Download rapporten i pdf-format - Amternes og Kommunernes ...

Kommunestørrelse og tilfredshed med
offentlig, kommunal service
af
Henrik Lolle
AKF Forlaget
November 2000

Forord
Undertegnede er ansvarlig for rapportens indhold, men heldigvis har en del
mennesker hjulpet mig undervejs. Først skal der lyde en stor tak til min
ph.d.-vejleder, professor på Aalborg Universitet Jørgen Goul Andersen,
uden hvis engagement og blik for ikke fuldt udnyttede dataressourcer dette
projekt ikke ville have været muligt. Med hensyn til tilladelse til at benytte
datamaterialet skal der rettes tak dels til lektor Lars Torpe og lektor Johannes
Andersen, begge Aalborg Universitet, samt til Kommunedata A/S
(surveydataene), dels til professor på Syddansk Universitet Poul Erik
Mouritzen og direktør i ECO-Analyse A/S, Kurt Houlberg, (kommunale
nøgletal). I den forbindelse skal der endvidere lyde stor tak til Kurt Houlberg
for vejledning angående disse nøgletal. Dernæst en stor tak også til
Forskningschef i AKF, Amternes og Kommunernes Forskningsinstitut, Nils
Groes, og professor Poul Erik Mouritzen, som satte projektet i gang, og som
begge, sammen med seniorforsker ved AKF Eskil Heinesen, som der også
skal lyde en tak til, har kommenteret et tidligt udkast til rapporten. For
sproglig korrektur er jeg stor tak skyldig til cand.mag. A.K. Elisabeth
Lauridsen. Og til sidst skal der rettes en meget stor tak til professor på
Aalborg Universitet Henning Bunzel, som har været en uvurderlig hjælp på
min vej ind i et for mig nyt metodisk landskab, og som har stillet sig velvilligt
til rådighed for besvarelse af mere eller mindre kløgtige spørgsmål.
Henrik Lolle
November 2000

Indhold
1 Indledning ................................................ 7
2 Hvad kan vi forvente os af sammenhængen mellem
kommunestørrelse og servicetilfredshed? ..................... 11
3 Vejledning i tabellæsning .................................. 15
3.1 Præsentation af resultater fra Multilevel lineær regression ......... 15
3.2 Præsentation af resultater fra Multilevel logistisk regression ....... 17
3.3 Angivelse af sikkerhed i de statistiske beregninger ............... 18
3.4 Procent forklaret varians på kommuneniveau.................... 19
4 Den samlede kommunale service ............................ 20
4.1 Effekter på tilfredshed med den samlede offentlige kommunale
service, beregnet ud fra tilfredsheden inden for en række
forskellige serviceområder .................................. 21
4.2 Delkonklusion ............................................ 28
5 Børnepasning ............................................ 31
5.1 De umiddelbare sammenhænge mellem kommunestørrelse og
tilfredshed inden for børnepasningsområdet .................... 31
5.2 Tilfredshed med pasningsmulighederne ........................ 36
5.3 Tilfredshed med pasningskvaliteten ........................... 39
5.4 Diskussion af resultaterne samt lidt om forældreaktivitet og
holdninger til pasningsordningens bestyrelse .................... 42
5.5 Delkonklusion ............................................ 45

6 Folkeskole ............................................... 48
6.1 De umiddelbare sammenhænge mellem kommunestørrelse og
tilfredsheden inden for folkeskoleområdet ...................... 49
6.2 En nærmere analyse af effekterne ............................. 53
6.3 Lidt om forældreaktivitet, skolebestyrelser samt begrundelse for
eventuel valg af privatskole .................................. 55
6.4 Delkonklusion ............................................ 56
7 Ældreomsorg ............................................ 59
7.1 De umiddelbare sammenhænge inden for ældreomsorgen ......... 60
7.2 Nøjere analyse af effekterne ................................. 63
7.3 Delkonklusion ............................................ 65
8 Fritid og kultur .......................................... 67
8.1 Delkonklusion ............................................ 70
9 Trafik og miljø ........................................... 71
9.1 Metodisk ekskurs: Sammenligning af resultater fra forskellige
datasæt og forskellige analysemetoder med trafik- og miljøområdet
som eksempel ............................................ 72
9.2 Delkonklusion ............................................ 74
10 Inden for hvilke områder skal der efter respondenternes
mening bruges flere penge? ................................ 76
11 Konklusion .............................................. 79
Appendiks
A Undersøgelsesdesign, data og analysemetode ................... 84
B Variabler brugt som kontrolfaktorer i analyserne af kommunestørrelseseffekterpå
tilfredsheden med den offentlige,
kommunale service ........................................ 99
C Kommunesammenligning .................................. 103
Litteratur .............................................. 105
English Summary ....................................... 109

1 Indledning
Kommunestrukturen diskuteres livligt i disse år, og meget fremtrædende i
debatten er spørgsmålet, om de mindre primærkommuner er i stand til at
tage ordentligt vare på de efterhånden mange og komplicerede opgaver, der
er pålagt dem op gennem årene, samt om kommunestørrelse i det hele taget
har nogen indflydelse på, hvor god en kommune er til at servicere sine
borgere, som det hedder på moderne dansk. Denne problemstilling skal
belyses i nærværende rapport ud fra en begrænset, men ikke uvæsentlig
synsvinkel.
Diskussionerne om kommunestrukturen er indlejret i hele debatten om
den offentlige service, hvoraf primærkommunerne står for en meget stor del
– med børnepasning, folkeskole og ældreomsorg som de primære områder,
ressourcemæssigt set. Denne debat gennemsyres af spørgsmålet om effektiv
udnyttelse af sparsomme ressourcer. De offentlige serviceudgifter har
nemlig i de senere år vist sig overordentligt vanskelige at styre.
Ganske vist har det fra den socialdemokratiske regerings side været
hensigten at løfte niveauet i den offentlige service gennem øget ressourcetilførsel,
men udgiftsstigningerne har år for år været større end aftalt mellem
regeringen og Kommunernes Landsforening. På samme måde som det i
øvrigt er tilfældet for amternes vedkommende. (Økonomiministeriet 1999)
De ikke planlagte udgiftsstigninger skyldes, dels at kommunerne som
helhed har budgetteret højere end aftalt 1 , dels at de som helhed har overskredet
disse budgetter. Én af årsagerne kan dog også være, at regeringen
har meldt for kraftigt ud med løfte om serviceforbedringer over for befolkningen,
således at de enkelte kommuner har set sig nødsaget til at tilføre
yderligere ressourcer. Det er i hvert fald holdningen i en del kommuner.
Hvorom alting er, så drejer det sig i de kommende år om at holde udgiftsstigningerne
nede på et acceptabelt niveau, ikke mindst fordi presset fra den
7

demografiske udvikling vil stige betydeligt. Der vil ske en stigning i antallet
af børn i den skolepligtige alder og i antallet af ældre, og der vil kunne
forekomme rekrutteringsproblemer til servicesektoren, da der bliver færre
i den erhvervsaktive alder.
Samtidig med intentionen om at holde udgifterne i ave er der imidlertid
et udtalt ønske fra såvel landspolitikere, kommunalpolitikere som den brede
befolkning om, at kvaliteten i de offentlige serviceydelser skal forbedres
eller i det mindste bevares på det nuværende niveau. Og dette kan, uden
voldsomme udgiftsstigninger, kun opnås gennem omprioriteringer og
effektiviseringer i servicedriften (Finansministeriet 1997, 1998b & 2000a;
Økonomiministeriet 1999).
Spørgsmålet er så, om den kommunalstruktur, vi har i dag, er den mest
effektive. Igen i den forstand at ingen kommuner alene på grund af størrelse
bliver sat i en dårlig udgangsposition for at yde borgerne god service.
Selvfølgelig hænger effektivitet sammen med mange andre ting end befolkningsmæssig
størrelse og urbanisering, men det er nærliggende at forestille
sig, at disse faktorer har en indflydelse, og det er dette spørgsmål, der skal
søges svar på her. Det må dog tilføjes i den forbindelse, at der i rapporten
udelukkende ses på kommunal service. Det er altså kun en delmængde af
de opgaver, kommunerne står for, og altså langt fra nogen fuldstændig
behandling af problemstillingen vedrørende størrelsens betydning for
kvalitet og effektivitet.
Datagrundlaget for undersøgelsen består af to hovedgrupper: dels en
række kommunale nøgletal, først og fremmest udgiftsstørrelser og tal for
behovsfaktorer, venligst stillet til rådighed af ECO-Analyse A/S, dels
surveydata fra i alt små 50.000 respondenter, repræsenterende 37 kommuner
af forskellig befolkningsmæssig størrelse spredt ud over det meste af
landet 2 . I Appendiks C vises tre tabeller med en række oplysninger om disse
kommuner. I Tabel C.1 fremgår det, at der er stor overensstemmelse mellem
befolkningstal, grad af urbanisering samt størrelse af kommunens største by,
mens det af Tabel C.2 og C.3 fremgår, hvordan forskellige kommunetyper
adskiller sig fra hinanden med hensyn til ressourcegrundlag, beskatningsniveau,
serviceniveau og skat/serviceforhold (og billedet i stikprøvens
kommuner svarer i øvrigt her nogenlunde til landets kommuner som helhed).
Det skal dog så også tilføjes her, at udgiftsniveauet på de enkelte
serviceområder hver for sig ikke følger det overordnede mønster.
8

Surveydataene er for langt hovedpartens vedkommende indsamlet i 1995
og 1996, men for enkelte kommuners vedkommende i første kvartal 1997
(flest er dog fra 1995). Spørgeskemaerne, der blev benyttet, og som indeholder
identiske spørgsmål for samtlige kommuner, blev udarbejdet af KMD
Dialog i samarbejde med to forskere fra Aalborg Universitet, Johannes
Andersen og Lars Torpe. Spørgsmålene handler langt overvejende om
borgere og brugeres tilfredshed med den offentlige, kommunale service. For
nøjere beskrivelse af dataene henvises til Appendiks A, hvori endvidere
analysemetoderne beskrives og diskuteres.
Ud over de primære analyser på ovennævnte datasæt er der foretaget en
lang række parallelle analyser på et landsdækkende survey med ca. 1.600
respondenter, hvor der er stillet de samme spørgsmål. Dette datasæt vil
gennem rapporten omtales som det »lille« landsdækkende datasæt fra 1998.
Som jeg skrev indledningsvis, belyses problemstillingen om sammenhængen
mellem kommunestørrelse og evnen til at yde god service til borgerne
ud fra en begrænset synsvinkel. Hermed mener jeg, at borgernes
tilfredshedsvurdering af offentlig, kommunal service selvfølgelig ikke uden
videre kan sættes op som synonym til servicekvalitet. Servicekvalitet hænger
sammen med en række andre ting, og tilfredshed er kun én af mange
effekter af en given service. Ganske vist kan der i langt de fleste tilfælde
formodes at være ganske stor overensstemmelse mellem servicekvalitet i det
hele taget og brugeres tilfredshed, men tilfredsheden er og bliver kun én
indikator på kvaliteten. For mere udførlige behandlinger af begreber som
kvalitet og effektivitet samt problemer med måling af disse størrelser i
offentlig service se fx Lotz (1998), kap. 3; Winter (1994), kap. 1 og 5-8;
Dalsgaard & Jørgensen (1994); Nørgaard Madsen et al. (1995), Mikkelsen
& Steenstrup (1999), Halachmi & Bouckaert ed. (1996) samt Kirkpatrick
& Lucio (1995).
Med hensyn til problemstillingen skal det endvidere tilføjes, at selv om
hovedstadsområdet i sig selv kan have en effekt på tilfredshedsniveauet, og
selv om dette aspekt ofte diskuteres sammen med størrelsesspørgsmålet, så
behandles disse eventuelle effekter ikke eksplicit i rapporten. Det skyldes
dels, at hovedstadskommunerne indbyrdes er meget forskellige, dels at der
blandt stikprøvekommunerne er et ret begrænset antal kommuner beliggende
i hovedstadsområdet. Men selvfølgelig tages der i analyserne hensyn til,
9

at hovedstadskommunerne, eller nogle af disse, kan skille sig ud med enten
et forholdsvis højt eller lavt tilfredshedsniveau.
Noter
1. Dog er der i år 2000, for første gang i en række år, overensstemmelse mellem aftalerne og
de samlede kommunale budgetter (Finansministeriet 1999a).
2. Fra knap 5.000 indb. til over 150.000 indb.
10

2 Hvad kan vi forvente os af
sammenhængen mellem
kommunestørrelse og
servicetilfredshed?
Der findes forskellige teorier angående sammenhænge mellem kommunestørrelse
og effektivitet, og såvel herhjemme som i andre lande er der
foretaget analyser vedrørende problemstillingen. Fx kom amerikaneren
Wallace Oates på baggrund af en række analyser til den konklusion, at jo
mindre kommuner, desto mere effektive; og herhjemme er Kurt Houlberg
kommet til den konklusion, at der findes et optimum ved en kommunestørrelse
mellem ca. 30.000 og 50.000 indbyggere (Houlberg 1995). Disse
undersøgelser har imidlertid udelukkende haft et økonomisk perspektiv,
dvs. set på hvor servicen blev gjort billigst, men ikke om den så også blev
gjort lige godt.
Med surveydata fra 1981 har Poul Erik Mouritzen (1991) foretaget en
meget grundig analyse af effekter på tilfredsheden med den offentlige,
kommunale service. Med hensyn til kommunestørrelsens effekt omtaler han
to modsatrettede teorier, som han benævner henholdsvis reformteorien og
public choice teorien.
Reformteorien, som har ligget bag mange landes kommunalreformer,
siger, at stigende kommunestørrelse vil medføre stigende heterogenitet i
befolkningen og dermed mindre tendens til meget små minoritetsgrupper,
hvilket derfor yderligere vil medføre større lydhørhed for alle grupper.
Endvidere vil store kommuner medføre øgede muligheder for opgaveudlægning
til kommunerne og dermed stigende lokal deltagelse, hvilket vil
give en bedre afspejling af borgernes præferencer i kommunernes politik
samt til sidst også en større effektivitet i driften. Alle disse ting vil påvirke
tilfredsheden positivt.
11

Public choice teorien siger, lige som reformteorien, at små kommuner vil
have en mere homogent sammensat befolkning (bl.a. fordi den såkaldte
Tiebout effekt 1 har lettere ved at sætte sig igennem i mindre kommuner),
men i modsætning til reformteorien er hypotesen her, at de små, homogene
kommuner bedst kan arrangere den service, der matcher befolkningens
ønsker og behov. Derudover siger public choice teorien, at det er i de
mindre kommuner, at deltagelsesmulighederne vil være størst, samt at der
i disse kommuner heller ikke vil være så kraftige tendenser til – igennem
éns præferencer – at vælte omkostninger over på andre borgere. Endelig til
sidst siger public choice teorien, at de små kommuner vil være mere effektive,
bl.a. på grund af et mindre bureaukrati, større omstillingsevne og mindre
tendens til at danne professionelle interesser, der kan virke hæmmende for
helhedspræget tænkning. Disse ting betyder, i modsætning til hvad reformteorien
siger, at det er de små kommuner, der er mest effektive.
Mouritzen undersøgte de to teoriers sandhedsværdi, og i analyserne af
effekter på tilfredsheden med den kommunale service inddrages der foruden
variabler for kommunernes heterogenitet en lang række andre variabler.
Analyserne blev foretaget på surveydata fra 1981, altså ca. 15 år før indsamlingen
af nærværende undersøgelses data, og i store træk blev public choice
teorien bekræftet, hvilket altså betyder mindsket tilfredshed med stigende
kommunestørrelse. Men, som det anføres i afhandlingen, er karakteristika
for kommunerne (fx indbyggertal) langt mindre væsentlige som forklaringsfaktor
end en række individuelle faktorer, så som ideologisk ståsted og tillid
til politikere.
I forbindelse med teoriernes sandhedsværdi kan det tilføjes, at reformteoriens
hypoteser måske i nogen grad forudsætter en nogenlunde ensartet
stor kommunestørrelse og nærmere, at en ændring over tid af kommunestørrelse
samt ikke mindst medfølgende udvidelser i opgaveansvar vil
betyde ændring i effektivitet.
Nyere undersøgelser af sammenhængen mellem kommunestørrelse og
servicetilfredshed finder til forskel fra Mouritzen ingen belæg for statistisk
sikre konklusioner angående korrelationen mellem kommunestørrelse og
servicetilfredshed. Således finder hverken Finansministeriet (1999b) i
surveydata indsamlet i 1998 eller PLS Consult (1999) i data fra 1997
signifikant sammenhæng i nogen retning. I sidstnævnte skrives således:
»Selv om der er stor forskel på de fire kommunetyper [efter Indenrigsmini-
12

steriets (1999) opdeling i udkantskommuner, øvrige landkommuner, bykommuner
uden for hovedstadsområdet og bykommuner i hovedstadsområdet]
i størrelse, beskatningsgrundlag mv., er tilfredsheden med det
kommunale serviceniveau praktisk taget ens.«
To bemærkninger skal imidlertid knyttes til en sammenligning mellem
Mouritzens analyser og de to øvrige. For det første benyttede Mouritzen i
sin undersøgelse antal indbyggere i kommunen som uafhængig variabel (i
en logaritmisk transformation), mens Finansministeriet og PLS Consult
benyttede Indenrigsministeriets opdeling af landets kommuner i fire forskellige
kategorier, baseret på antal indbyggere i kommunens største by samt
nærhed til geografisk center. For det andet, og sikkert væsentligst, blev
tilfredshedsmålene i Mouritzens undersøgelse beregnet ud fra surveyspørgsmål
angående ressourcekrav til den kommunale service (spørgsmål, der
besvaredes med »det samme udgiftsniveau« eller »ved ikke« blev antaget
at indikere tilfredshed), hvor de to øvrige refererede undersøgelser benyttede
tilfredshedsspørgsmål. Men med disse forbehold in mente virker det dog
også ret sandsynligt, at forskellene mellem land og by, hvad angår tilfredshed,
er blevet udjævnet. Mouritzens konklusion var jo den, at der mestendels
var tale om bagvedliggende forskelle i befolkningssammensætningen,
og mange af disse forskelle er kraftigt udlignet siden da, hvilket i øvrigt
også gælder udgiftsniveauerne (Indenrigsministeriet 1999) samt befolkningens
indtjening og dermed evne til skattebetaling (Groes 1999 og Indenrigsministeriet
2000b).
Til slut i denne forbindelse skal her kort omtales en nyere norsk analyse
af sammenhænge mellem kommunestørrelse og servicetilfredshed. Thomas
Såheim og Are Fjermeros (1997) opstiller en interessant teori om årsager til,
at der vil findes forskellig effektretning, afhængigt af hvilken serviceydelse
der er tale om. Ifølge denne vil serviceydelser med intensiv interaktion
mellem brugere/borgere og de offentligt ansatte servicemedarbejdere, samt
endvidere hvor interaktionen i stor udstrækning ses som et mål i sig selv,
blive vurderet mere tilfredsstillende i små landkommuner end i større
bykommuner. Det drejer sig fx om visse serviceaspekter inden for børnepasningen,
folkeskolen og ældreomsorgen. Begrundelsen er, at de små kommuners
sociale netværk bedre ansporer til kommunikation mellem personale
og brugere samt mellem brugere indbyrdes, og dette vil generelt øge velbefindendet,
kvaliteten i servicen og tilfredsheden hermed. I serviceydelser
13

med kun lidt eller slet ingen interaktion mellem brugere og ansatte, og ofte
med karakter af levering af materielle goder som fx i vedligeholdelse af veje
og kulturelle arrangementer, vil der være tendens til større tilfredshed i de
større kommuner. I deres analyse af surveydata finder Såheim og Fjermeros
støtte til teorien. Der findes ikke blot de forventede effektretninger, men
også støtte til at de social netværk er bedre i de små kommuner.
Det er således særdeles interessant, om der i nærværende undersøgelses
datagrundlag kan findes overordnede sammenhænge mellem kommunestørrelse
og servicetilfredshed samt om sammenhængene viser sig markant
forskellige fra service til service, og om disse eventuelle forskelle kan være
med til at bekræfte Såheim og Fjermeros’ teori. I de følgende afsnit vil jeg
gennemgå resultaterne fra analyserne. Først skal der ses på tilfredsheden
med den samlede kommunale service og dernæst på tilfredsheden på de
enkelte områder. Til en start vil der imidlertid i det følgende kapitel findes
en kort vejledning i læsning af rapportens tabeller. Det skulle ganske vist
ikke være strengt nødvendigt for forståelse af tabeller og tilhørende tekst,
især ikke hvis læseren er vant til at se resultater fra lineær og logistisk
regression. I så fald kan kapitlet springes over. Omvendt kan der for nogle
læseres vedkommende være yderligere interesse i de benyttede statistiske
metoder, og hertil kan henvises til Appendiks A.
Noter
1. Tiebout effekt (efter amerikansk økonom) betyder, at borgere har en tendens til at flytte
derhen, hvor skatte- og serviceniveau tilfredsstiller deres ønsker – at borgerne så at sige
stemmer med fødderne.
14

3 Vejledning i tabellæsning
De statistiske analyser, der ligger bag de igennem rapporten præsenterede
resultater, er for alles vedkommende enten såkaldt Multilevel lineær eller
Multilevel logistisk regression. At der er tale om Multilevel analyse betyder
blot, at dataene er struktureret på flere niveauer (her kommuneniveau og
individniveau), samt at der tages højde for de fejl, dette kan give anledning
til ved brug af ordinære analysemetoder.
Multilevel metoden er beskrevet i Appendiks A. For læsning af tabeller
er det ikke nødvendigt at studere dette appendiks, da de resultater, der
præsenteres, i vid udstrækning vil minde om resultater fra almindelig lineær
og logistisk regression, men en gennemlæsning af denne korte vejledning
kan formentlig være en hjælp for de fleste. Nogle læsere vil måske synes,
at der foruden den egentlige vejledning i tabellæsning forklares banaliteter.
I givet fald håber jeg, at man vil kunne bære over med det.
3.1 Præsentation af resultater fra Multilevel lineær
regression
I de tilfælde, hvor den afhængige variabel er beregnet som et indeks ud fra
en række spørgsmål, er der benyttet lineær regression. Ved lineær regression
findes gennem statistiske beregninger en model i form af en ligning med
alle parametre i første potens. Ved analyser med kun én uafhængig variabel
beregnes altså en ligning for en ret linje, og med to uafhængige variabler
beregnes en ligning for en flade i et tredimensionelt rum 1 . Ligningen, der
beregnes, er ud fra visse statistiske antagelser den model, der passer bedst
som forklaring af variationerne på den afhængige variabel, dvs. grad af
tilfredshed i nærværende tilfælde. De enkelte koefficienter i modellen
15

fortæller, hvor meget den afhængige variabel formodes at ændre sig, når den
pågældende uafhængige variabel forøges med én, samtidig med at de
eventuelt øvrige uafhængige variabler i modellen holdes konstante.
Alle de uafhængige variabler, der er benyttet i rapportens analyser, er
rekodet til at have en variationsbredde på én. Det betyder fx, at den ældste
respondent vil have en værdi på aldersvariablen, der er netop én højere end
den yngste, og at den største kommune i stikprøven vil have en værdi på
kommunestørrelsesvariablen på netop én højere end den mindste kommune
i stikprøven.
Det betyder med andre ord, at en såkaldt ustandardiseret betakoefficient
for kommunestørrelseseffekt kan aflæses direkte som beregnet forskel i
tilfredshed mellem mindste og største kommune. 2 Målene for tilfredshed vil
i disse lineære modeller altid gå fra »1« til »5«, hvor værdien »1« står for
meget utilfreds og værdien »5« for meget tilfreds. En betakoefficient på
+0,4 for kommunestørrelse betyder derfor, at den forventede tilfredshed i
den største kommune er 0,4 point højere end i den mindste kommune.
Der findes imidlertid flere forskellige variabler for kommunestørrelse.
Dels en logaritmisk transformation af befolkningstallet, dels en dummyvariabel,
der fortæller, om kommunen er lille eller stor (henholdsvis under
20.000 indb. og 20.000 indb. eller derover), og endelig til sidst en serie på
fem dummyvariabler, der fortæller, inden for hvilket indbyggerinterval
kommunen ligger (under 10.000, 10-19.999, 20-29.999, 30-49.999 og
50.000 og derover).
Benyttes den logaritmiske transformation, tolkes betakoefficienten som
ovenfor forklaret, dvs. som tilfredshedsforskel mellem mindste og største
kommune. Lidt anderledes forholder det sig imidlertid med dummyvariablerne.
Dummyvariabler kan, som nævnt, kun antage to værdier, vanligvis
benyttes værdierne »0« og »1«. Hvis en enkelt dummyvariabel for små og
store kommuner benyttes i regressionsmodellen, fortæller betakoefficienten
derfor i stedet, hvor meget tilfredsheden typisk ændres, når man går fra en
lille kommune til en stor. En positiv betakoefficient betyder altså, at tilfredsheden
er størst i de store kommuner, mens en negativ betakoefficient
betyder, at tilfredsheden er størst i de små kommuner. Hvis der benyttes en
serie af dummyvariabler, der hver især fortæller, om kommunen ligger
inden for et givent indbyggerinterval, kan betakoefficienterne tolkes som
den forskel i tilfredshed, der er mellem kommuner i det pågældende interval
16

og det interval, der er udeladt af modellen. Kun ét sted i rapporten er der
imidlertid præsenteret modeller med en sådan serie af dummyvariabler.
Dette er gjort i forbindelse med tilfredsheden med den samlede kommunale
service, og det udeladte interval er her kommuner med et indbyggertal op
til 10.000. I de fleste andre analyser er disse variabler dog brugt som kontrol
for, om der er tale om skiftende effektretninger fra befolkningstallet. Og det
gælder i øvrigt også for analyser med logistisk regression, som omtales
herunder.
3.2 Præsentation af resultater fra Multilevel
logistisk regression
I alle tilfælde, hvor kun et enkelt spørgsmål fungerer som afhængig variabel,
benyttes logistisk regression. I denne analysemetode benyttes dummyvariabler
som afhængige variabler, hvorfor der er foretaget en omkodning
af tilfredshedssvarene. I de rekodede variabler betyder værdien »0«, at
respondenten har sat sit kryds i en af rubrikkerne: »hverken tilfreds eller
utilfreds«, »noget utilfreds« eller »meget utilfreds«. Omvendt betyder
værdien »1«, at respondenten har sat sit kryds i enten »meget tilfreds« eller
»noget tilfreds«. Dummyvariablen fortæller med andre ord, om respondenten
er tilfreds eller ej, og den fra modellen beregnede eller forventede værdi
af dummyvariablen angiver sandsynligheden for, at respondenten er tilfreds,
givet værdierne på den eller de uafhængige variabler.
I nærværende rapport ses der fx på sandsynligheden for, at en respondent
er tilfreds i henholdsvis en lille kommune og en stor kommune. For alle
serviceområder præsenteres der sådanne sandsynligheder. Enten for tilfredshed
i små og store kommuner eller for tilfredsheden i mindste og største
kommune, alt efter om der som mål for kommunestørrelse benyttes en
dummyvariabel eller en logistisk transformation af indbyggertallet.
Sandsynligheden, for at en respondent er tilfreds, er forholdsvis lige til
at beregne ud fra de statistiske resultatudskrifter, og for alle serviceområder
præsenteres sådanne sandsynligheder. Hvis sandsynligheden, for at en
respondent er tilfreds med en given service i en lille kommune på under
20.000 indbyggere, er 0,8, mens den for en respondent i en stor kommune
på 20.000 indbyggere eller derover er 0,5, så vil der med andre ord typisk
17

være 80% tilfredse i en lille kommune, mens typisk kun 50% vil være
tilfredse i en stor kommune. Og det er den type af angivelser, der vil blive
præsenteret fra de bivariate effekt-analyser. Her foruden præsenteres
koefficienterne som procentvis ændring i odds 3 .
Når man går videre end de rent bivariate analyser og ser på såkaldt
kontrollerede eller specificerede 4 effekter fra kommunestørrelse, bliver det
lidt mere vanskeligt at angive sandsynligheden for, at en respondent er
tilfreds. Der kan nok beregnes sandsynligheder, men det bliver i så fald for
ganske bestemte typer af respondenter, fx socialdemokrater af gennemsnitlig
alder uden for hovedstadsområdet. Sådanne sandsynligheder kan udmærket
bruges i sig selv, men det er vanskeligt at bruge dem i sammenligning
med sandsynlighederne fra de bivariate analyser, som gælder samtlige
respondenter og ikke blot bestemte typer. Til sammenlignings-formål
fungerer det ovennævnte mål procentvis ændring i odds bedre, hvorfor der
i de kontrollerede effektanalyser vises dette mål og ikke sandsynligheder.
3.3 Angivelse af sikkerhed i de statistiske
beregninger
I samtlige af rapportens tabeller, hvor der vises mål for sammenhæng
mellem kommunestørrelse og tilfredshed angives også, hvor statistisk sikker
sammenhængen er. Dette gøres ved mærkning af sammenhængen med
stjerner. Én stjerne angiver statistisk signifikansniveau på 0,05 eller bedre,
to stjerner et statistisk signifikansniveau på 0,01 niveau eller bedre og tre
stjerner et statistisk signifikansniveau på 0,001 eller bedre. At en sammenhæng
fx er statistisk signifikant på 0,01 niveau (og altså er mærket med to
stjerner) betyder, at der kun er én procents sandsynlighed for, at der slet ikke
findes nogen sammenhæng i virkeligheden, men at det kun skyldes tilfældigheder
i stikprøven.
18

3.4 Procent forklaret varians på kommuneniveau
Grundideen i de fleste statistiske modeller er at forklare variation i den
afhængige variabel, sådan at man minimerer den tiloversblevne, uforklarede
variation. I Multilevel analyse er variationen delt op på de forskellige
niveauer, der forekommer i datastrukturen, dvs. der ses både på variation på
kommuneniveau og individniveau. I forbindelse med nærværende rapport
er det interessant fx at se på, hvor stor en del af variationen mellem kommunernes
tilfredshedsniveau kommunestørrelse kan forklare.
Gennem de statistiske beregninger fås tal for den uforklarede varians på
begge niveauer. Variansen er et statistisk mål for, hvor meget en given
variabel varierer, og ved at sammenligne variansen både før og efter indsættelse
af en variabel for kommunestørrelse kan man beregne, hvor stor
procentandel varians kommunestørrelse forklarer. Disse procentstørrelser
præsenteres ofte, enten i forbindelse med kommenteringen af tabellerne
eller som angivelser i selve tabelindholdet. Det skal dog bemærkes, at der
ikke er tale om forklaret varians ud af den samlede varians i den afhængige
variabel, men kun ud af den del af variansen, der findes på kommuneniveau.
Noter
1. Brugen af Multilevel lineær analyse komplicerer det simple billede, men det er uvæsentligt
i denne sammenhæng.
2. Det skal ikke forveksles med den faktiske forskel mellem mindste og største kommune. Det,
der angives, er koefficienter fra den beregnede model, som passer mere eller mindre godt
til de faktiske tal.
3. Oddsene er forholdet mellem sandsynligheden for at være tilfreds og sandsynligheden for
ikke at være det – se mere herom i Appendiks A.
4. Hvilken term, der benyttes, afhænger af, hvilken »skole« man er lært op i. I rapporten her
benyttes gennemgående termen kontrolleret effekt.
19

4 Den samlede kommunale
service
Som nævnt benyttede Poul Erik Mouritzen i sine analyser tilfredshedsmål,
der var baseret på spørgsmål vedrørende ressourcer, hvor respondenterne
blev spurgt, om der skulle bruges færre, lige så mange eller flere penge på
en række specifikke serviceområder. Tilfredsheden blev udregnet som
summen af antal afkrydsninger i rubrikkerne »lige så mange penge som nu«
samt »ved ikke«. I nærværende undersøgelses datagrundlag har der været
mulighed for analyser på et lignende tilfredshedsmål. Herudover er der lavet
et tilfredshedsmål beregnet som et sumindeks af svar på en lang række
»rene« tilfredshedsspørgsmål inden for de enkelte serviceområder, og
endelig til sidst findes der i skemaet et spørgsmål, hvor respondenten skal
vurdere den samlede kommunale service i forhold til den betalte skat. Der
er foretaget analyser på alle tre mål, og resultaterne herfra skal gennemgås
i det følgende, dog med hovedvægten liggende på indekset dannet ud fra
enkeltspørgsmålene. Dette mål er rimeligvis det bedst egnede i forbindelse
med nærværende problemstilling. I de to øvrige mål indgår direkte
borgernes syn på skattebetaling eller kommunens brug og fordeling af
midler til service, hvorfor det kan forventes, at respondenterne her i højere
grad svarer efter fastlåste politisk økonomiske holdninger, end når det drejer
sig om en »ren« servicebedømmelse.
20

4.1 Effekter på tilfredshed med den samlede
offentlige, kommunale service, beregnet ud fra
tilfredsheden inden for en række forskellige
serviceområder
Figur
4.1
Ud fra en lang række svar på spørgsmål angående tilfredsheden med specifikke
serviceaspekter inden for børnepasning, folkeskole, ældreomsorg,
kultur (herunder biblioteker), fritid, trafik og offentlige kontorer er der
dannet et simpelt indeks, således at tilfredsheden med den samlede offentlige,
kommunale service udtrykkes i et enkelt tal gående fra én til fem, hvor
tallet én svarer til »meget utilfreds« og tallet fem til »meget tilfreds«. 1
Fordelingen af dette indeks vises i figur 4.1.
Tilfredshed med den samlede offentlige, kommunale service
I forhold til tallet tre, som udtrykker en middelmådig tilfredshed, er indekset
forskudt noget til højre mod fem, sådan at respondenterne gennemgående
ligger i den tilfredse ende af skalaen – med et gennemsnit på 3,77. Figuren
viser, at der er en fin spredning i tilfredsheden, som tilnærmelsesvist viser
en normalfordeling. Spørgsmålet er så bare, om der er spredning mellem de
enkelte kommuners tilfredshedsniveau også, samt om kommunernes størrelse
har nogen effekt herpå.
21

Jeg har foretaget en lang række analyser, og som det første er der beregnet
en såkaldt »tom« model, der bl.a. ser på, hvor megen variation i tilfredshed,
der forekommer mellem kommunerne. Dernæst er der set på den
bivariate effekt af befolkningstallet på den samlede tilfredshed, hvorefter en
række forskellige modeller med kontrolvariabler er afprøvet. Eller med
andre ord: forskellige betingede effekter af kommunestørrelse er afprøvet.
I tabel 4.1 vises resultaterne fra udvalgte analyser angående disse spørgsmål.
De viste betakoefficienter er ustandardiserede. Dog er de uafhængige
variabler rekodet til at have en variationsbredde på 1, sådan at den angivne
koefficient betyder beregnet ændring i afhængig variabel, når man går fra
mindste til største værdi på den uafhængige (fx fra mindste til største
kommune i stikprøven).
Efter diskussion af resultaterne fra disse analyser, vil jeg kort omtale
analyseresultater fra modeller med de to øvrige tilfredshedsmål som afhængige
variabler.
22

Tabel
4.1
Kommunestørrelseseffekt på tilfredshed med den samlede offentlige, kommunale service. »Multilevel«
regressionsanalyse. Den afhængige variabel er et indeks dannet af en lang række spørgsmål inden for
områderne børnepasning, folkeskole, ældreomsorg, trafik, kultur og fritid. Der vises både ustandardiserede
betakoefficienter for »fixed« effekt og varians for »random« effect (se herom i anmærkninger under tabellen,
hvor endvidere de enkelte modeller forklares nøjere). For yderligere information om Multilevel Models se
Appendiks A.2
Fixed effect (betakoefficienter)
Kommuneniveau:
Befolkningstal (log.)
Bef.tal – dummies:
10-19.999 indb.
20.29.999 indb.
30-49.999 indb.
50.000 + indb.
Serviceniveau
Andel 85+-årige
Individniveau:
Alder
Studerende
Ingen erhvervsuddannelse
Partistemme (inkl. »mod borgmesterfløj«)
SF eller Enh. listen
Venstre og Konservative
Fremskridspartiet og Dansk Folkeparti
Andet
Sofastemmer
Nægtere + »Ved ikke«
Mod borgmesterfløj
Model A
»Tom
model«
Model B
Bivariat
effekt
Model C
Effekt fra alder,
køn og
partistemme
23
Model D
+ befolkningstal
og serviceniveau
-0,20 -32 **
0,60 ***
0,10 ***
0,03 ***
-0,15 ***
0,03 ***
-0,11 ***
-0,18 ***
-0,07 ***
-0,09 ***
-0,04 ***
0,36 *
0,60 ***
0,10 ***
0,03 ***
-0,15 ***
0,03 ***
-0,11 ***
-0,18 ***
-0,07 ***
-0,09 ***
-0,04 ***
Model E
+ andel 85+årige
(bef.tal
som dummyvariable)
-.08
-.31 ***
-.23 **
-.21 **
.45 **
-.44 **
.60 ***
.10 ***
.03 ***
-.15 ***
.03 ***
-.11 ***
-.18 ***
-.07 ***
-.09 ***
-.04 ***
Model F
+ tillid til lokalpolitikere
-0,11 *
-0,34 ***
-0,24 ***
-0,23 **
0,38 **
-0,50 **
0,48 ***
0,06 ***
-0,08 ***
0,06 ***
-0,02
-0,05 *
-0,04
-0,03 ***
-0,01
Tillid til lokalpol. 0,78 ***

Random Effect (varians)
Kommuneniveau:
Varians
Standardfejl
Individniveau:
Varians
Standardfejl
Antal kommuner
Antal individer
24
0,023
0,005
0,307
0,002
37
46.583
0,021
0,005
0,307
0,002
37
46.583
*** Signifikant på 0,001 ** Signifikant på 0,01 niveau * Signifikant på 0,05 niveau
0,023
0,005
0,283
0,002
37
45.581
0,018
0,004
0,283
0,002
37
45.581
0,012
0,003
0,283
0,002
37
45.581
0,011
0,003
0,232
0,002
37
36.995
Anmærkninger: »Fixed effect« er den systematisk forklarede varians fra modellen, og den angives med ustandardiserede betakoefficienter. Alle uafhængige
variabler er dog standardiseret til at gå fra 0-1, så effekterne kan sammenlignes. »Random effect« er den tiloversblevne, uforklarede varians. Helt uforklaret
er den imidlertid ikke. Således er den opdelt på individniveau og kommuneniveau, og man kan derfor sammenligne modellerne for tiloversbleven varians
på kommuneniveau. Fx forklares godt 20% af variansen på kommuneniveau fra Model C til Model D – dvs. via effekten fra befolkningstal og serviceniveau,
og fra Model C til Model D forklares næsten 50%.
Af »random effects« er alene vist konstantleddets varians. Der vil herforuden kunne forekomme »random effects« i form af varianser for de enkelte
koefficienter på individniveau samt kovarianser for sammenhængen ml. de enkelte koefficienter indbyrdes og ml. koefficienterne og konstantleddet. I Model
F forekommer der således »random effects« for variablen for »Tillid til lokalpolitikere«, da koefficienten hertil varierer signifikant ml. kommunerne og
endvidere samvarierer signifikant med konstantleddet, men dette er altså ikke vist i tabellen.
Model A: Såkaldt »tom model«, hvor der alene ses på »random effect«. Model B: Ren bivariat model med effekt fra befolkningstal. Model C: Alene med
forklarende variabler på individniveau. Denne model bruges som sammenligningsgrundlag med modellerne D og E. Model D: Effekt fra befolkningstal,
kontrolleret for serviceniveau og de signifikante variabler på individniveau. Model E: Effekt fra befolkningstal (som dummyvariabler med kommuner op til
10.000 indb. som reference), kontrolleret for serviceniveau, andel 85+-årige samt de signifikante variabler på individniveau. Model F: Som Model E, blot
endvidere kontrolleret for tillid til lokalpolitikere (to variabler på individniveau bliver herved insignifikante, og disse udtages af modellen.

Først skal der lægges mærke til, at der forekommer variation i tilfredshedsniveauet
mellem kommunerne og ikke alene mellem de enkelte respondenter.
Det ses allerede i den såkaldt »tomme« Model A. Her er en kommunevarians
på 0,023 (standardfejl på 0,005), hvilket svarer til en typisk variation
mellem kommunerne på ca. 0,15 tilfredshedspoint. Altså ikke overvældende
meget, selv om det er stærkt statistisk signifikant, og variationen
mellem kommunerne er da også langt mindre end mellem respondenterne
inden for den enkelte kommune. Det er imidlertid helt normalt. Forestiller
vi os fx en sammenligning mellem henholdsvis elevers individuelle karakterer
og klassers gennemsnitlige karakterer, så vil vi kun forvente forholdsvis
små forskelle mellem klasserne, men derimod forholdsvis store forskelle
mellem eleverne. En forskel mellem to elever på tre karaktertrin ville ikke
få nogen op af stolen; det ville derimod en forskel mellem to klassers
gennemsnit på tre karaktertrin. På lignende facon forholder det sig med
servicetilfredshed blandt borgere i kommuner.
I Model B vises resultaterne fra den rent bivariate analyse mellem
kommunestørrelse og tilfredshed. Her ses en negativ effekt fra kommunestørrelse,
og de største kommuner har typisk et tilfredshedsniveau, der er 0,2
point lavere end de mindste kommuner. Det ses også, at den uforklarede
varians på kommuneniveau svinder ind fra 0,023 i Model A til 0,021 i
Model B, hvilket svarer til ca. 9%. Kommunestørrelse forklarer altså med
andre ord ca. 9%. 2 Sammenhængen er imidlertid ikke statistisk signifikant,
men resultaterne fra de følgende modeller viser, at sammenhængen bliver
signifikant ved kontrol for bl.a. kommunernes serviceniveau.
I Model C er kommunestørrelse igen udeladt. Her vises alene effekterne
fra en række variabler på individniveau, som har vist sig signifikante. En af
fordelene ved »Multilevel« analyse er, at man kan finde pålidelige effekter
fra kommunebaserede variabler som fx kommunestørrelse, mens der bliver
taget højde for individuelle faktorer, som uddannelse og politisk orientering
(i bilag B er vist samtlige variabler, der er forsøgt inddraget som kontrol) 3 .
Hvis der fx i de større bykommuner er en større andel, der stemmer på
Socialdemokratiet, og hvis det at stemme på Socialdemokratiet samtidig har
tendens til at betyde større tilfredshed med offentlig service, så vil en
manglende kontrol for politisk valg gøre det vanskeligere umiddelbart at se
en negativ effekt fra kommunestørrelse. Effekten skjules så at sige. Denne
model (Model C) bruges alene som basis for beregninger af forklaret varians
25

i modellerne D, E og F.
I Model D vises der effekter fra kommunestørrelse og serviceniveau.
Effekten fra kommunestørrelse er nu blevet en del stærkere, således næsten
et halvt tilfredshedspoints forskel mellem største og mindste kommune, og
effekten er tillige blevet statistisk signifikant på 0,01 niveau, mens serviceniveauet
er signifikant på 0,05 niveau. De to variabler forklarer tilsammen
ca. 22,5% af variansen på kommuneniveau. En dummyvariabel for hovedstadsområdet
viser sig også statistisk signifikant med en positiv effekt, men
ikke når samtidig serviceniveauet inddrages i modellen.
I Model E vises effekten fra kommunestørrelse i form af fire »dummyvariabler«.
Heraf fremgår, at kommunestørrelseseffekten ikke er lineær. Effekten
aftager derimod, og måske er det endda sådan, at effekten helt vender.
Det mest sikre vil dog være at sige, at kommuner på 20.000 indbyggere og
derover generelt har et mindre tilfredshedsniveau end kommuner på op til
20.000 indbyggere. I Model E kontrolleres der foruden for serviceniveau
også for andel af befolkningen, der er 85 år og derover. En lang række andre
variabler er forsøgt inddraget, men ingen har vist sig statistisk signifikante
på samme tid som disse tre variabler. I appendiks A vises, ligesom det var
tilfældet med kontrolvariablerne på individniveau, hvilke variabler, der er
forsøgt inddraget i en mængde kombinationer. Model E er rent forklaringsmæssigt
også en ganske god model. Variansen er i forhold til Model C
indsnævret fra 0,023 til 0,012 – altså næsten 50%. forklaret varians på
kommuneniveau.
Tidligere undersøgelser viser en klar positiv sammenhæng mellem
variabler for politisk tillid (til såvel det politiske system som til politikere)
og tilfredshed. Endvidere er det fundet, at borgere i små kommuner har
større tillid end borgere i store kommuner. Derfor er det i Model F længst
mod højre undersøgt, om den tilsyneladende mindre tilfredshed i kommuner
på 20.000 indb. og derover kan forklares gennem en generelt mindre politisk
tillid jo større kommunerne bliver. Det kan det ikke. Faktisk bliver den
negative sammenhæng mellem kommunestørrelse og tilfredshed en anelse
tydeligere efter kontrollen for tillid.
Politisk tillid (her til lokalpolitikerne) udviser ganske vist stærk effekt på
tilfredsheden (fra Model D uden variabel for politisk tillid til Model E med
en sådan variabel forklares ca. 18% af variansen på individniveau), men
umiddelbart tyder denne analyse ikke på, at der er sammenhæng mellem
26

tillid og kommunestørrelse. Der er foretaget kontrolanalyser med de tre
spørgsmål, der indgår i indekset for politisk tillid, som afhængige variabler
for at undersøge effekten fra kommunestørrelse på politisk tillid nøjere,
ligesom der også er foretaget analyser med andre spørgsmål angående
politisk tillid – alle både med og uden kontrol for alder og politisk observans.
Ingen af disse analyser viser nævneværdige kommunestørrelseseffekter
på tilliden. Derimod er der ved analyser på det »lille« landsdækkende
survey (234 kommuner repræsenteret) med samme spørgsmål fra 1998
fundet statistisk signifikante negative kommunestørrelseseffekter i to ud af
seks tillidsspørgsmål 4 .
Foruden politisk tillid kan endnu en variabel på individniveau være
væsentlig at inddrage i analyserne, nemlig mål for respondentens tilfredshed
med kommunens kontorer. Jørn Flohr Nielsen skriver herom, at i »praksis
kan det være svært for den enkelte borger at skille de regulerende og de
serviceproducerende funktioner ad, og der kan også være et væsentligt
element af service forbundet med forvaltningens borgerkontakt ..... En
kontakt til administrationen kan påvirke vurderingen af relateret service«
(Flohr Nielsen 2000). Flohr Nielsen skriver videre, at som konsekvens af
denne relation kunne mål for »myndighedsservice« eller »skrankeservice«
inddrages i analyser af tilfredshed med offentlig service.
Respondenterne i nærværende undersøgelse er blevet spurgt om deres
tilfredshed med servicen på kommunens kontorer samt med de kommunale
kontorers åbningstider. Hvis respondenten inden for det seneste år har
henvendt sig til kommunen, er vedkommende endvidere blevet spurgt om
tilfredsheden med forskellige aspekter ved denne henvendelse, fx personalets
imødekommenhed og den tid, det tog at behandle sagen. Tilfredsheden
med disse ting korrelerer, sådan som Flohr Nielsen skriver, stærkt positivt
med tilfredsheden med den kommunale service. Imidlertid findes ved
inddragelse af disse mål praktisk taget ingen ændringer i kommunestørrelseseffekterne
på tilfredsheden, hvorfor det alligevel er valgt at udelade dem
af de præsenterede modeller. Interessant er det imidlertid, at effekten fra det
som Flohr Nielsen kalder for myndigheds- eller skrankeservice er så stærk,
som den er.
Foruden analyser med indekset over tilfredsheden med den samlede
offenlige, kommunale service er der som nævnt foretaget analyser på to
andre tilfredshedsmål, nemlig tilfredsheden set i lyset af respondentens
27

etaling af skat samt tilfredsheden med de ressourcer, kommunen på undersøgelsestidspunktet
brugte på de forskellige serviceområder. Selv om de tre
tilfredshedsmål korrelerer ganske stærkt med hinanden, viser disse analyser
ingen statistisk signifikante effekter fra kommunestørrelse - hverken med
befolkningstallet i ren eller transformeret form. Derimod viser tilfredsheden
set i lyset af skattebetaling stærk sammenhæng med beskatningsniveauet,
hvilket er meget naturligt, ligesom der ses »naturlige« forskelle i sammenhænge
mellem de tre tilfredshedsmål på den ene side og forskellige variabler
på individniveau på den anden. Fx er Socialdemokratiets, midterpartiernes,
Venstres og Konservatives vælgere stort set lige tilfredse, når det
gælder »den rene« tilfredshed (tilfredshedsindekset), mens Socialdemokratiets
vælgere til gengæld er mere tilfredse end midterpartiernes, når tilfredsheden
ses i lyset af skattebetaling, ligesom Venstres og Konservatives
vælgere er mere utilfredse end midterpartiernes i den henseende.
4.2 Delkonklusion
1) Der ses en tendens til, at mindre kommuner – på under 20.000 indbyggere
– har større gennemsnitlig tilfredshed end de store kommuner. Sammenhængen
bliver dog kun statistisk signifikant, når der kontrolleres for
serviceniveau, som har en positiv effekt på tilfredsheden, og som desuden
er positivt korreleret med kommunestørrelse. Ud over kommunestørrelse
og serviceniveau har også andelen af ældre på 85 år og derover
en effekt på tilfredsheden. Der ses således en tendens til, at des flere
ældre i kommunen, des mindre tilfredshed.
• Der ses derimod ingen effekt fra kommunestørrelse, når det gælder
respondenternes tilfredshed set i lyset af skattebetaling samt synet på, om
kommunen bruger tilpas med ressourcer inden for de enkelte serviceområder.
• Tilliden til lokalpolitikerne har, som forventet, en positiv effekt på
tilfredsheden 5 , men noget uventet mindskes sammenhængen mellem
kommunestørrelse og tilfredshed ikke, når der kontrolleres for tillid til
lokalpolitikere. Yderligere analyser viser, at der stort set ingen sammenhæng
er mellem kommunestørrelse og tillid, hvilket ellers er vist i tidligere
undersøgelser. Parallelle undersøgelser fra et landsdækkende
28

datasæt fra 1998 viser imidlertid statistisk signifikante, men ret svage
sammenhænge ved to ud af seks items vedrørende tillid til lokalpolitikere.
I det følgende vil sammenhængene mellem kommunestørrelse og tilfredshed
behandles inden for de enkelte serviceområder hver for sig. Herved
dannes et mere nuanceret billede af den samlede tilfredshed.
Inden for kerneområderne i den kommunale service – børnepasning,
folkeskole og ældreomsorg – kan der analyseres på en lang række spørgsmål,
og for børnepasningens og ældreomsorgens vedkommende angår
spørgsmålene såvel omfang som indhold i servicen. Grundet de forskellige
muligheder for analyse, men også på grund af de forskelligartede resultater
samt de spørgsmål, de rejser, vil de enkelte afsnit ikke være helt ens i
opbygning og længde, men i alle tilfælde vil der blive lagt ud med at se på
de enkle bivariate sammenhænge mellem befolkningstal og tilfredshed
inden for disse forskellige variabler. Inden for områderne børnepasning og
folkeskole vil tilfredshedsmålene for størstepartens vedkommende basere
sig på svar fra forældre, mens de inden for ældreomsorgen baseres på svar
fra dels de 65-årige og derover, dels direkte brugere samt deres pårørende.
Ved de øvrige serviceområder medtages som hovedregel alle, der har
besvaret spørgsmålene.
Noter
1. Implicit er der i konstruktionen af indekset foretaget en vejning af de enkelte områders
betydning, således at svarene inden for børnepasning, folkeskole og ældreomsorg tæller
mere end de øvrige. Se Appendiks A.1.
2. Dette skal ikke forveksles med, at der af den samlede varians i den afhængige variabel
forklares ca. 9%. Det gælder alene forklaringen af den varians, der forekommer på kommuneniveau.
3. De steder i rapporten, hvor der kontrolleres for partistemme til folketingsvalg, kontrolleres
der samtidig for, om partiet, der stemmes på, er på modsat politisk fløj af borgmester-fløjen
i kommunen.
4. Det drejer sig om spørgsmål vedrørende politikernes kompetence (»Man kan stole på, at
kommunalbestyrelsens beslutninger er truffet på et sagligt forsvarligt grundlag«) samt
29

30
responsivitet (»Kommunalpolitikerne gør deres bedste for at træffe beslutninger, der tager
hensyn til borgernes ønsker«). Sammenhængene forbliver statistisk signifikante på henholdsvis
0,05 og 0,01 niveau efter kontrol for hovedstadsområde, alder, uddannelse og partistemme.
Ved item nr. 1 vedrørende kompetence er effekten imidlertid noget ujævn, på samme
måde som det i øvrigt er fundet i undersøgelse af Brian Urban (refereret i Mouritzen, 1999).
5. Det kan diskuteres, om det er tilliden, der øver effekt på tilfredsheden, eller om det modsat
er tilfredsheden, der øver effekt på tilliden. Endvidere kan der være tale om et samspil, hvor
effektretningen ikke er entydig.

5Børnepasning
5.1 De umiddelbare sammenhænge mellem
kommunestørrelse og tilfredshed inden for
børnepasningsområdet
Inden for børnepasningsområdet er respondenterne blevet stillet ni spørgsmål
angående tilfredsheden med området samt endvidere om respondenten
mangler pasnings-plads til et barn. Samtlige respondenter er blevet spurgt
om tilfredsheden med mulighederne for at få børn passet i kommunen, og
dernæst er der stillet en række mere specifikke spørgsmål til brugere og
generelt til forældre til børn i alderen 0-5 år 1 . Spørgsmålene lyder:
1) Hvor tilfreds er du med mulighederne for at få børnene passet i din kommune?
2) Hvor godt synes du, kommunen informerer om pasningsmulighederne?
3) Hvad synes du om dine muligheder for at vælge mellem forskellige pasningsordninger
i din kommune (dagpleje, vuggestue, børnehave...)?
4) Mangler du en daginstitutionsplads eller en plads i den kommunale dagpleje?
5) Hvor tilfreds er du med de fysiske rammer (lokaler, inventar, legeplads, mv.)?
6) Hvor tilfreds er du med åbningstiderne?
7) Hvor tilfreds er du med personalets eller dagplejerens evne til at skabe et trygt
miljø?
8) Hvor tilfreds er du med personalets eller dagplejerens evne til at skabe et stimulerende
miljø?
9) Hvor tilfreds er du med kontakten mellem forældre og personalet/dagplejeren?
10) Hvor tilfreds er du med den tid personalet/dagplejeren har til det enkelte barn?
Anmærkning: Spørgsmål nr. 2, 3 og 4 er ikke direkte tilfredshedsspørgsmål. På
spørgsmål nr. 2 og 3 skal respondenten svare mere eller mindre »godt« og ikke
mere eller mindre »tilfreds«. På spørgsmål nr. 4 skal respondenten blot svare »ja«
eller »nej«.
31

Tabel
5.1
Ud af de 10 spørgsmål findes der for de tre en bivariat effekt fra kommunestørrelse,
der er statistisk signifikant på 0,05 niveau eller bedre – alle fire
signalerer større tilfredshed i de små kommuner. Som forklaringsfaktor har
en opdeling i små og store kommuner vist sig bedst (under 20.000 indb. og
20.000 indb. og derover) – bedre end både det rene befolkningstal og
befolkningstallet i logaritmisk transformation. I tabel 5.1 vises disse tre
statistisk signifikante bivariate effekter. Ved de to tilfredshedsspørgsmål
vises estimerede procentandele tilfredse i henholdsvis små og store kommuner,
og ved spørgsmålet om respondenten mangler plads til at få barn/børn
passet, vises sandsynligheden for at mangle plads.
Bivariate kommunestørrelseseffekter på tilfredsheden inden for
børnepasningsområdet. Multilevel logistisk regression. Estimerede
procentandele tilfredse i henholdsvis små og store kommuner
samt procentvis ændring i odds
Estimeret procentan-
Antal kommuner: 37
Minimum antal respondenter i en enkelt kommune:
78
32
del tilfredse i:
små
kommuner
store
kommuner
Procentvis
ændring i
odds
1a) Mulighederne for at få børnene passet (alle) 63 38 *** -69
1b) Mulighederne for at få børnene passet (forældre) 64 35 *** -65
4) Mangler pasnings-plads (forældre) 1
14 21 ** 63
10) Den tid personalet /dagplejeren har til det enkelte
barn (brugere) 58 48 ** -33
**) Signifikant på 0,01 niveau.
***) Signifikant på 0,001 niveau.
1 I modsætning til de øvrige ikke et tilfredshedsspørgsmål. Der angives procentandel der
mangler plads.
Alle de i tabellen angivne spørgsmål er signifikante på mindst 0,01 niveau,
og der ses forskelle i andel tilfredse mellem små og store kommuner på
mindst 10 procentpoint. I spørgsmålet angående mulighederne for at få
børnene passet er forskellene meget store – for forældre således næsten 30
procentpoint. Hvor den estimerede andel tilfredse i en lille kommune er
64%, er den i en stor kommune kun 35%. Og supplerende analyser viser, at
i 16 ud af de 18 små kommuner er over halvdelen af forældrene tilfredse

med pasningsmulighederne, mens dette kun gør sig gældende for 5 af de 19
store kommuner.
Med hensyn til kvaliteten af pasningen er der kun fundet statistisk
signifikans i et enkelt spørgsmål: tilfredshed med tiden til det enkelte barn.
Forældrene i de større kommuner er generelt mindre tilfredse med personalets
tid til det enkelte barn. Til gengæld ser der ikke ud til at være forskel
mellem små og store kommuner, hvad angår tilfredsheden med åbningstiderne
samt tre spørgsmål, der vedrører personalets egenskaber – deres evner
til at skabe et trygt og stimulerende miljø samt kontakten mellem personalet
og forældrene.
På spørgsmålet om respondenten mangler daginstitutionsplads el. plads
i den kommunale dagpleje viser der sig en klart større andel ja-svar i de
større kommuner end i de små, og i hvert fald en del af forklaringen på den
negative sammenhæng mellem kommunestørrelse og tilfredshed med
pasningsmuligheder kan findes heri. Derimod er der ingen forskel mellem
store og små kommuner, hvad angår mulighederne for at vælge mellem
forskellige pasningsordninger.
Men hvordan ser det så ud, hvis man i stedet for sammenligner respondenter,
der ligner hinanden på en række forskellige personafhængige attributter
så som alder, uddannelse, politisk observans osv.? Sådanne faktorer
har rimeligvis en vis betydning for respondentens tilfredshedsbedømmelse
– det sås også i kapitlet om tilfredsheden med den samlede offentlige,
kommunale service. Da der samtidig er forskelle mellem kommunerne, hvad
angår andelen af indbyggere med bestemte egenskaber, så vil effekter herfra
kunne indvirke på sammenhængen mellem kommunestørrelse og tilfredshed.
Fx findes der klart flere respondenter i de store kommuner, der stemmer
på Socialistisk Folkeparti og Enhedslisten, lige som der er flere højtuddannede.
Det viser sig, at selv om der tages hensyn til disse forskelle i personlige
egenskaber, så forbliver de fundne sammenhænge mellem kommunestørrelse
og tilfredshed inden for børnepasningsområdet stort set uændrede, og
ingen af de øvrige spørgsmål bliver statistisk signifikante.
I tabel 5.2 er vist kommunestørrelseseffekterne fra samtlige 10 aspekter
vedrørende børnepasningen i kommunen efter kontrol for køn, alder, uddannelse,
og politisk observans. 2 Effekterne angives nu i form af forklaret
varians på kommuneniveau samt procentvis ændring i oddsene for tilfreds-
33

hed, når der skiftes fra mindste til største kommune eller fra små til store
kommuner 3 . Ud over de basale individbaserede baggrundsvariabler, der her
er kontrolleret for, kan der selvfølgelig udmærket tænkes andre relevante
kontrolfaktorer på både individniveau og kommuneniveau, som fx udgiftsniveau,
dækningsgrad, osv. Dem vil vi se på i det følgende afsnit.
34

Tabel
5.2
Kommunestørrelseseffekter på tilfredshed med børnepasningsområdet. Multilevel, logistisk regression.
Effekterne er kontrolleret for alder, køn, uddannelse, politisk observans samt om denne observans går klart
imod borgmesterens partifarve. Der vises procentvis ændring i oddsene for tilfredshed (meget el. noget)
mellem mindste og største kommune i stikprøven henholdsvis små og store kommuner. Herforuden vises
den andel af variansen på kommuneniveau, som de to kommunestørrelses-variabler forklarer (kun
spørgsmål, der har vist sig signifikant på bedre end 0,05 niveau, angives som andet end koefficient)
Befolkningstal (log.) 20.000 indb. el. derover
Procentvis Procent Procentvis Procent
ændring i odds Forklaret ændring i odds Forklaret Antal Antal
(mindste/største) varians (små/store) Varians kommuner respondenter
Pasningsmuligheder (alle forældre)
1b) Mulighederne for at få børnene passet -89 *** 23 -65 *** 35 37 7043
2) Kommunens information om pasningsmuligheder -61 * 7 -45 *** 27 37 7035
3) Muligheder for at vælge mellem forskellige pasningsordninger 6 7
4) Mangler pasnings-plads 1
144 * 17 64 ** 25 37 7406
Pasningskvalitet (brugere af service)
5) De fysiske rammer -35 -20
6) Åbningstiderne 8 -13
7) Personalets el. dagplejerens evne til at skabe et trygt miljø 9 -5
8) Personalets el. dagplejerens evne til at skabe et stimulerende miljø -5 -4
9) Kontakten mellem forældre og personalet/dagplejeren -2 -9
10) Den tid personaltet/dagplejeren har til det enkelte barn
* Signifikant på 0,05 niveau, ** Signifikant på 0,01 niveau, *** Signifikant på 0,001 niveau.
1 Spørgsmålet er ikke direkte et tilfredshedsspørgsmål som de øvrige. Det lyder: »Mangler du en daginstitutionsplads eller en plads i den kommunale
dagpleje?« Den viste sandsynlighed for svaret »Ja« – dvs. sandsynligheden for at mangle plads.
35

Af yderligere kommentarer til de umiddelbart fremtrædende sammenhænge
inden for børnepasningsområdet kan nævnes, at det faktisk alene ville være
muligt at finde nogen sammenhæng mellem kommunestørrelse og tilfredshed
inden for det, man kan kalde for de hårde aspekter. Det drejer sig om
mulighederne for at få børnene passet, information om pasningsmulighederne,
muligheden for at vælge mellem forskellige pasningsordninger,
de fysiske rammer, åbningstiderne samt den tid personalet har til det
enkelte barn. Det forholder sig nemlig sådan, at der stort set kun inden for
disse aspekter findes signifikante niveauforskelle mellem kommunerne.
Både når der ses på de rent bivariate sammenhænge og sammenhænge
kontrolleret for de individuelle faktorer køn, alder, uddannelse og politisk
observans.
Inden for det, man kan kalde for de bløde aspekter, nemlig personalets
evne til at skabe et trygt og stimulerende miljø samt kontakten mellem
forældre og personalet, ses der kun ganske ubetydelige niveauforskelle i
tilfredshed. Så på forhånd var mulighederne for at finde sammenhænge altså
begrænset heraf. Til gengæld betyder den manglende signifikante effekt fra
de fysiske rammer og åbningstiderne altså ikke, at der på forhånd findes for
lidt variation mellem kommunerne på disse områder, for det gør der. Disse
forskelle kan altså blot ikke umiddelbart forklares af kommunestørrelse. I
et efterfølgende afsnit vil denne forskellighed mellem bløde og hårde
aspekter med hensyn til kommunevariationen i tilfredshed blive diskuteret.
Først skal der dog gås et spadestik dybere ned i sammenhængene mellem
kommunestørrelse og henholdsvis pasningsmuligheder og pasningskvalitet.
5.2 Tilfredshed med pasningsmulighederne
Ud fra analyser af effekter på udgifter til børnepasning er der udregnet et
områdespecifikt serviceniveau, hvor udgifterne til børnepasning er kontrolleret
for andel børn af enlige forsørgere og erhvervsfrekvensen for kvinder,
og mellem befolkningstal og dette delserviceniveau findes der en positiv
sammenhæng – især dog hvis der ses på effekten kontrolleret for hovedstadsområdet.
På den baggrund kan det virke overraskende, at der alligevel
er en så statistisk sikker negativ sammenhæng mellem befolkningstallet og
36

tilfredsheden med pasningsmulighederne.
Videre analyser viser dog, at stigende serviceniveau inden for
børnepasningsområdet har den forventede positive effekt på tilfredsheden
med pasningsmuligheder. Inddrages både kommunestørrelse og det områdespecifikke
serviceniveau som effektfaktorer på tilfredsheden, findes dels en
positiv sammenhæng mellem serviceniveauet og tilfredsheden, dels en
forstærket negativ effekt fra kommunestørrelse. I forrige afsnit gav jeg et
bud på en forklaring på den negative sammenhæng mellem kommunestørrelse
og tilfredshed med pasningsmuligheder. På trods af at dækningsgraden
og det områdespecifikke serviceniveau er større i store kommuner
end i små, er antallet af respondenter, der angiver at mangle plads, også
større i de store kommuner, og det må forventes, at disse respondenter
generelt er mindre tilfredse end de øvrige. Desuden er det tænkeligt, at også
de forældre, der ikke mangler plads, er bevidst om, hvorvidt der i kommunen
er mange, der mangler plads eller ej. Ligeledes er der i kommuner med
mange, der mangler plads, en større sandsynlighed for, at respondenten
tidligere har manglet plads, end i kommuner med få, der mangler plads. I en
analyse af, om kommunestørrelse i sig selv har nogen effekt på tilfredsheden
med pasningsmuligheder, kan det således være rimeligt at kontrollere
ikke blot for, om respondenten mangler plads, men også for hvor stor en
andel i kommunen, der angiver at mangle plads, samt evt. også hvor lang
ventetiden er for at få en plads.
I forbindelse med ovenstående er der foretaget to hovedgrupper af
analyser. Først en analyse af sammenhængen blandt alle forældre til 0-5
årige børn mellem kommunestørrelse og tilfredshed med pasningsmulighederne,
og dernæst en tilsvarende analyse blandt forældre til 3-5-årige børn.
Et rimeligt stort antal kommuner (28) af stikprøvens 37 kommuner har
nemlig indberettet ventetid i uger på pasningsplads til 3-5-årige til Socialministeriet
4 , hvilket som nævnt vil være en relevant kontrolfaktor. I tabel 5.2
vises resultaterne fra udvalgte analyser inden for de to hovedgrupper.
37

Tabel
5.2
Kommunestørrelseseffekter (20.000 indb. eller derover) på tilfredshed
med pasningsmuligheder i kommunen. Multilevel, logistisk
regressionsanalyse. Der vises procentvis ændring i odds
mellem små og store kommuner for forældre til henholdsvis 0-5årige
og 3-5-årige
Model A
Kontrolleret for køn,
uddannelse, politisk observ
a n s
38
Forældre til 0-5-årige Forældre til 3-5-årige
Procentvis
ændring i odds
små/store kommuner
N (kommuner/respondenter)
Procentvis
ændring i odds
små/store
kommuner
N (kommuner/respondenter)
-69 *** 37/7043 -68 *** 28/3150
Model B
Kontrolleret endvidere for
om respondenten mangler
plads samt andel i kommunen,
der mangler plads -35 * 37/6999 -47 ** 28/3047
Model C
Kontrolleret endvidere for
ventetidens længde -36 * 28/3047
* Signifikant på 0,05 niveau. ** Signifikant på 0,01 niveau. *** Signifikant på 0,001 niveau.
Bem.: Anmærkning: Én variabel, der ikke er vist i tabellen, har vist sig at have en klar signifikant
effekt, nemlig en variabel for kommunens grad af afvigelse fra aldersmæssig sammensætning
som hele landet. Det er imidlertid ikke helt klart teoretisk set, hvad der ligger bag denne
sammenhæng (og andelen af 0-6 årige har ingen effekt). Da effekten endvidere kun
influerer marginalt på den specificerede sammenhæng mellem kommunestørrelse og
tilfredshed, er variablen udeladt af de præsenterede modeller. Endvidere er det fundet, at
det at være enlig forælder betyder mindre chance for at mangle plads, men parametret øver
kun marginal indflydelse på sammenhængen ml. kommunestørrelse og tilfredsheden med
pasningsmulighederne, hvorfor også denne variabel er udeladt (andelen af enlige i kommunen
er ikke statistisk signifikant).
De store forskelle i tilfredshed mellem små og store kommuner, som ses
umiddelbart, kan i meget vid udstrækning forklares gennem kontrol for, om
respondenten mangler plads, andele i kommunen, der mangler plads, samt
ventetidens længde. Også det statistiske signifikansniveau mindskes betydeligt
efter kontrollen. Men selvfølgelig giver disse analyser kun en første del
af svaret på, hvorfor der er flere tilfredse i de små kommuner end i de store.
Tilbage står nemlig spørgsmålet om, hvorfor der i de store kommuner er
flere, der angiver at mangle plads, på trods af at der »objektivt« set skulle

være mindst lige så gode pasningsmuligheder i forhold til behovet. 5 Enten
findes der nogle skjulte behovsfaktorer eller også er indbyggere i større
kommuner generelt mere fordringsfulde, hvad angår pasningsmuligheder.
En mangel på fordringsfuldhed i mindre kommuner, grundet i en anden
kultur, har tidligere vist sig (Kjær Jensen 1991), og når alt kommer til alt,
kan man fornuftigvis sige, at der er sammenhæng mellem kommunestørrelse
og tilfredshed med pasningsmuligheder, som med stor sandsynlighed kan
forklares ved, at forældre i de større kommuner er mere fordringsfulde.
Afslutningsvis kan det nævnes, at en større fordringsfuldhed i de større
kommuner ikke giver sig udtryk i, at forældre i de større kommuner vurderer
betydningen af børnepasningsmuligheder anderledes end forældre i mindre
kommuner. Stort set alle forældre til 0-5-årige svarer på et spørgsmål
vedrørende vigtigheden, at det er meget vigtigt, at der findes pasningsmuligheder.
5.3 Tilfredshed med pasningskvaliteten
Det blev vist i tabel 5.1 og 5.2, at der kun var ét aspekt inden for pasningskvaliteten,
hvor der var en statistisk signifikant sammenhæng mellem kommunestørrelse
og tilfredshed (personalets tid til det enkelte barn). Disse
resultater gælder imidlertid besvarelser fra forældre i alle slags kommunale,
offentlige pasningsordninger, og det er muligvis ikke rimeligt at sammenligne
vurderinger af fx børnehaver og dagplejepasninger. Det er nemlig
overvejende sandsynligt, at vurderingerne gøres på baggrund af forskellige
forventninger til forskellige typer af pasningsordninger, og da kommunerne
har en forskellig sammensætning af ordninger, der ikke mindst gør sig
gældende mellem land- og bykommuner, kan det være problematisk at
basere konklusionerne på baggrund af analyser med samtlige forældre i
kommunerne.
Videre analyser viser, at vurderinger fra forældre til børn i dagpleje
skiller sig markant ud fra de øvrige, ved at de generelt er mere tilfredse med
pasningskvaliteten, samtidig med at der er mindre forskelle i bedømmelsen
mellem kommunerne. Af den grund er der foretaget analyser, hvor der
kontrolleres for, om respondenten får passet sit barn i dagpleje. I samtlige
analyser er der desforuden kontrolleret for de basale individuelle faktorer:
39

køn, alder, uddannelse og politisk observans. Herudover er der prøvet i
forskellige kombinationer at inddrage kontrolparametre på kommuneniveau,
bl.a. pasningsudgifter pr. passet barn. Der er også foretaget analyser på delpopulationer,
fx kun for forældre til børn i børnehaver, og her er der kontrolleret
for bruttodriftsudgifter pr. plads i børnehaver i stedet for udgifter
pr. passet barn i samtlige pasningsordninger.
Som afhængig variabel er der forsøgt forskellige muligheder. Som det
blev nævnt ovenfor, findes der alene for tre af spørgsmålene vedrørende
tilfredshed med pasningskvaliteten signifikant kommunevariation, nemlig
angående: de fysiske rammer, åbningstiderne samt den tid personalet har til
det enkelte barn. Af den grund har koncentrationen i de videre analyser
samlet sig herom. Dels er der foretaget analyser af spørgsmålene enkeltvis,
dels af et indeks dannet ud fra de tre spørgsmål.
På tilfredshedsindekset findes der en typisk variation mellem kommunerne
på ca. 0,22 tilfredshedspoint efter kontrol for faktorer på individniveau,
altså ikke de store forskelle, men dog større end ved indekset for tilfredsheden
med den samlede kommunale service. Igen skal der også huskes på, at
det er forventeligt med forholdsvis små udsving. Desuden er forskellene
klart statistisk signifikante – der er altså sikre, men forholdsvis små kommuneforskelle
i tilfredshed med kvaliteten i børnepasningen. Med dette indeks
som afhængig variabel er der foretaget multilevel, lineære regressionsanalyser
med forskellige kombinationer af mål for kommunestørrelse samt
kontrolparametre. Tabel 5.3 viser estimationer af størrelseseffekter fra to
udvalgte analyser. Som mål for kommunestørrelse har dummyvariablen, der
signalerer, om kommunen har 20.000 indb. eller derover, vist sig bedst som
forklaring på tilfredsheden.
Der findes en umiddelbar sammenhæng mellem kommunestørrelse og
tilfredshed med kvaliteten i børnepasningen, således at der i små kommuner
– under 20.000 indb. – typisk er et tilfredshedsniveau på 0,18 point højere
end i store kommuner. Sammenhængen er statistiske signifikant på 0,05
niveau (dog tæt ved 0,01), men ved kontrol for om respondenten får passet
sit barn i dagpleje samt om der er tale om en hovedstadskommune, svinder
effekten til omkring halvdelen, samtidig med at effekten heller ikke kan
siges at være signifikant længere 6 . Der er også set på, om andre faktorer på
kommuneniveau skulle øve indvirkning på den primære sammenhæng
mellem kommunestørrelse og tilfredshed. Bl.a. var det logisk at inddrage
40

Tabel
5.3
udgifter pr. passet barn, men disse har tilsyneladende ingen effekt. Derforuden
kunne man forestille sig, at også personalekvotienten kunne øve en vis
indflydelse, i og med et af de tre spørgsmål i indekset direkte angår personalets
tid til det enkelte barn. Variabler for personalekvotienter for vuggestuer,
børnehaver og integrerede institutioner er derfor inddraget. Ingen af disse
viser sig imidlertid statistisk signifikante, men alligevel forårsager alene
inddragelse af personalekvotienten i vuggestuer, som kommer tættest på en
signifikant positiv effekt, at kommunestørrelseseffekten forsvinder
fuldstændigt.
Størrelseseffekt på tilfredshed med de »hårde« aspekter af
kvaliteten i børnepasningen 1 . Multilevel lineær regression.
Ustandardiserede betakoefficienter 2 , signifikansniveau, antal
kommuner samt antal respondenter. Som kommunestørrelsesvariabel
er benyttet en dummy, der signalerer, om
kommunen har 20.000 indb. eller derover
Model A
Effekt efter kontrol for køn, alder,
uddannelse samt politisk observans
Model B
Kontrolleret endvidere for om
respondenten får passet sit barn i dagpleje
samt for om vedkommende bor i
hovedstadsområdet
Kommunestørrelse
(20.000 indb.
og derover)
Antal antal
Kommuner respondenter
-0,18 0 37 5183
-0,10 37 5183
Bem.: En variabel for andel faglærte og ufaglærte arbejdere i kommunen viser sig endvidere at
have en statistisk signifikant positiv effekt på tilfredsheden, og inddrages denne, svinder
kommunestørrelseseffekten endnu mere ind end i Model B, hvor effekten i forvejen ikke er
signifikant.
* Signifikant på 0,05 niveau.
1 Som mål for pasningskvaliteten er benyttet et simpelt indeks, dannet ud fra tre spørgsmål
angående forskellige (hårde) aspekter af pasningskvaliteten, nemlig de fysiske rammer,
åbningstiderne samt den tid personalet har til det enkelte barn. Indekset går fra en minimal
tilfredshed på 1 til en maksimal tilfredshed på 5.
2 En betakoefficient på -0,18 betyder, at der er fundet en systematisk lineær sammenhæng,
således at der i store kommuner (20.000 indb. og derover) typisk er en tilfredshed, der er
0,18 tilfredshedspoint lavere end i de små kommuner.
Analyseres der i stedet på de enkelte pasningsordninger hver for sig
41

(dagpleje, vuggestue og børnehave), findes kun i et enkelt tilfælde en
statistisk signifikant effekt fra befolkningstals-dummyen på 0,05-niveau
eller bedre. Hos forældre til børn i børnehaver findes således en effekt efter
kontrol for de basale individfaktorer på -0,17 (signifikant på 0,01-niveau).
Igen har mål for udgiftsniveauet ingen effekt (bruttodriftsudgifter pr. plads
i børnehave).
Til slut kan det nævnes, at der inden for de enkelte pasningsordinger er
set nøjere på spørgsmålet angående personalets tid til det enkelte barn, som
var det eneste spørgsmål vedrørende pasningskvaliteten, hvor der viste sig
signifikant effekt fra befolkningstal. Igen findes der kun blandt forældre til
børn i børnehaver en statistisk signifikant effekt, og denne er endda ret svag.
I disse analyser vedrørende tiden til det enkelte barn er det selvfølgelig
ekstra relevant at inddrage personalekvotienten. Med det tilgængelige
datamateriale var det muligt at foretage analyser med denne kontrolvariabel
dels for forældre til børn i vuggestue, dels for forældre til børn i børnehave.
Inddragelsen rokker ikke nævneværdigt ved den manglende effekt fra
befolkningstal, bl.a. fordi sammenhængen mellem befolkningstal og
personalekvotient er meget sparsom. Men det kan da nævnes, at blandt
forældre til børn i vuggestue ses der en stærk effekt fra personalekvotient,
statistisk signifikant på 0,01 niveau. Således er det fra analysemodellen
beregnet, at kun ca. 50% af forældrene i kommuner med omkring tre ansatte
pr. 10 børn i vuggestue er tilfredse, mens der i kommuner med godt og vel
fire ansatte er ca. 95% tilfredse forældre. Er disse analyseresultater korrekte,
betyder det, at personalekvotienten er en mere væsentlig faktor i vuggestuer
end i børnehaver.
5.4 Diskussion af resultaterne samt lidt om
forældreaktivitet og holdninger til
pasningsordningens bestyrelse
Såheim og Fjermeros’ tese vedrørende sammenhænge mellem kommunestørrelse
og tilfredshed støttes på en måde af de fundne negative
sammenhænge mellem kommunestørrelse og tilfredsheden inden for
børnepasningsområdet. Børnepasningsområdet er jo netop karakteriseret af
stor intensitet i interaktionen mellem brugere og ansatte samt mellem
42

ugere indbyrdes, men på den anden side var det måske i forhold til deres
hypoteser forventeligt, at sammenhængene også – og måske især – ville ses
inden for de mere personaleafhængige variabler så som personalets evne til
at skabe et trygt miljø, og sammenhængene sås næsten udelukkende
vedrørende pasningsmulighederne.
Hvis deres hypotese skulle være korrekt, ville man forvente en mere
intens interaktion mellem brugere og ansatte samt mellem brugere
indbyrdes i de mindre kommuner end i de større. Dette kan, som det blev
nævnt i indledningen, ikke efterprøves direkte ud fra spørgeskemabesvarelserne,
men der findes dog spørgsmål, der går i den retning. Fx spørges der
til, om respondenten har deltaget i forældremøder eller andre fælles
aktiviteter, og om respondenten har været med til at lave forskellige
aktiviteter i forbindelse med børnepasningen. Der ses imidlertid ikke
hyppigere forældreaktivitet i de mindre kommuner. Tværtimod er der en
svag tendens til, at det er i de større kommuner, der er hyppigst
forældreaktivitet. Denne tendens forsvinder dog, når respondenter, der har
børn i dagplejeordninger, udtages af analyserne.
Ud over de allerede omtalte spørgsmål er forældrene også blevet spurgt
om deres syn på pasningsordningens bestyrelse samt til mulighederne for
at få indflydelse på forholdene i institutionen/dagplejen. Forældre i store
kommuner er generelt mere interesserede i bestyrelsens arbejde, men denne
sammenhæng bliver svagere og statistisk insignifikant efter kontrol for
politisk observans, uddannelse samt ikke mindst om barnet bliver passet i
dagpleje. Interessen for bestyrelsens arbejde hos forældre til børn i den
kommunale dagpleje er markant mindre end hos forældre til børn i de
øvrige kommunale pasningsordninger, og i kraft af at en større andel børn
i de små kommuner bliver passet i dagpleje, indvirker dette en del på
sammenhængen mellem kommunestørrelse og interesse. Derimod forbliver
en sammenhæng mellem kommunestørrelse og bedømmelse af kontakten
mellem forældre og bestyrelse signifikant efter kontrol for de ovennævnte
faktorer, selv om den bliver noget svagere. Her er der – måske lidt
overraskende – en tendens til, at forældre i store kommuner oftere
bedømmer kontakten som værende meget god eller ret god, end hvad der er
tilfældet i de små kommuner. Igen noget der ikke støtter tesen om bedre
interaktion mellem brugere og ansatte i de små kommuner. Med hensyn til
mulighederne for at få indflydelse på forholdene i pasningsordningen, ser
43

der ikke ud til at være signifikante forskelle mellem små og store
kommuner.
Som det sidste punkt i dette diskuterende afsnit skal vi kort vende tilbage
til den forskellige variation i tilfredshedsniveau mellem kommunerne, der
ses mellem bløde og hårde aspekter. Måske var det forventeligt, at det ville
forholde sig på denne facon: At det er de mere hårde aspekter, som den
enkelte kommune er bedst i stand til at øve indflydelse på, fx gennem
tilførelse af enten færre eller flere økonomiske ressourcer eller ved at føre
en god politik om information til forældre om pasningsmulighederne. På
den anden side tales der så meget om betydningen af de menneskelige
ressourcer, og om hvor meget der kan vindes gennem personalepolitik af
forskellig art, medarbejderkurser, fastsættelse af kommunale, politiske
målsætninger, der angår den enkelte medarbejders arbejdsopgaver osv. Og
hvis den enkelte kommune således alligevel skulle have mulighed for at
ændre afgørende på nogle af disse mere bløde kvalitetsaspekter, og det ikke
bare kommer an på den enkelte medarbejders på forhånd givne kvaliteter,
hvorfor kan der så ikke spores nogen synderlig niveauforskel i tilfredshed
kommunerne imellem?
På sin vis er det selvfølgelig betryggende, at stort set lige meget hvilken
politik, der føres på området, så vil det aldrig gå helt galt, for medarbejderne
vil altid være nogenlunde konstante størrelser, der kan borge for ordentlig
kvalitet. Det er dog tvivlsomt, at det skulle hænge sådan sammen, men det
er tænkeligt, at engagerede medarbejdere altid vil stå for en vis
minimumssikring. Dén mulighed foreligger selvfølgelig også, at alle
kommuner stort set gør lige meget ud af at investere energi i de bløde
aspekter, og at de gør det lige godt. På den anden side virker det ikke logisk,
at det skulle forholde sig sådan, og det virker heller ikke logisk, at en
satsning herpå vil være betydningsløs. Herefter kan der tænkes i hvert fald
to årsager til den manglende variation i tilfredshedsniveauerne kommunerne
imellem på de bløde adpekter:
Én årsag kan være, at satsning inden for disse aspekter endnu er
forholdsvis nyt, og at det derfor vil være for tidligt at sige noget om
resultaterne. I den forbindelse skal det også huskes på, at datamaterialet
stammer fra omkring 1995.
En anden årsag kunne være, at tilfredshedsbedømmelserne inden for
disse aspekter ikke lige så godt som inden for de mere hårde aspekter
44

afspejler en reel forskel i kvalitet.
Sandheden ligger muligvis et sted imellem de to nævnte årsager. En
typisk lidt større tilfredshed med de bløde aspekter samt en noget mindre
variation fra respondent til respondent, end der gør sig gældende for de
hårde aspekter kunne indikere, at forældrene har svært ved at forholde sig
fagligt kritisk til de mennesker, der tager sig af deres børn, og som de måske
har et personligt forhold til i en eller anden udstrækning. Variationen
mellem de enkelte respondenter er dog stadigvæk så rigelig, at der sagtens
kunne have været variation mellem kommunerne. I den forbindelse skal det
nævnes, at der er foretaget kontrolanalyser med tilfredsheds-dummyer, der
er rekodet på anden vis, nemlig sådan at kun de allermest tilfredse får
værdien én. Dette giver imidlertid på ingen måde større kommunevariation.
Endnu en hypotetisk mulighed ville have været at udforme spørgsmål med
flere svarkategorier, for at se om dette skulle give større variation. Men det
korte af det lange er sandsynligvis, at den manglende variation på
kommuneniveau, hvad angår de bløde aspekter, har flere årsager.
5.5 Delkonklusion
• Der findes en meget stærk negativ effekt fra kommunestørrelse på
tilfredsheden med pasningsmulighederne. Således er der i 16 ud af
stikprøvens 18 små kommuner under 20.000 indbyggere flere tilfredse
end utilfredse, mens dette kun er tilfældet for 5 ud af de 19 kommuner
på 20.000 indbyggere og derover. Yderligere analyser viser, at
sammenhængen kan forklares. Årsagen er, at der i de større kommuner
er en langt større andel forældre til 0-5-årige, der angiver at mangle
plads. Dette er imidlertid ikke grundet i et større objektivt behov for
børnepasning – dækningsgraden og udgifter pr. 0-5-årig i kommunen er
stort set ens i små og store kommuner, når der tages hensyn til objektive
behovskriterier. Noget tyder derfor på, at forældre i store kommuner er
mere fordringsfulde med hensyn til pasningsmuligheder end forældre i
små kommuner, hvorfor man alligevel kan tale om reel sammenhæng
mellem kommunestørrelse og tilfredshed med pasningsmuligheder.
Hovedstadsområdets kommuner har generelt større tilfredshed med
pasningsmulighederne end andre kommuner i sammenlignelig størrelse,
45

men til gengæld er der også her en langt større dækningsgrad i forhold
til de objektive behov.
• Ved tilfredsheden med pasningskvaliteten ses ligeledes en negativ effekt
fra kommunestørrelse – dog kun statistisk signifikant når det drejer sig
om tiden til det enkelte barn, og der ses ingen effekt, når det drejer sig
om personalets evne til at passe børnene. Langt overvejende skyldes den
nævnte effekt imidlertid, at en langt større andel af børnene i de små
kommuner bliver passet i dagpleje, hvor forældrene generelt udtrykker
større tilfredshed end forældre til institutionsbørn. Det er sandsynligvis
ikke klogt at sammenligne tilfredsheden mellem så forskelligartede pasningsordninger,
da fordringerne utvivlsomt er forskellige. Kontrolleres
der for, om barnet passes i dagpleje, eller sammenlignes tilfredsheden
mellem lignende grupper af forældre, forsvinder en meget stor del af
forskellene nemlig mellem små og store kommuner. Ved yderligere
kontrol for om der er tale om en hovedstadskommune, forsvinder endnu
mere af kommunestørrelseseffekten, og tilbage står en svag tendens til
større tilfredshed i små kommuner blandt forældre til børnehavebørn,
hvad angår de hårde aspekter. Et sådant fund bør ikke give anledning til
alt for nagelfaste konklusioner, og i stedet for at fremhæve dette, ville det
være mere på sin plads at konkludere, at der kun ses ret ubetydelige
forskelle i tilfredshed mellem små og store kommuner, hvad angår
pasningskvaliteten.
Noter
1. Hvor spørgsmålene går direkte på forhold i en pasningsordning, er respondenten blevet bedt
om at svare i forhold til ældste, ikke skolesøgende barn, i fald respondenten har flere børn
i forskellige pasningsordninger.
2. Naturligvis er der praktisk taget ikke forskel kommunerne imellem med hensyn til
kønsfordelingen. Køn er alligevel systematisk medtaget i analyserne for at undgå eventuelle
stikprøvetilfældigheder. I analyser med snævre brugergrupper kan der forekomme
signifikante forskelle i kønsfordelingen, og kønsfaktoren kan således i de analyser få en
praktisk betydning.
3. Grunden til at der ikke angives procentandele tilfredse som i tabel 5.1 er, at der nu tages
hensyn til en række andre faktorer. Der kunne angives sandsynlighed for, at en tilfældig
46

udtrukket respondent ville være tilfreds, men det ville i så fald gælde for én ganske bestemt
type respondent, og det kunne nemt blive nogle tænkte og virkelighedsfjerne talstørrelser.
Derfor angivelsen i odds-ændringer i stedet.
4. Tallene herfor er fra 1996 i modsætning til de fleste øvrige nøgletal, som er for 1995.
5. Når der ses bort fra hovedstadens kommuner, og hvis der kontrolleres for behovsfaktorerne
erhvervsfrekvens for kvinder samt andel enlige forsørgere, er der ikke nævneværdige
forskelle mellem små og store kommuner, hvad angår dækningsgrad for 0-5-årige.
6. t-værdi på 1,9 med 34 frihedsgrader.
47

6Folkeskole
Spørgeskemaet er bygget en anelse anderledes op inden for folkeskoleområdet
end inden for børnepasningen. Det er ikke så oplagt at spørge til
mulighederne for at børnene kan undervises, da der jo er undervisningspligt
og plads til alle. I stedet for er samtlige respondenter blevet spurgt, hvor
tilfredse de er med folkeskoleområdet i sin helhed. Derefter ligner
opbygningen den fra børnepasningsområdet, hvor forældrene til børn i den
skolepligtige alder er blevet spurgt om en serie aspekter vedrørende skolen,
mestendels tilfredshedsspørgsmål, men også andet som fx deres syn på
skolebestyrelsen samt om deres eventuelle bevæggrunde til at indskrive
deres barn/børn i privatskole frem for i folkeskole. Spørgsmålene fremgår
af nedenstående.
Hvor tilfreds er du med:
1) folkeskoleområdet?
2) de fysiske rammer (lokaler, inventar, legeplads, mv.)?
3) den måde undervisningen foregår på?
4) undervisningsmaterialet?
5) elevernes faglige udbytte?
6) kontakten mellem skole og hjem?
7) antallet af elever i klasserne?
8) lærernes evne til at undervise eleverne?
9) elevernes trivsel?
10) mulighederne for pasning efter skoletid?
11) fællesarrangementer for eleverne (lejrskole mv.)?
12) afstanden til skolen?
I det følgende skal først og fremmest tilfredsheden med disse spørgsmål
behandles, men som afslutning vil der ganske kort blive set på
forældreaktivitet, skolebestyrelser og begrundelse for eventuelt valg af
privatskole i stedet for folkeskole.
48

6.1 De umiddelbare sammenhænge mellem
kommunestørrelse og tilfredsheden inden for
folkeskoleområdet
De umiddelbare sammenhænge inden for dette serviceområde er yderst
sparsomme, og de få, der er, er helt i tråd med, hvad der kunne ventes. Der
er i hvert fald to helt oplagte forskelle mellem små kommuner og store
kommuner i objektiv kvalitet i folkeskoler: Antallet af elever i klasserne i
de store kommuner er gennemsnitligt større end i de små kommuner, og
afstanden til skolen i de små kommuner er gennemsnitligt større end i de
store kommuner. Derudover er der i øvrigt en forskel i udgiftsniveauet til
folkeskolen. Generelt er det sådan, at jo større kommune, desto færre
udgifter til folkeskolen. Denne sammenhæng er velkendt og forklares
normalt ved stordriftsfordele (Heinesen 1999 & ECO-Analyse 1995). Det
er således lettere at undgå små klassekvotienter, når der er et stort elevtal,
end det er ved et lille elevtal – hvilket efter al sandsynlighed er én af
årsagerne til den ovennævnte gennemsnitligt lavere klassekvotient i de små
kommuner. Desuden kan der være stordriftsfordele forbundet med selve
administrationen af skolerne.
Det er selvfølgelig ikke en universelt gældende lov, at en større klassekvotient
vil skabe større utilfredshed. For det første vil klasserne givetvis
kunne blive for små, og for det andet er en kommunes klassekvotient et
gennemsnitstal, der kan dække over mange meget forskellige fordelinger.
På trods af disse forbehold, vil det kunne forventes, at en kommune med
forholdsvis høj klassekvotient vil have flere forældre, der er utilfredse med
antallet af elever i deres barns klasse, end en kommune med en forholdsvis
lav klassekvotient.
Den anden nævnte forskel, at afstanden til skolen typisk er længere i de
små kommuner end i de store, hænger selvfølgelig sammen med, at de
befolkningsmæssigt små kommuner som oftest vil have færre skoler pr.
arealenhed. Det må forventes, at utilfredsheden med afstanden til skolen
gennemsnitligt vil stige med faldende kommunestørrelse, selv om
mindskede forventninger til kort skolegang naturligvis kan tænkes at
mindske denne sammenhæng. Et faktum er, at begge de to nævnte sammenhænge
viser sig i datamaterialet, dog tydeligst ved tilfredsheden med klassestørrelserne.
49

Tabel
6.1
I tabel 6.1 vises de to sammenhænge. Den bedste forklaringsfaktor er
ikke ubetinget den simple skelnen mellem små og store kommuner, således
som det var tilfældet ved børnepasningsområdet. Med hensyn til
spørgsmålet om antallet af elever i klasserne er denne skelnen mellem små
og store kommuner ganske vist en anelse bedre. Når det derimod drejer sig
om afstanden til skolen viser en logaritmisk transformation sig til gengæld
at være bedst, selv om der er tale om forholdsvis små forskelle. Årsagen
hertil er, at der allerede fra de helt små kommuner til kommuner på mellem
10.000 og 20.000 indbyggere er en svag tendens til, at forældrene er lidt
mere tilfredse med afstanden til skolen. I øvrigt viser det sig, som ventet, at
det nærmere er graden af urbanisering i kommunen, der betyder noget for
forældrenes tilfredshed med afstanden til deres barns skole. Inddrages i
stedet et mål for urbaniseringsgrad, stiger forklaringsgraden nemlig noget,
ligesom også det statistiske signifikansniveau bedres – dog lige netop ikke
til 0,01 niveau. På grund af at der trods alt er tale om små forskelle mellem
de forskellige uafhængige faktorers evne til forklaring i tilfredshed, vælges
i tabellen alene præsentation af sammenhængene mellem på den ene side
dummyvariablen for, om der er tale om en stor kommune, og på den anden
side tilfredsheden.
Bivariate kommunestørrelseseffekter på forældres tilfredshed med
folkeskoleområdet. Multilevel logistisk regression.
Sandsynligheder for tilfredshed i henholdsvis små og store
kommuner i stikprøven
Antal kommuner: 37
Minimum antal respondenter i en enkelt
kommune: 153
7) Antallet af elever i klasserne
12) Afstanden til skolen
50
Estimeret procentandel
tilfredse i: Procentvis
små
kommuner
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau.
61
83
store
kommuner
53 **
86 *
ændring i
odds
Som det fremgår, er der i begge tilfælde tale om ret små
tilfredshedsforskelle mellem små og store kommuner. Parallelle analyser på
det landsdækkende datasæt fra 1998 viser i øvrigt igen samme tendenser –
-28
30

dvs. statistisk signifikante effekter ved ovennævnte to items. Dog findes der
endnu én signifikant bivariat effekt fra kommunestørrelse på tilfredsheden
inden for skoleområdet på dette datasæt, nemlig en svag, men statistisk
signifikant negativ effekt på 0,05 niveau på tilfredsheden med folkeskoleområdet
som helhed.
I tabel 6.2 vises effekten fra kommunestørrelse på samtlige spørgsmål
inden for folkeskoleområdet, efter at der er taget hensyn til de basale
baggrundsfaktorer på individniveau – køn, alder, uddannelse samt politisk
observans. Effekterne angives dels som procentandel varians på
kommuneniveau forklaret af kommunestørrelse, dels som den procentvise
forskel i odds mellem mindste og største kommune i stikprøven henholdsvis
mellem små og store kommuner.
51

Tabel
6.2
Kommunestørrelses-effekter på tilfredshed med folkeskoleområdet. Multilevel, logistisk regression.
Effekterne er kontrolleret for køn, alder, uddannelse, politisk observans. Der vises procentvis ændring i
oddsene for tilfredshed (meget el. noget) mellem mindste og største kommune i stikprøven henholdsvis små
og store kommuner. Endvidere vises den procentandel af variansen på kommuneniveau, som de to
kommunestørrelsesvariabler forklarer (kun spørgsmål, der har vist sig signifikant på bedre end 0,05 niveau,
angives som andet end koefficient)
Befolkningstal (log.) 20.000 indb. el. derover
Procentvis Procent Procentvis Procent
ændring i odds Forklaret ændring i odds Forklaret Antal Antal
(mindste/største) Varians (små/store) Varians kommuner respondente
r
1a) Hele folkeskoleområdet (alle) 13 2
1b) Hele folkeskoleområdet (forældre) 8 2
2) De fysiske rammer 9 6
3) Den måde undervisningen foregår på 10 2
4) Undervisningsmaterialet 11 3
5) Elevernes faglige udbytte -5 -4
6) Kontakten mellem skole og hjem 13 4
7) Antallet af elever i klasserne -49 * 16 -29 ** 21 37 8197
8) Lærernes evne til at undervise eleverne 1 1
9) Elevernes trivsel -2 -6
10) Mulighederne for pasning efter skoletid 7 -16
11) Fællesarrangementer for eleverne (lejrskole mv.) 22 -3
12) Afstanden til skolen 80 * 13 30 * 12 37 8175
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
Bem: På nær det første item gælder tabellen alene for respondenter med hjemmeboende børn, der går i skole.
52

Lige som det var tilfældet ved børnepasningsområdet, ses praktisk taget
ingen ændringer i effekterne fra de rent bivariate analyser til analyser, hvor
der kontrolleres for de basale baggrundsfaktorer. Det skyldes først og
fremmest tre ting: For det første spørges der til forholdsvis konkrete ting,
som respondenten har en personlig erfaring med, sådan at der – må det
formodes – i mindre grad vurderes ud fra forudindtagede holdninger, der
typisk vil hænge sammen med uddannelse, politisk observans osv. For det
andet er der grænser for, hvor store forskellene er mellem kommunerne,
hvad angår befolkningens fordeling på disse baggrundsfaktorer. Og endelig
for det tredje vil effekter fra baggrundsfaktorerne i nogen grad udligne
hinanden.
Da der både findes en samlet vurdering af folkeskoleområdet og en
række svar på spørgsmål vedrørende specifikke aspekter heraf, så er det
muligt at foretage en nøjere analyse af, hvilke aspekter der betyder mest for
respondentens samlede vurdering. Denne analyse viser klart, at de mere
bløde aspekter, som fx lærernes evne til at undervise eleverne og kontakten
mellem skole og hjem, er mest udslagsgivende 1 . Af de mere hårde aspekter
er det undervisningsmaterialet, der betyder mest for den samlede vurdering,
hvorimod de fysiske rammer (lokaler, inventar, legeplads, mv.), antallet af
elever i klasserne, fællesarrangementer for eleverne (lejrskole mv.) samt
afstanden til skolen ikke betyder særligt meget. Ligesom det var tilfældet
inden for børnepasningsområdet, er det til gengæld helt tydeligt ved disse
hårde, konkrete aspekter, at tilfredsheden varierer mest mellem
kommunerne. Tilfredshedsvariationen mellem kommunerne er således
ganske ubetydelig, når der ses alene på de bløde aspekter. Som ved
børnepasningsområdet ses der ganske vist lidt mindre tilfredsheds-variation
mellem respondenterne, hvad angår de bløde aspekter, således at
muligheden for variation mellem kommunerne på disse områder på forhånd
indskrænkes en lille smule. Dette kan imidlertid ikke tilnærmelsesvis
forklare den meget sparsomme variation mellem kommunerne på de bløde
områder. 2
6.2 En nærmere analyse af effekterne
Som inden for børnepasningsområdet er de umiddelbare effekter også på
53

folkeskoleområdet underkastet en mere dybtgående analyse. Der er således
set nærmere på, om det vitterlig ikke betyder noget særligt for
tilfredshedsniveauet inden for folkeskoleområdet, hvor stor kommunen er,
sådan som de umiddelbare resultater viser. I dette øjemed er de umiddelbart
manglende effekter inden for området blevet kontrolleret for en række
yderligere faktorer; og der er foretaget analyser med forskellige afhængige
variabler, dels med tilfredsheden med folkeskoleområdet som helhed, dels
med et simpelt indeks, beregnet ud fra de 11 tilfredshedsspørgsmål
angående specifikke aspekter på folkeskoleområdet, og endelig til sidst ud
fra et simpelt indeks, beregnet ud fra kun de spørgsmål, der angår de hårde,
konkrete aspekter. Som vi så i forrige afsnit, er det mest ved de hårde,
konkrete aspekter, at der findes forskelle mellem kommunerne.
Ydermere er det undersøgt, om tilfredsheden med klassestørrelsen, sådan
som det forventes, i virkeligheden mere afhænger af kommunens
klassekvotient end af kommunens størrelse. Eller med andre ord: om
størrelseseffekten mestendels er en indirekte effekt. Og selv om variationen
mellem kommunerne med hensyn til tilfredsheden med elevernes faglige
udbytte er forholdsvis lille, er det alligevel undersøgt, hvorvidt antal
undervisningstimer pr. elev eller pr. klasse har nogen effekt på
tilfredsheden, samt om en sådan eventuelt indvirker på sammenhængen
mellem kommunestørrelse og tilfredshed.
Med hensyn til den generelle tendens til manglende sammenhæng, som
også gjorde sig gældende ved tilfredsheden med folkeskolen som helhed,
så tyder de nøjere analyser mest af alt på, at denne tendens holder stik.
Kontrol for områdespecifikt serviceniveau 3 , undervisningstimer,
urbaniseringsgrad og hovedstadsområde ændrer ikke ved billedet af, at der
ingen tilfredshedsforskel er mellem små og store kommuner, og dette
gælder for alle tre ovennævnte afhængige variabler (indekset der er dannet
af samtlige 11 spørgsmål, indekset dannet af de seks spørgsmål, der angår
de hårde, konkrete aspekter, samt spørgsmålet angående tilfredsheden med
folkeskoleområdet som helhed).
Effekten fra serviceniveauet i folkeskolen på tilfredsheden med
folkeskoleområdet som helhed er i øvrigt overraskende negativ. Dog er den
for det første noget usikker; for det andet er det vanskeligt at finde nogen
teoretisk begrundelse for en sådan negativ effekt; og for det tredje findes
effekten ikke, hvis der i stedet for det enkelte spørgsmål angående
54

tilfredsheden med det samlede folkeskoleområde benyttes et af de to indeks,
beregnet ud fra enkeltspørgsmålene vedrørende de specifikke aspekter
inden for folkeskoleområdet.
Med hensyn til tilfredsheden med klassestørrelsen så forholder det sig
ganske rigtigt således, at den negative effekt fra kommunestørrelse
forsvinder efter kontrol for kommunens klassekvotient. Den mindre
tilfredshed med klassestørrelserne i de store kommuner kan altså forklares
ved, at de store kommuner typisk også har flere elever i de enkelte klasser.
6.3 Lidt om forældreaktivitet, skolebestyrelser
samt begrundelse for eventuel valg af
privatskole
Respondenterne er blevet spurgt om deres aktivitet i forbindelse med skolen
– om de har været til forældremøde eller deltaget i andre fælles aktiviteter
i klassen eller på skolen, om de har deltaget i klasseforældreråd/klassekontaktgruppe
eller skolebestyrelse, samt om de har hjulpet til med at lave
forskellige aktiviteter i klassen eller på skolen (fx omkring praktisk arbejde
og udflugter). Ved disse aktiviteter findes der praktisk taget ingen forskelle
mellem små og store kommuner, heller ikke ved kontrol for individuelle
faktorer som køn, alder og uddannelse.
Når det gælder vurdering af kontakten mellem forældre og skolebestyrelse,
ser der heller ikke ud til at være nogen forskel mellem små og store
kommuner. Til gengæld er der for det første en tendens til, at interessen for
skolebestyrelsens arbejde er større i de små kommuner end i de store, og at
valgdeltagelsen desuden er en anelse højere i de små kommuner. Disse
tendenser er imidlertid svage og kan ikke bekræftes på det »lille«
landsdækkende datasæt.
På såvel landsplan som i stikprøven er der i små og store kommuner
næsten en lige stor andel af forældrene, der vælger at sætte deres børn i
privatskoler frem for i folkeskoler. Men det kunne være interessant at se på,
om begrundelserne for at gøre det er anderledes i små kommuner end i
store. De forældre, der enten har et barn i privatskole eller går i overvejelser
om at flytte et barn over til en privatskole, er blevet spurgt, hvor stor
betydning de vil lægge på en række specificerede begrundelser herfor:
55

• at det faglige udbytte ikke er godt nok i folkeskolen
• at privatskolen lægger større vægt på musisk-kreative fag
• at privatskolen står for en bestemt holdning
• at barnet ikke trives i folkeskolen
• at den måde, der undervises på i privatskolen, er bedre
• at privatskolens beliggenhed passer bedre
• at der er færre elever i klassen i privatskolen
• at der er bedre kontakt mellem skole og hjem i privatskolen
• at de fysiske rammer er bedre i privatskolen
• at der er større forældreindflydelse i privatskolen
• at der er for mange fremmedsprogede elever i folkeskolen
Analyser på disse items viser igen meget svage kommunestørrelseseffekter.
Der er en svag tendens til, at flere forældre i de større kommuner lægger stor
vægt på, at privatskolen står for en bestemt holdning, og at der er færre
elever i klassen i privatskolen. Den stærkeste og mest signifikante
sammenhæng findes dog mellem kommunestørrelse og begrundelsen, at der
er for mange fremmedsprogede elever i folkeskolen. Denne sammenhæng
bliver yderligere forstærket, når der kontrolleres for uddannelse og
partivalg. Fx lægger hver anden socialdemokrat uden videregående
uddannelse stor vægt herpå i de store kommuner, mens forholdet i de små
kommuner kun er én ud af tre. En nærliggende forklaring på denne forskel
er, at andelen af tosprogede elever ud af samtlige elever generelt er noget
højere i de store kommuner end i de små. En variabel for andel tosprogede
elever viser sig også højsignifikant, når den står alene, men sammenhængen
forsvinder, når en variabel for kommunestørrelse samtidig inddrages. Der
kan være nogen usikkerhed med hensyn til præcis, hvor effekten kommer
fra og i hvilken udstrækning, i og med den ret stærke korrelation mellem de
to effektparametre, men i de afprøvede modeller fungerer kommunestørrelse
bedst 4 .
6.4 Delkonklusion
• Inden for folkeskoleområdet er der ikke betydelige forskelle mellem små
og store kommuner, heller ikke efter kontrol for individparametre som
56

uddannelse og partivalg samt for kommuneparametre som udgiftsniveau
og hovedstadsområde. Eneste undtagelser er ved tilfredsheden med
antallet af elever i klassen, hvor forældrene i de større kommuner er mere
utilfredse, samt afstanden til skolen, hvor forældrene i de små kommuner
er mere utilfredse. Begge dele er imidlertid ganske forventelige, da der
i de store kommuner generelt er større klassekvotienter, og at børnene i
de små kommuner generelt har længere til skole. En nøjere analyse viser
da også, at en variabel for klassekvotienten i kommunen forklarer
forskellen i tilfredshed med klassestørrelserne mellem små og store
kommuner.
• Der er en markant forskel mellem det, man kunne kalde for bløde eller
abstrakte aspekter og hårde, konkrete aspekter inden for folkeskoleområdet.
Tilfredsheden inden for de bløde aspekter – som lærernes evne
til at undervise eleverne og elevernes trivsel – varierer stort set ikke
mellem kommunerne. Noget tilsvarende sås inden for børnepasningen,
og overordnet kan der tænkes to typer af forklaringer herpå: Dels kan det
tænkes, at der ved denne type aspekter vitterligt ikke findes nogen særlig
forskel mellem kommunerne i den bagvedliggende servicekvalitet; dels
kan det tænkes, at spørgeskemaer langt bedre formår at afsøge kvalitative
forskelle i servicekvalitet på mere hårde, konkrete områder – som
tilfredsheden med antallet af elever i klasserne og de fysiske rammer.
Det sidste ville vanskeliggøre sammenligning af kommuners servicekvalitet
alene med kvantitative tilfredshedsundersøgelser. I analyserne
på folkeskoleområdet blev nemlig også fundet, at det er de bløde
personaleafhængige aspekter, der betyder langt mest for tilfredsheden
med folkeskolen som helhed.
57

Noter
1. Betydningen er beregnet som bivariate Pearson korrelationskoefficienter mellem
tilfredsheden med de enkelte aspekter hver for sig på den ene side og tilfredsheden med
folkeskoleområdet som helhed på den anden. Langt de stærkeste korrelationer findes mellem
tilfredsheden med de bløde aspekter og folkeskolen som helhed. Nøjagtig samme tendens
ses i øvrigt i Finansministeriets undersøgelse i 1993 af borgernes syn på den offentlige
sektor (Finansministeriet 1993). Heri spørges borgerne bl.a. direkte om vigtigheden af en
række aspekter inden for folkeskoleområdet, og de aspekter, der vurderes som langt vigtigst,
er ligesom i nærværende undersøgelse de bløde aspekter. Og resultaterne bekræftes igen i
Finansministeriet, borgerundersøgelse fra 2000 (Finansministeriet 2000b).
2. En forklaring på, at tilfredshedsforskellene mellem kommunerne mestendels ses ved hårde,
konkrete aspekter, kan være den, at tilfredshedsundersøgelser faktisk bedst egner sig til den
slags aspekter, hvorimod de bløde og/eller mere abstrakte aspekter bedst kan undersøges via
mere kvalitative metoder. Hvis man siger, at respondenters tilfredshedsvurdering i
hovedtræk afhænger af tre ting, dels af den pågældende service, dels af servicekonteksten,
dels af hvem respondenten er, så vil den del, der angår selve den pågældende service måske
nedtones i forbindelse med vurderingen af abstrakte og/eller bløde serviceaspekter, mens
den omvendt vil træde forholdsvist stærkt frem i forbindelse med konkrete og hårde
aspekter. Måske er således den ekstra lille tilfredshedsvarians på de hårde aspekter meget
væsentlig, i og med det netop er denne forholdsvis lille del, der siger noget om det, som
spørgsmålet drejer sig om.
3. Dvs. udgifter justeret for behovsfaktorer – se appendiks A.
4. Det kan tilføjes, at der er afprøvet modeller med forskellige varianter af de to effektparametre,
og i alle tilfælde giver en variabel for kommunestørrelse den bedste forklaring.
Imidlertid er der mellem de to hver især »bedste« variabler (to dummyvariabler) en Pearson
r på 0,84 (analyse foretaget på et datasæt bestående af 37 records – én for hver kommune
i stikprøven). Af den årsag forekommer der problemer med multikollinearitet.
58

7 Ældreomsorg
Ligesom det var tilfældet inden for børnepasningens område, er respondenterne
her blevet bedt om at besvare spørgsmål vedrørende såvel muligheder
som indhold i servicen. Angående mulighederne i ældreomsorgen blev der
stillet i alt seks spørgsmål til samtlige respondenter, hvorefter der blev stillet
yderligere seks tilfredshedsspørgsmål til brugere af specifikke
serviceelementer. De 12 spørgsmål lyder:
1) Hvor tilfreds er du med ældres mulighed for at få en plejehjemsplads?
2) Hvor tilfreds er du med ældres mulighed for at få en ældrevenlig bolig?
3) Hvor tilfreds er du med ældres mulighed for at blive i eget hjem, så længe de
ønsker det?
4) Hvor tilfreds er du med ældres mulighed for at få tilstrækkelig hjemmehjælp?
5) Hvor tilfreds er du med ældres mulighed for at få tilstrækkelig
hjemmesygepleje?
6) Hvor tilfreds er du med ældres mulighed for aktivitet (fx i dagcentre)?
7) Hvor godt synes du, kommunen oplyser ældre om deres muligheder for at få
hjælp?
8) Hvor tilfreds er du med den hjælp, plejehjemmets personale yder?
9) Hvor tilfreds er du med den hjælp, hjemmehjælperen yder til den personlige
pleje?
10) Hvor tilfreds er du med den hjælp, hjemmehjælperen yder til rengøring eller
andet praktisk arbejde?
11) Hvor tilfreds er du med den hjælp, hjemmesygeplejersken yder?
12) Hvor tilfreds er du med madordningen?
I afsnit 7.1. ses på de bivariate kommunestørrelseseffekter samt disse
kontrolleret for basale parametre på individniveau, og i afsnit 7.2 gås der
mere i dybden med sammenhængen mellem kommunestørrelse og
spørgsmålene vedrørende de ældres muligheder gennem analyser på et
beregnet tilfredshedsindeks.
59

7.1 De umiddelbare sammenhænge inden for
ældreomsorgen
Tabel
7.1
Inden for ældreområdet er der ved en række aspekter helt klare effekter fra
kommunestørrelse. I tabel 7.1 vises de bivariate effekter, som har vist sig
signifikante på 0,05 niveau eller bedre.
Bivariate kommunestørrelseseffekter på tilfredsheden inden for
ældreomsorgen. Multilevel logistisk regression. Estimerede procentandele
tilfredse i henholdsvis mindste og største kommune i
stikprøven samt procentvis ændring i odds mellem disse. I item 1
til 5 er medtaget respondenter på 65 år og derover, mens item 9
til 11 alene angår brugere af den specifikke service samt
pårørende
Estimeret
procentandel
Antal kommuner: 36-37 tilfredse i: Procentvis
Mindste antal respondenter i en mindste største ændring i
enkelt kommune: 20 1
kommune kommune odds
1) Ældres mulighed for at få en plejehjemsplads 33 6 *** -87
2) Ældres mulighed for at få en ældrevenlig bolig 38 9 *** -84
3) Ældres mulighed for at blive i eget hjem så
længe de ønsker det 67 43 *** -62
4) Ældres mulighed for at få tilstrækkelig
37 15 *** -70
60
hjemmehjælp
5) Ældres mulighed for at få tilstrækkelig hjemme
sygepleje 60 37 *** -61
9) Den hjælp, hjemmehjælperen yder til den
personlige pleje 67 47 ** -56
10) Den hjælp, hjemmehjælperen yder til
rengøring eller andet praktisk arbejde 52 36 * -48
11) Den hjælp, hjemmesygeplejersken yder 81 70 ** -46
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
Bem.: Hvis man medtager samtlige besvarelser i de fem første items, istedet for kun de 65+-årige,
vises samme tendenser for sammenhæng.
1 I langt de fleste tilfælde ligger antallet af respondenter i den enkelte kommune for et enkelt
item dog over 100.
Ved alle items ses negative effekter fra kommunestørrelse, således at jo
større kommune desto mindre tilfredshed med ældreomsorgen. Gennemgående
er der tale om et serviceområde med meget lav tilfredshed. Især ses
der stor utilfredshed med ældres mulighed for at få plejehjemspladser og

ældrevenlige boliger, og det gælder både i små og store kommuner, selv om
utilfredsheden er klart mest udtalt i de store kommuner. I de største
kommuner i stikprøven er der kun ganske få procent blandt respondenterne,
der er tilfredse. Når det gælder ældres mulighed for at blive i eget hjem samt
ældres mulighed for tilstrækkelig hjemmehjælp og hjemmesygepleje, er
tilfredshedsniveauet rimeligt i de mindste kommuner, mens det stadigvæk
må betegnes som værende meget lavt i de største kommuner. Ser man på
selve kvaliteten i det servicearbejdet, der ydes, ser det ikke helt så dårligt ud
for de største kommuner, men stadigvæk er der en tendens til, at
tilfredsheden svinder ind, jo større kommunen er. Mest tydeligt ved
tilfredsheden med den hjælp, som hjemmehjælperen yder til personlig pleje.
Her er omkring to tredjedele tilfredse i de mindste kommuer, mens kun
omkring halvdelen er det i de største.
I tabel 7.2 vises effekterne fra samtlige aspekter inden for ældreomsorgen.
I modsætning til tabel 7.1 tages der her hensyn til, at respondenterne
er forskellige med hensyn til alder, uddannelse og partivalg. Inden
for de ældres muligheder viser der sig kun ganske svage forskelle i
effektstyrke mellem de to tabeller. Men når det drejer sig om kvaliteten i
ældreservicen forklarer disse kontrolfaktorer en ikke helt ubetydelig del af
den bivariate effekt fra befolkningstallet. Der er i disse indledende analyser
også set på, om en dummyvariabel for hovedstadsområdet har indvirkning
på sammenhængene, men det er kun i meget ringe grad tilfældet.
Som nævnt er der kontrolleret for alder. Normalt ses der en ret tydelig
positiv effekt fra alder på tilfredshed med offentlig service. Denne sammenhæng
skifter dog i styrke, afhængig af hvilken service, der er tale om, og om
der er tale om analyser, hvor der kun medtages et bestemt aldersudsnit 1 . En
del af alderseffekten i item nr. 9 og 10 samt tildels også 11 – vedrørende
hjemmehjælp og hjemmesygepleje – skyldes, at de pårørende er mere
negative i deres bedømmelse end de ældre selv, og modellen bedres ved
indsættelse af en dummyvariabel for pårørende. Interessant nok viser denne
dummy sig ikke signifikant sammen med aldersvariablen i item nr. 8,
angående hjælpen fra plejehjemmets personale. På tidspunktet for
undersøgelsen (1995-96) var det også klart hjemmehjælpen, der var mest
i offentlighedens søgelys blandt de forskellige serviceaspekter inden for
ældreomsorgen.
61

Tabel
7.2
Kommunestørrelseseffekter på tilfredshed med ældreområdet. Multilevel, logistisk regression.
Effekterne er kontrolleret for køn, alder og partistemme 1 . Der vises procentvis ændring i oddsene for
tilfredshed (meget el. noget) mellem mindste og største kommune i stikprøven henholdsvis små og
store kommuner. Herforuden vises den andel af variansen på kommuneniveau, som de to
kommunestørrelses-variabler forklarer (kun spørgsmål, der har vist sig signifikant på bedre end 0,05
niveau, angives som andet end koefficient). I item 1 til 5 er medtaget respondenter på 65 år og derover,
mens item 9 til 11 alene angår brugere af den specifikke service samt pårørende
62
Befolkningstal (log.) 20.000 indb. el. derover
Procentvis Procent Procentvis Procent
ændring i odds Forklaret ændring i odds Forklaret Antal Antal
(mindste/største) Varians (små/store) Varians kommuner respondente
r
1) Ældres mulighed for at få en plejehjemsplads -87 *** 45 -57 *** 36 36 5396
2) Ældres mulighed for at få en ældrevenlig bolig -83 *** 51 -48 *** 33 37 5236
3) Ældres mulighed for at blive i eget hjem så længe de ønsker det -62 *** 39 -34 *** 43 36 5673
4) Ældres mulighed for at få tilstrækkelig hjemmehjælp -69 ** 31 -38 * 23 37 6006
5) Ældres mulighed for at få tilstrækkelig hjemmesygepleje -61 *** 27 -29 ** 18 37 4959
6) Ældres mulighed for aktivitet (fx i dagcenter) 34 1
7) Kommunens oplysning til ældre om deres muligheder for at få hjælp 19 15
8) Den hjælp plejehjemmets personale yder -28 -19
9) Den hjælp hjemmehjælperen yder til den personlige pleje -48 * 24 -21 2616
10) Den hjælp hjemmehjælperen yder til rengøring eller andet praktisk -40 -15
arbejde
11) Den hjælp hjemmesygeplejersken yder -40 * 3 -21 * 6 37 5581
12) Madordningen -15 -28
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
1 Aldersvariablen har stærk positiv effekt, således at jo ældre des mere tilbøjelig til at være tilfreds. Denne effekt ses generelt ved offentlig service,
men ved item nr. 8 til 12, hvor både brugere og deres pårørende er medtaget, skyldes noget af denne effekt en forskel mellem direkte og inddirekte
brugere. En dummyvariabel for, om respondenten er en pårørende, har vist sig signifikant og er medtaget i disse analyser. (Se mere herom i
teksten).

7.2 Nøjere analyse af effekterne
Det er undersøgt, om de stærke kommunestørrelseseffekter på tilfredsheden
med mulighederne for ældre kan forklares ved andre parametre end dem,
der er inddraget i tabel 7.2. I stedet for at analysere på alle
enkeltspørgsmålene for sig er der imidlertid dannet et simpelt indeks på
baggrund af disse, så man får et samlet billede af
kommunestørrelseseffekten.
Svarene på de seks spørgsmål korrelerer i øvrigt stærkt indbyrdes.
Umiddelbart kan det måske virke besynderligt, at der er en stor indbyrdes
korrelation på så forskelligartede spørgsmål, men af flere årsager er det
logisk. Gives der fx ikke tilstrækkeligt med hjemmehjælp, vil presset på
plejehjemmene stige, og indfries dernæst dette pres, vil behovet for
hjemmehjælp mindskes igen. Indfris presset derimod ikke, så vil der være
et pres på både hjemmehjælp og plejehjem. Med andre ord: de
forskelligartede tiltag inden for ældreplejen er i stor udstrækning løsninger
på samme type problem – nemlig ældre der ikke længere alene kan klare sig
i eget hjem. At de så ikke korrelerer perfekt, hænger sammen med, at problemerne
selvfølgelig ikke er helt ens og derfor ideelt set kræver forskellige
løsninger. En utilfredshed med ældres muligheder kan altså hidrøre fra for
få ressourcer, fra et forkert mix af de forskellige løsninger samt fra en dårlig
udførelse af de opgaver, der nu en gang bliver besluttet.
Både i landet som helhed og i stikprøvens kommuner generelt ses en
tendens til, at ældreudgifterne pr. ældre i kommunen er størst i de store
kommuner, og det er netop i de store kommuner, at der ses den mindste
tilfredshed. Ses i stedet på et beregnet delserviceniveau (se appendiks A) er
der i landet som helhed stadigvæk en svag tendens til, at de store kommuner
har objektivt set bedre serviceniveau – og her bruger i øvrigt
hovedstadskommunerne generelt flere penge end kommuner i tilsvarende
befolkningsmæssig størrelse. I stikprøven findes der derimod kun ganske
svage og meget usikre sammenhænge mellem kommunestørrelse og delserviceniveauet.
Så umiddelbart ser det ikke ud til, at variabler for hverken
udgifter eller serviceniveau vil kunne ændre på de stærkt negative
sammenhænge mellem kommunestørrelse og tilfredshed med de ældres
muligheder.
Alligevel har jeg dog foretaget kontrolanalyser med forskellige
63

Tabel
7.3
variabelkombinationer, hvori også indgår udgiftsniveau eller serviceniveau.
Af andre variabler er der fx inddraget: dummyvariabler for
hovedstadsområder, andel ældre borgere på 85 og derover i kommunen samt
andel mandater på Socialdemokratiet og partier til venstre herfor. Tabel 7.3
viser kommunestørrelseseffekten fra fem forskellige modeller.
Kommunestørrelseseffekt på tilfredshed med de ældres
muligheder (for plejehjemsplads, ældrevenlige boliger, for at blive
i eget hjem, så længe de ønsker det, for at få tilstrækkelig
hjemmehjælp og hjemmesygepleje samt for aktivitet – fx i
dagcentre). Multilevel, lineær regression. Ustandardiserede
betakoefficienter 1
64
Beta- Antal Antal
koefficient kommuner Respondenter
Samtlige respondenter
Model A:
Effekt fra befolkningstal (log.) kontrolleret
for alder og partivalg -0,84 *** 37 22855
Model B:
Kontrol for alder og partivalg samt for
beregnet serviceniveau inden for
ældreomsorgen og for hovedstadsområder 2
-0,90 *** 37 22855
Respondenter på 65 år og derover
Model C:
Kontrol for alder og partivalg -0,87 *** 37 5266
Model D:
Kontrol for alder og partivalg samt for
beregnet serviceniveau inden for
ældreomsorgen og for hovedstadsområder -0,91 *** 37 5266
Model E:
Som Model D, blot er to meget betydende
kommuner udeladt -0,69 *** 35 5093
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
1 Betakoefficienten fortæller, hvor meget tilfredshedsniveauet ændres fra mindste til største
kommune.
2. To dummyvariabler for kommuner i henholdsvis den nordlige og østlige omegn af hovedstaden
viser positive effekter. Disse effekter skal dog nærmere ses som rene kontrolparametre end
som selvstændige sammenhænge af interesse. I hvert af de to områder er der blot to
kommuner.

Af resultaterne fra de lineære regressionsmodeller fremgår det, både når der
analyseres på samtlige besvarelser og alene på besvarelser fra respondenter
på 65 år og derover, at der er en stærkt signifikant kommunestørrelseseffekt
på tilfredsheden med de ældres muligheder. Således er tilfredshedsniveauet
næsten et helt point højere i den mindste kommune end i den største. Dette
gælder ikke blot, når der kontrolleres for alder og partistemme (som var
blandt de basale faktorer på individniveau, der blev fundet statistisk
signifikante), men også når der kontrolleres for hovedstadsområde og
beregnet serviceniveau inden for ældreområdet. Serviceniveauet har en
stærkt signifikant positiv effekt på tilfredsheden, og de fire kommuner i det
nordlige og østlige hovedstadsområde har et lidt større tilfredshedsniveau
end andre kommuner med tilsvarende størrelse.
Imidlertid viser plot for residualer på kommuneniveau 2 , at to kommuner
med meget lavt tilfredshedsniveau kan have stor indflydelse på resultaterne,
og udtages disse af analysen, mindskes kommunestørrelseseffekten da også
noget. Men forskellen mellem mindste og største kommune er immervæk
stadig på godt og vel en tredjedel point. I øvrigt skal det i den forbindelse
nævnes, at der er foretaget kontrolanalyser på det landsdækkende datasæt
fra 1998. Heri findes helt overensstemmende effektstørrelser, og
residualplot giver her ikke anledning til nogen bekymring. 3
Som det var tilfældet både inden for børnepasningsområdet og
folkeskoleområdet ses der på ældreområdet mindst tilfredshedsvariation
mellem kommunerne på de mere bløde områder. Fx findes en
standardvariation på kommuneniveau for tilfredsheden med
hjemmehjælperens hjælp til personlig pleje på 0,23, mens det tilsvarende
tal for hjemmehjælperens hjælp til rengøring og praktisk arbejde er på
0,38. Og standardvariationen for tilfredsheden med kommunens
madordning er på 0,43.
Til sidst skal det nævnes, at effekten fra kommunestørrelse bekræftes af
analyser med fem dummyvariabler, der signalerer forskellig
kommunestørrelse.
7.3 Delkonklusion
• Inden for ældreområdet viser der sig at være stærke negative effekter fra
65

kommunestørrelse, således at jo større kommune, desto mere utilfredse
respondenter.
• Det er imidlertid sammenhængene vedrørende de ældres muligheder,
der er mest overbevisende: mulighederne for tilstrækkelig hjemmehjælp
og hjemmesygepleje, mulighederne for plejehjemspladser og ældrevenlige
boliger samt mulighederne for at kunne blive i eget hjem.
Vedrørende kvaliteten i ældreomsorgen ses dog en tendens til, at der i de
større kommuner er større utilfredshed med den hjælp,
hjemmesygeplejersken yder, og med den hjælp, hjemmehjælperen yder
til personlig pleje. Derimod er der fx ikke signifikante
kommunestørrelseseffekter på tilfredsheden med hjemmehjælperens
rengøring og praktiske arbejde samt på tilfredsheden med hjælpen fra
plejehjemmenes personale.
• Som inden for både børnepasning og folkeskole ses der også inden for
ældreområdet størst variation i tilfredshed mellem kommunerne, når det
drejer sig om de mere hårde og konkrete aspekter som fx kommunens
madordning og hjemmehjælperens hjælp til rengøring og praktisk
arbejde.
Noter
1. Ses der på begrænsede aldersudsnit, kan effektretningen endog vende. Dette ses fx inden for
nogle items ved børnepasningsområdet, hvor »modne« forældre er mere kritiske end helt
unge.
2. Plot for afvigelser mellem modellens beregning af forventede niveauer for kommunernes
tilfredshed og kommunernes faktiske tilfredshedsniveauer.
3. Det kan i denne forbindelse tilføjes, at analyserne inden for ældreomsorgen på det
landsdækkende datasæt er metodisk interessante. Selv om der er tale om et helt almindeligt
landsdækkende datasæt (tilfældig udvalgt stikprøve fra hele landets befolkning på 18 år og
derover på ca. 1600 respondenter), er der her behov for at benytte sig af analyseværktøjer,
der kan håndtere Multilevel Models. Dette viser, at det ikke kun er ved analyser på meget
specielle datasæt, at dette er nødvendigt. Hver gang der er analysevariabler på flere
forskellige niveauer, kan problemet opstå, men selvfølgelig vokser problemets omfang, des
færre analyseenheder på højere niveau. Se i øvrigt også afsnit 9.1.
66

8 Fritid og kultur
Inden for fritids- og kulturområdet er der stillet otte tilfredshedsspørgsmål
inden for seks forskellige delområder. De otte spørgsmål lyder:
Hvor tilfreds er du med:
1)mulighederne for at dyrke idræt og motion?
2)mulighederne for at børn og unge kan mødes i fritidsklubber el. lign?
3)adgangen til grønne områder o.l.?
4)vedligeholdelsen af grønne områder?
5)omfanget af de kulturelle tilbud – biografer, teatre, museer, koncerter, mv.?
6)afstanden til bibliotekerne 1 i kommunen?
7)den service, lånerne får på bibliotekerne 1 i kommunen?
8)omfanget af tilbud inden for fritidsundervisningen?
1 Eller bogbussen.
Som nævnt indledningsvis i rapporten, er præsentationen af
analyseresultaterne inden for kerneområderne børnepasning, folkeskole og
ældreomsorg noget mere detaljerede end inden for øvrige serviceområder.
I dette kapitel vedrørende fritid og kultur præsenteres således ikke
analyseresultater fra samtlige items. Som inden for kerneområderne
præsenteres først de kommunestørrelseseffekter, der i de rent bivariate
analyser har vist sig signifikante på 0,05 niveau eller bedre. Herefter
behandles kun disse, samt eventuelt andre der i videre analyser viser sig
statistisk signifikante.
Ved to af ovennævnte spørgsmål – vedrørende omfanget af kulturelle
tilbud og omfanget af tilbud inden for fritidsundervisningen – findes
statistisk signifikante kommunestørrelseseffekter, i begge tilfælde positive.
Med hensyn til den service, lånerne får på bibliotekerne, så findes
imidlertid en statistisk signifikant negativ sammenhæng mellem kommune-
67

Tabel
8.1
størrelse og tilfredshed, hvis der alene analyseres på respondenter, der
benytter bibliotekerne mindst en gang om måneden. Disse tre
sammenhænge fremgår af tabel 8.1. 1
Som noget nyt ses altså her positive effekter. Det er imidlertid ikke
overraskende, at det netop er inden for fritids- og kulturområdet, at der ses
tendenser til større tilfredshed i de større kommuner. Med hensyn til fx
kulturelle tilbud og fritidsundervisning har de større kommuner, som
generelt også har større sammenhængende byområder, klart bedre
muligheder for at lægge et varieret udbud ud til borgerne. Det har de
imidlertid også vedrørende biblioteksservice, men her ses altså alligevel en
negativ sammenhæng. Og de forskelligrettede kommunestørrelseseffekter
kan ikke forklares igennem respondenternes vurdering af de pågældende
serviceområders vigtighed.
Bivariate kommunestørrelseseffekter på tilfredsheden inden for
fritids- og kulturområdet. Multilevel logistisk regression. Estimerede
procentandele tilfredse i henholdsvis mindste og største
kommune i stikprøven samt procentvis ændring i odds mellem
disse
Estimeret
procentandel
tilfredse i: Procentvis
Antal kommuner: 35-37 mindste største ændring i
Minimum antal respondenter i en enkelt kommune:
200
kommune kommune odds
5) Omfanget af de kulturelle tilbud – biografer, teatre
museer, koncerter, mv.
7) Den service, lånerne får på bibliotekerne i kom-
54 92 *** 910
munen 1
90 81 ** -53
8) Omfanget af tilbud inden for fritidsundervisningen 72 89 *** 212
** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
1 Kun med de respondenter, der benytter biblioteker mindst én gang månedligt.
Ved kontrol for basale faktorer på individniveau fremstår stadigvæk alene
de tre ovenfor viste sammenhænge – sammenhængen vedrørende biblioteksservice
svækkes dog noget og er efter kontrol kun signifikant på 0,05
niveau. Netop disse tre sammenhænge bekræftes i øvrigt ved parallelle
analyser på landsdatasættet fra 1998.
68

For to af de otte spørgsmål inden for fritids- og kulturområdet har det
været muligt at fremskaffe tal for udgiftsstørrelser, der i rimelig grad
matcher det, som spørgsmålene drejer sig om. Det drejer sig om biblioteker
og kulturelle arrangementer (og for biblioteker er der desuden beregnet et
delserviceniveau, dvs. at udgifterne er justeret for behovsfaktorer).
Variablerne for udgiftsniveau/serviceniveau korrelerer positivt med
tilfredsheden inden for det respektive område, men ingen af dem er
statistisk signifikante, når også kommunestørrelse inddrages i modellen.
Dog kan det især for de kulturelle arrangementers vedkommende være
vanskeligt at bestemme, hvor meget af den positive effekt på tilfredsheden
skyldes kommunestørrelse henholdsvis udgiftsniveau, da der er en stærk
positiv korrelation mellem disse to variabler 2 . Sammenhængen mellem
kommunestørrelse og tilfredsheden med de kulturelle arrangementer kan i
øvrigt delvist forklares ved andel mandater i byrådet til Socialdemokratiet
eller partier til venstre herfor samt andel faglærte og ufaglærte arbejdere i
kommunen 3 .
Spørgsmålet, der lades tilbage efter ovenfor omtalte sammenhænge, er,
hvorfor der ses forskelligrettede effektretninger. Man må forvente en
objektivt bedre service, hvad angår både bibliotek og kulturelle aktiviteter,
i den forstand at de større kommuner vil kunne (og vel også vil føle sig
forpligtiget til at) tilbyde en langt mere alsidig og omfattende service –
museer, rigt udbud af musikarrangementer, righoldigt udbud af bøger til
låns, internetservice osv. Alligevel ses der altså en lavere tilfredshed i de
store kommuner, hvad angår biblioteksservice. Én forklaring herpå kan være
den, at der med biblioteksservice mestendels forstås den helt personlige
service, som gives af bibliotekarerne og andre biblioteksansatte. Dette
støttes af, at der faktisk ikke er de store variationer mellem kommunerne i
tilfredsheden med biblioteksservice. En anden forklaring kunne være, at
man i små og store kommuner bedømmer vigtigheden, og dermed også
tilfredsheden, af biblioteksservicen ud fra forskellige forventninger. Hvis
dette sidste i hvert fald i nogen udstrækning er tilfældet, hvilket lyder
rimeligt, så må dette også gælde for omfanget af fritidsundervisning og
kulturelle arrangementer, hvorfor vi står med et forklaringsproblem ved
kommunestørrelseseffekterne her i stedet. Det kan dog ganske simpelt
forklares ved, at selv om der i de små kommuner skulle være lavere
forventning til fritidsundervisning og kulturelle arrangementer, så er der
69

trods alt grænser for, hvor lavt serviceniveauet kan sættes. Det kunne i så
fald betyde, at politikerne i de små kommuner generelt forregner sig i deres
antagelser om, hvor meget mindre forventning der er blandt borgerne til
kulturelle tilbud og fritidsundervisning.
8.1 Delkonklusion
• Generelt ses en større tilfredshed i større kommuner. Inden for de fleste
delområder er disse dog ikke signifikante. Men sammenhængene er
stærke og meget statistisk sikre vedrørende tilfredsheden med de
kulturelle tilbud samt omfanget af fritidsundervisningen. Effekten på
kulturelle tilbud tyder imidlertid på at hænge sammen med bl.a.
kommunalbestyrelsens sammenhæng og et højere serviceniveau i de
større kommuner. Givetvis kan kommunestørrelseseffekten på
tilfredsheden med omfanget af fritidsundervisningen på lignende facon
delvist forklares ud fra udgiftsniveauet.
• Til gengæld bedømmes biblioteksservicen ringere jo større kommunerne
er, men denne sammenhæng findes kun blandt brugere af bibliotekerne
(mindst én gang om måneden).
Noter
1. Der findes ganske vist endnu én signifikant effekt, nemlig vedrørende adgangen til grønne
områder o.l. Her viser bivariat analyse, at større kommuner har tendens til større tilfredshed.
Imidlertid er analysemodellen meget problematisk i og med nogle enkelte kommuner har
overvældende stor betydning. Ses der fx alene på kommuner uden for hovedstadsområdet
forsvinder den positive sammenhæng. Derfor er denne effekt udeladt af tabel 8.1.
2. Der findes således en Pearson r korrelationskoefficient på 0,77 mellem kommunestørrelse
(logaritmisk transformation af befolkningstal) og udgifter til kulturelle arrangementer ved
en analyse på stikprøvekommunerne.
3. Disse faktorer har i øvrigt selvstændig effekt på tilfredsheden uafhængigt af, om der på
individniveau kontrolleres for partistemme, samt for hvorvidt respondenten er faglært eller
ufaglært arbejder.
70

9 Trafik og miljø
Størrelseseffekterne inden for trafikområdet skal kun gennemgås ganske
kort. Området er i forhold til de øvrige gennemgåede serviceområder
vanskeligt at konkludere på. Dels er opgaven for små landkommuner og
store bykommuner vidt forskellig, dels er det nærmest umuligt for
respondenterne at holde rede på, hvad der er kommunale veje, og hvad der
er amtslige og statslige. Der sammenlignes altså vidt forskellige
serviceopgaver, og det er desuden ikke til at sige, hvad der egentlig
bedømmes i tilfredshedssvarene. Desuden er det ved de fleste spørgsmål
vanskeligt at kontrollere størrelseseffekterne for udgiftsniveauer, der
matcher disse. Af disse årsager er det valgt blot at se på de bivariate effekter
samt disse kontrolleret for de basale parametre på individniveau. Inden for
området er der spurgt om følgende:
Hvor tilfreds er du med:
1)trafiksikkerheden for cyklister?
2)trafiksikkerheden til og fra skolerne?
3)vedligeholdelsen af gader og veje?
4)rengøringen af gader og veje?
5)de genbrugsordninger, der er i kommunen?
6)afhentningen af husholdningsaffald?
7)forureningsbekæmpelsen (fx rensning af spildevand, tilsyn med virksomheder,
mv.)?
8)den kollektive bustrafik?
To steder blev der fundet bivariate effekter fra kommunestørrelse, der er
signifikante på 0,05 niveau eller bedre, nemlig ved item nr. 3 og 8. Jo større
kommune des mindre tilfredshed med vedligeholdelsen af gader og veje, og
des større tilfredshed med den kollektive bustrafik. De to sammenhænge
vises i tabel 9.1.
71

Tabel
9.1
Bivariate kommunestørrelseseffekter på tilfredsheden inden for
trafik og miljø. Multilevel logistisk regression. Estimerede procentandele
tilfredse i henholdsvis mindste og største kommune i
stikprøven samt procentvis ændring i odds mellem disse
Estimeret procentandel
tilfredse i: Procentvis
Antal kommuner: 36-37 mindste største ændring i
Mindste antal respondenter i en enkelt kommune: 20 kommune kommune odds
3) Vedligeholdelsen af gader og veje 44 24 ** -61
4a) Den kollektive bustrafik 52 70 * 119
4b) Den kollektive bustrafik (brugere) 57 84 *** 286
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
Ved kontrol for køn, alder, uddannelse, partistemme samt
hovedstadsområde, findes de samme to kommunestørrelseseffekter, dog
svækkes sammenhængen mellem kommunestørrelse og item nr. 3,
tilfredsheden med vedligeholdelsen af gader og veje, ligesom også det
statistiske signifikansniveau bliver ringere – nu kun bedre end 0,05.
9.1 Metodisk ekskurs: Sammenligning af
resultater fra forskellige datasæt og forskellige
analysemetoder med trafik- og miljøområdet
som eksempel
Der er som ved de øvrige serviceområder foretaget parallelle analyser på
landsdatasættet fra 1998. De er rimeligt overensstemmende. Således bekræftes
de ovennævnte sammenhænge til fulde. Imidlertid ses ved endnu
fire items statistisk sikre sammenhænge på dette datasæt, hvorfor det er
valgt at gengive resultaterne fra disse analyser tillige. Der er selvfølgelig
ikke noget mistænkeligt i, at der findes forskelle analyseresultaterne imellem.
For det første er der tale om, at surveyene er foretaget på forskellige
tidspunkter, henholdsvis i 1995-96 og 1998, for det andet vil resultaterne
aldrig kunne blive helt ens grundet tilfældigheder, og for det tredje er der
trods alt tale om to vidt forskellige typer af datasæt – det ene med mange
respondenter fra forholdsvis få kommuner, det andet med få respondenter
72

Tabel
9.2
fra mange kommuner. Og så skal det ikke glemmes, at på alle de øvrige serviceområder
er der fundet bemærkelsesværdige overensstemmende resultater
på de bivariate analyser, hvilket tyder på stor pålidelighed.
I tabel 9.2 vises kommunestørrelseseffekter på samtlige otte items inden
for området, kontrolleret for alder og hovedstadsområde. Der vises resultater
fra dels Multilevel (to niveauer) logistisk regression, dels ‘almindelig’ (et
niveau) logistisk regression. Ikke metodisk interesserede kan springe op og
falde ned på dette og blot koncentrere opmærksomheden på resultaterne til
højre i tabellen fra Multilevel analysen. Her ses, at der ved item nr. 4, 5, 6
og 7 til forskel fra resultaterne i tabel 9.1 er tendenser til mindre tilfredshed
des større kommune.
Kommunestørrelseseffekter på tilfredsheden med trafik- og miljøområdet,
kontrolleret for hovedstadsområde og alder. Henholdsvis
One Level og Multilevel (two level) logistisk regression. Beregnet
procentandel tilfredse i mindste og største kommune 1
One Level Analysis Two Level Analysis
Procent tilfredse i Procent tilfredse i
mindste største mindste største
kommune kommune kommune kommune
1) Trafiksikkerheden for cyklister
50 48 47 61
2) Trafiksikkerheden til og
fra skolerne 50 39 * 49 42
3) Vedligeholdelsen af gader
og veje 44 22 *** 43 22 **
4) Rengøringen af gader og
veje 62 42 *** 62 42 ***
5) De genbrugsordninger,
der er i kommunen 82 60 *** 82 63 **
6) Afhentningen af husholdningsaffald
83 64 *** 83 65 ***
7) Forureningsbekæmpelsen 63 36 *** 62 42 *
8) Den kollektive bustrafik 47 78 *** 47 79 ***
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
1 Da det er logistisk regression, er der egentlig tale om beregning af sandsynligheder for
tilfredshed og ikke procentandele tilfredse. Sandsynligheden for tilfredshed er beregnet for
respondenter af gennemsnitlig alder uden for hovedstadsområdet.
For mere metodisk interesserede lægges der mærke til, at de samme
analyser med »almindelig« (et niveau) logistisk regression giver betydeligt
73

edre statistisk signifikansniveau ved item nr. 2, 3, 5 og 7, og ved to items
ses ganske betydelige forskelle i sandsynligheder/procentandele de to
metoder imellem. Ved item nr. 1 ændres fortegnet ligefrem (ved ingen af
metoderne ses der dog ved dette item et signifikansniveau på 0,05 niveau
el. bedre), og ved item nr. 7 indsnævres forskellen mellem mindste og
største kommune fra 27 procentpoint til 20. Resultaterne viser, at selv ved
helt almindelige surveys med data fra landsdækkende, repræsentative
stikprøver kan man komme galt af sted, hvis man ignorerer, at der er tale om
analyse på flere niveauer samtidigt. Effekterne kan være misvisende og især
kan der opstå problemer med for små standardfejl og medfølgende
fejlberegning af det statistiske signifikansniveau. 1 Se i appendiks A for mere
om Multilevel analyse.
9.2 Delkonklusion
• Der ses tendens til, at jo større kommune, des mindre tilfredshed med
vedligeholdelsen af gader og veje og des større tilfredshed med den
kollektive bustrafik. Og disse sammenhænge ses også, selv om der
kontrolleres for køn, alder, uddannelse, partistemme og
hovedstadsområde. Vedrørende rengøring af gader og veje samt
spørgsmål om miljø (genbrugsordninger, afhentning af husholdningsaffald
og forureningsbekæmpelse) ses der på det datasæt, der
primært er benyttet gennem rapporten, ingen statistisk signifikante
størrelseseffekter. Kontrolanalyser på det »lille« landsdækkende datasæt
viser derimod negative størrelseseffekter, sådan at jo større kommune,
des mindre tilfredshed inden for disse områder. Med hensyn til
tilfredsheden med trafiksikkerheden, ses der derimod ved ingen af
analyserne signifikante forskelle mellem små og store kommuner.
• Analyser på det landsdækkende survey, dels med almindelig logistisk
regression, dels med Multilevel logistisk regression, viser, at man, selv
når der er tale om helt ordinære stikprøver, skal tage sig i agt for ikke at
negligere en flerniveaustruktur.
74

Noter
1. Ofte vil fejlberegningerne dog kunne minimeres ved blot at nedvægte respondenter fra
enkelte enheder på højere liggende niveau eller alternativt indsætte dummyvariabler for disse
eller udtage dem. Vedrørende item nr. 7 fx er det tilstrækkeligt enten at udtage respondenter
fra Københavns Kommune eller indsætte en dummyvariabel herfor.
75

10 Inden for hvilke områder
skal der efter respondenternes
mening bruges
flere penge?
Vi har nu set, hvordan tilfredsheden inden for en række serviceområder er
forskellig i små og store kommuner. Umiddelbart ses de mest
iøjnespringende forskelle inden for børnepasningsområdet og ældreområdet
samt med hensyn til udbudet af kulturelle aktiviteter. På børnepasningsområdet
og ældreområdet er der mest udbredt tilfredshed i de små
kommuner, mens tilfredsheden med udbudet af kulturelle aktiviteter er
størst i de store kommuner.
Her til slut skal vi se på, om disse tilfredshedsforskelle også kan spores
i svar på spørgsmål om, hvor der efter respondenternes opfattelse især skal
bruges flere penge fremover. Det er selvfølgelig ikke sådan, at enhver, der
er utilfreds med en service, også mener, der skal bruges flere penge på
denne service. Respondenten kan synes, at forbedringer bør ske på anden
vis, og vedkommende kan simpelthen være utilfreds, fordi der bliver brugt
for mange penge. Imidlertid er der tidligere på dette datasæt fundet stor
overensstemmelse på individniveau mellem det at være utilfreds med en
service og det at kræve flere penge (Lolle 1999), så der er på forhånd en
formodning om nogenlunde overensstemmelse på kommuneplan også. 1
Tabel 10.1 viser kommunestørrelseseffekterne på, hvor stor en andel der
ønsker flere penge brugt på de forskellige serviceydelser, dels de bivariate
effekter, dels effekter kontrolleret for alder, køn, uddannelse og
partistemme.
Heraf fremgår med stor statistisk sikkerhed, at en langt større andel af
borgerne i de store kommuner mener, der skal bruges flere penge inden for
børnepasning og ældreomsorg. Netop inden for disse to serviceområder
viste der sig også de stærkeste og mest sikre negative kommunestørrelses-
76

Tabel
10.1
effekter. Endvidere ses der af tabellen en tendens til, at flere borgere i de
store kommuner ønsker flere penge brugt på vedligeholdelse af veje, hvilket
ligeledes harmonerer med tilfredshedsundersøgelserne.
Af tabellen fremgår desuden en tendens til, at lidt flere i de små
kommuner ønsker flere penge brugt på kulturelle aktiviteter, hvilket
harmonerer med, at tilfredsheden med omfanget af kulturelle tilbud blev
fundet lavest i de små kommuner.
Hvor skal der bruges flere penge? Kommunestørrelseseffekter
(bivariate og kontrollerede) på om respondenten mener, at der
skal bruges flere penge til en given service. Multilevel logistisk
regression. Procentandel der svarer, at der skal bruges flere
penge. N = 1661 (234 kommuner)
Bivariat analyse Kontroleret
analyse 1
Procentandel der går
ind for flere penge i Procentvi
s
Procentvi
s
mindste største ændring i ændring i
kommune kommune odds odds
1) Kommunens skoler 35 40 26 3
2) Børnepasning 38 66 206 *** 199 ***
3) Hjemmehjælp/hjemme
sygepleje
60 77 120 * 97 *
4) Plejehjem 52 77 209 *** 217 ***
5) Ældreboliger 49 71 155 *** 182 ***
6) Biblioteker 7 4 -37 -45 *
7) Tilskud til kulturelle
aktiviteter(musik, udstilling,
mv.)
11 8 -41 ** -54 ***
8) Rekreative, grønne områder
og lignende
14 21 57 * 55 *
9) Vedligeholdelse af veje 33 50 109 * 126 *
10) Sport og fritidsaktiviteter 16 13 -21 -23
11) Forbedring af miljøet 36 48 61 *** 50 ***
12) Borgerbetjeningen på rådhuset
7 5 -30 * -30 *
13) Trafiksikkerhed 47 52 20 16
* Signifikant på 0,05 niveau ** Signifikant på 0,01 niveau *** Signifikant på 0,001 niveau.
1 Kontrolleret for alder, køn, uddannelse og partivalg.
77

Ved tre items findes der kommunestørrelseseffekter, der ikke uden videre
kan bekræftes gennem tilfredshedsundersøgelserne, nemlig vedrørende
biblioteker, hvor lidt flere i de mindste kommuner ønsker flere penge brugt,
samt vedrørende rekreative, grønne områder og forbedring af miljøet, hvor
flest i de største kommuner ønsker flere penge brugt. To af disse
sammenhænge er dog ikke meget overbevisende, og i det store og hele (og
så afgjort på kerneområderne) findes der overensstemmelse mellem
kommunestørrelseseffekterne på henholdsvis utilfredshed og kravet om
flere ressourcer. I øvrigt kan den manglende overensstemmelse mellem
tilfredshed og krav om flere penge inden for biblioteksområdet være tegn
på, at tilfredshedsbedømmelsen mere angår den personlige service og ikke
så meget faciliteterne. Det var netop, hvad der syntes sandsynligt ud fra
analyserne vedrørende tilfredsheden med biblioteksservicen (s. 69).
Noter
1. Dette gælder også, selv om der på det tilfredshedsindeks, der blev dannet ud fra ressourcespørgsmålene
ikke blev fundet statistisk signifikante kommunestørrelseseffekter. For det
første var der her tale om et samlet mål, og for det andet defineredes tilfredshed som
afkrydsninger i enten »lige så mange penge« eller »ved ikke«. De øvrige rubrikker er »færre
penge« og »flere penge«. I dette kapitel ses på respondenter, der ønsker flere penge.
78

11 Konklusion
Med hensyn til tilfredsheden med den samlede kommunale service kan det
konkluderes, at der findes en negativ effekt fra kommunestørrelse, således
at jo større befolkningstal desto mindre gennemsnitlig tilfredshed. Kommunestørrelseseffekten
kan dog kun siges at være statistisk signifikant, når
der kontrolleres for kommunens serviceniveau. Endvidere forholder det sig
sådan, at hovedstadsområdet har et tilfredshedsniveau på linie med de små
kommuner, som meget vel kan skyldes hovedstadskommunernes gunstige
service- og beskatningsniveau.
Der ses derimod ingen effekt fra kommunestørrelse, når det gælder
respondenternes tilfredshed set i lyset af skattebetaling samt synet på, om
kommunen bruger tilpas med ressourcer inden for de enkelte
serviceområder.
Det var ventet, at tilliden til lokalpolitikere ville være en relevant kontrolfaktor.
Der ses da også stærk sammenhæng mellem tillid og tilfredshed,
men det viser sig, at kommunestørrelse stort set ingen effekt har på tilliden,
hvorfor effekten fra kommunestørrelse på tilfredsheden står forholdsvis
uforandret efter kontrol.
Ved tilfredsheden med pasningsmulighederne for de 0-5 årige ses der
en meget stærk negativ effekt fra kommunestørrelse. Ved nøjere analyse
viser denne effekt sig at kunne forklares gennem en større andel i de store
kommuner, der angiver at mangle plads til deres barn, hvilket er en meget
forståelig årsag. Men ud fra de objektive behovskriterier for børnepasning
burde der ikke være flere, der mangler plads i de store kommuner end i de
små. Noget tyder derfor på, at forældrene i de store kommuner er mere
fordringsfulde. En anden årsag kan være, at der findes behovskriterier, der
ikke har været mulighed for at kontrollere for. På den anden side
79

forekommer forklaringen med den større fordringsfuldhed sandsynlig, og
en sådan er da også fundet i tidligere undersøgelser. I hovedstadsområdet
er der ikke den samme store utilfredshed, som gør sig gældende for de
øvrige større og mere urbaniserede kommuner, men til gengæld er der i
hovedstadsområdet så også en langt større dækningsgrad.
Ses der på pasningskvaliteten for de 0-5 årige, er der ikke
nævneværdige forskelle mellem små og store kommuner, hvad angår de
personaleafhængige faktorer, som fx personalets evne til at skabe et trygt og
stimulerende miljø. Umiddelbart ser der imidlertid ud til at være en langt
større utilfredshed med personalets/dagplejerens tid til det enkelte barn i de
store kommuner. Langt overvejende skyldes denne sammenhæng ganske
vist, at en større andel af børnene i de små og svagt urbaniserede kommuner
bliver passet i dagpleje. Og forældrene med børn i dagpleje giver generelt -
både i små og store kommuner – udtryk for en langt større tilfredshed med
pasningskvaliteten.
Inden for folkeskoleområdet ses der ikke megen sammenhæng mellem
kommunestørrelse og tilfredshed. Dog kan det med stor statistisk sikkerhed
siges, at der er en større utilfredshed med antallet af elever i klasserne i de
store kommuner, men det kan forklares gennem højere gennemsnitlige
klassekvotienter i de store kommuner. I nogen grad kan dette jo faktisk
skyldes en bevidst planlægning. Det er lettere for de større
sammenhængende byområder at holde en konstant og ret høj klassekvotient,
end det er for landområderne, og en hævning af klassekvotienten giver
besparelser på budgettet. Og rent faktisk tyder meget på, at en moderat
utilfredshed med klassekvotienten ikke betyder noget særligt for den
samlede tilfredshed med folkeskoleområdet. Det gør derimod de mere bløde
aspekter som fx kontakten mellem forældrene og skolebestyrelsen og den
måde, undervisningen foregår på. Ud over sammenhængen mellem
kommunestørrelse og tilfredsheden med antal elever i klasserne er der en
forventet, men forholdsvis svag sammenhæng mellem kommunestørrelse
og tilfredsheden med afstanden til skolen. Her er der en lidt større
utilfredshed i de små kommuner, som jo givetvis hænger sammen med, at
afstanden simpelthen er længere, og at det i praksis er umuligt at gøre den
lige så kort som i byområderne.
80
Ældreområdet er det område, hvor der ses den stærkeste sammenhæng

mellem kommunestørrelse og tilfredshed. De ældres muligheder for omsorg,
pleje og bolig, passende til behov, bedømmes betydeligt ringere i de større
kommuner. Ligeledes bedømmes kvaliteten af hjemmehjælp og
hjemmesygepleje ringere, og forskellen kan ikke forklares med forskel i
udgiftsniveau. Ved de ældres muligheder er der endvidere en positiv effekt
fra hovedstadsområdet, således at der her ses tilfredshed på højde med de
mindre kommuner. Det gør sig dog i lidt ringere grad gældende for de to
kommuner i Københavns centrum end for de øvrige hovedstadskommuner.
Inden for fritid og kultur er der i de større kommuner en klart højere
gennemsnitlig tilfredshed med omfanget af de kulturelle tilbud (biografer,
teatre, museer, koncerter, mv.) samt med omfanget af tilbud inden for
fritidsundervisningen. Det er forståeligt nok, da der til disse ting bliver
brugt langt flere penge i de større kommuner. Men de kulturelle tilbud ser
i øvrigt også ud til at være påvirket af kommunalbestyrelsens
sammensætning, også selv om der tages højde for udgiftsniveauet.
Det umiddelbare indtryk er, at der ingen forskel er mellem store og små
kommuner, hvad angår bibliotekservice, men analyseres der udelukkende
på brugere af biblioteker, ses en statistisk sikker sammenhæng, sådan at jo
større kommune, desto mere udbredt utilfredshed, hvilket kunne tyde på en
større fordringsfuldhed på dette område i store kommuner, ligesom det så
ud til at være tilfældet med børnepasningsmulighederne.
Vedrørende trafik og miljøområdet kan det til slut i forbindelse med de
enkelte serviceområder nævnes, at der i de små kommuner ses en større
andel tilfredse, hvad angår vedligeholdelsen af gader og veje, samt en
mindre andel tilfredse, hvad angår den kollektive bustrafik (når der alene
analyseres på respondenter, der benytter sig af bustransport mindst en gang
om måneden).
Målet for tilfredsheden med den samlede kommunale service er blevet
til ud fra spørgsmål på alle enkeltområderne. Den negative kommunestørrelseseffekt,
der blev fundet på dette mål, kan efter analyserne på de
enkelte områder hver for sig stort set forklares ud fra en markant lavere
tilfredshed i de store kommuner inden for børnepasningen og
ældreomsorgen.
Men hvordan hænger dette sammen med Såheim og Fjermeros’ tese om,
81

at effektens retning afhænger af, hvilken form for interaktion, der ses
mellem brugere og servicepersonale. I serviceydelser med intensiv
interaktion, og hvor denne interaktion i vidt omfang ses som et mål i sig
selv, skulle tilfredsheden ifølge tesen være størst i de små kommuner, da de
små kommuners sociale netværk bedre vil kunne anspore til en positiv
interaktion. Derimod skulle tilfredsheden med serviceydelser, der mere har
karakter af produktion af materielle goder, være højest i de store kommuner.
Man kunne måske sammenfatte tesen sådan, at nok er de store kommuner
produktive, men produktivitet er ikke alt, og inden for visse serviceområder
vil de små kommuner ende med at være mest effektive.
Det er ikke nemt at få analyseresultaterne til at passe ind i denne tese.
Ganske vist ses der størst tilfredshed i de små kommuner med
børnepasningen og ældreomsorgen, mens der omvendt ses størst tilfredshed
i de store kommuner med kulturelle tilbud og fritidsundervisning. Men der
er andre resultater, der passer langt dårligere med tesen. Fx er utilfredsheden
med vejvedligeholdelsen, som mestendels har materiel karakter, størst i de
store kommuner (ekskl. hovedstadskommunerne), mens der ikke ses
synderlige tilfredshedsforskelle vedrørende folkeskolen, hvor der i forhold
til tesen sikkert burde være størst tilfredshed i de små kommuner. Endvidere
ses der både ved børnepasningen og ældreomsorgen kun ganske små
kommunestørrelseseffekter, når det drejer sig om aspekter vedrørende
personalets ydelser, og i forhold til tesen burde effekterne være tydelige her.
Med hensyn til spørgsmålet om hvorvidt en anderledes
kommunestruktur, end den vi har i dag, vil kunne tænkes generelt at øge
tilfredsheden med den kommunale service, må man sige, at det ser det ikke
meget ud til. De tilfredshedsforskelle, der er, hænger sandsynligvis mere
sammen med en rent fysisk struktur end med politiske og administrative
enheders afgrænsinger. Lige meget om landkommuner blev nok så store,
ville de fx stadigvæk have svært ved at matche de større byers evne til at
organisere et varieret udbud af kulturelle arrangementer og
fritidsundervisning, tæt på alle potentielle brugere. Og det er langt fra givet,
at forældrene til 0-5-årige børn i de store byer ville blive mindre
fordringsfulde, hvis bykommunerne blev splittet op i mindre enheder. Og
hvis det var tilfældet, kunne man måske nøjes med mere decentralisering
inden for den nuværende kommunestruktur. Dette kunne måske skabe mere
82

deltagelse, mere viden om kommunal økonomi og erkendelse af sparsomme
ressourcer.
Med hensyn til eksemplet med kulturelle tilbud så ville en
sammenlægning af flere landkommuner selvfølgelig kunne gøre det muligt
fx at bygge et stort kulturcenter. Problemet er, hvor det skal ligge, og i
øvrigt vil sådanne projekter vel også kunne gennemføres ved samarbejde
mellem flere små kommuner. Og generelt må der på baggrund af analyserne
inden for de forskellige områder konkluderes, at de små kommuners evne
til at yde god service til deres borgere faktisk er ganske god.
83

Appendiks A
Undersøgelsesdesign, data og analysemetode
A.1 Undersøgelsesdesign og dataklargøring
Undersøgelsesdesign og udførelse (firmaet Uni C er med i udførelsesfasen)
blev udbudt til salg til samtlige landets primærkommuner, hvoraf lidt over
40 kommuner takkede ja til tilbudet. Enkelte af kommunerne indgik som
»pilotkommuner« med et lidt anderledes spørgeskema. Ved simpel, tilfældig
udvælgelse har omkring 2.000 borgere i alderen fra 18 år og derover fra
hver af de deltagende kommuner fået tilsendt et spørgeskema med en lang
række spørgsmål angående først og fremmest tilfredsheden med den offentlige
kommunale service, men derudover også spørgsmål angående bl.a.
tillid til lokalpolitikere, syn på brugermedbestemmelse og i hvor høj grad
respondenten benytter sig af de forskellige servicetilbud. Spørgeskemaet
indeholdt selvfølgelig også en række baggrundsspørgsmål som alder, køn,
uddannelse osv. I samtlige kommuner er besvarelsesprocenten omkring
60% eller derover, og alt i alt findes besvarelser fra 47086 respondenter.
Fordelingen på en række baggrundsvariabler i stikprøven er i øvrigt i god
overensstemmelse med de faktiske populationer i kommunerne, og fordelingen
af kommuner i forhold til størrelse og urbaniseringsgrad er ganske
heldigt skævt fordelt på en måde, så de større og stærkere urbaniserede
kommuner bliver repræsenteret på fornuftig vis. 1
Der er skrevet rapporter til hver enkelt kommune samt til en landsundersøgelse
fra 1995. Ca. halvdelen af kommunerne har valgt at få gentaget
undersøgelsen i 1998 for at kunne få et indtryk af udviklingen i tilfredsheden,
ligesom der også er foretaget endnu en landsundersøgelse. Fra første
surveygennemførelse var det muligt at samle et datasæt med 37 kommuner,
og disse data er bl.a. blevet benyttet til at analysere sammenhængen mellem
84

udgifter og tilfredshed (Lolle 1998). Samme data benyttes i denne rapport.
Surveydata
Alle spørgsmålene angående tilfredshed figurerer i spørgeskemaet med fem
faste svarkategorier plus en rubrik for »ved ikke«. I analyserne af enkelte
tilfredshedssvar som afhængige variabler, benyttes disse i en rekodet form
med kun to mulige værdier, hvor tallet »1« signalerer tilfredshed (meget
eller noget tilfreds), mens tallet »0« signalerer utilfredshed eller afkrydsning
i »ved ikke«-rubrikken – såkaldte »dummyvariabler«. Denne rekodning er
foretaget, fordi de oprindelige data med en fempunkts ordinalskala ikke
egner sig til lineære analysemodeller. Det gør de rekodede data ganske vist
heller ikke, men disse er til gengæld egnede til logistisk regression. Denne
analysemetode benyttes derfor til undersøgelse af enkeltspørgsmål (se mere
herom i følgende afsnit).
I en række analyser er der benyttet serier af tilfredshedsspørgsmål ved
dannelse af indeksværdier, og her vil det kunne forsvares at benytte lineære
modeller. Indeksene er dannet som simple gennemsnit af svarværdierne til
de enkelte spørgsmål, der indgår i pågældende indeks. Tilfredshedsindekset
for den samlede kommunale service dannes som et gennemsnit af gennemsnit.
Først beregnes gennemsnit inden for de enkelte hovedområder, og
derefter beregnes et samlet gennemsnit heraf. De tre kerneområder (børnepasning,
folkeskole og ældreomsorg) vægtes her op i forhold til de øvrige
områder, derved at der hos brugere af disse serviceordninger findes to
gennemsnit, der indgår i den samlede gennemsnitsberegning.
Som uafhængige variabler fra surveydataene er der mestendels benyttet
dummyvariabler med værdierne »0« og »1«, men til enkelte variabler er
benyttet den faktiske værdi, fx variablen for »alder«. Endvidere er benyttet
et simpelt indeks for tillid til lokalpolitikere, dannet ud fra tre enkeltspørgsmål
med stærk indre sammenhæng.
De kommunale nøgletal
De kommunale nøgletal er for langt størstepartens vedkommende stillet til
rådighed af ECO-Analyse A/S. Det drejer sig om befolkningstal, tal for
urbanisering, aldersfordeling, specificerede udgiftsstørrelser, serviceniveau,
beskatningsniveau osv. Mange af disse tal er brugt direkte, men for det
meste er der foretaget indledende analyser og beregninger, før de har kunnet
85

indgå i de endelige analyser. Bl.a. er alle udgiftsstørrelser justeret for et
lønindeks (ligeledes fra ECO-Analyse), så der herved tages hensyn til, at
løn- og prisniveauet er forskelligt i forskellige egne af landet. I det følgende
nævnes herudover to vigtige transformeringer af de kommunale nøgletal.
Befolkningstal og urbanisering
I lineære analysemodeller, hvor befolkningstal indgår som uafhængig
variabel, viser det sig ofte, at en logaritmisk transformation fungerer langt
bedre som forklaringsfaktor end det rene befolkningstal. Normalt vil en
effekt ikke fortsætte med uformindsket styrke, sådan at en øgning af befolkningstallet
fra fx 50.000 til 60.000 betyder lige så meget som en øgning fra
10.000 til 20.000. Effekten fra folketallet flader generelt ud, hvilket er
problematisk i lineære modeller, men det vil ofte kunne afhjælpes med en
logaritmisk transformation.
Det er endvidere i de enkelte modeller forsøgt, om en kombination af den
logaritmiske transformation og en opløftning af befolkningstallet i anden
potens fungerer bedre end den logaritmiske transformation alene. Den
kombination kan estimere effekter fra befolkningstallet, der ikke enten
stiger eller aftager, men ligefrem vender, sådan at effekten skifter fra positiv
til negativ eller omvendt. På trods af de forskelligartede transformationer
opstår der dog metodiske problemer, fordi variablerne korrelerer temmeligt
stærkt. Den bedste måde at indfange sådanne skiftende effekter er ved at
inddele kommunerne i en række kategorier og derefter lade disse kategorier
indgå som enkeltstående dummyvariabler, hvor én af kategorierne fungerer
som referencekategori og derfor udelades.
Ud over befolkningstallet og de forskellige transformeringer heraf er det
i alle modeller undersøgt, om graden af kommunens urbanisering gør
modellen bedre, enten i stedet for befolkningstal eller i kombination hermed.
En kombination vil dog kunne give problemer med multikollinearitet,
idet der er en forholdsvis stærk bivariat korrelation mellem den logaritmiske
transformation af befolkningstallet og urbaniseringsgraden (i stikprøven
findes en Pearson r på 0,79). Urbaniseringsindekset er beregnet ud fra
oplysninger om andel af befolkningen, der bor i byområder på mindst 1.500,
3.000, 5.000 og 10.000 indbyggere. De fire tal er summeret og delt med fire.
Det vil sige, at en kommune med mindst 10.000 indbyggere, hvor samtlige
borgere bor i byområde, får indeksværdien 100, mens en kommune, hvor
86

samtlige borgere bor i landområder, får indeksværdien 0. Det skal i forbindelse
med urbaniseringsindekset tilføjes, at kun i de analyser, hvor dette mål
giver betydeligt bedre resultater end mål for befolkningstal, eventuelt i
kombination med en variabel for hovedstadsområdet, er effekter fra urbanisering
nævnt.
Serviceniveau for enkeltområder:
ECO-Analyse har ud fra Indenrigsministeriets behovsindikatorer beregnet
et samlet serviceniveau for kommunen. Det tal kan med stor fornuft benyttes
som kontrolfaktor i analysen af tilfredsheden med den samlede offentlige,
kommunale service. I analysemodeller for tilfredsheden inden for de
enkelte serviceområder derimod, er det mere fornuftigt at benytte mere
specifikke mål. De rene udgiftstal, justeret med lønindeks, kunne benyttes,
hvilket da også er gjort i nogle tilfælde. Disse fortæller dog som oftest ikke
hele sandheden om serviceniveauet på det pågældende område, i og med de
forskellige behov som kommunerne har.
Én måde at tage højde for disse forskellige behov ville være at kontrollere
den primære sammenhæng mellem kommunestørrelse og tilfredshed
ikke blot for udgifter, men også for en række faktorer, som menes at give
større eller mindre behov, eksempelvis andel enlige forsørgere, når det
drejer sig om analyser inden for børnepasningsområdet og andel ældre på
85 og derover, når det drejer sig om ældreomsorgen. Ulempen ved denne
metode er, at modellerne kan komme til at indeholde flere variabler, end den
kan bære (se herom senere), og det kan være svært i det hele taget at overskue
en model med mange variabler.
En anden måde at tage højde for de forskellige behov inden for børnepasning,
folkeskole, ældreomsorg og biblioteker, er som en indledning (inden
de egentlige analyser af kommunestørrelseseffekter på tilfredsheden) at
justere for disse behov og derved danne områdespecifikke serviceniveauer.
Dette er gjort i nærværende undersøgelse for flere af områderne. For at
beregne disse justerede udgifter må behovsfaktorerne imidlertid først findes.
Dette er gjort ved at foretage lineære regressionsanalyser af, hvilke faktorer
der påvirker udgifterne og derefter justere med præcis de talstørrelser, som
modellerne tilsiger 2 . Denne metode har i analyser med forholdsvis få kommuner
endvidere den fordel, at oplysninger om samtlige landets kommuner,
og ikke blot stikprøvekommunerne, bruges til at finde de relevante behovs-
87

Tabel
A.1
Tabel
A.2
Tabel
faktorer.
Herunder vises resultaterne af de regressionsanalyser, hvortil der er
fundet signifikante faktorer, som efter alt at dømme er behovsfaktorer; disse
vises i tabellerne med fed skrift 3 . Efterfølgende vil der gives et eksempel på,
hvordan de behovsjusterede udgifter (de specifikke serviceniveauer) beregnes
ud fra analyseresultaterne.
Børnepasningsudgifter i alt 1
88
Justeret Signifikans-
Betakoefficient Betakoefficient niveau
Konstantled -44033 0,000
Andel børn af enlige forsørgere 478 0,32 0,000
Erhvervsfrekvens for kvinder 631 0,36 0,000
Ressourcegrundlag 147 0,15 0,001
Andel arbejdsmandater 87 0,19 0,000
Dummy for hovedstadskommune 5127 0,32 0,000
Forklaringsgrad:
R 2
Justeret R 2
0,70
0,69
1 Konto nr. 5.10, 5.11, 5.12, 5.13, 5.14, 5.18 og 5.19, opgjort pr. 0-5-årig.
Folkeskoleudgifter 1
Justeret Signifikans-
Betakoefficient Betakoefficient niveau
Konstantled 49.476 0,000
7-14 årige børn af enlige fors. 182 0,25 0,000
Andel tosprogede elever 135 0,18 0,002
Befolkningstal (log.) -1905 -0,19 0,001
Hovedstadsdummy 3626 0,42 0,000
Elevfrekvens 2
-136 -0,26 0,000
Vækst i antal 6-16-årige børn 3
-200 -0,20 0,000
Forklaringsgrad:
R 2
Justeret R 2
0,50
0,49
1 Konto nr. 3.01. Beløbet er oprindeligt pr. 6-16-årig, men er derefter transformeret om til beløb
pr. elev, der er udregnet som fem tolvtedele af elever i skoleåret 1994-95 plus syv tolvtedele
af elever i skoleåret 1995-96.
2 Andel folkeskoleelever ud af samtlige 6-16-årige (lav andel signalerer høj privatskolefrekvens).
3 1992-95.

A.3
Tabel
A.4
Udvidede folkeskoleudgifter 1
Justeret Signifikans-
Betakoefficient Betakoefficient niveau
Konstantled 56544 0,000
7-14-årige børn af enlige fors. 169 0,22 0,001
Andel tosprogede elever 144 0,18 0,002
Befolkningstal (log.) -2273 -0,21 0,000
Hovedstadsdummy 3733 0,41 0,000
Elevfrekvens -169 -0,30 0,000
Vækst i antal 6-16-årige børn -264 -0,25 0,000
Forklaringsgrad:
R 2
Justeret R 2
0,50
0,49
1 Udgifter pr. elev til konto nr. 1.22, 3.01, 3.02, 3.03, 3.04, 3.07, 3.08, 3.09 og 5.83.
Udgifter til ældreomsorg 1
Justeret Signifikans-
Betakoefficient Betakoefficient niveau
Konstantled -20011 0,278
Andel enlige ældre 220 0,22 0,002
Andel ældre, kommunen betaler for 2 381 0,10 0,042
Andel førtids- og invalidepensionister
93 0,29 0,000
Andel af befolkning på 67 og derover -741 -0,62 0,000
Urbaniseringsgrad 18 0,16 0,018
Forklaringsgrad:
R 2
Justeret R 2
0,37
0,36
1 Udgifter til konto nr. 5.02, 5.03, 5.29, 5.30, 5.32, 5.34, 5.92, 5.94 pr. 67 årige og derover.
2 Andel ældre som kommunen er pligtig til at betale for i procent af ældre bosat i kommunen.
89

Tabel
A.5
Udgifter til biblioteker 1
90
Justeret Signifikans-
Betakoefficient Betakoefficient niveau
Konstantled 85,57 0,433
Indpendling 1,29 0,14 0,003
Udpendling -0,44 -0,13 0,002
Andel faglærte og ufaglærte arbejdere
-4,94 -0,22 0,000
Ressourcegrundlag 2,92 0,14 0,003
Urbaniseringsgrad 1,84 0,48 0,000
Forklaringsgrad:
R 2
Justeret R 2
1 Konto nr. 3.50 pr. indb.
0,69
0,68
På baggrund af ovenstående resultater er der, som nævnt, beregnet områdespecifikke
serviceniveauer. Det gøres helt konkret ved først at beregne de
udgifter, man ud fra behovsfaktorerne kunne forvente og derefter sætte
disse i forhold til de faktiske udgifter. Ved beregningen af de forventede
udgifter sættes de øvrige effektfaktorer lig med disse faktores gennemsnit
blandt samtlige kommuner. Nedenstående eksempel viser beregningen af
delserviceniveauet inden for børnepasningen, lavet på baggrund af tallene
i tabel A.1.
Forventede udgifter til børnepasning:
-44033+ (andel børn af enl.fors.x448)+(erhv.frek.for kvinderx631)+(98x147)+(40x87)+(0.18x5126)
I de sidste tre parenteser er det første tal gennemsnittet for kommunerne,
ekskl. Københavns og Frederiksberg Kommune.
Delservicebehov (behovsjusteret udgiftsniveau):
(Faktiske udgifter ÷ forventede udgifter) x 100
De beregnede delserviceniveauer kommer til at svinge omkring tallet »100«.
Hvis en kommune har et tal på under 100, bruges der færre penge end
forventet på baggrund af udgiftsbehovet. Er tallet større end 100, bruges der
flere penge end forventet. Delserviceniveauet for børnepasning svinger
blandt kommunerne i stikprøven mellem 84 og 147.

A.2 Analysemetode
I analyserne angående kommunestørrelseseffekter på servicetilfredsheden
er der ikke, som det var tilfældet i forbindelse med beregningerne af delserviceniveauerne,
benyttet OLS regressionsanalyse. Problemet med OLS
i dette tilfælde er, at dataene er hierarkisk struktureret, således at der forekommer
variabler på forskellige niveauer, nemlig individ- og kommuneniveau.
Traditionelt har metodevalget stået mellem ordinære analyser som
OLS regression på det ene eller andet niveau. Ved ordinære analyser på
kommuneniveau aggregeres individdataene, således at der fx beregnes
kommunegennemsnit for servicetilfredshed, alder og andre variabler på
intervalskalaniveau, eller som minimum på ordinalskalaniveau. For variabler
på nominalskalaniveau sker aggregationen ved at beregne andele af de
enkelte kategorier. Ud over at en sådan analyse langt fra får alle detaljer
med, er det største problem her, at modellerne hurtigt bliver overlæsset med
variabler i forhold til den statistiske models bæreevne, i og med antallet af
observationer er lig med antallet af elementer på kommuneniveau. Endvidere
kan der opstå problemer, hvis relevante kontrolvariabler på individniveau,
der er aggregeret til kommuneniveau, viser stærk korrelation med
relevante kontrolvariabler på kommuneniveau, mens denne korrelation ikke
findes, når analyserne foretages på individniveau. Her tænkes ikke på
problemet med såkaldt »økologisk fejlslutning«, hvor der fejlagtigt sluttes
fra aggregeret til individniveau (selv om situationen er parallel hertil), men
derimod på, at der opstår problemer med multikollinearitet i den aggregerede
analyse, som egentlig ikke burde opstå, hvis samtlige tilgængelige
oplysninger fra datamaterialet blev brugt. Til slut kan nævnes, at et lille
antal respondenter i enkelte kommuner kan skabe meget fejlbehæftede
gennemsnit, som skjules i den aggregerede analyse.
Hvis der er et tilstrækkeligt stort antal respondenter fra den enkelte
kommune, og hvis antallet af kommuner er begrænset, sådan som det er
tilfældet med denne undersøgelse, er aggregeret analyse dog så langt at
foretrække frem for OLS på individniveau. Effektestimater vil undervurdere
standardfejlenes størrelse og dermed overvurdere den statistiske signifikans
ganske anseeligt. Det hænger sammen med, at analysen ser bort fra, at der
som oftest forekommer stærk korrelation mellem observationer inden for
samme enhed på et højere niveau. Næsten altid vil der fx forekomme ikkeobserverbare
faktorer, der får respondenter inden for samme kommune til
91

at ligne hinanden i besvarelserne. Teknisk set vil der være tale om en form
for autokorrelation, hvor residualerne fra ordinære regressionsanalyser vil
være korreleret inden for samme kommune. J.J. Hox skriver bl.a. om
problemet: »The problem of dependencies between individual observations
also occurs in survey research, when the sample is not taken at random but
cluster sampling from geographical areas is used instead. ….. The result is
again estimates for standard errors that are too small, and spurious
»significant« results.« (Hox 1995, p.6).
Der kan ligefrem ses fortegnsændringer i effekterne, når der skiftes fra
OLS til ML (Rice & Leyland 1996). Men som oftest vil problemet »blot«
tage form af formindskede standardfejl. En anden og mere intuitiv måde at
forstå, hvorfor det er galt at analysere med OLS, er at tænke på, hvordan
variabler (som fx kommunestørrelse og kommunale udgiftsniveauer), der
i deres natur så at sige kun findes på aggregeret niveau, igennem en disaggregation
til individniveau bliver blæst kunstigt op i antal, hvorved
frihedsgraderne også kunstigt forhøjes. OLS behandler det opblæste antal
som uafhængige informationer, selv om der faktisk er tale om nøjagtigt
samme kommune. Jo flere observationer inden for den enkelte enhed på
højere niveau og jo færre enheder på højere niveau, desto større bliver
risikoen for fejl selvfølgelig, hvorfor det i dette eksempel med relativt få
kommuner med mange respondenter fra hver ville være helt uforsvarligt at
sætte sin lid til signifikanstest med OLS.
Den bedste løsning på problemerne med hierarkiske data er at benytte sig
af såkaldt Multilevel Analysis (MLA). Herved benyttes samtlige data samt
derudover også oplysninger om de forskellige niveauer, således at
ulemperne ved OLS på individniveau undgås. Denne metode gennemgås
kort i det følgende afsnit. I forbindelse med nærværende rapport er
analyserne foretaget i statistikprogrammet MLwiN, som er specielt udviklet
med henblik på MLA. De ville imidlertid også kunne være foretaget i den
mere almindeligt kendte og generelle statistikprogrampakke SAS 4 .
Multilevel Statistical Models (lineær regression)
I forhold til for få år tilbage findes der nu metoder, hvorved man kan gøre
brug af samtlige oplysninger uden at fejlberegne effekterne og uden at
formindske standardfejlene. I forhold til analyser på aggregeret niveau
betyder dette, at der kan inddrages flere kontrolvariabler i hver enkelt
92

analyse uden at gøre effektestimaterne af de primære sammenhænge mindre
pålidelige.
Meget vigtigt, hvad angår inddragelsen af flere kontrolparametre, så
gælder dette kun for variabler på individniveau, ikke for kommunebaserede
variabler. Frihedsgraderne for de kommunebaserede variabler er jo netop
formindsket for ikke at få fejlberegninger af standardfejlene. Men vindingen
er så til gengældt dobbelt for de individbaserede variablers vedkommende,
for dels kan der generelt inddrages flere variabler, dels kan der i analyser på
aggregeret niveau ofte være problemer med multikollinearitet, som med stor
sandsynlighed vil forsvinde ved analyser med MLA.
I det følgende vil vi se på den grundlæggende struktur i MLA.
Proceduren, der normalt benyttes i MLA, hedder Iterative Generalized Least
Squares (IGLS). Samtlige informationer fra de forskellige niveauer og
informationer om, hvilke niveauer der er tale om, »pooles«, og der foretages
gentagne beregninger med udgangspunkt i OLS estimater. Enhederne på
samtlige niveauer behandles som stikprøver fra en større population, og der
foretages vægtning af estimater fra enheder på højere niveauer, hvor der er
forholdsvis få enheder fra lavere niveau (»precision-weighted estimation«).
En kommune, hvor der inden for en given service kun er »indfanget« ganske
få brugere, vil altså ikke i estimaterne for kommunespecifikke variabler
betyde lige så meget som de øvrige kommuner.
Måden at beskrive forskellene mellem en OLS regressionsligning og en
regressionsligning med MLA veksler fra forfatter til forfatter, men én meget
brugt måde at beskrive en MLA-model i to niveauer på er at opdele
beskrivelsen i to trin, en mikromodel og en makromodel, mens en OLSmodel
blot beskrives som en mikromodel. En OLS regressionsligning med
to forklarende variabler vil generelt have et udseende som følgende:
Y = β + β x + β z + e
i 0 1 i 2 i i
Variablen x er en individniveaubaseret variabel (det kan fx være
respondentens alder), mens z er en kommunebaseret variabel (fx
kommunens beregnede serviceniveau). Imidlertid fremgår det af
subskripterne (i’erne), at der analyseres som om begge variabler var på
individniveau. Estimatet for z er tilføjet et i og også residualen, det
93

uforklarede, bliver alene henholdt til individniveauet. Hvis ovenstående
ligning skulle skrives i MLA-termer, ville den i stedet kunne skrives som
følger.
Mikroniveau (individ):
94
Y = β + β x + e
ij 0 j 1j
ij ij
Makroniveau (kommune):
β = β + β z + u
0 j 0 2 j oj
β = β + u
1j 1 1j
Samlet ligning for begge niveauer (ved indsættelse af makroniveauligning
i mikroniveau ligning):
Y = β + β x + β z + u + u x + e
ij 0 1 ij 2 j 0 j 1j
ij ij
Det ses, at den kommunebaserede variabel ikke findes på mikroniveauet. Til
gengæld er der tilføjet et subskript j på alle parametre. Y ij er fx værdien af
den afhængige variabel for individ i i kommune j, og β 1j er koefficienten for
variablen x i kommune j. Det svarer altså til en almindelig
regressionsligning i en enkelt kommune, hvor kommunebaserede variabler
selvfølgelig bliver ligegyldige.
På makroniveauet beskrives dels konstantleddet β 0j, dels koefficienten β 1j.
Konstantleddet er egentlig ikke nogen konstant i bogstavelig forstand, sådan
som det er tilfældet i OLS-ligningen, for det varierer fra kommune til
kommune omkring kommunernes gennemsnitlige konstantled, β 0. Denne
variation skyldes dels en systematisk effekt fra β 2, dels en uforklaret varians
mellem kommunerne i form af randomparametret u 0j. Der findes altså nu
randomparametre på både mikro- og makroniveau. Koefficienten β 1j er lig
med kommunernes gennemsnitlige hældningskoefficient plus et
randomparameter, u 1j. Foruden at der tillades variation mellem kommunerne
i konstantledet, der ikke kan forklares ved et »fixed« parameter, tillades der
altså også variation i hældningskoefficienten på individbaserede variabler.
Alle de ovennævnte parametre kan estimeres – ikke blot fixed, men også

andom parametre ved angivelse af variansen for disse. En af forcerne ved
MLA er netop, at der kan beregnes estimater for randomparametre på de
forskellige niveauer samtidig med beregningen af effekterne fra fixed
effekter. Og ud over variansen af de tre random parametre, der er angivet i
den samlede MLA-ligning, kan kovariansen mellem randomparametrene for
konstantleddet, β 0j, og koefficienten, β 1j, estimeres. Hvis fx kovariansen
mellem konstantleddet og en koefficient for alder er negativ, vil det være
sådan, at jo højere niveau en kommunes tilfredshed ligger på, desto mindre
er koefficienten for alder. Der kan altså studeres eventuel systematik i
koefficienternes forskellighed fra kommune til kommune. Endelig til sidst
kan også kovarianser mellem koefficienter for uafhængige variabler
beregnes. Men i forhold til at beregne effekter fra kommunebaserede
variabler er det væsentligste selvfølgelig, at standardfejlene på disse
estimater nu får en korrekt størrelse, samt at der kan inddrages flere
kontrolvariabler end på aggregerede datasæt. I øvrigt skal der ikke mange
effektvariabler til, førend der i alt – med de mange randomestimationer –
bliver uoverskueligt mange parametre, der skal estimeres i forhold til
analyser med OLS. Hvis der også skal estimeres interaktionseffekter mellem
variabler, vil det samlede antal estimater for en model med tre variabler på
laveste niveau og tre på højeste blive hele 26. Dette skyldes ikke mindst de
mange interaktionseffekter mellem random parametre. Som oftest vil man
opbygge sin model trinvis og undervejs udelade parametre, der ser ud til at
være betydningsløse. 5
Logistisk regression
I alle analyser, hvor den afhængige variabel er baseret på et enkelt
tilfredshedsspørgsmål, er der benyttet Multilevel logistisk regression.
Problemerne i forhold til at benytte ordinær logistisk regression i stedet for
Multilevel logistisk regression er principielt de samme som for de ovenfor
beskrevne vedrørende lineær regression. Derfor skal jeg i det følgende kun
ganske kort beskrive nogle væsentlige forskelle mellem lineær og logistisk
regression.
Forudsætningerne for lineær regression er i tilfælde med surveysvar på
enkeltspørgsmål langtfra opfyldt, i og med den afhængige variabel er på
ordinærskala med kun få svarkategorier. I stedet for at benytte variablerne
direkte er svarene rekodet til dummyvariabler med de mulige værdier »0«
95

og »1«, hvor værdien »1« står for »meget tilfreds« eller »noget tilfreds«, og
hvor værdien »0« står for »hverken eller«, »noget utilfreds« eller »meget
utilfreds«. Den rekodede variabel kunne nu direkte benyttes som afhængig
variabel i en lineær regression, en såkaldt »Linear Probability Model«, hvor
den beregnede eller forventede værdi af den afhængige variabel, givet
værdierne på de uafhængige, angiver sandsynligheden for at være tilfreds.
Imidlertid giver den slags modeller en række problemer, bl.a. i form af
heteroskedasticitet og det faktum at de forventede sandsynligheder i mange
tilfælde kan beregnes til at være mindre end nul eller større end én
(Studenmund 1997, p. 503). Derfor benyttes sædvanligvis andre metoder
i stedet, ofte logistisk regression. Den logistiske regression er substantielt
ikke-lineær, men i sin fremtrædelsesform er den lineær. Venstresiden af
regressionsligningen er nu blot ikke selve den afhængige variabel (tilfreds
eller ej), men derimod et forhold:
⎛ P ⎞ ij
ln ⎜
⎟
1 P ⎟
⎝ − ij ⎠
hvor P ij er dummyvariablen eller rettere den forventede værdi heraf. Og den
forventede værdi er det samme som sandsynligheden for at være tilfreds,
givet værdierne i de uafhængige variabler (de uafhængige variabler kunne
fx være alder, uddannelse og kommunestørrelse). Selve brøken inde i
parantesen kaldes for odds, og er altså forholdet mellem sandsynligheden
for at være tilfreds og sandsynligheden for ikke at være det. Og lige meget,
hvor stort eller lille et tal logaritmen af oddsene beregnes til at være, vil den
forventede værdi af D ij altid ligge mellem »0« og »1«. Dette sidste er netop
en stor fordel, da den forventede værdi jo gerne skulle være et udtryk for
sandsynlighed, som i sagens natur ligger et sted mellem »0« og »1«.
Problemet med denne form for regression er, at resultaterne er
vanskeligere at tolke end i lineær regression. Koefficienten for en
uafhængig variabel fortæller, hvor meget logaritmen til oddsene ændres, når
den uafhængige variabel forøges med én. Dette tal siger intuitivt ikke
særligt meget om den substantielle betydning af den pågældende
uafhængige variabel. Derfor beregner man ofte, ved hjælp af en anti-logit
funktion, de direkte sandsynligheder, givet forskellige værdier på den
96

uafhængige variabel. I nærværende rapport, hvor der ses på effekter fra
kommunestørrelse, kan der således beregnes sandsynlighed for at være
tilfreds i fx den mindste og største kommune i stikprøven. Og hvis
kommunestørrelses-variablen er rekodet til en dummyvariabel, der blot
fortæller, om kommunen er lille eller stor, kan sandsynligheden for, at en
respondent er tilfreds, beregnes for henholdsvis små og store kommuner.
Anti-logitfunktionen, der beregner sandsynligheden, ser således ud:
( )
Pij 1 exp Xβ Zβ
−
= ⎡⎣ + − − ⎤⎦
1
hvor Pij igen er den forventede værdi af dummytilfredshedsvariablen, eller
sandsynligheden for at være tilfreds. Xβog Zβ
står for samtlige variabler
og koefficienter i regressionsligningens højreside, dvs. alle de uafhængige
variabler med tilhørende parametre. Medtages i anti-logitfunktionen kun
dén uafhængige variabel, der indgår i den primære sammenhæng, i dette
tilfælde kommunestørrelse, beregnes sandsynlighederne for respondenter,
som har værdien nul på de øvrige uafhængige variabler.
I nærværende rapport er det valgt kun at præsentere sandsynligheder for
tilfredshed i de bivariate analyser, dvs. hvor der kun indgår to variabler: den
afhængige variabel (sandsynligheden for tilfredshed) og en enkelt
uafhængig (kommunestørrelse). Som oftest indgår kommunestørrelse enten
i form af en logaritmisk transformation af indbyggertallet eller i form af en
dummyvariabel, der fortæller om kommunen er lille (under 20.000 indb.)
eller stor (20.000+ indb.). Men i langt de fleste analyser er der foretaget
kontrolanalyser med fem dummyvariabler for kommunestørrelse (hvoraf én
er udeladt) for at se, om der skulle være tale om betydelig grad af skiftende
effektretning, som de to andre kommunestørrelsesvariabler ikke kan vise.
Ud over sandsynlighederne præsenteres også den procentvise ændring i
oddsene. Og i videre analyser med logistisk regression, hvori der indgår
flere uafhængige parametre, præsenteres den procentvise ændring i
oddsene, som kan sammenlignes med de tilsvarende tal for de bivariate
analyser.
97

Noter
1. Se evt. herom i Lolle (1999), p. 108ff.
2. Der er søgt inspiration til analyserne i tidligere undersøgelser af effekter på kommunale
udgifter. Således i ECO-Analyse (1995); Indenrigsministeriet (1998 + 2000). Alle
modellerne er undersøgt i forhold til forudsætningerne for OLS regressionsanalyse. Der er
således beregnet VIF, og der er studeret normalfordelings-plot for fejlled, plots for fejlled
mod prædikeret Y-værdi samt partielle effektplot.
3. I nogle tilfælde vil man kunne betragte også befolkningstallet som en behovsfaktor eller en
faktor for stordriftsfordel. Det har jeg imidlertid valgt ikke at justere for, men derimod
diskutere dette i selve rapporten under de enkelte analyser. I øvrigt er det i disse analyser
undersøgt, om der skulle være tale om skiftende effektretning fra befolkningstal. Dette har
ikke været tilfældet.
4. Se fx herom i Judith D. Singer (1998): »Using SAS PROC MIXED to Fit Multilevel
Models, Hierarchical Models, and Individual Growth Models« i Journal of Educational and
Behavioral Statistics, Vol. 4, pp. 323-355.
5. Se evt. Hox 1995, p.19-23 for nøjere beskrivelse af en trinvis metode.
98

Appendiks B
Variabler brugt som kontrolfaktorer i analyserne af
kommunestørrelseseffekter på tilfredsheden med
den offentlige, kommunale service
Både på individniveau og på kommuneniveau er der i alle analyser
vedrørende sammenhæng mellem kommunestørrelse og tilfredshed forsøgt
kontrolleret for en mængde variabler.
Individniveau variablerne er alle på nær alder og tillid til lokalpolitikere
såkaldte »dummyvariable«, der kan antage værdierne »0« og »1«, hvor tallet
»1« signalerer variablens egenskab. Hvis således variablen »mand« har
værdien »1«, er respondenten en mand. Som hovedregel er der ikke dannet
dummyvariabler til ikke-valide svar. Dette kan i uheldige tilfælde give
anledning til fejlslutninger. Fx vil tallet »0« i variablen »mand« kunne
betyde, at der enten er tale om en kvinde, der har besvaret kønsspørgsmålet,
eller en respondent, der ikke har besvaret dette. Hvis der er forholdsvis
mange ubesvarede, vil man ikke kunne skelne en kønseffekt fra en ej
besvareteffekt. Som oftest er problemet begrænset i og med langt de fleste
besvarer spørgsmål vedrørende sådanne basale baggrundsfaktorer, og i
forbindelse med nærværende rapports problemstilling udgør det i praksis
ingen problemer overhovedet, idet disse variabler er medtaget alene i
medfør af kontrol for den primære sammenhæng mellem kommunestørrelse
og tilfredshed, og ikke som selvstændige analysevariabler. Hvad angår
politisk observans er der dog gjort en undtagelse, i og med en del
respondenter ikke besvarer spørgsmålet om, hvilket parti de ville stemme
på, hvis der var folketingsvalg den følgende dag. Her er således lavet en
speciel dummyvariabel for »nægtere«.
Igennem rapporten skrives ofte, at en sammenhæng eller en effekt fra
99

kommunestørrelse er kontrolleret for basale kontrolparametre på
individniveau. Nedenfor findes en liste over disse basale individparametre.
Der er dog i ingen analyse på samme tid kontrolleret for samtlige disse
variabler. Kun parametre med signifikante effekter er inddraget. Og i
analyser på serier af tilfredshedsspørgsmål inden for samme serviceområde,
er som hovedregel benyttet en og samme blok af kontrolparametre, selv om
der måske i enkelte af analyserne ville kunne være benyttet andre
kombinationer. Dette har dog ingen praktisk betydning i forbindelse med
kommunestørrelseseffekterne. Foruden de basale kontrolparametre er der
i en lang række analyser inddraget andre faktorer på individniveau. Disse
er nævnt i teksten de pågældende steder.
I de analyser, hvor der ses nøjere på kommunestørrelseseffekterne (dvs.
hvor der kontrolleres for andet end basale individparametre) er en lang
række variabler på kommuneniveau endvidere inddraget. En liste over disse
findes umiddelbart efter listen over de basale kontrolparametre på
individniveau. Øverst på denne liste er endvidere anført de forskellige
variabler, der er brugt som mål for kommunestørrelse.
Individniveau variabler
Alder
Køn
Uddannelse:
Studentereksamen
Har folkeskoleeksamen som højeste skoleuddannelse
Videregående uddannelse: har el. er i gang med videregående teoretisk
uddannelse
Har ingen erhvervsuddannelse
Stilling:
Studerende
Offenligt ansat
Privat ansat
Selvstændig
Funktionær
Arbejdsløs
Folkepensionist
100

Partistemme til Folketingsvalg:
SF eller Enhedslisten
Socialdemokratiet
Midterpartier
Venstre og Konservative
Fremskridtspartiet eller Dansk Folkeparti
Andet
Sofavælgere
»Nægtere«
Mod borgmesterfløj: Respondenter, der ville stemme på S el. til venstre
herfor, figurerer som »mod borgmesterfløj«, hvis denne er til højre for S; og
respondenter, der ville stemme på V, K el. partier til højre herfor, figurerer
som »mod borgmesterfløj«, hvis denne er S el. til venstre herfor.
Tillid til lokalpolitikere: Simpelt indeks beregnet ud fra tre forskellige
spørgsmål vedrørende tillid til lokalpolitikere.
Kommuneniveau variabler
Befolkningstal
Befolkningstallet, logaritmisk transformeret
Befolkningstallet opløftet i anden potens
Hovedstadskommune: Kommunen ligger i Københavns, Frederiksborg eller
Roskilde Amt
Hovedstadsinddeling af kommuner i stikprøve (dummyvariabler):
København: Ballerup og Glostrup Kommuner
København Nord: Lyngby, Søllerød, Allerød og Birkerød Kommuner
Københavns omegn: Skævinge, Gundsø og Skovbo Kommuner
Serviceniveau eller beregnet delserviceniveau
Beskatningsniveau
Beskatningsgrundlag
Mandater til socialistiske partier: Andel mandater til Socialdemokratiet plus
partier til venstre herfor
101

Mandater til socialistiske partier (rek.): Andel mandater til
Socialdemokratiet plus partier til venstre herfor, rekodet efter følgende
system: 0-39 = 1; 40-59 = 2; 60+ = 3
Erhvervsstruktur:
Andel offentligt beskæftigede: Andel i offenlig beskæftigelse ud af samtlige
beskæftigede
Beskæftigelsesstruktur:
Andel funktionærer: Andel af arbejdsstyrken i beskæftigelse som funktionær
Andel selvstændige: Andel af arbejdsstyrken i beskæftigelse som selvstændig
Andel arbejdere: Andel af arbejdsstyrken i beskæftigelse som faglært el.
ufaglært arbejder
Andel arbejdsløse: Andel af arbejdsstyrken uden beskæftigelse
Andel familier med børn med enlige forsørgere
Andel børn af enlige forsørgere
Aldersstruktur:
Andel 0-6-årige
Andel 7-16-årige
Andel 85+ -årige
Homogenitetsvariabler:
Befolkningsmæssig homogenitet
Beskæftigelsesmæssig homogenitet
Erhvervsmæssig homogenitet
102

Tabel
C.1
Appendiks C
Kommunesammenligning
Kommunetypologi – Antal indbyggere i kommunen og urbaniseringsindeks,
opdelt på antal indbyggere i kommunens største by
samt på tre forskellige typer af hovedstadskommuner
Indb. i største by:
Antal indbyggere i kommunen Urbaniseringsindeks N
Gnms. Min. Maks. Gnms. Min. Maks. (I alt 37)
Under 3.000 8.300 4800 14600 8 0 14 6
3.000-9.999 11300 7300 14700 40 24 53 5
10.000-24.999 23600 14000 32500 67 59 77 9
25.000 og derover 63500 39200 159000 81 70 91 8
Hovedstadsområde:
Centrum 32800 20300 45400 100 100 100 2
Nord 30700 20500 49600 100 100 100 4
Omegn 10500 5200 13300 24 8 48 3
103

Tabel
C.2
Tabel
C.3
Ressourcegrundlag, beskatningsniveau, serviceniveau og skat/
serviceforhold, opdelt på indbyggertal og hovedstadsområder
Kommunens
indbyggertal:
104
Ressourceg
rundlag
Beskatningsningsni
veau
Service
niveau
Gennemsnit
Skat/servic
eforhold
N
(i alt 37)
Under 10.000 94 100 94 107 6
10.000-19.999 97 95 93 102 9
20.000-29.999 100 101 99 101 4
30.000-49.999 101 100 98 102 5
50.000 og derover 100 105 104 101 5
Hovedstadsområde:
Centrum 113 103 119 87 2
Nord 109 92 108 85 3
Omegn 96 94 97 96 3
Ressourcegrundlag, beskatningsniveau, serviceniveau og skat/
serviceforhold, opdelt på største by i kommunen og
hovedstadsområder
Indb. i største by:
Ressourceg
rundlag
Beskatningsningsni
veau
Service
niveau
Gennemsnit
Skat/
serviceforhold
N
(i alt 37)
Under 3.000 93 97 92 105 6
3.000-9.999 99 98 94 104 5
10.000-24.999 98 100 97 103 9
25.000 og derover 101 103 102 101 8
Hovedstadsområde:
Centrum 113 103 119 87 2
Nord 109 92 108 85 4
Omegn 96 94 97 96 3

Litteratur
Achen, Christopher H. (1982): Interpreting and using regression. Newbury
Park, California: Sage Publications, Inc.
AKF, Amternes og Kommunernes Forskningsinstitut (1999): AKF Nyt, nr.
2.
Dalsgaard, Lene & Henning Jørgensen (1994): Det offentlige. Sektorens og
de ansattes værdier og værdighed. DJØF, Overenskomstforeningen.
Finansministeriet (1997): Budgetredegørelse 97.
Finansministeriet (1998a): Kommunal Budgetoversigt. Juni 1998.
Finansministeriet (1998b): Budgetredegørelse 98.
Finansministeriet (1999a): Kommunal Budgetoversigt. December 1999.
Finansministeriet (1999b): Forskelle i tilfredshed med den offentlige sektor
i land- og bykommuner.
Finansministeriet (2000a): Aftaler om den kommunale økonomi for 2001.
Juni 2000.
Finansministeriet (2000b): Hvad sagde de? Høringer og
borgerundersøgelse 2000. Oktober 2000.
105

Flor Nielsen (2000): »Serviceniveau, servicekvalitet og
tilfredshedsundersøgelser – anvendelig måling af kommunal service?« I:
Samfundsøkonomen, nr. 4, juni 2000, s. 9-16.
Goldstein, Harvey (1995): Multilevel Statistical Models. London: Edward
Arnold.
Halachmi, Arie & Geert Bouckaert ed. (1996): Organizational Performance
and Measurement in the Public Sector. Toward Service, Effort and
Accomplishment Reporting. Westport, Connecticut • London: Quorum
Books.
Hox, J.J. (1995): Applied Multilevel Analysis. Amsterdam: TT-Puplicaties.
Houlberg, Kurt (1995): Kommunale stordriftsfordele – myte eller realitet.
I: Nordisk administrativt tidskrift, nr. 1, 1995, s. 65-88.
Houlberg, Kurt & Henrik Larsen (1999): Er kommunerne bæredygtige ind
i det næste årtusind? I: Dahler-Larsen, Peter & Kurt Klaudi Klausen (red.)
Festfyrværkeri eller gravøl? Odense Universitetsforlag.
Indenrigsministeriet (1998): Betænkning om kommunernes udgiftsbehov.
Redegørelse fra arbejdsgruppe under Indenrigsministeriets
finansieringsudvalg. Betænkning nr. 1361 (med bilag).
Indenrigsministeriet (1999): Landdistriktsredegørelse 1999. Regeringens
redegørelse til Folketinget om landdistrikterne.
Indenrigsministeriet (2000): Den kommunale struktur – Størrelseseffekter
i den kommunale sektor.
Indenrigsministeriet (2000): Den kommunale struktur – Størrelse og
økonomisk udvikling.
106

Jones, Kelvyn & Nina Bullen 1994: Contextual models of urban house
prices: a comparison of fixed-and random-coefficient models developed by
expansion. Economic Geography 70: 252-272.
Kirkpatrick, Ian & Miguel Martinez (1995): The Politics of Quality in the
Public Sector. London and New York: Routledge.
Kjær Jensen, Mogens (1991): Kvalitative metoder i anvendt
samfundsforskning. København: Socialforskningsinstituttet.
Kommunernes Landsforening (1999): Kommunerne for fremtiden – Oplæg
til debat om fremtidens kommunestyre. København.
Lolle, Henrik (1999): Serviceudgifter og brugertilfredshed i danske
kommuner. Aalborg: Aalborg Universitetsforlag.
Lotz, Jørgen (1998): Forholdet mellem stat og kommuner – teori og praksis.
I: Nationaløkonomisk Tidsskrift, nr 136, s. 224-242.
Lotz, Jørgen (1998): Retfærdighed eller økonomi i den offentlige sektor.
Frederiksberg: Danmarks Forvaltningshøjskoles Forlag
Mikkelsen, Palle & Jens Erik Steenstrup (1999): Kvalitetsstandarder i
kommunerne. Personlig og praktisk hjælp mv. Lov om social service.
Status. Institut for Offentlig Økonomi og Udvikling.
http://www.sm.dk/publikationer/index_aeldre.html
Mouritzen, Poul Erik (1999): De små kommuner. De er ikk’ så ringe
endda? AKF rapport, København: AKF Forlaget.
Mouritzen, Poul Erik (1991): Den politiske cyklus. Århus: Forlaget Politica.
Nørgaard Madsen, Ole et al. (1995): Fornyelse ved måling i offentlig
virksomhed. Århus: Centrums Kvalitetsbibliotek.
PLS Concult (1999): Der er så dejligt… En analyse af den offentlige
107

service på landet og i byerne. København: Schultz Grafisk A/S.
Rasbash, Jon et al. (2000): A user’s guide to MLwiN. Multilevel Models
Project, Institute of Education, University of London.
Regeringen (1999): Strukturovervågning – International benchmarking af
Danmark. København, Finansministeriet.
Rice Nigel & Alastair Leyland (1996): Multilevel models: applications to
health data. Journal of Health Services Research and Policy 1,3: 154-164.
Studenmund, A.H. (1997): Using Econometrics: A Practical guide.
Reading, Massachusetts: Addison-Wesley.
Såheim, Thomas & Are Fjermeros (1997): Satisfaction with Municipal
Services. Does Municipality Size Really Matter? Paper for Workshop on
Social Capital and Politico-Economic Performance, ECPR Joint Session,
Bern 1997.
Winter (1994): Offentlig forvaltining i Danmark. Implementering og
effektivitet. København: systime a/s.
Økonomiministeriet (1999): Økonomisk Oversigt. August 1999.
108

Summary
Size and services of local authorities in Denmark:
a user survey of local service standards
by Henrik Lolle, November 2000
The structure of local authorities in Denmark has been much debated in
recent year, and the issues that dominate the debate are whether minor local
authorities are able to properly meet the many and complex responsibilities
assigned to them over the years and whether the size of local authorities in
general has any bearing on local authorities’ ability to provide services of
high standard. This report addresses these issues from a single, yet
important, aspect.
Discussions about the structure of Danish local authorities are imbedded
in the entire debate about public service, much of which is provided by local
authorities. Their key responsibilities include child care, primary and
secondary schools and care for the elderly. Efficient use of scarce resources
is an issue that runs through the whole debate because public service
spending has proven extremely difficult to control in recent years.
Indeed, the Danish Social Democratic government has aimed at raising
standards of public services by providing additional resources, but
expenditure has each year risen more than agreed between the government
and the Danish National Association of Local Authorities. Incidentally, this
goes for the regional authorities as well. (Danish Ministry of Economic
Affairs 1999).
Expenditure has unexpectedly increased because local authorities have
budgeted for more than agreed and generally exceeded these budgets. 1
109

Another reason might be that the government has made too many promises
to improve services, forcing the local authorities to provide additional
resources. In any case, that is the opinion of several local authorities.
Anyhow, it is important to keep the rise in expenditure at an acceptable
level in the next few years, especially because changes in demography will
increase pressure on public services significantly. The number of elderly
people and children of school age will go up, and we may face recruitment
problems in the service sector as there will be fewer people of working age.
Although the intention is to keep expenditure in check, national and local
politicians and the public at large alike have expressed their wish to raise
the standards of public services or at least maintain the status quo. This is
only achievable – without a surge in expenditure – if service priorities are
changed and efficiency improved. (Danish Ministry of Finance 1997, 1998b
& 2000a; Danish Ministry of Economic Affairs 1999).
The question is, then, whether the current structure of local authorities
in Denmark is optimal in terms of efficiency, i.e. whether any local authority
due to its size alone is ill-equipped to provide services of high standard. Of
course, efficiency depends on other factors than population and
urbanisation, but the idea that these factors do have an impact on efficiency
immediately suggests itself; and this is the question that this report attempts
to answer. It is important to add, in this connection, that the report solely
addresses the local authority services, i.e. only a subset of local authority
responsibilities. It does by no means attempt to offer a complete
examination of the impact of size on standards and efficiency.
The report is based on two main categories of data: a number of key
figures from local authorities – mostly expenditure figures and demand
factors (by courtesy of ECO-Analyse A/S) – and survey data with almost
50,000 respondents representing 37 differently-populated local authorities
from all over Denmark. 2 Appendix C includes three tables with detailed
information about local authorities. Table C.1 demonstrates a strong
correlation between population, level of urbanisation and the size of the
biggest city in the district, while Table C.2 and C.3 illustrate how various
types of local authorities differ in terms of resources, rates of taxations,
service standards and taxation/services ratios (in this context, the picture
that emerges of the local authorities in the random sample matches more or
less the general picture of all local authorities). Let me add here that
110

expenditure on individual services does not follow the overall pattern.
Most of the survey data were collected in 1995 and 1996, but data on
some local authorities were gathered during the first quarter of 1997 (the
main part is from 1995, though). The questionnaires used, which include
identical questions for all local authorities, were made by KMD Dialog
together with Johannes Andersen and Lars Torpe, both researchers at
Aalborg University. The questions mainly cover citizens’ and users’ opinion
about the standards of local authority services. For a more detailed
description of the data, see Appendix A, which also describes and discusses
research methods.
In addition to the main analyses of the data set referred to above, a wide
range of parallel analyses were made of a national survey with approx.
1,600 respondents, who were all asked identical questions. Throughout the
report, this data set will be referred to as the “small” national data set from
1998.
As mentioned before, only one aspect of the relationship between the
size of local authorities and their ability to provide services of high standard
will be examined in this report: citizens’ opinion about local authority
services cannot, of course, simply be regarded as synonymous with service
standards. Service standards are connected with a range of other factors,
and user satisfaction is only one of many effects of a given service. In most
cases, however, its is safe to presume a strong correlation between service
standards in general and user satisfaction, but user satisfaction will always
be just one performance indicator. For a more detailed discussion of notions
such as standards and efficiency as well as problems associated with
measuring these notions in public service, see for example Lotz (1998),
chapter 3; Winter (1994) chapters 1 and 5-8; Dalsgaard & Jørgensen
(1994); Nørgaard Madsen et al. (1995); Mikkelsen & Steenstrup (1999);
Halachmi & Bouckaert ed. (1996); and Kirkpatrick & Lucio (1995).
With respect to the scope of this report, let me also add that even though
the metropolitan area itself may have an effect on the level of user
satisfaction and even though this aspect is often discussed in relation to the
issue of size, these possible effects will not be explicitly examined in this
report. This is partly because the local authorities in the Greater
Copenhagen area are distinctly different and partly because there is a fairly
limited number of these authorities in the random sample. However, the
111

analyses do, of course, take into account that the local authorities in the
Greater Copenhagen area, or some of these, may stand out from the rest
with a relatively high or low level of user satisfaction.
Notes
1. In 2000, however, for the first time in several years, local authority budgets stay within
agreed limits (Danish Ministry of Finance 1999a).
2. From just under 5,000 inhabitants to more than 150,000.
112