ÖREBRO UNIVERSITET Handelshögskolan
Nationalekonomi, kandidatuppsats Handledare: Ann-Sofie Isaksson Examinator: Patrik Karpaty VT 2017
Returns to education
En analys av de nordiska länderna
Författare:
Nilsson, Johanna 950329 Sahrblom, Freja 910411
Sammanfattning
Denna uppsats syftar till att undersöka den privata avkastningen på utbildning. Detta gör vi genom att estimera den procentuella inkomstökningen för varje successivt år av utbildning samt för olika utbildningsnivåer. Vi analyserar eventuella skillnader i avkastning på utbildning mellan de nordiska länderna, samt mellan Norden och länder med en annan typ av välfärdsmodell. Analysen genomförs med OLS-regressioner utifrån den traditionella Mincer-specifikationen, den s.k. inkomstprofilen. Till analysen används data från ISSP: Social Inequality IV från 2009. Resultaten av undersökningen visar att avkastningen på utbildning är högre i Danmark (11%), Finland (10,9%) och Norge (8%) – som ligger i linje med, eller strax över, det globala genomsnittet på 8-10 procent – än i Sverige (6,3%) och Island (6,2%) där avkastningen på utbildning är lägre än det globala genomsnittet. Vi finner vidare inga bevis för några signifikanta skillnader i avkastning på utbildning mellan könen. Resultaten visar även att avkastningen på utbildning är högst i USA (16,3%) som har en liberal välfärdsmodell, men i linje med det globala genomsnittet i Tyskland (8,2%) som präglas av en konservativ välfärdsmodell, till skillnad från den skandinaviska välfärdsmodellen. Utbildningspremien varierar således kraftigt, såväl inom homogena välfärdsregioner som mellan regioner med olika samhällsstrukturer.
Nyckelord: avkastning, utbildning, Norden, utbildningspremie, inkomstprofil
Abstract
This essay aims to examine the private returns to education. This is done by estimating the percentage increase in income due to each successive year of schooling and for different levels of education. We analyse differences in returns to education between the Nordic countries, and the Nordic countries as a group and countries with a different type of welfare system. The analysis is executed with OLS-regressions of the Mincer-specification, the so-called earnings function. The analysis uses data from ISSP: Social Inequality IV from 2009. The results show that returns to education is higher in Denmark (11%), Finland (10.9%) and Norway (8%) – for which the estimated returns is in line, or slightly above, the global average of 8-10 percent – than Sweden (6.3%) and Iceland (6.2%) for which the returns to education is below the global average. Furthermore, we cannot find evidence for any significant differences in returns to education between genders. The results also show that returns to education is the highest in the U.S. (16.3%) where the welfare system is liberal, but in line with the global average in Germany (8.2%) where the welfare system is conservative, as opposed to the Scandinavian model. This shows that the premium of education varies substantially, both within homogenous welfare regions as well as between regions with different welfare systems.
1
1. Inledning
Utbildning är viktigt för ekonomisk tillväxt och konsumtion. Människor har ett egenintresse av att veta om det lönar sig att investera i ytterligare utbildning då avkastningen på utbildning skiljer sig åt mellan länder/regioner/individer. Staten har ett intresse av huruvida individer väljer att investera i humankapital, vilket har positiva effekter för den allmänna välfärden och tillväxten inom en ekonomi. Denna uppsats kommer att undersöka hur den privata monetära avkastningen, d.v.s. inkomsten, påverkas av investeringar i humankapital i form av utbildning. Fokus ligger på de nordiska länderna, som ofta brukar analyseras som grupp p.g.a. liknande ekonomiska välfärdssystem. Vi vill med denna uppsats belysa eventuella skillnader mellan dessa länder, i termer av avkastning på utbildning. Vidare vill vi undersöka om det förekommer skillnader mellan Norden och andra höginkomstländer, och vi gör detta genom att jämföra resultaten från våra nordiska länder med Tyskland och USA.
Syftet med denna uppsats är alltså att analysera eventuella skillnader i avkastning på utbildning, i termer av den procentuella inkomstökningen för ytterligare ett år av utbildning samt för olika utbildningsnivåer (gymnasie- resp. högskolenivå), mellan höginkomstländer med huvudfokus på de nordiska länderna. Uppsatsen ämnar besvara följande frågeställningar: Vad är den genomsnittliga procentuella inkomstökningen till följd av ett extra års utbildning? Vad är den procentuella inkomstskillnaden mellan individer med enbart grundskoleutbildning och individer med gymnasie- respektive högskoleutbildning. Finns det några observerbara skillnader mellan de nordiska länderna? Finns det några skillnader mellan de nordiska länderna och länder med välfärdsmodeller som skiljer sig från den nordiska modellen?
För att undersöka detta använder vi Social Inequality data från International Social Survey Programme i den offentliga databasen GESIS. Denna data innehåller information om utbildning, inkomst samt andra variabler på individnivå för ett 40-tal länder som innehar medlemskap i ISSP, inklusive länder som är av intresse för vår analys. Vi undersöker hur relationen mellan inkomst och utbildning ser ut med hjälp av regressionsanalys grundad på J. Mincer’s klassiska modell från ”Schooling, Experience and Earnings” (1974), där Mincer analyserar inkomstfördelning som en effekt av investeringsintensiteten i humankapital. Det finns vidare många studier på ämnet som funnit flera intressanta mönster för en mängd länder runt om i världen och över tid. Psacharopoulos et al (1985, -94, -04) analyserar
2
tvärsnitts- samt tidsseriedata på individnivå över ett 60-90-tal länder m.h.a. Mincer´s regressions-specifikation och finner avtagande avkastning på utbildning, där avkastningen är som störst för lägre utbildningsnivåer och låginkomstländer, samt att det förekommer en negativ trend över avkastning på utbildning och att avkastningen är högre för kvinnor än för män. Vi undersöker om dessa mönster gäller för de nordiska länderna och finner vissa bevis för avtagande avkastning men inga bevis för signifikanta skillnader i utbildningspremien mellan könen. Boarini och Strauss (2010) analyserar avkastningen på post-sekundär utbildning med paneldata på individnivå över ett 20-tal länder och jämför olika estimeringsmetoder och konstaterar att resultaten ej skiljer sig nämnvärt mellan dessa metoder. Studien lyfter även fram arbetsmarknadspremiens betydelse för investeringsbeslutet och för en diskussion kring kausalitetsproblematik. Vår studie tar fasta på arbetsmarknadspremiens betydelse i högavkastningsländer och diskussionen kring kausalitetsproblematik. Montenegro och Patrinos (2013) analyserar paneldata för hushåll över drygt 130 länder finner att avkastningen på utbildning mellan länder är mer koncentrerad kring medelvärdet, samt att Mincer-modellen är mer stabil än man tidigare trott. I vår studie använder vi samma estimerings- och beräkningsmetoder som Montenegro och Patrinos (2013). Long (2010) analyserar paneldata på individnivå och undersöker om det finns något samband mellan kvaliteten på högskoleutbildningar och den förväntade avkastningen på utbildning. Vi hänvisar till Long (2010) resultat då vi drar paralleller mellan avkastningen mellan olika länder och dessa länders prestationer i senaste PISA-studien. Samtliga studier finner en generellt positiv avkastning på utbildning och det ekonomiska genomsnittet över länder kan uppskattas till ca tio procent per år av utbildning.
Genom att jämföra resultaten för länderna i vår studie mot det globala genomsnitt och de mönster som skattats av dessa tidigare studier, vill vi undersöka om de nordiska länderna avviker från dessa, dels som grupp och dels på en individuell nationell nivå.
Den senaste PISA undersökningen visade att högstadieelever i Danmark, Finland och Norge presterar över OECD-genomsnittet, medan studieprestationerna i Sverige och Island låg omkring eller strax under genomsnittet. Även tyska elever presterar över OECD-genomsnittet, medan USA ligger i linje med genomsnittet. (OECD, 2016)
Saco gick år 2014 ut med en sammanställning data från OECD där man undersöker avkastningen på högre utbildning i olika länder. Man mäter här hur mycket högre lön en akademiker har i förhållande till den som börjar arbeta direkt efter gymnasiet, det vill säga
3
skillnaden i livslön. OECD’s statistik visar att Sverige är ett land där det lönar sig minst för kvinnor att utbilda sig. Dock skiljer sig inte resultaten nämnvärt för manliga akademiker. Detta visar på att Sverige är ett av dem länder som har lägst avkastning på utbildning bland OECD-länderna. (Saco, 2014)
Resultaten från ovan nämnda undersökningar stämmer väl överens med storleken på den estimerade avkastningen på utbildning för länderna i vår studie. Där Danmark, Finland, Norge och Tyskland uppvisar en avkastning i linje med det globala genomsnittet, medan Sverige och Island har en avkastning strax under genomsnittet. Undantaget är USA som toppar listan med en avkastning högre än genomsnittet. Vi tillämpar viss försiktighet i jämförelsen mellan länder p.g.a. skillnader i urval och undersökningsmetodik och lägger istället ett fördjupat fokus på skillnader i avkastning på utbildning inom länder, med hänsyn till kön, civilstånd, boenderegion samt arbetstid.
Uppsatsen är disponerad enligt följande: I kapitel 2 ges en presentation av den institutionella bakgrunden med beskrivning av skillnader i skolsystem samt skolelevers prestationsförmåga mellan de olika länderna i studien. Därefter presenteras det teoretiska ramverk som vår empiriska modell grundar sig på i kapitel 3. I kapitel 4 ges en sammanfattning av tidigare studier på ämnet. Kapitel 5-6 innehåller en genomgång av datamaterial samt metod. I kapitel 7 redovisas resultatet av vår undersökning, och vi för sedan en diskussion kring dessa resultat i kapitel 8. Vi sammanfattar vår studie med att dra slutsatser kring observerade resultat i kapitel 9.
2. Institutionell Bakgrund
De nordiska ländernas samhällsstruktur är baserade på en gemensam välfärdsmodell och uppvisar således många likheter. När man ser till ett lands välfärd kan man utgå från Esping-Andersens välfärdsstats modell (Esping-Andersen, 1990). Med begreppet välfärdsregim ämnar modellen att visa att det finns tre olika sätt att organisera ett lands välfärd på: ett konservativt, ett liberalt och ett socialdemokratiskt. Modellen för länderna i Norden är den socialdemokratiska eller skandinaviska modellen som den också kallas. Denna karakteriseras av universalism (lika rättigheter för alla, vilket innebär en stor statlig administration. I utbildningstermer innebär det, i Sveriges och övriga nordiska länders fall, kostnadsfri skola tack vare statligt subventionerad utbildning.
4
Inom norden har man utvecklat ett samarbete (inklusive Färöarna, Grönland och Åland) som syftar till att förstärka regionala intressen och de nordiska värderingarna globalt. Utbildningsmässigt innebär detta att de nordiska länderna erkänner varandras studentexamina, så att antagningskraven för högskole-/universitetsutbildningar är uppfyllda i det nordiska land studenten befinner sig, oavsett om studenten tillgodogjort sig den förberedande utbildningen i ett annat nordiskt land. Trots gemensam välfärdsmodell och ett nordiskt samarbete över landsgränserna skiljer sig utbildningssystemen något åt, detta kan då vara en bidragande faktor till skillnader i avkastning på utbildning mellan länderna och en sammanfattning av utbildningssystemen redovisas här.
I samtliga nordiska länder förutom Danmark råder det skolplikt på grundskolenivå. Danmark har dock undervisningsplikt och har således ett alternativ mellan att sätta barnen i statlig grundskola eller hemundervisa dem. Det är dock värt att nämna att skolplikt inte behöver betyda att alla barn i Sverige går i skolan, då det kan finnas giltiga skäl att utebli (Norden, 2017). De flesta barn går dock i grundskolan. I Sverige och Finland är inte förskolan obligatorisk, men trots att förskolan inte ingår i skolplikten så deltar de flesta svenska och finska sexåringar i undervisningen i förskolan ändå. Skolverkets officiella statistik om förskoleklass visar att 97 procent av alla sexåringar går i förskoleklass i Sverige (Skolverket, 2017). Island och Norge är länder som inte erbjuder någon förskola. Där börjar man istället i årskurs 1 vid sex års ålder. Grundskolan i de nordiska länderna är likartad förutom att i Danmark och Finland erbjuder man en valbar tiondeklass. Det är frivilligt om man vill gå vidare ytterligare ett år i grundskolan (Norden, 2017). Officiella siffror från Världsbanken som visar på andel barn som deltog i grundskolan år 2015 är för Norge 99.9 procent, för Finland 99.8 procent, för Danmark 99,6 procent, Sverige 99,9 procent samt Island 99,2 procent (Globalis, 2015).
Tabell 1 nedan visar hur årskurserna i de fem nordiska länderna är fördelade. Siffrorna i parantes visar att den aktuella årskursen inte är obligatorisk.
5
Tabell 1: Grundskolans årskurser i Norden
Sverige Danmark Finland Island Norge Ålder
(0) 0 (0) 1 1 6 1 1 1 2 2 7 2 2 2 3 3 8 3 3 3 4 4 9 4 4 4 5 5 10 5 5 5 6 6 11 6 6 6 7 7 12 7 7 7 8 8 13 8 8 8 9 9 14 9 9 9 10 10 15 - (10) (10) - - 16 Källa: Norden (2017).
Anm. 0 indikerar förskola, 1-10 indikerar första till tionde klass.
När man gått klart grundskolan erbjuds sekundär utbildning i form av nationella gymnasieprogram i alla nordiska länder. Denna är inte obligatorisk men alla som har avslutat grundskolan har rätt till en treårig gymnasial utbildning. Här erbjuds både yrkesförberedande samt studieförberedande program (Norden, 2017). Skolverket redovisade i en rapport från 2014 att 98 procent av svenska grundskoleeleverna börjar gymnasieskolan efter att man avslutat nionde klass. Studenter som ej tillgodogjort sig grundläggande gymnasiebehörighet kan ej ansöka om studier på universitets- eller högskolenivå. Officiella siffror från Världsbanken som visar på andel barn som deltog i gymnasieutbildning år 2015 är för Norge 95 procent, för Finland 94 procent, för Danmark 92 procent, Sverige 95 procent samt Island 89 procent. (Globalis, 2015).
En enkätundersökning som SCB genomförde år 2013 på svenska gymnasieelever visar att majoriteten 12:e-klassare vill fortsätta läsa vidare efter gymnasiet. Undersökningen utfördes på gymnasieskolans avgångsklasser och visade att 58 procent av eleverna planerade att påbörja en högskoleutbildning inom tre år. Bland dessa var framför allt dem som gått studieförberedande program, men även hos elever på yrkesförberedande gymnasieprogram fanns ett intresse att studera vidare (SCB, 2013). Ekonomifakta har sammanställt data från OECD från perioden 2013-2014 över deltagandenivåer i högskoleutbildning för unga (25-34
6
år). Data visar att andelen i Finland är 40,5 procent, i Norge 48,1 procent, i Sverige 46,4 procent, i Danmark 44,5 procent samt på Island 40,1 procent.
Den liberala välfärdsmodellen finner man i t.ex. USA, Storbritannien, Kanada och Australien. Dessa länder karaktäriseras ej av samma universalism som de nordiska länderna.
Den federala staten i USA har ingen överordnad administrativ roll, utan varje delstat har sin egen utbildningsmyndighet (Department of Education) och därför skiljer sig skolsystemen lite åt i varje stat. Förskolan är inte obligatorisk dock erbjuds man som familj med sämre ekonomi för alternativa barnomsorg. Skolpliktsåldern varierar från delstat till delstat men oftast börjar man på förskola vid sex års ålder och avslutar sedan utbildningen efter sista året på gymnasiet (12:e klass). Vissa delstater tillåter eleverna att lämna skolan innan att man börjar gymnasiet, medan andra delstater håller kvar eleverna till de har gått ut gymnasiet (high school) vid 18 års ålder. Efter att man som elev i USA har gått ut gymnasiet finns det möjlighet till att läsa vidare på collage/universitet, så kallad postsekundär utbildning. Denna utbildning är dock inte kostnadsfri, utan är belagd med en avgift. Men såväl offentliga som privata organisationer tillhandahåller förmåner i form av lån och stipendier till särskilt ekonomiskt begränsade individer. Universitetskurser är ofta indelade i kärnämnesområden som studenter på kandidatnivå (undergraduates) måste tillgodogöra sig innan de kan specialisera sig mot valt huvudämnesområde (major) (Studyusa, 2017). I data hämtad från OECD från 2013–2014 (åldersgrupp 25-34) som ekonomifakta sammanställt ser man att andelen med gymnasieutbildning (high school) i USA är 90,5 procent. Andelen högskoleutbildade i USA är 46,5 procent (Ekonomifakta, 2016).
Den konservativa välfärdsmodellen finner man i länder som Tyskland, Frankrike, Italien, Nederländerna, Japan m.fl.
Utbildning i Tyskland är liksom i USA präglat av mer decentralisering där delstaterna har stort inflytande över den lokala utbildningen. Under 2000-talet har det tyska skolsystemet kritiserats i bland annat PISA-studien, och OECD anser i sin analys av denna att andelen studenter som går vidare till högre studier är för låg delvis beroende på att urvalet sker för tidigt. Urvalet är till stor del baserat på studenters socioekonomiska bakgrund. De med lägre socioekonomisk bakgrund förväntas inte slutföra en högskoleutbildning (OECD, 2016). I data hämtad från OECD från 2013–2014 (åldersgrupp 25-34) som ekonomifakta sammanställt ser man att andelen med gymnasieutbildning i Tyskland är 87,3 procent. När man sedan ser till högskoleutbildning sjunker andelen till 29,6 procent (Ekonomifakta, 2016).
7
PISA (Program for International Student Assesment) är en global undersökning som genomförs vart tredje år, där man utvärderar 15-åriga högskoleelevers läs- och skrivförmåga samt matematiska och naturvetenskapliga färdigheter.
Data från den senaste PISA undersökningen från 2015 (OECD, 2016) visar att i Danmark, Finland och Norge har elever presterat över OECD-genomsnittet på samtliga områden. Isländska elever presterade i enlighet med genomsnittet i matematik och under genomsnittet på övriga områden. Svenska elever presterade över genomsnittet i läsförmåga och i linje med genomsnittet på övriga områden. PISA presenterar även ett jämställdhetsmått samt ett mått för socioekonomisk bakgrund. Samtliga nordiska länder ligger över OECD-genomsnittet, d.v.s. har ett mindre gap mellan socialt gynnade och missgynnade elevers prestationer i skolan samt en större andel högpresterande socialt missgynnade elever, förutom Sverige som ligger på genomsnittet. Vad gäller jämställdhetsmåttet som mäter gapet mellan pojkars och flickors prestationer i skolan är resultaten mer spridda, där Norge och Island ligger över genomsnittet, Sverige och Danmark på genomsnittet och Finland under genomsnittet.
Även i Tyskland presterade elever över OECD-genomsnittet på samtliga områden. Vad gäller måtten för social jämlikhet presterar Tyskland under genomsnittet. Om vi ser till USA så presterar amerikanska elever under OECD-genomsnittet i matematik samt i linje med genomsnittet på övriga områden. Vad gäller jämställdhets- och jämlikhetsmåtten presterar USA omkring genomsnittet. Vad gäller utländska studenters prestationer ligger dock USA i topp, medan Norge ligger på genomsnittet och övriga nordiska länder samt Tyskland ligger under genomsnittet.
3. Teoretiskt ramverk
Det finns enligt Kjelland (2008) två teorier som kan förklara sambandet mellan inkomst och utbildning: Humankapitalteorin och Signaleringsteorin. Humankapitalteorin säger att ackumulation av humankapital i form av utbildning ökar individens produktivitet och därmed dess inkomst (under antagande om perfekt konkurrens, där lönen motsvarar arbetarens marginalproduktivitet). Signaleringsteorin, däremot, argumenterar tvärtom för att det är den medfödda kapaciteten som är den största drivkraften för utbildning, och att individen investerar i utbildning för att signalera hög produktivitet vilket således genererar högre inkomst. Oavsett vilken teori som bäst beskriver verkligheten – om det är utbildning som genererar humankapital
8
eller humankapital som leder till högre utbildning – så kvarstår det faktum att inkomsten är en ökande funktion av utbildning. För att kunna skatta ett sådant samband krävs en specifik modell som korrekt beskriver effekten av utbildning på en individs inkomst.
Mincer (1974) presenterar i sin exposé på ämnet en mycket väl citerad och replikerad empirisk modell som relaterar inkomstfördelning till investeringar i humankapital i termer av utbildning. Den totala investeringskostnaden för utbildning utgörs dels av direkta ekonomiska utlägg (t.ex. studieavgifter) samt en alternativkostnad för uppskjuten framtida inkomstström. Det är därför ett nödvändigt antagande att investeringar i utbildning ökar den förväntade framtida inkomsten, för att en privatperson ska finna incitament för att utbilda sig. Nuvärdet av reella inkomstflöden med/utan utbildning kan således bara anta lika värden med en positiv diskonteringsränta, r. Där nuvärdet är det beräknade värdet av en investerings framtida kassaflöde, diskonterat med hänsyn till en given räntesats. Denna diskonteringsränta är den förväntade privata avkastningen på investeringar i utbildning. Diskonteringsräntan är alltså den räntesats som uttrycker avkastningskravet på investerat humankapital (Ekolex, 2017).
Förändringar i inkomsten är en effekt av nettoinvesteringarna i humankapitalstocken, och teorin förenklas genom att anta 1) att inga fortsatta investeringar i utbildning görs efter avslutad skolgång samt 2) ett konstant inkomstflöde genom arbetslivet och 3) en deprecieringstakt på humankapital lika med noll. Dessa antaganden ger ett direkt samband mellan totala investeringar och förväntad inkomst och resulterar i modellens enklaste samband: skolfunktionen (schooling function) som säger att inkomsten (i) ökar med antal skolår och (ii) är en positiv funktion av diskonteringsräntan, d.v.s. att (i) individer med högre utbildning begär högre årslön, och att (ii) individer med högre avkastning på humankapital investerar mer i detta.
(1) ln Ys= ln Y0 + rs + µ
Där Ys är den förväntade inkomsten, Y0 är inkomsten utan utbildning, r är diskonteringsräntan,
s är ett extra skolår och µ är en felterm. Ekvation (1) säger att den procentuella förändringen i förväntad inkomst är en strikt linjär funktion av antalet skolår.
De flesta individer fortsätter dock att utveckla sin kompetens utanför skolsystemets ramar (antagande 1), men denna kompetens är av naturliga skäl svårare att observera och mäta. Mincer argumenterar för användningen av ålder som en approximativ variabel för erfarenhet (kompetensutveckling) i arbetslivet. Under förutsättning att individen äntrar arbetslivet direkt efter avslutad utbildning, kan antal skolår ses som initial inkomstkapacitet som antas vara
9
konstant för en given individ. Inkomsten fortsätter sedan växa med åldern, så länge nettoinvesteringarna i humankapital är positiva (t.ex. då anställda deltar i vidareutbildningar inom eller utanför jobbet).
Ett antagande om konstanta investeringar i humankapital är dock inte rimligt. Vi kan snarare anta en avtagande investeringstakt, där heltidsstudier främst genomförs i unga år och vidareutbildningar inom arbetslivet genomförs i avtagande utsträckning och upphör då individen närmar sig pensionsålder. Enligt humankapitalteorin (Becker 1964, -67, refererad av Mincer, 1974 ss.13-14) är detta en konsekvens av de faktum att (i) senare investeringar reducerar tidsspannet för konsumtion, d.v.s. förmånen är mindre, (ii) en förskjutning av den förväntade inkomsten sänker nuvärdet av investeringen, (iii) individens tid ökar i värde i takt med investeringarna i utbildning, vilket ökar alternativkostnaden för utbildning.
Mincer visar dock att en sådan komprimerad, snabb ackumulation av allt humankapital ej äger rum utan investeringar är utspridda över ett längre tidsspann p.g.a. att marginalkostnaden för investeringarna stiger med produktionshastigheten (eftersom produktionsfaktorer uppvisar avtagande avkastning inom varje avgränsad tidsperiod), samt att investeringarna minskar med åldern i och med ett minskat tidsspann för att nyttja avkastningen på dessa. Kulmen av investeringarna (och således inkomsten) nås när deprecieringstakten hunnit ikapp de totala investeringarna i humankapital, d.v.s. när nettoinvesteringarna är lika med noll.
Det tidigare antagandet 2, om ett konstant inkomstflöde genom arbetslivet tycks således vara rimligt, då inkomsten når sin kulmen och förblir på denna nivå ända tills individen närmar sig pensionering. Men antagandet om en deprecieringstakt lika med noll revideras då effekter av tilltagande ålder har påvisats. Efter dessa korrektioner kan den fulla modellen presenteras: inkomstprofilen (earnings function) där den procentuella förändringen i förväntad inkomst är en funktion av antal skolår samt ålder (erfarenhet).
(2) ln Ys = ln Y0 + rs + β1age + β2age2 + µ
Det finns vissa tillkortakommanden i Mincer’s modell och författaren diskuterar själv flera av dessa:
Diskonteringsräntan, r, kan ej antas vara konstant över alla nivåer av utbildning och för alla individer. r kan istället antas vara den genomsnittliga avkastningen över alla utbildningsnivåer och individer. Om r tillåts variera med utbildningsnivå, representerar ~r den genomsnittliga avkastningen för en viss utbildningsnivå. Om ~r inte är densamma för alla individer, är
10
ojämlikheten i inkomst inom grupper påverkade av såväl spridningen av avkastning på utbildning samt den genomsnittliga utbildningsnivån, som spridningen av utbildningsnivåer och den genomsnittliga storleken på avkastning.
Mincer ifrågasätter om inte ~r och s bör vara positivt korrelerade för specifika individer, då personer som får en hög avkastning på sin utbildning bör ha incitament att investera mer. ~r kan dock ej klassas som ett mått på den individuella kapaciteten att tillgodogöra sig utbildning i en jämförelse mellan personer med varierande investeringsintensitet, eftersom ~r till viss del reflekterar nivån på humankapitalstocken.
Ett fundamentalt antagande av Mincer’s modell är att den procentuella förändringen i inkomst är en strikt linjär funktion av antalet skolår, vilket är problematiskt då skillnaden i avkastning kan antas vara betydligt större mellan exempelvis individer som studerat 2 eller 3 år på universitetsnivå, än mellan dem som gått 7 eller 8 år av grundskolan.
4. Tidigare studier
I detta kapitel sammanfattas tidigare studier på ämnet för att redogöra för tidigare resultat, den skattade storleken på avkastning på utbildning och mönster observerade över olika länder och tid. Fokus i litteraturgenomgången ligger på att redogöra för det globala genomsnittet (över olika länder-grupper) på avkastning på utbildning, samt avkastningen över olika utbildningsnivåer och observerade könsskillnader.
Psacharopoulos (1985, -94) analyserar den genomsnittliga privata och samhälleliga avkastningen efter utbildningsnivå och ytterligare skolår efter Mincer-modellen med hjälp av tvärsnittsdata över drygt sextio nationer. Författaren har gjort godtyckliga kategoriseringar av länder specifika data i grupper baserat på utveckling. Detta gör att försiktighet bör vidtas vid jämförelse av marginella skillnader i avkastning mellan länder, och istället bör fokus läggas på jämförelser inom länder (efter kön etc.). Resultaten visar avtagande avkastning vilket betyder att avkastning på utbildning är som störst för grundskole- och gymnasieutbildning än för högskoleutbildning. Detta är ett resultat av det faktum att alternativkostnaden för utbildning är som lägst på primär nivå samt att skillnaden mellan en läs- och skrivkunnig individ i jämförelse med en individ helt utan utbildning är betydande. Vidare resultat visar att avkastningen på utbildning är större för allmän utbildning (till skillnad från ämnesspecifik), att avkastningen är högre för kvinnor än för män samt att det råder avtagande avkastning mellan länder-grupperna
11
där avkastningen är som högst för låginkomstländer och som lägst för höginkomstländer. Detta kan förklaras av det faktum att mängden humankapital relativt fysiskt kapital är lägre i låginkomstländer.
Psacharopoulos finner också att den privata avkastningen överskrider den samhälleliga avkastningen av utbildning i samtliga länder och för alla utbildningsnivåer, då utbildning är offentligt subventionerad. Skillnaden mellan privat/offentlig avkastning är som störst för högre utbildningsnivåer. Psacharopolus rekommenderar således att lokalisera om offentliga resurser till att investera där avkastningen är som högst. Alltså att omfördela resurser från högre utbildning till grundskolan då detta kan ha en positiv inverkan på välfärden, då individer som deltar i högre utbildning som regel är mer resursstarka. Studien finner också lite variation i genomsnittlig avkastning över tid, vilket kan förklaras av det faktum att efterfrågan på utbildad arbetskraft har ökat i samma utsträckning som utbudet av utbildningar. Psacharopoulos påstår således att anta att marknadsföring och subventioner av utbildning skulle öka arbetslösheten hos utbildad arbetskraft är fel. Detta antagande är obefogat på tidigare historik, då avkastningen på utbildning varit relativt stabil ur ett internationellt perspektiv (Psacharopoulos, 1985, -94). Psacharopoulos och Patrinos (2004) behandlar kvasi-experimentella analyser av avkastning på utbildning, t.ex. estimeringsmetoder som fokuserar på kausaliteten mellan utbildning och inkomst, där individens kapacitet och relaterade faktorer tas i beaktning. Sådana estimeringar, med instrumentalvariabler baserade på familjebakgrund, ger något högre avkastning än den klassiska OLS Mincer-regressionen. Författarna konstaterar dock att skillnaden i resultat mellan olika estimeringsmetoder är försumbar och använder för sin studie den traditionella Mincer regressions-specifikationen för analys av ett urval på 91 länder som bekräftar tidigare observerade mönster.
Den genomsnittliga avkastningen över länderna uppskattas till ca 10 procent (för ytterligare ett skolår) och är avtagande för utbildningsnivå och per capita-inkomst. Den privata avkastningen är högre än den sociala och offentliga subventioner ökar med utbildningsnivå, vilket ger implikationer om en regressiv inkomstfördelning. Författarna finner att avkastningen är högre för kvinnor överlag, men högre för män på grundskolenivå. Författarna finner även belägg för en nedåtgående trend i avkastningen på utbildning. Detta trots att den genomsnittliga utbildningsnivån ökat under den observerade tidsperioden, och författarna resonerar att ett tillskott i utbudet av utbildad arbetskraft har sänkt avkastningen på utbildning något. Detta är således en korrektion av Psacharopoulos (1985, -94) tidigare slutsatser; att det vore obefogat
12
att tro att marknadsföring och subventioner av utbildning skulle öka arbetslösheten hos utbildad arbetskraft. Detta kan mycket väl vara en påverkande faktor till den senare observerade negativa tidstrenden (Psacharopoulos och Patrinos, 2004).
Boarini och Strauss (2010) undersöker den privata avkastningen på postgymnasial utbildning i 21 OECD-länder mellan 1991-2005. Denna studie använder sig av en annorlunda estimeringsmetod som beräknar ”The Internal Rate of Return” (IRR), som kan anses jämförbar med den Mincer-skattade diskonteringsräntan. I studien finner man att genomsnittliga IRR för hela urvalet är 8 procent och varierar mellan 4 och 15 procent mellan länderna. Man finner även att IRR är relativt homogen mellan könen, d.v.s. att inga stora skillnader i avkastning förekommer mellan könen, och att avkastningstrenden ökat något över den observerade tidsperioden (med mycket varierande resultat mellan länderna).
Avkastning på utbildning anses vara positivt korrelerad med arbetstid samt negativt korrelerad med studieavgifter och studietid (alternativkostnad). Arbetsmarknadspremier inom länder på individnivå uppskattas som den främsta drivkraften för IRR. Arbetsmarknadspremier är då justerade för skattemässiga faktorer och kostnader och verkar i många fall oberoende av direkta kostnader för utbildning. Individer vidareutbildar sig till dess att nuvärdet av den förväntade avkastningen är lika med kostnaden för utbildning (studieavgifter och alternativkostnad) (Boarini och Strauss, 2010).
Utbildning ökar individers produktivitet, och om individer avlönas efter deras marginalproduktivitet (under antagande om perfekt konkurrens) så bör beslutet om att åta sig utbildning vara delvis baserat på medfödd kapacitet, preferenser för utbildning samt finansiella tillgångar. Boarini och Strauss gör således även dem den viktiga iakttagelsen att kapacitet är en endogen, exkluderad variabel som kan skapa bias i resultaten. Denna bias antas dock vara liten, men författarna betonar att detta är ett kontroversiellt antagande. Arbetsmarknadspremien bör som nämnt skapa höga incitament för utbildning. Men detta är inte den enda faktorn som påverkar individens investeringsbeslut. Oliveira et al. (2007) (refererad av Boarini och Strauss, 2010) påpekar att även arbetsmarknadsutbudet påverkar investeringar i utbildning och visar i sin studie att högre kompabilitet mellan utbildningssystem och arbetsmarknad skulle öka graden av utexaminerade universitetsstudenter avsevärt (Boarini och Strauss, 2010).
Montenegro och Patrinos (2013) undersöker avkastning på utbildning i en studie med paneldata över 131 olika länder från harmoniserade hushållsundersökningar över perioden 2005–2012. Resultatet av studien visar att den privata avkastningen på utbildning mellan länder är mer
13
koncentrerad kring medelvärdet än vad man tidigare har trott, d.v.s. att variationen i avkastning på utbildning skiljer sig mindre åt än förväntat mellan länder. Samt att den klassiska Mincer-modellen som används är mer stabil än förväntat. I övrigt överensstämmer resultaten i hög grad med tidigare studier: Den privata avkastningen på utbildning är omkring 10 procent över ett genomsnitt av länder. Avkastningen är avtagande. Länder med en stor jordbrukssektor, konfliktpåverkade länder och länder rika på naturresurser (ofta låginkomstländer), har högre avkastning för alla nivåer av utbildning än andra länder. Kvinnor har högre avkastning på utbildning i låginkomstländer, men omvänt samband tycks gälla inom höginkomstländer. Avkastningen på utbildning har minskat över tid (sedan 1980 har avkastning på utbildning minskat signifikant, vilket kan förklaras av det utökade utbildningsutbud som kom till stånd fr.o.m. detta årtionde.), trots ett ökat utbud av utbildningar, vilket indikerar ökad efterfrågan på högre kompetens hos arbetskraften.
Montenegro och Patrinos använder en utvecklad Mincer-regression, där inkomst är den traditionella log-level funktionen av erfarenhet, men där variabeln antal skolår är konverterad till en serie dummie-variabler över olika nivåer av utbildning: primär-, sekundär- samt tertiär (Montenegro och Patrinos, 2013).
Författarna har även gjort en jämförande analys med Psacharopoulos and Patrinos (2004). Författarna nämner två potentiella källor som kan begränsa kompabiliteten av olika studier (likt Psacharopoulos, 1985, som uppmanar till försiktighet i jämförelsen mellan länder) – urvalsförfarande och metodik. Vad gäller urvalet så är osäkerheten kring representativitet stor, då kostnadsmässiga begränsningar kan leda till att respondenter t.ex. endast utgörs av stadsbor, medan landsortsbor utgör en stor källa till bortfall. Variation i vilka kontrollvariabler som använts kan också påverka den estimerade avkastningen, samt skillnader i modellspecifikation. Dessa problem innebär att observerade skillnader i estimerad avkastning kan vara föremål för systematiska avvikelser (Montenegro och Patrinos, 2013).
Montenegro och Patrinos finner för sitt urval på 131 ekonomier en genomsnittlig avkastning på knappt 10 procent, liksom Psacharopoulos och Patrinos (2004) som analyserade ett urval av 91 ekonomier. Detta betyder att resultaten mellan dessa olika studier trots allt är väldigt konsistenta och stabila, vilket ger implikationer om att den estimerade avkastningen på utbildning trots allt har en hög grad av jämförbarhet mellan länder och över tid (Montenegro och Patrinos, 2013).
14
Aakvik, Salvanes och Vaage (2010) undersöker effekterna av en obligatorisk utbildningsreform i Norge samt tillgång till skolor, utbildningsdeltagande och avkastning på utbildning före reformen. Studien presenterar data över män från alla arbetssektorer från 1995 samt från 1947–1958 innan reformen genomfördes. Reformen var ett utvidgande av antal obligatoriska år av skolgång. Studien finner att reformen av grundskolan ökade den allmänna utbildningsnivån betydligt. Studien finner också att effekten av familjebakgrund på utbildningsnivå har försvagats av den obligatoriska skolreformen.
Long (2010) estimerar sambandet mellan utbildningsresultat och högskolekvalitet. I studien används paneldata från tre tidigare studier under tidsperioden 1972–2000 där man följt elever under deras skolgång. Inkluderade variabler är examensnivå, arbetsmarknadsdeltagande, inkomst, familjebakgrund och medborgarskap. Studiens resultat överenstämmer med tidigare litteratur. Den finner en generellt positiv avkastning på utbildning. Studien finner också att ett ytterligare år av utbildning ökar arbetskraftsdeltagandet, men att denna effekt verkar avtagande för kvinnor, svarta samt individer med låg socioekonomisk status. Inkomstökningen speglar den positiva estimerade effekt högskolekvalitet har på timlön. Högskolans kvalitet verkar även påverka studentens sannolikhet att slutföra en examensutbildning. Vidare tycks deltagande i högkvalitativ utbildning kunna leda till förseningar av äktenskap och graviditet för unga vuxna, samt sänka sannolikheten för skilsmässa.
Lemieux (2003) utvärderar Mincer-modellens empiriska relevans, 30 år efter Mincer’s publikation. Författaren poängterar att de flesta studier fortfarande använder sig av utvecklingar av den enkla Mincer-regressionen, med nyckelvariablerna skolår, ålder (erfarenhet) samt kvadrerad ålder (erfarenhet). Vidare förekommer nästan alltid den beroende inkomstvariabeln i logaritmisk form. Lemieux ifrågasätter således huruvida modellen är en bra approximation av verkligheten eller om den givit upphov till samma systematiska misstag i samtliga studier som använt sig av denna.
Lemieux drar slutsatsen att den enkla Mincer-modellen i många fall är en bra approximation, men att den estimerar alltför jämna resultat över olika grupper av individer och således över-/underskattar effekten av avkastningen på utbildning för vissa grupper. Modellen tenderar speciellt att underskatta inkomsteffekten av ökad erfarenhet för yngre individer. Detta dilemma kan åtgärdas genom att inkludera polynom av högre (upp till fjärde) grad för åldersvariabeln. Författaren finner även att inkomst är en ökande konvex funktion av antal skolår och föreslår således att inkluderande av en kvadratisk utbildningsvariabel hade förbättrat modellens
15
kompabilitet med nutida data. Bortsett från dessa mindre justeringar finner Lemieux att Mincer-modellen fortfarande har en stor empirisk relevans och således förtjänar sin status som benchmark-modell inom ämnet (Lemieux, 2003).
5. Data
International Social Survey Programme (ISSP, 2017) startades 1984 och är ett pågående internationellt samarbete som sammanställer årliga data för medlemsländer i samhällsorienterade frågor. Varje land finansierar sina egna undersökningskostnader. Det finns ingen centralorganisation som bidrar med finansiella medel, varken till datainsamlingar eller bearbetningskostnader. Sammanställningen av nationella data till internationella datafiler utförs av GESIS, en databas med arkiv inom det samhällsvetenskapliga området.
ISSP har utvecklat gemensamma ämnesmoduler för det samhällsvetenskapliga området och har inom dessa standardiserade mallar med en gemensam uppsättning bakgrundsvariabler som ingår i varje medlemslands nationella undersökningar på ämnet.
Ämnesmodulen ”Social Inequality” är en serie av fyra undersökningar genomförda på området år 1987, 1992, 1999 repsektive 2009, där successiva undersökningar baseras på tidigare undersökningar. Dessa tvärsnittsdatainsamlingar finns även tillgängliga som en kumulerad datafil som tillåter tidsserieanalyser. Social inequality behandlar problemområden såsom inkomstskillnader, skillnader i utbildning etc. mot olika bakgrundsvariabler, vilket kan skapa sociala klyftor och konflikter mellan olika samhällsgrupper.
Såväl urval- som undersökningsmetodik skiljer sig åt mellan länderna. Randomiseringen består av dels obundna och dels stratifierade slumpmässiga urval. Datainsamlingen har genomförts med standardiserade frågeformulär via antingen personintervjuer eller postenkäter (GESIS, 2012). Materialet är trots detta internationellt jämförbart tack vare ISSP-utvecklade standarder.
I vår empiriska analys har vi använt oss av tvärsnittsdata från ISSP Social Inequality IV (2009) för att undersöka skillnader i avkastning på utbildning mellan de nordiska länderna. Datasetet innehåller totalt 55 238 observationer för individer från 18 år och uppåt (med undantag för Finland: 15-74, Norge: 19-80, Sverige: 17-79). I vår analys har vi uteslutit vissa observationer, vilket resulterar i 48 420 kvarvarande observationer (för hela datasetet). Antalet variabler i
16
original-datasetet är stort och innehåller såväl kvantitativa som kvalitativa variabler. Vår analys inkluderar endast en handfull av dessa: länder-specifika inkomstvariabler på individnivå utgör vår beroendevariabel, en internationellt harmoniserad variabel över respondenters utbildningsnivå förklarar avkastningen av utbildning och ett antal kontrollvariabler (ålder, kön, arbetstimmar/vecka etc.) kontrollerar för andra mätbara faktorer som kan påverka individers inkomst.
Alla inkomster är angivna brutto, men skiljer sig åt mellan länderna i perioditet, där Danmark, Norge och USA mätt årsinkomst och Finland, Island och Sverige mätt månadsinkomsten – inklusive/exklusive sociala avgifter, föräldrapenning etc.
I datasetet finns en harmoniserad variabel över utbildningsnivåer på ordinalskala. Vad gäller indelningen i olika utbildningsnivåer så har en del godtyckliga kategoriseringar av de länder-specifika utbildningsvariablerna gjorts i den ursprungliga bearbetningen av data. Särskilt i Sveriges fall, där utbildningsnivåer är angivna för olika tidsperioder till följd av skolreformer och olika nivåer för högskolestudier ej finns angivna. Stora skillnader mellan länderna förekommer, särskilt på sekundär nivå, där längd och nivå på yrkesutbildningar är av varierande karaktär och respondenter med hög kompetens inom särskilda yrkesgrupper riskerar tillfalla en lägre kategori av utbildning och vice versa, vilket kan ge en missvisande bild av avkastningen på detta humankapital. Som regel gäller dock att respondenter med avslutad grundskola som högsta utbildningsnivå tillfaller kategorin ”primary education”, respondenter med avgångsbetyg från gymnasie- eller yrkesskola tillfaller kategorin ”secondary education” och respondenter med examen från universitet/högskola tillfaller kategorin ”tertiary education”.
17
Tabell 2: Deskriptiv statistik
Variable Obs Mean Std. Dev Min Max lnDK_RINC 1332 12.46497 .5939779 11.15625 13.38473 lnFI_RINC 715 7.654653 .6393349 4.60517 9.903487 lnIS_RINC 765 12.54886 .6978538 10.12663 13.91082 lnNO_RINC 1289 12.82458 .7641836 6.907755 17.68671 lnSE_RINC 911 9.99598 .5028026 7.663877 12.20607 lnDE_RINC 1020 7.102348 .6921587 3.091043 9.21034 lnUS_RINC 880 10.31792 1.026134 6.214608 11.98293 female 48420 .550537 .4974446 0 1 married 48420 .6228005 .4846905 0 1 URBAN 48420 .2887856 .4532027 0 1 fem_seduc 48420 .2219744 .4155783 0 1 fem_teduc 48420 .0967575 .2956304 0 1 AGE 48420 49.62505 14.98948 25 84 AGE2 48420 2687.326 1556.584 625 7056 WRKHRS 30225 42.25305 14.17025 1 96 seduc 48420 .3964891 .4891732 0 1 teduc 48420 .1814539 .3853978 0 1 Källa: ISSP (2009)
Nivåerna på den länder-specifika inkomsten är ej av särskilt stort intresse då analysen fokuserar på den genomsnittliga förändringen i inkomst. Vi har således valt att logaritmera vår beroendevariabel för att direkt kunna utläsa den procentuella förändringen i inkomsten till följd av ytterligare ett utbildningsår/för olika nivåer av utbildning samt för varje successivt år av erfarenhet (ålder).
Vidare har vi delat in den harmoniserade utbildningsvariabeln i olika nivåer av utbildning i en sekundär samt en post-sekundär (tertiär) nivå. Tabellen visar ett medelvärde på ca. 40% för secondary eduation (seduc) och ett lägre medelvärde på ca. 18% vid teritary education (teduc), vilket vittnar om avtagande avkastning över samtliga länder (hela datasetet).
Det finns ett antal binära kontrollvariabler som antar värdet 1 ifall i) respondenten är kvinna, ii) respondenten är gift, iii) respondenten bor i en storstad, iv) respondenten har högst gymnasieutbildning, v) respondenten har högskoleutbildning.
Vidare har vi skapat interaktionstermer mellan female-dummyn och de olika utbildningsnivåerna för att kunna uttala oss om eventuella skillnader i avkastning mellan könen.
Vi har uteslutit observationer för alla respondenter yngre än 25 eller äldre än 84 år, då dessa individer ej anses relevanta för analysen, och åldersvariabeln sträcker sig således mellan dessa värden. Vi har även inkluderat åldersvariabeln i kvadrerad form för att se om det finns någon vändpunkt då avkastningen på utbildning börjar minska. Valet av åldersspann är baserat på det
18
faktum att vi främst är intresserade av individer som avslutat sin skolutbildning och befinner sig ute i arbetslivet samt en grupp individer som gått i pension (för att analysera avtagande effekter). Gränsvärdena grundar sig således på att många individer under 25-års ålder antas vara studenter, d.v.s. går fortfarande i skolan, och individer över 84-års ålder förväntas ha uppnått den fulla effekten av en deprecierad inkomst (minskad pension).
För en komplett lista över variabler inkluderade i analysen med tillhörande definitioner, se tabell 7 i appendix.
6. Metod
Med hjälp av OLS-regressioner testar vi ifall det förekommer några skillnader i avkastning på utbildning mellan de nordiska länderna. För att uppskatta förändringen i inkomst till följd av ökad utbildning, kan utbildningsvariabeln delas in i olika utbildningsnivåer. Vi har skapat en serie dummy-variabler för olika utbildningsnivåer i enlighet med Montenegro och Patrinos (2013), för att bortse från det orealistiska antagandet om avkastning som en linjär funktion av antalet skolår. Respondenter med högst primär utbildning (samt individer utan formell utbildning) har utelämnats, då referensgruppen för dessa individer anses bli alltför snäv i en analys som täcker enbart dem nordiska länderna.
I övrigt baseras vår analys på den traditionella Mincer-modellen där vi estimerar den förväntade privata avkastningen på utbildning genom att kontrollera för respondentens ålder samt kvadrerade ålder som approximativa variabler för arbetslivserfarenhet och vidareutbildning utanför skolsystemet:
(3) ln Ys = ln Y0 + βsDs + βtDt + β1age + β2age2 + X + μ
Där ln Yär den logaritmerade inkomsten, med ett startvärde Y0 för individer med enbart
grundskoleutbildning (samt individer utan formell utbildning). Ds och Dt är binära variabler
för sekundär respektive tertiär utbildningsnivå. Age och Age2 är ålder samt kvadrerad ålder. Vektorn X innefattar samtliga kontrollvariabler och μ är en felterm.
Den beroende variabeln är respondentens inkomst och vi logaritmerar denna för att göra variabeln jämförbar mellan länderna. I log-level funktionen kan parametrarna för utbildning och erfarenhet således tolkas som den procentuella skillnaden i inkomst för en enhetsförändring i utbildningsnivå samt år av arbetslivserfarenhet, och skillnader i mätmetod av inkomst för de
19
olika länderna kommer bara att visa sig som olika nivåer på interceptet d.v.s. konstanten Y0.
Koefficienterna βs och βt skattar skillnaden i inkomst mellan respondenter med högst sekundär
utbildning i jämförelse med respondenter med högst primär utbildning (samt respondenter utan formell utbildning) respektive respondenter med högst tertiär utbildning i jämförelse med respondenter med högst primär utbildning (samt respondenter utan formell utbildning). Feltermen innehåller fler variabler som kan förklara förändringar i inkomsten. Ifall någon av dessa är korrelerad med utbildning kan det skapa bias i våra resultat, då man utesluter en endogen förklaringsvariabel. Genom att använda en estimeringsmetod som tar hänsyn till exempelvis respondentens familjebakgrund, kan vikten av sådana dolda variabler uppskattas. Detta går dock utanför ramen för denna uppsats.
För att kunna jämföra resultaten med tidigare litteratur, beräknar Montenegro och Patrinos (2013) även den linjära privata avkastningen (diskonteringsräntan, r) för olika nivåer av utbildning:
(4) rs = (βs)/(Ss)
(5) rt = (βt – βs)/(St – Ss)
där S står för totala antalet skolår för varje succesiv nivå av utbildning (Montenegro och Patrinos, 2013, ss 4-5). Diskonteringsräntan kan även beräknas som ett genomsnitt över utbildningsnivåer genom att beräkna det aritmetiska medelvärdet av avkastningen per respektive utbildningsnivå.
Observera att antal skolår är en till viss del godtycklig uppskattning av studietiden för respektive utbildningsnivå. Studietiden på sekundär nivå uppskattas motsvara ett treårigt högskoleförberedande gymnasieprogram medan studietiden på tertiär nivå uppskattas motsvara ett treårigt kandidatprogram, då den största andelen respondenter som läst på högskolenivå angivit max tre års studier på denna nivå (ISSP, 2009).1
Genom att göra en regression per land kan vi jämföra den procentuella genomsnittliga avkastningen på utbildning (diskonteringsräntan) och se om den skiljer sig åt mellan länder. Det finns dock fler faktorer som kan påverka en individs inkomst. Genom att göra samma regressioner med ett antal kontrollvariabler kan vi undersöka hur stor del av inkomstskillnader
1 Alternativt kan studietiden på tertiär nivå istället uppskattas motsvara ett femårigt mastersprogram för att se
20
som faktiskt kan härledas till skillnader i utbildningspremien. Vi inkluderar ett antal mätbara variabler som anses påverka individers inkomst: Antal arbetstimmar/vecka, civilstånd samt om respondenten bor i en storstadsregion, där antal arbetstimmar i veckan bör ha en positiv inverkan på inkomsten och en negativ inverkan på utbildningspremien, då alternativkostnaden för utbildning är det inkomstbortfall som äger rum för tid spenderad i skolbänken snarare än ute på ”fabriksgolvet”. Att vara gift och bosatt i en storstadsregion förväntas ha en positiv inverkan.
Andra faktorer som kan påverka inkomsten, såsom initial kapacitet (vilken ofta anses befästas under tidiga barndomsår via hemmiljö), är svårare att mäta och är således inkluderade i feltermen, vilket kan ge upphov till systematiska fel i parameterskattningar av avkastningen på utbildning. Detta väcker frågor angående riktningen på kausaliteten mellan inkomst och utbildning.
Då inkomstskillnader vanligtvis förekommer mellan könen, där kvinnor tjänar mindre än män, är det motiverat att kontrollera för kön och se om detta har några effekter på utbildningspremien:
(6) ln Ys = ln Y0 + βsDs + βtDt + β1age + β2age2 + female + fem_seduc + fem_teduc + μ
Där female är en binär variabel som antar värdet 1 för kvinnor och fam_seduc och fem_teduc är interaktionstermer som visar om det förekommer någon signifikant skillnad i avkastning mellan könen.
Avslutningsvis kan det vara intressant att jämföra resultatet för de nordiska länderna med representativa länder för de båda andra välfärdsmodellerna, då utbildningssystemet skiljer sig åt mellan dessa olika typer av länder. Vi låter Tyskland representera den konservativa och USA den liberala modellen.
7. Resultat
I detta avsnitt redovisas resultaten från studien som estimerade värden på utbildnings- och åldersparametrar samt ett antal kontrollvariabler och den kalkylerade diskonteringsräntan.
21 Tabell 3: Mincer-regressioner (1) lnDK_RINC (2) lnFI_RINC (3) lnIS_RINC (4) lnNO_RINC (5) lnSE_RINC seduc 0.369*** (8.79) 0.216*** (4.34) 0.163* (2.47) 0.141* (2.49) 0.222*** (5.80) teduc 0.659*** (12.27) 0.655*** (11.34) 0.372*** (6.72) 0.477*** (8.08) 0.377*** (10.42) AGE 0.0783*** (12.00) 0.0876*** (7.30) 0.0642*** (6.32) 0.0826*** (7.66) 0.0699*** (8.73) AGE2 -0.000857*** (-13.8) -0.000899*** (-7.48) -0.000668*** (-6.86) -0.000792*** (-7.52) -0.000720*** (-9.18) _cons 10.53*** (63.12) 5.477*** (19.13) 11.01*** (43.86) 10.59*** (39.65) 8.269*** (42.05) N 1332 715 765 1289 911 adj. R-sq 0.299 0.216 0.134 0.090 0.196
Anm: Robusta standardfel inom prantes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
I regressionstabellen ovan ser vi högst signifikanta resultat för ökande inkomst med utbildning och ålder (erfarenhet) i samtliga länder, med ca. 7-8 procent högre inkomst per år av erfarenhet. Kulmen av inkomstökningen nås när deprecieringstakten av humankapitalstocken hunnit ikapp de totala investeringarna (skolgång samt vidareutbildning), d.v.s. när nettoinvesteringarna är lika med noll, och därefter kan vi från tabellen utläsa att inkomsten avtar något med åldern (AGE-squared).
Resultaten visar att en dansk med gymnasieutbildning har ca. 37 procent högre inkomst än den som enbart har grundskoleutbildning och en dansk med högskoleutbildning som högsta utbildningsnivå har ca. 66 procent högre inkomst jämfört med en som enbart har grundskoleutbildning. Likaså har en finsk med gymnasieutbildning 22 procent högre inkomst och en finsk med högskoleutbildning 66 procent högre inkomst. En islänning med gymnasieutbildning har 16 procent högre inkomst och en islänning med högskoleutbildning har 37 procent högre inkomst. En norrman med gymnasieutbildning har 14 procent högre inkomst och en norrman med högskoleutbildning har 48 procent högre inkomst. Och en svensk med gymnasieutbildning har 22 procent högre inkomst och en svensk med högskoleutbildning har 38 procent högre inkomst.
Vi observerar olika värden på konstanten p.g.a. olika mätmetoder i de länder-specifika inkomstvariablerna. Men då vår beroendevariabel förekommer i logaritmisk form, är värden på intercept ej av särskilt stort intresse.
22
För att beräkna avkastningen för resp. utbildningsnivå använder vi ekvation (4)-(5) och får följande resultat:
Tabell 4: Genomsnittlig avkastning2
DK FI NO SE IS
rs 0.123 0.072 0.047 0.074 0.054
rt 0.097 0.146 0.112 0.052 0.070
Avg. r 0.11 0.109 0.080 0.063 0.062
Danmark uppvisar högst genomsnittlig avkastning för ett extra års utbildning (över alla utbildningsnivåer) på 11 procent, följt av Finland på 10,9 procent. Norge har en genomsnittlig avkastning på ca 8,0 procent, följt av Sverige på 6,3 procent och lägst avkastning har Island med ca 6,2 procent. Där Sverige och Danmark uppvisar avtagande avkastning över utbildningsnivåer. Medan Norge, Finland och Island uppvisar tilltagande avkastning.
Nedan visas en regressionstabell där vi kontrollerat för ett antal variabler som kan anses påverka inkomsten utöver utbildning: antal arbetade timmar per vecka, civilstånd samt boenderegion. Antal arbetstimmar i veckan har en signifikant positiv inverkan på inkomsten i samtliga länder, och den estimerade utbildningspremien sjunkit för samtliga länder och utbildningsnivåer. Den diskonterade avkastningen är nu: Danmark (8,8%), Finland (10,2%), Norge (7,3%), Sverige (5,3%), Island (5,4%). Finland toppar nu listan med högst avkastning och Sverige hamnar i botten. Civilstånd och boenderegion har ingen signifikant inverkan, med undantag för Danmark och Sverige, där det förekommer en signifikant positiv inverkan på inkomsten av att vara gift, samt Norge, där boende i en storstad har en signifikant positiv inverkan på inkomsten. Koefficienten för boenderegion har utlämnats för Island p.g.a. multikollinearitet.
2 Om antagandet om studietid justeras till fem års studier på tertiär nivå blir den genomsnittliga avkastningen
över utbildningsnivåer: Danmark 9,1 procent; Finland 8,0 procent; Norge 5,7 procent; Sverige 5,3 procent och Island 4,8 procent.
23
Tabell 5: Mincer-regressioner med kontrollvariabler (1) lnDK_RINC (2) lnFI_RINC (3) lnIS_RINC (4) lnNO_RINC (5) lnSE_RINC seduc 0.236*** (5.10) 0.177*** (3.37) 0.120 (1.91) 0.163** (2.79) 0.153*** (4.26) teduc 0.531*** (9.27) 0.609*** (9.55) 0.320*** (6.27) 0.439*** (7.15) 0.314*** (9.83) AGE 0.0699*** (9.11) 0.0452* (2.45) 0.0387** (2.59) 0.0715*** (5.82) 0.0443*** (4.24) AGE2 -0.000792*** (-10.76) -0.000401 (-1.96) -0.000361* (-2.21) -0.000688*** (-5.77) -0.000450*** (-3.90) WRKHRS 0.00921*** (4.56) 0.0209*** (4.43) 0.0133*** (5.26) 0.0151*** (6.14) 0.0172*** (6.68) married 0.0763** (2.63) -0.00256 (-0.06) -0.0735 (-1.64) -0.0220 (-0.54) 0.0570* (1.98) URBAN 0.0101 (0.27) -0.0255 (-0.40) 0 (.) 0.129* (2.38) 0.0515 (1.42) _cons 10.51*** (51.07) 5.700*** (12.83) 11.12*** (35.73) 10.25*** (34.59) 8.221*** (34.63) N 1225 453 554 1246 707 adj. R-sq 0.304 0.292 0.178 0.140 0.273 Anm: Robusta standardfel inom prantes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
I en regression som kontrollerar för kön är koefficienten för kvinnliga respondenter signifikant negativ i alla länder (se tabell 6), d.v.s. att vara kvinna har en negativ inverkan på inkomsten. Koefficienterna på interaktionstermerna uppvisar dock ingen signifikant skillnad i avkastning mellan könen på någon utbildningsnivå.
Tabell 6: Mincer-regressioner med interaktionstermer (1) lnDK_RINC (2) lnFI_RINC (3) lnIS_RINC (4) lnNO_RINC (5) lnSE_RINC seduc 0.337*** (4.40) 0.265*** (3.95) 0.235* (2.35) 0.161** (2.64) 0.243*** (4.85) teduc 0.613*** (6.83) 0.707*** (7.67) 0.379*** (5.39) 0.519*** (6.94) 0.355*** (6.62) AGE 0.0750*** (10.05) 0.0888*** (7.44) 0.0649*** (6.86) 0.0832*** (6.28) 0.0715*** (9.72) AGE2 -0.000831*** (-11.83) -0.000910*** (-7.88) -0.000668*** (-7.29) -0.000804*** (-6.22) 0.000739*** (-10.39) female -0.203* (-2.36) -0.298*** (-4.95) -0.532*** (-8.61) -0.297** (-2.75) -0.246*** (-6.21) fem_seduc -0.00742 (-0.08) -0.0347 (-0.39) 0.0632 (0.50) -0.00361 (-0.03) -0.0833 (-1.18) fem_teduc -0.0217 (-0.19) -0.0742 (-0.62) 0.124 (1.28) -0.0365 (-0.29) 0.0482 (0.69) _cons 10.76*** (53.71) 5.592*** (18.99) 11.22*** (47.98) 10.72*** (32.52) 8.374*** (45.30) N 1332 715 765 1289 911 adj. R-sq 0.329 0.278 0.249 0.130 0.258 Anm: Robusta standardfel inom prantes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
24
Genom att inkludera jämförande regressioner för Tyskland och USA (enligt den enkla Mincer-modellen som kontrollerar enbart för erfarenhet) ser vi hur den genomsnittliga avkastningen skiljer sig från den i den nordiska regionen. Vi väljer här att endast upprepa regressioner för de nordiska högavkastningsländerna, Danmark (11%) och Finland (10,9%), och jämför dessa resultat med det för Tyskland samt USA (se tabell 8 i appendix). Tyskland uppvisar en avkastning på 8,2 procent som, likt Danmark, Finland och Norge ligger i linje med det globala genomsnittet och avviker således inte nämnvärt från de nordiska länderna. USA uppvisar däremot en betydligt högre genomsnittlig avkastning på ca 16,3 procent. Inkomsten tycks även öka snabbare med antal år av erfarenhet men inkomstbortfallet vid högre ålder är även av större magnitud än i de nordiska länderna.
8. Diskussion
Innan vi tolkar våra resultat diskuterar vi kausalitetsproblematiken kring vår modells parameterskattningar.
Endogena faktorer som ej fångas upp av estimeringsmodellen kan skapa bias i resultaten. En sådan faktor är individens inneboende kapacitet, som tros öka incitamenten för utbildning samtidigt som den ökar alternativkostnaden för tid spenderad i utbildning. Avkastningen på utbildning för mer kapabla individer kommer således att bero på vilken av dessa faktorer som starkast påverkar investeringsbeslutet. Individer med låg studiemotivation och likviditets-begränsade individer har högre alternativkostnad för utbildning och kommer således att kräva en högre diskonteringsränta för att utbildning ska anses attraktiv. Sådan korrelation mellan kapacitet och diskonteringsränta kan orsaka systematiska avvikelser i resultaten. När kapacitet är negativt korrelerad med diskonteringsräntan (för individer med hög likviditet tack vare priviligierad familjebakgrund t. ex.) så innebär detta att den marginella avkastningen på utbildning är högre för mer kapabla individer än för genomsnittet, och således påverkar investeringsbeslutet (Boarini och Strauss, 2010).
Med kvasi-experimentella estimeringsmetoder, med instrumentalvariabler baserade på familjebakgrund, kan man undersöka kausaliteten mellan utbildning och inkomst, där individens kapacitet och relaterade faktorer tas i beaktning. Sådana estimeringar ger något högre avkastning, vilket innebär att den traditionella Mincer-regressionen systematiskt
25
underskattar storleken på avkastning på utbildning. Skillnaden i resultat mellan olika estimeringsmetoder är dock så liten att den är försumbar (Psacharopoulos och Patrinos, 2004), vilket ger implikationer om att det trots allt verkar existera ett orsakssamband mellan utbildning och inkomst, även då man kontrollerar för dolda faktorer som medfödd kapacitet.
I tidigare studier, där man analyserat ett geografiskt spritt urval av ett hundratal länder, har författarna funnit en genomsnittlig avkastning på utbildning på ca 8–10 procent. Våra regressioner visar att avkastningen på utbildning i Danmark, Finland och Norge ligger omkring det globala genomsnittet, medan Sverige och Island ligger under. Vi kan dock inte finna några samstämmiga starka bevis för avtagande avkastning över utbildningsnivåer (Psacharopoulos, 1985, -94), då avkastningen på gymnasieutbildning är större än avkastningen på högskoleutbildning för vissa land, men mindre för andra. I tabell 2 ser vi dock att medelvärdet på koefficienten för tertiär utbildningsnivå är lägre än den för sekundär utbildningsnivå. Likaså, när vi ändrar antagandet om studietiden på tertiär nivå från ett treårigt högskoleprogram (kandidatnivå) till ett femårigt högskoleprogram (mastersnivå), sjunker den estimerade genomsnittliga avkastningen på utbildning. Detta talar således för en avtagande avkastning över utbildningsnivåer. Avkastning på arbetslivserfarenhet och vidareutbildningar visar på samma konsistenta resultat för alla länder som kan observeras i tidigare litteratur. Och den svaga men kontinuerliga inkomstsänkning som kan observeras efter en viss ålder stämmer väl överens med den typ av välfärdssystem som återfinns i de nordiska länderna.
Den genomsnittliga avkastningen på utbildning kan variera från 4 t.o.m. 15 procent för ett mindre urval länder (Boarini och Strauss, 2010), och det är oklart hur mycket av variationen i avkastningen mellan de nordiska länderna som kan vara en följd av systematiska avvikelser p.g.a. olika urvals- och mätmetoder mellan länderna. R2 varierar mellan 9 och 33 procent mellan regressionerna. Förklaringsgraden ökar dock då vi inkluderar fler kontrollvariabler. Även om viss försiktighet bör vidtas kring jämförelser mellan olika länders avkastning på utbildning så kvarstår möjligheten att skillnader i avkastning kan spegla skillnader i skolsystemen inom de olika länderna.
Danmark har ingen skolplikt men är ändå det land som visar högst avkastning på utbildning. Såväl Danmark och Finland som Norges höga avkastning överensstämmer med resultaten från senaste PISA-undersökningen där elever i dessa länder presterade över OECD-genomsnittet. Om PISA-resultaten i någon mån kan antas spegla kvaliteten i ländernas utbildningssystem så kan detta ha ett samband med nivån på avkastningen. Speciellt för Danmark och Finland är
26
också att de erbjuder en frivillig tiondeklass som fortsättning efter grundskolan vilket ev. kan motivera elever med hög medfödd kapacitet till ytterligare studier på högre nivå, vilket i sådana fall torde öka den estimerade avkastningen i dessa länder. Ytterligare förklaringar till en högre nivå på avkastningen på utbildning kan t.ex. vara en flexibel arbetsmarknad som är nära integrerad med utbildningssystemet (Boarini och Strauss, 2010).
En lägre avkastning i Sverige och på Island överensstämmer med dessa länders svagare PISA-resultat. En lägre nivå på avkastningen behöver dock inte nödvändigtvis betyda att utbildningspremien är låg i sig utan skulle till viss del kunna spegla konkurrensförhållandena inom ett land (Psacharopoulos och Patrinos, 2004). I Sverige utbildar sig många inom gymnasieutbildning såväl som högskoleutbildning vilket ökar utbudet på utbildningar och bidrar då också till att den totala avkastningen pressas ned för varje individ.
Då vi kontrollerar för kön kan vi ej finna bevis för några signifikanta skillnader i avkastning på utbildning mellan könen. Att vara kvinna tycks dock generellt ha en negativ effekt på inkomsten. Denna negativa effekt tros därför bero på andra faktorer än utbildning, t.ex. förkortad arbetstid/försämrade löneutvecklingsmöjligheter p.g.a. längre föräldraledighet etc. Att antal arbetade timmar i veckan sänker utbildningspremien men har en positiv effekt på inkomsten är föga förvånande, då inkomstskillnader som nämnt kan bero på fler faktorer än utbildningsnivå t.ex. arbetstider. Vid utelämnande av kontrollvariabler som har en positiv inverkan på inkomsten kommer således koefficienterna på utbildning tendera att överskattas. Koefficienterna för civilstånd och boenderegion är övergripande osignifikanta och har ingen ekonomisk relevans och är således ej av intresse för vår analys. Vi tar därför ingen hänsyn till den för Island uteslutna variabeln.
Den avsevärt högre avkastningen på sekundär och post-sekundär utbildning i USA är av stort intresse. Här blir kausalitetsproblematiken särskilt framträdande, då studier på högre nivå är avgiftsbelagda, och den högre avkastningen möjligtvis kan påverkas av det faktum att stundenter med mer priviligerad bakgrund (dolda faktorer) ev. har större tillgång till högre studier. Närvaron av väl utvecklade förmånssystem med lån och stipendier till individer med lägre socioekonomisk bakgrund talar dock emot detta faktum. Det faktum att universitetsutbildning på grundnivå ofta är indelad efter kärnämnesområden som studenter måste tillgodogöra sig innan de kan specialisera sig mot valt huvudämnesområde (major), kan vara en bidragande orsak till den höga avkastningen på utbildning i USA, då avkastningen är högre för allmän utbildning till skillnad från specialiserad utbildning (Psacharopoulos, 1985).
