• No results found

Studiemedlets betydelse för socioekonomiska skillnader i studieframgång

N/A
N/A
Protected

Academic year: 2021

Share "Studiemedlets betydelse för socioekonomiska skillnader i studieframgång"

Copied!
30
0
0

Loading.... (view fulltext now)

Full text

(1)

Nationalekonomiska institutionen Uppsala universitet

Examensarbete C

Författare: Emil Björk och Erik Bramme Handledare: Olof Rosenqvist

Vårtermin 2019

Studiemedlets betydelse för socioekonomiska skillnader i

studieframgång

En undersökning av reformer i studiemedelssystemet

(2)

Sammanfattning

Den här uppsatsen undersöker om studieprestationen hos studenter med olika socioekonomisk bakgrund påverkas olika av förändringar i nivån på studiemedlet. Vi gör detta genom att använda oss av en serie reformer av det svenska studiemedelssystemet som ändrade incitamenten för studenter att spendera sin tid på arbete eller studier. Aggregerad socioekonomisk bakgrund på lärosätesnivå används för att uppskatta skillnaderna mellan de socioekonomiska grupperna, där lärosäten med en högre andel studenter med stark socioekonomisk bakgrund antas vara mindre beroende av arbetsinkomster och därmed mindre känsliga för förändringar i studiemedlet.

Utvecklingen i prestationsgrad för de socioekonomiska grupperna jämförs före och efter

reformerna med hjälp av en difference-in-difference regression. Sammantaget ger resultaten stöd för att de socioekonomiska grupperna inte skiljer sig åt i hur deras prestationer i högskolan påverkades av reformerna.

Nyckelord: studiemedelsreform, studieprestation, socioekonomisk bakgrund, utbildning, studenters arbetsutbud

Abstract

This thesis explores if the academic achievements of students with different socioeconomic backgrounds are affected differently when the level of student aid is changed. We do this by using a series of reforms in the Swedish student aid system that changed incentives for students to spend time working or studying. Aggregate socioeconomic background for universities was used to estimate the differences between socioeconomic groups, where universities with a higher share of students with a strong socioeconomic background are assumed to be less dependent on work-related sources of income and thus less sensitive to changes in the level of student aid. The development of achievement rates in the socioeconomic groups were compared before and after the reforms took place by using a difference-in-differences regression. Overall, the results indicate that the socioeconomic groups do not differ in terms of how their achievements in higher education were affected by the reforms.

Keywords: student aid reform, academic achievement, socioeconomic background, education, student labour supply

(3)

Innehållsförteckning

1. Inledning ...3

2. Studiemedelssystemet ...5

3. Tidigare forskning ...7

4. Data...8

4.1 Gruppindelning ... 10

4.2 Deskriptiv statistik ... 11

5. Metod ... 12

5.1 Huvudspecifikation ... 13

5.2 Alternativa specifikationer ... 15

6. Resultat ... 17

6.1 Resultat av huvudspecifikation ... 17

6.2 Resultat av alternativa specifikationer... 18

7. Diskussion ... 20

8. Slutsats... 23

Källförteckning ... 25

Bilaga ... 28

(4)

1. Inledning

Hur studenter finansierar sin studietid kan påverka tiden som läggs på studier. En förändring av studiemedlet bör leda till en förändrad allokering av studentens tid beroende på den vikt som läggs vid varje inkomstkälla. En höjning av studiemedlet gör det möjligt för studenter att arbeta mindre och lägga ner mer tid på studierna men ändå bibehålla samma inkomstnivå som innan förändringen. På motsvarande sätt kan en minskning av studiemedlet leda till att studenter blir tvungna att arbeta mer för att nå samma inkomstnivå som tidigare.

Ett rimligt antagande är att studenter som lägger tid på arbete vid sidan av sina studier presterar sämre än studenter som inte arbetar och bara lägger sin tid på studierna. Detta antagande styrks även från tidigare forskning som berör samma ämne. Quintini (2015) undersöker OECD:s Survey of Adult Skills (PIAAC) från 2012 och kommer fram till en mängd slutsatser. En av dessa är att arbetande studenter tenderar att ha lägre poäng i sina studier än de som inte arbetar.

Nonis och Hudson (2011) kommer också fram till att studenter som lägger mindre tid på arbete presterar bättre. När studenter arbetar mindre kan de spendera mer tid på studierna, vilket alltså bör öka deras prestationsgrad förutsatt att de använder studietiden på ett effektivt sätt. Givet att studieförmågan bland studenter hålls konstant är det därför tänkbart att en förändring i

studiemedlens storlek kan påverka prestationsgraden via dess effekt på arbetstiden vid sidan av studierna.

Hur beroende en student är av de olika inkomstkällorna skiljer sig sannolikt åt mellan olika grupper av studenter. Cobb-Clark och Gørgens (2013) delar upp australiska studenter i tre grupper utifrån socioekonomisk bakgrund (SEB) och jämför stödet de tar emot från sina

föräldrar. Resultatet visar att studenter med svagare SEB får mindre finansiellt stöd från hemmet och därmed oftare är ekonomiskt självständiga från sina föräldrar jämfört med studenter med starkare SEB. Sambandet mellan föräldrars utbildningsnivå och om studenterna arbetar vid sidan av sina studier undersöks av Quintini (2015) som kommer fram till att detta samband inte är statistiskt signifikant. Detta talar emot mekanismen för tidsallokering som används i denna uppsats. Dock kan resonemanget föras att det är troligt att studenter med svagare SEB är mer beroende av arbetsinkomsterna än studenter med starkare SEB. Studenter med starkare SEB skulle då alltså frivilligt ha valt att lägga sin tid på arbete medan de med svagare är tvungna att spendera den tid de gör. Om detta är fallet skulle de mer missgynnade studenterna välja att omallokera sin tid från arbete till studier om studiemedlet höjs.

Avdic och Gartell (2015) som tidigare har studerat reformer i studiemedelssystemet för också ett resonemang som grundar sig på att en student med svagare SEB är mer beroende av inkomster som kommer utifrån, t.ex. studiemedel eller arbetsinkomst, medan studenter med starkare SEB har möjligheten till finansiellt stöd från hemmet. Om studenter med svagare SEB är mer beroende av arbetsinkomster för att finansiera sina studier så finns det anledning att tro att det finns ett starkare samband mellan studiemedel och studieprestation för dessa studenter jämfört med de med starkare SEB.

(5)

Härefter följer ett (något extremt) exempel för att förklara mekanismen bakom allokeringen av tid mellan arbete och studier. Vi tänker oss två studenter från olika SEB där studenten med en svag SEB arbetar 20 timmar varje vecka medan studenten med starkare SEB inte arbetar alls. En höjning av studiemedlet sker som gör att den mer missgynnade studenterna kan gå ner till 10 timmars arbete i veckan och fortfarande nå samma inkomst. Det högre studiemedlet ersätter alltså den förlorade arbetsinkomsten. Den mer gynnade studenter förändrar inte sitt beteende då denne varken arbetar före eller efter förändringen i studiemedlet. Resultatet blir att studenten med svagare SEB kan studera 10 timmar mer i veckan vilket bör resultera i högre

studieprestation medan studenten med starkare SEB kommer ha en oförändrad studietid och därmed oförändrad studieprestation. Generellt kommer alltså studenter med en mer missgynnad bakgrund att öka sin prestation relativt studenter med en gynnad bakgrund. Detta under

antagandet att studenterna faktiskt maximerar sin studietid.

Syftet med denna uppsats är att undersöka om det ovanstående teoretiska resonemanget stämmer överens med verkligheten, dvs. om studenter med svag SEB förbättrar sin studieprestation relativt de med stark SEB till följd av ökningar av studiemedlet. För att göra detta har vi skattat den samlade effekten från tre reformer av studiemedlet. Påverkan på skillnader i studieprestation mellan olika grupper i samhället är relativt orört område från tidigare forskning. Därför ämnar denna uppsats tillföra kunskap om just studiemedlets betydelse för den socioekonomiska skillnaden i studieframgång.

För att analysera dessa reformer används aggregerade data från 32 svenska lärosäten.

Studenternas prestation mäts med hjälp av data från Statistiska Centralbyrån1 (2019) som visar hur stor andel av de högskolepoäng de påbörjat under ett läsår som givit ett godkänt betyg.

Lärosätena delas in i en kontrollgrupp och en behandlingsgrupp2 efter högskolenybörjarnas föräldrars utbildningsnivå. Föräldrarnas utbildningsnivå används här som ett sätt att skatta studenternas socioekonomiska bakgrund och i förlängningen även deras beroende av arbetsinkomster enligt det tidigare teoretiska resonemanget. Grupperna definieras så att 16 lärosäten ingår i behandlingsgruppen och 16 i kontrollgruppen. Reformerna av studiemedlets storlek antas ha en mindre effekt på lärosäten med en relativt stor andel studenter med hög SEB än för lärosäten med en relativt liten andel. Därför anses lärosäten med en relativt stor andel studenter med hög SEB vara mindre känslig mot reformer av studiemedlets storlek och därför en fungerande kontrollgrupp.

1 Förkortas SCB

2 Kontrollgrupp och behandlingsgrupp är i denna kontext något förvirrande termer. Den kontrollgruppen som definieras här är inte fullständigt opåverkad av reformen, endast teoretiskt mindre påverkad än den s.k.

behandlingsgruppen. För enkelhetens skull har vi andå valt att använda dessa termer genomgående i uppsatsen, med detta förtydligande om att det inte rör sig om faktiska kontroll-och behandlingsgrupper.

(6)

Skillnaden i hur dessa gruppers prestationsgrad påverkas av de tre reformerna som helhet skattas med en dynamisk difference-in-differences analys. En dynamisk regressionsmodell kan användas för att utföra ett s.k. Granger-test som undersöker om konsekvensen av en förändring sker innan eller efter den faktiska förändringen. På så sätt kan modellens validitet utvärderas. Modellen tillåter också observation av fördröjda effekter av en förändring om effekten till exempel skulle växa eller avta med tiden. (se Angrist, J.D och Pischke, J, 2008)

Resultatet från regressionsmodellen visar inga skillnader mellan de socioekonomiska grupperna när alla lärosäten inkluderades. När lärosäten där nybörjares föräldrars utbildningsnivå nära medianen exkluderas så finner man en liten signifikant skillnad som pekar på att studenter med svagare SEB påverkas negativt relativt studenter med en starkare SEB. När urvalet delas in efter kön resulterar regressionsmodellerna i liknande resultat som tidigare modell där alla lärosäten inkluderades.

Uppsatsen börjar med en förklaring av hur studiebidraget fungerar i Sverige under kapitel två.

Sedan, i kapitel tre, följer en sammanfattning av tidigare studier inom samma ämne. Vidare diskuteras och beskrivs de data som används i analysen samt gruppindelningen av lärosätena i kapitel fyra. I kapitel fem motiveras regressionsmodellerna och de variabler som inkluderas.

Efter detta presenteras resultaten av regressionsmodellerna i kapitel sex. Resultaten tolkas sedan under kapitel sju och deras betydelse diskuteras i en separat del. Till sist presenteras de slutsatser som dragits av undersökningen och deras eventuella implikationer diskuteras i kapitel åtta.

2. Studiemedelssystemet

En typisk student har tre potentiella inkomstkällor för att finansiera sin studietid. För det första finns studiemedlet. Studiemedlet tillhandahålls av den Centrala Studiestödsnämnden (CSN) och består av en bidragsdel och en lånedel. För att bli berättigad studiemedel måste en student uppfylla vissa åldersrestriktioner och att utbildningen kan beräknas pågå längre än tre veckor (se Centrala Studiestödsnämnden, 2019a). För det andra kan arbetsinkomster komplettera eller ersätta studiemedlet. CSN har en fribeloppsgräns för arbetsinkomster och andra skattepliktiga inkomster. Överstiger arbetsinkomsterna fribeloppet reduceras lånet och bidraget (se Centrala Studiestödsnämnden, 2019c). För det tredje kan en student även få finansiellt stöd från andra håll, oftast hemifrån från föräldrar eller andra släktingar. Studiemedlet har mål formulerade av regeringen, bland annat att de ska verka rekryterande och utjämna skillnader mellan individer och grupper (se Regeringens proposition 1999/2000:10; Regeringens proposition 2018/19:1).

Forskningen verkar i stort vara överens om att ett högre studiemedel på lång sikt leder till utjämning av rekryteringen till högre studier hos sociala grupper (se Ranehill, E., 2002).

Den första reformen skedde läsåret 2009/10. Denna reform innebar en ökning av studiemedlet med 1600 kronor för heltidsstudier under en termin. Främst studiemedlens lånedel höjdes. Denna

(7)

del stod tidigare för ungefär 60 % av prisbasbeloppet och efter reformen ökade den till 64,4 %.

Bidragsdelen ökade från 31,36 % till 31,79 %. (se Centrala Studiestödsnämnden, u.å.)

Den andra reformen skedde läsåret 2010/11 då fribeloppsgränsen höjdes. Efter reformen tilläts en student att tjäna 30 000 kronor mer vid sidan av sina studier utan att studiemedlet påverkades.

(se Svanström, 2014)

Den tredje reformen kom första juli 2011 och höjde studiemedlens lånedel med 2300 kronor för heltidsstudier under en termin. Bidragsdelen förändrades inte. Innan denna reform var lånets andel av prisbasbeloppet ungefär 64%, efter reformen ökade denna andel till 70%. (se Centrala Studiestödsnämnden, u.å.)

Tabell 1: Studiemedlets storlek och beståndsdelar över tid.

Halvår

Bidrags- del

Låne-

del Total belopp

Prisbas- belopp

Andel av basbelopp

(%)

Bidragets andel av basbelopp

(%)

Lånets andel av basbelopp

(%)

2006:2 12460 23820 36280 39700 91 31 60

2007:1 12640 24180 36820 40300 91 31 60

2007:2 12640 24180 36820 40300 91 31 60

2008:1 12860 24600 37460 41000 91 31 60

2008:2 12860 24600 37460 41000 91 31 60

2009:1 13420 25680 39100 42800 91 31 60

2009:2 13420 25680 39100 42800 91 31 60

2010:1 13480 27220 40700 42400 96 32 64

2010:2 13480 27220 40700 42400 96 32 64

2011:1 13600 27480 41080 42800 96 32 64

2011:2 13600 29780 43380 42800 101 32 70

2012:1 13980 30620 44600 44000 101 32 70

2012:2 13980 30620 44600 44000 101 32 70

2013:1 14140 30980 45120 44500 101 32 70

Källa: Beräkningar på data från Centrala Studiestödsnämnden (u.å.), Maximala studiemedel i kronor vid heltidsstudier i 4,5 månader eller 20 veckor

(8)

Den första och tredje reformen har en liknande riktning på effekten eftersom ett högre studiemedel potentiellt leder till mindre tid spenderat på arbete och mer tid åt studierna. Den andra reformen har en motsatt riktning jämfört med de andra reformerna. Effekten av denna reform är att studenterna får möjlighet att arbeta mer vid sidan av sina studier. Denna reform kommer bara påverka studenter som redan har en hög arbetsinkomst innan reformen. Studenter som inte är nära att nå fribeloppsgränsen innan reformen kommer inte förändra sitt beteende på grund av en förändring i fribeloppet. Därför bedömer vi att den sammanvägda effekten av reformerna är att studenter, framför allt de med låg SEB, skiftar sin tid från arbete till studier. I tabell 1 syns tydligare när de olika reformerna skedde och vilka delar av studiemedlet som förändrades. De punktade linjerna i tabellen visar när reformerna ägde rum.

3. Tidigare forskning

Ett antal studier har undersökt effekten av studiemedel på studieprestation hos

universitetsstudenter, däribland Agasisti och Murtinu (2016), Sneyers et al. (2016), Castleman och Long (2013) samt Avdic och Gartell (2015). Sammantaget visar resultaten från dessa studier att en ökning av studiemedlet påverkar studieprestationer positivt hos universitetsstudenter.

En tidigare studie av Avdic och Gartell (2015) undersökte denna fråga genom att använda svenska data. Deras resonemang kring hur mekanismen för studenters tidsallokering liknar det som förs i denna uppsats, där en student med svagare SEB är mer beroende av inkomster som kommer utifrån, t.ex studiemedel eller arbetsinkomst. Studenter med starkare SEB har

möjligheten till finansiellt stöd från hemmet. Om studenter med svagare SEB är mer beroende av arbetsinkomster för att finansiera sina studier så finns det anledning att tro att det finns ett

starkare samband mellan studiemedel och studieprestation för dessa studenter jämfört med de med starkare SEB.

Avdic och Gartells (2015) studie undersökte effekterna av studiemedelsreformen 2001 på individernas studieresultat samt deras arbetsinkomster. Reformen 2001 höjde andelen av studiemedlet som kom i form av bidrag, ökade fribeloppet samt minskade tiden under vilken lånet skulle betalas tillbaka. Sammantaget gav reformen incitament till att öka arbetsutbudet och således minska den tid som går till studier. Eftersom studenter från en svagare SEB är mer beroende av inkomster från arbete än studenter från starkare SEB bör dessa reformer leda till ökade arbetsinkomster och minskade studieresultat för studenter från en svagare SEB.

Undersökningen visar både att arbetsinkomsten ökar och att studietakten minskar för den mer missgynnade gruppen relativt den mer gynnade. Detta är konsistent med resonemanget kring hur mekanismen för tidsallokering bör fungera vid en reform av denna typ. Det faktum att Avdic och Gartell finner att studenterna med svagare SEB förändrar sina arbetsinkomster mer än de med starkare SEB ger trovärdighet till modellen som används i denna uppsats.

(9)

Agasisti och Murtini (2016) jämför två grupper av nybörjarstudenter vid ett italienskt universitet.

Ena gruppen får ett finansiellt bidrag och sedan mäter man deras studieprestation och jämför med gruppen utan bidrag. Det visar sig att bidraget har en positiv effekt på studieprestationen. Man finner även att antalet studenter som avbryter sina studier minskar samt att gruppen med bidrag oftare klarar sina studier under utsatt tid. Eftersom det universitet som studien utfördes på klassas som ett av de bästa i Italien med studenter med hög motivation och studieförmåga reserverar sig författarna för att deras resultat inte nödvändigtvis är generaliserbart till alla italienska

universitet.

I en studie från 2016 undersökte Sneyers et al. hur studieprestationen hos förstaårsstudenter vid italienska universitet påverkas när studenterna får ta emot ett behovsprövat bidrag. Även denna studie hittar ett positivt samband mellan bidrag och studieprestation. Bidraget leder även till att antalet studenter som avbryter sina studier minskar och antalet studenter som tar examen i tid ökar. Författarna reserverar sig även i detta fall för att studien skulle ha begränsad

generaliserbarhet då universiteten i urvalet är sådana med en relativt hög prestationsgrad bland italienska universitet.

En liknande studie gjordes även i Florida av Castleman och Long (2013). De använde en regression-discontinuity strategi för att jämföra studenter som precis kvalificerade sig för ett bidrag med studenter som precis inte kvalificerade sig. Studien undersökte effekten på andelen individer som påbörjar universitetsstudier, studieprestation och den tid som krävs för att slutföra utbildningen och ta examen. Resultatet visade att andelen individer som påbörjar studietiden och antalet ackumulerade poäng efter sex års studier ökade som en följd av att individen var

kvalificerad för bidraget. Studenter som var berättigade till bidraget klarade också sin examen under en kortare studieperiod.

Sammanfattningsvis har tidigare forskning kommit fram till att högre offentliga studiemedel generellt sett leder till högre studieprestationer. Litteraturen inom området är dock relativt knapp då tidigare studier generellt fokuserar mer på förändringen av antalet ansökningar till universitet samt tid till examen som en effekt av studiemedlet.

4. Data

Denna uppsats använder data från 32 svenska lärosäten, både högskolor och universitet.

Lärosätena är geografiskt placerade över hela Sverige. Data är insamlade mellan läsåren 2006/07 och 2013/14 vilket resulterar i totalt 255 observationer.

Vid vissa tillfällen under perioden som undersöks har ett antal lärosäten slagits samman vilket kan försvåra jämförelsen av data för hela tidsperioden. Lärarhögskolan i Stockholm slogs

samman med Stockholm universitet i januari 2008 (se Stockholms universitet, 2019). Högskolan i Kalmar och Växjö universitet slogs samman till Linnéuniversitet 2010 (se Linnéuniversitetet, 2019). 2013 bestämdes att Högskolan på Gotland ska vara en del av Uppsala universitet (se

(10)

Uppsala universitet, u.å.). De sammanslagna lärosätena behandlas som om de vore ett lärosäte genom hela perioden för att de ska kunna användas i urvalet. För att beräkna rättvisande data för de sammanslagna lärosätena har ett viktat medelvärde beroende av det totala antalet inskrivna helårsstudenter använts. Tabell 2 visar ett exempel på hur viktningen skedde med data från läsåret 06/07. Antalet inskrivna studenter vid respektive lärosäte som slås samman utgör en andel av den totala mängden inskrivna studenter vid båda lärosätena. I exemplet har Växjö Universitet 2747 inskrivna studenter och Högskolan i Kalmar har 2311 studenter. Tillsammans har alltså dessa universitet 5058 studenter, varav 54% studerar vid Växjö Universitet och 46% vid

Högskolan i Kalmar. Dessa andelar av den sammanslagna mängden studenter används som vikt när data för det sammanslagna lärosätet beräknas. Data från Växjö Universitet multipliceras alltså med 0,54 och data från Högskolan i Kalmar med 0,46. När dessa värden sedan summeras fås data för det sammanslagna lärosätet.

Tabell 2: Exempel på viktning med data från läsåret 06/07.

Sammanslaget lärosäte

Lärosäte Antal inskrivna helårsstudenter

Andel av sammanslaget

lärosäte

Vikt

Växjö Universitet

2747 54% 0,54

Högskolan i Kalmar

2311 46% 0,46

Linnéuniversitetet 2747+2311=5058 100%

Källa: Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå.

Två variabler är centrala för uppsatsen, andel nybörjarstudenter med högutbildade föräldrar och prestationsgraden hos studenter. Andelen nybörjarstudenter med föräldrar som har hög

utbildningsnivå används för att uppskatta SEB vid lärosätena. SEB används i sin tur för att uppskatta beroendet av arbetsinkomster. Data på föräldrarnas utbildningsnivå finns tillgänglig hos Universitetskanslersämbetet3 (2019a). Nybörjarstudenter definieras som studenter som är helt nya i det svenska högskolesystemet. Med andra ord inkluderas inte studenter som har börjat en utbildning vid ett lärosäte och sedan bytt till ett annat (se Universitetskanslersämbetet, 2019b). Utifrån föräldrarnas utbildningsnivå sorteras lärosätena in i grupper. De lärosäten med en högre andel högutbildade föräldrar än medianen delas in i kontrollgruppen och de med en lägre andel i behandlingsgruppen. För att mäta effekten av reformerna på studieprestationer används data på prestationsgraden hos de inkluderade lärosätena. Prestationsgraden beräknas genom att först räkna om registrerade studenter vid lärosätet till helårsekvivalenter, motsvarande registrering för 60 högskolepoäng per läsår. Antalet avklarade högskolepoäng per år divideras

3 Förkortas UKÄ

(11)

sedan med antalet helårsekvivalenter vid lärosätet. Prestationsgraden finns tillgänglig hos SCB (2019).

Föräldrarnas utbildningsnivå räknas oftast inte som den enda komponenten av en individs socioekonomiska bakgrund. Även föräldrarnas inkomstnivå och deras yrke är vanligt erkända komponenter i den socioekonomiska bakgrunden (se Sirin, S.R, 2005). Dessa tre aspekter är korrelerade men skiljer sig på vissa detaljer. Till exempel mäter föräldrarnas inkomst

tillgänglighet till ekonomiska medel som kan stödja studenter medan föräldrarnas yrke kan handla om prestige och social status som inte är lika konkret definierbara som rent ekonomiska tillgångar (se Sirin, S.R, 2005). Föräldrarnas utbildningsnivå skulle då fungera som en sorts mellanting, en stark prediktor till både föräldrarnas lön samt deras yrke, och samtidigt vara mer stabilt, då både yrke och inkomst kan förändras drastiskt över tid (se Sirin, S.R, 2005). Eftersom studien sträcker sig över en något längre tidsperiod kan fluktuationer i yrke och inkomst

förekomma. Därför är utbildningsnivån också en lämpligare och mer stabil indikator för SEB och används således i denna studie.

4.1 Gruppindelning

Utifrån modellen som diskuterats ovan vore det optimala sättet att dela in datamaterialet i grupper genom att använda sig av en av tre faktorer. Antingen bör studenternas beroende av arbetsinkomster, deras beroende av studiemedel eller hur stora tillgångar de har initialt, t.ex i form av stöd hemifrån, användas. Optimalt skulle data också vara på individnivå. Dessa data finns inte tillgängliga för analysen så en metod för att approximera dessa måste användas. Denna metod diskuteras nedan.

Lärosätena delas in i en kontrollgrupp och en behandlingsgrupp utifrån andelen studenter vid lärosätet med högutbildade föräldrar. Föräldrarnas utbildningsnivå används som ett sätt att skatta SEB hos studenterna vid varje lärosäte. Andelen med hög utbildningsnivå definieras i data som att båda studentens föräldrar har en treårig eller längre eftergymnasial utbildning (se

Universitetskanslersämbetet, 2019b). Lärosätena med en högre andel studenter med hög SEB behandlas som en kontrollgrupp och de med en låg andel som en behandlingsgrupp.

Gruppindelningen använder sig av andelen högutbildade föräldrar läsåret 2006/07 då detta läsår är det första som finns tillgängligt i datamaterialet denna uppsats använder sig av.

Försvarshögskolan saknar dock data för detta läsår. Istället används andelen högutbildade föräldrar på försvarshögskolan läsåret 2007/08. Det är möjligt att SEB vid Försvarshögskolan skiljde sig signifikant mellan 2006/07 och 2007/08 eftersom skolan 2008 blev en reguljär högskola (se Försvarshögskolan, u.å.). Både status och tillgänglighet kan tänkas ha ökat vilket skulle öka attraktivitet både för de med starkare och svagare SEB. Eftersom denna förändring inte skedde under den period då data för Försvarshögskolan fanns tillgänglig anses den inte spela någon roll för analysen. Detta då lärosätet kommer att ha sett likadant ut under hela perioden.

(12)

Bilaga 1 innehåller en tabell som visar andelen nybörjare med föräldrar med hög utbildningsnivå på varje lärosäte. Samma tabell visar också själva gruppindelningen med vilka lärosäten som delas in i varje grupp.

Eftersom de lärosäten som ligger precis vid gränsen av indelningen är väldigt lika varandra i SEB kan dessa snedvrida resultatet av en regression mot att det inte skulle finnas någon skillnad mellan grupperna. Därför görs en alternativ specifikation av regressionen där de lärosäten i närheten av skiljelinjen räknas bort. Malmö högskola, Ersta Sköndal högskola, Gymnastik-och Idrottshögskolan samt Luleå tekniska universitet tas bort i denna modell då dessa ligger precis på gränsen.

Det är viktigt att påpeka att lärosäten med en högre SEB inte kommer att vara fullständigt opåverkade av reformerna och att det därför inte går att skatta några direkta kausala effekter av reformerna. Istället skattas det om det finns en skillnad mellan de båda grupperna i termer av hur mycket de påverkas av reformerna.

Optimalt hade gruppindelningen kunnat ske på andra sätt, exempelvis genom att titta på studenter som inte får ta emot studiemedel. Dessa skulle då vara fullständigt immuna mot reformer av studiemedlets storlek då de ändå inte tar del av det. Till exempel får inte de som studerat längre än 6 år, studenter över en viss ålder och vissa internationella studenter ta emot svenskt studiemedel (se Centrala Studiestödsnämnden, 2019c). Olyckligtvis skulle denna typ av indelning kräva data på individnivå, vilket som sagt inte finns att tillgå.

4.2 Deskriptiv statistik

Tabell 3 innehåller deskriptiv statistik för prestationsgraden under perioden före den första reformen och högskolenybörjares föräldrars utbildningsnivå för det första läsåret i

datamaterialet, dvs. 06/07. Anledningen till att endast det läsåret presenteras är att

gruppindelningen sker med data för 06/07. Det är således endast data för det läsåret som har använts för att göra gruppindelningen i denna uppsats. Resultaten angående hur reformerna påverkade studieprestationerna hos de olika grupperna som presenteras senare i uppsatsen använder data från alla läsår som finns tillgängliga.

Perioden efter reformerna har skett inkluderas inte i tabellen då gruppen med svag SEB väntas förändra sitt beteende mer än gruppen med stark SEB. Jämförelsen mellan de olika grupperna skulle således vara missvisande om både för-och efterperioderna inkluderats.

Försvarshögskolan saknar data för läsåret 06/07 och inkluderas därför istället endast de läsår där data finns. I den deskriptiva statistiken för föräldrarnas utbildningsnivå används 07/08 istället då denna datapunkt användes för gruppindelningen för Försvarshögskolan.

(13)

Tabell 3: Deskriptiv statistik.

Grupp N Medelvärde Standard-

avvikelse

Min Max

Prestationsgrad

Total 95 0,81 0,06 0,69 0,95

Svag SEB

48 0,79 0,04 0,69 0,88

Stark SEB

47 0,83 0,06 0,71 0,95

Föräldrars utbildningsnivå

Total 32 0,30 0,10 0,15 0,47

Svag SEB

16 0,22 0,03 0,15 0,26

Stark SEB

16 0,38 0,07 0,27 0,47

Källa: Prestationsgrad från Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå. Nybörjares föräldrars utbildningsnivå från Universitetskanslersämbetet (2019a), Andel av högskolAnybörjare som har högutbildade föräldrar.

De båda gruppernas medelprestation verkar vara relativt lik med en något högre medelprestation hos de lärosäten med studenter med starkare SEB. Detta är konsistent med att mer gynnade studenter skulle jobba mindre vilket talar för den teoretiska modellens användbarhet. Det kan dock finnas andra förklaringar till att prestationsgraden är högre. Forskningen visar till exempel att studenter inom naturvetenskap och matematik med en missgynnad bakgrund lyckas med studierna i mycket mindre grad än studenter med en mer gynnad bakgrund. (se Doerschuk et al., 2016)

5. Metod

En difference-in-difference-analys används för att undersöka sambandet mellan reformerna av studiemedlet och prestationsgraden vid de olika lärosätena. Denna kräver att både

kontrollgruppen och behandlingsgruppen följer samma mönster före reformerna och att det inte finns någon annan anledning att tro att de skulle sluta följa samma mönster efter reformerna om de inte skett. Figur 1 visar en grafisk representation av hur prestationsgraden utvecklats över tid i de båda grupperna. I grafen kallas behandlingsgruppen för svag SEB och kontrollgruppen för stark SEB. Kontrollgruppen följer den övre trendlinjen och behandlingsgruppen den nedre. Den vertikala streckade linjen visar läsåret då den första reformen skedde. Som kan ses följer båda grupper en svagt negativ trend fram till läsåret 09/10. Efter detta börjar båda grupperna att följa

(14)

en något positiv trend. Faktumet att trenderna i förperioden verkar vara relativt lika talar för att det går att skatta relativa effekter av reformerna på ett trovärdigt sätt.

Figur 1: Trender i prestationsgrad hos lärosäten med liten respektive stor andel med stark SEB.

Källa: Beräkningar på data från Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå

5.1 Huvudspecifikation

Huvudmodellen som används för att göra regressionsanalysen är en dynamisk modell. Med hjälp av den dynamiska modellen kan ett s.k. Granger-test göras. Denna typ av test undersöker om en behandling som kommer att ske i framtiden har en påverkan på utfallsvariabeln (se Angrist och Pischke, 2008). Denna typ av påverkan kan då kallas för en placeboeffekt då ingen riktig

behandling har skett. Därför inkluderas en mängd dummyvariabler som visar när x antal läsår är kvar innan behandlingen sker. För att modellen ska vara trovärdig krävs att dessa variabler inte har statistiskt signifikanta koefficienter (se Angrist och Pischke, 2008). I analysen i denna uppsats skulle signifikanta koefficienter i förperioden innebära att grupperna följer olika trender redan innan reformen. Detta innebär i sin tur att eventuella skillnader i efterperioden inte kan tolkas som kausala effekter av reformen.

(15)

Det kan även vara av intresse att se om det finns några fördröjda effekter av reformen, antingen att effekten skulle tillta eller avta över tid (se Angrist och Pischke, 2008). I scenariot som uppsatsen undersöker är det troligt att effekten tilltar över tid eftersom alla reformer inte sker samtidigt. Ju mer tid som har gått efter den första reformen desto mer kommer studiemedlet att ha förändrats. Tabell 4 illustrerar denna progression. Det kan också tänkas att effekten skulle avta över tid då studenter kanske initialt överreagerar i hur de omallokerar sin tid när en reform sker. På grund av detta inkluderas även dummyvariabler som visar när x antal läsår har gått sedan behandlingen har skett.

Tabell 4: Grad av teoretisk påverkan över tid

Läsår Grad av påverkan Reform

06/07 Opåverkad -

07/08 Opåverkad -

08/09 Sista opåverkad -

09/10 Svagt påverkad Reform 1 (endast andra

terminen)

10/11 Något mer påverkad Reform 2 (endast andra

terminen)

11/12 Första stark påverkan Reform 3 (båda terminerna)

12/13 Stark påverkan -

13/14 Stark påverkan -

Källa: Reformer från Centrala Studiestödsnämnden (u.å.), Maximala studiemedel i kronor vid heltidsstudier i 4,5 månader eller 20 veckor

Praktiskt innehåller modellen dummyvariabler för varje läsår där värde 1 innebär att en behandling antingen kommer ske om x antal läsår eller har skett för x antal läsår sedan. De variabler som hanterar tiden innan reformen har skett visar på en placeboeffekt och bör alltså inte ha statistiskt signifikanta koefficienter för att modellen ska vara trovärdig. Vore dessa

koefficienter signifikanta hade det inneburit att det fanns en skillnad mellan grupperna i hur tiden påverkar prestationsgraden redan innan behandlingen har inträffat. De variabler som hanterar tiden efter att reformen har skett visar på hur effekten utvecklas över tid. Effekten kan tänkas ta en stund för att märkas på de faktiska studieresultaten. Det första läsåret, dvs. 06/07, används som referensläsår. Huvudspecifikationen följer enligt ekvation 1.

(16)

𝑃𝑖𝑡 = 𝛽0+ 𝛽1(𝑇 − 2)𝑖𝑡+ 𝛽2(𝑇 − 1)𝑖𝑡+ 𝛽3𝑇𝑖𝑡+ 𝛽4(𝑇 + 1)𝑖𝑡+ 𝛽5(𝑇 + 2)𝑖𝑡

+𝛽6(𝑇 + 3)𝑖𝑡+ 𝛽7(𝑇 + 4)𝑖𝑡+𝛼𝑖 + 𝜆𝑡+ 𝑢𝑖𝑡 (1) Där variablerna (𝑇 − 2)𝑖𝑡 till och med (𝑇 + 4)𝑖𝑡 är binära interaktionsvariabler som visar om behandling har skett för det specifika lärosätet samt vilket läsår som varje individuell datapunkt befinner sig i. Denna antar alltså värde 1 endast för behandlingsgruppen under det specifika läsåret i relation till när den första reformen skedde 09/10. Tabell 5 illustrerar under vilka läsår de olika dynamiska variablerna antar värde 1. Kolumnen behandlad visar värde 1 endast efter att den första reformen har skett, dynamiska variabler bör alltså endast ha signifikanta koefficienter senare när behandlad-variabeln antar värde 1. Observera att variablerna alltid kommer att anta värde 0 för kontrollgruppen då denna grupp aldrig anses behandlad.

Det första läsåret (06/07) inkluderas inte i modellen för att undvika perfekt multikollinearitet med konstanten vilket hade gjort att koefficienterna inte hade kunnat beräknas. 06/07 hade benämnts T-3 om den hade inkluderats. Observera att variablerna inte är samma sak som läsåren utan en interaktionsterm mellan om lärosätet i fråga är i behandlingsgruppen samt det aktuella läsåret.

𝛼𝑖 och 𝜆𝑡är båda ihopskrivningar av dummyvariabler för termin och lärosäte för att kontrollera för individuell tidsfix och enhetsfix variation mellan lärosätena.

𝑃𝑖𝑡 är prestationsgraden som varierar över lärosäte och tidsperiod. Detta är alltså den variabel som antas vara kausalt beroende av om en behandling har skett eller inte.

Tabell 5: Beskrivning av dummyvariabler för den dynamiska modellen

Behandlad T-2 T-1 T T+1 T+2 T+3 T+4

07/08 0 1 0 0 0 0 0 0

08/09 0 0 1 0 0 0 0 0

09/10 1 0 0 1 0 0 0 0

10/11 1 0 0 0 1 0 0 0

11/12 1 0 0 0 0 1 0 0

12/13 1 0 0 0 0 0 1 0

13/14 1 0 0 0 0 0 0 1

5.2 Alternativa specifikationer

Avdic och Gartell (2015) finner i sin studie av reformen som skedde av studiemedlet 2001 en skillnad i känsligheten för den reformen beroende på kön. Därför inkluderas kön som en dimension även i denna analys. Två regressioner specificeras här på samma sätt som tidigare

(17)

data på aggregerad nivå med den enda skillnaden att resultaten är uppdelade efter kön. En dynamisk modell konstrueras alltså för båda könen enligt exakt samma ekvation som huvudspecifikationen visar.

Enlund (2016) hittar också motivation för att göra en könsuppdelad analys. I hans artikel som bygger på Arbetskraftsundersökningarna (AKU) 2015 från Statistiska Centralbyrån presenteras att kvinnliga studenter arbetade vid sidan av sina studier i högre grad än manliga studenter, i alla undersökta åldersgrupper. Det kan därför finnas anledning att tro att kvinnliga studenter

möjligtvis skulle ha ett större beroende av arbetsinkomster än manliga studenter. Arbetslösheten, dvs andelen som söker och kan ta arbete men inte är sysselsatta, var också högre bland manliga studenter än bland kvinnliga.

Den könsuppdelade modellen kommer alltså att skatta en skillnad mellan missgynnade manliga studenter och gynnade manliga studenter samt en skillnad mellan missgynnade kvinnliga studenter och gynnade kvinnliga studenter. Modellen skattar alltså inte om det finns någon skillnad mellan hur könen påverkas av reformerna. Enlunds resultat tyder på att det borde finnas en skillnad mellan hur könen påverkas av reformerna men denna kommer alltså inte att synas om den finns.

Som diskuterats under gruppindelningen kan även de lärosäten som befinner sig precis vid gränsen mellan behandlingsgrupp och kontrollgrupp räknas bort i en alternativ specifikation i hopp om att detta skulle ge tydligare skillnader mellan grupperna. Som sagt tas Malmö högskola, Ersta Sköndal högskola, Gymnastik-och Idrottshögskolan och Luleå tekniska universitet bort i denna modell. Denna modell refereras till som den vidareutvecklade modellen i framtida diskussion.

(18)

6. Resultat

6.1 Resultat av huvudspecifikation

Resultatet från huvudspecifikationen presenteras i tabell 6. Resultatet visar inga signifikanta skillnader mellan grupperna varken före eller efter att den första reformen skedde 2010.

Tabell 6: Resultat från regression med samtliga lärosäten.

Variabel Värde i ekvation 1 Prestationsgrad

T-2 ꞵ1 -0,00633

(0,0102)

T-1 ꞵ2 -0,00799

(0,00997)

T ꞵ3 -0,0169

(0,0106)

T+1 ꞵ4 -0,00101

(0,00979)

T+2 ꞵ5 -0,00114

(0,0119)

T+3 ꞵ6 0,00107

(0,0102)

T+4 ꞵ7 0,00230

(0,0102)

Antal observationer 255

𝑅2 0,889

Robusta standardfel i parentes. *** p<0.01, ** p<0.05, * p<0.1

Källa: Beräkningar på data från Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå

Faktumet att inga signifikanta skillnader hittades mellan grupperna behöver inte nödvändigtvis betyda att det inte finns ett kausalt samband mellan inkomstnivån hos studenten och deras prestationsnivå utan kan snarare innebära att det inte finns några signifikanta skillnader i hur lärosäten med studenter med olika SEB påverkas.

(19)

Att notera är att variablerna för tiden innan reformerna inte är signifikanta och också mycket små. Det verkar alltså inte finnas någon placeboeffekt för förändringen i prestationsgrad. Detta talar för modellens användbarhet.

6.2 Resultat av alternativa specifikationer

Tabell 7: Resultat från regression med samtliga lärosäten uppdelat på kön.

Variabel Värde i ekvation 1 Prestationsgrad Kvinnor

Prestationsgrad Män

T-2 ꞵ1 -0,00628

(0,00956)

-0,00163 (0,0115)

T-1 ꞵ2 -0,.00943

(0,00915)

-0,00659 (0,0107)

T ꞵ3 -0,0202*

(0,0103)

-0,00952 (0,0117)

T+1 ꞵ4 -0,0139

(0,00940)

-0,00202 (0,0117)

T+2 ꞵ5 -0,0180

(0,0118)

-0,00140 (0,0122)

T+3 ꞵ6 -0,00684

(0,0100)

0,0136 (0,0114)

T+4 ꞵ7 -0,000782

(0,0102)

0,0174 (0,0111)

Antal observationer 254 254

𝑅2 0,862 0,918

Robusta standardfel i parentes. *** p<0.01, ** p<0.05, * p<0.1

Källa: Beräkningar på data från Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå

I den könsuppdelade regressionen som presenteras i tabell 7 syns ett statistiskt signifikant resultat på 10% signifikansnivå för kvinnor precis vid reformpunkten. Koefficienten är vid det läsåret mer än dubbelt så stor för kvinnor som för män. Med grund i avsaknaden av andra statistiskt signifikanta resultat och den låga signifikansnivån kan antas att detta resultat har kommit fram av slumpen. Resultaten från analysen i denna uppsats bör alltså tolkas som att det inte finns någon statistiskt signifikant skillnad mellan lärosäten med en hög andel studenter med hög SEB och de lärosäten med studenter med en låg SEB i termer av hur mycket deras

prestationsgrad påverkas av reformerna.

(20)

Förändringen i prestationsgrad skiljer sig inte från noll med statistisk signifikans för vare sig kvinnor eller män. En skattning med denna modell finner alltså ingen skillnad i känslighet för inkomstförändringar för könen på en aggregerad nivå. Skillnaden i den påverkan reformerna har på prestationsgrad mellan de socioekonomiska grupperna är därför troligtvis oberoende av kön.

Tabell 8: Resultat från regression där vissa lärosäten exkluderas.

Variabel Värde i ekvation 1 Prestationsgrad

T-2 ꞵ1 -0,0105

(0,0103)

T-1 ꞵ2 -0,0153

(0,00990)

T ꞵ3 -0,0255***

(0,00971)

T+1 ꞵ4 -0,0213**

(0,00933)

T+2 ꞵ5 -0,0148

(0,0103)

T+3 ꞵ6 -0,00989

(0,00940)

T+4 ꞵ7 -0,00492

(0,0105)

Antal observationer 223

𝑅2 0,922

Robusta standardfel i parantes. *** p<0.01, ** p<0.05, * p<0.1

Källa: Beräkningar på data från Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå

Tabell 8 visar resultatet från modellen där vissa lärosäten exkluderas. När reformen skedde så skulle då alltså prestationen ha minskat hos de lärosäten med liten andel stark SEB relativt de med stor andel stark SEB. Detta resultat går emot det teoretiska resonemanget som förts i denna uppsats.

Att notera angående resultaten i tabell 8 är att koefficienterna redan i förperioden, dvs. T-2 och T-1, är mycket större än vad de är i huvudspecifikationen. De är dock inte signifikanta men de tyder på att skillnaden mellan gruppernas trender i förperioden är större i denna indelning. Detta i sin tur kan tänkas förklara ett ointuitivt resultat om grupperna redan skiljer sig från början.

(21)

7. Diskussion

I denna del diskuteras resultaten, tänkbara förklaringar till dem samt vad de betyder i praktiken.

Eftersom studenternas arbetsutbud inte observeras går det inte att veta med säkerhet vad som leder till att resultaten ser ut som de gör. Till exempel skulle ett oförändrat arbetsutbud enligt uppsatsens hypotes leda till att ingen skillnad mellan grupperna i deras resultatutveckling skulle kunna ses. Arbetsutbudet kan också tänkas ha förändrats utan att studieprestationen

nödvändigtvis skulle ha förändrats olika mellan grupperna. Båda dessa scenarion skulle se likadana ut i resultaten. De förklaringar som föreslås nedan är således mest diskussion som kräver vidare undersökning för att kunna bekräftas.

Huvudspecifikationen ger inga signifikanta resultat. Det finns flera möjliga förklaringar till varför detta sker. Kanske för att reformer som förändrar fribeloppet verkar i motsatt riktning. En annan potentiell förklaring är att antagandet om att studenter maximerar sin studietid inte håller.

En tredje möjlighet är att det helt enkelt inte finns någon skillnad i hur beteendet påverkas mellan grupperna.

Eftersom terminsavgifterna för högre utbildning skiljer sig mycket åt mellan Sverige och Australien är det möjligt att Cobb-Clark och Gørgens (2013) resultat inte är applicerbara i Sverige. I Sverige finns inga terminsavgifter för medborgare i EU, EES och Schweiz (se Universitets-och högskolerådet, 2019). I Australien behöver dock studenterna betala en viss andel av sin terminsavgift beroende på olika faktorer (se Australian Government, 2019).

Förutsatt att levnadskostnaderna i Sverige och Australien är ungefär samma innebär detta att studenter i Australien möter större kostnader och därför skulle vara mer beroende av andra inkomstkällor än endast studiemedlet. Detta kan tänkas resultera i en social skillnad där svenska studenter i större grad vill klara sig själva medan australiska studenter helt enkelt inte har möjlighet till detta. Stämmer detta skulle inte Cobb-Clarks och Gørgens samband mellan SEB och ekonomiskt stöd hemifrån vara applicerbart på Sverige. Därför är det möjligt att inga

skillnader finns mellan hur beroende de olika socioekonomiska grupperna är av arbetsinkomster i Sverige, vilket skulle förklara avsaknaden av signifikanta resultat i denna uppsats. Eftersom mekanismen som introduceras i inledningen bygger på Cobb-Clark och Gørgens resultat ger möjligheten att svenska och australiska studenter skiljer sig åt implikationen att denna mekanism inte kan appliceras på svenska studenter. Quintini (2015) hittar inget samband mellan tiden som läggs ner på studier och SEB hos studenter, vilket vidare talar för att studenter borde omallokera sin tid likadant vare sig de är av svagare eller starkare SEB.

Någonting som talar emot föregående resonemang är faktumet att Avdic och Gartell (2015) hittar skillnader i hur studenter med olika SEB anpassar sina arbetsinkomster när studiemedlet

reformeras. De kommer fram till att de med lägre SEB ökar sina arbetsinkomster med 25%

relativt de med högre SEB.

(22)

Data presenterade av Quintini i hennes artikel hos OECD talar för att svenska studenter arbetar mindre än genomsnittet i OECD-länder vid sidan av studierna. Om studentpopulationen arbetar relativt lite kan detta tänkas leda till att beteendet också förändras relativt lite när incitament införs för att skifta iväg tid från arbete. Detta är en annan möjlig förklaring till avsaknaden av signifikanta resultat.

När resultatet uppdelas på kön återfinns fortfarande inga trovärdiga signifikanta resultat. Detta är rimligt eftersom resultatet från aggregerade data inte heller ger något signifikant resultat. Det betyder förmodligen att könen inte skiljer sig åt i just den här frågan. Åtminstone inte i tillräckligt stor grad för att ge en signifikant skattad skillnad mellan de socioekonomiska grupperna. Enlund (2016) beskriver en skillnad i hur mycket kvinnliga och manliga studenter arbetar vid sidan av studierna, där kvinnor arbetar mer. Kvinnor bör alltså vara mer beroende än män av arbetsinkomster. Anledningen till att detta inte syns i resultaten i denna uppsats är förmodligen att skillnaderna mellan den svagare och starkare socioekonomiska gruppen är ungefär lika stor hos både kvinnor och män och att den relativa prestationsgraden inte förändras hos någon av dem. Enlunds data tyder på att det borde finnas en skillnad i hur kvinnliga och manliga studenters studieprestation påverkas när studiemedlet förändras om det teoretiska resonemanget i denna uppsats håller. Dock kan inte denna skillnad skattas med metoden som använts här eftersom regressionen inte skattar skillnader mellan kvinnor och män utan endast de socioekonomiska grupperna inom könen.

Resultatet från den vidareutvecklade modellen verkar säga emot den teoretiska delen av uppsatsen. Studenter med svagare SEB borde egentligen öka sin prestation relativt de med starkare SEB. Resultatet visar dock på motsatsen, att lärosäten med svagare SEB minskar sin prestation relativt de med starkare. Nonis och Hudson (2011) ger en möjlig förklaring till detta fenomen när de kommer fram till att det positiva sambandet mellan studietid och studieresultat endast gäller hos studenter med vissa studievanor. Den främsta källan till skillnader skulle då vara studentens koncentrationsförmåga. Det är möjligt att studenter med svagare SEB i

genomsnitt har sämre studievanor än de med starkare SEB och därför tjänar mindre på den tiden de befriar när studiemedlet ökar. Detta skulle i sin tur leda till det resultatet som återfinns i regressionen.

En annan möjlig förklaring är att studiemedlets utformning skulle kunna påverka inflödet av studenter till de olika lärosätena. När studiemedlet höjs blir studier mer tillgängliga. Det är möjligt att individer med svagare prestationsförmåga då reagerar på dessa förändrade incitament och söker sig till utbildning. Eftersom de lärosäten som delats in i den grupp med svagare SEB i genomsnitt har en något lägre prestationsgrad är det troligt att dessa svagare individer söker sig hit. Detta skulle resultera i att regressionen i denna uppsats visar ett felaktigt samband där

(23)

reformerna leder till minskad relativ prestationsgrad när det i själva verket inte är känt hur prestationsgraden förändras. Data på individnivå skulle lösa detta problem.

Ett ökat flöde av studenter till högskolorna skulle dock också kunna leda till ökad konkurrens om studieplatserna, vilket bör leda till ökade prestationer. Därför är det inte helt teoretiskt klart i vilken riktning inflödets påverkan skulle verka åt. Det enda som kan sägas är att det är en effekt som förmodligen påverkar lärosäten i de olika grupperna på olika sätt, vilket potentiellt

snedvrider resultaten.

Värdet på koefficienterna i förperioden, dvs. 𝛽1och 𝛽2i ekvation 1, är mycket större i den

vidareutvecklade modellen än i huvudspecifikationen. Ibland är dessa upp emot dubbelt så stora.

Även om de inte är signifikanta minskar det kredibiliteten i indelningen då denna kräver att gruppernas trender i förperioden liknar varandra så mycket som möjligt. Detta kan användas som förklaring till varför en negativ effekt hittas från reformen.

Vidare försvinner signifikansen i den vidareutvecklade modellen läsåret 11/12. Detta är läsåret efter att reformen av fribeloppet trädde i kraft. Detta ger mer kredibilitet till idén att reformen av fribeloppet motverkade effekten av de andra reformerna. Dock går det inte att säga detta med säkerhet. Mer undersökning på området behövs.

Det finns också en möjlighet att de signifikanta resultaten endast kommer fram av slumpen, som diskuterat under den könsuppdelade regressionen. Faktumet att så pass få signifikanta skillnader kan hittas mellan grupperna och att de endast finns under begränsad tid kan tyckas tala för detta.

Detta skulle innebära att det inte finns någon skillnad i hur grupperna påverkades av reformerna.

En möjlig förklaring till detta är att antagandet att studenter maximerar tiden de spenderar på studier inte håller. Istället kanske de spenderar den tid de får över på sysslor som inte ökar deras prestationsgrad, till exempel mer fritid.

Sammanfattningsvis verkar resultaten i denna uppsats peka på att det inte finns någon direkt skillnad i hur de socioekonomiska grupperna påverkas av studiemedelsreformerna. Den

fullständiga modellen ger inga signifikanta resultat. Den vidareutvecklade modellen ger resultat som går emot hypotesen som diskuteras i inledningsdelen, vilket talar för att mekanismen som tas upp där utesluter någon viktig aspekt för att förklara förändringen. Det kan tänkas finnas en effekt för studenter med svag SEB att öka sin prestation relativt de mer gynnade studenterna. En annan effekt skulle då behöva påverka resultatet i motsatt riktning för att ge en aggregerad effekt som går emot hypotesen. Eftersom inte individer undersöks kan detta tänkas vara på grund av att studenter med relativt lägre prestationsförmågor börjar studera när studiemedlet blir mer

generöst.

(24)

8. Slutsats

Denna uppsats har syftat till att undersöka om en hypotes, som säger att studenter med en svagare SEB bör öka sin prestation i högskolan mer än studenter med en starkare SEB till följd av ökade studiemedel, stämmer i praktiken. Resultaten verkar peka på att hypotesen inte stämmer men det finns möjlighet att argumentera för att den skulle stämma.

Resultaten av regressionsmodellerna visar inga skillnader mellan de socioekonomiska grupperna när alla lärosäten inkluderas. När de lärosäten där nybörjares föräldrars utbildningsnivå är nära medianen i genomsnittet exkluderas fås en liten signifikant skillnad som pekar på att studenter med svagare SEB påverkas negativt relativt andra studenter.

När urvalet delas in efter kön fås liknande resultat, där ingen skillnad syns mellan de socioekonomiska gruppernas förändring av prestationsgraden. Eftersom regressionen inte undersöker skillnad mellan könen utan endast skillnad mellan de socioekonomiska grupperna inom könen går det inte att säga om det finns en skillnad mellan dem. Intressant för framtida studier att undersöka vore alltså om det faktiskt finns en skillnad i hur kvinnors respektive mäns studieprestation påverkas av förändrade studiemedel.

En svaghet med denna studie relativt andra är att data på individnivå saknas. Även

gruppindelningen hade kunnat ske på ett mer optimalt sätt om tillgång till denna typ av data funnits. En indelning i behandlings-respektive kontrollgrupp som bygger på studenternas tid som de faktiskt spenderar på arbete hade gett ett mer trovärdigt resultat. Vissa individer får inte heller ta emot studiemedel, om de inte uppnår CSN:s krav. Dessa kan med fördel användas som

kontrollgrupp. Därför rekommenderas framtida studier att använda sig av dessa aspekter istället för att skatta dem med SEB som ett verktyg. För att kunna uppnå samma syfte som denna studie, det vill säga att undersöka om olika socioekonomiska grupper påverkas olika av reformer av studiemedlets storlek, kan dessa framtida studier dela in arbetande studenter i höga respektive låga socioekonomiska grupper.

Det kan även vara relevant för framtida studier att använda sig av ett annat sätt att mäta SEB.

Detta för att ta bättre hänsyn till avsaknaden av ett statistiskt signifikant samband mellan föräldrarnas utbildningsnivå och om studenten är beroende av inkomster från arbete som Quintini (2015) hittar i sin studie.

Frågan ställdes i början av denna uppsats om Avdic och Gartells (2015) resultat är applicerbara även vid reformer med en motsatt effekt på de incitament som påverkar hur studenter allokerar sin tid. Deras resultat säger att studenter med svagare SEB börjar arbeta mer och samtidigt även prestera sämre i sina studier när ekonomiska incitament införs för att öka arbetsutbudet. Deras resultat verkar inte vara applicerbara vid motsatta reformer. Detta kan tänkas vara då andra effekter spelar in vid motsatta reformer, till exempel att individer med relativt svag

prestationsförmåga börjar studera i större omfattning när studiemedlet blir mer generöst men att individer med relativt stark prestationsförmåga inte påverkas om studiemedlen blir mer

(25)

restriktiva. För att ge ett mer definitivt svar på frågan bör framtida studier undersöka skillnaden i hur beslutet att påbörja studier tas mellan individer med olika prestationsförmågor.

(26)

Källförteckning

Angrist, J.D. och Pischke, J. (2008), Mostly Harmless Econometrics, Princeton University Press, New Jersey.

Universitets-och högskolerådet (2019). “Medborgare i EU, EES eller i Schweiz”, Antagning.se.

Tillgänglig: https://antagning.se/sv/Ta-reda-pa-mer-/Anmalnings--och- studieavgifter/Medborgare-i-EU-EES-eller-i-Schweiz/ [hämtad 2019-05-30]

Avdic, D. och Gartell, M. (2015) “Working while studying? Student aid design and

socioeconomic achievement disparities in higher education”, Labour economics 33, 26-40. doi:

https://doi.org/10.1016/j.labeco.2015.01.002

Benjamin L. Castleman och Bridget Terry Long (2016), “Looking beyond Enrollment: The Causal Effect of Need-Based Grants on College Access, Persistence, and Graduation”, Journal of Labor Economics. vol. 34, no. 4, 1023-1073.

Centrala Studiestödsnämnden (utan år), Maximala studiemedel i kronor vid heltidsstudier i 4,5 månader eller 20 veckor. Tillgänglig:

http://www.csn.se/polopoly_fs/1.1217!/Webbversion%20Studiemedelsbelopp-tom-2016.pdf [hämtad 2019-05-11]

Centrala Studiestödsnämnden (2019a), Studiemedel för studier i Sverige, Tillgänglig:

https://www.csn.se/bidrag-och-lan/studiestod/studiemedel.html [hämtad 2019-05-30]

Centrala Studiestödsnämnden (2019b), Fribelopp, Tillgänglig: https://www.csn.se/fragor-och- svar/hur-stor-inkomst-far-jag-ha/inkomst-och-fribelopp.html [hämtad 2019-05-30]

Centrala Studiestödsnämnden (2019c), Studera i Sverige som utländsk medborgare, Tillgänglig:

https://www.csn.se/bidrag-och-lan/for-din-situation/utlandsk-medborgare/ratt-till-svenskt- studiestod/sverige.html [hämtad 2019-05-30]

Cobb-Clark, D.A. och Gørgens, T. (2014), “Parent’s economic support of young-adult children:

do socioeconomic circumstances matter?” Journal of Population Economics. vol. 27, nr. 2, 447- 471. Tillgänglig:

https://pdfs.semanticscholar.org/2e62/470bab41f2fe0f75dafb66623e517b155c9e.pdf [hämtad 2019-04-18]

Doerschuk, P., Bahrim, C., Daniel, J., Kruger, J., Mann, J., Martin, C. (2016) “Closing the gaps and filling the STEM pipeline: A multidisciplinary approach”, Journal of Science Education and Technology, vol. 25, no. 4, 682-695. Doi: 10.1007/s10956-016-9622-8

Enlund, M. (2016), “Bland studenter jobbar kvinnor mer”, Välfärd 4, 10-11.

Försvarshögskolan (utan år), Vår historia. Tillgänglig: https://www.fhs.se/om- forsvarshogskolan/om-oss/var-historia.html [hämtad 2019-05-30]

(27)

Linnéuniversitetet (2019), “Detta är Linnéuniversitetet”, https://lnu.se/mot-linneuniversitetet/om- linneuniversitetet/linneuniversitetet-i-siffror/ [hämtad 2019-04-28]

Nonis, S.A. och Hudson, G.I. (2010), “Performance of College Students: Impact of Study Time and Study Habits”, Journal of Education for Business. vol. 85, nr. 4, 229-238. doi:

10.1080/08832320903449550

Regeringens proposition (1999/2000:10). Ett reformerat studiestödssystem.

Regeringens proposition (2018/19:1). Budgetproposition för 2019.

Quintini, G. (2015), “Working and learning: A diversity of patterns”, i OECD Social, Employment and Migration Working Papers, No. 169, OECD Publishing, Paris. doi:

https://doi.org/10.1787/5jrw4bz6hl43-en

Ranehill, E. (2002), “Social snedrekrytering till högre studier”. Arbetsrapport/Institutet för Framtidsstudier; 2002:10, Institutet för Framtidsstudier, Stockholm. Tillgänglig:

https://www.iffs.se/media/1087/20051201133421filvqCdB13N137tsV793mF0.pdf [hämtad 2019-05-30]

Sirin, S.R (2005), “Socioeconomic Status and Academic Achievement: A Meta-Analytic Review of Research”, Review of Educational Research Fall 2005, vol. 75, No. 3, 417–453. doi:

https://doi.org/10.3102%2F00346543075003417

Sneyers, E., Agasisti, T., De Witte, K., & Graziosi, G. (2016), The impact of scholarships on students’ performance: a study on five Italian universities. Università degli studi di Trieste.

Tillgänglig: http://hdl.handle.net/11368/2895420 [hämtad 2019-05-29]

Statistiska Centralbyrån (2019), Genomströmning och resultat i högskoleutbildning på grundnivå och avancerad nivå. Tillgänglig: https://www.scb.se/hitta-statistik/statistik-efter-

amne/utbildning-och-forskning/hogskolevasende/genomstromning-och-resultat-i- hogskoleutbildning-pa-grundniva-och-avancerad-niva/ [hämtad 2019-04-28]

Stockholms Universitet (2019), Historik, Barn- och ungdomsvetenskapliga institutionen.

https://www.buv.su.se/om-oss/historik[hämtad 2019-04-28]

Australian Government (2019), “Student contribution amounts”, Studyassist. Tillgänglig:

https://www.studyassist.gov.au/help-loans-commonwealth-supported-places-csps/student- contribution-amounts [hämtad 2019-05-30]

Svanström, J. (2014), Höjningen av fribeloppet 2011, Centrala Studiestödsnämnden, Stockholm.

Tillgänglig: https://www.csn.se/download/18.56ed604c160506de914268c/1517286957733/csn- rapport-2013-2.pdf [hämtad 2019-05-11]

(28)

Tommaso A. och Samuele M. (2016), “Grants in Italian university: a look at the heterogeneity of their impact on students' performances”, Studies in Higher Education, vol. 41, no. 6, 1106-1132, doi: https://doi.org/10.1080/03075079.2014.966670

Universitetskanslersämbetet (2019a). “Andel av högskolAnybörjare som har högutbildade föräldrar”, i Högskolan i siffror

Tillgänglig: https://www.uka.se/statistik--analys/statistikdatabas-hogskolan-i-

siffror/statistikomrade.html?statq=https://statistik-api.uka.se/api/totals/93[hämtad 2019-05-12]

Universitetskanslersämbetet (2019b), “Beskrivningar av statistiken i databasen Högskolan i siffror”, i Högskolan i siffror.

Tillgänglig: https://www.uka.se/statistik--analys/statistikdatabas-hogskolan-i-

siffror/beskrivningar-av-statistiken-i-databasen-hogskolan-i-siffror/nyckeltal.html[hämtad 2019- 05-30]

Uppsala universitet (utan årtal). Campus vid Uppsala universitet. https://www.uu.se/om- uu/campus/[hämtad 2019-04-28]

(29)

Bilaga

Tabell A). Gruppindelning samt andel av nybörjares föräldrar med hög utbildningsnivå för varje lärosäte. Källa: Universitetskanslesämbetet (2019a)

Lärosäte Grupp Andel av föräldrar med hög

utbildningsnivå

Högskolan Väst Svag SEB 0.15

Högskolan Kristianstad Svag SEB 0.18

Högskolan i Gävle Svag SEB 0.19

Högskolan Dalarna Svag SEB 0.20

Högskolan i Borås Svag SEB 0.20

Karlstads universitet Svag SEB 0.21

Högskolan i Halmstad Svag SEB 0.22

Högskolan i Skövde Svag SEB 0.22

Linnéuniversitetet Svag SEB 0.22

Högskolan i Jönköping Svag SEB 0.22

Mittuniversitetet Svag SEB 0.23

Mälardalens högskola Svag SEB 0.23

Örebro universitet Svag SEB 0.24

Blekinge tekniska högskola Svag SEB 0.24

Malmö högskola Svag SEB 0.26

Ersta Sköndal högskola Svag SEB 0.26

Gymnastik- och idrottshögskolan

Stark SEB 0.27

Luleå tekniska universitet Stark SEB 0.27

Umeå universitet Stark SEB 0.29

Södertörns högskola Stark SEB 0.31

Linköpings universitet Stark SEB 0.34

Karolinska institutet Stark SEB 0.34

(30)

Sophiahemmet Högskola Stark SEB 0.37 Sveriges lantbruksuniversitet Stark SEB 0.38

Röda Korsets Högskola Stark SEB 0.38

Göteborgs universitet Stark SEB 0.39

Uppsala universitet Stark SEB 0.42

Stockholms universitet Stark SEB 0.43

Kungl. Tekniska högskolan Stark SEB 0.44

Lunds universitet Stark SEB 0.45

Försvarshögskolan* Stark SEB 0.45

Chalmers tekniska högskola Stark SEB 0.47

*Försvarshögskolan saknar data för läsåret 06/07

References

Related documents

Datatabell Uppfattningar om servicen i den egna kommunen: friskola... Hög andel som svarat att man

Datatabell Uppfattningar om servicen i den egna

Datatabell Uppfattningar om servicen i den egna

När vi fördjupar oss i situationen visar det sig allt tydligare att det idag finns två grundläggande kunskapsbildningsvägar i konsten och i konstutbildningarna. Den ena är ögats

För varje gång barnet visas dessa kort minskar undersökaren bredden på de strecken på kortet, till dess att barnet inte visar ett större interesse för något av dessa två

Skillnaderna i medelvärden för utbildningarnas arbetslöshetsnivåer för inrikes och utrikes födda varierar mellan födelseregioner och individer från Afrika och Anglosaxiska länder

Sammantaget bedömer vi aspekten gestaltning som mycket väl tillgodosedd för stationsläget ”Nord” via Älv- stranden, väl tillgodosedd för ”Diagonal” via Stora

Vid FN-konferensen 1992 i Rio de Janeiro kom världens länder överens om gemensamma strategier för att lösa några av de svåraste problem som världen står inför som till