Benchmarkserien, der forsvandt: otte kommuner afviger år efter år fra deres forventede niveau

Benchmarkserien var ministeriets eget sammenligningsgrundlag for kommunernes forsørgelsesandele: to gange om året en opgørelse af, hvor hver kommune lå i forhold til sit forventede niveau. Med tilpasningerne på Jobindsats efter beskæftigelsesreformen blev rapporterne Skærpet tilsyn og Resultatmålingen fjernet med virkning fra 1. februar 2026. Præcisionen er vigtig: det er selve den halvårlige serie med faktisk, forventet og afvigelse pr. kommune, der er væk fra Jobindsats. Ministeriets topliste på bm.dk udgives fortsat to gange årligt, senest for perioden 2. halvår 2024 til 1. halvår 2025.

Før fjernelsen hentede vi hele serien fra de officielle data: 30.184 rækker, 98 kommuner, alle 11 udgivelser fra 2020 til 2025, uden manglende celler. Det er den serie, resten af denne fortælling står på, og den kan efterprøves: databasen reproducerer ministeriets offentliggjorte topliste eksakt.

Kilde: Jobindsats: tilpasninger pr. 1. februar 2026

I den seneste udgivelse, perioden 2. halvår 2024 til 1. halvår 2025, ligger 53 kommuner under deres forventede niveau og 45 over. Den mest negative udgivne afvigelse er Billund med -0,82 pp, cirka -130 fuldtidspersoner. Den mest positive er Langeland med +1,16 pp, cirka +70 fuldtidspersoner.

Mellem de to yderpunkter er ranglisten langt tættere pakket, end placeringstallene antyder. 45 af de 97 nabo-rangpar er adskilt af højst 0,01 pp. 71 er adskilt af højst 0,02 pp, og 89 af højst 0,05 pp. For 17 af de 98 kommuner er afvigelsen i sig selv under 0,05 pp: dér er selv fortegnet uafklaret ved udgivet præcision. At rykke tre pladser op eller ned i det midterfelt svarer typisk til hundrededele af et procentpoint.

Den officielle opfyldelses-etiket arver problemet. På tværs af alle 11 udgivelser skifter 121 af 980 nabo-overgange opfyldelsesstatus fra den ene udgivelse til den næste, og 66 af skiftene sker med en afvigelse under 0,1 pp i begge perioder. Indfører man i stedet et bånd på ±0,3 pp omkring nul, går kategoritællingen fra 53 opfyldt, 0 på niveau og 45 ikke-opfyldt til 13, 66 og 19: to tredjedele af landets kommuner ligger da hverken over eller under, men på niveau.

Skalaen kan også snyde. Fanø har +0,41 pp i den seneste periode, en synlig afvigelse på andelsskalaen, men 0 afrundede fuldtidspersoner og officiel placering 87. Procentpoint er derfor denne fortællings primære skala; fuldtidspersoner vises som kontekst.

Læst i de seks ikke-overlappende årsvinduer har 40 af de 98 kommuner en vedvarende benchmarkafvigelse i de udgivne tal: samme side af forventningen i mindst 5 af 6 vinduer, med en median på mindst 0,2 pp efter rensning for periodens fælles niveau. 16 ligger under deres forventede niveau, 24 over, og det samme sæt fremkommer på de rå værdier.

Vedvarende er dog ikke det samme som robust. Før nogen kommune navngives som yderpunkt i denne fortælling, skal den bestå alle forhåndsregistrerede robusthedstjek: uafhængig bekræftelse i de to seneste udgivelser, materialitet på mindst 0,2 pp og mindst 50 fuldtidspersoner, et empirisk funnel-tjek for kommunestørrelse, empirisk shrinkage og en rang-stabilitets-bootstrap med krav om mindst 80 pct. Tærsklerne er overtaget uændret fra den metodekritik, analysen blev udsat for på forhånd, og de er anvendt som frosne: ingen håndplukning, scripts udskriver alle beståede.

Otte kommuner består alle tjek. Ballerup, Gladsaxe, Holbæk og Vejen ligger vedvarende under deres forventede niveau. Frederikssund, Halsnæs, Langeland og Stevns ligger vedvarende over. Det er et udsagn om proceduren, ikke en karakter: tallene siger, at afvigelsen er der, år efter år, og at den tåler efterprøvning. De siger ikke hvorfor.

Resultatet er efterprøvet på den hårdest mulige måde, vi havde adgang til: en uafhængig blind replikation genfandt alle otte navne og Billund-eksklusionen eksakt. Replikationen blev udført af en anden AI-modelfamilie, der alene fik metodespecifikationen og databasen, uden adgang til vores resultater, og den ramte også nulsimulationens 0,071 på tredje decimal.

Tre af de otte viser, hvad læsedisciplinen betyder i praksis. Stevns har i intet af de seks vinduer ligget under +0,88 pp; i den seneste periode er afvigelsen +1,00 pp (faktisk 7,40 mod forventet 6,40, cirka +140 fuldtidspersoner), og alle tre ydelsesgrupper er positive: dagpenge +0,28, kontanthjælp +0,34, sygedagpenge +0,39. Fordelingen viser, hvor afvigelsen er registreret, ikke hvad der ligger bag. Langeland har vedvarende positiv afvigelse i alle seks vinduer og +1,16 pp i den seneste periode, men kun cirka +70 fuldtidspersoner, og stigningen i den faktiske andel fra forrige til seneste udgivelse (+0,43 pp) er i første orden næsten udelukkende et nævner-led: cirka +0,41 pp kommer fra en befolkningsbase, der faldt cirka 4 pct. Den seneste bevægelse må altså ikke læses som flere fuldtidspersoner på forsørgelse. Ballerup ligger under sit forventede niveau i alle seks vinduer; fra forrige til seneste udgivelse ændrede benchmarkafvigelsen sig med +0,34 pp, hvoraf den faktiske andel ændrede sig med +0,14 pp, mens det forventede niveau ændrede sig med -0,20 pp. Identiteten er altid den samme: ændring i afvigelse er ændring i faktisk minus ændring i forventet, og uden begge led er et "kommunen har flyttet sig" ikke et udsagn, tallene kan bære. Blandt de otte er i øvrigt ingen total stærkt annullerende på tværs af ydelsesgrupper.

Vælg en kommune og se dens tal fra den seneste udgivelse: faktisk andel, forventet niveau, benchmarkafvigelse og kildens officielle placering. Udlæsningen følger fortællingens læseregler: I midterbåndet er placeringer reelt uafgjorte, afvigelser under 0,05 pp har uafklaret fortegn ved udgivet præcision, og kun de otte kommuner, der består alle forhåndsregistrerede robusthedstjek, omtales som vedvarende yderpunkter.

Vil du se hele feltet, findes den fulde rangliste med ydelsesgruppe-filter på vores rammevilkår-side.

Først de ærlige nuller fra kalibreringsauditten: der er ingen monoton skævhed hen over forventnings-decilerne (gennemsnitsafvigelserne ligger mellem -0,15 og +0,15 pp i den seneste udgivelse), og på regionsniveau finder vi ingen klyngning af afvigelserne. Det ene systematiske mønster, vi fandt, er et småkommune-mønster: den mindste befolkningskvintil har positivt gennemsnitsgap i alle seks vinduer (råt 0,12 til 0,43 pp; svækket til 0,05 til 0,19 pp, når de fem mindste kommuner udelades), årsvolatiliteten er 0,369 pp i mindste kvintil mod 0,135 i største, og 6 af de 11 kommuner med en afvigelse på mindst 0,5 pp i den seneste udgivelse er i mindste kvintil. Mønstret er en kalibreringsdiagnose og kan ikke i sig selv fortolkes som en årsagssammenhæng: om det er modelbias eller reelle, uobserverede vilkår, kan de offentlige data ikke skelne.

Det ved vi ikke

1. Hvordan hver udgivelse er estimeret. Der findes ingen offentlig oversigt over koefficienter og datavintager pr. udgivelse. Derfor sammenligner vi aldrig på tværs af udgivelser som forbedring eller forværring.
2. Naboskabseffekter. Vi har testet regional klyngning (intet fundet), men ikke klyngning mellem nabokommuner; der findes ingen valideret naboskabsmatrix i grundlaget.
3. Den eksakte befolkningsnævner. Kildens antal er rundet til nærmeste 10, så alle rater i denne fortælling er omtrentlige, og præcise per-indbygger-tal er bevidst udeladt.
4. Sundhedsdata-grænsen inde i serien. Vinduerne til og med 2023 er beregnet med ældre sundhedsdata, vinduerne fra 2024 med genindførte. En kommunes vinduesserie kan derfor rumme et niveauskift af modeltekniske årsager, som vi ikke kan skelne fra lokal forandring.
5. Kontanthjælpsreformens systemtilpasninger. Udskydelsen i 2025 er dokumenteret som timing, men en fuld offentlig garanti mod substansændringer i dataproduktionen findes ikke.
6. Fremtidige revisioner. Serien er hentet i én synkron ekstraktion; senere genudgivelser kan i princippet ændre en kommunes værdi.
7. Månedsdiagnostikkens dækning. Fragilitetsflagene for Halsnæs og Langeland bygger på en proxyserie, der ikke dækker alle ydelser i målingen.
8. Bestand er ikke tilgang. Førtidspensionstesten kan hverken be- eller afkræfte en hypotese om tilkendelsesadfærd; det kræver data om nytilkendelser, som ikke findes i grundlaget.
9. Procedurens egne valg. Funnel, shrinkage, bootstrap og nulsimulation bygger på forhåndsfrosne designvalg. En anden rimelig parametrisering kunne flytte marginale tilfælde; den nærmeste margin er Billunds 76,0 pct. mod kravet om 80.
10. Den fremadrettede test. Den eneste rene test af, om navngivningen holder, er en ny, senere udgivelse uden gentilpasning. Om og hvornår en sådan udgivelse findes efter fjernelsen fra Jobindsats, er uafklaret; testen udestår.