• No results found

Förklaring  av  variabler

1.   Från  folkhemskök  till  öppen  planlösning

5.1   Förklaring  av  variabler

Att  just  männens  intåg  skulle  påverka  utformningen  tycker  jag  mig  se  

indikationer  på  från  tidigare  publicerad  forskning.  Där  kan  vi  ana  att  under  den   tidsperiod  då  statusen  på  kvinnans  hushållsarbete  var  som  störst  verkade   diskussionen  om  kökets  utformning  framförallt  handla  om  hur  man  gjorde  det   till  en  så  effektiv  arbetsplats  som  möjligt.  Detta  står  i  kontrast  mot  2000-­‐talets   öppna  kök  med  större  ytor  som  diskuteras  av  Willén  i  hennes  avhandling.   Förmodligen  en  mycket  ineffektiv  och  opraktisk  arbetsmiljö  enligt  1940-­‐talets   HFI-­‐kvinnor.  Kan  det  vara  så  att  mannens  intåg  i  köket  är  en  bidragande  orsak   till  varför  rummet  under  2000-­‐talet  fått  en  mer  central  roll  i  den  svenska   bostaden?    

 

5.1  Förklaring  av  variabler  

Uppsatsens  huvuduppgift  är  att  undersöka  och  diskutera  vad  som  kan  ha   påverkat  kökets  utformning  under  1900-­‐talet.  För  att  göra  detta  behöver  jag   identifiera  ett  antal  variabler.  Den  beroende  variabeln  kökets  utformning  har  jag   valt  att  definiera  som  kökets  yta.  Visst  kan  man  argumentera  för  att  andra  

aspekter  av  kökets  utformning  bör  vara  med,  som  tillexempel  utrustning,  val  av   material  för  skåp,  om  det  finns  skåpluckor  eller  inte.  Anledningen  till  att  jag  valt   just  ytan  är  för  att  jag  ser  denna  som  en  förutsättning  för  köket  som  ett  rum  för   socialt  umgänge.  Ytan  visar  också  på  kökets  roll  som  statussymbol.  Jag  tänker   mig  att  ett  större  kök  är  lättare  att  visa  upp.  Dessutom  går  det  att  mäta  kökets   yta  utan  större  ansträngning  vilket  diskuterats  tidigare  i  avsnitt  1.2.  

 

Vilka  variabler  kan  då  tänkas  påverka  kökets  yta?  Uppsatsens  teoretiska  

utgångspunkt  är  att  det  är  den  kreativa  klassens  framväxt,  samt  männens  intåg  i   köket  som  bidragit  till  det  svenska  kökets  förändrade  utformning.  Dessa  två   variabler  har  jag  kvantifierat  genom  att  titta  på  förhållandet  mellan  anslutna  till   olika  fackförbund  samt  använda  mig  av  en  dummyvariabel  för  

föräldraförsäkringen.  Dummyvariabeln  kräver  rätt  liten  förklaring  men  desto   mer  diskussion.  Lägenheter  planerade  efter  1974  får  värdet  1  och  lägenheter   tillkomna  innan  0.  Som  jag  diskuterade  i  avsnitt  1.1  kan  man  tänka  sig  att   införandet  av  föräldraförsäkringen  1974  har  haft  en  effekt  på  hur  mycket  tid   mannen  spenderar  i  hemmet.  Som  Tabell  1  visar  är  det  först  under  2000-­‐talet   som  männen  börjar  ta  ut  föräldrapenning.  Man  skulle  alltså  kunna  argumentera   för  att  det  var  först  under  2000-­‐talet  som  männen  i  högre  utsträckning  började   spendera  tid  i  hemmet,  eller  i  alla  fall  befatta  sig  med  hushållsarbete.  

 

Tabell.  1.  Andel  %  av  utbetalade  dagar  med  föräldrapenning  till  män  respektive  

kvinnor  år  1974-­‐2011   År   Män   Kvinnor   1974   0,5   99,5   1979   4,8   95,2   1984   5,1   94,9   1989   6,9   93,1   1994   11,4   88,6   1999   10,6   88,4   2004   18,7   81,3   2009   22,3   77,7   2010   23,1   76,9   2011   23,7   76,3  

Källa:  Socialförsäkringsrapport  2012:9,  Föräldrapenning  analys  av  användandet,  tabell  1,  s.  11.    

Mot  bakgrund  av  denna  information  är  inte  ett  utelämnande  av  lägenheter   byggda  mellan  1971  och  2009  helt  omotiverad.  Att  använda  sig  av  en  

dummyvariabel  där  all  nyproduktion  kommer  få  1  och  de  äldre  lägenheterna  0   är  faktiskt  inte  helt  oproblematiskt.  Problemet  ligger  i  att  dummyn  kommer   fånga  upp  alla  förändringar  som  skett  från  1971  fram  till  2010  alltså  inte  enbart   införandet  av  föräldraförsäkringen.  Dummyns  påverkan  bör  därför,  givet  att  den   är  signifikant,  tolkas  med  stor  försiktighet,  samt  kombineras  med  en  mer  

kvalitativ  analys.    

Förhållandet  mellan  anslutna  till  olika  fackförbund  kräver  en  ingående  

förklaring.  Tanken  här  är  att  uppskatta  hur  stor  del  av  den  manliga  befolkningen   som  potentiellt  skulle  kunna  vara  medlemmar  av  den  kreativa  klassen  samt  hur   fysiskt  krävande  arbeten  de  har.  Utgångspunkten  är  att  medlemmar  i  LO  har  

arbeten  som  är  mer  fysiskt  krävande  relativt  medlemmar  i  TCO  och  SACO.  TCO-­‐   och  SACO-­‐medlemmarna  bör  dessutom  i  betydligt  högre  grad  än  LO-­‐

medlemmarna  vara  del  av  den  kreativa  klassen.  Att  studera  antalet  fackligt   anslutna  har  jag  valt  dels  för  att  arbetstagare  i  Sverige  i  hög  grad  är  fackligt   anslutna  samt  att  det  finns  statistik  över  både  män  och  kvinnors  anslutning  till   fackliga  organisationer.  Att  jag  valt  att  titta  på  just  männens  medlemskap  i   arbetstagarorganisationer  beror  på  min  teoretiska  utgångspunkt.  Som  figur  9   visar  kan  vi  se  att  kurvorna  för  antalet  medlemmar  i  LO  respektive  TCO  och   SACO  i  stort  sett  konvergerar  under  2000-­‐talet,  hade  det  inte  varit  för  det   dramatiska  medlemstapp  som  drabbade  TCO  och  SACO  efter  2006  hade  kanske   till  och  med  det  samlade  medlemsantalet  i  dessa  organisationer  varit  högre  än   det  i  LO.  Det  bör  nämnas  att  jag  enbart  har  uppgifter  om  fackligt  medlemskap   fram  till  2010.  Kvoten  2010  använder  jag  även  2011  och  2012  vilket  inte  borde   vara  något  problem  då  det  framförallt  är  trenden  jag  är  intresserad  av.  

 

Figur  9.  Antal  män  anslutna  till  LO  samt  TCO  och  SACO  1949-­‐2010.  

  Källa:  Statistisk  årsbok,  vissa  fackliga  organisationer:  anslutna  medlemmar.  

Anm:  SACO  från  1963,    Från  1980-­‐2010  är  antalet  manliga  TCO-­‐medlemmar  baserat  på  antalet   yrkesverksamma  TCO-­‐kvinnor.    

   

Variabeln  vi  kallar  den  !!,  beräknas  på  följande  vis:    !! =  !"#!!"#$"!!%&!!"#$%&'(&%%)*!"!!"#$"!!%&     0   200000   400000   600000   800000   1000000   1200000   1400000   1940   1960   1980   2000   2020   Medlemmar   År   LO   TCO+SACO*  

Ju  högre  värde  på  variabeln  desto  fler  LO-­‐medlemmar  i  förhållande  till  TCO-­‐  och   SACO-­‐medlemmar.  Om  värdet  är  1  är  medlemsantalet  lika  stort  i  

organisationerna.      

Ytterligare  en  variabel  som  är  med  i  analysen  är  antalet  hemmafruar,  vilken  är   baserad  på  data  från  Rodney  Edvinssons  doktorsavhandling  från  2005.    Figur  10   visar  antalet  hemmafruar  i  Sverige  mellan  år  1944  och  2000.    Vid  två  tillfällen   under  tidsperioden  kan  vi  identifiera  en  uppgång  i  antalet  hemmafruar.  Dels   perioden  fram  till  1950  samt  under  tidigt  1990-­‐tal.  Trenden  under  1940-­‐talet   skulle  eventuellt  kunna  ha  med  den  tidens  diskussion  av  ett  uppvärderande  av   hushållsarbete,  se  avsnitt  2.2,  att  göra  medan  uppgången  under  1990-­‐talet   kanske  kan  härledas  till  den  ekonomiska  kris  som  drabbade  Sverige  under   perioden.  I  regressionsanalysen  är  variabeln  hemmafruar  indexerad  med  1965   som  basår.  Detta  för  att  den  inte  ska  anta  ett  för  stort  numeriskt  värde  i  

förhållande  till  de  andra  variablerna.  För  bostäderna  planlagda  efter  år  2000  har   antalet  hemmafruar  vid  år  2000  använts.  

 

Figur  10.  Antal  hemmafruar  1944-­‐2000.  

  Källa:  Edvinsson  (2005),  Tabell  Q,  ss.  377-­‐378.    

 

Även  två  kontrollvariabler  används  i  analysen  dessa  är  boytan,  eller  närmare   bestämt  differensen  mellan  den  totala  ytan  på  lägenheten  och  köksytan,  samt   antalet  rum.  Boytan  används  också  som  beroende  variabel  i  ytterligare  en  modell  

0   200000   400000   600000   800000   1000000   1200000   1400000   1940   1950   1960   1970   1980   1990   2000   2010   Antal  hemmafr uar   År   hemmafruar  

som  jag  använder  för  att  undersöka  de  oberoende  variablernas  påverkan  på   boytan.    

 

5.2  Multipel  regressionsanalys  utifrån  en  OLS-­‐modell  (minsta  

Related documents