A2.2 Klyngeanalyse KLs analyse kan betragtes som en <strong>for</strong>m <strong>for</strong> klyngeanalyse. Ved en klyngeanalyse dannes klynger af kommuner, således at afstanden mellem de enkelte kommuner i den samme klynge er minimeret, og afstanden til kommuner i andre kommuneklynger er maksimeret (Everitt m.fl., 2001). Afstanden måles i <strong>for</strong>hold til <strong>for</strong>skellige <strong>rammevilkår</strong>. Afstanden kan være den faktiske afstand, eller der kan være tale om trans<strong>for</strong>merede afstande (fx kvadratet på afstanden), og der kan ske en vægtning af de <strong>for</strong>skellige afstande, jf. fx afstandsmålet benyttet af KL i (5), hvor vægtningen <strong>for</strong>etages ud fra resultaterne af en estimation af en model <strong>for</strong> succeskriteriet. A2.3 DEA-metoden Data Envelopment Analysis (DEA) er en ikke-parametrisk metode baseret på lineær programmering til estimation af den efficiente 6 sammenhæng mellem input og output (den efficente rand) <strong>for</strong> en række sammenlignelige beslutningstagende produktionsenheder (i dette tilfælde kommuner), og til bestemmelse af den relative grad af produktivitet (efficiens) <strong>for</strong> hver produktionsenhed. 7 <strong>De</strong>r er en række <strong>for</strong>hold vedrørende data og problemstilling, som betyder, at det ikke umiddelbart er så oplagt at benytte DEA i det aktuelle projekt, som det ville være i andre projekter vedrørende produktionsenheders relative produktivitet. For det første er de centrale data, der er til rådighed, som nævnt, på individniveau. Anvendelse af DEA <strong>for</strong>udsætter, at data først aggregeres til kommuneniveau, hvorved en væsentlig del af in<strong>for</strong>mationsindholdet i data går tabt. For det andet er anvendelse af DEA mest oplagt, hvor der er tale om en veldefineret produktionsproces, hvor man har gode data <strong>for</strong> de centrale input, som produktionsenhederne har kontrol over, hvor eksterne vilkår, som produktionsenhederne ikke har direkte kontrol over, spiller en mindre rolle, og hvor der på <strong>for</strong>hånd er 6 Efficient skal her tolkes som den mest effektive måde at udnytte input blandt de analyserede produktionsenheder. <strong>De</strong>t er således ikke generelt set den mest effektive indsats og sammensætning af input. 7 Givet de observerede input- og outputmængder <strong>for</strong> de enkelte produktionsenheder, bestemmes i et særskilt optimeringsproblem <strong>for</strong> hver produktionsenhed (positive) vægte til input og output, således at sammenvejningen af output maksimeres under en række restriktioner. Herunder at det <strong>for</strong> vægtene gælder, at sammenvejningen af observerede output <strong>for</strong> ingen af produktionsenhederne (evt. med en modifikation, der tager hensyn til, at der ikke nødvendigvis er konstant skalaafkast) overstiger sammenvejningen af observerede input, se fx Bowlin (1998). <strong>De</strong>n efficiente rand bestemmes ud fra input-output-sammensætningen <strong>for</strong> de efficiente enheder ved lineært at <strong>for</strong>binde disse. 75
givet et begrænset antal variabler, som det er oplagt at inddrage i analysen, idet DEA ikke umiddelbart giver statistiske test af de <strong>for</strong>skellige variablers betydning. 76
- Page 1 and 2:
06:15 Jens Clausen Eskil Heinesen M
- Page 3 and 4:
DE NYE KOMMUNERS RAMMEVILKÅR FOR B
- Page 5 and 6:
APPENDIKS 4. JOBCENTRE: EFFEKT AF R
- Page 7 and 8:
Resumé Denne rapport præsenterer
- Page 9 and 10:
samme kommuneklynger eventuelt anve
- Page 11 and 12:
tur, være et vægtet gennemsnit af
- Page 13 and 14:
Det kan fx være et størrelseskrit
- Page 15 and 16:
trykker den samlede effekt af kommu
- Page 17 and 18:
- især for alle ydelser under ét,
- Page 19 and 20:
sørgende, men ikke hvor stor en an
- Page 21 and 22:
andelen, der modtager ydelser i mer
- Page 23 and 24:
Figur 2.2 Andelen af ydelsesmodtage
- Page 25 and 26: Figur 2.6 Andelen af ydelsesmodtage
- Page 27 and 28: er en lidt problematisk variabel i
- Page 29 and 30: Det lokale arbejdsmarked afgrænset
- Page 31 and 32: - Danmark 2.806.375 90,9 63 42 11 1
- Page 33 and 34: 3. Statistisk model I dette kapitel
- Page 35 and 36: En alternativ model, som ikke impli
- Page 37 and 38: 4. Samlet effekt af kommunernes ram
- Page 39 and 40: Omvendt har kommuner med rang tæt
- Page 41 and 42: Vordingborg 81,4 79,9 12 51,7 50,4
- Page 43 and 44: Sorø 11,6 12,3 52 17,0 14,9 58 8,5
- Page 45 and 46: 36 72,4 Fredericia 49,0 Sønderborg
- Page 47 and 48: Tabel 4.4 Rangordning af kommunerne
- Page 49 and 50: 60 11,9 Faaborg-Midtfyn 14,5 Odder
- Page 51 and 52: 4.2 Sammenhængen mellem rammevilk
- Page 53 and 54: meget forskellige fra rammevilkåre
- Page 55 and 56: Figur 4.3 Sammenhængen mellem den
- Page 57 and 58: Tabel 4.5 Korrelationskoefficienter
- Page 59 and 60: Figur 4.5 Observeret og prædiktere
- Page 61 and 62: Figur 4.9 Observeret og prædiktere
- Page 63 and 64: værdier i et givet år, mens kommu
- Page 65 and 66: Figur 4.13 Prædikteret gennemsnitl
- Page 67 and 68: Figur 4.17 Rangorden efter prædikt
- Page 69 and 70: Appendiks 1. Statistisk model og es
- Page 71 and 72: 4. Sandsynligheden for at en observ
- Page 73 and 74: gæld er tobitmodellen at foretræk
- Page 75: kommune nr. i og kommune nr. j kan
- Page 79 and 80: effekter er, at førtidspension ind
- Page 81 and 82: mænd. Den kommunale ledighedsproce
- Page 83 and 84: købes receptpligtige lægemidler).
- Page 85 and 86: Kort videregående -57,25 1,78 -14,
- Page 87 and 88: Tabel A3.2 Estimationsresultater fo
- Page 89 and 90: Ingen * 0,00 0,00 0,0 0,00 0,00 0,0
- Page 91 and 92: Filippinerne 40,00 14,80 0,9 -23,49
- Page 93 and 94: Tabel A3.4 Estimationsresultater fo
- Page 95 and 96: Ingen * 0,00 0,00 0,0 0,00 0,00 0,0
- Page 97 and 98: Filippinerne 4,90 † 4,05 0,6 6,87
- Page 99 and 100: Tabel A3.6 Estimationsresultater fo
- Page 101 and 102: Ingen * 0,00 0,00 0,0 0,00 0,00 0,0
- Page 103 and 104: Tabel A4.1 Rammevilkår for jobcent
- Page 105 and 106: Husted, L. & Heinesen, E. (2006): B
- Page 107: 06:02 Holt, H., Geerdsen, L.P., Chr