Nedanstående data är hämtad från Bilaga 3. Samtliga kostnader som presenteras i kapitlet gäller per elev och skolår. I Tabell 3 presenteras den deskriptiva statistik som ligger till grund för analysen av de olika kostnadsposternas påverkan på residualen på SALSA-värdet. Ur Tabell 3 kan utläsas att medelvärdet för residualen på SALSA ligger nära 0 vilket tyder på ett bra underlag. Det är också stor variation i både residualen och i de olika kostnadsposterna.
4 Linjära regressioner används för att undersöka om en variabel är beroende av en annan (Aczel &
Sounderpandian 2002 s. 31 ff).
23
Tabell 3 Deskriptiv Statistik
N Minimum Maximum Mean Std. Deviation
SALSA 289 188 242 205,530 7,612
Residual SALSA 289 -39 46 -0,235 12,445
Totalkostnad 289 65 500 111 700 81 832,180 8 064,142
Kostnad undervisning 289 32 200 66 500 41 376,250 4 998,866
Kostnad läromedel 289 1 100 7 500 2 985,810 982,789
Kostnad elevvård 289 900 9 940 2 153,670 800,498
Kostnad skolmåltider 289 1 900 9 000 5 192,730 1 091,086
Kostnad lokaler 289 7 700 31 100 15 865,050 3 360,296
Kostnad övrigt 289 2 200 32 200 14 241,520 4 146,586
Valid N (listwise) 289
Samtliga kostnader är per elev och år
I de samlade tabellerna i Tabell 4−7 presenteras resultatet av de enkla linjära regressionerna utförda med den beroende variabeln residual SALSA och de oberoende variablerna totalkostnad, kostnad undervisning, kostnad läromedel och övriga kostnader. Ur Tabell 4 kan utläsas att korrelationskoefficienten (R) antar ett värde på 0,038 vilket tyder på att det inte finns något samband mellan de totala kostnaderna och residualen på SALSA. Även förklaringsgraden (R2) är mycket låg och innebär att endast 0,1 procent av variansen i den beroende variabeln residual SALSA kan förklaras av den oberoende variabeln totalkostnad.
Prediceringen av nivån på residualen förbättras således inte av vetskapen om storleken på totalkostnaden. Sammanfattningsvis kan inte resultaten i Tabell 4 förkasta hypotes ett (H1) utan resultaten tyder mycket på att det finns ett mycket litet samband, mellan de totala kostnaderna per elev och ett högt residualvärde i SALSA. Att signifikansnivån = 0,519 (t = -0,645) är låg är inte av samma relevans då vi inte förkastar nollhypotesen.
24
Tabell 4 Sammanfattande tabeller av den totala kostnadens påverkan på residualen av SALSA
Model Summary
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 ,038a ,001 -,002 12,458
a. Predictors: (Constant), Totalkostnad
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 64,573 1 64,573 ,416 ,519a
Residual 44539,427 287 155,190
Total 44604 288
Ur Tabell 5 kan utläsas att korrelationskoefficienten (R) antar ett värde på 0,041 vilket tyder på att det inte heller finns något samband mellan de undervisningskostnaderna och residualen på SALSA. Även förklaringsgraden (R2) för den oberoende variabeln är mycket låg och innebär att den endast kan förklara 0,2 procent av variansen i den beroende variabeln.
Prediceringen av nivån på residualen förbättras således inte heller av vetskapen om storleken på undervisningskostnaden. Resultaten i Tabell 5 kan alltså inte heller de förkasta hypotes två (H2) utan tyder på att det inte finns något samband mellan undervisningskostnaderna och ett högt residualvärde i SALSA.
25
Tabell 5 Sammanfattande tabeller av undervisningskostnadens påverkan på residualen av SALSA
Model Summary
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 ,041a ,002 -,002 12,456
a. Predictors: (Constant), Kostnad undervisning
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 76,317 1 76,317 ,492 ,484a
Residual 44527,683 287 155,149
Total 44604 288
Ur Tabell 6 kan utläsas att korrelationskoefficienten (R) antar ett värde på 0,058 vilket tyder på att heller inget samband finns mellan läromedelskostnaderna och residualen på SALSA.
Även här är förklaringsgraden (R2) låg och innebär att endast 0,1 procent av variansen i den beroende variabeln residual SALSA kan förklaras av den oberoende variabeln totalkostnad.
Prediceringen av nivån på residualen förbättras därmed heller inte av vetskapen om storleken på läromedelskostnaden. Inte heller resultaten i Tabell 6 kan förkasta hypotes tre (H3) utan tyder på att det inte finns något samband mellan läromedelskostnaderna och ett högt residualvärde i SALSA.
26
Tabell 6 Sammanfattande tabeller av läromedelskostnadens påverkan på residualen av SALSA
Model Summary
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 ,058a ,003 0 12,446
a. Predictors: (Constant), Kostnad läromedel
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 149,364 1 149,364 ,964 ,327a
Residual 44454,636 287 154,894
Total 44604 288
Ur Tabell 7 kan utläsas att korrelationskoefficienten (R) antar ett värde på 0,026 vilket inte heller tyder på något samband mellan övriga kostnader och residualen på SALSA.
Förklaringsgraden (R2) är även låg och innebär att endast 0,1 procent av variansen i den beroende variabeln kan förklaras av den oberoende variabeln övriga kostnader. Därmed förbättras inte heller prediceringen av nivån på residualen genom vetskapen om storleken på de övriga kostnaderna. Resultaten i Tabell 7 kan inte förkasta hypotes fyra (H4) utan tyder på att det inte finns något samband mellan övriga kostnader och ett högt residualvärde i SALSA.
27
Tabell 7 Sammanfattande tabeller av övriga kostnaders påverkan på residualen av SALSA
Model Summary
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 ,026a ,001 -,003 12,462
a. Predictors: (Constant), Kostnad övrigt
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 30,085 1 30,085 ,194 ,660a
Residual 44573,915 287 155,310
Total 44604 288
Då i stort sett inget samband finns att finna mellan de oberoende variablerna (totalkostnad, undervisningskostnad, läromedelskostnad och övriga kostnader) och den beroende variabeln (residual SALSA) och prediceringen av nivån på residualen därmed inte förbättras genom vetskap av de olika kostnadsposterna har ingen multipel regression utförts i studien.
28 Figur I
I Figur I är residual SALSA beroende variabel och totalkostnad oberoende variabel
Figur I får fungera som illustrerande exempel på en estimerad kurva som predicerar nivå på residualen utifrån den oberoende variabeln totalkostnad. Detta tydliggör avsaknaden av samband mellan de olika kostnadsposterna och residualvärdet i SALSA för skolorna. Det studien har fastställt är att kommunala skolor, trots högre genomsnittlig totalkostnad per elev, når ett lägre resultat än friskolorna. Detta konstaterande kan åtminstone styrka påståendet att mer resurser per automatik inte ger ett bättre resultat.
I en genomgång av tidigare forskning kring effektivitet i skolan har vi funnit att åsikterna går isär gällande resursernas påverkan på resultatet. Vi har presenterat studier som menar att ett samband finns och studier som menar på motsatsen. Vi har också funnit studier som pekar på en avtagande marginaleffekt av resursernas påverkan. Utifrån teorin att resurserna har en avtagande marginaleffekt bör det finnas en nivå där ökade resurser i viss omfattning inte längre ger en märkbar skillnad i resultatet för skolorna. Utifrån de studier som visar att
29 ökade resurser har större påverkan då resurserna i utgångsläget är relativt små, och de resultat som denna studie uppvisar tyder detta på att de flesta skolor i Sverige idag har en sådan tilldelning och fördelning av resurser att en förändring inte ger en märkbar skillnad i resultat. Den troliga förklaringen till skillnaderna i resultat ligger därför i andra faktorer såsom personalsammansättning och motivation.
En faktor som troligen är en viktig del i skillnaden i resultat mellan friskolor och kommunala skolor är vinstintresset. Det är ett faktum att de kommunala skolorna är offentliga organisationer utan ekonomiska incitament för att effektivisera sin verksamhet, medan friskolorna är vinstdrivande organisationer som ofta strävar efter att vinstmaximera. Detta ger friskolorna incitament att förbättra verksamheten och att på bästa sätt utnyttja sina resurser som de kommunala skolorna saknar.
30
6 Slutsats, begränsningar och framtida forskning
Syftet med denna uppsats var att undersöka om resursernas storlek påverkar resultatet i skolan, samt att fastställa om friskolor är bättre på att utnyttja sina resurser och se om de når ett högre resultat än kommunala skolor. Utifrån detta syfte har vi besvarat följande frågor: Når friskolor ett bättre resultat än kommunala skolorna? Är friskolor mer effektiva i sin ekonomistyrning än kommunala skolor? Finns det ett samband mellan de oberoende variablerna (totalkostnad, undervisningskostnad, läromedelskostnad och övriga kostnader) och den beroende variabeln.
De svar vi har funnit är att det inte finns något tydligt samband mellan resurser och resultat i de svenska skolorna idag. Vi kan inte förkasta någon av de uppsatta hypoteserna, Vi har också funnit att friskolorna uppnår ett bättre resultat än vad de kommunala skolorna gör och att effektiviteten i friskolorna är högre än i de kommunala skolorna.
Såsom de flesta studier innehåller även denna en del begränsningar och resultatet ska tolkas därutav. Databasen SALSA är uppbyggd genom aggregerad data som överförts till en statistiks modell och försiktighet ska iakttas i tolkningen av resultatet då osäkerhet i underlaget därför finns. Utifrån detta ska resultatet inte ses som säkerställd fakta utan slutsatser dragna utifrån vissa förutsättningar. Under antagandet att inga resurser inte ger någon skola och därmed inget resultat kan motsatsen; att stora resurser, mångdubbelt större än vad som tilldelas idag självklart ha en effekt på resultatet som inte framkommit i denna studie. Detta skulle därmed också bekräfta antagandet om en avtagande marginaleffekt av resursernas påverkan på resultatet.
Det finns också en nackdel med att använda andrahandsinformation från skolverkets databaser då det ursprungliga syftet med denna information är ett annat än det som denna studie har. Det ursprungliga syftet är att informationen ska ligga till grund för Skolverkets analysverktyg SALSA. Databaserna Siris och SALSA är delvis skyddade av sekretess och därmed inte i sin helhet tillgängliga vilket ger en begränsning i urvalet som kan ha påverkan på resultatet. Kostnadsposter från friskolor saknas annat än som riksgenomsnitt. Då SALSA-värden bara presenteras för elever i årskurs 9 är studien också begränsad till att se avgångseleverna på en skola som en form av slutprodukt av skolans totala verksamhet.
31 Vidare ger studien bara en ögonblicksbild av hur effektiviteten i skolan var under skolåret 2008/2009.
I framtida forskning, om tillgång till friskolornas resursfördelning för enskilda skolor skulle finnas, är möjligheterna större för att förklara skillnaden i resultatet mellan de bägge skolformerna utifrån resursfördelning. Denna studie har avgränsats till ett skolår, men samma angreppssätt kan användas i en undersökning över hur resultatet och resurserna har förändrats över tid. Andra teoretiska infallsvinklar går också att undersöka för att söka förklaringen i skillnad mellan skolformerna. Dessa kan exempelvis vara hur motivation och attityder hos personalen påverkar dess resultat. Möjligheterna för vidare studier i området är stora och dess resultat kan vara av intresse för både beslutsfattare och medborgare i samhället.
32
Litteraturförteckning
Böcker
Aczel, Amir D. & Sounderpandian, Jayavel, 2002: Complete Business Statistics 5 uppl. New York: McGraw-Hill/Irwin
Ax, Christian, Johansson et al., 2009: Den nya Ekonomistyrningen 4 uppl. Malmö: Författarna och Liber AB
Eliasson, Annika, 2006: Kvantitativ metod från början Lund: Studentlitteratur
Hanusheck, Eric A. et al., 1994: Making schools work: Improving performance and controlling cost. Washington D.C.: Brookings Institution
Hanusheck, Eric A., 1996: Does money matter? The effect of school resources on student achievement and adult success Washington D.C.: Brookings Institution
Nicholson, Walter, 2005: Microeconomic Theory 9 uppl. Ohio: South-Western
Niskanen, William A., 1971: Bureaucracy & Representative Government Chicago: Aldine, Atherton
Norstedts Svenska Ordbok 1999 Göteborg: Norstedts Förlag
Strömquist, Siv, 2003: Uppsatshandboken Uppsala: Hallgren & Fallgren Studieförlag AB
Rapporter
Erikson, Robert & Jonsson, Jan O., 1993: ”Ursprung och Utbildning. Social snedrekrytering till högre studier” (SOU 1993:85) Utbildningsdepartementet Stockholm: Fritzes
von Greiff, Camilo, 2009: “Lika skola med olika resurser” Rapport till expertgruppen för offentlig ekonomi Nr. 5
Scheerens, Jaap et al., 2000: “Improving school effectiveness” Fundamentals of Educational Planning Nr. 68
Skolverkets rapport Nr. 97: ”Skolan, Jämförelsetal för skolhuvudmän, Organisation - Resurser – Resultat” Stockholm 1996
Skolverkets rapport Nr. 170: ”Samband mellan resurser och resultat - En studie av landets grundskolor med elever i årskurs 9” Stockholm 1999
Skolverkets rapport Nr. 287: ”Könsskillnader i måluppfyllelse och utbildningsval” Stockholm 2006
Skolverkets rapport Nr. 300: ”Provbetyg – Slutbetyg – Likvärdig bedömning?” Stockholm 2007
33 Utbildningsdepartementets faktablad U08.001: ”Finansiering av det svenska skolväsendet”
Stockholm 2008
Forskningsartiklar
Bowles, Samuel & Levin, Henry M., (1967) “The Determinants of Scholastic Achievement – An Appraisal of Some Recent Evidence” The Journal of Human Resources Vol. 3 Nr. 1, (1968) s.
3-24
Coleman, James S et al., (1996) Equality of Educational Opportunity Washington D.C.: U.S.
Office of Education
Davis-Kean, Pamela, (2005) “The influence of parent education and family income on child achievement: The Indirect Role of Parental Expectations and the Home Environment”, Journal of family psychology, Vol. 19, Nr. 2, s. 294-304
De Maeyer, Sven, van den Bergh, Huub, Rymenans, Rita, Van Petegem, Peter, Rijlaarsdam, Gert, (2009) “Effectiveness criteria in school effectiveness studies: Further research on the choice for a multivariate model” Educational Research Review Vol. 5, Nr. 1, (2010) s. 81–96 Downes, Thomas A. & Shah, Mona P., (2006) “The Effect of School Finance Reforms on the Level and Growth of Per-Pupil Expenditures” Peabody Journal of Education Vol. 81, Nr. 3, s.
1-38
Eide, Eric & Showalter Mark H., (1997) “The effect of school quality on student performance:
A quantile regression approach” Economics Letters Vol. 58, Nr. 3, (1998) s. 345–350
Erikson, Robert & Jonsson, Jan O., (2002) ”Varför består den sociala snedrekryteringen?”
Pedagogisk Forskning i Sverige Vol. 7 Nr. 3 s 210–217
Hanusheck, Eric A., (1979) “Conceptual and empirical issues in the estimation of educational production functions” The Journal of Human Resources Vol. 14, Nr. 3, s. 351-388
Hanusheck, Eric A., (1989) “The impact of differential expenditures on school performance”
Educational Researcher Vol. 18, Nr 4, s. 45-51
Hanusheck, Eric A., (1994) “Money Might Matter Somewhere: A Response to Hedges, Laine, and Greenwald” Educational Researcher Vol. 23, Nr. 4, s. 5-8
Hanusheck, Eric A., (1995) “Interpreting Recent Research on Schooling in Developing Countries” The World Bank Observer Vol. 10, Nr 1, s. 227-246
Hanusheck, Eric A., (1996) “A More Complete Picture of School Resource Policies” Review of Educational Research Vol. 66, Nr. 3, s. 397-409
Hedges, Larry V., Laine, Richard D., & Greenwald, Rob (1994) “Does money matter? A meta-analysis of studies of the effects of differential school inputs on student outcomes”
Educational Researcher Vol. 23 Nr. 3, s. 5-14
34 Svensson, Allan, (2001) “Består den sociala snedrekryteringen? Elevernas val av gymnasieprogram hösten 1998” Pedagogisk Forskning i Sverige Vol. 6 Nr 3 s. 161–172
Internet
http://friskola.se/Om_friskolor_Friskolorna_i_siffror_DXNI-25907_.aspx 100521 http://salsa.artisan.se/Vad_bygger_SALSA_på.htm 100521
http://salsa.artisan.se 100521
http://skolnet.skolverket.se/polopoly/utbsys/ 100521
http://www.jpinfonet.se/files/SFS/2009/090672.PDF 100521
http://siris.skolverket.se/portal/page?_pageid=33,90311&_dad=portal&_schema=PORTAL 1000521
www.siris.skolverket.se/analysverktyg 100521 http://www.skolverket.se/sb/d/2114 100521
http://www.skolverket.se/sb/d/1638/a/15468 100521 http://www.skolverket.se/sb/d/777 100521
http://www.skolverket.se/sb/d/208/a/218 100521 http://www.skolverket.se/sb/d/2112 100521
35 Bilaga 1 Kostnadsfördelning per elev i SEK (http://salsa.artisan.se 2; http://siris.skolverket.se 1)
Kostnader per elev
Totalt Undervisning Läromedel Elevvård Skolmåltider Lokaler Övriga Residualvärde Kommun
Totalt Undervisning Läromedel Elevvård Skolmåltider Lokaler Övriga Residualvärde Samtliga
36 Bilaga 2 Variabeldefinitioner (www.siris.skolverket.se 2):
Undervisning: Denna statistikuppgift visar kostnaden för undervisning per elev för valt år. I statistiken ingår kostnader för: alla läro- och timplanebundna aktiviteter, främst löner, lönekostnader för lärare under tid för kompetensutveckling samt kostnader för ev. vikarier.
Lokaler: Denna statistikuppgift visar kostnaden för lokaler och inventarier per elev för valt år. I statistiken ingår kostnader för lokaler och inventarier, inklusive underhåll, städning och kostnader för vaktmästare
avseende fastighetsskötsel. I kostnaden kan interna hyror vara självkostnadsberäknade eller marknadsmässigt beräknade
Skolmåltider: Denna statistikuppgift visar kostnaden för skolmåltider per elev för valt år. I statistiken ingår kostnader för skolmåltids- och caféverksamhet, dvs. kostnader för personal, livsmedel, transporter, administrativa kostnader, t.ex. för kostkonsulent och intäkter från t.ex. försäljning till fristående skolor och sameskolan.
Läromedel: Denna statistikuppgift visar kostnaden för läromedel, utrustning och skolbibliotek per elev för valt år. I statistiken ingår kostnader för: läromedel, dvs. skön- och facklitteratur, tidningar, tidskrifter, broschyrer och annat tryckt material samt för kopior framtagna för undervisningen. Datorer, maskiner och verktyg som används i undervisningen. Bild och ljudmedier, förbrukningsmaterial och programvara för undervisning. Kapital och servicekostnader för datorer, maskiner etc. Kostnader för resor i samband med studiebesök, kulturaktiviteter och lägerskolor. Bokinköp till skolbibliotek. Skolbibliotekarie.
Elevvård: Denna statistikuppgift visar kostnaden för elevvård per elev för valt år. I statistiken ingår kostnader för: skolläkare och skolsjuksköterskor, skolkuratorer och skolpsykologer, köpta tjänster, t.ex. från landsting.
Övrigt: Denna statistikuppgift visar övriga kostnader per elev för valt år. I statistiken ingår kostnader som inte redovisas inom andra kostnadsposter, t.ex. kostnader för barn- och ungdomskontoret/motsvarande och som fördelas ut på olika verksamhetsformer administration, skolledning, SYV, elevförsäkringar, elevassistenter, talpedagoger, skolvärdar och fritidspersonal, utvecklingsarbete och kompetensutvecklig t.ex. kursavgifter, konferenser etc.
Totala kostnader: Denna statistikuppgift visar den totala kostnaden per elev för valt år. I statistiken ingår kostnader för: lokaler och inventarier, skolmåltider, elevvård, undervisning, läromedel, utrustning och skolbibliotek.
37 Bilaga 3 Genomsnittliga resultat och kostnader för kommunala skolor i Sveriges samtliga
kommuner (http://salsa.artisan.se 2; http://siris.skolverket.se 1)
Genom snittligt Kostnader per elev och år
Kommun Merit- SALSA- Residual Totalt Undervisning Läromedel Elevvård Skolmåltider Lokaler Övrigt
värde värde
38
39
40
41
42
43
Växjö 212,4 204 8,4 71200 36900 4400 1210 5100 13800 9800
Ydre 215,9 212 3,9 94500 43700 3500 1830 6900 24500 14200
Ystad 217,1 198 19,1 81500 40200 4300 2970 4100 16300 13700
Åmål 200,8 201 -0,2 81000 40900 330 1650 6300 11200 17700
Ånge 197,4 201 -3,6 90700 37300 3500 2280 6000 17500 24100
Åre 221 204 17 81900 36500 3600 2270 6300 17100 16200
Årjäng 207,8 212 -4,2 75900 37900 2400 2310 5100 16900 11500
Åsele 200,1 205 -4,9 89600 48300 3500 1930 5300 10200 20400
Åstorp 198,9 210 -11,1 85700 43100 1900 1730 6100 15400 17400
Åtvidaberg 216,5 204 12,5 85700 43100 1900 1730 6100 15400 17400
Älmhult 207,8 212 -4,2 75300 36800 3800 1920 6000 11400 15400
Älvdalen 204 198 6 101000 53400 2300 2310 7700 16800 18400
Älvkarleby 185,7 212 -26,3 86700 36700 2400 2150 6800 17900 20600
Älvsbyn 201,8 203 -1,2 78300 39400 4200 1790 5700 13500 13700
Ängelholm 210 212 -2 78400 38700 5900 2540 3800 17600 9900
Öckerö 224,8 196 28,8 70600 38400 2600 2250 6000 11300 10000
Ödeshög 220,4 205 15,4 87700 42800 3400 1740 6100 14900 18800
Örebro 193,2 210 -16,8 81400 38000 1800 1490 5100 17400 17700
Örkelljunga 215,3 204 11,3 74000 37600 2800 2170 4300 14200 12900
Örnsköldsvik 204,4 212 -7,6 81300 43600 2000 1640 5500 15500 13100
Östersund 215 212 3 85300 43200 2100 4110 5200 12800 17900
Österåker 216,8 196 20,8 77400 37200 1800 1650 1900 15000 16800
Östhammar 189,9 204 -14,1 74600 36700 1500 1900 4600 16300 13600
Östra Göinge 192,6 196 -3,4 68100 34100 4400 1920 4500 10300 12700
Överkalix 207,9 202 5,9 103700 50400 4100 1100 4600 13500 30000
Övertorneå 211,2 212 -0,8 95100 44900 2700 1390 8600 21800 15700