Hur ser sambandet ut mellan andelen singelhushåll och olika samhällsvariabler?
En analys kring singelhushållsbildningen och dess utveckling i Sverige
Joe Dahlberg
Ekonomie, kandidat 2020
Luleå tekniska universitet
Institutionen för ekonomi, teknik och samhälle
FÖRORD
Under arbetets gång har jag fått värdefull handledning av professor Robert Lundmark som bistått med stöd och konstruktiv kritik för att studien ska utmynnas i god kvalitet. Jag vill således ta tillfälle i akt att tacka Robert, tillsammans med de opponenter som bidragit med gynnande feedback.
Slutligen får samtliga studiekamrater inte passera obemärkt förbi. Med ömsesidig motivation och uppmuntring har vi tillsammans stöttat varandra till att fullända våra studier vid Luleå Tekniska Universitet.
Tack!
_________________________
Joe Dahlberg
SAMMANFATTNING
Målet med uppsatsen har varit att identifiera sambandet mellan flera kvantitativa samhällsvariabler och andelen singelhushåll i Sverige för att utöka förståelse kring inhemska hushållsbildningen. Tidigare forskning har nämligen visat att andelen singelhushåll inom en region är starkt påverkad av flera faktorer, såväl ekonomiska som sociala, demografiska och geografiska. Variabler som således har studerats innefattar inkomst, studiedeltagande, förvärvsarbete, boendekostnad, urbaniseringsgrad och folkmängd. Analysen utfördes med en tillämpning av paneldata och två linjära regressionsmodeller. Estimeringen av ursprungsmodellen indikerar att sambandet mellan samhällsvariablerna och andelen singelhushåll inte är tillräckligt applicerbar att utgöras som underlag för bostadsbygge, medan alternativa modellen visar på ett högt tolkningsvärde och potentiell applicerbarhet. Slutsatsen av studien tyder på att det inte är tillräckligt att enbart studera kvantitativa variabler för att förstå hela bilden kring inhemsk singelhushållsbildning. Samtidigt är det fortfarande väsentligt för beslutsfattare att ta hänsyn till just kvantitativa variabler för att kunna prognostisera den framtida utvecklingen av hushållsbildningen.
Nyckelord: enpersonshushåll, singelhushåll, hushållsbildning, ekonometri, regression, paneldata, fasta effekter.
ABSTRACT
The objective of this thesis has been to identify the relationship between several social quantitative variables and the proportion of one-person households in Sweden to broaden the understanding of domestic household formation. Namely, previous research has stated that the proportion of one-person household within a region is strongly influenced by factors such as economical, social, demographical and geographical. Thus, the studying of social variables has involved income, study participation, acquisition workers, housing costs, urbanization and population. The analysis was performed with the application of panel data and two linear regression models. The estimation by the original model indicate that the relationship between the social variables and the proportion of one-person households is not sufficiently reasonable to be used as basis for housing construction, whereas the alternative model resulted in a high explanatory power and potential applicability. The main conclusion is that quantitative variables is not enough to explain the full picture of domestic formation of one-person households. Although, quantitative variables are still essential for policymakers to be able to prognose the future development of household formation.
Keywords: one-person household, single-person household, household formation, econometric, regression, panel data, fixed effects.
Innehåll
KAPITEL 1 INTRODUKTION ...1
1.1 Inledning ...1
1.2 Problematisering ...2
1.3 Syfte ...2
1.4 Frågeställningar ...3
1.5 Metod och avgränsningar ...3
KAPITEL 2 TEORETISK REFERENSRAM ...5
2.1 Hushållsbildning och singelhushåll ...5
2.2 Tidigare forskning ...9
2.2.1 Motiv vid byte av bostad – boendekarriär ...9
2.2.2 Motiv vid byte av bostad – flyttningsrörelse och urbanisering ...9
2.2.3 Samhällsvariabler och dess påverkan på singelhushåll ... 10
2.3 Variabler att undersöka ... 11
2.4 Lagen om efterfrågan ... 12
2.4.1 Konsumentteori - inkomstelasticitet ... 12
2.4.2 Aggregerad efterfrågan ... 13
2.5 Teoretisk förklaringsmodell ... 13
KAPITEL 3 METODIK ... 14
3.1 Forskningsansats & Undersökningsansats ... 14
3.2 Insamling av data ... 15
3.2.1 Urval ... 15
3.2.2 Litteraturstudie ... 15
3.2.3 Kvaliteten hos data ... 16
3.3 Analysmetod ... 17
3.4 Modellspecifikation ... 20
3.4.1 Estimerade variabler ... 20
3.4.2 Estimerad modell ... 21
KAPITEL 4 EMPIRISKA RESULTAT ... 23
4.1 Presentation av resultaten ... 23
4.1.1 Ursprungliga modellen ... 24
4.1.2 Alternativa modellen... 25
KAPITEL 5 ANALYS & DISKUSSION ... 26
5.1 Samband mellan samhällsvariabler och andelen singelhushåll – den ursprungliga modellen ... 26
5.2 Samband mellan samhällsvariabler och antalet singelhushåll – den alternativa modellen 29 KAPITEL 6 SLUTSATS ... 32
6.1 Slutsatser ... 32
REFERENSER ... 34
APPENDIX ... 38
Figurförteckning Figur 2.1 Genomsnittlig hushållsbildning inom EU. ...6
Figur 2.2 Hushållsbildningen för medlemsstater på nationell nivå samt deras huvudstäder. ...8
Figur 2.3 Teoretisk förklaringsmodell ... 13
Figur 3.1 Durbin-Watson test för autokorrelation. ... 19
Tabellförteckning Tabell 1 Resultat för singelhushållsbildningen i Sverige ... 24
KAPITEL 1 INTRODUKTION
Det första kapitlet ger en kort redogörelse för utvecklingen av svenska singelhushåll och hur denna kan komma att bli en utmaning för många av samhällets aktörer i framtiden. I introduktionens senare del presenteras studiens syfte och forskningsfråga, samt dess avgränsningsområde.
1.1 Inledning
Sverige och övriga västvärlden har de senaste decennierna karaktäriserats av en snabb förändring av hushållens sammansättning (Moberg, 2012). Särskilt har singelhushållen ökat då hushållen består av allt färre individer. Bostadsberäkningen visar nämligen att singelhushållen utgjorde 11,5 procent av samtliga hushåll i Sverige år 1950, medan år 1990 bestod 39,6 procent av singelhushållen (SCB, 2019a). Idag, 30 år senare, visar statistik att andelen singelhushåll fortfarande är högt, närmare 40 procent av samtliga hushåll (SCB, 2019a). I jämförelse med andra länder ligger andelen singelhushåll i Sverige, samt övriga nordiska länder, mycket högt (Moberg, 2012).
Ett krav för att ha ett fungerande samhällsbygge är kunskapen kring hur sammansättningen av hushåll avgörs av individer (Moberg, 2010). Storleken på sammansättningen av hushållen påverkar nämligen den enskilde individens ekonomiska och sociala förutsättningar. Att vara ensamboende kan möjligtvis bli dyrare än att ingå i ett hushåll med andra då flerpersonshushåll kan fördela kostnader för bostad och eventuella omkostnader för hushållet bland de boende.
Till skillnad från flerpersonshushållen ger oftast singelhushållen en annan livsstil där mer tid och pengar kanske läggs på sysslor utanför hemmet. Dessutom kan en sämre social trygghet vara en konsekvens av att bo ensam (Moberg, 2010).
I och med att samhället påverkas stort av samhällsbygget är hållssammansättningen av stor betydelse när det kommer till planering av staden, bostadsbyggandet och det sociala välfärdsbygget (Moberg, 2010). Hur människor väljer att bo berör en mängd aktörer, som bostadsbyggare, finansieringsinstitut, stat och kommun. Långsiktiga bedömningar och prognoser av bostadsbygget behöver således göras för att bostadsefterfrågan ska hållas intakt.
En trend som nu visar på att andelen singelhushåll ökar kan nämligen påverka vilka
bostadsstorlekar som bör byggas i framtiden. På så sätt är det nödvändigt att ta hänsyn till lägen och typer av bostadsmiljö, men även olika former av välfärdstjänster kan komma att efterfrågas i och med en ökad andel singelhushåll (Moberg, 2020).
1.2 Problematisering
Befolkningsprognoser (Moberg, 2012) samt ekonomiska studier kring hushållbildningen i Sverige har tidigare gjorts. I dessa har bland annat bostadsefterfrågan undersökts relaterat till olika konsumentkategorier; studier av enstaka grupper som invandrare (Pettersson, 2002) eller unga (Åsberg, 1998) har utförts. Nils Gustav Lundgren (1989) har dessutom i en forskningsrapport från över 30 år tillbaka undersökt olika variabler som kan leda till andelen singelhushåll i en kommun. På samma sätt har denna uppsats som uppgift att undersöka liknande variabler men också hålla en uppdaterad undersökning kring singelhushållens utveckling i dagsläget. Istället för att undersöka utvalda konsumentkategorier sker undersökningen på en aggregerad nivå där hela Sveriges befolkning ses som en enda konsumentkategori. Med hänsyn till befolkningsprognoser och en ökad andel singelhushåll de senaste decennierna är det av väsentlighet att förstå sambandet mellan flera samhällsvariabler och valet av hushållstyp.
1.3 Syfte
Syftet med arbetet är att öka förståelsen kring vad som påverkar singelhushållsbildningen i Sverige och i vilken utsträckning. Den huvudsakliga uppgiften har varit att identifiera sambandet mellan flera kvantitativa samhällsvariabler och andelen singelhushåll i Sverige på en aggregerad nivå, samt finna potentiella förklaringar till hur de undersökta variablerna kan komma att spegla i just detta val. Särskilt intresse har ägnats åt variabler som inkomst, studiedeltagande, förvärvsarbete, boendekostnad, urbaniseringsgrad och folkmängd. Detta möjliggör en ökad förståelse för singelhushållsbildningen som på så sätt kan användas till grund för samhällets planering av bostadstadsutvecklingen.
1.4 Frågeställningar
För att syftet ska uppnås är det viktigt att formulera en eller flera frågeställningar som angriper föreliggande problematisering. Med hänsyn till arbetets syfte sätts Sverige i fokus. Följande frågor avses undersökas:
1. Hur ser sambandet ut mellan genomsnittlig månadshyra och andelen singelhushåll?
2. Hur ser sambandet ut mellan genomsnittligt studiedeltagande och andelen singelhushåll?
3. Hur ser sambandet ut mellan andelen förvärvsarbetande och andelen singelhushåll?
4. Hur ser sambandet ut mellan urbaniseringsgraden och andelen singelhushåll?
5. Hur ser sambandet ut mellan folkmängden och andelen singelhushåll?
6. Hur ser sambandet ut mellan genomsnittlig disponibel inkomst och andelen singelhushåll?
Dessa frågeställningar har valts för att uppnå syftet med studien. Genom att studera sex stycken samhällsvariabler kan det leda till en ökad förståelse för vad som påverkar hushållsbildningen i Sverige, inte minst sagt singelhushållen.
1.5 Metod och avgränsningar
Uppsatsen har avgränsats till att omfatta de allra minsta hushållen, det vill säga singelhushållen.
Detta med anledningen av att uppsatsen inte ska bli av alltför omfattande storlek. Varför singelhushållen i Sverige bör studeras beror på att det är det vanligaste förekommande hushållet. Kunskap om singelhushållsbildningen kan vara betydande för kunna prognostisera framtida utveckling av hushållsbildningen.
Det kvantitativa datat är ursprungligen hämtat från Statistiska centralbyråns statistikdatabas (SCB). För att studiens regressioner skall vara så trovärdiga som möjligt används minsta gemensamma nämnare, där undersökningen begränsas till mellan åren 2011 och 2018, då denna period avser de år där data fanns tillgänglig över studiens alla undersökande variabler. Arbetet begränsas dessutom till data som finns tillgängligt för alla, vilket avser sådana data som finns tillgängligt i litteratur och databaser som alla kan ta del av. Uppgifter från SCB:s databas finns endast tillgänglig på makronivå, det vill säga mikrodata inte går att få tag på via SCB. Denna har en stor inverkan på arbetets avgränsningsområde och varför undersökningen istället sker på en aggregerad nivå. Undersökningen sker mellan Sveriges kommuner där urvalet begränsas till
svenska folkbordförda individer från och med 16 år till 64 år som slås ihop till en enda åldersgrupp. Dessutom avfärdas statistiska skillnader mellan kön för att istället koncentrera sig på de genomsnittliga värden för båda könen tillsammans.
Ytterligare avgränsningar sker i vad som anses normativt i valet av hushåll, där studien icke har som uppgift att söka finna svar på vilka beteenden som är önskvärda respektive icke önskvärda ur samhällets synvinkel, utan istället fokuserar på de föreliggande sambanden mellan hushållstyp och andra samhällsvariabler. Demografiska såväl som psykologiska, sociologiska eller miljömässiga aspekter är heller inget som kommer beaktas vid utformandet av studiens modell, men kan däremot vid senare tillfälle finnas som eventuellt stöd för en kausal slutledning. Istället läggs större vikt på de ekonomiska faktorerna som genomsnittlig disponibel inkomst, andel förvärvsarbetande, månadshyra, utbildningsnivå, kommuntyp och urbaniseringsgrad, dock i en begränsad omfattning. Eftersom studien också berör regioner bortom landsgränsen kommer en fördjupning inom bostadspolitik och hanteringen av bostadsefterfrågan inte studeras då detta inte relevant för studiens frågeställningar.
Slutligen, med hjälp av utformandet av regressionsmodeller och regressionsanalyser estimeras det genomsnittliga sambandet mellan de undersökande variablerna över perioden 2011–2018.
KAPITEL 2
TEORETISK REFERENSRAM
I följande avsnitt presenteras tidigare forskning av betydelse för att erhålla en djupgående förståelse för ämnet. Inledningsvis presenteras en bakgrund till ämnet och vilka motiv som finns vid byte av bostad, och därefter presenteras forskning och statistik kring hushållsbildningen i främst Sverige men även andra delar i världen. Här inom förklaras även begrepp som tas upp alltigenom arbetet. Avslutningsvis presenteras en modell som sammanfattar den teoretiska referensramen.
2.1 Hushållsbildning och singelhushåll
Hushåll är definierad som en grupp personer som tillsammans förser tak över huvudet, mat och andra nödvändigheter. Sammansättningen av den samverkar med en mängd samhällsvariabler, som utbildning, sjukvård, barnafödande och köpbeteende (Förenta Nationerna, 2019). Idag finns inga säkra uppgifter på hur fördelningen av olika hushållstyper ser ut i Sverige, men däremot finns tillgänglig statistik som visar att 40 procent av samtliga hushåll är singelhushåll (Sandstedt, 2000). Själva innebörden av singelhushåll syftar huvudsakligen till en bostad där en enda person bor, även så kallat enpersonshushåll. Personen kan vara ung eller gammal såväl som arbetande eller arbetslös, svensk eller utländsk såväl som student eller pensionär. Det finns en mängd olika förhållanden, men det som de har gemensamt är att en enda person bor i hushållet (Sandstedt, 2000).
Den senaste statistiken från SCB (2019a) visar att andelen singelhushål av samtliga personer i Sverige är strax över 18 procent medan andelen singelhushåll av samtliga hushåll är närmare 40 procent. Det betyder att de flesta personer lever i en hushållstyp som karaktäriseras av någon form av samboförhållande, med eller utan barn. Ur samhällsbyggets synvinkel är det dock av väsentlig grad att koncentrera sig på hushållsstatistiken framför individstatistiken. Grunden till bostadsbygget görs nämligen av hushållsstrukturen och dess förändringar inom den; bostaden utgör rummet för hushållet och dess boende, och därför ska större vikt läggas på att forma dessa rum (Sandstedt, 2000).
Tidigare statistik över hushållsbildningen runt om i Europa har estimerats av Europeiska unionen där det visats sig att den genomsnittliga andelen singelhushåll stod för nästan en
tredjedel av samtliga hushåll (Europeiska unionen, 2017). Anledningen hör ihop med att den genomsnittliga storleken på sammansättningen har fallit över tid. I Figur 2.1 nedan går det att utläsa att andelen singelhushåll och tvåpersonshushåll har ökat sedan år 2007 till år 2016 bland europeiska medlemsstater medan hushåll med tre personer eller fler har minskat.
Figur 2.1 Genomsnittlig hushållsbildning inom EU.
Källa: Eurostat (2017)
Moberg (2012) nämner dessutom att andelen singelhushåll i Norden ställer sig jämförelsevis mycket högt med övriga länder. Att sätta den inhemska hushållsbildningen i kontrast mot andra länder hör mycket ihop med hur den nationella hanteringen av bostadsefterfrågan hanteras i respektive land. I denna studie kommer dock en fördjupning om varken inhemsk eller andra länders bostadspolitik göras med hänsyn till avgränsningsområdet. Däremot för att få en uppfattning hur hushållsbildningen ser ut för andra länder än Sverige har Europeiska unionen sammanställt sammansättningen för samtliga hushåll i respektive land. I Figur 2.2 går det att tyda att huvudstäderna, det vill säga tätbebyggda orter, har hög andel singelhushåll i förhållande till riket. Högst andel singelhushåll har Norge med närmare 40 procent, följt av Tyskland,
Danmark, Sverige och Schweiz. Det tyder på att norden i sig – med Sverige, Danmark och Norge inräknat – placeras högt upp på listan för andel singelhushåll medan i södra och östra medlemsstater tenderar andelen singelhushåll vara lägre (Europeiska unionen, 2017).
Figur 2.2 Hushållsbildningen för medlemsstater på nationell nivå samt deras huvudstäder.
Notera: Data för Kroatien, Litauen och Finland finns inte tillgänglig.
Källa: Eurostat (2017)
2.2 Tidigare forskning
2.2.1 Motiv vid byte av bostad – boendekarriär
Mycket av det som påverkar vilken bostad vi efterfrågar beror på de livsmönster vi lever efter eller händelser som orsakar att livsmönstret ändras (Abramsson m.fl., 2000). När hushåll flyttar mellan olika typer av boende pratar man om en förändring i boendekarriären. Traditionellt sett innebär boendekarriär den avancering man gör från ett boende till ett bättre. Däremot behöver inte avanceringen betyda att flytten sker till en större, modernare eller bättre lokaliserad bostad.
Att göra boendekarriär kan istället uppfyllas om det nya boendet är anpassat till sina egna behov och således förknippas med livskvalitet, såvida boendekarriären ger individen möjlighet att förverkliga andra mål i livet. Vilken typ av bostad som efterfrågas och hur boendeformen väl förändras vid flytt har inte bara att göra med familje- och hushållsbildning, utan även med händelser i parallella karriärer, som yrkes- och utbildningskarriär (Abramsson m.fl., 2000).
För att förstå varför människor flyttar och varför deras preferenser just är som de är förklarar Abramsson m.fl. (2000) med att boendekarriärer utvecklas över livet i en komplex process, där den enskilda individens preferenser möter de restriktioner som samhället sätter upp. Rent systematiskt visar det sig att bostadsval i stora drag har att göra med ekonomiska resurser, familjebildning och åldrande, där exempelvis yngre bor i mindre bostäder än äldre, eller att småhus lämpar sig mer för barnfamiljer men inte nödvändigtvis äldre (Werner, 2003;
Abramsson m.fl., 2000). Utöver detta har man dock möjlighet att utveckla sin boendekarriär positivt, som vid ökad inkomst och – sedan barnen har flyttat ut – minskade utgifter. Likaså om man ser en tillbakagång i boendekarriären och istället väljer att ägna sig åt andra värden i livet (Abramsson m.fl., 2000).
2.2.2 Motiv vid byte av bostad – flyttningsrörelse och urbanisering
Enligt Abramsson m.fl. (2000) sker ungefär en tredjedel av samtliga flyttningar över kommungräns. Valet som individen står inför vid flytt över kommungräns antas bero på en rad olika faktorer. Här kan exempelvis yrkes- och utbildningskarriär ha en stor inverkan eller till och med önskemål om att flytta hemifrån. Under 1990-talet dock, då urbaniseringen ansågs som selektiv, var det storstadsområdena och högskoleorterna som attraherade mest invånare.
Abramsson m.fl. (2000) betonar att unga har den högsta flyttningsbenägenheten.
Flyttningsmönstret visar nämligen på att unga flyttar hemifrån, från mindre orter, och söker sig till storstads- och högskoleorter för utbildning, arbete och familj. Många av dessa flyttar
återigen efter att ha klarat sina studier, kanske på grund av karriär eller familjebildning.
Boendekarriären fortsätter således på en ny plats – ny kommun om så – och därför samspelar yrkes-, arbets- och familjekarriär. Bättre möjlighet till karriär eller billigare bostad är några av de faktorerna som således är av betydelse vid flytt (Abramsson m.fl., 2000).
2.2.3 Samhällsvariabler och dess påverkan på singelhushåll
I en forskningsrapport av Lundgren (1989) har en jämförelse mellan olika kommuntyper i Sverige och skillnader i andel singelhushåll gjorts. Resultatet visar att storstadsorternas centrala kommuner lockar störst andel singelhushåll, oavsett ålder. Detta är något som även stämmer överens med vad Ogden & Hall (2004) kom fram till i deras undersökning om singelhushåll i Frankrike, där högst andel singelhushåll finns i de mest tätbebyggda kommuner. De regioner som har högst andel singelhushåll är centrala delar av storstadsorter samt glesbygdsområden (Ogden & Hall, 2004). Liknande resultat har också åstadkommits av Zimmer & Korinek (2008) som skriver att andelen singelhushåll i Asien är lägre i glesbyggda områden än tätbebyggda, dock är den faktiska andelen mycket låg på grund av begränsat bostadsbygge. Det finns en större eftersträvan att bo i centrala delar än på glesbygden, vilket kan betyda att andelen singelhushåll egentligen bör vara större än faktisk andel men som hämmas av bostadsbygget (Zimmer & Korinek, 2008).
I en studie av Park (1994) med fokus på Koreas hushållsbildning under 1990-talet visade det sig att singelhushållen utgjorde en tiondel av samtliga hushåll medan på 1960-talet var den närmare 2,5 procent. En av de bidragande faktorerna till ökad andel singelhushåll hör ihop med ett lägre studiedeltagande (Park, 1994). Detta är även någon som poängteras i en studie av Michael m.fl. (1980) där andelen amerikanska singelhushåll är starkt påverkad av den finansiella situationen hos individen. Eftersom studiedeltagandet påverkar andelen singelhushåll betyder det att den ekonomiska aspekten också har en samverkan (Michael m.fl., 1980). Det har nämligen visat sig att studenter skjuter upp eventuella relationer eller barnafödande på grund av sin ekonomiska beroendehet under studietiden och vill därmed fullända sin utbildning först. Studenter väljer således att koncentrera sig på utbildning och först efter avklarad examen ägna sig åt andra värden i livet (Thalberg, 2013). Vidare, skriver Park (1994) att ensamboende i äldre åldrar är mindre ekonomiskt beroende än yngre och kan således köpa till sig sin ”avskildhet” om så önskas. Dommaraju (2015), som undersökt hushållens sammansättning i Indien, påpekar även han att en ökad inkomst – det vill säga mindre ekonomisk beroendehet – ökar sannolikheten för att bo ensam. Det gäller också för
studiedeltagandet som påvisar att ensamboendet ökar med andel studiedeltagande, en motsägelse av vad som tidigare framgått av Park (Dommarju, 2015). I rapporten av Lundgren (1989) framkommer det även här att högre genomsnittlig inkomst bidrar till ökad andel singelhushåll bland personer över 20 år. Undantagsvis gäller inte detta de yngsta männen som är yngre än 24 år, där högre genomsnittlig inkomst visar på lägre andel singelhushåll. Likaså innebär en högre genomsnittlig inkomst bland medelålders- och äldre män lägre andel singelhushåll (Lundgren, 1989).
Ytterligare i rapporten av Lundgren (1989) påvisas en stridighet för kvinnor mellan arbete, karriär och utbildning. Stridigheten resulterar i en högre andel singelhushåll bland kvinnor i yrkesverksam ålder. Kortfattat betyder det att en högre inkomst och högre utbildning höjer andelen singelhushåll bland kvinnor markant (Lundgren, 1989). Liknande uppmärksammas av Ogden & Hall (2004) i deras studier av singelhushåll i Frankrike att det är ofta förekommande bland personer med chefsbefattning och personer med kvalificerade yrken att vara ensamboende (Ogden & Hall, 2004). Intressant är också att yngre heltidsarbetare ofta bor ensam i Korea, medan om personen vore deltidsanställd är det mindre vanligt (Park, 1994). En annan intressant aspekt är även att hög andel singelhushåll är starkt korrelerat med hög andel smålägenheter. Det här ska ha visat sig bero på sambandet med att högre hyror minskar andelen ensamboende (Lundgren, 1989).
2.3 Variabler att undersöka
Baserat på diskussionen ovan kan sex övergripande variabler identifieras som avgörande för förklaringen av andelen singelhushåll i Sverige:
- Boendekostnad; en faktor som spelar in vid val av bostad (Abramsson m.fl., 2000).
Här har månadshyra en viktig roll som indikerar på att andelen singelhushåll minskar vid högre hyror (Lundgren, 1989).
- Utbildning; en faktor som leder till att högskoleorter lockar flest invånare (Abramsson m.fl., 2000). Högre utbildning tenderar också att öka andelen singelhushåll (Lundgren, 1989).
- Arbete; en faktor som säger att valet av bostad och hushållstyp har att göra med händelser i parallella karriärer, bland annat yrkeskarriär (Abramsson m.fl., 2000). Det har tidigare visats att andelen singelhushåll är högre hos personer i yrkesverksam ålder (Ogden & Hall, 2004; Lundgren, 1989).
- Urbaniseringsgrad; en faktor som säger att andelen singelhushåll är högre i tätbebyggda områden och storstadsorter (Ogden & Hall, 2004; Lundgren, 1989;
Abramsson m.fl., 2000; Zimmer & Korinek, 2008).
- Folkmängd; en faktor som är förknippat med urbaniseringsgraden.
- Inkomst; en faktor som säger att bostadsval har att göra med ekonomiska resurser (Abramsson m.fl., 2000; Michael m.fl., 1980). I Sverige har det visat sig att högre inkomst leder till färre singelhushåll (Lundgren, 1989), medan i andra delar av världen har motsatsen visat sig (Park, 1994).
2.4 Lagen om efterfrågan
För att förstå hur andelen singelhushåll påverkas i Sverige är det beaktansvärt att ta hänsyn till den ekonomiska princip som styr hur villig en individ är att förvärva en vara eller tjänst givet ett bestämt pris. Lagen om efterfrågan säger att desto lägre pris, desto högre är den efterfrågade kvantiteten av en vara eller tjänst (Lundmark, 2017).
2.4.1 Konsumentteori - inkomstelasticitet
Med ovan nämnda variabler att undersöka finns en särskild variabel som ofta kommer på tal vid studerandet av fluktuationer i efterfrågan på en vara eller tjänst – nämligen inkomst.
Inkomsten påverkar i stor utsträckning konsumtionsbeteendet i den grad att varor och tjänster måste kategoriseras in i åtskilda grupper. Om inkomsten stiger kommer efterfrågan på de flesta varor och tjänster att öka; dessa kallas normala varor. I synnerliga fall kan en inkomstökning även leda till en minskning i efterfrågan. I sådana fall definieras varan som inferior vara (Lundmark, 2017).
Vad som styr kategoriseringen av varorna är deras inkomstelasticitet. Den mäter den procentuella förändringen i den efterfrågade kvantiteten av en vara, givet en procentuell förändring i inkomsten. En vara med en inkomstelasticitet mindre är noll definieras som inferior vara, medan en vara med en inkomstelasticitet större än noll, men mindre än ett, definieras som normal vara. Om inkomstelasticiteten är mer än ett kallas den för lyxvara (Lundmark, 2017).
2.4.2 Aggregerad efterfrågan
Den aggregerade efterfrågan i ett land är summan av allt planerat och frivilligt spenderande på inhemska varor och tjänster, och som mäts genom BNP. Det innebär att ett land som är högt befolkat vanligtvis har en högre aggregerad efterfrågan än ett land med mindre befolkning (Gärtner, 2016). Eftersom folkmängd är en av de undersökta variablerna, är det därför väsentligt att kunna sätta det i förhållande till den aggregerade efterfrågan.
2.5 Teoretisk förklaringsmodell
Den teoretiska förklaringsmodellen har som uppgift att förklara något slags förhållande;
förklaring som bygger på teoretisk kunskap istället för praktisk kunskap. Figur 3.1 nedan representerar studiens förklaringsmodell som bygger på de sex samhällsvariabler som påverkar andelen singelhushåll i landet. Dessa variabler har diskuterats i tidigare avsnitt och ska enligt tidigare forskning ha en essentiell innebörd hushållsbildningen. Hur dessa samverkar är vad studien har som mål att reda ut.
Figur 2.3 Teoretisk förklaringsmodell
KAPITEL 3 METODIK
Detta kapitel har som mål att redogöra för studiens metod och procedur. Här dokumenteras de metoder som använts för systematisering, kartläggning och inhämtande av data. Utöver själva datainsamlingen berör metoden även användandet av den och hur den tolkas. Varje avsnitt börjar med en koncis beskrivning av den tillämpade metoden för att slutligen kritiskt utvärderas.
Kapitlet avslutas med en redogörelse för komponenterna i studiens två estimerade regressionsmodeller och vad variablerna har för betydelse.
3.1 Forskningsansats & Undersökningsansats
De undersökningsansatser som vanligtvis används är antingen av kvalitativ eller kvantitativ karaktär, eller en kombination av dem. Skillnaden mellan dessa två är de grundläggande frågorna som ställs (Howard, 2018). Den kvantitativa metod riktar sig till ting som har mätts eller kan mätas medan den kvalitativa fokuserar på att bryta ner saker med hjälp av språket för att skapa en förståelse (David & Sutton, 2017). Uppsatsen har utgått ifrån en kvantitativ metod för att undersöka andelen singelhushåll i en kommun och vad som kan tänkas påverka den. Det betyder att insamlandet av data har skett via vetenskapliga artiklar samt SCB:s databas över flera kvantitativa samhällsvariabler för att sedan sammanställas på egen hand.
Forskningsstrategin är i grunden deduktiv som innebär att en slutsats härleds utifrån en uppsättning premisser; om premisserna är sanna är även slutsatsen sann (Johnson-Laird, 2006;
Hayes m.fl., 2018). På så sätt präglas studien av en deduktivistisk forskningsstrategi då insamlingen av data hämtas via premisser i vetenskapliga artiklar.
Anledningen till att kvantitativ undersökningsansats är att föredra för studien grundar sig i att den kvalitativa aspekten skulle medföra ett allt för omfattande arbete. Eftersom studien undersöks på en aggregerad nivå skulle detta möjligtvis innebära att stickprov skulle behöva genomföras för varje kommun där individer får svara på icke-kvantitativa frågor. Det kan exempelvis röra sig om hur individers preferenser ställer sig till hushållsbildningen. Detta är inget problem i sig, utan skulle snarare bidra till en mer utarbetad studie. Problemet ligger istället hos tidsbristen som riskeras äventyras. En kombination av de två undersökningsansatserna skulle således vara optimalt för att förklara andelen singelhushåll i en
kommun, men i och med att tiden blir en hämmande faktor sätts istället fokus på de redan kvantifierade variablerna, det vill säga den data som redan finns tillgänglig.
3.2 Insamling av data 3.2.1 Urval
Första stadiet i urvalet är att definiera den population som skall undersökas. David & Sutton (2017) skriver att om en population är för stor måste en representativ grupp väljas ut för att kunna göra ett urval. Eftersom studien undersöks på en aggregerad nivå är detta inte nödvändigt.
Å andra sidan, då studiens analys baseras på kvantitativa data som hämtats från SCB betyder det att minsta gemensamma nämnare måste tillämpas för att få ett så tillförlitligt resultat som möjligt. Det innebär exempelvis att om en studerad variabel inrymmer individer mellan 16 till 64 år skall resterande variabler göra detsamma, om möjligt. I studiens fall har urvalet begränsats till denna åldersgrupp, oavsett kön, men i enstaka fall har även individer från och med 18 år inkluderats. Detta med anledning av vilken data som finns tillgänglig. Ett sådant urval har sedan gjorts för varje kommun för de variabler där om möjligt.
Oavsett om minsta gemensamma nämnare har tillämpats råder det inga tvivel om att urvalet innehåller en del brister. Förutom att åldern kan skilja sig från ena variabeln till den andra bör även hänsyn tas till de utelämnade åldersgrupperna, det vill säga de som är under 16 år och över 64 år; ett aggregerat angripande bör inkludera alla människor och således alla åldrar. Detta är något som dock inte har kunnat överkommits i och med att principen om minsta gemensamma nämnare har tillämpats. Urvalet har komponerats omsorgsfullt för att studiens modell skall vara så applicerbar som möjligt i praktiken, men generella antaganden av resultatet bör således göras med försiktighet.
3.2.2 Litteraturstudie
För att rapportens tillvägagångssätt skall kunna upprepas har datainsamlingen dokumenterats, vilket skapar en överblick över sökprocessen. Anledningen är för att visa att studien vilar på en vetenskaplig grund och att det vetenskapliga arbetssättet är transparent och av reproducerbarhet.
Databaser som JSTOR, ResearchGate, Google Scholar, Digitala Vetenskapliga Arkivet, Science Direct samt Luleå Tekniska Universitets egen databas har använts för att finna vetenskapliga artiklar. Med dessa databaser har både engelska och svenska ord som “one- person households ”, “singelhushåll”, “hushållsbildning”, “econometric”, “regression” med
flera varit nyckelord för sökningen. Kombinerat med “OR” och “*” har sökningen trunkerats och i särskilda fall “AND” för att begränsa den. Avslutningsvis utgick urvalet av artiklarna ifrån
“peer reviewed” och “times cited” för att datainsamlingen skulle vara av hög trovärdighet, och i många fall består artiklarna av ”open access”, det vill säga att alla har tillgång till dem.
En aspekt värd att nämna är författarens (eller författarnas) antal citationer och antal publiceringar. Antal citationer och påverkansfaktorn hos en tidskrift är nämligen något som övervägs vid bedömandet av dess kvalitet (Sammarco, 2008). Tidskrifter med hög påverkansfaktor får vanligtvis mycket uppmärksamhet, men samtidigt kan det även leda till att påverkansfaktorn överskattas (Campbell, 2008). Publiceringar i sådana tidskrifter avser därför forskning av hög kvalitet och kan på så sätt tolkas vara av högre kvalitet än publiceringar i tidskrifter med lägre påverkansfaktor (Sammarco, 2008). Browman & Stergiou (2008) konstaterar dock att det inte nödvändigtvis behöver vara de bästa artiklarna som publiceras i de högst rankade tidskrifterna, utan likväl kan författaren personligen tycka ens eget bidragande till forskning är det som är av störst betydelse. Här gäller det därför att tillämpa sig av kritiskt bedömande vid insamlandet av vetenskapliga artiklar. De artiklar som har störst relevans för studien har onekligen använts, dock har de flesta artiklarna sorterats efter ”peer reviewed” samt
”times cited”. Utöver de vetenskapliga artiklarna har även primärdata från SCB:s databas samlats in. SCB har som främsta uppgift att presentera officiell statistik för beslutsfattande, debatt och forskning, och görs i uppdrag av den svenska regeringen och olika myndigheter. De insamlade uppgifterna – som i stort sett kommer från företag, myndigheter och enskilda personer – bearbetas med hög kvalitet för att kunna anses pålitliga. Myndigheten är kvalitetscertifierade och är således en säker källa för den kvantitativa data som samlats in (SCB, 2019b).
3.2.3 Kvaliteten hos data
Tillförlitligheten hos en studie är alltid viktig för att skapa trovärdighet hos läsaren. Vid kvalitativa och kvantitativa metoder finns det olika slags sätt att mäta tillförlitligheten hos datainsamlingen. Härnäst beskrivs de som är mest relevanta för studien:
Reliabilitet avser korrelationen mellan två eller flera studier av ett fenomen med ett så liknande utförande som möjligt och skall på så sätt vara reproducerbart (ÕUN, 2018). Eftersom studien avser kvantitativa data hämtat från SCB ska det vara möjligt att återskapa samma studie men
under en annan tidpunkt (Bryman & Bell, 2017). Resultatet som gäller kommer således vara så pass stabilt att det inte fluktuerar över tid.
Validitet syftar på i vilken utsträckning den studie som görs faktiskt mäter det den avser att mäta. Även här utgör begreppet ett brett område och brukar i regel kategoriseras in i undergrupper beroende på dess relevans med studien (Taherdoost, 2016; Golafshani, 2003):
• Intern validitet avser hur väl datainsamlingen stämmer överens med verkligheten, samt
• Extern validitet handlar om ifall studiens upptäckande kan appliceras till andra sammanhang, det vill säga generaliseras (Merriam, 1995).
Studien har som uppgift att finna sambandet mellan flera samhällsvariabler och andelen singelhushåll. Datat har samlats in genom ett fullständigt kvantitativt urval från SCB:s databas vilket innebär att alla kvalitativa aspekter elimineras. Den statistik som publiceras i fråga är den mest korrekta som går att hänvisa till, men det betyder inte nödvändigtvis att statistiken stämmer överens med verkligheten.
När det kommer till att mäta andelen singelhushåll finns det först och främst en oenighet i vad som anses som singelhushåll. I SCB:s beräkning av andelen singelhushåll hänförs studenter, inneboende eller kollektivboende till ”övrigt boende”, alltså inte singelhushåll. Detta skiljer sig ifrån vad Europeiska unionen har beräknat då dessa kategorier anses som singelhushåll (Europeiska unionen, 2017). Redan här ser vi då att verkligheten skiljer sig mellan vad som bör klassificeras som singelhushåll. Detta är i och för sig inget problem såvida antaganden om urvalen görs. Å andra sidan behöver inte det ena antagandet faktiskt reflektera vad verkligheten säger. Att studenter, inneboende och kollektivboende hänförs till övrigt boende betyder inte att personerna i sig inte anser sig utgöra ett singelhushåll. Det handlar på sätt om ett definieringsproblem som angrips med subjektivitet. Generaliseringar som görs utifrån studiens resultat har därför gjorts med försiktighet, och ifall utfallen kan appliceras till verkligheten bör det sålunda göras i begränsad omfattning.
3.3 Analysmetod
Arbetets tillvägagångssätt består huvudsakligen av genomförda regressioner, med hjälp av OLS-metoden, där sambandet mellan andel singelhushåll och andra samhällsvariabler estimeras. Regressionsmodellerna är av multivariat karaktär i den bemärkelsen att modellerna består av flera oberoende variabler som tillsammans försöker förklara variationen i den beroende variabeln. Hade analysen istället utgjorts av bivariata regressionsmodeller, där
sambandet estimeras mellan den beroende variabeln och enbart en oberoende variabel, riskeras att felaktiga slutledningar dras som grundas inte bara i sambanden med den undersökta oberoende variabeln, utan även med de andra oberoende variablerna indirekt. Utförandet av en multivariat regressionsanalys är av fördel för att se hur korrelationen mellan olika variabler ser ut. Som tidigare nämnt kan de oberoende variablerna tillsammans förklara deras samverkan med den beroende variabeln men även hur mycket förändring man kan förvänta sig i den beroende variabeln om den oberoende variabeln förändras med en enhet.
För att skapa en förståelse samt tillförlitlighet kring studiens tillvägagångssätt och resultat redogörs de mest relevanta begreppen inom regressionsanalys som studien berör. Nedan presenteras samtliga begrepp med kompletterade motiv till varför dessa är av relevant innebörd för studien:
• Goodness-of-fit (R2); R2-värdet beräknas manuellt men som inte behöver göras då detta beräknas automatiskt i regressionen. Studien kommer använda sig av ett förklaringsvärde med within groups som beräknas genom paneldata. Within groups förklarar variationerna i svarsvariabelns medelvärde i förhållande till variationerna i de förklarande variablernas medelvärde för den grupp observationer relaterat till en viss individ (Dougherty, 2016).
• Autokorrelation; en term som syftar till att störningsvariabeln är korrelerat över tid.
Det vill säga, störningstermens värde i en observation är inte oberoende av störningstermens värden i andra observationer. I många fall kan även ett högt förklaringsvärde bero på autokorrelation (Dougherty, 2016). För att undersöka detta kommer tillämpningen av ett Durbin-Watson test vara till nytta. De kritiska gränser för testet går att finna i allmänna sannolikhetstabeller (Durbin-Watson d statistics) och illustreras i Figur 6.1. Med användandet av en signifikansnivå på 0.05 erhålls följande kritiska gränser: dL = 1.920, dU = 1.932, 4-dU = 2.068 samt 4-dL = 2.08. Om ingen autokorrelation förekommer ska nollhypotesen inte förkastas, det vill säga att värdet från regressionen är större än kritiska gränsen dU (1.932) och mindre än 4-dU (2.068).
Durbin-Watson-värden under 1.932 testas för positiv autokorrelation medan värden över 2.068 testas för negativ autokorrelation. Värden mellan 1.920 till 1.932 samt 2.068 till 2.08 placeras i en gråzon där ingen slutsats kan göras om autokorrelation.
Figur 3.1 Durbin-Watson test för autokorrelation.
Källa: Dougherty (2016)
• Paneldata med fasta effekter; Paneldata är en metod som beskrivs av att samma antal observationer i ett tvärsnittsdata undersöks två eller fler gånger, det vill säga en mätning över tid. Det kan exempelvis uppnås genom att undersöka antal hushåll i ett land och följa upp dem över tid (Dougherty, 2016; Hsiao, 2003). Fördelen med att tillämpa sig av paneldata med fasta effekter hör till att den kan åtgärda ”omitted variable bias” som orsakas av icke-observerad heterogenitet (skillnader mellan observationerna i ett urval), ett vanligt problem som uppstår hos modeller med tvärsnittsdata eller tidseriedata (Baltagi, 2005). Det innebär att den maximala informationen som går att erhålla från ett få antal observationer per del av observation under en viss tidsperiod kan uppnås (Keča
& Marčeta, 2016). En generell uppställning av specifikationen är
𝑌𝑖 = 𝛼0 + ∑ 𝛽𝑗
𝑘
𝑗=1
𝑋𝑗𝑖+ ∑ 𝛿𝑖
𝑠
𝑖=1
𝐷𝑖+ 𝜀𝑖 ∑ 𝛿𝑖
𝑠
𝑖=1
𝐷𝑖 = 𝑓𝑎𝑠𝑡𝑎 𝑒𝑓𝑓𝑒𝑘𝑡𝑒𝑟 (3.1)
där Y är svarsvariabeln, Xj de observerade förklarande variablerna, δi stratifierad variabel och Di dummy-variabler för de enskilda kommunerna med syftet att fånga oförklarade och kommunspecifik varians. i avser delen av observationen och j används för att särskilja observerade och icke-observerade förklarande variabler (Dougherty, 2016). Vanligtvis ingår ytterligare en komponent – en tidsvariabel – men som i studiens modell har exkluderats med anledningen av att resultatet över åren 2011 till 2018 kommer spegla aggregerade värden i regressionsanalysen. Eftersom studiens uppgift hör till att finna samband mellan en beroende variabel och flera andra samhällsvariabler över tid kommer modellens utformande se ut på liknande sett som funktionen 3.1 men
med sex förklarande variabler. Baksidan med att använda sig av fasta effekter är att de slumpmässiga variablerna antas vara icke slumpmässiga, det vill säga fasta. I en regressionsanalys estimerar de fasta effekterna de genomsnittliga effekterna för alla variabler som kan tänkas påverka resultatet. Det här kan vara viktigt att ta hänsyn till under analysen.
3.4 Modellspecifikation 3.4.1 Estimerade variabler
Följande variabler har inkluderats i modellen:
- SINGLE är modellens svarsvariabel Y och avser andelen singelhushåll av samtliga hushåll i en kommun. För att klassificeras som singelhushåll ska hushållet bestå av endast en person, dock hänförs studenter, inneboende eller kollektivboende till ”övrigt boende”, alltså inte singelhushåll.
- RENT är modellens första förklarande variabel X1 och motsvarar genomsnittlig ny månadshyra i kronor för hyreslägenheter. Beräkningen avser alla byggår från och med år 1940 och mäts för större regioner istället för kommuner. Variabeln har delats upp i fyra regioner; Stor-Stockholm (29 kommuner), Stor-Göteborg (13 kommuner), kommuner med mer än 75 000 invånare (exklusive Stor-Stockholm och Stor-Göteborg), samt kommuner med mindre än 75 000 invånare (exklusive Stor-Stockholm och Stor- Göteborg).
- URBAN är den andra förklarande variabeln X2 och står för befolkningstätheten i kommunen, det vill säga invånare per kvadratkilometer. Observera att vid beräkning av befolkningstätheten sätts befolkningen den 31 december i relation till landarealen den 1 januari året därpå. Befolkningstäthet är till och med 2017 beräknad på icke avrundade värden för areal (SCB, 2019a).
- URBAN2 är tredje förklarande variabeln X3 och mäter folkmängden i en kommun, alltså antalet invånare per kommun.
- INCOME, den fjärde förklarande variabeln X4, avser genomsnittlig disponibel inkomst för singelhushåll i en kommun och beräknas i tusen kronor per år. Datat här inkluderar endast indiver från och med 18 år. Viktigt att tänka på är att disponibel inkomst är summan av alla skattepliktiga och skattefria inkomster minus skatt och övriga negativa
transfereringar. Redovisningen är inklusive kapitalvinst eller kapitalförlust, det vill säga den vinst eller förlust som uppkommer vid försäljning av tillgångar (SCB, 2019a).
- EDUC är den femte förklarande variabeln X5 och motsvarar andelen studiedeltagande i en kommun mellan 16 till 64 år. Deltagandet innefattar gymnasieskola, KOMVUX, högskoleutbildning samt övriga studerande. Notera att före år 2018 sattes distansstuderandes studiekommun i huvudsak till folkbokföringskommunen (SCB, 2019a).
- WORK är den sjätte och sista förklarande variabeln X6 som representerar andelen förvärvsarbetande med bostad i kommunen. Här inkluderas individer från och med 16 till 64 år. Variabeln är ett mått på förvärvsintensitet som anger andelen personer med bostad i regionen (nattbefolkning) som förvärvsarbetar i en viss åldersgrupp i relation till samtliga personer i den aktuella åldersgruppen. Utöver folkbokförda personer i Sverige inkluderas även personer som arbetar i svenska företag utomlands eller på havet på svenskregistrerade båtar. För att klassificeras som förvärvsarbetande finns krav på att löneinkomsten ska överstiga ett skattat gränsvärde alternativt ha deklarerat för aktiv näringsverksamhet under beskattningsåret (SCB, 2019a).
- Slutligen, REGION är den sista variabeln och har använts som stratifierad variabel 𝛿𝑖. Denna avser den officiella administrativa indelningen av Sveriges 290 kommuner.
Av intresse har dessutom data över antal singelhushåll, studiedeltagande samt förvärvsarbetande samlats in i kontrast mot andel. Dessa inkluderas i en alternativ modell och förklaras enligt följande:
- SINGLE2 är således en alternativ svarsvariabel till SINGLE och avser antalet singelhushåll i en kommun istället för andelen.
- EDUC2 är en alternativ variabel till EDUC som motsvarar antalet studiedeltagande istället för andelen.
- WORK2 är en alternativ variabel till WORK och står för antalet förvärvsarbetande istället för andelen.
3.4.2 Estimerad modell
Efter att systematiskt redogjort för komponenterna av de estimerade modellerna får vi följande specifikationer:
𝑆𝐼𝑁𝐺𝐿𝐸 = 𝛼0 + 𝛽1𝑅𝐸𝑁𝑇 + 𝛽2𝑈𝑅𝐵𝐴𝑁 + 𝛽3𝑈𝑅𝐵𝐴𝑁2 + 𝛽4𝐼𝑁𝐶𝑂𝑀𝐸 + 𝛽5𝐸𝐷𝑈𝐶 + 𝛽6𝑊𝑂𝑅𝐾 + ∑ 𝑅𝐸𝐺𝐼𝑂𝑁𝑖
290
𝑖=1
𝐷𝑖+ 𝜀𝑖 (3.2)
𝑆𝐼𝑁𝐺𝐿𝐸2 = 𝛼0+ 𝛽1𝑅𝐸𝑁𝑇 + 𝛽2𝑈𝑅𝐵𝐴𝑁 + 𝛽3𝑈𝑅𝐵𝐴𝑁2 + 𝛽4𝐼𝑁𝐶𝑂𝑀𝐸 + 𝛽5𝐸𝐷𝑈𝐶2 + 𝛽6𝑊𝑂𝑅𝐾2 + ∑ 𝑅𝐸𝐺𝐼𝑂𝑁𝑖
290
𝑖=1
𝐷𝑖 + 𝜀𝑖 (3.3)
Notera att interceptet (konstanttermens) utesluts i regressionsanalysen. Med tillämpandet av fasta effekter blir nämligen konstanttermen meningslös. Det här beror på att termen är multikolliniär med de fasta effekterna, och sedan när en identifierande restriktion införs bryts denna multikollinnearitet.
KAPITEL 4
EMPIRISKA RESULTAT
Empiri är den data som studien har samlat in utifrån de observationer som gjorts. I följande kapitel presenteras det empiriska material som utförts med regressionsanalyser.
4.1 Presentation av resultaten
Resultatet från regressionsanalyserna presenteras enligt Tabell 1 nedan. I överst av tabellen listas de två svarsvariablerna som har undersökts; kolumn två avser den ursprungliga modellen medan kolumn tre avser det alternativa modellen. I kolumn ett har de förklarande variablerna ställts upp för respektive regression där varje rad per förklarande variabel beskriver koefficientens grad av samverkan med svarsvariabeln. Underst i tabellen utläses autokorrelationen och modellens F-värde samt deras R2-värde för både ”within groups” och totalt. Observera också att koefficienterna för fasta effekter för varje kommun har utelämnats i detta kapitel med anledningen av att de saknar betydelse för just de undersökta variablerna. De fasta effekterna visar nämligen på att det finns icke-observerade effekter som skiljer sig från kommun till kommun, men tolkningen av den data kommer inte göras.
Tabell 1
Resultat för singelhushållsbildningen i Sverige, 2011–2018, estimerat med den linjära modellen SINGLE
(ursprunglig modell)
SINGLE2 (alternativ modell) Constant (𝜶𝟎)
RENT -7.61×10-6** -1.84***
URBAN 1.88×10-5*** 0.65***
URBAN2 0.0*** 0.1***
INCOME -0.5×10-3*** -8.82***
EDUC 0.32***
EDUC2 0.23***
WORK -0.46***
WORK2 0.16***
R2:
R2 (within groups):
F-värde:
Autokorrelation (DW Stat.):
Antal observationer:
0.664 0.374 915.85
1.14 2320
0.996 0.995 10.95 1.46 2320
***, **, * ==> Signifikansnivå på 0.01, 0.05, och 0.1.
4.1.1 Ursprungliga modellen
Det som går att utläsa utifrån Tabell 1 är att alla variabler i ursprungliga modellen har en signifikansnivå på 0.01, förutom RENT som är har en signifikansnivå på 0.05. Således kan man med 99 procent säkerhet förkasta nollhypotesen för majoriteten av de förklarande variablerna.
Koefficienten för RENT indikerar att om genomsnittlig ny månadshyra stiger med en krona, minskar andelen singelhushåll med 7,61×10-4 procent. Likaså föreslår koefficienten för INCOME att om den genomsnittliga disponibla inkomsten stiger med ettusen kronor per år, minskar andelen singelhushåll med 0,05 procent. Koefficienten för WORK har också gett liknande indikation; om andel förvärvsarbetande ökar med en procent, minskar andelen singelhushåll med 0,46 procent. I kontrast mot detta visar koefficienten för EDUC att om andel studiedeltagande ökar med en procent, ökar istället andelen singelhushåll med 0,32 procent.
Detsamma gäller koefficienten för URBAN som indikerar att om urbaniseringsgradenökar med en invånare per km2, ökar andelen singelhushåll med 1,88×10-3 procent. Å andra sidan, koefficienten för URBAN2 föreslår att om folkmängden ökar med en invånare, blir förändringen i andelen singelhushåll noll.
Modellen som har ett totalt förklaringsvärde på 0.664 föreslår att 66,4 procent av variationen i svarsvariabeln kan förklaras av de förklarande variablerna. Med användandet av within groups blir däremot förklaringsvärdet närmare hälften, nämligen 37,4 procent. Detta värde säger oss mycket mer om hur de förklarande variablerna undersöker de potentiella effekter till andelen
singelhushåll. Kollar vi dessutom på autokorrelationen finner vi ett värde på 1.14, vilket ger en indikation om positiv autokorrelation enligt Figur 6.1. Värdet befinner sig relativt långt ifrån de kritiska värdena, och för att ingen autokorrelation ska gälla bör Durbin-Watson-värdet vara mellan 1.932 och 2.068. Det indikerar på att den ursprungliga modellen lider av en stark positiv autokorrelation. F-värdet å andra sidan, som är mätt med en signifikansnivå på 0.05, är högre än det kritiska värdet på 2.22, vilket tyder på att den estimerade modellen har en förklarande effekt.
4.1.2 Alternativa modellen
Tabell 1 visar att alla variabler i alternativa modellen har en signifikansnivå på 0.01. Således kan man med 99 procent säkerhet förkasta nollhypotesen för alla förklarande variabler.
Koefficienten för RENT indikerar att om genomsnittlig ny månadshyra stiger med en krona, minskar antalet singelhushåll med 1.84 stycken. Likaså föreslår koefficienten för INCOME att om den genomsnittliga disponibla inkomsten stiger med ettusen kronor per år, minskar antalet singelhushåll med 8.82 stycken. Koefficienten för WORK2 däremot visar att om antalet förvärvsarbetande ökar med en arbetare, ökar antalet singelhushåll med 0.16 stycken. På samma sätt föreslår koefficienten för EDUC2 att om antal studiedeltagande ökar med en person, ökar antalet singelhushåll med 0.23 stycken. Detta gäller även koefficienten för URBAN som förklarar att om urbaniseringsgradenökar med en invånare per km2, ökar antalet singelhushåll med 0.65 stycken – ett liknande utfall för URBAN2 som föreslår att om folkmängden ökar med en invånare, ökar antalet singelhushåll med 0.1 stycken.
Modellen har ett totalt förklaringsvärde på 0.996, vilket föreslår att 99,6 procent av variationen i svarsvariabeln kan förklaras av de förklarande variablerna. Med användandet av within groups blir förklaringsvärdet ungefär detsamma, nämligen 99,5 procent. Vi finner även att autokorrelationen har ett värde på 1.46. Även i denna modell här befinner sig värdet relativt långt ifrån de kritiska värdena. Det indikerar på att den alternativa modellen, likt ursprungliga modellen, lider av relativt stark positiv autokorrelation. F-värdet däremot överstiger det kritiska värdet på 2.22, vilket tyder på att den estimerade modellen visserligen har en förklarande effekt.
KAPITEL 5
ANALYS & DISKUSSION
Studiens analys- och diskussionskapitel innehåller kopplingar mellan den teoretiska referensramen och det empiriska material som framlagts under tidigare kapitel. Analysen omfattar ett större perspektiv än tidigare för att diskutera hur insamlade data och empiriskt material kan kopplas till ekonomisk teori. Här diskuteras dessutom tillhörande faktorer som kan finnas till stöd för en kausal slutledning.
5.1 Samband mellan samhällsvariabler och andelen singelhushåll – den ursprungliga modellen
I den ursprungliga modellen indikerar koefficienten för den förklarande variabeln RENT att om genomsnittlig ny månadshyra stiger med en krona, minskar andelen singelhushåll med 7,61×10-
4 procent. I ett större perspektiv må denna förändring anses liten, vilket kan bero på att månadshyran räknas i enkronor. Detta kan möjligtvis åtgärdas genom att beräkna genomsnittlig ny månadshyra i tusen kronor. Utfallet blir istället att om genomsnittlig ny månadshyra stiger med ettusen kronor, minskar andelen singelhushåll med 0,761 procent, vilket är betydligt högre än tidigare. En annan anledning till att koefficienten är låg kan bero på att hyran har delats in i fyra större grupper, istället för att ha räknat genomsnittlig månadshyra per kommun. Ytterligare en orsak kan vara för att hyrorna avser alla byggår från och med år 1940. Om hyrorna istället hade beräknats från och med byggåren 2000 eller 2010 hade hyrorna tämligen varit högre (SCB, 2019a). Oavsett förhåller sig detta i enlighet med ekonomisk teori och lagen om efterfrågan som menar att om priset på en vara stiger, minskar den efterfrågade kvantiteten av just den varan (Lundmark, 2017). Betydelsen av variabeln föreslår således att högre hyror minskar andelen singelhushåll, ett liknande resultat som även Lundgren (1989) upptäckte. Dock talar koefficienten inte för hur andelen singelhushåll minskar i förhållande till andra boendeformer.
Ett singelhushåll behöver inte nödvändigtvis kännetecknas som hyresrätt, utan kan vara allt från bostadsrätt till äganderätt. Istället för att enbart koncentrera sig på hyresrätter kan det därför vara avsevärt att ta hänsyn till alla sorters kostnader för samtliga boendeformer. Dels för att det kan ge ett bättre underlag, men även för att se vilken boendeform som påverkar andelen singelhushåll mest när det kommer till boendekostnad.
Koefficienten för den andra förklarande variabeln URBAN föreslår att om urbaniseringsgraden ökar med en invånare per km2, ökar andelen singelhushåll med 0,0018 procent. Även här är förändringen liten, men om variabeln istället beräknas i tusen invånare per km2 blir förändringen 1,8 procent. Viktigt att ha i åtanke här är att enbart fåtal kommuner har över tusen invånare per km2, nämligen ett par kommuner i Stor-Stockholm samt Göteborg och Malmö.
Vidare, hur detta kan kopplas till ekonomisk teori är också en intressant aspekt. Om urbaniseringsgraden stiger i en kommun blir den aggregerade efterfrågan större (Gärtner, 2016) – ett resonemang som överensstämmer starkt med tidigare forskning att andelen singelhushåll är högre i tätbebyggda områden (Ogden & Hall, 2004; Lundgren, 1989; Malmberg &
Sommestad red., 2000; Zimmer & Korinek, 2008). På så sätt, genom ökad urbaniseringsgrad, ökar efterfrågan på samtliga hushåll – således även singelhushåll – i och med att människor behöver någonstans att bo. Återigen, hur förändringen ser ut i andelen övriga boendeformer är bortom studiens avgränsningsområde.
Nästa förklarande variabeln är URBAN2 med en koefficient som visar att om folkmängden ökar med en invånare, blir förändringen i andelen singelhushåll noll, vilket är mycket intressant i och med en stark signifikansnivå. Eftersom koefficienten varken är positiv eller negativ blir det dock svårt att dra en enda slutsats. För att kunna diskutera kring variabelns betydelse måste vi först sätta det i ett större perspektiv i enlighet med ekonomisk teori. Variabeln påminner mycket om URBAN som menar att om folkmängden ökar i en kommun bör den aggregerade efterfrågan öka (Gärtner, 2016). Om man ska utgå ifrån denna premiss bör koefficienten vara positiv.
Varför nu förändringen blir noll kan mycket väl ha att göra med att andel ställs i förhållande till antal, i detta fall andel singelhushåll till antal invånare. Det betyder att det krävs en ordentlig ökning i folkmängden för att påverka andelen singelhushåll. Å andra sidan, enligt vad statistiken säger, innebär resonemanget att om folkmängden i en kommun ökar med exempelvis en miljon, kommer andelen singelhushåll vara oförändrat. De slutsatser man således kan göra är antingen att det insamlade datat inte är tillräckligt, eller att folkmängd påverkar andelen singelhushåll, men med noll effekt.
Den fjärde förklarande variabeln INCOME har en negativ koefficient och visar att om genomsnittlig disponibel inkomst för singelhushåll ökar med ettusen kronor per år, minskar andelen singelhushåll med 0,05 procent. Beräknas variabeln istället till hundratusen kronor per år, det vill säga en ungefärlig ökning av disponibel månadsinkomst med 8 300 kronor, blir förändringen fem procent. Hur väl variabeln förhåller sig till ekonomisk teori är ytterst intressant. Konsumentteorin säger nämligen att om inkomsten hos en individ ökar, ökar även
efterfrågan på den specifika varan som individen söker. Detta fastställande håller för varor som anses vara normal vara eller lyxvara. Är varan istället inferior leder en inkomstökning till en minskad efterfrågan (Lundmark, 2017). I förekommande fall har en ökning i genomsnittlig disponibel inkomst visat att andelen singelhushåll minskar, vilket indikerar på att singelhushåll hör till inferiora varor. Huruvida singelhushåll i själva verket klassificeras som inferior vara eller inte är inte min uppgift att bestämma. Varför nu regressionen visar på detta samband har därför att göra med effekter som inte observerats. Det kan exempelvis röra sig om skillnader i efterfrågan hos olika åldersgrupper, som Park (1994) kom fram till, eller även mellan könen (Lundgren, 1989). Vad vi dock kan fastslå är att andelen singelhushåll minskar vid ökad genomsnittlig disponibel inkomst, ett konstaterande som motsäger sig både Dommaraju (2015) och Park (1994) men som å andra sidan ligger i linje med vad Lundgren (1989) kom fram till.
Här är det viktigt att de två förstnämnda hänförs till asiatiska singelhushåll medan Lundgren (1989) omfattas av de svenska singelhushållen.
EDUC är den femte förklarande variabeln där koefficienten visar att om genomsnittligt studiedeltagande ökar med en procent, ökar andelen singelhushåll med 0,32 procent. Det betyder att om exempelvis studiedeltagandet i Göteborg (cirka 14 procent) ökar med en procent, ökar antalet singelhushåll med 364,8 stycken (0,32 procent av cirka 114 000 singelhushåll).
Betydelsen av variabeln förenar sig med vad Dommarju (2015) och Lundgren (1989) har kommit fram till, där ökat studiedeltagande bidrar till ökad andel singelhushåll, men som motsäger Park (1994). Hur väl variabeln kan kopplas till ekonomisk teori är en svårare del att begrunda. Det har dock visat sig att studenter skjuter upp eventuella relationer eller barnafödande på grund av att fortfarande vara ekonomiskt beroende under studietiden och således vill fullända sin utbildning först. Studenter väljer således att koncentrera sig på utbildning och först efter avklarad examen ägna sig åt andra värden i livet (Thalberg, 2013).
Den sista förklarande variabeln i ursprungliga modellen är WORK. Koefficienten indikerar att om andelen förvärvsarbetande ökar med en procent, minskar andelen singelhushåll med 0,46 procent. I Malmö, som exempel, utgör singelhushållen cirka 45 procent av samtliga hushåll, alltså ett antal på runt 65 000 singelhushåll. Samtidigt rör sig antalet förvärvsarbetande runt 126 000. Om andelen förvärvsarbetande stiger med en procent, det vill säga 1 260 arbetare, betyder det att närmare 300 singelhushåll kommer övergå till annan boendeform. Variabelns betydelse kan också sättas i ett större sammanhang, där arbete kan kopplas till inkomsten. På samma sätt som resonemanget över INCOME kan arbete leda till en mindre ekonomisk beroendehet och således minska andelen singelhushåll, likt Lundgren (1989) kom fram till i sin
