Tilbage


Delmål 10: Mindre ulighed

Arbejdskraftens andel af BNP


FN 10.4.1 Arbejdskraftens andel af BNP
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import 
NRD02_raw <- 
  read_csv("https://bank.stat.gl:443/sq/fa64de60-cff3-4b69-9dba-a00f1ab03ab4", locale = locale(encoding = "latin1"))



# Transform
NRD02 <-
  NRD02_raw %>% 
  spread(kontonavn, `Konto 2.1.1: Indkomstdannelse`) %>% 
  mutate(pct =`6 Aflønning af ansatte (residente producenters udgifter)` * `1 Bruttonationalprodukt BNP`^-1,
         tid = strtoi(tid) %>% make_date())



NRD02_plot <-
  NRD02 %>% 
  ggplot(aes(x = tid, y = pct, color = enhed)) +
  geom_line(size = 2) +
  scale_y_continuous(labels  = scales::percent_format(scale = 100, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  theme_statgl() + scale_color_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "Arbejdskraftens andel af BNP",
    subtitle = "Aflønning af ansatte (residente producenters udgifter) over BNP i løbende priser",
    x = " ",
    y = " ",
    caption = "Kilde: http://bank.stat.gl/NRD02"
  )

NRD02_plot

Statistikbanken


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import 
NRD02_raw <- 
  read_csv("https://bank.stat.gl:443/sq/fa64de60-cff3-4b69-9dba-a00f1ab03ab4", locale = locale(encoding = "latin1"))


# Transform
NRD02 <-
  NRD02_raw %>% 
  spread(kontonavn, `Konto 2.1.1: Indkomstdannelse`) %>% 
  mutate(pct =`6 Aflønning af ansatte (residente producenters udgifter)` * `1 Bruttonationalprodukt BNP`^-1 * 100)


NRD02_table <-
  NRD02 %>% 
  select(tid, pct) %>% 
  mutate(
    pct = format(pct, digits = 3, decimal.mark = ",")) %>% 
  kable(col.names = c(" ", "Arbejdskraftens andel af BNP"), align = "lr") %>% 
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("Procent.",
               notation = "symbol") %>%
  scroll_box(height = "500px")


NRD02_table
Arbejdskraftens andel af BNP
2003 59,0
2004 58,6
2005 58,4
2006 57,2
2007 61,4
2008 62,6
2009 59,8
2010 59,6
2011 62,0
2012 59,1
2013 58,5
2014 54,8
2015 53,7
2016 52,2
2017 52,6
2018 53,3
2019 53,3
* Procent.

Gini-koefficient


GS Gini-koefficient
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
INDF1_2_raw <-
  pxweb_get(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/IN/IN40/INXIU101.px",
    query = list(
      "time" = c("*"),
      "indicator" = c("*")
      )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transformation
INDF1_2 <-
  INDF1_2_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
INDF1_2_plot <-
  INDF1_2 %>%
  filter(ulighedsmål == "Gini-koefficient") %>%
  ggplot(aes(x = tid,
             y = `Ulighedsmål målt på ækvivaleret disponibel indkomst`,
             color = ulighedsmål)) +
  geom_line(size = 2) +
  scale_color_statgl() +
  theme_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "Gini-koefficienten",
    subtitle = "Mål for fordelingen af alle indkomster (0 = fuldstændig ligelige fordeling, 100 = fuldstændig ulige fordeling)",
    x = " ",
    y = "Gini-point",
    color = "Mål",
    caption = "Kilde: https://bank.stat.gl/INDF1"
  )


INDF1_2_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
INDF1_2_raw <-
  pxweb_get(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/IN/IN40/INXIU101.px",
    query = list(
      "time" = c("*"),
      "indicator" = c("*")
      )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transformation
INDF1_2 <-
  INDF1_2_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


  # Table
INDF1_2_table <- INDF1_2 %>%
  filter(ulighedsmål == "Gini-koefficient") %>%
  select(tid, `Ulighedsmål målt på ækvivaleret disponibel indkomst`) %>%
  mutate(`Ulighedsmål målt på ækvivaleret disponibel indkomst` =
           format(
             `Ulighedsmål målt på ækvivaleret disponibel indkomst`,
             digits = 3,
             decimal.mark = ","
           )) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.names = c(" ",
                      "Gini-koefficient"),
        align = "lrr") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("Gini-point.",
               notation = "symbol")


INDF1_2_table
Gini-koefficient
2002-01-01 34,0
2003-01-01 34,8
2004-01-01 34,6
2005-01-01 32,6
2006-01-01 33,9
2007-01-01 34,3
2008-01-01 33,9
2009-01-01 33,1
2010-01-01 34,1
2011-01-01 34,4
2012-01-01 34,7
2013-01-01 35,0
2014-01-01 34,8
2015-01-01 35,4
2016-01-01 35,6
2017-01-01 36,0
2018-01-01 34,9
2019-01-01 34,6
* Gini-point.

Ratio 80/20


GS Forhold mellem 20% højeste og 20% laveste indkomster
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
INDF1_3_raw <-
  pxweb_get(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/IN/IN40/INXIU101.px",
    query = list(
      "time" = c("*"),
      "indicator" = c("*")
      )
  ) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
INDF1_3 <-
  INDF1_3_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
INDF1_3_plot <-
  INDF1_3 %>%
  filter(ulighedsmål == "S80/20") %>%
  ggplot(aes(x = tid,
             y = `Ulighedsmål målt på ækvivaleret disponibel indkomst`,
             color = ulighedsmål)) +
  geom_line(size = 2) +
  scale_y_continuous(labels = scales::unit_format(
    suffix = " ",
    big.mark = ".",
    decimal.mark = ","
  )) +
  scale_color_statgl() +
  theme_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "S80/20",
    subtitle = "Forholdet mellem de 20% højeste indkomster over de 20 % laveste indkomster",
    x = " ",
    y = "S80/20-ratio",
    color = "Mål",
    caption = "Kilde: https://bank.stat.gl/INDF1"
  )


INDF1_3_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
INDF1_3_raw <-
  pxweb_get(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/IN/IN40/INXIU101.px",
    query = list(
      "time" = c("*"),
      "indicator" = c("*")
      )
  ) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
INDF1_3 <-
  INDF1_3_raw
    
    
# Table
INDF1_3_table <-
  INDF1_3 %>%
  filter(ulighedsmål == "S80/20") %>%
  select(tid, `Ulighedsmål målt på ækvivaleret disponibel indkomst`) %>%
  mutate(`Ulighedsmål målt på ækvivaleret disponibel indkomst` =
           format(
             `Ulighedsmål målt på ækvivaleret disponibel indkomst`,
             digits = 3,
             decimal.mark = ","
           )) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.names = c(" ",
                      "S80/20"), align = "lrr") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("S80/20-ratio.",
               notation = "symbol")


INDF1_3_table
S80/20
2002 5,3
2003 5,5
2004 5,5
2005 4,7
2006 4,9
2007 5,1
2008 5,3
2009 4,8
2010 5,2
2011 5,2
2012 5,2
2013 5,4
2014 5,4
2015 5,4
2016 5,4
2017 5,6
2018 5,4
2019 5,3
* S80/20-ratio.

Modtagere af offentlig hjælp


GS Modtagere af offentlig hjælp
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
soD004_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO20/SOX004.px",
    query = list(
      "age" = c("*"),
      "municipality" = c("*"),
      "gender" = c("*"),
      "unit" = c("Antal"),
      "type" = c("10"),
      "time" = c("*")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
soD004 <-
  soD004_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date(),
         `Offentlig hjælp` = (`Offentlig hjælp` / 1000))


# Plot
soD004_plot <-
  soD004 %>%
  filter(alder == "I alt", kommune == "I alt", køn == "I alt") %>%
  ggplot(aes(x = tid,
             y = `Offentlig hjælp`,
             fill = enhed)) +
  geom_col() +
  theme_statgl() + scale_fill_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "Offentlig hjælp",
    subtitle = "Antal personer der modtager offentlig hjælp, et tidspunkt i løbet af året",
    x = " ",
    y = "Tusinde personer",
    fill = " ",
    caption = "Kilde: https://bank.stat.gl/soD004"
  )


soD004_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
soD004_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO20/SOX004.px",
    query = list(
      "age" = c("*"),
      "municipality" = c("*"),
      "gender" = c("*"),
      "unit" = c("Antal"),
      "type" = c("10"),
      "time" = c("*")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
soD004 <-
  soD004_raw %>%
  filter(
    alder == "I alt",
    kommune == "I alt",
    køn == "I alt",
    enhed == "Antal",
    ydelse == "Offentlig hjælp i alt"
  )


# Table
soD004_table <-
  soD004 %>%
  mutate(`Offentlig hjælp` = format(`Offentlig hjælp`, digits  =3, decimal.mark = ",", big.mark = ".")) %>%
  select(tid, `Offentlig hjælp`) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.names = c(" ",
                      "Offentlig hjælp i alt"),
        align = "lrr") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("Antal personer.",
               notation = "symbol")


soD004_table
Offentlig hjælp i alt
2009 7.040
2010 7.477
2011 7.833
2012 7.971
2013 8.004
2014 7.887
2015 7.111
2016 6.063
2017 5.787
2018 5.086
2019 4.760
* Antal personer.



# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
soD010_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO20/sox010.px",
    query = list(
      "no of children" = c("*"),
      "no of adults" = c ("*"),
      "municipality" = c("*"),
      "unit" = c("Antal"),
      "type" = c("10"),
      "time" = c("*")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
soD010 <-
  soD010_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
soD010_plot <-
  soD010 %>%
  filter(
    `antal børn` != "I alt",
    kommune == "I alt",
    `antal voksne` != "I alt" &
      `antal voksne` != "0 voksne"
  ) %>%
  select(tid,
         `antal børn`,
         `antal voksne`,
         `Offentlig hjælp, opgjort på familier`) %>%
  mutate(`antal børn` = `antal børn` %>% fct_rev()) %>%
  ggplot(aes(x = tid,
             y = `Offentlig hjælp, opgjort på familier`,
             fill = `antal børn`)) +
  geom_col(position = "fill") +
  facet_wrap( ~ `antal voksne`) +
  scale_y_continuous(labels  = scales::percent_format(scale = 100, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  theme_statgl() + scale_fill_statgl(reverse = TRUE, guide = guide_legend(reverse = TRUE)) +
  labs(
    title = "Offentlig hjælp efter familiestruktur",
    subtitle = "Fordeling af offentlig hjælp i alt (et tidspunkt i løbet af året) efter antal børn og voksne i husstanden",
    x = " ",
    y = " ",
    fill = " ",
    caption = "Kilde: https://bank.stat.gl/soD010"
  )


soD010_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
soD010_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO20/sox010.px",
    query = list(
      "no of children" = c("*"),
      "no of adults" = c ("*"),
      "municipality" = c("*"),
      "unit" = c("Antal"),
      "type" = c("10"),
      "time" = c("*")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
soD010 <-
  soD010_raw
    
    
# Table
soD010_table <-
  soD010 %>%
  mutate(`Offentlig hjælp, opgjort på familier` = 
           format(`Offentlig hjælp, opgjort på familier`, 
                  digits  =3, decimal.mark = ",", big.mark = ".")) %>%
  filter(
    kommune == "I alt",
    `antal børn` != "I alt",
    `antal voksne` == "1 voksen" |
      `antal voksne` == "2 voksne"
  ) %>%
  unite(familie, `antal voksne`, `antal børn`, sep = ", ") %>%
  select(tid, familie, `Offentlig hjælp, opgjort på familier`) %>%
  spread(familie, `Offentlig hjælp, opgjort på familier`) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.name = c(" ", 
                     "0 Børn", " 1 Barn", "2 Børn", "3 Børn", "4 Eller Flere Børn",
                     "0 Børn", " 1 Barn", "2 Børn", "3 Børn", "4 Eller Flere Børn"
  ), align = "lrrrrrrrrrr") %>%
  add_header_above(c(" ",
                     "1 Voksen" = 5,
                     "2 Voksen" = 5), align = "r") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("Antal personer, Offentlig hjælp i alt.",
               notation = "symbol")


soD010_table
1 Voksen
2 Voksen
0 Børn 1 Barn 2 Børn 3 Børn 4 Eller Flere Børn 0 Børn 1 Barn 2 Børn 3 Børn 4 Eller Flere Børn
2009 2.670 717 354 147 74 559 451 467 329 268
2010 2.895 727 359 159 63 553 528 464 359 287
2011 3.029 759 345 147 81 595 552 523 346 291
2012 3.069 743 381 154 75 625 566 510 338 269
2013 3.179 739 385 142 74 630 558 502 334 234
2014 3.213 743 385 158 65 611 571 436 299 242
2015 3.001 672 317 141 65 564 481 402 261 213
2016 2.653 584 302 119 61 453 388 349 223 172
2017 2.540 580 268 113 54 483 362 301 203 164
2018 2.316 525 259 94 51 425 330 230 153 143
2019 2.152 507 204 96 56 445 271 207 143 130
* Antal personer, Offentlig hjælp i alt.

Modtagere af førtidspension


GS Modtagere af førtidspension
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
SODFPE1_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO50/SO5030/SOXFPE1.px",
    query = list(
      "age group" = c("*"),
      "gender" = c("*"),
      "unit" = c("*"),
      "time" = c("*")
      )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
SODFPE1 <-
  SODFPE1_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
SODFPE1_plot <-
  SODFPE1 %>%
  filter(aldersgruppe == "I alt", køn == "I alt",
         enhed == "% af aldersgruppe") %>%
  ggplot(aes(x = tid,
             y = `Førtidspensionister i december`,
             fill = enhed)) +
  geom_col() +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  theme_statgl() + scale_fill_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "Førtidspensionister i alt",
    subtitle = "Procent af aldersgruppe",
    x = " ",
    y = " ",
    fill = "Mål",
    caption = "Anm.:Optælling i december måned. \n Kilde: https://bank.stat.gl/SODFPE1"
  )


SODFPE1_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
SODFPE1_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO50/SO5030/SOXFPE1.px",
    query = list(
      "age group" = c("*"),
      "gender" = c("*"),
      "unit" = c("*"),
      "time" = c("*")
      )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
SODFPE1 <-
  SODFPE1_raw
    
    
# Table
SODFPE1_table <-
  SODFPE1 %>%
  filter(aldersgruppe == "I alt", køn == "I alt",
         enhed == "% af aldersgruppe") %>%
  select(tid, enhed,
         `Førtidspensionister i december`) %>%
  spread(enhed, `Førtidspensionister i december`) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.names = c(" ",
                      "Førtidspensionister i alt"),
        align = "lr") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote("Procent af aldersgruppe.",
               notation = "symbol")


SODFPE1_table
Førtidspensionister i alt
2011 7
2012 7
2013 7
2014 7
2015 7
2016 6
2017 6
2018 6
2019 6
* Procent af aldersgruppe.



# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
SODFPE1_2_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/SO/SO50/SO5030/SOXFPE1.px",
    query = list(
      "age group" = c("*"),
      "gender" = c("*"),
      "unit" = c("*"),
      "time" = c("*")
      )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
SODFPE1_2 <-
  SODFPE1_2_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
SODFPE1_2_plot <-
  SODFPE1_2 %>%
  filter(aldersgruppe != "I alt" &
           aldersgruppe != "65+",
         køn == "I alt",
         enhed == "% af aldersgruppe") %>%
  ggplot(aes(x = tid,
             y = `Førtidspensionister i december`,
             fill = aldersgruppe)) +
  geom_col() +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  facet_wrap(~ aldersgruppe) +
  theme_statgl() + scale_fill_statgl() +
  labs(
    title = "Førtidspensionister efter aldersgrupper",
    subtitle = "Procent af aldersgruppe",
    x = " ",
    y = " ",
    fill = " ",
    caption = "Anm.:Optælling i december måned. \n Kilde: https://bank.stat.gl/SODFPE1"
  )


SODFPE1_2_plot