Tilbage


Delmål 1: Afskaf fattigdom

Økonomisk udsatte


FN 1.2.1 Andel af befolkningen, som lever under fattigdomsgrænsen, opdelt på køn og aldersgruppe


# Import
SOXOU01_raw <- 
  statgl_url("SOXOU01", lang = "da") %>% 
  statgl_fetch("Inventory variable" = px_all("Andel*"), 
               .col_code = TRUE) %>% 
  as_tibble()


# Transform
SOXOU01 <-
  SOXOU01_raw %>% 
  mutate(year = year %>% 
           make_date())


# Plot
SOXOU01 %>% 
  ggplot(aes(
    x = year,
    y = value,
    fill = `Inventory variable`
    )) +
  geom_col(position = "dodge") +
  scale_y_continuous(labels  = scales::percent_format(
    scale = 1,
    accuracy = 1,
    big.mark = ".",
    decimal.mark = ","
    )) +
  theme_statgl() + 
  scale_fill_statgl() +
  labs(
    title = "Økonomisk udsatte",
    subtitle = "Procentvis andel af befolkningen med en indkomst under 50 eller 60% af medianindkomsten i 3 sammenhængende år",
    x = " ",
    y = " ",
    fill = "Indkomstgrænse"
    )

Statistikbanken

Metode

# Import
SOXOU01_raw <-
  statgl_url("SOXOU01", lang = "da") %>%
  statgl_fetch("Inventory variable" = c("Andel50", "Andel60", "Population"), 
               .col_code = TRUE) %>% 
  as_tibble()

  
# Transform
SOXOU01 <- 
  SOXOU01_raw %>% 
  spread(1, 3) %>% 
  mutate_at(c(2, 3), str_c, suffix = " pct.") %>% 
  mutate(Population = format(Population, 
                             big.mark = ".", 
                             decimal.mark = ",")) %>% 
  gather(key, value, -year) %>% 
  spread(1, 3)
  

# Table
SOXOU01 %>% 
  rename(c(" " = 1)) %>% 
  statgl_table() %>% 
  add_footnote(
    "Procentvis andel af befolkningen med en indkomst under 50% eller 60% af medianindkomsten i 3 sammenhængende år.",
    notation = "symbol")
2011 2012 2013 2014 2015 2016 2017 2018 2019
Andel under 50% 2.9 pct. 3.1 pct. 3.2 pct. 3.1 pct. 3.3 pct. 3.2 pct. 3.6 pct. 3.8 pct. 3.8 pct.
Andel under 60% 6 pct. 6.2 pct. 6.3 pct. 5.8 pct. 6 pct. 6.1 pct. 6.8 pct. 7.2 pct. 7.5 pct.
Population 45.839 45.826 45.780 45.419 45.012 45.057 44.974 44.779 44.834
* Procentvis andel af befolkningen med en indkomst under 50% eller 60% af medianindkomsten i 3 sammenhængende år.


# Import 
SOXOU01_raw <-
  statgl_url("SOXOU01", lang = "da") %>% 
  statgl_fetch("Inventory variable" = px_all("Andel*"), 
               "gender" = 1:2, 
               .col_code = TRUE) %>% 
  as_tibble()


# Transform
SOXOU01 <-
  SOXOU01_raw %>% 
  mutate(year = year %>% 
           make_date())


# Plot
SOXOU01 %>% 
  ggplot(aes(
    x = year,
    y = value,
    fill = gender
    )) +
  geom_col(position = "dodge") +
  scale_y_continuous(labels  = scales::percent_format(
    scale = 1
    )) +
  facet_wrap(~ `Inventory variable`) +
  theme_statgl() + 
  scale_fill_statgl(reverse = TRUE) +
  labs(
    title = "Økonomisk udsatte efter køn",
    subtitle = "Procentvis andel af befolkningen med en indkomst under 50 eller 60% af medianindkomsten i 3 sammenhængende år",
    x = " ",
    y = " ",
    fill = " "
    )

Statistikbanken

Metode

# Import
SOXOU01_raw <-
  statgl_url("SOXOU01", lang = "da") %>%
  statgl_fetch("Inventory variable" = c("Andel50", "Andel60", "Population"),
               "gender" = px_all(), 
               .col_code = TRUE) %>% 
  as_tibble()


# Transformation
SOXOU01 <- 
  SOXOU01_raw %>% 
  spread(1, 4) %>% 
  mutate_at(c(3, 4), str_c, suffix = " pct.") %>% 
  mutate(Population = format(Population, 
                             big.mark = ".", 
                             decimal.mark = ",")) %>% 
  gather(key, value, - c(gender, year)) %>% 
  spread(2, 4)


# Table
SOXOU01 %>% 
  select(-1) %>% 
  rename(c(" " = 1)) %>% 
  statgl_table() %>% 
  pack_rows(index = SOXOU01 %>% pull(gender) %>% table())
2011 2012 2013 2014 2015 2016 2017 2018 2019
I alt
Andel under 50% 2.9 pct. 3.1 pct. 3.2 pct. 3.1 pct. 3.3 pct. 3.2 pct. 3.6 pct. 3.8 pct. 3.8 pct.
Andel under 60% 6 pct. 6.2 pct. 6.3 pct. 5.8 pct. 6 pct. 6.1 pct. 6.8 pct. 7.2 pct. 7.5 pct.
Population 45.839 45.826 45.780 45.419 45.012 45.057 44.974 44.779 44.834
Kvinder
Andel under 50% 2.7 pct. 2.8 pct. 2.9 pct. 2.7 pct. 2.9 pct. 2.9 pct. 3.4 pct. 3.5 pct. 3.5 pct.
Andel under 60% 5.7 pct. 5.9 pct. 5.8 pct. 5.4 pct. 5.6 pct. 5.7 pct. 6.6 pct. 6.6 pct. 7.1 pct.
Population 21.480 21.437 21.452 21.371 21.129 21.171 21.074 20.951 21.082
Mænd
Andel under 50% 3.1 pct. 3.3 pct. 3.4 pct. 3.4 pct. 3.6 pct. 3.5 pct. 3.9 pct. 4.2 pct. 4.1 pct.
Andel under 60% 6.2 pct. 6.5 pct. 6.7 pct. 6.1 pct. 6.4 pct. 6.4 pct. 7.1 pct. 7.7 pct. 7.8 pct.
Population 24.359 24.389 24.328 24.048 23.883 23.886 23.900 23.828 23.752


# Import
SOXOU04_raw <-
  statgl_url("SOXOU04", lang = "da") %>%
  statgl_fetch("Inventory variable" = px_all("Andel*"),
               "age" = 2:6, 
               .col_code = TRUE) %>% 
  as_tibble()


# Transform
SOXOU04 <-
  SOXOU04_raw %>% 
  mutate(year = year %>% 
           make_date())


# Plot
SOXOU04 %>% 
  ggplot(aes(
    x = year,
    y = value,
    color = age
    )) +
  geom_line(size = 2) +
  facet_wrap(~ `Inventory variable`, scales = "free_y") +
  scale_y_continuous(labels  = scales::percent_format(
    scale = 1,
    big.mark = ".",
    decimal.mark = ","
    )) +
  theme_statgl() +
  scale_color_statgl(reverse = TRUE) +
  labs(
    title = "Økonomisk udsatte voksne efter alder",
    subtitle = "Procentvis andel af befolkningen med en indkomst under 50 eller 60% af medianindkomsten i 3 sammenhængende år",
    x = " ",
    y = " ",
    color = "Alder"
    )

Statistikbanken

Metode

# Import
SOXOU04_raw <-
  statgl_url("SOXOU04", lang = "da") %>%
  statgl_fetch("Inventory variable" = c("Andel50", "Andel60", "Population"),
               "age" = 2:6, 
               .col_code = TRUE) %>% 
  as_tibble()


# Transform
SOXOU04 <-
  SOXOU04_raw %>% 
  spread(1, 4) %>% 
  mutate_at(c(3,4), str_c, suffix = " pct.") %>%
  rename(Population = population) %>% 
  mutate(Population = format(Population,
                             big.mark = ".",
                             decimal.mark = ",")) %>% 
  gather(key, value, -c(age, year)) %>% 
  spread(2, 4)


# Table
SOXOU04 %>% 
  select(-1) %>% 
  rename(c(" " = 1)) %>% 
  statgl_table() %>% 
  pack_rows(index = SOXOU04 %>% pull(age) %>% table()) %>% 
  add_footnote(
    "Procentvis andel af befolkningen med en indkomst under 50 eller 60% af medianindkomsten i 3 sammenhængende år.\nTabellen inkluderer kun personer over 18 år.",
    notation = "symbol")
2011 2012 2013 2014 2015 2016 2017 2018 2019
-29
Andel under 50% 8.3 pct. 8.8 pct. 8.4 pct. 8.4 pct. 9.2 pct. 9.2 pct. 10 pct. 10.3 pct. 10.4 pct.
Andel under 60% 13.9 pct. 14.7 pct. 15 pct. 13.8 pct. 14.8 pct. 15.4 pct. 16.2 pct. 16.5 pct. 17.3 pct.
Population 4.971 5.011 5.064 5.082 5.001 5.064 5.117 5.082 5.018
30-39
Andel under 50% 2.9 pct. 3 pct. 3.2 pct. 3.3 pct. 3.5 pct. 3.7 pct. 4.5 pct. 4.8 pct. 4.7 pct.
Andel under 60% 6.1 pct. 6.3 pct. 6.6 pct. 6.4 pct. 6.7 pct. 7.1 pct. 8.3 pct. 8.7 pct. 8.5 pct.
Population 5.366 5.462 5.566 5.614 5.697 5.827 5.973 6.147 6.357
40-49
Andel under 50% 2.3 pct. 2.3 pct. 2.7 pct. 2.2 pct. 2.2 pct. 2.2 pct. 2.4 pct. 2.5 pct. 2.7 pct.
Andel under 60% 4.4 pct. 4.6 pct. 4.4 pct. 4 pct. 4.2 pct. 4 pct. 4.4 pct. 4.5 pct. 5 pct.
Population 8.831 8.493 8.031 7.387 6.815 6.295 5.841 5.424 5.277
50-60
Andel under 50% 1.9 pct. 2 pct. 2.2 pct. 2.3 pct. 2.4 pct. 2.4 pct. 2.5 pct. 2.5 pct. 2.4 pct.
Andel under 60% 3.4 pct. 3.6 pct. 3.8 pct. 3.8 pct. 3.7 pct. 3.9 pct. 4.4 pct. 4.9 pct. 4.8 pct.
Population 7.311 7.570 7.899 8.190 8.468 8.685 8.826 8.842 8.641
60+
Andel under 50% 0.7 pct. 0.8 pct. 0.9 pct. 1 pct. 1 pct. 0.8 pct. 0.9 pct. 1.2 pct. 1.3 pct.
Andel under 60% 1.4 pct. 1.4 pct. 1.4 pct. 1.7 pct. 1.7 pct. 1.7 pct. 2 pct. 3 pct. 3.4 pct.
Population 5.853 6.017 6.211 6.405 6.615 6.860 7.100 7.381 7.681
* Procentvis andel af befolkningen med en indkomst under 50 eller 60% af medianindkomsten i 3 sammenhængende år.
Tabellen inkluderer kun personer over 18 år.


Forklaring

Statistikken over økonomisk udsatte har en bestemt analysepopulation, som ikke dækker hele befolkningen. Eksempelvis er studerende, beboere på sociale institutioner etc. ikke medtaget i analysen. Desuden skal man have en indkomst på 50 eller 60& af medianindkomsten for at tælle som økonomisk udsat.

At-risk-of-poverty rate


FN 1.2.1 Andel af befolkningen, som lever under relativ fattigdom
# Import
INXIU101_raw <-
  statgl_url("INXIU101", lang = "da") %>%
  statgl_fetch(indicator = 2:4,
               time = px_all(),
               .col_code = TRUE) %>% 
  as_tibble()


# Transform
INXIU101 <-
  INXIU101_raw %>% 
  mutate(time = time %>%  
           make_date(),
         indicator = indicator %>%  
           as.factor() %>% 
           fct_rev())


# Plot
INXIU101 %>% 
  ggplot(aes(
    x = time,
    y = value,
    fill = indicator
    )) +
  geom_area(position = "identity") +
  scale_y_continuous(labels  = scales::percent_format(
    scale = 1,
    accuracy = 1.1,
    big.mark = ".",
    decimal.mark = ","
    )) +
  theme_statgl() +
  scale_fill_statgl(reverse = TRUE,
                    guide = guide_legend(reverse = TRUE)) +
  labs(
    title = "At-risk-of-povery rate",
    x = " ",
    y = " ",
    fill = "Indkomstgrænse",
    caption = "Kilde: https://bank.stat.gl/INDF1"
    )

Statistikbanken

Metode

INXIU101_raw %>% 
  #mutate_at(3, str_c, suffix = " pct.") %>%
  spread(2, 3) %>%
  rename(c(" " = 1)) %>% 
  statgl_table() %>% 
  add_footnote(
    "Procentvis andel af befolkningen med en indkomst under 40, 50 eller 60% af medianindkomsten.",
    notation = "symbol")
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Relativ fattigdom. 40 pct.-grænse 6,5 7,1 6,9 4,9 5,1 5,4 5,6 5,1 5,9 5,8 5,6 6,4 6,1 5,9 6,1 6,3 6,5 6,4
Relativ fattigdom. 50 pct.-grænse 10,6 11,2 11,3 8,5 8,5 9,0 9,3 8,6 9,7 9,6 9,8 10,3 10,1 9,9 10,0 10,7 10,5 10,5
Relativ fattigdom. 60 pct.-grænse 16,1 16,9 16,6 14,4 14,1 14,7 14,5 14,6 15,3 15,3 15,5 15,8 15,4 15,5 16,2 17,1 16,4 16,8
* Procentvis andel af befolkningen med en indkomst under 40, 50 eller 60% af medianindkomsten.
Forklaring

Grønland har ingen officiel fattigdomsgrænse, men internationalt benyttes målet at-risk-of-poverty rate (ROP) som en indikator for relativ fattigdom.

Målet beregnes som den andel af befolkningen, der bor i en husstand, hvor den disponible husstandsindkomst ligger under en fastsat procentdel (her 40, 50 og 60 pct.) af medianindkomsten.

Offentlige midler


FN 1.a.2 Andel af de samlede offentlige udgifter afsat til kerneydelser (undervisning, sundhed og social beskyttelse)


# Import
OFXFUNK_raw <-
  statgl_url("OFXFUNK", lang = "da") %>% 
  statgl_fetch("function" = c(0, 33, 44, 50),
               sector = px_all(),
               .col_code = TRUE) %>%
  as_tibble() 

# Transform <<-- MANUEL "CLEAN UP" VED OVERSÆTTELSE!
OFXFUNK <-
  OFXFUNK_raw %>% 
  mutate(`function` = `function` %>%  
           str_remove_all("[0-9]|\\.") %>% 
           trimws(),
         value = value %>% 
           replace_na(0)) %>% 
  spread(2, 4) %>% 
  mutate(Øvrige = `Udgifter i alt` - (`Social beskyttelse` + Sundhedsvæsen + Undervisning)) %>% 
  select(-`Udgifter i alt`) %>% 
  gather(key, value, -c(sector, time)) %>% 
  filter(time != "1994",
         sector != "Den statslige sektor") %>% 
  mutate(sector = sector %>% 
           as.factor() %>% 
           fct_relevel("Den kommunale sektor", after = Inf))
  
  
# Plot
OFXFUNK %>% 
  mutate(time = time %>% make_date()) %>% 
  ggplot(aes(
    x = time,
    y = value,
    fill = key
    )) +
  geom_area(position = "fill") +
  facet_wrap(~ sector) +
  scale_fill_statgl(palette = "spring", reverse = TRUE) +
  theme_statgl() +
  scale_y_continuous(labels = scales::percent_format()) +
  labs(
    title = "Funktionel fordeling over de offentlige udgifter",
    subtitle = "Procentvis andel af samlede udgifter",
    x = " ",
    y = "",
    caption = "Kilde: https://bank.stat.gl/OFDFUNK",
    fill = "Funktion"
    )

Statistikbanken

# Transform <<-- MANUEL "CLEAN UP" VED OVERSÆTTELSE!
OFXFUNK <-
  OFXFUNK_raw %>% 
  filter(time != "1994",
         sector != "Den statslige sektor") %>% 
  mutate(`function` = `function` %>%  
           str_remove_all("[0-9]|\\.") %>% 
           trimws(),
         value = value %>% 
           replace_na(0)) %>% 
  spread(2, 4) %>% 
  mutate(Social = (100 * `Social beskyttelse` / `Udgifter i alt`) %>% round(1),
         Sundhed = (100 * Sundhedsvæsen / `Udgifter i alt`) %>% round(1),
         Undervis = (100 * Undervisning / `Udgifter i alt`) %>% round(1),
         Øvrige = (100 - (Social + Sundhed + Undervis)) %>% round(1)) %>% 
  select(-6:-3) %>% 
  gather(key, value, -sector, -time) %>% 
  unite(combi, sector, key, sep = ", ") %>% 
  spread(1, 3)


# Table  
OFXFUNK %>% 
  statgl_table(replace_0s = TRUE,
               col.names = c(" ", 
                             rep(c(
                               "Social Beskyttelse",
                               "Sundhedsvæsen",
                               "Undervisning",
                               "Øvrige"), 
                               3))) %>% 
  add_header_above(
    c(
      " ",
      "Den Kommunale Sektor" = 4,
      "Den Samlede Offentlige Sektor" = 4,
      "Den Selvstyrede Sektor" = 4),
    align = "r") %>% 
  add_footnote("Procentvis andel af samlede udgifter i alt.",
               notation = "symbol")
Den Kommunale Sektor
Den Samlede Offentlige Sektor
Den Selvstyrede Sektor
Social Beskyttelse Sundhedsvæsen Undervisning Øvrige Social Beskyttelse Sundhedsvæsen Undervisning Øvrige Social Beskyttelse Sundhedsvæsen Undervisning Øvrige
1995 46,4 - 19,4 34,2 24,0 11,8 15,0 49,2 22,4 17,1 11,8 48,7
1996 46,6 - 18,6 34,8 25,1 11,5 15,3 48,1 24,0 17,0 11,8 47,2
1997 47,5 - 18,7 33,8 26,3 11,5 15,4 46,8 25,0 17,0 20,5 37,5
1998 47,4 - 18,9 33,7 26,1 11,6 15,6 46,7 23,9 17,1 21,0 38,0
1999 46,0 - 19,3 34,7 26,7 11,9 15,7 45,7 24,6 17,5 21,3 36,6
2000 45,8 - 19,2 35,0 26,5 12,5 16,1 44,9 25,2 18,5 21,0 35,3
2001 43,6 - 20,3 36,1 25,8 12,6 16,9 44,7 23,9 19,0 20,6 36,5
2002 42,8 - 19,9 37,3 26,5 12,6 16,3 44,6 25,4 19,0 19,6 36,0
2003 44,2 - 19,9 35,9 26,6 12,5 16,7 44,2 25,0 19,1 20,9 35,0
2004 44,5 - 21,5 34,0 26,7 12,8 17,7 42,8 24,8 19,1 21,4 34,7
2005 45,9 - 21,2 32,9 26,9 12,8 18,1 42,2 23,9 19,1 22,1 34,9
2006 46,3 - 20,7 33,0 26,9 12,3 18,1 42,7 24,5 19,0 23,2 33,3
2007 45,8 - 21,4 32,8 26,6 12,7 18,5 42,2 25,2 19,8 23,3 31,7
2008 45,3 - 20,7 34,0 25,8 12,9 19,1 42,2 23,6 20,5 24,4 31,5
2009 45,5 - 20,7 33,8 26,0 13,1 19,7 41,2 19,2 21,0 19,9 39,9
2010 48,5 - 21,9 29,6 26,5 13,4 20,5 39,6 19,1 21,0 20,1 39,8
2011 51,4 - 20,7 27,9 26,9 13,7 20,0 39,4 14,9 22,0 19,7 43,4
2012 50,9 - 19,9 29,2 26,6 13,9 19,3 40,2 14,8 22,4 18,1 44,7
2013 51,5 - 20,0 28,5 27,8 13,6 19,8 38,8 15,6 21,7 18,3 44,4
2014 53,1 - 18,4 28,5 28,0 13,7 19,9 38,4 13,4 21,9 19,1 45,6
2015 53,8 - 17,8 28,4 28,9 13,7 19,7 37,7 13,5 21,9 19,9 44,7
2016 52,6 - 17,8 29,6 27,6 13,7 19,0 39,7 13,3 22,4 19,7 44,6
2017 51,8 - 17,3 30,9 27,5 14,0 18,5 40,0 13,6 23,2 19,0 44,2
2018 52,1 - 17,4 30,5 27,2 14,3 17,6 40,9 12,2 23,7 16,4 47,7
2019 51,4 - 17,4 31,2 27,1 14,0 17,4 41,5 12,7 23,8 16,5 47,0
* Procentvis andel af samlede udgifter i alt.