En empirisk analyse av kvinners avkastning av utdanning i ekteskapsmarkedet Maren Langvik Eilertsen Master of Philosophy in Economics Department of Economics UNIVERSITY OF OSLO June 2020

i

En empirisk analyse av kvinners avkastning av utdanning i ekteskapsmarkedet

Maren Langvik Eilertsen

Master of Philosophy in Economics Department of Economics

UNIVERSITY OF OSLO June 2020

ii

“Yet, one type of behavior has been almost completely ignored by economists, although scarce resources are used, and it has been followed in some

form by practically all adults in every recorded society.

I refer to marriage”.

(Becker, 1973, s. 814)

© Maren Langvik Eilertsen, 2020

En empirisk analyse av kvinners avkastning av utdanning i ekteskapsmarkedet http://www.duo.uio.no

iii

Sammendrag

Denne masteroppgaven undersøker hvordan avkastning av utdanning fanges opp i ekteskapsmarkedet, ikke bare i arbeidsmarkedet. Oppgaven utnytter paneldata som

inneholder inntekts- og personopplysninger for norske kvinner og menn født i perioden 1947- 1976. Litteraturen er omfattende når det gjelder avkastning av utdanning og assortativ paring, men mindre empirisk arbeid har undersøkt kvinners avkastning av utdanning i

ekteskapsmarkedet. Derfor har denne masteroppgaven til hensikt å undersøke sammenhengene mellom utdanning og utfall i ekteskapsmarkedet.

For å gjøre dette, estimeres effekten av utdanning på egen og partners inntekt,

husholdningens inntekter, og sannsynligheten for å bli gift. For å adressere problemet knyttet til endogenitet i egen utdanning benyttes instrumentvariabler (IV) som metode. For å sikre at eksklusjonsantagelsen i en IV modell holder i forskningsspørsmål som omhandler effekten av egen utdanning på partners inntekt i, benyttes en proxyvariabelmetode der partner sine

foreldres inntekt brukes som en proxy for inntektspotensialet til partneren.

Hovedfunnene fra analysen finner at kvinners avkastning av utdanning målt ved

husholdningsinntekt, overgår effekten av utdanning på egen inntekt. Videre er kvinners sannsynlighet for å bli gift upåvirket av utdanningsnivå. Menn sin sannsynlighet for å bli gift påvirkes derimot i noen grad av utdanning. Effekten av utdanning på partners inntekt, viser seg å være tilnærmet lik null ved bruk av proxyvariabelmetoden.

iv

Forord

Bakgrunnen for denne oppgaven var et ønske om å få mer innsikt om effekten av utdanning for kvinner. Videre ville jeg se på hvordan utdanningsrevolusjonen har påvirket likestillingen og endret samfunnsutviklingen i Norge. Som snart ferdigutdannet økonom og kvinne, er dette naturlig nok spørsmål jeg er opptatt av. På mange måter ønsket jeg å få en bekreftelse om at arbeidsmarkedet som møter meg er likestilt og belønner innsats. I tillegg er det interessant å undersøke hvordan utdanning (hvis i det hele tatt) påvirker valg av partner. Underveis i arbeidet har jeg fått erfare at empirisk forsking er langt mer tidkrevende og mangefasettert enn jeg hadde sett for meg. Jeg har også erfart at få valg er verdinøytrale og få metoder er problemfrie. Prosessen har i så måte vært krevende, men veldig spennende og lærerik. Den har utvidet min metodiske oppfatning og erfaring, og videreutviklet mine ferdigheter som økonom.

Koronaviruset har gjort arbeidssituasjonen spesiell, og behovet for å kunne diskutere resultater og tolkninger med medstudenter har føltes ekstra stort. Heldigvis har jeg fått god hjelp av veilederen min, Manudeep Bhuller. Uten hans innspill og veiledning ville ikke oppgaven vært mulig. Så en stor takk rettes til han for alle gode råd. En stor takk rettes også til Statistisk sentralbyrå som har gitt tilgang til datamaterialet som er brukt i oppgaven, samt for det gode arbeidsmiljøet jeg hadde tilgang til før samfunnet stengte ned. En spesiell og kjærlig takk går til Hans-Olav, kjæresten min, for fantastisk og enestående støtte gjennom hele min tid på Blindern. Takk til familien min for kloke og beroligende ord, og til sist takk til Mari og Ingelin som har bidratt med personlig og faglig støtte gjennom studietiden.

Avslutningsvis vil jeg bemerke språket som er brukt i oppgaven. Etter mange år med

undervisning og litteratur på engelsk, var det et personlig ønske å skrive masteroppgaven på norsk. Prosessen har gjort meg mer komfortabel og vant til å bruke norsk terminologi i økonomiske problemstillinger. Det har tidvis vært utfordrende, men fotnoter med engelske uttrykk oppgis for å unngå misforståelser. Jeg har forsøkt å bruke et rikere, men fortsatt formelt språk enn standarden i forskningslitteraturen, for å gi en mer levende og interessant leseropplevelse.

Samtlige estimeringer og databehandlinger er utført i Stata 16, og koder gjøres tilgjengelig ved forespørsel. Eventuelle feil og mangler i oppgaven kan ikke klandres andre enn meg selv.

v

Denne masteroppgaven er skrevet som en del av prosjektet «Collective Bargaining,

Information Frictions, and Labour Market Dynamics (UNIFRIC)» ved Økonomisk Institutt ved Universitetet i Oslo. Prosjektet er finansiert av Norges forskningsråd under

prosjektnummer 275123. Datamaterialet som er brukt i oppgaven er hentet fra Statistisk sentralbyrå. Personkonsekvensvurdering og relaterte tilrådninger er arkivert digitalt hos Statistisk sentralbyrå under journalnummer 2018/1585.

Mer informasjon om prosjektet finnes elektronisk på

https://www.sv.uio.no/econ/english/research/projects/unifric/

vi

Innholdsfortegnelse

1. Introduksjon ... 1

2. Bakgrunn ... 3

2.1 Institusjonell bakgrunn: utdanningssystemet i Norge ... 3

2.2 Litteraturgjennomgang ... 9

3. Teoretisk modell ... 14

3.1 Avgjørende faktorer for utdanningsvalget... 14

4. Data og empirisk identifikasjonsstrategi ... 19

4.1 Data ... 19

4.2 Instrumentvariabel og proxy... 21

4.3 Effekten av utdanning på sannsynligheten for å bli gift ... 23

4.4 Effekten av utdanning på partners inntekt ... 24

5. Resultater ... 28

5.1 Resultater fra førstestegsestimering ... 28

5.2 Effekter av utdanning på egen livstidsinntekt ... 29

5.3 Effekter av utdanning på sannsynligheten for å bli gift og husholdningenes livstidsinntekt ... 33

5.4 Effekten av utdanning på partners livstidsinntekt ... 38

6. Diskusjon og konklusjon ... 40

6.1 Diskusjon av resultater ... 41

6.2 Konklusjon ... 45

Litteraturliste 48

vii

Liste over tabeller

1 Resultater fra førstestegsestimering ... 28

2 Effekten av utdanning på egen livstidsinntekt ... 30

3 Sannsynligheten for å være gift eller samboer ... 33

4 Effekten av utdanning på husholdningens livstidsinntekt ... 35

5 Effekten av utdanning på partners livstidsinntekt ... 38

6 Sannsynligheten for å være gift eller samboer ... 38

Liste over figurer

5.2 Effekten av utdanning på sannsynligheten for å være gift/samboer ... 33, 34 5.3 Effekten av utdanning på husholdningens livstidsinntekt... 36

1

1 Introduksjon

Investering, og avkastning av utdanning tilhører ett av de større områdene innen

økonomifaget hvor det er blitt utført mye teoretisk og empirisk forskning (Becker, 1964;

Heckman og Polachek, 1974; Mincer, 1974). Det rådende fokuset innen feltet har vært avkastning av utdanning på egen inntekt. Siden menn historisk sett har utgjort brorparten av den formelle arbeidsstyrken, har det resultert i at majoriteten av den empiriske forskningen er basert på denne gruppen.

Sundberg (2018) finner at kvinner har lavere avkastning av utdanningen sin i

arbeidsmarkedet, og har en slakere livstidsinntektsprofil enn menn. Til tross for dette har kvinner de siste tiårene utgjort majoriteten ved flere av landets utdanningsinstitusjoner, og har økt sin andel i arbeidsstyrken betydelig. Ifølge Statistisk sentralbyrå (2020b) utgjorde kvinner 67,5 prosent av arbeidsstyrken i 2019. Samtidig er det kjent at kvinner har en mer sporadisk deltakelse i arbeidsmarkedet, og at flere kvinner arbeider deltid. Graviditet og barn hører til én del av forklaringen. Dersom kvinner får mindre igjen for egen utdanning i arbeidsmarkedet, kan det være interessant å undersøke om det finnes andre steder i samfunnet hvor avkastning av utdanning spiller inn. Derfor er det interessant å undersøke hvorvidt av avkastning av utdanning fanges opp i for eksempel ekteskapsmarkedet og partnervalg.

Partnervalg er ett av de største valgene man fatter i livet, og beslutningen har betydelige konsekvenser for individets sosiale og økonomiske utfall (Almås, Kotsadam, Moen & Røed, 2019; Eika, Mogstad & Zafar, 2019). Flere økonomer viser til den sterke korrelasjonen mellom kvinnens utdanningsnivå og sivilstatus, og ektefellens inntekt (Almås m.fl., 2019;

Chiappori, Dias & Meghir, 2018; Chong Huang, Hongbin Li, Pak Wai Liu & Junsen Zhang, 2009). Utdanning viser seg å ha en positiv effekt på kvaliteten på partneren, og i den

forlengelse kvaliteten på matchen (Oreopoulos og Salvanes, 2011; Yang, 2019). Lefgren og McIntyre (2006) undersøker forholdet mellom kvinners utdanning og ekteskapsutfall. De finner at ekteskapsmarkedet er én av de primære kanalene hvor det blir tydeliggjort hvordan kvinnens utdanning påvirker velferdsmulighetene hennes, og videre hvordan utdanningen påvirker ektefelles inntekt. Dersom sammenhengen mellom utdanning og ektemannens kvalitet¹ er kausal, kan det gi innsikt i hvorfor mange kvinner velger å investere mye i utdanning, på tross av at avkastningen deres er lavere i arbeidsmarkedet.

1 Med kvalitet menes utdanning og inntekt.

2

Denne masteroppgaven har som hensikt å bidra til den empiriske litteraturen om kvinners avkastning av utdanning, og belyse hvordan denne avkastningen, kommer til syne i ekteskapsmarkedet. Dette gjøres ved å undersøke hvilken effekt utdanning har på

sannsynligheten for å bli gift, på egen inntekt, partners inntekt og husholdningens inntekt. Til forskjell fra mange empiriske studier som anvender tverrsnittsdata i spørsmål om avkastning av utdanning og ekteskapsmarkedet, anvendes paneldata for å utnytte livstidsinntekter.

Masteroppgaven bygger videre på arbeider av Bhuller, Mogstad og Salvanes (2017),

Sundberg (2018) og Lefgren og McIntyre (2006). Sistnevnte har undersøkt forholdet mellom kvinners utdanning og ekteskapsutfall, og de to førstnevnte har undersøkt hvordan avkastning av utdanning for kvinner og menn arter seg over livsløpet med bruk av norske data².

For forskningsspørsmålene stilt i det foregående avsnittet - vil det være empiriske utfordringer i estimeringen knyttet til endogenitet av utdanning og utvalgsskjevhet³. Ved hjelp av

instrumentvariabel metode (IV) blir problematikken med endogenitet i utdanning adressert.

De anvendte instrumentene benytter variasjon i utdanningstilgjengelighet som skyldes en grunnskolereform initiert på 1960-tallet, og nyetableringer av videregående skoler og høyere utdanningsinstitusjoner på 1970-tallet og senere. Disse reformene skapte en eksogen variasjon i oppnådd utdanning som er anvendt i denne analysen⁴. Spesifikt blir følgende instrument: i) eksponering for obligatorisk niårig grunnskole (i motsetning til en syvårig folkeskole), ii) indikator for tilgang til en videregående skole i oppvekstkommunen ved alder 16, og iii) indikator for tilgang til en høyskole og/eller et universitet i oppvekstkommunen ved alder 16.

- Estimeringene blir utført på bakgrunn av informasjon om inntekt og sivilstand for norske kvinner og menn født i årgangene 1947-1976. Gjennom bruk av instrumentvariabelmetoden er det mulig å konstruere konsistente, estimater for den kausale effekten av utdanning på ekteskapsutfall⁵.

Siden instrumentene som blir anvendt er av en «aggregert» karakter og påvirker begge kjønn, medfører det at eksklusjonskriteriet for instrumenter ikke er gyldig ved en estimering av effekter av egen utdanning på partners inntekt. Det gjør det krevende å estimere en slik

sammenheng selv med instrumentvariabelmetode. For å adressere dette blir det i stedet innført et predeterminert mål som benyttes som en proxy for partners inntektspotensial. Korrelasjoner

2 Det samme datagrunnlaget som blir anvendt i denne masteroppgaven.

3 Sample selection bias

4 Utdanningsvariabelen i IV er antall års utdanning.

5 Herunder inngår effekten av utdanning på egen inntekt, partners inntekt, husholdnings inntekt og sannsynligheten for å bli gift.

3

i inntekt på tvers av generasjoner, tjener sin hensikt som proxy siden foreldres utdanningsnivå og inntekt, kommer forut for utdanningsreformene som blir anvendt som instrumenter.

Inntekten til foreldre blir dermed anvendt som proxy i estimeringen av hvilken effekt en kvinnes utdanning har på partners inntektspotensial.

Strukturen i denne masteroppgaven er som følgende: I del 2 blir den institusjonelle

bakgrunnen om utdanningssystemet i Norge presentert. Videre følger en del som gjennomgår tidligere relevant litteratur. I denne delen beskrives også instrumentene i større detalj, samt hvordan utdanningstrenden og ekteskapstrenden i Norge har forløpt. Del 3 presenterer en modell som bygger på et teoretisk rammeverk konstruert av Lefgren og McIntyre (2006).

Modellen teoretiserer beslutninger om investering i utdanning, på bakgrunn av forventet avkastning i arbeids- og ekteskapsmarkedet. Modellen er et godt utgangspunkt for å belyse estimeringsproblemene som omhandler utdanning og familiedannelse. I del 4 presenteres de empiriske spesifikasjonene knyttet til IV-estimeringen. Del 5 presenterer resultatene i estimeringen, og del 6 avslutter med en diskusjon og konklusjon av resultatene.

2 Bakgrunn

2.1 Institusjonell bakgrunn

Endringer i det norske utdanningssystemet

Det norske utdanningssystemet er et resultat av flere runder i støpeskjeen. I dag består det av 10 års obligatorisk grunnskole, bestående av barne- og ungdomsskole, hvor elevene blir innskrevet det året de fyller 6 år, og avslutter ungdomsskolen ved alder 16. Etter endt

grunnskole kvalifiserer de til tre års videregående skole, hvor de har valget om en akademisk eller yrkesfaglig studieretning. Førstnevnte gjør det det mulig med videre studier ved

høyskoler og universiteter.

De kanskje mest omgripende og strukturelle endringene av utdanningssystemet, fant sted på 1960-tallet, da den obligatoriske grunnskolen ble utvidet fra 7 til 9 år. I lys av dette ble det som i dag er kjent som ungdomsskole opprettet. Denne erstattet de såkalte framhalds- og realskolene. Realskolen hadde en studieforberedende karakter, var av varierende

tilgjengelighet og kvalitet, og var mest tilgjengelig i urbane strøk (Jørgensen, 1997).

Forskjellene i skoletilbud var særlig store mellom urbane og landlige strøk, blant annet fordi det ikke forelå krav til kommunene om å sikre likeverdig tilbud av realskole. Det medførte

4

blant annet større reisekostnader for de som valgte denne skoleretningen. Framhaldsskolen tilbød en mer praktisk og yrkesorientert skolering, men i likhet med realskolen var også denne av varierende kvalitet, og manglet standardisering av innhold.

I 1959 ble det fattet vedtak i Stortinget om innføring av niårig obligatorisk grunnskole. Det medførte at framhalds- og realskoleordningen ble avviklet i 1969 og erstattet med den strukturelle formen grunnskolen har i dag⁶. Reformen førte til at kommunene fra 1969 var forpliktet å sikre tilbud av ungdomskoler – nå med standardiserte læreplaner og pensum (Aakvik, Vaage & Salvanes, 2003). Innfasingen av niårig grunnskole startet i 1960 og foregikk gradvis, ettersom kommunene fikk godkjent sine planer for gjennomføring av reformen. Ferdigstillelsen av grunnskolereformen skjedde i 1972 da alle kommunene i landet hadde innført niårig grunnskole. For individer født i 1942 var standarden syvårig grunnskole, mens for barn født i 1958 var standarden utvidet til ni års grunnskole. Det resulterte i at individer i implementeringsperioden hadde enten et krav om syvårig eller niårig obligatorisk grunnskole, avhengig av deres bosted og fødselsår. Aakvik m.fl. (2003) bemerker at

innføringen av reformen ikke nødvendigvis foregikk tilfeldig, men kunne avhenge av

kommunespesifikke kjennetegn. I analysen er det avgjørende at innfasingen foregikk tilfeldig av estimeringshensyn. Bhuller m.fl. (2017) avkrefter at det foreligger sterke korrelasjoner mellom reformimplementering og kjennetegn ved kommunene. Grunnskolereformen innebar økt tilgjengelighet av ungdomsskole for mange, samtidig som den økte lengden for

grunnskole med to år.

Grunnskolereformen som ble iverksatt på 1960-tallet, skapte behov for reformering av de daværende yrkesskolene og gymnasiene. De var en videreføring av framhalds- og realskolen, men med tilhørende spesialiseringer. Selekteringen til gymnasiene var, i et sosialt perspektiv, svært skjev og uheldig (Aamodt, 1982), og var forårsaket av varierende tilgjengelighet. I 1974 ble det derfor vedtatt at yrkesskolene skulle slås sammen, og den videregående skole så dagens lys. Ni ulike studieretninger ble lovfestet og en målsetting om 80 prosent yrkesfaglige studieplasser, mot 20 prosent allmennfaglige, ble fremmet (Jørgensen, 1997). Vedtaket førte til økt tilgjengelighet av videregående skoler i distriktene.

Behovet for reformering forplantet seg videre til høyere utdanning. Store «studieklare»

ungdomskull, kombinert med økonomisk vekst og økt etterspørsel etter utdannet arbeidskraft, førte til et behov for utbygging, og strukturelle endringer av høyskolene og universitetene. På

6 I 1997 ble alderen barn ble innskrevet i skolen senket fra 7 til 6 år, som medførte at fra 1997 utgjorde den obligatoriske grunnskolen 10år.

5

bakgrunn av Ottesen-komiteens anbefalinger i 1968, ble det etablert flere distriktshøyskoler.

Disse tilbød kortvarige studier, som motstykke til de klassiske tradisjonelle

universitetsstudiene (Jørgensen, 1997). I tillegg gjennomgikk mange studier, som ingeniør- lærer og sykepleieutdanning, en forbedring og fornying av struktur og innholdd. Et resultat av de tre utdanningsreformene sett under ett, var at flere fikk tilgang til utdanning, forskjellene mellom distrikt og by ble redusert, og geografi og sosioøkonomiske faktorer – som tidligere hadde spilt en avgjørende rolle i beslutningen om å ta høyere utdanning – ble redusert (Aakvik m.fl., 2003).

Reformene skapte også en ekstern variasjon i individenes utdanningsnivå. Det er disse variasjonene i tid og geografi som vil bli utnyttet som instrumenter for oppnådd utdanning i den senere analysen i likhet med Sundberg (2018) og Bhuller m.fl. (2017). I analysen vil tidspunkt og i hvilken rekkefølge kommunene innførte grunnskolereformen som nevnt antas tilfeldig. Utdanningsvariabelen i estimeringen er «antall års utdanning ervervet for individet».

Denne variabelen instrumenteres på tre dummyvariabler for instrumentene: i) eksponering for grunnskolereform, ii) tilgang til videregående skole i oppvekstkommune ved alder 16, og iii) tilgang til høyskole eller universitet i oppvekstkommune ved alder 16.

Utdanningstrender for kvinner og menn i Norge

Reformene som ble innført på 1960-tallet, og førte til videre reformering av høyere utdanning på 1970-tallet, har bidratt til å gjøre Norge til et utdanningsrikt samfunn i løpet av 60 år (Jørgensen, 1997). Reformene økte det generelle utdanningsnivået og

utdanningstilgjengeligheten. Det resulterte også i at yngre årskull fikk løftet utdanningsnivået sitt relativt til eldre kull. Før reformene var menn tradisjonelt overrepresentert ved høyere utdanningsinstitusjoner, men siden 1960-tallet har forskjellene mellom kvinner og menn blitt utjevnet. Tilveksten i antall studenter har vært stor fra begge kjønn, og veksten var særlig høy i perioden 1970-1990. Veksten sammenfalt med starten for norsk oljeproduksjon og utvikling av industrien, og oljeeventyret skapte høy etterspørsel etter utdannet arbeidskraft. På slutten av 1980-tallet økte arbeidsledigheten blant unge. I den forlengelse opplevde

utdanningsinstitusjonene en søknadsøkning på 22 prosent – en økning som er kjent som

«studenteksplosjonen».

Kvinner har siden starten av 1990-tallet utgjort majoriteten av studentmassen ved høyskoler og universiteter (Stølen, 2004). Den generelle tendensen har vært at kvinner velger kortere,

6

mer yrkesrettede bachelorutdanninger, mens menn tradisjonelt sett har valgt lengre master- og doktorgradsstudier. Denne trenden er i endring. De siste ti årene har kvinneandelen ved master- og doktorgradsutdanningene økt, og dersom trenden vedvarer vil kvinner utgjøre majoriteten også her (Statistisk sentralbyrå, 2020b). Kvinner fullfører studiene oftere og ferdigstiller graden på normert tid i hyppigere grad, relativt til menn (Jørgensen, 1997).

Andelen i den norske befolkingen med universitets- eller høyskoleutdanning var 34 prosent i 2019 (Statistisk sentralbyrå, 2020b). Norge er kjennetegnet av å ha en relativt høy andel individer med høyskole- og universitetsutdanning på lavere nivå, og en lavere andel individer med utdanning på mastergradsnivå. Kvinner og menn velger fortsatt ulike yrkesretninger, og kvinner er eksempelvis overrepresentert i helse- og omsorgsyrker (Statistisk sentralbyrå, 2020b). Dette påvirker arbeidsmarkedet: Dobbelt så mange kvinner som menn jobber deltid.

Denne forskjellen er for øvrig avtakende i utdanningsnivå (Statistisk sentralbyrå, 2020b).

Andelen av den kvinnelige arbeidsstyrken har økt i takt med det generelle utdanningsnivået, og kvinner utgjør 64,5 prosent av arbeidsstyrken per 2019. Til sammenligning utgjør menn 69,5 prosent av arbeidsstyrken (Statistisk sentralbyrå, 2020b).

Effektene av utdanningsreformene initiert på 1960-tallet kan i dag spores til den økte deltakelsen for kvinner i arbeidsmarkedet, sammen med et generelt høyere utdanningsnivå i befolkingen. Utdanning er i dag tilnærmet gratis, og den største kostnaden er knyttet til reisekostnader og eventuell flytting. Tilgjengelig utdanning for alle har bidratt til å øke den sosiale mobiliteten i Norge, og har vært en avgjørende faktor for likestilling. Kvinner har 7 prosent lavere medianlønn relativt til menn, til tross for at kvinner de siste 30 årene har tatt mer utdanning enn menn, og de siste 20 årene dominert masterstudier(Statistisk sentralbyrå, 2020b). Deltidsarbeid og valg av yrke er to medvirkende årsaker som forklarer deler av forskjellen. Ett spørsmål denne masteroppgaven har som mål å besvare er hvorvidt

arbeidsmarkedet i tilstrekkelig grad fanger opp investeringen av utdanning i arbeidsmarkedet for kvinner eller om deler av investeringen utelates, men kommer frem i ekteskapsmarkedet.

Dette kan i så fall forklare hvorfor kvinner, som har en lavere avkastning av utdanning, likefult velger å ta høyere utdanning.

Kjennetegn ved det ekteskapsmønster i Norge

Innen samfunnsfagene blir utrykket assortativ paring brukt for å beskrive hvordan individer på bakgrunn av sosioøkonomiske faktorer, velger partnere som i stor grad er lik en selv.

7

Assortativ paring på bakgrunn av utdanning, brukes innen økonomien om hvordan individer med likt utdanningsnivå i større grad blir sammen med hverandre, enn hva som ville vært tilfellet ved et tilfeldig paringsmønster (Barban, De Cao, Oreffice & Quintana- Domeque, 2019). Det skilles mellom positiv og negativ assortativ paring, der positiv assortativ paring beskriver en situasjon der kvinnen matcher med en mann med høyere utdanningsnivå og inntektspotensial, enn seg selv. Det motsatte er tilfellet for negativ assortativ paring.

Assortative paring gir opphav til forskjeller i paringsmønster mellom kvinner og menn.

Resultatet av dette karakteriseres av Almås m.fl. (2019, s. 5-6 personlig oversatt) ved at: « i) Flere menn enn kvinner forblir ugifte, ii) sammenhengen mellom eget inntektspotensial og sannsynligheten for å bli gift har en brattere og mer positiv profil for menn relativt til kvinner, iii) og menn sin inntektsrang overgår kvinnen sin i partnerskapet».

Eika m.fl. (2019) finner at trender i assortativ paring har variert mye på tvers av

utdanningsnivå de siste 60 årene i vestlige land som Danmark, England, USA og Norge.

Assortativ paring har økt for de med lav utdanning, og tendensen har avtatt og flatet ut for de med høyere utdanningsnivå. I 2013 hadde en amerikaner med fullført videregående skole 4,6 prosentpoeng høyere sannsynlighet enn i 1980 for å bli sammen med en på tilsvarende

utdanningsnivå (Eika m.fl., 2019). Flere studier (Mare, 1991; Pencavel, 1998) er i tråd med funnene gjort i Eika m.fl., (2019), men Bratsberg, Markussen og Røed (2018) peker på utfordringen med å tolke trender i assortativ paring på bakgrunn av utdanning som en konsekvens av endringer i sortering til partnerskap. Utfordringen ligger i at endringer i paringstrendene kan skyldes endringer i sortering til utdanning, eller endringer i sortering til partnerskap.

I 1974 var gjennomsnittsalderen for å inngå (første) ekteskap på henholdsvis 23 og 25 år for kvinner og menn. Per 2019 har gjennomsnittsalderen økt, og var 33 år for kvinner og 36 år for menn (Statistisk sentralbyrå, 2020a). Den økte gjennomsnittsalderen kan blant annet forklares gjennom den økte andelen som tar høyere utdanning; individer utsetter giftemål til etter endt studie. Antall registrerte ekteskap per år, har videre sunket fra om lag 26,000 i 1974 til cirka 17,000 i 2019 (Statistisk sentralbyrå, 2020a). Denne nedgangen kan forklares ut fra en økning i antall registrerte partner- og samboerskap. En annen forklaring er at dataene bærer preg av den økte gjennomsnittsalderen, og innehar et etterslep i antall registrerte ekteskap.

Bratsberg m.fl. (2018) undersøker trender i det norske ekteskapsmønsteret de siste 30 årene med en alternativ tilnærming. Gjennom å rangere inntekten til foreldre etter plassering i en tenkt inntektsfordeling undersøker de hvorvidt avkommet har endret inntektskategori relativt

8

til foreldrene. I kontrast til Eika m.fl. (2019) finner Bratsberg m.fl. (2018) at assortativ paring på bakgrunn av utdanning i Norge har avtatt de siste 30 årene, og at reduksjonen har vært størst for de lengst ned i utdanningsfordelingen. Logikken bak er at ettersom det generelle utdanningsnivået i Norge har økt, har andelen med lavere utdannede blitt mindre, og i kjennetegn blitt mer homogene. Dersom man antar at individer matcher på bakgrunn av like kjennetegn, vil sannsynligheten for å bli sammen med en person i tilsvarende lave

utdanningskategori ha blitt større. Tilsvarende, ettersom gruppen med høyere utdanning har økt, antas kjennetegnene til denne gruppen å bli mer heterogene. Dermed er sannsynligheten for å bli sammen med en person med høyt utdanningsnivå redusert. Dette kan forklare hvorfor assortativ paringstendensen har avtatt. Bratsberg m.fl. (2018) poengterer som nevnt, at det er vanskelig å tolke trender i assortativ paring på bakgrunn av utdanning, fordi trendene kan komme fra sortering til utdanning, i like stor grad som de kan komme fra sortering til partnerskap. Endringer i trendene i ekteskapsmønster foregår ikke i isolasjon, men studeres ofte i setting der: «den marginale fordelingen av utdanningsnivå er i endring, det er

problematisk med klassifiseringer, og med en fordeling med potensielle partnere som ikke er tydelig definert» (Bratsberg m.fl., 2018, s. 15 personlig oversatt). Når utdanningsnivået øker over tid, vil trender i assortativ paring reflektere selektering til utdanning eller sortering til ekteskap.

Almås m.fl. (2019) undersøker videre kjennetegn ved det norske ekteskapsmønsteret, og finner at assortativ paring på bakgrunn av utdanning er et viktig trekk ved

ekteskapsmønsteret. For kvinner som befinner seg øverst i utdanningsfordelingen reduseres sannsynligheten for å bli sammen med noen, og sannsynligheten er fallende i egen inntekt.

For kvinner nederst i utdanningsfordelingen er sannsynligheten stigende. For menn er effekten motsatt: Menn øverst i utdanningsfordelingen har 90 prosent sannsynlighet for å finne en partner, og sannsynligheten er stigende i egen inntekt. Men for menn nederst i utdanningsfordelingen reduseres sannsynligheten til 40 prosent. Almås m.fl. (2019) sine funn er i tråd med Bratsberg m.fl. (2018) sine funn at flere menn forblir ugifte, og menn som gifter seg ofte gifter seg flere ganger.

Sannsynligheten for å bli gift ut ifra egen utdanning og inntekt vil som mål på

ekteskapsmønster være ufullkomment som følge av blant annet simultanitetsproblemer. Men målet kan uansett tjene sin hensikt ved å være informativt om korrelasjonene mellom

utdanning og inntekt, og sannsynligheten for å bli gift.

9

2.2 Litteraturgjennomgang

Litteraturen er omfattende både innen avkastning av utdanning (Acemoglu og Angrist, 1999;

Angrist og Krueger, 1991a; Becker, 1964; Card, 1993) og assortativ paring (Becker, 1973, 1974; Chiappori, Iyigun & Weiss, 2009; Tiefenthaler, 1997). Førstnevnte er fortsatt høyaktuell siden det blir investert mye i utdanning av både offentlige myndigheter og enkeltindivider. Utdanning påvirker flere dimensjoner utover et individs egen inntekt, blant annet helse, sosial omgangskrets og hvem man ekter. Offentlig finansiert utdanning blir begrunnet med de positive eksternaliteter utdanning gir til samfunnet, og avkastningen av utdanning er dermed et interessespørsmål – ikke bare for individet, men også for staten. Det er ellers metodiske utfordringer knyttet til å estimere den kausale effekten av utdanning på inntekt, og i den forlengelse husholdningens og partners inntekt. Problemet knytter seg i første omgang til at individet beslutter utdanningsnivå på bakgrunn av flere variabler det ikke er mulig å tallfeste eller observere. Dersom disse variablene også påvirker inntekten, vil dette gi skjevestimater. Problemet knytter seg videre til at utdanningsnivå og inntekt kan være et resultat av påvirkning fra partner, eller av at utvalget man undersøker ikke er representativt for den øvrige befolkningen. Nå følger to deler for å beskrive tidligere litteratur som omhandler identifiseringsstrategier for å undersøke avkastning av utdanning og assortativ paring.

Beslutningen om å ta utdanning

Store deler av litteraturen om avkastning av utdanning, bygger på det teoretiske rammeverket til Becker (1964) om humankapital. Essensen av teorien er at utdanning og erfaring bidrar til å gjøre individet mer produktivt⁷, slik at individets inntekt er en funksjon av humankapitalen.

Som følge av at utdanning er tilnærmet gratis i Norge er de største kostnadene forbundet med flytting og alternativkostnaden av utdanning. Fordi utdanning i stor grad utsetter deltakelse i arbeidsmarkedet må individet kompenseres for tap av inntekt i utdanningsperioden gjennom høyere lønninger. De høye lønningene reflekterer den økte marginalproduktiviteten et individ har fått gjennom utdanningen, og kompensasjon for tiden brukt på utdanningen. Lengden på utdanningen blir bestemt ut fra vissheten om egne evner og ressursbeskrankninger. På

7 Denne teorien er kjent som humankapitalteorien og står i kontrast til Spence (1974) sin teori om signalisering.

Signalteorien tar til orde for at utdanning ikke endrer produktiviteten til et individ, men at den kun utgjør et signal for evnerike individer til arbeidsgivere, ved at vitnemål avslører kvaliteten til et individ.

10

bakgrunn av dette maksimerer individet nåverdien av sin samlede livstidsinntekt (Becker, 1964). Det optimale utdanningsnivået er kjennetegnet ved at marginalavkastningen av utdanning er lik individets diskonteringsrate⁸. Med andre ord er marginalavkastningen av utdanning lik marginalkostnaden. Utgangspunktet for mange empiriske analyser av effekten av utdanning er Mincerligningen (1974). Denne statistiske lønnsfunksjonen beskriver hvordan inntekten blir bestemt ut fra antall års utdanning, erfaring og restleddet. Under gitte antagelser og spesifikasjoner⁹, tallfester Mincerligningen den økonomiske avkastningen av utdanning.

Som nevnt innledningsvis er det utfordrende å estimere inntektseffekten av utdanning. Fordi utdanningsnivå blir valgt på bakgrunn av individuelle preferanser og uobserverbare faktorer, vil det være utfordrende å inkludere alle faktorer som påvirker utdanningsvalget i en

regresjonsanalyse. Det vil føre til seleksjonsskjevhet dersom de uobserverbare faktorene også påvirker inntekt, men er utelatt fra regresjonen. En metode som adresserer problemet er å utnytte variasjon i utdanningsnivå, som kan tilskrives andre faktorer som er uavhengig av evner. Instrument variabel (IV) som metode er anvendt av flere, for eksempel Angrist og Krueger (1991b); Card (1993). Card (1999) påpeker heterogenitet i avkastning av utdanning, og bruk av IV kan overestimere avkastningen fordi instrumenteringen påvirker individer med høye evner, slik at estimatet øker.

Empiriske funn fra USA, Norge og England bekrefter humankapitalteorien (Angrist og Krueger, 1991b; Bhuller m.fl., 2017; Harmon og Walker, 1995). Forskning utført på norske data finner at avkastningen av utdanning i perioden 1970-97 var stabil til tross for at andre skandinaviske og europeiske land opplevde en økning i lønnsulikhet i denne perioden (Hægeland, 2002). I en metastudie som inkluderer funn fra flere europeiske land, finner Harmon, Oosterbeek og Walker (2003) at avkastning av utdanning i Norge er blant de laveste i Europa, med en avkastning på 5 prosent. Bhuller m.fl. (2017) undersøker avkastning av utdanning for norske menn i perioden 1967- 2014, ved bruk av utdanningsreformer som instrument, og finner at mer utdanning økte livstidsinntektene, og resulterte i en brattere livsinntektsprofil. Institusjonelle reformer i utdanningssystemet er også anvendt av Aakvik

8 En høy diskonteringsrente innebærer at individer verdsetter nåverdien av inntekt i dag, høyere enn nåverdien av fremtidig inntekt. Disse individene vil ha lavere insentiver for å erverve utdanning enn de som har en lav diskonteringsrate. Marginalavkastning av utdanning kan også karakteriseres som en internrente eller

avkastningskrav ved en investering. Internrenten forteller hvor høy renteavkastningen i pengemarkedet må være (alternativkostnaden ved den beste alternative investering) for at et individ skal være indifferent mellom valget om (i) å ta ett ekstra år med utdanning, begynne å arbeide ett år senere og tjene høyere fremtidig inntekt eller (ii) å avslutte utdanning, begynne å arbeide ett år tidligere og plassere inntekten opptjent det året i pengemarkedet.

9 Den mest sentrale antagelsen at log-lønn er additiv-separabel i utdanningslengde og arbeidserfaring (dvs.

parallelle erfaringsprofiler i log-lønn).

11

m.fl. (2003). De utnytter utvidelsen av grunnskolen fra 7 til 9 år,¹⁰ og finner at den generelle utdanningslengden utover de to ekstra årene, økte, som følge av reformen. De finner videre at avkastning av utdanning er heterogen, og at sammenhengen er ikke-lineær.

Situasjonsbildet for estimering av avkastning av utdanning endres og blir mer komplisert når man undersøker effekten av egen utdanning på inntekten til partner og husholdningen. I slike forskningsspørsmål kreves det en identifikasjonsstrategi som klarer å ta hensyn til endogenitet i egen utdanning og sortering i ekteskapsmarkedet. Nå følger en del for å beskrive tidligere litteraturs forsøk på å estimere disse sammenhengene.

Assortativ paring på bakgrunn av utdanning

Litteraturen om assortativ paring er omfattende, men kunnskap om hvilke kausale effekter ett års ekstra utdanning har for kvinners ekteskapsutfall og partners inntekt er fortsatt begrenset (Lefgren og McIntyre, 2006). Den positive korrelasjonen mellom kvinners egen utdanning og ektefelles inntekt, er påpekt av flere Chiappori m.fl. (2009); Chong Huang m.fl. (2009);

Lefgren og McIntyre (2006); Tiefenthaler (1997). Assortativ paring kjennetegnes ved at det er en sterkere positiv sammenheng mellom utdanningsnivå og ekteskapshyppighet for menn relativt til kvinner (Almås m.fl., 2019). Ideen om at avkastningen av utdanning kommer til syne i arbeidsmarkedet så vel som i ekteskapsmarkedet spores ofte tilbake til Becker (1973, 1974). I arbeidene til Becker (1981) gir forskjell i avkastning i utdanning i arbeidsmarkedet mellom kjønnene insentiver til spesialisering innad i husholdningene. Det vil påvirke

arbeidstilbudet til de respektive husholdningene. Beckers teori om husholdningsspesialisering kan forklare det tradisjonelle kjønnsmønsteret som historisk sett har vært rådende i den vestlige verden, med en kvinne som ansvarlig for hjemmet og en mann ansvarlig for inntektsgivende arbeid¹¹.

Teoretisk litteratur

Assortativ paring og kryssproduktivitet¹² er to teorier som forklarer den positive

sammenhengen mellom kvinners utdanning og ektefelles inntekt. Kryssproduktivitetsteorien forklarer korrelasjonen ut fra positive smitteeffekter i husholdningen ved at egen utdanning og

10 Samme reform inngår som en av tre instrumenter anvendt i denne masteroppgaven.

11 Fordi kvinner historisk sett har hatt lavere avkastning av utdanning, har det vært lønnsomt å ekte en partner som har høyere inntektspotensialet enn en selv. En slik match vil øke insentivene til spesialisering som innebærer at kvinnene reduserer sitt arbeidstilbud.

12 Begrepet brukes også om simultanitetsproblemer/spillover effects omtalt i Lefgren & McIntyre (2006).

12

inntekt både blir påvirket og påvirker ektefellens formelle og uformelle humankapital.

Assortativ paring forklarer den positive korrelasjonen som resultat av at individer med høy utdanning ofte velger en høyt utdannet partner. Becker (1973) argumenterer for at begge teoriene kan eksistere i praksis. Gjennom sin modell teoretiserer Becker hvordan avkastning av utdanning i ekteskapsmarkedet er et resultat av spesialisering i husholdningene.

Spesialiseringen avhenger av komplementaritet i oppgavene som er knyttet til husholdningen og arbeidsmarkedet, og at ektefellene spesialiserer seg i hvert sitt respektive marked.

Modellen predikerer negativ matching for høyt utdannede, fordi gevinstene gjennom

spesialisering maksimeres (Becker, 1991). Positiv paring forekommer når arbeidsoppgavene i arbeidsmarkedet og husholdningen er substitutter, og høyt utdannede finner en gjensidig partner. I begge tilfellene vil egen utdanning påvirke produktiviteten til partner.

Gjennom sin spillteoretiske modell med opphav i Beckers (1973, 1974) modell, beskriver Chiappori m.fl. (2009) hvordan insentivene for å investere i utdanning i utgangspunktet er ulikt for kjønnene. Teknologisk utvikling har i takt med endrede normer frigjort kvinnelig arbeidskraft fra husholdningene og gjort behovet for fullstendig spesialisering i hjemmet inferiørt. Det har resultert i at insentivene for å investere i utdanning per i dag, er likestilte (Chiappori m.fl., 2009).

Den metodiske utfordringen er å skille assortativ paring og kryssproduktivitet fra hver hverandre, og få kausale estimater, ikke bare korrelasjoner. Problemet ved estimering av OLS¹³ er at den ikke vil klare skille mellom de to effektene, og identifiseringsstrategier som er anvendt er sammenligninger av tvillinger og instrumentvariabler.

Empirisk litteratur

Ved å bruke tvillingstudier kan man kontrollere for unnlatte variabler som beskriver

paringseffekten. Eneggede tvillingers genetikk og familiebakgrunn er felles, slik at forskjeller i utdanningsnivå og inntekt vil kunne tilskrives kryssproduktivitetseffekten, ikke paringen.

Behrman, Rosenzweig, Taubman og Behrman (1994); Behrman og Rosenzweig (2002) utnytter amerikanske tvillingdata, og finner at ett års ekstra utdanning for en tvilling, relativt til den andre tvillingen, matcher med en partner med 0,3 års ekstra utdanning i snitt. Behrman m.fl. (1994) påpeker at estimatene ikke er kausale, og at ytterligere metodebruk er nødvendig for å adressere problemer knyttet til seleksjonsskjevhet, beslutningen om investering i

13 Ordinary least square (OLS).

13

utdanning, og beslutningen om ekteskapsinngåelse. Chong Huang m.fl. (2009) anvender kinesiske data for tvillinger, og utvider identifiseringsstrategien ved å inkluderer en inntektsfunksjon for å utelukke kryssproduktivitetseffekten. Inntektsfunksjonen måler tvillingenes inntekt ved tidspunktet for ekteskapsinngåelsen. Eventuelle forskjeller i inntekt mellom tvillinger blir dermed tilskrevet paringseffekten. Årsaken er at effekten av

kryssproduktivitet i husholdningen, antas å være lik null ved ekteskapsinngåelse, men at den blir mer fremtredende over tid.

Ved bruk av amerikanske folketellingsdata undersøker Lefgren og McIntyre (2006) hvordan utdanning påvirker en kvinnes ekteskapsutfall. De teoretiserer beslutningsprosessen en kvinne står overfor i valget om utdanningsnivå. Fordi beslutningen om utdanningsnivå blir fattet forut for realiseringer i både arbeids- og ekteskapsmarkedet, anvender de fødselskvartaler¹⁴ som instrumentvariabel. Det gjør de for å undersøke de kausale effektene av utdanning på sannsynligheten for å bli gift og på inntekten til partner. De finner ingen sterk effekt av utdanning på sannsynlighet for å bli gift, men at utdanningsnivået til kvinnen har stor effekt på inntekten til ektefellen. Ett års ekstra utdanning for kvinnen er assosiert med en økning på 4,000 dollar i ektefellens inntekter (2006). Seleksjons- og timingskjevheter er ikke hensyntatt i deres analyse, og de kan dermed ikke utelukke at resultatene innehar både assortativ paring og kryssproduktiviteter i seg. Deres teoretiske rammeverk og empiriske fremgangsmåte er utgangspunkt for deler av den empiriske analysen anvendt i denne masteroppgaven.

Instrumentet som blir anvendt i denne masteroppgaven, er, til forskjell fra deres, på et aggregert nivå og påvirker både kvinner og menn. Det innebærer at eksklusjonskriteriet for instrumentet ikke holder, slik at estimatene ikke kvalifiserer for en tolkning i henhold til en LATE¹⁵.

En metode for å utelukke kryssproduktiviteter mellom ektefeller er å utnytte karakteristikker som utdanningsnivå og inntekt til foreldre, som proxy for barnas inntekt. Almås m.fl. (2019) utnytter korrelasjonene i inntekt mellom generasjoner for å undersøke hvordan utdanning påvirker inntekt. Fordi inntekten til foreldre er forutbestemt for valg av utdanning og partner for avkommet, i tillegg til at inntekten korrelerer med inntektskapasiteten til avkommet, tjener inntekten til foreldre sin hensikt som proxy. Almås m.fl. (2019) finner at positiv assortativ paring er et viktig kjennetegn for trender ved det norske ekteskapsmønsteret. Bruk av proxyvariabelmetoden løser problemet med brudd på eksogenitetsantagelsen, som er en

14 I tråd med Angrist og Krueger (1991b)

15 Local average treatment effekt, på norsk kjent som den lokale gjennomsnittlige behandlingseffekten.

14

utfordring også i denne masteroppgaven. Imidlertid tar ikke Almås m.fl. (2019) hensyn til problemet med endogenitet av egen utdanning, som derimot gjøres i denne analysen ved bruk av instrumentvariable for utdanningsvalg.

3 Teoretisk modell

I denne delen blir det redegjort for den teoretiske modellen som illustrerer de komplekse kausale sammenhengene mellom en kvinnes utdanning og ekteskapsutfall. Modellen bygger på arbeidet til Lefgren og McIntyre (2006). Den er et godt utgangspunkt for å beskrive de metodemessige utfordringene som ligger til grunn i estimeringen av forskningsspørsmålene som blir stilt i denne masteroppgaven: Hvordan påvirker utdanning sannsynligheten for å bli gift, effekten på husholdningsinntekt, og effekten på partners inntekt? I den forlengelse legitimeres bruken av instrumentvariabler og bruk av proxy som metode. Modellen illustrerer hvordan kvinner fatter utdanningsvalg på bakgrunn av forventninger om avkastning i arbeids- og ekteskapsmarkedet, og hvilke faktorer som inngår i beslutningsprosessen.

3.1 Hvilke faktorer er avgjørende for utdanningsvalget til en kvinne?

Modellen teoretiserer beslutningen om å investere i utdanning for en kvinne, en beslutning som blir fattet på bakgrunn av forventet avkastning i arbeids- og ekteskapsmarkedet. Den illustrerer hvordan utdanning påvirker sannsynligheten for å bli gift, men at totaleffekten av utdanning på ekteskapsutfall ikke er entydig, og utfallet er dermed usikkert.

Modellen består av to perioder, hvor det i hver periode fattes én beslutning. I den første perioden fattes beslutningen om utdanningsnivå, og i periode to står valget om å inngå partnerskap eller ikke. Beslutningen om utdanningsnivå blir fattet på bakgrunn av en

kostnadsfunksjon 𝐶(𝐸_𝑖, 𝜃). Denne avhenger av utdanningsnivå 𝐸_𝑖 til individ 𝑖 , og 𝜃 som en vektor for ulike kostnadsdrivere, eksempelvis egne evner og reisekostnad.

Kostnadsfunksjonen er økende i utdanningsnivå, og avtakende i avstand til

utdanningsinstitusjonene¹⁶. Høye evner reduserer kostnadene ved utdanning, samtidig øker de alternativkostnaden ved utdanning. Lefgren og McIntyre (2006) argumenterer for at vakkert ytre og sosial intelligens reduserer insentivene for å investere i utdanning, fordi de bidrar til å

16 Dette er i tråd med øvrig litteratur; høy intelligens reduserer kostnadene ved utdanning, og vise versa.

15

øke forventet avkastning i ekteskapsmarkedet. I periode to realiseres investeringen gjennom utbetaling av lønn, på bakgrunn av utdanningsnivå. Lønnsfunksjonen 𝑌_𝑖(𝐸_𝑖, 𝛼), avhenger av utdanningsnivå valgt i den forutgående perioden, og 𝛼, som fanger opp andre forhold som påvirker inntekt, eksempelvis arbeidsledighet. Livstidsnytten av egen utdanning, forut for valget om partnerinngåelse, kan dermed representeres gjennom den konkave funksjonen:

𝑈[𝑌_𝑖 (𝐸_𝑖, 𝛼)] − 𝐶 (𝐸, 𝜃) (3.1)

Som nevnt innledningsvis, står kvinnen i periode to overfor et valg om å inngå partnerskap eller ikke. Beslutningen om partnerinngåelse blir fattet på bakgrunn av et tilfeldig trekk gjort fra en tenkt fordeling av ektemenn. Ved tidspunktet for beslutningen om partnerinngåelse er kvinnen kjent med mannens utdanningsnivå 𝐸_𝑗, og noen observerbare karakteristikker 𝛾 som utseende og familiebakgrunn. Inntekten til mannen avhenger, i tillegg til 𝐸_𝑗 og 𝛾, også av noen uobserverbare karakteristikker 𝜂, som påvirker kvalitetene til mannen. Dersom kvinnen velger partnerinngåelse følger det at inntektene blir delt innad i husholdningen gjennom en fordelingsnøkkel 𝜔 ∈ (0,1)¹⁷. Livstidsnytten som følge av partnerskapsinngåelse, kan dermed representeres gjennom ligning (3.2). Ligningen viser den samlede nytten av egen inntekt og partners inntekt, hensyntatt at begges inntekt deles likt, fratrukket kostnadene knyttet til egen utdanning:

𝑈[(𝑌_𝑖 (𝐸_𝑖, 𝛼) + 𝐻(𝐸_𝑗, 𝛾, 𝜂))𝜔] − 𝐶 (𝐸_𝑖, 𝜃) (3.2)

Partnerinngåelse finner sted dersom den maksimerte livstidsnytten ved partnerskap overgår livstidsnytten ved å forbli singel. For høyt utdannede kvinner må mannens kvaliteter matche eller overgå kvinnens egne inntekter for at kvinnen skal nyttiggjøre seg av partnerskapet¹⁸. En implikasjon av dette er at høyere utdannede kvinner må risikere å bruke lengre tid for å finne en match (Oppenheimer, 1988). Samtidig er det årsaker til å tro at høyt og lavere utdannede

17 For enkelthetens skyld, vil det i estimeringen antas det at lik fordeling av inntekter innad i husholdningene, uavhengig av forskjeller i inntekt. For ytterligere innsikt se “Economies of Scale in Consumption- in theory and evidence” (Nelson, 1988).

18 Denne bemerkningen er forenlig med empiriske funn bl.a. i Gensowski (2018). Hun finner at avkastning av utdanning for høyt utdannede kvinner med mastergrad i ekteskapsmarkedet var negativ. Årsaken var at med fallende sannsynlighet for å bli gift, forble disse kvinnene selvstendige, og single.

16

kvinner ikke nødvendigvis finner en partner fra den samme fordelingen av menn. Gitt beslutningsregel (3.3) vil en kvinne ønske å maksimere forventet livsnytte ved å velge et utdanningsnivå i periode 1 som løser maksimeringsproblemet:

𝐻(𝐸_𝑗, 𝛾, 𝜂) >1 − 𝜔

𝜔 𝑌_𝑖 (𝐸_𝑖, 𝛼) (3.3)

Ligningen (3.3) kan beskrives som en beslutningsregel. Den viser hvordan avkastning av utdanning innen ekteskapsmarkedet avhenger av investeringene i utdanning gjort av begge parter forut for partnerskapet. Avkastningen avhenger videre av hvordan inntekten blir fordelt innad i husholdningen. En kvinne vil på bakgrunn av beslutningsregel (3.3) ønske å tilpasse sin investering i utdanning ved å maksimere følgende problem:

max𝐸𝑖

𝐹 {max{𝑈[(𝑌_𝑖(𝐸_𝑖, 𝛼) + 𝐻(𝐸_𝑗, 𝛾, 𝜂))𝜔], 𝑈[𝑌_𝑖 (𝐸, 𝛼)]} − 𝐶(𝐸, 𝜃) } (3.4)

Løsningen på problemet vil avhenge av fem variabler: 𝐸_𝑖^∗ = 𝑓(𝜔, 𝛼, 𝜃, 𝛾, 𝐹_𝜂)¹⁹.

Fordi ektefeller ikke har anledning til å koordinere utdanningsvalgene sine, beslutter de investering i egen utdanning på bakgrunn av sin forventede avkastning i arbeids- og ekteskapsmarkedet, i tillegg til kostnadene utdanningen påfører dem. Videre avhenger utdanningsnivået av observerbare og uobserverbare variabler og karakteristikker.

For å forenkle modellen er det hensiktsmessig å anta at inntektsfunksjonene 𝐻_𝑗 og 𝑌_𝑖 og er tilnærmet separable og lineære i egenskapene. Av den grunn kan de omskrives til 𝐻_𝑗 =

𝛿_𝐻𝐸_𝑗+ 𝛾 + 𝜂 og 𝑌_𝑖 = 𝛿_𝑌𝐸_𝑖+ 𝛼 . Variablene 𝛿_𝑌 og 𝛿_𝐻 representerer den lineære effekten av utdanning på egen og ektefellens inntekt. Ved å utnytte dette kan (3.3) skrives om til:

𝜂 > −𝛾 +1 − 𝜔

𝑤 𝛼 + (1 − 𝜔

𝜔 𝛿_𝑌− 𝛿_𝐻) 𝐸_𝑖(𝜔, 𝛼, 𝜃, 𝛾, 𝐹_𝜂) (3.5)

19 Sistnevnte 𝐹_𝜂 representerer fordelingen av ukjente variabler som påvirker ektemannens kvaliteter.

17

Dersom fordelingen av ektemenn antas symmetrisk, vil sannsynligheten for at en kvinne blir gift fremkomme av ligning (3.6)

𝑃(𝐺𝑖𝑓𝑡) = 𝐹_𝜂[𝛾 −1 − 𝜔

𝑤 𝛼 + (𝛿_𝐻 −1 − 𝜔

𝜔 𝛿_𝑌) 𝐸_𝑖(𝜔, 𝛼, 𝜃, 𝛾, 𝐹_𝜂) ] (3.6)

Ved å derivere (3.6) med hensyn på utdanning kommer følgende uttrykk frem:

𝑃(𝐺𝑖𝑓𝑡) = 𝑓_𝜂(𝛿_𝐻 −1 − 𝜔

𝜔 𝛿_𝑌) (3.7)

Sannsynligheten for å bli gift avhenger av 𝑓_𝜂 som er den deriverte til inntektsfordelingen for menn, kvinnens og mannens inntekter og inntektsfordelingen. Fordi utdanning påvirker den sosiale sfæren til kvinnen, vil utdanningen øke tilgjengeligheten av menn som befinner seg lengre opp i inntektsfordelingen 𝐹_𝜂. Som følge av at mannens kvalitet er stigende i inntekt vil høyere utdanning føre til at kvinner har bedret tilgang til menn av høyere kvalitet. Høyere utdanning taler dermed for at høyt utdannende kvinner har større sannsynlighet for å bli gift sammenlignet med lavere utdannede kvinner.

Samtidig vil utdanning bedre arbeidsmarkedsutsiktene til en kvinne, og øke egen inntekt, men enhver inntektsøkning må deles innad i husholdningen. Det taler for at høyt utdannede

kvinners sannsynlighet for å bli gift er lavere enn for kvinner med mindre utdanning. Hvilken av de to effektene som er dominerende er ikke entydig, og det gjør at totaleffekten avhenger av hvilken effekt som dominerer.

Foruten å bemerke de mange faktorene som påvirker beslutningen om utdanningsnivå

fremkommer det også gjennom modellen hvilke variabler som inngår i estimeringen av (3.6).

I den forlengelse trer identifiseringsproblemene knyttet til estimeringen frem i lyset:

Resultatene vil avhenge av hvorvidt utdanningsvariabelen anvendt i estimeringen, er «fullført utdanning ved ekteskapsinngåelse», eller «utdanning totalt sett ervervet gjennom livet²⁰, såkalt «timing bias». Fordi utdanning ervervet i etterkant sannsynligvis påvirker inntekten på en annen måte enn utdanning ervervet i forkant gjør. Videre vil utdanning tatt i etterkant av

20 Her inngår utdanning tatt i etterkant av ekteskapsinngåelse.

18

ekteskapsinngåelse med stor sannsynlighet gi lønnseffekter som innehar kryssproduktiviteter (Lefgren og McIntyre, 2006). Av (3.6) fremkommer det også at inntekten til ektefelle er betinget på ekteskap. Dersom utdanning øker tilgjengeligheten en kvinne har av menn med høyere kvaliteter, vil utdanningen hennes være en funksjon av mannens kvaliteter. Det vil i analysen resultere i at estimeringen innehar seleksjonsskjevheter, og at sammenhengen ikke kan tolkes som kausal (Lefgren og McIntyre, 2006, s. 825-826). Skjevhetene henger sammen med de to motstridende effektene beskrevet tidligere i avsnittet. Høyt utdannede kvinner vil behøve en høyt utdannet partner for å nyttiggjøre seg av partnerskapet som følge av at hennes egne inntekter må deles likt innad i husholdningen. Dette er en mindre aktuell problemstilling for kvinnene med marginale ekteskapsutsikter, og disse vil finne det lønnsomt å gifte seg. Det resulterer i at gjennomsnittsinntekten til partnere for høyt utdannede kvinner blir redusert, og ved estimering vil effekten av en kvinnes utdanning på partners inntekt bli underestimert (Lefgren og McIntyre, 2006). Til sist, og som følge av at beslutningen om utdanningsnivå vanligvis fattes forut for både arbeidsmarkedsrealiseringer og familiedannelse (Lefgren og McIntyre, 2006) åpner det for endogenitet i utdanningsvalg. Det innebærer at kvinnene som velger et høyere utdanningsnivå sannsynligvis skiller seg ut fra kvinnene som ikke velger å ta mer utdanning, i form av realiseringer i ekteskapsmarkedet. Ved estimering vil det oppstå skjevheter dersom denne engodenitet ikke blir adressert. Rent matematisk oppstår skjevheten ved at utdanningsvariabelen vil korrelere med eksempelvis 𝛼, 𝜂, 𝜃 og 𝛾.

Uten tilstrekkelige kontrollvariabler vil effekten av utdanning på en kvinnes ekteskapsutfall inneha skjevheter, og resultatene vil ikke ha en kausal tolkning. Dette gjelder for

ekteskapsutfall som blir estimert i analysen, og inkluderer sannsynligheten for å bli gift, effekten på partners inntekt, og inntekt til husholdningen. Problemet knyttet til endogenitet i utdanning blir løst ved å anvende instrumentvariabler som skaper en eksogen variasjon i utdanningsvariabelen. Instrumentet anvendt i denne masteroppgaven er utdanningsreformer.

Fordi reformene påvirket utdanningsnivået til både kvinner og menn vil ikke

eksklusjonskriteriet for instrumentene holde i forskningsspørsmålene som handler om

effekten av en kvinnes utdanning på ektefellens inntekt. Dette problemet blir løst ved å bruke inntekten til ektefelles foreldre som proxy for ektefelles inntektspotensial, slik at det kan argumenteres for at eksklusjonskriteriet holder.

19

4 Data og empirisk identifiseringsstrategi

4.1 Data

Datagrunnlaget som anvendes i denne masteroppgaven er paneldata tilgjengeliggjort av Statistisk sentralbyrå (fra nå av SSB). Dataene inneholder opplysninger om norske kvinner og menn, født og bosatt i Norge i perioden 1947 til 1976, og inkluderer informasjon om

utdannings- og inntektsnivå, familiebakgrunn, og informasjon om bo- og oppvekstkommune fra 1967 til 2018. Ved å koble disse dataene med familie- og husholdningsdata, gjør unike ektefelle- og samboernummer det mulig å koble hvem som står registrert som ektefelle og samboer, samt hvilke svigerforeldre partner måtte ha. Dermed har man inntektsopplysninger om både hovedpersonen og ektefellen, og i den forlengelse opplysninger om

husholdningsinntekt og svigerforeldres inntekt. I tillegg har man opplysninger om når ekteskaps- og partnerskapsinngåelsen fant sted, og det er kun første registrerte ektefelle og samboer med felles barn som blir inkludere i datasettet. For å forenkle analysen blir kun første registrerte partner eller ektefelle anvendt i estimeringene.

De endelige dataene som blir anvendt består av to datasett. Det er ett for kvinner og ett for menn, som totalt sett inkluderer 1.620.269 individer. Datasettet for lønnshistorikken til kvinner er mer mangelfull enn historikken til menn, og gjenspeiler den lavere

yrkesdeltakelsen for tidligere kohorter. Dataene reflekterer hvordan utdanningsreformene økte utdanningsnivået og yrkesdeltakelsen særlig for kvinner. Det er verdt å bemerke at mer

mangelfull lønnshistorikk kan føre til at de empiriske sammenligningene mellom kvinner og menn blir tolket på et dårligere grunnlag. For å dempe på disse utfordringene benyttes et mål på årslønn, og individer uten arbeid eller lønn inkluderes i analysen med null inntekt.

Lønnsopplysningene som blir anvendt er pensjonsgivende inntekt. Disse opplysningene er unike i den forstand at de inneholder inntektsopplysninger for hele karrierer. Fordi årlig inntekt varierer mye gjennom livsløpet, blir livstidsinntekt anvendt som avhengig variabel.

Det bidrar til å redusere målefeil og øker presisjonen i estimatene. Livstidsinntekten blir målt fra alder 15 til 62. Lønnsopplysningene er fulltallige for individer fra alder 15 til 42. For de senere kohortene der inntektshistorikken mangler blir inntekten satt manglende, slik at

livstidsinntekt er målt over færre år enn 15 til 62 for disse²¹. Dette blir ikke ansett å utgjøre et stort problem for de endelige resultatene.

21 Inntekt i alderen 15-51 er fullstendig for alle individer født mellom 1947 – 1976.

20

Informasjon om utdanningsvariabelen blir fortløpende rapportert inn til SSB, og graden av målefeil antas dermed å være minimal. I estimeringene er interessevariabelen «antall års fullført utdanning». Et poeng verdt å bemerke, er at effekten av utdanning i estimeringene antas å være lineær. Det innebærer at ett ekstra år i barneskolen, har tilsvarende effekt som ett ekstra år på universitet. Det gjør at estimeringene ikke fanger opp gradseffekten av utdanning ved at det i estimeringen ikke skilles på forskjeller mellom å oppnå en grad, versus å ha tilsvarende års utdanningslengde²².

I estimeringene instrumenteres utdanningsvariabelen med de tre instrumentvariablene: i) eksponering for grunnskolereform, ii) tilgang til videregående skole i oppvekstkommune ved alder 16 og iii) tilgang til høyskole eller universitet i oppvekstkommune ved alder 16.

Informasjon om kommunenes implementering, og dertil individenes eksponering av reformene, kommer frem fra opplysningene i filene om bo- og oppvekstkommune.

Instrumentene som anvendes er de samme som instrumentene brukt i Sundberg (2018), mens Bhuller m.fl. (2017) og en rekke andre studier har brukt grunnskolereform som instrument.

Kommune- og kohortfaste effekter inkluderes også i analysen. Informasjon om den lokale arbeidsmarkedssituasjon og arbeidsledighet i kommunene, samt spesifikke opplysninger om kohortene, eksempelvis størrelse, fremkommer av dataene i bo- og oppvekstfilene. Ved å inkludere disse i estimeringene er det mulig å kontrollere for forskjeller i kohort og kommune, som skyldes store årskull, arbeidsledighet og konjunktursvingninger²³. På den måten

kontrollerer man for uobserverbar heterogenitet, som ellers ville bidratt til skjevestimeringer.

Kommunestrukturen har i likhet med det norske utdanningssystemet gjennomgått store endringer siden 1960. For konsistens i dataene er kommunestrukturen fra 2013 lagt til grunn for estimeringene, men de endringer, i form av sammenslåinger og oppdelinger som fant sted i perioden 1960-2013, er hensyntatt. På den måten er det 396 kommuner i estimeringene. For å ta høyde for heteroskedastisitet i variansen til restleddene, som innebærer at variansen varierer mellom forklaringsvariablene i estimeringene, blir det anvendt robuste standardfeil.

Disse er klynget på regionnivå, i tråd med regioninndelingen til Gundersen og Jukvam (2013).

De endelige datasettene gir et godt utgangspunkt for å undersøke hvordan utdanning påvirker sannsynligheten for å bli gift, og videre hvordan utdanning påvirker egen, husholdningens og partners inntekt. Kausale spørsmål om hvordan utdanning påvirker valg av partner, trenger

22 På engelske kjent som «sheepskin effect» (Hungerford og Solon, 1987).

23 Dette er i tråd med Lemieux (2006) som påpeker nødvendigheten av å inkludere kohort-faste effekter, nettopp for å kontrollere at disse effektene kan ha stor betydning for svingninger i arbeidstilbudet.

21

instrumenter som er individspesifikke og som utelukker endogenitet og seleksjonsproblemer.

I rammeverket rundt instrumentvariabelmetoden legges det i dette arbeidet til grunn antagelser om konstante, homogene og lineære effekter, og av den grunn vil det foreligge linearitet i utdanning ved estimering.

4.2 Instrumentvariabel og proxy

Endogeniteten utgjør det største problemet²⁴ ved estimering i OLS, og stammer fra det som innen økonomien blir kalt seleksjonsskjevhet. Det er et klassisk estimeringsproblem ved at forskjeller mellom individer er et resultat av observerbare og ikke observerbare

karakteristikker. Manglende tallfestingsgrunnlag fører til at estimering ved regresjon skjevestimerer effekten av utdanning.

Det er en stor og bekreftende litteratur som beskriver problemene med å fremskaffe den kausale effekten av utdanning ved bruk av OLS (Card, 2001; Griliches, 1977; Hansen og Wahlberg, 2005; Hansen, 2010). Endogenitet ved utdanning innebærer blant annet at

individer som tar høyere utdanning er forventet å ha andre realiseringer i ekteskapsmarkedet enn dem som ikke tar høyere utdanning. Forskjellen kan tilskrives både observerbare og uobserverbare karakteristikker. Observerbare karakteristikker som sosial bakgrunn, nærhet til utdanningsinstitusjoner og kjønn er mulig å inkludere og kontrollere for i OLS. Problemet oppstår med de uobserverbare karakteristikkene. Evner, utholdenhet og preferanser er variabler det er problematisk å tallfeste, og dermed inkludere i estimeringen. Dersom disse karakteristikkene korrelerer positivt med både inntekt og utdanningsnivå, vil utdanningsnivå og restleddet korrelere i en regresjonsanalyse. Resultatet er at OLS overestimerer

utdanningens effekt på inntekt, og estimatene vil inneholde skjevheter og ikke ha en kausal tolkning. Dette er i tråd med Willis og Rosen (1979), som påpeker at individer er kjent med egne evner, og de med høy potensiell avkastning av utdanning vil velge lengre utdanninger.

Evnerike individer antas å ha lavere marginalkostnad knyttet til utdanning, hvilket taler for at de tar mer utdanning. Høye evner gir også en motstridende effekt, ved at de øker

alternativkostnaden ved utdanning. Dersom det er tilfellet, vil OLS-estimatet underestimere effekten av utdanning på inntekt (Griliches, 1977).

24 . Måle- og registreringsfeil vil i liten grad utgjøre et problem, da dataene benyttet i analysen er hentet fra Statistisk sentralbyrå.

22

Endogenitet kan også stamme fra ulike diskonteringsrater hos individer. Diskonteringsratene viser hvor mye individet verdsetter inntekt i dag i forhold til fremtidige inntekter. Disse ratene inngår i beslutningen om utdanningsnivå, er vanskelige å tallfeste, og dermed inkludere i estimeringen. Dersom diskonteringsratene korrelerer med evner, vil estimatet bli skjevt (Card, 1994). Hovedutfordringen ved OLS er å kontrollere for uobserverbare karakteristikker, som evner og diskonteringsrater som inngår i individets beslutning om å ta utdanning. Dersom disse blir utelatt, bidrar det til skjevestimeringer. Til tross for dette vil estimatene likefult kunne illustrere den sterke korrelasjonen mellom de aktuelle variablene (Lefgren og McIntyre, 2006).

For å estimere den kausale effekten av ett års ekstra utdanning på ekteskapsutfall²⁵ for kvinner, er det derfor nødvendig å adressere endogenitetsproblemet. IV estimert med totrinns minste kvadraters metode (2SLS) er anvendelig nettopp når interessevariabelen korrelerer med restleddet i en regresjon. 2SLS utnytter den eksogene variasjonen instrumentene skaper i utdanningsvariabelen som ikke skyldes forskjeller i evner eller diskonteringsrater, men som kan tilskrives faktorer utenfor individets påvirkning. Utdanningsreformene bidrar til å skape en setting som kan minne om naturlige eksperimenter. Resultatene som fremkommer av IV kan beskrives som kausale under gitte forutsetninger og dertil hørende tolkninger.

4.3 Effekten av utdanning på sannsynligheten for å bli gift

Den empiriske modellen består av et sett med to ligninger. Ligningssystemet (2SLS) som estimeres utnytter samme reformer som instrumenter for utdanningsvariabelen, som anvendt i Bhuller m.fl. (2017) og Sundberg (2018), og er av formen:

Μ_𝑖𝑎 = 𝛽_𝑎^𝑀Ε_𝑖 + 𝑑_𝑐𝛾_𝑎𝑐 + 𝑑_𝑚𝛿_𝑎𝑚+ 𝜀_𝑖𝑎 (4.1)

Ε_𝑖 = 𝛼𝑍₁+ 𝜌𝑍₂+ 𝜑𝑍₃+ 𝑑_𝑐𝜇_𝐶 + 𝑑_𝑚𝜏_m+ 𝑢_𝑖 (4.2)

Førstesteget i den empiriske modellen er representert ved ligning (4.2), og viser hvordan instrumentene påvirker utdanning. Den avhengige variabelen Ε_𝑖 indikerer antall års utdanning

25 Ekteskapsutfall brukes i denne sammenhengen som en samlebetegnelse på de avhengige variablene som fremkommer ved estimering: Sannsynligheten for å bli gift, egen, partners og husholdningens inntekt.