1
Linköpings universitet | Institutionen för ekonomisk och industriell utveckling Kandidatuppsats, 15 hp | Politices Kandidatprogram - Nationalekonomi Vårterminen 2017 | LIU-IEI-FIL-G--17/01701--SE
Välfärdseffekter av socioekonomisk
resursfördelning i grundskolan
– En utvärdering av studieresultatsutvecklingen i kommuner
med socioekonomiska resursfördelningssystem
Welfare Effects of Socioeconomic
Resource Allocation in Primary and
Secondary Education
–
An evaluation of the development of study results in
municipalities with systems for redistribution of resources to
primary and secondary schools based on socioeconomic factors
Tristan Norman
Alba Stjärnkvist
Handledare:Camilla Strömbäck och Peter Andersson
Linköpings universitet SE-581 83 Linköping, Sverige
2 Titel:
Välfärdseffekter av socioekonomisk resursfördelning i grundskolan
– En utvärdering av studieresultatsutvecklingen i kommuner med socioekonomiska resursfördelningssystem
English title:
Welfare effects of socioeconomic resource allocation in primary and secondary education – An evaluation of the development of study results in municipalities with systems for redistribution of resources to primary and secondary schools based on socioeconomic factors
Författare:
Tristan Norman och Alba Stjärnkvist
Handledare:
Camilla Strömbäck och Peter Andersson
Publikationstyp:
Kandidatuppsats i nationalekonomi, 15 högskolepoäng Vårterminen 2017
ISRN-nummer:
LIU-IEI-FIL-G--17/01701--SE Linköpings universitet
Institutionen för ekonomisk och industriell utveckling (IEI) www.liu.se
3
Förord
Efter tio år i grundskolan, tre år i gymnasiet och sedan tre år på Linköpings universitet har vi stor erfarenhet av det svenska skolväsendet. Att denna uppsats skulle bidra till samhälls-utvecklingen var viktigt för oss och vi tog därför kontakt med SKL (Sveriges kommuner och landsting) för att få uppslag till aktuella och relevanta uppsatsämnen. Resultatet blev en uppsats om välfärdseffekterna av socioekonomiska resursfördelnings-system i grundskolan. Vi vill framföra ett tack till våra handledare Camilla Strömbäck och Peter Andersson för konstruktiv kritik under arbetets gång.
Linköping, juni 2017
Tristan Norman och Alba Stjärnkvist
4
Sammanfattning
En likvärdig utbildning ska vara en självklarhet i Sverige som kunskapsnation och demokratiskt föregångsland. Ändå ökar skillnaden i studieresultat mellan elever med olika socioekonomiska bakgrunder. Sedan ett par år tillbaka har likvärdighet i grundskolan varit ett hett ämne i samhällsdebatten. År 2014 uppdaterades skollagen och det blev obligatoriskt för kommuner att ta hänsyn till elevers förutsättningar och behov vid fördelning av resurser till utbildning inom skolväsendet. Ett sätt att åstadkomma en mer jämlik utbildning kan vara att omfördela resurser inom kommunen efter elevers socioekonomiska bakgrundsfaktorer. Hittills har ingen bred utvärdering av sådana resursfördelningssystem gjorts utifrån om systemen bidragit till en förbättring av elevernas studieresultat. Inte heller har en jämförelse mellan olika typer av system gjorts. Detta arbete är därför en första ansats till att utföra en sådan utvärdering.
Uppsatsen syftar till att utreda om kommuners socioekonomiska resursfördelningssystem för grundskolor är välfärdshöjande och att undersöka om olika typer av sådana system har olika stor effekt på välfärden. Med välfärdshöjande menar vi i uppsatsen en total ökning av studieresultat där eventuella sänkningar av vissa elevers studieresultat kompenseras av en större höjning av studieresultat för andra elever. För att uppfylla vårt syfte genomför vi en ekonometrisk analys, främst genom tidsserieregressioner och tester för strukturell skillnad.
Vår studie visar att än har de socioekonomiska resursfördelningssystemen inte haft en bred påverkan på välfärden inom kommunerna. I fyra av de tjugo kommuner som ingick i vårt urval kunde vi se en trendförändring av studieresultat efter införandet av ett system. I två av dessa var trendförändringen signifikant positiv. I de andra två kommunerna var trend-förändringens riktning varken signifikant positiv eller negativ.
Vi kan inte se någon skillnad i effekt av systemen beroende på vilka socioekonomiska faktorer systemet utgår från. Däremot får systemen större effekt ju längre tid kommunen använt socioekonomiska faktorer för att fördela en viss del av resurserna. I dess nuvarande form verkar socioekonomiska resursfördelningssystem inte vara tillräckligt kraftfulla verktyg för att kunna vända en negativ trend i kommuner med svaga socioekonomiska förutsättningar. Nyckelord: Utbildning, skola, resursfördelning, välfärd, socioekonomisk resursfördelning,
5
Abstract
Equal education should be a matter of course in Sweden as a knowledge nation and a country with a highly developed democratic system. Nevertheless, the difference in study results increases between students with different socio-economic backgrounds. For the last couple of years this has been a hot topic in the public debate. In 2014, it became mandatory for the municipalities to take into account the pupils' prerequisites and needs when allocating resources to education within the school system. One way of achieving a more equal education could be to redistribute resources within the municipality according to students' socio-economic background factors. So far, no broad evaluation of such resource allocation systems has been made based on whether the systems have contributed to an improvement in study results. Neither has a comparison been made of different types of systems used. This thesis is therefore a first approach for performing such an evaluation.
The aim of this thesis is to investigate whether municipalities' socio-economic resource allocation systems for primary and secondary school are welfare enhancing and to investigate whether different types of such systems have different impacts on welfare. With welfare enhancing, the thesis refers to a total increase in study results, where any reductions in the results of some students are compensated by a higher increase in study results for other students. To fulfil our purpose, we perform an econometric analysis, primarily through time series regressions and tests for structural differences.
Our study shows that the socio-economic resource allocation systems have not yet had a broad impact on the welfare of the municipalities. In four of the twenty municipalities that were included in our sample, we could observe a change in the trend of study results after the introduction of a system. In two of these, the change in trend was significantly positive, which implicates on a welfare increase. In the other two municipalities, the direction of the change in trend was neither significantly positive nor negative.
We cannot observe any differences in the effects of the systems depending on the socio-economic factors the systems are based on. However, the study shows that the systems give higher effect the longer time the allocation system has been in use. In their current form, socio-economic resource allocation systems do not appear to be sufficiently powerful tools to reverse a negative trend in municipalities with weak socio-economic conditions.
6
Innehållsförteckning
1 INLEDNING ... 9 1.1 BAKGRUND ... 9 1.2 PROBLEMFORMULERING ... 11 1.3 SYFTE ... 11 1.4 FORSKNINGSFRÅGOR ... 11 1.5 SOCIOEKONOMISK RESURSFÖRDELNING ... 12 1.6 DEFINITIONER ... 12 2 TEORI OCH METOD ... 13 2.1 VÄLFÄRDSTEORI ... 13 2.1.1 Pareto- och kompensationskriteriet ... 13 2.1.2 Studieresultat som indikator på välfärd ... 13 2.1.3 Olika mått på studieresultat ... 13 2.1.4 Välfärdsteori kopplad till frågeställningen ... 14 2.2 ANALYSMETOD FÖR VÄLFÄRDSÖKNING INOM KOMMUNER ... 14 2.2.1 Chow-test ... 15 2.2.2 Dummyvariabelregression ... 16 2.3 ANALYSMETOD FÖR SKILLNADERNA MELLAN SYSTEM ... 17 2.4 DATAINSAMLING ... 18 2.4.1 Urval ... 18 2.4.2 Motivering av socioekonomiskt index ... 20 2.4.3 Informationsinhämtning från kommunerna i urvalet ... 20 2.4.4 Inhämtning av tillgänglig information om kommunerna i urvalet ... 22 2.5 METODKRITIK ... 22 3 BESKRIVNING AV KOMMUNER ... 23 3.1 GRUPPINDELNING AV KOMMUNER ... 23 3.1.1 Grupp A ... 24 3.1.2 Grupp B ... 25 3.1.3 Grupp C ... 26 3.1.4 Grupp D ... 28 3.1.5 Övriga: Skara kommun ... 29 3.2 JÄMFÖRELSE AV STUDIERESULTAT KOPPLAT TILL SOCIOEKONOMISKT INDEX ... 29 4
7
RESULTAT ... 33
4.1 CHOW-TEST- TEST FÖR STRUKTURELL FÖRÄNDRING ... 33
4.2 KOMMUNER MED SENT INFÖRDA SYSTEM ... 36 4.3 DUMMYVARIABELREGRESSIONER ... 37 4.4 SKILLNAD MELLAN OLIKA TYPER AV SYSTEM ... 38 4.4.1 Jämförelse mellan system utifrån socioekonomiska bakgrundsfaktorer ... 38 4.4.2 Jämförelse mellan system utifrån tid för införande ... 38 5 ANALYS ... 39 5.1 HAR SYSTEMEN EFFEKT PÅ VÄLFÄRDEN? ... 39 5.1.1 Kommuner där ingen effekt har kunnat påvisas ... 39 5.1.2 Ludvika- Godkänt i alla ämnen ... 40 5.1.3 Flen- Godkänt i alla ämnen ... 41 5.1.4 Landskrona- Meritvärde ... 42 5.1.5 Trollhättan- meritvärde ... 42 5.2 FINNS DET SKILLNADER MELLAN SYSTEMENS PÅVERKAN PÅ STUDIERESULTATSUTVECKLINGEN? ... 43 5.2.1 Vilka socioekonomiska faktorer systemet baseras på spelar mindre roll ... 43 5.2.2 Tidpunkt för införande av system påverkar systemets verkningskraft ... 44 6 SLUTSATS ... 47 6.1 HAR VÄLFÄRDEN ÖKAT? ... 47 6.2 HUR SKILJER OLIKA TYPER AV SYSTEM SIG ÅT I PÅVERKAN PÅ VÄLFÄRD? ... 48 6.3 FÖRSLAG PÅ VIDARE STUDIER ... 48 7 KÄLLHÄNVISNING ... 49
BILAGOR BILAGA 1……….……….. IV BILAGA 2………..………… XXIV BILAGA 3……….……… XLI
8
Tabellförteckning
TABELL 2.1GRUPPINDELNING EFTER SOCIOEKONOMISKA BAKGRUNDSFAKTORER ... 18
TABELL 2.2GRUPPINDELNING EFTER TIDPUNKT FÖR INFÖRANDE AV SYSTEM ... 18
TABELL 2.3SVARSFREKVENS ... 21
TABELL 2.4URVAL ... 21
TABELL 3.1BESKRIVNING AV GRUPP A ... 24
TABELL 3.2BESKRIVNING AV GRUPP B ... 26
TABELL 3.3BESKRIVNING AV GRUPP C ... 27
TABELL 3.4BESKRIVNING AV GRUPP D ... 28
TABELL 3.5BESKRIVNING AV SKARA KOMMUN ... 29
TABELL 4.1RESULTAT AV TIDSSERIEREGRESSIONER OCH CHOW-TEST FÖR GRUPP A ... 34
TABELL 4.2RESULTAT AV TIDSSERIEREGRESSIONER OCH CHOW-TEST FÖR GRUPP B ... 34
TABELL 4.3RESULTAT AV TIDSSERIEREGRESSIONER OCH CHOW-TEST FÖR GRUPP C ... 35
TABELL 4.4RESULTAT AV TIDSSERIEREGRESSIONER OCH CHOW-TEST FÖR GRUPP D ... 35
TABELL 4.5RESULTAT AV TIDSSERIEREGRESSIONER OCH CHOW-TEST FÖR SKARA KOMMUN ... 35
TABELL 4.6RESULTAT AV KOMMUNER MED SENT INFÖRDA SYSTEM ... 36
TABELL 4.7RIKTNING FÖR TRENDFÖRÄNDRINGAR ... 37
Figurförteckning
FIGUR 3.1UTVECKLING AV ANDELEN ELEVER, I ÅRSKURS NIO, MED UTLÄNDSK BAKGRUND I GRUPP A ... 24FIGUR 3.2UTVECKLING AV ANDELEN ELEVER, I ÅRSKURS NIO, MED UTLÄNDSK BAKGRUND I GRUPP B ... 26
FIGUR 3.3UTVECKLING AV ANDELEN ELEVER, I ÅRSKURS NIO, MED UTLÄNDSK BAKGRUND I GRUPP C ... 27
FIGUR 3.4 UTVECKLING AV ANDELEN ELEVER, I ÅRSKURS NIO, MED UTLÄNDSK BAKGRUND I GRUPP D ... 28
FIGUR 3.5UTVECKLING AV ANDELEN ELEVER, I ÅRSKURS NIO, MED UTLÄNDSK BAKGRUND I SKARA ... 29
FIGUR 3.6ANDEL ELEVER I ÅRSKURS NIO SOM UPPNÅTT GODKÄNT I ALLA ÄMNEN ... 30
FIGUR 3.7ANDEL ELEVER I ÅRSKURS NIO MED GYMNASIEBEHÖRIGHET ... 31
FIGUR 3.8GENOMSNITTLIGT MERITVÄRDE FÖR ELEVER I ÅRSKURS NIO ... 32
9
1
Inledning
I detta kapitel ges först en bakgrund till uppsatsen i avsnitt 1.1 som sedan mynnar ut i en problemformulering, avsnitt 1.2. Utifrån den beskrivs sedan uppsatsens syfte och forsknings-frågor i avsnitt 1.3 och 1.4. I resterande kapitel är uppsatsen uppbyggd och strukturerad efter forskningsfrågorna. I avsnitt 1.5 förklaras begreppen resursfördelning och socioekonomiskt resursfördelningssystem och i avsnitt 1.6 definieras övriga begrepp.
1.1 Bakgrund
Utbildning är en mänsklig rättighet och en förutsättning för ett demokratiskt och likvärdigt samhälle för alla. Utbildning ger också människor möjlighet att delta i samhällslivet, att organisera sig och att påverka sina levnadsförhållanden1. I välfärdsmåttet Human
Development Index (HDI) ingår utbildning som en viktig faktor för att förklara ett lands
välfärd2. Ökade studieresultat kan ses som ett kvitto på en bättre utbildning. Då en förbättrad utbildning förklarar en del av ett lands utveckling av välfärd, kan således slutsatsen dras att om studieresultaten i ett land ökar så ökar även landets välfärd.
Utbildning är en självklarhet i Sverige och att utbildningen ska vara likvärdig tar de flesta för givet. Likvärdig utbildning, oavsett bakgrund eller geografisk placering, är även inskrivet i den svenska skollagen3. Effekten av en elevs socioekonomiska bakgrund på elevens studieresultat har ökat mellan PISA-undersökningen 2006 och 20154, vilket kan tyda på att svensk skola inte har lyckats hålla uppe likvärdigheten i utbildning. Detta anser utbildnings-minister Gustav Fridolin är förödande för Sverige.
Sverige har haft ett av världens mest jämlika skolsystem där det inte spelar någon roll var du bodde eller vilka föräldrar du hade för chanserna att få ett bra skolresultat. Tappar vi det så förlorar vi vår plats som kunskapsnation. Jag har svårt att tänka mig något allvarligare.5
- Gustav Fridolin, utbildningsminister, i DN augusti 2016.
1 Sida (2001). 2 UNDP.
3 1 kap. 8 och 9 §§. Skollagen. 2 UNDP.
3 1 kap. 8 och 9 §§. Skollagen. 4 Skolverket- PISA (2015). 5 DN, Örstadius. K.2016.
10
Att elevers socioekonomiska bakgrunder påverkar deras studieresultat har bland annat framkommit i en forskningsrapport från ”Institutet för arbetsmarknads- och utbildnings-politisk utvärdering”, IFAU. Rapporten visar att den trendmässiga uppgången i variation mellan skolor delvis beror på en ökad socioekonomisk sortering.6 Sedan 2014 är kommuner, enligt skollagen, tvingade att ta hänsyn till skolornas elevunderlags socioekonomiska bakgrund vid resursfördelning till grundskolan.7 Ett sätt att hantera detta för kommunerna är att tillämpa ett socioekonomiskt resursfördelningssystem där en mindre del av kommunens utbildningsbudget separat fördelas utifrån elevers socioekonomiska bakgrund.
Sveriges Kommuner och Landsting (SKL) har tagit fram en rapport där de föreslår hur kommunerna kan utforma ett socioekonomiskt resursfördelningssystem till skolan8. Det finns ingen enhetlig modell för utformandet av ett sådant system, vilket gör att kommunernas system ser olika ut. Det finns även kommuner som inte anser sig behöva ett socioekonomiskt resursfördelningssystem för att uppfylla kraven om en likvärdig utbildning i skollagen.9 Efter PISA-rapporten 2013 utlovade statsminister Stefan Löfven en skolkommission som skulle analysera orsakerna bakom de påvisade fallande kunskapsresultaten och de ökande skillnaderna i svensk skola. I april 2015 presenterade utbildningsminister Gustav Fridolin och dåvarande gymnasie- och kunskapslyftsminister Aida Hadzialic en skolkommission som fick i uppdrag att arbeta fram förslag på systemförbättringar, som anses nödvändiga för att vända den negativa utvecklingen i svensk skola.10
Den 20 april 2017 överlämnade Skolkommissionen sitt slutbetänkande till regeringen. I betänkandet uppger skolkommissionen att de föreslår att ett villkorat statligt bidrag om sex miljarder kronor ska tilldelas huvudmän, utifrån socioekonomiskt betingade förutsättningar, för undervisning och elevhälsa. Detta bidrag ska fungera som ett extra stöd för de huvudmän som har elever med svagare socioekonomiska förutsättningar och genom det stärka de redan existerande kommunala omfördelningssystemen. De föreslår även att Statistiska centralbyrån (SCB) ska ta fram indexvärden för varje skolenhet som ska kunna fungera som vägledning vid fördelning av resurser för både kommunala och enskilda huvudmän.11
6 IFAU (2012).
7 2 kap. 8.a §. Skollagen.
8 Sveriges Kommuner och Landsting (2014).
9 Utifrån vår sammanställning av svar från det urval av kommuner vi kontaktat.
10 Regeringskansliet (2015).
11
1.2 Problemformulering
Vi konstaterar att utbildning är en indikator på välfärd och att Sverige lägger stor vikt vid likvärdighet i utbildning. Vi noterar även att en elevs socioekonomiska bakgrund tycks ha effekt på dennes studieresultat och att denna effekt verkar ha ökat under senare tid. Då det tidigare systemet, utan socioekonomisk resursfördelning, inte tycks ha kompenserat för dessa skillnader i tillräcklig utsträckning har skillnaderna mellan elevers studieresultat ökat och likvärdigheten i det svenska utbildningssystemet sjunkit. Lagen om resursfördelning, som trädde i kraft 2014, skulle motverka denna negativa utveckling och se till så att kommuner tillgodosåg skillnader i elevernas förutsättningar. Ett sätt för kommuner att göra detta är att införa ett socioekonomiskt resursfördelningssystem, där en viss del av resurserna till skolan fördelas separat efter skolornas elevunderlags socioekonomiska bakgrund.
Tankesättet och systemet, att fördela resurser efter elevers socioekonomiska bakgrund, är relativt nytt i Sverige och av ovanstående anledningar är det motiverat att undersöka välfärds-effekter av socioekonomiska resursfördelningssystem som kommuner använder. Genom ett ekonometriskt angreppssätt skulle dessa potentiella välfärdseffekter kunna studeras.
1.3 Syfte
Uppsatsens syfte är att utreda om kommuners socioekonomiska resursfördelningssystem för grundskolor är välfärdshöjande och att undersöka om olika typer av sådana system har olika stor effekt på välfärden.
1.4 Forskningsfrågor
1. Har välfärden i kommunerna ökat? Det vill säga har studieresultaten, totalt sett, blivit bättre efter införandet av ett socioekonomiskt resursfördelningssystem?
2. Finns det några skillnader mellan olika typer av omfördelningssystem, baserat på förändring i välfärd inom kommunerna?
12
1.5 Socioekonomisk resursfördelning
Ett resursfördelningssystem är ett system som används för att fördela resurser, ofta monetära, till olika verksamheter. I uppsatsen syftar begreppet till en resursfördelning som kommuner använder för att fördela dess resurser till grundskolor inom kommunen. En specifik typ av sådant system är de socioekonomiska resursfördelningssystem, även benämnt resurs-fördelningssystem, eller endast system, vidare i uppsatsen. I ett sådant system avsetts en viss andel av den totala resursfördelningen till grundskolor i kommunen till socioekonomisk utjämning utifrån bestämda socioekonomiska bakgrundsfaktorer. Det vill säga en mindre andel av skolbudgeten, exempelvis fem procent, fördelas mellan kommunens skolor utifrån skolornas elevunderlags socioekonomiska bakgrundsfaktorer. Ett exempel på hur en sådan omfördelning kan se ut är att en skola med en stor andel elever med föräldrar utan efter-gymnasial utbildning får en större del av de omfördelade resurserna än en skola med motsatta förutsättningar. Exemplet utgår från att det socioekonomiska resursfördelningssystemet utgår från just faktorn föräldrars utbildningsnivå. Systemen kan dock utgå från flera andra socio-ekonomiska faktorer. I vår definition ingår inte system som baseras på äskningsprocesser, det vill säga när kommunen fördelar extraresurser utifrån anslag som skolorna ansöker om.
1.6 Definitioner
Godkända i alla ämnen- elever som har godkänt i alla ämnen i elevens utbildning vid slutet av årskurs nio.
Gymnasiebehörighet- definieras här som behörighet till yrkesprogram, det vill säga godkänt betyg i matte, svenska eller svenska som andra språk och engelska samt ytterligare fem ämnen. Det är den lägsta behörigheten för att kunna bli antagen till ett nationellt gymnasieprogram. Fram till och med 2011 krävdes endast godkänt i
matematik, svenska eller svenska som andra språk och engelska för att få gymnasiebehörighet.12
Meritpoäng- anges på en skala med maxpoäng 320. Meritpoängen räknas ut genom att varje ämnesbetyg ges ett värde från 10 till 20 varav dessa sedan slås ihop till att bli maximalt 320 poäng (16 ämnen).
Utländsk bakgrund- definieras, om inget annat anges, som en utlandsfödd elev, eller en elev som är född i Sverige, men med båda föräldrar födda utomlands.
12 Skolverket, SIRIS.
13
2
Teori och metod
I detta kapitel beskrivs både de teorier och metoder som används för att uppfylla uppsatsens syfte. Under 2.1 redogör vi övergripande för välfärdsteori och kopplar det till uppsatsens ämne. Vidare beskrivs under 2.2 och 2.3 hur de två forskningsfrågorna utreds och besvaras. Urvalsmotivering och beskrivning av datainsamlingen finns under 2.4 och slutligen kritiseras metoden under 2.5.
2.1 Välfärdsteori
Uppsatsen bygger på välfärdsteori och utgår från hypotesen att välfärden förbättras om nyttoökningen av en åtgärd är större än nyttominskningen. Begreppet kan ses både ur ett kollektivt och individuellt perspektiv, men i uppsatsen ses välfärd som en sammanslagning av alla individers nytta, det vill säga en samhällsnytta.
2.1.1 Pareto- och kompensationskriteriet
Paretokriteriet är ett centralt begrepp i modern ekonomisk välfärdsteori och innebär att välfärden ökar om en individs situation förbättras, utan att någon annans försämras.13 I verkligenheten är paretokriteriet ofta svårt att uppnå, vilket har lett till utvecklandet av kompensationskriteriet. För att en åtgärd ska vara välfärdshöjande enligt kompensations-kriteriet ska de som förlorar på förändringen, teoretiskt sett, kunna bli kompenserade av de som vinner på förändringen. Resultatet blir en välfärdsökning.14
2.1.2 Studieresultat som indikator på välfärd
Välfärd är ett samlingsmått på människors levnadsförhållanden och bygger på ekonomi, hälsa, utbildning, bostadsförhållanden, arbetsförhållanden med mera. Utbildning är en faktor som används för att förklara ett lands välfärd i Human Development Index (HDI)15. Vi utgår av den anledningen från att studieresultat kan ses som en indikator på välfärd.
2.1.3 Olika mått på studieresultat
Vi utgår från tre olika mått på studieresultat för att mäta förändring i välfärd. Studieresultat mäter vi i genomsnittligt meritvärde, andel elever som får godkänt i alla ämnen och andel gymnasiebehörigaavgångselever från grundskolan. Vi väljer att analysera forskningsfrågorna
13 Goolsbee, A et.al. (2013), s. 580. 14 Sonesson, T. (2012), s. 3.
14
genom dessa tre variabler då vi anser att de kompletterar varandra även om de till viss del även förklarar varandra. Exempelvis är en elev som har godkänt i alla ämnen även gymnasiebehörig, men en elev med gymnasiebehörighet måste inte per automatik ha godkänt i alla ämnen. Detta visar både på ett samband mellan dessa två variabler och på att de kompletterar varandra då de separat inte skulle ge en komplett helhetsbild.
2.1.4 Välfärdsteori kopplad till frågeställningen
Välfärdsteorin appliceras på frågeställningen genom kompensationskriteriet. För att kompensationskriteriet ska vara uppfyllt krävs att studieresultaten ökar mer för vissa elever än de sjunker för andra, vid införandet av ett socioekonomiskt resursfördelningssystem. Resursfördelningen fungerar så att vissa skolor får en högre ersättning, då de har fler elever med en svag socioekonomisk bakgrund, medan andra får en lägre ersättning, då flera av deras elever har en stark socioekonomisk bakgrund. Det teoretiska utfallet av denna omfördelning av resurser är att de elever som har en svag socioekonomisk bakgrund får större möjligheter att förbättra sina resultat, medan elever med en stark socioekonomisk bakgrund inte får lika mycket resurser som tidigare, vilket potentiellt skulle kunna leda till sämre möjligheter att uppnå högre resultat.
2.2 Analysmetod för välfärdsökning inom kommuner
För att besvara den första forskningsfrågan, om välfärden på kommunnivå har ökat genom införandet av ett socioekonomiskt resursfördelningssystem, har vi undersökt kommunens skolors totala studieresultat före och efter etablerandet av ett sådant system. Kommunerna varierar mycket i tidpunkt för införande och vi har därför valt att använda olika metoder beroende på hur länge kommunen haft sitt system.
För de kommuner som infört systemet nära i tiden, det vill säga antingen vårterminen 2014 eller höstterminen 2015, har vi valt att endast visuellt presenter genom studieresultaten för åren 2013 till 2015. Om studieresultaten i kommunen är högre vid tidpunkten efter systemets
införande kan det indikera på att systemet är välfärdshöjande. Då antas att
studieresultatsökningen beror på införandet av ett socioekonomiskt resursfördelningssystem i kommunen, vilket inte nödvändigtvis är fallet. Det finns många andra faktorer som kan ha påverkat studieresultatförändringen, men det är troligt att systemet varit en av faktorer som har haft mest influens på den potentiella förändringen.
15
För de kommuner som infört systemet höstterminen år 2013 eller tidigare, har vi valt att skapa tidsserieregressioner i statistikprogramvaran Eviews. Vi utförde sedan ett Chow-test för att se om det fanns en strukturell skillnad i studieresultat, välfärd, i och med införandet av ett socio-ekonomiskt resursfördelningssystem. Tidsserieregressioner uppvisar ofta autokorrelation, vilket ger regressionen sämre precision16. Vi undersökte därför autokorrelationen genom att
granska på Durbin-Watson-statistikan17 för varje regression. Om statistikan var lägre än 1,5 eller högre än 2,5 korrigerade vi modellen genom att skatta en autoregressiv modell18 (AR-modell). Om Durbin-Watson-statistikan inte hamnat inom det godkända intervallet efter en enstegs AR-modell skapa vi en tvåstegs AR-modell. Modellen förkastades om statistikan fortfarande var utanför intervallet efter AR-korrigering. I de fall en AR-modell lyckades korrigera autokorrelationen tillräckligt användes den modellen för vidare tester. Alla
regressioner och resultatet av de tester som genomförts finns att tillgå i bilaga 3.
Tidsseriedatan är, i mån av tillgänglig data19, tagen för ungefär lika många år innan systemet infördes som det finns observationer för efter införandet av systemet. Exempelvis har en kommun som införde systemet 2010 en tidsserie på 12 år från 2004 till 2016.
2.2.1 Chow-test
Vid genomförandet av ett Chow-test valde vi en tidpunkt i tidsserien som vi vill testa om det förelåg någon strukturell förändring vid. I vårt fall valde vi året då det socioekonomiska resursfördelningssystemet infördes i en kommun. Vi samlade ihop alla observerade värden av studieresultat inom respektive kommun. Dessa delades in i två undergrupper, en innan och en efter den valda tidpunkten. Vi genomförde en regression på respektive undergrupp och sedan beräknade vi regressionernas Restricted sum of squares (RSS). Vi gjorde även en regression för hela tidsserien och beräknade RSS för den. RSS för de två undergrupperna summerade vi och kallade Unrestricted sum of squares (RSSUR), medan RSS för hela tidsserien kallade vi
Restricted sum of squares (RSSR). Nollhypotesen är att ingen strukturell skillnad förekommer
och hypotesen förkastas om teststatistikan är större än det kritiska värdet i F-tabellen: F > F[!,(!!!!!!!")]
16 Gujarati, D.N et al. (2009), s. 445.
17 För vidare referenser se Gujarati, D.N et al. (2009), s. 457. 18 För vidare referenser seGujarati, D.N et.al. (2009), s. 443.
16
Teststatistikan ges av:
𝐹 = (𝑅𝑆𝑆! − 𝑅𝑆𝑆!")/𝑘 𝑅𝑆𝑆!"/(𝑛!+ 𝑛!− 2𝑘) Där:
• F = Teststatistika • K = antal parametrar
• n1 = antal observationer i förstaundergruppen
• n2 = antal observationer i andra undergruppen
• RSSR = Restricted sum of squares för hela tidsserien
• RSSUR = Summerad Restricted sum of squares för de två undergrupperna
Om nollhypotesen kan förkastas har vi stöd för att en strukturell skillnad i studieresultat fanns det valda året. En möjlig tolkning är att resursfördelningssystemet orsakade denna skillnad. Chow-testets antaganden är att feltermerna i båda undergrupperna är normalfördelade med medelvärde noll och konstant varians samt att feltermerna i undergrupperna är oberoende fördelade.20
2.2.2 Dummyvariabelregression
Chow-testet låter oss inte se hur skillnaden mellan de två undergruppsregressionerna, som skapats för varje beroendevariabel, ser ut. Vi kan alltså inte, med hjälp av Chow-testet, se om systemet bidragit till en förbättring eller försämring av studieresultat. Detta kan vi dock
undersöka genom att använda dummyvariabler i de hela tidsserieregressionerna.Samma
antaganden som för Chow-testet gäller. 21
Vi gjorde en regression av hela tidsserien i denna form:
Y! = α! + α!D!+ β!X!+ β! D!X! + u! Där:
• Y= Aktuell studieresultatsvariabel för respektive kommun • α!= Regressionens intercept.
• α!= Skillnaden i intercept mellan de två undergruppernas regressioner.
20 Gujarati, D.N et.al. (2009), s. 272-273. 21 Gujarati, D.N et.al. (2009), s. 303-305.
17
• D = 1 om tidpunkten är efter införandet av ett system, det vill säga i den senare undergruppen, och 0 annars.
• Xt = Årtal i tidpunkt t.
• β!= Differentiallutningskoefficient som visar skillnaden i lutning mellan de två undergruppernas regressioner.
• ut = Regressionens slumpterm.
I de fall β! är signifikant finns det stöd för strukturell förändring och vi ser även hur de två undergrupperna skiljer sig åt genom att koefficienten är positiv eller negativ. Är koefficienten positiv indikerar det på att lutningen hos regressionen blivit brantare efter den valda tidpunkten och vice versa.22 Är β! både signifikant och positiv tolkar vi det som att systemet har haft en positiv påverkan på studieresultaten och därmed välfärden i kommunen.
2.3 Analysmetod för skillnaderna mellan system
För att besvara den andra forskningsfrågan behövde vi undersöka om det fanns någon skillnad i studieresultatsutveckling inom kommunerna beroende på typ av resursfördelningssystem. Vi grupperade därför kommunerna i urvalet efter hur deras system ser ut och jämförde sedan gruppernas förändring i studieresultat. Vi delade in kommunerna i grupper på två olika sätt, dels efter vilka faktorer som kommunens system utgår från och dels när i tiden systemet infördes. För jämförelsen använde vi oss av regressioner med dummyvariabler, där dummyvariablerna bestod av grupperna. Alla dummyvariabler utelämnades var sin gång i regressionerna som referens för att undvika perfekt multikolinjäritet. En signifikant dummy-variabel kan tolkas som att den aktuella dummy-variabeln skiljer sig från referensgruppen i beroendevariabeln23. Detta lägger grund för vår analys kring hur olika typer av socio-ekonomiska resursfördelningssystem skiljer sig åt i påverkan på studieresultat och således också välfärden. För att erhålla beroendevariabeln har vi, för varje kommun, tagit fram differensen mellan det genomsnittliga meritvärdet innan och efter systemet infördes i respektive kommun. Här använde vi endast genomsnittligt meritvärde som studieresultats-mått, då det fångar upp även de små studieresultatsförändringarna. Eviews utskrifter av alla dessa regressioner finns i bilaga 3.
22 Gujarati, D.N et.al. (2009), s. 303-305. 23 Gujarati, D.N et.al. (2009), s. 298.
18
I tabell 2.1 visar vi grupperna för regressionerna med kommunerna uppdelade efter vilka socioekonomiska bakgrundsfaktorer systemen utgår från. Av dessa fyra grupper skapade vi dummyvariabler, en för varje grupp (A till D). Kommunerna är här rangordnade efter vilka faktorer de använder i sina socioekonomiska resursfördelningssystem, där grupp A har minst antal faktorer och grupp D flest.
Tabell 2.1 Gruppindelning efter socioekonomiska bakgrundsfaktorer
Grupp Kommun
A Falköping, Ludvika och Östra Göinge
B Alvesta, Eskilstuna, Flen, Härnösand,
Katrineholm, Landskrona och Lindesberg
C Bollnäs, Hylte, Norrköping, Sävsjö,
Trollhättan och Älvkarleby
D Malmö, Nässjö och Söderhamn
Vi delade även in kommunerna efter när systemet infördes, en grupp där systemet införts från 2014 och senare, en grupp där systemet införts mellan 2009 och 2014 och en grupp för de kommuner som infört sitt system 2008 eller tidigare. I tabell 2.2 visar vi denna indelning av kommuner. Om någon dummyvariabel är signifikant, vet vi att det finns en skillnad i utveckling av studieresultat som beror på när kommunen införde systemet.
Tabell 2.2 Gruppindelning efter tidpunkt för införande av system
Grupp Kommun
2014 ≥ Alvesta, Hylte, Malmö, Söderhamn, Älvkarleby och Östra Göinge
2008-2013 Falköping, Flen, Härnösand, Katrineholm, Landskrona, Lindesberg, Norrköping, Nässjö och Sävsjö
≤ 2007 Bollnäs, Eskilstuna, Ludvika, Skara och Trollhättan
2.4 Datainsamling
Här följer en redovisning av hur datamaterialet har samlats in, både primärdata från kommunerna i vårt urval och sekundärdata från olika databaser. Vi beskriver och motiverar även vårt socioekonomiska index som urvalet har utgått ifrån.
2.4.1 Urval
Urvalet av kommuner gjordes från ett egengjort socioekonomiskt index där kommunerna rangordnades efter dess populations socioekonomiska bakgrundsfaktorer. I indexet ingår som socioekonomiska bakgrundsfaktorer:
19
• Andel invånare födda i Somalia, Eritrea, Afghanistan, Irak, Iran eller Syrien (mätt den 31 december 2016)
• Andel invånare med ekonomiskt bistånd under år 2015
• Andel invånare med mindre än tre års eftergymnasial utbildning under år 2015
Dessa faktorer valdes ut, då de lyftes fram i SKLs rekommendationer till kommuner för utformande av socioekonomiska resursfördelningssystem till skolan24. En redovisning av hur det socioekonomiska indexet har tagits fram redovisas i bilaga 1.
Förfrågan om kommunernas socioekonomiska resursfördelningssystem skickades till de kommuner som rankats med svagast socioekonomiska index, med restriktionen att kommunerna ska ha minst två skolor för varje årskurs. Denna restriktion anser vi vara relevant då analysen utgår från studieresultat i årskurs nio och mindre kommuner ofta endast har en skola för högstadiet (årskurs sex till nio). Dessa kommuner är inte intressanta i studien, då det inte kan ske någon omfördelning mellan skolor med högstadieklasser och dessa kommuner har därför valts bort. Vi har även valt att endast ta med de kommuner som har ett socioekonomiskt resursfördelningssystem som varit i bruk sedan höstterminen 2015 eller tidigare. Detta då studieresultat för årskurs nio endast finns redovisat för avgångsår 2016 och tidigare. Elever i kommuner som infört ett socioekonomiskt resursfördelningssystem senare än höstterminen 2015 har därför inte fått ta del av resursfördelningen under minst ett år av sin grundskoleutbildning.
Vi har endast varit intresserade av de kommuner som har ett socioekonomiskt resurs-fördelningssystem, enligt vår definition. Vi har därför sorteras bort ett par kommuner som svarat att de har ett socioekonomiskt resursfördelningssystem, men inte ett på det sättet vi definierat systemet. Främst handlar det om kommuner som svarat att de tar hänsyn till elevers socioekonomiska bakgrund vid resursfördelningen, men där detta görs genom en äskande process mellan skolorna och kommunen. En annan anledning kan vara att kommunen endast fördelar extra resurser för lärare i svenska som andra språk till skolor som tar emot nyanlända. Vi definierar inte sådana system som socioekonomiska resursfördelningssystem och därför ingår inte dessa kommuner i vårt slutgiltiga urval.
20
2.4.2 Motivering av socioekonomiskt index
Varför vi tog fram ett socioekonomiskt index var för att kommuner med sämre socioekonomiska förutsättningar, enligt oss, borde ha större anledning att införa ett omfördelningssystem. Vi antar att dessa kommuner i större utsträckning använder sig av socioekonomisk resursfördelning och att effekterna av ett resursfördelningssystem på sådana kommuner borde vara av större magnitud och därför lättare att observera.
En svaghet med indexet är att vi endast får en ögonblicksbild av hur det socioekonomiska läget såg ut vid mättillfället hos kommunerna. Om de socioekonomiska förutsättningarna har förändrats mycket så fångar inte vårt index upp denna förändring. Vi har dock valt att utgå från indexet med antagandet om att variablerna inte har förändrats mycket, frånsett faktorn utländsk bakgrund. Av den anledningen redovisar vi även den faktorn separat i resultatet. Omfördelningsidén grundar sig i att skillnader i samhället existerar I vårt fall behövs skillnader i elevers socioekonomiska bakgrund. Det är teoretiskt möjligt att en kommun, som rankas högt i vårt socioekonomiska index, inte har incitament till omfördelning då kommunen kanske inte finner några socioekonomiska skillnader mellan kommunens skolor. Ett omfördelningssystem är inte behövligt i sådana fall. Vi tror dock inte att det är vanligt förekommande så vårt antagande, att ju svagare socioekonomiska förutsättningar en kommun överlag har desto större skillnader i socioekonomisk bakgrund borde det finnas mellan kommunens invånare och skolor, bör vara rimligt. En utförligare beskrivning av hur vi tog fram det socioekonomiska indexet finns i bilaga 1 tillsammans med tabeller över alla Sveriges kommuners index.
2.4.3 Informationsinhämtning från kommunerna i urvalet
Den primärdata vi använt består av information om urvalskommunernas socioekonomiska resursfördelningssystem och denna data har vi samlat in genom kontakt med urvals-kommunerna. I bilaga 2 finns mailmallen redovisad tillsammans med separata beskrivningar av kommunerna. Totalt har 50 kommuner tillfrågats om deras socioekonomiska resurs-fördelningssystem. Av dessa 50 kommuner ingick 39 stycken i urvalet, baserat på att kommunen ska ha minst två skolor för varje årskurs. Av de 39 kommunerna är svarsfrekvensen drygt 92 procent, vilket bör anses som en väldigt bra svarsfrekvens (86 procent av 50 kommuner). Svarsfrekvensen tydliggörs i tabell 2.3.
21
Tabell 2.3 Svarsfrekvens
Av de svarande kommunerna, som ingick i urvalet, svarade 25 kommuner att de hade ett socioekonomiskt resursfördelningssystem, utifrån vår definition. Av dessa var det fem kommuner som infört systemet vårterminen 2016 eller senare och som därför sorterades bort. Slutgiltigt urval blev därför 20 kommuner, vilket är drygt fem procent av totalt antal kommuner i Sverige. Detta tydliggörs i tabell 2.4.
Tabell 2.4 Urval
Kommunerna blev bland annat tillfrågade om hur deras socioekonomiska resursfördelnings-system ser ut, när de införde resursfördelnings-systemet och om de haft ett annat socioekonomiskt resurs-fördelningssystem innan. Frågan ställdes till kommunerna via mail och skickades till två olika mailadresser per kommun för att öka sannolikheten för svar.25 Förfrågan skickades ut till ett första urval om 30 kommuner26 torsdagen den 6 april 2017 och dagen efter skickades förfrågan ut till ytterligare 20 kommuner. I de fall där oklarheter funnits i kommunernas svar har vidare frågor ställts per mail. Ett påminnelseutskick gick ut den 12 april 2017 till de kommuner som inte svarat, vilket ökade svarsfrekvensen. All relevant information från urvalskommunerna har sammanställts och redovisas i kapitel 3 och bilaga 2. Denna information används sedan för jämförelser och kategorisering av kommunerna.
25 I de fall kommunen på sin hemsida angett en generell mailadress till utbildningsförvaltningen har denna används. I de fall det funnits personliga mailadresser till chef eller ansvarig för utbildningsförvaltningen har dessa även använts. I de fall där något av tidigare angivna mailadresser inte hittats, har den generella mailadressen till kommunen använts. 26 Inklusive de 13 kommuner som inte ingick i det slutgiltiga urvalet. Totalt utskick
Varav antal som ingick i urvalet, baserat på minst två skolor i varje årskurs
Antal svar utifrån urvalet Svarsfrekvens utifrån urval Total svarsfrekvens 50 39 36 36/39= drygt 92 % 36/50= drygt 86 % Antal svar utifrån urvalet Antal kommuner med ett system enligt vår definition
Antal kommuner som infört systemet Vt. 2016 eller senare Slutgiltigt urval av kommuner med socioekonomiska resursfördelningssystem 36 25 5 20
22
2.4.4 Inhämtning av tillgänglig information om kommunerna i urvalet
All övergripande kommundata, såsom befolkningsmängd och befolkningstäthet togs från Statistiska centralbyråns (SCB:s) hemsida27. Information om hur många skolor och elever en
kommun har samt elevernas socioekonomiska bakgrundsfaktorer har vi hämtat från Skolverkets databas SIRIS28. All information om kommunernas studieresultat är hämtat från
Kommun och Landstingsdatabasen KOLADA29.
2.5 Metodkritik
De tillfrågade kommunerna har i vissa fall tolkat våra frågor på olika sätt. Då tankesättet och systemen med socioekonomisk resursfördelning är relativ nya antar vi att de skilda tolkningarna beror på att kommuner har kommit olika långt i sitt arbete och att systemen därför ser olika ut. Vid jämförelser mellan dessa olika system blir konsekvensen att det är svårt att säga vad en positiv eller negativ effekt beror på. Vi har därför valt att främst genomföra jämförelser inom kommuner och då jämföra studieresultat innan och efter ett socioekonomiskt resursfördelningssystem införts. Problemet med kommunernas olika tolkningar drabbar därför främst den andra forskningsfrågan där vi ser om det finns skillnader mellan måluppfyllelse av olika typer av system.
För att en tidsserieregression ska bli så effektiv och väntevärdesriktig som möjligt är det bland annat viktigt att dataunderlaget består av ett större antal observationer. Då resursfördelnings-systemen oftast införts sent i kommunerna finns få observerade värden av studieresultat-variablerna efter införandet. Detta innebär att de skattade estimaten i vissa fall bör tolkas med försiktighet. Vi har därför valt att inte analysera magnituden av systemens effekter utan endast titta på om effekten är positiv eller negativ. Denna försiktigare hållning påverkar dock inte vår möjlighet att uppfylla uppsatsens syfte.
27 Statistiska Centralbyrån.
28 Skolverket. SIRIS.
23
3
Beskrivning av kommuner
I detta kapitel ger vi en översiktlig bild av urvalet. Först beskrivs kommunerna i grupper under avsnitt 3.1 till 3.5. I avsnitt 3.6 ges en övergripande bild av urvalet utifrån kommunernas socioekonomiska index samt studieresultat för elever i årskurs nio år 2016. Till kapitlet hör bilaga 2 där mailmallen för utskick, en närmare beskrivning av varje kommun och en tidsserie av varje kommuns studieresultatsutveckling finns.
3.1 Gruppindelning av kommuner
För att underlätta jämförelser mellan kommunerna i urvalet har de delats in i grupper (A-D) utifrån vilka socioekonomiska bakgrundsfaktorer som respektive kommuns system utgår från. Om en kommun har förändrat vilka faktorer systemet utgår från, har kommunen grupperats efter vilka faktorer som det ursprungliga systemet baserades på. Skara kommun ingår inte i någon av grupperna då de inte har givit tillräcklig information om vilka faktorer deras system utgår från. Grupperna är uppdelade enligt följande faktorer:
• A: Föräldrars utbildningsnivå.
• B: Föräldrars utbildningsnivå och utländsk bakgrund.
• C: Faktorer angivna i grupp B och ekonomiskt bistånd och/ eller kön.
• D: Faktorer angivna i grupp C och familjesituation och/ eller bostadsområde/skola. • Övriga: Skara (definierar inte vilka faktorer systemet utgår från)
kommunerna visar vi även när deras socioekonomiska resursfördelningssystem infördes och om systemet har ändrats beskrivs även den förändringen. Under varje grupp finns ovanstående fakta sammanställt i tabellform (tabell 3.1 till 3.5).
Vi har sett att andelen elever med utländsk bakgrund förändras mer än de övriga variablerna som kommunerna använder vid resursfördelning. Vi visar därför, i figurerna 3.1 till 3.5, även diagram över utvecklingen av andelen elever med utländsk bakgrund i årskurs nio under åren 2006 till 2015 för varje grupp. Information om kommunernas skolor och elever är hämtad från Skolverkets databas SIRIS30.
24
3.1.1 Grupp A
I grupp A ingår kommuner som utgår från faktorn föräldrars utbildningsnivå vid beräkningen av socioekonomisk resursfördelning. De kommuner som ingår i grupp A är Falköping, Östra Göinge och Ludvika. Bland dessa kommuner finns en stor spridning i antal skolor. Falköping är bland de fem kommunerna i urvalet som har flest antal skolor, medan Östra Göinge är bland de fem kommuner som har minst antal skolor. När det gäller elevernas socio-ekonomiska bakgrund har dessa kommuner relativt lika förutsättningar. Falköping utmärker sig dock i gruppen med en relativt hög andel elever med föräldrar som har eftergymnasial utbildning.
Tabell 3.1 Beskrivning av Grupp A
Alla kommuner i grupp A har en ökande andel elever med utländsk bakgrund i årskurs nio över tid. Kommunernas trender följer varandra väl och Falköping är den kommun som under flertalet år haft en högre andel elever med utländsk bakgrund i årskurs nio än övriga kommuner i gruppen.
Figur 3.1 Utveckling av andelen elever, i årskurs nio, med utländsk bakgrund i grupp A 0 5 10 15 20 25 30 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 A n d el e le ve r m ed u tl än d sk b ak gr u n d ( % ) År Falköping Ludvika Östra-Göinge
Kommun (index) Totalt antal grund-skolor Totalt antal elever Total andel elever utländsk bakgrund
Total andel elever med föräldrar som har eftergymnasial utbildning År som systemet infördes Falköping (47) 23 3 585 25 % 48 % 2012 Ludvika (16) 16 2 659 25 % 43 % 2007 Östra Göinge (20) 8 1 542 24 % 40 % 2015
25
3.1.2 Grupp B
I Grupp B ingår kommuner som baserar sina socioekonomiska resursfördelningssystem på faktorerna föräldrarnas utbildningsnivå och utländsk bakgrund. Hur föräldrars utbildningsnivå och utländsk bakgrund definieras är olika i kommunerna, men vi väljer att se dessa kommuners system som homogena. Exempelvis har kommunerna olika tidsgränser för när en elev klassas som att ha utländsk bakgrund. Sävsjö kommun hade innan läsåret 2015- 2016 även med faktorn andelen pojkar, men systemet utgår inte längre från den faktorn31. Kommuner som ingår i gruppen är: Alvesta, Eskilstuna, Flen, Härnösand Katrineholm, Landskrona och Lindesberg. Dessa kommuner har generellt sett en högre andel elever med utländsk bakgrund än kommuner i grupp A.
I gruppen varierar antal skolor och elever mycket. Eskilstuna särskiljer sig från övriga kommuner i gruppen, då de har markant fler skolor och elever. Eskilstuna skiljer sig även då de införde sitt system redan 2003, medan övriga införde sina system mellan 2009 och 2015. Sävsjö och Alvesta är de kommuner som införde sina system senast i gruppen och de har också minst antal skolor och elever. Landskrona och Flen utmärker sig då andelen elever med
utländsk bakgrund i de kommunerna är 42 % jämfört med övriga kommuner i gruppen som
har en andel på 29 till 34 % elever med utländsk bakgrund. Flen har lägst andel elever med föräldrar som har eftergymnasial utbildning. Sedan 2014 har Flen dock lagt till ekonomiskt bistånd och familjesituation som faktorer i sitt system32.
31Källström, U. (2017) 32 Gustafsson, E. (2017).
Kommun
(index) Totalt antal grund-skolor Totalt antal elever Total andel elever utländsk bakgrund
Total andel elever med föräldrar som har eftergymnasial utbildning År som systemet infördes Alvesta (22) 8 2 259 32 % 42 % 2015 Eskilstuna (2) 39 11 331 34 % 50 % 2003 Flen (9) 12 1 774 42 % 33 % 2011 Härnösand (54) 12 2 601 24 % 54 % 2013 Katrineholm (8) 15 3 639 29 % 45 % 2012 Landskrona (58) 20 4 483 42 % 44 % 2009 Lindesberg (18) 14 2 392 28 % 38 % 2011
26
Tabell 3.2 Beskrivning av grupp B
Alla kommuner i gruppen har haft en ökning av andelen elever med utländsk bakgrund i årskurs nio. Landskrona kommun märker ut sig då de har högst andel, samtidigt är de inte den kommun som har haft den största ökningen. Övriga kommuner har en lägre andel, men en större ökning.
Figur 3.2 Utveckling av andelen elever, i årskurs nio, med utländsk bakgrund i grupp B 3.1.3 Grupp C
I grupp C ingår kommuner med ett socioekonomiskt resursfördelningssystem som utgår från tre till fyra faktorer. Alla kommunerna utgår från faktorerna föräldrars utbildningsnivå och utländsk bakgrund. Hälften av kommunerna i gruppen utgår även från om elevens familj har ekonomiskt bistånd. Två av kommunerna utgår från kön, en kommun utgår från om eleven har en ensamstående förälder och en kommun utgår från andel elever i årskurs 7-9 som är obehöriga till gymnasiet.
Trollhättan, Älvkarleby, Bollnäs, Hylte, Sävsjö och Norrköping är de kommuner som ingår i gruppen. Av dessa kommuner är Norrköping utstickande stor med sina 73 grundskolor, jämfört med övriga kommuners 6-30 skolor. Norrköping har även mer än dubbelt så många elever som den kommun i gruppen som har näst flest elever. Sävsjö och Älvkarleby är bland de minsta kommunerna i urvalet med avseende på antal skolor. De har också få elever, runt 1000 elever, vilket även Hylte kommun har. Hylte har det lägsta socioekonomiska indexet i gruppen, vilket även visas i att kommunen har högst andel elever med utländsk bakgrund och lägst andel elever med föräldrar med eftergymnasial utbildning.
0 5 10 15 20 25 30 35 40 45 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 A n d el e le ve r m ed u tl än d sk b ak gr u n d ( % ) År Alvesta Eskilstuna Härnösand Katrineholm Landskrona Lindesberg Flen
27
Tabell 3.3 Beskrivning av grupp C
Även i grupp C har andelen elever med utländsk bakgrund i årskurs nio ökat över tid. Trollhättan och Norrköping, som är de två stora kommunerna i gruppen, har högst andel elever med utländsk bakgrund. De har haft en relativt stadig ökning över tid, medan Hylte och Sävsjö har haft en mer varierande andel elever med utländsk bakgrund över tid. Värden för Älvkarleby har inte redovisats i SIRIS under flera år eftersom underlaget inte har varit tillräckligt stort (färre än tio elever med utländsk bakgrund i årskurs nio).
Figur 3.3 Utveckling av andelen elever, i årskurs nio, med utländsk bakgrund i grupp C 0 5 10 15 20 25 30 35 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 A n d el e le ve r m ed u tl än d sk b ak gr u n d ( % ) År Trollhättan Älvkarleby Bollnäs Hylte Sävsjö Norrköping Kommun
(index) Totalt antal grund-skolor Totalt antal elever Total andel elever utländsk bakgrund
Total andel elever med föräldrar som har eftergymnasial utbildning År som systemet infördes Bollnäs (36) 15 2 615 19 % 46 % 2007 Hylte (5) 10 1 382 39 % 34 % 2014 Norrköping (23) 73 14 478 28 % 52 % 2011 Sävsjö (17) 7 1 299 31 % 42 % 2014 Trollhättan (33) 30 6 388 33 % 53 % 2007 Älvkarleby (50) 6 956 18 % 43 % 2014
28
3.1.4 Grupp D
I grupp D ingår kommuner med ett socioekonomiskt resursfördelningssystem som utgår från fler än fyra faktorer. Faktorer som ingår är: föräldrars utbildningsnivå, utländsk bakgrund, ekonomiskt bistånd, kön, familjesituation och i Malmö även bostadsområde och skola.
I grupp D ingår kommunerna Malmö, Söderhamn och Nässjö. Malmö utmärker sig i denna grupp då kommunen är flera gånger större än övriga kommuner. De har även en mycket högre andel elever med utländsk bakgrund, men även en hög andel elever med föräldrar som har eftergymnasial utbildning. Trots att Nässjö och Söderhamn har relativt lika förutsättningar i antal skolor och elevers socioekonomiska bakgrund, så införde Nässjö sitt system sju år före Söderhamn.
Tabell 3.4 Beskrivning av grupp D
Även när det gäller andelen elever med utländsk bakgrund i årskurs nio har Malmö en betydligt högre andel över tid, än de andra två kommunerna i urvalet. Ökningen för dessa kommuner har inte varit lika stor som för många av de andra kommunerna i övriga grupper.
Figur 3.4 Utveckling av andelen elever, i årskurs nio, med utländsk bakgrund i grupp D
0 5 10 15 20 25 30 35 40 45 50 55 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 A n d el e le ve r m ed u tl än d sk b ak gr u n d ( % ) År Malmö Söderhamn Nässjö
Kommun (index) Totalt antal grund-skolor Totalt antal elever Total andel elever utländsk bakgrund
Total andel elever med föräldrar som har
eftergymnasial utbildning År som systemet infördes Malmö (12) 101 29773 50 % 56 % 2014 Nässjö (11) 19 3273 30 % 46 % 2008 Söderhamn (34) 17 2503 28 % 39 % 2015
29
3.1.5 Övriga: Skara kommun
Skara kommun ingår inte i någon av ovanstående grupperna då de inte lämnat tillräckligt med information om vilka bakgrundsfaktorer deras system utgår från. Kommunen är bland de mindre i urvalet med få antal skolor och ett av de mindre elevantalen. Det socioekonomiska resursfördelningssystemet infördes tidigt, redan 2005, vilket gör att de är en av de kommunerna i urvalet som har haft sitt system längst. Skara kommuns system bygger på en extra ersättning till skolorna per elev som beror på om eleven anses ha en stark eller svag socioekonomisk bakgrund. Vilka faktorer som mäter den socioekonomiska bakgrunden har Skara inte informerat om.
Tabell 3.5 Beskrivning av Skara kommun
I Skara har andelen elever med utländsk bakgrund i årskurs nio ökat med ungefär 13 procentenheter sedan 2006, vilket är ungefär en lika stor ökning som resterande kommuner i urvalet har haft.
Figur 3.5 Utveckling av andelen elever, i årskurs nio, med utländsk bakgrund i Skara
3.2 Jämförelse av studieresultat kopplat till socioekonomiskt index
För att få en övergripande bild av urvalet visar vi här tre diagram över de tre typerna av studieresultat från årskurs nio under 2016. Kommunerna är ordnade efter deras socio-ekonomiska index, från svagast sociosocio-ekonomiska förutsättningar (till vänster) till starkast (till höger). En svart trendlinje är dragen i varje diagram för att visa korrelationen mellan kommunernas socioekonomiska index och dess elevers studieresultat.
0 5 10 15 20 25 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 Andel elever med u tl än d sk b ak gr u n d (% ) År Skara Kommun
(index) Totalt antal grund-skolor Totalt antal elever Total andel elever utländsk bakgrund
Total andel elever med föräldrar som har eftergymnasial utbildning År som systemet infördes Skara (56) 8 1 978 28 % 44 % 2005
30
Figur 3.6 visar andelen elever som i årskurs nio är godkända i alla ämnen i de 20 urvalskommunerna. Trendlinjen visar på en positiv trend. Det betyder att ju starkare socioekonomiska förutsättningar kommunens befolkning har (från höger i figuren), det vill säga ju lägre värde på det socioekonomiska indexet kommunen har, desto högre andel elever är godkända i alla ämnen i årskurs nio.
Figur 3.6 Andel elever i årskurs nio som uppnått godkänt i alla ämnen
I samtliga kommuner är andelen elever som är godkända i alla ämnen lägre än andelen elever som har gymnasiebehörighet. Detta beror på att eleven inte behöver ha godkänt i alla ämnen för att få gymnasiebehörighet. Figur 3.7 visar urvalskommunernas resultat i andelen gymnasiebehöriga elever i årskurs nio. Diagrammet visar en något svagare, men ändå positiv, trend än diagrammet för andel godkända i alla ämnen.
y = 0,4325x + 67,209 0 10 20 30 40 50 60 70 80 90 100 A n d el e le ve r i år sk u rs 9 s om h ar god k än t i al la ämn en
Urvalskommunerna ordnade efter socioekonomiskt index (svagast till vänster)
31
Figur 3.7 Andel elever i årskurs nio med gymnasiebehörighet
För att tydligare se hur eleverna i kommunerna presterar visar vi även, i figur 3.8, ett diagram över kommunernas genomsnittliga meritvärden för elever i årskurs nio. Även här kan en positiv trend observeras, vilket innebär att ju starkare socioekonomiska förutsättningar en kommuns befolkning totalt sett har, desto högre genomsnittligt meritvärde har kommunens grundskolors avgångselever. y = 0,2862x + 79,069 0 10 20 30 40 50 60 70 80 90 100 A n d el i år sk u rs 9 s om h ar gymn as ie b eh ör igh et
Urvalskommunerna ordnade efter socioekonomiskt index (svagast till vänster)
32
Figur 3.8 Genomsnittligt meritvärde för elever i årskurs nio
Sammanfattningsvis kan vi konstatera att studieresultaten ökar ju starkare socioekonomisk bakgrund kommunens totala befolkning har. Även då trenden är positiv är den inte så stark i någon av studieresultatsvariablerna och det finns kommuner som avviker från trenden. Ett exempel är Älvkarleby som har det sämsta genomsnittliga meritvärdet av urvalskommunerna även om det är den fjärde starkaste kommunen sett till socioekonomisk bakgrund för kommunens befolkning. y = 0,4142x + 202,82 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 G en oms n ittl igt me ri tvär d e för år sk u rs 9 (16 ämn en )
Urvalskommunerna ordnade efter socioekonomiskt index (svagast till vänster)
33
4
Resultat
I detta kapitel redovisar vi resultaten från de genomförda regressionerna och testerna. Avsnitt 4.1 till 4.3 syftar till att lägga grund för svaret på den första forskningsfrågan, om systemet inneburit en välfärdsökning. Avsnitt 4.4 avser istället att utreda den andra forskningsfrågan, om systemen skiljer sig åt baserat på förändring i välfärd. Mer information om varje regression och testresultat finns i bilaga 3 där alla Eviews utskrifter presenteras.
4.1 Chow-test- test för strukturell förändring
Vi har skapat tre regressioner per kommun, en per studieresultatsvariabel. För att underlätta jämförelser mellan kommunerna har vi sammanställt resultatet i tabellform efter vilka faktorer kommunernas system utgår från (tabellerna 4.1 till 4.5). I tabellerna visas om regressionen har en signifikant trend och i så fall om den är positiv eller negativ. I tabellerna framgår även om Chow-testet visar någon signifikant trendförändring av studieresultat efter införandet av ett socioekonomiskt resursfördelningssystem.
För att ange signifikans har vi valt att använda oss av stjärnor (*). Tre stjärnor indikerar på ett starkt signifikant värde, värde ≤ 0,01, två stjärnor visar på ett normalt signifikant värde, p-värde ≤ 0,05, och en stjärna visar på ett svagt signifikant p-värde, p-p-värde ≤ 0,1. För regressioner med för få observationer för att Chow-testet ska vara genomförbart anges ”ej tillämpbart” i tabellerna nedan. För de kommuner som infört sitt system under 2015 har vi valt att inte göra en regression, då observationerna är för få. Dessa fyra kommuners studieresultat presenteras endast visuellt, vilket görs i avsnitt 4.2 nedan.
Som framgår av tabellerna 4.1 till 4.5 visar 12 av 48 tidsserieregressioner på en signifikant positiv trend där studieresultatet över tid ökar i kommunen. Det är 17 tidsserieregressioner som inte visar någon signifikant trend och 16 regressioner visar på en signifikant negativ trend, där studieresultaten minskar över tid i kommunen. Tolkningen av de tidsserie-regressioner som inte visar på någon signifikant trend är att studieresultaten ökar ungefär lika mycket som de minskar över tid. Dessa regressioner är därför inte heller relevanta för Chow-testet, då det inte finns någon trend som kan ha ändrats. Av de 28 tidsserieregressioner som visar en signifikant trend uppvisar fyra av dem på en signifikant skillnad i trend efter införandet av ett system. Dessa fyra regressioner har vi därför valt att undersöka vidare, vilket görs i avsnitt 4.3.
34
De flesta kommuner har inte genomgående samma trend i alla tre studieresultatsvariabler. Kommunerna har istället ofta någon variabel som inte har en signifikant trend, eller någon variabel som har en motsatt trend. Det finns dock ett fåtal kommuner där alla tre regressioner visar samma resultat. Falköping och Ludvika uppvisar båda negativa trender i alla regressioner och Landskrona har en positiv trend i alla sina studiersultatsvariabler. I Katrineholm och Älvkarleby finner vi ingen signifikant trend i någon av studieresultats-variablerna. I tabellerna 4.1 till 4.5 visar vi resultatet av de tre regressionerna och Chow-testet för respektive kommun. De regressioner där Chow-testet visar en strukturell förändring är markerade i blå kursiverad text.
Tabell 4.1 Resultat av tidsserieregressioner och Chow-test för grupp A
Tabell 4.2 Resultat av tidsserieregressioner och Chow-test för grupp B
Kommun Typ av studieresultat Trend Chow-testet visar
Falköping Godkända i alla ämnen Negativ*** Ingen skillnad
Gymnasiebehörighet Negativ*** Ingen skillnad
Meritvärde Negativ*** Ingen skillnad
Ludvika Godkända i alla ämnen Negativ*** Skillnad***
Gymnasiebehörighet Negativ*** Ingen skillnad
Meritvärde Negativ*** Ingen skillnad
Östra Göinge Redovisas separat i tabell 4.6
Kommun Typ av studieresultat Trend Chow-testet visar
Alvesta Redovisas separat i tabell 4.6
Eskilstuna Godkända i alla ämnen Positiv** Ingen skillnad
Gymnasiebehörighet Inget signifikant samband
Meritvärde Positiv*** Ingen skillnad
Flen Godkända i alla ämnen Negativ** Skillnad**
Gymnasiebehörighet Negativ* Ingen skillnad
Meritvärde Inget signifikant samband
Härnösand Godkända i alla ämnen Inget signifikant samband
Gymnasiebehörighet Negativ*** Ingen skillnad
Meritvärde Negativ*** Ingen skillnad
Katrineholm Godkända i alla ämnen Inget signifikant samband
Gymnasiebehörighet Inget signifikant samband
Meritvärde Inget signifikant samband
Landskrona Godkända i alla ämnen Positiv*** Ingen skillnad
Gymnasiebehörighet Positiv** Ingen skillnad
Meritvärde Positiv*** Skillnad*
