Sociologiska Institutionen
Kandidatuppsats i sociologi, 15 h.p.
Inriktning: Arbetsliv och arbetsmarknad Vt 2020
Handledare: Magnus Bygren
Ersättningsbarhet
- en aspekt av
könsojämlikhet på
arbetsmarknaden?
En studie om vad kön har för betydelse för en
individs ersättningsbarhet i sin position på
arbetsmarknaden
Hanna Hedengren & Pauline Strand
Sammanfattning
Tidigare forskning har konstaterat att könsojämlikheten på arbetsmarknaden utgörs av fler aspekter än enbart löneskillnader, utan består även av betydande skillnader mellan kvinnor och män avseende andra arbetsvillkor. Denna kvantitativa studie undersöker ersättningsbarhet som en aspekt av könsojämlikhet och syftar till att studera hur kön samverkar med graden av ersättningsbarhet, relaterat till generellt och företagsspecifikt humankapital. Trots den begränsade forskningen kring ersättningsbarhet förväntar sig studien, med bakgrund i tidigare forsknings konstaterande avseende arbetsmarknadens könsojämlikhet, att det även finns en könsskillnad vad gäller ersättningsbarhet. Studiens hypotes är att män i högre utsträckning är svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden och analysen baseras på datamaterial från Levnadsnivåundersökningen 2010. Studien finner att kvinnor är mer utbytbara än män på arbetsmarknaden och därför verkar kön ha betydelse för en individs ersättningsbarhet. Varken utbildningsinriktning, utbildningsnivå eller arbetsmarknads- relaterade faktorer kunde marginellt förklara denna könsskillnad och därför återstår största delen oförklarad. För framtida forskning föreslås bland annat att vidare undersöka sambandet mellan kön och ersättningsbarhet för att identifiera vilka faktorer som faktiskt orsakar den påvisade könsskillnaden, förslagsvis inkludera de faktorer som studien bedömer saknas.
Alternativt fortsätta studera individens subjektiva uppfattning om sin ersättningsbarhet i mer av ett mikroperspektiv.
Nyckelord
Ersättningsbarhet, arbetsmarknad, humankapital, könssegregation, könsojämlikhet.
Innehållsförteckning
1. Inledning ... 1
1.1 Syfte och problemställningar ... 2
1.2 Definitioner ... 3
1.3 Disposition ... 3
2. Teori och tidigare forskning ... 4
2.1 Teori ... 4
2.1.1 Humankapital ... 4
2.1.2 Teori om anställningsförhållanden ... 6
2.2 Tidigare forskning ... 8
2.2.1 Könssegregering ... 8
2.2.2 Utbildningsinriktning ... 8
2.2.3 Internutbildning (on-the-job training) ... 9
2.2.4 Yrken ... 11
2.3 Sammanfattning ... 11
3. Metod och data ... 12
3.1 Datamaterial ... 12
3.2 Urval och avgränsningar ... 13
3.3 Variabler ... 13
3.3.1 Beroende variabel ... 13
3.3.2 Oberoende variabler ... 14
3.4 Analysmetod ... 16
3.4.1 Regressionsdiagnostik ... 17
3.5 Metoddiskussion ... 18
3.6 Etiska överväganden ... 18
4. Resultat och analys ... 19
4.1 Deskriptiv analys ... 19
4.2 Bivariat analys ... 20
4.3 Multivariat analys ... 22
5. Diskussion... 26
5.1 Framtida forskning ... 31
Referenser ... 32
Bilaga 1. ... 35
1. Inledning
Könssegregering har fått uppmärksamhet inom sociologisk forskning och en av anledningarna är att det utgör en viktig del för att förstå könsojämlikheten på arbetsmarknaden (Barone, 2011, 157). Trots att Sverige rankas som ett av världens mest jämställda länder råder det fortfarande en åtskillnad mellan könen på arbetsmarknaden avseende arbetsvillkor (Grönlund, 2012; Halldén, 2014, 49). Den mest framträdande ojämlikheten är det faktum att kvinnor i dag tjänar i genomsnitt 89,3 procent av mäns lön (Medlingsinstitutet, 2019, 7).
Tidigare forskning om könsojämlikhet har i stor utsträckning fokuserat på lön, det vill säga könslönegapet (Boye m.fl., 2014; Magnusson, 2016) och på de hinder som kvinnor möter för att nå högre positioner (Bihagen & Ohls, 2006). Trots att kön och lön är ett välutforskat område där faktorer som utbildning, yrke och arbetslivserfarenhet kan förklara en del av könslönegapet återstår en del oförklarat. Det återstående lönegapet kan tolkas som diskriminering (Boschini, 2017), medan andra menar att det beror på andra faktorer som är relaterat till preferenser hos individer (Goldin, 2014). Både Halldén (2014) och Goldin (2014) förklarar att könslönegapet är nära sammankopplat till utbildningsnivå, yrkesval och familjebildning.
Könslönegapet beror delvis på att män och kvinnor väljer olika utbildningsinriktningar, arbetar olika mycket och inom olika yrken och sektorer (Boschini, 2017). Kvinnor dominerar i yrken inom vård och omsorg, medan sälj och finans är vanligt bland män (SOU, 2014, 81).
Goldin (2014) menar att segregationen länge har betraktats bero på bland annat den sammantagna skillnaden mellan män och kvinnors humankapital. Emellertid har denna skillnad reducerats kraftigt under senare tid och i vissa fall även reverserats. Det betyder att kvinnors införskaffade humankapital nu är i likvärdiga nivåer som för män vad gäller utbildning och arbetslivserfarenhet. Den traditionella synen på kvinnor och humankapital utvecklades ursprungligen från Beckers humankapitalteori (1964/1993), där Becker menar att kvinnor investerar mindre i humankapital, det vill säga i mindre utsträckning införskaffar kompetens och färdigheter genom formell utbildning eller genom internutbildning på arbetsplatsen (Becker, 1993, 88).
Trots kvinnors ökade arbetskraftsdeltagande (Kjellsson m.fl., 2014, 152) och det faktum att kvinnor har kommit ikapp män avseende investeringar i humankapital (Goldin, 2014;
Grönlund & Magnusson, 2016, 91), är det fortfarande långt ifrån jämlikt mellan könen på arbetsmarknaden. De minskade löneskillnaderna till följd av kvinnors ökade mängd humankapital innebär att kvinnors förutsättningar har förbättrats, däremot väljer kvinnor och män fortfarande olika utbildningsinriktningar. Det innebär att könssegregeringen inte enbart utgör en källa till löneskillnader utan orsakar andra arbetsmarknadsrelaterade utfall utöver lön (Grönlund & Magnusson, 2016, 94), vilket kan innebära betydande skillnader mellan kvinnor och män avseende andra arbetsvillkor (Kjellsson m.fl., 2014, 152).
Humankapital och andra arbetsmarknadsrelaterade faktorer är inte enbart statistik eller teoretiska ting utan har också en faktisk inverkan på arbetslivet. Faktorerna kan exempelvis påverka hur ersättningsbar en arbetstagare är i en organisation. Att en arbetstagare är svår att ersätta kan bero på ett flertal olika anledningar. Ersättningsbarhet kan exempelvis bero på hur djupt inrotad en individs kompetens är i den specifika organisationen, med specifika tillgångar eller kompetens; “human asset specificity”, eller genom mer generella tillgångar och kvalifikationer; “human asset generality” (Goldthorpe, 2000, 213, 220; Tåhlin, 2007, 564).
Goldthorpe (2000) menar att bland annat “on-the-job training”, det vill säga internutbildning, är avgörande för hur ersättningsbar en arbetstagare är, samtidigt som tidigare forskning har visat att kvinnor har betydligt färre internutbildningar än män (Grönlund, 2012; Grönlund m.fl., 2016; Halldén, 2015). Det är därför intressant att undersöka vad kön har för betydelse för graden av upplevd ersättningsbarhet.
1.1 Syfte och problemställningar
Eftersom könsojämlikhet är ett brett ämne med en omfattande tidigare forskning fokuserar studien på just könssegregering på arbetsmarknaden och då framförallt skillnaden mellan män och kvinnor i hur pass ersättningsbara de är i sina arbeten. Syftet är att undersöka hur kön samverkar med graden av ersättningsbarhet, kopplat till generellt och företagsspecifikt humankapital. Mer specifikt ska studien besvara frågeställningen; har kön någon betydelse för en individs ersättningsbarhet?
Denna studie kommer att använda och analysera data från levnadsnivåundersökningen 2010 för att besvara uppsatsens frågeställning.
1.2 Definitioner
Ersättningsbarhet, eller utbytbarhet, är graden av hur enkelt en arbetstagare kan ersättas med extern arbetskraft (Le Grand, 2000, 9). Enligt Goldthorpe (2000, 213) är en arbetstagares ersättningsbarhet en funktion av specificiteten av individens humankapital som behövs för att utföra arbetsuppgiften och graden av svårighet för arbetsgivaren att övervaka den anställde.
De mest ersättningsbara arbetstagarna är de som utför arbetsuppgifter i yrken som inte kräver specifika färdigheter och är enkla att övervaka (Emmenegger, 2009, 408).
Specifika tillgångar, “human asset specificity”, innebär i vilken grad färdigheter och kompetenser är företagsspecifika (Tåhlin, 2007, 559). Med “asset specificity” syftar Goldthorpe (2007) på specifik kunskap som kan vara relaterat till ett specifikt yrke, område eller organisation. Det kan relateras till Beckers humankapitalteori (1964/1993) då specifika tillgångar kan förklaras som specificiteten av individens humankapital. Det gäller särskilt företagsspecifikt humankapital som utvecklas främst genom internutbildning, “on-the-job training” (Grönlund & Magnusson, 2016, 93).
1.3 Disposition
Inledningsvis ges en redogörelse av teorier kopplade till studiens tema, följt av en presentation av tidigare forskning om bland annat könssegregering och könsojämlikhet på arbetsmarknaden. Detta görs i syfte att skapa en ökad förståelse kring ämnet och för att underlätta förståelsen och tolkningen av resultatet. Vidare i metodavsnittet beskrivs studiens analysmetod och datamaterial, samt en utförlig beskrivning av samtliga variabler. Detta är följt av resultatavsnittet som inledningsvis beskriver deskriptiva data för att sedan presentera resultaten av studiens bivariata analyser. Därefter följer en redovisning av resultatet från de multivariata analyserna som har delats upp i tre steg och med en beskrivning av vad analysen visar. I det avslutande avsnittet diskuteras studiens resultat och återkopplas till tidigare forskning och teori. Avslutningsvis diskuteras studiens begränsningar samt förslag på fortsatt forskning.
2. Teori och tidigare forskning
Avsnittet syftar till att beskriva studiens teoretiska utgångspunkt och tidigare studier som är av relevans för studiens syfte, där flera aspekter av könsskillnader på arbetsmarknaden tas upp. Slutligen sammanfattas tidigare forskning för att avslutningsvis presentera studiens empiriska förväntningar och hypotes.
2.1 Teori
2.1.1 Humankapital
Humankapitalteorin utvecklades av Gary Becker (1993, 51, 53, 54) och handlar om människors ackumulerade utbildning, erfarenhet och andra kompetenser som anses vara investeringar på arbetsmarknaden och kan ge positiva effekter på exempelvis karriärmöjligheter, produktivitet och lön. Även hälsa, motivation och personliga egenskaper kan inkluderas i humankapital. Teorin uppmärksammar hur dessa resurser, hur humankapitalet, utvecklas och ökar över tid och som Cunha och Heckman (2007) beskriver skapar en investering i humankapital en förutsättning för att nästa investering ska bli mer effektiv.
Becker (1993, 17, 20) fokuserar på avkastningen på utbildning och träning och beskriver dessa som de två viktigaste investeringarna för humankapital. I teorin läggs stor betoning på de ekonomiska delarna i själva investeringen och på vem det är som bör stå för den kostnaden. Träning (“training”) menas i det här fallet egentligen träning och utbildning på arbetsplatsen, det vill säga det som kallas för internutbildning. Utbildning och annat lärande i livet sker alltså inte endast i formella former i skolan och på universitet utan sker även i arbetslivet, på arbetet. Därför kategoriseras utbildning in i tre olika delar; generell utbildning (formell högskole- och universitetsutbildning), företagsspecifik internutbildning (specific on- the-job training) och generell internutbildning (general on-the-job training). När man pratar om internutbildning, oavsett om den är företagsspecifik eller generell, menar man att ökad kunskap och kompetens ökar den framtida marginella produktiviteten hos arbetaren.
Skillnaden mellan dem är att i en företagsspecifik internutbildning ökar arbetstagarens produktivitet och ger kunskap som endast är användbar i det specifika företaget som erbjuder
utbildningen, kunskapen är inte överförbar till andra arbetsgivare. Både arbetsgivaren och arbetstagaren tar en risk då arbetsgivaren riskerar att arbetstagaren avslutar sin anställning, samtidigt som arbetstagaren riskerar att investeringen går till spillo om företaget går i konkurs, därför delar de på kostnaden för investeringen. Generell internutbildning förser kunskaper och kompetens som istället är användbara på en större del av arbetsmarknaden och inte endast i det specifika företaget. Det kan exempelvis vara en läkare på ett sjukhus som under arbetet får genomgå utbildningar där de nya färdigheterna kommer vara lika användbara även på andra sjukhus. Det är en risk för arbetsgivaren att erbjuda generell internutbildning eftersom avkastningen på utbildningen kan användas hos andra arbetsgivare, och därför är det rimligt att det är arbetstagaren som står för kostnaden i en sådan investering (Björklund 2014, 142–145; Becker, 1993, 30, 33, 40).
Eftersom de olika typerna av internutbildning ger olika utfall, finns det olika incitament för arbetsgivaren att erbjuda dem och för både arbetsgivaren och arbetstagaren att betala för de olika typerna av investeringarna. En sådan uppdelning mellan företagsspecifik- och generell internutbildning kan lättare göras i teorin än i praktiken eftersom en internutbildning sällan är helt specifik eller helt generell, men om färdigheterna från utbildningen ökar produktiviteten mer i företaget som tillhandahåller utbildningen definieras det som en företagsspecifik internutbildning (Becker, 1993, 33–34, 40). Senare forskning påvisar att färdigheter och kompetens i stor grad är överförbar, oavsett om den är generell eller specifik, vilket betyder att den kompetensen kan användas i många olika företag. Följaktligen är det i verkligheten vanligt att arbetsgivaren och arbetstagaren delar på kostnaden för alla typer av internutbildningar (Grönlund & Magnusson, 2016, 93; Le grand, 2000, 8). Carl le Grand (2000, 8–9) kopplar humankapitalteorin och internutbildning till ersättningsbarhet och skriver om hur graden av ersättningsbarhet eller utbytbarhet påverkas av internutbildning. Han beskriver utbytbarhet som att det är hur arbetstagare rangordnas i hur lätt det är att ersätta dem med extern arbetskraft. Vidare redovisar le Grand att allt annat lika, är arbetare med lågkvalificerade arbeten, mindre arbetslivserfarenhet och kort utbildning mer ersättningsbara än andra med motsatt nivå av humankapital. Ju svårare det är att rekrytera personer med en specifik kompetens på den externa arbetsmarknaden, desto mindre är risken för arbetslöshet för en arbetstagare med sådan kompetens.
En traditionell bild av kvinnors humankapital är att kvinnor investerar mindre i humankapital än män, det vill säga att de i mindre utsträckning införskaffar sig kompetens och färdigheter genom formell utbildning eller genom internutbildning på arbetsplatsen. Becker (1993, 88)
förklarar denna skillnad med att det beror på att kvinnor har mindre incitament för att investera i kompetens eftersom de spenderar mindre tid på arbetsmarknaden än vad män gör under livet.
2.1.2 Teori om anställningsförhållanden
John Goldthorpe beskriver hur skillnader i social klass kan förstås och förklaras av arbetsförhållanden mellan arbetsgivare och arbetstagare på marknaden. Först görs en grundläggande distinktion mellan de som köper arbetskraft av andra, de som varken köper arbetskraft av andra eller säljer sin egen samt de som säljer sin arbetskraft till andra (arbets- och uppdragsgivare) (Erikson & Goldthorpe, 1992, 37, 40). I dagens moderna samhälle består marknaden till 85–90 procent av den sistnämnda kategorin, de som säljer sin arbetskraft till andra (Goldthorpe, 2000, 206–207). Därför läggs det till en ytterligare distinktion, en åtskillnad i olika typer av anställningskontrakt eller anställningsförhållanden (som det vidare kommer att benämnas som), för dem som säljer sin egen arbetskraft, det vill säga olika typer av arbeten och tjänster som dessa arbetstagare har. Goldthorpe menar alltså att genom att titta på hur arbetsförhållandena ser ut mellan arbetstagare och arbetsgivare på marknaden kan man förstå vad som driver klassojämlikheten i samhället. Dessa distinktioner och uppdelningar har utvecklats från Goldthorpes (m.fl.) klasschema, Erikson–Goldthorpe–Portocarero (EGP), en hierarkisk indelning av yrkesgrupper med sammanhörande form av anställningsförhållande (Goldthorpe, 2000, 207–208).
De som säljer sin arbetskraft har också alltid någon som köper den. Det handlar således om anställningsförhållandet mellan arbetstagare och arbetsgivare. Goldthorpe benämner två olika typer av anställningsförhållanden, servicerelationer och arbetskontrakt där skillnaden dem emellan anges av specifika tillgångar “human asset specificitet” samt av övervakning och auktoritet vilket innefattar hur mycket makt och kontroll arbetsgivaren har över arbetstagarna och deras arbete. Dessa specifika tillgångar (HA-specificitet) kan direkt kopplas till Beckers företagsspecifika kvalifikationer och handlar om specifik kunskap relaterat till ett specifikt yrke, område eller organisation. Specifika tillgångar handlar alltså om graden av interna kunskaper och erfarenheter i ett företag som är nödvändigt att ha för att kunna utföra arbetet (Goldthorpe, 2007). Genom att undersöka skillnaderna i hur väl arbetet går att övervaka och kontrollera, i karriärmöjligheter, löneökningar, pensionsförmåner, ersättningsbarheten, samt skillnader i företagsspecifika kvalifikationer och tillgångar, går det enligt Goldthorpe att se
vad arbetstagaren har för relation till sin arbetsplats och arbetsgivare (Erikson & Goldthorpe, 1992, 41–42; Goldthorpe, 2000, 213).
Anställningsförhållanden som definieras av arbetskontraktet (labor contract) avser arbeten där arbetstagaren belönas med ersättning i form av pengar för utfört arbete. Det gäller främst arbetare i meningen manuellt arbete eller icke-manuellt arbete av lägre kvalifikationsgrad, där arbetsgivaren enkelt kan övervaka arbetet för att sedan kunna ge ersättning för det som produceras. Dessa typer av arbeten har inga eller låga krav i specifika tillgångar och därför beskrivs dessa positioner som öppna, vilket betyder att arbetstagaren på en sådan position är utbytbar och lätt att ersätta eftersom inga specifika kunskaper krävs. I sådana kontrakt är arbetstagare och arbetsgivare ömsesidigt oberoende utav varandra (Erikson & Goldthorpe, 1992, 41).
Anställningsförhållanden som definieras som servicerelation (service relationship) avser däremot mer omfattande men också ett mer diffust utbyte än endast ersättning per utfört arbete. Detta gäller mer kvalificerade arbeten vilka ofta är svårare att övervaka eftersom det skulle kräva att den som övervakar arbetet har samma eller mer kompetens och kunskap än den som utför arbetet. Arbetsgivaren skapar då incitament (morot) för engagemang och åtagande, för att se till att arbetstagaren gör sitt jobb, för att få hen att stanna kvar i organisationen samt för att öka arbetsinsatsen. Utbytet innefattar då utöver högre lön också långsiktiga fördelar och förmåner som väldefinierade karriärmöjligheter, pensionsförmåner, jobbsäkerhet och regelbundna löneökningar etcetera (Erikson & Goldthorpe, 1992, 41–42;
Goldthorpe, 2000, 208, 218). Arbeten med servicerelationer utmärks också av att ha höga kvalifikationskrav i företagsspecifika tillgångar. Positionerna definieras därför ofta som
“slutna” eftersom de har högre kvalifikationskrav än arbeten och positioner i arbetskontraktet och inte är utsatta för extern konkurrens på grund av att de är svåra att ersätta. Det råder ofta brist på kvalificerad arbetskraft (personer med den grad av specifika tillgångar och kompetens som krävs) och därför är arbetstagaren och arbetsgivaren ömsesidigt beroende av varandra.
Arbetstagaren behöver och vill stanna kvar i positionen eftersom utbytet mot arbetskraft (ersättningen) är högt samt att hen har höga företagsspecifika kvalifikationer som inte kan nyttjas hos andra arbetsgivare. Arbetsgivaren i sin tur behöver och vill ha kvar arbetstagaren eftersom det är svårt att hitta andra arbetstagare med likställda kvalifikationer och det är detta som kan utläsas som en arbetstagares ersättningsbarhet. Goldthorpes teori kan tolkas som att en arbetsgivare hanterar en arbetstagares ersättningsbarhet (även om Goldthorpe inte använder det begreppet) genom att värna om arbetstagaren och för att få hen att stanna kvar i
företaget erbjuds personen en hög ersättning inklusive andra förmåner (Erikson &
Goldthorpe, 1992, 42).
Tåhlin (2007, 564) bekräftar att HA-specificitet, som företagsspecifika tillgångar, har en påverkan på anställningsförhållandet i sig men menar att generella tillgångar (generellt humankapital) och även kompetenskrav (skill-requirements) istället verkar viktigare. Det vill säga att specifika tillgångar och internutbildningar inte kan förklara löneskillnader i samhället i samma utsträckning som generella kvalifikationer och tillgångar samt kompetenskrav kan.
2.2 Tidigare forskning
2.2.1 Könssegregering
Könssegregeringen utgör enligt tidigare forskning den främsta källan till könslönegapet och tycks till största del bero på att kvinnor arbetar i yrken som är förknippade med låga löner (Boschini, 2017, 33). Det utgör inte enbart en källa till löneskillnader utan orsakar även andra skillnader i arbetsmarknadsrelaterade utfall (Grönlund & Magnusson, 2016, 94; Kjellsson m.fl., 2014, 152), som exempelvis att kvinnor är underrepresenterade på chefspositioner (Bygren & Gähler, 2007, 5) samt att kvinnor möter fler hinder i sin karriär (Bihagen &
Härkönen 2014, 213). Det finns även en åtskillnad vad gäller investeringar i arbetslivserfarenhet då kvinnor ofta gör avbrott i karriären på grund av familjebildning och i större utsträckning arbetar deltid än män (Abendroth m.fl., 2013, 263).
Ofta används humankapitalteorin (Becker, 1964/1993) för att förklara arbetsmarknadens könsuppdelning. Faktorer som utbildning och arbetslivserfarenhet används för att förklara en del av könsskillnaderna (Bihagen & Härkönen, 2014, 251) och därför hänvisas det ofta till teorin eftersom den lyfter att kvinnor investerar mindre i humankapital, det vill säga införskaffa kompetens genom formell utbildning eller internutbildning, i försök att förstå och tolka könsskillnader och könssegregering på arbetsmarknaden.
2.2.2 Utbildningsinriktning
Även om kvinnor i dag har kommit ikapp män och har en högre utbildningsnivå återstår fortfarande en skillnad mellan könen avseende utbildningsinriktning (Halldén, 2014, 51). Det innebär att kvinnor och män väljer olika inriktningar, vilket har resulterat i att kvinnor är överrepresenterade i utbildningar inom vård och omsorg, pedagogik och humaniora medan
män tenderar att välja inriktningar inom teknik, naturvetenskap och ekonomi (Abendroth m.fl., 2013, 263; Halldén, 2014, 51). Som en konsekvens av könsskillnader i utbildningsval blir vissa yrken mans- respektive kvinnodominerade. Dagens utbildningsval ligger till grund för morgondagens arbetsmarknad, och enligt Löfström (2004, 91) bidrar ökad utbildningsnivå till en mindre könssegregerad arbetsmarknad. Detta är ett resultat av kvinnors ökade investeringar i humankapital, främst genom formell utbildning, som lett till förbättrade förutsättningar och karriärmöjligheter (Bihagen & Härkönen, 2014, 228). Samtidigt menar Löfström (2004, 91) att könsskillnaden i utbildningsinriktningar har en motsatt effekt och bidrar till ökad könsojämlikhet, vilket även Barone (2011, 157) diskuterar och beskriver utbildningsinriktning som den främsta källan till könsojämlikhet på arbetsmarknaden.
En vanlig sociologisk förklaring till könsfördelningen i utbildning är att den grundas i föreställningar om ”naturliga” egenskaper hos kvinnor och män, som i stor utsträckning fortfarande accepteras i dagens samhälle. Det finns således normer avseende hur både kvinnor och män förväntas bete sig vilket man lär sig redan i tidig ålder. Så småningom formar dessa normer inställningen till val av utbildning och dess inriktning (Barone, 2011, 159; Bihagen &
Härkönen, 2014, 216). Barone (2011, 160) beskriver att dessa normer upprätthålls genom yttre påfrestning, såsom subtila former av diskriminering och social kontroll, som exempelvis styr in kvinnor till kvinnodominerade utbildningar och yrken.
2.2.3 Internutbildning (on-the-job training)
Flera forskare hävdar att inskaffande av färdigheter genom utbildning och lärande på arbetsplatsen, särskilt investeringar i utbildning på arbetsplatsen, det vill säga “on-the-job training”, förutsätter långsiktiga anställningsförhållanden. Eftersom kvinnor förväntas göra avbrott i sin karriär på grund av familjebildning tros arbetsgivare vara mindre villiga att investera i kvinnor och erbjuda sådan utbildning. Då det kan variera mellan yrken hur pass viktigt det är med internutbildning kan kvinnor uteslutas, eller undvika yrken som kräver en omfattande färdighetsinvestering på arbetsplatsen på grund av förväntad diskriminering (Grönlund & Magnusson, 2016, 92, 94).
Generellt anses internutbildning vara viktigare i mer högkvalificerade arbeten och därför kommer tillgången till sådan kompetensinvestering sannolikt resultera i en större löneskillnad bland högkvalificerade individer. Mer generella färdigheter som införskaffas genom formell utbildning, det vill säga genom exempelvis högskole- eller universitetsutbildning, anses vara
könsneutral, medan specifika färdigheter är diskriminerande mot kvinnor. Detta utgör därför en faktor till könsojämlikheten på arbetsmarknaden (Grönlund & Magnusson, 2016, 94), och kan enligt Halldén (2014, 52) förklara en del av könsskillnaderna i utfall på arbetsmarknaden.
Teoretiskt kan internutbildning, ”on-the-job training”, beskrivas som en missgynnande faktor för kvinnor på arbetsmarknaden, vilket är problematiskt då den svenska arbetsmarknaden karaktäriseras av omfattande internutbildningar. Tidigare forskning visar att män i större utsträckning verkar ha arbeten som innebär och kräver betydligt mer initial internutbildning än kvinnor, samt att kvinnor i mindre utsträckning erhåller internutbildning än män med jämförbara nivåer av humankapital (Grönlund, 2012, 409; Grönlund m.fl., 2016, 104, 106;
Halldén, 2015, 90). Initial internutbildning är den träning som krävs i början av ett nytt arbete för att kunna utföra själva arbetet bra (Halldén, 2014, 75). Nivån på den typen av internutbildningen är betydligt lägre i kvinnodominerade yrken än både mansdominerade och könsintegrerade yrken. Det indikerar att internutbildningar kan variera både mellan könen samt mellan yrken med olika könssammansättning (Grönlund, 2012, 413). Internationell forskning på löneskillnader i olika länder bekräftar att kvinnor tenderar att ha arbeten som kräver mindre av företagsspecifik kompetens, det vill säga utbildning relaterat till arbetsplatsen (Grönlund & Magnusson, 2016, 102).
Grönlund (2012, 418) beskriver yrkessegregeringen som en orsak till könsskillnaderna i initial internutbildning och investeringar i internutbildning är en bidragande faktor till könsojämlikhet på arbetsmarknaden. Efter att ha kontrollerat för utbildningsnivå, arbetslivserfarenhet, anställningstid och andra relevanta faktorer visar analysen att kvinnors arbeten innebär ungefär fyra månader kortare internutbildning jämfört med män, som i genomsnitt erhåller sju månader internutbildning inom samma yrke. Grönlund fann att dessa skillnader inte kan förklaras av skillnader i humankapital, utan snarare utgör arbetets kvalifikationskrav den viktigaste faktorn till variationen i initial internutbildning. Enligt Halldén (2015, 84, 78, 90) förekommer internutbildningar mer ofta och är mer vanligt inom offentlig sektor, och att utbildningarna i offentlig sektor är längre än utbildningarna i privat sektor. Det konstateras också i Halldéns studie att könsskillnaderna i internutbildning är störst i offentlig sektor. Vidare argumenterar hon för att män eventuellt har en tendens att överskatta nivån på den initiala internutbildningen, det vill säga överskattar nivån för hur svårt arbetet är att lära sig eller att kvinnor underskattar hur svåra deras arbeten är.
2.2.4 Yrken
Att arbetsmarknaden är könssegregerad innebär bland annat att kvinnor och män söker sig till olika yrken, men könsojämlikheten kan innebära att arbetsvillkoren skiljer sig åt ur flera aspekter. Det kan innebära olika löner och förmåner, liksom skilda karriär- och utvecklingsmöjligheter, vilka har visat sig vara direkta konsekvenser av yrkessegregeringen (Löfström, 2004, 21). Teoretiska idéer kring varför yrken skiljer sig åt avseende karriärmöjligheter grundas i att yrken vanligtvis har liknande långsiktiga för- och nackdelar för arbetstagare på jobbnivå, det vill säga inom organisationer. Yrken skiljer sig åt vad gäller graden av specifikt humankapital som krävs för att utföra arbetsuppgifterna inom yrket, vilket införskaffas genom arbetslivserfarenhet och genom internutbildning (Bihagen & Ohls, 2006, 160).
Bihagen och Ohls (2006, 23) menar att skillnader i karriär- och utvecklingsmöjligheter delvis beror på att kvinnor är överrepresenterade i yrken som klassificeras som ”dead-end-jobs”, vilka kan ses som “återvändsgrändsjobb” (Bihagen & Härkönen 2014, 217). Enligt Bihagen och Ohls (2007, 163) kan dessa definieras som yrken som till stor del saknar möjligheter till karriär- och löneutveckling. Tidigare nämnda sociologiska termer relaterade till denna typ av arbeten är arbetskontraktet, som återfinns i Goldthorpes teori om anställningsförhållanden och klasschema för att beskriva klasstrukturer (Bihagen & Ohls, 2014, 1461). Enligt Bihagen och Ohls (2014, 1462) kan arbeten som kännetecknas av låg grad av specifika tillgångar, det vill säga företagsspecifikt humankapital, och som är lätta att övervaka klassificeras som återvändsgrändsjobb i och med att de saknar möjligheter till karriär- och löneutveckling.
2.3 Sammanfattning
Sammanfattningsvis finner tidigare forskning att könsskillnaderna på arbetsmarknaden består av fler aspekter bortom lön. Det är konstaterat att kvinnor i större utsträckning arbetar i yrken som saknar karriärmöjligheter och att de har en betydligt mindre företagsspecifik kompetens, eftersom kvinnor erhåller mindre internutbildning i jämförelse med män. Både företagsspecifik kompetens och internutbildning är viktiga aspekter för en individs utbytbarhet, eller s.k. ersättningsbarhet. Trots den begränsade forskningen kring ersättningsbarhet kan studien, med bakgrund i tidigare forsknings konstaterande avseende arbetsmarknadens könsojämlikhet, förvänta sig att det även finns en könsskillnad vad gäller
ersättningsbarhet. Således har studiens hypotes formulerats följande: män är i större utsträckning svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden.
3. Metod och data
Avsnittet som följer beskriver studiens val av analysmetod utifrån studiens syfte och frågeställning. Inledningsvis beskrivs det datamaterial som används följt av en redogörelse av valda variabler. Studien tillämpar regressionsanalyser på befintliga data som mäter olika typer av faktorer av relevans för studiens hypotes. Avslutningsvis förs en metoddiskussion där bland annat brister med valda analysmetod tas upp samt en etisk reflektion.
3.1 Datamaterial
Studien syftar till att undersöka hur kön samverkar med graden av ersättningsbarhet. För att undersöka sambandet används tvärsnittsdata från levnadsnivåundersökningen, LNU 2010.
LNU syftar till att beskriva levnadsförhållanden i Sverige över tid och har genomförts i flera omgångar sedan 1968. Levnadsförhållanden och levnadsnivå (“level of living”) blev ett relevant mått för att mäta och beskriva välfärdsnivåer runt om i världen redan på 50-talet och handlar generellt om välfärd, sociala relationer och sociala förändringar (Erikson, 2014, 31).
En definition av levnadsnivå görs av Johansson (1970, 25) som lyder “förfogande över resurser i pengar, ägodelar, kunskaper, psykisk och fysisk energi, sociala relationer, säkerhet med mera med vars hjälp individen kan kontrollera och medvetet styra sitt liv”.
Datainsamlingen för LNU genomförs av Institutet för social forskning (SOFI) vid Stockholms universitet tillsammans med Statistiska centralbyrån (SCB, 2012, 5). Urvalsramen för LNU 2010 utgörs av individer mellan 18–75 år och bestod av 7 404 individer med en svarsfrekvens på 4 415 individer som datamaterialet baseras på, men där specifika frågor kan ha en lägre svarsfrekvens på grund av internt bortfall.
3.2 Urval och avgränsningar
Studiens baseras på nio olika variabler från LNU. Eftersom variablerna har olika svarsfrekvens har datamaterialet rensats så att observationer med internt bortfall på minst en variabel har selekterats bort. Det gör att observationer som saknar värde på en eller fler variabler exkluderats från samtliga modeller. Efter detta återstår studiens urval på 2 318 respondenter.
3.3 Variabler
Variablerna som används har valts för att kunna besvara studiens frågeställning, och baseras på vad som ansetts som viktiga faktorer i tidigare forskning om könsskillnader på arbetsmarknaden. Nedan beskrivs respektive variabel samt hur dessa har konstruerats och används i analysen.
3.3.1 Beroende variabel
Denna studie vill studera om det finns ett samband mellan graden av ersättningsbarhet på arbetsmarknaden och kön, samt undersöka vad det sambandet i så fall kan bero på och vilka andra faktorer som kan påverka graden av ersättningsbarhet. För att besvara studiens frågeställning används en variabel som handlar om intervjupersonens subjektiva uppfattning om hur svår hen är att ersätta på sin arbetsplats som beroende variabel. Eftersom frågan mäter respondentens uppfattning är variabeln ett subjektivt mått på ersättningsbarhet. Frågan som ställdes till intervjupersonen löd “Hur svårt tror du att det skulle vara för din arbetsgivare att ersätta dig om du slutade?”. Fortsättningsvis benämns variabeln för svår att ersätta. Variabeln är på ordinalskalenivå där svarsalternativen på frågan har ett värde mellan 1–5; (1) mycket svårt, (2) ganska svårt, (3) inte särskilt svårt, (4) ganska lätt och (5) mycket lätt. I kodning av variabeln har värdena på svarsalternativen inverterats, vilket innebär att ju högre värde desto svårare är individen att ersätta. Det gjordes för att det ska verka mer intuitivt logiskt vid avläsning av regressionsanalyserna. Måttet på ersättningsbarhet går alltså på en skala mellan ett och fem, vilket är viktigt att ha i åtanke vid avläsning av resultatet samt att det också bör avläsas som ett subjektivt mått. Variabeln har en svarsfrekvens på 2 654 vilket innebär ett bortfall om 1 761, där saknade svar samt de som frågan inte är aktuell för, det vill säga de som kanske inte har ett arbete, inkluderas. Saknade svar och svarsalternativet “ej aktuellt” har rensats och kodats som missing values.
3.3.2 Oberoende variabler
Den första variabeln som används för att undersöka det huvudsakliga sambandet är kön, vilken är en dikotom variabel med två svarsalternativ “kvinna” eller “man”. Svarsfrekvensen är 4 415 utan något internt bortfall. Variabeln är på nominal skalnivå och har gjorts om till en dummyvariabel. En dummyvariabel är en binär variabel som enbart kan anta ett värde om 0 eller 1 och används för att kunna inkludera kategoriska variabler i regressionsanalysen (Edling & Hedström, 2003, 103). I variabeln har “man” kodats till värdet 0 och “kvinna” till värdet 1, och eftersom män används som referenskategori som man jämför med har variabeln därför döpts till kvinna. Variabeln kvinna är en av de viktigare variablerna i modellen eftersom syftet med studien är just att undersöka skillnaderna mellan män och kvinnor.
Humankapitalsfaktorer
I studien inkluderas flera kontrollvariabler som tros vara kopplade till och mäter humankapital. Variabler som mäter generellt humankapital är utbildningsnivå och arbetserfarenhet. Utbildningsnivå är en åttaställig variabel som mäter högsta avklarade utbildningsnivå enligt Svensk utbildningsnomenklatur (SUN) med svarsalternativen; ingen utbildning, folkskola motsvarande, grundskola, yrkesinriktat gymnasium, teoretiskt gymnasium, postgymnasium, universitet- eller högre och forskarutbildning. Svarsfrekvensen är 4 415 med 3 bortfall. Kategorierna har gjorts om till tre separata variabler, också kallad en treställig dummyvariabel, med högsta avklarade utbildningsnivå. Grundskola används som referenskategori med värdet 0, medan både gymnasium respektive universitet/högskola har kodats till värdet 1. Variabeln arbetslivserfarenhet är en kontinuerlig variabel på kvotskalenivå och handlar om antal år i förvärvsarbete. Frågan som ställs är “Ungefär hur många år har du förvärvsarbetat sammanlagt?”. Svarsfrekvensen är 4 415 med 134 bortfall.
Dessa två variabler har valts till att mäta generellt humankapital då de ligger i linje med de tidigare nämnda teoretiska utgångspunkter om humankapital, och är faktorer som används i tidigare forskning (se avsnitt 2).
En variabel i studien mäter företagsspecifikt humankapital vilken mäts som företagsspecifik kompetens. Frågan syftar till huruvida respondenten känner till andra arbetsgivare skulle ha nytta av den kompetens individen erhållit under sitt nuvarande arbete och löd; “Känner du till några andra arbetsgivare där du skulle ha stor nytta av det du lärt dig i ditt nuvarande arbete?”. Variabeln är på ordinalskalenivå med alternativen; (1) ja många, (2) ja, några, (3)
ja, någon enstaka och (4) nej. Svarsfrekvensen är 2 667 efter 1 748 bortfall, vilka har rensats för. Eftersom den används som en kontrollvariabel har den konstruerats till en dummyvariabel för att underlätta tolkningen av regressionsmodellen. Det innebär att de tre första alternativen kodats som ja = 0 och speglar att respondenten inte har specifik kompetens och är referenskategori, medan nej = 1 och visar att individen har företagsspecifik kompetens.
Däremot är variabeln ett subjektivt mått på respondentens egen uppfattning om företagsspecifik kompetens, som bör beaktas vid tolkning av resultatet. Att ha en variabel som mäter företagsspecifik kompetens anses vara viktigt för studiens syfte då mycket av nämnda teorier och forskning lägger stor vikt vid just företagsspecifika kvalifikationer i många avseenden.
Arbetsmarknadsrelaterade faktorer
För att kontrollera för faktorer relaterade till arbetet och arbetsmarknaden inkluderas flera oberoende variabler som kan antas påverka en individs ersättningsbarhet. Den första variabeln utbildningskrav antal år kontrollerar för kompetenskrav/kvalifikationskrav och mäter antal skolår utöver grundskola som arbetet kräver. Frågan ställs “Ungefär hur många års utbildning utöver folk- eller grundskola behöver man?”. Variabeln är kontinuerlig och på kvotskalenivå och har endast rensats för internt bortfall och för de respondenter som frågan ej är aktuell.
Variabelns svarsfrekvens utgörs av 2 657 respondenter då 1 758 svar saknas.
Vidare används senioritet på nuvarande arbetsplats som mäter antal månader respondenten har varit anställd på sin nuvarande arbetsplats. Svarsfrekvensen är 2 433 efter 1 982 bortfall vilka har rensats för. Variabeln är på kvotskalenivå och har transformerats till antal år istället för månader för att b-koefficienten ska få ett större värde och ge en mer intuitiv tolkning av regressionen.
Tidigare forskning finner att utbildningsinriktning utgör en viktig bakomliggande faktor till könsuppdelningen på arbetsmarknaden, därför inkluderas den aspekten i studien. Variabeln utbildningsinriktning är en kategorisk variabel på nominalnivå och är en klassificering av utbildning hämtad från Svensk Utbildningsnomenklatur (SUN). SUN bygger på två moduler där den första är en nivåmodul och den andra är en inriktningsmodul. Tillsammans bildas en fyrsiffrig kod som klassificerar utbildningsinriktningar och varje siffra i koden bildar en mer detaljerad klassificering (SCB, 2000, 3, 5). I denna studie används enbart den första siffran i inriktningsmodulen som anger utbildningens huvudinriktning på en övergripande nivå. Den
beskriver nio huvudinriktningar: Allmän utbildning, Pedagogik och lärarutbildning, Humaniora och konst, Samhällsvetenskap, juridik, handel och administration, Naturvetenskap, matematik och data, Teknik och tillverkning, Lant- och skogsbruk och djursjukvård, Hälso- och sjukvård och social omsorg och till sist Tjänster.
Utbildningsinriktningen tjänster är en bred klassificering som innefattar allt från säkerhetstjänster, såsom polis och militär, till hushållstjänster och transport (SCB, 2000, 7, 68, 70). För att kunna använda utbildningsinriktning i analysen konstrueras samtliga utbildningsinriktningar till dummyvariabler, där allmän utbildning används som referenskategori. Variabeln har en svarsfrekvens på 4 234 respondenter, där det interna bortfallet var 181 och har rensats för.
3.4 Analysmetod
För att studera sambandet tillämpar studien minstakvadratmetoden, ofta kallad OLS som står för Ordinary Least Squares. Metoden bygger på att den linjen som bäst beskriver sambandet är den som minimerar alla avvikelser mellan faktiskt och estimerat värde på den beroende variabeln. Värdena kvadreras för att positiva och negativa värden inte ska ta ut varandra, vilket gör att avvikelserna minimeras och regressionslinjen kommer att beskriva sambandet mellan svår att ersätta och kvinna samt studiens övriga oberoende variabler på bästa sätt (Edling & Hedström, 2003, 88–91).
Analysen har delats upp i flera steg. Inledningsvis har deskriptiva analyser för respektive variabel genomförts, däremot presenteras endast deskriptiva data för variabeln svår att ersätta och kvinna eftersom dessa variabler är mest relevanta för studiens syfte.1 Därefter har tre bivariata regressionsanalyser genomförts (Edling & Hedström, 2003, 97), i syfte att undersöka huruvida kön, utbildningsnivå respektive utbildningskrav enskilt samvarierar med graden av ersättningsbarhet.
Vidare har den multivariata regressionsanalysen genomförts i tre steg för att jämföra hur b- koefficienten för kvinna förändras mellan modellerna. Vid en multivariat regression inkluderas fler oberoende variabler som antas vara relaterade till den beroende variabeln (Edling & Hedström, 2003, 95–96). I den första modellen inkluderas både humankapitals- och
1 Deskriptiva data över samtliga variabler återfinns i bilaga 1.
arbetsmarknadsrelaterade faktorer, medan den andra modellen enbart undersöker sambandet kontrollerat för utbildningsinriktning. I den sista modellen inkluderas samtliga variabler i modellen för att undersöka om eventuella könsskillnader i ersättningsbarhet kan förklaras av kontrollvariablerna.
3.4.1 Regressionsdiagnostik
Regressionsdiagnostik handlar om att säkerställa att modellen beskriver data på ett adekvat sätt, det vill säga att sambandet beskrivs korrekt (Edling & Hedström, 2003, 139). En källa till inadekvata regressionsmodeller är multikollinearitet, vilket uppstår när två eller fler oberoende variabler är korrelerade med varandra. Om det föreligger multikollinearitet kan skattningarna bli mindre pålitliga i regressionsmodellen. För att testa om någon av de oberoende variablerna är korrelerade med varandra kan de enskilt regresseras mot de övriga oberoende variablerna, genom ett s.k. R2k-test. Om R2-värdet för modellen överstiger 0,7–0,8 är risken för multikollinearitet stor (Edling & Hedström, 2003, 145–146). I den sista multivariata regressionsanalysen blev inte någon av utbildningsinriktningarna signifikanta, vilket flera var i modell 2. Därför misstänktes multikollinearitet föreligga mellan utbildningsinriktning och utbildningsnivå, det vill säga att de är högt korrelerade med varandra. R2-värdet vid R2k-test översteg 0,8, vilket utgör en risknivå för multikollinearitet.
Därför togs utbildningsnivå bort i modell 3 tabell 2 initialt, men eftersom resultatet då inte utgjorde någon större skillnad, framförallt inte i signifikansnivåerna, finns både utbildningsnivå och utbildningsinriktningar med i modellen. Vidare har resterande variabler testats för multikollinearitet, men inget av de övriga R2k-testerna gav höga värden.
Specifikationsfel kan ge upphov till inadekvata regressionsmodeller genom felskattningar.
Det beror på att modellen antingen saknar en betydande variabel eller inkluderar irrelevanta variabler (Edling & Hedström, 2003, 43). Inledningsvis bestod modellen av två variabler som mäter arbetets utbildningskrav, en i antal år och den andra som dikotom variabel om arbetet har utbildningskrav ja/nej. Den sistnämnda exkluderades då variablerna mäter samma effekt och utgjorde en typ av felspecificering som påverkade skattningarna i modellen. Ett sätt att upptäcka felspecificeringar är genom signifikanstester. För att undvika en felskattning av modellen exkluderades den variabeln för att öka precisionen i skattningen. Det är däremot svårare att upptäcka om modellen saknar en eller flera relevanta variabler. En indikator på att en modell saknar viktiga variabler kan reflekteras i låga R2-värden (Edling & Hedström, 2003, 144).
Studiens regressioner signifikanstestas för att kontrollera att sambanden inte har uppstått slumpmässigt i och med urvalsfelet. P-värdet visar signifikansen och ska understiga p <0,05, det innebär en statistisk signifikansnivå på 5 procent risk. Om p-värdet p <0,05 kan man med mer än 95 procent säkerhet säga att β > 0 i populationen. Om P-värdet p >0,05, är inte sambandet statistiskt signifikant för populationen (Edling & Hedström, 2003, 125). Studien tillämpar tre signifikansnivåer 95 (p < 0.05), 99 (p < 0.01) respektive 99,9 ( p < 0.001) procent.
3.5 Metoddiskussion
Vanligtvis lämpar sig en regressionsanalys bäst om den beroende variabeln är kontinuerlig (Edling & Hedström, 2003, 87). Studiens beroendevariabel svår att ersätta är kategorisk och har fem svarsalternativ som antar olika värden, vilken har konstruerats så att ju högre värde desto svårare är individen att ersätta. Därför liknar den en kontinuerlig variabel och därav kan en OLS genomföras. Alternativet är att använda en logistisk regressionsanalys eller en linjär sannolikhetsmodell där den beroende variabeln är dikotom, det vill säga enbart kan anta två värden. Detta skulle i analysen innebära att en individ är svår att ersätta eller lätt att ersätta, och att gränsen för detta skulle dras någonstans på den femgradiga skalan. Den logistiska regressionsanalysen skulle således visa sannolikheten att en individ är svår att ersätta (Edling
& Hedström, 2003, 174). Eftersom studien intresserar sig för graden av hur svår en individ är att ersätta och inte vill förlora varians i beroendevariabeln, är dock inte en logistisk regressionsanalys lämplig. Däremot är det viktigt att resultatet i den multivariata analysen tolkas med en viss försiktighet, eftersom studien använder en beroendevariabel på ordinalnivå och ekvidistans kan saknas mellan värdena (Edling & Hedström, 2003, 17).
3.6 Etiska överväganden
Vid genomförandet av en studie är det viktigt som forskare att säkerställa att studien följer en god forskningssed. Genom att följa Vetenskapsrådets fyra huvudsakliga krav, informationskravet, samtyckeskravet, konfidentialitetskravet samt nyttjandekravet, säkerställs att de etiska principerna följs samt studiens kvalité (Vetenskapsrådet, 2017).
Insamlingen av LNU 2010 har genomförts enligt Vetenskapsrådets etiska principer och uppfyller de etiska kriterierna. Datainsamlingen pågick mellan september 2009 till april 2010
och genomfördes genom telefon- och besöksintervjuer samt genom elektroniska enkäter (SCB, 2012, 9, 11). Se mer i SCB (2012) avsnitt tre och fyra hur de säkerställt intervjuernas men framförallt de elektroniska frågeformulärens kvalité och säkerhet.
Datamaterialet har avidentifierats av SCB redan innan SOFI fått tillgång till materialet där det senare har fastställts en sekretessöverenskommelse mellan parterna för hur det avidentifierade materialet ska hanteras (SCB, 2012, 11). För att få tillgång till datamaterialet måste studenten skriva på ett sekretessavtal som säkerställer att studien följer Vetenskapsrådets riktlinjer och forskningsetiska principer för humaniora och samhällsvetenskap. I förbindelsen försäkrar studenten att materialet hanteras varsamt och inte delas med obehöriga samt att inte bryta mot identitetsskyddet genom bakvägsidentifiering.
4. Resultat och analys
Nedan redovisas av resultaten från regressionsanalyserna som gjorts med hjälp av valda variabler från LNU 2010 för att testa hypotesen att män i större utsträckning är svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden. Inledningsvis presenteras deskriptiva, univariata analyser som beskriver enskilda variabler. Därefter följer bivariata och multivariata regressionsanalyser där beroendevariabeln svår att ersätta regresseras, kontrollerat för kvinna samt för olika humankapitals- och arbetsmarknadsrelaterade faktorer som tros påverka eller samverka med graden av ersättningsbarhet.
4.1 Deskriptiv analys
Studiens beroendevariabel, svår att ersätta, består efter selektering av 2 318 respondenter.
Nedan i figur 1 visas den procentuella fördelningen över respektive kategori i variabeln. På en skala mellan 1–5 där 5 är “Mycket svår”, skattar 6,2 procent sig själv som “Mycket lätt”, 10,4 procent “Ganska lätt”, 31,3 procent “Inte särskilt svår”, 40,7 procent “Ganska svår” och slutligen 11,3 procent “Mycket svår” för deras arbetsgivare att ersätta dem i sin befintliga position. Typvärdet för graden av svår att ersätta är 4 och medianen likaså, därmed ganska svår att ersätta.
Figur 1. Procentuell fördelning över kategorierna i svår att ersätta.
Den oberoende variabeln kön bestod ursprungligen av 4 415 respondenter, men efter selektering är frekvensen 2 318. Bland dessa är 52,2 procent män och 47,8 procent kvinnor.
Typvärdet är 1 vilket är värdet för man i den ursprungliga variabeln, det innebär att det är flest män som utgör variabeln och det skiljer 104 antal observationer mellan kvinnor och män. Se bilaga 1 för deskriptiva data över samtliga variabler i studien.
4.2 Bivariat analys
I nedanstående tabell redovisas tre bivariata regressionsmodeller kontrollerade för olika oberoende variabler tillsammans med beroendevariabeln svår att ersätta. I den första modellen presenteras sambandet mellan svår att ersätta och kvinna. Sedan i andra modellen undersöks sambandet mellan svår att ersätta med utbildningsnivå som är uppdelad i högst avslutad utbildning, det vill säga grundskola (referenskategori), gymnasium eller universitet/högskola. Den sista modellen undersöker sambandet mellan utbildningskrav antal år med svår att ersätta.
Tabell 1. Bivariata regressionsanalyser med svår att ersätta som beroendevariabel.
Oberoende variabler Modell 1 Modell 2 Modell 3
Kvinna -0,229*** - -
Utbildningsnivå
Gymnasium
Universitet/högskola
-
0,279**
0,444***
-
Utbildningskrav antal år - - 0,062***
Intercept R2 N
3,514 0,012 2318
3,066 0,013 2318
3,182 0,031 2318
*** = p <.001 ** = p <.01 * = p <.05
Samtliga tre modeller i tabell 1 visar att den beroende variabeln Svår att ersätta samvarierar med kön, utbildningsnivå samt utbildningskrav och att alla samband är statistiskt signifikanta.
Sambandet mellan att vara kvinna och vara svår att ersätta är negativt, medan sambanden i modell 2 och 3 är positiva. Modell 1 visar att kvinnor i genomsnitt är 0,229 enheter mindre svåra att ersätta, i jämförelse med män som har värdet 3,514 (konstanten) i genomsnitt på den femgradiga skalan för hur svår man är att ersätta. Enklare tolkat visar modell 1 att kvinnor i genomsnitt är lättare att ersätta än män och den bivariata analysen på modell 1 bekräftar således studiens hypotes att män är svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden. Även om sambandet är starkt signifikant blir inte förändringen per enhet, b- koefficienten, speciellt stor eftersom skalan för ersättningsbarhet endast sträcker sig mellan ett och fem. Modell 2 och 3 som istället har positiva b-koefficienter visar generellt, oavsett kön, hur utbildningsnivå och arbetets utbildningskrav i antal år påverkar en individs ersättningsbarhet på arbetsmarknaden. Hur högst avslutad utbildningsnivå gymnasium eller universitet/högskola gör en individ i genomsnitt 0,279 respektive 0,444 enheter svårare att ersätta, i jämförelse med någon som endast har högsta avslutad utbildning grundskola. Vidare i modell 3 visar utbildningskrav i antal år att för varje ytterligare år i utbildningskrav arbetet ställer, blir en individ i genomsnitt 0,062 enheter svårare att ersätta på den femgradiga skalan.
Det innebär därför, i modell 2 och 3, att en faktor för generellt humankapital samt en
arbetsmarknadsrelaterad faktor har positiva effekter för en individs ersättningsbarhet, i den mening att individen blir svårare att ersätta.
Determinationskoefficienten R2 för modell 1 visar att 1,2 procent av variansen i svår att ersätta kan förklaras av enbart kön, medan förklaringsvärdet för utbildningsnivå och utbildningskrav är 1,3 respektive 3,1 procent, vilket innebär att utbildningskrav kan förklara mer av variansen i graden av ersättningsbarhet än de andra variablerna. Däremot är inte R2- värdet för någon av modellerna särskilt högt, vilket kan innebära att modellerna inte beskriver sambanden på ett tillfredsställande sätt. Det indikerar att det finns andra faktorer som skulle kunna förklara variansen i ersättningsbarhet bättre.
4.3 Multivariat analys
Nedan presenteras multivariata regressioner i tre olika modeller. Modell 1 visar en regression mellan beroendevariabeln svår att ersätta och kvinna när valda humankapital- och arbetsmarknadsrelaterade faktorer inkluderas. Modell 2 kontrollerar för kvinna och alla olika utbildningsinriktningar och i modell 3 inkluderas samtliga variabler.
Tabell 2. Multivariata regressionsanalyser med svår att ersätta som beroendevariabel.
Oberoende variabler Modell 1 Modell 2 Modell 3
Kvinna -0,237*** -0,233*** -0,217***
Utbildningsnivå Gymnasium
Universitet/högskola
0,200*
0,198*
-
0,177 0,172
Utbildningskrav antal år 0,053*** - 0,052***
Arbetserfarenhet 0,002 - 0,002
Företagsspecifik kompetens -0,354*** - -0,352***
Senioritet antal år -0,001 - -0,001
Utbildningsinriktning -
Pedagogik och lärarutbildning 0,286*** 0,031
Humaniora och konst 0,173 0,056
Samhällsvetenskap, juridik, handel, administration
0,175** -0,008
Naturvetenskap, matematik och data
0,279** 0,034
Teknik och tillverkning 0,241*** 0,082
Lant- och skogsbruk samt djursjukvård
0,167 0,057
Hälso- och sjukvård samt social omsorg
0,279*** 0,034
Tjänster 0,053 -0,077
Intercept R2 N
3,134 0,057 2318
3,343 0,023 2318
3,123 0,059 2318
*** = p <.001 ** = p <.01 * = p <.05
Modell 1 i tabell 2 visar hur sambandet mellan beroendevariabeln svår att ersätta och kvinna påverkas när variabler som mäter humankapital och arbetsmarknadsrelaterade faktorer inkluderas och kontrolleras för. Det predicerade värdet för kvinna konstanthållet för övriga variabler, visar att kvinnor har en negativ b-koefficient och är i genomsnitt 0,237 enheter
lättare att ersätta jämfört med män på den femgradiga skalan. Resultatet för variabeln kvinna påvisar en signifikansnivå p <0,001. Därför går det med 99,9 procent säkerhet att dra generaliserbara slutsatser om att könsskillnaden i ersättningsbarhet är större än noll i populationen. Modellen bekräftar studiens hypotes, dock vid jämförelse av modell 1 i tabell 2 med modell 1 i tabell 1, det vill säga den bivariata analysen mellan kvinna och svår att ersätta, förändras inte b-koefficienten nämnvärt, från -0,229 till -0,237. Det tyder på att eventuella olikheter mellan kvinnor och män i humankapital- och arbetsmarknadsrelaterade faktorer inte kan förklara könsskillnaderna i graden av ersättningsbarhet. I modell 1 är både utbildningskrav antal år och företagsspecifik kompetens starkt signifikanta, däremot är sambandet mellan svår att ersätta och företagsspecifik kompetens negativt. Det innebär att företagsspecifik kompetens har en negativ effekt för en individs ersättningsbarhet, och visar att om individ har företagsspecifik kompetens är individen i genomsnitt 0,354 enheter mer utbytbar, justerat för övriga variabler.
R2-värdet i modell 1 i tabell 2 visar att 5,7 procent av variansen i svår att ersätta kan förklaras av kön samt humankapital- och arbetsmarknadsrelaterade faktorer. Huruvida 5,7 procent kan tolkas som högt eller lågt beror på. Om syftet är att förklara variansen är det ett relativt lågt värde men om det snarare syftar till att visa hur mycket dessa faktorer betyder är modellen 5,7 procent bättre på att estimera värdet på graden av ersättningsbarhet om det finns information om värden på humankapital- och arbetsfaktorer, än att enbart känna till medelvärdet för svår att ersätta.
Vidare i den andra modellen justeras sambandet mellan svår att ersätta och kvinna för olika utbildningsinriktningar. Jämfört med modell 1 i samma tabell minskar effekten för kvinna, om än marginellt, för graden av ersättningsbarhet. B-koefficienten för kvinna visar nu att kvinnor i genomsnitt är 0,233 enheter lättare att ersätta i jämförelse med män som i genomsnitt har värdet 3,343 på skalan för ersättningsbarhet, kontrollerat för utbildningsinriktning. Eftersom kvinna har en signifikant negativ effekt på svår att ersätta betyder det att kvinnor i genomsnitt är 0,233 lättare att ersätta än män i genomsnitt när sambandet justeras för utbildningsinriktning. Sett till förklaringsvärdet, R2, som minskar till 0,023 från 0,057 i modell 1, betyder att utbildningsinriktning och kön kan förklara 2,3 procent av variansen i ersättningsbarhet. Det tyder också på att utbildningsinriktning kan förklara en mindre del av skillnaden i ersättningsbarhet mellan män och kvinnor än humankapital- och arbetsmarknadsrelaterade faktorer.
Slutligen i modell 3 då samtliga variabler inkluderas och justeras för, minskar effekten för kvinna ytterligare till -0,217 i genomsnitt i jämförelse med män som har ett värde på 3,123 på femgradiga skalan av ersättningsbarhet. B-koefficienten har ett p-värde p < 0.001, vilket innebär att effekten för kvinna fortfarande är signifikant negativ. Modellen visar även att företagsspecifik kompetens har en signifikant negativ effekt på en individs ersättningsbarhet, som minskar med 0,352 på skalan för ersättningsbarhet kontrollerat för övriga variabler.
Samtidigt har arbetets utbildningskrav en signifikant positiv effekt, vilket innebär att för varje år utbildning arbetet kräver blir en individ i genomsnitt 0,052 enheter svårare att ersätta justerat för övriga variabler i modellen.
Mellan modell 1 och modell 3 i tabell 2 förändras b-koefficienten för kvinna från -0,237 till -0,217. Vad det säger är att kvinnor i genomsnitt är lättare att ersätta än män i sina positioner på arbetsmarknaden i alla tre modeller. Däremot mellan första och tredje modellen, så blir en kvinna svårare att ersätta konstanthållet för humankapital- och arbetsmarknadsrelaterade faktorer samt utbildningsinriktning. Effekten för kvinnors ersättningsbarhet minskar alltså när samtliga variabler kontrolleras för i jämförelse med modell 1 i den multivariata analysen. Att jämföra effekten för kvinna modellerna emellan är det som är mest intressant för studien och det som analysen visar är att knappt tio procent av effekten av kvinnors ersättningsbarhet kan förklaras av de resterande kontrollvariablerna (jmf. modell 1 och 3, tabell 2).
Även om effekten för kvinnors ersättningsbarhet minskar från modell 1, återstår fortfarande en skillnad mellan kvinnor och män när sambandet kontrolleras för humankapital- och arbetsmarknadsrelaterade faktorer samt utbildningsinriktning i modell 3. R2-värdet för modellen ökar något från 5,7 procent i modell 1 till 5,9 procent. Det innebär att när information om utbildningsinriktning inkluderas ökar förklaringsvärdet med 0,2 procentenheter mellan modellerna. Eftersom utbildningsinriktning helt förlorar förklaringsvärde vid kontroll för övriga variabler är således skillnader i ersättningsbarhet inte en fråga om inriktning på utbildning. Precis som modellerna i tabell 1, är även samtliga R2- värden i tabell 2 relativt låga, vilket tyder på att det finns andra faktorer som eventuellt kan förklara variansen i graden av ersättningsbarhet bättre.
5. Diskussion
I detta avslutande avsnitt sammanfattas studiens huvudsakliga resultat samt hur det kan relateras till teori och tidigare forskning. Avslutningsvis diskuteras studiens begränsningar och möjligheter till fortsatt forskning.
Studiens syfte har varit att undersöka hur kön samverkar med graden av ersättningsbarhet, relaterat till generellt och företagsspecifikt humankapital. Specifikt har studien undersökt huruvida kön har en betydelse för en individs ersättningsbarhet. Studiens hypotes om att män i större utsträckning svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden har formulerats utifrån tidigare forskning kring könsskillnader på arbetsmarknaden samt utifrån teori om anställningsförhållanden och humankapital. Analysen har baserats på datamaterial från Levnadsnivåundersökningen (LNU) 2010 och har genomförts genom linjära regressionsanalyser med OLS.
Resultatet från den bivariata analysen visar att män skattar sig vara svårare att ersätta än kvinnor i sina positioner på arbetsmarknaden. När sambandet undersöks vidare och justeras för humankapital- och arbetsmarknadsrelaterade faktorer samt utbildningsinriktning finner studien att dessa variabler inte kan förklara den åtskillnad som den inledande bivariata analysen mellan kvinna och svår att ersätta påvisar. Även om både utbildningskrav antal år och företagsspecifik kompetens har en genomgående signifikant effekt på svår att ersätta, kvarstår effekten för kvinna med en marginell minskning från den första modellen i tabell 1.
Det tyder på att både utbildningskrav och företagsspecifikt humankapital korrelerar med ersättningsbarhet, däremot verkar dessa inte kunna förklara könsskillnaden i ersättningsbarhet.
Dessutom indikerar modellernas låga R2-värden det finns andra relevanta faktorer som kan förklara variansen i svår att ersätta på ett mer tillfredsställande sätt. Låga R2-värden kan tyda på att modellen är felspecificerad och att det saknas viktiga variabler.
I tidigare forskning finner Grönlund (2012) att generellt humankapital inte kan förklara könsskillnader i internutbildning, utan snarare utgör arbetets kvalifikationskrav den viktigaste faktorn till variansen i internutbildning. Dessa tendenser går även att tyda i studiens resultat, framför allt i den bivariata analysen i tabell 1, då utbildningskrav i modell 3 har ett större förklaringsvärde för variansen i ersättningsbarhet än utbildningsnivå i modell 2 i tabell 1.
