Nationalekonomiska institutionen Uppsala universitet
Examensarbete C Författare: Anna Fornwall & Emma Paulsson Handledare: Anders Forslund
HT2016
Har du vad som krävs?
En jämförande studie av färdigheters betydelse för löner och sysselsättning
2
Sammanfattning
I denna undersökning studeras betydelsen av färdigheterna läskunnighet, räknefärdighet och problemlösning på sysselsättning och lönenivå. Undersökningen fokuserar främst på att studera om färdigheterna hos kvinnor och utrikes födda har annorlunda påverkan än för befolkningen i helhet. Studien jämför resultaten mellan Sverige och Tyskland. Metoden som används är linjär multipel regressionsanalys med minsta kvadratmetoden.
Resultaten visar att en individs färdigheter har större betydelse för var i lönefördelningen hen befinner sig än om hen är sysselsatt eller inte. Effekterna på lön är genomgående positiva för båda länderna, men större för Tyskland än för Sverige – vilket indikerar att avkastningen på färdigheter är större i Tyskland. Resultaten visar vidare att kvinnor har lägre löner än män i både Sverige och Tyskland, men skillnaderna är genomgående större i Sverige. Det finns även vissa indikationer på att utrikes födda har det något svårare att komma in på den svenska än den tyska arbetsmarknaden.
Nyckelord: Lönefördelning, sysselsättning, humankapital, lönekomprimering, avkastning på färdigheter, jämlika löner
3
Abstract
This study analyses the importance of the skills literacy, numeracy and problem solving on employment and earnings. The main focus of this study is particularly if the effects of skills within the groups ‘women’ and ‘foreign born’ differ from the population as a whole. The study compares the results between Sweden and Germany. The method used is multiple linear regression analysis using ordinary least squares.
The results show that skills have a greater importance for an individuals placing in the wage distribution than for whether the individual is employed or not. The effects on wages are all through positive for both countries, but greater for Germany than Sweden – indicating that the return to skills is higher in Germany. The results further show that women’s wages are lower than men’s in both Sweden and Germany, but the gaps are larger in Sweden. There is also some evidence that foreign-born individuals have a harder time entering the Swedish labour market than the German.
Keywords:.Wage distribution, employment, human capital, wage compression, return to skills, income equality.
4
Innehållsförteckning
1. Inledning 5
2. Bakgrund 8
2.1 Teoretisk bakgrund 8
2.2 Tidigare forskning 13
2.3 Bidrag till forskning 16
3. Data och metod 17
3.1 Grundläggande metod 17
Deskriptiv statistik, Sverige 19
Deskriptiv statistik, Tyskland 19
3.2 PIAAC 21
3.3 Gruppering av fördelningar 22
3.4 Variabler 22
3.4.1 Beroende variabler 22
3.4.2 Oberoende variabler 23
3.4.3 Interaktionsvariabler 24
3.5 Diskussion av möjliga felkällor 24
4. Resultat 26
4.1 Förväntade effekter 26
4.2 Grundmodell 27
4.2.1 Löneeffekter 27
4.2.2 Sysselsättningseffekter 28
4.3 Modell med hänsyn tagen till interaktionsvariabler 30
4.3.1 Löneeffekter med hänsyn tagen till effekten av interaktionsvariabler 31 4.3.2 Sysselsättningseffekter med hänsyn tagen till effekten av interaktionsvariabler 36
4.4 Modeller uppdelade efter färdighetsfördelningen 39
5. Diskussion och slutsatser 41
Referenser 44
Tryckta källor 44
Elektroniska dokument 45
Appendix 47
5
1. Inledning
Sverige är ett litet land som är beroende av en välfungerande arbetsmarknad och en hög nationell kompetensnivå. Dessa är viktiga faktorer för ett lands ekonomiska utveckling och välstånd. Inte minst i Sverige utgör de grunden för den välfärd och det sociala skyddsnät som ses som ett föredöme i stora delar av världen. Arbetslöshet är inte bara ett problem för den enskilda individen utan påverkar även många andra delar av samhället, med ytterligare belastning på välfärdssystemet och minskade inkomster i statskassan. Ett allt mer uppmärksammat problem i Sverige och Europa är att vissa grupper står delvis utanför arbetsmarknaden. Dessa grupper består främst av individer med låga kvalifikationer.
Ökad handel mellan länder har varit en faktor som bidragit till att öka det ekonomiska välståndet i stora delar av världen. Även om de totala effekterna av handel är positiva finns det dock grupper i arbetskraften som påverkats negativt av den ökade konkurrensen.
Tyskland är en av Sveriges viktigaste handelspartners och står för ca 10 procent av svensk export och ca 17% av svensk import (Sweden abroad, 2016). Det finns både stora likheter och skillnader mellan länderna. Båda är starka exportnationer och båda har en arbetskraft med relativt sett hög kunskapsnivå. Men Sverige har, i jämförelse med Tyskland, en lång tradition av sammanhållen skolgång, begränsade löneskillnader och – under åren 1995–2013 – sjunkande resultat i internationella kunskapstest. De sjunkande resultaten har gett kraftiga avtryck i den politiska debatten. Även den begränsade lönespridningen i Sverige har uppmärksammats, och i olika sammanhang har det uttryckts oro för att lägstalönerna i Sverige skulle vara så höga att en stor del av arbetskraften inte är anställningsbar. Detta har inte minst diskuterats mot bakgrund av en allt större flyktinginvandring och en hög arbetslöshet bland utrikes födda. Den sammanpressade lönestrukturen och de höga lägstalönerna i Sverige har även diskuterats med utgångspunkt från den svenska industrins konkurrenskraft och risken att produktion flyttas utomlands och arbetstillfällen därmed flyttar till länder med ett lägre löneläge.
Hur färdigheterna och lönespridningen varierar i den arbetsföra befolkningen påverkar det nationella välståndet och jämlikhet mellan olika grupper i landet, vilket är en av grundpelarna för det svenska välfärdssystemet. Det är dessutom av betydelse hur variationen ser ut relativt
6
ett lands handelspartners eftersom det påverkar landets konkurrenskraft och därmed möjlighet till ökad ekonomisk tillväxt och välstånd. Ur ett svenskt perspektiv kan det därför vara av intresse att studera hur färdigheter och lönespridning varierar i Sverige jämfört med Tyskland. Ett sätt att göra detta är att studera hur färdigheter påverkar sannolikheten att vara sysselsatt samt lönenivån för dem som är sysselsatta i dessa båda länder.
Syftet med denna uppsats är att undersöka hur olika färdigheter påverkar sannolikheten att vara sysselsatt samt om, och i så fall hur, dessa färdigheter påverkar var i lönefördelningen en individ befinner sig. Då grupperna kvinnor och utrikes födda till stor del förbisetts i tidigare forskning, ligger fokus för undersökningen på att studera om färdigheternas påverkan för dessa specifika grupper skiljer sig åt från befolkningen som helhet. Vidare genomförs analysen både för Sverige och Tyskland, i syfte att se om de studerade aspekterna skiljer sig åt länderna emellan.
Populationen analyseras utifrån flera bakgrundsvariabler och studeras med fokus på tre utvalda variabler vilka används som mått på färdigheter vid den givna tidpunkt då data samlades in. Kontroll görs för kön, huruvida individen är inrikes eller utrikes född och om individen har små barn. Förhoppningen är att kunna använda de valda variablerna för att se hur specifika grupper skiljer sig från populationerna i helhet vad gäller inverkan av färdigheter på sysselsättning och lönefördelning. Studien inkluderar inte någon variabel för utbildning eftersom vi har rådata på färdigheter, för vilka utbildning i stor utsträckning brukar användas som proxy för.
Denna studie bidrar till forskningsområdet genom att inkludera grupperna kvinnor och utrikes födda till jämförelsen. Tidigare forskning på området har fokuserat på inrikes födda, medelålders män. Genom att även studera hur färdigheterna i den kvinnliga respektive utrikes födda delen av befolkningen påverkar dessa gruppers sysselsättning och lönenivå tillförs ytterligare viktig kunskap och analys till forskningsområdet. Jämförelsen mellan Sverige och Tyskland bidrar till att belysa hur arbetsmarknadens funktionssätt varierar mellan länderna och vilken betydelse dessa har för de olika grupperna.
Resultaten visar att läskunnighet har störst påverkan på individers sysselsättning i Sverige medan räknefärdighet har störst betydelse i Tyskland, även om skillnaderna inte är stora.
7
Resultatet pekar även på att löneskillnader mellan kvinnor och män är större i Sverige samt att utrikes födda har det något lättare att komma in på den tyska arbetsmarknaden än på den svenska. Ökade färdigheter har större betydelse på sysselsättning i den lägsta tredjedelen av färdighetsfördelningen än i den översta tredjedelen för svenska data men inte för tyska.
Uppsatsen är disponerad enligt följande. I avsnitt 2 beskrivs den teoretiska bakgrunden och tidigare forskning på området. Därefter, i avsnitt 3, följer en genomgång av data och metod samt specifikation av modeller. I avsnitt 4 presenteras de viktigaste resultaten och i avsnitt 5 presenteras undersökningens diskussion och slutsatser.
8
2. Bakgrund
2.1 Teoretisk bakgrund
I denna studie undersöks hur olika färdigheter hos individer påverkar sannolikheten att vara anställd och färdigheternas påverkan på rörelse i lönefördelningen. Att lönespridningen mellan Sverige och Tyskland ser olika ut gör analysen av färdigheters betydelse mer intressant. Det är därför viktigt att ha en grundläggande teoretiskt förståelse för arbetsmarknadens funktionssätt och vad som kan tänkas påverka lönespridningens storlek.
Man bör också vara medveten om att det i teorin kan vara både positivt och negativt med stor eller liten lönespridning, beroende på vilket teoretiskt ramverk man utgår ifrån.
Utfall på arbetsmarknaden kan beskrivas som resultatet av utbud och efterfrågan på arbetskraft. Teoretiskt sett består utbudet av arbetskraft av de individer som vill arbeta till rådande lönenivå och efterfrågan bestäms av hur många individer som arbetsgivare vill anställa till samma lönenivå. Arbetsgivare efterfrågar vissa typer av färdigheter vilka kan variera mellan olika branscher. Arbetskraften innehar i sin tur olika sammansättningar av färdigheter och kunskaper som till olika grad matchar arbetsgivarnas efterfrågan.
Ekonomins sysselsättningsgrad och jämviktslön etableras på den nivå vid vilken utbudet och efterfrågan är lika stora. Enligt teorin kommer då lönen att återspegla arbetarnas produktivitet och samtidigt spegla arbetsgivarnas värdering av arbetskraftens kompetens (Mankiw &
Taylor, 2011). I en sådan teoretisk jämviktsmodell är det löner som justerar utbud och efterfrågan på arbetskraft tills jämviktspunkten uppnås.
I verkligheten påverkas lönesättningen av många faktorer och det är inte bara arbetsgivaren och den arbetssökande som gör upp om lönen. De flesta länder har någon typ av lagstiftning som påverkar lönenivåerna i landet och därmed även hur lönespridningen ser ut. I till exempel USA och flera EU-länder, däribland Tyskland, påverkas lönebildningen av lagstadgade minimilöner (Eurostat, 2016-06-27). I Sverige, å andra sidan, styrs lönebildningen till stor del av kollektivavtal som sluts mellan arbetsgivar- och arbetstagarorganisationer men även av annan lagstiftning (Medlingsinstitutet, 2015-09-17, Eurostat, 2016-06-27).
9
Regleringar av arbetsmarknaden påverkar i sin tur lönespridningen i ett samhälle. Exempel på sådana regleringar är minimilöner och inkomstskatt, men ett samhälles lönespridning påverkas av många olika faktorer (Mankiw & Taylor, 2011). Förenklat kan man tänka sig att lönespridningen i ett samhälle är skillnaden i inkomst mellan den individ med lägst inkomst och den individ med högst inkomst.
Jämfört med andra länder har Sverige en relativt sett sammanpressad lönespridning.
Exempelvis är löneskillnaden mellan sjuksköterskor med specialistutbildning och sjuksköterskor med enbart grundutbildning mindre i Sverige än i de andra nordiska länderna (Calmfors et al., 2016). Lönestrukturen varierar något mellan branscher men i Sverige är lönestrukturen genomgående mer sammanpressad än i övriga nordiska länder (Calmfors et al., 2016).
Lönespridningen kan beräknas genom att ta fram kvoten mellan den 90e och 10e lönepercentilen i befolkningen. Sveriges lönespridning är enligt detta mått 2,28 medan Tysklands är 3,41. Båda måtten kan jämföras med USA som hamnar på 5.04 (Ekonomifakta 2016-10-20). Sverige och Tyskland är relativt lika varandra på många sätt, men skiljer sig avseende lönespridningens storlek.
Under början av 2000-talet inleddes införandet av ett reformpaket i Tyskland som kom att kallas Hartz-reformerna. Reformerna innefattade bland annat olika typer av avregleringar på arbetsmarknaden, nya och fler arbetsförmedlingar att drivas i privat regi samt striktare krav för att få arbetslöshetsersättning. Dessutom beviljas arbetslöshetsersättning efter införandet av reformerna för kortare tid (Konjunkturinstitutet, 2016 ). Ur ett globalt perspektiv var det kring implementeringen av dessa reformer som Tyskland och Sverige började skilja sig mer åt, efter att under en lång tid ha följt i stort sett samma trender på arbetsmarknaden.
Reformerna är mycket omdiskuterade i Tyskland, men tros ändå ha bidragit till den positiva utveckling på den tyska arbetsmarknaden (Konjunkturinstitutet, 2016)
Att regleringar påverkar lönespridningen tas bland annat upp i ‘wage compression’-teorin.
Enligt wage compression-teorin skapar stelheter i arbetsmarknadens lönebildning svårigheter för marknaden att anpassas till förändrade omständigheter, vilket i förlängningen kan leda till
10
högre arbetslöshet än vid den naturliga nivån (Howell, 2005). Lagstadgade minimilöner, centraliserade kollektivavtalsförhandlingar, arbetsskyddslagar och stödprogram för arbetslösa är exempel på institutioner som inom wage compression teorin direkt eller indirekt leder till ökade stelheter och därmed högre arbetslöshet.
Den teoretiska anledningen till att regleringar på arbetsmarknaden leder till högre arbetslöshet är exempelvis genom att regleringarna påverkar marknadens mekanismer för anpassning, såsom löner, vilket stör den jämviktsskapande funktionen. Ett tydligt exempel på detta är minimilöner, som är en direkt reglering av den lägsta lönenivån. Detta gör att lönen inte längre kan röra sig fritt för att balansera marknaden och resulterar i ett överskott på utbudet av arbetskraft, det vill säga arbetslöshet (Mankiw & Taylor, 2011). Den högre lönenivån höjer även arbetsgivarens krav på förväntad produktivitet hos de anställda, vilka inte alltid besitter motsvarande färdigheter och därför sägs upp. Kollektivavtal och arbetsskyddslagar fungerar enligt teorin på liknande sätt (Howell, 2005).
I och med att löner inte kan röra sig fritt nedåt, blir det istället antalet sysselsatta som påverkas. I kombination med de chocker som tros ha minskat efterfrågan på lågkvalificerad arbetskraft (som billigare el, bättre teknologi och arbetstillfällen som flyttas utomlands) menar anhängare av wage compression teorin att arbetsmarknaden måste avregleras för att inte ytterligare missgynna de högt konkurrensutsatta lågkvalificerade arbetstagarna. Genom stelheter i löneanpassningen leder regleringar av arbetsmarknaden, som antagligen hade för avsikt att skydda arbetstagarna, till en arbetslöshet högre än den naturliga nivån (Howell, 2005).
Andra faktorer som har påverkat sysselsättningen för lågkvalificerade individer är de senaste decenniernas teknologiska utveckling. Den teknologiska utvecklingen har lett till förändrade produktionsmöjligheter med högre produktivitet till lägre kostnader än de flesta arbetare kan erbjuda. Efterfrågan på arbetskraftens färdigheter har därmed till stor del skiftat från lågkvalificerad-, till mellan- eller högkvalificerad arbetskraft med uppgift att sköta eller skapa den nya teknologin. Detta kallas i forskningen för skill-biased technological change (Autor &
Acemoglu, 2011). I samband med globaliseringen har detta lett till att enklare arbetsuppgifter flyttas till låglöneländer, vilket drabbar lågkvalificerad arbetskraft i hemlandet negativt. Även
11
många mellankvalificerade yrken har ersatts helt eller delvis av datorer och annan teknologi, vilket har lett till att mellankvalificerad arbetskraft söker sig till arbeten som tidigare betraktades som lågkvalificerade. Detta försvårar ytterligare situationen för grupper som saknar efterfrågade kvalifikationer på arbetsmarknaden (Calmfors et al., 2016).
Samtidigt som den teknologiska utvecklingen har lett till en minskad efterfrågan på lågkvalificerad arbetskraft, har invandringen till Sverige och Europa förändrats. Sammanlagt har skiftet från arbetskrafts- till flyktinginvandring och en sjunkande kunskapsnivå (som diskuteras i kommande delar av uppsatsen) resulterat i en ökande andel lågkvalificerad arbetskraft. Samtidigt har andelen lågkvalificerade jobb minskat till följd av den teknologiska utvecklingen och arbetstillfällen flyttats till länder med lägre lönenivåer än Sverige (Calmfors et al., 2016). Utvecklingen på arbetsmarknaden tydliggör betydelsen av relevant humankapital, både för enskilda individers möjligheter att få ett arbete och för ekonomin som helhet.
En annan dimension av debatten är arbetande fattigdom eller ‘working poor’, ett begrepp som beskriver en situation där individer har arbeten men fortfarande lever under gränsen för skäliga levnadsförhållanden (SCB, 2013-03-14). Andelen i arbetande fattigdom, i både Sverige och andra länder i Europa, har ökat de senaste åren. Att leva under fattigdomsgränsen associeras ofta till arbetslöshet, men så är inte alltid fallet (SCB, 2013-03-14). Begreppet knyter an till debatten om större lönespridning, då man kan ställa sig frågan om ett arbete som inte går att försörja sig på, är bättre än inget arbete alls.
För att få ett arbete måste en individ vara produktiv. När man pratar om företags produktivitet och avkastning diskuterar man ofta dess kapital. Kapital innefattar alla de faktorer som behövs för att producera – allt från pengar till maskiner. Humankapital innefattar istället investeringar i människor och deras kapacitet. Utbildning nämns ofta som typexemplet för humankapital, där individen som utbildar sig väljer att avstå från nutida inkomstmöjligheter för att investerar i en utbildning. Utbildningen förväntas ge högre framtida inkomster eftersom den syftar till att öka individens produktivitet och kompetens (Mankiw & Taylor, 2011). Antagandet att lön har ett positivt samband med utbildning bygger på att individer med högre utbildning förväntas ha högre marginalproduktivitet. Begreppet humankapital
12
innefattar dock mer än bara utbildning, och rör sig om alla typer av kunskap och erfarenhet med relevans för yrket.
För att studera hur löner bestäms utgår forskare från variabler som kan mätas, vilket ofta resulterar i att antal utbildningsår och år av arbetslivserfarenhet används. Även i denna studie ingår arbetslivserfarenhet som viktig faktor, men det finns även andra faktorer som är betydligt svårare att mäta som troligtvis har stor påverkan på löner. Exempel på sådana variabler är förmåga, ansträngning och slump (Mankiw & Taylor, 2011). I dagens samhälle förs en bred diskussion om betydelsen av utbildning och humankapital. En del nationalekonomer menar att utbildning inte nödvändigtvis ger högre marginalproduktivitet utan att utbildning snarare har ett signalvärde som gör det möjligt för arbetsgivare att urskilja individer med högre medfödda förmågor (Mankiw & Taylor, 2011). Denna studie gör inte skillnad på inlärd förmåga och medfödd kapacitet. De färdigheter som mäts genom PIAAC antas dock vara en viktig del av individers humankapital.
Om wage compression teorin stämmer med verkligheten, borde vi se högre arbetslöshet i Sverige än i Tyskland, eftersom den tyska arbetsmarknaden (sedan Hartz reformerna) är mindre reglerad. Enligt humankapitalteorin bör ökade färdigheter öka individers produktivitet. Givet att det finns ett positivt samband mellan färdigheter och produktivitet bör detta, för både Sverige och Tyskland, resultera i signifikant positiva effekter för sambandet mellan färdigheter och individers sysselsättning och lönenivå. Även om diskriminering av olika sorter tas upp i nationalekonomisk teori, finns ingen exakt förklaring inom teorierna om varför till exempel kvinnor eller utrikes födda skulle påverkas annorlunda av dess färdigheter än andra, förutom just diskriminering. Om skillnader i hur färdigheter bedöms visas i resultatet, mellan våra subgrupper och befolkningen som helhet, tyder det i så fall enligt teorierna på en typ av diskriminering.
Teorierna om skill-biased technical change, skulle kunna ge prediktionen att ökade färdigheter hos den lägre delen av färdighetsfördelningen ger större effekt på sysselsättning, om individen lyckas ta sig över ”tröskelvärdet” på färdigheter för att anses som anställningsbar.
13
2.2 Tidigare forskning
En utgångspunkt för förståelsen av hur utbildning, sysselsättning och lönebildning är relaterade är den så kallade humankapitalteorin, som utvecklades av Gary Becker i början av 1960-talet (Becker, 1962). Humankapitalteorin har använts för att förklara olika aspekter av ekonomin genom mänskligt beteende. I sin forskning testade Becker vad investeringar i humankapital får för effekter på löner och livsinkomster, samt hur dessa påverkas av när kunskaperna anskaffas. Han fann att den individuella inkomstfördelningen till stor del bestäms av en individs kunskapsfördelning och att desto högre kunskapsnivån är, desto högre är avkastningen och därmed livsinkomsten. Detta skulle dock till viss del kunna förklaras av att individer som genomgår högre utbildning och förskaffar sig ytterligare kunskap även har mer begåvning och att detta är en del av förklaringen till att de får högre löner (Becker, 1993).
Teorin har vidare utvecklats av bland andra Jacob Mincer. Mincer utgick från humankapitalteorin och estimerade en modell i vilken individens logaritmerade lön var en funktion av bland annat utbildning och erfarenhet. Genom att kontrollera för andra individuella egenskaper kunde Mincer estimera hur stor del av inkomsten som bestämdes av dessa variabler (Lemieux, 2003). Det estimerade värdet på de förklarande variablerna utgör ett mått på avkastningen av den kunskap som individen tillgodogör sig genom utbildning och erfarenhet. Detta ger ett mått på värdet av att investera i utbildning, det vill säga vilken betydelse utbildning har för framtida inkomster, allt annat (mätbart) lika. Humankapitalteorin utgör även grund för de resultat som presenteras i Långtidsutredningen 2011, där Gottfries diskuterar problematiken kring förlust av humankapital som uppstår till följd av arbetslöshet.
Gottfries menar att individens humankapital, och de kunskaper detta utgörs av, är avgörande för individens lönenivå. Givet att kunskap och löner har ett positivt samband så ger lägre humankapital lägre lön. I frånvaro av sysselsättning förlorar individen inte bara det ökade humankapital som ökad erfarenhet ger upphov till; humankapitalet reduceras dessutom då det inte underhålls, eftersom humankapital är en färskvara (Gottfries, 2010).
Det samlade humankapitalet i ett land utgörs av summan av alla enskilda individers kunskap och kompetens i den arbetsföra befolkningen. Denna kunskapsmassa har förändrats över tid i både Sverige och Tyskland. Ett uttryck för detta återfinns i de undersökningar av den
14
arbetsföra befolkningens kunskap och färdigheter som genomförts inom ramen för exempelvis The International Adult Literacy Survey (IALS) och The Programme for the International Assessment of Adult Competencies (PIAAC). Studieförbundet näringsliv och samhälle (SNS) analyserar i rapporten ”Lära för livet” hur kunskapsförändringarna har sett ut i Sverige samt övriga OECD-länder, där ibland Tyskland, över tid. Detta gör de genom att jämföra resultaten i de olika studierna. SNS finner att både Sverige och Tyskland, vid den tidpunkt då PIAAC genomfördes, ligger över OECD-snittet avseende samtliga testade kunskapsområden. De finner även att Sverige är det land som haft den största minskningen i kunskapsnivå mellan insamlingsperioderna för IALS år 1995 och PIAAC år 2013 (SNS, 2014).
Kunskapsnivå och löner hänger alltså i hög grad ihop, men hur ser löneläget ut i Sverige respektive Tyskland? I forskningsöversikten “Lägstalöner och lönespridning: Effekter på samhällsekonomin” (Spector, 2014) diskuteras Sveriges lägstalöner och lönespridning i förhållande till andra länder i Europa och OECD. Sverige har enligt denna rapport, vilken bygger på statistik från Eurostat och SCB, de högsta lägstalönerna och bland de mest sammanpressade lönespridningarna i hela Europa. Detta står i hög kontrast till Tyskland som tvärtom har en mycket stor lönespridning och markant lägre arbetslöshet än Sverige, trots att andelen lågkvalificerade jobb inte skiljer sig avsevärt mellan länderna (Spector, 2014).
Arbetsmarknadsekonomiska rådet beskriver ytterligare läget på den svenska arbetsmarknaden i rapporten ”Dags för större lönespridning?” (2016). Rådet hävdar att lönespridningen i Sverige är så pass begränsad inom vissa branscher (exempelvis för lärare och sjuksköterskor) att det inte lönar sig att investera i utbildning inom dessa sektorer. Vidare diskuteras sambandet mellan förändringar i arbetskraftens färdigheter, relativlöner och sysselsättning.
Analysen fokuserar bland annat på sysselsättningen bland lågutbildade och utrikes födda. Till följd av det skifte som har skett från arbetskrafts- till flyktinginvandring i Sverige och Europa har en ökad andel av utrikes födda i befolkningen en bakgrund med lägre utbildningsnivå.
Detta i kombination med potentiella språksvårigheter gör att utrikes födda förväntas ha en lägre generell kunskapsnivå än inrikes födda. Det Arbetsmarknadsekonomiska rådet argumenterar i sin analys för att det faktum att Sverige har en låg lönespridning omöjliggör för individer med en kunskapsnivå under en viss kompetensnivå att ta sig in på
15
arbetsmarknaden eftersom de inte har en produktivitet som gör att de anses anställningsbara vid existerande lägstalöner.
Det faktum att Sverige har en begränsad lönespridning skulle, med utgångspunkt från detta resonemang, kunna förklara den höga arbetslösheten och det låga arbetskraftsdeltagandet bland utrikesfödda svenskar. Den internationella valutafonden (IMF, 2013) menar att det reformpaket – de så kallade Hartz-reformerna – som implementerades i Tyskland 2003-2005 bidrar till att förklara den stigande sysselsättningen i Tyskland. Reformerna omfattade ett flertal förändringar inom den tyska arbetsmarknaden som bland annat resulterade i att lägstalönerna sjönk (IMF, 2015). Bland andra Svenskt näringsliv menar att det faktum att lägstalönerna tilläts sjunka i Tyskland är den enskilt starkaste förklaringsfaktorn för den samtidigt ökade sysselsättningen (Spector, 2014). Även många andra organ i den svenska samhällsdebatten förespråkar större lönespridning, samtidigt visade en avhandling vid Göteborgs universitet att ökad lönespridning kan ha en hämmande effekt på ekonomisk tillväxt så forskningen är inte entydig i denna fråga (Gärtner, 2014).
I Sverige är dock lägstalönerna fortsatt höga och samtidigt som andelen lågkvalificerad arbetskraft ökar så minskar efterfrågan på just denna typ av arbetskraft. En bidragande faktor till att lågkvalificerade jobb i ökad utsträckning försvinner kan bero på den teknologiska utvecklingen. Graetz och Michaels (2015) beskriver i sin publikation “Robots at work” hur de fallande priserna på industrirobotar och datoranvändning under de senaste årtiondena har lett till en intensifierad användning av dessa, vilket har resulterat i en förändring av efterfrågan på arbetsmarknaden. Även om den ökade användningen av teknologi i det stora hela får mycket positiva effekter i form av ökad produktivitet och ekonomisk tillväxt så finns det grupper som drabbas negativt av utvecklingen. Detta gäller främst de i låg- och mellanlönejobb, där arbetsuppgifterna helt eller delvis kan ersättas av teknologi (Graetz & Michaels, 2015).
Kvinnor och utrikes födda är generellt sett överrepresenterade inom sektorer som brukar klassificeras som låg- eller mellanlönejobb. Dessutom skiljer sig dessa grupper åt gällande arbetskraftsdeltagande mellan Sverige och Tyskland. Sammantaget har detta gjort att dessa grupper tidigare exkluderats från forskningen som istället fokuserat på inrikes födda, medelålders män eftersom denna grupp ansetts mest jämförbar.
16
Sammanfattningsvis tycks det råda någorlunda konsensus bland ekonomer gällande det positiva sambandet mellan humankapital och löner. Även den förändrade arbetskraftsefterfrågan till följd av förändringar i kunskapsnivå och teknologisk utveckling tycks det inte råda något tvivel om. Det tycks inte heller råda några motsättningar i hypotesen att större lönespridning ger högre sysselsättning; däremot pågår det en het diskussion om huruvida en ökad lönespridning i syfte att öka sysselsättningen är värd de potentiella negativa effekterna av densamma, som exempelvis en ökad andel “working poor”.
2.3 Bidrag till forskning
I denna uppsats jämförs den svenska och tyska utvecklingen på arbetsmarknaden, med fokus på hur arbetskraftens färdigheter är relaterade till sysselsättning och position i lönefördelningen. Jämförelsen motiveras av att den svenska respektive tyska utvecklingen följde en likartad trend vad gäller löner, kunskapsfördelning och sysselsättning till och med början av 2000-talet. Vid denna tidpunkt valde man i Tyskland en delvis annan väg, då man inom ramen för de så kallade Hartz-reformerna implementerade flera omdiskuterade förändringar, i syfte att stimulera sysselsättningen.
Både män och kvinnor är inkluderade i analysen i undersökningen, men studien fokuserar på grupperna kvinnor och utrikes födda, eftersom dessa exkluderats i tidigare forskning. Som framgått ur avsnittet om tidigare forskning omges lönespridning och sysselsättning av en stor samhällsdebatt kopplat till fallande kunskapsnivåer i Europa men specifikt i Sverige.
Användningen av PIAAC-databasen ger en unik möjlighet att empiriskt undersöka färdigheters påverkan på individers sysselsättning och lönenivå. Undersökningen bidrar därmed till en aktuell debatt genom att tillföra resultat om hur individuella färdigheter påverkar sysselsättning och lönenivå. Undersökningen bidrar även till forskningsområdet genom att visa att variablerna kön och arbetslivserfarenhet, som brukar användas i liknande undersökningar, fångar upp en del av variationen som beror på individens nivå på färdigheterna. Detta ger implikationer om att färdigheter även bör inkluderas i andra typer av forskningsstudier med fokus på arbetsmarknadens funktionssätt i koppling till lön och sysselsättning.
17
3. Data och metod
3.1 Grundläggande metod
Syftet och frågeställningen i denna undersökning är av deskriptiv karaktär. Den metod vi använder oss av är en kombination av två tillvägagångssätt. Eftersom de data vi utgår ifrån är tvärsnittsdata som endast är insamlad vid en tidpunkt kan vi inte göra några jämförelser över tid utan fokus ligger här istället på olika grupper. Vi ämnar jämföra olika grupper inom Sverige och Tyskland som i tidigare forskning till stor del utelämnats och sedan även jämföra dessa grupper med befolkningen som helhet i respektive land.
Efter en omfattande genomgång av tidigare studier på området, teoretisk bakgrund och aktuella resonemang väljs relevanta variabler ut för att användas i en multipel regressionsanalys. De oberoende variablerna kan delas in i två kategorier: variabler (färdigheter) vars effekt vi vill undersöka, samt bakgrunds- eller kontrollvariabler som ytligt beskriver individerna och konstanthålls då de kan tänkas påverka de beroende variablerna.
De grundläggande modellerna i undersökningen specificeras som:
𝑆𝑦𝑠𝑠𝑒𝑙𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔/𝐿ö𝑛𝑒𝑓ö𝑟𝑑𝑒𝑙𝑛𝑖𝑛𝑔
= 𝛼 + 𝛽!𝐿ä𝑠𝑘𝑢𝑛𝑛𝑖𝑔ℎ𝑒𝑡 + 𝛽!𝐾𝑣𝑖𝑛𝑛𝑎 + 𝛽!𝑈𝑡𝑟𝑖𝑘𝑒𝑠 𝑓ö𝑑𝑑 + 𝛽!𝐴𝑟𝑏𝑒𝑡𝑠𝑙𝑖𝑣𝑠𝑒𝑟𝑓𝑎𝑟𝑒𝑛ℎ𝑒𝑡 + 𝛽!𝑆𝑚å𝑏𝑎𝑟𝑛𝑠𝑓ö𝑟ä𝑙𝑑𝑒𝑟 + 𝑒!
𝑆𝑦𝑠𝑠𝑒𝑙𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔/𝐿ö𝑛𝑒𝑓ö𝑟𝑑𝑒𝑙𝑛𝑖𝑛𝑔
= 𝛼 + 𝛽!𝑅ä𝑘𝑛𝑒𝑓ä𝑟𝑑𝑖𝑔ℎ𝑒𝑡 + 𝛽!𝐾𝑣𝑖𝑛𝑛𝑎 + 𝛽!𝑈𝑡𝑟𝑖𝑘𝑒𝑠 𝑓ö𝑑𝑑 + 𝛽!𝐴𝑟𝑏𝑒𝑡𝑠𝑙𝑖𝑣𝑠𝑒𝑟𝑓𝑎𝑟𝑒𝑛ℎ𝑒𝑡 + 𝛽!𝑆𝑚å𝑏𝑎𝑟𝑛𝑠𝑓ö𝑟ä𝑙𝑑𝑒𝑟 + 𝑒!
𝑆𝑦𝑠𝑠𝑒𝑙𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔/𝐿ö𝑛𝑒𝑓ö𝑟𝑑𝑒𝑙𝑛𝑖𝑛𝑔
= 𝛼 + 𝛽!𝑃𝑟𝑜𝑏𝑙𝑒𝑚𝑙ö𝑠𝑛𝑖𝑛𝑔 + 𝛽!𝐾𝑣𝑖𝑛𝑛𝑎 + 𝛽!𝑈𝑡𝑟𝑖𝑘𝑒𝑠 𝑓ö𝑑𝑑 + 𝛽!𝐴𝑟𝑏𝑒𝑡𝑠𝑙𝑖𝑣𝑠𝑒𝑟𝑓𝑎𝑟𝑒𝑛ℎ𝑒𝑡 + 𝛽!𝑆𝑚å𝑏𝑎𝑟𝑛𝑠𝑓ö𝑟ä𝑙𝑑𝑒𝑟 + 𝑒!
Den beroende variabeln sysselsättning, är en binär variabel som antar värdet ett för en individ som är sysselsatt och noll för en individ som inte är det. Den andra beroende variabeln är lönefördelning vilken anges i deciler. De oberoende variablerna består av intressevariabler och kontrollvariabler. Intressevariablerna är läskunnighet, räknefärdighet och problemlösning, vilka anges på en poängskala från 0-500. Kontrollvariablerna är tre binära dummy-variabler som antar värdet ett för kvinna, utrikes född och småbarnsförälder samt arbetslivserfarenhet i antal år.
18
Vi använder oss av linjära modeller som vi skattar med minsta kvadratmetoden (OLS). Då den ena beroende variabeln i undersökningen, sysselsättning, är binär hade en logistisk regression varit en bra, alternativ metod att använda. Då denna undersökning genomfördes fanns dock inga rättframma och rimligt enkla metoder för att hantera de speciella data från PIAAC-undersökningen vi använder med annat än OLS. Det finns även andra fördelar med att använda minsta kvadratmetoden i vårt fall. Den andra beroende variabeln, lönefördelning, är inte binär utan uppdelad i deciler. Hade det varit möjligt att tillhandahålla exakt lönedata för båda länderna hade logaritmerade löner varit optimalt att använda, alltså en logistisk regression. Då lönerna är uppdelade i deciler är dock minsta kvadratmetoden ett bättre alternativ. Då sysselsättning fortfarande blir rimlig att tolka genom minsta kvadratmetoden valdes denna därför genomgående. Färdigheterna bedöms vara på en intervallskala, vilket gör att metoden fungerar bra att använda.
Nedan sammanfattas deskriptiv statistik om data för Sverige respektive Tyskland.
Genomsnitt, standardavvikelse och max- och minvärden har tagits fram för vardera population och ingående variabler.
19
Deskriptiv statistik, Sverige
Variabel Medelvärde Standard- avvikelse
Min Max Observationer
Sysselsättning 0.941 0.235 0 1 3564
Lönefördelning 5.656 2.867 1 10 2944
Läskunnighet 281.732 51.926 0 412.359 4469
Räknefärdighet 282.043 56.684 16.695 489.508 4469 Problemlösning 290.489 42.994 101.313 431.475 3963
Ålder 40.901 14.753 16 65 4469
Kvinna 0.496 0.500 0 1 4469
Utrikes född 0.166 0.372 0 1 4467
Arbetslivserfarenhet 19.685 14.038 0 53 4217
Småbarnsförälder 0.139 0.346 0 1 2799
Deskriptiv statistik, Tyskland
Variabel Medelvärde Standard- avvikelse
Min Max Observation er
Sysselsättning 0.949 0.219 0 1 4287
Lönefördelning 5.478 2.906 1 10 3448
Läskunnighet 273.642 46.804 67.123 443.364 5379 Räknefärdighet 275.519 51.924 15.855 459.647 5379 Problemlösning 285.752 43.297 110.210 461.619 4541
Ålder 39.774 14.006 16 65 5465
Kvinna 0.510 0.499 0 1 5465
Utrikes född 0.123 0.328 0 1 5377
Arbetslivserfarenhet 18.236 13.083 0 53 5379
Småbarnsförälder 0.124 0.329 0 1 3132
Av den deskriptiva statistiken framgår att den svenska populationen har något högre resultat i genomsnitt på alla färdighetstesten än den tyska. Genomsnittsåldern och spridningen för denna, är för ingående individer i princip samma för vardera dataset. I populationen för Tyskland ingår fler kvinnor än för svenska data, men båda genomsnitten ligger runt 50 procent av populationerna. Det ingår fler individer med utländsk bakgrund i svenska än i tyska data.
Undersökningens metod ger en generell beskrivning av hur observationerna ser ut på gruppnivå i de båda studerade länderna. Tillgång till mer kompletterande data från svenska
20
och tyska myndigheter skulle ge ökade möjligheter till analys av PIAAC-databasen, men data av detta slag är tyvärr inte tillgängliga.
Efter att ha konstruerat en slutgiltig modell körs flera regressioner med utvalda variabler för de båda beroende variablerna på data för både Tyskland och Sverige.
Grunden för vår metod är en beskrivande jämförelse där vi utför en analys av grupper i Sverige och Tyskland, med fokus på grupperna kvinnor och utrikes födda samt hur dessa förhåller sig till befolkningen som helhet. I vidare forskning kan det naturligtvis vara meningsfullt att ytterligare differentiera grupperna, men då krävs betydligt fler observationer och ytterligare data.
Den största utmaningen vid jämförelsen av gruppen kvinnor mellan länderna ligger i den stora skillnaden i arbetskraftsdeltagande. I Sverige var arbetskraftsdeltagandet bland kvinnor 83,5 procent (SCB, 2013) medan motsvarande siffra för Tyskland låg på 53,6 procent (World bank, 2013) år 2013, vilket är året då den aktuella databasen sammanställdes. Det är en avvägning om man ändå vill jämföra gruppen kvinnor mellan länderna vilket vi givetvis tar i beaktande då vi analyserar resultaten. Gruppen utrikes födda kan också skilja sig åt mellan Sverige och Tyskland men antas i denna undersökning vara till största del lika. Trots denna utmaning anser vi att en analys av grupperna kvinnor och utrikes födda är relevant, inte minst eftersom just kvinnor och utrikes födda i stor utsträckning exkluderats i tidigare forskning, trots att grupperna utgör en stor del av den arbetsföra befolkningen.
I undersökningen utförs två olika regressionsanalyser eftersom två beroende variabler studeras. Båda utgår från minsta kvadratmetoden och innefattar samma oberoende variabler, men som beroende variabel testas både placeringen i lönefördelningen och sannolikheten att vara sysselsatt. För att kunna använda sysselsättningsvariabeln som beroende variabel har den kodats om till en binär dummy, vilken antar värdet ett för en individ som är sysselsatt och noll för en individ som inte är det.
Sammanfattningsvis har variablerna valts med grund i tidigare forskning och med utgångspunkt i studiens syfte och frågeställning. Ett antal nya variabler, exempelvis
21
interaktionsvariabler mellan respektive färdighet och grupp samt en variabel för om individen har småbarn eller inte har skapats. Därefter har multipla regressionsanalyser genomförts med respektive beroende variabel för de båda länderna, för att urskilja olika effekter.
3.2 PIAAC
I analysen används framförallt registerdata insamlad inom ramen för The Programme for the International Assessment of Adult Competencies (PIAAC). Sammantaget innehåller datasetet ca 4500 individuella observationer för Sverige och 5300 för Tyskland.
PIAAC-databasen har sammanställts på initiativ av OECD (The organization for economic co-operation and development) och baseras på enkäter (frågeformulär) riktade till ett slumpmässigt och representativt urval i den arbetsföra befolkningen. Enkäten har genomförts under perioden 2011-2012 och innehåller tvärsnittsdata för 24 länder (OECD, 2016). OECD har lagt ned stor möda på att skapa likvärdiga frågor för samtliga länder, och alla respondenter fick besvara frågeformuläret på landets officiella språk. PIAAC inkluderar ett stort antal bakgrundsvariabler. Utöver detta inkluderar datasetet resultaten från färdighetstester avseende läskunnighet, räknefärdighet och problemlösning. Ingen respondent har emellertid genomfört samtliga tester, eftersom detta är alltför omfattande och skulle äventyra svarsfrekvensen. Genom sammanställningar av värdena på bakgrundsvariablerna skapades istället olika fördelningar och snitt, vilka användes för att skapa imputerade värden för de test som individen inte gjorde. Testresultaten presenteras på en poängskala som går från 0 till 500. För individer med liknande värden på bakgrundsvariablerna imputeras alltså testresultat, som är viktade utifrån bakgrundsvariablernas betydelse, så att det i datamaterialet finns värden för alla färdigheter, även om en specifik individ inte genomfört samtliga test.
För varje färdighet och individ finns det 10 stycken sannolika värden (”plausible values”) vilka har tagits fram genom tio olika fördelningar och utifrån dessa dras estimat som är viktade utifrån populationens bakgrundsvariabler.
PIAAC-databasen inkluderar därför två olika sorters osäkerhet som behöver tas i beaktande.
Dels bygger PIAAC-databasen på ett stickprov ur de olika befolkningarna, vilket medför en viss osäkerhet. Det finns utöver detta en risk för mätfel till följd av svårigheter och risker med att på ett optimalt sätt mäta färdigheter. De vikter och sannolikhetsvärden som används i
22
datasetet är ett sätt att hantera dessa osäkerheter, men forskare som använder PIAAC bör vara medvetna om dessa osäkerheter då data analyseras eller bearbetas (Wu, 2005).1
3.3 Gruppering av fördelningar
I undersökningen gjordes grupperingar av både lönefördelningen och färdighetsfördelningen för ytterligare analys av färdigheternas påverkan på olika nivåer i data. Inga intressanta resultat uppkom då lönefördelningen grupperades och därför redovisas inte heller detta i appendix eller i resultatdelen. Färdighetsfördelningen delades in i deciler, som sedan grupperades i tre delar. För den tredjedel med lägst resultat på färdighetstesterna och den tredjedel med högst resultat skapades en dummyvariabel för vardera.
Regressionerna kördes sedan som vanligt, men nu med möjlighet att urskilja skillnader mellan den lägsta och högsta tredjedelen i färdighetsfördelningen. Då färdighetsfördelningen delades upp valde vi att utgå ifrån variabeln för läskunnighet, då den innehöll flest kompletta observationer och var genomgående mest signifikant för båda länderna. Då varje färdighetstest vägs samman genom tio olika variabler för en individ, vilka inte går att slå samman till en variabel, valde vi att använda oss av den mittersta variabeln för läsfärdighet2. Optimalt vore att slå ihop de olika variablerna för respektive färdighetstest för denna del av undersökningen, men då detta inte var möjligt bedömdes det bättre att utgå ifrån en av variablerna än att helt avstå från den delen av undersökningen.
3.4 Variabler
3.4.1 Beroende variabler
Undersökningens beroende variabler är sysselsättning och lönefördelning. Variablerna har utformats med hänsyn till tillgången på data i PIAAC-databasen. Sysselsättning är kodad som en dummyvariabel som antar värdet ett om en person är sysselsatt och noll annars. Individer som inte ingår i arbetskraften saknar imputerade värden och motsvaras alltså av ‘missing values’. Lönefördelning är lite mer komplicerad, då den enda tillgängliga lönedatabasen
1 Det är dessa egenskaper hos PIAAC-data som fått oss att enbart använda färdigprogrammerade skattningsrutiner som bara finns tillgängliga för linjära minsta-kvadratmodeller.
2Variabeln som används heter “PVLIT5” i PIAAC-datat. Denna variabel används i både det svenska respektive tyska datat för att skapa de grupperade färdighetsfördelningarna.
23
består av den genomsnittliga lönenivån i olika deciler. Detta innebär att det finns information om en observerad individ har en lön som motsvarar lönenivån i den tiondel av den sysselsatta befolkningen som har de lägsta lönerna (decil 10), den tiondel som har de näst lägsta lönerna (decil 9) eller den tiondel som har de högsta lönerna (decil 1) etcetera. Däremot finns ingen information om de enskilda individernas exakta lönenivåer. Regressionerna med lönefördelningen som beroende variabel estimerar alltså sannolikheten att hamna i en högre lönedecil beroende på vilka poäng per färdighet individen fått på testerna. Exakt var i lönespridningen individen ligger går dock inte att avgöra, och det finns inte heller några exakta mått på individens faktiska lön.
3.4.2 Oberoende variabler 3.4.2.1 Intressevariabler
De variabler vars effekt undersökningen huvudsakligen studerar är de färdigheter i läskunnighet, räknefärdighet samt problemlösning som mäts i PIAAC-undersökningen. Syftet med undersökningen är att analysera hur värdet på dessa variabler påverkar sannolikheten att vara sysselsatt, respektive befinna sig i en viss decil i lönefördelningen.
3.4.2.2 Kontrollvariabler
De kontrollvariabler som används är grundade i tidigare empirisk forskning och teori eller är direkt kopplade till undersökningens syfte och frågeställning. För att skilja undersökningsgrupperna åt väljer vi att använda dummyvariabler. Köns-dummyn antar värdet 1 för kvinnor och 0 för män, på samma sätt antar variabeln utrikes född värdet 1 för utrikes födda och 0 för inrikes födda. I analysen kontrolleras även för om individen har barn mellan noll och två år, genom att variabeln småbarnsförälder inkluderas i analysen. Även individens arbetslivserfarenhet (=antal år) inkluderas i analysen. I den initiala modellen inkluderades en variabel för ålder. Åldersvariabeln är inte med i den slutgiltiga modellen då resultaten visade på en stark korrelation mellan ålder och arbetslivserfarenhet samtidigt som den senare nämnda variabeln fick genomgående mer signifikanta värden.
Variabeln småbarnsförälder antar värdet 1 för dem som har barn mellan 0-2 år vilket förväntas påverka sannolikheten att en individ befinner sig på arbetsmarknaden. Av flera anledningar kan man tänka sig att denna variabel har olika stor betydelse i de respektive befolkningarna. Dels ser systemen för underhåll av och ersättning för barn delvis olika ut i
24
länderna som jämförs men dessutom är det lägre arbetskraftsdeltagande bland kvinnor i Tyskland än i Sverige. Förhoppningen är att variabeln småbarnsförälder ska fånga upp de delar av variationen som kan tänkas förklaras av enbart det faktum att man har småbarn.
3.4.3 Interaktionsvariabler
Då syftet med undersökningen till viss del är att studera om avkastningen på färdigheter skiljer sig åt mellan de båda grupperna kvinnor och utrikes född och befolkningen som helhet, skapades interaktionsvariabler mellan vardera grupp-dummy och färdigheterna. För varje grupp skapades därmed tre interaktionsvariabler: grupp-dummyn multiplicerat med vardera färdighetsvariabel.
I de sex regressionerna gällande detta avsnitt inkluderades både den enskilda grupp-dummyn (kvinna respektive utrikes född) samt en av interaktionsvariablerna (exempelvis kvinna*läskunnighet för den regression där läskunnighet testades). Detta för att både kunna urskilja effekten av att tillhöra en av grupperna, samt en specifik effekt av färdigheternas utdelning för dessa grupper. Då både den grundläggande gruppvariabeln och interaktionsvariabeln inkluderas i regressionerna är det även möjligt att observera hur dessa effekter förhåller sig till varandra i fråga om storlek och riktning.
3.5 Diskussion av möjliga felkällor
Stora ansträngningar gjordes inom OECD för att PIAAC-databasen skulle vara robust och inte innehålla bias. Å andra sidan går det inte att helt eliminera snedvridningar eller känsligheter i data, och därför följer här en kort analys om vad i undersökningens resultat som skulle kunna betraktas som känsligt.
I PIAAC finns en del bortfall som möjligtvis kan skapa problem för analysen. Specifikt har vissa variabler större bortfall än andra; en sådan variabel som inkluderas i denna undersökning är problemlösning. För att testa betydelsen av bortfallet testades att exkludera samtliga observationer för vilka variabeln problemlösning saknades. Genom att sedan köra samma regressioner som tidigare och jämföra resultaten kunde vi konstatera att det inte blev några större skillnader. Det skulle vara intressant att veta vad resultatet skulle bli om det inte
25
hade funnits ett bortfall för problemlösningsvariabeln. Detta eftersom både Sverige och Tyskland hade ett större bortfall på problemlösning än på någon av de andra variabler som ingår i regressionerna. Samtidigt litar vi på att de internationella ansträngningar som gjorts för att säkerställa att data inte är snedvridna är väl genomförda, och bortfall ses därför inte som ett stort aktuellt problem för undersökningen.
Värt att notera är dock att datatsetet för Tyskland innehöll fler observationer än data för Sverige. Detta ger även större underlag, och större chans till signifikanta resultat för Tyskland än för Sverige. Samtidigt har Tyskland en större population att återspegla, men om möjligt hade vi gärna sett fler observationer från båda länder. En av svagheterna med PIAAC, i och med att det är en så pass stor och generell undersökning om vuxnas färdigheter, är att när man delar in data i subgrupper minskar antalet observationer snabbt till för små nivåer. I undersökningen hade vi även velat kontrollera för vissa andra faktorer, men då fanns risken att det skulle bli för få observationer för att få pålitliga och generaliserbara resultat.
Mätnings-validiteten (Bryman, 2008) för undersökningen anses bra. Det undersökningen främst avser att mäta är nivåerna på färdigheterna läskunnighet, räknefärdighet och problemlösning. Även om färdigheterna inte till fullo fångas av testen i PIAAC, bör de till stor del vara mätbara genom testen. Replikerbarheten för undersökningen är även stor. En annan möjlig känslighet med undersökningen är hur PIAAC-databasen är uppbyggd. I och med att PIAAC har en komplicerad sammansättning bör forskare som använder PIAAC börja med att ordentligt sätta sig in i uppbyggnaden av data, för att inte misstolka resultaten. Vi har lagt mycket tid och energi på att förstå hur data fungerar och bör därför inte dra några för datasetet felaktiga eller orimliga slutsatser.
Utelämnade variabler bör inte heller utgöra ett stort problem då ett flertal olika kontrollregressioner har genomförts för att kontrollera för detta. Korrelation har testats för majoriteten av ingående variabler med undantag för variablerna för färdigheter, eftersom dessa är uppbyggda på ett sätt som inte är direkt jämförbart med övriga variabler utan specifika kommandon. Färdigheterna har istället kontrollerats för genom att inkluderas och exkluderas i regressionerna och sedan jämföra resultaten.
26
4. Resultat
Inledningsvis presenteras resultaten från två olika grundmodeller, vars beroende variabler fångar effekten på individens (1) placering i lönefördelningen samt (2) sannolikhet att vara sysselsatt. Samtliga regressioner inkluderar arbetslivserfarenhet, information om individen är småbarnsförälder och om hen är utrikes född samt individens kön som förklarande variabler.
Utöver detta inkluderas testresultaten avseende läskunnighet, räknefärdighet samt problemlösningsförmåga i tur och ordning i tre olika regressionsmodeller. Dessa regressioner testas sedan för Sverige och Tyskland separat.
Därefter genomförs samma analyser med tillägg av interaktionsvariabler som fångar effekten av att vara kvinna respektive utrikes född på effekten av olika färdigheter på individens placering i lönefördelningen samt sannolikhet att vara sysselsatt.
4.1 Förväntade effekter
Vi förväntar oss att arbetslivserfarenhet samt högre testresultat på olika färdigheter ska ha en positiv effekt både på sannolikheten att vara sysselsatt och på placeringen i lönefördelningen för samtliga kategorier i både Sverige och Tyskland.
Effekten av att vara småbarnsförälder är inte självklar. Det skulle kunna finnas ett positivt samband mellan mäns arbetsmarknadsstatus (lön och sysselsättning) och sannolikheten att de har en partner och barn. För kvinnor i Sverige skulle det kunna finnas ett positivt samband mellan sysselsättning (att ha ett arbete) och att vara småbarnsförälder eftersom ersättningssystemet vid föräldraledighet uppmuntrar till att skaffa jobb innan man skaffar barn, men det är inte lika självklart att det är så när det gäller placeringen i lönefördelningen.
När det gäller kvinnor i Tyskland förväntar vi oss däremot inte att det finns något positivt samband mellan att vara småbarnsförälder och ha ett jobb eller en bra lön, då ersättningssystemet ser annorlunda ut Vi förväntar oss inte att det ska vara någon skillnad mellan in- och utrikes födda när det gäller effekten av att ha små barn.
När det gäller effekten av att vara utrikes född på lön och sysselsättning tror vi tyvärr att det kan ha en negativ effekt både på sannolikheten att vara sysselsatt och placeringen i
27
lönefördelningen till följd av diskriminering. Det faktum att modellen inkluderar kontroller för exempelvis läskunnighet borde dock fånga den negativa effekt som skulle kunna bero på språksvårigheter.
De interaktionsvariabler (mellan respektive färdighet och (1) kön samt (2) utrikes född) som inkluderas i den utvidgade modellen fångar den ytterligare effekten av respektive färdighet som tillkommer för kvinnor (relativt män) respektive utrikes födda (relativt inrikes födda).
Ett signifikant resultat för någon av dessa variabler betyder att exempelvis (samma) läskunnighet har olika effekt beroende på kön eller födelseursprung. Det borde inte finnas några sådana skillnader mellan kvinnor och män eller mellan in- och utrikes födda, men om samma färdigheter bedöms olika beroende på grupptillhörighet bör dessa interaktionsvariablers estimat vara signifikanta.
4.2 Grundmodell
Nedan redovisas resultaten avseende effekten av olika färdigheter på individens placering i lönefördelningen (tabell 1) samt sannolikhet att vara sysselsatt (tabell 2) med utgångspunkt från regressioner baserade på grundmodellen.
4.2.1 Löneeffekter
Av tabell 1 framgår att kvinnor har signifikant lägre löner än män i både Tyskland och Sverige, givet arbetslivserfarenhet, färdighetstester och om hen är småbarnsförälder eller utrikes född. Vidare framgår att arbetslivserfarenhet, liksom läskunnighet, räknefärdighet och problemlösningsförmåga har signifikant positiva effekter på individens placering i lönefördelningen, dock kan det diskuteras om arbetslivserfarenhet har ekonomisk signifikans då koefficienten är liten. Enligt dessa regressioner är varken effekten av att vara småbarnsförälder eller utrikes född signifikant. Notera att under rubriken ‘Modell med hänsyn tagen till interaktionsvariabler’ diskuteras dessa variabler vidare.
Effekten av arbetslivserfarenhet är i det närmaste identisk i Tyskland respektive Sverige och effekten av olika färdigheter skiljer sig bara marginellt mellan de båda länderna. Det är dock tydligt att löneskillnaderna mellan kvinnor och män är större i Sverige än i Tyskland. Om effekterna för arbetslivserfarenhet har ekonomisk signifikans kan diskuteras. Effekten blir här
28
ungefär 0.04 lönedeciler per ytterligare år arbetslivserfarenhet. Effekten finns, men är inte påtaglig. Effekten av färdigheterna har dock enligt vår bedömning definitivt ekonomisk signifikans för var i lönefördelningen en individ befinner sig, för båda länderna.
Tabell 1. Grundmodell avseende effekten av olika färdigheter på placeringen i
lönefördelningen för Sverige och Tyskland. Kolumn (1), (3) och (5) återger resultat för den svenska populationen och (2), (4) och (6) motsvarande tyska resultat.
(1) (2) (3) (4) (5) (6)
Läskunnighet
2.168***
(0.119)
2.335***
(0.151)
Räknefärdighet 2.007***
0.113) 2.163***
(0.129)
Problemlösning 2.298***
(0.163) 2.118***
(0.190)
Kvinna -1.370***
(0.117) -1.142***
(0.109) -1.150***
(0.118) -0.088***
(0.110) -1.230***
(0.130) -1.132***
(0.135)
Utrikes född -0.178
(0.166) -0.070
(0.201) -0.213
(0.166) -0.078
(0.199) -0.245
(0.178) -0.192
(0.243)
Arbetslivserfarenhet 0.041***
(0.005) 0.040***
(0.635) 0.037***
(0.005) 0.037***
(0.006) 0.058***
(0.577) 0.059***
(0.007)
Småbarnsförälder 0.1312
(0.1623) 0.023
(0.199) 0.136
(0.163) 0.059
(0.191) 0.095
(0.176) 0.012
(0.220)
Standardfel inom parenteser
Signifikansnivåer: *** = 1-procentsnivå, ** = 5-procentsnivå, * = 10-procentsnivå
För variablerna läskunnighet, räknefärdighet och problemlösning anger koefficienterna effekten per 100 poäng
4.2.2 Sysselsättningseffekter
I tabell 2 redovisas estimaten från regressioner som mäter effekten av olika färdigheter på individens sannolikhet att vara sysselsatt.
Resultaten är intressanta, inte minst i jämförelse med resultaten avseende effekterna på individens placering i lönefördelningen (ovan). Även i detta fall har arbetslivserfarenhet och läskunnighet, räknefärdighet och problemlösningsförmåga signifikant positiva effekter på sannolikheten att vara sysselsatt. Kön har inga signifikanta effekter, men att vara utrikes född har en signifikant negativ effekt i två av de tre regressioner som baseras på svenska data.
29
Motsvarande resultat återfinns inte för Tyskland. Detta skulle kunna tolkas som att det är svårare för individer som är födda i utlandet att komma in på den svenska än den tyska arbetsmarknaden. Möjligtvis skulle det därför vara intressant att utföra vidare studier på skillnader mellan den tyska och svenska arbetsmarknaden och varför dessa skillnader uppstår.
Ett annat, något märkligt, resultat är att det faktum att en individ är småbarnsförälder har en signifikant positiv effekt på sannolikheten att en person är sysselsatt. Det resultatet är inte helt oväntat för män eller svenska kvinnor (som har incitament att ha ett jobb innan de får barn eftersom föräldrapengen är kopplad till detta), men resultatet känns inte självklart för tyska kvinnor.
30
Tabell 2. Grundmodell avseende effekten av olika färdigheter på sannolikheten att vara sysselsatt för Sverige och Tyskland. Kolumn (1), (3) och (5) återger resultat för den svenska populationen och (2), (4) och (6) motsvarande tyska resultat.
(1) (2) (3) (4) (5) (6)
Läskunnighet
0.069***
(0.014)
0.040***
(0.012)
Räknefärdighet 0.059***
(0.013) 0.049***
(0.010)
Problemlösning 0.043***
(0.013) 0.030***
(0.000)
Kvinna -0.005
(0.010) 0.002
(0.009) 0.058
(0.112) 0.009
(0.009) -0.008
(0.009) 0.002
(0.010)
Utrikes född -0.029*
(0.017) 0.006
(0.015) -0.034**
(0.016) 0.011
(0.015) -0.016
(0.014) 0.018
(0.014)
Arbetslivserfarenhet 0.019***
(0.007) 0.003***
(0.001) 0.018***
(0.006) 0.003***
(0.000) 0.002***
(0.001) 0.003***
(0.001)
Småbarnsförälder 0.035**
(0.005) 0.052*** (0.013) 0.036**
(0.017) 0.051***
(0.014) 0.029**
(0.013) 0.051***
(0.014)
Standardfel inom parenteser
Signifikansnivåer: *** = 1-procentsnivå, ** = 5-procentsnivå, * = 10-procentsnivå
För variablerna läskunnighet, räknefärdighet och problemlösning anger koefficienterna effekten per 100 poäng
Även om arbetslivserfarenhet inte var en av undersökningens viktigaste variabler har den i alla regressioner ett signifikant positivt utslag på både löner och sysselsättning. Om effekterna av arbetslivserfarenhet är ekonomiskt signifikanta kan dock diskuteras, eftersom koefficienterna antar små värden för samtliga regressioner och tolkas som effekt av ett ytterligare år av erfarenhet. Möjligtvis skulle resultatet kunna peka på vikten av att hjälpa de individer som har svårt att komma in på arbetsmarknaden med att erbjuda någon typ av insats som ger individen arbetslivserfarenhet.
4.3 Modell med hänsyn tagen till interaktionsvariabler
Av nedanstående analys framgår att en individs färdigheter har större effekt på var i lönefördelningen hen befinner sig än på om hen har en sysselsättning eller inte. (Notera att storleken på koefficienterna inte är direkt jämförbara mellan de två beroende variablerna.
Storleken av färdigheternas sysselsättningseffekter ser överlag betydligt mindre ut än
