Bostadssegregation och politiskt deltagande: Bostadsområdets betydelse för individers politiska deltagande i Sverige

(1)

Uppsala universitet

Statsvetenskapliga institutionen Kandidatuppsats

Vårterminen 2018

Författare: Johannes Eckerström Liedholm Handledare: Sven Oskarsson

Bostadssegregation och politiskt deltagande

Bostadsområdets betydelse för individers politiska deltagande i Sverige

(2)

(3)

Innehållsförteckning

1. INLEDNING... 4

2.TEORI- OCH DISKURSANKNYTNING ... 6

2.1 Områdeseffekter... 6

2.2 Interaktionseffekter ... 8

2.3 Politiskt deltagande ... 9

3.DATA ... 13

3.1 Oberoende variabler... 13

3.2 Beroende variabler ... 15

4.METOD OCH DESIGN... 17

5.RESULTAT ... 20

5.1 Områdeseffekter... 20

5.2 Interaktionseffekter ... 31

6.AVSLUTANDE REFLEKTIONER ... 39

7.REFERENSER ... 41

(4)

(5)

1. Inledning

I denna uppsats undersöks om det finns en koppling mellan individers politiska deltagande och det bostadsområde som individen bor i. Närmare bestämt handlar det om betydelsen av att leva i ett område med högre arbetslöshet lägre utbildningsnivå och större andel

invandrare.¹ Det som också undersöks är hur en sådan eventuell områdeseffekt påverkar individuella egenskapers betydelse för politiskt deltagande. Vilket innebär att starka individuella resurser förväntas ha större betydelse i ett område med svaga områdesresurser än i ett område med starka områdesresurser. Det är då fråga om interaktionseffekter vilket jag kommer återkomma till under nästföljande avsnitt.

Att ett högt politiskt deltagande är viktigt i vårt demokratiska samhälle behöver knappast en djupare förklaring och analyseras inte djupare i denna uppsats. Politiskt deltagande är exempelvis en viktig del i många klassiska demokratidefinitioner.² Det är också centralt att deltagandet är i hög grad likvärdigt mellan olika samhällsgrupper. Om så inte är fallet riskerar de grupper som inte utnyttjar sin rätt att delta politiskt att bli

bortglömda i politiskt beslutsfattande och legitimiteten för vårt demokratiska system försämras.

Även om dataunderlaget för denna uppsats inte är helt nytt finns det outforskade frågor kvar i materialet som är högaktuella idag. Senast 2017 tog regeringen upp problemet med att personer som lever i segregerade områden och att detta innebär problem för

demokratin.³ Problemet med segregation och dess eventuella påverkan på politiskt deltagande är inte heller nytt för de senaste åren utan är återkommande i statliga utredningar, i rapporter från SCB och i akademiska arbeten.⁴ Mycket av

problemidentifiering och forskning som bedrivits i ämnet är dock inriktad på hur individens egna resurser påverkar hens politiska deltagande, inte hur individens kontext påverkar deltagandet. Dessutom finns det en tendens att slutsatserna kring områdeseffekternas betydelse inte är tillräckligt vetenskapligt underbyggda vilket också påpekats av vissa

1 Nedan används bland annat ”resurssvaga” ”resurssvaga” områden för att beskriva samma fenomen.

2 Se ex. Dahl 1989, Rousseau 1762.

3 Regeringen 2017.

4 Se Strömblad 2003, SOU 1995:142, SOU 1998:25, SCB 2015 s 84.

(6)

författare.⁵ Sammanfattningsvis är det viktigt att förstå hur individer påverkas av sin omgivning om det är klarlagt att personer i vissa valdistrikt eller från vissa grupper röstar i mindre utsträckning än andra. Det är också intressant att förstå hur betydelsen av individens egna resurser påverkas av att leva i ett resurssvagt område, vilket då handlar om en

interaktionseffekt.

Syftet med denna uppsats är att först undersöka bostadssegregationen som

områdeseffekt på politiskt deltagande för att därefter också undersöka områdesresursernas interaktionseffekt på individresursernas betydelse. Fokusområdet för detta är politiskt deltagande i hela Sverige.

Områdeseffekters betydelse för politiskt deltagande är också relevant för hur vi ser på bostadssegregation i relation till politiskt deltagande. Om vi ser det som ett problem i sig för det politiska deltagandet med en egen karakteristik eller om det ses som en samling av resurssvaga individer och inte ett problem i sig. Det finns här en rad underliggande samhällsfrågor. Om vi kan se negativa effekter på politiskt deltagande av att leva i resurssvagt område i sig, finns ett incitament att aktivt försöka motverka

bostadssegregationen. Att motverka bostadssegregation har också implikationer för många olika områden i samhället. En djupare förståelse av bostadssegregationens områdeseffekter har således betydelse för en mängd stora politiska frågor som exempelvis utbildning, arbetsmarknad, bostadsfrågor och socialt skyddsnät.

Områdeseffekter kan alltså vara en förklaring till att personer i socioekonomiskt svaga områden i mindre utsträckning deltar politiskt vilket också visats i flera studier.⁶ En

förklaring kan vara att det i ett svagare område också sprids en misstro till det politiska systemet som fortplantar sig i området och påverkar invånarna negativt. Detta leder slutligen till en lägre grad av deltagande.⁷

Det kan med denna bakgrund framstå som att slå in en öppen dörr att påstå att personer som lever i ett socioekonomiskt ”svagt” område har lägre grad av delaktighet i det politiska livet. Men det som söks är som sagt en förklaring av deltagandet som inte bygger på att det

5 Strömblad 2003, Brännström 2006 s 2 f f., Vedung 2006.

6 Strömblad 2003, Strömblad, Myrberg 2013 s 1058, Oliver 1999 s 190.

7 Strömblad 2003 s 50 f.

(7)

segregerade området är en samling av individer som inte deltar i det politiska livet utan att det segregerade området orsakar en lägre grad av delaktighet hos invånarna. Det är

följaktligen en utmaning att förklara hur dessa skillnader på makronivå påverkar individers beteende på mikronivå. Dessutom ska eventuella interaktionseffekter undersökas för att se om det finns stöd för att individuella resurser har större betydelse i ett socioekonomiskt svagt område än i ett starkt.

I nästföljande avsnitt presenteras den teoretiska bakgrunden och tidigare forskning i ämnet. Detta utgör grunden för undersökningen och leder fram till mina hypoteser. Därefter följer en närmare presentation av den data jag använt och metoden. De resultat som jag kommer fram till presenteras och analyseras därefter. Uppsatsen avslutas med ett sammanfattande avsnitt där slutsatser diskuteras.

2. Teori- och diskursanknytning

Varför kan det förväntas vara så att området där en individ bor påverkar hens politiska deltagande? För att svara på det behövs en förklaring av den teoretiska bakgrunden till såväl områdeseffekter och interaktionseffekter som politiskt deltagande. Nedan följer en presentation av den teoretiska bakgrunden till uppsatsen.

2.1 Områdeseffekter

Frågan om vad som ligger till grund för en persons politiska agerande och deltagande är svår och individuella egenskaper är givetvis centrala vid formandet av politiska

uppfattningar och politiskt agerande hos enskilda individer.

Områdeseffekt eller kontextuell effekt kan beskrivas som att de samlade egenskaperna i en given kontext inte bara beskriver de samlade egenskaperna hos

individerna i det området utan också påverkar individernas beteende på ett oberoende och signifikant sätt.⁸ Om dessa effekter innebär en skillnad i politiskt deltagande mellan individer bosatta i starka respektive svaga områden trots att det kontrollerats för

individuella faktorer finns stöd för att områdeseffekten finns i det relevanta avseendet.

8 I det här fallet är Small Areas for Market Statistics (SAMS) områden avgränsningen av bostadsområden.

(8)

Att områdeseffekter som fenomen finns och påverkar individers politiska agerande har visats tidigare, bland annat i en artikel från Huckfeldt och Sprague från 1993. I artikeln undersöker författarna hur de två olika kontexterna bostadsområde och kyrkor påverkar individens politiska preferenser. Detta sker genom flera samtidiga intryck från omgivande individer påverkar individens uppfattningar. Resultatet ger alltså för handen att individens egenskaper påverkar hur denne agerar politiskt men att områdesresurser också påverkar individens agerande.⁹ Huckfeldt och Sprague undersökte visserligen politiska preferenser men det ger ändå en indikation på att individers politiska agerande påverkas av den kontext de befinner sig i.

Det finns även andra studier som pekar på att ett område med ”hög status” främjar just politiskt deltagande.¹⁰ Enligt denna studie sker påverkan genom att gruppen som omger individen på ett informellt sätt överför normer på individen där politiskt deltagande ingår.¹¹ En individs kontext, i form av resurserna hos de andra individerna i

bostadsområdet, kan följaktligen påverka politiskt deltagande hos individen.

Sammanfattningsvis är det både individens egenskaper som den har med sig eller utvecklar samt den kontext individen befinner sig i som kan påverka individens deltagande i det politiska livet.

Idén i denna uppsats är således att pröva huruvida det sker en överföring av negativa effekter mellan individer i resurssvaga bostadsområden. Frågan är då hur denna överföring kan tänkas ske. En person som lever i ett välbärgat område kommer att bli exponerad för politiska uppfattningar och synsätt som skiljer sig från en individ som lever i ett

arbetarklassområde. Sammansättningen av individer i ett område innebär alltså att

omgivningen påverkar individers politiska uppfattningar.¹² Nedan under rubriken politiskt deltagande diskuteras hur politiskt deltagande kan antas bli påverkat av individens och områdets egenskaper.

9 Huckfeldt, Plutzer,s Sprague 1993 s 365 f f.

10 Oliver 1990.

11 Oliver 1990 s 190.

12 Se Biterman, Franzén 2006 s 191, Burbank 1995 s 621.

(9)

Figur 1 Områdeseffekter

Figuren visar hur både områdesresurser och individuella resurser förväntas ha effekt på politiskt deltagande.

2.2 Interaktionseffekter

Utöver frågan om områdeseffekter är det också intressant att veta om effekten av en persons individuella resurser påverkas av den kontext personen befinner sig i. Där starka individuella resurser har större betydelse i ett svagare område och mindre betydelse i ett starkare område. Utöver att det rimligtvis finns en effekt på politiskt deltagande är hypotesen att effekten på politiskt deltagande av en persons individuella egenskaper varierar mellan de olika områdena. Alltså att det finns en interaktionseffekt.¹³

Genom att jämföra hur effekten av individuella resursers påverkan på politiskt

deltagande påverkas av områdeseffekten mellan priviligierade och oprivilegierade områden kastas ett nytt ljus över frågan. Exempelvis kan slutsatsen dras att om bostadssegregationen minskas kan individer så att säga hjälpas av att ha andra resursstarka individer runt sig och i förlängningen öka det politiska deltagandet.

Idén avseende interaktionseffekter är att starka individuella egenskaper (att förvärvsarbeta, vara högutbildad och svenskfödd) har större effekt på det politiska deltagandet i ett resurssvagt område än vad motsvarande egenskaper har i ett resurssvagt

13 Verba, Nie och Kim 1978 s 157 f f.

Områdesresurser

Individuella resurser

Politiskt deltagande

(10)

område. Frågan blir följaktligen, i en situation där allt annat är lika, kommer en persons individuella resurser ha större betydelse för om personen deltar politiskt i ett svagare område än i ett starkare?

Figur 2 Interaktionseffekter

Figurens streckade linje illustrerar områdeseffekters interaktionseffekt på individuella resurser eller faktorer.

2.3 Politiskt deltagande

Den teoretiska modell jag valt för att förstå politiskt deltagande är Verba, Schlozman och Bradys Civic Voluntarism Model (CVM).¹⁴ Modellen bygger på amerikanska enkätdata vilket kan påverka hur överförbara slutsatserna är på en svensk kontext. Syftet med CVM i denna uppsats är dock att fungera som ett verktyg för att tydliggöra varför och hur

bostadsområde som kontextuell faktor kan påverka politiskt deltagande. Syftet är inte att modellen ska testas empiriskt. Denna modell har också använts tidigare i forskning på områdeseffekter på politiskt deltagande i en svensk kontext.¹⁵

CVM innehåller huvudsakligen tre delar, resurser, motivation och rekryterande nätverk som uppmanar individen att delta politiskt. Alla dessa tre övergripande delar är tänkta att förklara individers politiska deltagande. Resurserna består av komponenterna tid,

14 Verba, Schlozman, Brady 1995.

15 Strömblad 2003.

Politiskt deltagande Områdeseffekter

(11)

pengar och ”civic skill” vilket kan beskrivas som medborgerliga färdigheter.¹⁶ Civic skill kan också beskrivas som att det påverkar om en individ kan delta. Motivation utgör grunden om och hur en individ vill delta politiskt. Om en person blir uppmanad att agera politiskt exempelvis att rösta på sin arbetsplats eller av en grupp i sitt bostadsområde eller liknande är detta enligt CVM ett exempel på rekryterande nätverk. Modellen fångar enligt vad som kan beskrivas som den intuitiva förståelsen av vad som orsakar politiskt

deltagande. Modellen är också använd i annan forskning och framstår som lämplig för en undersökning av områdeseffekter på politiskt deltagande.¹⁷ Det finns dock ett uppenbart problem med en teoretisk grund som är allt för allmängiltig och intuitiv eftersom den tappar i förklaringskraft. CVM är trots detta en bra utgångspunkt för att förstå politiskt deltagande på ett generellt plan.

Det intressanta för denna uppsats är om exempelvis de medborgerliga färdigheterna hos personer i ett bostadsområde påverkar individer i områdets resurser. Exempelvis är det rimligt att anta att högutbildade personer har bättre medborgerliga färdigheter än

lågutbildade personer. Om en individ har många högutbildade i sin omgivning kan

personen få hjälp och information av sina grannar etc. Denna form av stöd finns rimligtvis inte på samma sätt i ett område med få högutbildade personer. I det senare området kommer en individ inte ha tillgång till samma resurser i form av omgivande högutbildade personer.

Samma skillnad mellan det mindre priviligierade området och det mer priviligierade området uppstår rimligen om omgivningen består av fler invandrare. Dessa har med största sannolikhet mindre kunskaper i svenska språket, om institutioner i samhället och svenska myndigheter. Slutligen har förvärvsarbetande individer rimligen mer ekonomiska och sociala resurser. Är det fler arbetslösa i omgivningen kan det antas att det påverkar resurserna negativt vilket sedan leder till ett lägre politiskt deltagande.

Även individers motivation att delta politiskt kan tänkas påverkas av bostadsområdet som kontext. För svenskt vidkommande finns det stöd för att en känsla av medborgerlig skyldighet är den starkaste motivatorn bakom politiskt deltagande, i det fallet att rösta i

16 Se särskilt Verba, Schlozman, Brady kap 10–11.

17 Strömblad 2003.

(12)

allmänna val.¹⁸ Mot den bakgrunden kan eventuellt lägre känsla av tillhörighet med övriga samhället leda till att personer i segregerade områden inte har en lika stark känsla av medborgerlig skyldighet. Utöver variabler för politiskt deltagande har jag även tre attitydvariabler som mäter politiskt intresse, politisk systemtilltro och självtilltro som beroende variabler. Dessa ligger nära CVM:s begrepp motivation och kan alltså förklara hur och varför en person vill delta politiskt.

En individ tar intryck av sin omgivning. Det har bland annat visats att det är troligt att en person som regelbundet möter andra från exempelvis arbetarklass får en särskilt formad syn på bland annat politik och samhället i stort.¹⁹ Ett lågt politiskt intresse, systemtilltro och självtilltro kan antagas vara mer förekommande bland individer i ett resurssvagt område.

Dessa egenskaper kan sedan fortplanta sig i området genom att individer tar intryck av varandra. Det omvända kan rimligen förväntas i ett resursstarkt område där många i omgivningen har en starkare position i samhället vilket kan leda till att politiskt intresse, självtilltro och systemtilltro ökar. Detta kan i sin tur påverka andra individer positivt avseende politiskt deltagande.

Slutligen kan omgivningen påverka individen genom vad som i CVM benämns rekryterande nätverk. I detta avseende handlar det om i hur stor utsträckning som omgivande individer är politiskt aktiva eller hur närvarande olika politiska aktörer är i bostadsområdet. Om individen regelbundet möter andra politiskt engagerade i sin omgivning ökar sannolikheten att denne också blir utsatt för rekryteringsförsök.

Sammanfattningsvis finns det olika sätt att förklara områdeseffekternas förväntade påverkan på politiskt deltagande. Det kan också vara så att det finns överlapp mellan de tre övergripande CVM kategorierna. Målsättningen för denna undersökning är dock som sagt inte att testa CVM som modell på ett empiriskt sätt.

18 Teorell och Westholm 2000.

19 Heinz 1986 s 21.

(13)

Figur 3 Områdeseffekter och CVM

Figur 3 visar hur områdesresurser och individuella resurser påverkar de tre övergripande delarna i CVM. Den streckade linjen representerar den hypotetiska interaktionseffekten mellan områdesresurser och individuella resursers betydelse för politiskt deltagande.

Varför kan vi förvänta oss ett negativt samband mellan att leva i en socioekonomiskt svag kontext och att delta politiskt? Svaret på frågan är inte alldeles enkel men tanken är att kontexten svarar för en del i CVM. Det skapas ett socialt tryck i ett starkare område att exempelvis rösta eller vara engagerad politiskt. I ett svagare område är detta tryck från omgivningen inte lika starkt.

Följande två hypoteser prövas i den följande undersökningen.

H1a Det finns signifikanta områdeseffekter på politiskt deltagande även då det kontrolleras för individuella resurser.

H1b Storleken på effekten av individuella resurser varierar beroende på om individen bor i ett resurssvagt eller resursstarkt område.

Områdesresurser

Civic skills

Motivation

Rekryterande nätverk

Politiskt deltagande

(14)

3. Data

Den svenska medborgarundersökningen från 1997 ligger till grund för analysen i denna uppsats. Det är en storskalig enkätundersökning som består av ett representativt urval av alla i Sverige då bosatta personer mellan 16 och 80 år. Intervjuer genomfördes med 1460 personer, alltså en svarsfrekvens på drygt 74%. Datamaterialet är kompletterat med uppgifter indelade i SAMS områden vilket möjliggör en undersökning av områdeseffekter på politiskt deltagande.²⁰ Sverige består av ungefär 9000 SAMS områden. Det innebär att ett SAMS område består av ca 1000 personer i genomsnitt (Med befolkningsmängden 1997) och är indelningar som syftar till att avgränsa bostadsområden från andra områden som exempelvis industriområden och liknande. Ett SAMS område kan alltså fungera som en någorlunda nära avgränsning av ett bostadsområde från ett annat.²¹ Detta innebär givetvis inte att alla SAMS områden består av lika många invånare. Det finns fördelar med att avgränsa materialet och använda enbart större områden i undersökningen. Exempelvis kan slumpmässiga variationer i små områden visa en slagsida på områdeseffekter där. Min målsättning är dock att undersöka områdeseffekter i hela Sverige och kommer därför inte att avgränsa materialet.

3.1 Oberoende variabler

Till att börja med används områdesarbetslöshet som oberoende variabel. Denna består av information på SAMS nivå om hur många personer i varje område som är arbetslösa, därefter är summan dividerad med totalbefolkningen för att få fram en andel arbetslösa för SAMS områden. Därutöver används områdesinvandrartäthet. Detta mått är ett typ av additivt index där antalet personer födda i Afrika, Asien, Latinamerika och Östeuropa samlats och sedan dividerats med totalbefolkningen. Indelningen är till för att fåna upp den grupp invandrare som teoretiskt sett har sämst förutsättningar att ha goda, för politiskt deltagande relevanta, resurser. Följaktligen exkluderas här invandrare från Nordamerika, Norden, Oceanien och Västeuropa. Områdesutbildningsnivå tas också med i analysen.

20 Pettersson, Hermansson, Micheletti, Teorell, Westholm 1998.

21 Strömblad 2003 s 54.

(15)

Denna är definierad som andelen högutbildade i ett område. Högutbildade innebär i detta sammanhang en eftergymnasial utbildning om mer än tre år. Samtliga oberoende

områdesvariabler är kodade som andel i procent.

För varje oberoende variabel på områdesnivå kontrolleras för denna på individnivå.

Detta finns också anledning att återkomma till nedan. På individnivå mäts om personen är Invandrare eller inte i form av en dummyvariabel som antar värdena 0 eller 1 där 0 är nej och 1 är ja. Att hänsyn inte tas till om personen är född i Sverige med invandrade föräldrar har dels att göra med att få en så bra överensstämmelse som möjligt mellan variabeln på områdesnivå och individvariabeln. Utöver detta tenderar så kallade andra generationens invandrare vara mer lika den övriga befolkningen vad gäller politiskt deltagande.²²

Utbildning mäts på individnivå genom en variabel där respondenten svarat på hur många års utbildning hen har. Jag har topp- och bottenkodat denna variabel vilket innebär att den varierar mellan 7 år och 20 år. Anledningen var att det fanns ett antal värden som låg runt 1 respektive 30 år. Att ha så kort eller lång utbildning framstår som osannolikt och kan riskera att påverka resultatet i analyserna. Jag lät därför 7 år och 20 år representera en rimlig lägsta respektive högsta nivå på utbildning.

Arbetslösheten mäts på individnivå genom respondentens svar på frågan om hen förvärvsarbetar. Variabeln mäts i form av en dummyvariabel där elva svarsalternativ finns med men där svarsalternativ 2–11 mäts i relation till svarsalternativ 1. Följande är

svarsalternativen för variabeln. 1 Ja, arbetar heltid (i regressionsanalysen borttaget), 2 Ja, arbetar deltid, 3 Ja, men är tillfälligt arbetslös (Mindre än månader), 4 Ja, men är tjänstledig för studier, 5 Ja, men är för tillfället föräldraledig, 6 Ja, men arbetar inte för närvarande av andra skäl, 7 Nej, är pensionerad/ förtidspensionerad/ sjukpensionerad, 8 Nej, är arbetslös sedan längre tid (mer än 6 månader), 9 Nej, studerar, 10 Nej, stannar hemma för att ta hand om barn, 11 Nej, förvärvsarbetar inte av andra skäl.

Utöver dessa variabler används registerdata om kön och ålder som kontrollvariabler.

Kön är en dummyvariabel som antar värdet 1 för man och 2 för kvinna. Anledningen till att ta med dessa två är främst då de ofta är med för rutinkontroll av kön och åldersfaktorer.

22 SCB 2013.

(16)

Dessutom kan det antas att ålder påverkar utbildningsnivå negativt eftersom utbildningsnivån är högre i yngre generationer.

3.2 Beroende variabler

Politiskt deltagande mäts med en samling av flera olika frågor samt additiva index. Detta för att den totala mängden frågor ska ge en samlad bild av politiskt deltagande och inte bara att rösta i allmänna val. Det kan trots allt vara så att det som skiljer ett resursstarkt område från ett svagt är att formen för det politiska deltagandet varierar och det behöver jag ta hänsyn till när jag väljer enkätfrågor för att fånga upp politiskt deltagande. Dessa frågor har jag satt samman under kategorier för att låta kategorier i sin tur svara mot olika former av deltagande. Jag har också tagit med tre kategorier som sammanfattningsvis fångar upp orsaksmekanismer till politiskt deltagande. Som ovan nämnts kan dessa sägas ligga nära CVM:s andra övergripande enhet motivation.

Röstat i val till kommunfullmäktige mäts genom en fråga som valdeltagande i tre allmänna val. Jag har uteslutit svar på frågan om respondenten röstat i valet om

medlemskap i EU samt val till Europaparlamentet. Jag har också exkluderat de som svarat att de inte var röstberättigade vid tidpunkten för valet. Svaret är kodat som 0 vid nej och 1 vid ja.

Partiaktiviteter mäts i form av ett additivt index bestående av följande fem frågor. 1 Är du medlem i politiskt parti eller sammanslutning? 2 Har du varit på politiskt möte eller sammankomst senaste året? 3 Har du eller har du haft någon förtroendepost i politisk förening eller organisation? 4 Har du eller har du haft förtroendeuppdrag inom kommun, landsting, riksdag? 5 Har du arbetat i ett politiskt parti? Indexet är kodat för att löpa mellan 0 och 1 där 0 är nej och 1 är ja.

Variabeln Kontakter syftar till att fånga upp individens aktivitet genom att

personligen kontakta relevanta institutioner och på så sätt delta. Variabeln mäts också den i form av ett additivt index med fem frågor som är följande. 1 Har du kontaktat politiker? 2 Har du kontaktat förening eller organisation? 3 Har du kontaktat tjänsteman i stat/kommun?

4 Har du kontaktat/medverkat i massmedia? 5 Har du kontaktat advokat eller rättslig instans? Indexet är sedan kodat för att gå mellan 0 och 1 där 0 är nej och 1 är ja.

(17)

Manifestationer är också det mätt genom ett additivt index, här med följande sex frågor. 1 Har du arbetat i aktionsgrupp? 2 Har du burit eller satt upp kampanjmärke? 3 Har du skrivit under namninsamling? 4 Har du deltagit i demonstration (annan än 1 maj)? 5 Har du deltagit i bojkott ex. av vissa varor? 6 Har du samlat in pengar? Detta index är också kodat för att gå mellan 0 och 1 där 0 är nej och 1 är ja.

Utöver de ovan nämnda fyra variablerna för att mäta politiskt deltagande är analyserna också genomförda för följande tre attitydvariabler.

Politiskt intresse mäts genom svar på en fråga om hur intresserad respondenten är av politik. Svarsalternativen var: Mycket intresserad, ganska intresserad, inte särskilt

intresserad och inte alls intresserad. I analysen har jag kodat om variabeln för att den ska löpa från 1 (inte alls intresserad) till 4 (mycket intresserad).

Politiskt självtilltro fångas genom ett additivt index med följande fem frågor

1 Har människor som du större eller mindre möjlighet än andra att få politiker att ta hänsyn till era krav? 2 Har människor som du större eller mindre möjlighet än andra att föra fram krav till politiker? 3 Har du större eller mindre möjlighet att få upprättelse om du blir felbehandlad? 4 Har du större eller mindre möjlighet att förstå vad som händer i politiken?

5 Har du större eller mindre utsträckning den kunskap som krävs för att fatta politiska beslut? Indexet löper på en skala mellan 0–10, varje ökning innebär starkare politisk självtilltro.

Slutligen mäts Politisk systemtilltro även denna mäts genom ett additivt index med nedan fem frågor. 1 Hur stor vikt fäster politikerna vid krav som förs fram av till exempel lokala organisationer eller grupper av människor? 2 Hur stor möjlighet har människor i allmänhet att föra fram sina åsikter till politikerna? 3 Hur stor möjlighet att få rättelse finns det för den som blir felaktigt behandlad av en myndighet? 4 Hur stor förmåga har

människor i allmänhet att förstå vad som händer och sker i politiken? 5 I hur stor utsträckning har människor i allmänhet de kunskaper som behövs för att fatta politiska beslut? Indexet löper på en skala mellan 0–10, varje ökning innebär starkare politisk systemtilltro.

(18)

4. Metod och design

För att genomföra undersökningen har jag som sagt valt att använda mig av data från medborgarundersökningen 1997. Datamaterialet är mycket omfattande och innehåller information om individens politiska deltagande i form av en mängd frågor. Information finns också på områdesnivå vilket ges i form av bostadsområde (SAMS område). Utöver detta finns även vissa registerdata och den sammanlagda informationen är därför mycket användbar för den typ av analys som jag ska genomföra.

Utifrån datamaterialet har jag genomfört ett antal linjära bivariata och multivariata regressionsanalyser i Stata 13. Det som har varit slutmålet med uppsatsen är att söka svar på om områdesvariablerna har en interaktionseffekt på de individuella resurserna hos personer i svaga respektive starka områden. Därför har regressionsanalyser gjorts för att testa just det sambandet.

Det finns ett antal problem med studiematerialet och metoden som jag använt som är värda att diskutera. Till att börja med är datamaterialet drygt 20 år gammalt. Det är möjligt att svaren skulle se annorlunda ut om undersökningen genomfördes nu. Målet med

uppsatsen är dock att säga något om områdeseffekter och interaktionseffekter på politiskt deltagande. Det är något som rimligtvis inte påverkas av tid på ett betydande sätt som vissa andra fenomen gör. Annorlunda hade det varit om analysen riktat sig specifikt på det moderna deltagandet i form av uttryck på sociala medier och liknande hade ett gammalt datamaterial inte kunnat användas. Med det sagt är det trots allt svårt att veta säkert hur demografiska förändringar, förändringar i sättet personer deltar i politiken på samt förändringar i arbetslöshetsnivåer etc. påverkar resultaten.

Vad gäller den statistiska metod jag använt finns problemet att områdesvariablerna i denna analys inte är normalfördelade. Den statistiska metod som jag använt är inte anpassad för icke normalfördelade områdesvariabler vilket kan leda till felaktiga resultat.

Riktningen på resultaten påverkas i regel inte men estimaten kan påverkas.

Fördelen med medborgarundersökningen från 1997 är att det är en omfattande

undersökning med en koppling i datamaterialet med SAMS områden. Detta gör det möjligt att på ett relevant sätt undersöka områdeseffekter. Andra indelningar i områden är bland annat kommuner, län eller församlingar. Sådan indelning fångar inte det som jag söker

(19)

tillräckligt precist. En församling till exempel kan ha många olika bostadsområden inom sig som både har starka områdesresurser som svaga. Även om SAMS inte fångar

områdesavgränsningar helt perfekt är det den bäst lämpade nu existerande indelningen av bostadsområden.

Anledningen att jag inte valde den senare medborgarundersökningen från 2003 var främst eftersom den medvetet genomfördes med ett överdrivet stort antal respondenter som var invandrare och särskilt invandrare med icke västeuropeisk bakgrund. Detta passar inte lika bra med den studie jag genomför och därför har jag valt att använda mig av den mer representativa medborgarundersökningen från 1997.

Utöver nämnda problem kan det vara så att individuella egenskaper hos de personer som bor i ett mindre priviligierat område bor där eftersom de är mindre priviligierade. Det kan till exempel antas att personer söker sig till områden där många med samma

individuella egenskaper bor. Det kan också vara andra skäl som exempelvis bostadspriser som gör att personer med lika individuella resurser bor i ett visst bostadsområde. Om dessa personer i högre utsträckning är arbetslösa, lågutbildade och långtidssjukskrivna samt i lägre utsträckning deltar i det politiska livet kan det framstå som att det finns en

områdeseffekt medan det i själva verket är fråga om självselektion.²³ Följaktligen kan det vara summan av de individuella egenskaperna som orsakar effekten på politiskt deltagande och inte att samlingen av individuella egenskaperna i sig oberoende påverkar individernas politiska deltagande. Sammanfattningsvis handlar det i så fall om individuella egenskaper och inte områdeseffekter. Det är dock rimligt att anta att individuella egenskaper samspelar med kontextuella egenskaper.²⁴

Problemet med självselektion är dock inte unikt för studier av kontextuella effekter.

Det mest adekvata sättet att hantera problemet med självselektion är med stöd i teoretiskt hållbara resonemang.²⁵ För att kunna fastställa ett samband mellan bostadsområdeseffekter och politiskt deltagande har jag som sagt också kontrollerat för individuella resurser. Det bör dock noteras att variablerna på individnivå som är tänkta att motsvara variablerna på

23 Strömblad 2003 s 3.

24 Oliver 2001 s 21 f.

25 Strömblad 2003 s 38, Huckfeldt, Plutzer, Sprague 1993 s 294.

(20)

områdesnivå inte är perfekt överensstämmande. Eftersom frågorna i enkäten inte är motsvarad av identisk information på områdesnivå finns detta helt enkelt inte att tillgå.

Denna diskrepans mellan individ- och områdesvariabler är dock liten och behöver vara mycket kraftig och risken för typ I fel är mycket liten.

Utöver materialet och problemet med att fastställa orsaksriktningar är det också viktigt att de oberoende områdesvariabler som jag väljer på ett relevant sätt fångar upp det som kan beskrivas som bostadssegregation. Att jag valt arbetslöshet som oberoende variabel och operationalisering av områdeseffekter och mått på socioekonomisk status är inte en slump. Det finns fördelar med att ha ett enkelt mått på det som ska mätas. En sammansatt variabel bestående av flera olika mått på exempelvis socioekonomisk status riskerar att bli allt för komplex. Områdesarbetslöshet är en variabel som här fungerar som en slags proxy för socioekonomisk status eftersom arbetslöshet fångar mycket av de problem som finns i ett resurssvagt område. Detta innebär att områdesarbetslöshet som indikator på bostadssegregation är ett mycket bra mått.²⁶ Till detta har andel högutbildade lagts som kompletterande områdesvariabel. Det är rimligt att anta att dessa variabler korrelerar med varandra eftersom högutbildade i större utsträckning förvärvsarbetar än lågutbildade. Av den anledningen finns alltså en risk att effekterna av respektive variabel dämpas av den andra.

Det finns även en etnisk dimension i bostadssegregationen i Sverige utöver skillnader i allmän socioekonomisk status. Det finns med andra ord ofta en högre andel invandrare i resurssvaga områden än i övriga.²⁷ En områdeseffekt som ser ut att grundas i

socioekonomisk status kan följaktligen också vara på grund av en hög andel invandrare i området.²⁸ Av denna anledning är även andel invandrare med i undersökningen.

Att ha bostadsområde som avgränsning kan också kritiseras eftersom personer inte lever sina liv endast i bostadsområdet utan kanske är mer knuten till andra kontexter som föreningsliv, arbetsplats, idrottslag eller trossamfund. Det kan alltså hävdas att det inte är ett fullgott sätt att mäta områdeseffekter från bostadsområdet eftersom det inte innefattar

26 Det har också använts tidigare av samma anledning jfr. Strömblad 2003 s 48.

27 Se exempelvis SOU 1996:156 s 156 och SOU 1998:25 s 17.

28 Andersson, Bråmå 2004 s 518.

(21)

alla typer av kontexter som en individ rör sig i och därmed kan påverkas av.²⁹ Detta är i och för sig helt riktigt men den naturliga begränsningen av ett bra datamaterial är alltid en faktor. Det som däremot uppnås trots att bostadsområde inte omfattar alla de kontextuella faktorer som individer exponeras för är att undersöka om områdeseffekter har en effekt på politiskt deltagande. Det utesluter dock inte att studier av andra kontexter är intressanta om ett sådant datamaterial fanns tillgängligt.

När interaktionseffekten ska testas genomförde jag tre regressionsanalyser, en för varje områdesvariabel, per beroende variabel. Analyserna genomfördes för svaga respektive starka områden.

För att undersöka interaktionseffekten har jag valt att dela in materialet längs

medianen för områdesvariabeln andel arbetslösa, andel högutbildade samt andel invandrare.

På så sätt kan jag jämföra ett ”starkt” med ett ”svagt” område och förväntar mig där en starkare effekt av de individuella resursernas betydelse för den beroende variabeln politiskt deltagande. Detta skulle kunna genomföras på andra sätt. Exempelvis kan materialet delas in i percentiler. Anledningen till den grova indelningen längs medianen är först och främst för att få många observationer i analysen. Även om antalet respondenter är förhållandevis stort kan observationer med vissa svar vara mycket få om materialet delas in i för många kategorier. Dessutom finns en fördel med att använda enkla mått på

5. Resultat

Härnäst presenteras resultaten av de genomförda regressionsanalyserna först i tabellerna 1–

7 avseende områdeseffekt och sedan för interaktionseffekt presenteras resultaten i tabell 8–

14.

5.1 Områdeseffekter

Varje analys som genomförts är indelad efter den beroende variabel som testades, i varje tabell testas följaktligen en beroende variabel. Av dessa kunde jag se skiftande resultat mellan relativt starka samband och hög signifikans till svaga ickesignifikanta resultat.

29 Eriksson 2007 s 47 f f.

(22)

Inledningsvis genomfördes regressionsanalyser utan kontrollvariabler för varje oberoende områdesvariabel (modell 1–3). Därefter testas varje områdesvariabel för sig mot samtliga kontrollvariabler i modell 4–6. I modell 7 testas samtliga variabler i en analys.

Tabell 1 visar som väntat att signifikans och effekt avseende områdesvariablerna sjunker i modell 7 jämfört med modell 1–6 även om de förväntade riktningarna finns kvar i modell 7. Resultatet visar att det finns signifikanta områdeseffekter på om individer röstar eller inte vilket är i linje med min hypotes H1. Om andelen invandrare i området ökar med en procent innebär det att andelen som röstar i området minskar med 1,3%. Även om signifikansnivån för områdesarbetslöshet är lägre finns en motsvarande effekt av denna variabel om 1 %. Individvariablerna visar också på effekter i enlighet med förväntningarna.

Vissa skillnader finns dock för de olika yrkeskategorierna som inte visar samma tydliga effekt som de övriga individvariablerna.

Resultaten av effekterna på partiaktiviteter visar på delvis omvända effekter på individnivå och områdesnivå. För det mesta var dock inte resultaten signifikanta och de bör således inte dras några vidare slutsatser av den omvända riktningen. Däremot är det

uppenbart att det inte finns stöd för att områdeseffekter skulle ha betydelse för individens politiska deltagande genom partiaktiviteter. Ingen av de tre områdeseffekterna är

signifikanta i någon av modellerna i tabell 2.

Avseende den beroende variabeln kontakter visar tabell 3 att personer bosatta i ett område med högre arbetslöshet deltar i lägre utsträckning politiskt genom att ta relevanta kontakter än personer bosatta i ett område med lägre arbetslöshet. Det bör dock beaktas att resultatet är signifikant på 90% säkerhetsnivå. Även om resultaten inte är signifikant kan det nämnas att antal högutbildade i området och andel invandrare har en riktning som är motsatt den förväntade.

Vad gäller manifestationer är resultaten, likt de för kontakter, mycket svaga och framförallt icke signifikanta i tabell 4. Även om orsaksriktningarna är som väntat i modell 1–3 ger det inte ens där signifikanta resultat. Däremot är effekterna av individuella resurser relativt starka och signifikanta bortsett de varierande resultaten från kontrollvariablerna för individens position på arbetsmarknaden.

När områdesvariablernas effekt på politiskt intresse mäts i en regressionsanalys i tabell 5 där det inte kontrolleras för individuella resurser är effekterna relativt starka och

(23)

signifikanta. Styrkan och signifikansen avtar dock i modell 4–6 för att i modell 7 helt sakna signifikanta effekter. Däremot visar både områdesarbetslöshet och områdets

utbildningsnivå signifikanta effekter när de inte kontrolleras mot varandra i modell 4 respektive 6.

Den beroende variabeln politisk självtilltro mäts som tidigare nämnts på en tiogradig skala. Det finns enligt resultaten i tabell 6 en kraftigt signifikant och relativt sett stark positiv effekt på politisk självtilltro av att bo i ett område med en stor andel högutbildade även när det kontrolleras för individuella egenskaper. Att vara invandrare har en mycket stark negativ effekt. Utöver detta kan det observeras att en hög utbildningsnivå i ett bostadsområde har, om än en liten, signifikant effekt på politisk självtilltro.

Politisk systemtilltro mäts också på en tiogradig skala där lägre värde representerar lägre tilltro till det politiska systemet. I modell 7 finns inga signifikanta områdeseffekter på politisk systemtilltro.

Alla tre områdesvariablers effekt var i åtminstone avseende en beroende variabel signifikant. Att andelen invandrare har signifikant effekt kan alltså indikera en effekt av etnisk segregation på om individen röstar eller inte. Vad gäller andelen arbetslösa och andel högutbildade mäter de mer direkt socioekonomisk status för området och i de fall de har signifikanta effekter är det alltså fråga om en effekt av socioekonomisk segregation.

De R²som visas i tabellerna är visserligen inte justerade för antalet variabler i modellerna. Med det sagt har områdesarbetslöshet störst förklaringskraft av samtliga områdesvariabler i tabell 1–4. Detta kan vara intressant för att se vilken av variablerna som kan förklara det mesta av variationen.

Som ovan nämnts kan en del av förklaringen till små ickesignifikanta effekter i vissa tabeller vara att de tre områdesvariablerna korrelerar mycket väl med varandra. Om alla tre tas med i samma analys innebär det att effekten dämpas av varandra. Detta framträder exempelvis för områdeseffekterna när modell 7 jämförs med modell 4–6 i tabell 5.

Huruvida detta beror på minskad statistisk styrka eller på att andra variabler också förklarar samma variation är svårt att säga. Det kan alltså vara en fördel med att ta med endast en variabel för att mäta områdeseffekt istället för tre. Ett annat alternativ är att skapa en indexerad variabel av alla tre mått på områdeseffekt. Ett sådant kombinerat mått riskerar

(24)

dock att bli väl komplicerat. I detta fall har jag trots allt valt att ha med alla tre variabler för att få ett så rättvist och tydligt resultat som möjligt.

Ytterligare en möjlig förklaring till svaga effekter i några av analyserna kan vara att jag använt mig av additiva index för att mäta politiskt deltagande. Detta medför ett mer heltäckande svar än om specifika delfrågor testas. Det kan också innebära att vissa effekter av till exempel områdesarbetslöshet minskar om vissa delar i ett visst ger en motsatt effekt än den förväntade.

Resultatet kan naturligtvis också påverkas av bortfall. Det är i det fallet önskvärt med ett så stort antal respondenter som möjligt. Medborgarundersökningen har i och för sig fördelen av att vara en representativ och mycket omfattande enkätundersökning så något bortfall av avgörande betydelse är inte så troligt. Sammanfattningsvis innebär ett icke signifikant resultat trots så många respondenter i datamaterialet att det inte finns effekt att tala om. Effekterna av områdesresurser varierar också dels mellan olika former för politiskt deltagande och attitydvariabler. Dels varierar effekten mellan de olika områdesvariablerna.

(25)

Tabell 1: Regressionsanalys med röstat som beroende variabel.

Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7

Intercept .951

(.000)

.881 (.000)

.789 (.000)

.488 (.000)

.425 (.000)

.396 (.000)

.482 (.000)

Kön .013

(.540)

.013 (.534)

.014 (.490)

.012 (.566)

Ålder .006***

(.000)

.006***

(.000)

.006***

(.000)

.006***

(.000) Andel arbetslösa

område

-.028***

(.000)

-.016***

(.003)

-.010*

(.091) Andel invandrare

område

-.029***

(.000)

-.017***

(.006)

-.013**

(.036) Andel högutbildade

område

.007***

(.000)

.004**

(.047)

.002 (.318)

Invandrare -.197***

(.000)

-.182***

(.000)

-.204***

(.000)

-.181***

(.000)

Utbildning antal år .014***

(.000)

.016***

(.000)

.013***

(.000)

.014***

(.000) Position på

arbetsmarknaden

Arbetar deltid -.052*

(.095)

-.051 (.102)

-.049 (.117)

-.051 (.133)

Tillfälligt arbetslös -.150 **

(.032)

-.169**

(.016)

-.157**

(.025)

-.158**

(.024) Tjänstledig för

studier

.066 (.572)

.075 (.525)

.065 (.577)

.068 (.556)

Föräldraledig .077

(.423)

.091 (.339)

.099 (.300)

.085 (.373) Arbetar för tillfället

inte av andra skäl

-.199 (.110)

-.200 (.108)

-.213*

(.087)

-.189 (.129)

Pensionerad -.123***

(.001)

-.122***

(.001)

-.133***

(.000)

-.119***

(.001)

Arbetslös -.086

(.100)

-.089*

(.086)

-.095*

(.068)

-.081 (.120)

Studerar -.007

(.894)

.002 (.966)

-.007 (.886)

-.002 (.970) Stannar hemma för

att ta hand om barn

-.289***

(.005)

-.299***

(.004)

-.293***

(.005)

-.286***

(.005) Förvärvsarbetar

-.102 (.266)

-.107 (.243)

-.104 (.256)

-.105 (.252)

R² .0214 .0171 .0120 .0980 .0971 .0944 .1016

N 1297 1297 1297 1296 1296 1296 1296

Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.

(26)

Tabell 2: Regressionsanalys med Partiaktiviteter som beroende variabel.

Intercept .580

(.000)

.591 (.000)

.595 (.000)

.605 (.000)

.615 (.000)

.613 (.000)

.608 (.000)

Kön .009

(.258)

.009 (.270)

.009 (.262)

.009 (.260)

Ålder -.0002

(.648)

-.0002 (.564)

-.0002 (.620)

-.0002 (.616) Andel arbetslösa

område

.0029 (.364)

.002 (.492)

.002 (.542) Andel invandrare

område

-.0019 (.369)

-.001 (.624)

-.002 (.500) Andel högutbildade

område

-.0010 (.170)

-.0005 (.494)

-.0003 (.699)

Invandrare .029**

(.037)

-.026*

(.072)

-.028**

(.040)

-.026*

(.065)

Utbildning antal år .003**

(.048)

-.003**

(.037)

-.003*

(.078)

-.003 (.079) Position på

arbetsmarknaden

Arbetar deltid .018

(.168)

.018 (.170)

.018 (.180)

.018 (.175)

Tillfälligt arbetslös .034

(.238)

.034 (.233)

.032 (.260) Tjänstledig för

studier

.017 (.717)

.017 (.719)

.017 (.716)

.017 (.712)

(.488)

.027 (.501)

.026 (517)

018 (.741)

.021 (.702)

.019 (726)

.019 (.726)

Pensionerad .003

(.865)

.004 (.804)

.004 (820)

.004 (.812)

Arbetslös .033

(.118)

.035*

(.095)

.034 (.106)

.034 (.109)

Studerar -.004

(.816)

-.003 (.840)

-.004 (.833)

.015 (.702)

.017 (.660)

.015 (.698)

.015 (.709) Förvärvsarbetar

-.057*

(.085)

-.056*

(.085)

-.056*

(.085)

-.057*

(.081)

R² .0074 .0032 .000 .0142 .0141 .0142 .0147

N 1456 1456 1456 1455 1455 1455 1455

(27)

Tabell 3: Regressionsanalys med kontakter som beroende variabel.

Oberoende variabel Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Modell 6 Modell 7

Intercept .154

(.000)

.122 (.000)

.908 (.000)

.004 (.918)

-.023 (.521)

-.026 (.477)

.005 (.900)

Kön -.035***

(.002)

-.034***

(.003)

-.034***

(.003)

-.035***

(.002)

Ålder .001***

(.009)

.001***

(.005)

.001***

(.005)

.001***

(.008) Andel arbetslösa

område

-.010***

(.000)

-.005*

(.064)

-.005*

(.092) Andel invandrare

område

-.005*

(.086)

-.001 (.647)

.0003 (.932) Andel högutbildade

område

0.003***

(.001)

.0007 (.518)

-.0002 (.879)

Invandrare -.051 ***

(.005)

-.052***

(.006)

-.054***

(.003)

-.051***

(.006)

Utbildning antal år .013***

(.000)

.013***

(.000)

.013***

(.000)

.013***

arbetsmarknaden

Arbetar deltid -.002

(.910)

-.002 (.913)

-.001 (.937)

-.002 (.904)

Tillfälligt arbetslös -.039

(.264)

-.044 (.233)

-.043 (.251)

-.041 (287) Tjänstledig för

studier

-.061 (.316)

-.060 (.324)

-.061 (.320)

-.061 (.317)

(.641)

.027 (.617)

.028 (.593)

-.022 (.758)

-.027 (.706)

-.028 (.701)

-.022 (.757)

(.000)

-.079***

(.000)

-.079***

(.000)

-.077***

(.000)

(.615)

-.018 (.515)

-.018 (.505)

-.014 (.613)

Studerar -.032

(.141)

-.032 (.145)

-.032 (.137)

-.008 (.884)

-.014 (.794)

-.012 (.815)

-.008 (.880) Förvärvsarbetar

.033 (.436)

.031 (.466)

.032 (.452)

.033 (.436)

R² .0084 .0020 .0079 .0904 .0883 .0885 .0904

N 1452 1452 1452 1452 1452 1452 1452

Statistisk signifikans *p<0.1, **p<0.05, ***p<0.01. Värdena är regressionskoefficienter med p-värden i parentes. Mer information om variablerna finns under rubriken data.

(28)

Tabell 4: Regressionsanalys med manifestationer som beroende variabel.

Intercept .172

(.000)

.162 (.000)

.151 (.000)

.107 (.001)

.097 (.001)

.091 (.001)

.112 (.000)

Kön .027***

(.002)

.027***

(.002)

.027***

(.002)

.027***

(.002)

Ålder -.0002

(.674)

-.0002 (.686)

-.0001 (.787)

-.0002 (.638) Andel arbetslösa

område

-.004**

(.049)

-.003 (.223)

-.003 (.227) Andel invandrare

område

-.004*

(.060)

-.003 (.214)

-.002 (.387) Andel högutbildade

område

.0007 (.390)

-.0003 (.708)

-.0008 (.360)

Invandrare -.040***

(.004)

-.037**

(.012)

-.042***

(.003)

-.037**

(.011)

Utbildning antal år .003**

(.022)

.003**

(.013)

.004**

(.014)

.004**

arbetsmarknaden

Arbetar deltid .029**

(.031)

.029**

(.031)

029**

(.032)

.028**

(.035)

Tillfälligt arbetslös -.002

(.952)

-.006 (.847)

-.004 (.885)

-.004 (.893) Tjänstledig för

studier

-.027 (.583)

-.026 (.595)

-.026 (.592)

-.026 (.595)

Föräldraledig -.089**

(.034)

-.089**

(.034)

-.089**

(.034)

-.091**

(.030) Arbetar för tillfället

.052 (.348)

.051 (.353)

.048 (.383)

.053 (.335)

(.005)

-.043***

(.005)

-.045***

(.004)

-.042***

(.007)

(593)

-.012 (.575)

-.014 (.504)

-.010 (.632)

Studerar .024

(.161)

.024 (.149)

.024 (.164)

.025 (.146) Stannar hemma för

-.053 (.200)

-.055 (.182)

-.057 (.165)

-.053 (.194) Förvärvsarbetar

.006 (.868)

.003 (.919)

.004 (.901)

.004 (900)

R² .0027 .0025 .0005 .0594 .0594 .0585 .0606

N 1428 1428 1428 1427 1427 1427 1427