profilafklaring af dagpengemodtagere - sas institute · profilafklaring af dagpengemodtagere møde...
TRANSCRIPT
Profilafklaring af dagpengemodtagere
Møde SAS
3/9-2019
P
r
æ
s
e
n
t
a
t
i
o
Specialkonsulent, Viden og Analyse Carsten S Nielsen, PhD
Præsentationstitel
2
Præsentationstitel
3
4
5
6
• Kontanthjælpsreformen 2013 – uddannelsesydelsesmodtagere - ”Til understøttelse
af visitationen udvikles et digitalt screeningsværktøj”
• Beskæftigelsesreformen 2014 - Dagpengemodtagere - ”Der udvikles et
landsdækkende afklaringsværktøj”
• Første statistiske model – 2014
• Eksisterende statistiske model – 2017
• Gen-kalibrering ifm. LAB – [primo 2020]
Præsentationstitel
7
Hvor kommer det fra?
Eksisterede statistiske model
Præsentationstitel
8
Præsentationstitel
9
Datagrundlag
Statistisk
vurdering
Registerdata
Spørgeskema
Præsentationstitel
10
Spørgeskema
Præsentationstitel
11
Registerdata
Præsentationstitel
12
Registerdata
Præsentationstitel
13
Registerdata
• Analyse af ca. 112.000 ledighedsforløb (april 2014 – april 2016) blandt nyledige,
der har udfyldt det forberedende spørgeskema
• Hvem blev langtidsledige? Hvilke karakteristika går igen?
• Subjektive informationer vigtige statistiske prædiktorer:
• ‘Hvor hurtigt tror du, at du får et arbejde?’
• ‘Er der noget, der gør det svært for dig at få et arbejde?’
Præsentationstitel
14
Den statistiske model (1.1)
Præsentationstitel
15
Statistisk beslutningstræ: Eksempel
Alle
Risiko: 45 pct.
Hvor hurtigt tror du, at du får et arbejde?
‘Der går mere end 6 mdr./ved ikke’
Risiko: XX pct.
Er der noget, der gør det svært for dig at få
et arbejde? ‘Ja’
Risiko : 70,3 pct.
Præsentationstitel
16
Risikogruppen
Præsentationstitel
17
Risikogruppen
Præsentationstitel
18
Performancemål
Gen-kalibrering ifm. LAB
Præsentationstitel
19
Præsentationstitel
20
Hvor står vi nu?
ImplementeringUdvikling
• Analyse af ca. 151.914 ledighedsforløb
(Maj 2016 – Juni 2018) blandt nyledige,
der har udfyldt det forberedende
spørgeskema
Præsentationstitel
21
Gen-kalibreringDen statistiske model 1.1.1
Alle
Risiko: 45 pct.
Hvor hurtigt tror du, at du får et arbejde?
‘Der går mere end 6 mdr./forventer snart at gå
på barsel eller efterløn’
Risiko: 83,1 pct.
Præsentationstitel
22
Risikogruppen
Præsentationstitel
23
Performancemål
0,45
0,70
0,38
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Alle nyledige Nyledige som udskilles i
modellen
Nyledige som ikke udskilles i
modellen
Præsentationstitel
24
Andre performancemål
74.755(49,2%)
9.318(6,1%)
46.188(30,4%)
21.653(14,3%)
Fakti
sk
Forudsigelse
RisikoIkke risiko
Ikke r
isik
oRis
iko
Classification accuracy:
• Andelen af korrekte identificeret er
63,5% [(74.755+21.653)/151.914]
Precision:
• Andelen af nyledige udskilt i gruppen
"risiko for langtidsledighed" der blev
korrekt identificeret er 70%
[21.653/(21.653+9.318)]
Recall:
• Andelen af faktisk langtidsledige der
blev identificeret korrekt er 32%
[21.653/(21.653+46.188)]
Præsentationstitel
25
Model overvågning
Udfordringer der skal løses
Præsentationstitel
26
Præsentationstitel
27
Hvor står vi nu?
ImplementeringUdvikling
Drift
Databehandling
Drift
Databehandling
Forskellige modeller Nye spørgsmål
Præsentationstitel
28
Mulig løsning
DriftUdvikling
Forespørgsel
Risiko / Ikke Risiko
Forskellige modeller
Databehandling
Nye spørgsmål
Slut
Præsentationstitel
29