NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet
Examensarbete C
Författare: Aliki Bizas & Agnes Björk Handledare: Hans Grönqvist
VT 2019
Integration med ett klick?
En studie av gigekonomins effekt på flyktingars
arbetsmarknadsmöjligheter
Sammanfattning
Sedan 2015, då antalet asylsökande i Sverige nådde rekordhöjder, har frågan om hur flyktingar ska integrera sig i samhället tagits upp. Konsensus är att arbetsmarknadsetableringen är en viktig faktor och därmed har så kallade ”enkla jobb” föreslagits som en lösning på att öka sysselsättningen för flyktingar. Samtidigt kan det observeras ett nytt fenomen på arbetsmarknaden, gigekonomin. Kan gigekonomins enkla jobb vara lösningen? Syftet med denna undersökning är att analysera gigekonomins påverkan på flyktingars arbetsmarknadsutfall i form av sysselsättning och inkomst. I studien används paneldataanalys för att isolera effekten av gigekonomiföretagens etablering på flyktingars sysselsättning och inkomster. Undersökningens huvudestimat visar att existensen av gigekonomi i en kommun ökar sysselsättningen för flyktingar med 5,2 procentenheter. Efter utförande av flera känslighetstest kan dock denna effekt inte betraktas som robust. Därmed kan inte undersökningen påvisa att det är just gigekonomin som har orsakat denna effekt.
Nyckelord: gigekonomi, flyktingar, arbetsmarknad, paneldataanalys
Abstract
Since 2015, when the number of asylum seekers in Sweden grew to record breaking heights, the question about how refugees will integrate into society has been raised. The consensus is that the integration into the labour market is an important factor and therefore entry level jobs have been suggested as a solution. Currently a new phenomenon can be observed on the labour market, the gig economy. The objective of this paper is to analyse the effect of the gig economy on refugees’ social outcome in terms of employment and income. The study uses panel data analysis to isolate the effect of the gig economy on refugees employment and income. The main estimate of the study shows that the impact of the existance of a gig economy in i municipality increases the employment for refugees by 5,2 percentage points. However, after the execution of multiple robustness tests the effect cannot be considered robust. Therefore, the study cannot prove that it is specifically the gig economy that is the cause to this effect.
Key words: gig economy, refugees, labour market, panel data analysis
Innehållsförteckning
1. Inledning 1
2. Bakgrund och tidigare forskning 3
2.1. Perspektiv på enkla jobb 3
2.2. Gigekonomin 4
2.3. Invandring och arbetsmarknaden 6
2.4. Invandring och inkomster 7
3. Data 8
4. Metod 10
4.1 Test av antaganden 11
5. Resultat 13
5.1. Utfall 13
5.2. Känslighetstest 15
5.2.1. Betydelsen av att kontrollera för fler variabler 15
5.2.2. Kontroll för linjära trender 16
5.2.3. Placebotest 17
5.3. Utfall för subgrupper 20
6. Slutsats och diskussion 21
Referenser 25
Bilaga 1: Deskriptiv statistik 26
Bilaga 2: Utveckling av inkomster 29
Bilaga 3: Utfall och känslighetstest för inkomst 29
Bilaga 4: Placebogrupper 33
1
1. Inledning
År 2015 var antalet asylsökande till Sverige nästan 163 000, det högsta någonsin i svensk historia. Flyktingkrisen har inneburit kortsiktiga utmaningar för olika samhällsinstitutioner såväl som kommuners bostadsmarknader. Att uppnå en lyckad integration är väsentligt för flyktingarnas välbefinnande. Enligt SCB (2015; 2016; 2019) har utrikes födda generellt sett lägre utbildningsnivå, lägre inkomster och högre arbetslöshet i jämförelse med inrikes födda och för flyktingar är utfallen ännu sämre. Från politiskt håll har integrations- och etableringsfrågor varit högt upp på dagordningen i samband med flyktingkrisen och den aktuella debatten handlar ofta om vilka politiska åtgärder som skulle kunna ge en positiv effekt på integrationen. Konsensus är att etablering på arbetsmarknaden är en avgörande del för framgångsrik integration.
Ett av förslagen på hur bättre kontakt med arbetsmarknaden ska uppnås är så kallade
“enkla jobb”. Enligt SCB avses enkla jobb vara arbeten med krav på “kortare utbildning och introduktion”1 (SCB, 2012). Benämningen enkla jobb avser inte enkelheten att utföra utan enkelheten att kvalificera sig för dem. Många hävdar att enkla jobb kan fungera som inträdesjobb för att man sedan ska kunna avancera till mer kvalificerade jobb - en språngbräda till arbetslivet.
De senaste årens snabba digitalisering har lett till utvecklingen av en ny trend:
gigekonomin. Genom appar och andra webbaserade plattformar kan man idag köpa och sälja arbetskraft direkt online. Gigekonomin definieras enligt Investopedia (2018) som ett system med flexibla jobb där företag eller organisationer anställer arbetare för ett kortvarigt uppdrag i stället för en fast anställning. Foodora och Wolt som erbjuder matleverans genom cykelbud och samåkningstjänsten Uber är exempel på företag som har använt sig av digitala plattformar och gett ett stort avtryck i den moderna arbetsmarknaden. Gigjobben uppfyller definitionen av enkla jobb genom att de har låga krav på kvalifikationer och sannolikt anställer en relativt hög andel nyanlända. Därmed skulle gigjobb i teorin kunna bidra till en snabbare arbetsmarknadsetablering för flyktingar. Gigföretagen har vuxit snabbt i Sverige under de senaste åren och utgör en självklar del av ekonomin i ett flertal svenska kommuner. Trots detta saknas i stort sett kunskap om hur denna typ av arbetsmarknad påverkar flyktingars situation
1 Exempel på enkla jobb är exempelvis städyrken, bärplockare och plantörer, övrigt inom bygg, tillverkning och godshantering, snabbmatspersonal, köks- och restaurangbiträden, torg- och marknadsförsäljare, återvinningsarbete, tidningsdistributörer och övriga servicearbetare.
2
på arbetsmarknaden. Syftet med denna undersökning är att analysera gigekonomins påverkan på flyktingars arbetsmarknadsutfall i form av sysselsättning och inkomst.
En fördel med att studera gigekonomin är att företagens etablering har skett successivt vilket kan betraktas som ett naturligt experiment där arbetsmarknaden i vissa kommuner erbjuder gigjobb och andra inte. Detta möjliggör en undersökning av den kausala effekten av denna typ av arbetsmarknad på flyktingars arbetsmarknadsutfall. En svaghet med detta upplägg är att tillgången till gigjobb sannolikt inte är slumpmässig: om gigekonomiföretag etablerar sig i vissa kommuner på grund av faktorer som samvarierar med flyktingars sysselsättning och inkomster kan den kausala effekten inte isoleras. För att hantera detta problem utnyttjar denna undersökning det faktum att företagens etablering inte skedde samtidigt i alla kommuner.
Undersökningen fokuserar på två gigekonomiföretag - Foodora och Wolt, som är företag på marknaden för restaurangmat levererad genom cykelbud och arbetar på en digital plattform. Foodora etablerade sig på den svenska marknaden först i Stockholm 2015 och är den största aktören på marknaden i Sverige med verksamhet i flera städer. Wolt är ett mindre företag som etablerade sig på den svenska marknaden 20162. Dessa företag är i stort sett identiska gällande inträdeströskel och arbetsuppgifter, men skiljer sig en aning med avseende på vilka platser de valt att etablera sig på. För att jobba som cykelbud krävs en smartphone av relativt ny modell, en cykel, arbetstillstånd, personnummer eller samordningsnummer, ett svenskt bankkonto och att man är minst 18 år (Foodora, 2019; Wolt, 2019). Det räcker med att skriva in sina uppgifter i ett webbformulär och bekräfta att man uppfyller kraven för att söka jobbet.
Undersökningen avgränsas till dessa företag därför att det kan anses sannolikt att fler kan uppfylla dessa krav jämfört med exempelvis Uber som kräver en egen bil.
I studien används ett paneldataset över sysselsättningen och inkomsterna i svenska kommuner för flyktingar som möjliggör att isolera effekten av gigekonomiföretagens etablering. De kommuner där inget av de utvalda företagen finns fungerar som kontrollgrupper.
Data är hämtade från SCB:s statistikdatabas, mer specifikt registerdata för integration med inriktning mot arbetsmarknaden. Data innehåller arbetsmarknadsvariabler efter kommun, kön, utbildningsnivå och invandringsskäl, vilket gör det möjligt att identifiera just flyktingar.
Datasetet innehåller även kompletterande information om sysselsättningen för övriga utrikes födda och för inrikes födda, befolkningsstorlek och utbildningsnivå i kommunerna. Dessa data
2 Under tidsperioden studien är avgränsad till funnits i följande kommuner: Foodora: Stockholm, Solna, Sundbyberg, Göteborg, Uppsala, Malmö och Lund. Wolt: Stockholm, Örebro, Västerås.
3
möjliggör att i analysen kontrollera för tidsinvarianta faktorer som skulle kunna ge upphov till bias. Metoden som används är därmed en paneldataanalys.
Undersökningens huvudestimat visar att effekten av gigekonomi ökar sysselsättningen för flyktingar med 5,2 procentenheter. Efter utförande av flera känslighetstest kan dock denna effekt inte betraktas som robust. Därmed kan inte undersökningen påvisa att det är just gigekonomin som har orsakat denna effekt.
Uppsatsen är disponerad enligt följande: kapitel två ger en beskrivning av relevant bakgrund och tidigare forskning. En sammanfattning görs över olika perspektiv på enkla jobb, sedan redogörs för forskning som gjorts på olika områden: gigekonomin, invandrare och arbetsmarknaden och invandrare och inkomster. I kapitel tre presenteras data som används i undersökningen och kapitel fyra är en genomgång av metoden: den ekonomiska modellen som undersökningen bygger på och test av de grundläggande antagandena som görs. I kapitel fem presenteras och analyseras resultatet av studien och i kapitel sex diskuteras potentiella samhällsekonomiska implikationer av studien och framtida forskningsmöjligheter inom området.
2. Bakgrund och tidigare forskning
Denna studie relaterar i huvudsak till fyra olika forskningsområden: enkla jobb, invandrares etablering på arbetsmarknaden, effekter av gigekonomin och invandrares inkomstutveckling. I detta avsnitt sammanfattas det nuvarande kunskapsläget för vart och ett av dessa områden.
2.1. Perspektiv på enkla jobb
Calmfors et al. (2018) undersöker arbetsmarknaden för enkla jobb i sin rapport för Arbetsmarknadsekonomiska rådet. Rapporten undersöker språngbrädshypotesen, att visstidsanställningar och enkla jobb fungerar som språngbrädor till tillsvidareanställningar och mer kvalificerade jobb. Det görs genom att undersöka huruvida visstidsanställningar underlättar övergångar till tillsvidareanställningar samt löneskillnader mellan visstidsanställda och tillsvidareanställda. Rörligheten och inkomster på arbetsmarknaden för enkla jobb undersöks också. I stora drag ger resultaten stöd för språngbrädshypotesen. I undersökningen om visstidsanställning görs en uppdelning i typ av visstidskontrakt, inrikes- och utrikes födda och om gruppen är född utanför Europa. Övergångssannolikheten mellan tillfälliga och tillsvidareanställningar jämförs mellan visstidsanställda och arbetslösa och påvisar som väntat
4
en positiv skillnad. Resultaten visar även på att visstidsanställningar har en bättre effekt för utrikes födda än för inrikes födda.
Det mest relevanta resultatet i rapporten är för behovs-timanställning för utrikesfödda utanför Europa, då det liknar gig-arbete och flyktingar som grupp. Sambandet är fortfarande positivt men väldigt svagt och inte statistiskt signifikant. För utrikes födda utanför Europa finns det alltså ingen signifikant effekt av att ha en behovs- och timanställning på att därefter få en tillsvidareanställning jämfört med om man hade varit arbetslös. Språngbrädshypotesen gäller alltså i detta fall inte för den grupp som är relevant för den här undersökningen. I rapporten tas gig-arbeten upp men de kan inte estimeras då det inte finns registerdata uppdelat efter just den branschen.
En rapport från tankesmedjan Tiden, Stenberg (2016), beskriver en annan bild av arbetsmarknaden för enkla jobb och språngbrädshypotesen. Rapporten visar att enkla jobb är vanligare bland utlandsfödda ungdomar än svenskfödda, både bland kvinnor och män.
Hypotesen som testas är att dessa jobb utgör en språngbräda till arbetsmarknaden, men den håller inte för en djupare granskning. Rapporten visar att språngbrädan främst gäller svenskfödda och att utrikes födda arbetar med enkla jobb även i de äldre åldersgrupperna, något som gäller även med hänsyn till tid i Sverige och utbildningsnivå. Andelen är relativt konstant vilket innebär att det finns en skillnad även om man antar att en del som har invandrat i högre ålder inleder sitt arbetsliv i Sverige med enkla jobb. Utbildning är enligt rapporten en viktigare faktor än vistelsetid i Sverige för ens chanser på arbetsmarknaden. Därtill framgår det att andelen “working poor”3 är hög bland de som har enkla jobb, och betydligt högre för utrikes än inrikes födda. Rapporten bygger på statistik från SCB, inkomst- och taxeringsregistret och yrkesregistret som undersöks utifrån kön, födelseplats, vistelsetid i Sverige, utbildningsnivå samt relativ fattigdom.
Det bör noteras att dessa studier är inte tar någon hänsyn till att tillgången till enkla jobb kan vara endogen. Det innebär att det är möjligt att resultaten drivs av utelämnade faktorer.
Som tidigare nämnt är det därför denna undersökning fokuserar på introduktionen av gigjobb.
2.2. Gigekonomin
En betydande del av den tidigare forskningen inom gigekonomin har fokuserat på effekterna av etableringen av denna typ av arbeten på andra grupper på arbetsmarknaden. Inga tidigare studier har heller undersökt effekten på flyktingars arbetsmarknadsutfall. Det är ändå relevant
3 Individer som har arbete men inte klarar sin försörjning.
5
att diskutera följande studier då de ger en indikation på hur utfallet möjligen kan påverkas i detta fall.
Burtch et al. (2017) undersöker hur entreprenörskap i form av Kickstarterkampanjer påverkas när gigekonomi i form av Uber X och Post Mates (leveransföretag som levererar mat, dryck och livsmedel) etablerats i ett område. Studien utgår från två teser. Den första är att gigekonomiplattformar kan leda till minskad entreprenöriell aktivitet eftersom det utgör en (relativt) stabil sysselsättning för undersysselsatta eller arbetslösa. Den andra tesen är att gigekonomiplattformar leder till en ökning i entreprenöriella aktiviteter eftersom denna typ av sysselsättning möjliggör en omfördelning av resurser genom de flexibla arbetstiderna vilket innebär att individer kan allokera sin tid strategiskt. Gigjobbet kan alltså tänkas frigöra tid för individer att ägna åt entreprenörskap.
Effekten skattas med en difference-in-differences analys av data från Kickstarter över kampanjer som lanserats under en tidsperiod på ca 1,5 år, hur mycket pengar som efterfrågats och hur mycket som slutligen insamlats samt när de två gigplattformarna etablerats i områdena.
Analysen kompletteras med socioekonomiska data för att kontrollera för andra faktorer.
Studien visar att etableringen av en gigekonomiplattform har en signifikant negativ effekt på kickstarterkampanjerna som lanseras. Det påverkar dock övervägande kampanjer som är av lägre kvalitet, dvs sådana som inte når sina insamlingsmål. De framgångsrika kampanjerna påverkas inte märkbart, vilket enligt författarna indikerar att en del ägnar sig åt entreprenöriella aktiviteter i brist på andra sysselsättningsmöjligheter. Det kan alltså vara möjligt att gigekonomin erbjuder arbete till de som är undersysselsatta eller arbetslösa samt leder till effektivare entreprenörskap eftersom de som sysslar med det i brist på annat lämnar den marknaden till förmån för gigjobb. Författarna lyfter dock fram att det i allmänhet saknas studier av utbudssidan på gig-arbetsmarknaden och vad som påverkar den.
Huang et al. (2018) har studerat utbudssidan i form av en undersökning av vad som påverkar deltagande på en digital, global plattform för frilansarbete. Studien fokuserade på kvalificerat arbete som förmedlades via appen Freelancer och visade att det som påverkade deltagandet i den digitala gigekonomin är ekonomiska skäl, dvs. att arbetsmarknaden offline är otillräcklig. Detta samband kunde även påvisas omvänt då bättre ekonomiska förutsättningar ledde till en minskad gig-arbetsmarknad. Studien använde kombinerade data från bl.a.
Freelancer (för deltagande i gigekonomin), Bureau of Labor Statistics (för sysselsättning) och National Bureau of Economic Research (för demografiska data). I och med finanskrisen 2008 kunde situationen betraktas som ett naturligt experiment då arbetslösheten ökade hastigt och effekten studeras med en difference-in-differences-analys.
6
Sammanfattningsvis finns det en tydlig lucka i forskningen kring de socioekonomiska effekterna av gigekonomins framväxt som denna studie kan bidra till att fylla. Undersökningen har en tydligare demografisk utgångspunkt för studien av arbetsutbudet, något som saknats i tidigare studier och som är väldigt relevant ur policysynpunkt. Vidare har det inte heller gjorts någon studie av den svenska kontexten och de specifika förutsättningarna som finns. Denna studie kommer således att utgöra ett första steg mot en kartläggning av den svenska gigekonomin och dess socioekonomiska effekter.
2.3. Invandring och arbetsmarknaden
Tidigare forskning på området invandring och arbetsmarknaden har främst fokuserat på hur invandring påverkar arbetsmarknaden och löner för inrikes födda och hela populationen.
Forskning inom områden har dock inte kunnat komma fram till en konsensus gällande invandringens påverkan på arbetsmarknaden.
I en rapport från IFAU undersöker Forslund, Liljeberg och Åslund (2017) etablering och integration på arbetsmarknaden för invandrare födda utanför OECD-länder på både kort och lång sikt. Fokus ligger på invandrare som inte invandrat av arbetsmarknadsskäl, dvs.
flyktingar och deras anhöriga. För att undersöka dessa invandrares etablering på arbetsmarknaden studeras två typer av jobb. I första hand undersöks det första jobbet, vilket definieras som den första kontakten med arbetsmarknaden - i form av att man fått sin första arbetsinkomst eller genom de första försöken att få jobb genom registrering vid Arbetsförmedlingen. Därefter undersöks det första “riktiga” jobbet, definierat som arbete som genererar en årsinkomst motsvarande minst hälften av en 45-årings medianinkomst (det kan således i praktiken röra sig om flera anställningar). Detta kompletteras sedan med övrig information som syftar till att fånga upp integrationsprocessen - förekomst av försörjningsstöd och sysselsättning och löneinkomster på lång sikt.
Undersökningen visar att de flesta har sina första kontakter med arbetsmarknaden relativt snart efter att de invandrat. Konjunkturläget vid tidpunkten för invandring påverkar möjligheten att få sitt första jobb inom 1–3 år och att andelen som kommit i kontakt med arbetsmarknaden stiger kontinuerligt med antal års vistelse i Sverige. I genomsnitt tar det 5 år för 50% av en kohort av invandrare att få sitt första “riktiga” jobb. Vissa skillnader i tid beror på ursprungsland, ålder och kön, exempelvis går det i allmänhet fortare för män att etablera sig.
Utbildning verkar också påverka processen, ju högre utbildning desto snabbare etablering, i synnerhet i jämförelse mellan de som har max grundskoleutbildning och de som har komplett
7
gymnasieutbildning. Ett intressant resultat är att en stor och över tid relativt stabil andel har sitt första riktiga jobb inom samma företag som de har sin första arbetsmarknadskontakt i. Detta innebär att den första kontakten med arbetsmarknaden är av betydelse för de framtida förutsättningarna.
I allmänhet visar undersökningen att integrationen på arbetsmarknaden är en långsam, men stabil process med mönster som håller över tid. Detta kan vara både positivt och negativt då en stabil integration innebär att den inte påverkas av variationer i invandrarantalet, men den långsamma processen innebär att det är svårt att etablera sig på den svenska arbetsmarknaden.
2.4. Invandring och inkomster
Då inkomst är en sekundär utfallsvariabel i undersökningen är det viktigt att kortfattat presentera tidigare forskning som undersöker inkomstutvecklingen för utrikes födda och löneassimilering som ett mått på arbetsmarknadsetablering. I IFAU:s rapport 2013:5 (Eliasson, 2013) undersöks löneutvecklingen för invandrare födda utanför västvärlden relativt inrikes födda. Studien analyserar dels inkomstupphämtningen, så kallad ”wage catch-up”, dvs. hur mycket relativlönerna ökar för utrikes födda, och dels faktorerna som påverkar invandrares arbetsmarknadsetablering. Rapporten visar att lönegapet mellan utrikes och inrikes födda blir mindre genom relativlöneutveckling men att lönegapet fortfarande är betydligt efter 30 år på arbetsmarknaden. Det mest betydelsefulla för en positiv relativlöneökning är högre lönetillväxt inom arbetsplatser och yrken. Alltså lönar det sig inte lika mycket för utrikes födda att byta arbete, utan löneutvecklingen sker främst genom att stanna hos samma arbetsplats eller arbetsgivare. Tanken och en potentiell förklaring bakom denna observation är att arbetsgivaren först underskattar den utrikes föddas produktivitet vid anställning, möjligen på grund av fördomar som även bidrar till diskriminering, och sedan ökar lönen i takt med att arbetsgivaren lär sig om arbetstagarens faktiska produktivitet. Sammanfattningsvis undersöks den långsiktiga effekten på inkomster av att invandra till Sverige från ett land utanför västvärlden, det sker en positiv relativlöneutveckling men inte en fullständig.
Studier som har nämnts tidigare och som även tar upp inkomstutvecklingen för utrikes födda är Calmfors et al. (2018) i 2.1 och Forslund, Liljeberg och Åslund (2017) i 2.2. Calmfors et al. (2018) visar på att lönen inte påverkas negativt av att ha en behovs- och timanställning jämfört med en visstidsanställning för utrikes födda. Forslund, Liljeberg och Åslund (2017) visar dock resultat som pekar på liknande mönster som Eliasson (2013), att i termer av inkomster har utrikes födda sämre förutsättningar än svenskfödda. Rapporten undersöker hur
8
inkomstutvecklingen ser ut för flyktingar och deras anhöriga. I termer av inkomster har utrikes födda sämre förutsättningar än svenskfödda, oavsett om jämförelsen görs endast med de som har positiv inkomst eller samtliga invandrare. Det starkaste utfallet för invandrare med positiva inkomster visar att de ligger i den 45:e percentilen av svenskföddas inkomster. Studien är inte åldersjusterad vilket innebär att de som invandrade unga och borde ha haft en löneutveckling med stigande ålder enbart har marginellt högre inkomster än samtliga invandrare.
3. Data
Denna studie använder registerdata för integration hämtad från Statistiska Centralbyrån.
Statistiken är totalberäknad på kommunnivå och innehåller information om befolkningens sysselsättning utifrån administrativa data som även visar anknytning till arbetsmarknaden uppdelat efter bakgrundsegenskaper. Paneldatasetet sträcker sig över en tioårsperiod, 2007–
2017, och inkluderar samtliga svenska kommuner. Huvudvariabeln är sysselsättning, vilken anges som procent av befolkningen. Andelen sysselsatta finns uppdelad efter utbildningsnivå (förgymnasial, gymnasial eller eftergymnasial), skäl till invandring (skyddsbehövande och deras anhöriga eller övriga utrikes födda) och kön. Datasetet inkluderar även sysselsättning för inrikes födda. Data kommer ursprungligen från registerbaserad arbetsmarknadsstatistik (RAMS) och bedöms ha hög tillförlitlighet enligt kvalitetsdeklarationen gjord av SCB (2017a).
Inkomst används också som en utfallsvariabel. Data som används kommer från SCB:s statistikdatabas och variablerna som används är “Genomsnittlig disponibel inkomst, antal prisbasbelopp” och “Medianvärdet av disponibel inkomst, antal prisbasbelopp” för flyktingar (20–64 år), uppdelat efter kommun. Data kommer ursprungligen från inkomst- och taxeringsregistret (IoT).
Den grundläggande dataregistreringen kommer från Skatteverket och används sedan av SCB för att skapa variabeln “sysselsättningsstatus”. Det kan finnas en risk för felklassificering som kan bero på ofullständiga uppgiftsunderlag. Dessutom kan ramtäckning vara en brist hos RAMS, då rampopulationen är den folkbokförda befolkningen i Sverige. Det finns således viss risk för att vissa individer är folkbokförda i Sverige fast de bor någon annanstans och att vissa inte är folkbokförda i Sverige trots att de borde vara det. Utöver dessa små brister är data omfattande och inkluderar hela populationen, så det finns ingen anledning till oro över att den systematiskt skiljer sig från verkligheten. Det saknas värden för vissa variabler, men det beror inte på brister i datainsamlingen utan på att det har censurerats av SCB, s.k. röjandekontroll, vilket görs för att bevara statistiksekretessen när antalet observationer är
9
väldigt få och individers personliga uppgifter kan utläsas (SCB 2017b). Utöver eventuella mätfel finns alltså inga bortfall och antal observationer speglar även populationen som undersöks.
Tabell 1: Deskriptiv statistik
Sysselsättning i svenska kommuner 2007–2017 Obs. Medelvärde Standard- avvikelse.
Min Max
Kommuner med gigekonomi
Flyktingar 99 57.25 7.733 43.9 77.5
Övriga utrikes födda 99 57.52 7.290 37.7 70.4
Inrikes födda 99 80.48 4.02 71.1 87.6
Kontrollkommuner Flyktingar 2 959 48.81 13.15 11.9 84.1
Övriga utrikes födda 3 091 60.38 7.66 33.2 81
Inrikes födda 3 091 82.34 3.20 69.1 90.7
Anm.: Värdena gäller för samtliga utbildningsnivåer och för både män och kvinnor. Varje observation som använts i beräkningen avser en viss kommun ett visst år. Övriga utrikes födda syftar på samtliga invandrare utöver flyktingar och deras anhöriga. För en mer utförlig tabell, se bilaga 1.
Kommuner som inkluderas i behandlingsgruppen är följande: Foodora: Stockholm, Solna, Sundbyberg, Göteborg, Uppsala, Malmö och Lund. Wolt: Stockholm, Örebro och Västerås. Resterande kommuner i Sverige inkluderas i kontrollgruppen. Tabell 1 visar att den genomsnittliga sysselsättningsgraden för flyktingar är något högre i kommuner där ett gigekonomiföretag etablerat sig. För övriga utrikes födda är däremot sysselsättningen högre i kontrollkommunerna, men det är en relativt liten skillnad. Variationen i data är större hos kontrollkommunerna då minimivärdet är lägre och maximivärdet är högre än för kommuner med gigekonomi. Skillnaderna i medelvärden ska inte tolkas kausalt då de kan bero på utelämnade faktorer vilka kommer kontrolleras för i kommande avsnitt. Paneldatasetet är kompletterat med variabler som används som kontrollvariabler i analysen. Dessa är kommunstorlek och utbildning. Variabeln kommunstorlek är konstruerad efter befolkningsstorlek och logaritmerad. Utbildningsnivå avser andelen högutbildade, definierat som andelen med eftergymnasiala studier i varje kommun.
I vår data är en person flykting om hen kommit till Sverige på grund av skyddsbehov och klassas då under gruppen “skyddsbehövande och deras anhöriga”. Detta är en kategorisering som är permanent. Har man någon gång blivit klassad i gruppen så fortsätter man ingå i den även i framtiden. Detta innebär att det i variabeln flyktingars sysselsättning även ingår flyktingar som har varit i Sverige i ett antal år. Därmed kompliceras analysen av gigekonomin som ett verktyg för snabb och effektiv integration på arbetsmarknaden. Våra data visar att andelen nyanlända bland utrikes födda i svenska kommuner är runt 30 %, för mer deskriptiva data se bilaga 1. Detta innebär att resultatet av studien inte är direkt generaliserbart
10
till nyanlända flyktingar, men det kan ge en indikation om gigekonomins effekt på gruppen.
Eftersom studiens syfte är att undersöka effekten av gigekonomin behövs data för tidsperioden efter att gigekonomiföretagen etablerades. Då fenomenet som undersöks introducerades 2015 finns endast data för ett fåtal år efter introduktionen av Foodora och Wolt, detta är oundvikligt då det ännu inte finns statistik för 2018. Detta medför dock att undersökningens resultat endast gäller kort sikt.
4. Metod
Denna studie ämnar undersöka effekten av gigekonomin på flyktingars arbetsmarknadsutfall. Svårigheterna med att genomföra en studie av denna typ är att det finns många olika faktorer som påverkar arbetsmarknaden och således potentiellt har en effekt på det undersökta utfallet. Om det finns en korrelation mellan den oberoende variabeln, gigekonomi, utelämnade variabler samt kommunspecifika arbetsmarknadsförutsättningar är risken att skattningen fångar upp flera av dessa olika faktorer. Modellen måste således kunna separera effekten av gigekonomin från dessa andra faktorer. I denna undersökning estimeras därför följande regressionsmodell:
Arbetsmarknadsutfallit = α + βGigekonomiit + γXit + δi + θt + εit (1)
där Arbetsmarknadsutfallit representerar något av måtten på arbetsmarknadsutfall som studien undersöker, sysselsättning och arbetsinkomst och Gigekonomiit är en dummyvariabel som antar värde 1 om det är en kommun och ett år där något av gigekonomiföretagen etablerat sig. Vidare är Xit en vektor av kontrollvariablerna befolkningsstorlek och utbildningsnivå, δi är de kommunfixa effekterna, θt är tidsfixa effekter och εit är feltermen. Det innebär att δi kontrollerar för kommunspecifika egenskaper som inte varierar över tid och θt kontrollerar för generella trender på den nationella arbetsmarknaden som skulle kunna påverka utfallet. Alla utelämnade variabler som kan påverka utfallet som är konstanta över tid inom kommuner fångas alltså upp av modellen. Det innebär inte att risken med utelämnade variabler som varierar över tid elimineras, men dessa variabler kontrolleras delvis för med kontrollvektorn Xit. β ger oss effekten av gigekonomi på utfallet av intresse. Samtliga regressioner skattas med metoden Ordinary Least Squares (OLS) och använder robusta standardfel klustrade på kommunerna.
11
4.1 Test av antaganden
Difference-in-differencesmodellen som används antar att trenderna i utveckling måste vara parallella mellan kontroll- och behandlingsgruppen för att det ska vara möjligt att i så stor mån som möjligt utesluta att utelämnade variabler påverkar utfallet. Antagandet om parallella trender implicerar att utfallet i de båda grupperna skulle varit samma om inte behandling hade genomförts. Om trenderna inte är parallella finns det sannolikt utelämnade variabler som påverkar utvecklingen. Då denna studie berör sysselsättningen på kommunnivå kan parallella trender-villkoret kontrolleras översiktligt genom att undersöka hur sysselsättningen förändrats över tid i kommuner där ett gigekonomiföretag etablerat sig (behandlingsgrupp) jämfört med de övriga kommunerna (kontrollgrupp)4. Sysselsättningsgraden är angiven som antalet sysselsatta i åldrarna 20–64 som en andel av det totala antalet personer i åldersgrupperna. Figur 1 visar genomsnittssysselsättningen på kommunnivå för hela arbetskraften och den streckade linjen indikerar etableringen av det första gigekonomiföretaget i en kommun.
Figur 1: Genomsnittsysselsättning för hela arbetskraften
Anm: Figuren visar den genomsnittliga sysselsättningen för hela arbetskraften i kontroll- och behandlingsgrupper under åren 1997–2017. Varje punkt är ett medelvärde av sysselsättningen i alla kommuner i respektive grupp för ett visst år. Sysselsättningen anges som procent. Den streckade linjen visar när det första gigekonomiföretaget etablerades.
4 I tidsjämförelserna är Knivsta exkluderad eftersom det blev en kommun först 2003 och det således saknas värden för de tidigare åren. Eftersom Knivsta inte tillhör behandlingsgruppen och syftet med tidsjämförelsen är att se att utvecklingen i behandlings- respektive kontrollgrupp är likartade är utelämnandet av Knivsta att betrakta som försumbart.
12
Figur 1 visar att sysselsättningen för hela arbetskraften haft en tydligt parallell utveckling. Behandlingskommunerna har en konstant lägre sysselsättningsgrad som skiljer sig med ca 5 procentenheter. Sysselsättningen har ökat relativt stabilt över tid bland samtliga kommuner, med ett tydligt undantag då sysselsättningen sjunker kraftigt, vilket kan antas beror på finanskrisen 2008. Figur 2 visar sysselsättningen på kommunnivå för flyktingar.
Figur 2: Genomsnittsysselsättningen för flyktingar
Anm: Figuren visar den genomsnittliga sysselsättningen för flyktingar i kontroll- och behandlingsgrupper under åren 1997–2017. Varje punkt är ett medelvärde av sysselsättningen i alla kommuner i respektive grupp för ett visst år. Sysselsättningen anges som procent. Den streckade linjen visar när det första gigekonomiföretaget etablerades.
I figur 2 kan utläsas att sysselsättningsgraden för flyktingar i svenska kommuner utvecklats mindre parallellt. Värt att notera är att före 2006 är flyktingar i kontrollgruppen sysselsatta i högre grad (i genomsnitt), men efter 2006 är sysselsättningen lägre i dessa kommuner än i behandlingsgruppen. Skälet till detta är inte uppenbart. Avvikelserna i utvecklingen kan bero på en mängd olika faktorer som påverkar sysselsättningen i kommuner.
I analysen är det därför viktigt att kontrollera för sådant som sannolikt korrelerar med sysselsättningen.
Medelinkomsten i kommunerna visar också en parallell utveckling.
Genomsnittsinkomsten för hela arbetskraften har varit konstant högre och utvecklingen väldigt likartad i behandlings- och kontrollgruppen. För flyktingar har utvecklingen varit nästan identisk fram till 2006, då inkomsten i behandlingsgruppen började öka kraftigare.
Medianinkomstutvecklingen är likartad mellan hela arbetskraften och flyktingar i både
13
behandlings- och kontrollgrupp. Även här sker en större ökning av inkomsterna i behandlingskommunen mer än i kontrollkommunerna för flyktingar, dock först efter 2009.
Utvecklingstrenderna för inkomster är att betrakta som tillräckligt parallella för att variabeln ska kunna användas. För figurer över inkomstutvecklingen, se bilaga 2.
5. Resultat
Detta avsnitt visar på resultaten från analysen av effekten av gigekonomi på sysselsättning samt på inkomster. Huvudresultaten visas i avsnitt 5.1 och diverse känslighetstest visas i 5.2. I avsnitt 5.3 presenteras utfallen uppdelat efter olika subgrupper.
5.1. Utfall
Tabell 2: Effekten av gigekonomin på sysselsättning
(1) (2) (3)
Flyktingar Övriga utrikes födda
Inrikes födda
Gigekonomi 5.157*** 1.784*** -0.344*
(0.912) (0.668) (0.204)
Konstant 68.75*** 71.44*** 85.09***
(0.496) (0.151) (0.0606)
Observationer 3,058 3,190 3,190
Justerat R2 0.773 0.898 0.945
Klustrade standardfel på kommun inom parentes, *** p<0.01, ** p<0.05, * p<0.1. Anm.:
Urvalet består av svenska kommuner under åren 2007–2017. Varje kolumn är en separat regression.
Tabell 2 visar estimatet från regressioner av sambandet mellan sysselsättning i olika grupper och existensen av ett gigekonomiföretag i kommuner. Regressionskoefficienten indikerar att gigekonomiföretags etablering i en kommun ökar sysselsättningen med 5,2 procentenheter och resultatet är statistiskt signifikant på 1% nivå. Övriga utrikes födda har en lägre regressionskoefficient, en skillnad som verkar rimlig eftersom det i gruppen övriga utrikes födda ingår arbetskraftsinvandrare vars sysselsättning sannolikt påverkas i lägre grad av gigekonomin. Det är dock en signifikant och positiv effekt för även denna invandringsgrupp.
För inrikes födda är effekten i princip noll, signifikant på 10 % nivå. Detta är ett intressant resultat eftersom det skulle innebära att möjligheten till gigjobb inte påverkar sysselsättningen bland inrikes födda, något som kan tolkas som att dessa arbeten nästan uteslutande utförs av invandrare.
14
Tolkningen bör dock göras försiktigt eftersom det finns många faktorer som kan påverka utfallet och regressionerna i tabell 2 har genomförts utan att kontrollera för något annat än kommun- och tidsfixa effekter. Därmed är det inte säkerställt att den estimerade koefficienten skattar gigekonomins kausala effekt på sysselsättningen och det finns skäl att kontrollera för variabler som varierar i tid och mellan kommuner. Dessa känslighetstest genomförs längre fram i undersökningen.
Undersökningens sekundära beroende variabel är inkomster. Tabell 3 estimerar effekten av etableringen av gigekonomin på logaritmerade medel- och medianinkomster för flyktingar, övriga utrikes födda och inrikes födda.
Tabell 3: Effekten av gigekonomin på (logaritmerade) inkomster
Flyktingar Övriga utrikes födda Inrikes födda
(1) (2) (3) (4) (5) (6)
Medel Median Medel Median Medel Median
Gigekonomi 0.0973*** 0.110*** 0.0397*** 0.0317*** 0.00942 0.00567**
(0.0113) (0.0141) (0.0125) (0.00720) (0.00731) (0.00226)
Konstant 1.458*** 1.497*** 1.583*** 1.572*** 1.702*** 1.657***
(0.00652) (0.0100) (0.00310) (0.00259) (0.00139) (0.000818)
Observationer 3,108 3,108 3,190 3,190 3,190 3,190
Justerat R2 0.789 0.714 0.942 0.922 0.983 0.989
Klustrade standardfel på kommun inom parentes, *** p<0.01, ** p<0.05, * p<0.1. Anm.: Urvalet består av svenska kommuner under åren 2007–2017. Varje kolumn är en separat regression.
Tabell 3 visar på en positiv effekt av gigekonomin på flyktingars inkomst. Ökningen är signifikant för både medel- och medianinkomsterna. Estimatet innebär en ökning med 9 respektive 11 % för flyktingars inkomster när ett gigekonomiföretag etablerar sig. För övriga utrikes födda är ökningen mindre och för inrikes födda är den i princip noll. Detta kan tillsammans med de positiva effekterna på flyktingars inkomster tyda på att gigekonomin bidrar till att minska inkomstgapet mellan inrikes och utrikes födda.
Gällande dessa regressioner är det viktigt att tänka på att den korta tid sedan gigekonomin introducerades i Sverige gör att det som kan skattas är en kortsiktig effekt. Det går därför inte att uttala sig om sysselsättningen och inkomsterna fortsätter öka, om de minskar eller om utvecklingen avstannar på längre sikt. Ett möjligt skäl till att estimatet ökat är att de som tidigare inte arbetat men som efter etableringen av gigföretag nu har fått arbete och därmed också inkomst.
15
5.2. Känslighetstest
Skattningarna i undersökningen indikerar på ett signifikant samband mellan etableringen av gigekonomiföretag i en kommun och flyktingars sysselsättningsgrad. Undersökningen bygger dock på att de antaganden som görs i modellen håller, vilket inte går att fullständigt säkerställa.
För att stärka resultatens trovärdighet genomförs ett antal känslighetstest. Först kontrolleras resultatens robusthet med kontrollvariabler, därefter genomförs en kontroll för linjära trender och slutligen tre placebotest.
5.2.1. Betydelsen av att kontrollera för fler variabler
I följande avsnitt undersöks hur huvudresultatet påverkas av att kontrolleras för tids- och kommunvarierande faktorer. Dessa tidsvarierande faktorer är variablerna kommunstorlek och utbildningsnivå. För motivering till kontrollvariablerna, se avsnitt 3.1.
Tabell 4: Kontroll för tids- och kommunvarierande variabler - flyktingars sysselsättning
(1) (2) (3) (4)
Gigekonomi 5.157*** 3.418*** 4.516*** 3.433***
(0.912) (1.132) (1.039) (1.143)
Kommunstorlek 24.25** 25.23*
(11.99) (14.88)
Utbildning 0.593 -0.0789
(0.518) (0.638)
Konstant 68.75*** -179.3 55.11*** -187.5
(0.496) (122.5) (11.92) (143.8)
Observationer 3,058 3,058 3,058 3,058
Justerat R2 0.773 0.775 0.774 0.775
Klustrade standardfel på kommun inom parentes, *** p<0.01, ** p<0.05, * p<0.1. Anm.: med folkmängd avses genomsnittlig logaritmerad på kommunnivå, utbildning avser andelen högutbildade i kommunen (inrikes och utrikes födda). Varje kolumn är en separat regression.
Tabell 4 visar att vid kontroll för folkmängd och utbildning i kommuner minskar gigekonomins effekt på sysselsättningen för flyktingar. Minskningen på ca 1,7 procentenheter vid kontroll för folkmängd kan bero på att folkmängden i en kommun kan vara en faktor till att gigekonomin etablerar sig. Vid kontroll för utbildning minskar effekten på flyktingars sysselsättning med ca 0,6 procentenheter vilket indikerar att utbildning är en faktor som påverkar sysselsättningen. Det bör noteras att variabeln Utbildning avser både inrikes och utrikes födda vilket innebär att variabeln inte fullständigt kontrollerar för effekten av utrikes föddas utbildning på deras sysselsättning. Det är därtill viktigt att ha i åtanke att utbildning kan
16
vara svåröversatt mellan länder och det därför kan finnas högutbildade invandrare som fallit bort eftersom deras kvalifikationer inte värderas i Sverige.
I regression (4) har samtliga kontrollvariabler inkluderats. Skattningen indikerar fortfarande på ett positivt samband mellan etableringen av gigekonomiföretag och flyktingars sysselsättning, signifikant på 1 % signifikansnivå. Om detta stämmer innebär det att gigekonomin har en signifikant effekt på flyktingars sysselsättning även med hänsyn till olika kommuners förutsättningar i dessa två avseenden. Förändringen i estimatet är inte av nämnvärd storlek vilket tyder på att risken att (mindre betydelsefulla) utelämnade variabler driver resultaten är liten.
Samma känslighetstest har även genomförts för vår analys av inkomster. Skattningarna visar att vid kontroll av kommunstorlek och utbildning blir den estimerade effekten på både medel- och medianinkomst något lägre. Estimatet är dock fortfarande signifikant på 1 % signifikansnivå och indikerar på en ökning av flyktingars inkomster med 7,2 % (medelinkomst) och 8,7 % (medianinkomst) när regressionen inkluderar samtliga kontrollvariabler.
Regressionstabeller finns i bilaga 3.
5.2.2. Kontroll för linjära trender
Kontroll för linjära trender genomförs genom att generera en variabel som sammankopplar variabelmått med den tid de skedde. Variabeln genereras genom att skapa en interaktion mellan kommun- och årsdummyvariablerna och inkluderas sedan i regressionen. Kontrollen fångar upp alla kommunspecifika faktorer som utvecklas linjärt, inklusive icke-observerbara variabler.
Ekvationen som skattas är samma som (1), med tillägget δiθt som fångar de linjära trenderna.
Arbetsmarknadsutfallit = α + βGigekonomiit + γXit + δi + θt + δiθt + εit (2)
Vid kontroll för linjära trender blir huvudestimatet för sysselsättning negativt och icke signifikant. Estimaten för medel- respektive medianinkomst är mycket nära noll och inte signifikanta. Det kan antingen betyda att huvudestimatet fångar upp en linjär utveckling av sysselsättningen och inkomsterna eller att behandlingskommunerna är för få för att kontroll för linjära trender ska fungera optimalt. Då det finns många faktorer som potentiellt utvecklas linjärt kan dessa faktorer absorbera effekten av gigekonomidummyn och generera ett svårtolkat resultat.
17
5.2.3. Placebotest
Tre olika placebotest används för att kontrollera modellen och resultatens robusthet - placeboutfall, placebotest med alternativa tidsperioder och placebotest med alternativa grupper.
För att kontrollera utfallen genomförs regressionerna med utfall som i teorin inte borde påverkas av behandlingen enligt modellen, men som skulle kunna påverkas i verkligheten.
Placeboutfallet har redan kontrollerats i och med att effekten av gigekonomin på inrikes födda undersöktes i tabell 2 och 3 i avsnitt 5.1. Resultatet för inrikes föddas sysselsättning kan betraktas som ett placeboutfall därför att det bedöms vara mindre sannolikt att inrikes födda arbetar inom gigekonomin i lika hög grad som flyktingar och övriga utrikes födda. Om den ökade sysselsättningen för flyktingar skattningen visade skulle vara ett resultat av generella trender skulle detta rimligtvis återspeglas även i övriga grupper. Effekten på inrikes föddas sysselsättning är i princip noll i skattningen (se tabell 3), signifikant på 10 % nivå. För inkomst är placeboestimatet också nära noll för både median- och medelinkomsten för inrikes födda (se tabell 4). Estimatet för medelinkomsten är dock inte statistiskt signifikant, till skillnad från estimatet för medianinkomsten som är signifikant på 5 % signifikansnivå. Eftersom detta resultat skiljer sig från resultatet för huvudvariabeln kan det uteslutas att effekten på gruppen flyktingar är slumpmässig. Effekterna på sysselsättning och utfall för flyktingar påverkas alltså sannolikt inte av bakomliggande variabler på kommunnivå för dessa skulle sannolikt också påverka inrikes föddas sysselsättning och inkomster.
För placebotest med alternativa tidsperioder antas att behandlingen genomförts i en tidigare tidsperiod. Då paneldata för denna studie endast sträcker sig över tio år genomförs placebotest för alla år. De behandlade kommunerna förändras inte. Behandling år 2007 innebär att kommunerna får placebobehandling från och med 2007 och effekten kontrolleras för samtliga följande år, dvs. fram till 2017. Sedan upprepas proceduren för resterande år fram till 2014 då placebotesterna avslutas för att inte fånga upp effekten av den faktiska behandlingen.
Ekvationen som skattas är följande:
Arbetsmarknadsutfallit = α + β1Gigekonomiit + β2Placeboit + γXit + δi + θt + εit (3),
där Placeboit är placebotidsperioden och β2 är således intressekoefficienten.
18 Tabell 5: Placebotest med alternativa tidsperioder
(1) (2) (3) (4) (5) (6) (7) (8)
2007 2008 2009 2010 2011 2012 2013 2014
Gigekonomi 5.157*** 4.484*** 3.825*** 3.232*** 2.559** 1.684* 0.695 -0.696 (0.912) (0.911) (0.944) (0.983) (0.999) (1.012) (1.009) (0.954) Placebo -6.552*** 5.984*** 5.926*** 5.707*** 5.775*** 6.174*** 6.608*** 7.427***
(0.249) (0.930) (1.001) (1.017) (0.939) (0.875) (0.840) (0.778) Konstant 68.75*** 68.94*** 68.91*** 68.89*** 68.87*** 68.85*** 68.83*** 68.82***
(0.496) (0.507) (0.504) (0.501) (0.500) (0.499) (0.498) (0.497)
Observationer 3,058 3,058 3,058 3,058 3,058 3,058 3,058 3,058 Justerat R2 0.773 0.774 0.774 0.774 0.775 0.775 0.775 0.775 Klustrade standardfel på kommun inom parentes, *** p<0.01, ** p<0.05, * p<0.1
Det ideala resultatet i ett placebotest med alternativa tidsperioder är att alla koefficienter för placebovariabeln är noll vilket skulle visa på att modellen fångat upp den faktiska effekten av gigekonomin. Bevisligen visar tabell 7 och variabeln Placeboit att resultatet inte är noll och det innebär att det finns bias i modellen. Resultatet visar på en svagt uppåtgående trend efter år 2010 och därmed blir det svårt att urskilja om effekten som har estimerats i huvudregressionen beror på trenden eller gigekonomin. Det avvikande resultatet för år 2007 kan sannolikt kopplas till finanskrisen. Eftersom placebotestet med alternativa tidsperioder enbart inkluderar de behandlade kommunerna så kan resultatet innebära att dessa kommuner har vissa förutsättningar som gör att sysselsättningen ökar oavsett exogena verkningar.
För inkomstvariablerna följer placebotestet för alternativa tidsperioder ungefär samma mönster med avvikande resultat för 2007 och därefter placeboestimat som ökar svagt över tid.
Regressionstabellerna finns i bilaga 3.
För placebotest med alternativa grupper antas att behandlingen genomförts på andra grupper än den faktiska. Slumpmässigt valda kommuner placeras i behandlingsgruppen och regressionen genomförs på nytt med dessa kommuner under samma tidsperiod som den faktiska behandlingen skett. Placebotestet genomfördes genom att kommunerna numrerades från 1–290 och en slumpgenerator konstruerade 40 nya grupper om 9 kommuner. De ursprungliga kommunerna inkluderades och kunde således bli slumpmässigt utvalda. Detta skedde i 9 av 40 fall. Samtliga grupper finns i bilaga 4.
19
Figur 3: Histogram över placebogrupper - sysselsättning
Histogrammet visar utfall av placebotest med alternativa grupper. Värdena på x-axeln är placeboestimat. Den vertikala linjen indikerar huvudestimatet. Normalfördelningskurvan är markerad.
När behandlingen slumpas mellan kommuner blir den estimerade effekten betydligt mindre i jämförelse med huvudestimatet 5,157 - medelvärdet av estimaten för alla 40 grupper är 1,02. Histogrammet och normalfördelningskurvan visar på att den estimerade effekten för de randomiserade grupperna generellt ligger under huvudestimatet med tre undantag - grupp 19, 26 och 35. Detta hypotestest visar därmed på att den estimerade huvudeffekten är signifikant.
Effekten på medelinkomst blir för placebogrupperna betydligt lägre än huvudestimatet vilket i figur 3 ligger långt ut i svansen på normalfördelningskurvan. Samma effekt ses i placeboskattningen för medianinkomst. Detta indikerar att inkomstökningen som skattades ursprungligen är signifikant, men det kan fortfarande inte uteslutas att den beror på specifika egenskaper hos kommunerna. För histogram över placebotest för inkomster, se bilaga 3.
Sammanfattningsvis kan resultaten av placebotesterna inte bortses från då test med alternativa tidsperioder visar på att effekten på flyktingars sysselsättning inte är unik för åren 2015 och 2016 då gigekonomin trädde in på marknaden. Resultaten av placebotestet med alternativa grupper indikerar att den estimerade effekten beror på faktorer som är specifika för just de kommuner där gigekonomin har etablerat sig, och inte etableringen av gigekonomin i
20
sig. Då gigekonomins inträde på marknaden sannolikt inte är slumpmässig kan det tyda på att företagen valde att etablera sig i kommunerna på grund av faktorer som även påverkar flyktingars sysselsättning och inkomster positivt. Dessa är faktorer som inte täcks helt av huvudregressionen som redan kontrollerar för konstanta effekter i tid och mellan kommuner, eller kontrollvariablerna som inkluderas. Vilka faktorer det skulle kunna vara går endast att spekulera om men det är tydligt att de bidrar positivt till flyktingars sysselsättning och arbetsmöjligheter i kommunerna.
5.3. Utfall för subgrupper
Tidigare forskning har visat att utfall på arbetsmarknaden för flyktingar bl.a. beror på utbildningsnivå och kön. Samtidigt som att resultaten från känslighetstesterna visar på att huvudregressionen inte kan säkerställas och måste tas i beaktande anses det fortfarande vara av intresse att analysera hur effekten av gigekonomi ser ut för olika subgrupper. Följande avsnitt undersöker utfallet för flyktingar med avseende på detta.
Tabell 6: Effekten av gigföretagens etablering på flyktingars sysselsättning, subgrupper
(1) (2) (3) (4) (5) (6)
Samtliga flyktingar
Förgymnasial utbildning
Gymnasial utbildning
Eftergymnasial utbildning
Män Kvinnor
Gigekonomi 5.157*** 3.266* 4.482*** 6.635*** 3.919*** 3.266*
(0.912) (1.919) (0.808) (0.718) (1.029) (1.919)
Medelvärde sysselsättning
49.079 36.653 61.666 56.315 53.499 46.215
Konstant 68.75*** 56.64*** 75.78*** 69.87*** 72.79*** 56.64***
(0.496) (0.515) (0.469) (0.562) (0.533) (0.515)
Observationer 3,058 2,445 2,752 2,494 2,919 2,445
Justerat R2 0.773 0.740 0.711 0.727 0.722 0.740
Klustrade standardfel på kommun inom parentes, *** p<0.01, ** p<0.05, * p<0.1. Varje kolumn är en separat regression. Anm.: medelvärdet är beräknat på sysselsättningen i samtliga kommuner.
Tabell 6 visar att estimatet skiljer sig en del beroende på utbildningsnivå. För gruppen med förgymnasial utbildning är sambandet lägst och har också lägre statistisk signifikans.
Sambandet ökar sedan med utbildningsnivå. Ett antagande som gjorts är att en högre andel med lägre utbildningsnivå arbetar som cykelbud eftersom Foodora och Wolt erbjuder jobb utan krav på kvalifikation. Detta resultat antyder ett motsatt mönster, men vid jämförelse med medelvärdet för sysselsättning kan en mer ekonomiskt relevant tolkning göras. Genom att
21
dividera estimatet med medelvärdet (angett i procent) så får man fram den procentuella effekten. För samtliga flyktingar är effekten en 10,5 procentig ökning av sysselsättning.
Liknande procentuell ökning kan ses på de olika utbildningsnivåerna: 8,9 %, 7,2 % och 11,7 % . För män är den procentuella ökningen 7,3 % och för kvinnor 7,0 %.5
Sammanfattningsvis indikerar tabell 6 en statistiskt signifikant effekt av gigekonomin på flyktingars sysselsättning i alla subgrupper. Skattningarna visar ökningar för gruppen flyktingar som helhet och för samtliga subgrupper på en icke-försumbar nivå. Om antagandena håller skulle det vara en indikator på att gigjobb på kort sikt skulle kunna vara ett effektivt verktyg för att integrera flyktingar på arbetsmarknaden.
Då SCB inte har data för flyktingars inkomst uppdelat efter utbildning och kön så kan inte ett motsvarande test på subgrupper genomföras. Det är dock sannolikt att utfallet för subgrupperna skulle uppvisa ett likartat mönster som i fallet med sysselsättning
6. Slutsats och diskussion
Syftet med denna undersökning var att analysera gigekonomins påverkan på flyktingars arbetsmarknadsutfall, där utfallen var sysselsättning och inkomster (medel och median).
Metoden som användes för att utreda detta var en paneldatamodell där gigekonomins etablering betraktas som ett naturligt experiment. I modellen kontrollerades för kommun- och tidsfixa effekter.
Analysen visade initialt ett positivt och statistiskt signifikant samband mellan etableringen av gigekonomiföretag och sysselsättningsgraden för flyktingar. Därtill visade resultaten på positiva och signifikanta inkomstökningar. Känslighetstesterna visade dock att modellen inte är robust Vid kontroll för utelämnade variabler minskade sambandet men var fortsatt signifikant och ekonomiskt intressant. Kontroll för linjära trender gav svårtolkade resultat, sannolikt eftersom antalet kommuner i behandlingsgruppen är så litet. Det i samband med att risken för att kontrollen för linjära trender absorberar effekten bidrog till att fokus läggs på resterande känslighetstest. Placebotestet för alternativa utfall indikerade att vårt huvudestimat inte tycks drivas av utelämnade variabler eftersom effekten i det alternativa utfall som mättes (inrikes föddas sysselsättning) i princip var noll för både sysselsättning och inkomst. Detta indikerade att etableringen av gigekonomiföretag har en effekt på specifikt flyktingar vilket överensstämmer med undersökningens grundantagande, att det skulle vara
5 Att båda koefficienterna för kvinnor och män är under estimatet för samtliga flyktingar kan bero på att observationerna är färre. Som tidigare nämnts (se kapitel 3 om data) så saknas vissa observationer troligtvis på grund av röjandekontroll, vilket kan vara anledningen till att estimaten varierar något.
22
flyktingar som söker sig till dessa jobb. Undersökningen av alternativa tidsperioder indikerade att effekten som fångades i det första skedet i själva verket är en utveckling av flyktingars sysselsättning som skett oberoende av gigekonomin. Placebotestet med alternativa grupper genererade dock estimat som styrker huvudestimatet. Sammantaget går det inte att fullständigt säkerställa att det ursprungliga resultatet inte beror på de behandlade kommunernas specifika förutsättningar utöver kommunfixa effekter och kontrollvariabler. Resultaten tyder således på att de effekter som har estimerats snarare har uppkommit från andra faktorer som behandlingskommunerna innehar. Detta är faktorer som inte har kunnat identifierats i modellen och som troligen korrelerar med gigekonomiföretagens etablering. Att det ursprungliga resultatet inte är robust kan därmed bero på en mängd olika saker, exempelvis felaktiga grundantaganden eller misslyckande med att identifiera relevanta kontrollvariabler. Då utfallsvariabeln inkomster visar på liknande mönster och resultat i samtliga känslighetstest kan således samma slutsatser dras som för sysselsättning.
Då det inte finns tidigare forskning som är direkt jämförbar med denna studie kan resultaten inte enkelt jämföras med tidigare studier. Det går däremot att diskutera hur tidigare forskning är relaterat till den här undersökningens resultat. Arbetsmarknadsekonomiska rådets rapport visar på en positiv effekt av visstidsanställning på sannolikheten att få en tillsvidareanställning. Argumentet för att en ökning av enkla jobb kan lösa problemet med arbetslöshet för utsatta grupper kan inte fullständigt styrkas. Gigjobben skulle kunna ses som en ökning av utbudet av enkla jobb, vilket enligt Arbetsmarknadsekonomiska rådet är något positivt, men uppsatsens resultat kan inte visa på en ökning av sysselsättning. Om en ökning av utbudet av enkla jobb inte bidrar till en ökning i sysselsättning, alltså att flyktingar inte tar jobben, blir det svårt att argumentera för en satsning på enkla jobb.
Burtch et al. (2017) påvisade att etableringen av gigekonomiföretag påverkade graden av entreprenöriella aktiviteter, främst de av lägre kvalitet. Författarna tolkade detta som en indikation på att de som ägnar sig åt entreprenöriella aktiviteter i brist på annan sysselsättning är mer troliga att föredra gigjobb. Eftersom vår data inte skiljer på de som var arbetslösa och de som var sysselsatta när gigekonomiföretagen etablerade sig så är det möjligt att en liknande förklaring kan användas för denna studies resultat. Om de som gynnas av tillgång till gigjobb redan hade någon form av sysselsättning men föredrar gigjobb så kommer sysselsättningsgraden som helhet vara relativt oförändrad när gigekonomiföretag etablerar sig.
Enligt Eliasson (2013) är det mest betydande för en positiv relativlöneutveckling lönetillväxten inom arbetsplatser och yrken. Forslund, Liljeberg och Åslund (2017) visar på ett liknande mönster, en stor och över tid relativt stabil andel har sitt första riktiga jobb inom
