Utifrån hypoteserna och med hjälp av analysmetoden kommer här resultaten presenteras i en tabell med medföljande beskrivning, för att senare under analysavsnittet tolkas med hjälp av tidigare forskning och teori.
Resultat
I Modell 1 från Tabell 2 (se nedan) redovisas regressionen mellan antal självmord med kön och åldersgrupperna som oberoende variabler där samtliga variabler ska läsas av som dummyvariabler. Resultaten visar att kvinnorna och observationerna i den yngsta åldersgruppen (som är referenskategorin till övriga åldersgrupper) är de som begår lägst antal självmord i snitt (24,18*0 (=kvinna) + 0 (=referensgruppen) + 2,76 (intercept) = 2,76 självmord). Jämförelsevis med medelålders män som begår flest självmord (24,18*1(=män) + 44,8 (45-64åringar) + 2,76 (intercept) = 71,74 självmord). Samtliga resultat är dessutom signifikanta då samtliga t-värden är över 2. R2-värdet visar att Modell 1 förklarar variationen i självmordstalen med 80% vilket är ett väldigt starkt värde inom samhällsvetenskapen.
I Modell 2 är b-värdena för kön och ålder samma som i Modell 1 vilket tyder på låg interaktion mellan variablerna i de olika modellerna. Interceptet har dock ändrats mellan modellerna från 2,76 till -8,43. R2-värdet ökade dessutom till 81% jämfört med Modell 1.
Resultatet för variabeln BRP är ett negativt samband och betyder att för varje 1,000 kronor som BRP ökar per person i Stockholms län begås det i genomsnitt 0,03 färre självmord konstanthållet för övriga variabler. Men eftersom sambandet är icke-signifikant för BRP kan denna borträknas i Modell 2. Variabeln arbetslöshet, som är signifikant, tolkas som att för varje procentenhet som arbetslösheten i Stockholms län ökar så ökar antalet självmord med ungefär 4,5 självmord.
Tabell 2. Regressionsanalys av samtliga modeller med antal självmord år 2008–2017 i Stockholms län som beroende variabel (med t-värde inom parentes).
Modell 1 Modell 2 Modell 3 Modell 4 Kön (1=man) 24,18** (10,85) 24,18** (11,11) 9,61* (2,52) 49,02 (1,34)
Åldersgrupp
15–24 år Referens Referens Referens Referens
25–44 år 29,30** (9,30) 29,30** (9,52) 51,60** (9,00) 53,54** (9,24)
I Modell 3 har interceptet ändrats 106,78 samt att alla b-värden har förändrats för samtliga variabler från Modell 2. För variabeln Kön visar resultatet i Modell 3 att män begår 9,61 fler självmord än kvinnor konstanthållet för övriga oberoende variabler. För åldersgrupperna har samtliga gruppers b-värde nästan fördubblats jämfört med i Modell 2. Men, fortfarande är det medelålders män som begår flest självmord och unga kvinnor som begår lägst antal självmord enligt Modell 3 (konstanthållet för övriga variabler) trots att det förändrade b-värdena tyder på interaktion med någon eller några av de nya oberoende variablerna. Variabeln BRP är fortfarande negativ men är i denna modell signifikant vilket innebär att bra ekonomisk omsättning minskar antalet självmord. Att variabeln BRP nu är signifikant kan tyda på antingen heteroskedasticitet eller multikollinearitet eftersom signifikansnivån förändrades från modell 2 till modell 3. Arbetslöshetens utslag har i Modell 3 minskat samt blivit icke-signifikant vilket tyder på både interaktion och heteroskedasticitet eller multikollinearitet mot någon av de nya variablerna. Den nya variabeln Psykiatribudget har ett positivt samband med självmordstalen vilket innebär att för varje miljon (svenska kronor) som politikerna ökar budgeten för psykiatrivård ökar också självmordstalen med 0,02 stycken. Variabeln Antidepressiv medicin visar att det är ett negativt samband mellan antalet patienter som får antidepressiv medicin utskrivet och antal självmord, alltså om ytterligare 1000 personer får antidepressiv medicin utskrivet minskar antalet självmord med 1 person. R2-värdet har dessutom ökat ytterligare jämfört med Modell 2 till 86%.
I Modell 4 är det mycket som har förändrats. Interceptet är 543,9, variablerna Kön, BRP och Psykiatribudget har blivit icke-signifikanta jämfört med i Modell 3, trots att variabelns b-värde har ökat markant. Åldersgruppernas b-b-värden har alla ökat med 2 och är fortsatt signifikanta. Arbetslöshet är fortfarande icke-signifikant medan antidepressiv medicin har kvar samma b-värde och är fortsatt signifikant. De nya variablerna som ska förklara bostadsbristen, folkökning och nybyggnationer, har ett extremt lågt värde (0,000, det vill säga ett lägre värde än 0,001) och är båda icke-signifikanta. De tre variablerna som visar variansen i självmordstalen utifrån hur resten av befolkningen utbildar sig har låga b-värden, men eftersom det är många som har någon form av utbildning (exempelvis 2017 hade 411,283 människor eftergymnasial utbildning) så ger talen högt utslag. För variabeln om utbildningsnivå behövs ingen referensgrupp då det gäller hela befolkningen, det vill säga hur många personer som har en viss utbildningsnivå. Variablerna kan alltså tolkas var för sig utan referens till något annat. Men eftersom ingen av utbildningsnivåerna är signifikanta kan dessa
variabler bortses ifrån. R2-värdet har, trots de många icke-signifikanta variablerna, ökat med en procentenhet till 87%.
Analys
Resultaten för modellerna i Tabell 2 kommer här analyseras med hjälp av den tidigare forskningen och teorin. Analyserna presenteras efter ordningen av modellerna i resultatet.
Resultatet för Modell 1 visar, precis som SPES (2019) och KI (2017), att det är medelålders män som begår flest antal självmord även i Stockholms län. Resultatet överensstämmer även med Hypotes 1, som säger att det är stora differenser mellan könen och de olika åldersgrupperna.
Resultaten för Modell 2 har som tidigare beskrivits samma värden för åldersgrupperna och för kön. Eftersom variabeln BRP är icke-signifikant i denna modell analyseras den först i Modell 3 där den är signifikant. Men variabeln Arbetslöshet är signifikant och visar på ett positivt samband med självmordstalen, precis som den tidigare forskningens resultat som visade att arbetslöshet korrelerar med självmord i både olika geografiska kontexter och under olika tidsperioder (Chang m.fl., 2009, Pierce, 1967). Korrelationen kan tolkas utifrån Durkheims (1983, 206–208) anomiska självmordstyp där individens egna behov och förväntningar inte överensstämmer med vad samhället kan erbjuda, i detta fall ett jobb. Att arbetslöshet korrelerar med självmordstalen kan även tolkas utifrån Durkheims (1983, 162–163) egoistiska självmordstyp då individen lever i för hög grad av individualism och isolering. Precis som Trout (1980, 12) beskrev han den sociala integrationen, uppfattningen att känna sig behövd samt känslan av ansvar stor betydelse för att undvika självmord. Att ha ett arbete kan för många människor tillgodose dessa behov av integration och bekräftelse. Resultatet för Modell 2 överensstämmer till viss del med Hypotes 2, då endast en av sex variabler är icke-signifikanta. Men resultatet visar, precis som hypotesen beskriver, att det är ett positivt samband mellan arbetslöshet och självmord. Ju fler som är arbetslösa, desto fler begår självmord.
Resultatet i Modell 3 visar att betydelsen av kön har minskat jämfört med i Modell 1 och 2 (se Tabell 2) medan betydelsen av ålder har ökat. I Modell 3 är variabeln för BRP signifikant och visar på ett negativt samband, alltså ju högre omsättning det är per capita i regionen (i
tusentals kronor) desto färre människor begår självmord. Det går i linje med Durkheims (1983, 197ff) teori om att både ekonomisk framgång och motgång kan påverka självmordstalen. Materialet som har analyserats börjar 2008 då det var en stor finanskris i världen vilket innebär att tillväxten ständigt har ökat i Sverige under den analyserade perioden. Det motsäger ändå Durkheims (1983, 9) teori om rikedomens kris där individerna inte får sina höga förväntningar tillfredsställda. Likt Pierces (1967) resultat visar ändå resultatet i Modell 3 att ekonomisk utveckling och självmordstal korrelerar. Eftersom variabeln Arbetslöshet är icke-signifikant i denna modell bortses den i analysen.
I Modell 3 finns även resultatet för hur psykiatribudgeten (som redovisas i miljoner kronor) påverkar självmordstalen. Hypotesen och teorin var att oavsett vilken form av hjälp en patient behöver är ändå uppmärksamheten från vården en faktor som skulle kunna minska självmordstalen (Cullberg, 1997, 1409; Isacsson, 2005, 1076; Jick m.fl., 1995, 215; Tiihonen m.fl., 2006, 1358). Men i resultatet för Modell 3 är det istället ett positivt samband mellan psykiatribudgeten och antalet självmord, alltså ju mer pengar som budgeteras till psykiatrivård desto fler begår självmord, vilket i sig är ett dåligt facit för vården i Stockholms län som försöker efterleva nollvisionen för självmord. För variabeln Antidepressiv medicin är det istället ett negativt samband mellan antal patienter som får antidepressiv medicin utskriven och antal personer som begår självmord, det vill säga att ju fler som får mediciner, desto färre begår självmord. Det innebär att resultatet överensstämmer med hypotesen, men även med NASPs (2007, 4) forskning som tydligt beskriver en ökning av utskriven antidepressiv medicin samtidigt som självmordstalen minskar. Modell 3 överensstämmer därför med Hypotes 3 då endast en variabel var icke-signifikant.
Resultatet i Modell 4 visar tydliga förändringar från Modell 3. Ingen av variablerna Kön, BRP, Arbetslöshet eller Psykiatribudget är signifikanta men åldersgrupperna och Antidepressiva mediciner är fortsatt signifikanta och har ungefär samma koefficient som i Modell 3. De nya variablerna som tillsammans skapar en bild av bostadsbristen, folkökning och nybyggnationer, grundades i Sartorius (1995, 169) och Crowleys (2003, 22) forskning om hur trångboddhet kan påverka människors psykiska hälsa. I Modell 4 är resultatet för både folkökning och nybyggnationer icke-signifikant, vilket innebär att hypotesen om att ökande befolkning och byggandet av bostäder kunde korrelera med självmordstalen måste förkastas.
Variablerna för utbildningsnivå analyseras med hjälp av BRIS (2019) och Trout (1980, 12).
Hypotesen var att ju fler som utbildar sig, desto fler känner stress och oro över att behöva ha en högre utbildning. Den här pressen kan då eventuellt resultera i en rollkonflikt där individen inte känner igen sig i de förväntningar som ställs på denne. Utifrån resultatet i Modell 4 måste ändå denna hypotes förkastas eftersom ingen av de tre olika utbildningsnivåerna blev signifikanta.
Diskussion
Syftet med uppsatsen har varit att genom befintlig statistik, ur ett sociologiskt perspektiv, studera relationen mellan strukturella faktorer och självmord i Stockholms län. Ambitionen var även att ta fram en modell som kan påvisa effekter av strukturella faktorer för att eventuellt kunna främja ett självmordspreventivt arbete. För att besvara frågeställningarna om det finns något statistiskt samband mellan strukturella faktorer och självmordstalen i Stockholms län och i så fall vilka faktorer som blir signifikanta, har en OLS-regression använts där statistiska samband och signifikans presenterats.
Resultaten kan konkret sammanfattas till att det är fler män än kvinnor som begår självmord, att det är flest personer i medelåldern som begår självmord, att arbetslöshet och högre budget i psykiatrin har statistiskt signifikanta samband med fler självmord och att högre BRP per capita samt medicinering mot depressioner minskar självmordstalen. Slutsatsen för studien blir alltså att strukturella faktorer kan ha en påverkan på självmordstalen i Stockholms län. Variabler i modellerna som inte blev signifikanta var bland annat variabeln för utbildning och variablerna för folkökning och bostäder. När det kommer till utbildning är teorin fortfarande att det kan finnas en relation mellan större andel högutbildade och antalet självmord, men att variablerna kan ha operationaliserats fel i materialet. Att resultaten i Modell 3 och 4 tyder på multikollinearitet och interaktion mellan variablerna är inte helt oväntat då det är så få observationer i materialet.
Att ungas självmordstal ligger stabilt i statistiken analyseras med hjälp av Thorlindsson och Bjarnason (1998) och Breault och Barkey (1982) där de pekar på att kontrollen från föräldrar
och integrationen i en familj kan hindra unga från anomi och suicidalitet. I samband med att bostäder är dyra och många unga har svårare att flytta hemifrån kan detta verka preventivt för just suicidalitet, då den unga individen under längre tid har en anknytning till sin familj.
Breault och Barkey (1983) pekar på att integreringen i en familj minskar suicidalitet och kan därför kopplas till de förhållandevis låga självmordstalen hos unga. Att unga överhuvudtaget begår självmord kan dock analyseras med forskning presenterad av Trout (1980) som pekar på att individer som lever ensamma och flyttar ofta lider högre risk för suicidalitet. Möjligt är att unga som känner pressen att flytta hemifrån, eller måste flytta av andra anledningar, blir tvungna att bosätta sig i förhållanden som inte uppfyller dennes förväntningar. Unga som dessutom inte har en god ekonomi riskerar att behöva flytta ofta och bo i tillfälliga lösningar, vilket kan kopplas till forskning presenterad av Trout (1980).
Den enda variabeln som ingen tidigare forskning eller teori, som har presenterats i studien, kan tolka är psykiatribudgeten. Psykiatribudgeten har som tidigare beskrivet ett positivt samband med självmordstalen, vilket är uppseendeväckande då psykiatrins syfte är att hjälpa människor med psykiska besvär. Resultatet ligger i kontrast till den presenterade hypotesen och var inte ett resultat som förväntades. Det kan diskuteras att sambandet kan bero på en eller flera bakomliggande variabler, exempelvis att en större mängd allmän psykisk ohälsa bland invånarna ger högre belastning hos psykiatrin och därmed kräver högre budget.
Trots att Durkheim publicerade sin bok, Självmordet, år 1897 är den till viss del användbar även i dagens kontext där både institutioner och levnadsförhållanden till stor del har förändrats på nästan 125 år. Durkheims perspektiv om att människan inte är en egen tänkande individ utan att människan istället bara följer de mönster och strukturer som samhället har konstruerat kan nyanseras i diskursen om självmord. Durkheim menar alltså att det är samhället som driver människan till att begå självmord, men vi menar att strukturella faktorer inte nödvändigtvis är avgörande orsaker till att människor tar steget till självmord. Istället tror vi att strukturella faktorer kan resultera i psykisk ohälsa som sedan i värsta fall, kan leda vidare till självmord. Även om Durkheims teori är gammal bör den inte ignoreras av dagens sociologer. Grundtanken om att samhället kan undvika att människor tar sina liv är ett bra perspektiv för att arbeta förebyggande mot självmord, samt att försöka bli av med myten om att när en person väl har bestämt sig för att begå självmord finns det ingenting som kan ändra det beslutet.