiks D ................................................................. 55

12 Appendiks E ................................................................. 56

13 Appendiks F ................................................................. 58

2

Sammenfatning I rapporten analyseres det, hvilken betydning forskellige typer af højtuddannet arbejdskraft har for produktiviteten i danske virksomheder. I modsætning til de fleste andre analyser skelnes der mellem en individuel effekt af uddannelse og en fælles effekt. Den individuelle effekt er, at den uddannede selv opnår en højere produktivitet, hvilket typisk afspejles i, at personer med uddannelse får en højere løn end personer uden uddannelse. Fælleseffekten er, at det kan have en gunstig effekt på produktiviteten i hele virksomheden, hvis der anvendes mere højtuddannet arbejdskraft. Dvs. den højere produktivitet kommer ikke kun til udtryk ved, at de, der har uddannelse, bliver mere produktive, men også ved at hele virksomheden fungerer mere effektivt. Hvad angår den individuelle effekt, viser analysen, at produktiviteten for den enkelte er højere, jo længere uddannelse vedkommende har uanset retning. Den viser også, at det er de samfundsvidenskabelige uddannelser, der giver den højeste individuelle produktivitet. De tekniske, sundheds- og naturvidenskabelige uddannelser giver en lidt lavere produktivitet end de samfundsvidenskabelige. Med hensyn til fælleseffekterne viser analysen, at disse er mindst lige så store og i nogle beregninger næsten dobbelt så store som de individuelle effekter. Alle videregående uddannelser har en signifikant positiv effekt uanset retning. Her tyder det i øvrigt på, at de tekniske, sundheds- og naturvidenskabelige uddannelser har den største effekt inden for fremstillingssektoren, mens de samfundsvidenskabelige uddannelser har den største effekt inden for privat service. Der er i øvrigt også en klar tendens til, at de lange videregående uddannelser har en større fælleseffekt end de øvrige videregående uddannelser. Resultaterne skal anvendes med en vis forsigtighed. I det ovenstående og i det følgende er det implicit antaget, at der er en kausalitet, hvor højtuddannet arbejdskraft forårsager en højere produktivitet. Dette er dog ikke dokumenteret i analysen. Dvs. det ikke kan udelukkes, at det er højproduktive virksomheder, der ansætter højtuddannet arbejdskraft og ikke højtuddannet

3

arbejdskraft, der gør virksomheder produktive. Selvom det sidste skulle være tilfældet, er analysens resultater fortsat særdeles relevante i forhold til at forklare, hvordan der kan opnås en højere produktivitet i danske virksomheder, idet de så viser hvilke typer af arbejdskraft, der bidrager til at tiltrække højproduktive virksomheder. De højtuddannede vil så på denne måde bidrage til at øge produktiviteten. Betydningen af at inkludere fælleseffekterne af uddannelse kan iøvrigt illustreres ved at beregne, hvor meget værdi en højtuddannet bidrager med til produktionen i forhold til en person uden uddannelse. Hvis man udelukkende tager hensyn til den individuelle effekt af uddannelse, bidrager en person med en lang videregående uddannelse med, hvad der svarer til et sted mellem 1,2 og 1,6 personer uden uddannelse. Hvis man tager hensyn til, at der også er en fælles effekt af uddannelse, bidrager en person med en lang videregående uddannelse med, hvad der svarer til ca. 2 personer uden uddannelse (mere præcist et sted mellem 1,7 og 3,2 personer). I analysen er der også set på, i hvor høj grad den gavnlige produktivitetseffekt af at ansætte højtuddannede bliver mindre jo flere højtuddannede, der er i forvejen. Det er også analyseret, hvorvidt det er bedre at have en blanding af personer med forskellige typer af videregående uddannelser i forhold til kun at have en enkelt type ansat. Gevinsten ved at ansætte højtuddannede er aftagende, men det viser sig først for alvor ved andele over 40 pct. Blandinger af discipliner kan i den forbindelse betyde, at en aftagende gevinst indtræder langt senere. Ud fra analysen kan det dog ikke konkluderes, at der er særlige ”blandinger” af de højtuddannede, som er mere værdifulde end andre. En aktuel baggrund for analysen er den forholdsvis dårlige produktivitetsudvikling i Danmark i det seneste årti. Et væsentligt spørgsmål er derfor, hvorvidt uddannelse kan bidrage til at øge væksten? Baseret på beregningerne i rapporten viser SAMMENFATNINGSTABEL 1, hvilken effekt det vil have på bruttonationalproduktet (stort set det samme som BVT) i den del af økonomien, der er analyseret på i rapporten, hvis andelen af personer med en lang videregående uddannelse forøges med ét procentpoint. Hvis den øvrige del af økonomien ligner den del, der er analyseret på i

4

rapporten, hvad angår produktivitetseffekter, vil resultaterne også afspejle effekten på BNP for hele økonomien ved at øge andelen af beskæftigede med en lang videregående uddannelse med ét procentpoint. SAMMENFATNINGSTABEL 1 EFFEKT PÅ BNP AF ÉT PROCENTPOINT FLERE

MED LANG VIDEREGÅENDE UDDANNELSE HUM SAM TEK

Fremstilling

Individuel effekt 0,3 0,6 0,6 Fælleseffekt målt på TFP 0,4 1,1 1,1 Fælleseffekt målt på løn 0,5 0,5 0,6 Aggregeret effekt målt på TFP 0,6 1,5 1,5 Aggregeret effekt målt på løn 0,7 0,9 0,9

Privat service

Individuel effekt 0,2 0,5 0,4 Fælleseffekt målt på TFP 0,3 0,7 0,2 Fælleseffekt målt på løn 0,6 0,6 0,5 Aggregeret effekt målt på TFP 0,5 1,0 0,5 Aggregeret effekt målt på løn 0,7 0,9 0,8 Anm.: Den aggregerede effekt er summen af den individuelle effekt, som er vægtet med

lønnens andel af BVT, og fælleseffekten. Kilde: Egne beregninger.

Det ses, at en stigning på ét procentpoint i den andel af de beskæftigede, der har en lang videregående uddannelse, giver anledning til en stigning i bruttonationalproduktet på ca. en pct., når der både tages hensyn til den individuelle effekt og fælleseffekten. Det skal her bemærkes, at effekterne i tabellen kun viser den stigning i bruttonationalproduktet, der isoleret set kan henføres til stigningen i personer med en lang videregående uddannelse. BNP-effekten kan reelt set være en del større, da flere højtuddannede kan give virksomhederne en tilskyndelse til at investere mere, og en stigning i investeringerne vil naturligvis også forøge BNP.

5

1 Indledning Der er for tiden stor fokus på vækst og produktivitetsudviklingen i Danmark. Det skyldes ikke mindst, at Danmark i de senere år har oplevet en produktivitetsudvikling, der har været dårligere end i de fleste andre OECD-lande. Det fremgår bl.a. af en rapport fra Økonomi- og Erhvervsministeriet fra 2009. Øget uddannelse er en af de oplagte muligheder for at øge væksten, og i denne rapport vil det blive analyseret, i hvor høj grad forskellige typer af højtuddannet arbejdskraft bidrager til at forøge virksomhedernes produktivitet og dermed væksten. I de fleste analyser af uddannelsens betydning for produktiviteten tages der udgangspunkt i, at den uddannede bliver mere produktiv. Det afspejles i, at uddannede får højere løn end ikke-uddannede. Der er dog også analyser, der peger i retning af, at uddannet arbejdskraft er speciel værdifuld for samfundet og ikke kun for den enkelte. I en række analyser fra mange forskellige lande er det således påvist, at der i de seneste årtier har været en voksende efterspørgsel efter uddannet arbejdskraft, hvorimod efterspørgslen efter lavt uddannet arbejdskraft er blevet mindre. For Danmark er en sådan analyse offentliggjort i en artikel af Malchow-Møller og Skaksen fra 2004. Årsagen til dette skift i efterspørgsel over imod højtuddannet arbejdskraft er en kombination af den teknologiske udvikling og en øget global konkurrence fra lande med billig lavtuddannet arbejdskraft. I nærværende analyse vil der ikke blive set på det overordnede behov for mere højtuddannet arbejdskraft, men derimod på i hvor høj grad beskæftigede med videregående uddannelse bidrager til virksomhedernes produktivitet. Der vil også blive set på, hvorvidt der er forskel på bidraget til vækst og produktivitet fra forskellige typer af højtuddannet arbejdskraft. Er det fx sådan, at ingeniører og naturvidenskabeligt uddannede bidrager mere til produktivitet og vækst end personer med en samfundsvidenskabelig uddannelse? I analysen skelnes der mellem en individuel og en fælles effekt af uddannelse. Den individuelle effekt er den, der normalt fokuseres på i

6

analyser af højtuddannedes produktivitet, og den viser, hvor meget individets produktivitet (løn) vokser som følge af uddannelse. Ud over den individuelle effekt af uddannelse kan der være en fælleseffekt i virksomheden ved at ansætte højtuddannet arbejdskraft. Denne fælleseffekt hæver produktiviteten i virksomheden som helhed og kommer dermed virksomheden som helhed til gode – eventuelt også de øvrige medarbejdere. Analysen viser, at hvad angår den individuelle effekt, så er den størst for personer med en samfundsvidenskabelig uddannelse. Effekten er en lille smule lavere for personer med en teknisk eller naturvidenskabelig uddannelse, hvorimod den er en del lavere for personer med en humanistisk uddannelse. Hvad angår fælleseffekten, så beregnes den til generelt set at være mindst lige så høj som den individuelle effekt. Dvs. uddannelse bidrager typisk med dobbelt så meget til produktiviteten, som det der afspejles i, at uddannelse giver højere lønninger til de uddannede. For så vidt angår de lange videregående uddannelser, så er fælleseffekten op mod dobbelt så høj som den individuelle effekt. Hvad angår de forskellige typer af uddannelser, peger analysen i retning af, at naturvidenskabeligt og teknisk uddannede bidrager mest til fælleseffekten inden for fremstillingssektoren, mens de samfundsvidenskabeligt uddannede bidrager mest inden for privat service. Hvis man udelukkende begrænser sig til at se på de lange videregående uddannelser, bidrager de samfundsvidenskabeligt uddannede med lige så meget inden for fremstillingssektoren som de naturvidenskabeligt og teknisk uddannede. De beregnede produktivitetseffekter af uddannelse giver mulighed for at lave en vurdering af, hvor meget BNP vil vokse, hvis uddannelsesniveauet vokser. Det viser sig, at hvis andelen af de ansatte i den private sektor, der har en lang videregående uddannelse inden for teknik og naturvidenskab, vokser med ét procentpoint, så vokser bruttoværditilvæksten (stort set BNP) i den private sektor med ca. én pct.

7

Resten af rapporten er struktureret som følger. I afsnit to er der en afgrænsning af analysen, og der introduceres væsentlige begreber. I afsnit tre præsenteres data og den metode, der anvendes. I afsnit fire beskrives det, hvor de højtuddannede er ansat i den private sektor. I afsnit fem findes beregningerne af produktivitetseffekterne af uddannelse. Endelig er der en kort konklusion og perspektivering i afsnit seks, der også omfatter beregningen af effekten af uddannelse på BNP-væksten.

8

2 Afgrænsning af analysen I denne rapport vil der fokuseres på, hvordan forskellige typer af højtuddannet arbejdskraft bidrager til produktiviteten. Her er det vigtigt at understrege, at uddannelse kan have en yderligere værdi ud over, hvad der umiddelbart kan måles i kroner. For den enkelte kan forskellige former for viden således være værdifuld i sig selv, og for samfundet kan der fx være kulturelle værdier knyttet til forskellige uddannelser. Disse andre værdier er dog særdeles vanskelige at måle, og derfor vil der i denne rapport udelukkende blive analyseret på den produktionsmæssige værdi af uddannelse. Udgangspunktet for analysen er også, at Danmark har et vækstproblem, og i denne sammenhæng er det mest oplagt at fokusere på produktionsværdien af uddannelse. Et væsentligt bidrag i analysen er at opgøre, hvordan forskellige typer af højtuddannet arbejdskraft bidrager til produktiviteten i virksomhederne. Den højtuddannede arbejdskraft vil således blive inddelt i følgende typer:

1. Personer med humanistiske, kunstneriske og pædagogiske uddannelser (HUM)

2. Personer med samfundsvidenskabelige, formidlings- og erhvervssproglige uddannelser samt politi/forsvar (SAM)

3. Personer med tekniske, naturvidenskabelige og sundhedsvidenskabelige uddannelser (TEK)

Dertil kommer, at rapporten sætter fokus på undergruppen bachelor-, kandidat- og forskeruddannelser med betegnelsen ’lange videregående uddannelser’ (LVU). I de følgende afsnit vil det blive analyseret, hvordan disse forskellige typer af højtuddannet arbejdskraft påvirker produktiviteten i virksomhederne. Som baggrund for analysen er det dog vigtigt at få afklaret følgende forhold: For det første, hvorfor højtuddannet arbejdskraft skulle have en særlig betydning for produktiviteten i virksomhederne. For det andet, hvordan produktiviteten kan måles.

9

2.1 Uddannelse og produktivitet Udgangspunktet for mange økonomiske analyser er, at alle på arbejdsmarkedet får en løn, der præcis afspejler den værdi, som de hver især har for den virksomhed, hvori de er ansat. Med dette udgangspunkt er det forholdsvis nemt at opgøre, hvordan forskellige typer af uddannet arbejdskraft bidrager til produktionen, idet det fuldt ud kan måles ved hjælp af lønnen. Det betyder også, at produktionsværdien af uddannelse fordeles mellem to parter: den person, der har uddannelsen, og det offentlige. Det offentlige får sin del af værdien gennem betaling af skatter. For at opgøre den samfundsmæssige værdi af forskellige typer af uddannelser tager man dog typisk også hensyn til, at der er omkostninger ved at tage en uddannelse, og at der er forskel på, hvor mange år personer med forskellige uddannelser er aktive på arbejdsmarkedet. Denne type af beregninger er bl.a. foretaget i en rapport fra Det Økonomiske Råd i 2003. Disse beregninger viser, at de samfundsvidenskabelige uddannelser giver den største gevinst for samfundet – idet nettogevinsten i forhold til den livsindkomst, der opnås uden uddannelse, er godt 50 pct. Naturvidenskabelige og tekniske uddannelser kommer på andenpladsen med en nettogevinst på godt 40 pct. De humanistiske uddannelser giver derimod kun en nettogevinst på fem pct. Disse beregninger fra Det Økonomiske Råd peger således i retning af, at det er de samfundsvidenskabelige uddannelser, der bidrager mest til at øge væksten i samfundet. Spørgsmålet er dog, hvorvidt uddannelse også giver anledning til gevinster for andre, end blot de der tager uddannelse? Dvs. er der en ekstra gevinst for virksomhederne og andre medarbejdere, når der ansættes højtuddannede personer? En mulighed for dette er, at personer med en høj uddannelse udfører visse opgaver mere effektivt end personer med kortere uddannelse, og de ansatte med kortere uddannelse lærer af at omgås og observere medarbejdere med høj uddannelse. En anden mulighed er, at højtuddannede foretager tekniske innovationer i virksomheden, som er med til at styrke hele virksomhedens produktivitet. En tredje mulighed er, at højtuddannet arbejdskraft er med til at foretage produkt- eller markedsmæssige innovationer, der gør, at virksomheden er i stand til at sælge produktet til en høj pris.

10

En fjerde mulighed er, at højtuddannet arbejdskraft bidrager til en mere effektiv ledelse og organisering af virksomheden. Der kan formodentlig være andre forhold, der gør, at produktiviteten bliver speciel høj i virksomheder, der anvender meget højtuddannet arbejdskraft. En del af denne højere produktivitet bliver naturligvis udbetalt som løn til de højtuddannede, men i mange virksomheder vil den samlede produktivitet være et komplekst resultat af mange forskellige forhold og ansættelse af mange forskellige medarbejdere, og det vil ofte være svært at henføre en højere produktivitet til enkelte medarbejdere. Der er også en del empiriske undersøgelser, der tyder på, at ansættelse af højtuddannet arbejdskraft bidrager til at øge produktiviteten for øvrige medarbejdere i virksomheden.1

Munch og Skaksen har foretaget en analyse på danske data, der viser, at der er en tendens til, at lønniveauet er højere i virksomheder, der anvender meget højtuddannet arbejdskraft – og det gælder i særlig grad i eksportvirksomheder. Nedenfor vil der blive argumenteret for, at dette peger i retning af, at produktiviteten også er højere i virksomheder, der anvender meget højtuddannet arbejdskraft.

I det følgende vil der således blive fokuseret på virksomhedernes produktivitet, og hvorvidt højtuddannet arbejdskraft er med til at øge denne. Der kan stilles spørgsmål ved, hvor relevant en sådan analyse egentlig er. Hvis der er en tilstrækkelig høj grad af konkurrence på alle markeder, kan der argumenteres for, at det i længden kun er de mest effektive virksomheder, der overlever. Dvs. i længden vil lavproduktive og højproduktive virksomheder ikke kunne eksistere side om side, og det kan derfor være vanskeligt at analysere, hvorvidt anvendelse af højtuddannet arbejdskraft forøger virksomhedernes produktivitet. I praksis fungerer konkurrencen dog næppe så effektivt, at alle virksomheder på et givet tidspunkt er lige produktive. Selvom konkurrence trækker i retning af, at de mest produktive udkonkurrerer de mindre produktive, vil højproduktive og

1 Eksempler er Mas og Moretti (2009), der anvender data fra amerikanske supermarkeder, og Battu, Belfield og Sloane (2003), der anvender data fra britiske virksomheder.

11

lavproduktive virksomheder formodentlig kunne eksistere side om side i tilstrækkelig mange år til, at det er muligt at observere, hvorvidt uddannelse er med til at forøge virksomhedernes produktivitet. Det bør også nævnes, at højtuddannet arbejdskrafts betydning for produktiviteten for andre end de uddannede ikke nødvendigvis kun udmønter sig i den enkelte virksomhed, men måske også i et geografisk område. I en analyse fra 2004 på amerikanske data viser Moretti således, at lønnen generelt set er højere for alle i byer, hvor der er mange højtuddannede end i byer, hvor der er færre højtuddannede. I den analyse, der foretages i det følgende, vil der dog udelukkende blive fokuseret på, hvorvidt ansættelse af højtuddannede øger produktiviteten i virksomhederne.

2.2 Mål for produktivitet Værdien af den produktion, der foregår i en virksomhed, er et resultat af, at virksomheden anvender forskellige typer af arbejdskraft sammen med bygninger, maskiner, herunder computere, samt rå- og hjælpevarer. Værditilvæksten er værdien af produktionen, når man fraregner omkostningerne til rå- og hjælpevarer. Dvs. værditilvæksten er den værdi, som arbejdskraft, bygninger og maskiner tilfører et produkt, hvad enten det er en vare eller en serviceydelse. Det mest simple mål for produktivitet er, hvor stor værditilvæksten er pr. medarbejder, og dette kaldes for arbejdsproduktiviteten. En fordel ved dette mål er, at det er simpelt, og det er let at beregne. Det betyder også, at målet udregnes med stor nøjagtighed. Ulempen er, at målet ikke tager hensyn til, at arbejdskraft får hjælp fra maskiner og bygninger til at skabe produktet. Omfanget af den produktion, der foregår i virksomheden er naturligvis i høj grad et resultat af, hvor meget virksomheden anvender af bygninger, maskiner og forskellige typer arbejdskraft. Det er dog også et resultat af, hvor dygtig virksomheden og dens medarbejdere er til at anvende de ressourcer, der benyttes. Nogle virksomheder er måske bedre til at organisere arbejdet end andre virksomheder, og nogle virksomheder råder måske over viden, der gør dem særligt effektive.

12

Denne overordnede effektivitet ved at producere kaldes ofte for totalfaktorproduktivitet (TFP). Dette er i princippet klart det mest interessante mål for virksomhedernes produktivitet, idet det afspejler, hvor effektivt virksomhederne udnytter de ressourcer, der anvendes i form af arbejdskraft, maskiner, bygninger m.v. Med andre ord, hvis TFP kan forøges i en virksomhed, betyder det, at virksomheden kan producere mere uden anvendelse af yderligere ressourcer. En væsentlig ulempe ved TFP er, at det kun kan beregnes med forholdsvis stor usikkerhed. På trods af dette vil TFP være et væsentligt mål for produktivitet, som vil blive anvendt i det følgende. I et appendix er der redegjort for, hvordan TFP er beregnet. Et tredje mål for produktiviteten er lønniveauet i en virksomhed. En højere produktivitet i en virksomhed vil udmønte sig i en bedre indtjening, og det vil ofte smitte af på lønningerne i virksomheden.2

Hvis højtuddannet arbejdskraft forøger produktiviteten i virksomheden, vil det derfor formodentlig afspejles i et højere lønniveau i virksomheden. Det er her vigtigt at understrege, at det naturligvis skal forstås som et højere lønniveau ud over det, der kan forklares ved, at højtuddannet arbejdskraft typisk får en højere løn end lavt uddannet arbejdskraft. En klar fordel ved at måle produktivitet ved hjælp af lønniveauet er, at lønninger måles med stor præcision. En ulempe er, at lønninger forbliver et indirekte mål for produktivitet. Dvs. lønniveauet måler kun produktivitet, hvis en højere produktivitet i en virksomhed faktisk afspejler sig i højere lønninger. Dette vil formodentlig være tilfældet i varierende grad i forskellige virksomheder i forskellige brancher. Hvis det fx er forholdsvis nemt for virksomheden at erstatte den ansatte arbejdskraft med andre medarbejdere, vil lønningerne i virksomheden nok kun i begrænset omfang afspejle forhold i virksomheden og i langt højere grad afspejle forhold på arbejdsmarkedet.

2 Der er mange empiriske undersøgelser, der dokumenterer, at virksomhedens indtjening har en afsmittende påvirkning af lønninger i virksomheden, se fx Blanchflower, Oswald og Sanfey (1996) og Arai (2003).

13

3 Data og metode Data i denne rapport trækker på mange forskellige kilder. I TABEL 3.1 er vist udvælgelsen af virksomheder til rapporten, som er virksomheder i ’velmålte’3 brancher. Den første søjle viser enheder (CVR-numre), som er reelt aktive i den generelle firmastatistik på det private område i perioden 1999-2007. Antallet af virksomheder er svagt stigende over tid med undtagelse af 2003.4

Det private område er defineret fra ejerskabsformen men også branchetilknytning.

TABEL 3.1 UDVÆLGELSE AF VIRKSOMHEDER

Enheder i den generelle

firmastatistik

Enheder efter oplysninger om

ansatte er tilknyttet

Enheder i ’velmålte’ brancher

1999 267.967 195.891 135.264 2000 272.849 198.966 138.372 2001 273.247 199.106 138.551 2002 271.012 201.486 140.381 2003 265.584 196.802 136.815 2004 273.389 201.894 139.702 2005 286.196 208.817 145.808 2006 290.622 213.077 150.273 2007 298.077 217.686 153.832

Anm.: Ansatte er inkl. ejer. Kilde: Egne beregninger.

Da rapporten både skal anvende oplysninger om de ansatte og om virksomhedernes værditilvækst, bliver det antal virksomheder, der analyseres på, noget mindre. I fx 2000 (jf. TABEL 3.1) findes der i den generelle firmastatistik 272.849 virksomheder. Når der yderligere stilles som krav, at der skal være oplysninger om de personer, der er ansat, fås, at 73.883 virksomheder forsvinder fra den generelle firmastatistik. Den største del af disse virksomheder er uden ansatte og ejere (96,3 pct.), hvor der fx kan være tale om holdingselskaber. En anden forklaring på, at disse virksomheder forsvinder, er, at der er en tidsmæssig forskydning mellem opgørelserne i forskellige

3 Velmålt har i denne forbindelse betydningen, at branchen indgår i regnskabsstatistikken, og dermed kan værditilvækst opgøres. 4 Hovedårsagen er en revision i branchenomenklaturen i det pågældende år, hvor Danmarks Statistik skiftede fra DB93 til DB03.

14

datakilder.5

Endelig reduceres antallet af virksomheder i år 2000 til 138.372, som er virksomheder i ’velmålte’ brancher, dvs. med oplysninger om værditilvækst. Årsagen til denne reduktion er, at regnskabsstatistikken, som er hovedkilden til virksomhedernes værditilvækst, kun inkluderer de private byerhverv. Oveni kommer at råstofudvinding er udeladt, fordi det traditionelt er et erhverv med meget kraftige investeringer (fx borefelter), som stiller anderledes krav til måling af produktivitet.

Brancher, som ikke er medtaget, er landbrug, fiskeri, forsyningsvirksomhed, post og tele (som kun er i regnskabsstatistikken fra 2001 og frem), finansielle tjenester, offentlige tjenester, sundhed, uddannelse, foreninger, kultur, renovation og kategorien ’uoplyst’. Dertil kommer, at den almennyttige boligsektor også er udeladt. I forbindelse med analysen er det som udgangspunkt uhensigtsmæssigt at ekskludere brancher, som finansielle tjenester og telesektoren, der begge har relativt mange ansatte med en videregående uddannelse. På trods af de udeladte brancher omfatter analysen dog ca. 80 pct. af den samlede beskæftigelse i den private sektor.

3.1 Uddannelse Der findes over 2.500 registrerede uddannelser, men i forhold til analysen er det nødvendigt at kategorisere disse mange uddannelser i forholdsvis få grupper. Som allerede omtalt kan uddannelse opdeles i tre retninger. I appendiks E er angivet de 10 væsentligste videregående uddannelser blandt privat ansatte i Danmark inden for hver retning. For undergruppen af lange videregående uddannelser er de 10 vigtigste uddannelser også givet for hver retning i appendiks E. Gruppen med alle HUM-uddannede indeholder blandt andet pædagog- og folkeskolelæreruddannelserne, korrespondentuddannelsen og

5 Specifikt gælder det mellem opgørelserne i den generelle firmastatistik (ultimo december) og opgørelsen over de ansattes tilknytning til virksomheden (ultimo november).

15

uddannelserne som cand. mag. Fokuseres kun på HUM med en lang videregående uddannelse, er det uddannelser som korrespondent og cand. mag., som dominerer. Blandt de mest hyppige uddannelser i SAM-gruppen er handelshøjskoleuddannede (cand. merc., HA, HD), cand. jur., datamatikere og journalister. For de lange videregående SAM- uddannelser dukker cand. oecon., cand. polit., cand. psych. og cand. scient. pol. op blandt de mest udbredte. For TEK-gruppen er de mest udbredte blandt andet sygeplejerske, laborant, cand. med. og ingeniører. På listen for de lange videregående TEK-uddannelser kommer også cand. arch. og cand. odont. med. For den generelle inddeling HUM, SAM og TEK er der en del heterogenitet i uddannelserne. Denne indsnævres noget, når fokus er på de lange videregående uddannelser, som dog indeholder en del uddannelser, der tilhører de liberale erhverv (cand. jur., cand. med. og cand. odont.). Det kan være en konsekvens af, at ejeren tæller med som en beskæftiget i analysen.

3.2 Produktivitet Som allerede omtalt anvendes tre produktivitetsmål, som varierer i forhold til datakrav og fortolkning. Fra det simple mål, arbejdsproduktivitet, til det avancerede mål, totalfaktorproduktivitet.

Arbejdsproduktivitet

Arbejdsproduktivitet er formentlig det mest benyttede mål for produktivitet. Data er som regel let tilgængelige, og det er simpelt at beregne. Det er typisk opgjort som bruttoværditilvæksten i faste priser i forhold til antal hoveder eller arbejdstimer. I rapporten anvendes et kvalitetsjusteret mål for antal ansatte. Dette mål er meget simpelt dannet ved at omdanne de forskellige typer af arbejdskraft opgjort på uddannelser, erfaring som lønmodtager, branche og køn til den ”samme type” arbejdskraft ved at anvende den gennemsnitlige timeløn på arbejdsmarkedet for den givne type

16

arbejdskraft som mål for kvaliteten. Det betyder, at hvis lønnen normalt er dobbelt så høj for én type arbejdskraft i forhold til en anden, så vil én ansat af typen, der normalt får den høje løn, svare til at ansætte to af den type, der normalt får den lave løn.6

Totalfaktorproduktivitet

Totalfaktorproduktivitet (TFP) er målet, som kontrollerer for flere inputs. I rapporten anvendes to forskellige metoder til at beregne TFP.7 Som mål for virksomhedernes produktion anvendes værditilvæksten, dvs. omsætning fratrukket varer og tjenesteforbrug. For at præstere denne værditilvækst anvender virksomhederne kapital og arbejdskraft. Med hensyn til kapital måles denne i analysen som regnskabskapitalen.8 Der er forskellige opgørelsesmæssige problemer med regnskabskapital i relation til afskrivninger, men der er studier, som peger i retning af, at disse problemer ikke er større end ved andre rimelige måder, hvorpå kapitalen kan opgøres.9

Løn

Med hensyn til arbejdskraft anvendes der i analysen det kvalitetsjusterede mål, der blev præsenteret ovenfor.

Det sidste produktivitetsmål, som anvendes, er timelønnen. Normalt, når man foretager analyser omkring lønninger, forsøges lønnen til den enkelte forklaret ud fra forskellige karakteristika, såsom uddannelse, erfaring m.m. Det typiske resultat er, at jo flere kvalifikationer den enkelte har i form af uddannelse og erfaring, jo højere løn. Det afspejler netop, at disse kvalifikationer forøger den enkeltes produktivitet. Medarbejdernes produktivitet afhænger dog ikke nødvendigvis kun af egne kvalifikationer, men også af forhold i

6 I appendiks A er der kort redegjort for beregningen af indekset. 7 Se fx Van Biesebrock (2007) for en diskussion af, hvordan TFP kan beregnes. I rapporten beregnes TFP med to forskellige paneldataestimeringer. Den ene antager, at der ikke er korrelation mellem faktorinputs og TFP (’random effekt’), og den anden tillader korrelation mellem faktorinputs og TFP. I det sidste tilfælde pålægges den restriktion, at TFP følger en (eksogen) markov process og der antages at være en monoton (positiv) sammenhæng mellem TFP og virksomhedernes forbrug af energi (eller andet vareforbrug) (Levinsohn og Petrin (2003)). 8 Mere præcist anvendes regnskabskapital for grunde og bygninger, andre anlæg, driftsmateriel, inventar, tekniske anlæg og maskiner, forudbetalinger for materielle anlægsaktiver og immaterielle anlægsaktiver. 9 Det fremgår bl.a. af et studie af Bailey m.fl. fra 1992.

17

virksomheden. For så vidt at disse andre forhold giver sig udtryk i lønnen, kan deres betydning for produktiviteten måles på lønniveauet i virksomheden.

3.3 Produktivitet og videregående uddannelse

Uddannelse øger den enkelte medarbejders produktivitet. Det kommer til udtryk ved, at værditilvæksten pr. medarbejder vil være højere i virksomheder med forholdsvis mange højtuddannede – og det kommer også til udtryk ved, at en højere uddannelse typisk giver anledning til en højere løn. Det kunne kaldes for den individuelle effekt af uddannelse. I det følgende vil der dog især blive fokuseret på en anden mulig effekt af uddannelse – nemlig hvad der kunne kaldes for en fælleseffekt af uddannelse. En sådan fælleseffekt måler, hvorvidt organisatoriske forhold i virksomheden i form af sammensætningen på medarbejdernes uddannelse påvirker produktiviteten i virksomheden udover, at medarbejdere med mere udannelse individuelt er mere produktive. Produktivitet kan naturligvis være påvirket af mange andre forhold end medarbejdernes uddannelsessammensætning. Det gælder fx anvendelse af it og forskning og udvikling. Disse andre mulige forklaringer udelades i den følgende analyse. Det bevirker, at effekten af uddannelse også kan virke gennem nogle af disse øvrige kanaler. Det kan fx være tilfældet, at ansættelse af uddannet arbejdskraft gør det muligt at anvende mere it, og at produktiviteten derved forøges. Eller det kan være tilfældet, at en virksomhed ansætter højtuddannet arbejdskraft, som skal forestå mere forskning og udvikling i virksomheden, og denne forskning og udvikling forøger virksomhedens produktivitet. Det er også vigtigt at understrege, at de konsekvenser for produktiviteten, der bliver beregnet i det følgende, ikke nødvendigvis afspejler, at ansættelse af uddannet arbejdskraft forårsager en højere produktivitet. Det kan ikke udelukkes, at det i virkeligheden er den omvendte sammenhæng, der gælder, nemlig at virksomheder, der oplever en stigning i produktiviteten, ansætter mere højtuddannet arbejdskraft. Det forekommer dog nok mest naturligt, at

18

medarbejdernes sammensætning til en vis grad forårsager produktiviteten, men selvom det er det omvendte, der skulle være tilfældet, vil analysen alligevel give værdifuld information omkring, hvad der giver højere produktivitet i danske virksomheder. Hvis det er højproduktive virksomheder, der vælger at ansætte højtuddannet arbejdskraft, afspejler dette, at disse virksomheder åbenbart foretrækker denne type arbejdskraft. Man kan derfor sige, at for at tiltrække og fastholde denne type virksomheder i Danmark skal virksomhederne have mulighed for at ansætte denne type arbejdskraft. Virksomhedernes sammensætning af medarbejdere kan beskrives på mange forskellige måder. En umiddelbar tilgang er at anvende andele, dvs. antal ansatte med en given uddannelse i forhold til det totalt antal ansatte i virksomheden. Denne fremgangsmåde, som anvendes i det følgende, har umiddelbart flere fordele. For det første vil der ikke være en sammenblanding af virksomhedens størrelse og medarbejdernes uddannelse. For det andet vil virksomheder, som ikke har ansat medarbejdere med denne type uddannelse, ikke kunne påvirke produktiviteten gennem denne type.

19

4 Hvor er personer med videregående uddannelse ansat

Som baggrund for at analysere i hvor høj grad forskellige typer af højtuddannet arbejdskraft bidrager til produktiviteten i virksomhederne, beskriver dette afsnit udbredelsen af højtuddannet arbejdskraft i den private sektor. I TABEL 4.1 vises således den overordnede udvikling i anvendelse af højtuddannede fordelt på to sektorer, fremstilling og privat service. TABEL 4.1 ÅRSVÆRK OG UDDANNELSEN BLANDT PRIMÆRBESKÆFTIGEDE

Antal

virksomheder Antal

årsværk Andel

højtuddannede Fremstilling 1999 17.234 399.279 0,15 2000 17.099 407.105 0,14 2001 16.707 404.437 0,15 2002 16.316 391.256 0,16 2003 15.760 376.373 0,17 2004 15.616 363.323 0,18 2005 15.507 351.847 0,18 2006 15.429 352.901 0,18 2007 15.407 364.963 0,19

Privat service

1999 118.030 682.970 0,13 2000 121.273 729.141 0,14 2001 121.844 738.352 0,14 2002 124.065 737.318 0,15 2003 121.055 729.713 0,15 2004 124.086 749.980 0,15 2005 130.301 773.924 0,16 2006 134.844 805.969 0,16 2007 138.425 847.685 0,16 Anm.: Andelen af højtuddannede er målt i hoveder. Kilde: Egne beregninger.

Det ses, at antallet af virksomheder inden for privat service er vokset over perioden 1999-2007, mens antallet af virksomheder inden for fremstilling er faldet. Den tilsvarende udvikling fremgår af antallet af årsværk i de to sektorer. For fremstilling er andelen af højtuddannede blandt medarbejdere med primærbeskæftigelse på 15 pct. i 1999 og stigende til 19 pct. Dermed er nedgangen i antallet af årsværk i fremstillingen i høj grad

20

udtryk for, at det er medarbejdere med anden uddannelse end videregående, som har forladt sektoren.10

For privat service gælder, at lidt færre er højtuddannede, nemlig 13 pct. i 1999, som dog er steget til 16 pct. i 2007. Dvs. at antallet af højtuddannede er vokset hurtigere end antallet af øvrigt uddannede inden for privat service.

Begge sektorer har gennemgået en forøgelse i antallet af højtuddannede. Men den største del af medarbejderne er dog stadig i gruppen med uddannelser, som ikke er kompetencegivende, eller erhvervsuddannelser. Det er kun to-tre pct. af medarbejderne, der ikke har registreret en uddannelse, og det er i høj grad ældre og indvandrere. Det lille antal manglende uddannelsesoplysninger gør, at analysen ser bort fra eventuelle problemer i forhold til manglende oplysninger omkring uddannelse. I TABEL 4.2 og TABEL 4.3 er fremstilling og privat service inddelt i syv henholdsvis otte underbrancher. De højtuddannede fordeler sig vidt forskelligt på disse. Den sidste søjle i TABEL 4.2 viser at kemisk- og plastindustri har den største andel af højtuddannede (36 pct.). Det er netop inden for denne branche, at medicinalvare- og biotekselskaberne findes. De ’gamle’ brancher sten-, ler- og glasindustri og føde-, drikke- og tobaksvareindustri har generelt set få højtuddannede. I tabellen er andelen med en videregående uddannelse også fordelt på størrelse. De mindste og største virksomheder har den største andel af medarbejdere med en videregående uddannelse. Store virksomheder har traditionelt flere højtuddannede ansat end små virksomheder. I mindre virksomheder slår det igennem, at iværksætteren (som i data regnes med som ansat) oftere har en højere uddannelse end de andre medarbejdere.

10 Ydermere ville fremgangen formentlig være endnu større for de højtuddannede, hvis andelen var opgjort i årsværk, fordi de i højere grad arbejder fuldtid.

21

Derfor er der et relativt højt antal højtuddannede i de meget små virksomheder med en-fire medarbejdere. Færrest højtuddannede findes i virksomheder med fem-ni medarbejdere. TABEL 4.2 ANDEL HØJTUDDANNEDE FORDELT PÅ UNDERBRANCHER OG

ANTAL MEDARBEJDERE I FREMSTILLINGSSEKTOREN, 2007

250+ 100-249 50-99 20-49 10-19 5-9 1-4 I alt

Føde-, drikke- og tobaksvareindustri 0,14 0,15 0,13 0,07 0,03 0,05 0,14 0,12 Tekstil- og læderindustri 0,19 0,15 0,16 0,14 0,15 0,09 0,15 0,15 Træ-, papir- og grafisk industri 0,25 0,21 0,15 0,15 0,16 0,14 0,23 0,20 Kemisk- og plastindustri 0,47 0,21 0,20 0,16 0,15 0,16 0,20 0,36 Sten-, ler- og glasindustri 0,14 0,14 0,15 0,10 0,08 0,07 0,16 0,13 Jern- og metalindustri 0,24 0,19 0,18 0,15 0,13 0,12 0,13 0,19 Møbelindustri og anden industri 0,16 0,13 0,13 0,10 0,10 0,10 0,15 0,14 Kilde: Egne beregninger.

I TABEL 4.3 er privat service opdelt i underbrancher. Det er ikke overraskende, at det især er inden for videnservice, at der er mange højtuddannede (50 pct.). Hotel og restauration samt detailhandel har meget små andele med en videregående uddannelse. TABEL 4.3 ANDEL HØJTUDDANNEDE FORDELT PÅ UNDERBRANCHER OG

ANTAL MEDARBEJDERE I PRIVAT SERVICE, 2007

250+ 100-249 50-99 20-49 10-19 5-9 1-4 I alt

Bygge og anlæg 0,18 0,12 0,10 0,08 0,07 0,07 0,09 0,09 Engros- handel m.v. 0,17 0,20 0,18 0,16 0,14 0,13 0,15 0,16

Detailhandel 0,05 0,07 0,06 0,14 0,08 0,06 0,11 0,08 Hotel og restauration 0,07 0,09 0,08 0,07 0,07 0,07 0,10 0,07

Transport 0,12 0,12 0,11 0,08 0,07 0,08 0,07 0,09

Videnservice 0,50 0,50 0,53 0,51 0,50 0,46 0,49 0,50 Operationel service 0,16 0,16 0,19 0,17 0,16 0,14 0,17 0,16 Øvrige serviceerhverv 0,16 0,28 0,20 0,26 0,23 0,19 0,18 0,20 Anm.: Videnservice er blandt andet ydelser i forbindelse med computer og IT, rådgivende

virksomhed og forskning og udvikling. Operationel service er blandt andet arbejdsformidling, rengøring, vagt og overvågning og tolkning. Øvrig service er blandt andet ejendomsformidling, renovation, forlystelser og private serviceerhverv.

Kilde: Egne beregninger.

22

Inden for privat service er den positive sammenhæng mellem andelen med en videregående uddannelse og virksomhedens størrelse kun udtalt for bygge og anlæg og i mindre udstrækning for transport. For de øvrige brancher gælder, at der findes flest højtuddannede i de mellemstore virksomheder med 20-249 medarbejdere. Indtil videre er de højtuddannede blevet behandlet som en homogen gruppe. Udgangspunktet for denne rapport er dog netop at opdele den højtuddannede arbejdskraft i forskellige typer, og en underopdeling på HUM, SAM og TEK er foretaget nedenfor. Først bemærkes det, at antallet af højtuddannede er steget i begge sektorer. Over tid er der dog sket en forskydning af sammensætningen af medarbejdere inden for fremstilling og privat service. Mens andelen af medarbejdere med HUM- og SAM-baggrund er forøget med et par procentpoint fra 1999 til 2007 inden for både fremstilling og privat service, er TEK gået tilsvarende tilbage. Men TEK udgør dog stadig den største gruppe med 63 pct. i fremstilling og 49 pct. i privat service i 2007 (jf. TABEL 4.4). TABEL 4.4 FORDELING AF UDDANNELSESRETNING PÅ SEKTOR OG OVER TID Fremstilling Privat service 1999 2007 1999 2007 HUM 0,08 0,10 0,10 0,13 SAM 0,25 0,27 0,36 0,38 TEK 0,68 0,63 0,53 0,49 Antal 67.898 77.858 136.286 200.708 Kilde: Egne beregninger.

Tilsvarende kan de højtuddannede deles op på længde af uddannelser. Det er gjort i TABEL 4.5. Her står det klart, at de lange videregående uddannelser er gået frem fra 36 pct. til 39 pct. i fremstilling og fra 25 pct. til 30 pct. i privat service. Tilsvarende er de korte videregående uddannelser eller mellemlange videregående uddannelser gået tilbage eller stagneret.

23

TABEL 4.5 FORDELING AF UDDANNELSESLÆNGDE PÅ SEKTOR OG OVER TID Fremstilling Privat service Videregående uddannelse 1999 2007 1999 2007 Korte 0,29 0,29 0,36 0,34 Mellemlange 0,36 0,31 0,39 0,35 Lange 0,36 0,39 0,25 0,30 Antal 67.898 77.858 136.286 200.708 Kilde: Egne beregninger.

I den relativt korte periode, der fokuseres på her, har der altså været en moderat fremgang på hele LVU-området og disciplinerne HUM og SAM. Det er nu muligt yderligere at opdele de forskellige uddannelseslængder på uddannelsesretning. I Tabel 4.6 er denne opdeling foretaget for LVU. TABEL 4.6 FORDELING AF LANGE VIDEREGÅENDE UDDANNELSER PÅ

RETNING Fremstilling Privat service 1999 2007 1999 2007 HUM 0,18 0,21 0,15 0,18 SAM 0,30 0,30 0,46 0,43 TEK 0,52 0,49 0,39 0,39 Kilde: Egne beregninger.

Det ses, at i perioden fra 1999 til 2007 er HUM gået tre procentpoint frem og TEK tre procentpoint tilbage inden for fremstilling. I privat service er HUM også gået tre procentpoint frem, mens SAM er gået tre procentpoint tilbage. Ovenstående siger ikke noget om, hvorvidt personer med de forskellige typer af uddannelser er ansat i den samme virksomhed, eller de er fordelt på forskellige virksomheder. Et tilbagevendende tema er, om sammensætningen af uddannelsesretninger i virksomheden kan have en positiv effekt på produktiviteten.

24

TABEL 4.7 VIRKSOMHEDERS MANGFOLDIGHED, 2007, PCT. Fremstilling Privat service

Alle

virks. Virks. med mindst

10 medarb. Alle

virks. Virks. med mindst

10 medarb. Andel uden højtuddannede 55 21 63 30 Andel ensartet 26 30 27 33 Andel mangfoldig 19 49 9 37 Anm.: Ensartet er virksomheder med een type medarbejdere. Mangfoldige har mindst to typer

medarbejdere. Kilde: Egne beregninger.

TABEL 4.7 viser, at 55 og 63 pct. af alle virksomheder i henholdsvis fremstilling og privat service ikke har højtuddannede ansat i 2007. Fokuseres på virksomheder med mindst 10 medarbejdere, falder andelen til 21 og 30 pct. for henholdsvis fremstilling og privat service. Privat service rummer da også langt flere små virksomheder, hvor det er mindre sandsynligt, at en højtuddannet er ansat. Godt og vel 1/4 af alle virksomheder har kun medarbejdere med én type videregående uddannelse ansat; men i større virksomheder er det knap 1/3. Mens knap 20 pct. og 10 pct. har mindst to typer medarbejdere ansat i henholdsvis fremstilling og privat service. Blandt de større virksomheder er det majoriteten, som har mindst to typer medarbejdere med videregående uddannelse. Det er ikke overraskende, at de større virksomheder har flest højtuddannede, også af forskellige typer. Derfor er fremstilling også mere mangfoldig, da virksomhederne er større. I TABEL 4.2 og TABEL 4.3 fordelte de højtuddannede sig forskelligt på branche og størrelse af virksomheden. I TABEL 4.8 er andelene af HUM, SAM og TEK fordelt på udvalgte percentiler.11

11 Den x’te percentil er værdien af andelen, hvor x pct. af andelene er mindre.

Halvdelen (50. percentil eller medianen) af individerne er ansat i virksomheder i fremstilling med færre end én pct. HUM, og halvdelen er ansat i virksomheder med mere end én pct. HUM. Det er kun fem pct., der er ansat i virksomheder inden for fremstilling med mere end seks pct.

25

med videregående uddannelse af typen HUM. Der er en betydelig variation i virksomhedernes brug af højtuddannet arbejdskraft fordelt på retning. Fem pct. af individerne er ansat i virksomheder i fremstilling med eksempelvis mere end 48 pct. TEK. Andelen af HUM og SAM er betydeligt lavere i fremstilling sammenlignet med TEK. TABEL 4.8 FORDELING AF ANDELE AF VIDEREGÅENDE UDDANNELSER PÅ

UDVALGTE PERCENTILER, 2007 HUM SAM TEK Fremstilling 50 percentil 0.01 0.04 0.09 95 percentil 0.06 0.15 0.48

Privat service

50 percentil 0.00 0.03 0.03 95 percentil 0.10 0.35 0.54 Kilde: Egne beregninger.

I privat service er andelen af HUM igen lav. For de fem pct., som har flest HUM-kollegaer, er der mindst 10 pct. med en HUM-uddannelse. Omkring halvdelen af alle ansatte i privat service har ikke en kollega med HUM-uddannelse. Også de lange videregående uddannelser er fordelt på 50 og 95 percentil i TABEL 4.9. For medianen (50 percentil) er der meget få kollegaer med en lang videregående uddannelse. Fem pct. af individerne er ansat i virksomheder i fremstilling med fire pct. eller flere HUM, syv pct. eller flere SAM og 20 pct. eller flere TEK, dvs. alle lange videregående uddannelser. Tallene for privat service er stort set identiske med undtagelse af SAM, som er større for de fem pct., der har den højeste andel af SAM-kollegaer. TABEL 4.9 FORDELING AF ANDELE AF LANGE VIDEREGÅENDE UDDANNELSER

PÅ UDVALGTE PERCENTILER, 2007 HUM SAM TEK Fremstilling 50 percentil 0.01 0.01 0.01 95 percentil 0.04 0.07 0.20

Privat service

50 percentil 0.00 0.00 0.00 95 percentil 0.06 0.17 0.21 Kilde: Egne beregninger.

26

Det er dog klart, at hvis en virksomhed har en stor andel af fx HUM- medarbejdere, vil andelen af TEK eller SAM tendere imod at være lavere, fordi andelene skal summere til én. Det gælder også, selvom andelene er beregnet i forhold til alle medarbejdere, dvs. inklusiv medarbejdere, der ikke har en videregående uddannelse. Dette problem er størst i små virksomheder, og i de helt små virksomheder vil der pr. definition være en kraftig tendens til, at hvis der er flere med én type uddannelse, vil der være færre med andre typer uddannelser. I de større virksomheder er dette problem mindre, når man begrænser sig til at se på sammenhængen mellem fx to typer arbejdskraft. I TABEL 4.10 ses der derfor kun på korrelationen mellem andelene i virksomheder med mere end 10 medarbejdere. I disse virksomheder er der en positiv korrelation mellem anvendelsen af alle de videregående uddannelser. Det gælder især mellem SAM og HUM inden for både fremstilling og privat service, men det gælder også SAM og TEK inden for fremstilling. TABEL 4.10 KORRELATION MELLEM ANDELE AF MEDARBEJDERE FORDELT PÅ

RETNING FOR VIDEREGÅENDE UDDANNELSE I VIRKSOMHEDER MED MINDST

10 MEDARBEJDERE HUM SAM

Fremstilling

SAM 0,31 TEK 0,02 0,13

Privat service

SAM 0,24 TEK 0,03 0,03


I TABEL 4.11 er korrelationen mellem lange videregående uddannelsesandele gengivet. Mønstret er det samme som ovenfor. Korrelationen mellem TEK og HUM og TEK og SAM er endog endnu højere end i TABEL 4.10.

27

TABEL 4.11 KORRELATION MELLEM ANDELE AF MEDARBEJDERE FORDELT PÅ

RETNING FOR LANGE VIDEREGÅENDE UDDANNELSER I VIRKSOMHEDER MED

MINDST 10 MEDARBEJDERE HUM SAM

Fremstilling

SAM 0,25 TEK 0,07 0,14

Privat service

SAM 0,24 TEK 0,08 0,07


Forskydningerne i sammensætningen af medarbejdernes uddannelse kan naturligvis være et udtryk for virksomhedernes efterspørgsel efter specifikke typer af arbejdskraft, men det kan også være udtryk for den arbejdskraft, der har været til rådighed for virksomhederne (udbud). Udviklingen i medarbejdernes uddannelse skal i denne rapport sammenholdes med udviklingen i produktiviteten. Som omtalt ovenfor er arbejdsproduktiviteten et simpelt mål for produktiviteten, og den måles enten som værditilvækst (omsætning) pr. beskæftiget eller pr. arbejdstime. Udviklingen i arbejdsproduktivitet12,13

fra 1999 til 2007 var for fremstilling og privat service henholdsvis 1,9 pct. og -0,3 pct. p.a. blandt de virksomheder, der analyseres på i denne rapport. Der har således været en fremgang i arbejdsproduktiviteten over den betragtede periode inden for fremstilling og en tilbagegang inden for privat service.

Problemet med arbejdsproduktiviteten er, at den ikke er særlig retvisende for den egentlige produktivitet. Den er et såkaldt enkelt-faktor-baseret produktivitetsmål. Ulempen ved dette er, at noget af

12 Denne er beregnet som værditilvækst i sektoren delt med antal årsværk. Værditilvæksten er deflateret med det implicitte produktionsværdiprisindeks. Fordi priser ikke observeres, anvendes disse implicitte prisindeks (27 branchegruppering), og fordi værditilvæksten kan være negativ i løbende priser, anvendes produktionsværdien. Årsværkene er baseret på ATP indbetalinger, som blandt andet ikke inkluderer over tid og dermed ikke er helt retvisende for antallet af arbejdstimer. 13 Negativ værditilvækst kan inkluderes i dette aggregerede mål; men hvis det beregnes på virksomhedsniveau, giver det mindre mening at beregne produktiviteten i virksomheder med negativ værditilvækst.

28

udviklingen i arbejdsproduktiviteten kan henføres til anvendelse af kapital. I afsnit fem behandles udviklingen i produktivitetsniveau derfor som målt ved løn og TFP.

29

5 Produktivitetsmæssig fordeling af højtuddannet arbejdskraft

Hvilken betydning har forskellige typer af uddannelser for virksomhedernes produktivitet? Ovenfor er der argumenteret for, at lønnen kan anvendes som mål for produktivitet. Dette afspejler den individuelle effekt af uddannelse. I TABEL 5.1 er angivet størrelserne af disse individuelle effekter.14

TABEL 5.1 INDIVIDUELLE EFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT

PÅ LØNNEN Videregående

uddannelse HUM SAM TEK

Fremstilling

Korte -0,06 0,23 0,16 Mellemlange 0,19 0,48 0,41 Lange 0,33 0,62 0,55

Privat service

Korte -0,03 0,22 0,15 Mellemlange 0,14 0,39 0,32 Lange 0,22 0,47 0,39 Kilde: Egne beregninger.

Det ses fx, at inden for fremstillingssektoren opnår en person med en lang videregående TEK-uddannelse 55 pct. højere løn end en person uden uddannelse. Der er en tydelig tendens til, at jo længere uddannelse, jo højere produktivitet (løn). Det ses også, at HUM giver den mindste forøgelse af individuel produktivitet, mens SAM giver den højeste effekt. I denne rapport er fokus dog ikke på disse individuelle effekter af uddannelse, men i højere grad på det, der ovenfor blev betegnet fælleseffekten af uddannelse. Udover at den enkelte medarbejders løn er påvirket af medarbejderens egen uddannelse, undersøges det, om lønnen også er påvirket af den uddannelse, de øvrige medarbejdere i virksomheden har. Dermed kan det måles, om uddannelsessammensætningen i virksomheden har betydning for

14 Mere teknisk estimeres en udvidet Mincer-ligning. De individuelle effekter er koefficienter til individets uddannelse. Hvad angår fælleseffekten, så indgår retning og længde af uddannelse i virksomheden som andele, og de er dermed udtryk for semi-elasticiteter.

30

lønnen (produktiviteten). I beregningerne er der også taget hensyn til, at antallet af medarbejdere i virksomheden kan påvirke lønnen, da en del studier finder, at større virksomheder udbetaler højere løn. Hvad angår fælleseffekterne er disse gengivet i Tabel 5.2.15

fremstilling ses, at andelen af højtuddannede har en positiv effekt på produktivitet målt ved løn.16

En stigning i andelen af humanister på ét procentpoint fører til en stigning i lønnen for alle medarbejdere på 0,26 pct. Den største effekt er for TEK, og den laveste er for SAM i fremstilling. Disse effekter afhænger ikke af sammensætningen af medarbejdernes uddannelse (per definition), fordi der ikke er inkluderet interaktionseffekter.

For privat service er billedet anderledes. Her viser det sig, at hvis andelen af SAM øges med ét procentpoint, vil lønnen øges med 0,62 pct. Lavest ligger TEK, som ’kun’ øger lønnen med 0,28 pct. ved en ét procentpoints stigning i andelen. TABEL 5.2 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ LØN Fremstilling Privat service

Andel HUM 0,26*** (0,007)

0,35*** (0,004)

Andel SAM 0,08*** (0,004)

0,62*** (0,002)

Andel TEK 0,29*** (0,002)

0,28*** (0,002)

Observationer 3.035.007 6.469.244 Anm.: *** significant på en pct. niveau. Standardfejl i parenteser. Kilde: Egne beregninger.

I TABEL 5.2 er der kun taget hensyn til den effekt, som hver type af uddannelse giver anledning til hver for sig, og effekten aftager ikke som følge af, at antallet af højtuddannede øges. Det er let at forestille

15 I Appendiks gengives alle parameterestimaterne for de individuelle variable. 16 Der er nu færre observationer på virksomheder og individer. Hovedårsagen til dette er, at timelønnen ikke haves for selvstændige, derved falder disse og enkeltmandsvirksomheder uden medarbejdere bort.

31

sig, at effekten af at ansætte flere højtuddannede bliver mindre, når andelen af højtuddannede bliver større. Det er også muligt, at personer med forskellige typer af uddannelser understøtter hinanden i forskellig grad i virksomhederne, dvs. der kan være interaktionseffekter mellem de forskellige typer af uddannelser. Det kan fx betyde, at det er bedre eller dårligere for produktiviteten at have de uddannede koncentreret på en enkelt type uddannelse i forhold til flere forskellige typer af uddannelser. Det er derfor også analyseret, hvad interaktionen er mellem de forskellige typer af uddannelser, og om produktiviteten er aftagende i andelen af medarbejdere med videregående uddannelse. Sidstnævnte er analyseret i TABEL 5.3. Med udgangspunkt i de udvalgte percentiler (medianen og 95) fra TABEL 4.8 er fælleseffekten beregnet.17

TABEL 5.3 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ LØN

OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE UDDANNELSE Fremstilling Privat service

HUM

50 percentil 0,15 0,31 95 percentil 0,14 0,28

SAM

50 percentil -0,41 0,97 95 percentil -0,27 0,39

TEK

50 percentil 0,34 0,30 95 percentil -0,03 0,11 Anm.: Parameterestimater for den fulde model er gengivet i appendiks C. Kilde: Egne beregninger.

Det første, som bemærkes, er, at effekten er aftagende med andelen (appendiks F indeholder figurer, som illustrerer dette). Dette er tilfældet for alle med undtagelse af SAM i fremstilling. Dvs. at den første højtuddannede giver en større fælleseffekt end efterfølgerne. Forskellen mellem modellen i TABEL 5.2 og modellen bag TABEL 5.3 er, at modellen uden interaktionseffekter i TABEL 5.2 undervurderer

17 Den x’te percentil angiver niveauet for andelen, hvor x pct. af andelene er mindre. Ved at vælge medianen (50 percentil) og 95 percentil undersøges effekten for virksomheden med en lav andel af højtuddannede af den pågældende retning og for virksomheder med en høj andel højtuddannede af den pågældende retning.

32

effekterne ved højtuddannet arbejdskraft for virksomheder med relativt få højtuddannede og overvurderer effekterne for virksomheder med mange højtuddannede. Fx er fælleseffekten af SAM i privat service 0,97 pct. ved en virksomhed med fire pct. SAM-uddannede (medianen), og den er faldet til 0,39 pct. ved en virksomhed med 15 pct. (95 percentil) højtuddannede SAM. I TABEL 5.2, hvor der ikke er taget hensyn til, at effekten afhænger af niveauet for andelen, er denne effekt 0,62 pct. Fælleseffekten for de udvalgte andele medtager ikke interaktionseffekter. I et forsøg på at medtage disse, er fælleseffekten beregnet i en virksomhed med 10 pct. af hver af de to andre typer videregående uddannelse (jf. TABEL 5.4). I forhold til TABEL 5.3 er fælleseffekten større. Det tyder på, at der kan være positive effekter af interaktion. TABEL 5.4 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ LØN

OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE UDDANNELSE INKL. INTERAKTION

Fremstilling ¨Privat service

HUM


SAM


TEK

50 percentil 0,52 0,51 95 percentil 0,15 0,33 Anm.: Parameterestimater for den fulde model findes i appendiks C. Kilde: Egne beregninger.

TFP kan også bruges som mål for produktivitet. Ved beregning af TFP tages der hensyn til, at virksomhederne også anvender kapital i produktionsprocessen. I TABEL 5.5 gengives resultaterne. De simple effekter er meget lig effekterne i TABEL 5.2. I fremstilling er TEK ansat i de mest produktive virksomheder og SAM i de mindste. Alle effekter er dog positive. Også billedet fra privat service gentager sig delvist, hvor SAM er ansat i de højproduktive virksomheder målt ved TFP.

33

TABEL 5.5 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ TFP

Fremstilling Privat service

Andel HUM 0,29*** (0,041)

0,15*** (0,012)

Andel SAM 0,25*** (0,024)

0,67*** (0,006)

Andel TEK 0,47*** (0,012)

0,38*** (0,004)

Observationer 102.831 640.812 Anm.: *** significant på en pct. niveau. Standardfejl i parenteser. Fulde regression kan ses i

appendiks C. Kilde: Egne beregninger.

Det kan igen analyseres, hvad sammensætningen af medarbejderes videregående uddannelse har af betydning, og resultatet af disse beregninger er givet i TABEL 5.6. Resultaterne er ikke meget forskellige fra dem i

TABEL 5.3 bortset fra, at SAM har en positiv effekt på produktiviteten i virksomhederne inden for fremstillingssektoren, når der kun er højtuddannede indenfor SAM, og HUM har en negativ effekt på TFP inden for privat service. TABEL 5.6 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ TFP

OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE UDDANNELSE Fremstilling Privat service

HUM

50 percentil 0,23 -0,25 95 percentil 0,22 -0,13

SAM


TEK

50 percentil 0,58 0,65 95 percentil 0,10 0,11 Anm.: Parameter estimater for den fulde model findes i appendiks C. Kilde: Egne beregninger

Alle fælleseffekter er aftagende i andelen af højtuddannede med undtagelse af HUM i privat service. TABEL 5.7 viser, at interaktion typisk er positiv, også når produktivitet er målt på TFP, undtagelsen er SAM i fremstilling, som har en lidt mindre fælleseffekt end i TABEL

5.6.

34

TABEL 5.7 FÆLLESEFFEKTER AF VIDEREGÅENDE UDDANNELSE MÅLT PÅ TFP

OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE UDDANNELSE INKL. INTERAKTIONSEFFEKTER


HUM

50 percentil 0,40 -0,24 95 percentil 0,39 -0,13

SAM


TEK

50 percentil 0,92 0,70 95 percentil 0,44 0,15 Anm.: Parameterestimater for den fulde model findes i appendiks C. Kilde: Egne beregninger.

Alle resultaterne for interaktion er ment som repræsentative eksempler og vil variere med de faktiske andele i virksomhederne. Ovenfor er der set på, hvordan højtuddannede under ét påvirker produktiviteten (fælleseffekten). Hvis der kun fokuseres på lange videregående uddannelser, er effekterne betydeligt større, hvilket fremgår af TABEL 5.8 og TABEL 5.9.18

Specielt når TFP anvendes som mål for produktivitet, er der meget store produktivitetseffekter af at ansætte personer med en lang videregående uddannelse inden for enten TEK eller SAM.

18 I disse analyser er fælleseffekten af de korte og mellemlange videregående uddannelser udeladt, men den individuelle effekt er med i Mincer-ligningen og produktionsfunktionen. Hvis og såfremt de lange videregående uddannelser er (positivt) korreleret med de øvrige videregående uddannelser, kan fælleseffekten være overvurderet for de lange videregående uddannelser.

35

TABEL 5.8 FÆLLESEFFEKT AF LANGE VIDEREGÅENDE UDDANNELSER MÅLT PÅ

LØN


Andel HUM 0,46*** (0,010)

0,60*** (0,006)

Andel SAM 0,52*** (0,010)

0,59*** (0,003)

Andel TEK 0,55*** (0,005)

0,51*** (0,003)

Anm.: *** significant på en pct. niveau. Standardfejl i parenteser. Kilde: Egne beregninger.

De forskellige lange videregående uddannelsers effekt på produktivitet målt på løn er utrolig jævn. Således er den laveste effekt 0,46 pct. for HUM i fremstilling og højest for HUM i privat service på 0,60 pct. (jf. TABEL 5.8). Disse effekter er af samme størrelsesorden som de individuelle effekter. Hvis der er én TEK-medarbejder i en fremstillingsvirksomhed med 100 medarbejdere, er hendes ’individuelle’ produktivitet til virksomheden på 1/100 af 55 pct., dvs. 0,55 pct. (jf. TABEL 5.1) af lønnen, mens fælleseffekten på alles løn er 0,55 pct. (jf. TABEL 5.8). TABEL 5.9 FÆLLESEFFEKTER AF LANGE VIDEREGÅENDE UDDANNELSER MÅLT

PÅ TFP


Andel HUM 0,38***

(0,06) 0,32***

(0,02)

Andel SAM 1,13***

(0,06) 0,70***

(0,01)

Andel TEK 1,09***

(0,03) 0,23***

(0,01) Anm.: *** significant på en pct. niveau. Standardfejl i parenteser. Kilde: Egne beregninger.

TABEL 5.9 viser, at de lange videregående uddannelser udviser større fælleseffekter målt på TFP end videregående uddannelser under ét, især SAM og TEK inden for fremstilling.

36

TABEL 5.10 FÆLLESEFFEKTER AF LANGE VIDEREGÅENDE UDDANNELSER

MÅLT PÅ LØN OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE

UDDANNELSE Fremstilling Privat service

HUM


SAM


TEK

50 percentil 0,89 1,06 95 percentil 0,46 1,43 Kilde: Egne beregninger.

TABEL 5.11 FÆLLESEFFEKTER AF LANGE VIDEREGÅENDE UDDANNELSER

MÅLT PÅ TFP OG FORDELT PÅ UDVALGTE ANDELE AF VIDEREGÅENDE

UDDANNELSE Fremstilling ¨Privat service

HUM


SAM


TEK

50 percentil 2,08 0,82 95 percentil 0,82 0,39 Kilde: Egne beregninger.

I TABEL 5.10 og TABEL 5.11 ses på, om fælleseffekten har en aftagende effekt på produktivitet målt på henholdsvis løn og TFP. Percentilerne er taget fra Tabel 4.9. De to percentiler fanger virksomheder med henholdsvis en lav og en høj andel af medarbejdere med en lang videregående uddannelse af den pågældende retning. Interaktionseffekterne for de lange videregående uddannelser er negative og statistiske signifikante. Det tyder på, at den positive interaktionseffekt, som blev fundet ovenfor i TABEL 5.4 og Tabel 5.7, er drevet af at kombinere de lange videregående uddannelser med enten mellemlange eller korte videregående uddannelser.

37

6 Konklusion og perspektivering Denne rapport har analyseret, hvilken betydning forskellige typer af højtuddannet arbejdskraft har for produktiviteten i danske virksomheder. I modsætning til de fleste andre analyser er der blevet skelnet mellem individuel effekt af uddannelse og en fælleseffekt. Den individuelle effekt er, at den uddannede selv opnår en højere produktivitet, mens fælleseffekten er, at det kan have en gunstig effekt på produktiviteten i hele virksomheden, hvis der anvendes mere højtuddannet arbejdskraft. Hvad angår den individuelle effekt, viser analysen, at produktiviteten for den enkelte er højere jo længere uddannelse vedkommende har. Den viser også, at det er de samfundsvidenskabelige uddannelser, der giver den højeste individuelle produktivitet. De tekniske, sundheds- og naturvidenskabelige uddannelser giver en lidt lavere produktivitet end de samfundsvidenskabelige. Med hensyn til fælleseffekterne viser analysen, at disse er mindst ligeså store og i nogle beregninger næsten dobbelt så store som de individuelle effekter. Her tyder det i øvrigt på, at de tekniske og naturvidenskabelige uddannelser har den største effekt inden for fremstillingssektoren, mens de samfundsvidenskabelige uddannelser har den største effekt inden for privat service. Der er i øvrigt også en klar tendens til, at de lange videregående uddannelser har en større fælleseffekt end de øvrige videregående uddannelser. Disse resultater skal naturligvis anvendes med forsigtighed. I det ovenstående og i det følgende er det implicit antaget, at der er en kausalitet, hvor højtuddannet arbejdskraft forårsager en højere produktivitet. Dette er dog ikke dokumenteret i analysen. Dvs. det kan ikke udelukkes, at det er højproduktive virksomheder, der ansætter højtuddannet arbejdskraft, og ikke højtuddannet arbejdskraft, der gør virksomheder produktive. Selvom det sidste skulle være tilfældet, er analysens resultater fortsat særdeles relevante i forhold til at forklare, hvordan der kan opnås en højere produktivitet i danske virksomheder, idet resultaterne så viser, hvilke typer af arbejdskraft der bidrager til at tiltrække højproduktive virksomheder. De højtuddannede vil så på denne måde bidrage til at øge produktiviteten.

38

Betydningen af at inkludere fælleseffekterne af uddannelse kan i øvrigt illustreres ved at beregne, hvor meget værdi en højtuddannet bidrager med til produktionen i forhold til en person uden uddannelse. For så vidt angår de individuelle effekter, så fremgår de af TABEL 6.1. De beregnede koefficienter betyder, at en person med en lang videregående uddannelse inden for humaniora, og som arbejder inden for privat service, har en produktivitet, der svarer til 1,22 personer uden uddannelse. For de øvrige typer af uddannelse er produktiviteten højere. Den højeste produktivitet opnås for de samfundsvidenskabelige uddannede inden for fremstillingssektoren, og den svarer til 1,62 personer uden uddannelse. TABEL 6.1 KONVERTERING AF INDIVIDUELLE OG FÆLLESEFFEKTER FOR

LANGE VIDEREGÅENDE UDDANNELSER TIL ANSATTE UDEN VIDEREGÅENDE

UDDANNELSE HUM SAM TEK

Individuel effekt

Fremstilling 1.3 1.6 1.6 Privat service 1.2 1.5 1.4

Individuel og fælleseffekt målt på løn

Fremstilling 2.0 2.4 2.3 Privat service 2.1 2.3 2.1

Individuel og fælleseffekt målt på TFP

Fremstilling 1.9 3.2 3.1 Privat service 1.7 2.5 1.7 Kilde: Egne beregninger.

Fælleseffekterne af personer med lange videregående uddannelser fremgår af TABEL 5.8 og TABEL 5.9 målt på henholdsvis løn og TFP. Hvis estimaterne baseret på TFP anvendes (dvs. TABEL 5.9), ses det fx, at hvis andelen af humanister med en lang videregående uddannelse forøges med ét procentpoint inden for fremstilling, så vokser TFP med 0,38 pct. Når denne fælleseffekt sammenlignes med den individuelle effekt, skal der yderligere tages hensyn til, at fælleseffekten ikke kun øger produktiviteten af arbejdskraften, men produktiviteten af

39

virksomheden som helhed.19 Det betyder, at når der tages hensyn til både individuel effekt og fælleseffekt af humanister, bidrager en humanist med, hvad der svarer til 1,9 ansatte uden uddannelse inden for fremstillingssektoren.20

Når der ses på de øvrige typer af uddannelser, ses det, at personer med en lang videregående uddannelse bidrager med, hvad der svarer til ca. to personer uden uddannelse (varierende fra 1,7 til 3,2).

I analysen er der også set på, hvorvidt effekten er aftagende i andelen med en videregående uddannelse, og hvorvidt det er bedre at have en blanding af personer med forskellige typer af videregående uddannelser i forhold til kun at have en enkelt type ansat. Effekten er aftagende med antallet af højtuddannede. Ud fra analysen kan det dog ikke konkluderes, at der er særlige ”blandinger” af de højtuddannede, som er mere værdifulde end andre. En aktuel baggrund for analysen er den forholdsvis dårlige produktivitetsudvikling i Danmark i det seneste årti. Et væsentligt spørgsmål er derfor, hvorvidt uddannelse kan bidrage til at øge væksten? Baseret på beregningerne i rapporten viser TABEL 6.2, hvilken effekt det vil have på BNP21

i den del af økonomien, der er analyseret på i rapporten, hvis andelen af personer med en lang videregående uddannelse forøges med ét procentpoint, og de ekstra uddannede fordeles på virksomheder som svarende til den nuværende fordeling. Hvis den øvrige del af økonomien ligner den del, der er analyseret på i rapporten, hvad angår produktivitetseffekter, vil resultaterne også afspejle effekten på BNP for hele økonomien ved at øge andelen af beskæftigede med en lang videregående uddannelse med ét procentpoint.

I TABEL 6.2 trækkes på resultaterne fra den simple model, hvor der ikke er taget hensyn til, at gevinsten ved flere højtuddannede kan afhænge af, hvor mange højtuddannede der er i forvejen. Resultaterne vil imidlertid afhænge af, hvor man øger antallet af

19 Da ca. 2/3 af værditilvæksten i virksomheden går til arbejdskraft, skal de 0,38 divideres med 2/3 for at gøre effekterne sammenlignelige med de individuelle, der kun relaterer sig til arbejdskraft. 20 Denne beregnes som den individuelle effekt (0,33) plus fælleseffekten (0,38) divideret med 0,7. 21 Egentlig er det bruttoværditilvæksten, der ses på. Forskellen er de indirekte skatter.

40

medarbejdere med videregående uddannelse. De faktiske gennemsnitlige andele, 17 pct. med en videregående uddannelse og seks pct. med en lang videregående uddannelse i den private sektor, peger på, at effekterne kan være en del større, hvis de højtuddannede kommer i virksomheder med få højtuddannede eller mange højtuddannede af en anden retning. TABEL 6.2 EFFEKT PÅ BNP AF ÉT PROCENTPOINT FLERE MED LANG

VIDEREGÅENDE UDDANNELSE HUM SAM TEK

Fremstilling

Individuel effekt 0,3 0,6 0,6 Fælleseffekt målt på TFP 0,4 1,1 1,1 Fælleseffekt målt på løn 0,5 0,5 0,6 Aggregeret effekt målt på TFP 0,6 1,5 1,5 Aggregeret effekt målt på løn 0,7 0,9 0,9

Privat service

Individuel effekt 0,2 0,5 0,4 Fælles effekt målt på TFP 0,3 0,7 0,2 Fælleseffekt målt på løn 0,6 0,6 0,5 Aggregeret effekt på TFP 0,5 1,0 0,5 Aggregeret effekt målt på løn 0,7 0,9 0,8 Anm.: Den aggregerede effekt er summen af den individuelle effekt, som er vægtet med

lønnens andel af BVT, og fælleseffekten på BNP. Kilde: Egne beregninger.

Det ses, at en stigning på ét procentpoint i den andel af de beskæftigede, der har en lang videregående uddannelse, giver anledning til en stigning i bruttoværditilvæksten på ca. én pct., når der både tages hensyn til den individuelle effekt og fælleseffekten. Det skal her bemærkes, at effekterne i tabellen kun viser den stigning i bruttoværditilvæksten, der isoleret set kan henføres til stigningen i personer med en lang videregående uddannelse. BNP-effekten kan reelt set være en del større, da flere højtuddannede kan give virksomhederne en tilskyndelse til at investere mere, og en stigning i investeringerne vil naturligvis også forøge BNP.

41

7 Referencer Arai, M., 2003. Wages, profits, and capital intensity: evidence from matched worker–firm data. Journal of Labor Economics 21, 593–618. Battu, H., Belfield, C.R., Sloane, P.J., 2003. Human capital spillovers within the workplace: evidence for Great Britain, Oxford Bulletin of Economics and Statistics, 65, 575–594. Blanchflower, D.G., Oswald, A.J., Sanfey, P., 1996. Wages, profits, and rent sharing. Quarterly Journal of Economics 111, 227–251. Dansk Økonomi, 2003, rapport fra Det Økonomiske Råd, efteråret 2003. Levinsohn og Petrin, 2003, Estimating Production Functions Using Inputs to Control for Unobservables, Review of Economic Studies, Vol. 70, No. 2, 317-341. Malchow-Møller, N. and J.R. Skaksen, 2004, Changes in Demand for Skilled Labour in Denmark – A Disaggregate Perspective, Nationaløkonomisk Tidsskrift 142, 67-80. Mas, A. and E. Moretti, 2009, Peers at Work, American Economic Review 99, 112-145. Moretti, E., 2004, Estimating the Social Return to Higher Education: Evidence from Longitudinal and Repeated Cross-Sectional Data, Journal of Econometrics 121, 175-212. Munch, J.R. and J.R. Skaksen, 2008, Human Capital and Wages in Exporting Firms, Journal of International Economics 75, 363-372. Økonomi- og Erhvervsministeriet, 2009, Den danske produktivitetsudvikling, Økonomisk Tema. Van Biesebrock, 2007, Robustness of Productivity Estimates, The Journal of Industrial Economics, Vol. 55, No. 3, 529-569.

42

8 Appendiks A

Konstruktion af kvalitetskorrigeret arbejdskraftindeks

I analysen er anvendt et enkelt indeks for arbejdskraft, som tager højde for, at forskellige typer af arbejdskraft ikke har samme produktivitet. Indekset er konstrueret fra følgende ligning:

Hvor ’i’ er virksomhedens ID, ’m’ er antal typer af arbejdskraft, er

gennemsnits timelønnen for type ’j’=0,…,’m-1’ arbejdskraft. lii er antal fuldtidsansatte22

personer af type ’j’ ansat i virksomhed ’i’. Dette indeks konverterer alle typer arbejdskraft til type 0 effektivitetsenheder.

De forskellige typer er 10 forskellige uddannelser (videregående uddannelser fordelt på retning og længde og en resten), lønmodtagererfaring opgjort ved årlige ATP-indbetalinger, køn, og branche.

Produktionsfunktionen og estimation af TFP

Værditilvæksten antages at kunne forklares af arbejdskraft (kvalitetskorrigeret), kapitalapparat og totalfaktorproduktivitet. I rapporten er valgt en Cobb-Douglas23

produktionsfunktion. For virksomheden kan denne specificeres:

Her indekserer ’j’ virksomheden, ’y’ er værditilvæksten, ’k’ er kapitalapparatet, ’l’ er kvalitetsjusteret indeks for arbejdskraft og

22 Deltidsbeskæftigede tæller kun ½ i ’l’. I aggregeringen tæller ’ejeren’ ikke med, da timelønnen ikke kendes for selvstændige. 23 Cobb-Douglas er en restriktiv funktionsform i nogle sammenhænge, fx hvis interesse er på faktorsubstitution; men dette er ikke interessant i denne rapport, og Cobb-Douglas er standardvalget i litteraturen, når der estimeres TFP.

43

’tfp’+’α’ er totalfaktorproduktiviteten. β1 og β2 er tekniske

koefficienter, som ikke er kendt. Hvis kapitalapparatet og arbejdskraften er ukorrelerede med totalfaktorproduktiviteten, kan β1 og β2 estimeres med OLS. Men hvis fx der kommer et

efterspørgselschok, som er en del af ’tfp’, vil virksomhedens efterspørgsel efter arbejdskraft stige, og derved er der korrelation mellem arbejdskraften og totalfaktorproduktiviteten. Der er flere måder at kontrollere for dette og fælles er, at de introducerer mere struktur, som kan udnyttes til at fjerne korrelationen. Her er valgt Levinsohn og Petrin (2003), som antager: at ’tfp’ følger en eksogen Markov proces, og at der er en monoton positiv sammenhæng mellem ’tfp’ og virksomhedens køb af energi. Når β1 og β2 er kendte, kan ’tfp’ bakkes ud af produktionsfunktionen.

Estimatet af ’tfp’ kan bruges til at undersøge om sammensætningen af de ansattes uddannelse har betydning for totalfaktor-produktiviteten. Noget af den ekstra struktur kan være branchespecifik og ofte, Levinsohn og Petrin gør det, er der udviklet statistiske test til at undersøge, om antagelserne holder. Her er fulgt en anden metode, idet appendiks D indeholder resultater, hvor en anden estimator, OLS, er brugt, og dermed er det en indirekte test for, om estimatoren har betydning for resultaterne.

44

9 Appendiks B

Nogle branchespecifikke resultater

TABEL B.1 UDDANNELSESRETNING PÅ UNDERBRANCHER I FREMSTILLING, 2007 HUM SAM TEK Føde-, drikke- og tobaksvareindustri 0,09 0,33 0,58 Tekstil- og læderindustri 0,21 0,35 0,44 Træ-, papir- og grafisk industri 0,25 0,53 0,22 Kemisk- og plastindustri 0,05 0,19 0,76 Sten-, ler- og glasindustri 0,08 0,22 0,69 Jern- og metalindustri 0,07 0,21 0,73 Møbelindustri og anden industri 0,19 0,39 0,41 Kilde: Egne beregninger.

Fordeling af retning på underbrancher inden for fremstilling viser, at TEK især er fremtrædende i kemisk- og plastindustri, sten-, ler- og glasindustri og jern- og metalindustri. SAM og HUM er især fremtrædende i træ-, papir- og grafisk industri. TABEL B.2 UDDANNELSESRETNING PÅ UNDERBRANCHER I PRIVAT SERVICE, 2007 HUM SAM TEK Bygge og anlæg 0,06 0,12 0,82 Engroshandel m.v. 0,12 0,42 0,46 Detailhandel 0,22 0,34 0,45 Hotel og restauration 0,28 0,42 0,30 Transport 0,17 0,40 0,42 Videnservice 0,10 0,40 0,51 Operationel service 0,25 0,37 0,38 Øvrige serviceerhverv 0,12 0,57 0,32 Kilde: Egne beregninger.

Fordeling af retning på underbrancher i privat service viser, at TEK er fremtrædende i bygge og anlæg, SAM i øvrige serviceerhverv og HUM i hotel og restauration.

45

TABEL B.3 FÆLLESEFFEKTER AF UDDANNELSE PÅ PRODUKTIVITET MÅLT VED

TFP PÅ UNDERBRANCHER I FREMSTILLING

HUM andel SAM andel TEK andel Føde-, drikke- og tobaksvareindustri -1,288 ***

(0,234) 2,024 ***

(0,100) 0,938 ***

(0,048) Tekstil- og læderindustri 0,465 ***

(0,117) -0,061

(0,102) 0,464 ***

(0,077) Træ-, papir- og grafisk industri 0,194 ***

(0,046) -0,014

(0,029) 0,339 ***

(0,052) Kemisk- og plastindustri 1,693 ***

(0,368) 0,916 ***

(0,164) 0,127 ***

(0,041) Sten-, ler- og glasindustri -1,434 ***

(0,271) 1,813 ***

(0,209) 0,959 ***

(0,102) Jern- og metalindustri 1,534 ***

(0,104) 0,200 ***

(0,052) 0,249 ***

(0,016) Møbelindustri og anden industri 0,021

(0,101) 0,588 ***

(0,098) -0,062

(0,085) Kilde: Egne beregninger.

Generelt er effekterne positive med nogle undtagelser for HUM, hvor nogle meget få er ansatte: Føde-, drikke- og tobaksvareindustri og sten-, ler- og glasindustri, som har få højtuddannede, især med HUM-baggrund. TABEL B.4 FÆLLESEFFEKTER AF UDDANNELSE PÅ PRODUKTIVITET MÅLT VED

TFP PÅ UNDERBRANCHER I FREMSTILLING HUM andel SAM andel TEK andel

Bygge og anlæg 0,099 ** (0,044)

0,414 *** (0,033)

0,148 *** (0,010)

Engroshandel m.v. 0,692 *** (0,032)

0,813 *** (0,014)

0,457 *** (0,010)

Detailhandel -0,145 *** (0,031)

-0,011 (0,026)

0,277 *** (0,010)

Hotel og restauration 0,000 (0,039)

0,189 *** (0,033)

0,312 *** (0,032)

Transport -0,528 *** (0,059)

1,035 *** (0,034)

2,119 *** (0,017)

Videnservice 0,090 *** (0,022)

0,345 *** (0,010)

-0,026 *** (0,007)

Operationel service -0,416 *** (0,045)

1,039 *** (0,033)

0,217 *** (0,036)

46

Øvrige serviceerhverv -0,047

(0,063) -0,281 ***

(0,025) 0,060 **

(0,034)


Igen generelt positive resultater. Men HUM i detailhandel, transport, og operationel service, SAM i øvrige serviceerhverv og TEK i videnservice er signifikant negative.

47

10 Appendiks C Fuld specificeret model for lønregressionen TABEL C.1 LØNREGRESSION FOR FREMSTILLING Afhængig variabel: log(timeløn) Variabel Kategori Parameter Konstant 4.12***

(0.001) (log) antal ansatte 0.01***

(0.000) Andel HUM 0.69***

(0.019) Andel SAM 0.97***

(0.016) Andel TEK 0.93***

(0.011) Andel HUM * Andel HUM -0.72***

(0.036) Andel SAM * Andel SAM -1.57***

(0.034) Andel TEK * Andel TEK -1.14***

(0.024) Andel HUM * Andel SAM 0.38**

(0.169) Andel HUM * Andel TEK -1.73***

(0.179) Andel SAM * Andel TEK -1.74***

(0.149) Branche Føde-, drikke- og

tobaksvareindustri 0.07*** (0.001)

Tekstil- og læderindustri 0.03*** (0.002)

Træ-, papir- og grafisk industri -0.03*** (0.001)

Kemisk- og plastindustri 0.07*** (0.001)

Sten-, ler- og glasindustri 0.08*** (0.001)

Jern- og metalindustri 0.05*** (0.001)

[Møbelindustri og anden industri] Længde af uddannelse KVU 0.16***

(0.001) MVU 0.40***

(0.001)

48

LVU 0.55*** (0.001)

Retning for uddannelse

HUM -0.22*** (0.002)

SAM 0.07*** (0.001)

[TEK] Antal år med erfaring som lønmodtager 0.06***

(0.000) Antal år med erfaring som lønmodtager kvadreret 0.00***

(0.000) Mand 0.17***

(0.000) Årstal 2000 0.03***

(0.001) 2001 0.06***

(0.001) 2002 0.07***

(0.001) 2003 0.09***

(0.001) 2004 0.09***

(0.001) 2005 0.14***

(0.001) 2006 0.18***

(0.001) 2007 0.22***

(0.001) [1999]

Antal observationer 3.035.007 Anm.: *** significant på en pct. niveau. ** significant på fem pct. niveau. * significant på 10

pct. niveau. Standardfejl i parenteser. Kilde: Egne beregninger.

TABEL C.2 LØNREGRESSION FOR PRIVAT SERVICE Afhængig variabel: log(timeløn) Variabel Kategori Parameter

Konstant

4.10*** (0.001)

(log) antal ansatte 0.02*** (0.000)

Andel HUM 0.96*** (0.012)

Andel SAM 1.25*** (0.006)

49

Andel TEK 1.08*** (0.006)

Andel HUM * Andel HUM -0.89***

(0.019)

Andel SAM * Andel SAM -1.29***

(0.010)

Andel TEK * Andel TEK -1.07***

(0.009)

Andel HUM * Andel SAM -1.40***

(0.048)

Andel HUM * Andel TEK -0.69***

(0.067)

Andel SAM * Andel TEK 0.84*** (0.037)

Branche Bygge og anlæg 0.07*** (0.001)

Engroshandel m.v.

0.10*** (0.001)

Detailhandel

-0.02*** (0.001)

Hotel og restauration

-0.02*** (0.001)

Transport

0.10*** (0.001)

Videnservice

0.01*** (0.001)

Operationel service

0.04*** (0.001)

Øvrige serviceerhverv

Længde af uddannelse KVU 0.14*** (0.001)

MVU

0.31*** (0.001)

LVU

0.39*** (0.001)

Retning for uddannelse HUM -0.17***

(0.002)

SAM

0.07*** (0.001)

[TEK]

Antal år med erfaring som lønmodtager

0.07*** (0.000)

Antal år med erfaring som lønmodtager kvadreret 0.00*** (0.000)

Mand

0.14*** (0.000)

Årstal 2000 0.02*** (0.001)

50

2001

0.06*** (0.001)

2002

0.06*** (0.001)

2003

0.08*** (0.001)

2004

0.06*** (0.001)

2005

0.11*** (0.001)

2006

0.15*** (0.001)

2007

0.20*** (0.001)

[1999]

Antal observationer 6.469.244 Anm.: *** significant på en pct. niveau. ** significant på fem pct. niveau. * significant på 10


Resultater for produktionsfunktionen TABEL C.3 PRODUKTIONSFUNKTION FOR FREMSTILLING

(log) Kvalitetskorrigeret arbejdskraft

0,858 *** (0,007)

(log) Kapitalapparat

0,028 *** (0,005)

Antal observationer 49.206 Anm.: *** significant på en pct. niveau. Kilde: Egne beregninger.

TABEL C.4 PRODUKTIONSFUNKTION FOR PRIVAT SERVICE

(log) Kvalitetskorrigeret arbejdskraft

0,868 *** (0,009)

(log) Kapitalapparat

0,038 *** (0,007)

Antal observationer 21.639 Anm.: *** significant på en pct. niveau. Kilde: Egne beregninger.

51

TABEL C.5 TFP REGRESSION FOR FREMSTILLING Afhængig variabel: log(timeløn) Variabel Kategori Parameter

Konstant

12,452 *** (0,006)

(log) antal ansatte

0,118 *** (0,001)

Andel HUM

0,225 ** (0,096)

Andel SAM

0,351 *** (0,053)

Andel TEK

0,691 *** (0,031)

Andel HUM * Andel SAM

-0,910 ** (0,368)

Andel HUM * Andel TEK

2,655 *** (0,419)

Andel SAM * Andel TEK

0,763 *** (0,230)

Andel HUM * Andel HUM

-0,100 (0,149)

Andel SAM * Andel SAM

-0,371 *** (0,104)

Andel TEK * Andel TEK

-0,615 *** (0,050)

Årstal 2000

-0,024 *** (0,005)

2001

0,017 *** (0,005)

2002

0,057 *** (0,005)

2003

0,103 *** (0,005)

2004

0,164 *** (0,005)

2005

0,127 *** (0,005)

2006

0,128 *** (0,005)

52

2007

0,123 *** (0,005)

[1999]

Branche Tekstil- og læderindustri

0,198 *** (0,008)

Træ-, papir- og grafisk industri

0,065 *** (0,005)

Kemisk- og plastindustri

0,208 *** (0,005)

Sten-, ler- og glasindustri

0,175 *** (0,007)

Jern- og metalindustri

-0,016 *** (0,004)

Møbelindustri og anden industri

0,035 *** (0,006)

[Føde-, drikke- og tobaksvareindustri]

Antal observationer 102.831 Anm.: *** significant på en pct. niveau. ** significant på fem pct. niveau. * significant på 10


TABEL C.6 TFP REGRESSION FOR PRIVAT SERVICE Afhængig variabel: log(timeløn) Variabel Kategori Parameter

Konstant

12,576 *** (0,002)

(log) antal ansatte

0,121 *** (0,000)

Andel HUM

-0,247 *** (0,029)

Andel SAM

0,941 *** (0,014)

Andel TEK

0,676 *** (0,012)

Andel HUM * Andel SAM

0,335 *** (0,085)

53

Andel HUM * Andel TEK

-0,266 *** (0,096)

Andel SAM * Andel TEK

0,757 *** (0,045)

Andel HUM * Andel HUM

0,593 *** (0,041)

Andel SAM * Andel SAM

-0,600 *** (0,021)

Andel TEK * Andel TEK

-0,526 *** (0,016)

Årstal 2000

-0,013 *** (0,003)

2001

-0,006 ** (0,003)

2002

0,021 *** (0,003)

2003

0,035 *** (0,003)

2004

0,056 *** (0,003)

2005

0,006 ** (0,003)

2006

-0,047 *** (0,003)

2007

-0,034 *** (0,003)

[1999]

Branche

Engroshandel m.v. 0,101 *** (0,002)

Detailhandel -0,308 *** (0,002)

Hotel og restauration -0,293 *** (0,003)

Transport 0,267 *** (0,002)

Videnservice -0,080 *** (0,003)

Operationel service -0,185 *** (0,003)

54

Øvrige serviceerhverv 0,415 *** (0,004)

[Bygge og anlæg]

Antal observationer 640.812 Anm.: *** significant på en pct. niveau. ** significant på fem pct. niveau. * significant på 10


55

11 Appendiks D I analysen er TFP estimeret med Levinsohn og Petrins metode, som tillader, at kapitalapparat og arbejdskraft er korreleret med TFP. For at estimere TFP kræves lidt ekstra struktur på virksomhedens problem. Her er vist, at hvis rapporten havde anvendt en simplere tilgang, OLS, ville de kvalitative aspekter af resultaterne ikke have ændret sig. TABEL D.1 EFFEKTEN AF MEDARBEJDERNES UDDANNELSE PÅ

PRODUKTIVITET MÅLT VED TFP

Fremstilling Privat service Andel HUM 0,318 ***

(0,041) 0,194 ***

(0,012)

Andel SAM 0,209 *** (0,025)

0,665 *** (0,006)

Andel TEK 0,371 *** (0,012)

0,385 *** (0,004)

Anm.: Estimeret med OLS. Kilde: Egne beregninger.

Sammenlignes resultaterne i Tabel D.1 med TABEL 5.5, er resultaterne stort set kvalitativt identiske. I fremstilling er TEK- og SAM-estimaterne med metoden anvendt i rapporten lidt højere, 25 pct. og 20 pct. henholdsvis, end de ville have været med OLS. Mens i privat service er effekten af HUM lidt lavere, 25 pct. TABEL D.2 EFFEKTEN AF MEDARBEJDERES UDDANNELSE PÅ PRODUKTIVITET

MÅLT VED TFP


Andel HUM 0,29*** (0,041)

0,15*** (0,012)

Andel SAM 0,25*** (0,024)

0,67*** (0,006)

Andel TEK 0,47*** (0,012)

0,38*** (0,004)

Observationer 102,831 640,812 Anm.: Estimeret med Levinsohn og Petrin. Kilde: Egne beregninger.

56

12 Appendiks E TABEL E.1 DE 10 MEST UDBREDTE HUM UDDANNELSER, 2007 Pct. Folkeskolelærer 15,6 Pædagog 10,1 Børnehavepædagog 4,3 Håndarbejdslærer 3,8 Socialpædagog 2,9 Pædagogik (mvu) ivu 2,3 Eng.-tysk korrespondent 2,2 Eng.-fransk korrespondent 1,9 Fritidspædagog 1,8 Kommunikation, cand.mag. 1,8 Anm.: Ivu henviser til indvandrerundersøgelsen. Kilde: Egne beregninger.

TABEL E.2 DE 10 MEST UDBREDTE SAM UDDANNELSER, 2007 Pct. Erhvervsøkonomi, cand.merc. 10,2 Jura, cand.jur. 6,5 HA, bachelor 6,5 Regnskabsvæsen, HD 2. del 5,9 Datamatiker 4,9 Revisorkandidat, cand.merc.aud. 3,5 Journalist 2,8 Markedsføringsøkonom 2,7 Ejendomsmægler 2,2 Afsætningsøkonom, HD 2. del 2,1 Kilde: Egne beregninger.

TABEL E.3 DE 10 MEST UDBREDTE TEK UDDANNELSER, 2007 Pct. Sygeplejerske 5,3 Laborant 4,5 Læge, cand.med. 3,8 Civilingeniør, u.n.a. 3,3 El-installatør 3,1 Bygningskonstruktør 2,8 Arkitekt, cand.arch. 2,6 Elektroniktekniker 2,4 Farmakonom 2,3 Maskinteknisk ingeniør 2,0 Kilde: Egne beregninger.

57

TABEL E.4 DE 10 MEST UDBREDTE LANGE VIDEREGÅENDE HUM

UDDANNELSER, 2007 Pct. Eng.-tysk korrespondent 4,3 Eng.-fransk korrespondent 3,7 Kommunikation, cand.mag. 3,5 Engelsk, cand.mag. 3,1 Historie, cand.mag. 3,1 Engelsk, cand.ling.merc. 3,1 Dansk, cand.mag. 2,9 Human./teol. (lvu) ivu 2,8 Humanistisk u.n.a., bachelor 2,7 Kommunikation, spr.bachelor 2,4 Anm.: Ivu henviser til indvandrerundersøgelsen. Kilde: Egne beregninger.

TABEL E.5 DE 10 MEST UDBREDTE LANGE VIDEREGÅENDE SAM

UDDANNELSER, 2007 Pct. Erhvervsøkonomi, cand.merc. 23,3 Jura, cand.jur. 14,8 HA, bachelor 14,8 Revisorkand, cand.merc.aud. 7,9 Økonomi, cand.oecon. 3,8 Statsvidenskab, cand.polit. 3,6 Psykologi, cand.psych. 3,1 Jura, bachelor 2,3 Samfundsvidenskab, bachelor 1,9 Statskund., cand.scient.pol. 1,8 Kilde: Egne beregninger.

TABEL E.6 DE 10 MEST UDBREDTE LANGE VIDEREGÅENDE TEK

UDDANNELSER, 2007 Pct. Læge, cand.med. 11,8 Civilingeniør u.n.a. 10,0 Arkitekt, cand.arch. 8,0 Tandlæge, cand.odont. 5,9 Farmaceut, cand.pharm. 4,4 Elektro-, civilingeniør 3,4 Teknik, ph.d. 3,2 Landbrugsvid., cand.agro. 2,7 Veterinærvidenskab, kandidat 2,7 Datalogi, cand.scient. 2,4 Kilde: Egne beregninger.

58

13 Appendiks F FIGUR F.1 EFFEKTEN AF

VIDEREGÅENDE UDDANNELSE PÅ

PRODUKTIVITET MÅLT PÅ LØN, FREMSTILLING

FIGUR F.2 EFFEKTEN AF


PRODUKTIVITET MÅLT PÅ TFP, FREMSTILLING

Anm.: x-aksen er andel videregående

uddannelser i pct. Anm.: x-aksen er andel videregående

uddannelser i pct. Kilde: Egne beregninger. Kilde: Egne beregninger.



PRODUKTIVITET MÅLT PÅ LØN, PRIVAT SERVICE



PRODUKTIVITET MÅLT PÅ TFP, PRIVAT SERVICE

Anm.: x-aksen er andel videregående

uddannelser i pct. Anm.: x-aksen er andel videregående

uddannelser i pct. Kilde: Egne beregninger. Kilde: Egne beregninger.

-0,1

-0,05

0

0,05

0,1

0,15

-0,1

-0,05

0

0,05

0,1

0,15

1 5 9 131721252933374145

RateRate

HUM SAM TEK .

0

0,05

0,1

0,15

0,2

0

0,05

0,1

0,15

0,2

1 5 9 131721252933374145

RateRate

HUM SAM TEK .

00,050,10,150,20,250,3

00,050,1

0,150,2

0,250,3

1 5 9 131721252933374145

RateRate

HUM SAM TEK .

-0,05

0,05

0,15

0,25

0,35

-0,050

0,050,1

0,150,2

0,250,3

0,35

1 5 9 131721252933374145

RateRate

HUM SAM TEK .

59

FIGUR F.5 EFFEKTEN AF LANGE

VIDEREGÅENDE UDDANNELSER PÅ

PRODUKTIVITET MÅLT PÅ LØN, FREMSTILLING


VIDEREGÅENDE UDDANNELSER PÅ

PRODUKTIVITET MÅLT PÅ TFP, FREMSTILLING

Anm.: x-aksen er andel lange

videregående uddannelser i pct. Anm.: x-aksen er andel lange

videregående uddannelser i pct. Kilde: Egne beregninger. Kilde: Egne beregninger.


VIDEREGÅENDE UDDANNELSER MÅLT

PÅ LØN, PRIVAT SERVICE


VIDEREGÅENDE UDDANNELSER MÅLT

PÅ TFP, PRIVAT SERVICE

Anm.: x-aksen er andel lange

videregående uddannelser i pct. Anm.: x-aksen er andel lange

videregående uddannelser i pct. Kilde: Egne beregninger. Kilde: Egne beregninger.

00,020,040,060,080,10,120,140,16

0,000,020,040,060,080,100,120,140,16

1 3 5 7 9 11 13 15 17 19

RateRate

HUM SAM Series3 .

00,050,10,150,20,250,30,35

0,000,050,100,150,200,250,300,35

1 3 5 7 9 11 13 15 17 19

RateRate

HUM SAM TEK .

00,050,10,150,20,250,3

0,000,050,100,150,200,250,30

1 3 5 7 9 11 13 15 17 19

RateRate

HUM SAM TEK .

00,050,10,150,20,250,3

0,000,050,100,150,200,250,30

1 3 5 7 9 11 13 15 17 19

RateRate

HUM SAM TEK .

dea - produktivtet og videregående uddannelse

Documents