Härnäst presenteras resultaten av de genomförda regressionsanalyserna först i tabellerna 1–
7 avseende områdeseffekt och sedan för interaktionseffekt presenteras resultaten i tabell 8–
14.
5.1 Områdeseffekter
Varje analys som genomförts är indelad efter den beroende variabel som testades, i varje tabell testas följaktligen en beroende variabel. Av dessa kunde jag se skiftande resultat mellan relativt starka samband och hög signifikans till svaga ickesignifikanta resultat.
29 Eriksson 2007 s 47 f f.
Inledningsvis genomfördes regressionsanalyser utan kontrollvariabler för varje oberoende områdesvariabel (modell 1–3). Därefter testas varje områdesvariabel för sig mot samtliga kontrollvariabler i modell 4–6. I modell 7 testas samtliga variabler i en analys.
Tabell 1 visar som väntat att signifikans och effekt avseende områdesvariablerna sjunker i modell 7 jämfört med modell 1–6 även om de förväntade riktningarna finns kvar i modell 7. Resultatet visar att det finns signifikanta områdeseffekter på om individer röstar eller inte vilket är i linje med min hypotes H1. Om andelen invandrare i området ökar med en procent innebär det att andelen som röstar i området minskar med 1,3%. Även om signifikansnivån för områdesarbetslöshet är lägre finns en motsvarande effekt av denna variabel om 1 %. Individvariablerna visar också på effekter i enlighet med förväntningarna.
Vissa skillnader finns dock för de olika yrkeskategorierna som inte visar samma tydliga effekt som de övriga individvariablerna.
Resultaten av effekterna på partiaktiviteter visar på delvis omvända effekter på individnivå och områdesnivå. För det mesta var dock inte resultaten signifikanta och de bör således inte dras några vidare slutsatser av den omvända riktningen. Däremot är det
uppenbart att det inte finns stöd för att områdeseffekter skulle ha betydelse för individens politiska deltagande genom partiaktiviteter. Ingen av de tre områdeseffekterna är
signifikanta i någon av modellerna i tabell 2.
Avseende den beroende variabeln kontakter visar tabell 3 att personer bosatta i ett område med högre arbetslöshet deltar i lägre utsträckning politiskt genom att ta relevanta kontakter än personer bosatta i ett område med lägre arbetslöshet. Det bör dock beaktas att resultatet är signifikant på 90% säkerhetsnivå. Även om resultaten inte är signifikant kan det nämnas att antal högutbildade i området och andel invandrare har en riktning som är motsatt den förväntade.
Vad gäller manifestationer är resultaten, likt de för kontakter, mycket svaga och framförallt icke signifikanta i tabell 4. Även om orsaksriktningarna är som väntat i modell 1–3 ger det inte ens där signifikanta resultat. Däremot är effekterna av individuella resurser relativt starka och signifikanta bortsett de varierande resultaten från kontrollvariablerna för individens position på arbetsmarknaden.
När områdesvariablernas effekt på politiskt intresse mäts i en regressionsanalys i tabell 5 där det inte kontrolleras för individuella resurser är effekterna relativt starka och
signifikanta. Styrkan och signifikansen avtar dock i modell 4–6 för att i modell 7 helt sakna signifikanta effekter. Däremot visar både områdesarbetslöshet och områdets
utbildningsnivå signifikanta effekter när de inte kontrolleras mot varandra i modell 4 respektive 6.
Den beroende variabeln politisk självtilltro mäts som tidigare nämnts på en tiogradig skala. Det finns enligt resultaten i tabell 6 en kraftigt signifikant och relativt sett stark positiv effekt på politisk självtilltro av att bo i ett område med en stor andel högutbildade även när det kontrolleras för individuella egenskaper. Att vara invandrare har en mycket stark negativ effekt. Utöver detta kan det observeras att en hög utbildningsnivå i ett bostadsområde har, om än en liten, signifikant effekt på politisk självtilltro.
Politisk systemtilltro mäts också på en tiogradig skala där lägre värde representerar lägre tilltro till det politiska systemet. I modell 7 finns inga signifikanta områdeseffekter på politisk systemtilltro.
Alla tre områdesvariablers effekt var i åtminstone avseende en beroende variabel signifikant. Att andelen invandrare har signifikant effekt kan alltså indikera en effekt av etnisk segregation på om individen röstar eller inte. Vad gäller andelen arbetslösa och andel högutbildade mäter de mer direkt socioekonomisk status för området och i de fall de har signifikanta effekter är det alltså fråga om en effekt av socioekonomisk segregation.
De R2 som visas i tabellerna är visserligen inte justerade för antalet variabler i modellerna. Med det sagt har områdesarbetslöshet störst förklaringskraft av samtliga områdesvariabler i tabell 1–4. Detta kan vara intressant för att se vilken av variablerna som kan förklara det mesta av variationen.
Som ovan nämnts kan en del av förklaringen till små ickesignifikanta effekter i vissa tabeller vara att de tre områdesvariablerna korrelerar mycket väl med varandra. Om alla tre tas med i samma analys innebär det att effekten dämpas av varandra. Detta framträder exempelvis för områdeseffekterna när modell 7 jämförs med modell 4–6 i tabell 5.
Huruvida detta beror på minskad statistisk styrka eller på att andra variabler också förklarar samma variation är svårt att säga. Det kan alltså vara en fördel med att ta med endast en variabel för att mäta områdeseffekt istället för tre. Ett annat alternativ är att skapa en indexerad variabel av alla tre mått på områdeseffekt. Ett sådant kombinerat mått riskerar
dock att bli väl komplicerat. I detta fall har jag trots allt valt att ha med alla tre variabler för att få ett så rättvist och tydligt resultat som möjligt.
Ytterligare en möjlig förklaring till svaga effekter i några av analyserna kan vara att jag använt mig av additiva index för att mäta politiskt deltagande. Detta medför ett mer heltäckande svar än om specifika delfrågor testas. Det kan också innebära att vissa effekter av till exempel områdesarbetslöshet minskar om vissa delar i ett visst ger en motsatt effekt än den förväntade.
Resultatet kan naturligtvis också påverkas av bortfall. Det är i det fallet önskvärt med ett så stort antal respondenter som möjligt. Medborgarundersökningen har i och för sig fördelen av att vara en representativ och mycket omfattande enkätundersökning så något bortfall av avgörande betydelse är inte så troligt. Sammanfattningsvis innebär ett icke signifikant resultat trots så många respondenter i datamaterialet att det inte finns effekt att tala om. Effekterna av områdesresurser varierar också dels mellan olika former för politiskt deltagande och attitydvariabler. Dels varierar effekten mellan de olika områdesvariablerna.
Tabell 1: Regressionsanalys med röstat som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept .951
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare -.197***
(.000)
Utbildning antal år .014***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.052*
(.095)
Tillfälligt arbetslös -.150 **
(.032) Tjänstledig för
studier
Föräldraledig .077
(.423) Arbetar för tillfället
inte av andra skäl
Pensionerad -.123***
(.001) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 2: Regressionsanalys med Partiaktiviteter som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept .580
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare .029**
(.037)
Utbildning antal år .003**
(.048) Position på
arbetsmarknaden
Arbetar deltid .018
(.168)
Tillfälligt arbetslös .034
(.238) Tjänstledig för
studier
Föräldraledig .028
(.488) Arbetar för tillfället
inte av andra skäl
Pensionerad .003
(.865) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 3: Regressionsanalys med kontakter som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept .154
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Utbildning antal år .013***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.002
(.910)
Tillfälligt arbetslös -.039
(.264) Tjänstledig för
studier
Föräldraledig .025
(.641) Arbetar för tillfället
inte av andra skäl
Pensionerad -.077***
(.000) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 4: Regressionsanalys med manifestationer som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept .172
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare -.040***
(.004)
Utbildning antal år .003**
(.022) Position på
arbetsmarknaden
Arbetar deltid .029**
(.031)
Tillfälligt arbetslös -.002
(.952) Tjänstledig för
studier
Föräldraledig -.089**
(.034) Arbetar för tillfället
inte av andra skäl
Pensionerad -.044***
(.005) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 5: Regressionsanalys med politiskt intresse som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept 2.759
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare -.054
(.454)
Utbildning antal år .079***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.098
(.163)
Tillfälligt arbetslös -.102
(.490) Tjänstledig för
studier
Föräldraledig -.035
(.870) Arbetar för tillfället
inte av andra skäl
Pensionerad -.047
(.555) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 6: Regressionsanalys med politiskt självtilltro som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept 5.069
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare -.612***
(.000)
Utbildning antal år .199***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.056
(.644)
Tillfälligt arbetslös -.789***
(.004) Tjänstledig för
studier
Föräldraledig .247
(.506) Arbetar för tillfället
inte av andra skäl
Pensionerad -.203
(.153) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 7: Regressionsanalys med politisk systemtilltro som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7
Intercept 4.133
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område
Invandrare .035
(.802)
Utbildning antal år .035***
(.005) Position på
arbetsmarknaden
Arbetar deltid .089
(.470)
Tillfälligt arbetslös -.447*
(.089) Tjänstledig för
studier
Föräldraledig .311
(.386) Arbetar för tillfället
inte av andra skäl
Pensionerad .073
(.613) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
5.2 Interaktionseffekter
Nedan följer de resultat på regressionsanalyser där interaktionseffekter undersöks i tabell 8–14. Precis som ovan är det en tabell för varje beroende variabel. Varje modell
representerar en avgränsning av en specifik områdesvariabel på så sätt att området kan beskrivas som resursstarkt eller resurssvagt. Modell 1,3 och 5 visar respektive resursstarkt område och modell 2, 4 och 6 de resurssvaga områdena. Följaktligen visar Modell 1 låg andel arbetslösa, Modell 2 hög andel arbetslösa, Modell 3 låg andel invandrare, Modell 4 hög andel invandrare, Modell 5 hög andel högutbildade och Modell 6 låg andel
högutbildade. Som ovan nämnts bygger indelningen på en hälftendelning.
Tabell 8 visar på signifikanta resultat för utbildningsnivå och invandrare som i samtliga modeller visar att de individuella egenskapernas effekterna ökar i ett resurssvagt område jämfört med ett korresponderande resursstarkt område. Detta är en indikation på att individuella resursers betydelse för politiskt deltagande också påverkas av områdesresurser.
I tabell 9 är resultaten inte lika tydliga som i föregående. Särskilt anmärkningsvärt är att utbildningsnivå har en motsatt effekt som också ökar i modell 2 och 6 jämfört med modell 1 och 5. Ökningen sker alltså mellan resursstarkt och resurssvagt område åt motsatt håll på så sätt att en person med hög utbildning i mindre utsträckning deltar i
partiaktiviteter om personen bor i ett resurssvagt område än i ett resursstarkt.
Vad gäller oberoende variabeln kontakter är det intressant att notera skillnaden mellan att vara invandrare och att vara högutbildad. Den förra ger tvärtemot hypotesen en starkare negativ effekt i ett resursstarkt område än resurssvagt. Den senare ger däremot i enlighet med hypotesen starkare positiv effekt i ett svagare område än i ett starkare.
Dessutom ger tabell 11 för handen att egenskapen invandrares effekt påverkas av vilken typ av resurssvagt område det handlar om vilket märks om modell 5–6 jämförs med de
föregående.
Vad gäller interaktionseffekter verkar dessa, i vissa fall, ge signifikanta resultat samt att effekterna av individuella resurser är märkbart större i ett svagare område. Detta är alltså ett tecken på en interaktionseffekt. Att det finns interaktionseffekter i vissa av analyserna tyder på att områdets resurser spelar roll. Det är dock viktigt att observera att med denna metod går det inte att säga skillnaden i individresursers effekter mellan resurssvaga och resursstarka områden är statistiskt skilda från varandra.
Tabell 8: Regressionsanalys med röstat som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept .453
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.139***
(.008) Utbildning antal år .011***
(.003) Position på
arbetsmarknaden
Arbetar deltid -.042 (.258) Tillfälligt arbetslös -.094
(.300) Tjänstledig för
studier Föräldraledig .059
(.508) Arbetar för tillfället
inte av andra skäl Pensionerad -.097**
(.024) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 9: Regressionsanalys med partiaktiviteter som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept .596
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.038
(.104) Utbildning antal år -.001
(.611) Position på
arbetsmarknaden
Arbetar deltid .034*
(.068) Tillfälligt arbetslös .046
(.319) Tjänstledig för
studier Föräldraledig 036
(.447) Arbetar för tillfället
inte av andra skäl Pensionerad -.013
(.542) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 10: Regressionsanalys med kontakter som beroende variabel.
Oberoende varaibel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept -.009
(.870) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.064**
(.037) Utbildning antal år .012***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.037 (.133) Tillfälligt arbetslös -.016
(.794) Tjänstledig för
studier Föräldraledig .006
(.923) Arbetar för tillfället
inte av andra skäl Pensionerad -.109***
(.000) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 11: Regressionsanalys med manifestationer som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept .115
(.006) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.031
(.189) Utbildning antal år .004*
(.067) Position på
arbetsmarknaden
Arbetar deltid .031*
(.099) Tillfälligt arbetslös .025
(.593) Tjänstledig för
studier Föräldraledig -.084*
(.086) Arbetar för tillfället
inte av andra skäl Pensionerad -.015
(.498)
Studerar .0332737
(.216) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 12: Regressionsanalys med politiskt intresse som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept 1.708
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.165
(.138) Utbildning antal år .058***
(.000) Position på
arbetsmarknaden
Arbetar deltid .023 (.796) Tillfälligt arbetslös .154
(.484) Tjänstledig för
studier Föräldraledig -.210
(.349) Arbetar för tillfället
inte av andra skäl Pensionerad -.027
(.794) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 13: Regressionsanalys med politiskt självtilltro som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept 2.697
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.813***
(.000) Utbildning antal år .198***
(.000) Position på
arbetsmarknaden
Arbetar deltid -.008 (.959) Tillfälligt arbetslös -.967**
(.020) Tjänstledig för
studier Föräldraledig -.009
(.981) Arbetar för tillfället
inte av andra skäl Pensionerad -.186
(.327) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.
Tabell 14: Regressionsanalys med politiskt systemtilltro som beroende variabel.
Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6
Intercept 4.142
(.000) Andel arbetslösa
område Andel invandrare
område Andel högutbildade
område Invandrare -.228
(.305) Utbildning antal år .013
(.470) Position på
arbetsmarknaden
Arbetar deltid .044 (.792) Tillfälligt arbetslös -.342
(.406) Tjänstledig för
studier Föräldraledig .286
(.480) Arbetar för tillfället
inte av andra skäl Pensionerad -.063
(.754) Stannar hemma för
att ta hand om barn
Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.