Arbetsmarknadspolitiska insatser för kvinnor och män Hur effektiva

Arbetsmarknadspolitiska insatser för kvinnor
och män
Hur effektiva är programinsatser utifrån ett
könsperspektiv? Några aspekter
Jonas Månsson
Linnéuniversitetet
Rapporten –allmänt
Metoden som används är relativt standard inom praktisk utvärdering och tillämpad
på ett vad jag kan se rimligt sätt
Ett viktigt bidrag är att författaren försöker att hantera ‘synlig’ graviditet.
– För arbetsgivaren signalerar det hög ’risk’ för föräldraledighet
– Studien visar att så inte är fallet, dvs. ‘synlig’ graviditet har liten påverkan
på möjligheterna att få jobb.
Vad har vi lärt oss av rapporten
•
Det verkar gå lika bra för män som kvinnor
•
Att det potentiellt signaleras om kommande föräldraledighet verkar inte heller
det ha någon större betydelse
•
Slutsats: Det där med kön verkar inte vara något problem som AF särskilt
behöver beakta
Förtydligande av resultat
Vad innebär en negative effekt?
Effekter av att delta i Arbetsmarknadsutbildning
Jämförelse baserad på utfall ett år efter programstart
Personer med barn under 4 år året efter exkluderas
.55
Arbete med eller utan stöd (inkl nystartsjobb)
-.05
-.05
.05
.05
.15
.15
.25
.25
.35
.35
.45
.45
.55
Arbete utan stöd samt nystartsjobb
1998 2000 2002 2004 2006 2008 2010 2012
tid
Kvinnor
Män
1998 2000 2002 2004 2006 2008 2010 2012
tid
Kvinnor
Endast personer som motsvarar avgränsningen i Arbetsmarknadsrapporten inkluderade
Män
Problematisering av resultaten
•
•
Metodologiska frågor.
Att jämföra olika program och att ta till sig erfarenheter från andra länder.
Metodologiska frågor
I rapporten används en metod som kallas propensity score matching
Ett försök till förklaring och problematisering
– Utfall av en insats (hur många fick jobb) = selektion + programeffekt 
– Programeffekt = utfall – selektion
– Om det inte finns någon selektion, exempelvis vid slumpmässig tilldelning
av programdeltagande => Programeffekt = Utfall
Selektion = självselektion (vad vi själva föredrar) + administrativ selektion (ex.
arbetsförmedlarnas kunskap att placera en individ i rätt program)
Administrativ selektion – är det så att män och kvinnor placeras i olika program
av arbetsförmedlarna? (Segregering)
Självselektion – egenskaper som påverkar vilket program den arbetslöse söker sig
till.
Utmaningen för Propsensity score matching är att kunna modellera selektionen
och sedan finna en uppsättning individer som deltagit och en uppsättning
individer som ej har deltagit som har samma (modellmässiga) sannolikhet att
vara deltagare.
Om ansatsen fungerar får vi två grupper, deltagare och icke deltagare, som initialt
hade samma sannolikhet att vara deltagare  samma som randomiserade
experiment
Vad vill jag komma…
Prop. Score bygger på att man klarar av att modellera selektionen
Den är olika för olika program
– Exempelvis så är sannolikheten att starta eget betydligt större om
föräldrarna varit egenföretagare. Ett faktum är också att män är klart
överrepresenterade när det gäller att starta eget
Fråga: Hur har detta hanterats i skattningarna?
Potentiell jämförelsegrupp av icke deltagare är ej
självklar
I rapporten jämförs en deltagande kvinna och man mot genomsnitt av andra icke
deltagare, men könsdimensionen kan fångas på andra sätt:
Kvinna deltagare vs. kvinna icke deltagare
Kvinna deltagare vs. man deltagare
Kvinna deltagare vs. genomsnitt av andra deltagare
Kvinna deltagare vs. man icke deltagare
Att jämföra olika program och att ta till sig erfarenheter
från andra länder – några generella reflektioner
Vad är ett ’lyckat utfall’ av en arbetsmarknadspolitisk insats?
– Riksrevisionen = fått heltidsjobb på den öppna arbetsmarknaden eller gått till
studier
– AF = Riksrevisionen + lite annat
– I Nederländerna skulle exkludering av deltidsarbetssysselsatta (från 100% alös
-> <100%) från lyckat utfall ses som obegripligt, medan subventionerade
anställningar troligen inte skulle vara med.
Problemet är att hur ett lyckat utfall definieras kan en ganska stor påverkan på
effektestimaten (Månsson & Lundin, 2015)
Olika definition av ’lyckat utfall’ för olika program?
– SNV troligen rätt oproblematiskt – de får ju jobb i sitt eget företag
– Arbetspraktik – troligen liten andel som går till jobb, men väl till
subventionerade anställningar
– Arbetsmarknadsutbildning – vet ej
Resultat av Arbetsmarknadspolitiskaprogram
•
•
En utmaning inte bara för denna rapport utanför hela arbetsmarknadsområdet
är att enas om något lämpligt utfallsmått.
Inkomster kan vara ett sådant
Slutord
Varför är det viktigt att titta på olika grupper?
•
Alla ska ha rätt till samma behandling utan hänsyn till exempelvis kön,
ursprungsland etc. eller alla ska ha rätt till det som är effektivast.
•
Det förekommer olika typer av mekanismer som skapar skillnader i chansen
att få ett jobb
– Diskriminering
– Segregering
 olika typer av insatser kan vara olika effektiva för olika grupper (Relativa
effekter)
•
Kunskap om hur stora dessa eventuella skillnader är när det gäller chansen att
få jobb är viktiga för en lyckad arbetsmarknadspolitik.
•
Samtidigt är det naturligtvis viktigt att jobba mot diskriminering och
segregering
Rekommendationer
Rapporten är viktig i den meningen att det lyfter frågan om heterogenitet
Utveckla selektionsmodellerna. Kartlägg mekanismer och handlingsmönster hos
både individ och arbetsförmedlare inför programbeslut. Det är viktigare med
en så hög intern validitet som möjligt.
Relativa effekter borde vara intressant att studera.
Bestäm utfallsmått - borde vara EU standard!
Könsdimensionen är en heterogenitetsfaktor. Liknande upplägg bör kunna
tillämpas på andra ’grupper’: utländskbakgrund, regionala skillnader,
åldersgrupper (+55)..…