På DJØF Online har DJØF for nylig lanceret en lønberegner, som med afsæt i regressionsanalyser af bagvedliggende lønstatistik-data på det private område gør det muligt at præsentere lønstatistikken på en måde, hvor sikkerheden - modsat hvad der normalt gælder for lønstatistikker - stiger jo flere kriterier der vælges.

Lønberegneren viser desuden bruttoløndata (altså lønnen inkl. pension) fra lønstatistikken på det offentlige område, så der nu er langt bedre mulighed for sammenligning af djøf-lønningerne i den offentlige og i den private sektor.

Hvor den traditionelle lønstatistik bliver mere usikker jo flere kriterier der vælges, er det omvendt med lønberegneren, da flere parametre fører til mere sikre estimater i en regressionsanalyse.

Da der således er et slags trade-off mellem den traditionelle lønstatistik og lønberegneren (for det private område), er den tilrettelagt sådan, at vælges der få parametre vises tal fra den almindelige lønstatistiks tabeller og vælges mange parametre vises de beregnede estimater.

På det offentlige område viser tabellerne alene de faktiske lønninger fra lønstatistikken (men i fremskrevet brutto-niveau), så her kan mange kriterier fortsat føre til tabeller med så få data, at de ikke giver mening. Ikke desto mindre vil det ofte være muligt at lave fornuftige sammenligninger.

Til brug for sammenligner m.m. byder lønberegneren desuden på nye muligheder som fx overskuelige pdf-print af udtræk som kan samles i en pdf-indkøbskurv og efterfølgende gemmes eller udskrives.

Når der ikke er lavet en egentlig lønberegner for det offentlig område, hænger det dels sammen med at vi næsten har 100% af de offentlige lønninger i den almindelig lønstatistik, hvorfor behovet for at estimere lønninger ikke er så stort.

Derudover hænger det sammen med den måde lønningerne på det offentlige er skruet sammen i forskellige stillinsstrukturer m.m. som gør en lønberegner til en noget kompliceret affære, hvor omkostningen næppe vil stå mål med værdien.

Lønberegneren er blevet til med bistand fra UNI-C Statistik og Analyse, som har mangeårig erfaring med avanceret statistisk modelarbejde.