Åbningstidernes betydning for butikkernes omsætning og ...

Tæt t ppåå
Teknisk bilagsrapport 4: Åbningstidernes betydning for
butikkernes omsætning og beskæftigelse
Resumé
I denne analyse undersøger vi om den nuværende lukkelov har øget
omsætningen i de små butikker i forhold til i de store. Og om
opbremsning i butiksdøden gennem de seneste år kan tilskrives
lukkeloven eller snarere skyldes andre hændelser. Dermed går vi et
skridt videre end tilsvarende studier fra udlandet, idet de ikke analyserer
de afledte strukturelle effekter blandt detailbutikkerne af længere
åbningstider. Men udelukkende fokuserer på de afledte
forbrugseffekter, der følger af længere åbningstider.
Da den nuværende lukkelov blev indført samtidig med en begyndende
dansk højkonjunktur, er det muligt at en del af opbremsningen i
butiksdøden kan tilskrives højkonjunkturen frem for lovændringen. For
at kunne give så klart et billede af dette, identificerer vi åbningstids- og
konjunktureffekter i et butikspanel af 199 butikker. Ligesom svenske 1
og hollandske 2 studier, viser vores analyser, at butikkernes
omsætningsfremgang i langt højere grad skyldes indkomststigninger
blandt forbrugerne end længere åbningstider i hverdagene og
søndagsåbent. Der er således meget, der taler for, at opbremsningen i
butiksdøden snarere skyldes forbedrede konjunkture end indførelsen af
lukkeloven.
Vi analyserer også om lukkeloven giver de små dagligvarebutikker en
konkurrencemæssig fordel, og dermed øger deres omsætning relativt
mere end de store. Analysen viser, at de store butikker fortsat vinder
markedsandele fra de små - også selvom de små holder åbent om
søndagen. Dette kan bla. skyldes, at de store butikker har et større udbud
af varer end de små butikker og derfor har lettere ved at tiltrække kunder
indenfor de traditionelle åbningstider.
Udover omsætningseffekterne viser analysen også, at længere
åbningstider og søndagsåbent har haft en positiv beskæftigelseseffekt. I
overensstemmelse med vores forventninger ser vi dog at længere
åbningstider har størst effekt blandt de små søndagsåbne butikker,
hvilket blandt andet kan skyldes, at de mindere butikker har færre
ansatte. I de små butikker betyder dette, at bemandingen af længere
åbningstider ikke bare kan løses ved, at ændre på butikkens vagtplan,
1 SOU (1991).
2 Bode et al. (1990) og Gradus (1996).
Side 1 af 17
eerrhhvveerrvvssppool lli iit ti iikkkkeenn

Tæt t ppåå
men at de mindre butikker skal ansætte mere personale. Derved ædes
en del konkurrencefordelene op i lønninger til nye medarbejdere 3 .
Isoleret set har de udvidede åbningstider dog ført til godt 200 flere
fuldtidsarbejdspladser eller ca. 350 hel- og deltidsjobs blandt kiosker,
kolonialbutikker og supermarkeder. Hvilket er i fuldoverensstemmelse
med lignende svenske og hollandske analyser.
Side 2 af 17
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Indledning
Et af formålene med den nuværende lukkelov var at forbedre
overlevelsesmulighederne for de små dagligvarebutikker ved at tillade dem at
holde søndagsåbent, mens butikker med en omsætning over et givet loft ikke må
holde åbent om søndagen, jf. lovens bemærkninger (se appendix 1 til kapitel 1).
Sammenholder man dette med statistikker, der viser, at der lukker færre
dagligvarebutikker efter lovens indførelse i 1995, er det en mulig konklusion, at
loven har mindsket butiksdøden
- specielt blandt de små butikker.
Da den nuværende lov blev indført samtidig med en begyndende dansk
højkonjunktur, kan en del af opbremsningen i butiksdøden muligvis tilskrives
højkonjunkturen frem for lovændringen. I vores analyse udskiller vi derfor
konjunktur- og åbningstidseffekter fra forklaringen af butikkernes omsætning og
beskæftigelse, hvorefter vi bestemmer åbningstidens betydning.
I dette bilag gennemgår vi de bagved liggende mikroestimationer på et panel af
199 butikker. Panelet indeholder butiksspecifikke oplysninger for to år - før og efter
95-lovens indførelse - på omsætning, antal ansatte, åbningstid og lønsum.
Fordelen ved dette fremfor estimationer på aggregeret niveau, er at man kan
differentiere sin analyse på forskellige typer af butikker i stedet for at analysere
hele sektoren under eet.
Lov om butikstid er stort set ens for alle udvalgsvarebutikker. Men blandt
dagligvarebutikkerne differentieres butikkernes mulige/ lovlige åbningstider efter
butikkems omsætning (i 1999 udgjorde det pristalsregulerede omsætningsloftet
13,8 mio kr ). En analyse af loven er derfor mest relevant blandt
dagligvarebutikkerne. Da kiosker, kolonialbutikker og supermarkeder også sælger
relativt homogene vare, udfører vi derfor analysen på denne gruppe af butikker.
I fortolkningen af mikroestimaterne fokuserer vi på sammenhængen mellem
ændringer i butikkernes omsætning, forbrugernes indkomst og butikkernes
åbningstider. Disse sammenhænge analyserer vi både samlet og på mere
detaljeret niveau, hvor vi opdeler samplet i små og store butikker. Det primære
formål med dette er at afprøve/ eftervise en række påstande, der har været
fremført i debatten om lukkeloven.
Vores analyser viser at forbrugernes indkomst forklarer dobbelt så meget af
udviklingen i butikkernes omsætning som den ugentlige åbningstid.
3 Jf. Auld (1984) et al.

Side 3 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Sammenholder vi dette med vores forbrugersurvey 4 , hvor butikkernes åbningstider
rangerer relativt lavt blandt forbrugernes præferencer - i forhold til fx butikkernes
priser, varesortiment og varernes kvalitet - er der meget, der taler for at stigningen
i butikkernes omsætning i højere grad skyldes forbedrede konjunkture end
indførslen af lukkeloven.
Men åbningstiden har positiv indvirkning på omsætningen, og den kan derfor godt
(sammen med de gunstige konjunkture) have været med til at reducere
butiksdøden.
Beregninger viser dog, at omsætningsfremgangen er dobbelt så stor blandt de
store som de små butikker 5 . På trods af søndagsåbent taber de små butikker
således fortsat markedsandele til de store.
På tilsvarende vis analyserer vi sammenhængen mellem åbningstid og antal
ansatte i butikkerne. Teorien siger at længere åbningstider fører til to
modsatrettede beskæftigelseseffekter 6 : For det første stiger bemandingsbehovet,
som en direkte følge af længere åbningstider. For det andet kappes toppen af
spidsbelastningen, fordi forbrugerne nu får mulighed for at sprede deres indkøb ud
over et bredere tidsperiode, hvilket giver butikkerne mulighed for at høste en
effektivtetsgevinst ved at reducere antallet af medarbejdere i disse perioder 7 .
Vores beregninger viser at længere åbningstider fører til øget beskæftigelse, og at
det ekstra bemandingsbehov dermed overstiger effiktivseringsgevinsten. Dette
kan skyldes, at der altid skal opholde sig et minimum af medarbejdere i butikken;
medarbejdere der betjener kasserne, stiller varer på hylderne og holde øje med
evt. butikstyve, samt en mellemleder (manden med nøglen), der er ansvarlig for
den overordnede drift, åbne og lukke butikken, osv.
Blandt samtlige danske kolonial-, supermarked- og kioskbutikker er antallet af
ansatte steget med 2000 fuldtidsstillinger fra 27000 i 1995 til 29000 personer i
1997. Spørgeskemaindberetningerne fra panelbutikkerne viser, at den
gennemsnitlige ugentlige åbningstid er steget med 9%. Vores beregninger viser, at
udvidelsen af åbningstiden forklarer godt 200 at de 2000 nye jobs.
Endvidere finder vi, at længere åbningstider har størst beskæftigelseseffekter
blandt de små butikker 8 . Dette kan blandt andet skyldes deres lille
medarbejderstab og dermed manglende fleksibilitet med hensyn til
medarbejderallokeringer. Hvorved de små butikker bliver nødt til at ansætte nye
4
Jf. kapitel 2.
5
For omsætningen er både konjunktur- og åbningstidselasticiteterne to gange større i de store
butikker end i de små.
6
Jf. Auld (1984).
7
Jf. kapitel 2.
8
Hver gang en lille butik øger åbningstiden med 1%, øges antallet af ansatte med 1,28%. Mens
mederbejderantallet øges med 0,59% i de store butikker, når åbningstiden øges med 1%.

Side 4 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
medarbejdere, hvilket i sidste ende betyder at en del af konkurrencefordelene ved
søndagsåbent ædes op i lønninger til nye medarbejdere.
5.1 Metode
Resultaterne i analysen bygger på en database, som vi har konstrueret ved at
sammenkøre regnskabsdata for de enkelte butikker med oplysninger om deres
åbningstider og gennemsnitsindkomsten for deres opland - her defineret som
kommunen. Definitioner af variabler og sammenkøring af de tre datasæt,
Regsskabsstatistikken, KSDB og vores egen Åbningstidsundersøgelse, beskriver
vi nærmere i appendix 1.
Med udgangspunkt i svenske 9 og hollandske 10 studier opstiller vi en simpel model,
hvor vi analyserer sammenhængen mellem butikkernes åbningstid og deres
omsætning og antal ansatte. Formålet med dette er at teste en række påstande, der
har været fremført i debatten og at efterprøve de udenlandske resultater på danske
data.
I modsætning til de svensk/hollandske studier, der kun dækker eet år (efter
liberaliseringen). Dækker vores database to år (1995 og 1997) - før og efter
indførelsen af 95-lukkeloven. Dette er en klar fordel, da vi dermed kan få mulighed
for at estimere effekten af lovændringer.
Som man vil forvente er omsætning, beskæftigelse og åbningstid vidt forskellige
blandt kiosker, mindre købmænd og store supermarkeder. Vi estimerer derfor
panelet, så man tager højde for individuel heterogenitet, både mellem årene og de
forskellige typer af butikker.
Modellen
Inspirationen til vores analyse er fortrinsvis hentet fra den svenske
Affärstidsutredning, SOU 1991:10, og de hollandske studier af hhv. Gradus (1996)
og Bode (1990). I disse studier estimerer man forbrugernes efterspørgsel efter
varer og tjenester i dagligvarebutikkerne som en funktion af indkomst, åbningstider
og individspecifikke karakteristika for de enkelte butikker. Tilsvarende estimerer
man den butiksspecifikke arbejdskraftsefterspørgsel i hver enkelt butik, som
funktion af åbningstiden, butikkernes årlige omsætning og en række
butiksspecifikke effekter.
Med udgangspunkt i disse studier opstiller vi således en simpel 2-ligningsmodel;
for forbrugernes efterspørgsel efter dagligvarer og butikkernes efterspørgsel efter
arbejdskraft.
Den første relation, (1.a), udtrykker forbrugernes efterspørgsel efter dagligvarer i
den enkelte butik - udtrykt ved butikkens årlige nominelle omsætning - som
funktion af oplandets gennemsnitsindkomst og butikkens ugentlige åbningstid. Alt
andet lige forventer vi at øget gennemsnitsindkomst blandt forbrugerne øger
omsætningen i butikkerne. Dette skyldes for det første, at vi forventer, at øget
9 SOU (1991:10).
10 Bode et al. (1989).

Side 5 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
indkomst øger forbruget - ikke kun i mængder, men også i værdier i form af skift
mod varer og services af højere kvalitet, jf. Deaton og Mullbauer (1994). Som et
vejledende eksempel er det vægtede gennemsnit af ADAMs indkomstelasticitet
for fødevarer og nydelsesmiddel er 0,66. Men da relation (1.a) kun indeholder to
variabler, bør indkomsteffekten fortolkes bredere, til fx også at forklare effekten af
reklamer, priser og demografi. Vi forventer derfor, en positiv indkomstelasticitet,
der sandsynligvis er højere end ADAM-estimatet.
Tilsvarende forventer vi at længere åbningstider øger detailsalget, da forbrugerne
nu får bedre adgang til butikkerne. Derved mindskes forbrugernes
transaktonsomkostninger, hvilket kan rykke en del af forbruget fra andre dele af
økonomien til detailsektoren. Den positive sammenhæng mellem butikkernes
åbningstid og deres omsætning forventes dog ikke at være nær så kraftig som
sammenhængen mellem indkomst og forbrug, da forbrugerne ikke giver udtryk for
at åbningstiden har den store betydning i forhold til fx butikkens sortiment, pris og
varernes kvalitet. Lang åbningstid kan endvidere ses som en proxy for, hvor
dynamisk og tilpasningsdygtig butiksbestyren er; fx viser spørgeskemaerne, at en
del kolonialbutikker og supermarkeder holder sig til de traditionelle åbningstider,
hvor man lukker kl. 14 om lørdagen. Blandt disse butikker har
omsætningsfremgangen været relativt ringere end blandt de supermarkeder, der
holder åbent til kl 17. Begge faktorer fører til, at vi forventer et positivt estimatet for
åbningstidselasticiteten.
I relation (1.b) estimerer vi den enkelte butiks efterspørgsel efter arbejdskraft.
Først og fremmest forventer vi, at butikkens arbejdskraftsefterspørgsel afhænger
af niveauet for butikkens omsætning. Men vi forventer også, at en del af
beskæftigelsen kan forklares af butikkens ugentlige åbningstid. For at butikken kan
holde åbent kræves der som sagt en vis minimumsbemanding i butikken. Længere
åbningstider kan således føre til markante efterspørgselsstigninger efter
medarbejdere. Da de store butikker har en større medarbejderstab at jonglere
rundt med, forventer vi, at længere åbningstider øger beskæftigelsen relativt mere
i de små butikker end i de store.
Vi estimerer således to relationer:
log( oms
it
log( besk
it
) = α
0
) = β log( ôms
0
log( inkomst
it
per capita
) + β log( ugetid
1
it
) + α log( ugetid
it
1
) + v
it
it
) + ε
Fodtegnene i og t repræsenterer hhv. hver enkelt butik, i=1,…199 og årene 1995
og 1997. Modellen forudsætter følgende kausalitet: Først fastsætter forbrugerne
deres samlede konsum - i overensstemmelse med hhv. deres budgetrestriktion og
deres tidsmæssige restriktioner. Dernæst tilpasser butikkerne deres
medarbejderportefølje efter den samlede efterspørgsel efter detailvarer. Denne
kausalitet er intuitiv forståelig, men også stærkt forsimplet, da man udelukker
vekselvirkninger mellem antal ansatte og forbrug, fx at flere ansatte fører til højere
it
(a)
(b)
(1)

service, som dermed tiltrækker flere forbrugere.
Side 6 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Da modellen er bygget op som en rekursiv model, estimerer OLS konsistente
parametre 11 . Systemet indeholder 2 endogene variabler, omsit og beskit. Den
første relation indeholder kun én endogen variabel, omsit, og er derfor en klassisk
regression, der er uafhængig af beskæftigelsesrelationen, (2). Dernæst estimerer
vi (2) med ligning (1)’s omsætningsestimat, ômsit . Omsætning og beskæftigelse er
således ukorreleret med de respektive fejlled. Metoden kaldes sekvensvis OLSestimation
og sikrer konsistente parameterestimater 12 .
Panelestimaterne
Som sagt skiller panelrelationer sig ud fra traditionelle tidsserier og tværsnitsdata
ved at variablerne i relationerne har dobbelt fodtegn.
y = α + X β + u , i = 1,…,N; t = 1,…,T (2)
it
’
it
it
hvor t betegner tidsperioden og i betegner den enkelte butik. Udfra panelet kan vi
således fange både tidsspecifikke karakteristika (fx ændringen af lukkeloven) og
individuelle egenskaber (fx butiksbestyrens egenskaber, geografiske forskelle og
om butikken ligger på et hovedstrøg med masser af trafik eller på en lille
sidegade). I modellen kan vi illustre de individuelle karakteristika ved at formulere
residualen på følgende vis:
u = µ + ν
(3)
it
i
it
hvor µi betegner de ikke observerbare egenskaber for hver enkelt butiks, mens νit
er den tilbageværende uforklarlige variation.
Da der er store forskelle på butikkernes størrelse, er
heteroskedasticitetsproblemer meget sandsynlige. Som løsning til dette estimerer
vi i stedet vore parametre som ”within-estimater” 13 :
11 Som alternativ til at formulere modellen i naturlige logaritmer kan den fx estimeres i absolut form.
Ifølge det såkaldte PE-test viser den logaritmiska funktionsform sig dog at være den mest korrekte,
jf. Green (1993) s. 323.
12
For at benytte denne metode skal residualerne være ukorrelerede. Dette tester vi v.h.a
likelihood-ratio testet. Under nulhypotesen er residualerne i de to relationer ukorrelerede. Betegner
vi omsætningsrelationen som a og beskæftigelsesrelationen som b kan vi formulere nulhypotesen
som: H 0 : σ ba = 0 og H 1 : σ ba ≠0
, hvor σ er korrelationen mellem residualerne i de to
2
relationer.Testet udformes på følgende måde: λ = Tr21
, hvor T betegner antallet af observationer,
under H0 følger λ en chi-i-anden-fordelningen med 1 frihedsgrad.
I testet accepteres nulhypotesen i samtlige tilfælde. Vi har derfor valgt at estimere relationerne i et
rekursivt system.
y = + βx
+ µ + v
13
Som er forskellen mellem i.
i.
i i.
y α + βx
+ µ + ν
i.
i.
i i.
α og gennemsnittet af tværsnits-observationerne over tid,
= . Se diskussionen i Baltagi, B. H. (1999) s.11 f og Greene, W. H. (1997) s 612 ff.

it
( x − x ) + ( ν )
i.
it i.
it i.
Side 7 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
y − y = β −ν
(4)
Metoden er vort bedste alternativ, men ikke uden svagheder, bla. fordi den
reducerer antallet af frihedsgrader 14 .
5.2 Fortolkning af de samlede resultaterne
I dette afsnit ønsker vi at udskille konjunktur- og åbningstidseffekten fra den
samlede omsætningsfremgangen.
Som udgangspunkt deler vi samplet op på to forskellige måder: søndagsåbne/
søndagslukkede og store/ små butikker. Hvorefter vi analyserer forskellene
mellem de forskellige typer af butikker, jf. afsnit 5.3. I dette afsnit ønsker vi, at
danne os et samlet billede af åbningstidens betydning for den danske detailsektor.
Men da de små butikker er underrepræcenteret i samplet, vægter vi
parameterestimaterne fra de små og store butiksrelationer med antallet af store og
små butikker i hele detailsektoren, jf. appendix 2. De vægtede relationer afviger
ikke væsentligt fra de øvrige regressioner. Både de vægtede og uvægtede relationer
viser at butikkernes åbningstid og forbrugernes indkomst forklarer knap halvdelen af
udviklingen i butikkernes medarbejderstab og omsætning. Mens den uforklarede del
primært skyldes udeladte variabler, som fx reklame, ændret forbrugeradfærd, priser,
sortiment og varenes kvalitet.
14 Som alternativ til dette kan man antage at alle observationerne har det samme gennemsnitlige
intercept. Men dette eliminerer alle de ikke observerbare individuelle informationer så som
butiksbestyrens egenskaber, butiksstørrelse og beliggenhed. Jf. Baltagi, B. H. (1999) s 12 och
Greene. W. H. (1997) s 617 f.

Side 8 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Figur 5.1 Hvor meget af omsætningfremgangen forklares af indkomst og
åbningstid?
Kilde: Danmarks Statistik og egne beregninger.
Figur 5.1 viser, at en ændring i forbrugernes indkomst bidrager med næsten 3
gange så meget til butikkernes omsætning som den ugentlige åbningstid (14 mod
5 pct.).
Denne tendens bekræftes i en række forbrugerinterviews 15 , der viser, at
butikkernes åbningstider, herunder søndagsåbent, rangerer relativt lavt blandt
forbrugernes præferencer i forhold til butikkernes priser, sortiment og varernes
kvalitet .
Figur 5.2 Hvor meget af beskæftigelsesfremgangen kan forklares af
omsætning og åbningstid?
Kilde: Danmarks Statistik og egne beregninger.
15 Jf. kap. 2.
Indkomstsændringer Åbningstidsændringer Reklame, ændret forbrugeradfærd mv.
Omsætning Åbningstidsændringer Reklame, ændret forbrugeradfærd mv.

Side 9 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
I figur 5.2 ser vi, at 10% af detailsektorens beskæftigelsesfremgangen forklares af
ændrede åbningstider. Mens øget omsætning kun forklarer 5%.
Dette kan skyldes, at øget omsætningen først på lidt længere sigt påvirker antallet
af ansatte per åbningstime, mens længere åbningstider giver et umiddelbart behov
for flere medarbejdere - som når en fabrik indfører et ekstra skiftehold - i det der
altid skal opholde sig et vist minimum af medarbejdere i butikken, når den holder
åbent. I relative størrelser gælder dette specielt for de mindre butikker, der ikke
har så stor en medarbejderstab at planlægge efter.
For hele detailsektoren er antallet af fuldtidsansatte i kolonial-, supermarked- og
kioskbutikkerne steget med 2000 mand fra 27000 i 1995 til 29000 personer i 1997.
Da åbningstiden forklarer ca. 10% af beskæftigelsen, jf. figur 10.6.3. Betyder dette,
at godt 200 af sektorens 2000 nye fuldtidsjobs, skyldes at butikkerne holder
søndagsåbent og har længere åbningstider i hverdagene og om lørdagen.
Set over to år får vi de resultater som teorien tilsiger; både for beskæftigelse og
omsætning: antal ansatte i butikken er relativt følsomt og stiger, når den ugentlige
åbningstid udvides, mens åbningstiden har relativ lille (men positiv) betydning for
butikkernes omsætning - den gunstige konjunktur forklarer dog næsten tre gange
mere end de længere åbningstider. Det er imidlertid muligt, at effekterne af
ændrede åbningstider er forskellig i de store/ små og søndagsåbne/ -lukkede
butikker og at ændringer i åbningstiden dermed kan påvirke butiksstrukturen.
5.3 Differentiering af resultaterne på butikstyper
I dette afsnit gennemgår vi forskellene mellem de respektive typer af butikker; vi
præsenterer således resultaterne afhængig af om butikken har søndagsåbent eller
-lukket og om butikken er stor eller lille - bestemt ud fra omsætningens størrelse.
Resultaterne præsenteres grafisk i figurerne 5.3 og 5.4. Mens appendix 2
præsenterer samtlige resultater.
Ser vi først på opdelingen i søndagsåbne og -lukkede butikker, men uafhængig af
butiksstørrelse, er det helt naturligt, at den største ændring i åbningstiden er sket
blandt de søndagsåbne butikker, hvor åbningstiden "automatisk" er blevet forøget
med, hvad der svarer til én ekstra dag. Hvis de ekstra omkostninger, der er forbundet
med at udvide den ugentlige åbningstid, skal dækkes, forventer vi, at omsætningen
stiger relativt mere i de butikker med de største åbningstidsudvidelser. Og
tilsvarende for beskæftigelsen - ikke mindst pga. minimumsbemandingen.
Analysen viser da også, at både beskæftigelses- og omsætningseffekter er størst
blandt de butikker med de største udvidelser af åbningstiden, hvilket primært er de
søndagsåbne butikker .

Side 10 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Det andet kriterium, som vi inddeler butikkerne efter er omsætningen, her opdeler vi
dem i store og små butikker 16 . Med reference til vores forbrugersurveys, forventer vi
at omsætningen er steget mest i de store butikker, hvor varesortimentet er størst.
I modsætning til effekten på omsætning forventer vi, at beskæftigelseseffekten er
størst i de små butikker. Da de store butikker har bedre mulighed for at omplacere
deres medarbejderstab, forventer vi, at problematikken omkring
minimumsbemanding bliver mest synlig blandt de små butikker, hvor man kan være
nødt til at ansætte flere medarbejdere for at øge åbningstiden. Hvilket kan betyde, at
de små butikker må ansætte relativt mere personale end de store butikker. Vi
forventer således højere åbningstidselasticiteter for beskæftigelsen blandt de små
butikker end blandt de store.
Da lovteksten omfatter en række undtagelser fra omsætningsloftet for butikker, der
ligger i havne, sommerhusområder mm. er det relevant også at inddele samplet efter
størrelse. Det ideelle er selvfølgelig, at opdele samplet både på størrelse og
søndagsåbent/ -lukket, men det er samplet desværre ikke stort nok til.
De stærkeste sammenhænge mellem åbningstid og beskæftigelse finder vi blandt
de små butikker. Dette skyldes formentlig, at de små butikker ikke har samme
mulighed for at omplacere deres medarbejderstab, som de store butikker. Modsat
ser vi de største omsætningsstigninger blandt de store butikker.
Åbningstidseffekterne i små/store og søndagslukkede/-åbne butikker
I figurerne 5.3 og 5.4 præsenterer vi resultaterne for hvordan længere åbningstider
påvirker omsætning og beskæftigelse i de forskellige butikskategorier. Mens
appendix 2 gengiver de økonometriske resultater i deres helhed.
Figurene gengiver effekterne (de estimerede elasticiteter) og signifikansnieauer (pværdier).
Elasticiteterne tolker vi som procentvise ændringer, der følger af en 1procents
stigning i den ugentlige åbningstid, samtlige parameterestimater er
signifikante på 5 procentsniveau, jf. appendix 2.
Ser vi på hvordan omsætningen i en søndagsåben butik påvirkes af åbningstiden,
figur 5.3, ses det, at elasticiteten ligger meget tæt på 1 (0,98). En stigning i den
samlede ugentlige åbningstiden på 1 procent fører til 1 procent højere omsætning.
16 Butikker med en omsætning under 15 millioner kroner per år definieres som små mens butikker med
en omsætning over 15 milloner definieres som store, jf. kap. 3.

Side 11 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Figur 5.3 Hvordan er sammenhængen mellem åbningstid og omsætning?
1,5
1
0,5
0
-0,5
-1
Søndags-
åbne
Søndagslukkede
Små Store
Note: Størrelserne af de forskellige butikstypers (Søndagsåbne/ -lukkede og store/ små butikker)
elasticiter aflæses på aksen, mens søjlernes farve angiver om estimatet er signifikant. Rød
betyder at parameterestimatet er singnifikant på 5 procentsniveau, mens blå er insignifikant - i
ovenstående graf er alle parameterestimater signifikante.
Kilde: Danmarks Statistik og egne beregninger.
Figuren viser, at længere ugentlig åbningstid har større effekt blandt de store end
de små butikker og at længere åbningstid i større udstrækning forklarer
omsætningsfremgangen blandt de søndagsåbne butikker end de lukkede, hvor
parameterestimatet er negativt. Selvfølgelig forventer vi ikke at længere
mandagsåbnent vil mindske omsætningen i en søndagslukket butik. Men da vi har
udeladt en række variabler fra vores relationer, trækker åbningstiden også en del
forklaringen fra disse. Ved en gennemgang af de søndagslukkede butikker ser vi
fx at 24% af dem er små købmænd, der kunne holde åbent, hvis de ønskede det,
og at netop disse butikker har haft et omsætnings fald på 8,3%. Det er således
primært disse, mindre omstillingsdygtige, købmandsforretninger, der trækker
parameterestimatet mod negativ - ikke så meget pga. åbningstiden, som en række
andre variabler, som ikke er inddraget i vores regressioner.
Opdeler vi samplet på store og små butikker, ser vi at en forøgelse af åbningstiden
med 1 procent øger omsætningen i de store butikker med 0,96 procent - eller
dobbelt så meget som i de små butikker, der ved en tilsvarende udvidelse at
åbningstiden kun øger omsætningen med 0,48 procent. Hvilket er helt i tråd med
den generelle strukturudvikling.
Figur 5.4 gengiver, hvordan åbningstiden påvirker omsætningen for små og store
hhv. søndagsåbne og -lukkede butikker. Analysen viser, at øget ugentlig
åbningstid øger beskæftigelsen for samtlige butikstyper, men mest i de små
butikker. Ved 1 procents stigning i åbningstiden øges beskæftigelsen i de
søndagsåbne med 1,1 procent og 1,3 i de små butikker. For de store og de
søndagslukkede butikker er beskæftigelseseffekterne forholdsvis ringe - vi ser kun
stigninger på hhv. 0,6% mod 0,2%. Sammenhængen for de søndagslukkede
butikker er dog ikke signifikant på 5 procentsniveau.

Tæt t ppåå
Figur 5.4 Sammenhængen mellem åbningstider og beskæftigelse
1,4
1,2
1
0,8
0,6
0,4
0,2
0
Søndags-
åbne
Søndags-
lukkede
Små Store
Side 12 af 17
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Note: Størrelserne af de forskellige butikstypers (Søndagsåbne/ -lukkede og store/ små butikker)
elasticiter aflæses på aksen, mens søjlernes farve angiver om estimatet er signifikant. Rød
betyder at parameterestimatet er singnifikant på 5 procentsniveau, mens blå er insignifikant.
Kilde: Danmarks Statistik og egne beregninger.
På trods af de små butikkers konkurrencemæssige fordele i kraft af søndagsåbent,
ser vi tydelige tegn på at de små butikker fortsat taber markedsandele. Da
længere åbningstider samtidig fører til relativt større beskæftigelsesbehov i disse
butikker end i de store, må man konstatere at en række af de fordele, der
oprindeligt var tiltænkt de små butikker, ser ud til, at være væsentlig mindre end
først antaget.

5.4 Kilder
Side 13 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Auld, R. et al., "The Shops Act. Late-night and Sunday Opening", London 1984
Baltagi, B. H. (1999). "Econometric Analysis of Panel Data". John Wiley & Sons
Ltd. Chichester.
Bode, B., J. Koerts og R. Thurik (1990). "Market Disequilibria and Their Influence
on Small Retail Store Pricing", Small Business Economics 2, s. 45-57, Holland
Gradus, Raymond (1996). "The Economic Effects of Eftending Shop Opening
Hours", Journal of Economics, s. 247-263, Østrig.
Greene, W. H. (1993). ”Econometric Analysis”. Prentice-Hall International Inc. New
Jersey.
Judge, G. G. m.fl. (1988). ”Introduction to the Theory and Practice of
Econometrics” Wiley. New York.
Maddala, G. S. (1988). ”Introduction to Econometrics” Macmillan Publishing
Company. New York.
SOU 1991:10. ”Affärstiderna. Betänkande av 1989 års affärstidsutredning.”
Allmänna Förlaget. Stockholm.

A.1 Konstruktion af datasættet og definition af variabler
Side 14 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
I dette afsnit beskriver vi de tre datakilder (KSDB, Regnskabsstatistikken og
Danmarks Statistiks 99-Åbningstidsundersøgelse) som vi gør brug af i vores
analyse og hvordan vi kobler dem sammen, så vi får eet brugbart datasæt. For at
sikre sammenlignelighed koncentrerer vi analysen om kolonialbutikker, kiosker og
supermarkeder.
Som udgangspunkt er årsregnskaber opgjort for hele firmaer og koncerner. For
kædebutikkerne betyder det at vi har regnskabstal for hele kæden og ikke for hver
enkelt butik. Dette løses i Regnskabsstatistikken, hvor man benytter ATPstatistikkens
opgørelser over antal fuldtidsansatte i butikkerne til at nøgle sig frem
til den enkelte butiks omsætning 17 og lignende regnskabsvariabler.
I maj 1999 gennemførte Danmarks Statistik en Åbningstidsundersøgelse for
Erhvervsministeriet, hvor man opgav de daglige åbningstider for en typisk
handelsuge. Det er disse oplysninger, der ligger til grund for vores oplysninger om
både søndagsåbent og butikkernes ugentlige åbningstider. Undersøgelsen er
baseret på spørgeskemaer, der er sendt ud til en stikprøve af butikker fra den
danske detailsektor. Stikprøven er stratificeret med udgangspunkt i firmaernes
omsætning, og dækker 12% af 97-omsætningen blandt kiosker, kolonialbutikker
og supermarkeder , mens den kun repræsentere 4% af butikkerne. Skævheden
mellem antal butikker og deres omsætning, skyldes primært at butikker der
omsætter for mindre end 2,5 mio. kr. ikke er blevet spurgt. Dette håndterer vi i
appendix 2, hvor vi vægter observationerne, så de harmonerer med det samlede
danske butiksunivers.
Endelig benytter vi KSDB til at hente oplysninger om antal indbyggere og deres
gennemsnitlig indkomst i butikkernes opland, her defineret som kommunen.
Sammenkædning af Regnskabsstatistikken og Åbningstidsundersøgelsen
Figur A.1 illustrer, hvordan vi samler datasættet ved først at hægte oplysninger om
butikkens opland - antal indbyggere og den gennemsnitlige indkomst i kommunen
- på Åbningstidsundersøgelsen. Hvorefter dette køres sammen med
Regnskabsstatistikken vha. butikkernes arbedsstedskoder, der er en kode,
Danmarks Statistik har tildelt hver enkelt butik.
17 I princippet fører nøglingen til at sammenhængen mellem antal ansatte og omsætning er givet
for det enkelte år. Men da kun 25% af samplet er nøglet og vores følsomhedsanalyser viser, jf.
appendix 2, at de nøglede tal ikke øger bias i vores estimater, vælger vi at inkluderer disse
observationer.

Figur A.1 Sammenkoblingen af datasættene
Regnskabsstatistikken
omsætning
antal ansatte
Vores datasæt
butikkernes ugentlig åbningstid
omsætning
antal ansatte
samlet indkomst i kommunen
antal indbyggere i kommunen
Kobles vha. arbejdsstedskoderne
Åbningstidsundersøgelsen
Butikkernes ugentlige åbningstid
KSDB
samlet indkomst i kommunen
antal indbyggere i kommunen
Side 15 af 17
Tæt t ppåå
Kobles vha. kommunenumre
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Dermed har vi et datasæt, der omfatter butikkens samlede lønsum, omsætning,
antal beskæftigede, daglig/ugentlig åbningstid samt antal indbyggere og
gennemsnitlig indkomst i kommunen for 199 butikker.
I tabel A.1 sætter vi udviklingen i panelets variabler i forhold til resten af sektoren.
Den største forskel mellem panelet og den samlede detailsektor er, at panelet
består af de samme 199 butikker i både 1995 og 1997, mens sektoren netto har
mistet 316 af sine 4854 butikker. Panelet skiller sig således ud fra den samlede
dagligsvaresektor ved hverken at indkludere nyoprettede eller konkursramte
butikker. Dette står i en vis kontrast til sektoren som helhed, der ifølge tabellen har
oplevet et nettofald på 6%. Da dagligvaresektoren er meget dynamisk og der hvert
år både nedlægges og oprettes en række butikker, er der brutto lukket mere end
316 butikker. Panelet er balanceret, dvs. renset for tilgang og bortfald, fordi vi
ønsker at analysere betydningen af ændrede åbningstider og hvordan de spiller
ind på butikkernes omsætning, beskæftigelse og lønsum; for at beregne dette,
skal butikken have været aktiv i både 1995 og 1997.

Side 16 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
Tabel A.1 Panelets repræsentativitet i forhold til resten af sektoren
Procentvise ændringer i Procentvis ændring i
panelet
sektoren
Omsætning (mio. kr.) 13,6 4,4
Antal beskæftigede 4,9 5,8
Lønsum (mio. kr.) 14,2 18,3
Antal butikker - -6,1
Ugentlig åbningstid 7,8 -
Kilder: Danmarks Statistik og egne berigninger.
Note: Omsætning i sektoren er hentet fra Firmastatistikken, mens lønsum, antal butikker og
beskæftigede i november stammer fra Erhvervsbeskæftigelsen.
Af tabel A.1 ser vi, at dette medfører at panelets relative omsætningsstigning er
markant større end i resten af sektoren; 13,6% for panelbutikkerne mod 4,4% for
hele sektoren.
Forskellen er knapt så markant for løn og beskæftigelse; i panelet er lønsum og
antal ansatte i november steget med hhv. 14,2% og 4,9% mod 18,3% og 5,8% for
hele sektoren. Det samlede billede siger således, at forøgelsen i panelets
omsætning er biased, mens stigningen i lønsum og beskæftigelse er en anelse
lavere end i sektoren som helhed.
A.2 De økonometriske resultater
I tabel A.2 præsenterer vi resultaterne fra omsætningsrelationen, mens tabel A.3
viser beskæftigelses relationens estimerede parameterværdier.
I tabel A.2 konstaterer vi, at øget ugentlig åbningstid øger omsætningen i
størstedelen af butikkerne. Undtagelsen er de søndagsåbne butikker, som vi
forventer, allerede har fundet frem til de mest optimale åbningstider. Videre finder
vi de største omsætningseffekter i de store butikker. Estimaterne for indkomsten er
alle positive og signifikante på 5-procentsniveau.
Tabel A.2 Omsætningen: Estimater for forskellige sampleopdelinger
Parameter SøndagsSøndags- Små Store Vægtet
(p-value) åbnelukkede Indkomst 1,15 2,76 1,02 2,03 1,21
(0,01) (0,00) (0,00) (0,03)
Ugentlig 0,98 -0,87 0,48 0,96 0,57
åbningstid (0,00) (0,00) (0,00) (0,04)
R 2
0,33 0,13 0,21 0,21 NA
Antal obs 1)
154 244 160 238 (4538)
1) I alt arbejder vi med 199 observationer for to år, hvilket giver os 398 obs. i det
hele.
I den sidste kolonne samvejer vi regressionerne for de små og store butikker;
dette er gjort med udgangspunkt i Regnskabsstatistikken, der viser, at det danske
butiksunivers i 1997 inkluderede 3641 kolonialbutikker, supermarkeder og kiosker
med en omsætning under 19 mio. kr. og 898, der omsætter for mere. De vægtede

Side 17 af 17
Tæt t ppåå
eerrhhvveerrvvssppool lli iit ti iikkkkeenn
regressioner i tabel A.2 og A.3 er således udført som et vægtet gennemsnit af
regressionerne, hvor vi benytter antallet af store og små butikker som vægte.
I tabel A.3 nedenfor ser vi at parameterestimatet for åbningstidens indvirkning på
beskæftigelsen er relativt højere end for omsætningen, med undtagelse af de
søndagslukkede butikker, hvor effekten dog ikke er signifikant.
Tabel A.3 Beskæftigelsen: Estimater for forskellige sampleopdelinger
Parameter SøndagsSøndags- Små Store Vægtet
(p-value) åbnelukkede Omsætning 0,18 0,07 0,06 0,01 0,05
(0,06) (0,18) (0,16) (0,17)
Ugentlig 1,10 0,20 1,28 0,59 1,14
åbningstid (0,00) (0,16) (0,00) (0,00)
R 2
0,58 0,11 0,39 0,23 NA
Antal obs 154 244 160 238 (4538)
Vi ønsker, at tjekke om de nøglede kædebutikker trækker estimaterne i en
bestemt retning. Derfor estimerer vi forsøgsvis relationerne uden disse, jf. tabel A4
og A5. Vi konstaterer, at disse estimater ikke afviger signifikant fra estimaterne i
tabel A2 og A3, og vælger derfor, at inkludere kædebutikkerne i hele analysen.
Tabel A.4 Omsætningen: Estimater uden kæder
Parameter Søndags-åbne Søndags- Små Store
(p-value)
lukkede
Indkomst 1,38
2,16
0,96
1,83
(0,08) (0,03) (0,04) (0,03)
Ugentlig 0,92
-1,17 0,42
0,76
åbningstid (0,01) (0,06) (0,05) (0,04)
R 2
0,33 0,13 0,21 0,21
Antal obs 57 89 59 84
Tabel A.5 Beskæftigelsen: Estimater uden kæder
Parameter Søndags-åbne Søndags- Små Store
(p-value)
lukkede
Omsætning 0,26
0,11
0,03
0,01
(0,03) (0,11) (0,14) (0,12)
Ugentlig 0,96
0,16
1,15
0,49
åbningstid (0,00) (0,12) (0,00) (0,00)
R 2
0,58 0,11 0,39 0,23
Antal obs 57 89 59 84