LIFAs LOIS Statistik-datawarehouse leveres med en lang række registerbaserede nøgletal. Løsningen kan også udvides med de oplistede statistikdata nedenfor til højre.
Løsningen giver dermed en komplet platform til analyse af socioøkonomiske forhold i kommunerne. Både i forhold til sammensætningen af den eksisterende borgermasse, men også i forhold til borgere fra de kommuner og landsdele man er i kontakt med, i forhold til bosætning.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende personer, baseres på automatiserede analyser af CPR og BBR.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende familier, baseres på automatiserede analyser af CPR. Familiebegrebet er baseret på relationer mellem personer på samme husstand: ægteskabsforhold, forældreskab, søskendeforhold mv.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende husstande, baseres på automatiserede analyser af CPR. Husstandsbegrebet dækker over alle personer bosat på én adresse. I de fleste tilfælde vil husstanden være lig med familien. Dog kan der i nogle tilfælde være flere familier bosat i samme husstand.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende flytninger, baseres på automatiserede analyser af CPR og BBR. Nøgletallene baseres på adresseændringer i CPRs bosætningstabel. Det resulterer i nøgletal for flytninger, fødsler og dødsfald. Alle flytteevents kobles til de to involverede adresser i flytningen. Derfor er der også boligoplysninger knyttet til begge adresser i flytningen. Med tilkøb af de statistiske data vil disse også blive koblet til begge involverede adresser. Det giver mulighed for at forstå hvilke boligtyper der forlades og hvilke der tilvælges af de forskellige borgersegmenter.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende boliger, baseres på automatiserede analyser af CPR og BBR og ESR (ESR beskriver ejendomsejerforhold). Boligbegrebet dækker over de adresser i CPR hvor der er registreret bosætning. CPR-adresserne beskriver altså de beboede boliger i kommunen. For alle disse adresser præsenteres boligkarakteristika fra BBR-registeret (størrelse, antal værelser, opførselsår mv.).
Ved hjælp af EjendomsStamRegisteret (ESR) klarlægges boligen ejerforhold. Derfor leverer løsningen også nøgletal der viser fordelingen af private lejeboliger, almene boliger og ejerboliger mv. Der er selvfølgelig også mulighed for at få nøgletal der fortæller hvor mange boliger der står ubenyttede i de forskellige distrikter.
Distriktsnøgletal på:
De geografiske nøgletal vedrørende enheder, baseres på automatiserede analyser af BBR. Begrebet dækker over alle BBR-enheder (eks. bolig- erhvervs- eller fritidshusenheder) i BBR. Det er derfor også enhederne der ligger til grund for boligdatasættet ovenfor. Boligdatasættet er dog testet op mod reel beboelse. Enheder indeholder også registrerede erhvervsenheder. Det er enhedens anvendelseskode der angiver hvad enheden er godkendt til (beboelse/erhverv mv).
Distriktsnøgletal på:
De geografiske nøgletal vedrørende bygninger, baseres på automatiserede analyser af BBR. Bygningsbegrebet dækker over den yderste fysiske skal omkring vores boligenheder eller erhvervsenheder. Mange bygninger har dog slet ikke tilhørende enheder, da registreringerne på bygningen alene, sagtens kan beskrive hvad den er beregnet til (eksempelvis carporte). Datagrundlaget her er altså alle bygninger i kommunen, lige fra fabrikshaller til parcelhuse. Nøgletallene på bygninger er af mere teknisk karakter, men det er helt naturligt, da det er på bygningsniveau mange af de tekniske karakteristika er registreret. Vi lader dog mange af disse tekniske oplysninger blive nedarvet gennem data – helt ned på boligniveau (eks. bygningsalder som er ganske interessant også at involvere i analyser på boligniveau).
Distriktsnøgletal på:
De geografiske nøgletal vedrørende virksomheder, baseres på automatiserede analyser af CVR. Virksomhedsbegrebet dækker de enkelte produktionsenheder under et CVR-nr. Nøgletallene på virksomheder er begrænset af de muligheder der ligger i CVR, der i mange år har været vedligeholdt af virksomhederne selv. Data er af varierende kvalitet, men undergår pt. en omfattende datavask fra centralt hold. Variablen vedrørende antal ansatte er baseret på virksomhedens egne indrapporteringer til CVR.
Distriktsnøgletal på:
De tematiske nøgletal i LOIS Statistik dækker over at baggrundsdata ikke kan isoleres til få variable, men ofte baseres på tværgående automatiske analyser.
Nøgletallene er baseret på variable opstillet enten af forskellige institutioner eller af LIFA i samarbejde med brugerne.
Beskæftigelse
Beskæftigelsesfaktoren inddeler Danmarks husstande i ti lige store grupper (deciler), sorteret efter hvor stor en andel, der er i beskæftigelse i husstanden. Jo højere faktoren er, des højere en andel er gennemsnitligt i beskæftigelse. Beskæftigelsesfaktoren er ikke direkte forbundet med typerne af beskæftigelse, da et område med høj andel af beskæftigede kan være topledere såvel som lønmodtagere på grundniveau. Dog viser der sig en tendens mellem faktoren og typerne af beskæftigelse, som giver et billede af beskæftigelsestypen inden for faktoren og dermed husstanden. Derfor tager beskrivelserne for denne faktors deciler også udgangspunkt i beskæftigelsestyperne.
Uddannelse
Uddannelsesfaktoren inddeler Danmarks husstande i ti lige store grupper (deciler), sorteret efter den gennemsnitlige uddannelseslængde på den længste uddannelse i hustandene inden for klyngen/cellen. Jo højere faktoren er, des længere er uddannelsen i gennemsnit for den i husstanden med længste uddannelse.
Socialklasse
Rangerer socialklasse klyngerne ud fra klyngens socialklasse distribution, sådan at jo højere score, desto højere er socialklassen. Opererer med begreberne: overklasse, højere middelklasse, middelklasse, arbejderklasse og underklasse
Formue
Formuefaktoren inddeler Danmarks husstande i ti lige store grupper (deciler), sorteret efter husstandenes gennemsnitlige formue inden for klyngen/cellen. Jo højere faktoren er, des højere er den gennemsnitlige formue i husstanden.
Husstandsindkomst
Husstandsindkomstfaktoren beskriver husstandsindkomsten i husstanden. Den er baseret på den gennemsnitlige husstandsindkomst i klyngen/cellen. Jo højere faktoren er, des højere er den gennemsnitlige husstandsindkomst i husstanden.
Personindkomst
Personindkomstfaktoren inddeler Danmarks husstande i ti lige store grupper (deciler), sorteret efter gennemsnittet af den højeste personindkomst i hver husstand inden for klyngen/cellen. Jo højere faktoren er, des højere er den højeste personindkomst i gennemsnit for husstanden.
Bilrådighed
Antal personbiler til rådighed i husstanden baseret på andelen af husstande i klyngen, der har henholdsvis ingen, en eller mere end en bil. Bilen kan være ejet, leaset eller firmabil.Personbiler er defineret som et motorkøretøj med 4 eller flere hjul, indrettet til befordring af højst 9 personer (inkl. føreren), samt motorkøretøjer med 3 hjul hvis egenvægt overstiger 400 kg. Med egenvægt menes køretøjets vægt i tom tilstand. Udstyr, der normalt medføres på køretøjet, fx en kran, medregnes. Vægt af brændstof og fører indgår ikke i egenvægten
36 husstandstyper fordelt i 9 hovedgrupper
Conzoom®grupper er den overordnede inddeling af de danske husstande. Der findes 9 conzoom grupper (A-I). De 9 grupper er defineret, så de hver især udgør så ensartede dele af den danske befolkning som muligt. Dette er den femte generation (G5) af Geomatics klassifikation, der blev publiceret 16. marts 2015.
Conzoom®typer er den detaljerede inddeling af de danske husstande. Der findes 36 conzoom typer (A1-I4). Conzoom®typerne har numre inden for hver gruppe (A1, A2 osv.) og er tilstræbt så forskellige fra hinanden som muligt. Dette er den femte generation (G5) af Geomatics klassifikation, der blev publiceret 16. marts 2015.
Læs mere conzoom® her
Livsstilsdata baserer sig på kvalitative undersøgelser udført af Gallup
Medie
Beskriver hvilke medie man gerne lytter og ser. Faktor 1 benytter næsten ikke radio og tv; faktorer 2-4 lytter næsten ikke til lokal radio eller P4 og ser mindre tv end landsgennemsnittet. Skal tv’et tændes bliver der oftest set DR2; Faktor 4 er dog meget interesseret i at læse lokalaviser; faktor 5-7 lytter gerne til lokalradio/P4 og nogle gange P3 mens P1 ikke har den store interesse; faktor 8-10 lytter meget gerne til P1 og generelt lytter og ser meget gerne radio og tv.
Digitalisering
Beskriver hvor tryg man er ved at benytte det digitale medie, betale online og benyttelse af netbank. Faktor 1 betyder at man generelt ikke er tryg ved brug af det digitale medie mens 10 betyder at man er meget tryg.
Miljø
Beskriver interessen for miljøspørgsmål. Faktor 1 beskriver personer som ikke fokuserer på miljøspørgsmål, mens faktor 10 interesserer sig meget for området.
Rygning
Beskriver forhold til rygning; hvor faktor 1 består af mange ikke-rygere mens faktor 10 består af mange rygere, som ikke har stor lyst til at stoppe.
Transport
Beskriver hvorvidt man benytter sig af bil, offentlig transport eller cykel. Faktor 1 benytter meget sin egen bil; faktor 10 benytter sig næsten ikke af egen bil, men kører tit i tog/bus.
