För att testa studiens hypoteser används analysmetoden logistisk regressionsanalys där fokus ligger på den binära beroende variabeln “självskattat hälsotillstånd”. Logistisk regression är en lämplig metod när den beroende variabeln är binär och inte kontinuerlig (Djurfeldt &
Barmark 2009; Edling & Hedström 2003). Datamaterialet analyseras med statistikprogrammet SPSS version 25.
4.1 Datamaterial
Datamaterialet är hämtat från LNU, Levnadsnivåundersökningen (2010). Materialet är riksrepresentativt och har samlats in genom intervjuer som skedde vid hembesök och genom
digitala surveyundersökningar som skickades ut till vissa respondenter, urvalet var svenska befolkningen i åldrarna 18 – 75. Syftet med LNU:s undersökning är att beskriva levnadsförhållanden i Sverige samt hur de förändras över tid. I denna studie kommer datamaterial från den senaste undersökningen som genomfördes 2010 att användas då det anses relevant för denna studies syfte att använda data som är nära i tid. Materialet från 2010 innefattar 4415 respondenter vilket är 60,9% av urvalet, det ursprungliga urvalet var 7404 individer (Institutet för social forskning 2018).
4.2 Urval & avgränsningar
Urvalet i denna studie består av 4415 individer, både manliga och kvinnliga i åldrarna 18–75 år. Följaktligen har inga avgränsningar gällande ålder gjorts då yrkesbaserad klass studeras och förvärvsarbetande finns även från 18 års ålder. Äldre individer som inte är förvärvsarbetande har också valts med då deras klass baseras på tidigare sysselsättning (Evertsson & Magnusson 2014). Däremot poängterar Kjellsson (2013) en viss problematik med att inkludera individer i analysen som gått i pension, 66 till 75 år, då dessa kan rapportera eventuella hälsobesvär som kommer naturligt med åldern och som inte är direkt kopplat till individens klassposition. Trots detta förekommer inga avgränsningar gällande ålder i klassvariabeln. Almqusit & Låftman (2012) hävdar exempelvis att vikten av sociala relationer är oberoende av ålder, det vill säga antal vänner har lika stor betydelse för unga som för äldre.
Vi har därför valt att inkludera alla åldrar även i variabeln antal vänner. En avgränsning i antal vänner kommer däremot göras i den sista modellen. Det kan finnas skillnad att ha 0 vänner och att ha någon/några vänner, därav kan 0 vänner påverka resultatet i en viss riktning.
Genom att exkludera individer med 0 vänner studeras de antal vänner en individ har i samband med hälsa. Avgränsningen görs då syftet är att undersöka om antal vänner påverkar individens hälsa och inte om 0 vänner påverkar hälsan.
4.3 Operationalisering
I detta avsnitt presenteras hur variablerna kategoriserats för att göra dem mätbara i analysen.
4.3.1 Beroende variabel
Utifrån studiens syfte har den beroende variabeln självskattat hälsotillstånd valts som innefattar individens uppskattade psykiska och fysiska hälsa, då den tar hänsyn till båda aspekterna mäts hälsa därigenom på ett övergripande sätt (Jylhä 2009). Självskattat hälsotillstånd mäts utifrån frågan; “hur bedömer du ditt allmänna hälsotillstånd?”.
Svarsalternativen för frågan var följande; “gott, dåligt och något däremellan”. Variabeln har i denna studie kodats om till dummyvariabel med värdena 1= gott och 0 = annat än gott (referenskategori). ”Annat än gott” används som referenskategori och “något däremellan” har inkluderats i samma kategori som “dåligt”. Svar som rapporterats som “saknas” i variabeln från LNU 2010 har kodats om till missing-värden (N=4407).
4.3.2 Oberoende variabler
Den oberoende variabel som valts för att mäta yrkesbaserad klass är EGP. Definition av måttet finns under avsnittet begreppsdefinitioner. Individer utanför förvärvsarbete har LNU kodat som det senaste långvariga yrket (Kjellsson 2014). Variabeln i denna studie är omkodad till sex kategorier; 0= okvalificerad arbetare (referenskategori), 1= högre tjänstemän, 2=
mellan tjänstemän, 3= lägre tjänstemän, 4= kvalificerad arbetare och 5= egenföretagare. “Ej kodningsbara” i data från LNU 2010 har kodats om till missing-värden (N=4321).
Klassindelningens syfte är att kategorisera individer som innehar liknande förutsättningar och villkor i livet. Okvalificerade arbetare har i denna studie valts som referenskategori då denna grupp är den som skattat sin hälsa som annat än gott i störst utsträckning (Kjellsson 2014;
Fritzell 2012).
För att mäta sociala kontakter har variabeln antal nära vänner valts och utgår från frågan; “hur många nära vänner skulle du säga att du har (inkl. arbetskamrater, grannar och släktingar, men inte familjemedlemmar)”? Ursprungsvariabeln har kodats om till sex olika kategorier och dessa är; 0 = 0 vänner (referenskategori), 1= 1–5 vänner 2= 6–10 vänner, 3= 11–15 vänner, 4= 16–20 vänner, och 5= 21 eller fler vänner (N=4394). När 0 vänner exkluderas i sista modellen blir 1–5 till referenskategori (N=4240). Utifrån denna variabel går det ej att
utvärdera hur starka dessa vänskapsrelationer är, det går endast att uttala storleken på vänskapskretsen som innefattar nära vänner.
Som belysts i tidigare forskning finns resultat kring uppmätta klasskillnader i hälsa mellan kvinnor och män. För att kontrollera detta samband har kontrollvariabeln kön valts, med kategorierna man och kvinna. I denna studie har referenskategorin “man” givits värdet 1 och
“kvinna” har givits värdet 2. Inga svar saknades och det finns därmed inget bortfall för variabeln (N=4415).
4.4 Etik
Enligt Vetenskapsrådet (2017) bör fyra etiska principer tas i beaktande vid hantering av forskningsmaterial. De fyra begreppen är sekretess, tystnadsplikt, anonymitet och konfidentialitet. Sekretess som skydd mot att information sprids kan förekomma men måste då falla under sekretesslagen. Tystnadsplikt kan förekomma vid känslig information om enskilda individer, tystnadsplikt råder även om uppgifterna är sekretessbelagda. Anonymitet är en viktig aspekt för att en studie ska bli godkänd av etikprövningsnämnden, de uppgifter som finns i datamaterialet ska inte gå att spåra till enskilda individer. Integritet och konfidentialitet innebär att forskaren ansvarar för att uppgifterna inte sprids vidare samt att individens integritet skyddas och respekteras. Då denna uppsats använder sig av kvantitativa data insamlat av LNU är samtliga kriterier uppnådda.
4.5 Analysmetod
För att undersöka sambandet mellan den beroende variabeln, oberoende variablerna och kontrollvariabeln används metoden logistisk regressionsanalys. Statistiska samband redovisas med oddskvoter och signifikansnivåer. Oddskvoter talar om sambandets riktning och styrka och mäts 0 till 1 där ett positivt samband överstiger 1 och ett negativt samband antar ett värde under 1. Signifikansnivån förklarar hur stor risken är att förkasta en sann nollhypotes om att det inte finns något statistiskt samband i populationen (Edling & Hedström 2003).
Nagelkerkes R2 är det mått som används i logistisk regression för att mäta den mängd information som fångas i modellen av det totala materialet och tolkas på samma sätt som i en vanlig linjär regressionsanalys (Djurfeldt & Barmark 2009). Med Nagelkerkes R2 värde kan
andel förklarad varians i den beroende variabeln förklaras av de oberoende variablerna (Edling & Hedström 2003).