År: 2019

  • Ressourcefodaftrykket

    Krav om bæredygtig produktion sætter grænser for, hvor meget der kan trækkes på naturressourcer som biomasse, mineraler og fossil energi. Der er derfor behov for pålidelige og helst også overskuelige opgørelser både over trækket på og mængden af tilgængelige ressourcer. De grundlæggende data indgår i de enkelte landes materialestrømsopgørelser, der er satellitsystemer til nationalregnskabet. Disse opgørelser viser landets umiddelbare anvendelse af naturressourcer, opgjort som den samlede udvinding plus import minus eksport. Men en sådan opgørelse viser ikke landets træk på verdens samlede naturressourcer. Det skyldes, at opgjort på denne måde, vil der i et lands træk på egne naturressoucer indgå ressourcer anvendt til produktion af færdigvarer, der eksporteres. Den andel af ressourcerne skal i stedet indgå i det importerende lands ressourcetræk. Omvendt vil der til  produktionen af landets import af af færdigvarer være trukket på ressourcer, der efter den umiddelbare opgørelse indgår i andre landes ressourcetræk. En opgørelse, der er korrigeret for denne indirekte import og eksport, kaldes et ressourcefodaftryk.

    Ressourcefodaftrykket opgøres med udgangspunkt i vægten af de faktisk indvundne, importerede og eksporterede mængder af naturressourcer med et beregnet tillæg for den indirekte import og et beregnet fradrag for den indirekte eksport.  Eurostat offentliggør beregninger af ressourcefodaftryk  for EU som helhed og for enkelte af medlemslandene. Danmark er ikke blandt landene i EU-opgørelsen, men i en ny publikation fra Danmarks Statistik, er det danske ressourcefodaftryk for første gang opgjort officielt. En oversigt over resultater — både fra EU’s opgørelse og fra Danmarks Statistik — er vist i tabellen nedenfor.

    Tons pr capita År Indenlandsk ressource-indvinding
    (1)
    Direkte og indirekte ressorce-import
    (2)
    Direkte og indirekte ressouce-eksport
    (3)
    Ressource-fodaftryk
    (1) + (2) – (3)
    EU (28 lande) 2016 11,1 7,5 4,9 13,7
    Tyskland 2014 13,6 19,0 16,5 16,1
    Frankrig 2016 8,7 12,2 8,2 12,7
    Litauen 2016 15,4 17,1 14,7 17,8
    Malta 2016 4,0 20,1 13,8 10,3
    Nederlandene 2016 6,8 31,4 28,6 9,6
    Østrig 2014 15,4 29,3 20,2 24,5
    Portugal 2016 12,8 10,9 8,4 15,4
    Danmark 2016 19,6 26,9 24,6 21,8

    Kilder: Eurostats Statistikbank env_ac_rme og Iliev(2019)

    Desværre er disse beregninger ikke så enkle at gennemføre, og må baseres på en række skøn og forudsætninger. Det betyder, at der er en stor usikkerhed i resultaterne. Som det udtrykkes i EU’s dokumentation, så er yderligere harmonisering nødvendig, for at nå frem til god sammenlignelighed af estimaterne på tværs af landene. Det afspejler sig i tabellen i overraskende store forskelle mellem EU-landenes fodaftryk, men indtil opgørelsene er blevet bedre harmoniseret må vi nok antage, at forskellene mere hænger sammen med forskelle i metoder end med forskelle i faktisk ressourcebelastning.

    Referencer
    Bogomil Emilov Iliev: “Hvordan påvirker vores forbrug verdens naturressourcer?”, Danmarks Statistik Analyse, Nr. 2019:21, 21/11-2019 (link)
    Danmarks Statistik: “Statistikdokumentation for
    Materialestrømsregnskab 2017″ (link)
    Eurostat: “Material flow accounts in raw material equivalents – modelling estimates (env_ac_rme)”, Reference Metadata (link)
    Eurostat: “Material flow accounts (env_ac_mfa)“, Reference Metadata (link)

  • Sundhedsomkostninger i statistikken — Behov for bedre opgørelser?

    Professor i sundhedsøkonomi og -politik, Kjeld Møller Pedersen, har i en kronik i Altinget efterspurgt en ny og mere gennemskuelig statistik om de offentlige sundhedsudgifter. Kritikken er især rettet mod opgørelsen af sundhedsudgifterne i to af Danmarks Statistiks produkter: Regnskaber for regioner og kommuner og Offentlig Forvaltnings Udgifter og Indtægter. Kritikken kan opsumeres i følgende punkter:

    1. Offentlig Forvaltnings Udgifter og Indtægter følger internationale retningslinier, der nok  gør opgørelsen af sundhedudgifterne internationalt sammenlignelig, men til gengæld nationalt uforståelig
    2. Der savnes en opdeling på regioner, kommuner og stat i Offentlig Forvaltnings Udgifter og Indtægter.
    3. Nogle af de betegnelser, som Danmarks Statistik anvender i Offentlig Forvaltnings Udgifter og Indtægter, er misvisende
    4. Der savnes inflationskorrigerede serier i Regnskaber for regioner og kommuner

    Vedr. punkt 1 går indvendingen dels på, at sammenhængen mellem det offentliges regnskaber og de internationalt sammenlignelige statistikker er uigennemskuelig, og dels at den internationalt sammenlignelige opgørelse ikke afspejler danske nationale behov. Men regnskaber har generelt et andet og bredere formål end en specifik statistik for offentlige udgifter. Bl.a. er regnskaberne grundlag for kontrol af overholdelse af bevillingsregler. Man kan derfor ikke forvente, at regnskaber umiddelbart kan opfylde statistikbrugernes behov. Omkodning og bearbejdning er nødvendig. Samtidig er det naturligvis et krav, at sammenhængen mellem statistikkens resultater og dens kilder er gennemskuelig. Set på den baggrund går kritikken på mangler i statistikkens dokumentation.

    International sammenlignelighed har høj prioritet i den officielle statistik, efter min opfattelse med rette, men naturligvis bør der suppleres med nationale opgørelser, hvor der er behov for det. De internationale retningslinier er fasttlagt i den såkaldte Cofog-manual.  Møller Pedersens kritik går især på, at Cofog-kategorien Sundhedsvæsen omfatter udgifter til plejehjem, der efter hans opfattelse ikke er en sundhedsudgift, men snarere hører hjemme under Cofog-kategorien Social beskyttelse. I den mest detaljerede Cofog-opdeling er Pleje- og rekonvalcenthjem skilt ud som en særlig kategori, men denne underopdeling offentliggøres ikke i Danmarks Statistiks opgørelser.

    Referencer
    Kjeld Møller Pedersen: “Dumt spørgsmål, men hvad koster sundhedsvæsenet?”, Altinget 23/11-2019 (link)
    Danmarks Statistik: “Klassifikation af det offentliges udgifter efter formål (COFOG)”, v1:1999″ (link)

  • Alternativ inflationsmåling – Web scraping og The Billion Prices Project

    Det traditionelle datagrundlag for måling af inflation er indsamlede prisoplysninger for et udvalg af produkter i udvalgte butikker. En kort beskrivelse af metoden findes i et tidligere indlæg. En alternativ metode, hvor priserne indsamles fra forhandlernes hjemmesider er under udvikling. Projektet er døbt The Billion Prices Project (BPP), og er bl.a.  beskrevet i en artikel af de to forskere, der tår bag projektet, Alberto Cavallo and Roberto Rigobon. Starten på projektet var et forsøg på at skabe et alternativt inflationsmål for Argentina, hvor regeringen i perioden 2007-2016 manipulerede inflationsopgørelsen med henblik på et skjule inflationens sande størrelse. Senere blev forsøget udvidet til at omfatte flere lande, bl.a. Australien, Brasilien, Canada, Japan, Kina, Tyskland, Sydafrika, UK og USA.

    Adgang til data skal købes. Et kommercielt foretagende — PriceStats — står for beregningerne, og data sælges gennem et finansielt rådgivningsfirma — State Street.  PriceStat producerer daglige inflationstal for mere end tyve lande. BPP opfylder ikke kriterierne for officiel statistik, men de metoder, der anvendes i projektet, er interessante, og kan naturligvis også være en inspirationskilde for den officielle statistik.

    Det tilstræbes i BPP,  at de indsamlede priser er repræsentative for hele detailhandelen, og derfor udvælges kun forhandlere, der både er aktive på nettet og i fysiske butikker. Et fortagende som Amazon, der ikke har fysiske butikker, indgår derfor ikke. Indsamlingen sker ved anvendelse af såkaldte scraping værktøjer, der automatisk opsøger hjemmesiderne for de valgte leverandører og finder de ønskede prisoplysninger (web-scraping).

    BPP-metoden har en række fordele, som gør den interessant også for officielle statistikinstitutter og deres brugere. Først og fremmest er metoden billig, fordi den ikke kræver manuel dataindsamling. Desuden kan den uden større ekstraomkostninger levere data med høj frekvens, f.eks dagligt, hvor traditionelle prisdata normalt offentliggøres månedligt. Endelig kan resultaterne leveres med meget kort forsinkelse i forhold til traditionelle prisstatistikker. Bedre muligheder for kvalitetskorrektion og for internationale sammenligninger indgår også blandt fordelene.

    Men naturligvis har metoden også ulemper. En af dem er, at ikke alle produkter sælges i net-butikker, hvilket kan give problemer med repræsentativiteten. Specielt tjenesteydelser vil være stærkt underrepræsenterede ved BPP-metoden.

    Albert Cavello har for en række lande sammenlignet inflationsopgørelser baseret på BPP-metoden med traditionelle inflationsopgørelser (link). Han konkluderer, at der er god overensstemmelse, navnlig for de økonomisk mest udviklede lande. Der kan derfor være gevinster at hente for de officielle statistikinstitutioner, både på omkostninger og kvalitet, ved anvendelse af BBP-metoden, i hvert fald som supplement til de traditionelle metoder.

    Referencer:
    Alberto Cavallo and Roberto Rigobon: “The Billion Prices Project: Using Online Prices for Measurement and Research”, Journal of Economic Perspective 2016 vol 30 no 2 (link)
    Alberto Cavallo: “Are Online and Offline Prices Similar? Evidence from Large Multi-Channel Retailers”, American Economic Review 2017, 107(1): 283–303 
    (link)
    The Billion Proces Project: Hjemmeside, (link)

    PriceStats: Hjemmeside (link)

  • Statistisk måling af CO2-udledninger

    Den globale opvarmning, og navnlig spørgsmålet om hvad vi kan og skal gøre for at begrænse den, er blevet et central emne i den offentlige debat, i hvert fald i de rige vestlige lande. Den dominerende holdning blandt forskere, vælgere og politikere er, at der bør gøres et forsøg på at begrænse opvarmningen, og at det først og fremmest skal ske ved at nedbringe den udledning af CO2, der er resultat af menneskelig virksomhed. På klimakonferencer indgår lande og byer aftaler om, hvor meget og hvor hurtigt udledningen skal nedbringes.

    Alle disse aftaler og mål vedrører de direkte udledninger fra fabrikker, boliger og husdyr mm. på landets eller byens område. Dvs CO2-udledningen vedrører den produktion, der foregår i byen eller landet. Men nogle af de produkter der forbruges i byen eller landet kan være fremstillet andre steder, dvs. importeret, så den udledning, forbruget forårsager, er større end den der måles ud fra produktionen. I modsat retning trækker det af en del af produktionen eksporteres og indgår i forbruget andre steder. 

    Produkion af tjenesteydelser giver ikke anledning til så megen CO2-udledning som produktion af industriprodukter.  Da rige lande typisk har stor produktion af tjenesteydelser og importerer industrivarer fra fattigere lande, undervurderer den produktionsbaserede opgørelse den virkelige — dvs. den forbrugsbaserede — belastning fra de rige lande. Det har bl.a fået den meget unge klimaaktivist  — Greta Thunberg — til at anklage de rige lande for kreativ bogføring af CO2-udledningen (Economist 2019).

    Set fra statistikproducenternes synspunkt er problemet, at det er meget vanskeligere at opgøre den forbrugsbaserede udledning end den produktionsbaserede. Begge opgørelser er baseret på en række forudsætninger og modeller, der gør resultaterne usikre, men problemerne er størst for den forbrugsbaserede opgørelse. Det ændrer dog ikke på, at Grete Thunberg har ret i, at det i  denne sammenhæng giver bedre mening, at vurdere et lands eller en bys klimabelastning ud fra den forbrugsbaserede udledning.   

    Referencer
    Hannah Ritchie og Max Roser: “CO₂ and Greenhouse Gas Emissions”, Our World in Data 4/12-2018 (link)
    Hanna Ritchie: “Who emits more than their share of CO₂ emissions?”, Our World in Data 4/12-2018 maj 2017, opdateret oktober 2018 (link)
    Economist: “Greta Thunberg accuses rich countries of creative carbon accounting”, 17/10-2019  (link)

     

  • Kan øget anvendelse af elektroniske betalinger begrænse skatteunddragelse?

     

    Tidsskriftet The Economist har i et indlæg på sin hjemmeside peget på øget anvendelse af elektronske betalinger som et middel til at begrænse skatteuddragelse. De finder støtte for antagelsen i et diagram, hvor den uformelle (grå eller sorte) økonomis andel af BNP i EU-landene er plottet mod omfanget af kortbetalinger. Data for omfanget af kortbetalinger er hentet i ECB’s statistikbank og data for den uformelle økonomi er hentet fra et arbejdspapir fra IMF (Medina og Schneider). Da den uformelle økonomi netop er karakteriseret ved, at den ikke — eller kun i meget begrænset omfang — registreres i de systemer, den normalt udgør kilderne til statistikkens måling af den økonomiske aktivitet, er der stor usikkerhed forbundet med denne opgørelse. Et diagram svarende til The Economists’s er vist i figur 1 (se note).

     Figur 1

    Kilde: ECB Statistical Data Warehouse“Transactions per type of payment service” og Leandro Medina and Friedrich Schneider(2018) Grafik: Veusz

    Diagrammet indikerer, at i lande med at højt omfang af kortbetalinger spiller den uformelle økonomi en mindre rolle end i lande med et lavt omfang af kortbetalinger. Da uformelle økonomiske transaktioner ofte er forbundet med skatteunddragelse, kan øget udbredelse af elektroniske betalinger ses som et middel til at øge skatteindtægterne.

    Sammenhængen lyder meget sandsynlig, og den indtegnede tendenslinie i figur 1 indikerer da også en tydelig sammenhæng. Men der kan også tænkes andre årsager til mindre udbredelse af uformel økonomi end omfanget af kortbetalinger. F.eks. er det i figuren tydeligt, at nordiske og vesteuropæiske lande (markeret med blå cirkler) alle har en forholdsvis lille uformel økonomi, men er vidt forskellige, når det gælder antallet af kortbetalinger. Det kan støtte en hypotese om, at forskelle i skyggeøkonomiens størrelse snarere han henføres til kulturelle forskelle.

    Adskiller man analysen af de nordiske og vesteuropæiske lande fra analysen af de øvrige EU-lande, som det er gjort i figur 2, er sammenhængen mellem kortbetalinger og uformel økonomi ikke så markant. Tendenslinien for Norden og Vesteuropa (blå) er nærmest vandret, og tyder således ikke på nogen sammenhæng overhovedet, og for de øvrige EU-lande er hældningen på tendenslinien (rød) noget mindre end hældningen i figur 1. 

    Figur 2

    Kilde: ECB Statistical Data Warehouse“Transactions per type of payment service” og Leandro Medina and Friedrich Schneider(2018) Grafik: Veusz

    Naturligvis gør anvendelse af kortbetaling det vanskeligere at skjule en transaktion, og det er derfor oplagt, at øget anvendelse af kortbetalinger må have en begrænsende virkning på den uformelle økonomi. Så langt er konklusionen i The Economist korrekt. Men en nøjere analyse af den figur, der anvendes som støtte for konklusionen, antyder at kulturelle og institutionelle forhold kan være af større betydning.

    Note:
    Tendenslinierne i de to figurer i dette indlæg er såkaldte median-median linier. Tendenslinien i The Economist’s plot er en regressionslinie beregnet efter mindste kvadraters metode.

    Referencer:
    The Economist:
    “Informal payments cost governments hundreds of billions in revenue each year”, Daily Chart 30/9-2019 (link)
    ECB Statistical Data Warehouse: “Transactions per type of payment service” (link)
    Leandro Medina and Friedrich Schneider: “Shadow Economies Around the World: What Did We Learn Over the Last 20 Years?”,  IMF Working Paper No. 18/17,  24/1 2018 (link)

  • Datakundskab (data literacy) — en nøglekompetence i det 21. århundrede

    En følge af digitaliseringen er, at der løbende produceres enorme mængder af data. Det har været udgangspunktet for flere indlæg i denne blog, hvor fokus har været på de muligheder og problemer, udviklingen medfører for den officielle statistik. Men naturligvis er der andre end de officielle statistikbureauer, der har øje for de de store datamængder, og som er indstillet på at  udnytte dem. Før der træffes beslutninger af bare lidt mere end rutinemæssig karakter, vil beslutningstagerne i stigende grad spørge om der findes data, der kan belyse problemet, før en beslutning træffes. Da det vil gælde alle områder og niveauer i samfundet, bliver kendskab til data — hvordan de skabes, hvordan de bearbejdes og hvordan de anvendes — en vigtig kompetence for stort set alle. Det betyder naturligvis ikke, at alle skal være eksperter på området, men en grundlæggende viden vil være nødvendig i stort set alle professioner. Og der bliver naturligvis også behov for eksperter.

    I praksis betyder det, at datakundskab (data literacy) må forventes af blive et vigtigt fag både i grundskolerne og på de sekundære og videregående uddannelser. Det giver igen anledning til at overveje, hvad faget datakundskab skal indeholde. Til støtte for udviklingen af kurser i datakundkab har Hochschulforum Digitalisierung — en tænketank oprettet af Stifterverband für die Deutsche Wissenschaft  — udgivet et arbejdspapir, der opstiller en såkaldt kompetenceramme for faget datakundkab. En kompetenceramme defineres i papiret som en model til beskrivelse af effektiv adfærd i en given opgavesammenhæng.  Rammen definerer 21 kompetencer fordelt på seks kompetencefelter. En oversigt er vist herunder.

    Kompetencefelt Kompetence
    Fastlægge problemet Identificere dataanvendelse
    Specificere dataanvendelse
    Koordinere dataanvendelse
    Klargøre data Modellere  dataanvendelse
    Overholde databeskyttelse og -sikkerhed
    Identificere datakilder
    Integrere data
    Verificere data
    Dataproces
    Evaluere data Analysere data
    Visualisere data
    Verbalisere data
    Fortolke dataprodukter Fortolke dataanalyser
    Fortolke datavisualiseringer
    Fortolke dataverbaliseringer
    Fortolke data Dekryptere standardisering
    Spore dataindsamling
    Rekonstruere datakoncepter
    Udlede handling Identificere handlingsmuligheder
    Datastyret handling
    Vurdere virkning

    For hver af de 21 kompetencer giver kompetencerammen en nærmere beskrivelse af kompetencen og opstiller en række mere konkrete eksempler på krav til hhv. viden, færdigheder og holdninger — de tre kompetencedimensioner. Nedenfor er som eksempel vist rammens indhold for kompetencen Fortolke dataverbaliseringer under kompetencefeltet  Fortolke dataprodukter.

    Kompetencefelt Fortolke dataprodukter
    Kompetence   Fortolke dataverbaliseringer
    Beskrivelse Fortolke statistiske egenskaber og modeller  således at konklusioner kan drages eller prognoser opstilles på grundlag af de bagvedliggende data og sammenhænge.
    Kompetence-dimension Viden Kendskab til grundlæggende statistiske metoder 
    Færdigheder Forstå en beskrevet analyseproces og kritisk granske den

    Læse og forstå en statistisk tekst

    Holdninger Forholde sig kritisk til beskrivelser og konklusioner

    Søge implicit information i teksten

    Forholde sig kritisk men være åben over for nye konklusioner og ny indsigter, også hvis de modsiger den nuværende situation

    Rammen skelner for hver kompetence mellem tre kompetenceniveauer, og giver eksempler på kravene på de forskellige niveauer. For kompetencen Fortolke dataverbaliseringer er eksemplerne:

    Laveste niveau Kan forstå enkle forklaringer af statistiske metoder
    Mellemste niveau Kan forstå mundtlige og skriftlige forklaringer af mere komplekse analyseprocesser
    Højeste niveau Kan forstå og granske mundtlige og skriftlige forklaringer af mere komplekse analyseprocesser

    Rammen kan således anvendes for alle uddannelsesniveauer.

    Referencer:
    Katharina Schüller, Paulina Busch & Carina Hindinger: “Future Skills: Ein Framework für Data Literacy Kompetenzrahmen und Forschungsbericht”,  Hochschulforum Digitalisierung Nr 47/august 2019 (link)

  • Trusted Smart Statistics

    Et nationalt statistikinstitut, som f.eks. Danmarks Statistik, indsamler og bearbejder data, og offentliggør de bearbejdede data i form af statistik. Kontrollen med både indsamlingen og bearbejdningen er en hjørnesten i institutternes bestræbelser på at opbygge tillid hos brugerne. Garantien for anvendelse af anerkendte metoder og for åbenhed om både metoder og prioritering bygger bl.a. på, at institutterne har fuld kontrol over hele processen. Denne kontrol over data kan fungere så længe indsamling af data er kostbar og ofte afhængig af lovhjemmel, f.eks. i form af krav om at virksomheder skal besvare statistikinstituttes spørgeskemaer. Men den teknologiske udvikling har medført, at de traditionelt indsamlede datas rolle er blevet mindre. Til gengæld er de data, der mere eller mindre automatisk opstår i forbindelse med f.eks. nethandel, aktivitet på sociale medier og overvågning af trafiksikkerhed — de såkaldte organiske data — blevet meget omfangsrige.

    I modsætning til de indsamlede data, der ofte ejes og kontrolleres af officielle statistikinstitutter, så er de organiske data ofte ejet og kontrolleret af private virksomheder som Google, Nets og teleselskaberne. De private ejere er meget bevidste om værdien af deres organiske data og udnytter dem i høj grad forretningsmæssigt. Men de organiske data rummer også megen information, der kan være af samme almene interesse som den traditionelle officielle statistik, og de giver i mange tilfælde muligheder for billigere og/eller bedre statistik, end de traditionelle metoder. Der kan også ligge store muligheder i kombination af et organisk datasæt med traditionelle datasæt eller med andre organiske datasæt. De private ejere vil sjældent have økonomisk interesse i udnyttelse af disse muligheder, og hvis de har, så vil databeskyttelseslovgivningen oftest forhindre det.

    Men der er intet i vejen for, at de nationale statistikinstitutter kan udnytte disse muligheder, selv om der naturligvis er en række etiske spørgsmål om omfang af og grænser for anvendelsen, som skal være afklaret. Faktisk har institutterne taget hul på sådanne anvendelser. For Danmarks Statistiks vedkommende kan nævnes anvendelse af stregkodedata i forbrugerprisindekset.

    I Eurostat, EU’s officielle statitstikinstitut, er man meget opmærksom på de nye muligheder og på den rolle statistikinstitutterne kan komme til at spille. Som samlet betegnelse for disse processer og deres resultater har Eurostat introduceret begrebet Trusted Smart Statistics(TSS).  

    Et centralt træk i TSS er at ejerskabet til data ikke længere ligger hos statistikinstituttet, men instituttet kan gennem kontrol med og ejerskab af de redskaber i form af programmel, der anvendes ved bearbejdningen, sikre kvalitet og åbenhed. Da de organiske data kan have en langt større detaljeringsgrad end traditionelt indsamlede data, kan det være en del af datasikkerheden, at ejerskab og kontrol er fordelt på mange aktører. Det bliver så de officielle statistikintitutters opgave gennem TSS at opbygge systemer og redskaber, der gør forsvarlig og pålidelig anvendelse mulig. 

    Referencer:
    CROS: “Trusted Smart Statistics in a nutshell”, (link)
    Fabio Ricciato & Albrecht Wirthmann: “Trusted Smart Statistics: how new data will change official statistics”, 20/5-2019 DOI:10.5281/zenodo.3066061 (link)

     

  • Måling af livskvalitet og bæredygtighed i den økonomiske statistik

    Det har, siden nationalregnskabet blev introduceret i midten af den 20. århundrede, været en kendt sag, at opgørelsen af værdien af den samlede produktion, bruttonationalproduktet (BNP), ikke er en særlig velegnet indikator for livskvalitet, og at opgørelsen ikke siger noget om produktionens bæredygtighed. Ikke desto mindre har netop BNP pr. capita ofte været tolket som et mål for livskvalitet, og den manglende hensynstagen til bæredygtighed  har ofte været ignoreret. Producenterne af den økonomiske statistik har i de senere år arbejdet med at finde egnede mål for livskvalitet og bæredygtighed, og i den forbindelse har OECD spillet en vigtig rolle. Peter van de Ven — OECD’s nationalregnskabschef  — har i en artikel i tidskriftet Eurona leveret et overblik over OECD’s hidtidige bestræbelser.

    Nationalregnskabet er et omfattende statistisk system, der belyser mange sider af den økonomiske aktivitet, og BNP er blot et enkelt af de mange størrelser, der opgøres. Et naturligt første skridt er derfor at overveje, hvad der kan gøres inden for nationalregnskabets rammer. OECD har i den forbindelse bl.a. valgt at øge fokus på husholdningerne, fremfor den samlede økonomi der bl.a. også omfatter selskaber, og på den disponible indkomst, dvs. indkomst efter skat. Det foretrukne indkomstbegreb omfatter også de indkomster, husholdningerne har i form af gratis ydelser fra det offentlige, f.eks. i forbindelse med sundhed og uddannelse, og kaldes i nationalregnskabet for korrigeret disponibel indkomst. Men da langt fra alle lande kan levere de nødvendige data har OECD som udgangspunkt valgt begrebet disponibel indkomst, der ikke omfatter de de offentlige gratisydelser.

    Men livskvalitet kan ikke analyseres udelukkende ud fra nationalregnskabets totalstørrelser, de såkaldte makrodata. Makrodata må suppleres med data for forskellige grupper af husholdninger og personer (f,eks fordeling efter køn, alder og erhverv), de såkaldte mikrodata. Begreberne i og teorien bag nationalregnskabet er forberedt for håndteringen af mikrodata, men i praksis er der store problemer i implementeringen. Problemet har været behandlet bl.a. i arbejdsgrupper i OECD og EU, uden at man endnu er kommet til fuld klarhed, men mange lande er begyndt at udarbejde og offentliggøre mikro-opgørelser, der er konsistente med nationalregnskabets makro-opgørelser.   

    Der er dog grænser for, hvor langt man kan komme indenfor de rammer, der sættes af nationalregnskabet. Et af problemerne er den ubetalte husholdningproduktion, dvs. den produktion af f.eks. rengøring og børnepasning, der udføres direkte af en husholdnings egne medlemmer. Denne produktion indgår ikke i nationalregnskabets opgørelser. Købes sådanne ydelser på markedet, eller stilles de til rådighed af det offentlige, vil de derimod indgå. Der er derfor brug for at supplere de nationalregnskabsmæssige opgørelser med skøn over husholdningernes egen produktion. Desværre er det lettere sagt end gjort. 

    Et andet problem er husholdningernes forbrug af gratis internettjenester som Google og Facebook. Leverandørerne har indtægter i form af annonceindtægter, som i en eller anden grad må afspejle sig i de priser, forbrugerne betaler for de forbrugsgoder, de køber på markedet. Men præcis hvordan og i hvilket omfang, man herved får afspejlet den værdi, forbruget af tjenesterne har for husholdningerne, er uafklaret. Endnu mere problematisk er forbruget af produkter, der udvikles og stilles til rådighed af frivillige, uden at der overhovedet er involveret betalinger. Styresystemet Linux og kontorpakken OpenOffice er eksempler på sådanne produkter. Husholdningernes forbrug af disse ydelser er slet ikke afspejlet i nationalregnskabet.

    Når det drejer sig om  bæredygtighed er det begrænset, hvor meget nationalregnskabet i sin  nuværende form kan bidrage. Men der arbejdes med i tilknytning til nationalregnskabet at opbygget en række supplerende systemer, de såkaldte satellitregnskaber, der skal bidrage til at belyse de områder, de er underbelyst i det egentlige nationalregnskab (kernen). I satellitregnskaberne anvendes i videst muligt omfang de samme begreber og klassifikationer som i nationalregnskabet, således at opgørelserne kan sammenholdes. Der står dog mange problemer tilbage at løse, og endnu er satellitregnskaber kun implementeret i begrænset omfang.

    Referencer
    Peter van de Ven:
    “Measuring economic well-being and sustainability: a practical agenda for the present and the future”, Eurona 1/2019 (link)

  • Er de officielle statistikbureauers monopol truet?

    Engang, for ikke så længe siden, havde Danmarks Radio monopol på distribution af radio og TV. Telefonvæsenet og postvæsenet er andre eksempler på offentlige monopoler, der har mistet deres monopolstatus. Fra de andre nordiske lande er monopolet på salg af alkohol et godt eksempel. I modsætning hertil er den officielle statistik et eksempel på et offentligt monopol der indtil videre har overlevet.

    Men det er måske kun et spørgsmål om tid! Ulrik Rongved Amundsen — webredaktør for Norges officielle statistikbureau (SSB) — har i et et indlæg til  Nordisk Statistikermøde i Helsingfors præsenteret nogle overvejelser om statistikbureauernes fremtidige rolle i lyset af en tekniske og samfundsmæssig udvikling. Udviklingen kan på lidt længere sigt udfordre for den hidtidige monopolstatus.

    Som Amundsen ser det, har statistikbureauernes rolle først og fremmest været, at tjene statens regerende elite med nødvendig information. Bureauernes funktion var (og er) at indsamle data, og ved anvendelse af statistiske teknikker at omforme de indsamlede rå data til nyttig og nødvendig indformation. Uden den statistiske information om samfundet vil det ikke være muligt at regere. Da statistikproduktion er kostbar og dataindsamling i mange tilfælde er afhængig af lovhjemmel, har statistikproduktionen været et naturligt statsmonopol. Men it-udviklingen er ved ændre vilkårene. Moderne kommunikation skaber data — oftest i form af såkaldte big data — der er kontrolleret af private virksomheder som Google og Facebook, og adgangen til teknikker til omformning af data til information, typisk i form af computerprogrammel, er blevet billigere. Statistikproduktion kræver ikke længere en solid skattefinansieret statskasse. Staten og dens eksperter ikke længere er så afhængige af statistikbureauerne og det betyder selvfølgelig en trussel mod deres eksistens.

    Nu kan kan jo sige, at hvis statistikbureaerne ikke længere er nødvendige, så er de en helt natulig udvikling, at de forsvinder eller indskrænkes betydeligt. Men Amundsens ærinde er at vise, hvordan statikstikbureuerne kan overleve, ved at tilpasse sig udviklingen. Det betyder i praksis, at fokus skal flyttes fra betjening af eksperter til betjening af almindelige borgere.   

    Den omstilling kan vise sig at blive vanskelig. Kulturen i statistikbureaerne er konservativ, og de ansatte er vænnet til samarbejdet med eksperterne. Amundsen frygter, at det bliver noget af en overvindelse for bureauerne at at skulle opbygge respekt og imødekommenhed overfor almindelige menneskers informationsbehov. Det er baggrunden for at artiklens titel taler om frygt og afsky (fear and loathing). Frygt for at blive overhalet af udviklingen og afsky for udsigten til at skulle flytte fokus fra eksperter til lægfolk.

    Heldigvis for bureauerne er der erfaringer der viser, at en sådan omstilling er mulig. Som forbilleder ser Amundsen det norske statsfjernsyn NRK og Vinmonopolet, der begge med stort held har formået at omforme sig fra at være politikerstyrede redskaber for hhv., kultur- og alkoholpolitik til at være forbrugerorienterede leverandører af underholdning og nydelsesmidler. Statistikbureauerne må ifølge Amundsen indstille sig på en tilsvarende omstilling. Først og fremmest ser han en mulighed og en opgave i at gøre statistikken let at finde, for det kan ikke forventes at brugeren vil bruge mange kræfter på søgeprocessen og at den er let at forstå, for det kan ikke forventes at bruger har forudgående viden om statistik. Ikke nogen nem opgave!

    Referencer
    Ulrik Rongved Amundsen:
    “Fear and loathing in official statistics(or: The death of the expert as a target audience)” , Nordic Statistical Meeting, Helsinki 26-28/8 2019 (link)

  • EU’s finanser, konsekvenser af Brexit

    Brexit nærmer sig. Næsten alle økonomer og politiske kommentatorer forudser store negative økonomiske følger for både EU og UK. En samlet økonomisk vurdering af konsekvenserne forudsætter overvejelser om mange aspekter af de økonomiske mekanismer, og i den forbindelse også stillingtagen til ukendte og uforudsigelige forhold og sammenhænge. Hertil kommer, at en samlet vurdering naturligvis  skal omfatte mere end de økonomiske konsekvenser. I dette indlæg ser jeg udelukkende på de helt umiddelbare konsekvenser for EU’s indtægter og udgifter.

    Som altid er den officielle statistik et godt udgangpunkt den slags overvejelser, og når det drejer sig om økonomien er nationalregnskabet det naturlige udgangspunkt. I tabellen nedenfor er de umiddelbare konsekvenser for EU’s, UK’s og de øvrige medlemslandes finanser illustreret i en nationalregnskabsmæssig opgørelse. Tabellen viser hvordan EU’s indtægter optræder som udgifter for UK og de øvrige medlemslande, og tilsvarende hvordan EU’s udgifter viser sig som indtægter i landene. Indtægter er vis med blå skrift, udgifter med rød

    EU’s indtægter og udgifter, 2018, mia. euro

    Indtægt for EU
    Udgift for
    UK Øvrige EU-lande Resten af verdenen
    Told mm 27,0 3,9 23,1 0,0
    Moms 17,6 3,3 14,3 0,0
    BNI-afgift (minus UK-rabat) 104,5 10,3 94,2 0,0
    Øvrige løbende overførsler 15,8 0,5 13,0 2,3
    I alt 164,9 18,0 144,6 2,3
    Udgift for EU
    Indtægt for
    UK Øvrige EU-lande Resten af verdenen
    Subsidier 56,5 3,8 52,7 0,0
    Forbrug 25,7 1,9 22,5 1,2
    Løbende internationalt samarbejde 32,8 1,3 23,7 7,8
    Øvrige løbende overførsler 2,7 0,1 2,5 0,1
    Investeringstilskud mv. 41,1 1,0 40,0 0,1
    I alt 158,7 8,1 141,5 9,2
    Overskud (Nettofordringserhvervelse) 6,2 9,9 3,2 6,9

    Kilde: Eurostats databank/bop_euins6_a (link

    Som det fremgår af tabellen bidrager UK med omkring 11 pct. af EU’s indtægter. Den vigtigste indtægtspost er BNI-afgiften, som landene i princippet betaler i forhold til størrelsen af deres bruttonationalindkomst (BNI). Fulgte man princippet slavisk skulle UK for 2018 betale ca. 15,2 mia euro i BNI-afgift, men gennem en særlig aftale — UK-rabatten — er dette beløb nedbragt til de 10,3 mia. euro, der er vist i tabellen. Enkelte andre lande, herunder Danmark, er omfattet af tilsvarende rabatordninger, men de er af væsentlig mindre omfang.

    På EU’ udgiftside står UK som modtager af ca. 5,1 pct af subsidier mm. Opgjort på denne måde betyder Brexit således, et tab for EU på omkring 10 mia. euro. Skal status quo bevares, skal de øvrige lande øge deres samlede bidrag med op mod 7 pct. Lægges hele byrden på BNI-afgiften skal denne øges med omkring 10 pct. Nedskæringer på udgiftssiden er naturligvis også mulige. Under alle omstændigheder bliver noget at diskutere for de tilbageblivende lande!

    De økonomiske fordele og ulemper ved EU-medlemskabet kan ikke belyses udelukkende ud fra EU’s regnskaber. F.eks. udgøres en del af landbrugsstøtten af kunstigt høje fødevarepriser, der betales direkte af EU’s forbrugere, men ikke indgår i EU-institutionernes regnskaber. Og de dynamiske virkninger af de åbne markeder, der er en væsentlig del af EU-samarbejdet, afspejles slet ikke i disse regnskaber.