Rumslig socioekonomisk variation i Karlstad
En studie av vattnets roll för socioekonomisk fördelning i Karlstad tätort.
Spatial socioeconomic variation in Karlstad
A study of the impact of blue spaces on socioeconomic distribution in the city of Karlstad.
Joel Andersson & Henrik Grund
Fakulteten för humaniora och samhällsvetenskap
Kulturgeografi/Samhällsplanerarprogrammet B-nivå/15hp
Svante Karlsson Hans Olof Gottfridsson 2018-06-07
Abstract
Where people choose to live is a consequence of a variety of factors, such as housing cost, design, localization and personal considerations. Urban blue spaces provide a range of perceived benefits to nearby inhabitants and is generally seen as attractive traits for an area, influencing housing cost and demographics amongst other things. This has implications for socioeconomic spatial distribution, and thus the city could also be viewed as a map of socioeconomic variation. This paper seeks to examine the socioeconomic spatial variation in the city of Karlstad in relation to urban blue spaces. Using publicly available statistics for 23 different areas of the city, this variation is visualised in a series of maps and tables. Two models, one using average income and one using a proposed local socioeconomic index, are devised and used to estimate the impact of blue spaces on socioeconomic spatial variation in Karlstad. Results show a significant socioeconomic variation between different areas. Certain areas score high and certain areas score low in every category of the socioeconomic index, painting the picture of a socioeconomically divided city. The models used are proven to be inaccurate. Although the four areas with the lowest average income are all located in zones furthest from blue spaces, no evidence indicate that high and medium high average income areas, nor areas with high socioeconomic index, generally are located in closer proximity to blue spaces. Findings imply that socioeconomic spatial variation in Karlstad cannot be reduced to blue spaces and is a complex area of further research.
Innehållsförteckning
Innehållsförteckning
Abstract ... 2
Innehållsförteckning ... 3
Kart- och tabellförteckning ... 5
1. Introduktion... 1
1.1 Bakgrund & problemformulering ... 1
1.3 Syfte ... 2
1.4 Frågeställningar... 2
1.5 Avgränsningar ... 2
2. Tidigare forskning ... 2
2.1 Vatten i urbana områden ... 3
2.2 Urban segregation ... 4
3. Teori ... 6
4. Metod ... 7
4.1 Data ... 8
4.2 Kartor ... 11
4.3 Modeller ... 12
5. Resultat ... 13
5.1 Kartor & tabeller ... 14
5.1.1 Områdesnummer ... 14
5.1.2 Inkomst ... 14
5.1.3 Andel arbetslöshet ... 15
5.1.4 Andel eftergymnasialt utbildade ... 16
5.1.5 Ohälsotal ... 17
5.1.6 Andel hyresrätter ... 17
5.1.7 Största åldersgrupp... 18
5.1.8 Socioekonomiskt index ... 19
6. Diskussion & slutsatser ... 23
6.1 Diskussion ... 23
6.2 Slutsatser ... 25
7. Källförteckning ... 26
8. Bilagor... 29
Kart- och tabellförteckning
Karta 1: Områdesnummer Karta 2 : Medelinkomst Karta 3: Medianinkomst Karta 4: Andel arbetslöshet
Karta 5: Andel eftergymnasialt utbildade Karta 6: Ohälsotal
Karta 7: Andel hyresrätter Karta 8: Största åldersgrupp Karta 9: Socioekonomisk index
Karta 10: Zoner med utsatta områdesnummer
Karta 11: Zoner med områdenas polygontyngdpunkter
Tabell 1: Statistik för hur Hultsberg-Henstad och Hagalund-Gustavsberg Tabell 2: Områdenas numrering efter bokstavsordning.
Tabell 3: Medelinkomst Tabell 4: Medianinkomst Tabell 5: Andel arbetslöshet
Tabell 6: Andel eftergymnasialt utbildade Tabell 7: Ohälsotal
Tabell 8: Andel hyresrätter Tabell 9: Största åldersgrupp Tabell 10: Socioekonomisk index Tabell 11: Modell 1
Tabell 12: Modell 2
1
1. Introduktion
1.1 Bakgrund & problemformulering
Människors val av boende i urbana områden styrs av en rad olika faktorer. Det kan vara en i hög grad ekonomisk fråga där bostadspris är centralt, eller en geografisk fråga där boendets lokalisering i relation till sjukvård, skolor och andra samhällsfunktioner är viktigare. Det kan även röra sig om personliga preferenser i fråga om arkitektur, design eller kringliggande landskap. I det sena 2010-talet råder samhällsplaneringsideal som gärna framhäver vattenmiljöer som ett rekreationellt och imagebyggande inslag i staden (Ryan, 2010).
Vattennära vyer och bekvämligheter är allt mer åtråvärda, inte minst som potentiella
levnadsmiljöer (Haeffner, Jackson-Smith, Buchert, & Risley, 2017). Detta framträder tydligt i Karlstad tätort, som på senare år har satsat på att utveckla vattennära bostadsområden såsom Inre hamn, Bryggudden, Zakrisdalsudden och den planerade stadsdelen Grundviken, som av kommunen benämnts som Karlstads nya västkust (Karlstads kommun, 2009). Här
marknadsför man till resursstarka grupper en bild av Karlstad som en vattennära stad med exklusiva områden. Samtidigt halkar de mest utsatta stadsdelarna efter i utvecklingen, både i termer av inkomst, utbildning och sysselsättning (Karlstads kommun, 2015).
Var i staden man kan bo kan med andra ord vara relaterat till vilken inkomst man har. Det kan också handla om vilken nivå av utbildning man har och huruvida man överhuvudtaget har en sysselsättning. Detta kan leda till en rumslig variation mot bakgrund av socioekonomi.
Grupper med högre socioekonomisk status bosätter sig generellt i mer attraktiva och
exklusivare områden där bostadspriserna är höga. Grupper med lägre socioekonomisk status saknar delvis medel att välja fritt var de vill bo, eftersom deras låga socioekonomiska status gör att de saknar konkurrenskraft på bostadsmarknaden (Kawachi, 2002). Följande studie ämnar därför att undersöka Karlstads olika områden i förhållande till vatten och hur det kan vara en drivande orsak för segregation i Karlstad. Den kunskap som studien genererar kan således vara av vikt för förståelsen av segregationens orsaker och för att möta de
planeringsmässiga utmaningar det innebär.
2
1.3 Syfte
Syftet med studien är att utforska socioekonomisk fördelning och dess relation till vatten med fallet Karlstad som exempel. Studien skall som ett led i detta undersöka hur skillnader i socioekonomi uttrycker sig i Karlstad tätort. Studien utforskar om vatten kan vara en drivande orsak till städers socioekonomiska geografi.
1.4 Frågeställningar
● Hur framträder den rumsliga variationen i socioekonomi mellan Karlstads stadsdelar?
● Vilken roll spelar vatten för rumslig socioekonomisk fördelning i Karlstad?
1.5 Avgränsningar
Studien ämnar att utforska relationen mellan olika områdens socioekonomiska status i relation till vatten. I termer av områden i anknytning till vatten kommer endast det
geografiska avståndet kartläggas. De vattenkroppar som är relevanta för denna undersökning i Karlstad är Vänern, Klarälven, Kroppkärrssjön och Sundstatjärnet. Det finns vattenkroppar av mindre storlek som inte är lika relevanta för undersökningen. Dessa är till exempel Sandbäckstjärnet och Örsholmstjärnet. Studien använder aggregerad data på områdesnivå då mikrodata inte finns offentligt tillgänglig. Begreppet socioekonomisk status innefattar i studien inkomst, utbildning, arbetslöshet, ohälsa och upplåtelseform. Dessa används för att göra ett socioekonomiskt index över Karlstads områden. Inga andra variabler undersöks som indikatorer på socioekonomisk status. Ålder presenteras som kompletterande information.
2. Tidigare forskning
Underlag för uppsatsen innefattar tidigare forskning inom relaterade ämnen.
Litteratursökningen har skett via Karlstads universitetsbiblioteks databas och sökfunktion för vetenskapliga texter. Eftersom studien bygger på denna tidigare forskning är det viktigt att de källor som använts är tillförlitliga. Underlaget i litteraturgenomgången bedöms bestå av källor med god kvalitet.
3
2.1 Vatten i urbana områden
Med vatten i urbana områden åsyftas här kustlinjer och land intill sjöar samt floder och älvar i tätorten. I engelsk fackterminologi benämns sådana områden ofta som blue space (Haeffner et al., 2017), det vill säga blå områden, vilket kan jämföras med vad man motsvarande kallar gröna områden för parker och inslag av växtlighet i urbana miljöer. Forskningen i denna aveny har hittills i huvudsak varit inriktad på gröna områden, dit vatten frekvent har räknats som en del, och dess effekt på stadslivet. På senare år har det väckts ett större intresse för att betrakta vattenmiljöer som distinkta områden med särskilda egenskaper. Vatten har blivit ett centralt element för arkitektur och planering i urbana områden, allt eftersom bilden av den ideala urbana miljön rört sig mot ekologism och en närmare koppling till det naturliga landskapet. Inte minst har vattenmiljöer i högre utsträckning erkänts som viktiga inslag i en sund och hållbar urban livsstil (Ryan, 2010; Völker, Matros, & Claßen, 2016). Enligt en studie av strandpromenader i tyska städer finns det en association mellan vattenmiljöer och hälsomarkörer såsom stressnivå, och de används således av stadens befolkning terapeutiskt och rekreationellt. Städernas invånare rapporterade positiva upplevelser och även emotionella kopplingar till vattenmiljöerna (Völker & Kistemann, 2013). Völker & Kistemann (2011) hade även kunnat se vissa bevis för detta i en tidigare metastudie, även om man noterade att det empiriska underlaget varit bristande. Haeffner et al. (2017) studerade hushåll nära
vattenmiljöer i norra Utah, USA och fann att vattenmiljöer sågs som en bekvämlighet och en faktor i ett grannskaps levnadskvalitet. Med andra ord ses vattenmiljöer generellt som
attraktiva platser att leva och bo kring och de exploateras på detta vis i förmån för bland annat bostäder. I sin studie av Köpenhamn fann Desfor & Jørgensen (2004) att en
planeringstrend tagit form sedan slutet av 1980-talet, där utveckling av en waterfront, det vill säga vattennära lägen, använts för att attrahera kapital på den konkurrensutsatta globaliserade marknaden. Denna trend kan på liknande sätt urskiljas i Karlstad tätort: “Det nära vattenläget är en av Karlstads viktigaste tillgångar, bl a för att stärka attraktionskraften.” (Karlstads kommun, 2007, s. 17). Som ett annat exempel har boende i den kinesiska staden Hangzhou studerats både i relation till närliggande flod och sjö, där man kunnat visa att hushåll är villiga att betala ett betydligt högre pris för de boenden som ligger i nära anknytning till sådana vattenmiljöer (Wen, Bu, & Qin, 2014; Wen, Xiao, & Zhang, 2017). Samma tendens har observerats av Roebeling et al. (2017) där det även noteras att den demografiska
distributionen i ett område förändras till följd av att grupper med högre socioekonomisk status attraheras till dessa attraktivare områden.
4
2.2 Urban segregation
Forskningen kring socioekonomisk segregation har länge fokuserat på hur segregation begränsar vissa gruppers sociala rörlighet och karriärmöjligheter. Det finns inte lika mycket skrivet om hur inkomstojämlikhet driver segregation menar Scarpa (2015). Även om Sverige är ett av de mest jämlika utvecklade länderna så har inkomstojämlikheten de två senaste decennierna vuxit snabbare här än någon annanstans (Scarpa, 2015). Socioekonomisk
segregation kan i sin tur bero på en mängd olika saker, men några nyckelfaktorer som formar den socioekonomiska segregationen är enligt Musterd et al. (2017) sociala ojämlikheter, förändrade ekonomiska strukturer och grad av globalisering samt välfärdssystem och bostadsmarknadssystem. Musterd (2005) nämner även de sociala nätverk och den
stigmatisering som finns på lokal nivå samt individernas olika egenskaper och personligheter som viktiga faktorer i skapandet av segregation. På grund av detta menar Musterd (2005) att man skall undvika att bara bemöta de lokala problemen kring segregation på endast ett sätt.
Strömgren et al. (2014) presenterar en undersökning av segregation mellan inrikesfödda och utrikesfödda där resultatet påvisar att nästan hälften av arbetsplatssegregationen grundade sig i segregation i hembostadsområdet (Strömgren et al., 2014). Scarpa (2015) instämmer och presenterar att det inom segregationsforskningen finns en allmänt accepterad teori om att en individs socioekonomiska möjligheter påverkas av var denne bor. Möjligheterna för de som bor i fattigare områden anses påverkas negativt på grund av geografisk stigmatisering och den ojämna fördelningen av jobb inom en stad (Scarpa, 2015). Strömgren et al. (2014) visar att detta är vanligt i USA där det generellt är så att ett segregerat bostadsområde också leder till en segregation på arbetsplatsen. Strömgren et al. (2014) redogör vidare för hur
bostadssegregationen för invandrare tenderar att vara högre vid ankomst till det nya landet.
Då nyanlända ofta bosätter sig i invandrartäta områden med väldigt få inrikes födda kan detta med stor sannolikhet även leda till en segregation på arbetsmarknaden i Sverige på samma sätt som i USA. Enligt Strömgren et al. (2014) kan anledningarna till att man bosätter sig just där vara brist på ekonomiska resurser att kunna bosätta sig i samma områden som inrikes födda, att man har ett socialt nätverk i dessa områden och föredrar att bo nära landsmän och människor med samma bakgrund och slutligen att det skulle finnas en diskriminering mot invandrare på bostadsmarknaden. Detta är en viktig komplettering till de anledningar som Musterd et al. (2017; 2005) presenterar, framförallt eftersom anledningarna Strömgren et al.
presenterar kan ses vara på mer av en mikronivå. Underförstått så är även tillgången till
5 billiga, eller prisvärda bostäder, en förutsättning för hur stor rörlighet de med mindre pengar har på bostadsmarknaden (Musterd et al., 2017). Vidare förklarar Strömgren et al. (2014) att graden av bostadssegregation varierar mellan olika invandrargrupper, vilket betyder att arbetsmarknadssegregationen varierar. Watson (2009) påvisar också ett starkt samband mellan inkomst ojämlikhet och inkomstsegregation. Hon klargör att den geografiska
segregationen finns bland både rika och fattiga i samhället. Watson för en teori som i grunden är utvecklad 1956. Teorin innebär att var man bosätter sig är en konsekvens av vad man är beredd att betala för varor (Watson, 2009). Detta går att relatera till bostäder då man genom sitt köp av bostad också betalar för kvalitet av skola och bostadsområde. Denna modell har sedan dess utvecklats och Watson resonerar att när ojämlikheten ökar minskar sannolikheten att rika och fattiga hushåll är villiga att betala samma summa för en bostad med givna
attribut. Den direkta följden av detta blir då enligt Watson att de rika kommer bjuda över vad de fattiga kan betala och därigenom minskar sannolikheten att fattiga och rika bor nära varandra. Fortsättningsvis menar Watson att en möjlig konsekvens av detta är att den rådande socioekonomin i de olika områdena formar områdenas karaktär och att detta skulle göra de rika områdena ännu attraktivare, vilket förstorar klyftan (Watson, 2009). Scarpa (2015) menar även att bostadsmarknaden kan ses som en social spelplan där man genom att flytta till eftertraktade områden avancerar i den sociala hierarkin. En grundtanke inom forskning kring socioekonomisk segregation är att geografisk distans följer social distans, vilket resulterar i en geografisk koncentration och uppdelning av staden utefter olika socioekonomiska grupper.
Detta är en följd av att de med mindre pengar sällan har mycket val om var de kan bosätta sig. På andra sidan spektrumet finner vi de med stora ekonomiska tillgångar som också tenderar att koncentreras. Skillnaden är att detta då är självvalt (Musterd et al., 2017; Scarpa, 2015). En strategi för att hantera socioekonomisk segregation är att blanda olika
upplåtelseformer med förhoppningen att ändra den socioekonomiska sammansättningen inom ett område. Det finns emellertid inga klara bevis som pekar på att detta skulle vara en lyckad strategi (Scarpa, 2015). Kawachi (2002) presenterar en förklaring till detta, han menar att när de rika drar sig undan från övriga i samhället flyttar de antingen till områden där andra rika redan bor, eller höjer priset på bostäder i ett visst område. Den ökade kostnaden på bostäder leder i sin tur till en undanträngning av fattiga (Kawachi, 2002). Bostadssegregationen kan därför ses som det geografiska resultatet av en ekonomisk och social utveckling mot ojämlikhet, där olika typer av hushåll koncentreras i olika områden. Musterd (2005) presenterar att det i resultaten av en studie i USA från 2003 framgår att den sociala
ojämlikheten ökat, men den sociala segregationen minskat under samma tidsperiod. Kawachi
6 (2002) menar dock att när man diskuterar den sociala segregationen i USA är det värt att ha i åtanke att det finns en mycket utbredd segregation efter etnicitet. Vidare redogör Kawachi (2002) för länken mellan inkomstojämlikhet och ekonomisk bostadssegregation och bedömer den som otvivelaktigt kausal. Scarpa (2015) presenterar en fältstudie i Malmö där man undersökt hur ojämlikheten har förändrats mellan 1991 och 2010. Resultatet visar på att bostadssegregationen främst drivs av en ökad ojämlikhet i hushållens inkomst och inte en ökad homogenitet i bostadsområdena.
3. Teori
Utgångspunkten i den teoretiska bakgrunden är att städer är socioekonomiskt uppdelade.
Denna uppdelning kan i sin tur ge upphov till segregation, och denna segregation är i sin tur beroende av en mängd olika faktorer. Ordet segregation definieras i denna studie som en rumslig uppdelning av människor i olika homogena grupper. För denna studies syften läggs ingen värdering i huruvida segregation är positivt eller negativt, utan används som en teknisk term. Bostadsmarknaden och hur den är reglerad kan vara en faktor som påverkar
segregationen i en stad (Musterd et al. 2017). Det kan även vara en konsekvens av ett i övrigt ojämlikt samhälle, som exempelvis ojämn fördelning av ekonomiska resurser eller
möjligheter att anskaffa sig sådana (Scarpa, 2015). Attraktiva platser kan generellt vara dyrare eftersom resursstarka grupper utkonkurrerar resurssvagare grupper på
bostadsmarknaden (Kawachi, 2002). Konsekvensen av detta kan bli en rumslig uppdelning mot bakgrund av socioekonomi. Vad som i sin tur utgör ett attraktivt boende varierar med tid och rum och är en subjektiv fråga. Det finns emellertid vissa generella trender. Det vattennära boendets attraktivitet förefaller vara en av dem (Haeffner et al., 2017; Roebeling et al., 2017).
Vatten anses generellt som attraktivt bland annat på grund av dess estetiska och rekreationella värden. Inslag av urbant vatten verkar också ha en effekt på hälsa hos befolkningen (Völker
& Kistemann, 2013). Städer använder sig således av vatten som en attraktionskraft,
exempelvis genom att bygga exklusiva boenden i vattennära lägen. Mark nära vatten är i sin tur en begränsad resurs och på grund av sin attraktivitet kommer det i en urban miljö råda konkurrens om den. Det kan driva upp priser på boende i nära anknytning till vatten, och människor kan vara villiga att betala detta högre pris (Wen et al., 2014; Wen et al., 2017).
Vatten i urbana områden kan betraktas på många olika sätt, bland annat som ett
rekreationsområde. De värderingar som görs angående vatten kan även förändras över tid och
7 rum. Till exempel kan en sjö som ligger i Sverige komma att värderas på ett annat sätt om samma sjö ligger ett land med färre sjöar och torrare klimat. Det som inte förändras på samma sätt är mer konstanta värden så som att en sjö kan vara en fysisk barriär och en möjlig trafikled. Det som förändras är med andra ord vilka sociala och samhälleliga värden som tilldelas sjön. Vattnets roll är inte densamma idag som den tidigare varit. I dag kan vatten och framförallt vatten i urbana miljöer anses ha ett främst rekreationellt och estetiskt värde.
Med detta som utgångspunkt bildas modeller av ett hypotetiskt scenario där närheten till vatten styr var grupper med olika socioekonomiska förutsättningar bosätter sig. Utifrån dessa modeller förs ett teoretiskt resonemang där den enda existerande faktorn i ett boendes
attraktivitet är vatten, och där alla hus är likadana. Då antas de grupper med högre socioekonomisk status bosätta sig närmast vattnet. Den rumsliga och socioekonomiska fördelningen kommer enligt hypotesen vara en konsekvens av avståndet till vatten. Modellen används således som ett verktyg och presenteras närmare i metoddelen.
4. Metod
Här följer en genomgång av tillvägagångssättet i studien och en återblick på hur den har tagit form, samt förklaring av de val som gjorts. Studien förs från en deduktiv ansats och med en kvantitativ metod, där empirisk data i form av statistik inhämtas för att kunna svara på frågeställningarna (David & Sutton, 2016).
En stor del av studien bygger på socioekonomi. I SCB:s numer föråldrade klassifikation SEI, socioekonomisk indelning, togs hänsyn främst till yrke (SCB, 2018a). Traditionellt sett kan begreppet även sägas innefatta variabler som inkomst och utbildningsnivå. I studien används ett områdes inkomst som indikator på dess övergripande socioekonomiska status. Även andra indikatorer på socioekonomi presenteras för att ge en mer nyanserad bild av områdena. Dessa är utbildning, arbetslöshet, ohälsa, ålder och områdets andel av hyresrätter. I studien används även kartor och tillhörande tabeller då det är ett tydligt sätt att presentera data på. Det är även relevant att använda kartor då undersökningen har en geografisk koppling.
Eftersom studien förlitar sig på anonym statistik finns ingen inblick i personerna bakom.
Däremot så innebär sammanställningen och behandlingen av data att människor delas in i kategorier efter bland annat inkomst. Det kan förekomma stigman kring inkomst och hur
8 stadsdelar bedöms därefter. Det skulle kunna leda till förutfattade meningar om befolkningen i vissa områden. Därför är det värt att poängtera att datan åsyftar genomsnitt och generella trender och således inte säger något på individnivå.
4.1 Data
All statistiska data som används i denna studie är sekundär och härrör från källor som håller generellt god kvalitet. Den är inhämtad från Karlstads kommuns statistikdatabas och
tillhandahållen av Statistiska Centralbyrån [SCB]. Den data som används angår år 2015.
SCB:s data är i sin tur hämtad från Sveriges olika myndigheter och beskrivs som vetenskapligt framställd (SCB, u.å.).
Mycket av den data som presenteras i statistikdatabasen bör ses som generell. Viss statistik är redovisad som andel i procent och är därför inte genomsnitt. Detta gäller andel hyresrätter och andel arbetslöshet i ett område. I övrigt kan detaljnivån anses som låg då varje område är varierande i storlek och befolkningsmängd. Statistiken för inkomst är presenterad som områdets medelinkomst och medianinkomst vilket inte redogör för de skillnader i inkomst som kan finnas inom ett område. Vidare är det värt att notera att hur indelningen av
stadsdelarna ser ut påverkar den bild statistiken ger. Om statistiken till exempel redovisas i fyra stora områden i stället för de 23 som används i studien kommer generaliseringen bli större. Om statistiken däremot redovisas i 60 områden kan bilden av varje område antas vara med detaljerad.
Att klassificera data och placera den i olika intervall är en fråga om avvägningar. Som med alla klassificeringar kan en annan bild framträda beroende på vilka intervall som används.
Detta kan ses som en naturlig del av processen att klassificera data. Det ska även noteras att ett områdes socioekonomi framträder annorlunda beroende på vilka och hur många variabler man använder. En modell med enbart variabeln inkomst ger exempelvis en annan bild än en modell där enbart utbildningsnivå används. Nedan redovisas de olika indikatorerna på
socioekonomi som används och de avvägningar som gjorts i arbetet från att samla in data tills den presenteras i karta.
Områdesnummer
9 De olika områdena har tilldelats ett områdesnummer, detta är främst för att förenkla för läsaren vid tolkning av kartorna. Numreringen har skett efter bokstavsordning och det totala antalet områden är 23.
Inkomst
I fastställandet av intervall för inkomstklasser används statistik över medelinkomst i Sverige och statistik över medelinkomst i Karlstad per område samma år, från Karlstads
statistikdatabas. Riksgenomsnittet 2015 var 304,2 tKr, vilket i SCB:s inkomstklassificering närmast motsvarar inkomstklasserna 250-299 tKr och 300-349 tKr enligt SCB:s
inkomststatistik 2016. I statistiken över medelinkomst i Karlstad befinner sig samtliga stadsdelar inom 168,8 tKr och 430,8 tKr varför en indelning med tre intervall anses lämplig, där det mellersta intervallet motsvarar riksgenomsnittet och de andra två är det nedre och övre inkomstklasser. Inkomstklasserna som används är således 0 - 250 tKr, 250 - 350 tKr och 350+ tKr. Dessa benämns som låg inkomst, medelhög inkomst, hög inkomst respektive. För att ge en mer nyanserad bild av de olika områdenas inkomst undersöks också medianinkomst.
För medianinkomst är rikssnittet 295,5 år 2105. Samma intervaller bedöms således kunna användas även för medianinkomsten. I och med Sveriges kompakta lönestruktur finns inte så stora variationer i inkomst, vilket gör att medelinkomst kan anses adekvat. Medelinkomst används även oftast för att presentera statistik på inkomst, därför används främst det i studien.
Andel arbetslöshet
För att komplettera bilden av socioekonomi redovisas också graden av arbetslöshet i de olika områdena. Graden av arbetslöshet i Karlstad varierar från 2,3 - 13,4 %. För att kunna visa detta grafiskt i en karta fastställs intervallerna 0-3, 3-6, 6-9 och 9+.
Andel eftergymnasialt utbildade
För att ge ett mått på utbildningsnivån i Karlstads olika områden används statistik för andelen eftergymnasialt utbildade per område. Variationen sträcker sig mellan 34 - 72,5 %.
Från detta fastställs intervallerna 30-40, 40-50, 50-60 och 60 +. Andelen eftergymnasialt utbildade anses vara ett komplement till inkomst, som tidigare nämnt har Sverige en kompakt lönestruktur och då kan ett mått på utbildningsnivå komplettera den socioekonomiska bilden.
Ohälsotal
10 Ohälsa används som indikator på socioekonomisk status dels för att ett högt ohälsotal i ett område kan påverka hur många som har möjlighet att arbeta. Det är även relevant att illustrera detta på karta eftersom det ger en bredare bild av de rumsliga socioekonomiska variationerna. Lägsta antal i en stadsdel i Karlstad är 10 i Lorensberg och 38,8 i Våxnäs- Sandbäcken är det högsta. I kartan klassificeras således områdena enligt intervallerna 0-10, 11-20, 21-30, 31-40. Bedömningen är delvis baserad på att det genomsnittliga ohälsotalet i Karlstad är 21 och att rikssnittet är 26 (Sveriges Radio, 2018).
Andel hyresrätter
För att ge en bild av upplåtelseform visas andel hyresrätter per stadsdel i procent. Andel hyresrätter kan ge en bild av vilken karaktär ett område har, till exempel om det i huvudsak är ett villaområde med hög andel äganderätt eller ett miljonprogramsområde med hög andel hyresrätter. Intervallerna i kartan är 0-10, 11-50, 51-60 , 61-70, 71+.
Största åldersgrupp
Statistiken över ålder i respektive område är redovisad i Karlstads statistikdatabas med intervaller om 5 år. För studiens syften har vi från denna data fastställt bredare intervaller.
Dessa är 0-19, 20-29, 30-49, 50-64 och 65+ år. För varje område identifieras sedan den största åldersgruppen. Statistik på ålder säger i allmänhet något om den demografiska
sammansättningen i ett område och förväntas därför ge en mer nyanserad bild av stadsdelarna och vilka som bor där. Det kan även ge ett annat perspektiv på övriga data, till exempel kan medelinkomst generellt antas vara korrelerat med ålder, då äldre förmodligen varit aktiva i arbetslivet längre.
Socioekonomiskt index
Det socioekonomiska indexet innefattar kategorierna inkomst, utbildning, arbetslöshet, ohälsa och upplåtelseform. Områdena delas in i olika grupper baserat på vilken placering de får i de fem olika kategorierna relativt till varandra. Dessa grupper är Grupp 1, Grupp 2, Grupp 3 och Grupp 4. Eftersom antalet områden inte går att dela jämnt i fyra grupper kommer antalet områden i en av grupperna avvika. Grupp 1 består av 5 områden, resterande av 6 stycken områden. Den grupp ett område placeras i för en given kategori bestämmer det värde området tilldelas i kategorin. Grupp 1 ger värdet 1, Grupp 2 ger värdet 2 och så vidare. Gruppens nummer är med andra ord det värde som tilldelas området i en kategori. Detta räknas om till ett samlat värde som kallas socioekonomiskt index som sträcker sig från 5 - 20. Till exempel
11 Råtorp-Älvåker som hamnar i Grupp 1 fem gånger och får det socioekonomiska indexet 5.
Kronoparken som hamnar i Grupp 4 fem gånger får det socioekonomiska indexet 20. Det socioekonomiska indexet är endast ett internt index på hur dessa 23 områden förhåller sig till varandra. För att förenkla tolkningen av tabellen över det socioekonomiska indexet har de olika grupperna färgkodats. Grupp 1 är blå, Grupp 2 är röd, Grupp 3 är grön och Grupp 4 är grå. För att visa områdenas socioekonomiska status på karta delas det socioekonomiska indexet in i tre intervaller. Dessa är 5-9, 10-15, 16-20.
4.2 Kartor
Kartorna är skapade med GIS, vilket står för Geographic Information System och är ett sätt att visa och behandla information i kartform. GIS används dagligen på olika företag och institutioner för att hantera data. I studien används Qgis som är en open-source-mjukvara.
Alla kartor som presenteras i studien är i skala 1:70000 och norr är alltid uppåt i kartan.
Områdesindelningen som används i studien är den indelning av Karlstad tätort som används i Karlstads kommuns statistikdatabas. Den är känd som en del av nyckelkodssystemet och används av kommuner och SCB för att redovisa statistik på en finare geografisk indelning än län- och kommunnivå (SCB, 2018b). I denna studie används 23 av de 32 nyckelkodsområden som finns tillgängliga i Karlstads kommuns statistikdatabas. De områden som valts bort är de som inte är att bedöma som delar av Karlstad tätort och därför ligger utanför studiens
omfång.
I GIS används kartlager för att presentera olika sorters information och kombinera olika data geografiskt. Man kan i ett lager visa var alla skolor i ett område ligger och i ett annat var människor i åldern 6-18 bor. Exempel på kartlager som används i studien är vilka vattendrag som finns i Karlstad och nyckelkodsområdenas geografiska gränser. Det kartlager med nyckelkodsområden som inhämtats från Karlstad kommun skiljer sig något från det som används i statistikdatabasen. Områden Hultsberg-Henstad och Hagalund-Gustavsberg kommer därför kombineras till ett område där ett genomsnitt för statistiken mellan båda områdena fastställs. Detta redovisas i Tabell 1. Detta tros inte påverka trovärdigheten för datan i dessa områden då skillnaden mellan de båda bedöms som liten. I övrigt kan den data som finns på områdesnivå i statistikdatabasen som tidigare nämnt ses som odetaljerad eftersom stora områden får ett genomsnitt, trots att det kan finns stora skillnader inom varje
12 område. Att kombinera två förhållandevis likvärdiga områden anses därför inte innebära någon betydande skillnad.
4.3 Modeller
För att undersöka hur Karlstad är uppdelat efter socioekonomi och vattennärhet förs ett teoretiskt resonemang utifrån två modeller. Modellerna utgår från att de enda faktorerna som styr var människor bor är deras socioekonomiska status samt vattennärhet, allt annat lika.
Detta innebär att modellerna förutsätter att landskapet är platt och att alla hus är lika. En annan utgångspunkt är att vattennära läge är attraktivt. Det enda som då teoretiskt sett kommer styra bostadspriserna i dessa modeller är hur nära vatten bostäderna ligger.
Resultatet kommer då bli en uppdelning av staden efter socioekonomi och avstånd till vatten.
De med högre inkomst kommer således bo närmre vatten och de med lägre inkomst kommer bo längre från vattnet, vilket är en konsekvens av att de med lägre inkomst inte kan
konkurrera med de som har högre inkomst (Kawachi, 2002).
För att illustrera modellerna har vi skapat en karta med tre zoner som är baserade på avstånd till vatten (se Karta 10). Första zonen är inom 200 meter till vattenlinjen. Detta avstånd är valt eftersom det i denna zon kan finnas bostäder som ligger inom strandskyddet samt att bostäder inom 200 meter kan ha utsikt mot vattnet. Den andra zonen utgör avstånden 200 meter till 600 meter och baseras på att det anses vara inom promenadavstånd till vattenlinjen, vilket gör att vattenområdet kan ses som ett lokalt rekreationsområde för de boende i denna zon. Den tredje och sista zonen utgör bostäder som ligger mer än 600 meter från vattnet. Dessa anses ha ett betydligt avstånd från vatten. Ett liknande förfarande återfinns i Wen, Xiao, & Zhang (2017) för staden Hangzhou i Kina där intervallerna 0 km - 0.5 km, 0.5 km - 1.5 km, 1.5 km - 3 km, 3 km - 5 km, 5 km - 8 km, och 8 + km används. De mindre intervallerna i denna studie motiveras med att Karlstad är en betydligt mindre och glesare bebyggd stad. Det ska noteras att avstånden i denna studie är en rak mätning från vattenlinjen och inte tar hänsyn till aspekter av tillgänglighet, så som fysiska barriär av typen vägar, kullar och skog.
Om ett område hamnar i två eller tre zoner samtidigt behövs ett sätt att bestämma vilken zon området ska anses tillhöra. Med utgångspunkt i den data vi har och de verktyg som finns tillgängliga används polygontyngdpunkt (se Karta 11). På kartan är varje områdes gränser markerat av en svart linje. Denna oregelbundna geometriska figur kallas polygon.
13 Polygontyngdpunkt är ett sätt att fastställa polygonens masscentrum. Uträkningen görs av GIS-programmet. I de flesta områden kan polygontyngdpunkten ses som polygonens
mittpunkt, men i området Zakrisdal-Bellevue-Bergvik hamnar polygontyngdpunkten i vattnet utanför området gränser. Det beror på att områdets form kan liknas vid ett V, där massan är fördelad jämnt på bägge sidor. Tyngdpunkten blir således i mitten av den totala massan och därmed utanför polygonen. I och med att punkten hamnar i vattnet räknas området likväl som vattennära. Ett annat sätt att bestämma vilken zon ett område skall tillhöra skulle kunna vara att använd befolkningstyngdpunkt. Den data som krävs för användning av
befolkningstyngdpunkt finns inte tillgänglig. Även vid användning av befolkningstyngdpunkt kan emellertid samma problem uppstå för området Zakrisdal-Bellevue-Bergvik. Val av metod är således en avvägning och varje metod har vissa brister. Polygontyngdpunkt anses vara lämplig för studiens detaljnivå.
Modell 1
I Modell 1 bestäms vilken zon ett område antas befinna sig i, baserat på vilken inkomstklass områdets befolkning befinner sig i. Områden med medelinkomst i den övre inkomstklassen borde enligt modellen befinna sig i Zon 1. Vidare borde områden med medelinkomst i den mittersta inkomstklassen befinna sig i Zon 2. Områden med medelinkomst i den nedre inkomstklassen borde i sin tur befinna sig i Zon 3. Vilken zon ett område befinner sig i enligt de olika modellerna jämförs sedan med var dess polygontyngdpunkt befinner sig. Detta görs för att ge en bild av hur modellen ter sig i förhållande till verkligheten.
Modell 2
I Modell 2 används ett områdes socioekonomiska index för att avgöra vilken zon ett område antas tillhöra. Zon 1 innefattar områden med socioekonomiskt index mellan 5-9, Zon 2 innefattar områden från 10-15 och Zon 3 innefattar områden från 16-20. I övrigt gäller samma förfarande.
5. Resultat
I resultatdelen redovisas resultatet av sammanställningen av olika aggregerad data som inhämtats från Karlstads kommuns statistikdatabas. Detta presenteras i kartor, tabeller och en sammanfattande text där de viktigaste resultaten lyfts fram. Varje indikator redovisas både i karta och tabell. Majoriteten av tabellerna finns som bilagor.
14
5.1 Kartor & tabeller
5.1.1 Områdesnummer
Vi har arbetat med 23 stycken områden som följer indelningen av områden i Karlstads kommuns statistikdatabas. Områdena har tilldelats ett nummer mellan 1 och 23 för att underlätta tolkningen av kartorna (se Karta 1).
Karta 1. Kartan visar de områdesnummer som tilldelas respektive område.
5.1.2 Inkomst
Inkomst innebär sammanräknad förvärvsinkomst och består av inkomst av tjänst och inkomst av näringsverksamhet. Förvärvsinkomsten beräknas för samtliga invånare mellan 20 och 64 år. Generellt varierar inkomsten mellan de olika områdena betydligt. Som ett exempel varierar medelinkomsten från 168,8 tKr i Kronoparken till 430,8 tKr i Sommarro-Marieberg.
På samma sätt varierar medianinkomsten från 122,8 tKr i Kronoparken till 388,8 tKr i Sommarro-Marieberg. Eftersom det finns skillnader i vilket intervall vissa områden hamnar inom beroende på om man kollar på medelinkomst eller medianinkomst kommer både medelinkomst och medianinkomst presenteras i både karta och tabell.
Medelinkomst
Medelinkomst för ett område innebär den genomsnittliga inkomsten i det området. Som tidigare påvisat finns det stora skillnader mellan de olika områdena (se Karta 2). Då alla
15 invånare mellan 20 och 64 år räknas med betyder det att de studenter som bor i Karlstad också räknas med. Detta tros påverka medelinkomsten i vissa områden och kan till viss del ge en missvisande bild. Fullständig information om områdenas medelinkomst redovisas i Tabell 3.
Karta 2. Kartan visar medelinkomst per område.
Medianinkomst
Medianinkomsten kan däremot ses som det “mittersta värdet”, vilket betyder att det angivna medianvärdet är vad personen som befinner sig i mitten av ett områdes inkomststruktur tjänar. Detta kommer precis som medelinkomst att till viss del vara missvisande då det finns ett stort antal studenter i vissa områden. Skillnaden mellan statistiken för medianinkomst och medelinkomst är att tre av de områden som i medelinkomst befann sig i den högsta
inkomstklassen flyttades ner till den mellersta inkomstklassen. Genom att kolla på medianinkomst framträder alltså en mer jämställd bild över de olika områdena i fråga om inkomst (se Karta 3). Fullständig information om områdenas medianinkomst redovisas i Tabell 4.
5.1.3 Andel arbetslöshet
Arbetslösheten mellan de olika områdena varierar stort. Minst är arbetslösheten i områdena Kroppkärr och Sommarro-Marieberg med 2,3 %. Arbetslösheten är störst i Gruvlyckan med 13,4 %. Statistiken för arbetslöshet innefattar andelen öppet arbetslösa samt de i program med aktivitetsstöd, för befolkningen 18-64 år. Vidare kan det noteras att fyra områden har en
16 arbetslöshet på över 10 %, dessa områden är Kronoparken, Våxnäs-Sandbäcken, Rud och Gruvlyckan (se Karta 4). Fullständig information om områdenas grad av arbetslöshet redovisas i Tabell 5.
Karta 4. Kartan visar andel arbetslöshet per område.
5.1.4 Andel eftergymnasialt utbildade
Högst andel eftergymnasialt utbildade finns i Sommarro-Marieberg och är 72,5 % av befolkningen. Detta står i stor kontrast till Våxnäs-Sandbäcken där 34 % av befolkningen är eftergymnasialt utbildade. Majoriteten av områdena i Karlstad befinner sig mellan 50 och 60% (se Karta 5). Fullständig information om områdenas andel eftergymnasialt utbildade redovisas i Tabell 6.
Karta 5. Kartan visar andel eftergymnasialt utbildade per område.
17
5.1.5 Ohälsotal
Ohälsotal är genomsnittet antalet utbetalda dagar för sjukpenning, arbetsskadesjukpenning, rehabiliteringspenning, sjuk- eller aktivitetsersättning (f.d. förtidspension och sjukbidrag) för befolkning mellan 16-64 år. Detta innefattar inte sjuklön från arbetsgivare. Lägsta antal i en stadsdel i Karlstad är 10 i Lorensberg och 38,8 i Våxnäs-Sandbäcken är det högsta. De flesta områden i Karlstad har ett lågt ohälsotal mellan 10 - 20 (se Karta 6). Värt att notera är att fyra områden har ett ohälsotal över 30. Dessa områden är Gruvlyckan, Orrholmen, Rud och Våxnäs-Sandbäcken. Mellan den femte lägsta som är Zakrisdal-Bellevue-Bergvik och det fjärde lägsta som är Gruvlyckan finns en skillnad på 7 enheter, vilket är att anse som en stor skillnad. Fullständig information om områdenas ohälsotal redovisas i Tabell 7.
Karta 6. Kartan visar ohälsotal per område.
5.1.6 Andel hyresrätter
Andel hyresrätter anger hur många procent av bostäderna i ett område som har
upplåtelseformen hyresrätt, kontra bostads- och äganderätt. Andel hyresrätter är den indikator som varierar mest över Karlstad (se Karta 7). Högst är den i Kronoparken med 81 %
hyresrätter och lägst i Lorensberg med 0 %. Fullständig information om områdenas andel hyresrätter redovisas i Tabell 8.
18
Karta 7. Kartan visar andel hyresrätter per område.
5.1.7 Största åldersgrupp
Största åldersgrupp anger den åldersgrupp som flest personer i det området tillhör. De
områden med äldst befolkning är Klara, Norrstrand, Orrholmen, Rud och Viken. De områden med yngst befolkning är Hagalund-Gustavsberg, Hultsberg-Henstad, Kroppkärr, Lorensberg, Sommarro-Marieberg och Stockfallet. De områden med största åldersgrupp 20-29 är Haga, Herrhagen, Kronoparken, Kvarnberget och Tingvallastaden (se Karta 8). Inga områden med största åldersgrupp 50-64 förekommer. Fullständig information om områdenas största åldersgrupp redovisas i Tabell 9.
Karta 8. Kartan visar största åldersgrupp per område. Åldersgruppen äldre vuxna inom åldersintervallet 50-64 är inte den största åldersgruppen för någon av områdena, varför den ej finns representerad på kartan.
19
5.1.8 Socioekonomiskt index
Det socioekonomiska indexet ger en mer nyanserad bild av områdenas socioekonomiska karaktär än vad endast en variabel som inkomst skulle göra. Beroende på vilken variabel man bedömer områdena efter kommer olika områden hamna högt respektive lågt eftersom de skiljer sig inom de olika indikatorerna. Till exempel Haga som befinner sig i både Grupp 1, 2 och 3 inom olika kategorier. Det samma gäller Herrhagen som ligger inom Grupp 2, 3 och 4.
Det är även intressant att endast Råtorp-Älvåker befinner sig i Grupp 1 i alla kategorier. Mer intressant är att Kronoparken, Orrholmen, Rud och Våxnäs-Sandbäcken befinner sig i Grupp 4 i alla kategorier. Indexet påvisar att det finns betydande socioekonomiska skillnader mellan olika områden. Hela det socioekonomiska indexet presenteras i Tabell 10. För en illustration se Karta 9.
Karta 9. Kartan visar områdenas socioekonomiska index.
20
Tabell 10. Socioekonomisk index.
5.1.9 Modeller
I detta avsnitt jämförs modellerna med vilken zon området ligger i enligt dess polygontyngdpunkt (se Karta 11).
Karta 10. Karta över zonerna med utsatta områdesnummer.
Karta 11. Karta över zonerna med områdenas polygontyngdpunkter.
Modell 1
Detta stycke avser att jämföra var områdena ligger enligt Modell 1 med zonen som bestämts av polygontyngdpunkten (se Karta 11). Av de områden som befinner sig i den övre
21 inkomstklassen befinner sig bara 3 av 7 i Zon 1 (se Tabell 11). Vidare kan det noteras att 3 av områdena i den över inkomstklassen befinner sig i Zon 3. Den mittersta inkomstklassen är den största i fråga om antal områden. De fyra områden som befinner sig i den nedre
inkomstklassen och enligt modellen alltså borde ligga i Zon 3 gör också det enligt områdenas polygontyngdpunkt. Men det är fler områden som har sin polygontyngdpunkt i Zon 3 än dessa fyra.
Tabell 11.Modell 1.
Modell 2
När medelinkomst inte är den indikator som styr i vilken zon ett område befinner sig i och detta ersätts av det socioekonomiska indexet, förändras bilden av Karlstad (se Tabell 12).
Vissa områden byter zon. Detta är en konsekvens av det socioekonomiska indexet undersöker fler indikatorer än endast medelinkomst. Den här bilden av Karlstad kan därför ses som mer lämplig. Mellan de olika modellerna byter två områden zon. Det ena är området Klara som flyttar från Zon 2 till Zon 1. Enligt polygontyngdpunkten är Klara ett Zon 2-område. Det andra är området Orrholmen som flyttar från Zon 2 till Zon 3. Enligt polygontyngdpunkten är detta ett Zon 1-område. I Modell 2 är det alltså färre områden i Zon 2 än i Modell 1. I övrigt förändras inte resultatet av undersökningen mellan Modell 1 och 2.
22
Tabell 12. Modell 2.
Den teori som modellerna bygger på och som baserats på avsnittet angående tidigare
forskning, styrks inte av studien. Det finns av tidigare forskning att döma anledning att tro att vatten spelar en viss roll i socioekonomisk fördelning i urbana områden, men detta framträder inte på områdesnivå i Karlstad. Teorin stämmer emellertid i vissa fall. Till exempel har majoriteten av de områden med lågt socioekonomiskt index också långt till närmaste vattenlinje. Området Råtorp-Älvåker som är det område i Karlstad med högst
socioekonomiskt index är också ett utav de områden i Karlstad med mest exponering mot vatten, särskilt i relation till dess totala storlek och form (se Karta 11 och Tabell 12). Hade studien förts ur ett mikroperspektiv där skillnader inom specifika områden kunde undersökas finns det anledning att tro att resultatet hade blivit annorlunda. Resultaten kan också bli annorlunda om andra intervaller och kriterier för vad som anses som vattennära används. Det skulle till exempel kunna vara att skilja på geografisk proximitet kontra tillgänglighet via infrastruktur, samt vilken kvalitet olika vattenområden anses ha. Det kan förhålla sig så att Karlstad är ett undantag, då vatten i Karlstad tätort är ett vanligt inslag, vilket gör att vattnets exklusivitet i staden minskar. En indikator på detta är att både grupper med högt och
medelhögt socioekonomiskt index ofta befinner sig i jämförbara avstånd till vatten. Karlstads storlek och befolkningstäthet kan också anses påverka resultatet av studien på ett liknande sätt, i och med att ett större antal människor på en mindre yta kan påverka efterfrågan på vattennära lägen. Den tidigare forskning som används i studien är i många fall baserad på observationer i miljonstäder.
23
6. Diskussion & slutsatser
6.1 Diskussion
Den rumsliga variationen i socioekonomi mellan Karlstads stadsdelar presenteras främst i resultatdelen med olika kartor och tabeller. Dessa kartor och tabeller består av indikatorer, samt en samlad bedömning på områdenas socioekonomiska status. Detta för att ge en nyanserad bild av den rumsliga variationen i Karlstads stadsdelar.
Den sammantagna bilden av Karlstads socioekonomiska fördelning är att det finns stora skillnader mellan olika områden inom alla indikatorer. Som ett exempel är det inom
medelinkomst en skillnad på 155 % mellan det område med lägst medelinkomst och det med högst. Den geografiska fördelningen av områden med olika socioekonomisk status är
blandad. Det finns vissa tendenser till kluster men i allmänhet är socioekonomiskt starka och svaga områden jämt spridda över staden. Det mest framträdande klustret är områdena
Stockfallet, Lorensberg och Kroppkärr som tenderar att ligga i det övre skiktet av socioekonomisk status (se Karta 9 och Tabell 10). Exempel på detta är indikatorerna medelinkomst, andel hyresrätter, ohälsotal men även största åldersgrupp. I ljuset av segregation och socioekonomisk uppdelning kan det viktigaste resultatet anses vara att samma fyra områden tillhör den nedersta gruppen i alla indikatorer. Dessa områden är Kronoparken, Rud, Orrholmen och Våxnäs-Sandbäcken (se Tabell 10). Detta är främst noterbart eftersom det av tidigare forskning framgår att var man bor och vilken
socioekonomisk status det området har kan påverka människors sociala rörlighet och karriärmöjligheter (Scarpa, 2015). Att det finns områden med lägre socioekonomisk status behöver emellertid inte vara något negativt, då det kan finnas människor i samhället som kan dra nytta av att det. Lägre socioekonomisk status kan innebära att ett område har billigare boenden som lämpar sig för exempelvis studenter. Det finns också några områden som tenderar att ligga högt i det socioekonomiska indexets alla indikatorer. Råtorp-Älvåker är exempelvis i den översta gruppen i alla indikatorer (se Tabell 10). Den större delen av
Karlstads områden varierar dock i dessa. Herrhagen är ett sådant exempel. Herrhagen varierar från att placeras i grupp 4 i medelinkomst till grupp 2 i andel eftergymnasialt utbildade.
Samma gäller även området Zakrisdal-Bellevue-Bergvik som varierar mellan grupp 2 i medelinkomst till grupp 4 i andel eftergymnasialt utbildade.
24 Ingen av Karlstads områden varierar mellan mer än tre olika grupper inom de olika
socioekonomiska indikatorerna, och de flesta områden varierar endast mellan två grupper.
Detta ger en bild av det finns betydande socioekonomiska skillnader mellan olika områden i Karlstad. Det pekar också på att de indikatorer som används i det socioekonomiska indexet kan vara relaterade till varandra, vilket ger det socioekonomiska indexet mer trovärdighet.
Vilken roll vatten spelar för rumslig socioekonomisk fördelning i Karlstad kan till viss del besvaras av den tidigare forskning som presenterats. Det är känt att vatten anses som ett attraktivt inslag i städer generellt (Haeffner et al., 2017; Roebeling et al., 2017), och att vattennära lägen används av Karlstads kommun för att profilera Karlstad som stad och locka socioekonomiskt starka grupper. I studien framträder det ingen stark koppling mellan ett områdes inkomstklass och vilket avstånd till vatten det har. Det framgår dock i studien att de områden i den lägsta inkomstklassen samt dem med lägst socioekonomiskt index tenderar att befinna sig i Zon 3, det vill säga 600 + m från närmsta vattenlinje. Det undantag som finns till detta är området Orrholmen, som får ett lågt socioekonomiskt index men likväl ligger i Zon 1, det vill säga inom 200 meter från närmsta vattenlinje. Orrholmen har dock 78,4 %
hyresrätter samt en största åldersgrupp på 65 +, vilket kan ses som en del av förklaringen till varför Orrholmen får ett lågt socioekonomiskt index. Det kan då tänkas att upplåtelseform eller ålder är större faktorer för ett områdes socioekonomiska status än avstånd till vatten. Det är inte heller förvånande att de områden med högt och medelhögt socioekonomiskt index inte skiljer sig i avstånd till vatten, då Karlstad är en stad där vatten är vanligt förekommande.
Det framkommer i undersökningen att vissa områden i den översta inkomstklassen och med högt socioekonomiskt index inte ligger nära vatten. Detta betyder att det måste finnas andra bakomliggande faktorer till varför dessa områden är attraktiva. Dessa områden är Stockfallet, Lorensberg, Kroppkärr och Hagalund-Gustavsberg, Hultsberg-Henstad. Dessa fyra områden är också de områden med minst andel hyresrätter samt att samtliga av dessa områden har en största åldersgrupp på 0-19. Detta ger bilden av dessa områden som villaområden med hög andel barnfamiljer. Anledningen till att dessa områden inte följer modellen kan bero på att det finns faktorer som värderas högre av barnfamiljer som vill bo i villa, än närhet till vatten.
25
6.2 Slutsatser
Det finns en betydande rumslig variation i socioekonomi mellan Karlstads olika områden.
Framför allt finns det ett tydligt socioekonomiskt topp- och bottenskikt av områden. Vatten förefaller inte spela en betydande roll i den rumsliga socioekonomiska variationen mellan Karlstads olika områden. I studien framträder ingen tydlig koppling mellan ett områdes avstånd till vatten och dess socioekonomiska status i Karlstad.
26
7. Källförteckning
Desfor, G., & Jørgensen, J. (2004). Flexible urban governance. The case of Copenhagen’s recent waterfront development. European Planning Studies, 12(4), 479–496.
https://doi.org/10.1080/0965431042000212740
Haeffner, M., Jackson-Smith, D., Buchert, M., & Risley, J. (2017). Accessing blue spaces:
Social and geographic factors structuring familiarity with, use of, and appreciation of urban waterways. Landscape and Urban Planning, 167, 136–146.
https://doi.org/10.1016/j.landurbplan.2017.06.008
Karlstads kommun. (2007). Analys av bostadsmarknaden.
https://karlstad.se/globalassets/filer/bygga/samhallsutveckling_planering/oversiktsplanering/a nalysavbostadsmarknaden_uppdat_low.pdf [2018-05-31]
Karlstads kommun. (2009). Planprogram för Grundviken inom Zakrisdal, Karlstads kommun, Värmlands län.
https://karlstad.se/globalassets/filer/bygga/samhallsutveckling_planering/planprogram/grundv iken/grundviken_planprogram_gk.pdf [2018-05-31]
Karlstads kommun. (2015). Karlstads kommuns statistikdatabas.
http://pxweb.karlstad.se/pxweb/sv/Karlstads_kommun/ [2018-05-31]
Kawachi, I. (2002). Income inequality and economic residential segregation. Journal of Epidemiology & Community Health, 56, 165-166.
Musterd, S. (2005). Social and Ethnic Segregation in Europe: Levels, Causes, and Effects.
Journal of Urban Affairs, 27(3), 331-348.
Musterd, S. Marcińczak, S. Tammaru, T. van Ham, M. (2017). Socioeconomic segregation in European capital cities. Increasing separation between poor and rich. Urban Geography, 38(7), 1062-1083.
Ryan, Z. (2010). Building with Water: Concepts Typology Design. Basel: Birkhäuser.
27 Roebeling, P., Saraiva, M., Palla, A., Gnecco, I., Teotónio, C., Fidelis, T., … Rocha, J.
(2017). Assessing the socio-economic impacts of green/blue space, urban residential and road infrastructure projects in the Confluence (Lyon): a hedonic pricing simulation approach. Journal of Environmental Planning and Management, 60(3), 482–499.
https://doi.org/10.1080/09640568.2016.1162138
Scarpa, S. (2015). The impact of income inequality on economic residential segregation: The case of Malmö, 1991–2010. Urban Studies 2015, 52(5) 906–922.
SCB. (u.å.). Så gör vi statistik.
https://www.scb.se/hitta-statistik/sverige-i-siffror/sa-gor-vi-statistik/ [2018-05-31]
SCB. (2018a). Socioekonomisk indelning (SEI).
https://www.scb.se/dokumentation/klassifikationer-och-standarder/socioekonomisk- indelning-sei/ [2018-05-31]
SCB. (2018b). Statistik för delområden med nyckelkodsystemet (NYKO).
https://www.scb.se/vara-tjanster/regionala-statistikprodukter/fardiga- tabellpaket/nyckelkodsystemet-nyko/ [2018-05-31]
Strömgren, M. Tammaru, T. Danzer, A. van Ham, M. Marcińczak, S. Stjernström, O.
Lindgren, U. (2014). Factors Shaping Workplace Segregation Between Natives and Immigrants. Demography, 51(2), 645–671.
Sveriges Radio. (2018). Stor variation i ohälsa mellan kommunerna.
https://sverigesradio.se/sida/artikel.aspx?programid=83&artikel=6889738 [2018-05-31]
Völker, S., & Kistemann, T. (2011). The impact of blue space on human health and well- being – Salutogenetic health effects of inland surface waters: A review. The second European PhD students workshop: Water and health ? Cannes 2010, 214(6), 449–460.
https://doi.org/10.1016/j.ijheh.2011.05.001
Völker, S., & Kistemann, T. (2013). Reprint of: “I’m always entirely happy when I’m here!”
Urban blue enhancing human health and well-being in Cologne and Düsseldorf, Germany.
Social Science & Medicine, 91, 141–152. https://doi.org/10.1016/j.socscimed.2013.04.016
Völker, S., Matros, J., & Claßen, T. (2016). Determining urban open spaces for health- related appropriations: a qualitative analysis on the significance of blue space.
Environmental Earth Sciences, 75(13), 1067. https://doi.org/10.1007/s12665-016-5839-3
28 Watson, T. (2009). Inequality And The Measurement Of Residential Segregation By Income In American Neighborhoods. Review of Income and Wealth, 55(3), 820-844.
Wen, H., Bu, X., & Qin, Z. (2014). Spatial effect of lake landscape on housing price: A case study of the West Lake in Hangzhou, China. Habitat International, 44, 31–40.
https://doi.org/10.1016/j.habitatint.2014.05.001
Wen, H., Xiao, Y., & Zhang, L. (2017). Spatial effect of river landscape on housing price: An empirical study on the Grand Canal in Hangzhou, China. Habitat International, 63, 34–44.
https://doi.org/10.1016/j.habitatint.2017.03.007
29
8. Bilagor
Tabell 1: statistik för hur Hultsberg-Henstad och Hagalund-Gustavsberg kombineras till ett område i undersökningen.
Tabell 2: Områdenas numrering efter bokstavsordning.
Tabell 3: Medelinkomst.
Tabell 4: Medianinkomst.
30 Tabell 5: Andel arbetslöshet.
Tabell 6: Andel eftergymnasialt utbildade.
Tabell 7: Ohälsotal.
Tabell 8: Andel hyresrätter.
Tabell 9: Största åldersgrupp.
31 Karta 3: Medianinkomst.
32 Arbetsfördelning
I avsnitt “2. Tidigare forskning” är arbetet uppdelat. “2.1 Vatten i urbana områden” är skrivet av Henrik Grund och “2.2 Urban segregation” är skrivet av Joel Andersson. Utöver detta är arbetet skrivet tillsammans.
