Rätt man på rätt plats?

Uppsala Universitet

Nationalekonomiska Institutionen Kandidatuppsats

Våren 2007

Rätt man på rätt plats?

– En studie av de sociala nätverkens effekt på matchningen mellan utbildningsnivå och yrke för

svenska invandrare

Författare Helena Bångman Anna Norén Handledare Matz Dahlberg

Datum för ventilering 2007-06-01

Sammanfattning

I vår undersökning studerar vi sambandet mellan de sociala nätverken och invandrares situation på arbetsmarknaden. Vi undersöker vilken effekt de sociala nätverken har för en matchning mellan utbildnings- och yrkesnivå för svenska invandrare. Vår uppfattning är att det inte bara är viktigt att individerna är i arbetskraften utan att det även är av stor vikt att de har yrken efter deras kompetens. Av denna anledning bygger vi vår studie på en modell som har matchningen mellan utbildningsnivå och yrkesnivå som beroende variabel. Denna direkta koppling mellan utbildning och yrke har inte tidigare varit i fokus när det kommer till studier kring integration och betydelsen av sociala nätverk. Intresset för nätverkseffekter och dess anknytning till ekonomiska frågor har vuxit sig allt starkare men fortfarande är området relativt outforskat. Vi anser att vi med denna matchning bidrar med en ny aspekt på de sociala nätverkens betydelse för invandrare. Analysen av vår modell resulterar i ett konstaterande att de etniska sociala nätverken har en negativ effekt på invandrares yrkesförhållanden om man enbart ser till andelen av ens egen etnicitet i sin hemkommun. När vi inkluderar andelen högutbildade i etniciteten i vår modell blir dock nätverkseffekten positiv. Detta säger oss att nettoeffekten beror på nätverkets utseende. Underlaget till uppsatsen kommer från den statistiska databasen LINDA som är en sammanställning av individdata gjord av SCB.

Nyckelord: matchning, yrke, utbildning, nätverk, arbetsmarknad, segregation

Innehållsförteckning

1. INTRODUKTION ...3

2. BAKGRUND ...5

3. TEORI OCH TIDIGARE FORSKNING ...6

3.1TEORI... 6

3.2TIDIGARE FORSKNING... 7

4. MODELL OCH DATA ...10

4.1PRESENTATION AV MODELLEN... 10

4.2DATA... 11

4.3DESKRIPTIV STATISTIK... 13

4.4MATCHNINGSDEFINITION... 15

5. RESULTAT OCH ANALYS...18

5.1URSPRUNGSMODELLENS RESULTAT... 18

5.2MODIFIERING AV URSPRUNGSMODELLEN... 20

5.2.1 Regionala skillnader... 20

5.2.2 Flykting vs arbetskraft ... 22

5.2.3 Matchningsmodifiering... 23

5.2.4 Skillnad i kvalitet på nätverken... 24

5.2.5 Ålder och kön... 26

6. SLUTSATSER...27

7. SLUTDISKUSSION ...28

8. REFERENSER...31 BILAGA 1

1. Introduktion

Segregationspolitik är en ständig källa till debatt. I ett land som Sverige, där invandringen är relativt hög, blir segregationen en viktig punkt på agendan. Då en allt större del av befolkningen är av utländskt ursprung blir segregation inte bara en fråga om jämställdhet och lika levnadsvillkor utan också en rent ekonomisk fråga. Hur allvarlig är segregationen i Sverige och vilka kostnader kommer med en splittrad befolkning? Invandrares integration i det svenska samhället är också ett känsligt område. Likaväl som segregation kan uppstå på grund av skilda ekonomiska förutsättningar och bosättningsmöjligheter, beror också segregation på invandrares egna val att bosätta sig bland sina egna landsmän. På frågan hur mycket staten ska intervenera för att stävja segregationen finns inte några givna svar.

Segregationens konsekvenser kan undersökas genom studier av de sociala nätverkens effekter.

De sociala nätverken bland invandrare har blivit alltmer intressant ur forskningssynpunkt då de visat sig förklara en del av de konsekvenser som segregation ger. Om segregation leder till att invandrare hamnar utanför samhället är det troligt att de påverkas mer tydligt av sin direkta omgivning. Genom att undersöka de etniska nätverkens effekter kan vi erhålla vägledande information om hur segregation påverkar individer och hur segregationsfrågor bör hanteras.

Är sociala nätverk bland invandrare en tillgång eller en belastning för enskilda individer? Vi vill med denna uppsats försöka förklara de sociala nätverkens inverkan på invandrarnas levnadsförhållanden utifrån deras sysselsättning. Vi är intresserade av yrkesnivå snarare än sysselsättningsgrad. Genom att se hur yrkesnivån stämmer överens med deras utbildningsnivå kan vi få en överskådlig bild över eventuellt outnyttjade kunskapsresurser i samhället. Detta påverkar i sin tur, förutom individerna själva, samhället i stort då resursslöseri är en samhällsekonomisk kostnad. Ett mått på nätverkens effekter kan sålunda ge ett mått på segregationens betydelse. Vidare ger analysen svar på vilken typ av invandrare som ges bäst förutsättningar i dagens samhälle.

Att studera sociala nätverk utifrån ett ekonomiskt perspektiv är ett relativt outforskat område.

Det som tidigare har studerats inom området sociala nätverk kopplat till ekonomi är främst effekter på individuellt bidragstagande och försämrad löneutveckling som uppstår i och med invandrares ofördelaktiga möjligheter på arbetsmarknaden. Ingen har dock tidigare studerat sambandet mellan utbildningsnivå och yrke med hjälp av en matchningsvariabel som vi tänkt göra här. Med hjälp av denna variabel undersöker vi inte om invandrare har fått ett jobb, utan

om de har fått ”rätt” jobb. Vi menar att det för en väl fungerande integration är viktigt att invandrare får ett yrke som är i nivå med deras utbildning.

Vår utgångspunkt är att de sociala nätverken har en effekt på individernas integrering i samhället. Vi utgår också från att invandrare interagerar främst med sin egen etnicitet och att det är inom denna som nätverket finns. För att undersöka de sociala nätverkens effekter använder vi oss av en modell med en nätverksvariabel. Denna utgörs av andelen av den etniska gruppen i sin hemkommun. Med denna variabel kan vi mäta hur individerna påverkas av en växande andel av sina egna landsmän i kommunen, det vill säga ett utökat nätverk. Vi vill med denna uppsats belysa de sociala nätverkens betydelse för integrationen i samhället.

Hur väl integreringen fungerar mäter vi utifrån en undersökning av matchningen mellan utbildningsnivå och yrkesnivå. Den fråga som vi avser besvara är:

– Vilken effekt har de sociala nätverken för en matchning mellan utbildnings- och yrkesnivå för svenska invandrare?

Vårt uppsatsarbete bygger på en statistisk undersökning av svenska invandrares yrkesförhållanden. För att besvara vår frågeställning använder vi oss av statistik hämtad ur statistikdatabasen LINDA¹. Regressioner på modellen gör vi med statistik från år 2004. Vi hämtar information om individer som är i arbetskraften och som har svenskt medborgarskap men är födda i annat land.

Dispositionen i vår uppsats ser ut på följande sätt. I nästa stycke beskriver vi hur den svenska invandringen ser ut idag. Efter det redogör vi för hur ett nätverk kan tänkas påverka enskilda individer samt vad tidigare forskning inom samma område kommit fram till. I sektion 4 beskriver vi vår modell och visar deskriptiv statistik för vårt datamaterial. Sektion 5 redovisar estimat för nätverkets effekter på matchningen mellan yrke och utbildning. Vi fördjupar sedan analysen genom att göra modifieringar av vår ursprungsmodell. I sektion 6 redogör vi för våra slutsatser och sedan följer en slutdiskussion i sektion 7.

1 Longitudinal INdividual DAta for Sweden

2. Bakgrund

”Integrationsprocessen kan betecknas som framgångsrik om den slutligen leder till ett jobb som lönemässigt och kompetensmässigt är i paritet med personens utbildningsnivå.” (SCB artikel) Så skrivs det i en artikel om integrationen på arbetsmarknaden. Många beskriver dock stora problem för invandrare att integreras på arbetsmarknaden. Det är framför allt under 1990-talets recession som situationen förvärrades (Edin och Åslund, 1990).

I december 2004 var 12 % av den svenska befolkningen född utomlands (SCB artikel). Det beräknas att 1/3 härstammar från nordiska länder, 1/3 från övriga Europa och 1/3 från övriga världen. I början av 1970-talet bestod invandringen till Sverige främst av så kallad arbetskraftsinvandring. Utrikes födda hade då generellt högre sysselsättningsgrad i Sverige än infödda svenskar och integrationen på arbetsmarknaden fungerade väl. Från mitten av 1970- talet har situationen förändrats. En ökande del av invandrarna kom till Sverige som flyktingar och hade politiska skäl bakom sin migration. Andelen flyktingar blev därmed större än andelen arbetskraftsinvandrare. De nya grupper som kom till Sverige klarade sig betydligt sämre på arbetsmarknaden än tidigare invandrare. (Edin och Åslund, 2001, s. 3f) Det finns skillnader i arbetslöshetssiffror mellan olika grupper. Högst sysselsättningsgrad finns bland invandrare med nordisk bakgrund och lägst återfinns hos invandrare från länder utanför Europa. Anledningen till skillnader mellan dessa grupper är att de med nordisk bakgrund ofta varit bosatta i Sverige under en längre tid. (SCB artikel)

I Sverige liksom i de flesta välutvecklade länder finns tendenser att invandrare grupperas geografiskt. Sannolikheten att hamna i ett område med hög andel invandrare ökar om man härstammar från ett utvecklingsland. Det uppskattas att cirka 42 % av den första generationens invandrare var bosatta i en så kallad ”etnisk enklav” år 1997. Med etnisk enklav menas ett område där andelen av en viss etnicitet är dubbelt så hög som den totala andelen av samma etnicitet i hela landet. Dessa etniska enklaver återfinns oftast i anslutning till storstäder.

(Fredriksson och Åslund, 2005, s. 7)

Processen för invandrare att få det första jobbet är ofta relativt lång. För vissa grupper tar det som medel 5 – 10 år innan man lyckats etablera sig som förvärvsarbetande(SCB artikel). Då man jämfört lågutbildade invandrare med lågutbildade svenskar är skillnaderna i levnadsstandard inte dramatisk. Den största skillnaden finns mellan högutbildade invandrare

och högutbildade svenskar. Arbetslösheten är avsevärt högre bland högutbildade invandrare jämfört med svenskt födda på samma utbildningsnivå. Även arbetsinkomster och levnadsstandard är betydligt lägre för invandrare. Den låga sysselsättningen kan bero på svaga språk- och samhällskunskaper, svagt stöd från samhället samt att utbildning från andra länder ofta värderas lägre i Sverige. (Hjerm och Vogel, 2002)

3. Teori och tidigare forskning

3.1 Teori

Det finns många teorier och hypoteser kring segregationsfrågor och hur sociala nätverk inom olika etniciteter påverkar individer. Teorierna presenterar både positiva och negativa effekter av att vara i ett socialt nätverk. Huruvida sociala nätverk bland utlandsfödda har en övervägande positiv eller negativ effekt är en empirisk fråga. Det som är av intresse för vår undersökning är hur nätverket påverkar individers möjligheter på arbetsmarknaden. Nedan redovisar vi teorierna som behandlar dessa nätverkseffekter.

En av anledningarna till att det förs debatter om vikten av att minska segregationen i Sverige är att enklaver i allmänhet minskar incitamenten för invandrare att lära sig värdlandets språk och seder. Om enklaven minskar interaktionen med svenskfödda finns inte samma naturliga inlärningsprocess eller samma behov av att lära sig det nya språket. Lazear har i sin forskning visat att minoritetsgrupper är mer benägna att anamma värdlandets språk och kultur då minoriteten är liten i proportion till den totala populationen. Eftersom dåliga språkkunskaper utgör ett hinder för att skaffa bättre jobb får därför enklaver en negativ effekt för individer på arbetsmarkanden. (Lazear, 1999, s. 124) Många menar också att social samverkan och förebilder är viktiga för anpassningen till värdlandet och har stor betydelse för vilka kunskaper och värderingar som individer förvärvar (Cutler och Glaeser, 1997, s. 829).

Ytterligare negativa effekter uppstår på grund av så kallad geografisk avskildhet, något som på engelska benämns spatial mismatch. Enligt denna teori som bland annat tas upp av Ihlanfeldt och Sjoquist gör diskrimineringen mot invandrare på bostadsmarknaden att de segregeras till avskilda områden. Om dessa områden ligger på ofördelaktig plats med långt till jobbmöjligheter kommer invandrares situation på arbetsmarkanden att påverkas negativt.

(Edin, Fredriksson och Åslund, 2001, s. 336) Kain delar upp denna geografiska avskildhet i

både en fysisk, som den som omnämns ovan, samt en psykisk avskildhet. Då svenskfödda och invandrare delas upp i olika områden leder detta till intellektuell och social isolation mellan de två grupperna. Om svenskfödda litar mer till en stereotyp av invandrare än till sina faktiska erfarenheter av dem kan detta påverka invandrare negativt. (Cutler och Glaeser, 1997, s. 829)

Det kan också finnas positiva effekter av att bo i en enklav. Enklaven kan bilda ett nätverk som ökar möjligheten att komma ut i arbetsmarknaden med hjälp av kontakter. Genom ett sådant nätverk kan man komma undan den eventuella diskriminering på arbetsmarkanden som invandrarna annars kan ställas inför. Nätverket kan också bidra till att sprida information om jobbmöjligheter. Portes menar också att nätverket kan bilda ett skydd för den konkurrens som man annars skulle ställas inför på arbetsmarknaden. I undersökningar som gjorts huruvida segregation är negativt framhålls att detta är helt beroende på kvaliteten på enklaven. Om segregationen innebär att högutbildade och framgångsrika medlemmar av en etnicitet interagerar med varandra, kommer detta att skapa en gynnsam situation för exempelvis nytillkomna invandrare. (Portes, 1987, s. 342ff)

3.2 Tidigare forskning

I följande stycken redogör vi kortfattat för tidigare forskning som rör integration och sociala nätverk. Sedan följer en diskussion kring vad vi kan förvänta oss för resultat på vår frågeställning med bakgrund av den presenterade forskningen.

Det finns tidigare forskning som har undersökt huruvida etniska nätverk bland invandrare har någon effekt på enskilda individer. Denna forskning har främst varit inriktad på nätverkets effekter på inkomstutveckling och socialt bidragstagande. I Ethnic enclaves and welfare cultures – quasi experimental evidence (Fredriksson och Åslund, 2005) undersöks individuellt bidragstagande. Författarna gör skillnad på effekten av kvantiteten och kvaliteten på etniciteten. Med kvantitet avses antalet individer från samma etnicitet och med kvalitet avses andelen bidragstagande individer i etniciteten. Enligt denna undersökning har kvantiteten för det etniska nätverket ingen betydelse. Däremot har kvaliteten signifikant effekt. Författarna visar att det individuella bidragstagandet ökar med nära 7 % om andelen bidragstagande individer i samma etniska grupp ökar med 10 %. Innebörden av detta är att individer påverkas negativt av att bo i en enklav där bidragstagandet är högt. Liknande resultat, men från en annan synvinkel, återfinns i Ethnic enclaves and the economic success of immigrants (Edin,

Fredriksson och Åslund, 2003). Här undersöks nätverkets effekter på individuell inkomstutveckling. Även i deras undersökning är det kvaliteten som är av betydelse.

Författarna visar i sin undersökning att ju större andel med hög inkomst i etniciteten, desto mer positiv effekt har det sociala nätverket på den enskilda individens inkomstutveckling.

Därmed skulle lågutbildade individer som flyttar till en enklav med stor andel välavlönade individer gynnas mest. Dessa rapporter visar att nätverket har påverkan på den enskilda individen. Om effekten är positiv eller negativ beror till stor del på hur nätverket ser ut.

Även Borjas uppmärksammar nätverkseffekter mellan invandrare. I sin forskning tar han endast hänsyn till vilken etnicitet individen tillhör och intresserar sig ej för var i värdlandet individen är bosatt. Till skillnad från övriga studier undersöker Borjas den föregående generationens effekter på den nuvarande generationens invandrare. Kvaliteten på nätverken utgörs av föregående generations genomsnittliga kvalitet och Borjas talar om etniskt kapital snarare än kvalitet (Bertrand, Luttmer och Mullainathan, 2000, s. 1025f). Enligt Borjas är det inte möjligt att a priori avgöra huruvida de etniska enklavernas effekt påverkar individer positivt eller negativt. Han menar att det torde vara en fördel för immigranter att omges av individer med samma bakgrund då det kan förenkla anpassningen till det nya landet genom att de exempelvis kan få information om skillnader från hemlandet och hur man tar sig in på arbetsmarknaden. Å andra sidan menar han att man genom att inkluderas i en så kallad etnisk enklav lätt kan isoleras från den nya kulturen. Detta hindrar anpassning till sin nya situation, både vad gäller språk, kultur och arbete. Borjas liknar etniska enklaver vid egna små samhällen där invånarna rekryterar likasinnade i sina företag. Detta gör att diskriminering på arbetsmarknaden undviks men samtidigt uppstår ett problem i form av minskat arbetsutbud.

Det är vanligt att invandrare rekryteras till arbeten inom den etniska gruppen. Huruvida invandrare i arbetskraften gynnas av att anställas av invandrarentreprenörer är dock omstritt.

(Borjas, 2000, s. 91ff)

Borjas finner även en tydlig koppling mellan etnisk segregation och löneutveckling och menar att löneutvecklingen försämras om en immigrant flyttar till ett område med många ”likasinnade”. Det vill säga att den etniska kvantiteten skulle ha en negativ effekt på löneutvecklingen. Han diskuterar regional segregation och konstaterar att en invandrare i en storstad i USA möter en lägre löneutveckling om denne umgås inom sin etniska enklav.

Borjas hänvisar till Light och Gold:s forskning om att lönerna hos de individer som verkar inom ett etniskt nätverk är lägre än de på den generella arbetsmarknaden. De visar också att

det är vanligt att invandrare koncentreras inom vissa yrkesområden och att de dessutom tenderar att segregeras på olika platser i landet.(Borjas, 2000, s. 91ff)

Som en utveckling av Borjas forskning utkom Bertrand et al med sin forskningsrapport Network effects and welfare cultures. I denna undersöks nätverkseffekter på individuellt bidragstagande utifrån etnicitet såväl som grannskap. De grupperar invandrarna efter modersmål och menar således att invandrare bildar nätverk utifrån vilka de lätt kan kommunicera med. Deras resultat visar att både kvalitet och kvantitet har betydelse för de sociala nätverken och därmed för det individuella bidragstagandet. Bertrand et al utvecklar således den modell som Borjas lagt fram och förfinar den genom att inkludera både etnisk och geografisk variation och minskar därmed risken för utelämnade variabler.(Bertrand, Luttmer och Mullainathan, 2000, s. 1025)

Det har även gjorts forskning om rena grannskapseffekter som inte tar hänsyn till invånare med eventuell invandrarbakgrund. Delar av denna forskning, som framlägger stöd för hypotesen att individer generellt påverkas av sin omgivning, gör Bertrand et al en hänvisning till. Bland annat presenteras slutsatser från Rosenbaum som visar att kvinnor som bor i finare områden påverkas mer positivt av sin omgivning än andra kvinnor. Vidare presenterar de forskning av Katz, Kling et al gällande grannskapets starka effekter på hälsa, ungdomsbrottslighet och barn- och ungdomsproblematik. I deras undersökning kontrolleras även för faktorer som närhet till arbete och skolornas kvalitet. (Bertrand, Luttmer och Mullainathan, 2000, s. 1025)

Ingen har tidigare undersökt hur just matchningen mellan utbildning och yrke påverkas av ett socialt nätverk. Av tidigare forskning kan vi ändå dra slutsatsen att det sociala nätverket bör ha en effekt för det individuella utfallet även i vår undersökning. En del hävdar att kvaliteten är viktigare än kvantiteten när det kommer till att förklara nätverkseffekterna medan andra menar att båda dessa faktorer är viktiga. Borjas hävdar att den etniska enklavens storlek har negativ effekt för individen. Om detta stämmer skulle det innebära en negativ effekt på matchningen i vår undersökning.

4. Modell och data

4.1 Presentation av modellen

Vi vill med hjälp av vår modell undersöka hur ett socialt nätverk påverkar möjligheten att man får ett yrke som är i paritet med sin utbildningsnivå. Vår beroende variabel blir en dummyvariabel för matchen mellan utbildningsnivå och yrkesnivå. Denna variabel M antar värdet 1 om utbildning stämmer överens med yrkesnivå och 0 annars. För att studera nätverkseffekten och hur den påverkar olika etniska grupper använder vi oss av en modell med en nätverksvariabel. Denna nätverksvariabel, som vi benämner N, består av andelen individer inom respektive etnisk grupp. Vi logaritmerar N för att se den procentuella förändringen. För att se hur en ökning av andelen av en viss etnicitet påverkar sannolikheten till en match mellan yrke och utbildning inom den etniciteten tittar vi sedan på elasticiteten för variabeln. Utefter tidigare presenterade teorier har vi anledning att tro att invandrare främst interagerar med individer från samma etnicitet. Vi är också av uppfattningen att storleken på detta kontaktnät är viktig för hur nätverket påverkar enskilda individer. Till följd av detta anser vi att andelen av invandrares egen etnicitet är ett bra mätinstrument för sociala nätverk.

Vidare har vi även dummyvariabler för individkaraktäristika i modellen. Ett stort problem med denna typ av undersökningar är att veta vad som är rena nätverkseffekter och vad som är regionalspecifika eller etnicitetsspecifika effekter. Om man inte tar hänsyn till detta kan modellen få problem med utelämnade variabler. För att undvika att dessa individkaraktäristika påverkar estimat för nätverkets betydelse bör man därför kontrollera för faktorer som kan tänkas vara exogena. Detta problem har Manski valt att kalla ”the reflection problem”

(Manski, 1993, s. 531ff). En problematisk faktor kan vara att bevisa den kausala riktningen mellan det sociala nätverket och individens beslut. Detta problem blir bland annat synligt i de undersökningar som har gjorts om hur etniska nätverk påverkar bidragstagande.

Bidragstagandet är generellt högre i invandrartäta områden men detta ger inte skäl till att dra slutsatsen att det höga bidragstagandet är orsakat av att bo i dessa områden. Om det finns utelämnade variabler för regionspecifika eller etnicitetsspecifika karaktäristika kan det innebära att individens beteende och grannskapets beteende reflekterar varandra. Vi försöker undvika detta problem genom att inkludera konstanter för etnicitet och region i vår regression.

Likväl är det viktigt att ha detta problem i åtanke vid tolkningen av estimaten.

Vi har i modellen även inkluderat dummyvariabler för ålder och en dummyvariabel för kön, som antar värdet 1 om individen är en kvinna. Detta för att fånga upp eventuella individkaraktäristiska egenskaper. För att kontrollera för ålderspecifika egenskaper väljer vi att ha en dummyvariabel för unga i åldern 18-25 år samt en för äldre i åldern 50-65 år. Vi valde dessa åldersintervall för att skilja ut effekter på matchningen som är förenliga med försämrade möjligheter på arbetsmarkanden på grund av ålder. Mellanintervallet som innefattar åldrarna 26-49 år används som referensgrupp då de bör påverkas av sin ålder i mindre utsträckning. Vår ursprungsmodell ser ut på följande sätt där (i) står för individspecifik, (g) för etnicitetsspecifik och (j) för kommunspecifik egenskap:

i j

g i j

g

i N etnicitet kommun kvinna ung gammal

M ^, =αln ^, + + + + + +ε (1)

För konstanten som ska redogöra för regionalspecifika karaktäristika väljer vi att utgå från kommunnivå, till skillnad från tidigare forskning som enbart har utgått från länsnivå. Vi vill använda så fin indelning som möjligt för att fånga upp så mycket som möjligt av den karaktäristika som är specifik för varje kommun. Det skulle med vårt underlag vara möjligt att gå ännu djupare och göra studien på pastoratsnivå. Detta skulle dock innebära betydligt osäkrare skattningar på grund av den lilla selektionen i varje pastorat och många variabler skulle till följd droppas. Således anser vi, med denna analys som grund, den bästa lösningen vara att utgå från kommunnivå.

4.2 Data

LINDA

Vi hämtar vårt material som ligger till grund för denna uppsats från statistikdatabasen LINDA.

Från LINDA har det sedan 1968 årligen utkommit individdata, hämtad främst från den sammanräknade inkomststatistikens årsregister och från RTB². Vi använder oss av slumpvis dragen individdata från år 2004 som inkluderar cirka 3 % av Sveriges befolkning. Därutöver finns även ett panelurval på 20 % av Sveriges utrikesfödda invånare. Vårt material kommer från båda dessa urval. (SCB Internet 1) Vi har dock enbart med individer med utländsk bakgrund som ingår i den svenska arbetskraften. Det rika dataset vi har att tillgå skapar möjlighet för studier på kommunnivå för varje enskild nationalitet.

2 SCB:s register över totalbefolkningen

Utbildning och yrke

Eftersom vi på ett enkelt och tydligt sätt vill kunna jämföra nivåerna på utbildning och yrke gör vi en indelning av dem i tre nivåer som vi benämner låg, mellan och hög. Bestämningen av utbildningsnivån gör vi utifrån LINDA:s variabelinformation (SCB Internet 2). Låg motsvarar ingen eftergymnasial utbildning, mellan och hög är eftergymnasial utbildning upp till tre år respektive över tre år³. När det kommer till yrkesindelningen utgår vi från de klassifikationer som användes vid skapandet av yrkesvariabeln vi använder, ssyk. SCB har delat in yrkesgrupperna i fyra olika kvalifikationsnivåer. Vi gör om dessa fyra nivåer till tre för att överensstämma med indelningen av utbildningen⁴. Låg är de yrken som inte kräver eftergymnasial utbildning och motsvarar de två lägsta kvalifikationsnivåerna. Arbete som kräver kortare högskoleutbildning hör till mellannivån. (SCB Internet 2)Till hög hör de som kräver teoretisk specialistkompetens inom området, samt de inom ledningsarbete som har högre befattningstjänster.

Indelning nationaliteter

För att skapa den dummyvariabel för etnicitet som vi har i vår ursprungliga modell utnyttjar vi LINDA:s variabel för födelseland. I materialet finns totalt 156 länder representerade. För att undvika problem med för små grupper som ger snedvridande resultat delar vi in nationaliteterna i större grupper som vi benämner etniciteter. Som utgångspunkt har vi valt att använda oss av den indelning som författarna till Ethnic enclaves and welfare cultures – quasi-experimental evidence gjort (Fredriksson och Åslund, 2005, s. 33f.). Vid indelningen tar vi hänsyn till hur vi tror att nationaliteter interagerar då de kommer till Sverige. Viktigt blir då språk, kultur och religion samt vilken anledning som är trolig bakgrund till emigrationen.

Med anledning av detta har vi valt att gruppera alla västländer i en grupp då vi tror att de möter liknande förutsättningar på den svenska arbetsmarknaden. Geografisk närbelägenhet är även av betydelse för indelningen av nationaliteter eftersom kulturella faktorer tenderar att spridas över gränserna samt eftersom såväl politiska som ekonomiska och kulturella förutsättningar är liknande. I tveksamma fall har vi även jämfört andelen högutbildade för att nationaliteterna inom samma etnicitet ska vara likartade. Detta var motiveringen bakom den lite udda grupperingen av Japan och Kina i etniciteten Övriga Asien 2. Storleken på grupperna har också varit avgörande vid indelningen. Vi har försökt att undvika alltför små grupper utan att göra alltför stora brott på de kulturella banden. Vissa nationaliteter har grupperats till

3 Utgår från SCB-gruppering. Låg: grupp 1-3, Mellan: grupp 4-5:2, Hög: 5:3-6

4 Utgår från ssyk-gruppering. Låg: grupp 4-9, Mellan: 1:3 (låga chefer)+ 3, Hög: 1-2

individuella etniciteter. Detta beror på att frekvensen bland dessa nationaliteter är stor i vårt urval och att de skiljer sig från övriga grupper. Detta gäller för Turkiet och Chile.

Vissa länder har varit problematiska att dela in då det dels finns stora regionala skillnader inom landet och då de dessutom inte är jämförbara med kringliggande länder. Ett exempel på ett sådant land är Sydafrika som inte liknar de övriga afrikanska länderna vare sig i utbildningsnivå eller ekonomisk utveckling. Det finns dessutom stora klyftor i levnadsstandard inom landet vilket medför att det spelar stor roll vilken individ som emigrerat.

Då frekvensen av individer från Sydafrika i vårt dataset är mycket låg kommer eventuella skillnader inte att påverka vårt resultat i alltför stor utsträckning. Vi har därför valt att inkludera Sydafrika i gruppen Övriga Afrika.

Vår modell kommer att undersöka för följande etniciteter⁵: 1. Fd Jugoslavien

2. Östeuropa 1 3. Östeuropa 2 4. Centralamerika 5. Chile

6. Övriga Sydamerika 7. Afrikas horn 8. Arabländer 9. Övriga Afrika 10. Iran, Irak 11. Turkiet 12. Sydostasien 13. Övriga Asien 1 14. Övriga Asien 2 15. Västländer

4.3 Deskriptiv statistik

För att lättare få en översikt över vår urvalsdata presenterar vi antal och andel individer samt andel kvinnor för varje etnicitet för sig i en tabell. Vi redovisar även andelen individer i varje utbildningsnivå för de olika etnicitetsgrupperna. Denna information är intressant att ha som bakgrund till kommande regressioner.

5För etnicitetsgruppernas nationaliteter se bilaga 1

Tabell 1 - Deskriptiv statistik

Etnicitet Antal Andel

Andel kvinnor

Andel lågutbild.

Andel mellanutbild.

Andel högutbild.

Fd Jugoslavien 1724 0,1407 0,4646 0,7517 0,123 0,1253

Östeuropa 1 881 0,0719 0,6436 0,5187 0,1442 0,3371

Östeuropa 2 438 0,0357 0,6781 0,395 0,1575 0,4475

Centralamerika 123 0,01 0,5528 0,5447 0,1463 0,3089

Chile 458 0,0374 0,5109 0,7511 0,131 0,1179

Övr.Sydamerika 317 0,0259 0,4953 0,5773 0,1735 0,2492

Afrikas horn 345 0,0281 0,4377 0,7478 0,1101 0,142

Arabländer 478 0,039 0,4184 0,6799 0,1444 0,1757

Övr. Afrika 241 0,0197 0,4772 0,6515 0,1577 0,1909

Iran, Irak 966 0,0789 0,4327 0,5435 0,1749 0,2816

Turkiet 342 0,0279 0,4415 0,807 0,0877 0,1053

Sydostasien 468 0,0382 0,3974 0,7671 0,0897 0,1432

Övr. Asien 1 360 0,0294 0,5389 0,6583 0,15 0,1917

Övr. Asien 2 256 0,0209 0,707 0,4102 0,2305 0,3594

Västländer 4854 0,3962 0,5301 0,6298 0,1304 0,2398

TOTALT 12251 1,0 0,5072 0,6382 0,1366 0,2252

Vi ser i tabellen att det är en förhållandevis jämn fördelning av män och kvinnor i urvalet.

Övriga Asien 2 sticker dock ut med cirka 70,7 % kvinnor. Detta bör inte ha någon särskild påverkan i vår regression. Det går även att avläsa att Turkiet toppar listan i andelen lågutbildade individer med 80,7 %. Den etnicitetsgrupp med störst andel högutbildade är Östeuropa 2, med en andel på cirka 44,8 %. Det är även denna etnicitet som har lägst andel lågutbildade. Chile, Afrikas horn och fd Jugoslavien är även de, i likhet med Turkiet, relativt lågutbildade. Det kan ha att göra med att de kommer från fattiga länder med politisk instabilitet. Det finns alltså stora skillnader i utbildningsgrad för de olika etniciteterna. Vi noterar att andelen högutbildade individer i gruppen Västländer är cirka 24,0 %, vilket är förvånansvärt lågt. Etniciteter som Iran, Irak och Östeuropa 1 och 2 har alla högre utbildningsnivå än Västländer i vårt urval.

Tabell 2 visar andel och antal individer med matchning för vårt urval. Vi ser att andelen av de lågutbildade med match är mycket låg men detta har sin förklaring i vår matchningsdefinition.

Värt att notera är att endast 52,8 % av de med utbildning utöver gymnasienivå har en matchning med sin yrkesnivå.

Tabell 2 - Matchningsfördelning

Lågutbild. Mellanutbild. Högutbild. Mellan- och högutbild.

Antal 934 817 1522 2339

Andel 0,1206 0,4883 0,5516 0,5278

4.4 Matchningsdefinition

Vi vill studera matchningsvariabeln M som är en dummyvariabel som antar värdet 1 om utbildningsnivå och yrkesnivå matchar. Efter tidigare indelning av utbildning och yrke i tre nivåer ger vi nu lågkvalificerade yrken värdet 0, en mellanyrkesnivå värdet 1 och högkvalificerade yrken värdet 2. På samma sätt får utbildningsnivåerna värdet 0 om lågutbildad, 1 om medelutbildad och 2 om högutbildad. Vi ser det som en match när en individ har utbildningsnivå 2 och yrkesnivå 2, det vill säga är högutbildad och har ett högkvalificerat yrke. Likaså är det en match om individen har utbildningsnivå 1 och yrkesnivå 1 eller 2 samt utbildningsnivå 0 och yrkesnivå 1 eller 2, se figur 1. Genom denna definition inkluderar vi individer som fått ett högkvalificerat yrke trots att de inte har utbildning i lika hög nivå.

Utbildningsnivå Yrkesnivå Figur 1

2. Hög 2. Hög

1. Mellan 1. Mellan

0. Låg 0. Låg

Vi har valt att inte räkna individer med utbildningsnivå 0 och yrkesnivå 0 som en match.

Enligt definitionen för match blir därför lågutbildade individer med ett lågkvalificerat yrke uteslutna. Endast de lågutbildade individer som lyckats skaffa ett yrke som är i högre rang än den utbildning individen har, räknas som en match. Eftersom man inte kan få ett yrke sämre än lågkvalificerat är det inte möjligt att avgöra om nätverkseffekter kan påverka dessa individer negativt. Därför kommer de inte att säga oss något om de nätverkseffekter som vi vill undersöka. Ett bättre yrke än utbildningsgrad kan dock tyda på positiva nätverkseffekter

och vi ser alla sådana förbättringar som matchningar. I och med att de flesta lågutbildade individer räknas som icke match kommer medelvärdet för matchningsvariabeln att vara låg bland de etniciteter med hög andel lågutbildade. Detta trots att lågutbildade individer möjligtvis har ett yrke i paritet med sin utbildning. Vi är intresserade av att studera hur det etniska nätverket har påverkat denna match då det finns alternativ på karriärstegen. Dit räknar vi inte arbetslöshet. Det faller därför utanför vår undersökning då vi inte undersöker huruvida nätverket leder till sysselsättning.⁶Vi redovisar ytterligare en matchningsdefinition i analysen där vi definierar det som en match endast om man är högutbildad och har ett högkvalificerat yrke.

I tabell 3 redovisas medelvärdet samt standardavvikelser för matchningsvariabeln. Vi redovisar medelvärdet utifrån vilken etnicitet man tillhör samt en uppdelning mellan män och kvinnor.

Tabell 3 - Matchning för etniciteterna

Match Match man Match kvinna

Fd Jugoslavien 0,1224 (0,3278) 0,1203 (0,3254) 0,1248 (0,3307)

Östeuropa 1 0,3473 (0,4763) 0,3631 (0,4861) 0,3386 (0,4737)

Östeuropa 2 0,3356 (0,4727) 0,3404 (0,4755) 0,3333 (0,4722)

Centralamerika 0,1870 (0,3915) 0,1273 (0,3364) 0,2353 (0,4273) Chile 0,1790 (0,3838) 0,1652 (0,3722) 0,1923 (0,3950)

Övr.Sydamerika 0,2303 (0,4217) 0,2625 (0,4414) 0,1975 (0,3994)

Afrikas horn 0,1101 (0,3135) 0,1392 (0,3470) 0,0728 (0,2608) Arabländer 0,1904 (0,3930) 0,1871 (0,3907) 0,195 (0,3972)

Övr. Afrika 0,1577 (0,3652) 0,1984 (0,4004) 0,1130 (0,3180)

Iran, Irak 0,2505 (0,4335) 0,2701 (0,4444) 0,2249 (0,4180) Turkiet 0,1462 (0,3538) 0,1361 (0,3438) 0,1589 (0,3668) Sydostasien 0,0940 (0,2922) 0,1460 (0,3563) 0,0725 (0,2597)

Övr. Asien 1 0,1861 (0,3897) 0,1687 (0,3756) 0,2010 (0,4018)

Övr. Asien 2 0,4336 (0,4965) 0,4667 (0,5022) 0,4199 (0,4949)

Västländer 0,3605 (0,4802) 0,3599 (0,4801) 0,3611 (0,4804) TOTALT 0,2672 (0,4425) 0,2651 (0,4414) 0,2690 (0,4435)

Not: Standardavvikelse står i parentes.

6 Vi har även testat för andra definitioner av matchningsvariabeln. Exempelvis definierade vi M som en match så länge man inte fått ett yrke som var sämre än sin utbildningsnivå. Detta gav ett snedvridet positivt resultat i matchningen för etniciteter med hög andel lågutbildade.

Vad man kan avläsa av tabellen ovan är att matchningen generellt är lägre bland de etniciteter som vanligtvis betraktas tillhöra ett utvecklingsland, exempelvis länderna i Afrikas horn, Övriga Afrika och Sydostasien. Även de etniciteter som kommit till Sverige främst som flyktingar har en lägre match, såsom fd Jugoslavien. Högst matchning finns hos de östeuropeiska länderna samt Övriga Asien 2, som inkluderar bland annat Japan och Kina.

Medelvärdet på matchen skiljer sig inte nämnvärt mycket mellan män och kvinnor. Detta stämmer (som sig bör) väl överens med den deskriptiva statistik över andelen av olika utbildningsnivåer som vi redovisat i tabell 1. I en snabb jämförelse mellan Västländer och övriga Sydamerika, eftersom de har liknande andel högutbildade, ser vi att västländernas medelvärde är betydligt högre än det för Sydamerika (0,23 jämfört med 0,36). Detta stämmer överens med teorin att Västländer påverkas mindre negativt på arbetsmarknaden. Siffror som i övrigt sticker ut är skillnaden i match mellan kvinnor och män i Centralamerika. Matchen för kvinnor är nära dubbelt så hög som matchen för män. Detta kan bero på att den centralamerikanska etniciteten är en av de minsta och att det därför kan finnas en snedvridning.

Vi ser även i tabell 4 att matchningen är något högre i storstäderna. Till storstäderna hör Stockholm, Göteborg och Malmö. Man bör vara försiktig i tolkningen av dessa medelvärden då standardavvikelserna är stora och matchen kan vara något missvisande på grund av definitionen på matchen.

Tabell 4 - Matchning för man och kvinna

Totalt Storstad Icke storstad Match man 0,2039

(0,4029)

0,2099 (0,4074)

0,1974 (0,3980) Match kvinna 0,2078

(0,4058)

0,2217 (0,4155)

0,1931 (0,3948)

Not: Standardavvikelse står i parentes.

5. Resultat och analys

5.1 Ursprungsmodellens resultat

Vi skattar vår ursprungsmodell (1) med OLS, med robusta standardfel som kontrollerar för eventuellt heteroskedastiska feltermer. Resultatet presenteras i tabell 5.

i j

g i j

g

i N etnicitet kommun kvinna ung gammal

M ^, =αln ^, + + + + + +ε (1)

Tabell 5 - Ursprunglig modell

Beroende variabel: Match

lnN -0,0381*** (0,0064)

Etnicitet Ja

Kommun Ja

Kvinna -0,0051 (0,0079)

Ung -0,1701*** (0,0100)

Gammal 0,0221** (0,0097)

Antal obs. 12251 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

Vi får ett signifikant negativt punktestimat för nätverkseffekten på -0,0381⁷. För att kunna tolka detta estimat måste vi se till elasticiteten. Vår modell är en så kallad lin-logmodell och formeln för att räkna ut elasticiteten är (Gujarati, 1995, s.178):

Elasticitet ⎟⎟

⎠

⎜⎜ ⎞

⎝

⎛ ×

M d

M

d α

α ^{= ⎟}_⎠

⎜ ⎞

⎝

⎛ M α 1

M är medelvärdet på matchningsvariabeln som utav tabell 3 kan utläsas vara 0,2672 för hela urvalet. Elasticiteten blir -0,143 med denna uträkning⁸. Tolkningen av elasticiteten på lnN är att om andelen av ens egen etnicitet ökar med 10 %, allt annat lika, försämras möjligheten för match mellan yrke och utbildning med cirka 1,43 %. Vi kan tänka på främst tre orsaker till att en ökad etnisk koncentration leder till försämrad matchning. Dessa redogör vi för nedan.

7 Vi har även gjort en regression där vi delade in alla nationaliteter i fem etnicitetsgrupper. Denna gav ett signifikant punktestimat för lnN på -0,0502 (0,0057). Eftersom vi får tydliga skattningar med finare grupperingar föredrar vi att skatta regressionen med 15 etniciteter.

8 -0,00381*(1/0,2672)

En stor andel av de invandrare som kommer till Sverige har valt att komma hit på grund av att de redan har kontakter här i form av släktingar och vänner. I dessa fall är det troligt att det är släktingarna som blir vägen in i det svenska samhället och grunden för det sociala nätverket.

Kanske blir även dessa en väg till den första anställningen. De eventuellt positiva effekter som kan uppstå av att nätverket ger upphov till jobb behöver dock inte nödvändigtvis räknas som positiva effekter i vår modell. Enligt definitionen på vår matchningsvariabel räknas alla med en låg yrkesnivå också som en dålig match. Detta gör att även om kontakter inom nätverket har lett till anställning för en individ så kommer inte vår modell att fånga upp detta som en positiv effekt. Att välja ett yrke som erbjuds via nätverket trots att yrket inte är i samma nivå som ens utbildning har en negativ effekt på matchningen. Det måste ses som en ekonomisk förlust då en individ är överkvalificerad för sitt yrke. Visserligen är det en hög alternativkostnad om alternativet innebär att vara arbetslös men risken finns att nyinvandrade individer förlorar incitament att hitta det yrke som de är bäst lämpade för. Detta kan ge en högre kostnad på lång sikt. Det sociala nätverket kan också bidra till att förlänga tiden för att lära sig det svenska språket. Då möjlighet till både jobb och umgänge finns utan språkkunskapskrav minskar incitamenten att anamma det nya språket. Det är svårare, om inte nästan omöjligt, att ta sig in i en högre yrkesnivå på den svenska arbetsmarkanden utan goda kunskaper i svenska. Detta kan vara en del av förklaringen till varför nätverket har en negativ effekt på matchningen.

Ett annat skäl till den negativa effekten kan ha att göra med vilken typ av invandrare det rör sig om. Som tidigare beskrivet är en stor andel av de svenska invandrarna människor som flytt från sina hemländer på grund av krig, svält och politisk instabilitet. Trots att de har en god utbildning från sina hemländer finns möjligheten att de inte längre är kapabla att utföra alltför komplicerade uppgifter. Depression och oro över sin situation kan också minska incitamenten och lusten till att skaffa ett högkvalificerat jobb. Oroligheter och osäkerhet inför framtiden är sådant som kan antas påverka hela nätverket. Det är även rimligt att anta att det krävs en viss anpassningstid till det nya landet då flytten ofta innebär kulturkrockar och stora omställningar.

Vi kommer därför att i en senare analys undersöka om det finns några skillnader mellan olika typer av invandrare.

Ytterligare ett skäl till att högre koncentration av ens egen etnicitet får negativ effekt på matchningen är diskriminering av invandrare på den svenska arbetsmarknaden.

Diskrimineringen kan uppkomma av rent rasistiska skäl men även av att en utbildning från ett

annat land (främst då icke-europeiskt eller icke-engelsktalande land) värderas lägre. Då det troligen finns stark osäkerhet hos arbetsgivare inför kvaliteten på en utländsk utbildning kan detta leda till att invandrare sållas bort. Tabell 2 visar att endast cirka 52,8 % av de med en utbildning, det vill säga utbildningsnivå 1 eller 2, har ett yrke som är i nivå med deras utbildning. Denna uppgift visar att det finns ett resursslöseri i det svenska samhället.

Från resultaten i tabell 5 ser vi också att matchningen är signifikant sämre för unga invandrare, det vill säga i åldrarna 18-25 år. En trolig anledning till att matchningen är lägre för unga är att man inte hunnit vara ute i arbetslivet tillräckligt länge för att nå den nivå i karriären som motsvarar ens utbildning. Det kan också vara tecken på att unga inte är lika kräsna i sina yrkesval. Vi finner också en signifikant högre matchning för äldre invandrare. Detta skulle kunna bero på att de äldre levt i Sverige under en längre period och därmed acklimatiserat sig i större utsträckning till det svenska samhället. Som vi har nämnt tidigare är processen för en invandrare att ta sig in på arbetsmarknaden ofta lång. Vår ursprungsmodell kan dock lida av utelämnade variabler och det är därför för tidigt att tolka dessa estimat med alltför stor säkerhet.

5.2 Modifiering av ursprungsmodellen

Vår ursprungliga modell ger oss ett första estimat för hur det sociala nätverket påverkar matchningen mellan yrke och utbildning. Men många frågor är fortfarande obesvarade. För att fördjupa vår analys gör vi i detta stycke ytterligare regressioner där vi med hjälp av modifieringar av vår ursprungsmodell hoppas få svar på fler frågor om hur nätverkets effekter ser ut.

5.2.1 Regionala skillnader

I en vidare studie av vår regression väljer vi att undersöka för eventuella regionala skillnader.

Inledningsvis skapar vi en dummyvariabel som antar värdet 1 om en individ är bosatt i Stockholm, Göteborg eller Malmö. För att kunna jämföra med övriga landet skapar vi även en interaktionsvariabel mellan lnN och storstad. Vi inkluderar även dummyvariabler för individkaraktäristika samt för etnicitet och kommun.

Modellen ser ut på följande sätt:

[ ]

i j g i j

g i j

g i

gammal ung

kvinna

kommun etnicitet

storstad storstad

N N

M

ε β

α

+ +

+ +

+ +

+ +

+

= ^{, ,}

, ln ln *

(2)

Tabell 6 - Regionala skillnader

Beroende variabel: Match

lnN -0,0537*** (0,0072)

lnN*storstad 0,0397*** (0,0090)

Storstad 0,0586 (0,1462)

Etnicitet Ja

Kommun Ja

Kvinna Ja

Ung Ja

Gammal Ja

Antal obs. storstad 12251 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

Resultaten visar att det finns signifikanta skillnader för invandrare att bo i en storstadskommun. Interaktionsvariabeln för storstad är estimatet av intresse då den visar skillnaden i nätverkseffekter för storstäder. Genom att addera estimatet för lnN med denna interaktionsvariabel erhåller vi nätverkseffekten för storstäder (-0,0537+0,0397= -0,014).

Detta värde använder vi sedan för att räkna ut elasticiteten, på samma sätt som tidigare⁹. Om andelen av ens egen etnicitet i en storstadskommun ökar med 10 % minskar möjligheten till match med 0,52 %. Detta att jämföra med en negativ effekt på 2,01 % för övriga landet. Det sociala nätverket har således betydligt mindre negativ effekt i en storstad än i övriga landet.

En möjlig förklaring till att matchningen är något bättre i storstäder än i övriga landet är att diskrimineringen skulle kunna tänkas vara mindre frekvent i storstäder på grund av en ökad variationsrikedom, vilket kan ha lett till en ökad acceptans. Medelvärdet för matchen som finns presenterat i tabell 4 visar också på ett högre medelvärde för Stockholm, Göteborg och Malmö. Arbetsutbudet är ofta högre i storstäder och därmed ökar chansen att få det jobb man

9 -0,014*(1/0,2672)=0,052395

söker. Det högre arbetsutbudet lockar säkerligen fler högutbildade till storstäder. Om dessa sedan får det jobb de söker är det förståeligt att nätverkseffekten är mindre negativ.

5.2.2 Flykting vs arbetskraft

Efter att ha tittat på tabell 3 finner vi att det finns skillnader i medelvärde på matchen mellan olika etniciteter. Teorin talar även om skillnader i sysselsättningsgrad för olika invandrargrupper. För att fördjupa vår analys ytterligare vill vi därför undersöka om det finns skillnader även i nätverkseffekterna mellan olika etniciteter. Främst är vi intresserade av att se om det finns skillnad mellan flyktingar och så kallade arbetskraftsinvandrare. Det är rimligt att dessa olika typer av invandrare integreras på olika sätt i värdlandet och att de till följd av olika bakgrund och övriga omständigheter påverkas på olika sätt av nätverken. Det är av dessa anledningar intressant att studera de två typerna för sig. Utbildningsnivån skiljer sig åt mellan vad som kan klassas som flyktingar och arbetskraftsinvandrare. Vi är därför intresserade av att se hur nätverkseffekterna skiljer sig åt för etniciteter med stor andel högutbildade mot stor andel lågutbildade. Vi har valt att gruppera Östeuropa 1 och 2 samt Övriga Asien 2 till en arbetskraftsinvandrargrupp. Som grund till valet av just dessa länder ligger främst den stora andelen högutbildade. Vidare finns, bland dessa etniciteter, ingen stark politisk motivering till migrationen. Vi skapar också en så kallad flyktinginvandrargrupp. I denna ingår etniciteterna fd Jugoslavien, Afrikas horn, Övriga Afrika och Turkiet. Bland dessa etniciteter är andelen lågutbildade betydligt högre än den för övriga länder. Det finns också skäl att tro att migrationen till Sverige för dessa i stor utsträckning skedde på grund av instabilitet i hemlandet.

För att inkludera arbetskraftsländerna som jämförelseland då vi undersöker flyktingar, och vise versa, väljer vi att göra två regressioner med varje invandrargrupp för sig. Vi skapar dummyvariabler för varje typ av invandrare (flykting eller arbetskraft) och interaktionsvariabler mellan dessa och lnN. Vi kontrollerar även för tidigare redovisad individkaraktäristika. Resultaten redovisas i tabell 7 och vår modell är:

(3)

[ ]

i j g i j

g i j

g i

gammal ung

kvinna

kommun etnicitet

yp invandrart yp

invandrart N

N M

ε β

α

+ +

+ +

+ +

+ +

+

= ^{, ,}

, ln ln *

Tabell 7 - Invandrartypsskillnader

Beroende variabel: Match

Flykting Arbetskraft

lnN -0,0500*** (0,0072) -0,0387***(0,0070) lnN*typ 0,0570*** (0,0119) 0,0029 (0,0169)

typ 0,0138 (0,0648) 0,0110 (0,0770)

Etnicitet Ja Ja

Kommun Ja Ja

Kvinna Ja Ja

Ung Ja Ja

Gammal Ja Ja

Antal 2667 st. 1575 st.

Antal obs. 12251 st. 12251 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

Interaktionsvariabeln för flyktingar visar att det finns en signifikant skillnad i nätverkseffekter från övriga invandrare. Resultatet visar, med ett estimat på 0,007, att det finns en mycket svag positiv nätverkseffekt för flyktingar. Vi förväntade oss att nätverket skulle påverka flyktingar mer negativt eftersom de möjligtvis har en svårare situation och kanske inte självmant valt att flytta. Enligt de resultat vi får ser det snarare ut att inte finnas någon särskild nätverkseffekt för flyktingar. Vad gäller arbetskraftsinvandrare ser vi att det inte finns någon signifikant skillnad i nätverkseffekter jämfört med övriga etniciteter. Vi hade väntat oss att nätverkseffekten skulle vara mindre negativ för arbetskraftsländer.

5.2.3 Matchningsmodifiering

Vi har tidigare redogjort för funderingar kring vår matchningsdefiniering. Det är exempelvis inte givet att just tre nivåer är nödvändigt. För att undersöka om en annorlunda definition leder till förändrat resultat gör vi en ny regression på samma urval men med en annorlunda definition för match. Om denna ger bättre skattningar jämfört med vår ursprungsmodell finns det anledning att byta. Vår nya matchningsvariabel har endast två nivåer för utbildning och

yrke, högutbildad och lågutbildad, samt högkvalificerat och lågkvalificerat yrke¹⁰. Enligt den nya definitionen innebär att det blir match om de högutbildade individerna har ett högkvalificerat yrke. Med den nya definitionen skattar vi regressionen av vår ursprungliga modell (1) med OLS.

Tabell 8 – Matchningsmodifiering

Beroende variabel: Match endast för högutbildade

lnN -0,0390*** (0,0050)

Etnicitet Ja

Kommun Ja

Kvinna Ja

Ung Ja

Gammal Ja

Antal obs. 12251 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

Resultatet visar inte någon större skillnad från vår ursprungsmodell (1). Man hade kunnat tro att nätverkseffekten skulle vara mer negativ eftersom det nu finns färre möjligheter till matchning. Resultatet i tabell 8 föranleder oss att tro att vår ursprungliga definition av matchen är god.

5.2.4 Skillnad i kvalitet på nätverken

En högre andel högutbildade i nätverket kan rimligen antas öka sannolikheten för en bättre match eftersom de inom nätverket har större möjlighet att hjälpa varandra till rätt arbete.

Genom att inkludera ytterligare en nätverksvariabel, lnN^WE (Well Educated), som visar andelen högutbildade inom individens etnicitet kan vi undersöka om denna möjligtvis har en positiv effekt på matchningen. Vi studerar sedan estimaten för bägge nätverksvariabler för att avgöra nettoeffekten av dem. Vi skattar modellen med OLS och resultaten redovisas i tabell 9.

10 Som jämförelse till den ursprungliga matchen innebär denna definition att endast nivå 2 för respektive kategori innebär en match.

Den nya modellen ser ut på följande sätt:

i g

WE i j

g i j

g

i N N etnicitet kommun kvinna ung gammal

M ^, =αln ^, +βln + + + + + +ε (4)

Med statistisk signifikans får vi fram att en ökning av andelen högutbildade i den egna etniciteten i kommunen har en positiv effekt för matchen mellan yrke och utbildning.

Estimatet visar utbildningsnivån har stor betydelse för den enskilde individen. Elasticiteten för kvalitetsvariabeln blir 0,198, vilket innebär att om andelen högutbildade i etniciteten ökar med 10 % förbättras sannolikheten för match med 19,8 %. Skattningen för nätverksvariabeln för storleken på den egna etniciteten är fortfarande signifikant negativ. Resultaten stämmer överens med vad tidigare forskning har framlagt angående nätverkseffekter och kvalitetens betydelse men vi finner i vår undersökning att även kvantiteten har en signifikant effekt.

Nettoeffekten av nätverket blir på det stora hela positiv när vi summerar de två skilda nätverkseffekterna. Detta innebär i sin tur att nätverkets kvalitet är av stor betydelse för individen samt att det är negativt att bosätta sig där koncentrationen av sin egen etnicitet är hög. Om etnicitetsstorleken ökar är det rimligt att anta att andelen högutbildade minskar. Av denna anledning är det ingen konstig motsättning i estimaten för nätverksvariablerna.

Tabell 9 - Kvaliteten på nätverket

Beroende variabel: Match

lnN -0,0131** (0,0076)

lnN^we 0,0530*** (0,0116)

Etnicitet Ja

Kommun Ja

Kvinna Ja

Ung Ja

Gammal Ja

Antal obs. 12251 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

5.2.5 Ålder och kön

I tabell 4 kan vi jämföra medelvärdet på matchen mellan män och kvinnor. Vi ser att skillnaderna inte är särskilt stora men att matchen är något högre för kvinnor. Jämförelser av medelvärdet på matchen för kvinnor och män i storstad jämfört med övriga landet uppvisar desto större skillnader. Estimaten visar på att kvinnor har högre chanser till match i storstad jämfört med övriga landet. Som vi påpekat tidigare finns dock problem med att endast studera medelvärdet på matchen. Vi gör en regression för att undersöka om det finns könsskillnader för sociala nätverk. För att göra detta skapar vi en dummyvariabel för kön samt en interaktionsvariabel mellan kön och vår nätverksvariabel. Liksom tidigare är det interaktionsvariabeln som är av intresse för att tolka skillnaderna. De skapade variablerna sätter vi in i vår ursprungliga regressionsmodell.

[ ] [ ]

[ ]

j g i

j g i j

g i j

g i j

g i

kommun etnicitet

kvinna kvinna

N

gammal gammal

N ung

ung N N

M

ε λ

δ β

α

+ +

+ +

+

+ +

+ + +

=

,

, , ,

,

* ln

* ln

* ln

ln (5)

Interaktionsvariablerna för kön uppvisar ingen statistisk signifikans och regressionen kan inte påvisa någon skillnad i nätverkseffekter mellan könen.

Vi är även intresserade av att se om det finns skillnader i sociala nätverk för de olika åldersgrupperna. Det finns signifikanta skillnader i den direkta effekten på matchen, men finns det även skillnader i nätverket? Vi använder samma åldersindelning som den för den ursprungliga regressionen men skapar nu även interaktionsvariabler för åldersgrupperna ung och gammal. Eftersom vi i modellen inbegriper de båda åldersgrupperna samtidigt är det mellangruppen, åldrarna 26-49, som används som referensgrupp. Det är således nätverkseffekten för mellangruppen som estimatet i första raden i tabell 10 illustrerar. Utav tabellen kan vi utläsa att effekten från nätverket är mindre för unga. Den blir svagt negativ med ett punktestimat på -0,0144 jämfört med en negativ effekt på -0,029 för individer i åldrarna 26-49. För äldre är däremot nätverkseffekten signifikant mer negativ. Vi ser med hjälp av dummyvariabeln för unga att den direkta effekten för matchen av att vara ung är negativ men att nätverket kan gynna matchningen positivt. Även för äldre är den direkta effekten av att vara gammal negativ och nätverket hjälper inte heller till att förbättra matchningen.

Tabell 10 - Ålders- och könsskillnader

Beroende variabel: Match

lnN -0,0290*** (0,0081)

lnN*ung 0,0146* (0,0106)

ung -0,1002** (0,0495)

lnN*gammal -0,0369*** (0,0097)

gammal -0,1273*** (0,0401)

lnN*kvinna 0,0026 (0,0079)

kvinna 0,0070 (0,0342)

Etnicitet Ja

Kommun Ja

Antal unga 2182 st.

Antal gamla 3604 st.

Antal medel 6465 st.

Not: Asteriskerna indikerar signifikansnivåer. * motsvarar 10 %, ** 5 % samt ***

1%.

Robusta standardfel står i parentes.

Etniciteterna inkluderar 156 st. nationaliteter och är indelade i 15 etniciteter.

Antal kommuner i undersökningen är 290 st.

6. Slutsatser

Vi studerar nätverkens effekter utifrån dess påverkan på matchning mellan yrke och utbildning. Vi har definierat vår matchning så att vi mäter om invandrare har fått ”rätt” jobb, det vill säga ett yrke i nivå med utbildningen. Resultaten visar att nätverkets storlek inverkar negativt på matchningen. En ökning av den egna etniciteten med 10 % leder till en signifikant försämrad sannolikhet för match med cirka 1,43 %. Med anledning av denna negativa effekt kan vi dra slutsatsen att segregation har en negativ inverkan för invandrare. Vi kan också dra slutsatsen att det finns ett kunskapsslöseri i det svenska samhället då endast 52,8 % av den utbildade invandrarbefolkningen i arbetskraften har ett yrke i nivå med sin utbildning. Övriga 47,2 % av de utbildade invandrarna är därmed överkvalificerade för sitt yrke. Vi finner signifikanta skillnader mellan invandrare i storstäder och övriga landet. Invandrare i storstäder har en mindre negativ nätverkseffekt. Det är även signifikanta skillnader mellan olika åldersgrupper. Unga har en något mindre negativ, medan äldre har en något mer negativ nätverkseffekt. Det finns ingen signifikant skillnad i nätverkseffekter mellan könen. Då vi, i en vidare analys, inkluderar ytterligare en nätverksvariabel som motsvarar nätverkets kvalitet finner vi att nettoeffekten av de två nätverksvariablerna är positiv. Vi kan därmed dra slutsatsen att kvaliteten för nätverket är av stor betydelse och att ju högre andel av etniciteten