• Skattestruktur (trekantgtraf)

    De europæiske staters vigtigste indtægtskilder er skatter og socialsikringsbidrag. Socialsikringsbidrag er betalinger for deltagelse i sociale sikringsordninger. Deltagelsen — og dermed betalingen — kan være tvungen eller frivillig. Kontingent til arbejdsløshedkasse er et dansk eksempel på et frivilligt bidrag, og bidrag til Lønmodtagernes Garantifond er et eksempel på et tvungent bidrag. Skatter er tvungne betalinger til det offentlige, hvor der i modsætning til socialsikringsbidragene, ikke er knyttet til en direkte modydelse fra det offentlige. Det betyder naturligvis ikke, at skatteyderne ikke får noget for deres betalte skatter. Der kan blot ikke knyttes en direkte forbindelse mellem de betalte skatter og de modtagne ydelser.

    Der er betydelige forskelle staterne imellem på hvilken vægt der lægges på de forskellige indtægtskilder, som det fremgår af tabellen nedenfor.

    Skattestruktur i udvalgte europæiske lande

      Bul-garien Schweiz Tysk-land Danmark Kroatien Serbien Sverige Slovakiet
    1 Socialsikringsbidrag 27,1 24,5 41,3 2,1 31,7 33,3 8,4 43,3
    2 Produktions- og importskatter 53,5 21,7 27,5 34,6 52,4 52,0 50,0 33,8
    3 Indkomst- og formueskatter   18,5 53,9 30,7 63,9 15,9 14,7 41,6 22,9
    4 Kapitalskatter 0,9 0,6 0,5 0,5 0,0 0,1 0,0 0,0
    5 Ubetalte skatter mm 0,0 0,6 0,0 1,1 0,0 0,0 0,0 0,0
    Skatter i alt (1+2+3+4–5) 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0

    Kilde: Eurostats databank gov_10a_taxag

    Det relative høje niveau for ubetalte skatter i Danmark repræsenterer den danske stats forventede tab i forbindelse med svindel omkring refunderet udbytteskat til udlændinge (notat fra Danmarks Statistik: Konteringen af uretmæssigt refunderet udbytteskat til udlændinge på betalingsbalancen og i nationalregnskabet)

    Trekantgrafen

    Trekantgrafen anvendes så ikke så ofte af formidlere af statistik, antagelig fordi det kræver lidt tilvænning at forstå den. Men den er nyttig til visualisering af opgørelser, hvor en række variable — i dette tilfælde den procentvise andel af hver indtægtstype — summer op til 100.  Trekantdiagrammet kan dog kun vise tre variable,  så i det følgende er de to ret ubetydelige kategorier, kapitalskatter og ubetalte skatter mm, slået sammen i med indkomst- og formueskatter.

    TrekantgrafEksI figuren til højre er aflæsningen af trekantgrafen  illustreret, med Sverige som eksempel. Hver side i trekanten udgør aksen for en af variablene. Trekantens hjørner repræsenterer minimumværdien (0 pct.) for én variabel og maksimumværdien (100 pct.) for en anden. For Sverige udgør socialsikringsbidrag 8,4 pct. (den røde line), produktions- og importskatter 50 pct. (den grønne linie) og indkomst- og formueskatter mm 41,6 pct. (den blå linie).

    I figuren nedenfor er værdierne for en række europæiske lande plottet ind i en trekantgraf. Som det fremgår, er der betydelig forskel på, hvordan de europæiske lande vægter de tre indtægtsstyper. De fleste lande ligger i en gruppe tæt på trekantens midte. Det afspejler alle tre indtægttyper indgår med en vis vægt i skattestrukturen.

    En placering tæt på en af trekantens sider afspejler, at landet helt eller delvist har fravalgt en af kilderne. Det mest markante eksempel Danmark (DK), hvor socialsikringsbidragene udgør en meget lille andel, men hvor indkomst- og formueskatterne til gengæld spiller en stor rolle. Også i Island (IS) og Sverige (SE) udgør socialsikringsbidragene en forholdsvis beskeden andel. Schweiz ligner den store gruppe i at at alle tre indkomstkilder indgår med en vis vægt, men adskiller sig dog ved at indkomskatternes vægt er relativ høj.

    Skattestrukturen i europæiske lande, 2015

    TrekantgrafKilde: Eurostats databank gov_10a_taxag    Grafik: Veusz

     

  • Præsident Trump og statistikken

    Det er vist ingen overdrivelse at påstå, at præsidentskiftet i USA har rejst forventninger om betydelige ændringer i amerikansk administrativ praksis. Der er en del usikkerhed omkring ændringernes omfang og karakter, og usikkerhed er en kilde til frygt. Frygten har også ramt de amerikanske statistikere. De er navnlig bekymrede for, at kvaliteten af den officielle amerikanske statistik kan komme i fare.

    I en artikel i The Guardian: “Statisticians fear Trump White House will manipulate figures to fit narrative” refereres nogle af  bekymringerne, sådan som de udtrykkes af fremtrædende amerikanske statistikkere. Blandt de bekymrede er Katherine Wallman, som netop er trådt tilbage som USA’s chefstatistiker efter næsten 25 år på posten. Hendes bekymring går på, at der kan komme en tendens til kun at producere og offentliggøre  den statistik, der fremmer regeringens politik. F.eks. kan statistikker om abort, fattigdom og racemæssig ulighed være i fare.

    Knap så pessimistisk er Erica Groshen, en anden netop afgået topstatistiker. Hun var af præsident Obama udpeget som chef for The Bureau of Labor Statistics (BLS), som er en central del af USA’s statistiske system. Selv om hun frygter følgerne af nedskæringer i et budget, der i forvejen hænger dårligt sammen, så har hun tillid til at den nye administration vil respektere BLS’ uafhængighed. Flere statitstikere mener også, at de økonomiske indikatorer er så vigtige for erhvervslivet, at regeringen ikke vil turde røre dem.

    Fra det Hvide Hus forklares situationen med, at præsidenten ikke er fokuseret på statistikken i sig selv, men på om det som helhed går fremad for det amerikanske folk. Det fokus vil statistikerne nok være enig i, så længe man gør sig klart, at statistik af høj kvalitet er en forudsætning for, at kunne afgøre i hvilken retning et folk og et samfund bevæger sig.

  • På vej mod et post-statistisk samfund?

    I et post-faktuelt samfund giver statistik naturligvis ikke megen mening. Fakta og statistik er tæt forbundne, og forsvinder interessen og behovet for fakta, så må det samme nødvendigvis ske for statistikken. Nu er det vel trods alt svært at forestille sig, at behovet for reel viden vil forsvinde, selv om fakta-resistens bestemt ikke er et ukendt fænomen, men måske er der en udvikling i gang, hvor den viden der repræsenteres af den traditionelle officielle statistik, bliver fortrængt af andre typer af viden produceret af andre typer af vidensproducenter. Et slags post-statistisk samfund.

    Det hævder i hvert fald William Davis (sociolog og økonom), og det er efter hans opfattelse en udvikling, som giver grund til frygt. Den frygt begrunder han grundigt i en artikel i den britiske avis The Guardian under overskriften “How statistics lost their power — and why we should fear what comes next”.

    Med eksempler navnlig fra USA og UK mener han at kunne påvise, at tilliden til den officielle statistik er dalende. Historisk har den officielle statistik været et vigtigt redskab for regeringernes beslutninger, og følgerne vil være alvorlige, hvis det redskab mistes, fordi tilliden forsvinder. Han er opmærksom på, at den officielle statistik har nogle udfordringer, der kan begrunde en kritisk holdning, men frygter konsekvenserne af en overdreven mistillid. Risikoen er, at mistillid i store del af befolkningen — også selv om den er overdreven eller ubegrundet — kan få politikere til afstå fra at anvende pålidelig statistisk viden, og i stedet basere sig på populære, men beviseligt forkerte, påstande.

    En anden trussel ser han i, at den traditionelle officielle statistik, der er baseret på organiseret indsamling af data, fortrænges af en ny type viden baseret på automatisk dannede data (big data). Det kan f.eks. være data indsamlet fra sociale internetbaserede medier eller fra registreringer om anvendelse af betalingskort eller mobiltelefoner. Denne type data er velegnede til at registrere ændringer i og udbredelse af holdninger og følelser, hvilket kan være nyttigt ved beslutninger  i forbindelse med markedsføring, herunder markedsføring af politiske kandidater og partier. Frygten er naturligvis, at der sker en forskydning af det politiske beslutningsgrundlag fra reel viden om samfundsforholdene til mere eller mindre tilfældige ikke rationelle følelser og holdninger.

    Det er også et demokratisk problem, at i modsætning til den traditionelle officielle statistik så vil den nye type viden ikke uden videre blive offentliggjort. Traditionel officiel statistik er så kostbar, at det stort set kun er stater, der både har tilstrækkelige midler og tilstrækkelig interesse i resultaterne, til at forestå produktionen. Og det anses normalt for at være statens forpligtelse at offentliggøre resultaterne. For den nye type viden er det mere adgangen til data og ikke omkostningerne, der afgør, hvem der kan producere den. Og producenterne vil ikke nødvendigvis føle sig forpligtet til at offentliggøre. Tværtimod kan de have en legitim kommerciel interesse i hemmeligholdelse.

  • Analyse fra Danmarks Statistik om boligskattetrykket

    Danmarks Statistik har i en analyse (DSTAnalyse 2017:01) belyst boligskattetrykket for perioden 2004-2014 . Boligskattetrykket er defineret som den samlede grundskyld og ejendomsværdiskat betalt af ejerboliger som andel af boligernes markedsværdi. Når der i analysen tales om boliger, er det altså udelukkende ejerboliger, der tænkes på.

    Det er to ret forskellige skattetyper, der her er samlet under betegnelsen boligskatter. Grundskylden er en skat på jord, der betales af alle grundejere, hvor ejendomsværdiskatten er en skat på den samlede ejendomsværdi, altså den samlede værdi af grund og bygninger, som udelukkende betales af boligejere.

    Grundskylden opkræves af kommunerne som en andel — den såkaldte grundskyldspromille — af den vurderede grundværdi. Den rammer både ejere og lejere af boliger. Ganske vist betales skatten altid af ejeren, men for lejerboligers vedkommende vil skatten blive inkluderet i huslejen.

    Ejendomsværdiskatten opkræves af staten og i modsætning til grundskyld betales den kun af ejere af ejerboliger. Egentlig er den ikke tænkt som en boligskat. Dens formål er at ligestille ejerskab af boliger med ejerskab af finansielle aktiver som bankindeståender, aktier og obligationer. Ejere af finansielle aktiver betaler skat af de indtægter aktiverne kaster af sig i form af renter, udbytter og kursgevinster. Ejerboliger giver et afkast i form af boligydelser (sparet husleje) og værdistigninger. Dette afkast beskattes ikke, og ejendomsværdiskatten skal ses som en erstatning for en egentlig beskatning af dette afkast. Derfor er ejendomsværdiskatten snarere en del af indkomstbeskatningen end af ejendomsbeskatningen.

    Udviklingen i visse skattetyper 2004-2014

    2004 2014 Stigning
    2004-2014
    mia. kr pct.
    Ejendomsværdiskat 10,4 13,4  28
    Grundskyld af ejerboliger 8,0 14,9 85
    Kommunal indkomstskat 170.01 214.0  26

    Note: 1 Skønnet under hensyntagen til kommunalreformen i 2007
    Kilde: Kildegrundlag for DSTAnalyse 2017:01 og statistikbanken.dk/OFF3

    Som det fremgår af tabellen ovenfor, er det samlede provenu af ejendomsværdiskatten i perioden steget med ca. 28 pct. Det er nogenlunde det samme som de kommunale indkomstskatter, og  ikke voldsomt meget mere end inflationen, der i perioden var 21. pct. Provenuet af grundskylden på ejerboliger er derimod steget med ca. 85 pct.

    Udvikling i grundskyldstryk1 og markedsværdi for ejerboliger i kommunerne 2004-2014 (Procentvis stigning)
    Boligskattetryk4
    Note: 1 Grundskyldsprovenu som andel af markedsværdien af ejerboliger
    Kilde: Kildegrundlag for DSTAnalyse 2017:01, Grafik: Veusz

    Der er stor variation mellem kommunerne i udviklingen i grundskyldens andel af markedværdien (grundskyldstrykket). Størst er stigningen i Frederiksund  (92 pct.)  og lavest i Frederiksberg  (minus 2 pct). De store forskelle skal dog ses i sammenhæng med de store forskelle i udviklingen af ejerboligernes markedsværdi. Stiger markedsværdiene mere end provenuet af grundskylden vil grundskyldstrykket falde, uanset hvor meget provenuet stiger. Det er derfor ikke så overraskende, at grundskyldtrykket er steget mindst i de kommuner, der har haft de højeste stigninger i markedsværdierne (se figuren).

  • Sunde leveår og samlet forventet livetid

    Som supplement til den velkendte statistik om forventet levetid offentliggør Eurostat (EU’s statistikkontor) en statistik om, hvor stor en del levetiden helbredet kan forventes at være godt. Statistikken opgøres ved at kombinere den traditionelle statistik om dødsfald i forskelle aldersgrupper med data om den gennemsnitlige helbredsituation. Helbredsoplysningerne stammer fra EU-SILK (Eurostats stikprøveundersøgelse om indkomst og levevilkår), hvor et af spørgsmålene lyder:

    Har du de seneste 6 måneder på grund af helbredsproblemer eller sygdom været hæmmet i udførelsen af aktiviteter, som folk sædvanligvis udfører?

    Andelen, der svarer Alvorligt hæmmet, fordelt på køn og alder, kombineres med oplysningerne fra den traditionelle statistik om dødelighed, og på grundlag heraf beregnes et skøn for det forventede antal sunde leveår. I figuren nedenfor er resultaterne for 2014 vist.

    Forventet levetid og antal sunde leveår i europæiske lande, 2014Kilde: Eurostats Database (hlth_hlye), Grafik:Veusz

    Af figuren fremgår det, at variationen mellem landene er langt større for antallet af sunde leveår, end for den samlede levetid. Det er tydeligst for kvindernes vedkommende, hvor der for samlet levetid kun er en forskel på 8,2 år mellem top og bund (86,2 år for Spanien og 78 år for Bulgarien) hvorimod forskellen i antal sunde leveår er 19,7 år. Især Malta og Sverige skiller sig ud med høje værdier for antallet af sunde leveår, uden at ligge helt i toppen for samlet levetid. Bulgarien ligger ret højt i antal sunde leveår, men i bunden for samlet levetid.

    For mændens vedkommende kan man finde tilsvarende mønstre, men variationen mellem landene er større både for antal sunde leveår og for samlet levetid.

    Statistikkens kvalitet

    Opgørelsen af den samlede levetid er af høj kvalitet, men der kan være problemer i opgørelsen af antal sunde leveår. Det skyldes især, at der kan være forskelle i formuleringen af det centrale helbredsspørsmål i de forskellige lande. Det kan heller ikke udelukkes, at bevarelsen af helbredsspørgsmålet kan være påvirket af kulturelle forskelle mellem landene.

    Inden der drages for håndfaste konklusioner af observationerne skal eventuelle kvalitetsproblemer derfor overvejes.  På Eurostats hjemmeside findes redskaber, der kan understøtte en sådan granskning, bla.  metadata for variablen sunde leveår og nationale kvalitetsrapporter for  EU-SILC.

    Det lidt overraskende resultat for Bulgarien er en af de observationer, der nok kunne fortjene en nøjere granskning.  Et oplagt sted at begynde granskningen er de nationale kvalitetsrapporter, men desværre foreligger der ingen rapport om Bulgarien.

  • Danmarks Statistiks planer for 2017

    Danmarks Statistik redegør hvert år i januar for sine planer for det kommende år. Planerne for 2017 er beskrevet i Arbejdsplan 2017, der udkom den 6. januar. Den årlige arbejdsplan er forankret i femårsplanen Strategi 2020, der omfatter perioden 2015-2020. Strategi 2020 har tidligere været behandlet i denne blog.

    Ny Statistiklov

    En ny statistiklov er under udarbejdelse. Den nye lov vil mere generelt omhandle officiel statistik, hvor den nuværende er koncentreret om Danmarks Statistiks virksomhed. Der må også forventes opstramninger af kravene til uafhængighed og kvalitet, bl.a. for at leve op til kravene i EU’s statistikforordning.

    Et udkast til loven forventes at blive sendt i høring i foråret 2017, og den endelige vedtagelse er planlagt til Folketingsåret 2017/2018.

    Nye, bedre og hurtigere statistikker

    En række helt nye statistikker stiles i udsigt, bl.a.

    • En fondsstatistik, der skal belyse fondenes uddelinger.
    • Et timelønindeks, der skal belyse lønudviklingen for en branche, korrigeret for mængdeændringer, f.eks. i form af ændring af personalesammensætningen.
    • Et prisindeks for andelsboliger

    For flere af de eksisterende statistikker sker der udvidelser. Det gælder bl.a. socialstatistikken og det grønne nationalregnskab. For den registerbaserede arbejdsmarkedsstatistik (RAS) og visse erhvervstatistikker vil tidspunktet for offentliggørelse blive fremrykket.

    Nye datakilder

    Big data (se tidligere indlæg) kan dels erstatte eksisterende datakilder — helt eller delvist — og dels danne grundlag for nye typer af statistik. Bl.a håber man at øget brug af stregkodedata fra supermarkeder både kan reducere svarbyrden for indberetterne og øge statistikkens kvalitet. Danmarks Statistik deltager i internationale projekter om anvendelse af big data til opgørelser af energiforbrug, skibstrafik og emissioner.

    Betænkeligheder

    Danmarks Statistiks styrelse har godkendt arbejdsplanen, som det foreskrives i Lov om Danmarks Statistik. Men selv om Styrelsen giver udtryk for generel tilfredshed med arbejdsplanen, så udtrykker den også bekymring over mulighederne for på lidt længere sigt at opretholde ambitionsniveaet. Især efterspørger den en langsigtet løsning på problemer omkring implementering af fremtidige EU-krav. Den er også bekymret for det grønne nationalregnskabs fremtidige finansiering, og endelig frygter den, at en utidssvarende it-struktur kan skabe problemer for bl.a. nationalregnskabet og statistikbanken.

  • Inflation og indkomstfordeling

    I den økonomiske statistik opgøres indkomst i penge. Penge er i det hele taget den centrale måleenhed i den økonomiske statistik. Det er derfor lidt af et problem, at måleenheden penge er så ustabil over tid. Vil man f.eks. sammenligne indkomster opgjort i kroner i 2006 med indkomster opgjort i kroner i 2014, så må man tage hensyn til, at kronens værdi er lavere i 2014 end i 2006. Indkomsten må med andre ord korrigeres for inflation. Indkomst korrigeret for inflation kaldes realindkomst.

    Måling af inflation er tidligere behandlet i denne blog. Inflationen opgøres sædvanligvis som udviklingen i forbrugerprisindekset, der søger at beskrive prisudviklingen som den opleves at den gennemsnitlige forbruger. Men den gennemsnitlige forbruger er en abstraktion. For den faktiske forbruger er det afgørende, hvordan priserne har udviklet sig for de goder, der indgår i hans personlige forbug, og ikke hvordan den gennemsnitlige prisudvikling har været.

    Danmarks Statistik har for nyligt etableret et supplement til forbrugerprisindekset, hvor prisudviklingen for forskellige husstandsstyper netop belyses under hensyntagen til forskellene i deres forbrugssammensætning. Den nye statistik og dens metoder er beskrevet i en Analyse fra Danmarks Statistik. I tabellen nedenfor er nogle af hovedresultaterne præsenteret.

    Inflation og indkomstudvikling for husstande 2006-2014

     Udvikling 2006-214 Yngre husstande1 Ældre
    husstande1
    Med børn1 Uden børn
    Par Enlig Par Enlig Par Enlig
    Inflation Generel  16,3 16,3  16,3  16,3  16,3  16,3
    Specifik  15,0  15,7  15,9  15,5  17,7  20,9
    Indkomsstigning  28,8 22,7  24.4 11,2 32,9 30,4
    Stigning i realindkomst Generel 10,7 5,5 7,0 -4,4 14,3 12,1
    Specifik  12,0  6,1  7,3  -3,7  13,5 7,9
    Forskel 1,3 0,5 0,4 0,7 -0,8 -4,3

    Note:  1Husstande, hvor hovedpersonen — dvs. personen med den højeste indkomst — er under 60 år, eller som har børn, er kategoriseret som yngre.
    Kilde: DST Analyse 2016:26, 8, december 2016

    Den generelle inflation, vist i førte tabelrække, er den samme for alle husstandstyper, i modsætning til den specifikke inflation, vist i anden tabelrække, hvor forskelle i husstandstypernes forbrugssammensætning er taget i betragtning. Tilsvarende afhænger udviklingen i realindkomst af om det generelle eller det specifikke inflationsmål er anvendt ved beregningen. Differencen mellem stigningen i den specifikke og den generelle realindkomst kan tages som et udtryk for inflationens virkning på indkomstfordelingen mellem husstandstyperne.

    Som det fremgår af tabellens sidste række, så er differencen negativ for de ældre husstande, svarende til, at den specifikke inflation har haft en negativ virkning på deres realindkomst. Til gengæld har navnlig par med børn haft gavn af den specifikke inflation. Bemærk dog, at selv om den specifikke inflation har ramt ældre husstande, så er deres realindkomst alligevel steget mere end de yngre husstandes.

    Forskellene i specifik inflation for husstandstyperne kan for en stor del forklares med forskelle i boligforbrugets andel af det samlede forbrug. Da prisen for boligforbrug er steget mere end den gennemsnitlige inflation, så vil husstande med høj boligandel blive hårdest ramt. Boligforbrugets andel er høj for alle husstande, men højere for ældre husstande (34-39 pct.)  end for yngre (27-30 pct.).

    Forskelle i specifik inflation vil naturligvis også kunne iagttages, hvis man opdeler husholdningerne efter størrelsen af deres disponible indkomst. Det betyder, at der med god mening kunne tages hensyn til den specifikke inflation ved beregningen af ulighedsmål for indkomstfordelingen, f.eks. gini-koefficienten. Specifik inflation for indkomstgrupper indgår (endnu?) ikke i Danmarks Statistiks opgørelser. For Tysklands vedkommende har en undersøgelse vist, at den specifikke inflation i perioden 2005-2014 var højest for husholdninger med lave indkomster (Benjamin Held: Sind ärmere Haushalte stärker von Inflation betroffen?, Wirtsshaft und Statistik, november 2014) .

  • ØMU-gæld og offentlig nettogæld

    Hovedkilden til statistik om den den offentlige gæld er nationalregnskabet eller opgørelser baseret på nationalregnskabets definitioner. Men i de krav, der i kraft af EU’s Økonomiske og Monetære Union stilles til opgørelsen af den  offentlige gæld, defineres begreberne lidt anderledes end i nationalregnskabet, selv om den nationalregnskabsmæssige opgørelse stadig er udgangspunktet. Derfor supplerer Danmarks Statistik de nationalregnskabsmæssige opgørelser med en opgørelse, der følger EU-kravene.

    Der er tre vigtige forskelle, mellem ØMU-opgørelsen og den nationalregnskabs-mæssige opgørelse af den offentlige gæld:

    1. Nationalregnskabets fokuserer på  nettogælden, dvs. forskellen mellem finansiel formue og gæld. ØMU-opgørelsen omfatter kun bruttogælden, dvs kun passiverne.
    2. Nationalregnskabsposten Andre mellemværender er udeladt af ØMU-opgørelsen
    3. I nationaregnskabet opgøres gælden til kursværdi, hvor den i ØMU opgøres til nominel værdi.

    I tabellen nedenfor er de to gældsopgørelser sammenholdt.

    Offentlig formue og gæld, ultimo 2015

    Mia. kr. National-
    regnskab    		 ØMU
    Aktiver F.2 Sedler, mønt og indskud 226 •
    F.31 Kortfristede gældsværdipapirer 1 •
    F.32 Langfristede gældsværdipapirer 66 •
    F.41 Kortfristede lån 13 •
    F.42 Langfristede lån 169 •
    F.5 Ejerandele mm 422 •
    F.6 Forsikrings- og pensionsordninger mm 2 •
    F.7 Finansielle derivater 5 •
    F.8 Andre mellemværnder 85 •
     Aktiver i alt  988 •
    Passiver F.2 Sedler, mønt og indskud 16 16
    F.31 Kortfristede gældsværdipapirer 30 30
    F.32 Langfristede gældsværdipapirer 707 587
    F.41 Kortfristede lån 33 33
    F.42 Langfristede lån 137 136
    F.8 Andre mellemværnder 153 •
     Passiver i alt  1.076 802
    Finansiel nettogæld/Ømu-gæld 88 802

    Kilde: Statistikbanken NASF og Danmarks Officielle Indberetning

    I opgørelsen af aktiverne  indgår ikke de skatter, som husholdninger skal betale i forbindelse med udbetalingerne fra deres pensionsordninger. Indbetalingerne til ordningerne har været fratrukket ved opgørelsen af den skattepligtige indkomst, men til gengæld vil udbetalinger blive beskattet. Der er altså tale om en udskudt skat, som man med god mening kan se som en del af det offentliges finansielle aktiver. På den anden side indgår forpligtelserne i forbindelse med tjenestemandspensionerne ikke på passivsiden.

  • Boligpriser i officiel og privat statistik

    Den officielle statistik om boligpriser udarbejdes og offentliggøres af Danmarks Statistik. Men den officielle statistik står ikke alene. I det mindste tre private statistikker supplerer den officielle. De tre private statistikker er:

    Boligmarkeds-statistikken Produceres af Realkreditforeningen, Realkredit-rådet, Dansk Ejendomsmæglerforening og Finansrådet
    Boligindekset Produceres af Boligøkonomisk Videnscenter
    Markedsindekset Produceres af Boligsiden

    Danmarks Statistik har i en analysepublikation sammenlignet de fire statistikker. Der udarbejdes både månedlige, kvartalsvise og årlige boligprisstatistikker, men analysen fokuserer på de kvartalsvise opgørelser.

    Alle fire statistikker viser nogenlunde samme billede, når man ser på den kvartalsvise udvikling i priserne. Men selvom sæsonmønstret for de fire statistikker er nogenlunde ens, så viser de fire indeks systematiske forskelle, når man ser dem over en længere periode. I tabellen nedenfor vises den gennemsnitlige forskel mellem prisstigningen opgjort i de tre private statistikker og prisstigningen ifølge den officielle statistik. Der opgøres ikke et samlet indeks for ejerboliger, så indeks for enfamiliehuse og ejerboliger er vist hver for sig.

    Gennemsnitlig kvartalsvis forskel i prisstigning i forhold til officiel statistik (2010-2015)

    Officiel statistik Boligmarkeds
    statistikken    		 Boligindeks Markedsindeks
    Enfamilehuse 0,0 -0,3 -0,2 -0,2
    Ejerlejligheder 0,0 -0,4 -0,3 -0,7

    Kilde: DST Analyse 2016:19, Sammenligning af boligprisstatistikker i Danmark

    Årsagen til forskellene er, at de fire statistikker anvender forskellige kilder og forskellige metoder.  Mest markant er forskellene i metoden til den kvalitetskorrektion, der er et nødvendigt led i næsten alle prisstatistikker.

    Kvalitetskorrektion

    Alle statistikkerne tager udgangspunkt i salgspriserne ved ejendomshandler i de kvartaler, der belyses. Men man kan naturligvis ikke uden videre sammenligne den gennemsnitlige salgspris for solgte ejendomme i to kvartaler, uden at tage hensyn til at de handlerne i de to kvartaler kan vedrøre ejendomme af meget forskellig størrelse, alder og beliggenhed mm. Skal sammenligningen være meningsfuld, må priserne kvalitetskorrigeres.

    En oplagt måde at korrigere for forskelle i størrelse er at opgøre priserne pr kvadratmeter ejendomsareal. Nu er der forskel på værdien af forskellige typer af areal, så i praksis anvendes et vægtet antal kvadratmeter, når kvadratmeterprisen beregnes. F.eks indgår boligareal med fuld vægt, mens arealet af udestue kun indgår med vægten 0,15. Boligmarkedsstatistikken og markedsstatistikken anvender denne fremgangsmåde.

    Kvadratmetermetoden korrigerer kun for en begrænset del af kvalitetsaspekterne. I den officielle statistik søger man at inddrage alle kvalitetsaspekter ved at tage udgangspunkt i de officielle ejendomsvurderinger. Ideen er, at vurderingsværdierne antages at tage hensyn til alle kvalitetsaspekter. Det betyder,  at salgsummernes afvigelse fra de handlede ejendommes vurderingsværdi kan tages som et udtryk for den kvalitetskorrigerede prisudvikling siden vurderingstidspunktet.

    I boligindekset anvendes en helt anden metode, der går under navnet gentagne salgs metode (repeated sales-method). Her søger man at korrigere for kvalitetsforskelle ved kun at inddrage ejendomme, der har været handlet mindst to gange (købt og solgt) i den periode, der belyses. Prisindeksene estimeres i en regressionsanalyse, hvor prisændringen ved et salg forklares af en række dummy-variable — en for hvert kvartal i hele den periode, der beregnes indeks for. Dummyen sættes til 1 i salgskvartalet og -1 i købskvartalet. De estimerede koefficienter til dummyerne kan herefter fortolkes som skøn for prisindeksene for kvartalerne. Beskrivelsen er lidt forenklet, men en mere fyldestgørende og ret let forståelig beskrivelse af metoden kan findes hos Silverstein 2014, specielt appendix (s. 11-14)

    Hver gang et nyt kvartal tilføjes serien, bliver der i beregningen inddraget salg, hvor købet er sket i en tidligere periode. Det betyder i princippet, at alle indeks fra periodens første kvartal frem til det næstsidste opgjorte kvartal kan ændres, hver gang et nyt kvartal tilføjes.

  • Hurtig BNP-indikator

    I tirsdags, den 15. november 2016, præsenterede Danmarks Statistik et skøn over væksten i BNP (sæsonkorrigeret og i faste priser) for 3. kvartal 2016, kun 45 dage efter kvartalets udløb. Hidtil har Danmarks Statistik leveret det første skøn efter 60 dage. Udarbejdelsen og offentliggørelsen af skønnet efter 45 dage er i første omgang et forsøg. På grundlag af erfaringerne omkring udviklingen af indikatoren vil Danmarks Statistik vurdere, om der senere kan offentliggøres  BNP-skøn allerede efter 30 dage.

    Opgørelsen af skønnet sket med udgangspunkt i produktionssiden, dvs.  BNP opgjort som:

    Produktionsværdi – forbrug i produktionen + produktskatter – produktsubsidier

    Beregningerne af produktionsværdi og forbrug i produktionen sker fordelt på 15 brancher. Produktskatter og -subsidier beregnes for hele økonomien samlet.

    Opgørelsen af produktionsværdien for de 15 brancher tager udgangspunkt i en beregning, hvor der anvendes samme kilder som ved den hidtidige opgørelse efter 60 dage. Kildedata fremføres så vidt det er muligt med de data, der er tilgængelige efter ca. 35 dage. Hvor det ikke er muligt at fremføre en kilde, anvendes forskellige former for skøn.

    Forbrug i produktionen antages for de fleste (men ikke alle) brancher at udgøre samme andel af produktionsværdien som i tilsvarende kvartal året før. Forskellen mellem produktionsværdi og forbrug i produktionen, dvs. værditilvæksten, kan herefter beregnes for de 15 brancher og adderes til en værditilvækst for hele økonomien. Ved at antage, at produktskatter og -subsidier udvikler sig i takt med værditilvæksten kan væksten i værditilvækst anvendes som skøn for BNP-væksten. En nøjere beskrivelse af metoden kan findes i Danmarks Statistiks dokumentationsnotat om BNP-indikatoren.

    Der er tale om stærkt simplificeret metode i forhold til den, der anvendes ved  opgørelsen efter 60 dage, samtidig med at kildedata er mere begrænsede. Der må derfor forventes en større usikkerhed på 45-dages skønnet end på 60-dages skønnet. Men hvor meget større kan ikke vurderes, før lidt mere erfaring med indikatoren er opnået.

Seneste Indlæg

Arkiv

Kategorier

År

Få en e-post , når bloggen opdateres
Tilmeldingen kan nårsomhelst tilbagekaldes