Figuranalyse: Figur 2.2

Figuren bygger på Danmarks Statistiks opgørelse over hvor mange ægteskaber, der er endt i skilsmisse. Ved hjælp af cpr registret kan man følge alle ægtepar, der er gift i et bestemt år.

Før 1970 brugte man en lidt anden metode, men det skønnes at den ændrede metode ikke påvirker tallene væsentligt.

Alle kurverne starter i år 0 = det år, man blev gift.

Hvornår blev jeres forældre gift (hvis de er gift), hvornår jeres bedsteforældre og jeres oldeforældre? Hvilken af ægteskabsårene ligger de tættest på? 

Lykken varer ikke altid ved. Efter 10 år er en del gået fra hinanden. Hvad viser en sammenligning af de forskellige kurver, hvordan svarer det til jeres egne erfaringer med familien?

Hvordan ser det ud efter 25 år? Hvor mange kan forudses at blive sammen ”til døden skiller dem ad”?

Tabelanalyse: Tabel 5.4

Læs noten, så I er helt klar over, hvad begrebet dækningsgrad betyder.

Hvad kan konkluderes ud fra tallene 31, 40 og 51 øverst til højre i tabellen?

Hvilke grupper i befolkningen havde en dækningsgrad på over 50 pct. i 2001? Hvordan er billedet i 2013?

Socialgruppe er her en kombination af indkomst, uddannelse og erhverv.

Udvælg to eller flere aviser og sammenlig de forskellige aldersgruppers dækningsgrad. Sammenlign på samme måde de forskellige erhvervsgrupper og de tre socialgrupper.

Formuler en samlet konklusion på jeres undersøgelse.

Tabelanalyse: Tabel 6-9

Tabel 6-9 består af to oversigter: 1: Fanebladet ’Ark1’: En oversigt over ungdomskriminaliteten i udsatte boligområder, hvor staten har lavet en særlig kriminalpræventiv indsats for at mindske kriminaliteten. 2: Fanebladet ’Øvrige udsatte områder’: En oversigt over ungdomskriminaliteten i udsatte boligområder, hvor staten har ikke lavet en særlig kriminalpræventiv indsats for at mindske kriminaliteten. Den statslige indsats i de udsatte boligområder sker i form af tiltag, som koordineres af helhedsplaner for kriminalpræventive indsatser for boligområderne. Helhedsplanerne har været gennemført fra 2007 og til med 2010. Statistikken i de to faneblade er hentet fra en rapport ’Kriminaliteten ud af boligområderne. Effekten af boligsociale helhedsplaners arbejde med kriminelle og kriminalitetstruede børn og unge’, som er udgivet af Center for boligsocial udvikling (CFBU) i 2011. CFBU er en selvejende institution under Ministeriet for By, Bolig og Land­distrikter. Centrets overordnede formål er at undersøge effekten af sociale indsatser i udsatte boligområder, at indsamle erfaringer fra nationale og internationale boligsociale indsatser og at yde kvalificeret rådgivning og processtøtte til centrale aktører indenfor det boligsociale område. Du kan læse om centrets arbejde på linket www.cfbu.dk, hvor du også kan downloade rapporten. Stil dig selv det helt overordnede spørgsmål: Har de kriminalpræventive indsatser, som har fundet sted ifølge de boligsociale helhedsplaner, været en succes? Er det lykkedes at nedbringe ungdomskriminaliteten (her: de 15-17-åriges kriminalitet)? En vurdering af dette kan bl.a. ske ved at sammenligne kriminalstatistikken for de boligområder, hvor der har været foretaget en boligsocial, kriminalpræventiv indsats med de områder, hvor der ikke har været foretaget en særlig indsats. Det er i og for sig en metode, som kan minde om metoden ved placeboforsøg. De to statistikker findes altså i de to ovennævnte faneblade. 1) Vurder allerførst om materialet har en populationsstørrelse, som er rimelig. I de boligområder, hvor der har været foretaget en kriminalpræventiv indsats, er populationsstørrelsen på 1200-1400 unge – og i de øvrige områder (uden indsats) er populationsstørrelsen på ca. 17.000 unge. Er dette et datagrundlag, som er rimeligt sikkert? Er det under alle omstændigheder et pejlemærke, som er rimeligt at inddrage i diskussionen om boligpolitik og kriminalpolitik? 2) Hvad kan du sige om udviklingen i de to slags områder? Du har både de absolutte tal og de relative tal (sigtelser pr 1000 unge). Hvilken konklusion kan du drage mht. succesen for helhedsplanernes gennemførelse? Skal eventuelt andre forhold – fx almindelig bandekriminalitet og rockerkriminalitet – inddrages? 3) Giver det overhovedet mening at sammenligne de to slags områders ungdomskriminalitet? Hvilke forudsætninger må der opstilles for at de to slags områder skal kunne sammenlignes? Tilløbet til en besvarelse af dette kan du bl.a. få ved at sammenligne ”startpositionen” i 2006 for de relative tal i de to slags områder. 4) Statistikken opererer med antallet af sigtelser pr 1000 unge i de aktuelle boligområder Er dette antal (niveauet) foruroligende stort eller ikke så forbavsende? Du kan til din vurdering heraf bruge henholdsvis tabel 6.4 og 6.5. I tabel 6.4 kan du finde antallet af anmeldte straffelovsovertrædelser i Danmark, Færøerne og Grønland pr 1000 indbyggere – og i tabel 6.5 kan du se antallet af strafferetslige afgørelser pr 100.000 indbyggere i forskellige aldersgrupper, bl.a. de 15-19-årige. 5) Før du endeligt besvarer det overordnede spørgsmål (’Har de kriminalpræventive indsatser, som har fundet sted ifølge de boligsociale helhedsplaner, været en succes?’) bør du downloade den omtalte rapport fra CFBU og læse deres konklusion på s. 13. Selve rapporten giver et smukt indblik i de overvejelser, der finder sted i forbindelse med et projekt af så omfattende karakter som de nævnte boligsociale og kriminalpræventive helhedsplaners gennemførelse. 6) Du kan arbejde videre med den nævnte problemstilling – boligsocial og kriminalpræventiv indsats i udsatte boligområder – ved at læse nogle af de andre rapporter fra CFBU, fx om tryghedsindeks, mentorordning, gadeplansarbejde, boligsociale lektiecafeer, problemorienteret politiarbejde, brandkadet, sundhedsindsatser og sportsklubarbejde.

Tabelanalyse: Tabel 8.2

Læs noten til tabellen. Sammenlign overklassen med den højere middelklasse. Sammenlign den højere middelklasse med Middelklassen. Sammenlign middelklassen med arbejder- og underklassen. I hvilken samfundsklasse er I selv vokset op.
Hvor stor en andel af dem, der er opvokset i arbejderklassen kommer senere til at tilhøre overklassen eller den højere middelklasse. Blandt drenge/mænd og blandt piger/kvinder?

Diskuter årsagerne til det resultat, I når frem til.

Hvad viser kolonnen til højre ”I alt”?

Hvad kan konkluderes ved at sammenligne ”I alt tallene” med de øvrige kolonner?

Figuranalyse: Figur 9.2

Figuren beskæftiger sig med de gennemsnitlige indkomster i de 98 danske kommuner i indkomståret 2012. I excel-filens dataark til figur 9.2 i Den Digitale Håndbog kan man se navnene på de enkelte kommuner og de konkrete tal, som den bygger på. Figuren rummer to talserier á 98 kommuner. Begge serier har den gennemsnitlige personindkomst i kommunen på x-aksen. Den blå talserie har de gennemsnitlige formueindkomster i kommunerne op ad y-aksen, mens den røde talserie har de gennemsnitlige overførselsindkomster i kommunerne op ad y-aksen. Personindkomsten består af personens erhvervsindkomst (løn og overskud af selvstændig virksomhed), formueindkomst (afkast formueaktiver som værdipapirer, bankindeståender, indtægter ved fast ejendom mv.) og overførselsindkomst (pensioner, dagpenge, kontanthjælp, SU mv. fra det offentlige). Man opgør endelig også den disponible indkomst, dvs. personindkomsten efter skat. Det ville være en oplagt hypotese, at jo bedre borgerne tjener samlet set i en kommune, jo større formueindkomster har de også. Omvendt kunne man hypotetisk antage, at jo bedre borgerne tjener i en kommune jo mindre overførselsindkomster fra det offentlige får de. Det fremgår af regressionsligningen for den blå serie, at der en klar positiv korrelation mellem personindkomst og formueindkomst, således at når en kommunes gennemsnitlige personindkomsten vokser med 1.000 kr., så vokser den gennemsnitlige formueindkomsten med 333 kr. R²-værdien er næsten 0,95, hvilket viser at de faktiske observationer fra de 98 kommuner ligger pænt på linjen, som det også ses af figuren. Altså bekræftes ovenstående hypotese om sammenhængen mellem samlede indkomster og formueindkomster. Den røde serie viser derimod at der ingen klar sammenhæng mellem den gennemsnitlige samlede indkomst i kommunen og de gennemsnitlige overførselsindkomster. De observerede værdier ligger meget spredt omkring regressionslinjen, hvilket udtrykkes i en meget lav R²-værdi. Regressionsligningen udtrykker heller ikke nogen negativ korrelation mellem de to værdier, som det ville forventes efter ovenstående hypotese, som altså må forkastes. Linjen er stort set vandret og man kan umiddelbart observere, at niveauet for overførselsindkomster er højest i de fattigste og de i de rigeste kommuner. Det er muligt selv at lave sine egne undersøgelser via Danmarks Statistiks interaktive indkomstkort over Danmark:

Tabelanalyse: Tabel 9.6

Undersøg den historiske inflationsudvikling i Danmark siden år 1900 (figur 9.4) og i de seneste par årtier (tabel 9.5 og 9.6). Hvad karakteriserer inflationen gennem de seneste 20 år i sammenligning med tidligere? Hvordan udregnes inflationsprocenten? 
Hvilke data bruges for at beregne pristallet? Hvad er forskellen på forbrugerpristallet og nettopristallet? Hvad er forskellen på det danske og de EU-harmoniserede pristal? Se forklaringer fra Danmarks Statistik Undersøg prisudviklingen på forskellige varegrupper siden 2004 og se hvilke varegrupper, som i særlig grad skiller sig ud med ekstra stor prisvækst og med direkte prisfald. Hvilke af disse særlige udviklinger har størst betydning for samfundsøkonomien? Diskutér hvorfor der er så store forskelle på prisudviklingen for forskellige varegrupper. Hvad bliver konsekvenserne for samfundsøkonomien, hvis inflationen generelt bliver negativ (deflation)? Læs f.eks. artiklen: ”Danmarks vækst falder, Europa hænger fast i krisen” fra Politiken, d. 30. august 2014 og/eller ”Faren for deflation” i Weekendavisen, d. 13. juni 2014.

Tabelanalyse: Tabel 10.4

Da stemmeafgivelsen ved valg i Danmark jo er hemmelig, kan man selvfølgelig ikke umiddelbart ud fra valgtallene sige noget om sammenhængen mellem sociale baggrundsfaktorer og partivalget. Vælgersociologiske undersøgelser bygger derfor almindeligvis på interviews med et repræsentativt udvalg af vælgere (en ”stikprøve”). Tabel 10.4 bygger på et udvalg på 1943 vælgere ud af 3.545.368 vælgere, der faktisk stemte (ud af 4.079.910 stemmeberettigede), hvilket er en pænt stor stikprøve forudsat at den ellers er repræsentativ, hvilket er en særlig statistisk problematik.

I tabel 10.4 kan man umiddelbart aflæse hvordan stemmerne fordeler sig på partierne i forskellige kategorier af vælgere. Når man sammenligner med den øverste række, med ”Alle vælgere” kan få et umiddelbart indtryk af om den pågældende kategori af vælgere politisk set hælder mere til den ene side end til den anden, dvs. om der er korrelation eller samvariation mellem den uafhængige variabel (f.eks. køn) og den afhængige variabel (partivalget).

Imidlertid kan man jo altid stille spørgsmål ved om en observeret samvariation nu også er så stærk, at den ikke bare er et udslag af en statistisk tilfældighed.

Til det formål kan man udregne p-værdien for en given korrelation mellem to variable. Her sammenlignes de faktisk observerede tal med de tal man må forvente, hvis der ingen sammenhæng er.

Hvis p-værdien er mindre end 0,05 siges sammenhængen at være signifikant på et 5%-signifikans-niveau, hvilket vil sige at der er mindre end 5%’s sandsynlighed for at sammenhængen skyldes en statistisk tilfældighed. Sammenhængen er altså meget sikker.

Hvis p-værdien er mindre end 0,01 siges sammenhængen at være signifikant på et 1%-signifikans-niveau, hvilket vil sige at der er mindre end 1%’s sandsynligheden for at sammenhængen skyldes en statistisk tilfældighed. Her er sikkerheden for at samvariationen ikke blot skyldes en statistisk tilfældighed altså endnu bedre. Jo mindre p-værdi, jo større statistisk sikkerhed, jo mere signifikant sammenhæng mellem to variable.

I tabel 10.4 er sammenhængen mellem de forskellige sociale kategorier og partivalget i 2011 opgjort, idet partierne er samlet i det to hovedblokke: rød og blå. Som det ses er der meget sikre sammenhænge mellem henholdsvis køn, alder, uddannelse, erhverv og ansættelse i privat eller offentlig sektor på den ene side og tilbøjeligheden til at stemme henholdsvis rødt eller blåt. Det ses imidlertid også, at sammenhængen mellem indkomst og rød eller blå stemmeafgivning ikke er signifikant på et 5%-niveau.

Tabelanalyse: Tabel 10.6

Læs artiklen ”Det skæve folketing” af professor Tim Knudsen (Kristeligt Dagblad, den 7. juni 2011). Hvad taler for og hvad taler imod, at folketingets sammensætning så nogenlunde skal afspejle befolkningens sammensætning? Hvilke parametre er vigtige (køn, alder, erhverv, uddannelse, andet)? Tim Knudsens artikel er skrevet før sidste folketingsvalg. Undersøg tabel 10.6 for at se om skævhederne blev større eller mindre. Mht. køn og alder kan man følge udviklingen i Folketingets sammensætning længere tilbage i tiden i tabellen. I artiklen ”Det skæveste folketing nogensinde” kan Folketingets sammensætning i dag også sammenlignes med sammensætningen i 1977. Diskutér hvorfor udviklingen har formet sig som det ses i tabellen. Diskutér om henholdsvis Lars Olsen og Zenia Stampe har ret i deres pointer i artiklen. Tænketanken Cevea har med særlig vægt på uddannelsesskævheden analyseret denne udvikling i et notat, hvor de desuden skitserer forskellige muligheder for at afhjælpe det angivelige problem for demokratiet. Diskutér om der er tale om et demokratisk problem og om de fremsatte idéer ville være hensigtsmæssige.

Figuranalyse: Figur 12.3

Den sammensatte konjunkturindikator for industrien: Konjunkturindikatoren består af tre komponenter. Find på www.dst.dk det sidst udkomne nr. af NYT: Konjunkturbarometer for industrien (søg under ’Erhvervslivet på tværs’) – og se her, hvorledes den sammensatte konjunkturindikator er konstrueret.
Hvordan har de tre komponenter udviklet sig i det sidste års tid? Brug teksten i ’NYT’ til at forklare, hvordan de tre komponenters udvikling indgår i konjunkturbarometeret. Hvem har egentlig glæde af, at Danmarks Statistik opgør et sådant konjunkturbarometer for industrien? Der findes tilsvarende konjunkturindikatorer for byggeriet, serviceerhvervene og detailhandelen. Find det sidst udkomne nr. af NYT, som indeholder konjunkturindikatorerne for de nævnte sektorer. Hvordan er de sammensat – og hvordan har udviklingen været i det sidste år.
Der findes endvidere en indikator for forbrugertilliden. Find det sidst udkomne nr. af NYT: Forbrugerforventninger. Hvordan opgør Danmarks Statistik indikatoren for forbrugertillid?
Du kan læse om metoden (som er en helt lille videnskab) forneden på første side af NYT! Vurdér kvaliteten af metoden. Hvordan ville du selv svare på de stillede spørgsmål? Har man med de ovennævnte 5 konjunkturindikatorer faktisk et godt grundlag for at vurdere det kommende halvårs konjunkturudvikling?

Tabelanalyse: Tabel 12.8

Danmarks andel af verdenshandelen for fødevarer og landbrugsprodukter Hvad fortæller tabellen om udviklingen i det danske landbrugs evne til at producere fødevarer – såvel absolut som relativt? Prøv at forklare udviklingen. Du kan få hjælp hertil ved at hente publikationen ’Økonomisk analyse: Dansk landbrugs- og fødevareeksport, nov. 2012´på www.fvm.dk (s 18-21). Hvis verdensmarkedsandelen for landbrugs- og fødevarer opgøres i forhold til BNP ligger Danmark som topscorer, langt over lande som Frankrig, Tyskland, USA og Brasilien. Hvordan kan det forklares? Ifølge tabellen (12.8) ville værdien af Danmarks landbrugs-eksport i 2011 have været på 33,46 mia. US$, hvis Danmark havde fastholdt sin verdensmarkedsandel uændret fra 1990 på 2,5 %. Ville dette have været muligt for Danmark – og hvordan skulle det danske landbrug i så fald have været opbygget og fungere?

Tabelanalyse: Tabel 14.12

Størrelsen af det private forbrug har effekt på importens størrelse. Det skyldes dels, at forbruget i et vist omfang retter sig mod importerede varer, dels at mange af de ”danske varer”, man køber har et vist importindhold. Det drejer sig om komponenter og materialer, der indgår i produktet, som er importeret fra udlandet. Importkvoten angiver importen i forhold til den samlede produktion (se minilex).
Hvad viser tabellen om udviklingen i importkvoterne?
Hvorfor vil en øget eksport give mere import?
Hvilken type efterspørgsel/produktion vil øge importen mest?
Hvilken vil forøge importen mindst?
En stigende efterspørgslen giver mere beskæftigelse. Også her er der forskelle. Sammenlign beskæftigelseseffekten af forskellige typer efterspørgsel.
Er der andre effekter, der bør tages med i betragtning, hvis man skal overveje, hvilken form for produktion, der skal stimuleres?

Tabelanalyse: Tabel 15.11

Velfærdsstaten omfordeler dels gennem tilskud dels ved hjælp af skatter og afgifter. Tilskuddene er dels de direkte tilskud i form af indkomstoverførsler jf. tabel 15.4 dels indirekte tilskud, ydelser som enten er gratis eller hvor man kun betaler en mindre del af udgiften. På minussiden for den enkelte er så det, man yder til det offentlige i form af skatter og afgifter. Lægger man tilskuddene sammen og trækker skatter og afgifter fra, får man nettooverførslen.
I forbindelse med velfærdsstaten taler man nogle gange om Robin Hood effekten: Tag fra de rige og giv til de fattige.
Er det entydigt det billede tabellen giver, når vi ser på indkomstgrupperne? Undersøg i den sammenhæng størrelse af indirekte tilskud.
Sammenlig de forskellige socioøkonomiske grupper. Ser det rimeligt ud? Er det f.eks. rimeligt, at uddannelsessøgende får en større nettooverførsel end samtlige andre grupper herunder arbejdsløse og folk med meget lav indkomst?

Figuranalyse: Figur 16.2

Betalingsbalancen er en opgørelse af alle økonomiske transaktioner mellem et givet land og resten af verden. Betalingsbalancen har to sider, som principielt altid afbalancerer hinanden: De løbende poster og de finansielle poster.

På betalingsbalancens løbende poster opgøres indtægter og udgifter i den reelle økonomi, hvor de vigtigste er køb og salg af varer og tjenesteydelser hen over grænsen. Danskeres indtægter i udlandet og udlændinges indtægter i Danmark, som sendes over grænsen tæller også som henholdsvis indtægter og udgifter på betalingsbalancens løbende poster. Det gælder såvel lønindkomster som ikke mindst formueindkomster, f.eks. renter af danskeres udlån til udenlandske låntagere eller hjemtagne overskud fra danskejede virksomheder i udlandet. Det omvendte gælder selvsagt ved udlændinges økonomiske aktiviteter i Danmark.

I tabel 16.1 er indtægter og udgifter og nettodifferencen herimellem opgjort for de vigtigste af betalingsbalancens løbende poster samt for de løbende poster i alt. Når der tales om over- eller underskud på betalingsbalancen, så er det i almindelighed de løbende poster der henvises til. Som det fremgår af tabel 16.1 og 16.2 har Danmark siden 2005 haft overskud på de løbende poster. Af figurerne 16.1 og 16.2 fremgår det, at sidste gang Danmark havde underskud på de løbende poster var i 1998, men at Danmark i 30 år (1960’erne, 1970’erne og 1980’erne) permanent havde underskud på de løbende poster.

Til de løbende poster skal lægges nogle poster på kapitalkontoen (kapitalposter), som er særlige transaktioner med udlandet af éngangskarakter (f.eks. forsikrings- og genforsikringsydelser).

Et overskud på betalingsbalancens løbende poster samt kapitalposter indebærer at ”penge strømmer ind i landet”, og det vil vise sig ved en nettotilvækst i danskernes fordringer på udlandet – f.eks. ved at danskere erhverver udenlandske værdipapirer eller andre udenlandske aktiver, eller ved at danskere indfrier udenlandsk gæld. Dette opgøres som Nettofordringserhvervelsen. Omvendt vil der strømme værdier ud af landet, når der er underskud på de løbende poster, hvilket viser sig ved en negativ Nettofordringserhvervelse – altså at der afhændes aktiver til udlandet eller at der stiftes gæld i udlandet.

Disse transaktioner, der altså ændrer de finansielle aktiver og passiver over for udlandet, opgøres på betalingsbalancens Finansielle konto, men vel at mærke således at en stigning i aktiver registreres som en debetpost og en stigning i passiverne som en kreditpost (dobbelt bogholderi). Et overskud på de løbende poster vil derfor altid registreres som et underskud på den finansielle konto. Dette er økonomisk set en helt principiel og logisk sammenhæng, men de faktiske statistiske opgørelser er ikke helt nøjagtige, hvorfor der opereres med en konto kaldet Fejl og udeladelser, der udligner differencen, så de to sider af betalingsbalancen bliver lige store, men med modsat fortegn.

Årenes ”Nettofordringserhvervelser”, hvad enten de er positive eller negative, påvirker den statusopgørelse over landets aktiver og passiver i forhold til udlandet, der kaldes Kapitalbalancen. En periode med underskud på betalingsbalancens løbende poster vil således forringe landets nettoformue f.eks. ved at akkumulere en udlandsgæld, som det skete for Danmark fra ca. 1960 til 1990. Den efterfølgende periode med løbende overskud på betalingsbalancen har så igen ført til nedbringelse af udlandsgælden og efterhånden opbygningen af en dansk nettoformue over for udlandet. Se figur 16.2. Kapitalbalancens statusopgørelse over for udlandet påvirkes dog også af ændringer i værdifastsættelsen (kursen) på de involverede aktiver og passiver. Således opnåede Danmark i 2005 for første gang i årtier en positiv nettostatus over for udlandet, men den gik i negativ igen i de følgende tre år, skønt der var overskud på de løbende poster pga. kursforringelser. Se tabel 16.3 og figur 16.2.

Fordelingen på Kapitalbalancens forskellige typer af aktiver kan ses i tabel 16.3.

Et særligt dansk aktiv over udlandet udgøres af Nationalbankens valutabeholdning (’valutakassen’ eller ’valutareserven’), som består af likvid udenlandsk valuta, der bl.a. anvendes til at stabilisere valutakursen ved køb og salg af danske kroner på det internationale valutamarked.

Figuranalyse: Figur 19.3

F19.3 indeholder to oversigter som søjlediagrammer, dels en oversigt over DAC-landenes udviklingsbistand i mio. US$, dels en oversigt over DAC-landenes udviklingsbistand som procentdel af deres BNI (bruttonationalindkomst).

1)

Hvad står acronymet DAC egentlig for?

2)

Find ud af, hvilke 28 lande, der er DAC-lande, så du har styr på, hvem de er.

Kan du kendetegne dem med nogle fællestræk?

3)

Nogle OECD-lande, som ikke er DAC-lande, er fx Estland, Litauen, Ungarn, Tyrkiet og Israel.

Kan du forklare dette?

4)

Prøv at analysere de to oversigter med henblik på at finde lande, som bidrager med henholdsvis meget og lidt bistand.

Hvilken af de to oversigter er rimeligst at bruge i denne sammenhæng, oversigten med absolutte eller relative tal?

Hvilke forklaringer kunne man måske give på det fundne mønster?

5)

Man kan opdele DAC-landene i nogle grupper, fx DAC-EU-landene, G7-landene – og ikke-G7-landene.

Statistikken for de tre grupper vil for 2013 se sådan ud:

Landegruppe                      mio. US$                            % af BNI

G7-landene                         94.812                                0,27

DAC-EU-lande                  70.725                                0,42

Ikke-G7-lande                    40.026                                0,40

DAC-EU-landene bidrager altså med 0,42 % af deres BNI, mens G7-landene – som udgør de største OECD-økonomier i verden - kun bidrager med et procentniveau på ca. 3/5 heraf (27 %).

Kan du forklare dette mønster?

6)

Hvordan har DAC-landenes bistand udviklet sig fra 2010 til 2013, såvel i US$ som i % af BNI for DAC-landene totalt og for EU-landene?

Brug statistikken i fanebladene 2010, 2011, 2012 og 2013 til dette.

Hvilke forklaringer kan du give på udviklingen? Er det især konjunktur-forklaringer, der skal bruges – eller måske geopolitiske forklaringer – eller måske militærstrategiske forklaringer?

7)

Rusland og Kina optræder ikke i statistikken for DAC-landenes bistand – naturligvis.

Prøv om du kan finde noget statistik for de to landes officielle bistand – og information om, hvilke specifikke lande, der modtager bistanden.

Vurder, hvilke forklaringer du kan give på henholdsvis Ruslands og Kinas bistandsfordeling, fx ud fra den samme tredeling af forklaringerne som i spørgsmål 6.

8)

Foretag samme undersøgelse som i spørgsmål 7 med USA som donorland.

9)

Israel (OECD-land, men ikke DAC-land) gav i 2013 186 mio. US$, svarende til 0,07% af landets BNI.

Prøv, om du kan finde noget statistik for denne bistand, dels til hvem den er givet, dels hvilken slags bistand, der er tale om (du kan evt. bruge den sektoropdeling af bistanden, som er vist i tabel 19.12 for Danmarks vedkommende).

Hvilke forklaringer vil du eventuelt kunne give på Israels bistandspolitik?

10)

OECD har d. 8/4 2014 udgivet en artikel ’Aid to developing countries rebounds in 2013 to reach an all-time high’.

Find artiklen via Google.

Det nævnes I artiklen, at DAC-landene I 2013 øgede deres bistand med 6,1% fra 2012 til 2013.

Men der har været regionale forskydninger i hjælpen, faktisk ganske markante.

Læs artiklen og find ud af, hvilke regioner, som nedprioriteres, og hvilke regioner eller lande, som opprioriteres.

Hvilke forklaringer kan der gives på dette nye mønster?