En kvantitativ studie om kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat Har kvinnor förändrade pendlingsmönster? UPPSATSER

(1)

UPPSATSER

Kulturgeografiska institutionen

Har kvinnor förändrade pendlingsmönster?

En kvantitativ studie om kvinnors pendlingsmönster har

påverkats av att deras utbildningsnivå ökat

Karin Svensson

Kurs: 2KU039: Uppsats STS - kulturgeografi, 15 hp Termin: VT2020

(2)

ABSTRACT

Svensson, K. 2020. Har kvinnor förändrade pendlingsmönster? En kvantitativ studie om kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat. Uppsatser Kulturgeografiska institutionen, Uppsala universitet.

Det finns en löneskillnad mellan kvinnor och män som tidigare till viss del förklarats med hänvisning till pendling, eftersom män pendlar i högre utsträckning än vad kvinnor gör. Idag har kvinnor en högre utbildningsnivå än män. Eftersom tidigare studier visar på ett samband mellan utbildning och pendling undersöker föreliggande studie antagandet att kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat. För att undersöka detta analyseras skillnader mellan mäns och kvinnors pendlingsmönster över både tid och rum, samt samband mellan utbildningsnivå och pendling. Detta görs genom en kvantitativ metod baserad på data över Sveriges befolkning. Resultatet visar på att kvinnors pendlingsmönster har förändrats, i många avseenden på andra sätt än mäns. Framförallt har pendlingsbenägenheten ökat mer för kvinnor än för män, vilket skulle kunna förklaras med kvinnors ökade utbildningsnivå, och går således i linje med det antagande som studien baseras på. Om det verkligen är så att förändringen beror på den ökade utbildningsnivån eller av andra anledningar är dock oklart, eftersom utbildningsnivå och pendling inte tycks ha det tydliga samband som tidigare sagts.

Keywords: Pendling. Utbildningsnivå. Genusskillnader. Spatiala data.

(3)

INNEHÅLLSFÖRTECKNING

1. INLEDNING ... 1

1.2 Syfte och frågeställningar ... 2

1.3 Avgränsningar ... 2

2. TEORI ... 3

2.1 Genus ... 3

2.2 Pendling ... 3

2.3 Arbeten inom reproduktion respektive produktion ... 5

3. TIDIGARE STUDIER ... 6

4. METOD ... 7

4.1 Kvantitativ metod ... 7

4.2 Analys av spatiala data ... 7

4.3 Datamaterial ... 8

4.4 Tillvägagångsätt i verktygen SPSS, Excel och ArcGIS ... 9

4.5 Datatillförlitligheten ... 9

4.6 Gränsdragning pendelavstånd ... 10

4.7 Gränsdragning inpendlingsorter ... 11

5. RESULTAT ... 12

5.1 Kvinnors benägenhet att pendla ... 12

5.2 Skillnader i pendlingsavstånd mellan pendlande män och kvinnor ... 17

5.3 Utbildningsnivås samband med pendling ... 21

6. DISKUSSION ... 26

7. AVSLUTNING ... 29

KÄLL- OCH LITTERATURFÖRTECKNING ... 30

(4)

1. INLEDNING

Enligt Statistiska centralbyrån (SCB) tjänar män mer än vad kvinnor gör. Jämförs kvinnors och mäns löner för år 2018 tjänar kvinnor i genomsnitt 89 procent av vad män tjänar, en löneskillnad på 11 procent. En del av denna skillnad menar SCB beror på att män och kvinnor jobbar i olika delar av arbetsmarknaden och har olika typer av utbildning. Tas hänsyn till detta, det vill säga görs en standardavvägning, erhålls resultatet att det ändå skiljer sig 5 procent mellan mäns och kvinnors löner. För den här skillnaden kan SCB inte hitta någon enkel förklaring (SCB, 2020). Denna löneskillnad har till viss del tidigare förklarats med hänvisning till pendling, då män pendlar i högre utsträckning än vad kvinnor gör (SCB, 2020). Anledningen är att pendling, genom att möjliggöra fler val på arbetsmarknaden, kan ses som en viktig del för att individer ska kunna göra karriär och avancera lönemässigt (Gil Solá, 2013, s. 1).

Ett ytterligare faktum är att högutbildade pendlar i högre utsträckning och längre sträckor än de med lägre utbildning (Jönsson & Scholten, 2010, s.17; Niedomysl & Malmberg, 2010, s.50). Det anses alltså finnas ett samband mellan pendling och utbildningsnivå. Idag har 49 procent av kvinnor mellan 25–64 år en postgymnasial utbildning, och motsvarande siffra för män är 38 procent. Betydligt fler kvinnor än män har följaktligen en postgymnasial utbildning. Jämförs dessa siffror med hur det såg ut för året 1990 är andelen 23 procent för kvinnor och 22 procent för män (SCB, 2020). Kvinnors utbildningsnivå är alltså högre, men löneskillnaderna kvarstår. Här väcks ett antal frågor. Kvinnors utbildningsnivå har ökat. En ökning som skiljer sig från mäns. Har detta påverkat kvinnors pendlingsmönster? Är sambandet mellan pendling och utbildningsnivå så tydligt som tidigare sagts? Utifrån dessa frågor formas det antagande som denna studie ämnar undersöka: att kvinnors utbildningsnivå har ökat på ett sätt som skiljer sig från mäns, och att denna utveckling har påverkat kvinnors pendlingsmönster. Denna studie ämnar undersöka detta i en svensk kontext, utifrån geografisk räckvidd på arbetsmarknaden. Detta görs med en kvantitativ undersökning av geografiska data, även benämnt som spatiala data. Jämförelser kommer att ske över tid, men också över rum. Tidsaspekten grundas i att jämförelser kommer att ske mellan åren 1990 och 2017. Den rumsliga aspekten baseras på att datasetet är geografisk kodat, vilket möjliggör jämförelser på en geografisk mer specifika nivå än Sverige som helhet. Detta möjliggör att undersöka om kvinnors pendlingsmönster utvecklats på olika sätt beroende på exempelvis om pendling sker till storstad eller landsbygd, men även om det finns tätorter som sticker ut från den generella utvecklingen i Sverige och vad det i så fall kan ha för betydelse.

(5)

påverkat kvinnors pendlingsmönster är även intressant för att pröva tidigare studier, att utbildningsnivå påverkar i vilken utsträckning pendling sker.

Flertalet tidigare studier har gjorts på ämnet pendling ur ett genusperspektiv, såväl med kvalitativa som kvantitativa metoder. Tidigare kvantitativa metoder tycks baserats på data från Sverige som helhet. Denna studie ämnar bidra med en ny bild inom detta relativt uppmärksammade område genom att undersöka pendlingsmönster på en geografisk mer specifik nivå. Relevansen för studien ges även av anledningen att testa antagandet att kvinnor har ett förändrat pendlingsmönster på grund av en ökad utbildningsnivå som skiljer sig från mäns. Detta är ett antagande som det förefaller inte ha gjorts några tidigare studier om. I och med att data från år 2017 används ger studien en relativt aktuell bild av detta.

1.2 Syfte och frågeställningar

Det övergripande syftet med studien är att undersöka om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. För att utreda detta undersöks skillnader mellan mäns och kvinnors pendlingsmönster, både över tid och rum. Vidare ämnas den generella utbildningsnivåns påverkan på pendling att undersökas, vilket kan användas för att förstå och förklara skillnader mellan mäns och kvinnors pendlingsmönster och anledningar till att kvinnor har, alternativt inte har, förändrade pendlingsmönster.

För att besvara syftet används följande frågeställningar: • Hur ser kvinnors pendlingsmönster ut jämfört med mäns?

• Finns variationer i skillnader mellan mäns och kvinnors pendlingsmönster beroende på tid och rum?

• Hur ser sambandet mellan utbildningsnivå och pendling ut?

1.3 Avgränsningar

(6)

2. TEORI

För att studiens problemformulering ska bli begripligt kommer här begreppet genus att presenteras. Teoriavsnittet innehåller även teori kring drivkrafter för pendling samt hur insikten om traditionellt kvinnliga och manliga arbeten och dess lokalisering kan användas i analysen kring pendling med ett genusperspektiv.

2.1 Genus

Skillnader mellan män och kvinnor som är i fokus för denna studie är skillnader mellan faktiskt pendling, baserat på kvantitativa data. Dessa skillnader finns av anledningar, som i denna studie antas vara socialt konstruerade, och därmed föränderliga. Detta är även utgångspunkten för begreppet genus. Genusteorier växte fram under 1980-talet, och syftar på de socialt konstruerade skillnaderna mellan kvinnor och män, relaterade till de biologiska skillnader som finns mellan könen, men inte könstillhörigheten i sig. Här skiljs alltså på det som är kvinna/man, det vill säga könstillhörigheten och det som är kvinnligt/manligt, det vill säga genus (Hirdman, 2003).

Begreppet genus kan användas i analysen av skillnader mellan mäns och kvinnors pendlingsmönster av anledningen att eventuella skillnader då antas vara föränderliga. Det är denna föränderlighet som gör att det finns ett syfte i att undersöka skillnaderna i pendling över tid.

2.2 Pendling

En individ påverkas på många olika sätt av pendling, exempelvis genom en högre inkomst och möjligheten att avancera karriärmässigt, men också konsekvenser såsom tidsåtgång (Öhman & Lindgren, 2003, s. 4). I följande avsnitt kommer drivkrafter bakom pendling att diskuteras. Öhman och Lindgren har tagit fram en teoretisk modell för att förstå drivkrafterna bakom långdistanspendling. De listar sju drivkrafter för långdistanspendling: Individuella egenskaper, hushållets sammansättning, sociala kontakter, bostadsmarknad, transportmedel, arbetsmarknad samt attityder och normer. (Öhman & Lindgren, 2003, s. 7)

(7)

Figur 2.1. En konceptuell modell över drivkrafterna bakom pendling. Översättning och modifiering av mig. Grundmaterial Öhman & Lindgren (2003).

Öhman och Lindgren menar att Individuella egenskaper som har betydelse är: ålder, kön, utbildningsnivå samt om individen är utrikes-född. Hushållets sammansättning, då en partner och eller hemmavarande barn leder till en mer komplicerad tillvaro att kombinera med pendling. Få människor flyttar till ställen där de inte känner någon, därför har sociala kontakter påverkan på valet att bo kvar på en plats med rikligt socialt nät, och därav välja att pendla istället för att flytta. Arbetsmarknaden ser olika ut för större städer kontra landsbygd. Större städer har en högre andel kvalificerade jobb, vilket enligt Öhman och Lindgren leder till att individer som har höga karriäranspråk attraheras till större städer. Arbeten inom exempelvis handel och omsorg finns däremot över hela landet. Bostadsmarknaden går hand i hand med arbetsmarknaden. På ställen där arbetsmarknaden är ”het”, är även bostadsmarknaden det, vilket kan leda till en avvägning för individen mellan närhet till arbete eller lägre bostadspriser. Vidare menar Öhman och Lindgren att närhet till goda alternativ för transportmedel är en viktig drivkraft för att pendla. Finns alternativ för pendlingen som är tids- och kostnadseffektiva ökar drivkraften att pendla. Sist men inte minst menar Öhman och Lindgren finns attityder och

normer kring pendling som påverkar en individs vilja att pendla. Dessa baseras på individens

livsstil och prioriteringar, men även vad som socialt anses som norm. Exempelvis vad som anses som rimlig tid att lägga på pendling, prestige kring att göra karriär eller vilken hemmamiljö som anses passande att uppfostra barn i. (Öhman & Lindgren, 2003, s. 7–10)

För denna studie kommer fokus ligga på individuella egenskaper (kön och utbildningsnivå), av anledningen att det är dessa faktorer som är intressant att studera utifrån studiens syfte. Eftersom geografiska jämförelser görs kan även sägas att faktorerna arbetsmarknad och bostadsmarknad till viss del berörs. Modellen används dels som bakgrund till studiens syfte då den förklarar att kön och utbildningsnivå faktiskt har betydelse för

(8)

pendling, och av detta ges ett värde i att studera dessa. Dessutom visar teorin att pendling anses möjliggöra högre inkomst och möjlighet att avancera karriärmässigt, vilket är det faktum som studiens problemformulering bygger på.

2.3 Arbeten inom reproduktion respektive produktion

Nedan följer resonemang kring skillnader mellan mäns och kvinnors arbeten. Dagens samhälle har en arbetsuppdelning mellan kvinnor och män, vilket är viktig att förstå för att kunna analysera skillnader i pendlingsmönster. Traditionellt sett har kvinnor haft ett större ansvar för hem och familj medan män dominerat både politik och arbetsliv. För att undvika att använda begrepp om vad som traditionellt sett varit manligt respektive kvinnligt introduceras här begreppen reproduktion och produktion. (Larsson & Jalakas, 2014, s. 47)

Reproduktion är en term som innefattar framförallt obetalt arbete, men även betalt arbete, i form av exempelvis arbete inom vård och skola (Larsson & Jalakas, 2014, s. 47–48). En stor del av dessa arbetsuppgifter har flyttat ut i det offentliga rummet från att tidigare främst ha skötts i hemmet, exempelvis barnomsorg och äldrevård (Gil Solá, 2013, s. 53). Termen produktion är kopplat till lönearbete, främst framställande av varor och tjänster. Dessa begrepp, reproduktion och produktion, knyter inte an till kvinnor och män men lyfter ändå fram olika erfarenhetsvärldar (Larsson & Jalakas, 2014, s. 48).

(9)

3. TIDIGARE STUDIER

Ett flertal studier har tidigare gjorts på ämnet pendling ur ett genusperspektiv. För syftet till denna studie finns värde i att lyfta fram studier som förklarar skillnader mellan kvinnors och mäns pendling. Syftet för denna studie är dock inte att undersöka förklaringarna i sig, utan att visa på eventuella skillnader i pendlingsmönster. Anledningen att presentera dessa är därför att de kan användas för att förstå och diskutera studiens resultat.

En förklaring som MacDonald lyfter fram som antas förklara skillnader mellan kvinnors och mäns pendling är att kvinnor tjänar mindre (MacDonald, 1999). Kvinnors lägre löner är en aspekt som även Gil Solá menar kan förklara detta (Gil Solá, 2013, s. 23). Också Sandow och Westin lyfter socioekonomiska och demografiska faktorer, till exempel inkomst, utbildning och yrkesstatus, eftersom män generellt sett har en högre inkomst, och studier har visat på ett samband mellan hög inkomst och längre pendling (Sandow & Westin, 2006, s.31–32).

Sandow och Westin, Gil Solá och MacDonald menar att det finns förklaringar i sociala roller som resulterar i att kvinnor tar ett större ansvar för arbetsuppgifter i hemmet. Att kvinnor har ett större hushållsansvar och är mer bundna till hemmet antas leda till skillnader mellan kvinnors och mäns pendling. Här menar MacDonald även att kvinnans behov att koordinera rollerna som förälder och arbetstagare spelar in, vilket är ett dilemma som påverkar kvinnor i högre grad än män. Kulturella förklaringar, att rörlighet är närmare förknippat med manlighet medan kvinnlighet associeras med platsbundenhet i högre grad är även det en förklaring till skillnader i pendlingsmönster (Sandow & Westin, 2006, s.31–32; Gil Solá, 2013, s. 23; MacDonald, 1999).

MacDonald menar att pendlingsmönster även påverkas av en spatial missanpassning mellan bostadsområden och jobbmöjligheter, vilket är något som påverkar såväl kvinnor som män, men som kan spela en roll för hur skillnader i pendlingsvanor mellan män och kvinnor ter sig (MacDonald, 1999).

Sandow och Westin menar vidare att en anledning till pendlingsskillnader mellan män och kvinnor kan vara en konsekvens av en uppdelad arbetsmarknad (Sandow & Westin, 2006, s.31– 32). Detta anser Gil Solá och MacDonald får konsekvenser, då arbetsplatsers lokaliseringsmönster skiljer sig mellan kvinnor och män eftersom de reproduktiva arbetsplatserna är mer utspridda geografiskt än vad arbetsplatser inom produktion är (Gil Solá, 2013, s. 23; MacDonald, 1999).

(10)

4. METOD

I detta kapitel kommer val av metod presenteras och motiveras. Vad användning av kvantitativ metod och framförallt spatiala data möjliggör för typ av analys presenteras, en beskrivning av datamaterialet och beskrivning av tillvägagångsätt i de använda verktygen ges, samt resonemang kring datatillförlitlighet och gränsdragningar.

Studien har genomförts med en kvantitativ metod baserad på spatiala data. Utöver den kvantitativa metoden förs en litteraturgenomgång. Genom att komplettera den kvantitativa analysen med teorier och tidigare studier ämnas en trovärdig diskussion av studiens resultat föras.

4.1 Kvantitativ metod

Enligt Holme och Solvang möjliggör en kvantitativ metod statistiska generaliseringar, det vill säga att med en viss säkerhet kunna uttala sig kring mönster kring ett visst fenomen, genom att en tvärsnittsinformation erhålls. En kvantitativ metod karakteriseras av strukturering, till exempel genom att standardisera upplägget för undersökningen. Styrkan i en kvantitativ metod ligger till stor del i att detta tillvägagångsätt möjliggör generalisering. Svagheten ligger i att det inte garanteras att den information som fås fram kommer att kunna besvara undersökningens frågeställning, till exempel om vi inte fått med rätt information i datainsamlingen. En annan svaghet med en kvantitativ metod är att nyanser och flexibilitet i data är begränsat. (Holme & Solvang, 1997)

En kvantitativ metod bygger historiskt sett kring ett ideal om en objektiv och förutsättningslös vetenskap, ett ideal som härstammar från naturvetenskapen (Comte, 1844). I och med att det är en objektiv bild som denna studie ämnar bidra med, och inte en studie över åsikter eller upplevelser, är därför en kvantitativ studie ett givet val. Dock bör slutsatser och tolkningar med försiktighet dras från en undersökning som baseras på siffror. Bara för att ett fenomen kan beskrivas med siffror, innebär det inte att detta är den objektiva sanningen. Anledningen lyder att en kvantitativ studie inte är förutsättningslös. Tvärtom så bygger, likt en kvalitativ studie, även en kvantitativ studie på att forskaren utgår från förutsättningar och gör val, både i hur data samlas in men även till exempel i vilka data som analyseras. Dessutom kan siffror framställas på olika sätt genom att tas ur sammanhang eller sättas i kontext till andra siffor, vilket kan ge stora skillnader för hur siffrorna tolkas. (Holme & Solvang, 1997)

4.2 Analys av spatiala data

Med spatiala data menas data som är kopplad till en geografisk plats. Allting som händer sker givetvis på en plats, men i många fall, som för till exempel viss typ av experimentell forskning, är platsen inte av vikt för resultatet. I dessa fall läggs då sällan information om geografisk plats in i exempelvis en databas. För många sociala processer har däremot platsen betydelse, och det är av denna anledning en spatial analys kan vara av värde (Haining, 2003, s. 15–16). Enligt Tobler grundas detta i att ”everything is related to everything else, but near things are more

related than distant things”, vilket benämns som Tobler’s First Law of Geography. Detta

(11)

Eftersom datamaterialet för denna studie är geografiskt kodat, möjliggörs en spatial analys. För att hantera spatiala data används i de flesta fall analysverktyget Geografiskt informationssystem (GIS). GIS är ett verktyg som integrerar geografisk information till en samlad modell, där sedan analyser kan genomföras för att till exempel se samband mellan företeelser utifrån dess geografiska plats (Grigonis m.fl. 2011).

4.3 Datamaterial

Datamaterialet som använts kommer från Statistiska centralbyrån (SCB). SCB är en av Sveriges ansvariga statistikmyndigheter, och ansvarar för officiell statistik och annan statlig statistik. SCB ska, på uppdrag av riksdagen, förse kunder med statistik av god kvalitet. Statistiken ska kunna användas som underlag för beslutsfattande, debatt och forskning (SCB, 2020). Med tanke på SCB:s ställning kan trovärdigheten för myndigheten anses vara hög och risken att datamaterialet skulle vara manipulerat är därför liten.

Datamaterialet består av tre dataset, innehållande data från 1990, 2004 respektive 2017. Dataseten innehåller datapunkter aggregerade till boende, baserat på folkbokföring, per kvadratkilometer. För varje kvadratkilometerruta anges antalet individer som har en arbetsplats i en viss tätort, alternativt arbetsplats på landsbygd. SCB definierar en tätort som en sammanhängande bebyggelse med minst 200 invånare (SCB, 2020). För att illustrera följer ett anonymiserat utklipp ur datasetet.

Koordinater ost (km) Koordinater nord (km) Tätort Antal förvärvsarbetare

XXXX YYYY 1 XXXX YYYY A 1 XXXX YYYY B 1 XXXX YYYY C 1 XXXX YYYY D 3 Tabell 4.1. Exempeldata

Exemplet i tabell 4.1 visar data för samma kvadratkilometerruta, närmare bestämt med koordinaterna XXXX km ost och YYYY km nord. Tabellextraktet visar hur många av kilometerrutans invånare som har sin arbetsplats i respektive tätort. Av de boende i denna kvadratkilometerruta är det alltså totalt 7 stycken som är förvärvsarbetare, 3 individer har sin arbetsplats i tätort D, 1 individ i tätort A, B respektive C samt 1 individ som har sin arbetsplats registrerad utanför vad som SCB klassar som tätort, det vill säga landsbygden. Registrerad arbetsplats på landsbygd visar alltså tomt i fältet Tätort. För att sammanfatta detta: varje rad i datasetet innefattar personer som bor i samma kvadratkilometerruta och jobbar i samma tätort. Utöver det totala antal individer som förvärvsarbetar i respektive tätort finns kolumner som anger egenskaper hos individerna per rad. Exempelvis kön och utbildningsnivå.

(12)

lyfts fram har kvinnliga pendlingsmönster som sticker ut från det generella resultatet. Hade dessa orters kvinnliga pendlares utbildningsnivå kunnat undersökas hade en rumslig dimension adderats som troligen hade kunnat stärka det empiriska resultat som denna studie visar.

4.4 Tillvägagångsätt i verktygen SPSS, Excel och ArcGIS

De verktyg som använts för att hantera och analysera datamaterialet för denna studie är SPSS, Excel och ArcGIS. SPSS är ett datorprogram för statistisk analys. Datamaterialet var ursprungligen på det format som detta program hanterar, och det var därför i detta program som den första hanteringen av datamaterialet gjordes. I SPSS utfördes filtrering för att ta ut dataset över vilka som enligt studiens kriterier klassas som pendlare.

Sedan användes GIS-programmet ArcGIS 10.4.1, utvecklat av Esri, för att utforska dataseten. Det var dock i verktyget Excel som dataanalysen genomfördes. I Excel användes pivottabeller för att aggregera datapunkter till tätorter, för att utifrån detta kunna göra indelningar för inpendlingsorter. Anledningen till att resultatet valdes att presenteras med tabeller gjorda i Excel, istället för visualiseringar i form av kartor framställda i ArcGIS, var att resultatet anses presenteras på ett tydligare och mer lättförståeligt sätt.

4.5 Datatillförlitligheten

Datamaterialet som använts i analysen lämpar sig väl för studiens syfte. Det är dock ett antal aspekter kring datatillförlitligheten som bör nämnas. Pendlingsavstånd baseras på folkbokförings- till arbetsställefastighetens respektive mittpunkt med en upplösning på 100 meter. Detta är ett euklidiskt avstånd, vilket alltså inte beskriver tidsåtgång, färdsätt eller faktiskt pendlingsavstånd som en individ färdats till sin arbetsplats. Tidigare studier visar på att individen bryr sig mer och den tid som spenderas på pendling än det faktiska avståndet (Öhman & Lindgren, 2003, s.11). Färdsätt eller tidsåtgång är tyvärr inte inkluderat i denna studie, på grund av avsaknad av sådan data och den begränsade omfattningen av studien. Utifrån det euklidiskt uträknade avståndet beräknas ett medelpendlingsavstånd för individerna inom en viss kvadratkilometerruta till en viss tätort. Det har givetvis betydelse att det är just ett medelavstånd för boende inom en viss kvadratkilometerruta, även om rutor om kvadratkilometer i detta sammanhang är ett geografiskt noggrant mått, säger det av sig själv att en felmarginal bör beaktas. För pendling till tätorter är detta av ringa betydelse, då skillnaden mellan de olika individernas pendlingsavstånd i regel är plus minus några hundra meter. Desto mer problematiskt är detta för pendlingsavstånd till landsbygd. Pendling till landsbygd kan innebära pendling till nära landsbygd, likväl som landsbygd i någon helt annan del av landet. Därför blir detta ett medelpendlingsavstånd med betoning på medel, och inga analyser bör göras utifrån detta avstånd.

Problematik finns även kring just folkbokföring. Tidigare studier har visat på brister i denna data, av flera olika anledningar. Ett exempel är att unga vuxna i allt högre grad verkar vara skrivna i sina föräldrahem på andra orter trots att de flyttat till större städer (Öhman & Lindgren, 2003, s.20).

(13)

och ha en registrerad arbetsplats i olika kommuner (SCB, 2020). Det är även på detta sätt som många tidigare studier definierat pendling. Här menar Amcoff att en analys baserad på kommuner som minsta geografisk byggsten inte ger en bra bild av pendlingens utsträckning, eftersom kommungränser är godtyckliga och konstruerade för helt andra ändamål än att studera pendling (Amcoff, 2008, s.77–82).

4.6 Gränsdragning pendelavstånd

Trots flera tidigare studier gjorda på pendling finns ingen entydig definition för vad som definierar en pendlare. Eftersom denna undersökning baseras på avstånd krävs en gränsdragning gällande avstånd för vad som ska räknas som pendling. Detta är inte trivialt, eftersom det är stor skillnad i hur långt en individ tar sig på en viss tid beroende på färd i stad eller landsbygd. Att göra en gränsdragning för vad som anses som pendling är därför godtyckligt (Gil Solá, 2013, s. 79–80), och argumenten för att inte göra en gränsdragning är kraftiga. Detta har tagits i beaktning. För studiens syfte anses dock en gränsdragning nödvändig. Anledningen för en undre gränsdragning är att visa på skillnader mellan män och kvinnor för de som faktiskt pendlar, och inte skillnader i avstånd till arbetsplats generellt. Detta baseras på studiens syfte, att undersöka skillnader i pendlingsmönster och inte skillnader i generella rörelsemönster till arbetsplatser. Av denna anledning har en gränsdragning för ett minimumavstånd valts. Avståndet valdes till 20 km, vilket är valt för att spegla en resa som från dörr till dörr kan tänkas ta cirka 30–45 minuter, och är således en betydande investering i tid. 20 km är ett avstånd som de flesta inte anser som gång eller cykelavstånd, utan ett färdmedel som bil eller kollektivtrafik kan antas användas, och är således en betydande investering även i pengar. Eftersom pendling kan inbegripa en betydande investering i tid och pengar klassas alltså ett avstånd på över 20 km enligt denna studie som pendling.

Det är önskvärt att skilja mellan dagspendling och veckopendling eftersom de påverkar vardagen på olika sätt (Gil Solá, 2013, s. 80). Syftet för denna studie är att undersöka daglig pendling, och att exkludera resor som bedöms som orimligt långa att genomföras i vardagen anses därför motiverat. Även här är en gränsdragning godtycklig, men anses alltså vara nödvändig för att spegla studiens syfte. Öhman och Lindgren, som studerar långdistanspendling väljer en undre gräns till 200 km. Denna gränsdragning baseras på resonemanget att det kan antas rimligt att pendla upp till 200 km på daglig basis. Gränsen var avsiktligen satt hög för att skilja på dags- och veckopendling (Öhman & Lindgren, 2003, s.12). Öhman och Lindgrens studie används som stöd för att för denna studie sätta den övre gränsen till 200 km.

(14)

4.7 Gränsdragning inpendlingsorter

Utöver gränsdragningen för vilka som anses som pendlare används i dataanalysen en gränsdragning för inpendlingsorter, för att möjliggöra analys för skillnader i pendling utifrån storlek på inpendlingsort. Detta görs för att kunna se eventuella mönster för skillnader i mäns och kvinnors pendling mellan exempelvis landsbygd eller stora inpendlingsregioner. Gränsdragningen baseras i grunden på antal inpendlare år 2004, med undantag för kategorin landsbygd. I kategorin landsbygd hamnar de som pendlar till en arbetsplats som inte ligger i en tätort, det vill säga inte har en tätortskod. I kategorin liten inpendlingsort hamnar de pendlare som har en arbetsplats i en tätort som har färre än 1000 inpendlare år 2004. För medelstor inpendlingsort är denna siffra mellan 1000 och 10 000 inpendlare år 2004 och för stor inpendlingsort är siffran över 10 000 inpendlare år 2004. Gränserna 1000 och 10 000 valdes utifrån en metod av testning. Olika gränsdragningar testades för att ta fram listor av vilka tätorter detta resulterade i. De valda gränserna anses spegla vad kan tänkas motsvara små tätorter, medelstora städer och storstäder. För att möjliggöra jämförelser mellan årtalen valdes att basera gränsdragningen för årtalet 2004 på samtliga år. Anledningen är att om en gränsdragning endast görs utifrån antal inpendlare för respektive år skiljer sig det mellan åren för vilka tätorter som hamnar inom respektive kategori. Exempelvis hamnar 4 tätorter inom kategorin stor inpendlingsort 1990, 10 stycken 2004 och 14 stycken 2017. Detta beror på det generellt sett ökade antalet pendlare, vilket inte bara påverkar kategorin stor inpendlingsort, utan samtliga kategorier.

Gränsdragningen gjordes alltså genom att ta ut kategorierna för år 2004 utifrån antal inpendlare för att sedan välja ut samma tätorter för 1990 och 2017. Urvalet för stora och medelstora inpendlingsorter är identiskt mellan åren. För kategorin liten inpendlingsort skiljer sig urvalet något, eftersom exakt samma tätorter inte förekommer i dataseten alla årtal. Denna skillnad beror på att vissa av tätorterna som inkluderas vissa årtal är så små att de inte definieras som tätorter övriga årtal. Det betyder alltså att ett antal mycket små tätorter med få (oftast 1) inpendlare inte inkluderas i urvalet för åren 1990 och 2017 eftersom de då inte heller finns med i urvalet år 2004. Eftersom detta gäller ett fåtal mycket små tätorter anses det inte påverka resultatet.

(15)

5. RESULTAT

I detta kapitel presenteras den empiriska delen av studien vilket görs genom att presentera tabeller samt skriftliga beskrivningar av dessa. Kommentarer görs löpande genom kapitlet, medan resultatet sätts i sin kontext först i nästa kapitel, diskussionen. Undersökningen kring skillnader i pendlingsmönster förs utifrån dels benägenheten att pendla, dels hur långt kvinnor respektive män är benägen att pendla. Dessutom undersöks samband mellan utbildningsnivå och pendling, vilket kan användas för att förklara varför resultatet som presenteras går i linje eller inte går i linje med det antagandet om kvinnors eventuellt förändrade pendlingsmönster, samt vilken roll den ökade utbildningsnivån har.

5.1 Kvinnors benägenhet att pendla

Resultatet av dataanalysen bekräftar det faktum som presenterats i inledningen, att färre kvinnor än män pendlar. I tabell 5.1 presenteras en aspekt av förändringen i mäns och kvinnors pendlingsmönster mellan åren 1990 till 2017. Här jämförs det totala antalet individer som förvärvsarbetar med antalet som enligt studiens kriterier klassas som pendlare. Vad som presenteras är således något som kommer att benämnas som pendlingsbenägenhet. Tabell 5.1 visar på att den generella pendlingsbenägenheten har ökat. Vad som vidare kan utläsas är att kvinnors benägenhet att pendla ökat från 18,8 % till 22,1 % mellan åren 1990 och 2017, vilket är en ökning med 3,3 procentenheter. Motsvarande ökning för män är från 23,0 % till 26,5 %, vilket är en ökning med 3,5 procentenheter. Andelen kvinnor som pendlar har alltså ökat, men utmärker sig inte i detta avseende från andelen för män. Med andra ord har pendlingsbenägenheten ökat för såväl kvinnor som män. I detta fall kan dock antal procentenheter vara något missvisande, eftersom andelen kvinnor är betydligt lägre än andelen män. Därför beräknades även den procentuella förändringen. Vad som kan utläsas från tabell 5.1 är att den procentuella förändringen är 18 % för kvinnor och 15 % för män. Kvinnors pendlingsbenägenhet har alltså procentuellt sett ökat mer än mäns.

Förvärvsarbetare 1990 2004 2017 Totalt 5 053 446 4 998 464 5 712 774 Män 2 628 759 2 586 845 2 960 361 Kvinnor 2 424 687 2 411 618 2 752 400 Varav pendlare Totalt 1 061 950 1 125 594 1 394 386 Män 605 111 637 759 784 828 Kvinnor 456 839 487 835 609 558 Andel pendlare Totalt 21,0 % 22,5 % 24,4 % Män 23,0 % 24,7 % 26,5 % (+15 %) Kvinnor 18,8 % 20,2 % 22,1 % (+18 %)

(16)

Hur ser pendlingsbenägenheten ut för män respektive kvinnor om en uppdelning görs utifrån storlek på inpendlingsort? Med andra ord, finns det några rumsliga skillnader i mäns och kvinnors pendlingsmönster? Tabell 5.2 presenterar denna undersökning uppdelat för landsbygd, liten inpendlingsort, medelstor inpendlingsort samt stor inpendlingsort. Ett mönster som återfinns i tabell 5.2 är att andelen kvinnor som pendlar till liten, medel och stor inpendlingsort är lägre än andelen män, men högre för pendling till arbetsplats på landsbygden. Detta visar på att det finns en skillnad i pendlingsmönster mellan kvinnor och män, då kvinnor har en större benägenhet att pendla till landsbygden än till större inpendlingsorter än vad män har. Detta faktum ter sig på liknande sätt över åren, så någon större förändring över tid finns inte. Här bör nämnas att det är en stor andel av de som har sin arbetsplats på landsbygden som uppfyller de kriterier som enligt studien gör att de klassas som pendlare, det vill säga har mellan 20–200 km till sin arbetsplats. Detta är i sig inget förvånande, många som pendlar till landsbygden kommer lätt upp i de 20 km som gör att de klassas som pendlare. Därför bör denna procentsats inte jämföras med de andra inpendlingsorterna storleksmässigt. Att det är en högre andel kvinnor än andel män har dock inte med storleken på andelen att göra.

År 2017 bör det finnas en betydande större pendlingsbenägenhet för kvinnor som pendlar till kategorin stor inpendlingsort än 1990. Detta grundar sig i det faktum som flera tidigare studier visat på, att yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003), samt det faktum som presenterats i inledningen, att kvinnor idag har en högre utbildningsnivå än män. Andelen kvinnor som pendlar till stora inpendlingsorter har enligt tabell 5.2 ökat från 10,3 % år 1990 till 13,5 % år 2017, det vill säga med 3,2 procentenheter. Beräknas den procentuella förändringen fås att kvinnors pendlingsbenägenhet till stora inpendlingsorter har ökat med 31 %. Motsvarande ökning för män är från 15,1 % år 1990 till 17,5 % år 2017, det vill säga 2,4 procentenheter. Den procentuella förändringen är 16 %. Här kan alltså konstateras att pendlingsbenägenheten till stora inpendlingsorter är lägre hos kvinnor än hos män, men att en skillnad finns gällande den procentuella förändringen eftersom kvinnors pendlingsbenägenhet till stora inpendlingsorter har ökat mer än mäns mellan åren 1990 till 2017.

(17)

1990 Landsbygd Liten Medel Stor Totalt 1 348 588 1 078 426 1 336 909 1 403 893 Män 763 913 532 600 674 551 715 206 Kvinnor 584 675 545 826 662 358 688 687 Varav pendlare Totalt 598 118 107 477 177 059 178 859 Män 324 891 65 248 106 366 108 228 Kvinnor 273 227 42 229 70 693 70 631 Andel pendlare Totalt 44,4 % 10,0 % 13,2 % 12,7 % Män 42,5 % 12,3 % 15,8 % 15,1 % Kvinnor 46,7 % 7,7 % 10,7 % 10,3 %

2004 Landsbygd Liten Medel Stor

Totalt 979 235 1 020 282 1 351 813 1 645 463 Män 553 585 504 093 683 449 844 712 Kvinnor 425 650 516 188 668 364 800 751 Varav pendlare Totalt 496 470 155 757 230 737 242 630 Män 268 774 92 274 133 193 143 518 Kvinnor 227 696 63 483 97 544 99 112 Andel pendlare Totalt 50,7 % 15,3 % 17,1 % 14,7 % Män 48,6 % 18,3 % 19,5 % 17,0 % Kvinnor 53,5 % 12,3 % 14,6 % 12,4 %

Totalt 1 000 835 1 101 109 1 526 510 2 080 515 Män 572 279 554 313 765 632 1 065 943 Kvinnor 428 554 546 793 760 877 1 014 565 Varav pendlare Totalt 555 587 211 600 303 026 323 740 Män 307 268 123 585 167 144 186 538 Kvinnor 248 319 88 015 135 882 137 202 Andel pendlare Totalt 55,5 % 19,2 % 19,9 % 15,6 % Män 53,7 % (+26 %) 22,3 % (+81 %) 21,8 % (+38 %) 17,5 % (+16 %) Kvinnor 57,9 % (+24 %) 16,1 % (+109 %) 17,9 % (+67 %) 13,5 % (+31 %)

(18)

5.1.1 Andel kvinnor som pendlar till några specifika inpendlingsorter

För att dyka ner på ännu mer geografisk detaljerad nivå följer här data för några specifika tätorter. En jämförelse mellan specifika tätorter kan visa på geografiska skillnader i andel inpendlare som grundar sig i specifika karaktärsdrag hos vissa tätorter, och är något som kan användas för att förklara och förstå skillnader i pendlingsmönster mellan kvinnor och män. Resultatet i detta avsnitt presenteras som en del av undersökningen hur pendlingsmönster skiljer sig mellan män och kvinnor beroende på de rumsliga förutsättningarna. Dessa tätorter presenteras även som en del i undersökningen om det finns platser som avviker från det generella resultatet i avsnitt 5.1. Exempelvis: finns platser som avviker, där kvinnors pendlingsbenägenhet är större än mäns? Baserat på studiens syfte är det extra intressant att undersöka: Finns det platser där kvinnors pendlingsbenägenhet är lägre år 2017 än 1990 trots den generellt sett ökade utbildningsnivån? Eftersom SCB:s definition av tätorter inkluderar mycket små tätorter valdes här att först filtrera bort inpendlingsorter med färre än 1000 inpendlare. Anledningen är att detta ger en statistisk trovärdigare undersökning, eftersom det visar på generella mönster istället för enstaka slumpfall. Detta motsvarar att undersöka medelstora och stora inpendlingsorterna.

Tabell 5.3 presenterar kontentan av undersökningen om det finns platser där kvinnors pendlingsbenägenhet är större än mäns, och på det sättet avviker från det generella mönstret. År 1990 finns två tätorter som kvinnor har en högre benägenhet att pendla till än vad män har. År 2017 finns fem tätorter som uppfyller detta. En första iakttagelse är att det är endast är två respektive fem av de 112 tätorter som år 2017 har fler än 1000 inpendlare i Sverige där kvinnor har en högre pendlingsbenägenhet. Vad som är generellt sett kan sägas om dessa tätorter är att de kan klassas som små till medelstora städer och rimligtvis har de arbetstillfällen som attraherar kvinnor. Någon utförlig undersökning har inte gjorts kring detta, men ett sannolikt scenario är att det är tätorter som erbjuder många arbetstillfällen inom den reproduktiva kategorin av arbeten, det vill säga exempelvis inom vård och omsorg. Såsom att Falun har Dalarnas största sjukhus, och att Eksjö har ett av de största länsdelssjukhusen i Sverige.

1990 Inpendlingsort Kvinnors pendlingsbenägenhet Mäns pendlingsbenägenhet

Ljungby 18,3 % 13,5 %

Eksjö 17,6 % 16,3 %

2017 Inpendlingsort Kvinnors pendlingsbenägenhet Mäns pendlingsbenägenhet

Bollnäs 17,5 % 16,7 %

Västervik 14,0 % 13,5 %

Falun 20,2 % 19,9 %

Eksjö 26,5 % 26,4 %

Borås 22,2 % 22,1 %

(19)

Vidare undersöks om det finns platser där kvinnors pendlingsbenägenhet är lägre år 2017 än 1990 trots den generellt sett ökade utbildningsnivån. En sammanfattning av denna undersökning presenteras i tabell 5.4. Tabellen listar de tio tätorter med lägst förändring i kvinnors pendlingsbenägenhet mellan åren 1990 och 2017. En iakttagelse från tabell 5.4 är att det bara är en tätort där kvinnors pendlingsbenägenhet har minskat mellan åren 1990 till 2017, vilken är Ljungby. I alla övriga tätorter har den kvinnliga pendlingsbenägenheten ökat. Jämförs detta med förändringen av mäns pendlingsbenägenhet finns fem tätorter där mäns pendlingsbenägenhet har minskat, vilka är Östersund, Umeå, Luleå, Sundsvall och Söderhamn. En ytterligare observation från tabell 5.4 är att Sveriges två största städer förekommer på listan. Utifrån att kvinnors utbildningsnivå har ökat, och att yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003) bör som nämnts den mest utmärkande förändringen för kvinnors pendlingsbenägenhet vara för stora städer. Resultatet i tabell 5.4 går således inte i linje med detta antagande. Här bör nämnas att pendlingsbenägenheten för män har ökat med 1,0 % för Stockholm och 1,7 % för Göteborg. Den kvinnliga pendlingsbenägenheten har således ökat mer än mäns, även om den inte har förändrats i den utsträckning som förväntats utifrån vad som tidigare sagts kring utbildning och pendling.

Inpendlingsort Kvinnors pend. ben. 1990 Kvinnors pend. ben. 2017 Förändring

Ljungby 18,3 % 16,6 % -1,8 % Umeå 12,3 % 12,5 % 0,2 % Östersund 11,8 % 13,1 % 1,3 % Stockholm 8,7 % 10,3 % 1,6 % Örnsköldsvik 9,5 % 11,4 % 1,9 % Växjö 17,0 % 19,1 % 2,1 % Göteborg 11,0 % 13,5 % 2,6 % Piteå 5,3 % 8,0 % 2,6 % Skellefteå 7,8 % 10,4 % 2,6 % Kalmar 14,7 % 17,4 % 2,7 %

Tabell 5.4. De 10 tätorter med lägst förändring i kvinnors pendlingsbenägenhet mellan åren 1990 och 2017.

5.1.2 Sammanfattning kvinnors benägenhet att pendla

(20)

inpendlingsort. Resultatet visar på att så inte är fallet, då pendlingsbenägenheten ökat mer för både liten och medelstor inpendlingsort. Resultatet visar även på att våra två största städer hamnar på listan över de tio tätorter som har lägst förändring för kvinnors pendlingsbenägenhet, vilket inte förväntats utifrån vad som tidigare sagts kring utbildning och pendling. Detta antyder att utbildningsnivå inte tycks spela den roll på pendlingsbenägenhet som sagts.

5.2 Skillnader i pendlingsavstånd mellan pendlande män och kvinnor

Vidare undersöks hur det genomsnittliga avstånd som pendlas, vidare benämnt som pendlingsavstånd, skiljer sig mellan kvinnor och män bland de som enligt studiens kriterier pendlar. Med andra ord undersöks hur långt geografiskt sett kvinnor respektive män når på arbetsmarknaden, presenterat i tabell 5.5. Anledningen att undersöka pendlingsavstånd grundar sig i att det inte bara är pendlingsbenägenhet som presenterats i avsnitt 5.1 som utgör skillnader i mäns och kvinnors pendlingsmönster, utan även hur långt de faktiskt når på arbetsmarknaden. En iakttagelse från tabell 5.5 är att det finns en skillnad mellan pendlingsavstånd för män och kvinnor där män pendlar längre än vad kvinnor gör. 1990 var denna skillnad 4,1 km, 2004 var den 2,7 km och 2017 var den 2,8 km. Det är alltså så att även bland de som pendlar så pendlar män längre. En stor förändring skedde mellan 1990 och 2014, där skillnaden mellan män och kvinnor minskade med 1,4 km. Mellan åren 2004 och 2017 är förändringen liten.

1990 2004 2017

Generellt 46,0 50,8 48,9

Män 47,4 51,7 50,1

Kvinnor 43,3 49,0 47,3

Skillnad 4,1 2,7 2,8

Tabell 5.5. Pendlingsavstånd (kilometer) för pendlare generellt, för pendlande män och för pendlande kvinnor samt skillnaden mellan pendlingsavståndet för män och kvinnor.

Skillnad mellan mäns och kvinnors pendlingsavstånd om en uppdelning görs utifrån storlek på inpendlingsort presenteras i tabell 5.6, uppdelat för liten inpendlingsort, medelstor inpendlingsort samt stor inpendlingsort. Som nämnt i metodavsnittet bör inga analyser göras av pendlingsavståndet för landsbygden, eftersom pendlingsavstånd i det fallet inte kan beräknas på ett korrekt sätt. Dessa data har därför exkluderats från tabellen. Ett mönster från tabell 5.6 är att skillnaden i pendlingsavstånd mellan män och kvinnor är ungefär lika stor för kategorierna liten, medel och stor inpendlingsort. Det verkar således som att det inte finns några större rumsliga skillnader på skillnad mellan mäns och kvinnors pendlingsavstånd baserat på en uppdelning som görs utifrån storlek på inpendlingsort.

(21)

visar på att så är fallet. Kvinnors pendlingsavstånd har ökat för stora inpendlingsorter från 45,3 km till 47,3 km och för medelstora inpendlingsorter från 43,7 till 46,3 km. För kategorin liten inpendlingsort har avståndet minskat från 43,3 km till 42,4 km. Detta resultat visar således att kvinnor är benägna att pendla längre till större tätorter. En ytterligare iakttagelse är att mäns benägenhet att pendla längre till stora inpendlingsorter har ökat mer än kvinnors, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 från 3,5 km till 4,1 km. Detta antyder att utbildningsnivå inte tycks spela den roll på hur långt man är benägen att pendla som tidigare sagts.

1990 Liten Medel Stor

Totalt 45,5 47,3 47,5

Män 46,9 49,7 48,9

Kvinnor 43,3 43,7 45,3

Totalt 46,2 49,1 49,5

Män 47,6 51,0 51,1

Kvinnor 44,2 46,5 47,1

Totalt 45,0 48,5 49,7

Män 46,8 50,3 51,5

Kvinnor 42,4 46,3 47,3

Tabell 5.6. Pendlingsavstånd (kilometer) för respektive kategori av inpendlingsort för pendlare generellt, för pendlande män och för pendlande kvinnor samt skillnad i pendlingsavstånd för män och kvinnor.

5.2.1 Skillnader i pendlingsavstånd mellan män och kvinnor för några specifika inpendlingsorter

(22)

än 1990 trots den generellt sett ökade utbildningsnivån. Även här har inpendlingsorter med färre än 1000 inpendlare filtrerats bort.

Tabell 5.7 presenterar kontentan från undersökningen om det finns några platser som avviker, där kvinnors pendlingsavstånd är längre än mäns. År 1990 finns sex tätorter som kvinnliga pendlare har ett längre pendlingsavstånd till än män har. År 2017 finns två tätorter som uppfyller detta kriterium. En första iakttagelse är att det, likt pendlingsbenägenheten, endast är sex respektive två av de 112 tätorter som år 2017 har fler än 1000 inpendlare i Sverige, där kvinnor har ett längre pendlingsavstånd än män. Trollhättan har utstickande stor skillnad år 1990. Vad den stora skillnaden beror på är oklar, och i omfattningen av denna studie har det ej gjort någon vidare undersökning i ämnet.

Dessa tätorter har följaktligen arbetstillfällen som attraherar kvinnor på det sätt att kvinnor kan tänka sig att pendla längre än vad män kan tänka sig. Ett intressant exempel är Älmhult, där den svenska verksamheten för IKEA är centrerad. Ikea har varuhus, centrallager, kontor, museum, kundservice, testlaboratorium, produktutveckling och framtagning av marknadsföringsmaterial på orten. Att Älmhult är en av två inpendlingsorter, dessutom med en relativt stor skillnad mellan mäns och kvinnors pendlingsavstånd år 2017 skulle kunna antyda att exempelvis produktutveckling och marknadsföring av möbler är yrken som kvinnor kan tänka sig att pendla längre till än män.

1990 Inpendlingsort Kvinnors pendlingsavstånd Mäns pendlingsavstånd Skillnad

Trollhättan 46,0 40,0 5,97 Halmstad 53,4 51,7 1,70 Olofström 30,6 29,3 1,28 Linköping 47,9 46,8 1,06 Visby 49,6 49,0 0,58 Skara 38,1 37,7 0,42

2017 Inpendlingsort Kvinnors pendlingsavstånd Mäns pendlingsavstånd Skillnad

Älmhult 68,0 64,9 3,1

Strängnäs 44,0 42,2 1,8

Tabell 5.7. Tätorter år 1990 respektive år 2017 där kvinnor har ett längre pendlingsavstånd (kilometer) än vad män har.

(23)

Kvinnor bör som nämnt ha en högre benägenhet år 2017 än år 1990 att pendla längre för arbetstillfällen i stora städer, på grund av den ökade utbildningsnivån och det faktum att stora städer erbjuder attraktiva arbetstillfällen för högutbildade (Öhman & Lindgren, 2003; Green, 1997). Av denna anledning undersöks de specifika fallen Stockholm och Göteborg. I avsnitt 5.1 visades att dessa städer hade en liten förändring i kvinnors pendlingsbenägenhet. Med avseende på pendlingsavstånd erhålls resultatet att för Stockholm har pendlingsavståndet ökat från 47,9 km 1990 till 51,6 km 2017. Detta är således en ökning på 3,7 km. För Göteborg är motsvarande siffor 45,4 km 1990 till 46,3 km 2017, det vill säga en ökning på 0,9 km. Sätts dessa siffror i relation till pendlingsavståndet för män erhålls för Stockholm en ökning på 3,2 km och för Göteborg en ökning på 3,6 km. Således kan konstateras att kvinnor visserligen har en högre benägenhet att pendla längre år 2017 än år 1990 till våra två största städer, men det har även män. Kvinnors pendlingsmönster sticker inte ut från mäns i detta avseende.

Inpendlingsort Kvinnors pendlingsavstånd 1990 Kvinnors pendlingsavstånd 2017 Föränding Finspång 44,0 33,5 -10,5 Lidingö 61,6 51,5 -10,1 Höganäs 48,8 38,9 -9,9 Staffanstorp 43,4 34,0 -9,4 Karlskoga 50,4 41,2 -9,2 Vetlanda 47,3 39,4 -7,9 Tranås 54,9 47,9 -7,0 Jordbro 43,0 36,2 -6,8 Trollhättan 46,0 40,1 -5,9 Mjölby 40,0 35,1 -4,9 … … … … Göteborg 45,4 46,3 0,9 Stockholm 47,9 51,6 3,7

Tabell 5.8. De 10 tätorter med störst negativ förändring för kvinnors pendlingsavstånd (kilometer) mellan åren 1990 och 2017 samt motsvarade siffror för de två specifika fallen Göteborg och Stockholm. 5.2.2 Sammanfattning skillnader i pendlingsavstånd mellan pendlande män och kvinnor

(24)

pendlingsavstånd baserat på en uppdelning som görs utifrån storlek på inpendlingsort. Utifrån kvinnors ökade utbildningsnivå samt vad som tidigare sagts kring utbildning och pendling bör den mest utmärkande förändringen för kvinnors benägenhet att pendla längre vara för kategorin stor inpendlingsort. Ett resultat som går i linje med detta är att kvinnors benägenhet att pendla länge till arbetstillfällen i stora städer har ökat mellan åren 1990 till 2017. Dock har mäns benägenhet att pendla till stora inpendlingsorter ökat mer, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 för stora städer. Om kvinnors förändrade pendlingsmönster kan förklaras av den ökade kvinnliga utbildningsnivån är således oklart.

5.3 Utbildningsnivås samband med pendling

(25)

Förvärvsarbetare 1990 2004 2017 Ej Pgy 3 372 009 3 296 362 3 305 225 Pgy 1 310 313 1 631 885 2 318 744 Varav pendlare Ej Pgy 675 519 726 299 837 693 Pgy 296 294 375 841 530 853 Andel pendlare Ej Pgy 20,0 % 22,0 % 25,3 % (+27 %) Pgy 22,6 % 23,0 % 22,9 % (+1%)

Tabell 5.9. Antal förvärvsarbetare samt pendlare med respektive utan postgymnasial utbildning. Tabellen visar även pendlingsbenägenhet för dessa två grupper.

Likt undersökningen för kvinnor respektive mäns pendlingsmönster är det inte bara pendlingsbenägenheten som påverkar skillnader i pendlingsmönster, utan även pendlingsavstånd är intressant att undersöka då detta speglar hur långt en person faktiskt når på arbetsmarknaden. I tabell 5.10 presenteras pendlingsavstånd för pendlare generellt, för pendlare med respektive utan postgymnasial utbildning samt skillnaden i pendlingsavstånd för dessa två grupper. Vad denna data visar är att skillnaden i pendlingsavstånd för de som i denna studie klassas som pendlare är stor mellan de som har en postgymnasial utbildning och de som inte har, där pendlare med postgymnasial utbildning pendlar längre. Görs en jämförelse mellan åren kan ses att skillnaden har minskat, vilket tyder på att utbildningsnivåns betydelse för hur långt en person är benägen att pendla generellt sett minskat.

1990 2004 2017

Generellt 46,0 50,8 48,9

Ej Pgy 41,8 46,3 45,5

Pgy 53,4 58,9 54,1

Skillnad 11,6 12,6 8,6

Tabell 5.10. Pendlingsavstånd (kilometer) för pendlare generellt, för pendlande med respektive utan postgymnasial utbildning samt skillnaden i pendlingsavstånd för dessa två grupper.

Tabell 5.11 visar, likt tabell 5.9, på samband mellan utbildningsnivå och pendling, men här uppdelat i de olika kategorierna av inpendlingsorter. Likt resonemanget för pendlingsbenägenhet för kvinnor respektive män i avsnitt 5.1 bör nämnas att det är en stor andel av de som har sin arbetsplats på landsbygd som uppfyller de kriterier som enligt studien gör att de klassas som pendlare, det vill säga har mellan 20–200 km till sin arbetsplats. Detta är som tidigare nämnt inte förvånande, många som pendlar till landsbygden kommer lätt upp i de 20 km som gör att de klassas som pendlare. Därför bör denna procentsats inte jämföras med de andra inpendlingsorterna storleksmässigt.

(26)

(27)

1990 Landsbygd Liten Medel Stor Ej Pgy 927 273 778 025 905 550 840 196 Pgy 272 669 238 937 359 944 468 099 Varav pendlare Ej Pgy 379 308 69 118 112 773 113 972 Pgy 154 344 32 023 54 623 55 240 Andel pendlare Ej Pgy 40,9 % 8,9 % 12,5 % 13,6 % Pgy 56,6 % 13,4 % 15,2 % 11,8 %

Ej Pgy 718 548 755 062 898 316 923 175 Pgy 224 084 257 915 444 661 704 830 Varav pendlare Ej Pgy 335 761 100 233 140 980 149 325 Pgy 141 445 54 459 88 289 91 648 Andel pendlare Ej Pgy 46,7 % 13,3 % 15,7 % 16,2 % Pgy 63,1 % 21,1 % 19,9 % 13,0 %

Ej Pgy 704 961 741 260 892 831 963 542 Pgy 271 267 345 644 619 804 1 080 936 Varav pendlare Ej Pgy 370 986 129 437 165 372 171 569 Pgy 168 905 79 411 134 854 147 584 Andel pendlare Ej Pgy 52,6 % (+29 %) 17,5 % (+97 %) 18,5 % (+48%) 17,8 % (+31 %) Pgy 62,3 % (+10 %) 23,0 % (+72%) 21,8 % (+43 %) 13,7 % (+16 %)

Tabell 5.11. Utbildningsnivåns samband med pendlingsbenägenhet för de som har respektive inte har en postgymnasial utbildning till respektive inpendlingsområde samt år 2017 dess procentuella ökning från 1990.

(28)

inpendlingsort. Utbildningsnivåns betydelse för hur långt en person är benägen att pendla har alltså minskat för de som pendlar till små och stora städer, men är konstant för de som pendlar till medelstora städer.

Generellt 45,5 47,3 47,5

Ej Pgy 43,6 45,0 44,3

Pgy 48,2 50,7 52,5

Generellt 46,2 49,1 49,5

Ej Pgy 44,8 46,4 47,5

Pgy 48,8 53,2 52,4

Generellt 45,0 48,5 49,7

Ej Pgy 44,2 45,9 48,0

Pgy 46,2 51,6 51,8

Tabell 5.12. Pendlingsavstånd (kilometer) för respektive kategori av inpendlingsort för pendlare som har respektive inte har en postgymnasial utbildning samt skillnaden i pendlingsavståndet för dessa två grupper.

5.3.2 Sammanfattning utbildningsnivås samband med pendling

(29)

pendlingsbenägenhet. Detta skulle kunna förklaras med att en hög andel i denna grupp bor i förorter men jobbar centralt, jämfört med gruppen med postgymnasial utbildning som kan antas arbeta och bo centralt.

6. DISKUSSION

Detta kapitel ämnar diskutera resultatet utifrån studiens syfte. Genom att diskutera resultatet med teori och tidigare studier sätts resultatet in i sin kontext. Dessutom förs resonemang kring möjliga förklaringar till studiens resultat. Undersökningen om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns har förts genom att dels undersöka skillnader i pendlingsmönster mellan män och kvinnor, dels den generella utbildningsnivåns påverkan på pendling.

Resultatet visar på att kvinnors pendlingsbenägenhet är lägre, i Sverige som helhet, för de olika kategorierna av inpendlingsort med undantag från pendling till landsbygd samt för de flesta specifika tätorterna. Att kvinnors benägenhet generellt sett är lägre kan bero på en mängd olika faktorer. Vad resultatet tyder på är utbildningsnivå inte tycks vara en förklaring till skillnader mellan kvinnors och mäns pendlingsmönster. Om så hade varit fallet, hade kvinnors pendlingsbenägenhet numera varit högre än mäns eftersom de har en högre utbildningsnivå. Detta skulle kunna visa på att det i grunden inte är utbildningsnivån utan att det istället är, som MacDonald (1999) samt Sandow och Westin (2006) argumenterar för, att kvinnor pendlar i lägre utsträckning för att de tjänar mindre. Detta skulle förklara faktumet att kvinnor pendlar i lägre utsträckning än män, trots högre utbildning, eftersom kvinnor tjänar mindre. Givetvis kan här orsakssambandet diskuteras. Är det en högre lön som leder till pendling eller pendling som ger en högre lön? Vad som kan konstateras är att ett samband finns, men vad som är hönan och vad som är ägget är inget som denna studie undersökt.

Pendlingsbenägenheten har generellt sett ökat för såväl kvinnor som män, men procentuellt sett mer för kvinnor. Detta gäller generellt, med undantag för pendling till arbetsplatser på landsbygden där mäns pendlingsbenägenhet har ökat mer än kvinnors. Detta är ett resultat som visar på att kvinnors och mäns pendlingsmönster från 1990 till 2017 har förändrats på olika sätt. Detta skulle kunna förklaras av den ökade andelen kvinnor med postgymnasial utbildning, och går således i linje med det antagande som antogs i inledningen av studien, att kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. Detta stämmer överens med den teori kring genus som presenterats, att skillnader mellan mäns och kvinnors pendlingsmönster finns av anledningar som är föränderliga.

(30)

för små och medelstora städer. Resultatet visar även på att våra två största städer, Stockholm och Göteborg, hamnar på listan över de tio tätorter som har lägst förändring för kvinnors pendlingsbenägenhet. Det som kan sägas är alltså att en förändring i kvinnors pendlingsbenägenhet ses, som skiljer sig från mäns, men om det kan förklaras av utbildningsnivå är oklart utifrån vad som tidigare sagts kring utbildningsnivå och pendling.

Det är inte bara benägenheten som har betydelse för skillnader i mäns och kvinnors pendlingsmönster. Resultatet visar inte bara på att kvinnor har en lägre benägenhet att pendla, utan även att bland de pendlande pendlar kvinnor kortare än män. Detta gäller i Sverige som helhet, för de olika kategorierna av inpendlingsort samt för de flesta specifika tätorterna. Detta kan mycket väl förklaras med teorier kring att de reproduktiva arbetsplatserna är mer utspridda geografiskt (Gil Solá, 2013; MacDonald, 1999), och av den anledningen krävs en kortare pendling till dessa typer av arbeten. Den generella skillnaden mellan mäns och kvinnors pendlingsavstånd har minskat mellan åren 1990 och 2017. Eftersom kvinnors utbildningsnivå har ökat på ett sätt som skiljer sig från mäns, är detta ett resultat som kan tänkas förklaras av kvinnors ökade utbildningsnivå. Utifrån kvinnors ökade utbildningsnivå samt teori kring utbildningsnivå och pendling (Öhman & Lindgren, 2003; Green, 1997) bör kvinnors benägenhet att pendla längre till kategorin stor inpendlingsort ökat. Ett resultat som går i linje med detta är att kvinnors benägenhet att pendla länge till arbetstillfällen i stora städer har ökat mellan åren 1990 till 2017. Dock har mäns benägenhet att pendla till stora inpendlingsorter ökat mer, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 för stora städer. Detta talar således för att kvinnors förändrade pendlingsmönster inte kan förklaras av den ökade kvinnliga utbildningsnivån.

Vad de specifika fallen som Falun, Eksjö, Linköping och Älmhult visar på är att förekomst av exempelvis arbetstillfällen inom vård, möbeldesign eller akademin tycks attrahera kvinnor. Med andra ord skulle typen av arbete kunna vara centralt i varför det är skillnader mellan mäns och kvinnors pendling, och jämställdhet kring pendling skulle då till stor del bottna i den arbetsmarknad vi har. Likt Sandow och Westin (2006) menar visar resultatet på att en anledning till pendlingsskillnader mellan män och kvinnor kan vara en konsekvens av en könsuppdelad arbetsmarknad och lokalisering av arbeten inom produktion respektive reproduktion.

(31)

större städer, vilket medför att butikspersonal kan komma att pendla till sina arbeten. En ytterligare faktor skulle kunna ha att göra med bostadsmarknaden. Det blir allt dyrare att bo centralt i stora städer, vilket medför att lågutbildade kan komma att bo i förorter, och om de arbetar centralt kommer de enligt denna studie kvalificera sig som pendlare. Här ses alltså, som MacDonald (1999) menar, att pendlingsmönster tycks påverkas av en spatial missanpassning mellan bostadsområden och jobbmöjligheter.

(32)

7. AVSLUTNING

Syftet med studien har varit att undersöka om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. För att sammanfatta diskussionen kan sägas att kvinnors pendlingsmönster har förändrats, i många avseenden på andra sätt än mäns. Framförallt har pendlingsbenägenheten ökat mer för kvinnor än för män, vilket skulle kunna förklaras med kvinnors ökade utbildningsnivå, och går således i linje med det antagande som studien baseras på. Om det verkligen är så att förändringen beror på den ökade utbildningsnivån eller av andra anledningar är dock oklart, eftersom utbildningsnivå och pendling inte tycks ha det tydliga samband som tidigare sagts. Denna studie har alltså till viss del gett en annan syn än vad tidigare studier gett på utbildning och pendling (Jönsson & Scholten, 2010; Niedomysl & Malmberg, 2010). Att storstadsregioner attraherar personer med hög utbildningsnivå, och/eller höga karriärsanspråk (Öhman & Lindgren, 2003; Green, 1997), är av denna anledningen en teori som enligt studiens empiriska resultat kan tänkas appliceras på män i högre grad än på kvinnor.

Studien har undersökt skillnader mellan mäns och kvinnors pendlingsmönster. Förklaringar till dessa skillnader är inget som studerats, även om resonemang kring eventuella förklaringar till studiens resultat har diskuterats. Från denna diskussion ses att utbildning möjligen inte har den betydelse som tidigare sagts, och att sambandet lön och pendling kan tänkas vara tydligare. Det verkar även som att lokalisering av arbeten inom reproduktion respektive produktion är av stor betydelse, en följd av en könsuppdelad arbetsmarknad. Följdeffekter av en könsuppdelad arbetsmarknad är att det finns en skillnad i vad kvinnor respektive män utbildar sig till, vilket kan tänkas ha en påverkan på pendlingsmönster. Något som troligtvis har stor påverkan på skillnader i kvinnors och mäns pendlingsmönster är som Sandow och Westin (2006), Gil Solá (2013) och MacDonald (1999) menar, att det finns förklaringar i sociala roller som resulterar i att kvinnor tar ett större ansvar för arbetsuppgifter i hemmet samt kulturella förklaringar, att rörlighet i vår kultur närmare är förknippat med manlighet medan kvinnlighet associeras med platsbundenhet i högre grad.

(33)

KÄLL- OCH LITTERATURFÖRTECKNING

Amcoff, J. (2008) Är Stockholm-Mälarregionen en funktionell region? Ingår i: Regionen som

vision. 1. uppl. Stockholm: SNS Förlag, s. 77–100.

Comte, A. (1949) Discours sur l’esprit positif. Paris: UGE (originalutgåva 1844).

Gil Solá, A. (2013) På väg mot jämställda arbetsresor? Göteborgs universitet: Göteborg.

Green, A. E. (1997) A Question of Compromise? Case Study Evidence on the Location and Mobility Strategies of Dual Career Households. Regional Studies, 31 (7), s. 641–657.

Grigonis, V.; Maliene, V.; Palevičius, V. & Griffiths, S. (2011) Geographic information system: Old principles with new capabilities. URBAN DESIGN International, 16 (1) s. 1–6.

Haining, R. (2003) Spatial Data Analysis – Theory and Practice. Cambridge University Press. Cambridge, UK; New York.

Hirdman, Y. (2003) Genus – om det stabilas föränderliga former. 2. uppl. Malmö: Liber.

Holme, I. M. & Solvang, B. K. (1997) Forskningsmetodik: om kvalitativa och kvantitativa metoder. 2. uppl. Lund: Studentlitteratur.

Jönsson, S. & Scholten, C. (2010) Regionförstoringens paradox. Ingår i: Rörlighet, pendling

och regionförstoring för bättre kompetensförsörjning, sysselsättning och hållbar tillväxt.

VINNOVA Rapport VR 2010:08, s. 12–19.

Larsson, A., & Jalakas, A. (2014) Jämställdhet nästa! Samhällsplanering ur ett genusperspektiv. Lund.

Niedomysl, T. & Malmberg, B. (2010) Arbetsmarknadsrelaterade flyttningar i Sverige. Ingår i: Rörlighet, pendling och regionförstoring för bättre kompetensförsörjning,

sysselsättning och hållbar tillväxt. VINNOVA Rapport VR 2010:08, s. 48–53.

MacDonald, H. I. (1999) Women’s Employment and Commuting: Explaining the Links.

Journal of Planning Literature, 13 (3), s. 267–283.

Sandow E. & Westin K. (2006) Vill människor pendla längre? TRUM: Transportforskningsenheten, Umeå Universitet.

Tobler, W. R. (1970) A Computer Movie Simulating Urban growth in the Detroit Region.

(34)

Öhman, M. & Lindgren, U. (2003) Who is the long-distance commuter? Patterns and driving forces in Sweden. Cybergeo: European Journal of Geography, N°243.

Internet

Regeringen. ”Jämställdhet”, https://www.regeringen.se/regeringens-politik/jamstalldhet/ [Hämtad den 2020-04-05]

SCB. ”Antal pendlare per län och kommun”, https://www.scb.se/hitta-statistik/statistik-efter- amne/arbetsmarknad/sysselsattning-forvarvsarbete-och-arbetstider/registerbaserad- arbetsmarknadsstatistik-rams/pong/tabell-och-diagram/antal-pendlare-per-lan-och-kommun-2018/ [Hämtad den 2020-04-05]

SCB. ”Befolkningens utbildning”, https://www.scb.se/hitta-statistik/statistik-efter-amne/utbildning-och-forskning/befolkningens-utbildning/befolkningens-utbildning/ [Hämtad den 2020-04-05]

SCB. ”Medellöner i Sverige”, https://www.scb.se/hitta-statistik/sverige-i-siffror/utbildning-jobb-och-pengar/medelloner-i-sverige/ [Hämtad den 2020-04-05]

SCB. ”Om SCB”, https://www.scb.se/om-scb/ [Hämtad den 2020-04-05]

SCB. ”Tätorter”, https://www.scb.se/hitta-statistik/statistik-efter-amne/miljo/markanvandning/tatorter/ [Hämtad den 2020-04-05]

SCB. ”Utbildningsnivån i Sverige”,

(35)

BILAGA: LISTA ÖVER INPENDLINGSORTER

Stora inpendlingsorter

Göteborg Malmö Sollentuna och Upplands Väsby Linköping Örebro Stockholm

Lund Södertälje Uppsala

Medelstora inpendlingsorter

Alingsås Karlskoga Oskarshamn Älmhult Karlskrona Östersund Ängelholm och Vejbystrand Karlstad Piteå Boden Katrineholm Ronneby Bollnäs Kinna Sandviken

Borås Köping Skara

Borlänge Kristianstad Skellefteå Eksjö Kristinehamn Skövde Enköping Kungälv Stenungsund Eskilstuna Landskrona Strängnäs

Eslöv Lerum Sundsvall

Falkenberg Lidköping Trelleborg Falköping Ljungby Trollhättan

Falun Luleå Tumba

Finspång Mariestad Uddevalla

Gävle Märsta Umeå

Hallsberg Mjölby Vallentuna Halmstad Mora Vänersborg Härnösand Motala Varberg Hässleholm Nässjö Värnamo Helsingborg Norrköping Västerås Hudiksvall Norrtälje Västervik Jönköping Nybro Växjö Jordbro Nyköping Vetlanda Kalmar Olofström Visby Karlshamn Örnsköldsvik Ystad

Små inpendlingsorter

Abbekås Helgered Ramsberg Abborrberget Hemavan/Bierke Ramsele Åby Hemmingsmark Ramstalund Åbyggeby Hemse Rånäs Åbytorp Hemsjö Råneå

Åhus Henån Rångedala

(36)

Alberga Hillared Rätan Ålberga Hillerstorp Råtorp Alby Hilleshög Rättarboda

Åled Himle Rättvik

Alfta Hindås Rävemåla

Älgarås Hishult Rävlanda Älghult Hissjön Reftele Älgö Hissmofors Rejmyre Algutsrum Hittarp Rengsjö Allerum Hjälm Repbäcken Älmsta Hjälmared Resarö

Almunge Hjältevad Restenäs och Ulvesund Alsike Hjärnarp Revingeby

Alstad Hjärsås Riala Alster Hjärtum Riddarhyttan Alsterbro Hjärup Rimbo

Alstermo Hjo Rimforsa

Alunda Hjorted Rindö Älvängen Hjortkvarn Ringarum Älvdalen Hjortnäs Rinkaby Alvesta Hjortsberga Rinkabyholm Alvhem Hofors Rishammar Alvik Hofterup Risögrund Älvkarleby Höganäs Röbäck Älvkarleö Högboda Robertsfors Älvnäs Höggeröd Robertsholm Älvsala Högsäter Rockhammar Älvsbyn Högsby Rockneby Älvsered Högsjö Röda holme

Åmål Hogstad Rödeby

Ambjörnarp Hogstorp Röke

Åmmeberg Hok Roknäs

Ammenäs Hökåsen Rolfs Åmot Hökerum Rolfstorp Åmotfors Hököpinge Romakloster Åmynnet Höllviken och Ljunghusen Romme

Ånäset Holm Rönnäng

Anderslöv Holmeja Ronnebyhamn Anderstorp Holmsjö Rönneshytta

Aneby Holmsund Rörö

Äng Hölö Rörvik

Ånge Holsbybrunn Rosenfors

Änge Hönö Rosenlund