NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet
Examensarbete C
Författare: Michelle Grönlund & Filip Thelin Handledare: Che-Yuan Liang
Höstterminen 2019
Inkomstojämlikhetens effekt på attityder till omfördelning
En undersökning av sambandet mellan attityder till omfördelning och inkomstojämlikhet
Sammanfattning
Uppsatsen undersöker om det finns ett samband mellan inkomstojämlikhet och attityder till omfördelning.
Attityder till omfördelning mäts genom att undersöka respondenters inställning till ett förslag om en minskning av den offentliga sektorn. Brutto-och nettoginikoefficienterna används som mått på
inkomstojämlikhet och båda mäts på kommunnivå. Uppsatsen implementerar first difference regressioner med olika tidslängder för förändringarna i variablerna för att undersöka sambandet, och resultaten
indikerar att det är negativt. Vi hittar följaktligen inget stöd för Meltzer och Richards (1981) modell som predikterar ett positivt samband mellan attityder till omfördelning och ökad inkomstojämlikhet, mellan 1991 och 2014 i Sverige. Sambandet har författarna veterligen aldrig tidigare undersökts på kommunnivå i Sverige.
Nyckelord:
Inkomstojämlikhet, attityder till omfördelning, ginikoefficient, Meltzer & Richard modellen.
Abstract
This paper investigates if there is a correlation between income inequality and attitudes toward
redistribution. We measure attitudes towards redistribution by examining respondents’ attitudes regarding a suggested downsizing of the public sector. Both market and disposable income inequality are measured at the municipality level with a Gini coefficient. The paper implements first difference regressions with different time lags to investigate the correlation, and the results indicate it is negative. Thus, we find no support for Meltzer and Richards (1981) model which predicts a positive correlation between attitudes toward redistribution and increased income inequality, between 1991 and 2014 in Sweden. To the authors knowledge this has never been studied before at a municipality level in Sweden.
Keywords:
Income inequality, attitudes toward redistribution, gini coefficient, The Meltzer & Richard model
1. Inledning 4
2. Teoretisk bakgrund och litteraturöversikt 6
2.1 Generell teorigenomgång 7
2.2 Tidigare studier av attityder till omfördelning och inkomstojämlikhet 8
2.3 Ginikoefficient som mått på inkomstojämlikhet 11
2.4 Offentlig sektor 12
3. Data 12
3.1 Attityder till omfördelning 12
3.2 Inkomstojämlikhet och kontrollvariabler 14
3.3 Behandling av data 15
3.4 Deskriptiv statistik 17
4. Empirisk metod 18
4.1 First difference regression 18
4.1.1 First difference ekvation 21
5. Resultat 21
5.1. First difference regression på brutto- och nettoinkomstojämlikhet 22
5.2 Robusthetstest 26
6. Analys 27
7. Slutsats 29
8. Appendix 30
9. Referenser 35
1. Inledning
Under de senaste decennierna har många länder haft en positiv ekonomisk utveckling och fattigdomen har minskat. Under perioden har inkomstspridningen minskat mellan länder, men parallellt har en ökning observerats inom länder. När inkomstojämlikheten stiger riskerar det att leda till en ökad risk för 1 konflikter i samhället och minskad möjlighet för medborgarna att påverka samhällets utveckling. 2 (UNDP, 2015) Sverige anses vara ett av de 9 mest jämlika länderna i OECD, men från 1985 till sent 2000-tal har inkomstojämlikheten, mätt i ginikoefficient, stigit med en tredjedel och ökningen var störst av alla OECD länder(OECD,2015). Denna ökning i inkomstojämlikhet härstammar främst från ökade kapitalinkomster och urholkade transfereringssystem, men också demografiska anledningar som en åldrande befolkning och förändrad hushållssammansättning. Globalisering och ökad skattekonkurrens bör också nämnas som skäl till ökad ojämlikhet i Sverige. (Konjunkturrådet 2018)
Ekonomisk ojämlikhet riskerar att medföra negativa konsekvenser som sämre hälsa och segregation (Wilkinson 2006, Neckerman & Torche 2007). Omfördelningar minskar ojämlikheten och sker främst genom den skattefinansierade offentliga sektorn. Ojämlikhet i nettoinkomst är därför lägre än ojämlikhet i bruttoinkomst och skillnaden mellan måtten härstammar från nivån på omfördelning som finns i Sverige. Bruttoginikoefficienten motsvarar nivån på inkomstojämlikheten innan skatter och transfereringar medan nettoginikoefficienten motsvarar inkomstojämlikheten efter.
Graf 1: Årliga medelvärdet på kommunnivå för brutto- och nettoinkomstojämlikhet för undersökt period.
1 Se Weil (2013)
2 Se Justino, Brück, och Verwimp (2013)
Det går i graf 1 att urskilja två stora uppgångar för bruttoinkomstojämlikheten under den
undersökta tidsperioden, mellan 1991-1994 och 2003-2005. Trenden har dock överlag varit relativt jämn från 1994 och framåt. Det är en tydligare uppåtgående trend för nettoinkomstojämlikheten under hela tidsperioden och dess relativa ökning är betydligt större.
Omfördelning utgör skillnaden mellan måtten ovan och sker huvudsakligen när det finns en skillnad mellan vad en individ betalar in i skatt och vad den får tillbaka i form av tjänster och
utbetalningar från den offentliga verksamheten. Eftersom omfördelning är svårvärderat och kan mätas på olika sätt, exempelvis över ens livstid eller mellan samhällsgrupper, är det också komplicerat att bedöma och mäta en respondents inställning till omfördelning. Exempelvis är de flesta positiva till minskade klyftor i samhället, men de kan samtidigt vara emot ökat statligt inflytande eller oroa sig över effekten höjda skatter kan ha på arbetsincitament.
Modeller som förklarar attityder till omfördelningen kan ofta delas in i två övergripande grupper, Homo economicus och Homo sociologus. Homo economicus betonar självintresse som viktigast medan Homo sociologus istället har värderingar som avgörande faktor i sin förklaringsmodell av individens attityd till omfördelning. (Schmidt-Catran 2016)
En grundläggande prediktion för Meltzer och Richard modellen (1981) är att ökad bruttoinkomstojämlikhet leder till ökat stöd för omfördelning. Det följer resonemanget att när
bruttoinkomstojämlikhet stiger på grund av ökade skillnader mellan rika och den resterande befolkningen så hamnar medianväljarens inkomst under medelinkomsten, då förväntas fler vilja ha samt gynnas av omfördelning. Det råder dock ingen konsensus i forskningen om prediktionen stämmer.
Således avser vi undersöka;
Om attityder till omfördelning påverkas av ökad inkomstojämlikhet över tid i Sveriges kommuner.
Det unika med vår undersökning är att vi kombinerar brutto- och nettoginikoefficienter på kommunnivå med förändringar av attityder till omfördelning över tidsperioden 1991-2014, vilket inte gjorts tidigare i Sverige.
Vi använder attityder till en föreslagen minskning av den offentlig sektor som en approximering för attityder till omfördelning, eftersom det är den mest lämpade beroende variabeln som fanns att tillgå i våra dataset . En åtskillnad vi gör uppsatsen igenom är att tolka ett minskat stöd för en minskning av 3 offentlig sektor, som ökat stöd för omfördelning. Det har i flera studier hittats positivt signifikanta samband mellan offentliga utgifter som procent av BNP och attityder till omfördelning (Schmidt-Catran 2012, Dallinger 2010, Finseras 2009, Jӕger 2006). Approximeringen är inte ideal men fungerar som en grund för att utforska det intressanta sambandet mellan attityder till omfördelning och inkomstojämlikhet.
Datan som användsi denna studie är dels uträknade med inkomstvariabler från skatteregistret över hela befolkningen ihopsatt till ett dataset och dels från SOM-institutet . Datan från GeoSweden 4 består av registerdata över Sveriges kommuner mellan 1991-2014.
Datan från SOM-institutet är upprepad tvärsnittsdata och består av individuella observationer för attitydfrågan, som aggregeras till medelvärden för Sveriges kommuner mellan 1991 och 2014. För att besvara vår frågeställning användes en First difference regression. Således utfördes regressioner på förändringen av både attitydfråga och inkomstojämlikhet under olika tidsspann samtidigt som vi kontrollerat för sådant som bedömts kunna orsaka bias, exempelvis samhällstrender.
Våra resultat är inte förenliga med prediktionerna av MR-modellen. Vi finner inget stöd för ett positivt samband mellan attityder till omfördelning och inkomstojämlikhet, utan resultaten tyder på ett obefintligt eller svagt negativt samband.
Uppsatsen är strukturerad som följande: i avsnitt 2 diskuteras utgångsteorin och empiriska studier om de viktigaste variablerna och deras samband. Avsnitt 3 redovisas insamling, bearbetning av data och konstruktion av variabler. I avsnitt 4 går vi igenom den empiriska metoden som använts, first difference regressioner samt fördelar och nackdelar med dessa. I avsnitt 5 redovisas och i avsnitt 6 analyseras dessa.
I avsnitt 7 summeras uppsatsens resultat. I slutet kommer bilagor och referenslista.
2. Teoretisk bakgrund och litteraturöversikt
Attityder är tätt sammankopplade med beteenden, även om de inte alltid ger en tydlig prediktion av dem (Chaiklin 2011). Likväl är attityder också en god indikation på trender och om politiska förslag får gehör i samhället, men de är även komplexa och påverkas av många olika faktorer på samma gång. De kan vara både relativt oförändrade men också föränderliga (Olson & Zanna 1993).
I detta avsnitt kommerdenna studies bakomliggande teorier att presenteras samt för-och nackdelar med ginikoefficienten.
4 SOM-institutet ansvarar inte på något sätt över hur data de tillhandahållit använts idenna studie, eller för tolkningar och slutsatser som baseras på den.
2.1 Generell teorigenomgång
Medianväljarteoremet attribueras ofta till Anthony Downs (1957) och innebär kortfattat att om partier är rationella inom ett majoritetsvalsystem så borde de för att maximera sina chanser till att vinna val försöka övertyga medianväljaren. Meltzer och Richard (1981) tog fram en modell, fortsättningsvis kallad MR, baserad på medianväljarteoremet som bland annat används för att prediktera den offentliga sektorns storlek. En högre nivå av bruttoinkomstojämlikhet innebär en större skillnad på medel- och
medianinkomsten innan skatt. Ju lägre medianinkomsten är i jämförelse med medelinkomsten, desto mer förväntas hushållet eller individen att tjäna på omfördelning och desto mer omfördelning kommer individen vilja ha. Detta bygger på att individer är rationella och agerar efter självintresse. Har individen däremot en inkomst över medelinkomsten kommer den vilja ha lägre skatter och lägre nivå av
omfördelning, vilket leder till en mindre offentlig sektor. Medianväljarteoremet baseras också på att väljarna har kunskap om den rådande bruttoinkomstojämlikheten, eftersom det är anledningen till att medianväljaren förutsätts förespråkamer omfördelning när inkomstojämlikheten ökar.
Således kommer denna uppsats undersöka en del av MR-modellen i syfte att undersöka om en ökad inkomstojämlikhet leder till att fler föredrar omfördelning.
En teori som motsäger MR-modellens prediktioner är Bénabous som menar att ökad inkomstojämlikhet istället kan leda till mindre stöd för omfördelning. En skillnad mellan Bénabous modell och MR-modellen är att Bénabou inkluderar att omfördelning kan öka den aggregerade välfärden och att det kan bidra till en individs nytta. Bénabous modell baseras på ett land med låg
inkomstojämlikhet, vilket förutsätts skapa ett starkt stöd för omfördelning och ett allomfattande välstånd.
Om inkomstojämlikheten ökar i en sån situation så ökar också andelen invånare som blir personligt lidande av en ökad omfördelning, förutsatt att beskattningen är progressiv. Individens avvägning mellan nyttan från det generella välståndet som stiger med en ökad omfördelning och den personliga förlusten ökad omfördelning innebär avgör inställningen till omfördelning. (Bénabou 2000)
Det är troligt att individer nyttjar och värderar samhällstjänster och skyddsnäten som den offentliga sektorn tillstår med olika mycket, vilket leder till att individers inställning till omfördelning därför inte påverkas likadant av ökad inkomstojämlikhet.
2.2 Tidigare studier av attityder till omfördelning och inkomstojämlikhet
Omfördelning och stödet för omfördelning har blivit ett mer aktuellt ämne allt eftersom
inkomstojämlikheten stigit i den industrialiserade västvärlden, delvis genom att de rikaste blivit relativt rikare (Atkinson 2011). Generellt kan man urskilja två typer av förklaringar till formandet av attityder till omfördelning. Människan ses huvudsakligen antingen som en Homo economicus eller Homo sociologus.
Båda modellerna har stöd i forskningen för att förklara individers attityder för omfördelning och kombineras givetvis i praktiken. (Scmidt-Catran 2016,Hasenfeld & Rafferty 1989)
I Homo economicus renaste form förutsätts människor vara rationella själviska individer. Alesina och Giuiliano (2011) går igenom litteraturen över attityder till omfördelning. De visar att inkomstnivå har ett starkt negativt samband med stöd för omfördelning, således ju mer pengar du har desto mindre
föredrar du omfördelning - ceteris paribus. Utöver att vara ett tecken på marknadsliberala åsikter kan det ses som ett tecken på självintresse, då en högre nivå av omfördelning för höginkomsttagaren i praktiken är en minskning av egen disponibel inkomst.
Waldenström och Bastani (2019) undersöker vilka egenskaper som påverkar svenskars inställning till olika typer av kapitalskatter i Sverige och når slutsatsen att ens inkomst och utbildning har störst betydelse, men också att det till stor del beror på vilka skatter man själv berörs av. Deras forskning kan också ses som ett stöd för Homo economicus.
Den andra förklarande modellen om människors attityder till omfördelning är Homo sociologus.
Förespråkare för denna modell menar att attityder inte främst förklaras utifrån individers självintresse, utan att också sociala faktorer spelar en avgörande roll. Ens attityder kan exempelvis samverka med personlighetstyper, upplevelser och familjebakgrund men också mer kvantifierbara egenskaper som kön, ålder och utbildning. (Alesina & Giuliano 2011)
Ideologiska preferenser är exempelvis relevant för individens röstande. Enligt Jӕger(2008) verkar det finnas en signifikant effekt i Sverige gällande stödet för omfördelning och politisk orientering. Ju längre vänsterut man ligger på det politiska spektret, desto högre stöd för omfördelning. Det omvända gäller för hur långt högerut man ligger i det politiska spektret.
En fundamental skillnad mellan höger- och vänstersympatisörer är tankar om vad som ligger bakom framgång. Där högersympatisörer anser att framgång till större del är förtjänat, medan
vänstersympatisörer anser att den till större del beror på tur och strukturella faktorer. Om både vänster-
och högersympatisörer istället blir informerade att arbetslöshet inte uppstått självförvållat, utan på grund av oturliga omständigheter, har inte längre ideologiska preferenser lika stor förklaringsgrad för ens attityder till omfördelning. Stödet för omfördelning beror alltså till stor del på individens uppfattning om hur rättvist det är för den utsatta individen i fråga att få stöd (Fong 2001, Alesina & La Ferrara 2002, Alesina & Giuliano 2011).
I en annan studie når författarna slutsatsen att olika nationer genererar varierande attityder hos invånarna gällande sociala problem och statens roll i att hantera dessa. De har använt sig av tvärsnittsdata från ISSP för 24 olika länder. (Blekesaune & Quadagno 2003) Således kan invånare från olika länder med olika välfärdssystem förväntas ha väsentligt skilda syner på hur mycket egen prestation avgör personlig framgång. Det innebär att invånare i typiska välfärdsstater generellt har en annan syn på omfördelning än invånare i andra länder.
Attityder påverkas av tankar om rättvisa, altruism och ideologier. Alla faktorer delar en viktig egenskap som separerar dem från den ursprungliga modellen av medianväljarteoremet, som förutsätter att preferenser för omfördelning bestäms bara av ekonomiskt självintresse.
Kenworthy och Mccall (2008) påvisar att inkomstojämlikheten har gått upp i flera länder, men att attityder till omfördelning och upplevd ojämlikhet generellt är oförändrade under samma perioder för respektive land. Även Gimpelson och Threisam (2017) finner stöd för sambandet mellan upplevd inkomstojämlikhet, snarare än den faktiska, och preferenser för omfördelning. De använder sig av nio stora nationella tvärsnittsstudier för att nå sina slutsatser.
Karadja, Möllerström och Seim (2014) visar att ett randomiserat urval av svenskar har en dålig uppfattning om vart de befinner sig i den relativa inkomstspridning i Sverige. Endast 13 % överskattar sin position i inkomstspridningen medan 86 % tror att de är fattigare än vad de egentligen är. När
respondenterna upplyses om sin egen ekonomiska situation minskar stödet för omfördelning, men bara om de sympatiserar med högern ideologiskt. Att relativt få överskattar sin position i inkomstspridningen borde innebära att färre är för omfördelning än vad som är fallet i Sverige vid fullständig information, om självintresse är en starkt bidragande faktor till ens åsikter.
Becker (2019) menar att majoriteten av amerikaner underskattar inkomstgapets storlek. Desto mindre man tror inkomstgapet är, desto mindre stödjer man omfördelning. När respondenterna i Beckers studie blir informerade med korrekt information om storleken på inkomstgapet ändrar de åsikt. De som hade överskattat inkomstgapet blev mindre för omfördelning, medan de som hade underskattat det blev mer för omfördelning. Att ge korrekt information gjorde att respondenterna över ett år senare
fortsättningsvis hade kvar samma åsikter som efter informationen tillkännagavs dem.
Det finns fler studier som pekar på att människor har en snäv referensram. Clark och Senik (2010) använder sig av ESS, European Social Survey, där data om bland annat välbefinnande bland annat samlats in för 16 länder i olika tidsperioder i Europa. Enligt dem är gifta, de som aldrig fått barn, rikare personer och egenföretagare mer negativt inställda till omfördelning än andra. De kommer också fram till att de som jämför sig med sin familj snarare än kollegor och andra personer är mer för omfördelning än andra.
Nationell ginikoefficient har då inte så stor betydelse för människors attityder till omfördelning.
Det kan därför vara fördelaktigt att undersöka nettoinkomstojämlikhet på kommunnivå med attityder till omfördelning trots att MR-modellen predikterar samband med bruttoinkomstojämlikhet på nationell nivå.
Nettoinkomstojämlikhet på kommunnivå bedömer vi ha en större chans att stämma överens med den upplevda inkomstojämlikheten.
Lübker (2007) konstaterar i sin undersökning att det inte föreligger ett samband mellan
nettoinkomst och ginikoefficienten genom att undersöka 26 olika länder. Han använder sig av data från Luxembourg Income Study and Eurostat för ginikoefficienten och aggregerad efterfrågan, mätt genom andelen respondenter som vill att deras nation skall minska inkomstklyftorna. Men Finseraas (2009) hittade istället ett positivt samband i sin tvärsnittsstudie på europeiska länder mellan krav på
omfördelning och inkomstojämlikhet, Sverige och Norge inkluderat. Författaren använder sig av
individdata från ESS och den beroende variabeln är inställningen till påståendet att staten borde agera för att minska inkomstklyftor.
Det finns relativt få jämförelser inom länder, vilket är nämnvärt då det var så medianväljarteorin var tänkt att appliceras initialt. Aalberg (2003) hittar ett positivt samband inom länder mellan
ginikoefficientens utveckling och attityder till omfördelning och sambandet är som tidigare nämnt starkare om man jämför den upplevda nivån av ojämlikhet med attityder till omfördelning. Kenworthy och Mccall (2008) som baserar sin studie på aggregerad longitudinell data från 8 länder, inklusive Sverige, försöker några år senare replikera Aalbegs forskning och hittar istället att det finns ett svagt negativt samband mellan inkomstojämlikhet samt attityder till omfördelning. Sverige är ett av 8 undersökta länder. Enkätdatan de bygger sin jämförelse på är från ISSP under tidsperioden 1980-2000.
Schmidt-Catran (2016) använder sig av data från European Social Survey, ESS, mellan 2002-2010 för att undersöka relationen mellan efterfrågan på omfördelning och ekonomisk ojämlikhet inom och mellan länder. Inom länder hittas ett positivt samband mellan efterfrågan för omfördelning och ekonomisk ojämlikhet, vilket betyder att om ojämlikheten stiger så ökar efterfrågan för omfördelning - ceteris paribus. Författaren hittar således empiriskt stöd för första prediktionen av MR-modellen, där Sverige är ett av länderna i undersökningen.
MR-modellen predikterar att om inkomstojämlikhet stiger så borde attityder till omfördelning öka, vilket är det vi avser att undersöka i uppsatsen. Det förutsätter att ökningen märks av befolkningen vilket inte alltid verkar vara fallet då flera studier pekar på att det finns en brist på kunskap om den riktiga storleken på den bruttoinkomstojämlikheten. Det är troligare att respondenterna har kunskap om
nettoinkomstojämlikheten eftersom den märks av mer i plånboken och det finns flera studier som pekar på att de har en mycket snävare referensram än den ursprungliga MR-modellen antyder. De jämför sig med människor i sin närhet snarare än landet som helhet. Människors attityder till omfördelning skapas och påverkas av många faktorer och flera studier har visat att självintresse samt ens inställning och tanke om rättvisa är några av de allra viktigaste. Det råder ingen konsensus i forskningslitteraturen kring sambandet mellan inkomstojämlikhet och attityder till omfördelning, varken inom länder eller i länder jämförande tvärsnittsstudier och resultaten verkar vara beroende av den valda metoden ochtidsperioden för undersökningen. Följaktligen är det ett intressant och aktuellt ämne att studera.
2.3 Ginikoefficient som mått på inkomstojämlikhet
Ginikoefficienten är ett mått på inkomstojämlikhet hos en population mätt som en kvot mellan 0 och 1.
Måttet bygger på Lorenzkurvan och visar hur inkomsterna är fördelade hos olika delar av befolkningen.
Vid värde 1 tjänar en individ all inkomst och vid värde 0 är det helt egalitärt (Lorenz 1905), i vår studie hade alltså en ginikoeffecient på 1 för en kommun motsvarat att en individ tjänar all inkomst i dennes kommun. Bruttoginikoefficienten är ett mått på inkomstojämlikheten innan skatter och transfereringar och reflekterar en individs förmåga att tjäna pengar. Nettoginikoefficienten mäter istället den disponibla inkomsten, vilket återspeglar en individs möjlighet till konsumtion. Det är dock inget heltäckande mått utan där saknas fortfarande exempelvis värdet av samhällstjänster som den offentliga sektorn bidrar med.
Dessa två mått följer varandra och skattesystemet skapar en kil mellan dem som består av
omfördelningen. Fördelen med ginikoefficienten är att det är ett vedertaget mått som idag finns i alla länder, således är det lätt att jämföra mellan grupper och över tid. Måttet är dock inte intuitivt vilket gör att skillnaden mellan exempelvis 0,2 och 0,45 inte säger så mycket.
2.4 Offentlig sektor
Offentlig sektor är verksamhet som finansieras genom skatter. Det består bland annat av sjukvård, rättsväsende och omsorg. Sverige har internationellt sett en stor offentlig sektor. Skattekvoten beräknas som kvoten mellan de totala skatteintäkterna och BNP. Sverige hade historiskt höga nivåer i början på 90-talet som sedan har normaliserats, förmodligen har förändringen skett delvis på grund av förändringen av skattesystemets struktur. 1990 låg Sveriges skattekvot på 50,4 % sedan har kvoten sjunkit successivt och 2014 var den 42,7%. (Carlgren 2019)
Den största utgiften 2017 för den offentliga sektorn var socialt skydd på 41% av budgeten. Åtföljt av, alla på 14%, utbildning, hälsa och sjukvård och allmänt offentlig förvaltning. Fördelningen på olika områden har varit relativt oförändrad de senaste 30 åren. (Holmström 2019)
Flera studier har hittat ett positivt signifikant samband mellan offentliga utgifter och attityder till omfördelning. Det innebär att desto högre offentliga utgifter är (som procent av BNP) desto högre är också kraven på omfördelning. (Schmidt Catran 2012, Dallinger 2010, Finseraas 2009, Jӕger 2006).
3. Data
3.1 Attityder till omfördelning
Datan om attityder kommer från SOM-institutet, en oberoende organisation under Göteborgs universitet.
De publicerar årligen SOM-undersökningen. Det är en enkät som bygger på ett slumpmässigt urval av Sveriges befolkning mellan åldrarna 16-85 och från Sveriges alla 290 kommuner. Den demografiska representationen bedöms rätt god trots att svarsfrekvensen sjunkit de senaste 20 åren men på senare år är yngre relativt underrepresenterade samtidigt som äldre (60 och över) är överrepresenterade. (SOM 2018) Frågorna som SOM-undersökningen ställer varierar från år till år, vissa frågor har ställts löpande under 20 års tid medan andra enbart har frågats ett enstaka antal år. Det har således en tydlig påverkan av den valda beroende variabeln i denna studie.
Då attityder är komplext och förväntas kunna förändras över tid har en attitydfråga som ställts under en längre tidsperiod valts. Med den motiveringen valdes exempelvis frågor som mäter inställningen
till att höja respektive sänka skatter bort. Uppsatsen utgår ifrån respondenters inställning till frågan
“Minska den offentliga sektorn” , vilket inte är perfekt men fungerar som en approximation för huruvida 5 omfördelning är bra eller dåligt. Svaren är mätta på Likert-skalan, vilket är en femgradig skala där 1 är ett mycket bra förslag och 5 är ett mycket dåligt förslag i detta fall. En möjlig nackdel med den valda frågan är att den är bred och det är inte säkert att respondenterna har kopplat ihop den med ekonomisk
ojämlikhet.Den är dessutom riktad, eftersom respondenten ombeds ta ställning till en minskning av den offentliga sektorn. Det är tänkbart att svaren inte varit ekvivalenta om inställningen istället mätts till att
“öka den offentliga sektorn”, men eftersom vi undersöker förändringen i inställningen till frågan och inte det absoluta värdet senare så bedöms det inte utgöra ett problem för studiens validitet. Ett lågt värde motsvarar att man vill minska den offentliga sektorn medan ett högt värde motsvarar att man är emot en minskning av den offentliga sektorn. Ett högt värde kan innebära att man är nöjd med den offentliga sektorns storlek som den är, men tolkas uppsatsen igenom som att man är för en utökning av den offentliga sektorn och följaktligen för en utökad omfördelning. Förhoppningen är att det inte kommer påverka analysen nämnvärt, men det kan ses som ett hot mot studiens interna validitet. Likväl som approximationen av vår valda y-variabel.
Ibland saknas det svar från vissa kommuner, ofta de mindre. Detta bortfall leder alltså till att SOM-datasetet är obalanserat och de större kommunerna har en oproportionerlig representation jämfört med de mindre. De aggregerade svaren från de mer välbefolkade kommunerna kan också förväntas vara närmre kommunernas sanna värde eftersom antal respondenter där är flera. Eftersom vår undersökning är på kommunnivå kan det vara ett problem. Samtidigt finns det betydligt fler kommuner med mindre befolkning än med stor befolkning. En linjegraf för bortfallet på attitydfrågan har konstruerats för att bidra med en överblick om de årliga bortfallen och finns i bilaga 8.3.
Graf 2: Linjediagram som visar det aggregerade medelvärdet av attityder till omfördelning på kommunnivå över den undersökta tidsperioden.
Det sker en tydlig ökning av attityder till omfördelning i början av 90-talet, vilket som tidigare nämnts innebär att stödet för en minskning av den offentliga sektorn har minskat och tolkas som att stödet för omfördelning ökat. Sedan följer en period av övergripande nedgång för att igen öka markant efter 2010 där det högsta värdet nås 2013.
3.2 Inkomstojämlikhet och kontrollvariabler
Registerdata för ginikoefficienterna är uträknad med hjälp av inkomstvariabler från ett skatteregister över hela befolkningen för att sedan sammanställas på kommunnivå . Ginikoefficienten finns för både brutto- 6 och nettoinkomsten, mätt för varje kommun och således används ginikoefficienten på kommunalnivå över Sveriges 290 kommuner. Ginikoefficienterna kommer senare vara de huvudoberoende (x) variablerna i regressionerna som utförs, men brutto och nettoginikoefficienterna kommer aldrig vara med samtidigt eftersom vi vill undvika multikollinaritet.
För varje kommun finns även kvoter för andelen invånare under 20 år, andelen invånare över 60 år, populationen i varje kommun, andelen födda i Europa utanför Sverige, andelen födda utanför Europa
6 Dessa beräkningar är gjorda enligt samma system som i Hu & Liang (2019) där värdena är beräknade från GEO-Sweden database.
och andelen utan färdig gymnasieexamen samt andelen med universitetsexamen. Åren för denna data sträcker sig från 1991-2014, således är det en begränsad tidsperiod i jämförelse med åren för
SOM-undersökningen. Dessa kontrollvariabler har alla visats påverka individers attityder till omfördelning (Alesina & Giuliano, 2011, Blekesaune & Quadagno 2003).
3.3 Behandling av data
För att kunna göra vidare analyser på datan från SOM-undersökningen och kommundatan har en sammanslagning av dataseten gjorts. Eftersom SOM-datan sträcker sig över en längre tidsperiod än den kommunala datan har individuella observationer utanför tidsperioden 1991-2014 droppats och det är 37 287 stycken. Men det finns även kommunaldata, som inte matchas med SOM-undersökningens data och det utgörs av 265 observationer. Den andelen utgör ca 4% av kommunobservationerna, vilket är en procentuellt liten del av materialet som därför bedöms ha en låg risk att snedvrida resultaten. Således 7 finns det totalt 85 139 individuella observationer i det sammanslagna datasetet efter droppandet av icke matchade variabler. Efter att inställningen till att minska den offentliga sektorn valdes som y-variabel kodades svar om som ej var mellan 1-5 till saknat värde för frågan för att undvika snedvridning. Den andelen utgör ca 8% av svaren och efter det utgörs datasetet av 79 365 observationer . 8
Vidare i vår behandling har medelvärden skapats för Y-variabeln per kommun och år, vilket sker genom att aggregera de individuella observationerna för inställningen till vår attitydfråga från
SOM-institutet till årliga kommunmedelvärden. Eftersom first difference regressioner sedan utförs så har dessutom förändringen i dessa medelvärden, som alltså skiljer sig per år och kommun, för olika
tidsperioder skapats . Ginikoefficienterna för brutto och nettoinkomstojämlikhet samt de demografiska 9 kontrollvariablerna finns redan på kommunnivå, därför behöver vi bara skapa förändringen i dessa variabler under samma tidsperioder.
Vid beräkningen av förändringen i inställning till attitydfrågan, de demografiska
kontrollvariablerna och förändring i ginikoefficienterna på just 22 års förändring bibehålls endast åren 1991 och 2013, då det är mellan dem förändringen är intressant. För att ha all förändring samlad i en observation droppas året 1991, vilket betyder att varje kommun representeras av ett värde som motsvarar den samlade förändringen på 22 år för varje variabel av intresse. Förändringen av x och y-variabeln för
7 6960 hade motsvarat ett balanserat dataset eftersom 24*290=6960. 265/6960=0,038
8 6769/85139=0,079
perioden illustreras i graf 3 nedanför. Vi försöker uppsatsen igenom utnyttja all tillgänglig data från det ihopsatta datasetet, vi valde dock att utgå från år 2013 istället för 2014 för den längsta
förändringsperioden eftersom att just 2014 hade ovanligt få kommuner representerade . Den motsvaras, 10 som tidigare nämnt, endast av ett värde per variabel och det är därför extra viktigt att få med så många observationer som möjligt här.
Samma system används sedan för analys av de andra tidsintervallen, men då har inga år behövt droppas. Efter skapandet av medelvärde för y-variabeln tas alla individuella observationer bort då de istället representeras av ett medelvärde på kommunnivå istället. Vissa kommuner har som tidigare nämnts försvunnit eftersom det ibland saknats respondenter som svarar på attitydfrågan från alla kommuner varje år. Det gör att vi vid bearbetning av data aldrig har aggregerade värden för y-frågan på alla 290
kommuner över 24 år mellan tidsperioden 1991-2014.
Graf 3: Visar förändringen i attityder till omfördelning på kommunnivå och dess korrelation med förändringen i inkomstojämlikhet som skett under en 22 års period.
Varje kommun motsvaras av två prickar. De orangea motsvarar kommunens ginikoefficient i nettoinkomst och de röda illustrerar ginikoefficienten i bruttoinkomst. Grafen visar att under den
undersökta tidsperioden har inkomstojämlikhet, både innan och efter skatt, tillsammans med attityder till omfördelning ökat för majoriteten av Sveriges kommuner. Linjerna indikerar att sambandet mellan
10 Se bilaga 8.3 för att få en översikt över antal kommuner med svar på attitydfrågan per år.
förändringarna för inkomstojämlikheten och förändringen i attityder till omfördelning samtidigt är svagt negativt. Ett mer negativt samband kan utrönas för nettoginikoefficienten än bruttoginikoefficienten.
3.4 Deskriptiv statistik
Tabell 1: Deskriptiv-statistik på kommunal nivå i Sverige.
Tabell 1 innehåller summerande statistik av datasetet. De demografiska variablerna är andelen låg - och högutbildade, andelen över 60 år och under 20 år samt födda utanför respektive inom EU. Medelvärdena är sammanställda genom två steg. Inledningsvis har årliga medelvärden skapats i respektive variabel för alla kommuner gemensamt, sedan har dessa årliga medelvärden använts för att räkna ut nya medelvärden för hela tidsperioden, vilka illustreras i tabellen ovan. Således motsvarar 11,5% andelen högutbildade under hela tidsperioden för genomsnittskommunen . Medelvärdet på den undersökta y-variabeln, 11 inställningen till en minskning av den offentliga sektorn, för alla kommuner under den undersökta tidsperioden är cirka 3,23 med en standardavvikelse på 0,1794. Både medelvärdet för brutto- och
nettogini är med för att illustrera att det finns en markant skillnad i inkomstojämlikhet mellan kommuner.
De demografiska kontrollvariablernas förändringen över tidsperioden finns i bilagan 8.2. Mest nämnvärt är att andelen lågutbildade och unga har minskat samtidigt som andelen högutbildade och äldre har ökat, i enlighet med de demografiskt förklarande anledningar till ökad inkomstojämlikhet i
konjunkturrådets rapport. Det är följaktligen viktigt att också inkludera förändringen i dessa variabler som kontrollvariabler eftersom de annars kan snedvrida resultaten.
4. Empirisk metod
Det råder en diskussion kring vilken metod man bör använda för att undersöka inställningen till vår attitydfråga. Det kan argumenteras för att svaren är på kardinalskala och då är en logit/probit regression mest lämpad. En annan möjlighet är att tolka y-variabeln som om den befann sig på ordinalskala, vilket möjliggör en ordinary least square regression. Fördelen med OLS modellen jämfört med logit probit modellen är att den ger lättolkade skattningar. Nackdelen är att den förlitar sig på ekvidistans mellan svarsalternativen, vilket är ett starkt antagande för vår fråga eftersom skillnaderna mellan
svarsalternativen kan vara subjektiva. När det gäller den empiriska litteraturen om omfördelning är det vanligt att modellera den beroende variabel med OLS regression, eftersom resultaten inte är känsliga för den valda metoden (se som exempel; Luttmer & Singhal, 2011, Alesina & Giuliano 2011, Kerr 2014, Martén 2019). Därför kommer OLS-metoden användas i denna uppsats.
Fortsättningsvis kommer vi gå igenom den empiriska metoden vi valt för att analysera effekterna på kommunnivå, vilket är en difference in difference design som implementeras genom first difference regressioner.
4.1 First difference regression
I det ideala fallet hade ett randomiserat experiment gjorts på kommunnivå, där vissa identiska kommuners ekonomiska ojämlikhet gått upp medan andras varit konstant, och jämfört möjliga skillnader efteråt.
Eftersom det inte finns är nästa lösning att ha en modell som innehåller alla variabler som påverkar attityder till omfördelning och inkomstojämlikhet. Även det är i praktiken omöjligt, men vi försöker undvika så mycket bias som möjligt genom att kontrollera för variabler som tidigare studier visat påverkar attityder till omfördelning.
Vi har ursprungligen ett ihopsatt data med 290 kommuner över 24 år som ger oss analyser på
kommuner med varierad demografi, ojämlikhet och attityder. Då de skiljer sig åt på många faktorer, observerbara och icke observerbara, skulle en analys baserad på variationen mellan kommuner ett specifikt år riskera problem med Omitted Variable Bias.OVB sker när en icke inkluderad term i regression påverkar x variabeln, vilket leder till en skenkorrelation mellan x och y. Om så är fallet uppfylls inte det grundläggande exogenitets antagandet för linjära regressioner som antar att
inkomstojämlikhet (x) är exogent från feltermen(𝜀). Är exogenitetsantagandet uppfyllt är det ett tecken på att studien har en hög intern validitet. För att studera hur en förändring i inkomstojämlikhet påverkar attityder till omfördelning har en difference in difference design valts, mer specifikt en first difference regression. En difference in difference design, utnyttjar att vi har paneldata samt den kombinerade variationen över kommuner och tid i vårt dataset. En fördel med panel data är att vi kan kontrollera för alla ej inkluderade variabler som varierar mellan kommuner men inte över tid. Det bygger på
resonemanget att en variabel som inte ändras är konstant över tid och den kan följaktligen inte orsaka förändringar i attityder till omfördelning.
Om vår huvudoberoende variabel x (ojämlikhet) påverkar vår beroende y-variabel (attityder till omfördelning), ceteris paribus, skulle teoretiskt en kommun som utsätts för ökad inkomstojämlikhet (vår behandling) också utsättas för en attitydförändring mätt av medelvärdet på kommunnivå för vår
attitydfråga från SOM-undersökningen. Risken finns dock att en del av den här (behandlade) kommunens attitydförändring kan bero på tidstrender, exempelvis en samhällsförändring i åsikter om omfördelning.
Tanken med en difference in difference design är att approximera den här störande
tidstrendeffekten på vårt resultat genom att jämföra förändringen i attityder hos en behandlad kommun med förändringen hos en obehandlad kommun. Förändringen i attityder hos den obehandlade kommunen, det vill säga den som teoretiskt inte har haft någon skillnad i inkomstojämlikhet, blir då effekten av tidstrenden och vi kan följaktligen utröna effekten på attityder som bara beror på förändringen i inkomstojämlikhet hos den behandlade kommunen.
Det här åstadkoms när vi implementerar en first difference regression. En av fördelarna med en first difference regression är att den möjliggör att behandlingen är kontinuerlig och inte binär.
Inkomstojämlikhet har i nästan alla kommuner gått upp under den undersökta perioden, men kommunerna skiljer i hur mycket. Det unika med first difference metoden är att den tillåter varierande tidslängder på förändringen i variablerna, vilket innebär att vi kan skatta hur effekten av en förändring i
inkomstojämlikhet i år påverkar attityder till omfördelning inte bara det året utan också på olika tidshorisonter. Det tar förmodligen tid för delar av befolkningen att uppfatta förändringar i
inkomstojämlikhet eftersom förändringen sker över en längre tid. För att berika analysen kommer vi
grund av att vår data är paneldata på kommunnivå jobbar vi med förändringen av medelvärdet för y mellan tidsperioderna. Alla individuella observationer med svar på vår y-fråga summeras alltså ihop till ett medelvärde per kommun per år som tidigare nämnts under rubrik 3.1.
I alla tidsjämförelser, utom den som är på 22 år, behöver vi kontrollera för tidseffekter genom att använda oss av årsdummies i vår first difference regression. För att kunna skatta påverkan ojämlikhet har på attityder kräver det liknande (homogena) underliggande trender mellan kommunerna som blir olika behandlade. I vanliga difference in difference regressioner med binära behandlingar brukar det kallas parallella trender antagandet, vilket innebär att det kontrafaktiska utfallet skulle vara detsamma om en behandlad kommun inte hade blivit behandlad. Det vill säga attitydförändringen skulle vara likadan i en kommun vars inkomstojämlikhet ökat som en kommun med oförändrad inkomstojämlikhet, om
inkomstojämlikheten inte hade gått upp i den förstnämnda kommunen. Det här kan vara ett starkt antagande, eftersom kommunerna kan vara distinkt olika samtidigt som alla kommuner blivit kontinuerligt behandlade i olika grader.
En möjlig lösning är att inkludera kontrollvariabler som om de vore distinkt olika i kommunerna skulle kunna leda till olika trender i attityder. Inkluderandet av kontrollvariabler görs alltså för att
kontrollera för eventuella hetereogenatrender. Förhoppningen är också att de ökar förklaringsgraden i vår modell och tar bort eventuell bias av ginikoefficient beta. Vi kontrollerar följaktligen för absoluta
kontrollvariabler och förändringen i dem eftersom exluderande av vardera bedöms kunna leda till bias. De demografiska kontrollvariablerna studien använder sig av är andelen invånare i en kommun under 20 år, andelen över 60 år, högutbildade, lågutbildade och utlandsfödda, både inom EU och utanför EU. Genom att också addera förändringarna i alla kontrollvariablerna motverkas risken att inkomstojämlikhet felaktigt tillskrivs effekter som förändringar i demografi, exempelvis ett ökat antal pensionärer med en viss åsikt i en viss kommun, har på attityder till omfördelning.
Vi behöver dessutom kontrollera för tidsfixa effekter eftersom det som tidigare nämnt kan vara generella samhällstrender som leder till förändrade attityder i omfördelning snarare än höjningen av ginikoefficient. Följaktligen kontrollerar vi för variabler som är konstanta mellan kommuner men som ändras över tid genom att inkludera årsdummies.
4.1.1 First difference ekvation
Ekvation 1
Y-variabeln i denna regression är förändring i attityder, A, som motsvarar förändring i inställningen till frågan “Minska den offentliga sektorn”. 𝛽0 är interceptet i ekvationen, 𝛽1 är riktningskoefficienten för förändringen i ginikoefficienten över tid (år) och kommun. 𝛽2 är riktningskoefficienten förförändringeni samtliga kontrollvariabler i ekvationen, 𝛽3 är riktningskoefficienten för samtliga kontrollvariabler i absolut form. δ är tidsfixa effekter och. ε är standardfel i ekvationen. Bokstäverna t och k i ekvationen motsvarar tid och kommun.
Beta som i vårt fall är ginikoefficientens påverkan på attityder till den offentliga sektorns storlek framgår genom att en regression på förändringen av medelvärdet på vår beroende variabel ΔY görs på vår oberoende variabel som är ΔX, förändringen i ginikoefficienten. Samtidigt inkluderas kontrollvariabler, deras förändring och årsdummies. Om 𝛽1 är positiv och signifikant innebär det att när
inkomstojämlikheten stiger så ökar också viljan till omfördelning, vilket MR-modellen predikterar, dock säger det ingenting om storleken på sambandet.
Den största fördelen med att använda sig av en first difference regression gentemot exempelvis time fixed effect och fixed effect regressioner är att vi kan använda oss av olika tidslängder på
variablernas förändring, vilket fångar upp om det finns laggade effekter. En potentiell nackdel med metoden är att vi har ett begränsat urval och vid längre tidshorisonter så förlorar vi observationer som annars varit med i andra typer av regressioner, vilket kan leda till osäkra skattningar. Men vi avser det instrumentellt att få med förändringarnas effekt över tid vilket bedöms rättfärdiga valet av metod.
5. Resultat
Det är möjligt att sambandet skulle vara annorlunda för olika tidsperioder då attityder kan ta tid på sig att formas och att information är en avgörande faktor för bildandet av attityder. Vi utforskar det genom en first difference regression på kommunnivå för både brutto- och netto ginikoefficienten. Det innebär att vår oberoende och beroende variabel i regressionen består av förändringar över tid för olika tidsperioder och vi slipper som tidigare nämnt kontrollera för kommunfixa effekter.
5.1. First difference regression på brutto- och nettoinkomstojämlikhet
Tabell 2: First difference regressioner på bruttoginikoefficienten med olika tidslängder på variablernas förändring.
Tabell 3: First difference regressioner på nettoginikoeficienten med olika tidslängder på variablernas förändring.
Vi gör i tabellerna (2, 3)ovan regressioner för förändringen i inställningen till attitydfrågan både på förändringen i brutto- och nettoginikoefficienterna, tidsfixa effekter, kontrollvariabler och förändringarna i dem.För en tidsperiod med en förändring på exempelvis 5 år för y variabeln har också samma tidsperiod används för förändringen i kontrollvariablerna. Det mönstret gäller för samtliga regressioner i uppsatsen.
Hur dessa regressioner är uppbyggda beskrivs mer detaljerat under 4.1.1. Tidsfixa effekter kontrolleras för i alla regressioner utom den på 22 år, vilket inte behövs eftersom vi efter bearbetning bara har observationer från år 2013 kvar. Vid olika tidslängder på förändringar i variablerna har observationerna åren innan inte använts, vilket innebär att när vi utgår ifrån år 1991 och använder en tidslängd på 5 år blir inte mellan 1991-1994 medräknade i observationerna annat än som utgångsår för förändringarna
1996-1999. Således blir observationerna successivt färre ju större tidsintervall som undersöks.
Både brutto- och nettoginikoefficienterna illustrerar överlag snarlika negativa värden i alla regressioner. Inga regressioner är statistiskt signifikanta när tidslängden på förändringarna i variablerna är mindre än 5 år. Huvudresultat i både tabell 2 och 3 är att betakoefficienten för inkomstojämlikhet är
Standardfelen är dock högre på 22 års förändringarna. Förklaringsgraden i regressionerna är låga men ökar generellt när vi inkluderar större tidsperioder för förändringarna trots färre observationer. Justerat R2 förklarar hur stor del av variationen i attitydförändringen till omfördelning som förklaras av
ginikoefficienten och våra kontrollvariabler. Att förklaringsgraderna är relativt låga för samtliga regressioner är förväntat, då bildandet av attityder är är komplext och bör inte ses som ett problem för regressionerna. Nivån och signifikansen för de demografiska kontrollvariablerna kommer inte beröras, eftersom det inte är uppsatsens ändamål. Det kan dock nämnas att alla kontrollvariabler som är
signifikanta ofta har högre absoluta värden än ginikoefficienten, vilket kan ge en indikation om nivån på sambandet vi undersöker . 12
Utan tolkning av resultaten är det dock intetsägande. Frågan blir vad en rimlig ökning i x har för effekt på y, eftersom ginikoeffcienten är en kvot och attityder till omfördelning finns på likertskala. Vi försöker således undersöka betakoefficienternas relativa storlek och inverkan.
Tabell 4: Ytterligare deskriptiv statistik för ginikoefficienten och inställningen till attitydfrågan samt tolkning av resultaten.
Tabell 4 är uppdelad i en övre och en undre del som presenterar deskriptiv statistik för ginikoefficineterna och attitydfråga och samtidigt behandlar respektive ginikoefficientens påverkan på inställningen till omfördelning. Det här görs för två olika år, 1991 och 2013. Det högsta och lägsta värdet för
ginikoefficienterna redovisas för respektive år och skillnaden mellan dessa, samt ginikoefficienternas medelvärde och standardavvikelse. Differensen multipliceras sedan med de olika betakoefficienterna, vilket summeras under förändring i Y-variabel kolumnen. Det här är ett försök till en skattning av påverkan som de statiskt signifikanta betakoefficienterna har när tidsperioden på förändringsvariablerna är 5 år. Sedan redovisas också medelvärdet för attitydfrågan för alla kommuner under hela tidsperioden
12 Samtliga first difference regressioner med alla kontrollvariabler och förändringar i dem återfinns i bilaga 8.5 och 8.6
tillsammans med standardavvikelsen, för att kunna sätta perspektiv på påverkan.
Det som kan utläsas ur tabellen är förändringen som betakoefficienterna orsakar och dessa är snarlika oavsett vilket år som används. Differensen mellan maximum och minimum för ginikioefficienten multipliceras med betakoefficienten, vilket ger oss en skattning inkomstojämlikhetens påverkan på Y, som är mellan -0,4 och -0,6. Alla dessa effekter är i absoluta värden mindre än en standardavvikelse för medelvärdet till inställningen för attitydfrågan under den undersökta perioden, vilket är 0,684. Det indikerar att en ökning av inkomstojämlikhet har en svag negativ påverkan på attityder till omfördelning.
Valet att analysera en tidslängd med 5 år på förändringsvariablerna istället för 22 år, som också var statistiskt signifikant men med avsevärt högre betakoefficienter, baserades på att de regressionerna utgörs av fler observationer med lägre standardfel och följaktligen bedöms debetakoefficienterna vara mer tillförlitliga.
5.2 Robusthetstest
Tabell 5: Robusthetstest med 1995 som startår. Regression (1) och (3) är på 1 års förändringen medan (2) och (4) är på 5 års förändringen.
Detta robusthetstest görs genom first difference regressioner med 1995 som basår för att se om
sambanden har samma riktning. Det är ett lämpligt robusthetstest eftersom graferna 1 och 2 visar att det var en markant ökning mellan just 1991-1994 i både attityder till omfördelning och ginikoefficienterna, vilket skulle kunna snedvrida resultatet. Resultaten för robusthetstestet är likartade med regressionerna i tabell 2 och 3 med 1991 som basår vilket ses som ett stöd för studiens validitet. I regression 2 och 4 ovan med förändringar på 5 år är betakoefficienterna lite större samtidigt som signifikansen är högre. Det kan indikera att just 1991 som utgångsår kan ha haft oturen att utgå från en extra turbulent tid för våra variabler som kan ha påverkat styrkan i regressionerna.
6. Analys
Våra first difference regressioner visar att förändringen i brutto-och nettoginikoefficienten har likartade effekter på förändringen i attityder till omfördelning och att sambandet är negativt. Samtidigt har, som illustrerats i graf 1, nettoinkomstojämlikheten relativt sett ökat nästan dubbelt så mycket som bruttoinkomstojämlikheten under den undersökta tidsperioden. Regressionerna med förändringar på korta tidshorisonter är dock icke signifikanta till skillnad från de med tidslängder på 5 år eller mer som har större och negativa betakoefficienter. Resultaten indikerar att i regressionerna med en större tidslängd på variablernas förändring så är inkomstojämlikhetens påverkan på attityder till omfördelning större, vilket kan vara ett tecken på det tar tid för en förändring av inkomstojämlikheten att påverka attityder till omfördelning. Men skattningarna är samtidigt mindre precisa för regressionerna med förändringar på 22 år jämfört med 5 år, vilket minskar omfattningen på slutsatserna som kan dras av skillnaden på storleken i betakoefficienterna mellan dessa regressioner.
Resultaten i vår studie är inte i linje med MR-modellen, som predikterar ett positivt samband mellan ökad inkomstojämlikhet och attityder till omfördelning. Det finns flera tänkbara förklaringar till vårt negativa samband och dessa har vi valt att dela in under tre övergripande förklaringar som vi går igenom var för sig nedanför, även om de delvis överlappar.
För det första är det möjligt att MR-modellen är helt fel. Bénabou (2010) kanske har rätt i prediktionen att ökad inkomstojämlikhet kan leda till minskat stöd för omfördelningen. Invånare med inkomst under medianinkomsten behöver inte värdera en ökning av den offentliga sektorn, omfördelning, som något gynnsamt. En stor del av den offentliga sektorns budget går till att uppehålla skyddsnät och individer kan vara olika riskaversiva eller värdera tjänster olika. Det är också troligt att invånare i viss utsträckning vänjer sig med en högre inkomstojämlikhet eftersom att den gradvis ökar och dessutom kan ta ett tag att märka.
För det andra är det möjligt att ett eller flera av MR-modellens antaganden är felaktiga. Det är ytterst tvivelaktigt om respondenterna har full information över inkomstojämlikheten och följaktligen sin relativa inkomstposition, något vi faktiskt försökt korrigera för genom att analysera både brutto och nettoinkomstojämlikheten på kommunnivå. Det är viktigt eftersom det är grundläggande för att individer ska veta ifall de gynnas av mer omfördelning eller inte (Gimpelson & Triesman 2017). Men om attityder till omfördelning hade ett positivt samband med inkomstojämlikheten, i enlighet med MR-modellen, hade det varit rimligt att förvänta sig en betydelsefull skillnad mellan regressionerna i tabell 2 och 3.
omfördelning än regressionerna för bruttoinkomstojämlikhet, under antagandet att
nettoinkomstojämlikheten är närmare den upplevda inkomstojämlikheten än bruttoinkomstojämlikheten, men det hittar vi inte. Tidigare studier hittade samband mellan upplevd inkomstojämlikhet och inställning till omfördelning (Kenworhy & Mccall 2008, Gimpelson & Triesman 2017) men en annan studie antyder att attityderna till omfördelning skulle vara lägre i Sverige om invånarna var informerade om
inkomstojämlikheten (Karadja et al. 2014).
Ett annat antagande som kan vara felaktigt är att attityder till omfördelning härstammar ifrån ett självintresse (Homo Economicus). Resultaten kan vara ett tecken på att Homo Sociologus borde
inkorporeras i teorin eftersom det ekonomiska självintresset inte verkar styra viljan till omfördelning.
Men det kan också vara så att trots ökad inkomstojämlikhet har alla invånare fått det bättre i absoluta termer i Sverige under den undersökta tidsperioden, vilket kan motverka den predikterade ökade viljan till omfördelning. Att inte uppfatta och kunna särskilja att man trots en absolut förändring fått det sämre relativt sett är är dock inte förenligt med antagandet i modellen om rationella individer.
För det tredje kan det finnas brister i denna studie som gör att vi inte hittar stöd till MR-modellen.
Det går att ifrågasätta studiens interna validitet, även om så många relevanta kontroller som möjligt inkluderats för att stärka den och exogenitetsantagande förutsätts uppfyllt, eftersom det är svårt att verifiera om vi med vår fråga om inställningen till en minskning av den offentliga sektorn har lyckats mäta attityder till omfördelning. Väldigt små kommuner representeras dessutom ofta av ett fåtal individer, vilket kan påverka generaliserbarheten. Vår tolkning att en individ som inte är emot en minskning är för en ökning av den offentliga sektorn kan också påverka validiteten men borde samtidigt leda till ett mer positivt samband än om det inte gjorts.
Det är viktigt att betona att studien är unik på så sätt att den inte undersöker effekten på nationell nivå utan en aggregerad kommunnivå i Sverige, och använder sig av, till skillnad från de redogjorda studierna i uppsatsen, first difference regressioner som tillvägagångssätt. Det innebär att tidigare studiers slutsatser eventuellt inte går att applicera här. Exempelvis värderas i vår studie stora och små kommuners åsikt lika mycket, och resultaten behöver inte reflektera Sveriges befolkning som helhet.
7. Slutsats
Uppsatsen har undersökt sambandet mellan attityder till omfördelning och inkomstojämlikhet, mer specifikt MR-modellens prediktion om att ökad inkomstojämlikhet leder till ökade attityder till omfördelning. Inledningsvis hittade vi separata uppgångar för både attityder till omfördelning och inkomstojämlikhet på kommunnivå i Sverige mellan 1991 och 2014. Vi undersökte sedan genom first difference regressioner om det fanns ett samband mellan variablernas förändring över tid, och alla regressioner tydde på negativa samband i motsats till vad MR-modellen predikterar. Endast regressioner med förändringar på 5 år eller längre var statistiskt signifikanta, och påverkan var snarlik för brutto-och nettoinkomstojämlikheten. Det indikerar att attityder till omfördelning tar tid på sig att reagera på förändringar i inkomstojämlikheten.
Vår undersökning baseras samtidigt på ett relativt starkt antagande om att inställning till den offentliga sektorn och attityder till omfördelning fungerar som proxyvariabler. Det är möjligt att resultaten blivit annorlunda ifall respondenterna varit informerade om inkomstfördelningen i kommunerna eller om vi haft tillgång till en mer ändamålsenlig fråga. Det vore intressant att göra liknande undersökningar i andra länder på kommunnivå över längre tidsperioder med större stickprov samtidigt som respondenterna informeras om den rådande inkomstojämlikheten.
Det vi har hittat, och som tidigare inte undersökts i Sverige på kommunnivå, är ett negativt samband mellan förändringarna i attityder till omfördelning och inkomstojämlikhet. Således hittar vi inget stöd för MR-modellens prediktion om ett positivt samband mellan attityder till omfördelning och
inkomstojämlikhet.
8. Appendix
8.1 Frekvens, procent och kumulativ procent över individuella svar för y-variabeln som är ett mått på inställningen till förslaget att “Minska den offentliga sektorn”
8.2 De demografiska kontrollvariablernas förändring under tidsperioden på kommunnivå. Samtliga kontrollvariabler som syns i detta linjediagram används i alla regressioner gjorda i denna studie.
8.3. Antal kommuner med svar på attitydfrågan per år. Illustrerar valet av utgå i från 2013 och inte 2014 när vi använder en tidsförändring på 22 år för variablerna. Då fler kommuner har svarat på frågan 2013 jämfört med 2014.
8.4 Individuella svar på attitydfrågan per år under den undersökta tidsperioden
8.5 First Difference regressioner med bruttoginikoeffcienter och samtliga kontrollvariabler redovisade
8.6 First Difference regressioner med nettoginikoeffcienter och samtliga kontrollvariabler redovisade
9. Referenser
Aalberg, Toril (2003) Achieving Justice: Comparative Public Opinion on Income Distribution. Leiden:
Brill. (Hämtad 02/01/2020) http://books.google.se/.
Alesina, A., & Giuliano, P. (2011) “Preferences for Redistribution” Handbook of Social Economics, pp.93-132.
Alesina, A., & La Ferrara, E.(2002). “Who Trusts Others?”, Journal of Public Economics, Vol. 85: pp.
207-34.
Atkinson A. B., Piketty T., Saez E. (2011) “Top Incomes in the Long Run of History”, Journal of Economic Literature , Vol. 49, pp. 3–71.
Becker, Bastian (2019) “Mind the Income Gaps? Experimental Evidence of Information’s Lasting Effect on Redistributive Preferences”,Social Justice Research, https://doi.org/10.1007/s11211-019-00343-7
Bénabou, Roland (2000) “Unequal Societies: Income Distribution and the Social Contract”, The American economic review, Vol. 90, No.1, pp. 96-129. DOI: 10.1257/aer.90.1.96
Blekesaune & Quadagno (2003) “Public Attitudes toward Welfare State Policies: A Comparative Analysis of 24 Nations” European Sociological Review, Vol. 19, Issue 5, pp. 415–427.
Carlgren, Fredrik (2019), Skattetrycket, Ekonomifakta.
https://www.ekonomifakta.se/fakta/skatter/skattetryck/skattetrycket-historiskt/ (Hämtad 03/01/2020) Chaiklin, Harris (2011) “Attitudes, Behavior, and Social Practice” The Journal of Sociology & Social Welfare, Vol.38, Iss. 1, Article 3.
Clark E, A., & Senik, C (2010) ”Who Compares to Whom? The Anatomy of Income Comparisons in Europe” The Economic Journal, Vol.120, No. 544, pp. 573-594. DOI:
https://doi.org/10.1111/j.1468-0297.2010.02359.x
Downs, Anthony (1957) “An economic theory of democracy”, New York : Harper and Brothers. E-bok.
Finseraas, Henning (2009) “Income Inequality and Demand for Redistribution: A Multilevel Analysis of European Public Opinion.” Scandinavian Political Studies 32(1): 94–119
Fong, C., (2001) “Social preferences, self-interest, and the demand for redistribution” Journal of Public Economics, Volume 82, p. 225–246
Gimpelson,V., & Threisam, D (2017) “Misperceiving inequality” Economics & Politics, Vol.30, No. 1.
pp. 27-54. DOI: https://doi.org/10.1111/ecpo.12103
Gini, Corrado (1912) “Variabilità e mutabilità. Reprinted in Pizetti”, E.; Salvemini, T., eds. (1955).
“Memorie di metodologica statistica”. Rome: Libreria Eredi Virgilio Veschi.
Hasenfeld, Yeheskel & Jane A. Rafferty (1989) “The determinants of public attitudes toward the welfare state.” Social forces, Vol. 67, No.4, pp. 1027-1048
Holmström, Christian (2019), Offentlig sektor, Ekonomifakta.
https://www.ekonomifakta.se/Fakta/Offentlig-ekonomi/Offentlig-sektor/Offentliga-sektorns-utgifter/
(Hämtad 03/01/2020)
Jӕger Mads Meier (2008) ”Does Left-Right Orientation have a Causal Effect on Support for Redistribution? Causal Analysis with Cross-sectional Data Using Instrumental Variables”
International Journal of Public Opinion Research, Vol. 20, No. 3, pp. 363–374
Jӕger, Mads Meier (2013) ”The effect of macroeconomic and social conditions on the demand for
redistribution: A pseudo panel approach” Journal of European Social Policy, Vol. 23: No. 2, pp. 149-163.
DOI: https://journals.sagepub.com/doi/pdf/10.1177/0958928712471225
Justino, P., Brück, T. och Verwimp, P. (2013). “A micro-level perspective on the dynamics of conflict, violence, and development.” Oxford University Press 1: 92-118. ISBN:9780199664597
Karadja, M., Möllerström, J & Seim, D (2014). ”Richer (and Holier) than Thou? The Effect of Relative Income Improvements on Demand for Redistribution” Review of Economics & Statistics, Vol 99, pp.
201–212.
Kenworthy, L., & Mccall, L., (2008) “Inequality, Public Opinion and Redistribution” Socio-Economic Review, Vol. 6, No 1, pp. 35-68 DOI:http://dx.doi.org/mwm006
Kerr, W. R. (2014). “Income inequality and social preferences for redistribution and compensation differentials”. Journal of Monetary Economics, Vol. 66, pp. 62–78.
Liang, Che-Yuan & Hu, Xiao (2019), Income Inequality and Residential Segregation: Identifying Neighborhood Sorting Effects. Opublicerat manuskript.
Luttmer, E. F., & Singhal, M. (2011). Culture, context, and the taste for redistribution. American Economic Journal: Economic Policy, Vol 3(1), pp. 157-79.
Lübker, M (2007) “Inequality and the demand for redistribution: are the assumptions of the new growth theory valid?,'' Socio-Economic Review, Vol. 5, No. 1, pp. 117–148.
Martén, L. (2019). “Demand for Redistribution: Individuals’ Responses to Economic Setbacks”. The Scandinavian Journal of Economics, Vol 121(1), pp. 225–242.
Meltzer, Allan H., & Richard, Scott F (1981) “A Rational Theory of the Size of Government”
The Journal of Political Economy, Vol. 89, No. 5, pp. 914-927.
Neckerman, K., & Torche, F.(2007) “Inequality: Causes and Consequences” Annual Review of Sociology, Vol. 33.
OECD, (2015). Income inequality data update: Sweden OECD
Olson, M James & Zanna, P Mark (1993) “Attitudes and attitude change” Annual Review of Psychology, Vol. 44, pp. 54-117.
Schmidt-Catran, A.W. (2016) “Economic Inequality and Public Demand for Redistribution. Combining Cross-sectional and Longitudinal Evidence”,Socio-economic Review, Vol 14(1), pp. 119-140
SOM institutet (2018), Den nationella SOM-undersökningen 2018 - En metodöversikt, Göteborgs universitet
https://som.gu.se/digitalAssets/1724/1724688_2.-metodrapport-den-nationella-som-unders--kningen-2018.pdf (Hämtad 08/01/2020)
United Nations Development Programme (UNDP) (2015). Mål 10, minskad ojämlikhet
https://www.globalamalen.se/om-globala-malen/mal-10-minskad-ojamlikhet/, (Hämtad 27/11/2019)
Waldenström, D., Bastani, S. & Hansson, Å. (2018) ”SNS Konjukturrådsrapport Kapitalbeskattningens förutsättningar” Studieförbundet Näringsliv och Samhälle.
Waldenström, D., & Bastani, S, (2019) ”Vad styr svenskarnas attityder till skatter?”, Ekonomisk Debatt, Vol 47, No. 4.
Weil, D. (2013) “Economic growth” Global ed.: Harlow: Pearson Education 3:1 kapitel 12, 13 och 14.
Wilkinson G, Richard (2006) “Income inequality and population health: A review and explanation of the evidence”, Social Science and Medicine, Vol. 62, No 7, pp. 1768-178
