Metod och variabeldokumentation

Ordlista

Skolkoll använder dessa fem termer konsekvent. Begreppen syftar på olika nivåer i datakedjan — från myndighetens register, via varje upstream-API, ner till den fil du kan ladda ner.

Datakälla

En upstream-feed eller API vi synkar från (t.ex. Skolverket API, Skolverket Statistik, SCB DeSO, Kolada). En myndighet har ofta flera feeds — Skolkoll synkar 20 datakällor från 10 organisationer. Live-synkstatus per datakälla finns på settings-sidan.

Dataset

En distinkt datatyp som hämtas inom en datakälla (t.ex. "Meritvärden åk 9", "SALSA", "Skolenkäten"). En datakälla kan exponera flera dataset — Skolkoll dokumenterar 27 dataset i tabellen nedan.

Datafil

Bearbetad CSV/JSON du kan ladda ner. Skolkoll publicerar nedladdningsbara datafiler på öppen data-portalen.

Skolenhet

Skola enligt Skolverkets register. Skolverkets råregister innehåller ~46 000 skolenheter inklusive vilande och upphörda; Skolkoll publicerar endast aktiva (~16 000).

Aggregat

Statistisk population som en analys baseras på (t.ex. "samtliga grundskolor i en kommun" eller "alla elever med betyg över ett tröskelvärde").

1. Datakällor och dataset

Skolkoll aggregerar 27 dataposter från 20 datakällor hos 10 myndigheter och organisationer. Tabellen nedan listar varje datapost — vissa rader är hela datakällor/API:er (t.ex. "Skolverket Planned Educations API v3") som returnerar flera datatyper, andra är enskilda dataset inom en datakälla (t.ex. "Meritvärden åk 9"). Live-synkstatus per datakälla visas påsettings-sidan.

Utöver dessa hämtar vi även 143 kommun-KPI:er från Kolada (RKA) — komplett lista finns på settings-sidan.

1b. Kvalitetskontroller

All data som publiceras på Skolkoll passerar 27 automatiska kvalitetskontrollerinnan den når en publik sida. Tabellen nedan listar varje kontroll, vad den verifierar och var i pipelinen den körs. Kontrollerna är implementerade ifunctions/lib/data-quality-engine.js, functions/lib/schema-validator.js,functions/lib/sync-guard.js, functions/lib/upload-validation.js,functions/lib/compare-quality.js och functions/lib/validation.js.

Utöver dessa körs format-validering på organisationsnummer (Luhn-checksumma), skolenhetskod (8 siffror eller forsk-NNNNNN), kommunkod (4 siffror) och LEI (ISO 17442). Pre-upload-guarderna är aktiverade i prioriterade sync-flöden via validateBeforeUpload eller validateSchoolUploadCounts; övriga functions/sync-*.js-funktioner täcks av efter-synk- och CI-kontroller tills motsvarande guard är inkopplad.

2. Variabelordbok

Tabellen nedan dokumenterar de viktigaste variablerna som visas på Skolkoll. Varje variabel beskrivs med enhet, källa och en kort förklaring. En komplett maskinläsbar datakatalog med samtliga 80+ mått finns imetric-definitions.json.

3. SALSA-metoden

Vad är SALSA?

SALSA står för Skolverkets Arbetsverktyg för Lokala SambandsAnalyser. Det är en statistisk modell som Skolverket utvecklat för att sätta skolors resultat i relation till elevsammansättningen. Syftet är att ge ett tolkningsstöd genom att kontrollera för några bakgrundsfaktorer som skolan inte själv råder över.

Modellspecifikation

SALSA är en multipel linjär regressionsmodell som skattar förväntat meritvärde baserat på följande oberoende variabler:

• Föräldrarnas utbildningsnivå — andel elever vars föräldrar saknar gymnasieutbildning (%)
• Nyinvandrade elever — andel elever som invandrat till Sverige under de senaste fyra åren (%)
• Kön — andel pojkar (%)

Skolverket specificerar och anpassar modellen. Förenklat kan den uttryckas som:

Meritvärde = β₀ + β₁ × (föräldrar utan gymnasieutb. %) + β₂ × (nyinvandrade %) + β₃ × (andel pojkar %) + ε

Det är Skolverket som skattar koefficienterna (β-värdena) genom minsta-kvadratmetoden på samtliga grundskolor med årskurs 9 som rapporterar tillräckligt elevunderlag, och som publicerar den färdiga residualen (avvikelsen) per skolenhet via SIRIS. Skolkoll utför ingen egen regression — vi hämtar Skolverkets publicerade residual och skalar om den till mervärde-dimensionen. Skolverkets exakta koefficienter och variabeltransformationer ingår inte i de data vi hämtar.

Residualen — vad den betyder

SALSA-residualen är skillnaden mellan skolans faktiska meritvärde och det modellförväntade värdet:

Residual = Faktiskt meritvärde − Förväntat meritvärde

• Positiv residual — utfallet ligger över modellens förväntade värde givet de variabler som ingår.
• Negativ residual — utfallet ligger under modellens förväntade värde givet de variabler som ingår.
• Residual nära noll — utfallet ligger nära vad modellen förutsäger.

På Skolkoll används gränsvärdet −15 poäng för att visa en tydlig negativ modellavvikelse. Residual under −25 poäng markeras med högre uppmärksamhetsnivå, men är fortfarande inte ett fristående kvalitetsbetyg.

Begränsningar

• SALSA gäller bara grundskolan årskurs 9 — det finns ingen motsvarande modell för gymnasium eller förskola.
• Modellen kontrollerar för en begränsad uppsättning bakgrundsfaktorer. Faktorer som boendesegregation, psykisk hälsa och skolans resurstilldelning fångas inte.
• Residualen är ett genomsnitt för skolan — den säger inget om enskilda elevers resultat.
• Små skolor med få elever får instabila residualer som kan variera kraftigt mellan år.
• SALSA är ett modellmått, inte ett kvalitetsbetyg. En skola kan ha positiv residual men ändå ha låga meritvärden i absoluta tal.
• SALSA ska läsas tillsammans med meritvärde, lärarbehörighet, trygghet, lokala regler och kvalitativa frågor till skolan.

Referens: Skolverkets SALSA-dokumentation

4. Skolkoll-score

Vad är Skolkoll-score?

Skolkoll-score är ett sammanvägt mått på skalan 0–100 som väger samman fem dimensioner till ett mer jämförbart tal. Till skillnad från ett rått meritvärde normaliseras varje dimension mot riket per skolform, så att scoren kan jämföra skolor mer konsekvent över kommungränser. Scoren beräknas för grundskolor (GR) och gymnasieskolor (GY) var för sig och visas bland annat på skolsidorna och påSveriges bästa skolor.

De fem dimensionerna och deras vikter

Scoren är en viktad summa av fem dimensioner. Varje dimension uttrycks som ett värde 0–100 innan vikten appliceras:

Normalisering — percentilrank

Dimensionerna resultat, personal och resurser normaliseras med percentilrankmot samtliga skolor av samma skolform (GR eller GY) för det aktuella läsåret. Vi använder en mittrankad percentil — andelen skolor med lägre värde plus halva andelen med exakt samma värde:

percentil = (antal lägre + ½ × antal lika) / antal skolor × 100

Det innebär att 100 = bäst i landet, 50 = neutral mittpunktoch 0 = lägst. För elever per lärare inverteras skalan, eftersom färre elever per lärare är bättre — låg lärartäthet ger alltså hög percentil.

Mervärde — skalning av SALSA-residualen

SALSA-residualen (vanligen mellan −60 och +60 meritpoäng) klipps till intervallet −60…+60 och skalas linjärt till 0–100:

mervärde = (residual + 60) / 120 × 100

En residual på 0 (skolan presterar precis som modellen förväntar) ger 50. SALSA finns bara för grundskolans åk 9; för gymnasiet och för skolor utan SALSA-värde sätts mervärdet till neutralvärdet 50 (se nedan).

Trygghet — trygghetsindex

Trygghetsdimensionen är ett eget sammanvägt index 0–100 från Skolverkets skolenkät, med följande vikter:

• Trygghet — 40 %
• Studiero — 30 %
• Mot kränkningar — 20 %
• Personalens trygghet — 10 %

Indexet använder den högsta tillgängliga årskursen i tur och ordning: åk 8 i första hand, därefter åk 5 och slutligen gymnasiets år 2. Värdet ligger redan på 0–100-skalan och används direkt som trygghetsdimension.

Sammanvägning

Den slutliga scoren är den viktade summan, avrundad till heltal och begränsad till 0–100:

Skolkoll-score = Resultat × 0,30
              + Personal × 0,25
              + Mervärde × 0,20
              + Trygghet × 0,15
              + Resurser × 0,10

Neutralvärde när data saknas

Saknar en skola skolspecifik data i en dimension sätts den dimensionen tillneutralvärdet 50 — percentil 50, SALSA-residual 0 respektive trygghet 50. På så vis sänker inte enbart frånvaron av en uppgift en skola. Vi redovisar hur många av de fem dimensionerna som bygger på faktisk skolspecifik data (t.ex. "3 av 5 dimensioner har skolspecifik data"). En skola får dock bara en score om den har antingen ett riktigt resultatvärde eller riktig lärarbehörighet — en score byggd enbart på neutralvärden produceras aldrig.

Det förklarar varför en skola kan ha en score men sakna meritvärde åk 9. En F–6-skola har ingen åk 9 och därmed inget meritvärde; dess resultatdimension faller då tillbaka på betygspoäng eller behörighet om sådan finns, annars på neutralvärdet 50, medan personal-, mervärde-, trygghet- och resursdimensionerna speglar skolans faktiska data. Ett "–" i meritvärde-kolumnen betyder alltså att skolan saknar meritvärde åk 9 — inte att den saknar data i övriga dimensioner.

Säkerhetsklassning

Hur säker scoren är beror på elevunderlaget. Klassningen följer Skolverkets censureringspraxis (grupper under 10 elever döljs):

• Färre än 10 elever → dold. Scoren visas inte.
• 10–24 elever → begränsad säkerhet. Scoren visas med en markering om att underlaget är litet.
• 25 elever eller fler (eller okänt antal) → normal. Scoren visas som vanligt.

Rikstäckande topplistor som Sveriges bästa skolorinnehåller endast skolor med normal säkerhet, så att en liten skola på tunt underlag inte kan toppa en nationell lista.

Begränsningar

• Scoren är ett relativt rankningsmått, inte ett absolut kvalitetsomdöme. Den fångar inte pedagogisk profil, närhet, trivsel eller hur väl en skola passar just ditt barn.
• Eftersom dimensionerna är percentilrankade beror en skolas score på hur övriga skolor presterar samma läsår — absoluta tal är därför inte direkt jämförbara mellan år.
• SALSA finns bara för grundskolans åk 9, så mervärdesdimensionen vilar på neutralvärdet 50 för gymnasiet och för skolor utan SALSA-värde.
• En score som till stor del bygger på neutralvärden har lägre informationsvärde — kontrollera hur många av de fem dimensionerna som har faktisk data.
• Trygghetsdimensionen ärver skolenkätens svarsfrekvensförbehåll (se Datakvalitet).

Kanonisk implementation: src/lib/scoring-core.ts(computeSkolkollScore, buildScorePercentiles, computeTrygghetsindex).

5. Datakvalitet

All data som visas på Skolkoll kommer från officiella svenska myndigheter och öppna API:er. Det finns dock viktiga begränsningar att vara medveten om:

Sekretessavdrag

Skolverket redovisar inte statistik för skolenheter där elevunderlaget understiger15 elever i den aktuella variabeln. Detta för att skydda enskilda elevers integritet. Berörda variabler visas som "–" eller saknas helt på Skolkoll.

Svarsfrekvens skolenkäten

Skolverkets skolenkät bygger på frivillig medverkan. Svarsfrekvensen varierar kraftigt mellan skolor och årskurser, vilket påverkar tillförlitligheten. Resultat med låg svarsfrekvens bör tolkas med försiktighet.

Förskolor — GPS-positioner

Skolverkets API innehåller inte alltid koordinater för förskolor. Skolkoll matchar förskoleadresser mot SCB:s geodata, Bolagsverkets adressregister och OpenStreetMaps Nominatim-tjänst. Ungefär 85 % av förskolorna har matchats med GPS-position, resterande visas utan karta.

Kommun-aggregering

Demografisk data på DeSO-nivå (Demografiska Statistikområden) aggregeras till kommunnivå. Absoluta tal (befolkningsantal, sysselsatta, bostäder m.fl.) summeras och andelar beräknas sedan från de summerade värdena. Mått som redan är medelvärden eller medianer (t.ex. ekonomisk standard) viktas med befolkningstal per DeSO-område så att folkrikare områden får proportionellt större inflytande.

Socialstyrelsen — skador/skadehändelser

Socialstyrelsens skadehändelsemått hämtas på kommunnivå från ämnetSkador och skadehändelser i Sveriges kommuner och län. Skolkoll användermatt=2 (vårdade personer per 100 000 invånare), kon=3(båda könen), typ=9 (totalt antal skadade), vardform=SVOV(sluten och/eller specialiserad öppenvård) och åldersgrupperna alder=1(0-14 år) samt alder=2 (15-24 år). Värdena är 3-årsmedel och visas som kommunal områdeskontext, inte som skol- eller DeSO-mått.

Betygsdata

Meritvärden i Skolverkets statistik avser elever som fått betyg i minst ett ämne. Elever som inte fått betyg i något ämne (exempelvis nyanlända utan betygsunderlag) inkluderas inte i genomsnittsvärdet.

Tidsfördröjning

Viss data har en naturlig tidsfördröjning. Betygsdata för ett läsår publiceras vanligen på hösten samma år. Kolada-data kan ha upp till sex månaders fördröjning beroende på KPI. Uppdateringsdatum för varje datakälla visas pådatakällorsidan.

Hittar du ett fel i data eller beräkningar? Läs vår rättelsepolicy för hur du rapporterar och hur vi åtgärdar.

6. Citera Skolkoll

Data och analyser från Skolkoll får fritt citeras med källhänvisning. Förslag på citeringsformat:

Skolkoll (2026). [Variabelnamn]. Hämtad [datum] från https://skolkoll.se/
Baserat på data från Skolverket, SCB, Kolada, Socialstyrelsen och SMHI/Natmodluft.

Exempel: Skolkoll (2026). Meritvärde åk 9. Hämtad 2026-07-05 från https://skolkoll.se/skola/12345678/. Baserat på data från Skolverket.

Se även versionspolicyn för information om arkivering, schemaförändringar och licensvillkor och metodpolicyn för hur metod dokumenteras och ändras. Alla siffror här beräknas deterministiskt från källdata — se Så använder Skolkoll AI för var och hur AI används (och inte används). Vill du granska Skolkoll-betyget själv? På Granska vår metod finns specifikation, testdata och ett reproduktionsskript — och vårt löfte att publicera granskningar i sin helhet.

7. Ändringslogg

Viktiga förändringar i datainsamling, beräkningsmetoder och variabeldefinitioner.