MATCHNINGSPROCESSEN PÅ DEN SVENSKA ARBETSMARKNADEN: VAD KÄNNETECKNAR DE ARBETSLÖSA INDIVIDER SOM INTE KAN BEHÅLLA EN ANSTÄLLNING? Sven-Olov Daunfeldt∗ och Elina Fergin-Wennberg** HUI Research, Regeringsgatan 60, SE-103 29 Stockholm; Högskolan Dalarna, Akademin för industri och samhälle, Falun. E-mail: [email protected] ** HUI Research, Regeringsgatan 60, SE-103 29 Stockholm; Örebro Universitet, Nationalekonomiska institutionen, Örebro. E-mail: [email protected] ∗ 1 INNEHÅLLSFÖRTECKNING SAMMANFATTNING ............................................................................................................................... 3 1. INLEDNING ............................................................................................................................................ 5 2. TEORETISK BAKGRUND ................................................................................................................... 7 2.1 Matchning och utbildningens betydelse .......................................................................................... 7 2.2. Nätverk, informell rekrytering och diskriminering ...................................................................... 8 2.3 Företags-, bransch- och regionspecifika faktorer......................................................................... 11 3. DATA OCH DESKRIPTIV STATISTIK ........................................................................................... 13 3.1 Data ................................................................................................................................................... 13 3.2 Variabelbeskrivningar .................................................................................................................... 14 3.3 Sysselsättningsstatus året efter att en arbetslös individ fått en anställning ............................... 17 4. VAL AV EMPIRISK MODELL .......................................................................................................... 21 5. RESULTAT ........................................................................................................................................... 23 6. AVSLUTANDE DISKUSSION ............................................................................................................ 34 REFERENSER .......................................................................................................................................... 36 APPENDIX ................................................................................................................................................ 39 2 SAMMANFATTNING Syftet med vår studie är att kartlägga vad det är som kännetecknar de individer som har svårt att etablera sig på den svenska arbetsmarknaden, samt vad som karakteriserar de företag där dessa individer anställs. Analysen grundar sig på matchade individ- och företagsdata från Statistiska Centralbyrån (SCB). Ett bidrag med studien är att vi specifikt studerar de arbetstagare som står närmast arbetsmarknaden, men som har problem med att få en varaktig sysselsättning. Mycket uppmärksamhet riktas idag mot de individer som står längst bort från att etablera sig på arbetsmarknaden, till exempel långtidsarbetslösa och sjukskrivna. Men för att dessa individer ska kunna få ett arbete behöver ofta de som står närmare arbetsmarknaden först få en anställning. Detta implicerar att en politik som riktas mot denna grupp sannolikt är mer effektiv för att minska arbetslösheten samt utanförskapet, och att vi därför behöver veta mer om vad det är som karakteriserar den grupp av individer som står nära arbetsmarknaden men har problem med att få en varaktig anställning. I rapporten presenteras en rad teorier som utgår från att matchningsprocessen på arbetsmarknaden kännetecknas av asymmetrisk information, sökkostnader samt olika typer av transaktionskostnader vid anställning. Dessa teorier implicerar bland annat att vissa grupper av individer, såsom lågutbildade och utrikes födda, kommer att ha större problem med att etablera sig på arbetsmarknaden än andra grupper av individer. I syfte att studera vad det är som karakteriserar de arbetslösa individer som får ett arbete, men har problem med att behålla anställningen, estimerar vi en Negativ binomial-modell där antalet kommande dagar i arbetslöshet för denna grupp av individer är vår studerade utfallsvariabel. Sammanfattningsvis visar resultaten i rapporten att: • De arbetslösa individer som har en högre utbildning har lägre sannolikhet att återigen bli arbetslösa om de får ett arbete. Arbetslösa som färdigställt universitets- eller högskoleutbildning har i genomsnitt cirka 16 färre dagar i arbetslöshet året efter att de fått en anställning jämfört med de som enbart färdigställt grundskolan. Effekten av utbildningsinriktning är inte lika stark, även om resultaten indikerar att de individer som har en utbildning inriktad mot humaniora och konst har svårare att få fäste på den svenska arbetsmarknaden. • Utrikes födda har betydligt svårare att behålla ett arbete jämfört med inrikes födda, även efter det att vi kontrollerat för ålder, utbildning, kön, branschtillhörighet etc. Resultaten indikerar bland annat att de arbetslösa individer som är födda i Afrika i genomsnitt har cirka tio fler arbetslöshetsdagar året efter att de fått ett arbete jämfört med en individ som är född i Sverige. Även de individer som är födda i Asien, Sydamerika och i Europa (utanför EU) har signifikant fler arbetslöshetsdagar kommande år jämfört med motsvarande grupp av inrikes födda. • Hur många kommande arbetslöshetsdagar de tidigare arbetslösa individerna uppvisar påverkas i stor utsträckning av i vilken bransch de får ett arbete. Enligt de presenterade resultaten är sannolikheten att återigen bli arbetslös större om individen får ett arbete 3 i de offentligt dominerade verksamheterna, såsom utbildningssektorn samt hälso- och sjukvårdssektorn. En arbetslös individ som anställs inom utbildningsväsendet har exempelvis hela 29 fler arbetslöshetsdagar under ett år. Personer som anställs inom hälso- och sjukvårdssektorn, jämfört med de som anställs inom tillverkningsindustrin, har i genomsnitt 22 fler arbetslöshetsdagar året efter att de registrerats som sysselsatta. Vi kan även observera att de arbetslösa individer som får arbete inom jord- och skogsbruksindustrin, besöksnäringen och detaljhandeln har signifikant fler arbetslöshetsdagar än de om får en anställning inom tillverkningsindustrin. • Arbetslösa individer i Stockholm som får ett arbete har betydligt färre kommande arbetslöshetsdagar än de arbetslösa individer som får arbete i mindre urbaniserade regioner. Arbetslösa individer som får ett arbete i Norrbottens län har exempelvis 19 fler arbetslöshetsdagar året efter att de fått en anställning jämfört med de arbetslösa individer som får ett arbete i Stockholms län. Detta indikerar att matchningsprocessen fungerar bättre i mer täta geografiska områden. • De arbetslösa individer som anställs i små företag har en större arbetslöshetsrisk jämfört med de som anställs i stora företag. Resultaten indikerar däremot att den relativa arbetslöshetsrisken för inrikes födda och utrikes födda inte är signifikant skild från varandra i de allra minsta företagen, medan nyanställda utrikes födda i stora företag har fler kommande arbetslöshetsdagar jämfört med inrikes födda i motsvarande situation. Sammanfattningsvis indikerar resultaten att det finns en mängd faktorer som kan förklara varför vissa individer har svårare att etablera sig på arbetsmarknaden, trots att de står relativt nära arbetsmarknaden. Detta implicerar att det behövs en rad olika åtgärder för att förbättra matchningen och därmed få de som står längre bort från arbetsmarknaden att komma närmare en anställning. Det kan handla om ökade drivkrafter och möjligheter att flytta till mer tättbefolkade regioner, samt åtgärder som syftar till att integrera utrikes födda mer med inrikes födda. De stora branschskillnaderna behöver också utredas närmare, framförallt svårigheterna att etablera sig i de branscher som är dominerade av offentliga aktörer. Det kan finnas stora samhällsekonomiska vinster om riktade åtgärder gentemot specifika branscher, antingen genom lagstiftning eller genom överenskommelser mellan fack och arbetsgivare, kan få de individer som har problem med att etablera sig på arbetsmarknaden att komma närmare en permanent position på arbetsmarknaden. 4 1. INLEDNING Sverige har, trots flera år av BNP-tillväxt, ökad sysselsättning och minskad statsskuld, en bestående hög arbetslöshet. Den senaste statistiken från Statistiska Centralbyrån (AKU, oktober 2015) visar att 348 800 personer i åldersintervallet 15– 74 år var utan arbete och att arbetslösheten uppgick till 6,7 procent av arbetskraften. En mer detaljerad analys av statistiken visar dock att vissa grupper av arbetstagare har större problem än andra att få arbete. Arbetslösheten bland ungdomar (15– 24 år) är exempelvis 17,9 procent. En annan grupp med höga arbetslöshetstal är de som är utrikes födda. Enligt den senaste statistiken från Statistiska Centralbyrån är arbetslösheten i denna grupp totalt (ålderskategori 15– 74 år) 15,9 procent, vilket är mer än tre gånger så mycket som arbetslösheten bland inrikes födda i samma ålderskategori (vilken är 4,5 procent). Ett problem är också att många av de som är arbetslösa har varit utan arbete under en längre tid. Ungdomar (15- 24 år) har generellt sett kortare arbetslöshetstider, men även i gruppen unga utan arbete har cirka 9,6 procent varit arbetslösa i mer än 27 veckor under oktober 2015. Långtidsarbetslösheten bland utrikes födda är ännu högre och uppgick i oktober 2015 till 28,6 procent av den totala arbetslösheten i gruppen (SCB, 2015). Detta är en problematisk situation eftersom det är välkänt att en hög bestående arbetslöshet kan leda till att individer permanent hamnar utanför arbetsmarknaden, med stora samhälleliga och sociala kostnader som följd (Atkinson m fl., 1986; Shields och Price, 2005). I den ekonomisk-politiska debatten och i forskningslitteraturen (se t ex Krueger och Mueller, 2011; Kroft m fl, 2013) har därför mycket fokus riktats mot de långtidsarbetslösa. I den senaste budgetpropositionen (Prop. 2014/15:1 Utgiftsområde 14, s. 20) påtalas det exempelvis att ”de arbetsmarknadspolitiska insatserna ska huvudsakligen riktas till dem med störst behov, dvs. de långtidsarbetslösa”. I budgetpropositionen presenterar också Sveriges regering ett antal förslag för att förbättra situationen för de arbetslösa som står allra längst från att varaktigt etablera sig på arbetsmarknaden. Regeringen vill exempelvis införa en 90-dagars jobbgaranti för unga, utbildningsinsatser för de ungdomar som inte har fullföljt en gymnasieutbildning och extratjänster inom välfärdssektorn för långtidsarbetslösa. Fokuseringen mot de som är längst bort från att få ett arbete har dock inneburit att mindre intresse har riktats mot den grupp av arbetslösa som står närmast arbetsmarknaden, det vill säga de individer som erbjuds arbeten ibland men som inte lyckas att långsiktigt etablera sig på arbetsmarknaden. Detta är något förvånande eftersom den här gruppen av arbetslösa är de som står ”först i kön” när företagen vill nyanställa, och därmed är de som på kort till medellång sikt kan bidra till att sänka arbetslösheten i Sverige. Om dessa individer kan etablera sig på arbetsmarknaden kommer också de som har större problem med att få ett arbete komma närmare möjligheten att erbjudas ett arbete. De tidigare studierna inom området är nästan uteslutande också fokuserade på vad det är som karakteriserar de individer som får arbete, medan mindre intresse har riktats mot vad som kännetecknar de företag som rekryterar de arbetslösa. Oyer och Schaefer (2010, s. 3) skriver exempelvis att: ”our critique of this hiring literature is that for the most part the firm is treated as a black box.” Detta kan utgöra ett problem eftersom vissa typer av företag och branscher kan vara mer betydelsefulla när det gäller att finna en stabil sysselsättning för de grupper av 5 arbetstagare som har problem med att etablera sig på arbetsmarknaden, exempelvis unga och utrikes födda. Om detta är fallet kan tidigare studier ha problem med utelämnande variabler, vilket kan leda till felaktiga tolkningar av resultaten. Vår studie bidrar till litteraturen genom att kartlägga dels vad det är som kännetecknar de individer som har svårt att ”få fäste” på den svenska arbetsmarknaden, samt vad som karakteriserar de företag som anställer dessa individer. Analysen grundar sig på matchade individ- och företagsdata från Statistiska Centralbyrån (SCB). Rapporten är disponerad på följande sätt. I nästa avsnitt beskrivs ett antal teorier som kan förklara varför vissa individer har större problem än andra att etablera sig på arbetsmarknaden. I avsnitt 3 beskrivs datamaterialet som ligger till grund för den empiriska analysen och de variabler som ingår i den empiriska analysen introduceras. I detta avsnitt presenteras också deskriptiv statistik över vad som kännetecknar de arbetslösa individer som har problem med att behålla en anställning. Den empiriska modell som används för att studera vad som kännetecknar de arbetslösa som har problem med att behålla ett arbete beskrivs i avsnitt 4. I avsnitt 5 presenterar vi sedan resultaten från vår analys och i det avslutande avsnittet sammanfattar och diskuterar vi resultaten, samt ger förslag till fortsatt forskning inom området. 6 2. TEORETISK BAKGRUND Varför har vissa individer svårare än andra att få fäste på arbetsmarknaden. Vad är det som karakteriserar de individer som går in och ut ur arbetslöshet? I detta avsnitt diskuterar vi olika teoretiska förklaringsansatser till dessa frågor i syfte att ge en teoretisk bakgrund till varför vissa individer har större problem än andra individer att etablera sig på arbetsmarknaden. Möjligheten för en arbetslös individ att få ett arbete, och sedan behålla det, beror i stor utsträckning på hur bra matchningen på arbetsmarknaden fungerar. De arbetslösa individerna är heterogena med avseende på exempelvis begåvning, skicklighet och motivation. Företagen har å andra sidan olika behov av dessa attribut och den bästa matchen mellan arbetstagare och arbetsgivare kan inte alltid ske. Matchningsproblemen på arbetsmarknaden kan förstås som en konsekvens av höga sökkostnader och asymmetrisk information (Mortensen och Pissarides, 1999). De arbetslösa individerna saknar information om lediga platser, medan arbetsgivaren saknar information om tillgängliga kandidater. Detta innebär att det kommer att ta tid för parterna på arbetsmarknaden att hitta varandra och sedan enas om en lön. Sökintensiteten för en individ kommer att styras av hur stort det individuella behovet av att hitta ett jobb är, det vill säga hur mycket individen är beredd att offra av sin fritid för att hitta ett jobb. Denna benägenhet att hitta ett jobb kommer att påverkas såväl av individens reservationslön (till vilken lön individen är beredd att lämna arbetslöshet för att ta ett jobb) som av det psykosociala behovet av att ha ett arbete (Nordenmark och Strandh, 1999)1. Arbetsgivarna tenderar att vara riskaversiva och vill minimera transaktionskostnaderna i samband med nyanställningar, medan de arbetssökande vill maximera sina chanser att få ett jobb. Det finns därmed incitament för både företag och arbetssökande att dölja fakta för att nå sina respektive mål. Informationen som är tillgänglig är således asymmetrisk, vilket skapar en risk för dålig matchning och felrekryteringar. Nedan beskrivs vad detta matchningsproblem teoretiskt kan få för konsekvenser beroende på den arbetssökandes utbildning, arbetslivserfarenhet, etnicitet, lokalisering etc. 2.1 Matchning och utbildningens betydelse Jovanovic (1979) visar hur matchningsproblem uppstår som en följd av att individer hamnar på ett jobb där deras produktivitet inte avspeglas i lönen. Enligt denna modellansats kommer individer att självselektera bort från jobb där deras produktivitet inte upplevs som tillräckligt hög, och välja att stanna på arbete där de är högproduktiva. Arbete ses i modellen som en ”erfarenhetsvara”, det vill säga som en vara som utvärderas efter att ha använts en tid. Detta innebär att ju längre en arbetstagare blir kvar på en arbetsplats, desto mindre är sannolikheten för avsked. Modellen förutsätter att en dålig matchning upptäcks på ett tidigt stadium och föranleder byte av jobb för den anställde. 1 Nordenmark och Strand (2014) visar i en rapport från IFAU på svenska data att höga reservationslöner minskar jobbchanserna för arbetslösa, dvs. arbetslösa med en hög reservationslön är mer selektiva vad det gäller jobb. Vidare är jobbchanserna större bland de som upplever ett stort psykosocialt behov av att ha ett arbete. 7 Matchningsproblem kan bero på en bristande matchning mellan nivå, eller typ av utbildning, och arbetsuppgifter. Denna förklaring till varför vissa individer har svårare att etablera sig på arbetsmarknaden utgår därmed från att individer sorteras i ett jobb som inte matchar hens produktivitet. Den anställde kan antingen ha en utbildning som inte är tillräcklig för arbetsuppgifterna som ska utföras eller vara överutbildad, det vill säga för kvalificerad för jobbet. Vissa författare hävdar att överutbildning har blivit allt vanligare (Leuven och Oosterbeek, 2001), och att det minskar såväl avkastningen på utbildning som trivseln på arbetsplatsen och ökar risken för uppsägning (Chevalier, 2003). Problemet kan även ha negativa samhällsekonomiska effekter eftersom de aktuella individernas kompetens kunde ha utnyttjats bättre på ett annat arbete. Detta implicerar att individer som har en utbildningsnivå som inte matchar arbetsuppgifterna sannolikt kommer att bli kortvarigare på arbetsplatsen jämfört med individer som har utbildning som bättre matchar arbetsuppgifterna. En viktig poäng i sammanhanget är att utbildning inte behöver likställas med kompetens (Allen och Van der Velden, 2001; Karlson, 2014). Överutbildade anställda behöver därför inte vara en tillgång. Intervjuer med företag i ett flertal olika branscher tyder på att det de saknar hos sina anställda inte är formell utbildning, utan snarare andra typer av kompetens, såsom gott omdöme och social förmåga (Wennberg m fl, 2013). Detta kan förklara varför högutbildade individer fastnar i arbetslöshet eller rör sig mellan kortare anställningar. Dessutom kan vissa typer av utbildning vara mindre efterfrågade än andra, vilket innebär att individer med utbildningar som inte är efterfrågade i samma utsträckning som andra utbildningar kommer att möta en högre arbetslöshetsrisk (Gottfries, 2010). Studier visar att efterfrågan på högre utbildning har ökat i de industrialiserade länderna, även för mindre kvalificerade arbeten. Detta innebär att individer utan högre utbildning kommer att ha mindre sysselsättningsalternativ (Oscarsson och Grannas, 2001), vilket bekräftas av Riddell och Song (2011) som finner att den högre utbildningen underlättar återanställning för arbetslösa individer. De ovanstående förklaringarna till varför vissa individer har det svårare att etablera sig på arbetsmarknaden är därmed också relaterade till hur väl utbildningssystemet förser arbetsmarknaden med de kunskaper som efterfrågas (Karlson och Skånberg, 2013). Om en stor andel individer är arbetslösa trots högre utbildning kan detta bero på att utbildningssystemet inte rustar individerna med efterfrågad kompetens, vilket bidrar till sämre matchning. 2.2. Nätverk, informell rekrytering och diskriminering I syfte att minimera sina sök- och informationskostnader rekryterar många arbetsgivare via sina befintliga nätverk (Calvó-Armengol, 2000; Loury, 2006). Detta innebär att individer som saknar nätverk riskerar att få det svårare att etablera sig på arbetsmarknaden. Denna utveckling är nära relaterad till Nobelpristagaren Oliver Williamsons (1979) beskrivning av transaktionskostnader som ekonomins motsvarighet till friktion. En transaktion är processen då en vara eller tjänst byter position på marknaden, men denna process kan vara mer eller mindre smidig beroende på under vilka förutsättningar transaktionen äger rum. Ju större hinder för att genomföra transaktionen desto större är kostnaderna för att genomföra transaktionen. Den ofullständiga informationen i samband med anställningar innebär att ett 8 rekryteringsbeslut är förknippade med en risk för arbetsgivaren. Företagaren kan inte på förhand säkerställa att den nyanställde i förhållande till sin lön kommer att bidra till företaget i tillräcklig stor utsträckning. Transaktionskostnaderna som är förknippade med anställningar, främst den tid som arbetsgivaren lägger ned på att söka information om den anställde, tenderar att öka om risken med att anställa är hög. Osäkerhet i det här sammanhanget handlar främst om individen är rätt person för den position som utlyses. I syfte att minska transaktionskostnaderna väljer därför många arbetsgivare att rekrytera arbetskraft via sina personliga nätverk (Loury, 2006), vilket också får till följdatt arbetstagarna via sitt nätverk får tillgång till information som gör det lättare för dem att få ett bestående arbete (Mouw, 2003). Genom kontakt, som i sin tur skapar kontrakt, minskar således de informella nätverken transaktionskostnaderna vid en anställning. Vidare fyller nätverken en kontrollfunktion – den anställde har incitament att inte missköta sig om arbetsgivaren är en del av det personliga nätverket. Den svenska arbetsmarknaden präglas i stor utsträckning av rekrytering via informella nätverk och personliga kontakter (Bethoui, 2008; Fergin m fl, 2013). Tidigare studier visar exempelvis att ungefär hälften av alla jobb tillsätts via kontakter (Ioannides och Loury, 2004, Loury, 2006). Hensvik och Nordström-Skans (2013) presenterar resultat som också indikerar att denna typ av kontakter är speciellt betydelsefulla för ungdomar i början av karriären. Samtidigt som informell rekrytering minskar de förväntade transaktionskostnaderna för arbetsgivarna, riskerar denna typ av rekrytering också att ”sålla bort” en stor grupp potentiella kandidater. Forskning har visat att rekrytering via nätverk tenderar att missgynna grupper som står längre från arbetsmarknaden, till exempel utrikes födda (Bethoui, 2008). I ett flertal studier av utrikes födda på den holländska och tyska arbetsmarknaden visar Lancee (2012) att nätverk i form av kontakter med inrikes födda, såväl professionella som privata, förbättrar chanserna på arbetsmarknaden för de som är utrikes födda. En annan sammansättning av nätverket; kontakter mellan individer med liknande bakgrund, kan ge upphov till s.k. ”etniska enklaver” på arbetsmarknaden (Edin m fl, 2003), Något som tenderar att gynna grupper med hög ekonomisk status, medan de med lägre ekonomisk status missgynnas. Om utrikes födda saknar de rätta nätverken kan det också innebära att de får mer osäkra anställningar när de väl anställs. Avsaknaden av informella kontakter kan därmed också förklara om utrikes födda har svårare att behålla ett arbete jämfört med inrikes födda. En annan förklaring kan vara att förekomsten av asymmetrisk information och höga transaktionskostnader skapar också utrymme för arbetsgivare att bedöma de anställda utifrån tidigare erfarenheter och föreställningar (Arrow, 1972; Becker, 1977). Ett företag som saknar fullständig information om personen som ska anställas kan basera anställningsbeslutet på kollektiva intryck av den grupp som den anställde representerar. Istället för att fatta beslut utifrån tidigare observationer hävdade exempelvis Becker (1977) att företag snarare hyser en skepsis gentemot minoritetsgrupper på grund utav fördomar eller okunskap om den aktuella individens produktivitet. Detta perspektiv kan vara av betydelse för att förklara varför svenskar med utländsk bakgrund står utanför arbetsmarknaden i större utsträckning (se t.ex. Arai m fl, 1999; Bethoui, 2008) och också om de har större problem att behålla en anställning jämfört med inrikes födda. 9 Becker (1977) och Arrow (1972) visar på två olika sätt hur informationsasymmetrier kan ge upphov till diskriminering på arbetsmarknaden. Becker (1977) menade att diskriminerande arbetsgivare har en aversion mot minoritetsgrupper och systematiskt kommer att tillskriva dessa produktivitetssänkande egenskaper. Som en följd av detta kommer individer som tillhör en etnisk eller annan minoritet tvingas att på olika sätt kompensera för arbetsgivarens aversion. Detta innebär i slutändan att vissa grupper kommer att ha svårare att ta sig in på arbetsmarknaden och att behålla ett arbete. Inom diskrimineringslitteraturen kallas detta för preferensbaserad diskriminering. Arrow (1972) argumenterade till skillnad från Becker för att arbetsgivare inte har en inneboende skepsis mot minoriteter, utan snarare under förekomsten av svaga ”signaler” från den arbetssökande, det vill säga informationsasymmetrier, kommer att placera in individen i ett kollektiv, och baserat på erfarenheter och exempel kring det kollektivet, fatta beslut om anställning (Guryan och Charles, 2013). Detta talar för att utländsk bakgrund framförallt ska ha en effekt vid anställningsbeslut, men inte lika stor effekt när de utrikes födda har en anställning. Carlsson och Rooth (2006) utgör ett exempel på en empirisk studie vars resultat stödjer hypotesen att rekryterare systematiskt diskriminerar sökanden med utländsk klingande efternamn till förmån för i övrigt identiska kandidater med traditionellt ”svenska” namn. I en motsvarande studie på amerikanska data visar Bertrand och Mullainathan (2004) att individer med afro-amerikanska efternamn diskrimineras i rekryteringsprocesser i USA. Detta tyder på en osäkerhet och informationsbrist förknippad med att anställa någon med utländsk bakgrund, och/eller en uppfattning hos arbetsgivaren om att individer med utländsk bakgrund skulle vara svårare att integrera i gruppen eller vara mindre kompetenta. Arai och Vilhelmsson (2004) visar också att individer i Sverige med utländsk bakgrund som lyckas få en anställning löper större risk att återgå i arbetslöshet än svenskfödda med motsvarande erfarenhet. Detta kan indikera att diskriminering inte bara förekommer i anställningsprocesser, utan även vid uppsägningar. Förutom de mer nationalekonomiska teorierna om diskriminering finns det en omfattande litteratur på området inom den psykologiska och sociologiska litteraturen. Denna forskning indikerar exempelvis att människor tenderar att socialisera mer med individer som liknar dem själva, vilket i den sociologiska litteraturen kallas för homosocialitet (se t.ex. McPherson m fl, 2001; O’Reilly m fl, 1989). Detta gäller både i termer av kön, ålder, yrke och etnicitet. På grund av preferenser för likhet tenderar organisationer och grupper ofta att bli homogena, och individer som inte passar in löper då större risk att lämna gruppen (O’Reilly m fl, 1989; Chen och Rider, 2015). Enligt detta perspektiv kommer företagen baserat på uppfattningar om vem som passar in och vem som inte passar in i företaget, undvika att rekrytera individer som avviker från den befintliga gruppen, då det antas vara förenat med högre risk. Preferenser för homogenitet kan på så sätt bidra till att grupper som redan står längre från arbetsmarknaden, t.ex. invandrare, får färre jobbchanser och har större problem att behålla ett arbete. Vidare kan förväntningar om ett visst beteende tänkas bli självuppfyllande. Individer som avviker från den befintliga gruppen kan exempelvis få svårare att behålla jobbet om de får en anställning, då de blir utsatta för hårdare granskning än individer från majoritetsgruppen. Om diskriminering mot vissa grupper, till exempel. utrikes födda, förekommer, skulle detta kunna leda till att individer från dessa grupper får svårare att behålla jobbet, då de möter en lägre 10 initial tolerans från arbetsgivaren och kommer att utsättas för hårdare granskning (O’Reilly m fl, 1989). Ett klassiskt exempel på detta är kvinnor i mansdominerade styrelser eller i ledningsgrupper, men samma logik kan appliceras på företaget som helhet (Kanter, 1977). Enligt detta resonemang riskerar alltså förväntningar på hur en individ beter sig att bli självuppfyllande. Viktigt i sammanhanget är att skilja på faktiska och upplevda kostnader. Faktiska kostnader är monetära kostnader eller tidsåtgång, det vill säga kostnader som kan mätas. Förväntade kostnader syftar på de kostnader en arbetsgivare upplever med att exempelvis rekrytera någon utanför sitt nätverk, såsom ökad risk för att personen missköter sig, eller förväntade svårigheter att integrera personen ifråga på företaget. Som konstaterats ovan räcker det med att arbetsgivaren förväntar sig en högre kostnad av att anställa någon med en i förhållande till arbetsplatsen udda etnisk bakgrund eller utbildning, för att man istället ska anställa en individ som känns mer bekant. Sett till de faktiska kostnaderna minskar dessa troligtvis genom att rekrytera via kontakter eller genom att välja ”säkra kort”. En nyanställd som redan tidigare ingått i företagets nätverk kan upplevas som lättare att integrera på grund av gemensamma kontakter och umgänge (Coverdill, 1998). Sammanfattningsvis kan vi konstatera att det finns en rad olika teorier som alla implicerar att minoritetsgrupper, t ex utrikes födda, kommer att ha större problem med att etablera sig på arbetsmarknaden även om de erbjuds en anställning. 2.3 Företags-, bransch- och regionspecifika faktorer Andra förklaringar till bristande matchning kan finnas på företags- och branschnivå, eller bero på var företaget är lokaliserad. Den stora merparten av alla tidigare studier tenderar dock att vara riktade gentemot vad som karaktäriserar de individer som har svårt att få ett jobb, medan få har fokuserat på företagssidan (Oyer och Schaefer, 2010). Inom företagstillväxtlitteraturen har å andra sidan företagens sysselsättningstillväxt oftast studerats, men i detta fall är fokus snarare riktad gentemot vad det är som karakteriserar de företag som växer (Coad, 2009) och inte vad som karakteriserar vilka de anställer (Coad m fl., 2014). De allra flesta tidigare studierna av matchningsprocessen mellan arbetstagare och företagare behandlar således företagen som en ”black box”, där dess enda funktion är att maximera skillnaden mellan de anställdas produktivitet och lön. Vidare tar studierna inte hänsyn till att företag är mycket heterogena, utan betraktar dem oftast som helt homogena. Oyer och Schaefer (2010, s. 3) sammanfattar detta på följande sätt: ”our critique of this hiring literature is that for the most part the firm is treated as a black box”. Detta kan utgöra ett problem eftersom vissa typer av företag eller branscher kan vara mer betydelsefulla när det gäller att finna en stabil sysselsättning för de grupper av arbetstagare som har problem med att etablera sig på arbetsmarknaden, exempelvis unga och utrikes födda. Små företag kan exempelvis ha behov av en annan typ av arbetskraft än stora företag, och snabbväxande företag kan ha större problem med matchning än företag som inte växer lika snabbt. Coad m fl (2014) visar exempelvis att de snabbväxande företagen i större utsträckning än andra företagare anställer invandrare och lågutbildade. En förklaring till detta kan vara att dessa företag på grund av sin snabba expansion har mindre tid att skärskåda varje anställningsbeslut, och anställer den arbetskraft som verkar rätt och finns tillgänglig vid rätt 11 tidpunkt. Större företag med en långsammare expansionstakt kan till skillnad från de snabbväxande företagen lägga mer tid på att tänka över för- och nackdelarna med en anställning. Även andra företagsspecifika faktorer kan vara betydelsefulla för individers möjligheter att långsiktigt etableras sig på arbetsmarknaden. Carlsson och Rooth (2006) studerar etnisk diskriminering (genom sökandes efternamn) och finner att företag med en manlig rekryteringsansvarig, över 35 procent manliga anställda, låg personalomsättning samt färre än 100 anställda är mer sannolika att diskriminera. Förekomsten av en mångfaldsplan verkade däremot inte ha någon effekt på benägenheten att diskriminera. Under de senaste 20 åren har det också skett en betydande strukturomvandling på arbetsmarknaden i de flesta OECD-länder. Många yrken med medelhöga krav på utbildning konkurrerats ut av ny teknik och den alltmer globaliserade ekonomin. Andelen individer med utbildning som inte efterfrågas har därmed ökat. Samtidigt uppvisar arbetsgivarnas krav på formell utbildning en uppåtgående trend (Tåhlin, 2007). Sammantaget riskerar dessa två trender bidra till att vissa grupper har svårare att få fäste på arbetsmarknaden, t.ex. sådana med arbetsuppgifter som lätt kan ersättas av modern teknik. Förutom omfattande strukturförändringar kan även branschspecifika faktorer förklara varför vissa grupper har svårare att få fäste på arbetsmarknaden. Schmid (2010) menar exempelvis att andelen visstidsanställningar och korttidskontrakt är högre inom branscher såsom detaljhandel, besöksnäringen samt hotell- och restaurangbranschen. Dessa branscher tenderar i större utsträckning än andra att anställa grupper som traditionellt haft ett svagare fäste på arbetsmarknaden, såsom ungdomar och utrikes födda. Detta innebär att dessa grupper också är mindre sannolika än andra att få ett fast jobb. Avslutningsvis kan individers möjligheter att behålla en anställning också vara relaterade till var företaget och individen är lokaliserade. Ett flertal studier inom regional ekonomi menar exempelvis att matchningsproblem på arbetsmarknaden kan förklaras av faktorer som är specifika för platsen. Enligt exempelvis Andersson m fl (2007) är en av de stora fördelarna med urbana miljöer att de förbättrar matchningen på arbetsmarknaden. Mängden företag och arbetssökande innebär att det blir lättare för de arbetslösa att hitta ett jobb som passar, men även för arbetsgivaren att hitta den kompetens som de efterfrågar. Detta implicerar att de tidigare arbetslösa individernas kommer att ha bättre möjligheter att fortsätta att vara sysselsatta om de får anställning i ett företag som är lokaliserad i en större stad. 12 3. DATA OCH DESKRIPTIV STATISTIK I detta avsnitt beskriver vi det datamaterialet som ligger till grund för den empiriska analysen. Vidare genomför vi en deskriptiv analys för att studera vad det är som karakteriserar de arbetstagare som går från arbetslöshet till sysselsättning, men som sedan inte kan behålla jobbet utan blir arbetslösa igen. 3.1 Data Vår analys bygger på data från Statistiska Centralbyrån där information om företagen kan matchats med information om deras arbetstagare, vilket möjliggör en analys av både det som karakteriserar de individer som anställs och de företag som rekryterar dessa. Den här typen av datamaterial har inte använts speciellt mycket inom forskningslitteraturen eftersom den i många länder inte existerar och i andra fall nyligen har blivit tillgänglig för forskning (Coad m fl, 2014). Datamaterialet utgör en möjlighet att sammanfoga arbetsmarknads- och företagstillväxtlitteraturen för att kunna studera vilka arbetstagare som anställs och vilka företag som anställer, samt vad som karaktäriserar de arbetstagare som står närmast att etablera sig på arbetsmarknaden. Datamaterialet som används i denna rapport baseras på den så kallade LISA-databasen (Longitudinell Integrationsdatabas för Sjukförsäkrings- och Arbetsmarknadsstudier). LISA är en longitudinella databas som innehåller samtliga personer som är äldre än 15 år och som var folkbokförda i Sverige den sista december respektive år. Ett flertal registerdatabaser är inkluderade i LISA, t ex Registret över totalbefolkningen (RTB), Registerbaserad arbetsmarknadsstatistik (RAMS), Inkomst‑ och Taxeringsregistret (IoT) och Företagens ekonomi. LISA är ämnad att tjäna som underlag för forskning om individers situation på arbetsmarknaden och innehåller sysselsättningsdata, försäkringsdata och befolkningsdata, samt information om företagen där individerna i databasen arbetar eller har arbetat. LISAdatabasen täcker åren 1990-2013, dock har innehållet ändrats löpande över åren (SCB, 2011). Vi är intresserade av att studera arbetslöshetsrisken för arbetslösa som registreras som sysselsatta under kommande år. Detta innebär att vi i datamaterialet först identifierar de individer som var arbetslösa år t-1, men som registrerades som sysselsatt under år t. För denna grupp studerar vi sedan variationen i dagar i arbetslöshet år t+1 (Figur 2). Denna urvalsstrategi innebär att vi kan studera vad det är som kännetecknar de arbetslösa individer som har svårt att behålla ett arbete. Vi fokuserar således vår analys gentemot den grupp av individer som är nära arbetsmarknaden, men som har problem med att hitta en mer beständig etablering. Figur 2. Strategi för urval av individer Arbetslös cv t-1 Sysselsatt cv Dagar arbetslöshet cv t+1 t Vår urvalsstrategi, som illustreras i Figur 2, innebär att vi behöver information om vilka individer som var arbetslösa i period t-1 och som sedan registrerades som sysselsatta år t. De 13 arbetslösa individerna under år t-1 innefattar alla som klassificeras som arbetssökande i LISA i november det aktuella året. Detta innebär att de individer som klassificeras som arbetslösa är heltidsarbetslösa, i åtgärdsstudier eller i åtgärdssysselsättning (inte nystartsjobb). Denna data är baserad på Arbetsförmedlingens händelseregister. Notera att studerande inte inkluderas bland de arbetslösa. Vi anser att det är rimligt att skilja ut studenter från arbetslösa, då att studera innebär (för de flesta) ett frivilligt avhopp från arbetskraften, samt innebär mer av en sysselsättning än att vara heltidsarbetslös. Sysselsättningsstatusen som används för att identifiera om en individ har en sysselsättning under år t kommer från registerdatabasen RAMS. I denna databas klassificeras samtliga individer mellan 16 och 74 år som antingen förvärvsarbetande eller inte förvärvsarbetande. En individ räknas som förvärvsarbetande om hen arbetat minst en timme per vecka i november, vilket är den definition på förvärvsarbetande som används av ILO (International Labour Organization). Det finns inga uppgifter om arbetad tid i data och därför används inkomststatistik från Skatteverket som underlag för att klassificera om individerna är sysselsatta eller inte. Denna information baseras på de kontrolluppgifter som arbetsgivarna är skyldig att lämna till Skatteverket för de personer som erhållit lön eller annan ersättning. Slutligen använder vi antalet dagar i arbetslöshet under år t+1 för att studera arbetsmarknadsstatusen året efter det att en arbetslös individ fått en sysselsättning. Denna variabel hämtas också från Arbetsförmedlingen. Vi väljer att arbeta med antalet arbetslöshetsdagar istället för att använda information om individen är sysselsatt eller inte under november månad år t+1. Skälet till detta val är att variabeln antalet arbetslöshetsdagar ger oss mer variation i individens arbetsmarknadsstatus under år t+1, och därmed bättre möjligheter att identifiera vad det är som kännetecknar de individer som har problem med att långsiktigt etablera sig på arbetsmarknaden.2 3.2 Variabelbeskrivningar I syfte att studera vad det är som karaktäriserar de individer som rör sig in och ut ur arbetslöshet kontrollerar vi för en rad olika variabler i vår analys. Tidigare studier har exempelvis indikerat att kvinnor och män möter olika situationer på arbetsmarknaden (Behrenz m fl, 2007), till exempel har kvinnor generellt mindre professionella nätverk än män (Bethoui, 2008). Detta innebär att kvinnor kan möta större problem med att hitta en långsiktig etablering på arbetsmarknaden. Ett flertal studier har å andra sidan visat att män är mer riskbenägna (se t ex Jianakoplos och Bernasek, 1998), vilket kan innebära att de kan ta arbeten där sannolikheten att bli arbetslös är högre. I syfte att undersöka detta kontrollerar vi för kön genom att inkludera en dummy-variabel som antar värdet 1 om individen är kvinna, och 0 annars. Även ålder kan förväntas ha en effekt på sannolikheten att vara arbetslös (Behrenz m fl, 2007). Äldre individer kan exempelvis förväntas ha mer arbetslivserfarenhet och fler kontakter än ungdomar och unga vuxna (Hensvik och Nordström-Skans, 2013), och därmed ha lättare att få ett arbete och även behålla jobbet. Vi kontrollerar även för civilstatus, kodad som 1 om 2 Vi analyserar som ett robusthetstest även det dikotoma utfallet arbetslös/sysselsatt i år t+1 genom att skatta en Logit-modell. Resultaten av denna känslighetsanalys presenteras i Tabell A1 i Appendixet och kommenteras sist i resultatavsnittet. 14 individer är gift/registrerad partner, och 0 annars, samt om individen har barn under 18 som bor i hushållet; kodad som 1 om så är fallet, annars 0. Då tidigare studier visar att arbetslöshet kan bero på bristande matchning mellan utbildning och arbete (t.ex. Karlson och Skånberg, 2013) inkluderar vi två variabler för utbildning. Dels använder vi SCB:s fyrsiffriga klassificering för utbildningsnivå (endast grundskola, gymnasium, högskola/universitet, samt ej avslutad grundskola) för att studera om svårigheten att få fäste på arbetsmarknaden är kopplad till utbildningsnivå. Vidare använder vi en variabel för utbildningsinriktning för att se om vissa utbildningar i större utsträckning än andra tycks vara förknippade med återkommande perioder av arbetslöshet. Även branschspecifika faktorer såsom typen av kontrakt (Schmid, 2010), samt efterfrågan i den specifika branschen kan påverka hur individer rör sig in och ut ur arbetslöshet. För att kunna observera skillnader på branschnivå använder vi Standard för svensk NäringslivsIndelning (SNI), enligt 2002 års kodschema (SCB, 2015). För de år i materialet där SNI 2002-kodning saknas, har vi uppskattat branschtillhörighet utifrån vad företaget haft för SNI-kod innan 2010. Detta innebär att vi har uteslutit företag som startades efter 2010 i datamaterialet. Vi bedömer att detta val inte påverkar huvudresultaten i studien3. Utrikes födda kan möta större problem att etablera sig på arbetsmarknaden än inrikes födda på grund utav diskriminering samt brist på professionella nätverk. I syfte att undersöka detta inkluderar vi också ett antal variabler för födelseregion i analysen. Även dessa variabler är hämtade från SCB:s registerdata över den svenska befolkningen, och är uppdelade i åtta kategorier: Sverige, Norden, Europa (EU 25), Europa utanför EU, Afrika, Asien samt övriga (som innehåller individer från övriga Nordamerika, Australien, Oceanien och okända). Data över födelseregion finns för varje individ samt för individens föräldrar. I vårt datamaterial räknas en individ som inrikes född om individen är född i Sverige, samt har minst en förälder som är född i Sverige. Individer som är födda i Sverige men har två föräldrar som är födda utomlands, så kallade andra generationens invandrare, får en egen kategori i materialet. Detta för att studera om denna grupp av individer har större problem än inrikes födda att behålla ett arbete, men också eftersom andra generationens invandrare kan tänkas ha bättre kontakter med den svenska arbetsmarknaden än individer som nyligen anlänt (Behrenz m fl, 2007). Arbetsmarknadsförhållandena och effektiviteten i matchningen kan också skilja sig åt mellan olika regioner, vilket vi kontrollerar för genom inkluderandet av länsspecifika fixa effekter. Stockholms län är basfall eftersom detta är den mest urbana regionen i Sverige. Variabeldefinitioner, medelvärde och standardavvikelse för alla variabler som inkluderas i vår undersökning presenteras i Tabell 1. 3 Detta val beror på att SNI-koderna för åren 2011– 2013 inte är kompatibla bakåt. 15 Tabell 1. Deskriptiv statistik och beskrivning av variabler som inkluderas i vår analys Variabelnamn Kvinna Ålder Gift Barn Utbildningsnivå Beskrivning Dummyvariabel som antar värdet 1 om individen är kvinna, och 0 annars Individens ålder Dummyvariabel som antar värdet 1 om individen är gift/registrerad partner, och 0 annars Dummyvariabel som antar värdet 1 om individen har barn under 18 boende i hushållet, och 0 annars Variabel som antar följande värden: 0 = okänd, 1= ej grundskola, 2=grundskola, 3=gymnasium, 4=universitet/högskola Medelvärde SD 0,40 0,49 40,9 10,7 0,35 0,48 0,41 0,49 3,0 0,61 Variabler för födelseland Sverige Individen född i Sverige med svenska föräldrar 0,77 0,42 Sverige (utländska föräldrar) Individen född i Sverige men med utländska föräldrar 0,04 0,20 0,02 0,16 0,02 0,14 0,05 0,22 0,01 0,12 0,01 0,11 0,06 0,24 0,00 0,07 Norden EU25 Europa (utanför EU) Afrika Sydamerika Asien Övriga Individen född i Norden, föräldrar födda utanför Sverige Individen född inom EU25, föräldrar födda utanför Sverige Individen född i Europa utanför EU, föräldrar födda utanför Sverige Individen född i Afrika, föräldrar födda utanför Sverige Individen född i Sydamerika, föräldrar födda utanför Sverige Individen född i Asien, föräldrar födda utanför Sverige Individer födda i övriga världsdelar samt okänd födelseregion I syfte att närmare studera vad det är som kännetecknar de som behåller jobbet jämfört med de som återigen hamnar i arbetslöshet presenterar vi i Tabell 2 också medelvärde och standardavvikelse separat för dessa två grupper. Resultaten indikerar att det finns vissa observerbara skillnader. De arbetslösa individer som får ett arbete men sedan blir arbetslösa igen är i genomsnitt exempelvis äldre, har färre barn, en lägre utbildningsnivå och är oftare född utanför Sverige. 16 Tabell 2. Deskriptiv statistik för den grupp av tidigare arbetslösa individer som behåller en anställning, och den grupp av individer som hamnar i arbetslöshet igen. Behåller jobbet Blir av med jobbet 0,40 40,5 0,35 0,42 3,0 Standardavvikelse 0,49 10,6 0,48 0,49 0,61 Medelvärde 0,39 43,1 0,32 0,36 2,9 Standardavvikelse 0,49 10,5 0,47 0,48 0,64 0,78 0,42 0,74 0,44 0,04 0,20 0,04 0,19 0,02 0,02 0,05 0,01 0,01 0,06 0,01 0,15 0,14 0,22 0,11 0,11 0,23 0,06 0,03 0,02 0,06 0,02 0,01 0,08 0,01 0,17 0,14 0,23 0,13 0,12 0,26 0,07 Variabelnamn Medelvärde Kvinna Ålder Gift Barn Utbildningsnivå Variabler för födelseland Sverige Sverige (utländska föräldrar) Norden EU25 Europa (utanför EU) Afrika Sydamerika Asien Övriga 3.3 Sysselsättningsstatus året efter att en arbetslös individ fått en anställning Vi är intresserade av hur de arbetslösa som får ett arbete och är fortsatt sysselsatta (gruppen arbetslösa-sysselsatta-sysselsatta) skiljer sig från de som hamnar i arbetslöshet kort efter att de registrerats som sysselsatta (arbetslösa-sysselsatta-arbetslösa). I detta delavsnitt studerar vi därför om andelen arbetslösa som blir av med sitt arbete skiljer sig åt med avseende på födelseregion, branschtillhörighet och geografisk lokalisering. I syfte att se om det finns skillnader mellan inrikes födda och de som har invandrat till Sverige studerar vi först om andelen arbetslösa som inte kan behålla en anställning varierar med avseende på var individen är född. I Figur 3 presenteras därför hur andelen som förlorar sin sysselsättning året efter att de fått en anställning varierar med födelseregion. 17 Figur 3. Andelen av tidigare arbetslösa individerna som inte behåller sin anställning året efter att de registrerats som sysselsatta, efter födelseregion. Sverige 13,3 Sverige (utländska föräldrar) 13,4 EU25 14,5 Europa (utanför EU) 16,0 Övriga 16,2 Norden 16,8 Sydamerika 17,0 Asien 17,6 Afrika 18,8 0 2 4 6 8 10 s 12 14 16 18 20 Resultaten indikerar att sannolikheten för en tidigare arbetslös individ att bli arbetslös året efter att de fått en anställning inte är slumpmässigt fördelad utifrån födelseregion. Figur 3 visar att nästan 19 procent av alla arbetslösa individer som är födda i Afrika och får ett arbete, åter blir arbetslösa året efter att de fått en anställning. Detta kan jämföras gentemot de individer som är födda i Sverige, där i genomsnitt endast cirka 13 procent blir arbetslösa året efter att de registrerats som sysselsatta. Vi kan också observera att en större andel av de individer som är födda i regioner såsom Asien och Sydamerika förlorar arbetet efter att de fått en anställning jämfört med inrikes födda. Skillnaden mellan inrikes födda och andra generationens invandrare är däremot liten. I Figur 4 presenteras motsvarande statistik, men med avseende på branschtillhörigheten. Denna jämförelse görs för att undersöka om andelen som blir arbetslösa verkar påverkas av i vilken bransch som individen får en anställning. Resultaten visar att det finns stora skillnader i arbetslöshetsrisk som är relaterad till i vilken bransch den tidigare arbetslösa individen får ett arbete. Individer som får en anställning i branscher som karakteriseras av mycket säsongsarbete, t ex jordbruk, har i genomsnitt en större risk att bli arbetslösa året efter att de registrerats som sysselsatta. Men även de arbetslösa individer som får arbete inom offentligt dominerade branscher, såsom utbildning samt hälso- och sjukvård, verkar ha en relativt stor risk att återigen bli arbetslösa. Enligt de resultat som presenteras i Figur 4 kommer i genomsnitt cirka 14 procent av alla arbetslösa som får arbete i dessa välfärdssektorer att bli arbetslösa året efter att de fått en anställning. Detta kan jämföras med tillverkningsindustrin där i genomsnitt cirka sex procent blir arbetslösa igen året efter att de registrerats som sysselsatta. Även inom detaljhandeln, som ofta påstås vara en bransch med mycket osäkra arbeten, behåller tidigare arbetslösa sina arbeten i högre utsträckning. Omkring sju procent av 18 de arbetslösa som får ett arbete inom detaljhandeln blir arbetslösa igen året efter att de registrerats som sysselsatt. Figur 4. Andelen av tidigare arbetslösa individerna som inte behåller sin anställning året efter att de registrerats som sysselsatta, utifrån branschtillhörighet. Jordbruk, jakt och skogsbruk 15,7 Fiske 14,5 Hälso/sjukvård 13,9 Utbildning 13,9 Samhälleliga tjänster 13,8 Hotell och restaurang 10,8 Offentlig förvaltning/försvar 9,7 Verksamhet vid internationella organisationer/försvar 8,3 Byggverksamhet 7,9 Fastighetsverksamhet 7,2 Detaljhandel 7,2 Utvinning av mineral 6,7 Partihandel 6,3 Transport 6,3 Tillverkning 6,9 Finansiell verksamhet 5,6 El- och vattenförsörjning 3,4 0 2 4 6 8 10 Procent (%) 12 14 16 18 Slutligen presenterar vi deskriptiv statistik över hur andelen arbetslösa som blir av med sitt jobb varierar med deras geografiska lokalisering (se Figur 5). Vi kan från de resultat som presenteras i Figur 5 observera relativt stora geografiska skillnader. De arbetslösa individer som får en anställning i Stockholms län har exempelvis betydligt större chans att vara fortsatt sysselsatt jämfört med de individer som får anställning i glesare befolkade regioner. Andelen tidigare arbetslösa individer som inte kan behålla sitt arbete uppgår i genomsnitt till cirka 11 procent i Stockholm, vilket kan jämföras med cirka 17 procent i Blekinge, Gotland, Gävleborg och Västernorrlands län. 19 Figur 5. Andelen av tidigare arbetslösa individerna som inte behåller sin anställning året efter att de registrerats som sysselsatta, utifrån lokalisering. Blekinge län 17,1 Gotlands län 16,8 Gävleborgs län 16,8 Västernorrlands län 16,6 Värmlands län 16,5 Norrbottens län 16,4 Östergötlands län 14,8 Jämtlands län 14,8 Skåne län 14,6 Örebro län 14,4 Dalarnas län 14,3 Västmanlands län 14,0 Kronobergs län 13,9 Södermanlands län 13,9 Västra Götalands län 13,9 Västerbottens län 13,8 Kalmar län 13,2 Jönköpings län 12,2 Hallands län 11,9 Uppsala län 11,5 Stockholms län 11,0 0 2 4 6 8 20 10 12 14 16 18 4. VAL AV EMPIRISK MODELL Den deskriptiva analysen i det tidigare avsnittet ger en indikation på vad som kännetecknar de arbetslösa individerna som har problem med att behålla ett arbete, men det går inte att fastställa ett orsakssamband utifrån en sådan analys. I syfte att kunna studera vad det är som kännetecknar de tidigare arbetslösa individerna som har svårt att behålla ett arbete, och samtidigt hålla konstant för andra variabler som påverkar individens arbetsmarknadsstatus, genomförs en regressionsanalys. De individer som har gått från att vara arbetslös under år t-1 till att vara sysselsatt under år t ingår i det urval som inkluderas i regressionsanalysen. Urvalet innefattar således alla tidigare arbetslösa som registrerats som sysselsatta någon gång under perioden 2005–2013. Sysselsättningsstatus och antalet dagar i arbetslöshet året efter det att den tidigare arbetslösa individen fått en sysselsättning (t+1) är de studerade beroende variablerna, vilket innebär att de skattningar som presenteras i resultatavsnittet innefattar perioden 2006–2013. Syftet med analysen är att undersöka vad det är som påverkar möjligheten för en tidigare arbetslöshet individ att få behålla en anställning. I Tabell 3 presenteras deskriptiv statistik över antalet dagar i arbetslöshet. Variabeln är uträknad med hjälp av SCB:s arbetsmarknadsstatistik och är en sammanslagning av det totala antalet dagar i arbetslöshet, eller i arbetsmarknadspolitiska åtgärdsprogram, året efter det att man fått en sysselsättning. I genomsnitt har individer som går från arbetslöshet till sysselsättning under perioden 2005–2013 cirka 51 dagar i arbetslöshet året efter att de fått en anställning (se Tabell 3). Tabell 3. Deskriptiv statistik över beroende variabeln, dagar i arbetslöshet Dagar i arbetslöshet Observationer Medelvärde 359 736 50,9 Standardavvikelse 98,2 Min Max 0 366 Den deskriptiva statistiken visar också att det finns en relativt stor spridning bland de studerade individerna. Sju av tio har inte några dagar i arbetslöshet under det kommande året, det vill säga en majoritet av individerna är fortfarande sysselsatta året efter att de fått en anställning. Notera att antalet dagar i arbetslöshet inte är en kontinuerlig variabel, utan en diskret variabel som bara kan ta positiva värden. Detta innebär att den vanligen använda OLS-metoden inte är att rekommendera eftersom den baseras på antagandet att den studerade beroende variabeln är kontinuerlig, kan ta både positiva och negativa tal, och är normalfördelad runt sitt väntevärde. Forskningen har visat att om OLS används i detta fall kan det leda till att de skattade standardfelen är mindre än de sanna standardfelen, vilket innebär att den statistiska signifikansen i skattningen överskattas (Gardner m fl, 1995). De skattade resultaten kan också vara både ”biased” och inkonsistenta, det vill säga att det skattade värdet kan vara skild från det sanna värdet även om urvalet är stort (Long, 1997). En OLS-modell kan också prediktera resultat som är negativa, vilket är inte möjligt i vårt fall eftersom kommande dagar i arbetslöshet inte kan ta negativa värden. 21 I vårt fall rekommenderas istället olika sorters räknedatamodeller som är anpassade för datamaterial där beroende variabeln är diskret. Detta innebär att fördelningen för den beroende variabeln inte följer en normalfördelning, utan snarare liknar en ”halv” normalfördelning, där låga värden är överrepresenterade (Long och Freese, 2014). Poisson-modellen är ofta utgångspunkten när räknedatamodeller ska estimeras (Long and Freese, 2014). Ett av villkoren för att denna modell ska ge korrekta estimat är att medelvärdet är lika med variansen (µ = σ), det vill säga att data är ”equidispersed”. Detta villkor är i praktiken sällan uppfyllt, vilket även gäller i vårt fall. Variansen för antal dagar i arbetslöshet är betydligt högre än medelvärdet, och för en majoritet av individerna är antalet dagar i arbetslöshet noll. En Poisson-modell är således inte att rekommendera eftersom den mest sannolikt kommer att ge mindre tillförlitliga resultat jämfört med en modell som utgår från att variansen är större än medelvärdet, samt som tar hänsyn till att vi har många nollor i datamaterialet. För att hantera de ovanstående bristerna med Poisson-modellen väljer vi istället att använda den negativa binomial-modellen (NB) när vi ska estimera vad som förklarar antalet kommande dagar i arbetslöshet för individer som nyligen registrerades som sysselsatta, men som tidigare var arbetslösa. Fördelen med denna modellansats är att den tillåter en oproportionerligt hög andel nollor och ”overdispersion”, d v s att variansen är större än medelvärdet. Den modell som slutligen skattar kan skrivas: ܦ௧ାଵ = ݂(ܽ + ᇱ ܆௧ + રᇱ ܃௧ + ࣅᇱ ۷௧ + ܽ + ܽ + ܽோ + ܽ௧ ) + ߝ௧ , (1) där ܦ௧ାଵ är antalet dagar i arbetslöshet år t+1 för individ i som var arbetslös under år t-1, men som registrerades som sysselsatt under år t; ܆௧ är en vektor av demografiska variabler som karakteriserar individen; ܃௧ är en vektor av indikatorvariabler för individens utbildningsnivå; ۷௧ är en vektor av variabler för individens födelseregion; och ܽ , ܽ , ܽோ samt ܽ௧ är fixa effekter för utbildningsinriktning, bransch, län och tid. De variabler som ingår i respektive vektor definieras utförligt i avsnitt 3, se Tabell 1. I syfte att studera om det finns en skillnad mellan de som får behålla sin sysselsättning och de som blir arbetslösa (oberoende av antalet dagar i arbetslöshet) estimerar vi också en logit modell. Den studerade utfallsvariabeln är i detta fall en dikotom variabel som är lika med 1 om den tidigare arbetslösa individen blir arbetslös igen under år t+1, och noll om individen fortsatt är registrerad som sysselsatt. 22 5. RESULTAT Resultaten från skattningen av ekvation (1) presenteras i Tabell 4. Notera att vi väljer att presentera resultaten som ”incidence rate ratios” (IRR) eftersom de har en enkel tolkning. Ett värde över 1 innebär att den studerade variabeln har en positiv effekt på antalet dagar i arbetslöshet, medan ett värde under 1 innebär att variabeln har en negativ effekt på antalet dagar i arbetslöshet. Storleken på estimatet har också en enkel procentuell tolkning för kontinuerliga variabler, vilket underlättar analysen av resultatets ekonomiska signifikans. Ett statistiskt signifikant värde på 1,1 innebär att en ökning av den studerade variabeln med en enhet ökar antalet dagar i arbetslöshet med 10 procent, medan ett statistiskt signifikant värde på 0,9 innebär att variabeln minskar antalet dagar i arbetslöshet med 10 procent. Effekten beräknas sedan för det genomsnittliga antalet dagar i arbetslöshet, det vill säga 51 dagar. Ett skattat värde på 1,10 innebär således att en enhets ökning av den studerade variabeln ökar antalet dagar i arbetslöshet med 10 procent, det vill säga 5,1 dagar. Notera att detta bara gäller för kontinuerliga variabler. När vi jämför olika grupper gentemot varandra kommer den skattade effekten istället att säga något om hur stor IRR-estimatet är för den gruppen i jämförelse med basgruppen. Ett värde på 1,10 innebär då att den studerade gruppen har en IRR som är 1,10 gånger större än IRR-skattningen för basfallet, det vill säga att effekten av att tillhöra den gruppen är 10 procent högre jämfört med om individen tillhört basgruppen. Arbetslösa kvinnor som får en anställning har cirka 14 procent färre dagar i arbetslöshet jämfört med arbetslösa män som får en anställning (se Tabell 4). Det finns således inget stöd för de teorier som förutspår att arbetslösa kvinnor som får en anställning har svårare att behålla arbetet jämfört med arbetslösa män. Resultaten indikerar tvärtom att det är de arbetslösa männen som får en anställning som har större risk att återigen hamna i arbetslöshet. Vidare kan vi se en positiv signifikant, men avtagande effekt av ålder, på antalet dagar i arbetslöshet. Även civil status har enligt de presenterade resultaten en effekt på antalet kommande dagar i arbetslöshet för en tidigare arbetslös individ som får en anställning. Skattningarna indikerar att individer som är gifta eller sambo har cirka 18 procent färre dagar i arbetslöshet jämfört med individer som är singlar, medan de nyanställda och tidigare arbetslösa individer med barn hemma har cirka 10 procent färre dagar i arbetslöshet under det kommande året jämfört med de individer som inte har några barn boende hemma. En potentiell viktig förklaring till varför vissa individer har svårare att etablera sig på arbetsmarknaden är att deras utbildningsnivå är för låg. De teorier som betonar utbildningens betydelse för att individens ska kunna etablera sig på arbetsmarknaden får stöd av vår analys. Enligt de resultat som presenteras i Tabell 4 är utbildningsnivå signifikant negativt relaterad med antalet dagar i arbetslöshet under kommande år för de arbetslösa individer som fått ett arbete, vilket indikerar att nyrekryterade personer med hög utbildning kommer att ha färre dagar i arbetslöshet jämfört med de som har en lägre utbildningsgrad. Effekten av utbildningsnivå på antalet kommande dagar i arbetslöshet är också relativt stor. De arbetslösa som har färdigställt universitets- eller högskoleutbildning har i genomsnitt 42 procent färre dagar i arbetslöshet året efter att de fått en anställning jämfört med de som inte färdigställt grundskolan. Även de individer som färdigställt ett gymnasium har färre antal dagar i arbetslöshet, men effekten är mer än halverad jämfört med de arbetslösa individer som 23 färdigställt högre studier. Vi kan däremot inte se någon skillnad i kommande arbetslöshetsdagar när vi jämför de som färdigställt grundskolan med de som inte gjort detta. Tabell 4. Skattningsresultat, effekt på antalet dagar i arbetslöshet år t+1 för tidigare arbetslösa individer som registrerades som sysselsatta år t, 2006–2013. Grupp av variabler Individkarakteristiska Variabel Kvinna Ålder Ålder*2 Gift Barn IRR 0.859*** 1.069*** 0.999*** 0.816*** 0.895*** z-värde -7.68 10.33 -7.77 -10.43 -5.85 Utbildning Grundskola Gymnasium Universitet/högskola 1.036 0.814*** 0.584*** 0.59 -3.35 -8.12 Födelseland Utländska föräldrar Norden EU25 Europa (utanför EU) Afrika Sydamerika Asien Övriga 1.086* 1.050 1.102 1.179*** 1.338*** 1.180** 1.299*** 1.380** 1.96 0.92 1.61 4.19 4.09 2.16 6.92 2.57 Fixa effekter Utbildningsspecifika Industrispecifika Länsspecifika Årsspecifika Ja Ja Ja Ja Antal observationer Not: *p<0,1, **p>0,05, ***p<0,01 291 034 I det teoretiska avsnittet presenterades en rad teorier som implicerar att arbetslösa utrikes födda kan ha sämre förutsättningar för att behålla ett arbete jämfört med inrikes födda, även efter det att vi kontrollerat för utbildningsnivå, utbildningsinriktning, ålder, familjeförhållande, bransch etc. Resultaten som presenteras i Tabell 4 ger ett starkt stöd för detta eftersom vi kan observera statistiskt signifikanta skillnader i kommande dagar i arbetslöshet mellan utrikes födda och inrikes födda. I genomsnitt har exempelvis nyanställda individer från Afrika (som tidigare var arbetslösa) nästan 34 procent fler dagar i arbetslöshet jämfört de nyanställda och tidigare arbetslösa individer som är födda i Sverige och har föräldrar som är födda i Sverige. Effekten av födelseregion har också en stor effekt för Asiater. De individer från Asien som får en anställning har i genomsnitt 30 procent fler dagar i arbetslöshet under kommande år jämfört med motsvarande individer som är födda i Sverige. Motsvarande skattningar för individer födda i Sydamerika (+18%), Europa utanför EU 24 (+18%) och EU25 (+10%) är mindre, men också positiva och statistiskt signifikanta. Det innebär att även dessa grupper av individer har fler dagar i arbetslöshet jämfört med de individer som är inrikes födda. Slutligen kan vi konstatera att andra generationens invandrare som är nyanställda är något mer benägna att ha fler arbetslöshetsdagar jämfört med inrikes födda som har minst en förälder som är född i Sverige, men att storleken på effekten är mer marginell (+9%) och att variabeln endast är statistiskt signifikant på 10%-nivån. I syfte att få en tydligare bild över vad de procentuella skillnaderna mellan de olika grupperna innebär i antalet dagar presenterar vi i Figur 6 resultat från skattningar där det genomsnittliga antalet arbetslöshetsdagar för de olika grupperna har beräknats utifrån IRRskattningarna i Tabell 4. Figur 6. Antalet genomsnittliga dagar i arbetslöshet år t+1 för olika grupper av tidigare arbetslösa individer som registrerades som sysselsatta år t, 2006–2013. Övriga 39,1 Asien 36,8 Sydamerika 33,4 Afrika 37,9 Europa (utanför EU) 33,4 EU25 31,2 Norden 29,8 Sverige, utländska föräldrar 30,8 Sverige 28,3 Högre utbildning 21,6 Gymnasium 30,0 Grundskola 38,2 Ingen grundskola 36,9 Inga barn 30,8 Barn 27,5 Singel 31,6 Gift/sambo 25,8 Man 31,3 Kvinna 26,9 0 5 10 15 25 20 25 30 35 40 45 Resultaten indikerar att en arbetslös kvinna som får en anställning under år t i förväntan kommer att ha 27arbetslöshetsdagar under nästkommande år, vilket kan jämföras med arbetslösa män som i genomsnitt kommer att ha 32dagar i arbetslöshet året efter att de registrerats som sysselsatta. Den kraftiga effekten av utbildningsnivå på antalet dagar i arbetslöshet kan observeras i Figur 6. En tidigare arbetslös individ som har en högskoleutbildning har exempelvis i genomsnitt cirka 17 färre dagar arbetslöshet året efter att de fått en sysselsättning jämfört med en individ som endast färdigställt grundskolan. Slutligen kan effekten av födelseregion på antalet kommande dagar i arbetslöshet tydligt ses i Figur 6. En tidigare arbetslös individ som är född i Afrika har exempelvis i genomsnitt cirka 38 dagar i arbetslöshet året efter att de registrerats som sysselsatta, vilket kan jämföras med inrikes födda som i motsvarande situation i genomsnitt har cirka 28 dagar i arbetslöshet. En individ som är född i Afrika förväntas således ha 10 fler arbetslöshetsdagar året efter att hen registrerats som sysselsatt jämfört med en inrikes född, efter det att vi kontrollerat för effekten av bransch, region, utbildningsnivå, utbildningsinriktning, ålder, kön etc. Vi inkluderar i skattningen av ekvation (1) också fixa effekter för utbildningsinriktning, industri och län. Detta gör vi för att kontrollera bort tidsinvarianta skillnader i kommande dagar i arbetslöshet som beror på individens utbildningsinriktning, i vilken industri de fått arbete, samt var i Sverige de arbetar. Dessa fixa effekter kontrollerar således för skillnader mellan grupperna som är konstanta över tid, men som kan förklara variationen i antalet observerade arbetslöshetsdagar året efter att de tidigare arbetslösa individerna har registrerats som sysselsatta. Vi inkluderar också fixa tidsspecifika effekter i skattningen som kontrollerar för tidsvarianta faktorer (t ex konjunkturcykler, externa chocker etc.) som kan förklara antalet kommande dagar i arbetslöshet för den tidigare arbetslösa individen som fått en anställning.4 I Tabell 5 presenteras IRR-skattningarna för de fixa effekterna för utbildningsinriktning, samt vad respektive skattning för utbildningsinriktning innebär när vi tolkar det i termer av antalet arbetslöshetsdagar. Vi kan från de resultat som presenteras i Tabell 5 observera att effekten av utbildningsinriktning på antalet arbetslöshetsdagar inte är lika stark som effekten av utbildningsnivå. I de flesta fall finns det inga statistiskt signifikanta skillnader i hur utbildningsinriktning påverkar hur många dagar i arbetslöshet som en tidigare arbetslös individ kommer att ha året efter att de registrerats som sysselsatta. Vi kan dock observera två undantag, där utbildningsinriktningen har en statistisk signifikant effekt på antalet kommande dagar i arbetslöshet. Nyanställda individer som har gått en utbildning inriktad mot humaniora har i genomsnitt 20 procent fler dagar i arbetslöshet jämfört med en tidigare arbetslös individ som gått en utbildning inriktad mot naturvetenskap/matte/data. Vi kan också observera att de arbetslösa individer som har en utbildning inom hälso- och sjukvård i genomsnitt har cirka 12 procent färre dagar i arbetslöshet jämfört med en individ som studerat naturvetenskap/matte/data. 4 De tidsspecifika fixa effekterna presenteras inte i rapporten, men indikerar att det också finns tidsvariant faktor som påverkar möjligheterna att få behålla en anställning. Under vissa år har de arbetslösa individer som fått en anställning en signifikant större risk att återigen hamna i arbetslöshet. 26 Tabell 5. Effekt av utbildningsinriktning på antalet dagar i arbetslöshet året efter det att en tidigare arbetslös registrerats som sysselsatt (z-värden i parantes) Utbildningsinriktning Allmän utbildning IRR Arbetslöshetsdagara Nb 0.941 27.9 76 689 (-1.08) Pedagogik och lärarutbildning 1.006 29.8 7 394 (0.09) Humaniora och konst 1.197*** 35.5 16 249 (2.94) Samhällsvetenskap, juridik och adm. 0.966 28.7 53 943 (-0.65) Naturvetenskap/matte/data 1c 29.7 10 078 (.) Teknik och tillverkning 1.021 30.3 95 458 (0.41) Lant- och skogsbruk, djursjukvård 1.129 33.5 7 827 (1.66) Hälso- och sjukvård, social omsorg 0.877** 26.0 31 483 (-2.36) Tjänster 1.049 31.1 26 335 (0.83) Okänd 1.091 32.4 10 518 (1.29) Not: *p<0,1, **p>0,05, ***p<0,01. a Genomsnittligt antal arbetslöshetsdagar, beräknade utifrån IRR-skattningarna av ekvation (1). b antal observationer. c Jämförelsegrupp (basfall). Branschspecifika skillnader i att få behålla ett arbete studeras genom inkluderandet av industri-specifika fixa effekter i ekvation (1). Resultaten som presenteras i Tabell 6 indikerar att det framförallt är de arbetslösa som anställs inom de offentligt finansierade verksamheterna som har en större risk att få fler arbetslöshetsdagar under det kommande året. De arbetslösa som nyanställs inom hälso- och sjukvårdssektorn har exempelvis 110 procent fler dagar i arbetslöshet året efter att de anställts i jämförelse med de arbetslösa som anställs inom tillverkningsindustrin, vilket innebär att dessa individer i genomsnitt har så mycket som 22 fler dagar i arbetslöshet året efter att de registrerats som sysselsatta. Även de arbetslösa som anställs inom utbildningssektorn, offentlig verksamhet och samhälleliga tjänster har betydligt högre sannolikhet att återigen bli arbetslös jämfört med de som anställs inom tillverkningsindustrin. En arbetslös individ som anställs inom utbildningsväsendet har exempelvis i genomsnitt 144 procent fler arbetslöshetsdagar än en som anställs inom tillverkningsindustrin, vilket motsvarar hela 29 fler dagar i arbetslöshet under ett år. Motsvarande siffror för offentligt verksamhet och samhälleliga tjänster är 70 och 118 procent fler arbetslöshetsdagar. 27 Tabell 6. Effekt av bransch på antalet dagar i arbetslöshet året efter det att en tidigare arbetslös registrerats som sysselsatt (z-värden i parentes) Industri Jordbruk och skogsbruk IRR Arbetslöshetsdagara Nb 2.149*** 43.3 4 561 (11.03) Tillverkning 1c 20.2 48 013 (.) El- och vattenförsörjning 0.636*** 12.8 1 000 (-3.19) Byggverksamhet 1.489*** 30.0 25 154 (11.39) Partihandel 1.092** 22.0 21 544 (2.40) Detaljhandel 1.287*** 25.9 18 403 (6.45) Hotell och restaurang 1.683*** 33.9 8 995 (10.06) Transport 1.049 21.1 22 077 (1.31) Finansiell verksamhet 0.968 19.5 2 599 (-0.36) Fastighetsverksamhet 1.352*** 27.3 48 455 (10.38) Offentlig verksamhet 1.704*** 34.4 6 563 (8.99) Utbildning 2.440*** 49.2 27 700 (24.55) Hälso- och sjukvård 2.103*** 42.4 42 068 (23.16) Samhälleliga tjänster 2.182*** 44.0 13 977 (17.91) Not: *p<0,1, **p>0,05, ***p<0,01. Industrier med färre än 1 000 observationer har exkluderats. a Genomsnittligt antal dagar i arbetslöshet för en individ tillhörande respektive grupp; bAntal observationer; cJämförelsegrupp (basfall). De arbetslösa som anställs inom jord- och skogsbruksindustrin, samt inom fastighetsverksamheter, har också fler dagar i arbetslöshet året efter jämfört med de som arbetar inom tillverkningsindustrin. Enligt de presenterade resultaten har en nyanställd arbetslös inom jordoch skogsbruksindustrin i genomsnitt 115 procent fler dagar i arbetslöshet jämfört med en arbetslös som får anställning inom tillverkningsindustrin, vilket motsvarar cirka 23 fler arbetslöshetsdagar under ett år. De som anställs inom fastighetsverksamheter har 35 procent fler dagar i arbetslöshet kommande år jämfört med de arbetslösa som får en sysselsättning inom tillverkningsindustrin. 28 Två andra branscher där de som anställs har problem att behålla sina arbeten är detaljhandeln och besöksnäringen. I detaljhandeln har de tidigare arbetslösa som får en sysselsättning i genomsnitt 29 procent fler dagar i arbetslöshet kommande år, medan motsvarande siffra för de som arbetar inom hotell- och restaurang är 68 procent. Detta innebär att de arbetslösa som börjar arbeta inom detaljhandeln och besöksnäringen har cirka sex respektive 14 fler dagar i arbetslöshet under kommande år i jämförelse med de arbetslösa som får anställning inom tillverkningsindustrin. Sammanfattningsvis kan vi således konstatera att våra resultat indikerar att det finns stora industrispecifika skillnader som förklarar varför vissa arbetslösa har större problem med att etablera sig på arbetsmarknaden. Våra resultat ger också stöd för de teorier som predikterar att regionspecifika faktorer kan förklara varför vissa individer har större problem med att etablera sig på arbetsmarknaden (se Tabell 7). Enligt de skattade region-specifika fixa effekterna har nyanställda individer som bor i Stockholmsregionen betydligt mindre risk att återigen hamna i arbetslöshet jämfört med en tidigare arbetslös individ som bor utanför Stockholm. Detta indikerar att arbetslösa som bor i Stockholm är mer sannolika att lyckas med en etablering på arbetsmarknaden jämfört med de som bor utanför Stockholm. Norrbotten och Blekinge är de län där arbetslösa individer verkar ha störst problem med att etablera sig på arbetsmarknaden. Enligt de presenterade resultaten har arbetslösa som får en sysselsättning i dessa län 88 respektive 83 procent fler arbetslöshetsdagar året efter att de fått en anställning jämfört med de arbetslösa som anställs i Stockholms län, allt annat lika. 29 Tabell 7. Effekt av län på antalet dagar i arbetslöshet året efter det att en tidigare arbetslös registrerats som sysselsatt (z-värden i parentes) Län Stockholms län IRR 1 (.) 1.156** (2.75) 1.356*** (5.92) 1.416*** (7.95) 1.234*** (4.08) 1.331*** (4.31) 1.508*** (7.42) 1.690*** (5.33) 1.830*** (9.71) 1.380*** (10.15) 1.333*** (5.52) 1.365*** (10.49) 1.774*** (11.47) 1.470*** (7.87) 1.290*** (4.85) 1.574*** (9.07) 1.826*** (13.24) 1.766*** (11.79) 1.688*** (8.69) 1.653*** (10.17) 1.880*** (13.99) Uppsala län Södermanlands län Östergötlands län Jönköpings län Kronobergs län Kalmar län Gotlands län Blekinge län Skåne län Hallands län Västra Götalands län Värmlands län Örebro län Västmanlands län Dalarnas län Gävleborgs län Västernorrlands län Jämtlands län Västerbottens län Norrbottens län 30 Arbetslöshetsdagar 21.2 N 54 675 24.5 9 601 28.7 10 448 30.0 15 908 26.1 10 310 28.2 5 712 31.9 8 803 35.8 2 454 38.8 6 841 29.2 41 472 28.2 9 871 28.9 53 404 37.6 11 353 31.1 11 991 27.3 9 939 33.3 11 430 38.7 15 029 37.4 12 606 35.8 7 331 35.0 11 579 39.8 15 217 Skattningarna som presenterats visar resultaten för alla företag som ingår i det studerade urvalet och kan dölja intressanta skillnader mellan olika typer av företag. Beslutet att anställa någon tas på företagsnivå och det är därför av intresse att också studera om det finns skillnader mellan olika typer av företag, som är oberoende av i vilken bransch som företaget är aktivt inom eller var företaget är lokaliserat. Vi genomför därför också en skattning då vi inkluderar tre stycken dummyvariabler för företagsstorlek som oberoende variabler i ekvation (1). Indelningen av företagsstorlek baseras på Eurostats klassificering och innefattar: (i) Mikroföretag, 1-9 anställda (basfall); (ii) Små företag, 10-49 anställda; (iii) Mellanstora företag, 50-249 anställda; och (iv) Stora företag. >249 anställda. Tabell 8. Skattningsresultat, effekt på antalet dagar i arbetslöshet år t+1 för tidigare arbetslösa individer som registrerades som sysselsatta år t, 2006–2013. Dummyvariabel för företagsstorlek inkluderas i skattningen (antal anställda i parantes). Grupp av variabler Individkarakteristiska Variabel Kvinna Ålder Ålder*2 Gift Barn IRR 0.867*** 1.067*** -0.999*** 0.814*** 0.893*** z-värde -7,22 9.98 -7.53 -10.55 -5.91 Utbildning Grundskola Gymnasium Universitet/högskola 1.038 0.819*** 0.591*** 0.62 -3.25 -7.96 Födelseland Utländska föräldrar Norden EU25 Europa (utanför EU) Afrika Sydamerika Asien Övriga 1.086* 1.044 1.100 1.199*** 1.383*** 1.196** 1.312*** 1.397** 1.96 0.80 1.58 4.62 4.55 2.34 7.19 2.67 Företagsstorlek Små företag (10-49) Mellanstora ftg (20-249) Stora företag (>249) 0.920*** 0.791*** 0.758*** -3.36 8.32 -6.84 Fixa effekter Utbildningsspecifika Industrispecifika Länsspecifika Årsspecifika Antal observationer Not: *p<0,1, **p>0,05, ***p<0,01 31 Ja Ja Ja Ja 291 034 Resultaten i Tabell 8 indikerar att antalet kommande dagar i arbetslöshet är relaterad till storleken på företaget där den arbetslösa får en anställning. De individer som får arbete i mindre företag har signifikant fler kommande arbetslöshetsdagar jämfört med de som får ett arbete i större företag. En arbetslös individ som får ett arbete i ett stort företag har i genomsnitt nästan 25 procent färre arbetslöshetsdagar under kommande år jämfört med de som anställs i ett företag med 1-9 anställda. Detta motsvarar en skillnad på åtta arbetslöshetsdagar i genomsnitt under ett år. Notera också att övriga resultat endast ändras marginellt när vi inkluderar företagsstorlek som oberoende variabler i skattningen, det vill säga när vi jämför övriga resultat i Tabell 8 med resultaten i Tabell 4. I syfte att närmare undersöka om skillnader mellan företag kan förklara individernas möjligheter att etablera sig på arbetsmarknaden genomför vi också separata skattningar av ekvation (1) för mikroföretag (1-9 anställda), små företag (10-49 anställda), mellanstora företag (50-249 anställda), samt stora företag (>249 anställda). Resultaten presenteras i Tabell 9. Utrikes föddas möjligheter att etablera sig på arbetsmarknaden i relation till inrikes födda tycks vara relaterad till storleken på företaget där de anställs. De tidigare arbetslösa utrikes födda som anställs av stora företag har generellt sett fler kommande arbetslöshetsdagar jämfört med motsvarande grupp inrikes födda. En arbetslös individ som är född i Afrika och som får anställning i ett stort företag har exempelvis 39 procent fler arbetslöshetsdagar året efter att de fått en anställning. I de allra minsta företagen finns det däremot ingen statistiskt signifikant skillnad i kommande arbetslöshetsdagar för de som är födda i Afrika och de som är inrikes födda. Vi kan också observera att de tidigare arbetslösa asiaterna generellt sett har fler kommande arbetslöshetsdagar jämfört med motsvarande grupp av inrikes födda individer. Storleken på effekten är dock mindre i de minsta företagen (+27%) jämfört med de allra största företagen (+38%). Våra resultat ger således en indikation på att tidigare arbetslösa individer som anställs i mindre företag har en större risk att återigen hamna i arbetslöshet jämfört med de individer som anställs i större företag. De kommande arbetslöshetsdagarna för tidigare arbetslösa individer påverkas också av var individen är född. Utrikes födda har generellt svårare än inrikes födda att etablera sig på arbetsmarknaden, men att detta resultat framförallt påverkas av de stora företagens anställningsbeslut. I de mindre företagen observerar vi färre skillnader i kommande arbetslöshetsdagar som är relaterade till om individen är utrikes född eller inte. I syfte att studera om det finns en skillnad mellan de som får behålla sin sysselsättning och de som blir arbetslösa (oberoende av antalet dagar i arbetslöshet) estimerar vi också en Logit modell där vår beroende variabel är lika med 1 om den tidigare arbetslösa individen blir arbetslös igen under år t+1, och noll om individen fortsätter att vara registrerad som sysselsatt. Resultaten, som presenteras i Tabell A1-A3 i Appendixet, visar att resultaten är i närmast oförändrade. Detta ger en indikation på att det inte är två olika processer som påverkar om individen blir arbetslös respektive hur många dagar i arbetslöshet som individen har givet att hen blir arbetslös. 32 Tabell 9. Estimationsresultat, effekt på antalet dagar i arbetslöshet år t+1 för tidigare arbetslösa individer som registrerades som sysselsatta år t, 2006-2013, uppdelad efter storleken på företaget där de anställs (z-värden i parentes). Variabler Kvinna Ålder Ålder^2 Gift Barn Grundskola Gymnasium Högskola/Universitet Mikroföretag 1-9 anställda 0.924 (-1.78) 1.064*** (4.34) 0.999** (-3.29) 0.799*** (-5.39) 0.894** (-2.70) 1.090 (0.72) 0.801 (-1.77) 0.599*** (-3.72) Små företag 10-49 anställda 0.921 (-1.43) 1.084*** (4.54) 0.999*** (-3.64) 0.792*** (-4.28) 0.820*** (-3.77) 0.988 (-0.08) 0.787 (-1.40) 0.558** (-3.13) Sverige, utländska föräldrar Mellanstora företag 50-249 anställda 0.879 (-1.72) 1.040 (1.60) 1.000 (-0.76) 0.747*** (-3.80) 0.969 (-0.42) 1.058 (0.24) 0.933 (-0.28) 0.646 (-1.68) Stora företag >249 anställda 0.823*** (-5.84) 1.061*** (5.37) 0.999*** (-3.85) 0.823*** (-5.95) 0.929* (-2.23) 1.004 (0.04) 0.819 (-1.91) 0.597*** (-4.62) 1.228* 1.117 0.895 1.108 (2.16) (0.97) (-0.72) (1.41) Norden 1.098 1.126 1.007 1.002 (0.80) (0.84) (0.03) (0.03) EU25 1.128 1.200 1.229 0.963 (0.94) (1.06) (0.90) (-0.37) Europa (utanför EU) 1.260* 1.285* 1.185 1.139* (2.45) (2.18) (1.20) (2.09) Afrika 1.021 1.466 1.779 1.391*** (0.10) (1.52) (1.96) (3.36) Sydamerika 1.460 1.193 1.181 1.163 (1.84) (0.77) (0.56) (1.28) Asien 1.269** 1.427** 1.647** 1.382*** (2.93) (2.97) (3.20) (5.33) Övriga 1.325 1.250 1.151 1.281 (0.89) (0.61) (0.29) (1.25) 45 032 31 736 112 463 Antal observationer 67 952 Not: *p<0,1, **p>0,05, ***p<0,01. Fixa effekter för bransch, län, utbildningsinriktning och år har inkluderats i skattningarna. 33 6. AVSLUTANDE DISKUSSION Syftet med denna rapport har varit att närmare studera vad det är som kännetecknar de arbetslösa individer som står närmast arbetsmarknaden. Vi har gjort detta genom att analysera variationen i kommande arbetslöshetsdagar för arbetslösa individer som får ett arbete. Analysen bygger på matchade employer-employee data från SCB och möjliggör en analys av skillnader mellan små och stora företag, samt mellan företag i olika branscher och regioner. Rapporten är av betydelse eftersom den ekonomiska-politiken i stor utsträckning tenderar att rikta sig mot de grupper som har allra störst problem med att etablera sig på arbetsmarknaden. Dessa individer kommer dock att ha svårigheter att finna en stabil etablering på arbetsmarknaden innan de som står närmare arbetsmarknaden blir anställda. Vi vet dock väldigt lite om vad som karakteriserar individerna i den senare gruppen eftersom få tidigare studier har undersökt vad som karakteriserar de individer som lyckas med att få ett arbete, men som sedan har problem med att behålla sin anställning. Våra resultat indikerar att det inte är en enskild faktor som karakteriserar de individer som står nära arbetsmarknaden, men ändå har problem med att etablera sig på arbetsmarknaden. Istället finner vi att dessa individer har ett flertal gemensamma kännetecken. Vi finner exempelvis att utbildning är av betydelse för en bättre matchning. De arbetslösa som har en högre utbildning, eller till och med bara en gymnasieutbildning, har betydligt färre arbetslöshetsdagar jämfört med de som bara färdigställt grundskolan. Detta indikerar att det kan finnas samhällsekonomiska vinster med att rikta utbildningssatsningar mot de individer som får jobb, men ändå har problem med att etablera sig på arbetsmarknaden. Sannolikt skulle en inventering av kompetensbehovet för denna grupp och inriktade satsningar mot dessa individer vara en mer effektiv politik jämfört med en politik som riktas mot de långtidsarbetslösa eller långtidssjukskrivna, det vill säga en satsad krona för denna grupp skulle ge fler jobb än en satsad krona på de som står längre bort från arbetsmarknaden. Effekten av utbildningsinriktning är inte lika stark. Undantaget är att de som har en utbildning inriktad mot humaniora har svårare att bli etablerade på arbetsmarknaden. Detta kan tyda på att det finns för många med denna utbildningsinriktning i jämförelse med behovet av denna utbildningsinriktning på arbetsmarknaden. De som har en utbildning inriktad mot hälso- och sjukvård har däremot färre arbetslöshetsdagar, vilket tyder på att det finns en efterfrågan på individer som har denna typ av utbildning. Vår analys ger också ett starkt stöd för de teorier som förutspår att utrikes födda har större svårigheter att behålla en anställning jämfört med inrikes födda, även efter att vi kontrollerat för utbildningsnivå, utbildningsinriktning, bransch etc. Nyanställda arbetslösa individer som var födda i Afrika hade exempelvis cirka 10 tio extra arbetslöshetsdagar under det kommande året jämfört med de individer som var födda i Sverige (av föräldrar som också var födda i Sverige). Även individer som var födda i Sydamerika eller Asien hade betydligt fler arbetslöshetsdagar jämfört med de som var födda i Sverige. Vi kunde också observera fler arbetslöshetsdagar för de individer som hade sitt ursprung i EU-25 länder, övriga Europa samt övriga delar av världen. Inga statistiskt signifikanta skillnader i antalet kommande dagar i arbetslöshet observerades dock mellan de som var födda i övriga nordiska länder och de som var födda i Sverige. 34 Vad kan då förklara att arbetslösa utrikes födda har sämre möjligheter att etablera sig på arbetsmarknaden jämfört med de individer som är födda i Sverige, även efter det att vi kontrollerat för ålder, kön, utbildningsinriktning, bransch, bostadsort etc? En möjlig förklaring till dessa skillnader är att de som är utrikes födda blir diskriminerade, alternativt har sämre nätverk. En intressant hypotes är, som diskuteras av O’Reilly m fl (1989), att anställda från minoritetsgrupper löper större risk att bli av med jobbet jämfört med de anställda som liknar den befintliga arbetsgruppen. Ett intressant område för fortsatta studier skulle därför vara att närmare studera arbetsplatsernas demografiska sammansättning och om den påverkar utrikes föddas möjlighet att behålla arbetet. Till skillnad från tidigare studier har vi också analyserat om individernas möjligheter att etablera sig på arbetsmarknaden är relaterad till storleken på företaget där de börjar arbeta. Det kan vara problematiskt att tidigare studier behandlat företag som en ”black box” eftersom processer på företagsnivån kan påverka arbetskraftens sammansättning. Resultaten som presenterats i rapporten indikerar att så är fallet. Arbetslösa individer som får ett arbete i ett mindre företag har i genomsnitt fler kommande arbetslöshetsdagar jämfört med de som får en anställning i större företag. Detta är inte förvånande eftersom tidigare forskning (Nightingale och Coad, 2014) har visat att många små företag har betydligt svårare än stora företag att överleva på marknaden, vilket också implicerar att en anställning i ett mindre företag är förknippad med en högre framtida arbetslöshetsrisk. Möjligheten för utrikes födda att få behålla en anställning i jämförelse med inrikes födda verkar också vara relaterad till storleken på företaget där de får ett arbete. Arbetslösa utrikes föddas som anställs i stora företag har enligt de presenterade resultaten större problem än inrikes födda att behålla arbetet, men det finns däremot inte någon skillnad mellan utrikes föddas och inrikes föddas i företag med 1-9 anställda. Ett intressant område för framtida studier är att studera detta närmare. Kan resultaten bero på att det är mer vanligt med utrikes födda företagsägare bland de små företagen? Kan anställningsbeteendet hos de mindre företagen förklaras av de mer liberala LAS-reglerna, som möjliggör för företag med mindre än 10 anställda att undanta två arbetstagare från den så kallade sist-in först-ut principen? Vår analys bekräftar också att det finns stora skillnader mellan olika branscher. Ett av de mer anmärkningsvärda är att tidigare arbetslösa som får en sysselsättning inom de offentligt dominerade verksamheterna har större problem med att stadigvarande etablera sig på arbetsmarknaden. Vi menar att mer forskning behövs för att förklara varför detta är fallet. En intressant fråga är om det här också finns skillnader mellan privata alternativ inom vård och utbildningssektorn, eller om detta mönster är likvärdigt för privata respektive offentliga alternativ. 35 REFERENSER Andersson, F., Burgess, S., och Lane, J. I. (2007). Cities, matching and the productivity gains of agglomeration. Journal of Urban Economics, 61(1), 112-128. Allen, J., och Van der Velden, R. (2001). Educational mismatches versus skill mismatches: effects on wages, job satisfaction, and on-the-job search. Oxford economic papers, 434452. Arai, M., Regnér, H., och Schröder, L. (1999). Är arbetsmarknaden öppen för alla?, Bilaga 6 till Långtidsutredningen 1999/2000. Fakta Info Direkt, Stockholm. Arai, M., och Vilhelmsson, R. (2004). Unemployment‑risk differentials between immigrant and native workers in Sweden. Industrial relations: a journal of economy and society, 43(3), 690-698. Arrow, K. J. (1972). Models of job discrimination. Racial discrimination in economic life, 83. Atkinson, T., Liem, R., och Liem, J. H. (1986). The social costs of unemployment: Implications for social support. Journal of Health and Social Behavior, 317-331. Becker, G. S. (1977/2010). The economics of discrimination. University of Chicago press. Behrenz, L., Hammarstedt, M., och Månsson, J. (2007). Second‑Generation Immigrants in the Swedish Labour Market. International Review of Applied Economics, 21(1), 157-174. Behtoui, A. (2008). Informal recruitment methods and disadvantages of immigrants in the Swedish labour market. Journal of ethnic and migration studies, 34(3), 411-430. Bertrand, M., och Mullainathan, S. (2003). Are Emily and Greg more employable than Lakisha and Jamal? A field experiment on labor market discrimination. The American Economic Review, 94, 991-1013. Budgetpropositionen 2015, Prop 2014/15:1, Utgiftsområde 14 “Arbetsmarknad och arbetsliv”: http://www.regeringen.se/contentassets/f479a257aa694bf097a3806bbdf6ff19/utgiftsomr ade-14-arbetsmarknad-och-arbetsliv Calvó-Armengol, A. (2006). Social networks and labour market outcomes (No. 17). CREI. Carlsson, M., och Rooth, D. O. (2006). Evidence of ethnic discrimination in the Swedish labor market using experimental data. Labour Economics, 14(4), 716-729. Chen, J och Rider, C. (2015). Still the same: The new venture diversity imperative and workforce segregation. Working paper. Chevalier, A. (2003). Measuring over‑education. Economica, 70(279), 509-531. Coad, A. (2009). The Growth of Firms – A Survey of Theories and Empirical Evidence. UK, Cheltenham, Edward Elgar Publishing Limited. Coad, A., Daunfeldt, S-O., Johansson, D., och Wennberg, K. (2014). Whom do high growth firms hire? Industrial and Corporate Change, 23, 293-327. Coverdill, J. E. (1998). Personal contacts and post-hire job outcomes: Theoretical and empirical notes on the significance of matching methods. Research in Social Stratification and Mobility, 16, 247-270. Gardner, W., Mulvey, E. P., och Shaw, E. C. (1995). Regression analyses of counts and rates: Poisson, overdispersed Poisson, and negative binomial models. Psychological bulletin, 118(3), 392. 36 Gottfries, Nils (2010). Fungerar den svenska lönebildningen? SOU 2010:93, Bilaga 5. Oscarsson, E., och Grannas, D. (2002). Under-och överutbildning på 2000-talets arbetsmarknad. Guryan, J., och Charles, K. K. (2013). Taste‑based or Statistical Discrimination: The Economics of Discrimination Returns to its Roots. The Economic Journal, 123(572), 417432. Edin, P., Fredriksson, P., och Åslund, O. (2003). Ethnic Enclaves and the Economic Success of Immigrants: Evidence from a Natural Experiment. Quarterly Journal of Economics, 118, 329-357. Fergin, E., Stern, C., Wennberg, K., och Holgersson, C. Kompetensförsörjningen i svenska företag. Ratio – Näringslivets forskningsinstitut. Hensvik, L., och Skans, O. N. (2013). Kontakter och ungdomars arbetsmarknadsinträde. IFAU. Ioannides, Y. M., och Loury, L. D. (2004). Job information networks, neighborhood effects, and inequality. Journal of economic literature, 1056-1093. Jianakoplos, N. A., och Bernasek, A. (1998). Are women more risk averse? Economic inquiry, 36(4), 620. Jovanovic, B. (1979). Job matching and the theory of turnover. Journal of Political Economy 87, 972–990. Kanter, R. M. (1977). Men and Women of the Corporation (Vol. 5049). Basic books. Karlson, N. (2014). Vad är kompetens? Ratio – Näringslivets forskningsinstitut. Karlson, N., och Skånberg, O. (2012). Matchning på den svenska arbetsmarknaden. Underlagsrapport 9 till Framtidskommissionen. Kroft, K., Lange, F., och Notowidigdo, M.J. (2013). Duration dependence and labor market conditions. Quarterly Journal of Economics 128, 1123-1167. Krueger, A.B., och Mueller. A. (2011). Job search, emotional well-being, and job finding in a period of mass unemployment: Evidence from high-frequency longitudinal data. Brookings Papers on Economic Activity, Spring 2011, 1-57. Lancee, B. (2012). Immigrant performance in the labour market: bonding and bridging social capital. Amsterdam University Press. Leuven, E., och Oosterbeek, H. (2011). Overeducation and mismatch in the labor market. Handbook of the Economics of Education, 4, 283-326. Long, J.S. (1997). Regression models for categorical and limited dependent variables. Thousand Oaks, CA: Sage. Long, J. S., och Freese, J. (2014). Regression models for categorical dependent variables using Stata. Stata press. Loury, L. D. (2006). Some contacts are more equal than others: Informal networks, job tenure, and wages. Journal of Labor Economics, 24(2), 299-318. McPherson, M., Smith-Lovin, L., och Cook, J. M. (2001). Birds of a feather: Homophily in social networks. Annual review of sociology, 415-444. 37 Mortensen, D. T., och Pissarides, C. A. (1999). New developments in models of search in the labor market, i O. Ashenfelter och D. Card (red), Handbook of Labor Economics, Vol. 3, North-Holland, Amsterdam. Mouw, T. (2003). Social capital and finding a job: Do contacts matter?. American sociological review, 868-898. Nightingale, P., och Coad, A. (2014). Muppets and gazelles: political and methodological biases in entrepreneurship research. Industrial and Corporate Change, 23(1), 113-143. Nordenmark, M., och Strandh, M. (1999). Towards a sociological understanding of mental well-being among the unemployed: the role of economic and psychosocial factors. Sociology, 33(3), 577-597. O'Reilly III, C. A., Caldwell, D. F., och Barnett, W. P. (1989). Work group demography, social integration, and turnover. Administrative science quarterly, 21-37. Oyer, P., och Schaefer, S. (2010). Personnel economics: Hiring and incentives, National Bureau of Economic Research 15977. Riddell, W. C., och Song, X. (2011). The impact of education on unemployment incidence and re-employment success: Evidence from the US labour market. Labour Economics, 18(4), 453-463. Schmid, G. (2010). Non-Standard Employment and Labour Force Participation: A comparative view of the recent development in Europe, IZA Discussion Paper. Shields, M. A., och Price, S. W. (2005). Exploring the economic and social determinants of psychological well‑being and perceived social support in England. Journal of the Royal Statistical Society: Series A (Statistics in Society), 168(3), 513-537. SCB,(2011) - Kodbok för Longitudinell Integrationsdatabas för Sjukförsäkrings- och Arbetsmarknadsstudier (LISA): http://www.scb.se/statistik/_publikationer/AM9901_1990I09_BR_AM76BR1104.pdf SCB (2015) http://www.scb.se/sv_/Dokumentation/Klassifikationer-ochstandarder/Standard-for-svensk-naringsgrensindelning-SNI/ SCB (2015), Arbetskraftsundersökningarna AKU: http://www.scb.se/aku/ Tåhlin, M. (2007). Överutbildning i Sverige: utveckling och konsekvenser, i Olofsson, J (red), Utbildningsvägen – Vart leder den? Om ungdomar, yrkesutbildning och försörjning, SNS förlag. Wennberg, K, Lindberg, H och Fergin, E. (2014). Rekrytering och kompetensförsörjning i snabbväxande företag. Ratio – Näringslivets forskningsinstitut. Williamson, O. E. (1979). Transaction-cost economics: the governance of contractual relations. Journal of law and economics, 233-261. 38 APPENDIX Tabell A1. Skattningsresultat, effekt på arbetsmarknadsstatus år t+1 för tidigare arbetslösa individer som registrerades som sysselsatta år t, 2006-2013. Beroende variabel är lika med 1 arbetslös, 0 om fortsatt sysselsatt. OR z-värde Grupp av variabler Individkarakteristiska Variabel Kvinna Ålder Ålder*2 Gift Barn 0.775*** 1.108*** 0.999*** 0.774*** 0.834*** -16.34 -19.65 -15.58 -16.91 -12.04 Utbildning Grundskola Gymnasium Universitet/högskola 0.99 0.783*** 0.523*** -0.25 -5.6 -13.39 Födelseland Utländska föräldrar Norden EU25 Europa (utanför EU) Afrika Sydamerika Asien Övriga 1.065 1.093* 1.091 1.294*** 1.510*** 1.268*** 1.441*** 1.432*** -1.85 -2.26 -1.83 -8.44 -8.26 -4.12 -13.11 -3.85 Fixa effekter Utbildningsspecifika Industrispecifika Länsspecifika Årsspecifika Antal observationer Not: *p<0,1, **p>0,05, ***p<0,01 39 Ja Ja Ja Ja 291 034 Tabell A2. Effekt av bransch på arbetsmarknadsstatus året efter det att en tidigare arbetslös registrerats som sysselsatt, 2006-2013. Beroende variabel är lika med 1 om individen är arbetslös, och lika med 0 om fortsatt sysselsatt (z-värden i parentes). Industri Jordbruk och skogsbruk Tillverkning OR 2,039*** z-värde -14,97 1a El- och vattenförsörjning 0,581** -2,99 Byggverksamhet 1,161*** -4,89 Partihandel 1,084* -2,36 Detaljhandel 1,380*** -9,21 Hotell och restaurang 1,822*** -14,91 1,02 -0,58 Finansiell verksamhet 1,249* -2,49 Fastighetsverksamhet 1,328*** -10,72 Offentlig verksamhet 2,227*** -16,9 Utbildning 3,468*** -42,65 Hälso- och sjukvård 3,215*** -43,12 Samhälleliga tjänster 2,633*** -29,9 Transport Not: *p<0,1, **p>0,05, ***p<0,01. Industrier med färre än 1 000 observationer har exkluderats. acJämförelsegrupp (basfall). 40 Tabell A3. Effekt av län på arbetsmarknadsstatus året efter det att en tidigare arbetslös registrerats som sysselsatt, 2006-2013. Beroende variabel är lika med 1 om individen är arbetslös, och lika med 0 om fortsatt sysselsatt. IRR 1a z-värde 1,102* -2,11 Södermanlands län 1,391*** -7,88 Östergötlands län 1,563*** -12,74 Jönköpings län 1,228*** -4,55 Kronobergs län 1,443*** -6,75 Kalmar län 1,541*** -9,84 Gotlands län 1,829*** -8,65 Blekinge län 2,004*** -15,15 Skåne län 1,443*** -13,95 Hallands län 1,304*** -6,03 Västra Götalands län 1,464*** -15,4 Värmlands län 2,070*** -19,93 Örebro län 1,691*** -13,78 Västmanlands län 1,435*** -8,38 Dalarnas län 1,599*** -12,03 Gävleborgs län 2,071*** -21,65 Västernorrlands län 1,919*** -18,02 Jämtlands län 1,727*** -12,2 Västerbottens län 1,695*** -13,6 Norrbottens län 2,100*** -22,23 Län Stockholms län Uppsala län 41