Hvilken betydning har personers landbakgrunn for arbeidsmengde?
Eivind Ankerheim
Masteroppgave ved Økonomisk Institutt UNIVERSITETET I OSLO
Januar 2016
II
Hvilken betydning har personers
landbakgrunn for arbeidsmengde?
III
© Eivind Ankerheim 2016
Hvilken betydning har landbakgrunn for arbeidsmengde?
Eivind Ankerheim http://www.duo.uio.no/
Trykk: Reprosentralen, Universitetet i Oslo
IV
Sammendrag
Norge blir et stadig mer multikulturelt land med mennesker fra hele verden. Denne trenden ser ut til å fortsette også i årene som kommer. For at velferdstjenestene i Norge skal kunne opprettholdes på det nivået vi er vant til er det nødvendig med et høyt sysselsettingsnivå.
Imidlertid er det slik at sysselsettingsnivået varierer ganske mye mellom grupper med ulik landbakgrunn.
Jeg har brukt data fra Levekårsundersøkelsen 2013, og har gjennom regresjonsanalyser prøvd å finne ut hva som kan forklare den store forskjellen i arbeidsmengde mellom personer med ulik landbakgrunn. Hvilken betydning har landbakgrunn for arbeidsmengde, når man også tar hensyn til ulike faktorer som utdanningsnivå og alder? Arbeidsmengde blir i oppgaven min målt som antall timer man er i jobb i en gjennomsnittsuke. Et spesielt fokus har vært på de som har ikke-vestlig landbakgrunn. Jeg har brukt statistikkprogrammet STATA.
Utdanningsnivået ser ut til å forklare noe av forskjellen i arbeidsmengde mellom folk med ulik landbakgrunn, mens det er mer uklart om alderssammensetningen bidrar til å forklare noe av denne forskjellen. De med ikke-vestlig landbakgrunn som er innvandrere ser ut til å klare seg dårligere i arbeidslivet enn dem som har ikke-vestlig landbakgrunn men ikke er
innvandrere selv (for eksempel norskfødte barn av innvandrere). Selv etter at jeg har tatt høyde for utdanningsnivå, alder, kjønn og en ulike andre faktorer, er det fortsatt forskjeller i arbeidsmengde blant respondentene med ulik landbakgrunn. Årsaken til det kan være
diskriminering i arbeidslivet eller at ulike kulturelle faktorer, for eksempel religion spiller inn.
I Levekårsundersøkelsen er det ingen opplysninger om slike kulturelle faktorer.
V
VI
Forord
Denne masteroppgaven representerer siste del av masterprogrammet i økonomi ved
Universitetet i Oslo. Masteroppgaven har vært krevende å komme igjennom, men jeg har lært mye av prosessen.
Jeg vil først og fremst takke veilederen min Nico Keilman. Han har vært veldig tilgjengelig og rask til å komme med tilbakemeldinger, det setter jeg stor pris på. Jeg vil også takke foreldrene mine for moralsk og økonomisk støtte underveis.
Eventuelle feil og mangler i oppgaven er mitt ansvar.
VII
VIII
Innholdsfortegnelse
1 Innledning ... 1
2 Norsk innvandringshistorie ... 5
2.1 Innvandringsgrunn ... 9
3 Tidligere forskning ... 12
3.1 Internasjonale funn ... 12
3.2 Norske funn ... 14
4 Metode, data, variabler og landgrupper ... 17
4.1 Metode ... 17
4.2 Data - Levekårsundersøkelsen 2013 ... 19
4.3 Definisjon av landbakgrunn og innvandrerkategori ... 19
4.4 Landinndelingene ... 20
4.5 Den avhengige variabelen - Timer1 ... 23
4.6 De uavhengige variablene ... 23
4.7 Om regresjonene ... 27
5 Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn ... 29
5.1 Timer1 som avhengig variabel ... 29
5.2 ln(Timer1) som avhengig variabel ... 30
5.3 Oppsummering ... 31
6 Regresjoner hvor landbakgrunn er delt inn etter verdensregion ... 33
6.1 Timer1 som avhengig variabel ... 33
6.2 ln(Timer1) som avhengig variabel ... 36
6.3 Oppsummering ... 36
7 Regresjoner hvor landbakgrunn er delt inn etter Vesten, Midtøsten, Afrika sør for Sahara og øvrige ... 37
7.1 Timer1 som avhengig variabel ... 37
7.2 ln(Timer1) som avhengig variabel ... 38
7.3 Oppsummering ... 39
8 En nærmere titt på utvalgte land ... 41
8.1 F-test ... 43
8.2 Om regresjonen for de med landbakgrunn fra Midtøsten ... 43
8.3 Om regresjonen for de med landbakgrunn fra Afrika ... 45
8.4 Om regresjonen for de med landbakgrunn fra Asia ... 47
9 Konklusjon ... 48
Litteraturliste ... 51
IX Appendiks ... 55
Tabell A1: Oversikt over hvilke land som er med i de ulike landgruppene... 55 Tabell A2: Oversikt over variablene i de regresjonene hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn. ... 56
Tabell A3: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med Timer1 som avhengig variabel. Utvalg: Menn. ... 57
Tabell A4: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med Timer1 som avhengig variabel. Utvalg: Kvinner ... 58
Tabell A5: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med Timer1 som avhengig variabel. Utvalg: Alle ... 59
Tabell A6: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med ln(Timer1) som avhengig variabel. Utvalg: Menn ... 60
Tabell A7: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med ln(Timer1) som avhengig variabel. Utvalg: Kvinner ... 61
Tabell A8: Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn, med ln(Timer1) som avhengig variabel. Utvalg: Alle ... 62
Tabell A9: Forklaring av variablene i regresjonene med inndeling av individer med landbakgrunn fra 4 verdensregioner ... 63
Tabell A10: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med Timer1 som avhengig variabel. Utvalg: Menn. ... 64
Tabell A11: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med Timer1 som avhengig variabel. Utvalg: Kvinner ... 65
Tabell A12: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med Timer1 som avhengig variabel. Utvalg: Alle ... 66
Tabell A13: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med ln(Timer1) som avhengig variabel. Utvalg: Menn ... 67
Tabell A14: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med ln(Timer1) som avhengig variabel. Utvalg: Kvinner ... 68
Tabell A15: Regresjoner hvor landbakgrunn er delt inn etter vestlig og ikke-vestlige verdensregioner, med ln(Timer1) som avhengig variabel. Utvalg: Alle ... 69
Tabell A16: Forklaring av variablene i regresjonene med inndeling av individer med landbakgrunn fra Midtøsten, Afrika sør for Sahara og øvrige. ... 70
Tabell A17: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med Timer1 som avhengig variabel. Utvalg: Menn. ... 71
Tabell A18: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med Timer1 som avhengig variabel. Utvalg: Kvinner. ... 72
Tabell A19: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med Timer1 som avhengig variabel. Utvalg: Alle. ... 73
Tabell A20: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med ln(Timer1) som avhengig variabel. Utvalg: Menn. ... 74
Tabell A21: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med ln(Timer1) som avhengig variabel. Utvalg: Kvinner. .. 75
X
Tabell A22: Regresjoner hvor landbakgrunn er delt inn etter vestlig, fra Midtøsten, fra Afrika sør for Sahara og øvrige, med ln(Timer1) som avhengig variabel. Utvalg: Alle. ... 76
1
Kapittel 1: Innledning
Som figur 1 viser har det vært en sterk økning i innvandringer per år til Norge det siste tiåret.
Spesielt sterk har økningen i arbeidsinnvandringen vært, noe som må sees i sammenheng med EU-utvidelsene i 2004 og 2007 (Ødegård, 2012). Krisen i Syria har også ført til en ny, stor gruppe av innvandrere med flukt som innvandringsgrunn, og får SSB rett i sin nyeste befolkningsframskriving (2014) vil innvandringen fortsette å være høy også i tiårene som kommer.
Figur 1: Innvandringer, etter innvandringsgrunn og innvandringsår.
Kilde: Statistisk sentralbyrå (2015a):
Den høye innvandringen medfører en del utfordringer for det norske samfunnet. De nye innvandrerne skal ha et sted å bo og tilgang på ulike offentlige tjenester. For at Norge skal klare å opprettholde velferdsordningene på det nivået vi er vant til er det viktig at
innvandrerne kommer seg raskt ut i arbeid og opprettholder høy sysselsetting over tid.
Det er imidlertid slik at innvandrere fra ulike land har svært varierende grad av deltakelse i arbeidslivet. Tabell 1 gir en god oversikt over disse variasjonene. Den viser andelen
2
sysselsatte innvandrere i alderen 15-74 år, etter landbakgrunn og kjønn. Innvandrere er definert som personer som er født i utlandet av to utenlandskfødte foreldre og som på et tidspunkt har innvandret til Norge.
Tabell 1: Sysselsatte innvandrere i alderen 15-74 år, etter landbakgrunn og kjønn. 2015.
I alt Menn Kvinner
Hele befolkningen 68,5 71,3 65,5
Befolkningen eksklusive innvandrere 69,4 71,9 66,8
Innvandrere i alt 63,4 67,9 58,3
Herav:
Norden 76,0 77,9 73,9
Sverige 80,4 81,5 79,2
Vest-Europa utenom Norden og Tyrkia 70,6 74,5 64,9
Tyskland 72,8 75,5 69,7
EU-land i Øst-Europa 73,2 76,4 67,6
Litauen 73,4 75,5 70,4
Polen 74,5 78,3 66,8
Øst-Europa utenfor EU 63,7 65,8 62,1
Bosnia-Hercegovina 66,6 67,5 65,8
Russland 61,6 60,5 62,2
Nord-Amerika og Oseania 66,0 72,1 59,4
USA 63,0 68,1 58,2
Asia 56,0 61,5 51,3
Filippinene 62,2 70,9 60,4
Iran 56,9 59,9 53,3
Pakistan 49,4 65,3 32,2
Sri Lanka 70,2 76,1 63,7
Thailand 63,9 51,9 65,6
Tyrkia 53,8 62,6 42,2
Vietnam 63,4 66,6 60,6
Afrika 42,0 45,7 37,5
Somalia 29,6 36,4 21,7
Sør- og Mellom-Amerika 62,6 67,4 59,1
Chile 65,3 68 62,5
Sysselsatte i alt og sysselsatte innvandrere etter verdensregion og utvalgte land. I prosent av personer 15-74 år i hver gruppe. 4. kvartal 2014.
3
Kilde: Statistisk sentralbyrå (2015b)
Det man kan slå fast er at det er en ganske stor forskjell i sysselsettingsgraden mellom
innvandrere fra ulike land. For eksempel er 70,6 % av innvandrere fra Vest-Europa sysselsatt, mens bare 42,0 % av innvandrere fra land i Afrika er sysselsatt. Det er også store forskjeller innad i landgruppene. 70,2 % av innvandrerne fra Sri Lanka er sysselsatt, mens kun 49,4 % av innvandrerne fra Pakistan er sysselsatt. Begge er land i Asia.
I denne oppgaven vil jeg se nærmere på hvilken betydning landbakgrunn har for deltakelse i det norske arbeidsmarkedet.I utgangspunktet tenker jeg at det egentlig ikke er
landbakgrunnen i seg selv som har betydning for arbeidsmengde, men snarere forhold knyttet til landbakgrunnen. Mange av disse forholdene blir imidlertid for komplisert å ta hensyn til, slik at jeg likevel vil se en «effekt» av landbakgrunn i regresjonene mine. Men jeg vil se om jeg klarer å forklare litt av hvorfor det er så store forskjeller i arbeidsmengde mellom folk med ulik landbakgrunn. Landbakgrunn er et litt bredere begrep enn innvandrernes fødeland, og inkluderer for eksempel også norskfødte med
innvandrerforeldre. Deltakelse i arbeidslivet kommer jeg også til å definere på en litt annen måte enn sysselsettingsgrad. Det er likevel god grunn til å tro at tabell 1 forteller oss en del allerede om forskjellene i arbeidsmengde mellom personer med ulik landbakgrunn. Men det kan være at noen innvandrergrupper har lavere sysselsetting fordi de har et lavere
utdanningsnivå. Vi vet også at sysselsettingsnivået varierer med alderen, og
innvandrerbefolkningen har en lavere gjennomsnittsalder enn den øvrige befolkningen. For å finne «effekten» av landbakgrunn på arbeidsmengde må jeg derfor foreta en multivariat analyse der jeg tar høyde for blant annet alder og utdanning. Jeg kommer til å benytte meg
Boks 1: Definisjon sysselsatt
«Personer som utførte inntektsgivende arbeid av minst én times varighet i referanseuka/- dagen, samt personer som har et slikt arbeid, men som var midlertidig fraværende pga.
sykdom, ferie, lønnet permisjon e.l. Personer som er inne til førstegangs militærtjeneste regnes som sysselsatte. Sysselsatte er summen av lønnstakere og selvstendig
næringsdrivende (eiere). Ufrivillig helt permitterte, med en sammenhengende varighet på inntil 3 måneder, blir regnet som sysselsatte, midlertidig fraværende.»
Kilde: Statistisk sentralbyrå (u.å.)
4
av en multippel regresjonsanalyse. Det passer godt for mitt formål fordi jeg har én avhengig variabel (arbeidsmengde), og mange uavhengige variabler.
Jeg vil konsentrere meg mest rundt dem som har ikke-vestlig landbakgrunn, fordi det er i denne gruppen sysselsettingsgraden er lavest. Er det store forskjeller innad i denne gruppen? Er det noen deler av den ikke-vestlige verden hvor innvandrerne og
etterkommerne gjør det bra på arbeidsmarkedet? Er det noen områder som skiller seg ut som spesielt dårlige? Jeg kommer også til å ha et ekstra øye på i hvilken grad utdanning og alder er årsaken til at det er så store forskjeller i arbeidsmengde blant folk med ulik
landbakgrunn.
Kapittel 1 er innledningen. Kapittel 2 gir en oversikt over norsk innvandringshistorie. Det kan være nyttig med litt bakgrunnsinformasjon omkring når innvandrere fra forskjellige land kom til Norge og under hvilke omstendigheter. Kapittel 3 gir en oversikt over tidligere forskning rundt lignende problemstillinger. Kapittel 4 gir en oversikt over metode, data, variabler og hvordan jeg har valgt å gruppere individer etter landbakgrunn. I kapittel 5 ser jeg nærmere på forskjeller i arbeidsmengde mellom de med norsk landbakgrunn, de med vestlig og de med ikke-vestlig landbakgrunn. Fra og med kapittel 6 er fokuset på forskjeller i
arbeidsmengde innad i gruppen med de som har ikke-vestlig landbakgrunn. Kapittel 6 ser på regresjoner hvor de med ikke-vestlig landbakgrunn er delt inn etter hvilken verdensregion de har landbakgrunn fra. I kapittel 7 prøver jeg en ny inndeling av de med ikke-vestlig
landbakgrunn som er basert på kultur. En gruppe er for de som har landbakgrunn fra Midtøsten, en for de med landbakgrunn fra Afrika sør for Sahara og en for øvrige land. I kapittel 8 ser jeg nærmere på de med landbakgrunn fra de ikke-vestlige landene hvor det er flest observasjoner. Kapittel 9 er en oppsummering av oppgaven.
5
Kapittel 2: Norsk innvandringshistorie
Migrasjon er ikke noe nytt fenomen. Mennesker har vært på vandring eller flukt så langt tilbake det finnes registreringer, og garantert lenge før det også. Oppbrudd og forflytninger i ulike former kjennetegner mennesket som art (Brochmann, 2006, s. 9). Grete Brochmann har, sammen med Knut Kjeldstadli, skrevet en utfyllende bok om norsk innvandringshistorie, fra dannelsen av den norske stat rundt år 900 og helt frem til 2010 (Brochmann og
Kjeldstadli, 2014). I middelalderen, som Brochmann og Kjeldstadli (2014, s. 34) referer til som perioden fra om lag år 900 til år 1500, var det flere ulike kategorier av innvandrere:
«…de tyske og engelske geistlige som ble brakt inn for å kristne Norge; spesialister som steinhoggere og billedhoggere, hentet inn av kronen; nordiske og nordtyske adelsfolk og kjøpmenn, fremfor alt den tyske Hansaen.» (Brochmann og Kjeldstadli, 2014, s. 46) En femte kategori med innvandrere var de som ble tatt som slaver, av dem mange irer. (Brochmann og Kjeldstadli, 2014, s. 46)
I perioden fra 1500 til 1814 var det status som var det overordnete spørsmålet. Innvandrere med høy status gikk gjerne rett inn i den norske eliten, mens fattige innvandrere ble unngått og utestengt (Brochmann og Kjeldstadli, 2014, s.98). Norge var i union med Danmark i denne perioden, og mange av innvandrerne var danske. Ellers var det også en del tyske,
nederlandske og skotske innvandrere (Brochmann og Kjeldstadli, 2014, s. 80).
I 1814 gikk Norge ut av unionen med Danmark og inn i en union med Sverige. Og som kjent ble Norges Grunnlov skrevet. En av de mest kjente paragrafene fra Grunnloven er den såkalte «Jødeparagrafen», som forbød jøder adgang til riket. Denne paragrafen ble opplevd som diskriminerende og pinlig og ble opphevet i 1851 (Brochmann og Kjeldstadli, 2014, s.
118), uten at det førte til noen masseinnvandring av jøder av den grunn. Arbeidsinnvandrere fra Sverige var den klart største gruppen av innvandrere til Norge i perioden fra 1814 og frem mot 2. verdenskrig (Brochmann og Kjeldstadli, 2014, s. 143). Den nest største gruppen var kvener (Brochmann og Kjeldstadli, 2014, s. 143), et finsktalende handelsfolk (Brochmann og Kjeldstadli, 2014, s. 149).
6
For å gi en pekepinn på størrelsen på innvandringen, så foreligger det pålitelige data om fødested fra 1865. Da var 1,2 prosent av befolkningen født utenfor landet. Tabell 2 gir en fin oversikt over mengden av innvandrere fra ulike land i perioden 1865-1946:
Tabell 2: Innvandrere 1865-1946 fra ulike land.
Kilde: Brochmann og Kjeldstadli (2014, s. 128)
Fra 9. april 1940 til 8. mai 1945 var Norge okkupert av Tyskland. Nettoinnvandringen til Norge var svært lav i løpet av krigsårene; tilnærmet 1000 personer per år (Brochmann og Kjeldstadli, 2014, s. 179). Etter krigen hadde nasjonalstatenes grenser blitt flyttet og millioner av fordrevne og hjemløse mennesker skulle få seg en ny bopel og noen ganger ny nasjonalitet (Brochmann og Kjeldstadli, 2014, s. 200). For å få fart på verdensøkonomien vedtok USA Marshallplanen, hvor Norge var en av mottakerne. En av betingelsene for å motta Marshallhjelp var en oppmykning i reglene for arbeidsinnvandring. Ingen av
mottakerlandene skulle kunne stenge ute arbeidskraft fra andre OEEC -land, dersom denne ikke kunne skaffes innenlands (Brochmann og Kjeldstadli, 2014, s.200). OEEC, som nå heter OECD, er en internasjonal, økonomisk organisasjon med 34 medlemsland, for det meste vestlige land. Man kunne forvente at disse tingene ville føre til en stor forflytning av mennesker, noe som også skjedde i store deler av Vest-Europa (Brochmann og Kjeldstadli, 2014, s. 201). Norge, med sin beliggenhet langt mot nord, ble derimot ikke særlig påvirket av dette. «Perioden fra slutten av andre verdenskrig fram til 1960-tallet, var relativt sett rolig når det gjaldt innvandring» (Brochmann og Kjeldstadli, 2014, s. 202).
År 1865 1875 1890 1900 1910 1920 1930 1946
Prosent 1,2 2,1 2,4 2,9 2,4 2,8 1,9 1,6
I alt 21260 47545 37260 64776 56161 74765 53650 50038
Sverige 15784 29340 38017 49662 38647 47216 31416 22032
Danmark (1) 1791 2205 2480 3775 4192 6408 4646 4513
Finland 1684 2709 2661 2182 1832 1992 1363 997
Russland (4) 45 242 278 483 691 1184 693 602
Tyskland (3) 1257+12 1471+61 1738+93 2787+130 2986 4937 3528 3475
Storbritannia (2) 348 518 655 909 1057 1216 1197 4006
USA (5) 68 255 1113 3678 5170 8684 7200 8441
1 Inkludert Island
2 Til 1900 - inkludert Irland, så Storbritannia.
3 Inkludert Østerrike/Ungarn, fra 1920 Østerrike. Ulike tall oppgis.
4 Også de baltiske landene.
5 For 1900 oppgis også 3648.
7 Mange vil nok tenke på Norge som et typisk innvandringsland, men faktisk ble ikke Norge et netto innvandringsland før i 1967 (Vassenden 1999). Det var mot slutten av 1960-tallet at de første ikke-vestlige innvandrerne kom, først fra Tyrkia og Marokko, og senere også mange fra Pakistan. Dette blir i ettertid sett på som et vendepunkt i nyere innvandringshistorie (Brochmann og Kjeldstadli, 2014, s. 217). I 1970 var 260 tyrkere, 434 marokkanere og 212 indere og pakistanere registrert i Norge (Brochmann og Kjeldstadli, 2014, s. 219). Dette var arbeidsinnvandrere, ikke flyktninger (NOU 2011:7, s. 68). Landene lenger sør i Vest-Europa ble sett på som mer attraktive enn Norge, og den viktigste grunnen til at innvandrere utenfor Europa etter hvert kom til Norge var trolig at landene i Vest-Europa begynte å føre en mer restriktiv innvandringspolitikk (Brochmann 2006, s. 36). Norge skulle etter hvert også innføre innstramninger i innvandringspolitikken. I 1975 kom den såkalte «innvandringsstoppen», en midlertidig stopp som gjaldt førstegangs arbeidstillatelse og i praksis såkalt ufaglært
arbeidskraft (NOU 2011:7, s. 68).
Etter 1975 økte familieinnvandringen i tilknytning til de arbeidsinnvandrerne som hadde klart å få fotfeste i Norge. I tillegg kom det også mange flyktninger fra Chile og Vietnam (NOU 2011:7, s. 68). I løpet av 80-tallet økte antall asylsøkere, de fleste fra Iran, Chile og Sri Lanka (NOU 2011:7, s. 69). På 1990-tallet kom mange innvandrere som flyktninger fra krigene på Balkan. Toppene var i 1993 og 1999: i 1993 kom det mange fra Bosnia, mens i 1999 kom det mange fra Kosovo.
8
Figur 2: Nettoinnvandring til Norge i perioden 1951-2010.
Kilde: Cappelen mfl. (2011, s.7)
På 90-tallet var det en svært opphetet debatt om de samfunnsøkonomiske virkningene av innvandring. Norge hadde mottatt svært mange asylsøkere og hadde også gått igjennom en periode med lavkonjunktur. Det ble gjort flere utredninger som drøftet forholdet mellom innvandring og økonomi, og man fastslo i en stortingsmelding at nøkkelen til positive samfunnsøkonomiske virkninger var å sikre at innvandrere raskest mulig blir yrkesaktive (NOU 2011:7, s. 70).
I 1994 trådte EØS-avtalen i kraft, noe som ga EØS-borgere formelt rett til å kunne komme, arbeide og bo i Norge uten særlige restriksjoner. Norge gikk etterhvert også i gang med en oppmykning av reglene for arbeidsinnvandring utenfor EU. Behovet for arbeidskraft var stort, ettersom Norge gikk inni en høykonjunktur mot slutten av 90-tallet. Denne
liberaliseringen av arbeidsinnvandringspolitikken førte til en rekordstor arbeidsinnvandring.
Det var en del bekymring for om noen av arbeidsinnvandrerne ville utnytte de norske velferdsytelsene, men uttaket av ulike velferdsytelser skulle vise seg å være lavt fra denne gruppen (NOU 2011:7, s. 71).
Tidlig på 2000-tallet var det svært høye asylsøkertall. Flest kom fra konfliktfylte land som Kosovo, Irak, Russland, Somalia og Afghanistan. Dette førte til at en rekke
9 innstramningstiltak ble iverksatt, og asylsøkertallene gikk ned (NOU 2011:7, s.71). I 2007 gikk imidlertid asylsøkertallene opp igjen, noe som nok en gang førte til nye innstramningstiltak i 2008-2009. I 2010 var Norge ett av landene i Europa med den mest markerte nedgangen i antall asylsøkere, men andelen sett i forhold til innbyggertall var fortsatt blant de høyeste (NOU 2011:7, s. 72-73). I disse dager har man nok en gang mange asylsøkere i forbindelse med krigen i Syria. UDI (2016) oppgir 31 140 asylsøknader i perioden fra januar til november, noe som gjør 2015 til et rekordår i antall asylsøkere til Norge (Stamnes og Persen, 2015).
Innvandringsdebatten synes å være mer aktuell enn noensinne.
Figur 3 viser antall innvandrere og norskfødte med innvandrerforeldre i perioden 1970-2010.
Som vi ser en solid økning fra 1970.
Figur 3: Antall innvandrere og norskfødte med innvandrerforeldre, 1970-2010. Kilde: NOU 2011:7, s. 68.
2.1 Innvandringsgrunn
Det kan være mange grunner til at folk velger å innvandre til Norge. De fire vanligste
grunnene er arbeid, flukt, familie eller utdanning. Tabellen nedenfor gir en god oversikt over
10
innvandringsgrunn. Nordiske innvandrere er ikke inkludert, ettersom de ikke trenger å søke eller registrere seg for å oppholde seg i Norge. Tall fra SSB viser at det i 2014 var 8044 innvandrere fra nordiske land.
Tabell 2: Innvandring etter innvandringsgrunn.
Kilde: Statistisk sentralbyrå (2015a)
Innvandringsgrunn er spesielt relevant for denne oppgaven fordi det er rimelig å anta at innvandringsgrunn har en del å si for hvordan man gjør det i arbeidslivet. Dersom man kommer for å arbeide, vil man nok i gjennomsnitt jobbe mer enn de som kommer på grunn av flukt. Dessverre var det ingen variabler i datasettet mitt som beskrev innvandringsgrunn.
Jeg kan likevel anta en del om innvandringsgrunn basert på landbakgrunn. SSB publiserte i 2013 en rapport over innvandreres innvandringsgrunn i perioden 1990-2011 (Dzamarija, 2013). Tabellene A9-A17 i denne rapporten tar for seg innvandringsgrunn etter nasjonalitet i perioden 1990-2011. Heller ikke her er nordiske land inkludert. Ser man på tabell A10 på side 60, så kan man slå fast at over 90 % av de arbeidsinnvandrerne som har blitt værende i Norge og har kommet i perioden 1990-2010 har bakgrunn fra et EU-land, USA, Canada, Australia eller New Zealand, altså det jeg vil kategorisere som vestlige land. Det kom
imidlertid en del arbeidsinnvandrere fra Pakistan og Tyrkia i perioden 1971-1975, før Norge innførte innvandringsstopp i 1975 (Bratsberg mfl., 2014, s. 647).
Når det gjelder de som har flukt som innvandringsgrunn så kommer de aller fleste fra et ikke-vestlig land. Et unntak er Kroatia, som jeg har definert som et vestlig land siden de nå har blitt medlem av EU. Serbia og Montenegro, Bosnia-Hercegovina, Irak, Somalia og
Innvandring etter innvandringsgrunn
2014 2013-2014 2004-2014
Innvandring i alt siden 1990
I alt 49 881 -8,5 134,8 688 229
Arbeid 21 367 -9,2 425,9 230 159
Familie 16 212 -7,1 75,4 250 048
Flukt 6 999 -5,1 37,7 131 949
Utdanning 5 019 -14,26 82 71 828
Andre 249 -17 149 3 514
Endring i prosent
11 Afghanistan er de fem største innvandringslandene med flukt som innvandringsgrunn i perioden 1990-2011.
Innvandrere med familiære årsaker til innvandringen er det mange av både fra vestlige land og ikke-vestlige land.
Når det gjelder innvandrere til Norge med utdanning som innvandringsgrunn er det også mange fra vestlige land, men her utmerker også Filippinene, Kina og Russland seg med å ha mange innvandrere. I gruppen som har utdanning som innvandringsgrunn er det en stor andel som utvandrer igjen, det vil si ikke bosetter seg fast i Norge.
12
Kapittel 3 – Tidligere forskning
3.1 Internasjonale funn
Det jeg vil se nærmere på er hvilken betydning landbakgrunn har å si for deltakelse i arbeidsmarkedet. Og hvorfor det er så store forskjeller i arbeidsmengde mellom folk med ulik landbakgrunn. Dette kan sies å være en del av feltet innvandringsøkonomi.
Internasjonalt er Harvard-økonomen George Borjas en av dem som er mest kjent for sitt arbeide innenfor innvandringsøkonomi. I 2014 ga han ut boken «Immigration economics».
Mye av innholdet i denne boken omhandler amerikanske forhold, men det kan absolutt være interessant å se om de tingene man ser i USA også vil gjelde for Norge. Han skriver blant annet at det er velkjent at det er en stor forskjell i økonomiske prestasjoner mellom innvandrergrupper fra forskjellige land, og han finner en positiv korrelasjon mellom gjennomsnittslønnen i landet man emigrerer fra og lønnen man får i USA. Denne
sammenhengen kan bli tolket som at de som kommer fra et høyinntektsland lettere klarer å overføre ferdighetene sine til et annet høyinntektsland.(Borjas, 2014, s.26) En annen ting Borjas (2014) er opptatt av er i hvilken grad inntektsulikheten mellom ulike etniske grupper vedvarer blant barn og barnebarn av innvandrere. Han finner at inntektsulikheter mellom grupper med ulik landbakgrunn blir mindre etter noen generasjoner, men den blir ikke helt borte (Borjas, 2014, s. 192). Han skrev ikke noe om antall timer i arbeid.
OECD kom i 2015 med en stor publikasjon om innvandrere og integrasjon i OECD-landene (OECD, 2015). Noen av hovedfunnene fra denne rapporten: Ledighetsraten blant
innvandrere var 11 %, 3 prosentpoeng høyere enn for de innfødte. Denne forskjellen var mindre før finanskrisen i 2007-2008, noe som kan tyde på at finanskrisen traff innvandrere hardest. Høy utdannelse gjorde det generelt lettere å komme inn på arbeidsmarkedet, men sammenligner man innfødte med høy utdannelse og innvandrere med høy utdannelse, så var det lettere for de innfødte å få seg jobb. For den delen av befolkningen med lav utdannelse var det derimot innvandrerne som jobbet mest, i noen land var det også en ganske stor forskjell (OECD, 2015, s.81).
Figur 4 viser denne forskjellen. Jeg legger imidlertid merke til at innvandrere i Norge jobber mindre enn de innfødte. Det gjelder også de som har et lavt utdanningsnivå.
13 Figur 4: Forskjeller i sysselsettingsrater mellom utenlandskfødte og innfødte som ikke er under utdanning i alderen 15-64 år. Gruppert etter utdanningsnivå. Forskjeller oppgitt i prosentpoeng.
Kilde: OECD (2015, s. 83).
Chiswick og Adsera (2007) har sett på lønnsnivået blant ulike innvandrergrupper i 15 europeiske land. De bruker data fra perioden 1994-2000. De finner blant annet at kvinner med innvandringsbakgrunn tjener relativt mer enn menn med innvandringsbakgrunn
sammenlignet med de innfødte. For menn er det innvandrere fra Asia, Latin-Amerika og Øst- Europa som tjener dårligst, mens for kvinner er det innvandrere fra Latin-Amerika og Øst- Europa som tjener dårligst. Et annet funn er at innvandrere med et morsmål som ligner mer på språket i tilflyttingslandet tjener mer (Chiswick og Adsera, 2007, s.519).
Som jeg nevnte i innledningen tenker jeg at det egentlig ikke er landbakgrunnen i seg selv som har betydning for arbeidsmengde, men snarere forhold knyttet til landbakgrunnen. Noe jeg ikke kontrollerer for er kultur, et begrep som er vanskelig å definere og kvantifisere.
Samtidig tror jeg at det kan være kulturelle forskjeller mellom ulike land som gjør at noen grupper jobber mer enn andre. Dersom man har en kultur der arbeidsomhet er en egenskap som verdsettes høyt, mens det i en annen kultur er viktig å tilbringe mye tid med familien, så kan man jo tenke seg at denne kulturelle forskjellen gjør at de førstnevnte jobber flere timer i uken enn de sistnevnte. Dersom hvert land har hver sin kultur, så kan landbakgrunn også tolkes som en kulturell variabel som er med på å forklare forskjeller i arbeidsmengde.
Fernandez og Fogli (2009) har skrevet mer om hvilken rolle kultur spiller i forhold til kvinners
14
deltakelse og prestasjoner i arbeidsmarkedet. De skriver at kulturens rolle i å forklare ulike økonomiske resultat ofte har blitt ignorert av forskere, mye på grunn av vanskeligheten med å kvantifisere kultur (Fernandez og Fogli, 2009, s.146-147). Som en proxy på kultur så har de brukt gamle fødselsrater og sysselsetting blant kvinner i de landene innvandrerne stammer fra (Fernandez og Fogli, 2009, s.148). De konkluderer blant annet med at de tror kultur spiller en stor rolle i forhold til hvor aktivt kvinner deltar i arbeidslivet(Fernandez og Fogli, 2009, s.175). Religion kan sies å være sterkt knyttet til kultur. Khoudja og Fleischmann (2015) har undersøkt graden av religiøsitet som forklaringsvariabel på forskjellene i den kvinnelige sysselsettingsgraden mellom ulike etniske grupper i Nederland. De finner at religionens rolle for kvinners deltakelse i arbeidslivet er svak og sannsynligvis overdrevet (Khoudja og
Fleischmann, 2015, s.100). Snarere har tradisjonelle kjønnsrolle-holdninger mye å si,
uavhengig av om man er religiøs eller ikke, men tradisjonelle kjønnsrolle-holdninger henger ofte sammen med en høyere grad av religiøsitet(Khoudja og Fleischmann, 2015, s. 97). I studien deres måler de blant annet graden av religiøsitet og graden av tradisjonelle
kjønnsroller hos innfødte, tyrkiske, marokkanske, surinamesiske og antilleanske innvandrere.
De tyrkiske og marokkanske innvandrerne scorer høyest på begge målingene.
En mulig forklaring til forskjellen i sysselsettingsnivå mellom innvandrerne fra ulike land kan være diskriminering. Kaas og Manger (2011) gjorde et eksperiment hvor de sendte to jobbsøknader til 528 jobbutlysninger i Tyskland. Den eneste forskjellen mellom søknadene var at den ene hadde et tyrkisk-klingende navn, mens den andre hadde et tysk-klingende navn. De fant en liten, men signifikant forskjell i hvem som ble kontaktet. De med tysk- klingende navn ble oftere kontaktet. Carlsson og Roth (2007, s. 716) finner at personer med et svensk-klingende navn blir innkalt til intervju 50 % oftere enn personer med et Midtøsten- klingende navn i en liknende undersøkelse i det svenske arbeidsmarkedet .
3.2 Norske funn
Som tabell 1 i kapittel 1 viser, er det store forskjeller i sysselsettingsnivå blant innvandrere med ulik landbakgrunn. Innvandrere fra Afrika har det laveste sysselsettingsnivået, mens innvandrere fra EU-land i Øst-Europa har det høyeste sysselsettingsnivået, høyere enn
15 befolkningen eksklusive innvandrere. Man kan se fra tabellen at forskjellen i
sysselsettingsprosenten mellom innvandrere og befolkningen i alt var på 5,1 prosentpoeng i 4. kvartal 2014. Aldersinndelingen på 15-74 år er i midlertidig veldig vid, og innvandrere har en annen aldersfordeling enn befolkningen ellers i form av færre eldre. . Ser man heller på aldersgruppen 15-66 år er forskjellen i sysselsettingsprosenten 10,3 %, og ser man på de mest yrkesaktive aldersgruppene 25-39 år og 40-54 år, blir forskjellene enda større, henholdsvis 11 og 13 prosentpoeng (Statistisk sentralbyrå, 2015c).
Av mulige årsaker til variasjonen i sysselsettingsgrad mellom innvandrere fra ulike land og verdensregioner nevner Brochmann (2006, s. 116) innvandringsgrunn, botid i Norge, utdanning og diskriminering.
Bratsberg mfl. (2014, s.663) finner for norske forhold noe av det samme som Borjas (2014) fant for amerikanske forhold. Innvandrere fra høyinntektsland tjener mer enn innvandrere enn innvandrere fra lavinntektsland. Dette forholdet gjaldt også for sysselsettingsgraden (Bratsberg mfl., s.661). De undersøker også i hvilken grad gjennomsnittsinntekt og sysselsettingsrate for innvandrere konvergerer mot gjennomsnittsinntekt og
sysselsettingsrate for den innfødte befolkningen etter økende botid i Norge. For innvandrere med flyktningbakgrunn var det en slik konvergerende tendens, selv om hverken
inntektsnivået eller sysselsettingsgraden kom helt opp på nivået til den innfødte gruppen.
Arbeidsinnvandrere hadde et sysselsettingsnivå som lå relativt likt med de innfødte over hele perioden, mens lønnsnivået lå litt lavere. Et unntak her er arbeidsinnvandrere fra Tyrkia og Pakistan som kom på 1970-tallet. Det at arbeidsinnvandrere fra Tyrkia og Pakistan gjør det såpass dårlig over tid kan tyde på at innvandringsgrunn ikke kan forklare alt av den store variansen man ser mellom innvandrere fra ulike land. De hadde et sysselsettingsnivå og lønnsnivå som divergerte i forhold til de innfødtes (Bratsberg mfl., s. 661 og s. 663). Under er en figur som viser sysselsettingsnivå for ulike innvandrergrupper over tid.
16
Figur 3: Sysselsettingsrater blant innfødte og ulike innvandrergrupper i alderen 25-64,
1972-2012
Kilde: Bratsberg mfl., 2014, s. 654.
Et poeng til fra Bratsberg mfl. (2014, s. 659) er at gjennomsnittslønn og sysselsetting for innvandrere ser ut til å variere mer med konjunkturene enn det gjennomsnittslønn og sysselsetting for innfødte gjør.
17
Kapittel 4 – Metode, data, variabler og landgrupper
.Det jeg vil undersøke er i hvilken grad arbeidsmengde avhenger av landbakgrunn. Og arbeidsmengde blir definert som antall timer man jobber i gjennomsnitt i løpet av en uke.
For mange av funnene ovenfor er det ikke nøyaktig det samme som måles.
Sysselsettingsgrad er ikke nøyaktig det samme som arbeidsmengde, men det er rimelig å anta at sysselsettingsgrad samvarierer positivt med arbeidsmengde. Det er også grunn til å tro at gjennomsnittslønn er positivt korrelert med arbeidsmengde, og det kan man også se at er tilfellet i Bratsberg mfl. (2014). Mange av studiene ovenfor referer til innvandrere. Når jeg setter opp ulike landgrupper vil jeg bruke landbakgrunn for å differensiere mellom ulike land. Det er ikke det samme som å differensiere mellom innvandrere fra ulike land. Ikke alle som har en annen landbakgrunn enn norsk blir definert som innvandrere. I datasettet mitt er drøyt 50 % av de med annen landbakgrunn enn norsk innvandrere. Og for de med ikke- vestlig landbakgrunn er nesten 75 % definert som innvandrere. Så det er grunn til å tro at det som gjelder for innvandrere fra et land, i stor grad også vil gjelde for de med landbakgrunn fra dette landet.
4.1 Metode
Jeg kommer i denne oppgaven til å bruke multippel linear regresjon.
En multippel linear regresjon antar følgende modell: 𝑌𝑖 = 𝛽0+ 𝛽1𝑋1𝑖+ 𝛽2𝑋2𝑖+ ⋯ +
𝛽𝑚𝑋𝑚𝑖+ 𝑢𝑖 Målet er å finne de verdiene av 𝛽𝑘, k = 0, 1, …, m som predikerer den avhengige variabelen Y best mulig. Minste kvadraters metode (MKM) benyttes for å finne 𝛽𝑘. Ved minste kvadraters metode finner man de verdiene av 𝛽𝑘 som gjør at summen av kvadratene til residualene blir minst mulig. Residualene (𝑢𝑖) er forskjellen mellom predikert Y-verdi og faktisk Y-verdi.
For at minste kvadraters metode skal resultere i den beste, lineare, forventningsrette estimatoren må følgende forutsetninger være oppfylt (Stock og Watson, 2012, s. 741 og s.
754):
1. At forventningsverdien til restleddet er lik 0: 𝐸(𝑢𝑖|𝑋𝑖) = 0
18
2. At (𝑋𝑘𝑖, 𝑌𝑖), k = 1, …, m, i = 1,…,n, er uavhengige og identisk fordelte trekninger fra deres simultane fordeling.
3. At 𝑋𝑖 og 𝑢𝑖 har positive og endelige fjerde moment.
4. At det ikke er perfekt parvis multikollinearitet mellom de uavhengige variablene.
5. At det er homoskedastitet: 𝑣𝑎𝑟(𝑢𝑖|𝑋𝑘𝑖) = 𝜎𝑢2 k=1,2, …, m
I oppgaven min er den avhengige variabelen arbeidsmengde, målt i gjennomsnittlig antall timer jobbet i løpet av en uke, mens de uavhengige variablene blant annet er utdanningsnivå og landbakgrunn. Eksempel på tolkning: Dersom 𝑋1 er en binær variabel lik 1 dersom man kommer fra et vestlig land, og 0 hvis ikke, og 𝛽1 er lik 5, så betyr det at man jobber i snitt 5 timer mer dersom man kommer fra et vestlig land, alt annet likt.
I noen av regresjonene har jeg brukt logaritmen til Timer1 som avhengig variabel. Da får jeg en slik modell: ln(𝑌𝑖) = 𝛽0+ 𝛽1𝑋1𝑖+ 𝛽2𝑋2𝑖+ ⋯ + 𝛽𝑚𝑋𝑚𝑖 + 𝑢𝑖
Estimatene for 𝛽𝑘, k = 0, 1, 2, …, m, er også her funnet ved hjelp av minste kvadraters
metode. Siden den avhengige variabelen nå er logaritmen til antall timer jobbet i løpet av en uke blir tolkningen annerledes. En endring i 𝑋𝑘 med 1 enhet, vil føre til en 100𝛽𝑘 % endring i Y. La oss si at Y representerer antall timer jobbet i uken og at 𝑋1 er en binær variabel som er lik 1 dersom man kommer fra et ikke-vestlig land, og 0 hvis ikke. Dersom 𝛽1 er 0,05, så betyr det at dersom man kommer fra et ikke-vestlig land så jobber man i gjennomsnitt 5% mer i uken enn en som ikke kommer fra et ikke-vestlig land, alt annet likt. (Stock og Watson, 2012, s. 310 og s. 314)
Jeg er usikker på hvilken av disse avhengige variablene som vil stemme best med dataene, så jeg prøver begge to som avhengig variabel. En ulempe med å bruke ln(Timer1) som avhengig variabel er at da mister jeg 23,4 % av alle observasjonene i regresjonene med Vestlig og ikke- Vestlig, fordi ln(0) ikke er definert. Fordelen med å bruke ln(Timer1) som avhengig variabel er at man aldri vil predikere at en gruppe jobber mindre enn 0 timer. I virkelighetens verden er det selvsagt umulig å jobbe mindre enn 0 timer, men ved bruk av en linear regresjon er det faktisk mulig å predikere at en gruppe jobber mindre enn 0 timer.
19 Regresjonene mine er vektet. Det vil si at observasjoner som er overrepresentert i
nettoutvalget teller mindre, og observasjoner som er underrepresentert i nettoutvalget teller mer. Regresjonene er foretatt med statistikkprogrammet STATA.
4.2 Data - Levekårsundersøkelsen 2013
Jeg vil i denne oppgaven bruke data fra samordna levekårsundersøkelse 2013. Det var mange gode grunner til å velge tallene fra denne undersøkelsen. Det var den nyeste
levekårsundersøkelsen som fantes da jeg gikk i gang med oppgaven min. Den hadde et stort bruttoutvalg og nettoutvalg, noe som er viktig dersom man skal få signifikante resultater.
Undersøkelsen hadde også mange av variablene jeg var ute etter, som landbakgrunn, utdanningsnivå og alder. Optimalt sett kunne jeg tenke meg å ha en variabel for religion og innvandringsgrunn også, men det var likevel det beste datasettet jeg fant. Man kan lese mer om levekårsundersøkelsen i Vrålstad og Revold (2014).
I denne undersøkelsen ble det trukket et landsomfattende tilfeldig utvalg på 21 707 personer. Ettersom noen var døde, bosatt i utlandet eller på institusjon, var det igjen et bruttoutvalg på 20 492 personer. Av disse ble det oppnådd intervju med 10 875. En svarprosent på 53 prosent. Metoden var telefonintervju, med unntak av 16 personer hvor det ble gjennomført besøksintervju. Intervjuene ble gjennomført i perioden 15. april 2013 til 25. januar 2014. En såpass lav svarprosent er problematisk fordi det kan være at de som har svart ikke representerer gjennomsnittet i befolkningen. Dette blir til dels korrigert for ved hjelp av kjennemerker. Kjennemerker er variabler som er kjent både hos nettoutvalget og bruttoutvalget, og er gjerne ting som kan hentes fra et register – for eksempel alder, kjønn eller bosted. Man kan korrigere nettoutvalget ved for eksempel å vekte de aldersgruppene som er underrepresentert i nettoutvalget høyere. Som jeg nevnte under metode så er mine regresjoner vektet.
4.3 Definisjon av landbakgrunn og innvandrerkategori
20
Som jeg var inne på i slutten av kapittel 2, så vil jeg undersøke hvilken effekt landbakgrunn har på arbeidsmengde. Landbakgrunn er et litt videre begrep enn innvandrer. Dersom man ikke har landbakgrunn fra Norge, så betyr ikke det at man nødvendigvis er innvandrer.
Individene i SSBs undersøkelse er delt inn i følgende innvandringskategorier:
A: født i Norge med to norskfødte foreldre B: Innvandrere
C: Norskfødte med innvandrerforeldre
E: Utenlandskfødte med en norskfødt forelder F: Norskfødte med en utenlandsk forelder G: Utenlandskfødte med to norskfødte foreldre
Innvandrere er her definert som personer som er født i utlandet av to utenlandskfødte foreldre og som på et tidspunkt har innvandret til Norge.
Landbakgrunn er definert på følgende måte:
«For personer født i utlandet, er dette (med noen få unntak) eget fødeland. For personer født i Norge er det foreldrenes fødeland. I de tilfeller der foreldrene har ulikt fødeland, er det morens fødeland som blir valgt. Hvis ikke personen selv eller noen av foreldrene er utenlandsfødt, hentes landbakgrunn fra de første utenlandsfødte en treffer på i rekkefølgen mormor, morfar, farmor eller farfar.» (Statistisk sentralbyrå, 2003)
Så man kan altså ha ikke-norsk landbakgrunn uten å være innvandrer. For eksempel hvis man er født i Norge av to innvandrerforeldre. Som jeg var inne på tidligere: I datasettet mitt er 51% av dem som har ikke-norsk landbakgrunn innvandrere. Blant dem som har ikke- vestlig landbakgrunn er 73 % definert som innvandrere.
4.4 Landinndelingene
21 For å få frem forskjeller i arbeidsmengde basert på landbakgrunn kommer jeg til å dele individene inn i ulike landgrupper. For veldig mange land er det for få observasjoner til å få noe meningsfullt ut av regresjonene mine, men dersom jeg bruker flere land i en landgruppe får jeg flere observasjoner. Jeg prøver å bruke landinndelinger som er logiske og jeg vil forklare de ulike landgruppene nedenfor.
1. Først gjør jeg noen regresjoner hvor jeg deler individene inn i tre grupper basert på landbakgrunn: én gruppe for de som har norsk landbakgrunn, en for de som har vestlig, ikke-norsk landbakgrunn og en for de som har ikke-vestlig
landbakgrunn. Hva som regnes som vestlige land og hva som regnes som ikke- vestlige land er det forskjellige definisjoner på. For å finne en passende definisjon har jeg sett på hva statistisk sentralbyrå mener om saken. Faktisk opererer de ikke lenger med begrepene «vestlig» og «ikke-vestlig». Det som før het «vestlig» og
«ikke-vestlig» er nå delt inn i en gruppe som omfatter EU/EØS-land, USA, Canada, Australia, New Zealand og Sveits og en annen gruppe som omfatter resten av landene (Høydahl 2008). Jeg har brukt den samme inndelingen, men jeg kaller gruppene for vestlig og ikke-vestlig, for enkelthets skyld. Gruppen med EU/EØS- land, USA, Canada, Australia, New Zealand og Sveits er naturlig nok den vestlige gruppen.
2. De med vestlig landbakgrunn jobber omtrent like mye som de med norsk
landbakgrunn, mens de med ikke-vestlig landbakgrunn jobber mindre. Derfor vil jeg fokusere mer på de som har ikke-vestlig landbakgrunn, for å se om jeg kan finne forskjeller innad i denne gruppen. Jeg deler de med ikke-vestlig
landbakgrunn inn etter verdensdel: én gruppe for Latin-Amerika, en for Afrika, en for Asia og en for Europa utenfor EU(inkludert Russland). Det er kun en
observasjon fra Oseania utenfor Australia og New Zealand. Denne observasjonen er derfor tatt vekk i disse regresjonene.
22
3. Deretter forsøker jeg noen regresjoner med en litt annen landinndeling. Japan og Pakistan er to land som ikke har så mye til felles med hverandre, selv om begge ligger i Asia. Så jeg gjør en ny landinndeling der jeg prøver å dele inn i land som i større grad ligner på hverandre kulturelt. Jeg ønsker å lage en gruppe med land fra Midtøsten. Midtøsten er en region der det er mye uroligheter. Det er også en del av verden som Norge har tatt imot mange innvandrere fra. Kan det å komme fra denne regionen ha en negativ effekt på antall timer jobbet? En
antakelse/fordom om folk fra Midtøsten er jo at religion og et tradisjonelt kjønnsrollemønster står sterkt, noe som kanskje kan medføre at spesielt kvinner fra denne regionen jobber mindre enn gjennomsnittet. Hvilke land som inngår i begrepet Midtøsten er det forskjellige definisjoner på. Først og fremst er det landene på den arabiske halvøy og områdene rundt. Jeg har lyst til å bruke en litt bredere definisjon, slik at jeg får med flere observasjoner. Jeg går for en
definisjon som kalles «the greater Middle East», et uttrykk introdusert i 2004, som kommer fra Bush-administrasjonen og har blitt brukt av G8-landene (Haeri, 2004). Målet var å finne en ny måte for Vesten og samarbeide med Midtøsten.
Begrepet omfatter mange muslimske land. Følgende land inngår, 28 totalt (Wikipedia, 2015)1: Afghanistan, Algerie, Bahrain, Kypros, Djibouti, Egypt, Iran, Irak, Israel, Jordan, Kuwait, Libanon, Libya, Mauritania, Marokko, Oman, Pakistan, det palestinske området, Qatar, Saudi Arabia, Somalia, Sudan, Syria, Tunisia, Tyrkia, Den saharawiske arabiske demokratiske republikk, De forente arabiske emirater, Yemen. Siden Kypros er et medlemsland av EU, er de allerede med i den vestlige gruppen, så derfor inngår ikke Kypros i min definisjon av Midtøsten-land.
Også verdt å merke seg at jeg ikke har observasjoner for individer fra alle disse landene. I tillegg til Midtøsten blir Afrika sør for Sahara en gruppe. Det er en ganske standard landgruppe. Ifølge FN (2013) er alle landene i Afrika bortsett fra Algerie, Egypt, Libya, Marokko, Tunisia og Vest-Sahara en del av Afrika sør for Sahara. Siden Sudan og Somalia allerede inngår i Midtøsten-regionen vil jeg ta vekk disse to landene i min Afrika sør for Sahara-definisjon. Jeg vil ikke at det skal være noen overlapping med land som tilhører flere grupper. Gruppen øvrige land
1 Haeri (2004) beskriver bare løst hvilke land som er med. Wikipedia (2015) lister dem opp eksplisitt.
23 omfatter alle land som ikke er med i Midtøsten-gruppen, Sør for Sahara-gruppen eller den vestlige gruppen. Se appendiks Tabell A1 for en oversikt over hvilke land som er med i de ulike landgruppene.
4.5 Den avhengige variabelen – Timer1
I regresjonene mine vil jeg bruke enten variabelen Timer1, eller ln(Timer1), den naturlige logaritmen til Timer1, som den avhengige variabelen. Timer1 indikerer hva intervjuobjektene har svart på spørsmål om hvor mange timer man vanligvis jobber i hovedyrke sitt pr. uke.
Eventuelle halve timer rundes oppover (Vrålstad og Revold, 2014, s. 41). For de som er arbeidsløse er det i utgangspunktet ikke noen verdi på denne variabelen. Her har jeg gått manuelt inn og satt verdien 0. Ser man på hele datasettet så er 23 % arbeidsløse, mens for personer med ikke-vestlig landbakgrunn er 36 % arbeidsløse. Det er også 16 observasjoner hvor man har sagt at man er sysselsatt, men det mangler en verdi på hvor mange timer man jobber i uken. Disse observasjonene har jeg tatt vekk. Jeg har også tatt vekk de
observasjonene hvor man har oppgitt at man har jobbet 998 eller 999 timer i uken. Det er umulig siden det bare er 168 timer i løpet av en uke. Dette gjaldt 49 observasjoner. I tillegg tok jeg vekk 2 observasjoner hvor individene hadde ukjent landbakgrunn. Så av 10 875 observasjoner i nettoutvalget, ble 10 808 (10 875 – 16 – 49 – 2) av dem brukt. Jeg kunne også brukt den binære variabelen syssel, som er et ja/nei-spørsmål angående om IO vanligvis er sysselsatt, men jeg foretrekker å bruke en kontinuerlig avhengig variabel.
Jeg vil også legge til at 26,3 % av alle observasjonene har verdien 38, siden 37,5 er standard arbeidsuke i Norge, som da rundes opp til 38.
4.6 De uavhengige variablene Utdanning
Jeg vil bruke binære variabler som beskriver utdannelse. Opplysningene om utdanning i levekårsundersøkelsen er hentet fra utdanningsregisteret. Norsk standard for
24
utdanningsgruppering har ni nivåer, med tillegg av en verdi for uoppgitt utdanning (Statistisk sentralbyrå, 2001, s. 7). Nivåinndelingen kan sees i denne tabellen:
Tabell 3: Ulike utdanningsnivå
Jeg kommer til å bruke en tredeling av nivå. Jeg vil dele individene inn i 3 utdanningsgrupper etter hva som er den høyeste fullførte utdanningen. Gruppe 1 vil omfatte de som har ingen eller obligatorisk utdanning(nivå 0,1 eller 2). Gruppe 2 vil omfatte de som har
mellomutdanning(nivå 3, 4 eller 5), mens gruppe 3 vil omfatte de som har universitets- og høgskoleutdanning(nivå 6, 7 eller 8). Det er også en del observasjoner som mangler informasjon om utdanning. De legger jeg inn i en egen gruppe.
De ulike gruppene vil bli representert ved binære variabler. I regresjonen vil UTD1 representere gruppe 1, UTD2 representere gruppe 2, UTD3 representere gruppe 3 og UTDuoppgitt vil representere dem som har uoppgitt utdanning. Et eksempel: Dersom en person har ingen utdanning, så vil han få verdien 1 på UTD1, og verdien 0 på UTD2, UTD3 og UTDuoppgitt. Jeg kommer til å bruke UTD3 som referansegruppe i regresjonene.
Aldersinndelingene
Hvor mye man jobber varierer veldig med alderen. Før man har fylt 25 er man gjerne opptatt med utdanning, som gjør at man jobber mindre enn man vil gjøre senere i livet. Jeg har delt inn i 7 ulike aldersgrupper for å luke vekk de forskjellene som kan komme pga alder. De er delt inn slik at hver gruppe inneholder omtrent like mange observasjoner. Aldersgruppe 1 går fra 17 til 24 år, aldersgruppe 2 går fra 25 til 33 år, aldersgruppe 3 går fra 34 til 40 år, aldersgruppe 4 går fra 41 til 47 år, aldersgruppe 5 går fra 48 til 53, aldersgruppe 6 går fra 54
Tredeling av nivå Nivå Nivånavn Klassetrinn
0 Ingen utdanning og førskoleutdanning Under skoleplikt
1 Barneskoleutdanning 1.-7. klassetrinn
2 Ungdomsskoleutdanning 8-10. klassetrinn
Mellomutdanning 3 Videregående, grunnutdanning 11.-12. klassetrinn
4 Videregående, avsluttende utdanning 13. klassetrinn + 5 Påbygging til videregående utdanning 14. klassetrinn + Universitets- og 6 Universitets- og høgskoleutdanning, lavere nivå 14.-17. klassetrinn høgskoleutdanning 7 Universitets- og høgskoleutdanning, høyere nivå 18.-19. klassetrinn
8 Forskerutdanning 20. klassetrinn +
9 Uoppgitt
Ingen eller obligatorisk utdanning
25 til 60 år, mens aldersgruppe 7 er for de over 60 år. Jeg kommer til å bruke aldersgruppe 7 som referansegruppe. Det er enkelt å tenke seg hvordan aldersgrupper kan ha relevans for regresjonene. De som tilhører aldersgruppe 1, som altså er i alderen 17-24 år, jobber i gjennomsnitt mindre enn de i aldersgruppe 2 og 3. Det betyr at dersom en gruppe inndelt etter landbakgrunn har en overvekt av mange unge individer kan dette medføre at den gruppen jobber mindre i snitt. Og at det er alderssammensetningen som bestemmer dette, og ikke landbakgrunnen.
Småbarn
Jeg har lagt til en kontrollvariabel som kalles Småbarn. Det er en variabel i
Levekårsundersøkelsen som kalles Famfase, som da står for IOs familiefase. Her er det 16 forskjellige svaralternativer. Et av dem er å være i et parforhold med yngste barn i alderen 0- 6 år. Jeg lager en binær variabel som er lik 1 dersom individet befinner seg i en slik
familiesituasjon, og 0 hvis ikke. Det er flere måter man kan tenke seg at en slik
familiesituasjon vil spille inn. En kvinne med et lite barn ønsker kanskje å tilbringe mer tid med barnet, og dermed jobbe mindre. Eller hun trenger mer penger for å forsørge barnet, dermed ønsker hun å jobbe mer. Man kan også tenke seg en sammenheng der mer ressurssterke personer får barn, og at ressurssterke personer også jobber mer. De som er enslige forsørgere med barn i alderen 0-6 år får ikke verdien 1 på Småbarn. Det er fordi enslig forsørger med yngste barn i alderen 0-6 år ikke var et svaralternativ for IOs
familiefase. Enslige forsørgere var et svaralternativ, men der var alder ikke avgrenset. Kun 4
% av de som svarte var enslige forsørgere, og høyst sannsynlig enda færre er enslige forsørgere med yngste barn i alderen 0-6 år.
Veilederen min mente at det muligens var en forskjell mellom de med vestlig landbakgrunn og de med ikke-vestlig landbakgrunn, i forhold til hvor mye det å ha et lite barn innvirker på arbeidsmengde. Han mistenkte at kvinner med ikke-vestlig landbakgrunn har høyere
sannsynlighet for å holde seg hjemme med barna enn kvinner med vestlig landbakgrunn. På grunn av dette la jeg til en interaksjonsvariabel mellom ikke-vestlig landbakgrunn og
Småbarn, for å se om det er en forskjell her.
26 By
Jeg har også lagt til en uavhengig variabel som heter by. Det er en binær variabel som er definert slik at de individene som bor i et tettsted med mer enn 20 000 innbyggere får verdien 1, mens de individene som bor i et tettsted med mindre enn 20 000 innbyggere får verdien 0. I hvilken grad det spiller inn på arbeidsmengde om man bor i en by kan være vanskelig å si. Det er kanskje flere arbeidsplasser i en by? Ifølge dataene i
levekårsundersøkelsen er personer med ikke-vestlig landbakgrunn overrepresentert i byer.
Innvandrer
Jeg la til en binær variabel som jeg kaller innvandrer. Den er definert slik at dersom man tilhører innvandrerkategori B, så får man verdien 1, mens dersom man ikke tilhører innvandrerkategori B, så får man verdien 0. Samtlige av de som har norsk landbakgrunn tilhører innvandrerkategori A, de er altså ikke innvandrere. Av de som har en annen enn norsk landbakgrunn, så tilhører omtrent halvparten innvandrerkategori B, og blir dermed definert som innvandrere. Dette kan være en interessant variabel å se nærmere på. De som kommer som flykninger vil være definert som innvandrere, mens norskfødte barn av
flyktninger ikke blir definert som innvandrere. Det er naturlig å tenke seg at de som er barn av flyktninger, og selv er født i Norge, vil være bedre integrert og dermed jobbe mer i snitt i løpet av en uke enn sine foreldre. Derfor tror jeg at for de som har landbakgrunn fra de landene hvor Norge stort sett har tatt flyktninger og familieinnvandrere, så vil det å være innvandrer (i motsetning til for eksempel å være norskfødt med innvandrerforeldre) ha en negativ effekt på arbeidsmengde. Når det gjelder arbeidsinnvandrere er situasjonen litt annerledes. Det er ingen grunn til å tro at arbeidsinnvandrere (definert som innvandrere) jobber mindre enn sine norskfødte barn (ikke definert som innvandrere). Nesten alle arbeidsinnvandrere er fra vestlige land, derfor kommer jeg også til å legge til en
interaksjonsvariabel mellom innvandrere og ikke-Vestlig landbakgrunn, for å se om denne
27 variabelen påvirker ulikt mellom de med vestlig landbakgrunn og de med ikke-vestlig
landbakgrunn. Det tror jeg den gjør.
Kjønn
Jeg vil foreta regresjoner både med kun menn, kun kvinner og med alle individer. I en regresjon med alle individer vil kjønn inngå som en binær variabel hvor verdien er 1 dersom man er kvinne og 0 dersom man er mann. Det er en kjent sak at menn i gjennomsnitt jobber mer enn kvinner. Det kan være interessant å se om det er relative forskjeller i
arbeidsmengde hos kvinner og menn basert på landbakgrunn. Dersom man for eksempel kommer fra områder som har et tradisjonelt kjønnsrollemønster så kan man tenke seg at kvinnene jobber relativt mindre enn menn.
Se appendiks tabell A2, A9 og A16 for nøkkeltall for de ulike variablene.
Gjennomsnittsverdiene som er oppgitt i disse tabellene er vektet slik at de observasjonene som er underrepresentert i nettoutvalget teller mer.
4.7 Om regresjonene
Regresjonene i kapittel 5, 6 og 7 har jeg gjennomført på en systematisk måte. Først foretar jeg regresjoner med Timer1 som den avhengige variabelen. Jeg begynner med kun menn i utvalget. I den første regresjonen er kun variablene for landbakgrunn med. I den andre regresjonen er variablene for landbakgrunn og utdanningsnivå med. Dette for å finne ut om det å ta med utdanningsnivå vil redusere koeffisientene foran landbakgrunn. Deretter gjennomfører jeg en regresjon kun med variabler for landbakgrunn og alder, for å se om det å ta med alder i regresjonen vil øke koeffisientene foran landbakgrunn. Den fjerde
regresjonen er med alle variablene. Den femte regresjonen inneholder alle variablene for landbakgrunn, utdanning og alder, uansett om de er statisitisk signifikante eller ikke. For resten av variablene tar jeg vekk de som ikke er statistisk signifikant forskjellige fra 0 på et 10
% -nivå, men dersom enten Småbarn eller interaksjonsvariabelen mellom Småbarn og ikke- vestlig landbakgrunn (SmåbarnXIkkevestlig) er med i regresjonen, så blir den andre
28
regresjonen også med, selv om den ikke skulle være signifikant forskjellig fra 0. Det samme prinsippet gjelder også for innvandrer og interaksjonsvariabelen mellom innvandrer og ikke- vestlig (InnvandrerXIkkevestlig). Denne femte regresjonen kaller jeg «best».
Deretter gjentar jeg samme prosedyre med kun kvinner i utvalget og så med både kvinner og menn i utvalget. I regresjonene med både kvinner og menn i utvalget legger jeg til en binær variabel for kjønn, som inngår i alle regresjonene.
Så gjør jeg det samme med ln(Timer1) som avhengig variabel.
Jeg får til sammen 6 regresjoner som karakteriseres som «best». Disse vises i en tabell i teksten. Resten av regresjonene finnes i appendikset.
29
Kapittel 5 – Regresjoner hvor individene er delt inn etter norsk, vestlig og ikke-vestlig landbakgrunn
Tabell 4: Gjennomsnittlig antall timer jobbet i løpet av en uke etter landbakgrunn
Tabell 4 viser gjennomsnittlig arbeidsmengde, målt i timer jobbet i løpet av en uke etter hvilken landbakgrunn man har. Det er fra tallene i levekårsundersøkelsen. Det er et vektet gjennomsnitt, observasjoner som er underrepresentert i nettoutvalget teller mer. Tallene i parentes er standardfeilene for disse gjennomsnittsverdiene. Tabell 4 er en beskrivende analyse som viser forskjellen i arbeidsmengde mellom individer med ulik landbakgrunn.
Spørsmålet er om en regresjon der jeg blant annet tar høyde for utdanning og alder vil vise noe annet. Siden mange med ikke-vestlig landbakgrunn har lavere utdanning enn folk med norsk og vestlig landbakgrunn, så kan det for eksempel være at det er utdanningsnivået som forklarer en del av forskjellene i arbeidsmengde mellom individer fra forskjellige
landgrupper.
De første regresjonene er med norsk, vestlig og ikke-vestlig gruppe. De med norsk
landbakgrunn, i aldersgruppen over 60 år (Ald7) og med høyest utdanningsnivå (UTD3) er referansegruppen.
5.1 Timer1 som avhengig variabel
De regresjonene med timer1 som avhengig variabel finnes i tabellene A3-A5. Når kun landbakgrunn er med i regresjonene er det en sterk, negativ effekt på arbeidsmengde å ha landbakgrunn fra et ikke-vestlig land. Denne gjelder for både kvinner og menn. Forskjellen reduseres noe når utdanning også inkluderes i regresjonen. Å ta med alder i tillegg til
I alt Menn Kvinner
Norsk landbakgrunn 27,8 30,9 24,5
(0,2) (0,3) (0,3)
Vestlig landbakgrunn 28,6 30,9 26,1
(0,6) (0,8) (0,8)
Ikke-vestlig landbakgrunn 19,9 23,2 16,6
(0,7) (1,1) (0,9) Gjennomsnittlig antall timer jobbet i løpet av en uke
30
landbakgrunn endrer ikke koeffisientene foran landbakgrunn i særlig grad. I de «beste»
regresjonene er det imidlertid en mye svakere effekt på arbeidsmengde av å ha
landbakgrunn fra et ikke-vestlig land. Faktisk er den kun statistisk signifikant forskjellig fra 0 for kvinner. Det som skjer her er at mye av effekten går gjennom variabelen
InnvandrerXIkkevestlig istedenfor, som har store, negative koeffisienter. De fleste (73 %) av dem med ikke-vestlig landbakgrunn er definert som innvandrere. Det at så mye av effekten går gjennom denne variabelen kan tyde på at det å selv komme som innvandrer fra et ikke- vestlig land gjør det vanskeligere å bidra i arbeidslivet enn andre med ikke-vestlig
landbakgrunn som ikke er innvandrere (for eksempel norskfødte barn av innvandrere). Det er i så måte et positivt tegn i forhold til integrering. En observasjon til: For menn teller det positivt å være i et parforhold med yngste barn i alderen 0-6 år. For kvinner var det ingen slik effekt. Det er heller ingen signifikant forskjell mellom folk med ulik landbakgrunn på dette punktet.
5.2 Ln(Timer1) som avhengig variabel
For de regresjonene hvor ln(Timer1) er den avhengige variabelen blir tolkningen litt
annerledes. For det første blir det et annet utvalg. Kun de som jobber mer enn 0 timer i snitt i uken er med. Det betyr at 23 % av observasjonene går vekk. Nå ser jeg altså kun på
forskjeller i arbeidsmengde mellom de som faktisk jobber. En del av resultatene er
sammenfallende med dem der jeg brukte Timer1 som avhengig variabel. En stor forskjell er det i koeffisienten på interaksjonsvariabelen mellom innvandring og ikke-vestlig. Den er ikke statistisk signifikant lenger. Det kan bety at mange av dem med ikke-vestlig landbakgrunn og innvandrerstatus ikke har jobb, slik at de går ut av utvalget når ln(Timer1) er den avhengige variabelen.
R-kvadrert er gjennomgående høyere med Timer1 som avhengig variabel, enn med ln(Timer1) som avhengig variabel, og R-kvadrert er høyere for kvinner enn for menn. Det betyr at mennene er mer heterogene når det gjelder timer, altså at andre variabler forklarer antall timer jobbet.
31 5.3 Oppsummering
Det kan synes som om det å ha ikke-vestlig landbakgrunn har en negativ effekt på
arbeidsmengde, selv om koeffisientene ikke var statistisk signifikant forskjellig fra 0 i den
«beste» regresjonen med både kvinner og menn i utvalget. Årsaken til det er at mye av effekten går igjennom InnvandrerXIkkevestlig. Tabell 4 viser at forskjellen i gjennomsnittlig arbeidsmengde mellom de med norsk landbakgrunn og de med ikke-vestlig landbakgrunn er 7,9 timer (27,8 – 19,9). I den «beste» regresjonen er «effekten» av å ha ikke-vestlig
landbakgrunn -1,824 timer (se tabell 5). For en som er definert som innvandrer og har ikke- vestlig landbakgrunn blir «effekten» på arbeidsmengde i forhold til de med norsk
landbakgrunn følgende: -1,824 + 0,616 – 6,801 = -8,009. Som er omtrent det samme som forskjellen i gjennomsnittlig arbeidsmengde. Likevel vil jeg påstå at «effekten» av å ha ikke- vestlig landbakgrunn er mindre enn det kan synes som i tabell 4, den beskrivende analysen.
Fordi så mye av forskjellen i arbeidsmengde forklares gjennom innvandrerkategori. For øvrig vil det å ha vestlig landbakgrunn gi liten effekt på arbeidsmengde, som forventet.
