Statskontorets regressionsanalyser (Dnr 2008/45-5)

Transkript

1 1 (22) Statskontoret PM (2009) Statskontorets regressionsanalyser (Dnr 2008/45-5) I denna bilaga återges de regressionsanalyser och beskrivningar som konsulten Karl-Martin Sjöstrand utfört och författat på uppdrag av Statskontoret. Författaren svarar själv för innehållet i denna bilaga. 1. Avbrott och avbrottsorsaker I dessa beräkningar behandlas hur olika avbrott samvarierar med andra faktorer. Eftersom avbrotten och andra utgångar ur sfi bestämmer hur många av eleverna som når fram till godkänt på någon kursnivå, säger dessa resultat också något om under vilka omständigheter man fullföljer sfistudierna fram till godkänt, i sista hand på D-kursen. Bland de oberoende variablerna ingår faktorer som varierar från elev till elev, såsom ålder, kön och utbildning, vidare faktorer som gäller elevens position i själva utbildningen, såsom elevtyp och på vilken studieväg man inleder sina studier. Och slutligen karaktäristika hos kommunen och skolan där eleven bedriver studierna. Beräkningarna omfattar den årskull av sfi-elever som började sina studier under läsåret 2004/2005. Denna grupp har kunnat följa månader från studiestarten. För att göra materialet mer hanterbart har antalet avbrottsorsaker grupperats i större grupper. Följande klassificering av avslut av sfi-studierna används: Följande avbrottsorsaker är desamma som i den gällande nomenklaturen: Arbete eller praktik Okänd orsak Ett antal avbrottsorsaker har förts samman under rubriken: Övrigt (här ingår avbrott på grund av att personen flyttat, är gravid/barnledig, har övergått till annan utbildning, gör studieuppehåll, eller uppehåll pga. sjukdom, och slutligen Annan orsak). Perioder med koden Fortsätter, som sätts vid läsårssluten, har delats upp i två grupper: de som vid utgången av läsåret 2006/2007 fortfarande deltog i studierna, och de som har åsatts Fortsätter -koden vid utgången av läsåret 2004/2005 respektive 2005/2006 men sedan inte återkommit inför den följande terminen: Fortsätter Ej åter efter terminsslut

2 PM 2 ÄNDRAD Ett antal studerande har avlagt godkänt på åtminstone någon av kursnivåerna A C, men sedan valt att inte fortsätta studierna. För dessa finns alltså ingen avbrottsorsak angiven. Dessa har grupperats under rubriken: Avslut A C Ytterligare ett antal avbrottsorsaker har grupperats under rubriken: Annat (De avbrottsorsaker som omfattas är: Ej godkänd, Åter hemland, Avskild från utbildningen, Direkttest. Antalet Direkttest är få, omkring en procent av avsluten, och oftast med en studietid om noll eller en dag.) De här avbrotten är av mindre intresse för analysen. Denna grupp, Annat, har följaktligen uteslutits ur beräkningarna. Regressionsanalysen har lagts upp på följande sätt. I en första regression ställs avbrotten bland de elever som inte uppnått godkänt på någon kurs mot den grupp som uppnått godkänt. Regressionen genomförs som en multinomial logitanalys. Det innebär att var och en av de fem avbrottsorsakerna (Fortsätter, Arbete, praktik, Okänd anledning, Övrigt, Ej åter efter terminsslut) finns med explicit i beräkningarna. För var och en av dem beräknas sannolikheten för att just det avbrottet skall ske jämfört med att man gått vidare till ett godkänt på någon kurs. I princip genomför man fem olika logitanalyser, där var och en av avbrottsanledningarna ställs mot alternativet fortsatt till godkänt. Denna regression omfattar individer I en andra regression genomförs motsvarande beräkningar för den grupp som uppnått godkänt på någon kurs. Analogt med den första regressionen ställs här de olika avbrottsorsakerna mot alternativet att man fullbordar studierna till ett godkänt på D-kursen. Avbrottsorsakerna är här sex stycken, samma fem som ovan Fortsätter, Arbete, praktik, Okänd anledning, Övrigt, Ej åter efter terminsslut samt Avslut A C. Denna regression omfattar individer. De oberoende variabler som ingår i beräkningarna framgår av tabellerna nedan och har presenterats i kapitel 3. Ett par variabler kan emellertid kräva en kommentar. Homofoni är en variabel som avses fånga in effekterna av om det finns en koncentration av elever med samma modersmål i en klass. 1 Variabeln har konstruerats på följande sätt: för varje sfi-elev har det genomsnittliga antalet personer med samma modersmål inom samma kurs, studieväg och skola beräknats för de perioder som eleven ifråga deltagit i undervisningen. På samma sätt har antalet elever totalt inom samma kurs, studieväg och skola beräknats. Antalet 1 I Statskontorets rapport (2009:2) benämns variabeln modersmålshomogenitet.

3 PM 3 ÄNDRAD personer med det aktuella modersmålet sätts i relation till totala antalet elever och ger hur stor andel av klassen som talar samma modersmål som eleven själv. Talen har beräknats för varje period som avgränsas av till exempel godkänt på en kurs eller avbrott, eftersom kurs och studieväg (och även skola) kan förändras mellan perioderna. Vi förutsätter således inledningsvis att en skolklass i sfi kan avgränsas till de elever som studerar samma kurs på samma studieväg. Men i skolor/kommuner med få elever kommer man sannolikt att slå samman kurser eller studievägar. Med utgångspunkt i uppgifter i Vem älskar sfi (Skolverket 1997) om klasstorlek för skolor med olika antal elever har vi uppskattat på vilken nivå andelen med gemensamt modersmål bör beräknas: för kurs+studieväg, för enbart studieväg eller för skolan som helhet. För större skolor, där antalet elever på den mest finfördelade nivån, kurs+studieväg, överstiger en rimlig klasstorlek, har andelen med gemensamt modersmål förutsatts vara densamma för alla klasser på denna nivå. Andelen med gemensamt modersmål i tabellen är alltså kopplat till den enskilda eleven men beräknat genom att summera individer med samma modersmål över kurs/studieväg/skola. De uppgifter som redovisas i tabellen bygger på den genomsnittliga andelen homofoni under de 45 dagar som föregick avslutet. Idealt skulle man dock vilja följa en individ över tiden för att se om förändringar i graden av homofoni, tillsammans med andra variabler, utlöser någon förändring. Ytterligare en variabel har tagits med som anger när den aktuella eleven började sina sfi-studier, Första datum sfi. Sannolikheten för att man skall ha avbrutit eller avslutat studierna vid kontrollstationen, utgången av läsåret 2006/2007, ökar naturligtvis ju längre tid som förflutit från studiestarten. För regression nummer två anger den aktuella variabeln när eleven ifråga började den sista studieperiod vars avslut vår undersökning gäller. Inledningsvis presenteras ett par mer övergripande regressioner, där samtliga avbrott har slagits samman. Man erhåller således binära logitmodeller. I den första av dessa regressioner ställs avbrotten totalt ( Fortsätter -gruppen ingår ej) mot den grupp som har fortsatt fram till åtminstone ett Godkänt. Regressionen är alltså en uppskattning av hur sannolikheten att avbryta studierna oavsett orsak innan man uppnått ett Godkänt varierar med ett antal bakgrundsfaktorer. Omvänt kan man säga att man beräknar bakgrundsfaktorernas betydelse för sannolikheten att gå vidare till Godkänt. Det är bara att byta tecken på koefficienterna. Den andra regressionen behandlar endast de som uppnått godkänt på någon kurs. I denna regression ställs de som fullföljt studierna till ett godkänt på D-kursen mot de som avbrutit. I avbrotten ingår nu också Avslut A C.

4 PM 4 ÄNDRAD I de avslutande multinomiala regressionerna finns inte möjlighet att också inkludera variabler som fångar in elevernas fördelning på modersmål. Det ger en beräkningsmässigt ohanterligt stor modell. För att ändå få en uppfattning om i vilken utsträckning de uppskattade parametervärdena påverkas av om man tar hänsyn till elevernas modersmål har de två binära regressionerna också skattats med variabler för modersmål. Eleverna har delats in i 14 olika språkgrupper, varav en övriggrupp med ett antal mer sparsamt representerade språk och sådana där uppgift saknas. Som framgår av tabellerna nedan förändrar inte införandet av modersmål i modellen resultaten på något avgörande sätt. För någon enstaka variabel (utbildning i den första modellen, avbrott före godkänt) stärks parametervärdenas signifikans och för några försvagas signifikansen något (utbildning i den andra modellen, avbrott efter godkänt). Resultaten för avbrott före godkänt på någon kurs framgår av tabell 1 och resultaten för Godkända av tabell 2.

5 PM 5 ÄNDRAD Tabell 1. Logitmodell. Beroende variabel är avbrott innan man uppnått ett Godkänt. Kolumn 4 och 5 inklusive variabler för modersmål Variabel Koefficient t-värde Koefficient t-värde Konstant Ålder Ålder^ Flykting Kvinna (Studiev 1: referenskategori) Studiev Studiev (Utbildning kortare än 8 år:referenskategori) Utbildning 8-12 år Utbildning år Utbildning mer än 15 år Relativ arbetslöshet (Större städer: referenskategori) Stockholm stad Stockholm förorter Malmö stad Malmö förorter Göteborg stad Göteborg förorter Pendlingskommuner Övriga kommuner Andel utlandsfödda Homofoni (Anordnare kommunen: referenskategori) Anordnare studieförbund Anordnare övriga Första datum sfi (Övriga språk inkl uppg saknas:referenskategori) - - Somaliska mm: nordöstra Afrika Semitiska språk: Nordafrika, Mellanöstern Indoariska Germanska Sydslaviska Iranska Västslaviska Östslaviska Turkspråk Romanska språk Albanska Sino-tibetanska, Austroasiatiska Thailändska

6 PM 6 ÄNDRAD Tabell 2. Logitmodell. Beroende variabel är avbrott efter godkänt på någon kurs A - C men innan man uppnått ett Godkänt på kurs D. Kolumn 4 och 5 inklusive variabler för modersmål Variabel Koefficient t-värde Koefficient t-värde Konstant Ålder Ålder^ Flykting Kvinna (Studiev 1: referenskategori) Studiev Studiev (Utbildning kortare än 8 år:referenskategori) Utbildning 8-12 år Utbildning år Utbildning mer än 15 år Relativ arbetslöshet (Större städer: referenskategori) Stockholm stad Stockholm förorter Malmö stad Malmö förorter Göteborg stad Göteborg förorter Pendlingskommuner Övriga kommuner Andel utlandsfödda Homofoni (Anordnare kommunen: referenskategori) Anordnare studieförbund Anordnare övriga Första datum sista sfi-period (Övriga språk inkl uppg saknas:referenskategori) - - Somaliska mm: nordöstra Afrika Semitiska språk: Nordafrika, Mellanöstern Indoariska Germanska Sydslaviska Iranska Västslaviska Östslaviska Turkspråk Romanska språk Albanska Sino-tibetanska, Austroasiatiska Thailändska

7 PM 7 ÄNDRAD Man kan bland annat notera följande. Benägenheten att avbryta ökar med åldern från och med omkring år. Flyktingar avbryter i signifikant lägre grad än övriga invandrare. Vilken studieväg man inlett sina sfi-studier på ger mindre signifikant utslag när man ser till avbrotten på denna aggregerade nivå, i motsats till resultaten för de Godkända, där studieväg ger starkt signifikant utslag. Resultaten beträffande utbildning ger en splittrad bild bland de ej godkända. Endast utbildning år är statistiskt signifikant och ökar sannolikheten för avbrott, återigen i motsats till resultaten för de Godkända, där utbildning är starkt signifikant i alla tre utbildningsklasser. Med stigande arbetslöshet minskar benägenheten till avbrott, vilket kan tolkas som att möjligheterna till arbete påverkar valet mellan fortsatta studier och avbrott. Även i detta avseende skiljer sig resultaten från resultaten för de Godkända, där vi finner en positiv samvariation mellan avbrott och arbetslöshet. Bedriver man sina sfi-studier i någon storstad och framför allt i Stockholm är sannolikheten att man skall avbryta före ett Godkänt kraftigt förhöjd (i jämförelse med refererenskategorin, Större städer). Detta förhållande kvarstår för Stockholm men inte för övriga storstäder i resultaten för de Godkända. I Göteborg har man tvärtom en signifikant lägre sannolikhet för avbrott i resultaten för de Godkända. Variabeln andel utlandsfödda är inte signifikant i någon av modellerna. Det blir den däremot för vissa avbrottsorsaker i de multinomiala modellerna. Variabeln Homofoni (koncentration av elever med samma modersmål i en klass) är signifikant positiv i bägge modellerna. De två anordnarvariablerna är inte fullt signifikanta. Även i de multinomiala modellerna varierar dessa två variablers signifikans på ett svårtolkat sätt. Vi går nu vidare till resultaten från de bägge multinominella modellerna. Det rör sig om modeller med ett stort antal parametrar, 120 respektive 144. På sannolikhetsteoretiska grunder kan man kan utgå från att beräkningsresultatens signifikans kan innehålla en del slumpmässig variation. Man kan emellertid ta fasta på de mönster som är stabila och rimliga.

8 PM 8 ÄNDRAD Tabell 3. Multinomial logitmodell. Beroende variabler är slag av avbrott innan man uppnått ett Godkänt. Koefficienter. * anger graden av statistisk signifikans. ****=P< ***=P<0.01. **=P<0.05. *=P<0.1. Avbrottsorsaker Variabel Fortsätter Arbete, praktik Okänd anledning Övrigt Ej åter efter terminsslut Konstant **** **** **** * Ålder 0.089*** 0.077*** *** **** -0.05*** Ålder^ ** ** 0.001**** 0.002**** 0.001**** Flykting **** **** **** **** Kvinna * * (Studiev 1: referenskategori) Studiev **** 0.489**** ** ** Studiev **** 0.385*** *** (Utbildning kortare än 8 år:referenskategori) Utbildning 8-12 år **** * **** Utbildning år **** **** * **** ** Utbildning mer än 15 år **** *** **** Relativ arbetslöshet *** * **** (Större städer: referenskategori Stockholm stad 0.885**** *** 1.328**** 0.246** **** Stockholm förorter 0.507*** **** **** Malmö stad 1.124**** ** 0.351*** 0.486** Malmö förorter Göteborg stad 0.795**** 0.297* 0.374*** **** Göteborg förorter 0.629** ** ** Pendlingskommuner ** **** ** **** Övriga kommuner 0.315*** * **** ** Andel utlandsfödda ** ** Homofoni 2.292**** 1.119**** 0.867**** 1.617**** 1.167**** (Anordnare kommunen: referenskategori) Anordnare studieförbund ** 0.378**** * 0.373*** Anordnare övriga ** **** Första datum sfi 0.003**** 0.002**** 0.001*** 0.001**** 0.005****

9 PM 9 ÄNDRAD Tabell 4. Multinomial logitmodell. Beroende variabel är slag av avbrott efter godkänt på någon kurs A - C men innan man uppnått ett Godkänt på kurs D. Koefficienter. * anger graden av statistisk signifikans. ****=P< ***=P<0.01. **=P<0.05. *=P<0.1. Avbrottsorsaker Ej åter Arbete, Okänd efter Avslut A- Variabel Fortsätter praktik anledning Övrigt terminsslut C Konstant *** **** ** **** Ålder 0.119**** 0.096*** Ålder^ ** ** ** Flykting **** * ** Kvinna ** (Studiev 1: referenskategori) Studiev **** **** **** **** **** -0.84**** Studiev **** **** **** -2.74**** **** **** (Utbildning kortare än 8 år:referenskategori) Utbildning 8-12 år **** *** ** **** ** **** Utbildning år -1.24**** **** **** **** **** **** Utbildning mer än 15 år **** **** **** **** **** **** Relativ arbetslöshet ** 9.971**** * 4.286** (Större städer: referenskategori Stockholm stad 0.82**** **** 0.691**** **** Stockholm förorter **** 0.685**** *** 0.44* Malmö stad ** *** *** **** ** Malmö förorter ** ** * Göteborg stad 0.494** *** * **** Göteborg förorter ** ** Pendlingskommuner Övriga kommuner *** * **** * -0.19** Andel utlandsfödda 2.577*** 3.887**** 5.161**** 2.212** ** Homofoni 1.692**** 1.023** 1.014** 1.396**** **** (Anordnare kommunen: referenskategori) Anordnare studieförbund ** ** Anordnare övriga ** Första datum sfi **** **** **** **** 0.001* 0.003**** Man kan notera följande utifrån tabell 3 och 4: Sannolikheten att vara kvar i studierna vid undersökningsperiodens slut (och ännu inte nått något Godkänt ) ökar med stigande ålder. Detsamma gäller avbrott pga. arbete (upp till omkring 40-årsåldern, varefter kurvan vänder nedåt). För övriga avbrottsorsaker minskar sannolikheten inledningsvis något men ökar igen efter 25-årsåldern. Flyktingar har lägre sannolikhet att avbryta oavsett avbrottsorsak. Detsamma gäller i resultaten för de Godkända i de fall där koefficienten är signifikant.

10 PM 10 ÄNDRAD Kön är inte i sig signifikant i någon av tabellerna, men kan som anfördes tidigare verka genom till exempel utbildningsvariabeln. Har man inlett sina studier på studieväg 2 eller 3 är man i mindre utsträckning kvar i studier vid halvårsskiftet Det gäller även bland de godkända. Bland de ej godkända har man däremot i högre grad avbrutit för arbete, medan sannolikheten för andra avbrottsorsaker är lägre (än i jämförelsekategorin studieväg 1). För de Godkända är resultatet det motsatta. Har man inlett sina studier på studieväg 2 eller 3 är sannolikheten för avbrott på grund av arbete lägre. Även beträffande övriga avbrottsorsaker är koefficienterna negativa med stark signifikans. Mönstret ser alltså ut på följande sätt: i ett inledande skede är sannolikheten för att man skall avbryta studierna åtminstone för arbete förhöjd om man inlett dem på studieväg 2 eller 3. Men bland dem som har någon godkänd kurs bakom sig är sannolikheten att avbryta avsevärt lägre än bland de som började på studieväg 1. Vi såg mönstret redan i tabellerna 1 och 2. För de Godkända innebär högre utbildning att man i större utsträckning fortsätter studierna fram till godkänt på kurs D. Man möter en uppsättning signifikanta koefficienter för utbildning. Sannolikheten att fullfölja utbildningen till ett Godkänt är högre om man har mångårig utbildning bakom sig. Arbetslösheten spelar en viss roll för några avbrottsorsaker, men inte alla. En ökad arbetslöshet ger, föga förvånande, en lägre sannolikhet att avbryta pga. av arbete. En hög arbetslöshet minskar också sannolikheten att avbryta mellan terminerna (Ej åter efter terminsslut). Bland de Godkända är arbetslösheten positivt signifikant för avbrottsorsakerna Okänd anledning, Övrigt och Avslut A C. Storstäderna och förorterna, med undantag av förorter till Malmö (som är mycket sparsamt representerade i materialet) uppvisar höga sannolikheter för att man skall vara kvar i studierna vid undersökningsperiodens slut. Det gäller ej godkända och för Stockholms och Göteborgs stad även bland de godkända. Samma mönster gäller i hög grad avbrott av okänd anledning. Andel utlandsfödda ökar sannolikheten att avbryta av okänd orsak bland de ej godkända och minskar sannolikheten att avbryta mellan terminerna. Bland de godkända finns det ett starkt positivt samband mellan andel utlandsfödda och Fortsätter, Arbete, praktik, Okänd anledning och Övrigt. Variabeln Homofoni, det vill säga i vilken utsträckning man har klasskamrater som talar samma modersmål som man själv, är starkt positiv och signifikant för alternativet Fortsätter och även signifikant positivt för nästan samtliga avbrottsalternativ och för bägge grupperna. En koncentration av personer med samma modersmål ökar således sannolikheten för att studierna drar ut på tiden (Fortsätter) och för avbrott.

11 PM 11 ÄNDRAD Variabeln Anordnare visar ett mindre konsekvent mönster och inte så höga statistiska signifikanser. Endast beträffande avbrotten av okänd anledning bland de ej godkända finns det anledning att beakta variabeln ifråga. Jämfört med kommunala anordnare har bägge de övriga anordnarna en ökad sannolikhet för avbrott av nämnda anledning. 2. Jämförelse mellan den nya och den gamla studieordningen I jämförelsen mellan den gamla och nya studieordningen har godkänt enligt den gamla studieordningen jämställts med godkänt på D-kursen enligt den nya studieordningen. Det material som har utnyttjats omfattar alla personer som började studera inom sfi 1998 och 1999 respektive 2003 och första halvåret Dessa årskullar har valts för att ge utrymme för en tillräckligt lång uppföljning. Eleverna har följts upp efter exakt tre år, dagar. I en första regression (tabell 5) har förutsatts att samma modell gäller för både gamla och nya sfi. Det innebär att till exempel utbildning eller ålder har samma betydelse för om man uppnår på D-kursen i den nuvarande studieordningen som för att uppnå Godkänt i den föregående studieordningen. Orsakerna till skillnaden i andel godkänt mellan de två studieordningen blir en oförklarad restpost sedan man tagit hänsyn till de faktorer som ingår i modellen. Man kan emellertid ta in i modellen möjligheten att mönstren har förändrats mellan de två studieordningarna. Det sker genom att inkludera variabler som fångar upp om reaktionsmönstren skiljer sig. För till exempel utbildning delar man upp effekten i en variabel som baseras på samtliga observationer och en andra variabel som reagerar endast på de observationer som omfattas av den nya studieordningen. En sådan variabel fångar upp det beteendemönster som är unikt för den nya studieordningen. Om en sådan variabel är statistiskt signifikant drar vi slutsatsen att beteendemönstret har förändrats mellan de bägge studieordningarna. En sådan förändring behöver inte bero på skillnaderna i studieordning utan kan bero på förändrade förhållanden i det omgivande samhället. Men förändringarna i beteende kan också vara en anpassning till de villkor och incitament som följer med förändringarna i studieordning. Resultaten från en sådan regression återges i tabell 6. Populationen har begränsats till personer 20 år och däröver och omfattar sammanlagt personer.

12 PM 12 ÄNDRAD Tabell 5. Logitmodell. Beroende variabel är godkänt enligt äldre studieordning och godkänt på D-kursen enligt nya studieordningen Variable Coefficient Std. Error z-statistic Prob. C LOG(@ABS(TIDTILLSFI)+1) AGE (AGE-20)*(AGE>=20) (AGE-40)*(AGE>=40) KVINNA ELEVTYP="F" NYA SFI RELARBL RELARBL^ UTBKLASS=8-12 år UTBKLASS=12-15 år UTBKLASS=MER än 15 år AGE*(UTBKLASS=8-12 år) AGE*(UTBKLASS=12-15 år) AGE*(UTBKLASS=MER än 15 år) FLAND=EU FLAND=BOSNIEN-HERCEG FLAND=FD JUGOSLAV FLAND=SYDAMERIKA FLAND=FORNA SOVJET exkl Ryssland FLAND=ÖVRIGA AFRIKA FLAND=TURKIET FLAND=MELLANöSTERN FLAND=NORDAFRIKA FLAND=IRAN FLAND=RYSSLAND, RUMäNIEN, BULGARIEN, ALBANIEN FLAND=ETI/ERI/SOM/SUD FLAND=IRAK FLAND=USA, KANADA, AUSTRALIEN, NYA ZEELAND FLAND=SYDASIEN FLAND=ÖSTASIEN FLAND=AFGHANISTAN FLAND=THAILAND FLAND=UPPG SAKNAS STHLM STAD STHIM FöRORTER MALMö STAD MALMö FöRORTER GöTEB STAD GöTEB FöRORTER PENDLINGSKOM ÖVRIGA KOMMUNER McFadden R-squared Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Restr. log likelihood LR statistic Avg. log likelihood Prob(LR statistic) Obs with Dep= Total obs Obs with Dep=

13 PM 13 ÄNDRAD Variabeln TIDTILLSFI är tid i dagar som förflutit mellan första folkbokföringsdatum och tidpunkt då man började sfi-studierna. Den tiden kan vara både positiv och negativ. Sambandet med framgång i studierna ser ut ungefär som Stockholms läns landstings logotyp, med ett maximum vid 0 dagar, därav variabelns utformning i regressionsberäkningen. Variabeln RELARBL0 är den genomsnittliga arbetslösheten i kommunen där undervisningen bedrivs under första halvåret efter studiestart. Variabeln RELARBL4 är motsvarande mått för det femte halvåret efter studiestart. Tabell 6. Logitmodell. Beroende variabel är godkänt enligt äldre studieordning och godkänt på D-kursen enligt nya studieordningen Variable Coefficient Std. Error z-statistic Prob. C NYASFI LOG(@ABS(TIDTILLSFI)+1) AGE (AGE-40)*(AGE>=40) KON UTBKLASS=8-12 år UTBKLASS=12-15 år UTBKLASS=MER än 15 år ELEVTYP="F" KOM=STHLM STAD KOM=STHIM FöRORTER KOM=MALMö STAD KOM=MALMö FöRORTER KOM=GöTEB STAD KOM=GöTEB FöRORTER KOM=PENDLINGSKOM KOM=ÖVRIGA KOMMUNER FLAND=EU FLAND=BOSNIEN-HERCEG FLAND=FD JUGOSLAV FLAND=SYDAMERIKA FLAND=FORNA SOVJET exkl Ryssland FLAND=ÖVRIGA AFRIKA FLAND=TURKIET FLAND=MELLANöSTERN FLAND=NORDAFRIKA FLAND=IRAN FLAND=RYSSLAND, RUMäNIEN, BULGARIEN, ALBANIEN FLAND=ETI/ERI/SOM/SUD FLAND=IRAK FLAND=USA, KANADA, AUSTRALIEN, NYA ZEELAND FLAND=SYDASIEN FLAND=ÖSTASIEN FLAND=AFGHANISTAN FLAND=THAILAND FLAND= RELARBL RELARBL0^ RELARBL RELARBL4^ AGE*(UTBKLSS=8) AGE*(UTBKLSS=12)

14 PM 14 ÄNDRAD AGE*(UTBKLSS=15) AGE40*(UTBKLSS=8) AGE40*(UTBKLSS=12) AGE40*(UTBKLSS=15) KON*AGE KON*AGE KON*(UTBKLSS=8) KON*(UTBKLSS=12) KON*(UTBKLSS=15) NYASFI*KOM=STHLM STAD NYASFI*KOM=STHIM FöRORTER NYASFI*KOM=MALMö STAD NYASFI*KOM=MALMö FöRORTER NYASFI*KOM=GöTEB STAD NYASFI*KOM=GöTEB FöRORTER NYASFI*KOM=PENDLINGSKO M NYASFI*KOM=ÖVRIGA KOMMUNER NYASFI*FLAND=EU NYASFI*FLAND=BOSNIEN- HERCEG NYASFI*FLAND=FD JUGOSLAV NYASFI*FLAND=SYDAMERIKA NYASFI*FLAND=FORNA SOVJET exkl Ryssland NYASFI*FLAND=ÖVRIGA AFRIKA NYASFI*FLAND=TURKIET NYASFI*FLAND=MELLANöSTE RN NYASFI*FLAND=NORDAFRIKA NYASFI*FLAND=IRAN NYASFI*FLAND=RYSSLAND, RUMäNIEN, BULGARIEN, ALBANIEN NYASFI*FLAND=ETI/ERI/SOM/ SUD NYASFI*FLAND=IRAK NYASFI*FLAND=USA, KANADA, AUSTRALIEN, NYA ZEELAND NYASFI*FLAND=SYDASIEN NYASFI*FLAND=ÖSTASIEN NYASFI*FLAND=AFGHANISTA N NYASFI*FLAND=THAILAND NYASFI*FLAND= NYASFI*RELARBL NYASFI*RELARBL0^ NYASFI*RELARBL NYASFI*RELARBL4^ ANDELUTLMEDB NYASFI*ANDELUTLMEDB NYASFI*KON NYASFI*AGE NYASFI*AGE NYASFI*(UTBKLSS=8) NYASFI*(UTBKLSS=12)

15 PM 15 ÄNDRAD NYASFI*(UTBKLSS=15) NYASFI*AGE*(UTBKLSS=8) NYASFI*AGE*(UTBKLSS=12) NYASFI*AGE*(UTBKLSS=15) NYASFI*AGE40*(UTBKLSS=8) NYASFI*AGE40*(UTBKLSS=12 ) NYASFI*AGE40*(UTBKLSS=15 ) NYASFI*KON*AGE NYASFI*KON*AGE McFadden R-squared Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Restr. log likelihood LR statistic Avg. log likelihood Prob(LR statistic) Obs with Dep= Total obs Obs with Dep= I regressionsmodellen i tabell 6 har behållits de variabler som avspeglar förändringar som visat sig statistiskt signifikanta. Ett antal av dessa är av typen ålder*utbildning, det vill säga interaktionstermer. Interaktionstermer upp till tredje graden har prövats, (nyasfi*ålder*kön*utbildning) men inte befunnits statistiskt signifikanta (inte heller nyasfi*kön*utbildning var signifikant). 3. Prövning av enkätdata mot registeruppgifterna Enkätens uppgifter omfattar statistiskt användbara data för 140 kommuner och 84 utbildningsanordnare. Antalet giltiga svar varierade emellertid inom dessa grupper. Vidare har ett stort antal uppgiftslämnare, framför allt bland anordnare, uppgivit att förhållandena ändrats på en eller flera punkter sedan läsåret 2006/2007, jämfört med de uppgifter de lämnat i enkäten. Eftersom det var angeläget att testmaterialet från registerdata låg så nära enkätmaterialet i tiden som möjligt valdes att använda den senast tillgängliga populationen, dvs. det som täckte läsåret 2006/2007. För att utvärdera uppgifterna i enkäten måste man först formulera ett framgångskriterium. Eftersom materialet är begränsat till ett läsår kan man inte gå tillväga som tidigare, dvs att följa en årskull från start till en viss uppföljningstidpunkt. Jag har istället valt att formulera ett kriterium på följande sätt. Alla elever som deltog i sfi-studier under läsåret 2006/2007 ingår i materialet. En del börjar sina studier under året, andra har börjat tidigare men fortsätter under detta läsår. En del kommer att under läsåret ha avbrutit studierna eller fortsätter sina studier vid läsårets slut utan att ha uppnått något godkänt, medan andra kommer att ha uppnått godkänt på en eller flera kurser under året.

16 PM 16 ÄNDRAD Det är omfattningen av den senare gruppen som används som kriterium för hur sfi-verksamheten utfallit. Huruvida en person har uppnått åtminstone ett godkänt under läsåret är alltså den variabel som vi intresserar oss för. Detta utfall ställs i en regressionsanalys mot ett antal bakgrundsvariabler. Sannolikheten att uppnå godkänt på den kurs som man råkar studera på kan antas bero på vilken studieväg och kurs man började sina studier på och på vilket stadium man nu befinner sig. En person som börjar sina studier på exempelvis A1 och vid det aktuella läsårets början har uppnått godkänt på C-kursen och nu studerar på studieväg D3 har inte nödvändigtvis samma sannolikhet att uppnå godkänt på D-kursen som en person som har börjat sina studier på studieväg C3 och nu läser D-kursen. Därför håller vi konstant i beräkningarna på vilken studieväg och kurs man inledde sina sfi-studier, och på vilken studieväg och kurs man befinner sig i början av det aktuella läsåret. Eftersom mätperioden är begränsad till ett år spelar det vidare stor roll när man inleder sina sfi-studier. Om man börjar sent på läsåret är sannolikheten att man skall hinna fram till ett godkänt innan läsårsslutet lägre än om man börjat tidigare. Tider från sfi-start och från början av senaste studie/registreringsperiod fram till läsårsslutet ingår därför också i beräkningarna. Kommungrupp, födelseland, arbetslöshet, kön och ålder ingår också. Utbildning ingår inte, eftersom utbildningsvariabeln inte hade något signifikant inflytande. Uppenbarligen fångar variablerna studieväg och hittills uppnådd studienivå upp studiebakgrundens inflytande. Regressionsmodellen testades först på personer som deltog i sfistudier under läsåret. Modellen användes sedan för att testa enkätfrågorna. De kommuner som är representerade i enkätmaterialet omfattar omkring individer, och de anordnare som är representerade omfattar omkring individer. Beroende på bortfall på enskilda variabler kan dock antalet individer i en beräkning komma att ligga på ett avsevärt lägre tal, och vissa variabler har inte varit möjliga att kombinera i samma beräkningar, eftersom de tillsammans med det stora antalet variabler i grundmodellen skapar tomma klasser vilket får beräkningen att bryta samman. Följande variabler från enkäten har prövats. Antal kronor per student i kommunen (Hur mycket kostade sfi /Hur många studerande läste ) Lärartäthet (Antal heltidstjänster/antal studerande) per skola Lärarkompetens (ett vägt mått på kompetens bildades genom att tilldela de fyra nivåerna värdet 3, 2, 1 och 0 och vikta med andelen av antalet lärare på respektive nivå. Måttet beräknades för lärare med och utan lärarexamen var för sig. Ytterligare ett mått är andelen lärare med lärarexamen).

17 PM 17 ÄNDRAD Genomsnittlig gruppstorlek (genomsnittet av antalet elever per grupp på exempelvis studieväg 1, 2 och 3, om undervisningen var organiserad efter studieväg). Genomsnittlig schemalagd tid. Förekomsten av olika sätt att förlägga utbildningen (distans, deltid, helg, it-baserad). Samverkan med andra kommuner. Om anordnaren är en kommun, jämfört med övriga anordnare. Beräkningarna kompliceras naturligtvis av att enkätdata för ovanstående variabler bara i vissa fall är applicerbara på vårt material från 2006/2007, i andra fall (vissa kommuner, vissa anordnare) har man angett att förhållandena förändrats. I genomsnitt har varje kommun anmält ändrade förhållanden på tre olika områden. Om förändringarna genomgående gällde samma kommuner/anordnare eller samma områden skulle man kunna utesluta dessa från beräkningarna. Men så är inte fallet. I en första regression bortses från förändringarna, och variabelvärdena används som de föreligger. Resultaten framgår av tabell 7 och översiktstablån nedan (kolumnen Utan hänsyn till förändring). Därefter har regressionen estimerats om för varje variabel där det finns information om att området har förändrats sedan föregående läsår. För respektive variabel har då beräkningen begränsats till de individer som studerade hos anordnare/kommun som inte angett förändring för den aktuella variabeln, medan modellen och de variabler som ingick var desamma. Resultaten sammanfattas i tablån nedan. Resultaten är ställvis förvånande. De resultat som är signifikanta pekar i flera fall i en riktning som inte är förväntad. Resultaten blir i stort desamma då estimeringen genomförs på ett material begränsat till de anordnare/kommuner som inte angett förändring. Resultat i förväntad riktning kan vi notera för: Gruppstorlek. Vi förväntar oss att man kan nå bättre resultat med mindre klasser. Resultaten för de tre gruppstorleksvariablerna (varav två signifikanta) går i denna riktning, när materialet begränsas till ingen förändring. Koefficienten för antalet schemalagda timmar är positiv och signifikant. Ett ökat spektrum av möjligheter att utan tidsmässiga eller geografiska begränsningar ta del av utbildningen kan antas öka möjligheterna att lotsa fram elever till ett godkänt. Vi har två variabler som fångar upp vidden i ett sådant spektrum, it-baserade självstudier och summan av förekomsten av distansstudier, kvällsstudier eller deltidsstudier. Här saknar vi information om eventuella förändringar. Men koefficienterna i de ursprungliga beräkningarna är positiva och signifikanta. Detsamma gäller variabeln it-baserade självstudier.

18 PM 18 ÄNDRAD Kommunala anordnare har enligt regressionsresultaten ett bättre utfall än andra anordnare. De kommunala anordnarna omsluter nästan 90 procent av individerna som omfattas av beräkningarna. I övrigt är resultaten inte i enlighet till våra intuitiva hypoteser. Koefficienterna för de variabler som avsetts fånga in effekten av lärarkompetens är negativa och signifikanta för två av de tre variablerna. Variabeln för lärartäthet övergår från positiv och signifikant när materialet begränsas till ingen förändring. Koefficienten för antal kronor per student (ingår liksom variabeln Samverkan med andra kommuner ej i de beräkningar som redovisas i bilagan, eftersom dessa variabler inte ville samsas med övriga variabler i samma beräkning): negativ och signifikant på 10- procentsnivån. Koefficienten för samverkan med andra kommuner skiljer sig inte signifikant från 0. Tabell 7. Prövning av enkätdata mot registeruppgifter Variabel Utan hänsyn till förändring Gruppstorlek, princip för indelning i studiegrupper Skattning för alternativet Ingen förändring koefficient z-värde koefficient z-värde Studieväg Kurser Kurs+studieväg Lärarexamen och Andel med lärarnas utbildningsnivå lärarutbildning Lärarutbildade, index för studiepoäng Ej lärarutbildade, index för Lärartäthet studiepoäng Samverkan med andra kommuner Kronor per student -3.52E E Schemalagda timmar Distansstudier, Ett alternativ Uppgift kvällstudier, Två alternativ saknas om ev deltidsstudier, förändring antal alternativ Tre alternativ It-baserade självstudier Uppgift saknas om ev förändring Kommunal anordnare, ej konkurrensutsatt eller konkurrensutsatt Uppgift saknas om ev förändring Uppgift saknas om ev förändring Uppgift saknas om ev förändring Uppgift saknas om ev förändring

19 PM 19 ÄNDRAD Tabell 8. Grundmodell Variable Coefficient Std. Error z-statistic Prob. AGE FLYKTING KON RELARBL06+RELARBL HOMOFONI C ANDUTLF SYS1= SYS1= YEARINFIRST=YEARFBEF (STARTSENASTEKLSS=1)+(STARTSEN ASTEKLSS=2) (STARTSENASTEKLSS=3)+(STARTSEN ASTEKLSS=4) STARTSENASTEKLSS= STARTSENASTEKLSS= STARTSENASTEKLSS= (TIDIGARESFIKLSS=1)+(TIDIGARESFIK LSS=2)+(TIDIGARESFIKLSS=3) TIDIGARESFIKLSS= TIDIGARESFIKLSS= TIDIGARESFIKLSS= TIDIGARESFIKLSS= KURSSTUDVNRFIRST= (KURSSTUDVNRFIRST=2)+(KURSSTUD VNRFIRST=3) (KURSSTUDVNRFIRST=4)+(KURSSTUD VNRFIRST=5) KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= FODDKOD=EU FODDKOD=BOSNIEN-HERCEG FODDKOD=FD JUGOSLAV FODDKOD=SYDAMERIKA FODDKOD=FORNA SOVJET, RUMäNIEN, BULGARIEN, ALBANIEN FODDKOD=ÖVRIGA AFRIKA FODDKOD=TURKIET FODDKOD=MELLANöSTERN FODDKOD=NORDAFRIKA FODDKOD=IRAN FODDKOD=ETI/ERI/SOM/SUD FODDKOD=IRAK FODDKOD=USA, KANADA, AUSTRALIEN, NYA ZEELAND FODDKOD=SYDASIEN FODDKOD=ÖSTASIEN FODDKOD=AFGHANISTAN

20 PM 20 ÄNDRAD FODDKOD=THAILAND McFadden R-squared Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Restr. log likelihood LR statistic Avg. log likelihood Prob(LR statistic) Obs with Dep= Total obs Obs with Dep= Tabell 9. Grundmodellen med enkätvariabler Variable Coefficient Std. Error z-statistic Prob. AGE FLYKTING KON RELARBL06+RELARBL HOMOFONI C ANDUTLF SYS1= SYS1= YEARINFIRST=YEARFBEF (STARTSENASTEKLSS=1)+(STARTSEN ASTEKLSS=2) (STARTSENASTEKLSS=3)+(STARTSEN ASTEKLSS=4) STARTSENASTEKLSS= STARTSENASTEKLSS= STARTSENASTEKLSS= (TIDIGARESFIKLSS=1)+(TIDIGARESFIK LSS=2)+(TIDIGARESFIKLSS=3) TIDIGARESFIKLSS= TIDIGARESFIKLSS= TIDIGARESFIKLSS= TIDIGARESFIKLSS= VAGTEXAMEN VAGTEJEXAM SUMEJLARAREXAMEN GRUPPSTORLSNITT*(Q32PRINCIPRGR UPPIN=2) GRUPPSTORLSNITT*(Q32PRINCIPRGR UPPIN=3) GRUPPSTORLSNITT*(Q32PRINCIPRGR UPPIN=4) LARARTATHET Q1BEJKONKURRENSUTSATT+Q1CKO NKURRENSUTSATT (Q87ADISTANSSTUDIER+Q87BKVALLS STUDIER+Q87CDELTIDSSTUD)= (Q87ADISTANSSTUDIER+Q87BKVALLS STUDIER+Q87CDELTIDSSTUD)= (Q87ADISTANSSTUDIER+Q87BKVALLS STUDIER+Q87CDELTIDSSTUD)= Q87EITBASERADE TIMMARSNITT KURSSTUDVNRFIRST= KURSSTUDVNRFIRST=

21 PM 21 ÄNDRAD KURSSTUDVNRFIRST= KURSSTUDVNRFIRST= KURSSTUDVNRFIRST= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KURSSTUDVNRBEGINN= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= KOMGRP9= FODDKOD=EU FODDKOD=BOSNIEN-HERCEG FODDKOD=FD JUGOSLAV FODDKOD=SYDAMERIKA FODDKOD=FORNA SOVJET, RUMäNIEN, BULGARIEN, ALBANIEN FODDKOD=ÖVRIGA AFRIKA FODDKOD=TURKIET FODDKOD=MELLANöSTERN FODDKOD=NORDAFRIKA FODDKOD=IRAN FODDKOD=ETI/ERI/SOM/SUD FODDKOD=IRAK FODDKOD=USA, KANADA, AUSTRALIEN, NYA ZEELAND FODDKOD=SYDASIEN FODDKOD=ÖSTASIEN FODDKOD=AFGHANISTAN FODDKOD=THAILAND McFadden R-squared Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Restr. log likelihood LR statistic Avg. log likelihood Prob(LR statistic) Obs with Dep= Total obs Obs with Dep= RELARBL06 är den genomsnittliga arbetslösheten (inklusive arbetsmarknadspolitiska program) i kommunen under andra halvåret RELARBL07 är motsvarande tal för första halvåret YEARINFIRST=YEARFBEF: man började sina studier i sfi samma år som man första gången blev folkbokförd i Sverige. SYS1: sysselsättningsstatus året innan man började sfi. SYS1=1 innebär att man var sysselsatt minst en timme i november det aktuella året. SYS1=5 innebär att man inte var sysselsatt i november men att det fanns kontrolluppgift om lönearbete vid annan tidpunkt under året. Variablerna som inleds med Q+siffra refererar till frågor i enkätformuläret.