7.4 Stadens utvecklingsdynamik 2002–2012
7.4.2 Dynamiken i Eskilstuna
I vår undersökning av Eskilstuna ingick det som mest 76 852 personer (SCB 2012). År 2012 utgjorde underklassen den största delen (45 %) och medelklassen den näst största delen (30 %) av stadens befolkning. Den resterande och minsta delen (25 %) tillhörde arbetarklassen (tabell 9), och denna andel är i stort sett oförändrad mellan åren 2002 och 2012. Underklassen har minskat med nio procent medan medelklassen har upplevt en motsvarande ökning (8 %).
Tabell 9. Klassförändringar i Eskilstuna under en tioårsperiod Typ av klass År 2002 2012 Underklass 54 % 45 % Arbetarklass 24 % 25 % Medelklass 22 % 30 % Totalt 100 % 100 %
Genom att studera figur 17 kan vi följa flöden i boendeförändringarna mellan åren 2002 och 2012. För det första kan vi konstatera att antalet boende i de så kallade sämre ställda stadsom- rådena minskade med 18 % under aktuell tid. Minskningen förklaras av att antalet sämre ställda stadsområden minskade med två (Torshälla och Norr). Därför kan cirka en tredjedel (ca 14 000) av stadens underklass numera betraktas som arbetarklass och bor i mezzo-stadsområ- den.
Störst förändring mellan boendeutbredning och befolkning står arbetarklassen i Eskilstuna för. Deras boendeutbredning minskade med 43 % medan deras antal är i stort sett oförändrat. Det innebär att lika många arbetare bor år 2012 i nästan hälften så många stadsområden som före år 2002. Under samma tid ökade antalet bättre ställda stadsområden med fyra (Gredby, Tumbo, Ekeby och Hållsta tätort) med sammanlagt 6 224 (36 %) boende. Avslutningsvis är det bara bland medelklassen som ökningen i boendeutbredning (36 %) överstiger ökningen i andelen boende (25 %).
Figur 17. Boendeförändringens mönster och dynamik i Eskilstuna åren 2002–2012
Om vi jämför med genomsnittet för riket, där cirka hälften av de boende i sämre ställda stads- områden flyttar ut efter tio år (Edling, 2015), kan vi konstatera att Eskilstuna ligger under ge- nomsnittet vad gäller flöden av människor mellan de olika typerna av stadsområden. Nästan 20 % av de boende i de kvarvarande sju sämre ställda stadsområdena flyttade in under aktuell tidsperiod. De består till mestadels av invandrare och tillfälliga eller permanent resurssvaga svenskar.
Klassrörligheten mellan de tre typerna av stadsområden i Eskilstuna framstår således som trög. Arbetarklassen är alltjämt den stabila klassen och förändras sällan vad gäller antal. Dock har dess (och underklassens) boendeutbredning minskat kraftigt.
7.4.3 Dynamiken i Västerås
I vår undersökning ingick som mest 140 052 personer (SCB 2012). Klasstrukturen i Västerås har en annan typ av hierarki än i Eskilstuna. Här är medelklassen stadens största klass, då den har vuxit och utgör 2012 mer än hälften (52 %) av stadens befolkning. Arbetarklassen är den näst största klassen med strax under en tredjedel (30 %) av stadens befolkning. Underklassen utgör de kvarvarande 18 % (tabell 10).
Det är intressant att andelen av den befolkning som kan beskrivas som arbetarklass inte har förändrats under de tio åren. Den stora förändringen som har skett är att underklassens andel har minskat med 25 %, medan medelklassen har upplevt en motsvarande ökning.
Svenskar Sämst ställda stadsområde Invandrare Stadsområden: 7 (2002) - 11 (2012) (Ökning med 36 %) Befolkning: 17 209 (2002) – 23 107 (2012) (Ökning med 25 %) Stadsområden: 8 (2002) - 6 (2012) (Minskning med 43 %) Befolkning: 18 623 (2002) – 19 026 (2012) (Ökning med 2 %) Stadsområden: 9 (2002) -7 (2012) (Minskning med 23 %) Befolkning: 42 465 (2002) – 34 719 (2012) (Minskning med 18%) Bäst ställda stadsområde Mezzo- stadsområde Medelklass (30 %) 14 305 (34 %)
2 stadsområden (Ny arbetarklass)
6 224 (36 %)
4 stadsområden (Ny medelklass)
6 559 (19 %) Ny underklass
Underklass (45 %)
Tabell 10. Klassförändringar i Västerås under en tioårsperiod Typ av klass År 2002 2012 Underklass 43 % 18 % Arbetarklass 30 % 30 % Medelklass 27 % 52 % Totalt 100 % 100 %
Figur 18 visar att fem stadsområden – Bjurhovda, Jakobsberg-Pettersberg, Gideonsberg-Skall- berget, Viksäng och Haga-Malmaberg – med sammanlagt 38 577 boende har omvandlats till mezzo-stadsområden. Det betyder att 70 % av ursprungsboenden har lämnat de sämre ställda områdena, vilket är 20 % över genomsnittet för hela riket. Vidare har två stadsområden – Önsta-Gryta, Skiljebo-Hemdal-Brandt – med sammanlagd 31 209 boende (80 % av arbetar- klassen i staden 2002) ändrat status till bäst ställda. Det innebär att antalet medelklassområden har ökat med sex (46 %).
Figur 18. Boendeförändringens mönster och dynamik i Västerås åren 2002–2012 Svenskar Sämst ställda stadsområde Invandrare Stadsområden: 7 (2002) - 13 (2012) (Ökning med 46 %) Befolkning: 34 799 (2002) – 74 770 (2012) (Ökning med 54 %) Stadsområden: 6 (2002) - 4 (2012) (Minskning med 33 %) Befolkning: 38 830 (2002) – 40 983 (2012) (Ökning med 5 %) Stadsområden: 9 (2002) - 4 (2012) (Minskning med 55 %) Befolkning: 54 971 (2002) – 24 299 (2012) (Minskning med 44 %) Bäst ställda stadsområde Mezzo- stadsområde Medelklass (52 %) 38577 (70 %)
5 stadsområden (Ny arbetarklass)
31 209 (80 %)
5 stadsområden (Ny medelklass) 7 905 (35 %) Ny underklass
Arbetarklass (30 %) Underklass (18 %)
8
Slutsatser
Med fokus på hela staden och genom att anamma ett brett klassperspektiv har vi i denna studie kunna identifiera tre olika typer av stadsområden som vi har valt att kalla sämre ställda, mezzo- och bättre ställda områden. Av dessa tre typer av status är det mezzo som har visat sig ha störst betydelse för förståelsen av stadsområdenas utveckling mot social hållbarhet. Denna kategori utgör en viktig tröskel som de sämre ställda stadsområdena måste passera om de på sikt ska förändra sin status. När ett stadsområde uppnår mezzo-status är det i det närmaste en tidsfråga innan det ändrar status till bättre ställt. Generellt sett halkar de bättre ställda stadsområdena sällan ner i mezzo-status. Detsamma gäller för mezzo-stadsområden, som sällan halkar ner i sämre ställd status. Om så sker är det sällsynt och kortvarigt.
Utvecklingen i stadsområdenas status kan påverkas utifrån: Medan gentrifiering bidrar till förändring av stadsområdenas status visar våra resultat att filtreringsprocessen bidrar till ce- mentering av status i de sämre ställda stadsområdena.
I Eskilstuna har antalet bättre ställda stadsområden ökat med fyra, mezzo ökat med två medan sämre ställda minskat med två. Denna positiva utveckling till trots kan en socioekono- misk polarisering mellan de sämst ställda och bäst ställda stadsområdena skönjas, d.v.s. mellan underklassen och medelklassen: Skillnaden i välfärd mellan de sämre och bättre ställda stads- områdena ökade med 50 % under aktuell tidsperiod.
I Västerås stad är skillnaden i välfärdsnivå mellan stadsområdena i stort sett oförändrad. Välfärden har ökat mer eller mindre i alla stadsområden. Däremot har det uppstått stor sprid- ning av välfärd inom de bättre ställda områdena, d.v.s. inom medelklassen. Antalet medelklass- områden har ökat med 54 % under aktuell tidsperiod, medan de sämre ställda stadsområdena har minskat med 44 %. Trots att antalet mezzo-stadsområden i Västerås stad är oförändrat är omsättningen ändå hög, d.v.s. det är inte kontinuerligt samma stadsområden som tillhör denna kategori.
Klassförändringarna i de två städerna är olika. I Eskilstuna är klasstrukturen stabil, även om det har skett två mindre förändringar: Andelen underklassområden minskade från 54 % till 45 % och andelen medelklassområden ökade med lika mycket, till 25 %. I Västerås har klas- strukturen förändrats i högre grad: Underklassenområdena har minskat avsevärt; från 43 % till 18 %, medan medelklassområdena har fördubblats och utgör 52 %. Arbetarklassområdenas andel är dock i stort sett oförändrad och lika stor både i Eskilstuna och Västerås, 26 % respek- tive 30 %.
Den generella trenden i stadsområdesutvecklingen är att fler områden uppnår bättre ställd status men omvandlingen mot social hållbarhet tar tid samt uppvisar och förhindrar inte socio- ekonomisk polarisering eller befästning av sämre ställd status. Färre antal stadsområden med billiga hyresrätter gör det svårt för låginkomsttagare att hitta ett prisvärt boende. Ökningen av nyanlända invandrare ökar dessutom efterfrågan på bostäder.
9
Diskussion
Att gapet mellan bättre ställda och sämre ställda stadsområden minskar gynnar demokratin, då alla samhällsklasser kan delta politiskt med liknande förutsättningar. Därför bör både ekono- misk och politisk jämlikhet vara en förutsättning för social hållbarhet i samband med stadsut- vecklingsstrategier och stadsdelsarbete. En stadsområdesutveckling där de sämre ställda stads- områden får det bättre i samma takt som staden i övrigt och inte drabbas om stadens välfärd minskar är således önskvärt.
Framför allt borde filtrering förebyggas och motverkas, då en sådan cementerar stadsområ- dets status och i värsta fall förhindrar en utveckling mot social hållbarhet. Städer behöver också motverka gentrifiering vid renovering av miljonprogramsbostäder. Det är inte rimligt att hy- rorna höjs i den omfattningen att de boende tvingas att flytta ut. Låginkomsthushållens boen- dekostnader får inte begränsa deras möjligheter att tillgodose andra basala behov som mat, hälsa och transport. Om så är fallet kan det leda till negativa effekter på både arbetsmöjligheter och hälsa.
Förändringar av bostadspolitiken i Sverige har gjort att utbudet av hyresrätter har minskat kraftigt. I sin rapport om orsaker till och konsekvenser av segregationen på den svenska bo- stadsmarknaden lyfter Kara och Färnström (2015, s.9) fram att det inte bara råder brist på bostäder, utan framför allt brist på hyresrätter. Denna brist, som våra resultat också visar, slår hårt mot underklassen och medför negativa konsekvenser även för staden och samhället i stort, då bostads- och arbetsmarknad är nära sammanlänkade. Minskningen av bostadsutbredning för de mest resurssvaga både i Västerås och Eskilstuna är oroande, inte minst med tanke på ett ökat flyktingmottagande. Tillgång till hyresrätten, den upplåtelseform som inte kräver ett stort startkapital kan utgöra den enda möjligheten för nyanlända eller andra resurssvaga individer i samhället att skaffa egen bostad och därmed vidare etablera sig i samhället.
Referenser
Almond, G. & Verba, S. (1963). The Civic Culture. Boston: Little, Brown & Company.
Andersson, R. (2008). Skapandet av svenskglesa bostadsområden. I Turner L.M. (red.) Den delade staden. Segregation och etnicitet i stadsbygden (2. uppl.). Umeå: Boréa Bokförlag.
Bremberg, E. & Slättman, H. (2015). Skillnadernas Stockholm. Kommissionen för ett hållbart Stock- holm: Stockholms stad.
Bråmå, Å. (2011). Går det att vända utveckling i utsatta bostadsområden? Exemplet Navestad/Ringdansen i Norrköping. Rapport 2011:5. Centrum för kommunstrategiska studier.
Dahl, R. (2000). On Democracy. New Haven: Yale University Press.
Edling, J. (2015). Förorterna som Moder Svea glömde: En dokumentation av en obefintlig integrationspolitik. Verdandi.
Fell, T. (2011). Explaining Policy Failure in Swedish Game Management. An Institutional Ana- lysis. Statsvetenskaplig tidskrift, 113 (2), s. 191–208.
Fell, T., Jertfelt, I., Qaderi, J. & Lahdenperä, J. (2013a). En framgångsrik styrmedelsmix? Om statens ambition att påverka kommunernas energipolicys. Forskningsrapport SiSS 2013:1. Västerås: Mälardalens högskola.
Fell T, Qaderi, J., Lahdenperä, J. & Guziana B. (2013b). Stadsdelsutveckling i två kommuner: En analys av den socioekonomiska och sociokulturella kontextens betydelse för social hållbarhet (2. rev. uppl.). Forskningsrapport SiSS 2013:2, Samhällskontraktet. Västerås: Mälardalens högskola. Fell, T., Guziana, B. & Qaderi, J. (2014). Stadsdelsutveckling i två kommuner (del 2): En analys av byrå-
kraters syn på implementering av åtgärder för ökad social hållbarhet. Forskningsrapport SiSS 2014:1. Samhällskontraktet. Västerås: Mälardalens högskola.
Guevara, B. (2014). Segregation. Utbredning, orsaker, effekter och möjliga åtgärder: Ett kunskapsunderlag om segregation inom projekt KAIROS. Mistra Urban Futures Papers 2014:3.
Götlin, A. C. (2014). Välfärdsindikatorer 2014. Ett urval av indikatorer som beskriver välfärden i Väs- terås. Västerås stad, Konsult och Service U 2014:17.
Hedin, K. (2010). Gentrifiering, socialgeografisk polarisering och bostadspolitiskt skifte. Licentiatavhandling: Lunds universitet.
Hedin, K., Clark E., Lundholm E., Malmber, G. (2012). Neoliberalization of Housing in Sweden: Gentrification, Filtering, and Social Polarization. Annals of the Association of American Ge- ographers, 102(2), s. 443–463.
Kara, S & Färnström S. (2015) Delade städer. Om integration och etableringshinder på bostadsmarknaden. Rapport 3, 2015. Tankesmedjan Tiden.
Lewin, L. (1998). Man, Society and the Failure of Politics. Critical Review 12(1–2), s. 1–12.
Nast, J. & Blokland, T. (2013). Social Mix Revisited: Neighborhood Institutions as Setting for Boundary Work and Social Capital. Sociology 0 (0), s. 1–18.
Oskarsson, M., Bengtsson, M. & Berglund, T. (2010). En fråga om klass: levnadsförhållanden, livsstil, politik. Malmö: Liber.
Ostrom, E., Gardner, R. & Walker, J. (1993). Rules, games, and common-pool resources. Ann Arbor: University of Michigan Press.
Putnam, R.D. (1996). Den fungerande demokratin: medborgarandans rötter i Italien (1. uppl.). Stockholm: SNS (Studieförb. Näringsliv och samhälle).
Rawls, J. (1971). A Theory of Justice. Oxford: Oxford University Press.
Standing, G. (2011). The Precariat. The new dangerous class. New York: Bloomsbury academic. Statistics Sweden: SCB.se.
Winter, S. C., Dinensen, P. T. & May, P. J. (2007). Implementation Regimes and Street-Level Bu- reaucrats: Employment Service Delivery. Konferensbidrag presenterat vid the Public Management Research Conference, Tuscon, Arizona, Octorber 25–27.
Bilaga: Tabeller
Tabell 1: Välfärd
Variabel Samhällsgrupp Beskrivning Källa
Förvärvsinkomst Medelvärde för personer
16–64 år Sammanräknad förvärvsinkomst är summan av inkomst av tjänst och in-komst av näringsverksamhet. Avser personer boende i stadsdelen 31/12 re- spektive år
SCB
Bilinnehav Antal familjer med bil/to-
talt antal familjer Absoluta och jämförande tal över bilbestånd, biltäthet och bilinnehav. For-donsslag: Personbilar enligt fordonsregistret som registrerats på fysiska per- soner enligt registret över totalbefolkningen (RTB)
SCB
Försörjningsstöd Antal familjer/antal familjer
med försörjningsstöd Statistiken avser försörjningsstöd för familjer 20- år boende i området 31/12 respektive år. OBSERVERA att sammanboende ogifta par utan ge- mensamma barn redovisas i familjestatistiken som ensamstående. Antal fa- miljer överskattas därmed.
SCB
Fattigdom Andel familjer med låg in-
komststandard Inkomststandard – den disponibla inkomsten dividerad med en norm för levnadsomkostnader vars storlek beror av familjens sammansättning. Nor- men består av baskonsumtion (exempelvis mat och kläder) samt kostnader för boende
SCB
Andel boende i
hyresrätt Andel av befolkningen bo-satt i hyresrätt Den andel av befolkningen som är bosatt i hyresrätt SCB
Tabell 2: Medborgarkapital
Variabel Samhällsgrupp Beskrivning Källa
Brott Polisanmälda brott per
1000 invånare/år Det är endast brott mot brottsbalken som ingår, vilket innebär att bland an-nat alkohol-, narkotika- och trafikbrott har exkluderats. Dessa brott har i hög grad inte något med bostadsområdet att göra utan till stor del beror på polisens insatser t ex till en trafikkontroll
Polisen
Ohälsa totala antalet ohälsoda-
gar/antalet i befolkningen 16–64 år
Ohälsotalet är summan av antal dagar med sjukpenning, dagar med sjuk- och aktivitetsersättning, dagar med rehabiliteringsersättning och dagar med arbetsskadepenning.
SCB
Valdeltagande Valmanskåren/valår Valdeltagande i val till kommunstyrelsen Val.se
Utbildningsnivå Avser befolkningen i ål-
dern 25–64 år Avser högsta avslutade utbildning sista september varje år. Nivån är framta-get genom att multiplicera antalet personer på respektive utbildning med den tid det vanligtvis tar att slutföra. Detta värde divideras sedan med anta- let personer
SCB
Tabell 3: Sysselsättning
Variabel Samhällsgrupp Beskrivning Källa
Arbetslöshet Arbetssökande 18–64 år Samtliga motsvarar hela befolkningen 18–64 år i stadsområdet 31/10 resp. år. Uppgifterna är hämtade från AMS:s Handelsregister och avser personer ”Utan arbete, kan ta arbete direkt”
SCB
Ungdomsarbetslös-
het Arbetssökande 18–24 år Samtliga motsvarar hela befolkningen 18–64 år i stadsområdet 31/10 resp. år. Uppgifterna är hämtade från AMS:s Handelsregister och avser personer ”Utan arbete, kan ta arbete direkt”
SCB
Förvärvsfrekvens Åldersgruppen 20–64 år Förvärvsfrekvens avser andel personer med bostad i stadsområdet (nattbe- folkning) som förvärvsarbetar i en viss åldersgrupp i relation till samtliga personer i den aktuella åldersgruppen
SCB
Studerande Andel av befolkningen
Tabell 4: Utanförskap
Variabel Samhällsgrupp Beskrivning Källa
Arbetslöshet Arbetssökande 18–64 år Motsvarar hela befolkningen 18-64 år i stadsdelen 31/10 varje år. Upp- gifterna är hämtade från AMS:s Handelsregister och avser personer som är antingen ”utan arbete”, eller ”kan ta arbete direkt”
SCB
Fattigdom Andel familjer med låg
inkomststandard Den disponibla inkomsten beräknas utifrån levnadsomkostnader vars storlek beror av familjens sammansättning och deras baskonsumtion (exempelvis mat och kläder) samt kostnader för boende
SCB
Ej betyg åk 9 Andel avgångselever
årskurs 9 Avgångselever i årskurs 9 som ej nått kunskapskraven i ett, flera eller alla ämnen SCB Tabell 5: Etnicitet
Variabel Samhällsgrupp Beskrivning Källa
Befolkning Alla åldrar Med befolkning avses de boende som är stadigvarande bosatt inom respek-
tive område SCB
Utländsk bakgrund Andel utlandsfödda, eller
utlandsfödda föräldrar Med utländsk bakgrund menas personer födda utomlands och personer födda i Sverige med båda föräldrarna födda utomlands. Avser befolkningen 31/12 respektive år
SCB
Största etniska
grupp Alla icke-svenska grupper Största grupp avser den storleken på den störst icke svenska etniska gruppen i området i relation till alla icke svenska etniska grupper. SCB
Utanför Europa Alla icke-svenskar född
utanför Europa Den delen av befolkningen som är född eller har båda föräldrarna födda ut-anför Europa SCB
Finland, Irak, Sy-
rien och Somalia Alla icke-svenskar född i dessa länder Avser den andel av befolkningen med ursprung i respektive land. SCB
Migration Andel personer som flyt-
tat in i landet/år Inflyttade från utlandet/befolkningen SCB
Tabell 6: Gentrifiering
Variabel Samhällsgrupp Beskrivning Källa
Andel bo-
ende/småhus Andel personer som bor i småhus/år Den andel av befolkningen som är bosatt i småhus SCB
Andel boende/bo-
stadsrätt Andel personer som bor i bostadsrätt/år Den andel av befolkningen som är bosatt i bostadsrätt SCB
Andel boende/hy-
resrätt Andel av befolkningen bosatt i hyresrätt Den andel av de boende i ett område som är bosatt i hyresrätt SCB
Medelinkomst
stadsdelen Totala befolkningen Samtliga boendes medelinkomst i ett urbant område SCB
Medelinkomst
kommunen Totala befolkningen Samtliga kommuninvånares medelinkomst i ett urbant område SCB
Tabell 7: Filtrering
Variabel Samhällsgrupp Beskrivning Källa
Utanför Europa Alla icke-svenskar född
utanför Europa Den delen av befolkningen som är född eller har båda föräldrarna födda ut-anför Europa SCB
Fattigdom Andel familjer med låg in-
komststandard Den disponibla inkomsten beräknas utifrån levnadsomkostnader vars storlek beror av familjens sammansättning och deras baskonsumtion (exempelvis mat och kläder) samt kostnader för boende
Sambandsanalys År Befolkning Öppet arbteslösa 18-64 Ungdoms arbetslösh et 18-24 Förvärvsfr ekvens SCB Förvärvsin komst SCB Fattigdom Förtidspen sionerade Andel familjer med försörjning sstöd Familjer med bil Andel ensamstå ende föräldrar med barn <18 årOhälsotal Brott
Valdeltaga nde Högsta utbildning snivå Ej betyg Andel Studerand e Utländsk bakgrund Största grupp Utanför
Europa Finland Irak Syrien SomaliaMigration Andel boende i småhus Andel boende i bostadsrät t Andel boende i hyresrätt Sysselsätt ning Välfärd Sociokultu rellt kapital Utanförsk ap Distans till centrum Pearson Correlatio ,196** ,194** ,458** -,322** -,549** ,329** -,224** -,218** -,236** ,237* Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 N 276 275 276 276 276 134 276 276 276 88 Pearson Correlatio ,172** -,249** ,215** ,171** -,349** -,123* -,229** ,255** ,468** -,587** ,187* ,503** -,352** ,294** ,250** -,236** ,198** -,372** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 276 276 206 266 134 276 120 120 185 46 276 276 276 276 266 276 Pearson Correlatio ,196** ,172** ,494** -,835** -,655** ,776** ,406** ,826** -,609** ,395** ,345** -,478** -,503** ,467** ,417** ,858** -,552** ,878** ,856** ,464* ,508** -,564** ,632** -,818** -,795** -,555** ,846** -,389** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 276 206 132 276 266 134 276 276 120 120 185 31 19 110 276 276 276 276 88 266 276 Pearson Correlatio ,194** ,494** -,283** -,250** ,192** ,358** ,328** ,480** ,258** -,212** -,294** -,616** ,165** -,180** ,217* ,263** ,510** -,837** -,186** -,486** ,364** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 275 275 275 275 275 275 275 132 275 161 265 133 275 275 119 184 31 275 275 87 265 Pearson Correlatio -,249** -,835** -,283** ,833** -,923** -,602** -,928** ,738** -,431** -,592** -,206** ,555** ,614** -,601** -,642** -,932** ,672** -,916** -,829** -,481* -,724** ,699** -,763** ,631** ,941** ,728** -,918** ,492** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 206 132 276 162 266 134 276 276 120 120 185 31 19 110 276 276 276 276 88 266 276 Pearson Correlatio ,458** -,655** -,250** ,833** -,729** -,718** -,752** ,618** -,505** -,782** -,187* ,568** ,792** -,637** -,525** -,798** ,594** -,730** -,793** -,509** ,570** -,639** ,519** ,842** ,825** -,818** ,353** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 206 132 276 162 266 134 276 276 120 120 185 31 110 276 276 276 276 88 266 276 Pearson Correlatio ,215** ,776** ,192** -,923** -,729** ,407** ,887** -,820** ,239** ,386** ,349** -,503** -,404** ,527** ,697** ,898** -,670** ,877** ,756** ,807** -,722** ,794** -,511** -,947** -,612** ,879** -,483** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 206 132 276 162 266 134 276 276 120 120 185 31 110 276 276 276 276 88 266 276 Pearson Correlatio -,322** ,406** ,358** -,602** -,718** ,407** ,508** -,242** ,396** ,911** -,456** -,796** ,475** ,497** -,259** ,386** ,429** ,493** ,320** -,244** ,264** -,543** -,489** -,765** ,583** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 206 132 276 266 134 276 120 120 185 46 31 110 276 276 276 276 88 266 Pearson Correlatio ,171** ,826** ,328** -,928** -,752** ,887** ,508** -,599** ,558** ,459** -,496** -,554** ,580** ,466** ,908** -,602** ,914** ,858** ,460* ,635** -,558** ,690** -,691** -,889** -,647** ,873** -,383** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 206 132 276 266 134 276 276 120 120 185 31 19 110 276 276 276 276 88 266 276 Pearson Correlatio -,349** -,609** ,738** ,618** -,820** -,242** -,599** -,286** -,535** ,429** -,444** -,861** -,715** ,729** -,616** -,410* -,789** ,950** -,408** -,897** ,252** ,876** ,500** -,726** ,720** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 206 206 206 206 206 206 206 206 162 199 206 206 96 96 184 31 110 206 206 206 206 206 88 199 206 Pearson Correlatio ,395** ,480** -,431** -,505** ,239** ,396** ,558** ,493** -,280** -,574** ,428** .a .a ,474** .a .a .a .a -,539** -,335** -,460** ,406** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 . . 0 . . . . 0 0 0 0 N 132 132 132 132 132 132 132 132 130 110 132 0 0 88 0 0 0 0 132 132 66 130 Pearson Correlatio -,549** ,345** ,258** -,592** -,782** ,386** ,911** ,459** -,286** ,493** -,474** -,833** ,510** ,216** ,448** -,264** ,388** ,414** ,542** ,297** -,278** ,281** -,418** -,497** -,846** ,575** -,138* Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 276 206 132 266 134 276 276 120 120 185 46 31 110 276 276 276 276 88 266 276 Pearson Correlatio -,212** -,206** -,187* ,349** -,535** ,576** ,201* -,385** ,181* ,355** -,488** ,172* ,484** ,172* -,358** -,296** ,223** -,392** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 161 162 162 162 162 162 96 96 162 66 162 162 162 162 162 88 156 162 Pearson Correlatio -,123* -,478** -,294** ,555** ,568** -,503** -,456** -,496** ,429** -,280** -,474** ,417** -,394** -,350** -,396** ,225* -,380** -,708** -,647** ,435** -,471** ,425** ,558** ,731** -,742** ,200** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 266 266 265 266 266 266 266 266 199 130 266 131 266 266 113 113 179 31 109 266 266 266 266 88 266 266 Pearson Correlatio ,329** -,229** -,503** -,616** ,614** ,792** -,404** -,796** -,554** -,574** -,833** ,417** -,484** -,654** -,431** -,669** -,250** ,705** ,465** ,784** -,591** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 134 134 134 133 134 134 134 134 134 110 134 131 134 24 112 16 110 134 134 88 131 Pearson Correlatio -,224** ,467** ,165** -,601** -,637** ,527** ,475** ,580** -,444** ,428** ,510** -,394** -,484** ,369** ,496** -,362** ,545** ,589** ,506* ,492** -,422** ,437** -,370** -,588** -,558** ,757** -,260** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 276 206 132 276 266 134 276 120 120 185 31 19 110 276 276 276 276 88 266 276 Pearson Correlatio -,218** ,255** ,417** -,180** -,642** -,525** ,697** ,466** -,861** ,216** ,576** -,350** ,369** ,644** -,748** ,583** ,486** ,592** -,808** ,275** ,797** -,720** -,260* ,595** -,655** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 276 275 276 276 276 276 206 276 162 266 276 120 120 185 31 110 276 276 276 276 88 266 276 Pearson Correlatio ,468** ,858** ,217* -,932** -,798** ,898** ,497** ,908** -,715** .a ,448** ,201* -,396** -,654** ,496** ,644** -,661** ,961** ,894** .a -,644** ,723** -,697** -,885** -,504* ,848** -,520** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 . 0 0 0 0 0 0 0 0 0 . 0 0 0 0 0 0 0 N 120 120 119 120 120 120 120 120 96 0 120 96 113 24 120 120 120 97 31 0 120 120 120 120 22 113 120 Pearson Correlatio -,587** -,552** ,672** ,594** -,670** -,259** -,602** ,729** .a -,264** -,385** ,225* -,362** -,748** -,661** -,644** .a ,682** -,728** ,260** ,718** -,589** ,709** Sig. (2- tailed) 0 0 0 0 0 0 0 0 . 0 0 0 0 0 0 0 . 0 0 0 0 0 0 N 120 120 120 120 120 120 120 96 0 120 96 113 120 120 120 97 0 120 120 120 120 113 120 Pearson Correlatio ,187* ,878** ,263** -,916** -,730** ,877** ,386** ,914** -,616** ,474** ,388** ,181* -,380** -,431** ,545** ,583** ,961** -,644** ,921** ,550* ,690** -,554** ,679** -,686** -,848** -,566** ,838** -,437** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 185 185 184 185 185 185 185 185 184 88 185 162 179 112 185 185 97 97 31 19 88 185 185 185 185 88 179 185 Pearson Correlatio ,503** ,429** .a ,414** -,472* .a -,325* Sig. (2- tailed) 0 0 . 0 0 . 0 N 46 46 0 46 19 0 46 Pearson Correlatio ,856** ,510** -,829** -,793** ,756** ,493** ,858** -,410* .a ,542** -,708** -,669** ,589** ,486** ,894** ,921** .a -,360* -,381* ,530** -,805** -,728** -,608* ,811** Sig. (2- tailed) 0 0 0 0 0 0 0 0 . 0 0 0 0 0 0 0 . 0 0 0 0 0 0 0 N 31 31 31 31 31 31 31 31 0 31 31 16 31 31 31 31 0 31 31 31 31 31 16 31 Pearson Correlatio ,464* -,481* ,460* .a ,506* ,550* -,472* .a ,465* Sig. (2- tailed) 0 0 0 . 0 0 0 . 0 N 19 19 19 0 19 19 19 0 19 Pearson Correlatio .a .a Sig. (2- tailed) . . N 0 0 Pearson Correlatio ,508** -,724** -,509** ,807** ,320** ,635** -,789** ,297** ,355** -,647** -,250** ,492** ,592** .a .a ,690** .a .a .a .a -,735** ,418** ,655** -,247** -,781** -,601** ,697** -,580** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 . . 0 . . . . 0 0 0 0 0 0 0 0 N 110 110 110 110 110 110 110 110 66 109 110 110 110 0 0 88 0 0 0 0 110 110 110 110 110 66 109 110 Pearson Correlatio -,352** -,564** ,699** ,570** -,722** -,244** -,558** ,950** -,278** -,488** ,435** -,422** -,808** -,644** ,682** -,554** -,360* -,735** -,546** -,859** ,195** ,802** ,455** -,687** ,791** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 276 276 276 276 276 206 276 162 266 276 276 120 120 185 31 110 276 276 276 276 88 266 276 Pearson Correlatio ,294** -,408** ,172* ,275** -,381* ,418** -,546** -,498** Sig. (2- tailed) 0 0 0 0 0 0 0 0 N 276 206 162 276 31 110 276 276 Pearson Correlatio ,250** ,632** -,763** -,639** ,794** ,264** ,690** -,897** ,281** ,484** -,471** ,437** ,797** ,723** -,728** ,679** ,530** ,655** -,859** -,272** -,886** -,472** ,749** -,643** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 276 276 276 276 276 206 276 162 266 276 276 120 120 185 31 110 276 276 276 88 266 276 Pearson Correlatio -,236** -,818** -,837** ,631** ,519** -,511** -,543** -,691** ,252** -,539** -,418** ,172* ,425** ,705** -,370** -,697** ,260** -,686** -,805** -,247** ,195** -,272** ,514** ,631** -,666** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 276 206 132 276 162 266 134 276 120 120 185 31 110 276 276 276 88 266 Pearson Correlatio -,236** -,795** -,186** ,941** ,842** -,947** -,489** -,889** ,876** -,335** -,497** -,358** ,558** ,465** -,588** -,720** -,885** ,718** -,848** -,728** -,781** ,802** -,886** ,514** ,684** -,908** ,562** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 275 276 276 276 276 276 206 132 276 162 266 134 276 276 120 120 185 31 110 276 276 276 88 266 276 Pearson Correlatio ,237* -,555** -,486** ,728** ,825** -,612** -,765** -,647** ,500** -,460** -,846** -,296** ,731** ,784** -,558** -,260* -,504* -,566** -,608* -,601** ,455** -,472** ,631** ,684** -,763** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 88 88 87 88 88 88 88 88 88 66 88 88 88 88 88 88 22 88 16 66 88 88 88 88 88 Pearson Correlatio ,198** ,846** ,364** -,918** -,818** ,879** ,583** ,873** -,726** ,406** ,575** ,223** -,742** -,591** ,757** ,595** ,848** -,589** ,838** ,811** ,465* ,697** -,687** ,749** -,666** -,908** -,763** -,426** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 266 266 265 266 266 266 266 266 199 130 266 156 266 131 266 266 113 113 179 31 19 109 266 266 266 266 88 266 Pearson Correlatio -,372** -,389** ,492** ,353** -,483** -,383** ,720** -,138* -,392** ,200** -,260** -,655** -,520** ,709** -,437** -,325* -,580** ,791** -,498** -,643** ,562** -,426** Sig. (2- tailed) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N 276 276 276 276 276 276 206 276 162 266 276 276 120 120 185 46 110 276 276 276 276 266 År Befolkning Öppet arbteslösa 18-64 Ungdoms arbetslösh et 18-24 Förvärvsfr ekvens SCB Förvärvsin komst SCB Fattigdom Förtidspen sionerade Andel familjer med försörjning Familjer med bil Andel ensamstå ende föräldrar Ohälsotal Brott Valdeltaga nde Högsta utbildning snivå Ej betyg Andel Studerand e Utländsk bakgrund Största grupp Utanför Europa Finland Irak Syrien Välfärd Sociokultu rellt kapital Utanförsk ap Distans till centrum Somalia Migration Andel boende i småhus Andel boende i bostadsrät t Andel boende i hyresrätt Sysselsätt ning
Förteckningen nedan tar upp rapporter som har publicerats inom ramen för skrift- serien Studies in Social Sciences (SiSS).
In the list below are the reports that have been published in the series of publications called Studies in Social Studies (SiSS).
___________________
2016:1 Fell, Terence & Guziana, Bozena. Staden, rättvisa och boendesegregering. Stadsområdesut- veckling i Eskilstuna och Västerås 2002–2012.
2014:1 Fell, Terence; Guziana, Bozena & Qaderi, Josef. Stadsdelsutveckling i två kommuner (del 2). Byråkraters perspektiv på åtgärdsimplementering. Forskningsrapport.
2013:2 Fell, Terence; Qaderi, Josef; Lahdenperä, Jori & Guziana, Bozena. Stadsdelsutveckling i två kommuner. En analys av den socioekonomiska och sociokulturella kontextens betydelse för social hållbarhet. Forskningsrapport.
2013:1 Fell, Terence; Jertfelt, Isa; Qaderi, Josef & Lahdenperä, Jori. En framgångsrik styrme- delsmix? Om statens ambition att påverka kommunernas energipolicys. Forskningsrapport.
Forskningsrapporter t.o.m.
2011/Research reports up to
20112011:1 Lahdenperä, Pirjo (red.). Forskningscirkel – arena för verksamhetsutveckling i mångfald. 2010:1 Sundbom, Lars; Törnqvist, Tommy; Jonsson, Tola & Sidebäck, Göran. Högskolestu-
derandes etablering på arbetsmarknaden. En studie av hur de högskoleutbildades etableringspro- cess kan mätas och beskrivas.
2008:4 Sundbom, Lars & Sidebäck, Göran. Utbildningssamhällets underklass? En registerstudie om unga vuxna med låg utbildning.
2008:3 Månsson, Niclas. Röster om delaktighet. En kvalitativ studie om ungdomars uppfattning av och chanser till samhällelig delaktighet.
2008:2 Törnqvist, Tommy. Från högskola till arbete. En intervjustudie om högskoleutbildades eta- bleringsprocess på arbetsmarknaden.
2008:1 Helldahl, Per. Hopp-Jerkas återkomst? Synen på arbetskraftens rörlighet från 1940-talet till idag.
2007:1 Karlsson Vestman, Ove; Sedigh, Mehdi; Månsson, Niclas; Jäder, Julia. Ett välstämt piano – till rätt melodi?
Arbetsrapporter t.o.m.
2011/Work reports up to
20112010:2 Henningsson, Johan; Johansson, Ulf & Almqvist, Roland. Två sidor av samma mynt. Hur tänker finansmarknadens aktörer och varför är det så svårt att kommunicera om icke-