Den analys som gjorts baseras på information om andelen av individer i arbetskraften som är arbetslösa och hur denna andel eventuellt kan vara förknippad med hur fritt lön varierar med den anställdes produktivitet. Det kan dock vara av intresse att studera hur eventuellt stelhet i hur löner varierar med produktivitet påverkar andelen anställda.
Observationen att det hittills hittats vissa indikationer på att mindre lönespridning i samband med stor spridning i förmågor förefaller vara kopplat till större skillnad i andelen arbetslösa bland låg- och högutbildade individer innebär inte nödvändigtvis att skillnaden i andel anställda inom dessa kategorier varierar på samma vis. Det kan vara så att detta förhållande mellan löner och spridning i produktivitet även påverkar andelen individer som väljer att inte delta på arbetsmarknaden.
I syfte att få en indikation på om det utifrån tidigare analys även går att dra slutsatser om hur
förhållandet mellan spridning i lön och spridning i förmågor bland individer i arbetskraften påverkar den andel som faktiskt hittar ett jobb behövs därför vidare undersökning.
Nedan presenteras information om andel anställda efter utbildningsnivå för de länder som tidigare studerats. Eftersom det nu gjorts troligt att stelhet existerar primärt nedåt i löner beaktas endast de individer som huvudsakligen förmodas vara relevanta för lägre lönenivåer, varför individer med låg respektive medel nivå av utbildning beaktas.
35 Tabell 4.1: Andel anställda efter utbildningsnivå i de undersökta Europeiska länderna
Land Medel
utbildningsnivå, andel anställda i procent
Låg
utbildningsnivå, andel anställda i procent
Austria 77 56,1
Czech Republic
71,2 41,6
Denmark 77,8 62,6
Estonia 64,4 44,1
Finland 71,7 53,9
France 70,9 54,7
Germany 74,9 56
Ireland 63,1 46,7
Italy 67,1 50,1
Netherlands 79,4 61,7
Norway 79,2 64,3
Poland 62,7 39,2
Slovakia 65,9 28,6
Spain 63,7 52,3
Sweden 78,9 62,8
Källa:
http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&plugin=1&language=en&pcode=tsdec430
För att kunna jämföra länderna behövs så som tidigare ett relativt mått på skillnaden i sannolikhet för anställning till beroende på utbildningsnivå. Detta skapas med samma metod som använts vid tidigare analys:
(𝑎𝑛𝑑𝑒𝑙 𝑎𝑛𝑠𝑡 ä𝑙𝑙𝑑𝑎 𝑓ö𝑟 𝑚𝑒𝑑𝑒𝑙 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å−𝑎𝑛𝑑𝑒𝑙 𝑎𝑛𝑠𝑡 ä𝑙𝑙𝑑𝑎 𝑓ö𝑟 𝑙å𝑔 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å) 𝑎𝑛𝑑𝑒𝑙 𝑎𝑛𝑠𝑡 ä𝑙𝑙𝑑𝑎 𝑓ö𝑟 𝑙å𝑔 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å
På så vis erhålls ett mått som för vart land indikerar hur mycket större sannolikheten är att få ett jobb för en individ med medel nivå av utbildning är för en individ med låg nivå av
utbildning i termer av sannolikheten för en individ med låg utbildningsnivå att ha ett jobb.
Resultatet redovisas i Tabell 4.2 på följande sida.
36 Tabell 4.2: Mått på hur mycket större sannolikheten är för en individ med medel nivå av utbildning att ha ett jobb är för en individ med låg nivå av utbildning.
Land Skillnad i sannolikhet för att inneha ett jobb beroende på utbildningsnivå
Austria 0,372549
Czech Republic 0,711538
Denmark 0,242812
Estonia 0,460317
Finland 0,330241
France 0,296161
Germany 0,3375
Ireland 0,351178
Italy 0,339321
Netherlands 0,286872
Norway 0,231726
Poland 0,59949
Slovakia 1,304196
Spain 0,217973
Sweden 0,256369
För att snabbt få en uppfattning om i vilken mån denna information korrelerar med den tidigare analyserade informationen om skillnad i andel arbetslösa efter utbildnignsnivå testas de både dataseten för korrelationskoefficient. Denna är ca 0,8167, d.v.s. de två seten
samvarierar avsevärt. Det gör det mer troligt att samband som gäller för andelen arbetslösa även gäller för andelen anställda.
Korrelationen är dock inte perfekt, varför det finns anledning att utföra analys liknande den som tidigare gjorts för andelen arbetslösa. Eftersom tidigare undersökning av andelen arbetslösa indikerat att ett mått på lönespridning som innefattar endast den lägre delen av lönespridingen (en kvot av trettionde och tionde percentilen för att vara mer precis) är mer relevant används detta mått direkt vid undersökning av andelen anställda.
För att kunna genomföra analysen erfordras information om spridning i lön, utfall på arbetsmarknaden i termer av skillnad i sannolikhet för anställning beroende på grad av utbildning, samt spridning i uppmätta förmågor för de olika länderna. Mått på spridning skapas enligt tidigare använda kvoter. Den relevanta informationen summeras i Tabell 4.3 på följande sida.
37 Tabell 4.3: Utfall på arbetsmarknaden, spridning i lön samt spridning i uppmätta
förmågor austria 0,372549 1,649123 0,517859 0,569478 0,28427 czech
republic
0,711538 1,61167 0,462952 0,507939 0,322281 denmark 0,242812 1,704631 0,554237 0,591076 0,28127 estonia 0,460317 1,555556 0,513412 0,530275 0,315882
finland 0,330241 1,358696 0,551929 0,587198 0,2813
france 0,296161 1,397059 0,629306 0,788993 m*
germany 0,3375 2,071429 0,589736 0,659108 0,332986
ireland 0,351178 1,520548 0,559459 0,682508 0,305928
italy 0,339321 1,462963 0,591334 0,690497 m*
netherlands 0,286872 1,883333 0,554316 0,583023 0,27021
norway 0,231726 1,515009 0,528625 0,628697 0,249327
poland 0,59949 1,442623 0,592004 0,659272 0,418752
slovakia 1,304196 1,529412 0,44892 0,546567 0,360721
spain 0,217973 1,487805 0,659192 0,729124 m*
sweden 0,256369 1,302302 0,567881 0,633057 0,282859
*Värde saknas
Så som omnämnts vid tidigare analys är det mått som skapats för spridning i uppmätt förmåga att lösa problem med hjälp av teknologi inte jämförbart med mått på spridning läs- och
räkneförmågor då denna förmåga bedömts utifrån kategorier medan läs- och räkneförmåga bedömts efter en numerisk skala.
Motsvarande modeller som skapades för skillnad i andel arbetslösa beroende på
utbildningsnivå skapas därför för andel sysselsatta efter utbildningsnivå. För att vara enhetlig med tidigare analys används samma fyra uppsättningar förklarande variabler. Resultaten presenteras nedan i Tabell 4.4.
Tabell 4.4 (följande sida): Linjära regressionsmodeller för skillnad i andel sysselsatta beroende på utbildningsnivå med spridning i lön samt spridning i uppmätta förmågor som förklarande variabler.
38 Variabel/förklaringsgrad Värde Standardfel p-värde
Modell: 𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒏𝒅𝒆𝒍 𝒔𝒚𝒔𝒔𝒆𝒍𝒔𝒂𝒕𝒕𝒂 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒇ö𝒓𝒎å𝒈𝒂 𝒂𝒕𝒕 𝒍ö𝒔𝒂 𝒑𝒓𝒐𝒃𝒍𝒆𝒎 𝒎𝒆𝒅 𝒉𝒋ä𝒍𝒑 𝒂𝒗 𝒕𝒆𝒌𝒏𝒐𝒍𝒐𝒈𝒊
Konstant (𝒄) -0,58909 0,803319 0,482025
Lönespridning -0,14104 (𝜶) 0,364033 0,707439
Spridning i förmåga att lösa problem m.h.a. teknologi
4,116262 (𝜷) 1,695025 0,03808
KvS Regression 0,412936 KvS Residual 0,604408
F-värde 3,074436 0,096024
Modell: 𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒏𝒅𝒆𝒍 𝒔𝒚𝒔𝒔𝒆𝒍𝒔𝒂𝒕𝒕𝒂 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å =
𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈
𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒇ö𝒓𝒎å𝒈𝒂 𝒂𝒕𝒕 𝒍ö𝒔𝒂 𝒑𝒓𝒐𝒃𝒍𝒆𝒎 𝒎𝒆𝒅 𝒉𝒋ä𝒍𝒑 𝒂𝒗 𝒕𝒆𝒌𝒏𝒐𝒍𝒐𝒈𝒊
Konstant (𝒄) 1,335654 0,439366 0,012463
Spridning i
KvS Regression 0,297202 KvS Residual 0,720142
F-värde 4,126987 0,06963
Modell: 𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒏𝒅𝒆𝒍 𝒔𝒚𝒔𝒔𝒆𝒍𝒔𝒂𝒕𝒕𝒂 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒍ä𝒔𝒇ä𝒓𝒅𝒊𝒈𝒉𝒆𝒕𝒆𝒓 + 𝜸 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒓ä𝒌𝒏𝒆𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓
Konstant (𝒄) 2,458051 0,782353 0,009377
Lönespridning -0,05081 (𝜶) 0,306409 0,871305
spridning
KvS Regression 0,572265 KvS Residual 0,524128
F-värde 4,003422 0,037543
Modell: 𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒏𝒅𝒆𝒍 𝒔𝒚𝒔𝒔𝒆𝒍𝒔𝒂𝒕𝒕𝒂 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈
𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒍ä𝒔𝒌𝒖𝒏𝒌𝒔𝒂𝒑𝒆𝒓 𝜷 ×
𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒓ä𝒌𝒏𝒆𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓
Konstant (𝒄) -0,45278 0,404687 0,285105
Spridning i lön/spridning i läskunskaper
1,038309 (𝜶) 0,456734 0,042183
Spridning i lön/spridning räknekunksap
-0,82037 (𝜷) 0,45204 0,094613
KvS Regression 0,388547 KvS Residual 0,707846
F-värde 3,293488 0,072416
39 Som ses i Tabell 4.4 liknar modellerna som har skillnad i andel sysselsatta efter
utbildningsnivå som beroende variabel de som har skillnad i andel arbetslösa efter utbildningsnivå som beroende variabel. Samtliga samband är av samma tendens som påvisades för modeller som nyttjade arbetslöshet som utfall, med ett undantag. Den modell som har skillnad i andel sysselsatta efter utbildningsnivå som beroende variabel och spridning i lön, spridning i läskunskaper samt spridning i räknekunskaper som förklarande variabler har ett negativt värde för koefficienten för lönespridning. Detta är dock inte något som vidare vikt bör läggas vid, då värdet är så nära noll att p-värdet för variabeln uppgår till ca 0,87 och kan bero på att ett mer relevant mått för spridning i lön har använts..
I likhet med vad som funnits vid undersökning av skillnad i andel arbetslösa sammanfaller även sambanden med vad som förväntas enligt hypotesen, med undantag för läsförmåga som har en motsatt inverkan på utfallet till vad hypotesen anger. Exempelvis anger den första modellen att större skillnad i lön (d.v.s. mindre stelhet i lön) leder till mindre skillnader i andel anställda. På motsvarande vis indikerar den första modellen att en mindre skillnad i den uppmätta förmågan (lösa problem med hjälp av teknologi) leder till en mindre skillnad i andel sysselsatta.
Utifrån dessa observationer anses att det hyfsat god grund för att tro att ett samband som gäller för andelen arbetslösa även gäller för andelen sysselsatta. Frågan om i vilken grad ett eventuellt sådant samband påverkar de två utfallen på arbetsmarknaden är dock öppen. Det går inte utifrån de skapade modellerna säga om förhållandet mellan produktivitet och lönespridning har lika stor inverkan på andelen sysselsatta som på andelen arbetslösa, eller om det möjligen kan vara en större eller mindre inverkan. Utifrån det faktum att modellerna uppger liknande variation med de förklarande variablerna fås dock en indikation på att om hypotesen stämmer så är sambandet sannolikt av likartad karaktär för arbetslöshet och andel sysselsatta.
5. Arbetskraftsdeltagande
Ytterligare ett potentiellt utfall på arbetsmarknaden existerar, och är viktigare än andelen sysselsatta för denna undersökning. En individ kan vara varken anställd eller önska få en anställning, i vilket fall individen ej är aktiv på arbetsmarknaden. För att få en bättre förståelse för hur förhållandet mellan produktivitet och lön påverkar arbetsmarknaden måste även detta förhållande undersökas.
Ansatsen för analysen kommer vara densamma som tidigare använts. Motsvarande modeller kommer alltså att konstrueras, men denna gång med andelen som är aktiva på
arbetsmarknaden som utfall vilket modelleras som funktion av spridning i lön och spridning i förmågor.
Till skillnad från tidigare analys finns dock inget förväntat resultat. Det intressanta är i stället huruvida modellerna över huvud taget uppvisar signifikans. Om så visar sig vara fallet
40 indikerar det att även arbetskraftdeltagande beror på förhållandet mellan lön och
produktivitet, vilket skulle göra tolkningen av resultaten mer komplexa.
För undersökningen används data från ECB över europeiska länders arbetskraftsdeltagande efter utbildningsnivå. Eftersom resultaten av denna undersökning avses jämföras med de resultat som nåddes i sektion 3 rörande skillnad i andel arbetslösa efter utbildningsnivå i de undersökta Europeiska länderna används låg och hög utbildningsnivå. Av samma anledning används det mått på lönespridning som baseras på 80:e och 20:e percentilens lön.
För att få ett jämförbart mått på hur utbildningsnivå och arbetskraftsdeltagande varierar för de olika länderna skapas följande mått på spridning i arbetskraftsdeltagande efter
utbildningsnivå:
𝐴𝑟𝑏𝑒𝑡𝑠𝑘𝑟𝑎𝑓𝑡𝑠𝑑𝑒𝑙𝑡𝑎𝑔𝑎𝑛𝑑𝑒 ,ö𝑔 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å− 𝐴𝑟𝑏𝑒𝑡𝑠𝑘𝑟𝑎𝑓 𝑡𝑠𝑑𝑒𝑙𝑡𝑎𝑔𝑎𝑛𝑑𝑒 ,𝑙å𝑔 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å
𝐴𝑟𝑏𝑒𝑡𝑠𝑘𝑟𝑎𝑓𝑡𝑠𝑑𝑒𝑙𝑡𝑎𝑔𝑎𝑛𝑑𝑒 ,𝑙å𝑔 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔𝑠𝑛𝑖𝑣 å . Måttet representerar hur mycket större arbetskraftsdeltagandet är bland högutbildade än bland lågutbildade, som multipel av arbetskraftsdeltagandet bland lågutbildade. Ett större värde implicerar således större skillnad i arbetskraftsdeltagande mellan låg- och högutbildade.
Då arbetskraftsdeltagande kan tänkas vara kulturellt betingat både för kön och när en individ inträder/lämnar arbetskraften görs ett selektivt urval gällande arbetskraftsdeltagandet. Endast män inom åldersgruppen 25-49 år beaktas. Detta något arbiträra val av data görs i hopp om att undvika influenser från genusroller i olika länder, samt för att utesluta den första och sista delen av arbetslivet för att på så sätt undvika påverkan från kulturella normer på
arbetskraftsinträde/utträde vid olika åldrar.
Information om arbetskraftsdeltagande efter utbildningsnivå för denna grupp redovisas i Tabell 5.1 på följande sida.
41 Tabell 5.1: Arbetskraftsdeltagande efter utbildningsnivå
Land Arbetskraftsdeltangande, låg utbildningsnivå (procent)
Arbetslraftsdeltagande, hög utbildningsnivå (procent)
Mått på spridning (hög
utbildningsnivå - låg
utbildningsnivå)/
låg
utbildningsnivå
Austria 84,5 96,9 0,146746
Czech Republic
82,3 96,6 0,173755
Denmark 84,9 96,7 0,138987
Estonia 79,6 96,9 0,217337
Finland 80,1 96,6 0,205993
France 90,0 96,8 0,075556
Germany 87,3 97,1 0,112257
Ireland 81,4 94,4 0,159705
Italy 86,9 89,9 0,034522
Netherlands 88,0 96,8 0,1
Norway 78,4 95,0 0,211735
Poland 74,8 96,9 0,295455
Slovakia 70,6 96,8 0,371105
Spain 91,5 95,3 0,04153
Sweden 86,2 95,5 0,107889
Källa:
http://epp.eurostat.ec.europa.eu/portal/page/portal/employment_unemployment_lfs/data/database?_piref616_189 6469_616_925165_925165.p=h&_piref616_1896469_616_925165_925165.expandNode=doAction&_piref616_
1896469_616_925165_925165.nextActionId=7&_piref616_1896469_616_925165_925165.nodePath=.EU_MAI N_TREE.data.popul.labour.employ.lfsa.lfsa_act,
Sökväg: Employment and unemployment (Labour Force Survey) (employ), LFS series - Detailed annual survey results (lfsa), Activity and activity rates - LFS series (lfsa_act), Activity rates by sex, age and highest level of education attained (%) (lfsa_argaed)
Då syftet med att studera arbetskraftsdeltagandet ej är att testa huruvida utfallet stämmer samman med en prediktion rörande hur förhållandet mellan spridning i lön och spridning i förmågor påverkar skillnader i arbetskraftsdeltagande, utan att undersöka om dessa faktorer inverkar på arbetskraftsdeltagandet, skapas modeller som skiljer sig något mot de som skapats för arbetslöshet och sysselsättningsgrad.
I och med att det är just undersökning av huruvida de olika variablerna inverkar på
arbetskraftsdeltagande som är relevant skapas dels två modeller som är analoga med de som tidigare skapats. Lönespridning tillsammans med spridning i förmåga att lösa problem med hjälp av teknologi används som förklarande variabler i en, lönespridning samt spridning i läskunskaper och räknekunskaper används i en andra.
42 I stället för att skapa mått på kvoter mellan lön och spridning i förmåga kommer däremot en modell som nyttjar endast lönespridning och spridning i läsförmåga och en modell som nyttjar endast lönespridning och spridning i räknekunskaper att konstrueras. Detta då det primära intresset ej är hur arbetskraftsdeltagandet varierar med förhållandet mellan lön och förmåga, utan i stället huruvida det påverkas av de undersökta variablerna.
Relevant information om dessa modeller presenteras i Tabell 5.2 på följande sida.
43 Tabell 5.2: Linjära regressionsmodeller för skillnad i arbetskraftsdeltagande beroende på utbildningsnivå med spridning i lön samt spridning i uppmätta förmågor som förklarande variabler.
Variabel/förklaringsgrad Värde Standardfel p-värde
Modell:𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒓𝒃𝒆𝒕𝒔𝒌𝒓𝒂𝒇𝒕𝒔𝒅𝒆𝒍𝒕𝒂𝒈𝒂𝒏𝒅𝒆 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 + 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒇ö𝒓𝒎å𝒈𝒂 𝒂𝒕𝒕 𝒍ö𝒔𝒂 𝒑𝒓𝒐𝒃𝒍𝒆𝒎 𝒎𝒆𝒅 𝒉𝒋ä𝒍𝒑 𝒂𝒗 𝒕𝒆𝒌𝒏𝒐𝒍𝒐𝒈𝒊
Konstant (𝒄) -0,11911 0,14701 0,438727
Lönespridning -0,02075 (𝜶) 0,031924 0,531912
Spridning i förmåga att lösa problem m.h.a. teknologi
1,275439 (𝜷) 0,530523 0,039629
KvS Regression 0,029767 KvS Residual 0,042042
F-värde 3,18617 0,0899
Modell:𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒓𝒃𝒆𝒕𝒔𝒌𝒓𝒂𝒇𝒕𝒔𝒅𝒆𝒍𝒕𝒂𝒈𝒂𝒏𝒅𝒆 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 + 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒍ä𝒔𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓 + 𝜸 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒓ä𝒌𝒏𝒆𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓
Konstant(𝒄) 0,787049 0,212279 0,003455
Lönespridning 0,006618(𝜶) 0,02139 0,762794
Spridning läsfärdigheter
-1,49594 (𝜷) 0,85908 0,109483
Spridning räknekunskaper
0,274439 (𝜸) 0,561814 0,634797
KvS Regression 0,052964 KvS Residual 0,064337
F-värde 3,018514 0,07578
Modell:𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒓𝒃𝒆𝒕𝒔𝒌𝒓𝒂𝒇𝒕𝒔𝒅𝒆𝒍𝒕𝒂𝒈𝒂𝒏𝒅𝒆 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 + 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒍ä𝒔𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓
Konstant(𝒄) 0,769466 0,202459 0,002527
Lönespridning 0,004693 0,020346 0,821454
Spridning läsfärdigheter
-1,13862 0,435999 0,022738
KvS Regression 0,051568
KvS Residual 0,065732
F-värde 4,70712 0,030965
Modell:𝑺𝒌𝒊𝒍𝒍𝒏𝒂𝒅 𝒊 𝒂𝒓𝒃𝒆𝒕𝒔𝒌𝒓𝒂𝒇𝒕𝒔𝒅𝒆𝒍𝒕𝒂𝒈𝒂𝒏𝒅𝒆 𝒆𝒇𝒕𝒆𝒓 𝒖𝒕𝒃𝒊𝒍𝒅𝒏𝒊𝒏𝒈𝒔𝒏𝒊𝒗å = 𝒄 + 𝜶 × 𝒍ö𝒏𝒆𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 + 𝜷 × 𝒔𝒑𝒓𝒊𝒅𝒏𝒊𝒏𝒈 𝒊 𝒓ä𝒌𝒏𝒆𝒌𝒖𝒏𝒔𝒌𝒂𝒑𝒆𝒓
Konstant(𝒄) 0,557554 0,179952 0,009218
Lönespridning -0,0105 0,020542 0,618434
spridning räknekunskaper
-0,55854 0,318604 0,105072
KvS Regression 0,035229
KvS Residual 0,082072
F-värde 2,575502 0,117314
44 Innan de olika modellerna behandlas var för sig är det i kontexten lämpligt att börja med en undersökning av huvudfrågan: kan variablerna förklara spridningen i arbetskraftsdeltagande?
För att undersöka detta är det primärt två saker som måste fastställas. Till att börja med är modellernas signifikans av vikt.
Överlag ligger signifikansnivån för de skapade modellerna i linje med de signifikansnivåer som erhållits då skillnad i arbetslöshet och sysselsättningsgrad modellerats. Med undantag för den modell som nyttjar spridning i läsförmåga och spridning i lön som förklarande variabler är p-värdet för F något högre än vad som erhållits, men inte med särskiljt stora marginaler.
Av vikt i detta avseende är även hur mycket av spridningen som modellerna förklarar. Även i detta avseende är de modeller som här skapats i närheten av de modeller som skapats för arbetslöshet och sysselsättningsgrad. Förklaringsgraden är något lägre då lönespridning, spridning i läskunskaper och spridning i räknekunskaper används som förklarande variabler jämfört med motsvarande modeller för arbetslöshet och sysselsättning. Åter är dock
skillnaderna inte stora.
Utifrån detta finns det därmed grund för att tro att de variabler som studerats även påverkar individens deltagande i arbetskraften. Detta kan göra tolkningen av resultat mer komplex. Om det förhåller sig så att en undersökt variabel dels inverkar på skillnaden i andel arbetslösa beroende på utbildning, dels även skillnaden i arbetskraftsdeltagande beroende på utbildning, så föreligger möjligheten att variabelns inverkan på arbetskraftsdeltagandet i sin tur även påverkar dess inverkan på arbetslöshet.
Detta utgör dels ett problem med analysen, men visar även på en potentiell förklaring till observationen att variabeln läsförmåga är av den karaktär som förväntats i de modeller som tidigare skapats.
Ett studium av de fyra modeller som visas i Tabell 5.2 visar att den modell som har klart störst signifikans är den modell som nyttjar spridning i lön och spridning i läsförmåga som
förklarande variabler. Den har nästintill samma förklaringsgrad som den modell som skapats där även spridning i räknekunskaper inkluderas, vilket är den modell som förklarar störst andel av spridningen i arbetskraftsdeltagande.
Tillsammans med observationen att de modeller som i stället för spridning i läsförmåga använder spridning i förmåga att lösa problem med hjälp av teknologi eller spridning i räknekunskaper har avsevärt lägre förklaringsgrad och signifikansnivå leder detta till slutsatsen att av de undersökta variablerna är spridning i läsförmåga den som har starkast inverkan på arbetskraftsdeltagandet.
Utifrån detta dras slutsatsen att om det är så att spridningen i arbetskraftsdeltagande kan förklaras av spridning i lön, spridning i förmåga att lösa problem med hjälp av teknologi och spridning i läs- samt räknekunskaper så förefaller det till större delen bero på att spridning i läskunskaper inverkar på spridning i arbetskraftsdeltagande.
Potentiellt kan detta vara förklaringen till observationen att läsförmåga är den enda variabel som vid analysen av de europeiska länderna frångått vad hypotesen förutspår. Detta är just
45 dock en potentiell förklaring, eftersom det inte är uppenbart hur en variation i skillnad i arbetskraftsdeltagande efter utbildningsnivå inverkar på skillnaden i arbetslöshet eller sysselsättning efter utbildningsnivå.