6.1 Datainsamling
Undersökningen som gjordes i de olika länderna var internetbaserad och skickades ut till de skandinaviska respondenterna mellan den 7:e februari till 25:e mars 2014 och för de övriga länderna skickades den ut mellan den 28:e oktober till den 4:e november 2014. Undersökningen nådde ut till 45 478 potentiella respondenter och ska ha varit ett representativt urval som blivit baserat på både kön, ålder och religion. I slutet av undersökningsperioden hade 16 948 individer svarat, vilket motsvarar 37 procent. Danmark hade 1 002 respondenter vilket motsvarar 36 procent; Norge hade 1 001 respondenter motsvarande 36 procent; Sverige hade 1 801 respondenter motsvarande 32 procent; Storbritannien hade 3 040 respondenter motsvarande 43
29
procent; Frankrike hade 3 030 respondenter motsvarande 36 procent; Tyskland hade 3 029 stycken vilket motsvarar 39 procent; Spanien hade 2 037 respondenter motsvarande 43 procent och slutligen Nederländerna som hade 2 008 respondenter motsvarande 29 procent (se bilaga 2). SIFO (som utger sig för att vara ett av Sveriges ledande marknadsundersökningsföretag
(TNS Sifo 2016))var ansvariga för att genomföra undersökningen i de skandinaviska länderna,
d.v.s. Sverige, Norge och Danmark). För de övriga länderna (Frankrike, Tyskland, Nederländerna, Spanien och Storbritannien) var det Alstra AB som utförde undersökningen. Alla deltagarna i undersökningen var helt anonyma (Jonsson & Jakobsson).
Vad gäller urvalet för de åtta olika länderna konstateras att könsfördelningen i urvalet motsvarar 48,8 procent för kvinnor och 51,2 procent för män. Vad gäller ländernas utbildningsnivå finns en specifikation att tillgå nedan. Där redogörs för de officiella siffrorna för respektive lands utbildningsnivå jämfört med urvalet i den här undersökningens andelar för respektive utbildningsnivå. Generellt görs bedömningen att urvalet skiljer sig åt rätt mycket jämfört med populationerna och deras utbildningsnivåer. Vissa kategorier i vissa länder utmärker sig något mer dock. Bland annat så är högutbildade något överrepresenterade i urvalet.
Tabell 3. Respketive lands utbildningsnivå. Både officiella siffror samd andelarna från
urvalet i den här studien.
Källa: Ekonomifakta via OECD, Education at a Glance 2016.
Källa*: Landguiden via Världsbankens databas World Development Indicators. Siffrorna avser de barn som börjar skolan och har den rätta ålderns inne (d.v.s. dessa siffror redogör inte för andelen som avslutat sin grundskoleutbildning).
6.2 Potentiella brister med studien
Tre problem som kan uppstå när det kommer till skriftliga undersökningar (exempelvis enkätundersökningar) är s k warm-glow effect, hypothetical bias och social desirability bias. Warm-gloweffekten refererar till att respondenter av en undersökning kan känna ett visst värde av att svara på ett visst sätt. Ett exempel kan vara att individen svarar “Ja” till ett miljövänligt
Högskoleutbildad Gymnasieutbildad Grundskolutbildad
OECD Urval OEDC Urval WDI* Urval
Storbritannien 43,5 46,1 35,6 30,3 20,8 23,6 Sverige 39,8 53,6 42,2 38,6 17,3 7,83 Danmark 37,1 37,8 43,3 24,8 17,8 33,3 Norge 42,7 61,8 39,7 12,9 17,3 25,3 Nederländerna 35,3 24,7 41,1 44,2 20,6 31,1 Spanien 35,1 55,9 22,3 31 41 13,1 Frankrike 33,5 49,8 43,8 35,59 21,2 14,6 Tyskland 27,6 22,5 59,2 27,5 10,9 50
30
projekt endast för att det får denne att må bra (Sund 2016). Med andra ord handlar det om att individen är villig att uppoffra något för att förbättra och känna tillfredsställelse hos sig själv. Det kan röra sig om osjälviska gärningar såsom källsortering och donationer, men som i själva verket grundar sig i att individen vill uppnå en bättre självbild och därmed i själva verket agerar egoistiskt (Wilkingsson & Klaes 2012). I linje med detta går också hypothetical bias som refererar till att respondenten svarar på en undersökning på ett sätt som mer reflekterar dennes attityd än det faktiska engagemanget (Sund 2016). Social desirability bias hänvisar till problemet att individer ofta vid självrapportering (såsom enkätundersökningar) rapporterar felaktig information när det gäller känsliga frågor/ämnen, för att framställa sig själv så bra som möjligt.
De ovan nämnda effekterna kan tänkas ha påverkat resultaten i denna studien. Som de deskriptiva figurerna två och fem (sida 35 respektive 40) visar tenderar de flesta av respondenternas svar att cirkulera kring den högre delen av skalan. Detta kan bero på att individerna fått en positiv känsla av att agera/svara på ett visst sätt. Ytterligare en anledning till att många svarat likartat kan vara att individen känt ett slags tvång p.g.a. exempelvis normer och social acceptans att värdera jämställdhet högt trots att det nödvändigtvis inte återspeglar deras verkliga inställning.
6.3 Databearbetning
Datan har gjorts om något för underlätta analys och bearbetning. Detta har gjorts då undersökningen som resulterat i detta dataset varit uppdelad i två omgångar, en omgång för de skandinaviska länderna och en för de övriga europeiska länderna. Det har alltså förekommit två undersökningar, vilket har resulterat i att en del frågor har besvarats på olika sätt. För att då kunna göra dessa olika svar jämförelsebara med varandra, har en del variabler gjorts om. Observationerna och datan för variabeln inkomst är ett exempel på detta. Den har gjorts om för att vara lättare att arbeta med och jämföra mellan länderna. Det har skapats nya variabler som ska motsvara låginkomsttagare, medelinkomsttagare samt höginkomsttagare. Det sattes en gräns på 30 procent, 40 procent och slutligen 30 procent, d.v.s. de 30 procent som har angett att de tjänar minst i respektive land, blev klassade som “Låginkomsttagare”. De 30 procent som angett att de tjänar mest i respektive land klassades då som “Höginkomsttagare”, och de återstående 40 procenten däremellan motsvarar då “Medelinkomsttagare”. Detta har alltså gjorts för alla åtta länderna. Detta är av relevans då en viss inkomst motsvarande
31
höginkomsttagare i Spanien förmodligen inte överensstämmer med en höginkomsttagare i exempelvis Norge. Genom denna uppdelning så kan det undersökas och reflekteras över huruvida det verkar finnas någon skillnad mellan de som tjänar mest, lägst och däremellan (och därmed bedöms vara hög-, låg- och medelinkomsttagare i sitt land) i de olika länderna och jämföra dessa med attityderna mot jämställdhet.
På liknande sätt har också andra variabler bearbetats för att lättare kunna jämföras länderna emellan. Civilstatus/boende har slagits ihop och ändrats för att vara jämförelsebar. Denna variabeln blev indelad i fyra olika kategorier (gift, lever själv, lever med föräldrar eller separerad). Även observationerna för antal i hushållet och utbildning har gjorts om något. Kategorin högst avklarad utbildningen har komprimerats ihop till tre alternativ grundskola/gymnasium/universitet. Där respektive alternativ representerar låg-/medel-/ och högutbildade. Antal boende i hushållet är indelade från 1 person till 8+, alltså finns det 8 stycken alternativ i denna kategorin. För Danmark saknas all information angående denna kategorin. Då Danmark saknar värden i hela kategorin “antal boende i hushållet” kommer det att senare bara synas ett streck i tabeller för Danmarks värden för just den här variabeln. Variabeln för sysselsättning har också den gjorts om och respondenternas olika svar blev
indelade i sju olika kategorier: arbetande, arbetslös, studerande, pensionär,
hemmafru/hemmaman, långtidsledig och annat. I kategorin långtidsledig så ingår föräldraledig och sjukskriven.
Vilken stadskategori deltagarna bor i har delats in i tre olika kategorier utifrån befolknings- storleken på de städer som de kommer från. 1 - 30 000 representerar en “by”, 30 000 - 100 000 klassificeras som “stad” och 100 000 - 1 000 000 klassificeras här som “storstad”. Alla intervallen är ungefärliga. Datan är kompletterad med BNP för varje land vilket har hämtats från globalis.se. Siffrorna för BNP är från 2014 för respektive land. Att BNP är från 2014 argumenteras av att all data som används i den här studien, d.v.s. undersökningen som data är i från, utfördes under 2014.
För dessa variabler finns en förutfattad mening att åtminstone ett par av dem torde ha någon slags inverkan på attityder gentemot jämställdhet (varpå de ovan nämnda valdes ut). Inkomst och utbildning är variabler som har inverkan på var en individ står politiskt och kan därmed tänkas ha ett samband med hur individen ställer sig till jämställdhet. Tidigare forskning (finns att tillgå ovan) redogör för att kvinnor med arbete tenderar att lägga mindre tid på
32
hushållsarbetet. Variabeln “stadsstorlek” är utvald då det finns anledning att tro att människor i större städer kanske tenderar att vara mer öppna, mindre traditionella och mer positivt inställda till jämställdhet (Bergqvist & Saxonberg 2010). Detta är ett par argument för varför just variablerna ovan blev utvalda att undersökas ytterligare i en senare del i arbetet.