Modellerna vi skapat utgår från Ordinary least squares-modellen. Eftersom vi tillämpar OLS vill vi redogöra för hur vi behandlar de olika antaganden OLS-modellen gör. Anledningen till att vi tar hänsyn till de olika antagandena för att vi vill att våra resultat ska vara tillförlitliga. Det är en förutsättning för att kunna skapa trovärdiga koefficienter.
Först och främst är OLS en linjär modell. Det innebär att de variabler vi tillämpar har en linjär riktningskoefficient och har variabeln inte det måste det tas hänsyn till genom att tillämpa exponentiella variabler. Vi har i våra modeller inte tillämpat exponentiella variabler då vi antar att koefficienterna är linjära.
Andra antagandet är antagandet om slumpmässigt urval. Det säkerställs i ESS genom att ESS väljer respondenter slumpmässigt och har enligt uppgifter från deras egen hemsida ett urval som består ungefär 1500 respondenter per undersökning från varje land som är större än 2 miljoner invånare och 800 respondenter om landet är mindre än så (ESS, 2019). Eftersom urvalets storlek uppfyller krav på storlek innebär det att vi kan anta att urvalet är tillräckligt representativt för befolkningen. Är urvalet för litet kan det innebära risker för resultatets generaliserbarhet. Det hade i så fall gjort att våra koefficienter hade blivit felaktiga i fall urvalet skiljer sig åt systematiskt från befolkningen i stort.
Gällande att försäkra oss om exogeneitet har vi tillämpat de variabler som tidigare litteratur tillämpat i sammanhanget. Det innebär att de oberoende variablerna vi tillämpat inte korrelerar med feltermen, U. Om de oberoende variablerna korrelerar med feltermen innebär det omitted
variable bias vilket gör att effekterna hade förklarats av endogena faktorer vilket skapar
felaktiga effekter av de oberoende variablerna.
Fjärde antagandet behandlar homoskedasticitet. Det innebär att det ska vara konstant varians i feltermen. Genom att använda oss av robusta standardfel korrigerar vi för eventuell heteroskedasticitet. För att undersöka eventuell multikollinearitet har vi utfört ett Variance
Inflation Factor-test på modell 4 vilket ger ett medelvärde på 1.31 vilket är lågt nog att inte
multikollinearitet är ett problem i vår analys.
5.2 Modeller
5.2.1 Modell 1
Den första analysen sker genom en modell som inkluderar inkomstnivå, ålder, kön, Gini-koefficienten och interaktionstermen Gini x inkomstnivå. Det är en avskalad modell där det mest väsentliga är med gällande de svarande och generell ekonomisk ojämlikhet.
Regressionen för modell 1:
(1) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝐼𝑛𝑘𝑜𝑚𝑠𝑡) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝐺𝑖𝑛𝑖) + 𝛽4 ∙ (𝐼𝑛𝑘𝑜𝑚𝑠𝑡 𝑥 𝐺𝑖𝑛𝑖) + 𝑈
5.2.2 Modell 1:A
Modell 1:A är en utökad modell av modell 1 där skillnaden är att Gini-koefficienten laggas med 3 år. Det görs i linje med Mansbridges (2003) teori om ansvarsutkrävande som säger att individer utkräver ansvar för tidigare prestation när de röstar. Vi motiverar valet av 3 år med att det är tillräckligt lång tid för att skillnader i Gini ska hinna få en effekt på väljarmönster. En kortare periods lagg riskerar att gå miste om attitydförändringar över längre tid och en längre period innebär att den svarande redan kan ha utkrävt ansvar genom en röst på ett annat parti som inte uppkommer i undersökningen.
Regressionen för modell 1:A:
(2) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝐼𝑛𝑘𝑜𝑚𝑠𝑡) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝐺𝑖𝑛𝑖)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽4 ∙ (𝐼𝑛𝑘𝑜𝑚𝑠𝑡 𝑥 𝐺𝑖𝑛𝑖)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝑈
5.2.3 Modell 2
I modell nummer 1 och 1:A har vi tillämpat inkomst som främsta förklarande variabel. I modell 2 tillämpar vi en proxy till inkomst. Den proxy vi tillämpar är utbildningsnivå och används på grund av variabelns egenskaper som indikator på inkomst men även fångar upp ytterligare dimensioner som inkomst nödvändigtvis inte gör. Utbildning kan som proxy för inkomst fånga upp de svarandes kvalifikationer och deras valmöjligheter på arbetsmarknaden. Utöver proxyfunktionen innebär utbildning även att analysen ökar antalet observationer betydligt och även tidsperioden - något som ger bättre möjligheter för modeller med laggade variabler. Regressionen för modell 2:
(3) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝐺𝑖𝑛𝑖) + 𝛽4 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å 𝑥 𝐺𝑖𝑛𝑖) + 𝑈
5.2.4 Modell 2:A
Modell 2 har precis som första modellen en utökad version med en laggad Gini-koefficient samt laggad interaktionsterm. Motivationen är den samma då Gini-koefficienten antas ge effekt först efter några år då den svarande har kunnat utkräva ansvar i en omröstning. Analysen inkluderar, likt modell 1:A, Gini-koefficienten som både laggad och icke-laggad för att på ett bättre sätt kunna utvärdera utbildning som proxy för inkomst.
Regressionen för modell 2:A:
(4) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝐺𝑖𝑛𝑖)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽4 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å 𝑥 𝐺𝑖𝑛𝑖)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝑈
5.2.5 Modell 3
Modell 3 är en utökad version av modell 2:A som använder utbildning som proxy samt använder laggade variabler. Utökningen sker genom att inkludera land- och årsspecifika kontrollvariabler. Det görs för att undvika ett spuriöst samband vilket innebär att en röst på ett högerradikalt parti kan förklaras delvis av immigrationsnivå, arbetslöshet och ett lands BNP per capita. De tre nya kontrollvariablerna - immigrationsnivå, arbetslöshet och BNP per capita – är laggade av samma anledning som innan då vi antar att förändring i variablerna får effekt på sikt. 3 års lagg tillämpas även här för att attitydförändringar förväntas vara någorlunda trögrörliga. Regressionen för modell 3: (5) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3 ∙ AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝐺𝑖𝑛𝑖) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽5 ∙ (𝐴𝑟𝑏𝑒𝑡𝑠𝑙ö𝑠ℎ𝑒𝑡) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽6 ∙ 𝐿𝑜𝑔(𝐵𝑁𝑃)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽7 ∙ (𝐼𝑚𝑚𝑖𝑔𝑟𝑎𝑡𝑖𝑜𝑛) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽8 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å 𝑥 𝐺𝑖𝑛𝑖) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝑈 5.2.6 Modell 4
Den fjärde modellen inkluderar mekanismerna tillit, inställning till demokrati och religion. De inkluderas som kontrollvariabler med hänsyn till tidigare forskning på området som menar att de har en tydlig effekt. Den stora skillnaden för den här modellen är att interaktionstermen är bortplockad för att vidare kunna utforska effekten av utbildning och Gini-koefficienten utan att interaktionstermen förändrar deras koefficienter. Modellen inkluderas för att undersöka sambanden och om de ligger i linje med tidigare teorier men även för att utforska ett eventuellt samband mellan mekanismerna och Gini-koefficienten. Mekanismerna kan därför anses som en egen grupp kontrollvariabler som exkluderas i Modell 3.
Regressionen för modell 4 ser ut som följande:
(6) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3 ∙ AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝑇𝑖𝑙𝑙𝑖𝑡) + 𝛽5 ∙ (𝐼𝑛𝑠𝑡ä𝑙𝑙𝑛𝑖𝑛𝑔 𝑡𝑖𝑙𝑙 𝑑𝑒𝑚𝑜𝑘𝑟𝑎𝑡𝑖) + 𝛽7 ∙ (𝑅𝑒𝑙𝑖𝑔𝑖𝑜𝑛) + 𝛽8 ∙ (𝐺𝑖𝑛𝑖) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽9 ∙ (𝐴𝑟𝑏𝑒𝑡𝑠𝑙ö𝑠ℎ𝑒𝑡) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽10 ∙
5.2.7 Modell 5
Den femte och sista modellen innehåller alla variabler i den fjärde modellen men inkluderar även vår intressevariabel ”utbildningsnivå x Gini”. Modell 5 är den huvudsakliga modellen och den vi baserar vår analys på gällande effekten av vår intressevariabel.
Regressionen för modell 5 ser ut som följande:
(7) Υ (𝑅ö𝑠𝑡 𝑝å ℎö𝑔𝑒𝑟𝑟𝑎𝑑𝑖𝑘𝑎𝑙𝑡 𝑝𝑎𝑟𝑡𝑖) = 𝛽0 + 𝛽1 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å) + 𝛽2 ∙ (𝐾ö𝑛) + 𝛽3 ∙ AÅ𝑙𝑑𝑒𝑟C + 𝛽4 ∙ (𝑇𝑖𝑙𝑙𝑖𝑡) + 𝛽5 ∙ (𝐼𝑛𝑠𝑡ä𝑙𝑙𝑛𝑖𝑛𝑔 𝑡𝑖𝑙𝑙 𝑑𝑒𝑚𝑜𝑘𝑟𝑎𝑡𝑖) + 𝛽7 ∙ (𝑅𝑒𝑙𝑖𝑔𝑖𝑜𝑛) + 𝛽8 ∙ (𝐺𝑖𝑛𝑖) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽9 ∙ (𝐴𝑟𝑏𝑒𝑡𝑠𝑙ö𝑠ℎ𝑒𝑡) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽10 ∙ 𝐿𝑜𝑔(𝐵𝑁𝑃)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽11 ∙ (𝐼𝑚𝑚𝑖𝑔𝑟𝑎𝑡𝑖𝑜𝑛) 𝐿𝑎𝑔𝑔𝑎𝑑 + 𝛽12 ∙ (𝑈𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣å 𝑥 𝐺𝑖𝑛𝑖)𝐿𝑎𝑔𝑔𝑎𝑑 + 𝑈
6. Resultat
I följande avsitt presenteras resultatet från regressionsmodellerna i 2 olika tabeller. Alla resultat har tolkats utifrån signifikansnivån 0,05. I tabell 2 presenteras resultatet av inkomstmodellen och i tabell 3 presenteras resultatet av utbildningsmodellerna.
6.1 Tabell 2
I tabell 2 inkluderas modellerna 1 och 1:A. I modell 1:A är Gini-koefficienten samt interaktionsvariabeln ”Inkomst x Gini” laggad med tre år. Tabellen visar att effekten av inkomst är negativ vilket innebär att när inkomsten ökar så minskar stödet för högerradikala partier för varje steg en individ rör sig uppåt i inkomstnivå. I och med att variabeln är uppdelad i deciler innebär det att de med lägre inkomst har större sannolikhet att rösta på högerradikala partier än de med hög inkomst. Andra delen som är relevant är interaktionstermen ”Inkomst x Gini” som är positiv. Den främsta skillnaden mellan modell 1 och modell 1:A är att när Gini-koefficienten och därmed även interaktionstermen laggad med tre år minskar effekten av Gini-koefficienten något. De andra variablerna behåller koefficienter på liknande nivå mellan de två modellerna.
Fixed effects på landnivå i alla modeller
Tabell 2 Modell 1 Modell 1:A
Röst på HRP Röst på HRP Inkomst -0.0129*** -0.0125*** (0.00181) (0.00189) Kön 0.0176*** 0.0180*** (0.00146) (0.00147) Ålder -0.000291*** -0.000300*** (0.00004) (0.00004) Gini -0.00498*** -0.00276*** (Laggas) (0.00037) (0.0004) Inkomst x Gini 0.000338*** 0.000335*** (Laggas) (0.00006) (0.00006) Konstant 0.222*** 0.156*** (0.0118) (0.01236) N 95181 94696 R2 0.005 0.003
Standardfel inom parentes
* p < 0.05, ** p < 0.01, *** p < 0.001
6.2 Tabell 3
Tabell 3 visar i första två kolumnerna skillnaden av modell 2 och 2:A där skillnaden är att Gini-koefficienten går från icke laggad i modell 2 för att sedan laggas med 3 år i modell 2:A. Skillnaden mellan Tabell 2 och Tabell 3, utöver adderandet av fler kontrollvariabler, är att inkomst byts ut mot dess proxy – utbildningsnivå. Utbildningsnivån visar ett tydligt samband med lägre andel röster på högerradikala partier, något som även stämmer överens med effekten av inkomstvariabeln i Tabell 2. Utbildningsnivå har en större koefficient än inkomst, något som delvis kan förklaras med att skalan för utbildning endast har fem steg medan inkomst har tio. Användandet av utbildningsnivå istället för inkomst ger modell 2 en ökning av totalt 62 463 fler observationer gentemot modell 1 då åren även 2004 - 2007 inkluderas i urvalet.
Interaktionstermens koefficient är positiv, något som även interaktionstermen med inkomst i modell 1 var vilket pekar på att utbildningsnivå fungerar bra som proxy. I modellerna 3, 4 och 5 används därmed endast utbildningsnivå. De genomförs även endast med 3 års laggade land- och årsspecifika variabler då vi räknar med att det tar tid för individer att bilda en uppfattning och utkräva ansvar.
I kolumnen som visar modell 3 har vi inkluderat landspecifika kontrollvariabler i regressionen för att testa resultatet från modell 2 ytterligare. Det vi finner genom att inkludera arbetslöshet, BNP per capita och nivå av immigration i modellen är att vår intressevariabel ”utbildning x
Gini” hålls stabil och rör sig endast från 0,00133 till 0,00132. De nyintroducerade variablerna
sänker antalet observationer något och totalt antal observationer i den tredje modellen uppgår till 137 371.
Den fjärde modellen är en vidareutveckling av den tredje och inkluderar mekanismer hos de svarande. De nya variablerna är frågor gällande hur religiösa de är, hur stor tillit de har till människor generellt och deras inställning till demokrati där 10 är en bra inställning. Den största statistiska skillnaden mellan modell 3 och 4 är att när mekanismerna tas hänsyn till ökar effekten av kön, att vara man ökar från 1,6% ökad sannolikhet till 2%. Modellen används även för att undersöka effekten av utbildning och Gini-koefficienten utan att inkludera interaktionseffekten. Det är viktigt att göra då inkluderandet av interaktionseffekten färgar resultatet av de två variablerna individuellt. Resultatet visar att en ökning av utbildningsnivå innebär en 0,6% lägre sannolikhet att rösta på ett högerradikalt parti när interaktionseffekten inte tas hänsyn till. Det är en väsentlig skillnad mellan de andra modellerna som visar ett värde runt 4,6% minskning. Även effekten av Gini-koefficienten förändras och ger en mindre effekt än i modell 3. Viktigt att nämna är att båda koefficienterna behåller sin riktning och är därmed negativt korrelerade med sannolikheten att rösta högerradikalt.
Den femte och slutliga modellen innehåller alla variabler från modell 4 och inkluderar även vår intressevariabel ”utbildning x Gini”. I och med adderandet av interaktionstermen förändras koefficienterna på de ursprungliga variablerna Gini och utbildningsnivå. Precis som i modell 4 är alla variabler förutom BNP per capita statistiskt signifikanta vid 5%. Då BNP per capita till viss del förklaras av fixed effects på landnivå är det inte överraskande att den blir insignifikant när fler kontrollvariabler adderas.
Den slutliga modellen inkluderar 133 900 observationer och har ett R2-värde på 0,014. Effekten av interaktionstermen ”utbildning x Gini” är fortsatt positiv och statistiskt signifikant och indikerar en ökad sannolikhet att rösta på ett högerradikalt parti om individen har en högre utbildningsnivå och Gini-koefficienten ökar.
Fixed effects på landnivå i alla modeller
Tabell 3 Modell 2 Modell 2:A Modell 3 Modell 4 Modell 5
Röst på HRP Röst på HRP Röst på HRP Röst på HRP Röst på HRP Utbildningsnivå -0.0498*** -0.0475*** -0.0469*** -0.006*** -0.0462*** (0.00241) (0.00235) (0.00253) (0.00042) (0.00258) Kön 0.0148*** 0.0151*** 0.0160*** 0.02022*** 0.0203*** (0.00106) (0.00106) (0.00114) (0.00118) (0.00118) Ålder -0.00033*** -0.00034*** -0.00038*** -0.00455*** -0.000451*** (0.00003) (0.00003) (0.00004) (0.0003) (0.0004) Gini -0.00773*** -0.00595*** -0.00560*** -0.0022*** -0.00637*** (Laggas) (0.00028) (0.00027) (0.00028) (0.00013) (0.00028) Utbildning x Gini (Laggas) 0.00139*** (0.00007) 0.00133*** (0.00007) 0.00132*** (0.00008) 0.00137*** (0.00008) Arbetslöshet -0.00148*** -0.00157*** -0.00166*** (Laggas) (0.00012) (0.00011) (0.00011) BNP per capita (log) (Laggas) -0.00683*** (0.00139) -0.00052 (0.00145) 0.000838 (0.00146) Immigration -0.00191*** -0.0022*** -0.00231*** (Laggas) (0.0001) (0.0001) (0.0001) Religion 0.00295*** 0.00302*** (0.0002) (0.0002) Tillit -0.00268*** -0.00272*** (0.00027) (0.00027) Inställning till Demokrati -0.00406*** (0.00028) -0.00401*** (0.00028) Konstant 0.312*** 0.259*** 0.346*** 0.201*** 0.312*** (0.00945) (0.00912) (0.01512) (0.01439) (0.01543)
Standardfel inom parentes
* p < 0.05, ** p < 0.01, *** p < 0.001
7. Diskussion
Vår analys har fokuserat primärt på de efterfrågefaktorer som påverkar sannolikheten att rösta på högerradikala partier. Stödet för högerradikala partier har ökat och i länder där partisystem inte förändrats bör effekten huvudsakligen härstamma ur förändringar i efterfrågefaktorer (Lubbers et al., 2002). Tidigare teorier går isär gällande vilka incitament som bidrar till ökad sannolikheten för ett högerradikalt väljarbeteende. Framförallt ställs teorierna på sin spets när väljargrupper som traditionellt sett röstat för omfördelningspolitik förändrat sina politiska preferenser och övergår till högerradikala politiska alternativ (Swank & Betz, 2003).
En stor del av tidigare forskning gällande väljarbeteende kan återkopplas till inkomstfaktorer och hur det skapar olika preferenser för politik genom att olika sociala och ekonomiska grupperingar har olika intressen. Skillnader i inkomst är en faktor som spelar stor roll för individer och deras levnadsförhållanden (Han, 2016). Egna tankar kring detta som även kan återkopplas till tidigare teorier är att när skillnader i inkomst ökar blir grupperingar mer definierade vilket kan tänkas förstärka effekten på väljarbeteende.
Förändringar i Gini-koefficienten innebär att inkomstfördelningen förändrats. Effekten det får på väljarbeteende kan till stor del tänkas grunda sig i mekanismer som handlar om att skydda ekonomiska intressen när resurserna omfördelas. När Gini-koefficienten ökar kan det därmed förändra preferenser för en viss typ av politik eftersom en omfördelning av inkomst förändrar ekonomiska intressen. Till exempel kan det tänkas att högre Gini-koefficient ökar motsättningarna mellan sociala och ekonomiska grupperingar eftersom klyftorna mellan grupperna ökar. Klyftorna kan tänkas få både synliga och inte synliga effekter genom en upplevd ökad distans mellan grupper som i sin tur leder till ökad grupptillhörighet där ”inom-gruppens” intressen ska försvaras från andra ”utom-grupper”.
Det resonemanget återfinns i tidigare litteratur där teser drivs om att individer i lägre inkomstnivåer har preferenser för omfördelningspolitik, men även högerradikal politik som genom nativism fångar in väljare som premierar det medan individer med högre inkomst vill
Vi finner att Gini-koefficienten har en effekt på väljarbeteende och det följer samma spår som tidigare forskning; att förändringar i inkomstskillnader påverkar preferenser för, i vårt fall högerradikal politik (Swank & Betz, 2003; Kinder & Kiewet, 1979; Shayo, 2009).
Vår undersökning visar en negativ effekt av en ökande Gini-koefficient vilket innebär att röster på högerradikala partier sjunker när den ekonomiska ojämlikheten ökar. Den fjärde modellen visar en minskad sannolikhet för att rösta på högerradikala partier med 0,6% för varje ökat steg på Gini-koefficientens 1 - 100 skala. När sannolikheten för att rösta på högerradikala partier minskar innebär det att preferenserna för annan politik ökar för varje steg men exakt vilken typ av väljarbeteende kan vi inte urskilja ur vår modell.
En högre utbildningsnivå förväntades enligt tidigare forskning ha en negativ effekt på sannolikheten att rösta på högerradikala partier vilket är något som även vårt resultat speglar. I ett scenario där immigranter är huvudsakligen lågutbildade anses den lågutbildade befintliga befolkningen vara de ekonomiska förlorarna i och med mer immigration (Mayda, 2005; Hainmueller & Hiscox, 2007). Vår analys finner här stöd för det med ett tydligt och statistiskt signifikant negativt samband mellan vår beroende variabel och utbildningsnivå. Utfallet mellan de olika modellerna är relativt stabil och den fjärde modellen visar att en person blir 0,6% mindre trolig rösta högerradikalt för varje ökat steg i den femgradiga skalan på utbildningsnivå. Även inkomst utgår från samma teoretiska bakgrund och ger samma resultat i vår inkomstmodell. Då utbildningsnivå och inkomst är nära relaterade och utbildningsnivå ökade vårt antal observationer utgår vi framförallt från resultaten i våra regressioner där endast utbildningsnivå är inkluderad.
Analysens resultat gällande individers personliga förutsättningar följer tidigare forskning. Ålder menar Lubbers et al. (2002) ha en negativ korrelation med viljan att rösta på högerradikala partier något som vi finner stöd för i vår analys. Dummyvariabeln för kön visar också en tydlig effekt där män är 2% mer troliga att rösta på högerradikala partier än kvinnor. Kvinnors relativa ovilja att rösta högerradikalt finner stöd i forskningen där Givens (2004) förklarar det delvis med den ofta antifeministiska grunden i högerradikala partier vilket påverkar negativt kvinnors preferenser för den typen av politik.
Variablerna arbetslöshet och immigration är båda negativa vilket pekar på att en ökning i någon av variablerna inte får människor att i större utsträckning rösta högerradikalt. En högre BNP per capita är i den tredje modellen kopplad till en större vilja att rösta på ett högerradikalt parti men däremot inte statistiskt signifikant i den fjärde modellen.
Gällande personers sociala kapital finner vi stöd för att tillit till gemene man har en tydlig negativ effekt där människor som litar mer på människor i deras omgivning är mindre troliga rösta på högerradikala partier. Tillit menade Coffé et al. (2007) vara tydligt korrelaterat med röster på högerradikala partier och baserade det på teori av Putnam (1993). Vår analys visar lika resultat där sannolikheten att rösta högerradikalt minskar med 0,27% för varje ökat steg på den 10-gradiga tillitskalan. Relaterat till tillit är variabeln inställning till demokrati som även den kan härledas till teori om socialt kapital där människor som känner sig som förlorare i ett system förlorar sin tillit till det. Vår modell visar på ett negativt samband mellan hur nöjda människor är med demokrati och deras vilja att rösta högerradikalt. Resultatet ger en minskning med 0,4% per ökat steg av nöjdhet med demokratin i sitt eget land.
Effekten av hur religiös en människa är omdebatterad och sägs kunna påverka både negativt så väl som positivt (Lubbers et al., 2002; Immerzeel et al., 2013). I vår fjärde modell inkluderas religion som kontrollvariabel och där hittar vi ett statistiskt signifikant samband som pekar på att människor som anser sig mer religiösa är 0,3% mer troliga rösta högerradikalt för varje ökat steg på skalan där 10 innebär djupt religiös.
Huvudsambandet som undersöks i den här analysen är interaktionen mellan utbildning och Gini-koefficienten. Teorierna bakom går isär där den ena förklaringsmodellen är att lågutbildade människor i ett ojämlikt samhälle tros rösta för att främja sina huvudsakliga ekonomiska intressen och därför rösta på vänsterorienterade partier som förespråkar mer ekonomisk jämlikhet snarare än högerradikala partier (Kinder & Kiewet, 1979). Den andra modellen menar att individer med lägre utbildning försvarar sina ekonomiska intressen genom att rösta för högerradikal politik som genom att förespråka lägre immigration kan erbjuda lägre konkurrens på arbetsmarknaden om jobb som kräver lägre utbildning kan representera lägre utbildade gruppers intressen (Lewis-Beck & Stegmaier, 2000).
Vår regression finner ett positivt statistiskt samband mellan interaktionsvariabeln utbildning x
Gini vilket innebär att högutbildade i större utsträckning röstar på högerradikala partier när den
ekonomiska ojämlikheten är hög. Det är en intressant effekt då både utbildningsnivå och Gini-koefficienten som enskilda variabler har en tydlig negativ effekt gentemot viljan att rösta högerradikalt. Det innebär att en ökad Gini-koefficient har olika effekt beroende på personers utbildningsnivå. En högutbildad person i ett land där den ekonomiska ojämlikheten växer blir därmed statistiskt sett mer trolig att rösta högerradikalt än en lågutbildad person i samma land. Våra resultat motsäger Han (2016) som undersökt surveydata med interaktionstermen ”inkomst
x Gini”. I sin forskning finner han stöd för det motsatta och menar att låginkomsttagare är mer
troliga rösta högerradikalt när Gini-koefficienten ökar. Båda analyserna är baserade på huvudsakligen samma surveydata från ESS, något som belyser vikten av metodval. Analysen som Han (2016) utfört använder en multilevel-modell och vår analys är baserad istället på en
fixed effects-modell med OLS-regression. Vår analys är huvudsakligen formad kring utbildning
men även modell 1 och 1:A som använder inkomstnivå i interaktionstermen precis som Han (2016) visar på ett omvänt samband än vad den analysen hittat.
8. Slutsats
Vi har i uppsatsen undersökt hur väljare agerar utifrån sina ekonomiska förutsättningar och mer specifikt – hur ekonomiska faktorer påverkar människors vilja att rösta på högerradikala partier. Genom användandet av regressionsmodeller där landspecifika förutsättningar hållits konstanta med fixed effects har vi undersökt om hög- eller lågutbildade påverkas olika av en ökade skillnader i inkomstfördelning genom att tillämpa Gini-koefficienten. Vi hittade stöd för tidigare forskning gällande effekten av högre utbildning som har en tydlig negativ effekt på sannolikheten för att rösta på ett högerradikalt parti. Det resultat vi finner skiljer sig åt från tidigare forskning eftersom inkluderandet av en interaktionsterm av utbildning och Gini-koefficienten är positiv och signifikant. Det tyder på ett samband där högutbildade människor är mer troliga att rösta högerradikalt i samhällen där den ekonomiska ojämlikheten är högre men att effekten av både Gini-koefficienten och utbildning är negativ vilket påverkar sambandet. Den tidigare forskningen är oense gällande det egentliga sambandet och menar att
Tidigare resultat finner både att lågutbildade människor är mer troliga rösta på vänsterpolitik som gynnar deras grupp ekonomiskt genom omfördelning, eller att lågutbildade grupper röstar högerradikalt då det är det är ett sätt att minska konkurrensen om arbeten som inte kräver hög utbildningsnivå. Det är två vägar att gå för att skydda sina ekonomiska intressen.
Även om resultatet vi finner är signifikant och tyder på ett samband vill vi understryka att det inte nödvändigtvis är ett kausalt samband. Vår uppsats ger ett bidrag till den tidigare forskningen genom att vidare utforska sambandet och framförallt användandet av utbildning som huvudsaklig intressevariabel. Egna tankar kring utbildning som förklarande variabel är att det inte borde vara just utbildningsgraden i sig som påverkar sambandet utan snarare förklaras av andra gemensamma faktorer för de personer som har hög utbildning. Med det menas att personer inte lär sig på vilket parti de ska rösta på under sin utbildning utan att de högutbildade kan ha gemensamma drag utöver utbildningen. Personer med hög utbildning kan till exempel komma från en bakgrund som gett dem möjlighet att vidareutbilda sig snarare än att börja arbeta tidigt och att den bakgrunden kan ha en effekt på väljarbeteende.
Vi vill även belysa att sambandet vi funnit kan vara orsakat av omvänd kausalitet. Det vill säga att när sannolikheten att rösta på högerradikala partier ökar bidrar det till att de har mer politisk makt att för en politik som eventuellt kan öka inkomstskillnader genom att föra en högerorienterad politik som i många fall förespråkar mindre omfördelning av inkomst. Det innebär att fler röster på en högerradikal politik kan leda till en ökad Gini-koefficient.