Jämlikhetsbluffen. De viktigaste sambanden i Jämlihetsanden är fel och vilseledande. Nima Sanandaji, Arvid Malm, Tino Sanandaji

Transkript

1 De viktigaste sambanden i Jämlihetsanden är fel och vilseledande. Nima Sanandaji, Arvid Malm, Tino Sanandaji

2 Sammanfattning Enligt författarna Richard Wilkinsons och Kate Picketts bok Jämlikhetsanden beror i princip alla sociala och hälsorelaterade problem åtminstone till stor del på ojämlikhet i inkomster. Författarnas tes är att den som har lägre inkomster än andra blir så pass stressad att han eller hon drivs till att äta för mycket, eller att rentav bli mentalt sjuk. I den här rapporten fokuserar vi på en av grundstenarna i Jämlikhetsanden, det vill säga bokens jämförelser mellan länder. Vi kommer inte att diskutera andra frågor, som eempelvis bokens resonemang kring orssakssamband och utelämnande av forskning som pekar i fel riktning. De frågorna kan vara ännu viktigare för att förklara varför det är osannolikt att din grannes löneförhöjning (eller skattesänkning) riskerar att göra dig vare sig sjuk eller fet. Vår främsta poäng är att de viktigaste internationella statistiska samband som författarna hänvisar till - sambanden mellan ojämlikhet i inkomster och livslängd, mental sjukdom, och andra hälsovariabler i olika länder - är fel eller missvisande. Om vi utgår från de gängse måtten på jämlikhet, data från OECD och FN, så finns ingen generell koppling mellan länders grad av jämlikhet och faktorer som livslängd, hälsa, eller andelen psykiskt sjuka. Av alla de sjutton mått på olika hälsoutfall från OECD vi undersöker (livslängd, hjärtattacker, spädbarnsdödlighet) finns ett starkt statistiskt samband bara för en variabel, spädbarnsdödlighet. För två variabler finns svaga samband. För de övriga 14 variablerna finns inget statistiskt signifikant samband alls. Notera att vi inte valt ut våra variabler noga vi undersöker alla hälsovariabler som OECD redovisar. En fullständig förteckning finns längst bak i den här rapporten. Vi undersöker också påståenden från Wilkinson och Pickett som vi ansett vara särskilt uppseendeväckande, som att USA har nästan tre gånger så mycket mental sjukdom som Tyskland eller att USA har en låg grad av teknisk innovation och finner att de saknar grund när standardstatistik används. Inledning Sedan Richard Wilkinsons och Kate Picketts bok Jämlikhetsanden nyligen utgavs i en översatt svensk version så har den fått omfattande uppmärksamhet. I en recension i DN kunde vi eempelvis läsa: Författarna Richard Wilkinson och Kate Pickett, som båda är välrenommerade forskare i epidemiologi, har beslutat sig för att bevisa en tes som i vårt politiska klimat blivit kontroversiell: att jämlika samhällen nästan alltid är bättre samhällen. [ ] Sambanden är tydliga: ju jämlikare ett samhälle är, desto fredligare, friskare och mer högpresterande ter sig dess befolkning. Sverige, skriver forskarna, utgör lite av ett undantag, eftersom landet fortfarande tillhör de mest jämlika i västvärlden; dock med blitsnabbt ökande klassklyftor, vilket kanske förklarar de gåtfullt höga ohälsotalen för svenska ungdomar. I Aftonbladet stod: I Jämlikhetsanden driver de två brittiska epidemiologerna Richard Wilkinson och Kate Pickett med förkrossande vetenskaplig tyngd tesen att det är den ekonomiska ojämlikheten i sig själv som är orsak till de flesta svåra samhällsproblem. Oavsett om man undersöker psykisk och fysisk ohälsa, missbruk, övervikt, dåliga utbildningsnivåer, kriminalitet, begränsad social rörlighet eller bristande tillit människor emellan så står problemen i direkt relation till ett lands grad av ekonomisk ojämlikhet.

3 Det så många av oss betraktat som lösningen höjd BNP och därmed väande rikedom visar sig i Wilkinson och Picketts gigantiska studie inte ha någon lindrande effekt överhuvudtaget. Ett sådant samband finns visserligen fortfarande kvar i fattigare länder, men för världens 20 rikaste länder gäller att ju mer ojämlikt landet är, desto större är problemen, oavsett hur hög landets BNP är. Enda sättet att få ett rikt land att fungera bättre är att aktivt öka den ekonomiska jämlikheten. [ ] Jämlikhetsanden är en fascinerande bok som inte bara är obligatorisk läsning för den svenska vänstern, utan för alla som vill skapa ett humanare samhälle. Det är dags att göra upp med tre decenniers vidskepliga politiska föreställningar och i stället kräva en evidensbaserad politik. Låt den högerregering som nu så målmedvetet ökar klyftorna, eller den eventuella framtida vänsterregering som drar sig för att minska dem, redovisa sina vetenskapliga belägg för att en sådan politik verkligen gör livet lättare att leva för oss som bor i Sverige och i världen. Men är det verkligen evidensbaserad politik att utgå från den bild som Jämlikhetsandan förmedlar? Det vi undersöker: Standardvariabler för hälsa från OECD och FN Vi undersöker i rapporten flera saker: - Dels undersöker vi hur väl vissa samband som jämlikhetsanden försöker visa håller med olika mått och specifikationer. Det gäller särskilt det viktigaste hälsomåttet, livslängd. - Dels har vi undersökt hur representativa de variabler kring hälsa som valts ut av Wilkinson och Pickett är. För att göra det har vi använt oss av alla standardvariabler för hälsa, från en av de vanligaste källorna till internationell jämförande statistik, OECD. Vi har för livslängdsstatistiken för säkerhets skull även jämfört med statistik över livslängd och inkomstfördelning från FN:s Human Development Inde. För en variabel som Wilkinson själv föreslår som komplettering, dödlighet bland vuna, används data från WHO. Vi har använt de variabler som berör hälsoutfall (livslängd, dödsfall i cancer) eller viktiga beteendefaktorer (rökning). Vi undersöker inte variabler som har att göra med hur stora resurser som läggs på sjukvård och hälsa (antal läkare per invånare, etc.). För livslängd redovisar vi könsuppdelade samband då måttet är så pass centralt i diskussionen, liksom för måttet PYLL, då endast könsuppdelad statistik finns tillgänglig. Totalt använder vi 17 hälsovariabler från OECD. En fullständig lista över tillgängliga variabler från OECD, både de vi använt (hälsovariabler) och inte använt (sjukvårdsvariabler), finns i appendi, längst bak i rapporten. Det vi inte undersöker Den här rapporten är inte en fullständig undersökning av hela vetenskapsfältet, eller av alla påståenden och resonemang i Jämlikhetsanden. Det skulle kräva en volym som var längre än Jämlikhetsanden självt. De internationella jämförelserna är ett av de mest slående och framträdande inslagen i boken. Dessutom är de bland de lättaste att undersöka. Därför har vi valt att först undersöka dessa. De länder vi undersöker De länder vi i normalfallet undersöker är 28 av de 30 OECD-länderna. Meiko och Turkiet har inte tagits med, då de inte fullt ut är industriländer, och har klart lägre genomsnittliga inkomster än de fattigaste av de andra OECD-länderna, som Portugal och Tjeckien. För sambandet mellan livslängd och jämlikhet i inkomster använder vi också de 21 länder som Pickett och Wilkinson redovisar i Jämlikhetsanden, liksom de länder som FN kategoriserar som att ha uppnått Very high human development. I vissa fall har länder uteslutits på grund av att data saknas för en viss variabel. Detta redovisas då. Se appendi för en fullständig lista på undersökta länder.

4 Samband som inte håller livslängd och jämlikhet Stämmer det som vi kan läsa i Aftonbladet att Jämlikhetsandans slutsatser bygger på förkrossande vetenskaplig tyngd, framtagna i en gigantisk studie utförd av författarna? Den känslan får man lätt när man läser boken, där författarna kan peka på mycket tydliga korrelationer mellan nivån på jämlikhet och sociala faktorer som livslängd och hälsa. Låt oss göra ett enkelt test av hur robusta författarnas slutsatser är. Vi analyserar helt enkelt sambandet mellan livslängd och nivån av ekonomisk jämlikhet. Livslängd är det vanligaste måttet när hälsa jämförs internationellt. I Jämlikhetsandan (engelska upplagan) görs detta på sidan 82. Författarna förklarar att Life epectancy is related to inequality in rich countries. Vi återkommer till bokens analys senare. I figur 1 visas korrelationen mellan livslängd (för år 2005 och från OECD) och Gini-koefficienten (från OECD, för mitten av 2000-talet) för de 21 OECD-länder som Wilkinsons och Picketts utgår ifrån i sin bok när de studerar korrelationen mellan jämlikhet, hälsa och sociala problem. Överraskande nog går det inte att finna något samband mellan jämlikhet och livslängd. Figur 1. Jämlikhet och livslängd i 21 länder (Wilkinson och Pickett), med Gini-koefficienten från OECD Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Livslängd: OECD Health Data 2009 Signifikans (p-värde): 0,46 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. (Ojämlikare länder har längre livslängd) Det japanska dilemmat Flera av slutsatserna i Jämlikhetsanden får stöd av att Japan, som har hög livslängd och få sociala problem, lyfts fram som det mest jämlika landet i världen. Enligt FN:s Human Development rapport har Japan en Gini-koefficient på 0,249 för perioden mellan och är därmed lika jämlikt som Sverige vars Gini-koefficient är 0,25. Enligt OECD är dock Japan under 2000-talets mitt ett industriland som har medelhög nivå av jämlikhet. Gini-koefficeinten för 2005 beräknas av OECD till 0,32 för Japan efter inkomstutjämning, inte långt ifrån 0,38 i USA och betydligt högre än 0,23 i Sverige. Det är intressant att notera att det land som kanske tillsammans med USA påverkar författarnas jämförelse av länder mest, enligt landets egen officiella statistikmyndighet, liksom enligt OECD:s data, inte alls tillhör världens mest jämlika. (Se t.e. och

5 I figur 2 visas samma beräkning, men denna gång med Gini-koefficienten hämtad från FN:s Human Development rapport som underlag (denna Gini-koefficient anger medelvärdet för åren ). Inte heller i detta fall finns något statistiskt signifikant samband mellan de två faktorerna. Figur 2. Jämlikhet och livslängd i 21 länder (Wilkinson och Pickett), med Gini-koefficienten från FN Källa: Gini: FN, human development report 2009 (avser ), Livslängd: OECD Health Data 2009 Signifikans (p-värde): 0,30 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. (Ojämlikare länder har längre livslängd) Använder vi standardmåttet på ojämlikhet och de vanligaste datakällorna för inkomstfördelning och livslängd finns alltså inget signifikant samband mellan jämlikhet i inkomster och livslängd. Hur kan vi då förklara bokens påstående att det finns ett samband mellan livslängd och ekonomisk ojämlikhet bland rika länder? Svaret är enkelt: Författarna har använt eakt den kombination av mått på jämlikhet och det dataset som ger ett statistiskt signifikant samband mellan jämlikhet och livslängd. Det mått författarna använder ( 20:20-kvoten ) finns inte ens redovisat som standardmått av vare sig OECD eller FN på deras respektive webbplatser. Det är anmärkningsvärt, med tanke på att författarna i boken förklarar att vilket mått på ojämlikhet som används inte gör någon större skillnad. Det ska noteras att författarna till Jämlikhetsanden har valt bort många moderna industriländer när de gör sin analys. Visst kan man förstå att författarna har ekluderat eempelvis OECD-landet Turkiet från analysen, då det är klart fattigare än de övriga länderna, men hur kommer det sig att de också räknat bort rika länder som Luemburg, Sydkorea eller Island? Inte heller OECD-länderna Tjeckien, Slovakien, Polen eller Ungern - länder som är lika rika som eempelvis OECD-landet Portugal (som tagits med) har inkluderats. Slovakien är eempelvis ett jämlikt land (Gini-koefficienten är 0,27 enligt OECD och 0,258 enligt FN:s Human Development rapport) men har bara en medellivslängd på 74 år. I figur 3 visas hur sambanden ser ut ifall dessa sju OECD-länder tas med i analysen och Gini-måttet från OECD används. Figur 4 använder FN:s urval av mycket högutvecklade länder med FN:s mått för både jämlikhet och livslängd. (Sambanden är fortfarande statistiskt insignifikanta, men trenden i graferna är alltjämt att de ojämlika samhällena har högst livslängd, d.v.s. vi får fel tecken jämfört med vad vi skulle förvänta oss om ojämlikhet ledde till att människor dör vid en för tidig ålder.

6 Figur 3. Jämlikhet och livslängd i 28 OECD länder, med Gini-koefficienten från OECD Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Livslängd: OECD Health Data 2009 Signifikans (p-värde): 0,66 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. (Ojämlikare länder har längre livslängd) Figur 4. Jämlikhet och livslängd i 27 högutvecklade länder enligt FN:s definition, med Gini-koefficienten och levnadslängd från FN Källa: FN:s Human Development rapport för 2009, OECD:s databas. Signifikans (p-värde): 0,44 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. (Ojämlikare länder har längre livslängd) Snarare än att vila på förkrossande vetenskaplig tyngd så visar sig alltså påståendet att jämlikhet korrelerar med lång livslängd vara rent felaktigt, oavsett vilken av de två gängse definitionerna på jämlikhet (FN:s eller OECD:s beräkningar av Gini-koefficienten) som används. Dessutom är det mycket tydligt att författarna har städat bort de länder som inte passar deras bild ur analysen.

7 Man skulle kunna tänka sig att kopplingen mellan livslängd och jämlikhet inte är den att jämlika länder har en generellt sett högre nivå av jämlikhet, men att det finns en korrelation till förändringstakten i de båda parametrarna. Alltså att de länder som rör sig mot jämlikhet i samband med detta också upplever en högre ökning av livslängden än de länder som inte gör det eller rör sig mot större ojämlikhet. I figur 5 visas den procentuella förändringen av Gini-koefficienten från mitten av till mitten av 2000-talet, jämförd med den procentuella förändringen av livslängden mellan 1985 och De länder för vilka data inte har funnits har ekluderats ur analysen. En procentuell ökning av Gini-koefficienten ska tolkas som att länderna har rört sig mot ökad ojämlikhet. Det enda (icke-signifikanta) samband som eisterar är att livslängden har ökat mest i de länder som har rört sig mot ökad snarare än minskad ojämlikhet. Figur 5. Förändring i jämlikhet och livslängd mellan och 2000-talet Källa: Gini: OECD Social and Welfare Statistics (avser 1980-talets och 2000-talets mitt), Livslängd 1985 och 2005 : OECD Health Data 2009 Signifikans (p-värde): 0,35 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. (Länder som blivit mer ojämlika har ökat sin livslängd mer) Ej inkluderade länder (gini för 80-talets mitt saknas): Australien, Tjeckien, Ungern, Island, Korea, Polen, Portugal, Slovakien, Schweiz. Det är mycket intressant att författarna till Jämlikhetsanden själva inte har undersökt detta samband. Wilkinson och Pickett nämner visserligen kort i boken att USA uppvisat förbättringar i många sociala variabler samtidigt som de rika har blivit rikare, men de drar inga slutsatser av det.

8 Figur 6. Kvarvarande livslängd vid 65 års ålder för kvinnor i 28 OECD-länder: Källa: Gini: OECD Social and Welfare Statistics (2000-talets mitt), Livslängd vid 65 år : OECD Health Data 2009 Signifikans (p-värde): 0,84 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Figur 7. Kvarvarande livslängd vid 65 års ålder för män i 28 OECD-länder: Källa: Gini: OECD Social and Welfare Statistics (2000-talets mitt), Livslängd vid 65 år : OECD Health Data 2009 Signifikans (p-värde): 0,71 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. I nästa steg undersöker vi äldres livslängd, det vill säga hur länge en person som uppnått 65 års ålder kan förväntas leva. Här redovisar OECD enbart könsuppdelad statistik, så vi undersöker både mäns och kvinnors kvarvarande livslängd vid 65

9 år. Som framgår av figur 6 och 7 finns inget signifikant statistiskt samband mellan graden av jämlikhet i inkomster och kvarvarande livslängd vid 65 år för vare sig män eller kvinnor. I båda fallen har koefficienten fel tecken, det vill säga länder med större inkomstjämlikhet uppvisar kortare livslängd. Figur 8. Dödlighet bland vuna (15-60 år) i 28 OECD-länder (WHO), avser år 2006 Källa: Gini: OECD Social and Welfare Statistics (2000-talets mitt), Dödlighet år : WHO Signifikans (p-värde): 0,58 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Slutligen redovisar vi ett mått som OECD inte tillhandahåller, dödligheten för vuna. Wilkinson föreslog själv detta mått vid korrespondens (se nedan), därför redovisar vi även detta mått. Data har hämtats från Världshälsoorganisationen (WHO). Inget signifikant samband mellan dödlighet och jämlikhet i inkomster finns heller för denna variabel. Samband som inte håller hälsoindikatorer och jämlikhet Hur ser då sambandet ut mellan jämlikhet och olika mått på hälsa och ohälsa? Författarna till Jämlikhetsanden bygger upp ett eget inde vars samband de jämför med jämlikhet. Detta öppnar självklart upp för forskarna att välja och vraka bland parametrar som tas med i indeen, så att summan av parametrarna korrelerar starkt med det utfall som författarna så aktivt letar efter: att jämlikhet korrelerar med bättre hälsa. Men vad händer om vi istället helt enkelt utgår ifrån Gini-koefficienten och standardmått på hälsa och ohälsa? I denna rapport har vi undersökt sambanden mellan de tio breda hälsoindikatorer som OECD rapporterar i sin databas och det Ginimått som OECD anger. Återigen studeras de 21 OECD-länder som Wilkinsons och Picketts själva utgår ifrån när de studerar korrelationen mellan jämlikhet, hälsa och sociala problem samt de sju OECD-länder som de har valt bort (Luemburg, Sydkorea, Island, Tjeckien, Slovakien, Polen och Ungern). För samtliga parametrar har det genomsnittliga värdet för åren använts och jämförts med Gini-koefficienten från OECD för mitten av 2000-talet. Att använda det genomsnittliga värdet för perioden, snarare än värden för enskilda år, ökar sambanden mellan nivån av jämlikhet och de olika ohälsomåtten. Ändå går det inte att finna genomgående korrelation mellan jämlikhet och ohälsa. I flera fall har sambanden fel tecken, det vill säga ojämlika samhällen har bättre hälsa (om än statistiskt insignifikant). För den första hälsoindikatorn, spädbarnsdödlighet, går det att finna en signifikant koppling till jämlikheten. Spädbarnsdödligheten är högre i de mindre jämlika länderna (fig 9).

10 Figur 9. Spädbarnsdödlighet och jämlikhet för 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Spädbarnsdödlighet: OECD Health Data 2009 Signifikans (p-värde): 0,03 Signifikant på 5-procentsnivån. Tecken: Rätt tecken. Nästa indikator, självmord, tycks vara negativt korrelerad till jämlikhet, vilket innebär att färre begår självmord i ojämlika än jämlika samhällen (fig 10). Sambandet är dock inte tillräckligt starkt för att vara statistiskt signifikant. Wilkinsson och Pickett nämner detta i sin bok, där de framför hypotesen att detta beror på att ojämlikhet driver människor att agera ut sin självdestruktiva energi på andra i större utsträckning, vilket så att säga konverterar självmord till mord. Figur 10. Självmord och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Självmord: OECD Health Data 2009 Signifikans (p-värde): 0,11 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken.

11 Nu kommer vi till antalet döda i cerebrovaskulära (sjukdomar i hjärnans blodkärl - av våra vanligaste dödsorsaker) sjukdomar och cancer. För ingen av dessa variabler går det att finna någon koppling till jämlikheten (fig 11 och 12). Figur 11. Dödsfall i cerebrovaskulära sjukdomar och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Cerebrovaskulär sjukdom: OECD Health Data 2009 Signifikans (p-värde): 0,32 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Figur 12. Dödsfall i cancer och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Cancer: OECD Health Data 2009 Signifikans (p-värde): 0,60 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Inte heller antal döda i sjukdomar i andningssystemet respektive i diabetes uppvisar någon statistiskt signifikant relation till jämlikheten (fig 13 och 14).

12 Figur 13. Dödsfall i sjukdomar i andningssystemet och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Respiratorisk sjukdom: OECD Health Data 2009 Signifikans (p-värde): 0,19 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Figur 14. Dödsfall i diabetes och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Diabetes: OECD Health Data 2009 Signifikans (p-värde): 0,16 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Inte heller den sjunde och åttonde hälsoindikatorn, tobakskonsumtion (mätt som procent av befolkningen som röker) och alkoholkonsumtion (mätt som liter konsumerad alkohol per capita och år) uppvisar någon statistiskt signifikant koppling till jämlikhet (fig 15 och 16).

13 Figur 15. Tobakskonsumtion och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Tobakskonsumtion: OECD Health Data 2009 Signifikans (p-värde): 0,76 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Figur 16. Alkoholkonsumtion och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Alkoholkonsumtion: OECD Health Data 2009 Signifikans (p-värde): 0,59 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Den nionde och den tionde hälsoindikatorn är andelen överviktiga respektive sjukligt överviktiga bland befolkningen. För övervikt tycks ingen signifikant korrelation finnas, men dock för sjuklig övervikt. (fig 17 och 19). Övervikt taget separat (fig 18) har inte heller någon signifikant korrelation med ekonomisk jämlikhet.

14 Figur 17. Övervikt samt sjuklig övervikt och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Övervikt: OECD Health Data 2009 Signifikans (p-värde): 0,12 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Figur 18. Övervikt och jämlikhet i 28 OECD-länder. '#" '!" 0&.&+1! (+7"#$"&8)+1!2345+!"#$%#&'()*+,#$-#.)/'#+ &#" &!" %#" %!" $#" $!" #"!"!(%"!(%#"!(&"!(&#"!('" 0&.&++ )*+,-+./01("2+,3+415/+" Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Övervikt: OECD Health Data 2009 Signifikans (p-värde): 0,55 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken.

15 Figur 19. Sjuklig övervikt och jämlikhet i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics (avser 2000-talets mitt), Sjuklig övervikt: OECD Health Data 2009 Signifikans (p-värde): 0,06 Signifikant på 10-procentsnivån, men ej på 5-procentsnivån. Tecken: Rätt tecken. Vi undersöker också ett samlat statistiskt mått på dödsfall som skett innan 75 års ålder. Här finns ett svagt statistiskt signifikant samband för kvinnor, men inte för män (OECD redovisar endast data uppdelat efter kön). Figur 20. PYLL och jämlikhet i inkomster i 24 länder kvinnor Källa: Gini: OECD Social and Welfare Statistics, PYLL: OECD Health Data 2009 Signifikans (p-värde): 0,09 Signifikant på 10-procentsnivån, men ej på 5-procentsnivån. Tecken: Rätt tecken. Länder som ej inkluderats: Belgien, Portugal, Italien och Slovakien (data för PYLL saknas)

16 Fiigur 21. PYLL och jämlikhet i inkomster i 24 länder - män Källa: Gini: OECD Social and Welfare Statistics, PYLL: OECD Health Data 2009 Signifikans (p-värde): 0,16 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Länder som ej inkluderats: Belgien, Portugal, Italien och Slovakien (data för PYLL saknas) Fiigur 22. Hjärtattacker, dödsfall per invånare och jämlikhet i inkomster i 28 OECD-länder. Källa: Gini: OECD Social and Welfare Statistics), Hjärtattacker: OECD Health Data 2009 Signifikans (p-värde): 0,75 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Rätt tecken. Till sist kan vi konstatera att det inte finns något statistiskt samband mellan jämlikhet i inkomster och antalet hjärtattacker med dödlig utgång.

17 Bland de sjutton OECD-hälsoindikatorerna som har undersökts så är det alltså bara för spädbarnsdödlighet som vi kan finna en stark statistiskt signifikant korrelation med jämlikheten. För två variabler finns ett svagt statistiskt signifikant samband, PYLL för kvinnor (men inte män) och för sjuklig övervikt. Sambandet mellan sjuklig övervikt och jämlikhet drivs av att ett land, USA, och för det generella måttet på övervikt så finns samtidigt ingen koppling till nivån av jämlikhet i inkomster. Påståendet att samhällen med hög jämlikhet i inkomster har bättre hälsa, lägre dödlighet och längre livstid finner med andra ord lite stöd i verkligheten när standardvariabler används, vilket innebär att ett av de centrala argumenten (om inte rentav det centrala argumentet) i Jämlikhetsanden saknar grund. Anmärkningsvärda påståenden mental hälsa och antal patent Författarna till Jämlikhetsanden driver förutom sina generella teser om hälsa några påståenden som är så pass uppseendeväckande att de bör diskuteras särskilt. Det gäller särskilt deras statistik som gör gällande att andelen psykiskt sjuka och antalet patent korrelerar positivt med jämlikheten. Går dessa relationer att finna i internationell statistik? Detta är särskilt viktigt att kontrollera, då författarna på dessa områden gör särskilt etrema påståenden, t.e. att USA har nästan tre gånger(!) så många mentalt sjuka som till eempel Tyskland. I figur 23 visas andelen bland befolkningen som har neuropsykiatriska sjukdomar i befolkningen. Statistiken är hämtad från Världshälsoorganisationen WHO, gäller för år 2004 och är åldersstandardiserad. Korrelationen är inte statistiskt signifikant och har fel tecken, det vill säga ojämlika länder har lägre antal neuropsykiatriska sjukdomar. Figur 23. Neuropsykiatriska sjukdomar och jämlikhet Källa: WHO:s hemsida, som i sin tur bygger på uppdaterad data för rapporten Global burden of disease: 2004 update, WHO, 2008.Signifikans (p-värde): 0,29 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Det ingår i begreppet neuropsykiatrisk sjukdom : Unipolar depressive disorders, Bipolar disorder, Schizophrenia, Epilepsy, Alcohol use disorders, Alzheimer and other dementias, Parkinson disease, Multiple scleros, Drug use disorders, Post-traumatic stress disorder, Obsessive-compulsive disorder, Panic disorder, Insomnia (primary), Migraine. I figur 18 visas antalet sökta inhemska patent i de olika länderna, mätt som sökta patent per miljon invånare. Grafen nedan avser ett genomsnitt för 12 års tillgänglig data, Inget signifikant samband finns dock heller om ett enskilt år på

18 2000-talets mitt väljs ut. Japan står ut som ett land som har eceptionellt många sökta patent, nära 3000 per miljon invånare och år. Oavsett om Japan inkluderas i analysen eller inte så finns dock inget signifikant samband mellan antalet patenansökningar och jämlikhet. Figur 24. Patent och jämlikhet för 28 OECD-länder Källa: World Intellectual Property Indicators 2009, World Intellectual Property Organization, 2009, avser Signifikans (p-värde): 0,61 Ej signifikant på 10- eller 5-procentsnivån. Tecken: Fel tecken. Wilkinsons och Picketts påståenden är återigen svåra att replikera med internationell standardstatistik. Det är särskilt anmärkningsvärt att Wilkinson och Pickett i föreläsningar påstår att USA (som mottagit ungefär se av tio vetenskapliga nobelpris under efterkrigstiden) är ett av den rika världens minst innovativa länder. (Se graf nedan) Figur 25. Wilkinson och Picketts bild av patent och jämlikhet Källa:

19 Korrespondens med Wilkinson Huvuddelen av de slutsatser som finns presenterade i denna rapport har tidigare lagts upp på ekonomibloggen som drivs av Tino Sanandaji, medförfattare till denna rapport. August Torngren Wartin, student i nationalekonomi som driver bloggen har vidarebefordrat kritiken från Tino och andra till Richard Wilkinson som i sin tur har svarat. Det första svaret undvek i stort frågeställningen och refererade helt enkelt återigen till det egna inde som författarna byggt upp i Jämlikhetsanden. I ett andra svar försökte Wilkinson bemöta den specifika kritiken att livslängd och ojämlikhet inte korrelerar. Han rekommenderade att Tino skulle titta upp dödligheten bland spädbarn och bland den vuna befolkningen (två analyser som har inkluderats i denna rapport). I sitt nästa svar publicerade Wilkinson en tabell där det framgår att livslängd och mental hälsa inte korrelerar med ojämlikhet enligt Gini-koefficienten från OECD, ens med hans eget urval av länder. Däremot menade han att Tino Sanandaji var omedveten om att det finns runt 200 publicerade vetenskapliga artiklar som berör korrelationen mellan jämlikhet och hälsa. Vi anser att den kritiken är märklig av två skäl: Dels eftersom forskningslitteraturen på fältet, liksom många andra vetenskapliga fält, är långt ifrån enig eller entydig (även om det går att få det intrycket av att läsa Jämlikhetsanden). Dels eftersom statistiska jämförelser mellan länder ges en framträdande roll av Wilkinson och Pickett, både i deras bok och i deras offentliga presentationer. Att författarna avfärdar de internationella jämförelsernas betydelse efter att själva ha använt dem som en central del av sin argumentation är märkligt. För den som själv vill följa meningsutbytet som säkerligen kommer att fortsätta rekommenderas därför dessa bloggar:

20 Slutsatser Enligt Jämlikhetsanden är samhällen med en högre nivå av ekonomisk jämlikhet mer hälsosamma och harmoniska. Det beror enligt författarna på att livslängd, god hälsa, andelen psykiskt sjuka och hur uppfinningsrikt samhället är korrelerar med jämlikheten. Detta beror i sin tur enligt Wilkinson och Pickett på att människor blir stressade av ojämn inkomstfördelning. Dessa påståenden går dock inte alls att verifiera baserad på internationell statistik från OECD, FN, WHO eller World Intellectual Property Organization. Författarna Wilkinsons och Pickett vilseleder enligt vår mening sina läsare, genom att utesluta de mått, variabler och länder som inte ger de önskade resultaten, även när det handlar om standardvariabler. Boken har därför långt ifrån förkrossande vetenskaplig tyngd i sina internationella jämförelser. Det är tydligt att även de övriga delarna av boken förtjänar att granskas mycket noggrant. Vår rapport är dock inte heltäckande. Det största problemet med boken är trots de många problem vi påvisar inte dess tvivelaktiga statistik, utan snarare dess bristfälliga hanterande av det som ekonomer kallar endogenitetsproblemet. Det betyder i klartet att författarna förlitar sig på samband på lands- och befolkningsnivå, vilket sällan i sig kan fastställa orsakssamband, även om de kan vara en bra utgångspunkt för diskussion. Det gäller särskilt när det gäller att göra stora, komplea antaganden om hur världen fungerar. Det gäller i sin tur i störst utsträckning när den mekanism som föreslås som förklaring, det vill säga att stress orsakad av ojämlikhet leder till alla sociala problem, knappast är ensam kandidat till att vara den mekanism som förklarar eventuella samband som upptäcks. Trots allt, nästan alla sociala problem orsakar också i sig ökad ojämlikhet i inkomster, om de inte drabbar hela befolkningen helt jämnt. När ett kriminellt MC-gäng startar verksamhet i en by kan man räkna med att både inkomster, brottslighet och tillit till grannen blir sämre. Men det betyder inte att grundproblemet är att grannbyn (nu med relativt sett högre inkomster) förskonades. Men även om det finns fler diskussioner på ämnet tycker vi samtidigt att det är viktigt att snabbt få ut en mer korrekt bild av de internationella sambanden mellan jämlikhet och hälsa än den som levereras i Jämlikhetsanden. Annars riskerar felaktiga uppfattningar att få fäste i samhällsdebatten, med dåliga konsekvenser för oss alla som en följd. Till sist: Det vi försöker säga är inte att jämlikhet är oviktigt. Tvärtom ett samhälle med en jämlikhet som bygger på att få lyckas dåligt i livet är alltid något vi ska jobba för. Det betyder samtidigt inte nödvändigtvis att du blir tjockare, olyckligare och sjukare om värnskatten skulle försvinna. Statistikkällor: Statistik kring inkomstfördelning och hälsa: OECD:s statistikdatabas OECD.stat ( Statistik kring mental hälsa och dödlighet: Världshälsoorganisationen WHO ( Statistik kring antal patent: World Intellectual Property Organization (WIPO) ( Statistik kring inkomstfördelning och livslängd: FN (UNDP) (

21 Appendi: Tabell 1: Hälsovariabler, inkluderade och ej inkluderade (OECD): Hälsovariabel Inkluderad Inkluderad i icke könsuppdelad form Total ependiture on health, % GDP Total ependiture on health, Per capita US$ PPP Public ependiture on health, % total ependiture on health Public health ependiture per capita, US$ PPP Out-of-pocket ependiture on health, % of total ependiture on health Out-of-pocket ependiture on health, US$ PPP Pharmaceutical ependiture, % of total ependiture on health Pharmaceutical ependiture per capita, US$ PPP Practising physicians, density per 1,000 population Practising nurses, density per 1,000 population Medical graduates, density per practising physicians Nursing graduates, density per practising nurses Hospital beds, density per 1,000 population Acute care beds, density per 1,000 population Psychiatric care beds, density per 1,000 population MRI units per million population CT Scanners per million population Mammographs per million population Radiation therapy equipment per million population Doctor consultations per capita Vaccination rates against measles, % of children immunised Vaccination rates against DTP, % of children immunised Vaccination rates agains influenza for people 65 and over, % of population 65 and over Ej inkluderad, mått på sjukvård eller sjukvårdsutgifter

22 Hälsovariabel Inkluderad Inkluderad i icke könsuppdelad form Hospital discharge rates, all causes, per population Average length of stay for acute care, all conditions, days Coronary artery bypass grafts (CABG), per population Coronary angioplasties (PTCA), per population Caesarean sections, per 1000 live births Life epectancy at birth, Females (in years) Life epectancy at birth, Males (in years) Life epectancy at birth, Total population (in years) Life epectancy at 65 years old, Females (in years) Life epectancy at 65 years old, Males (in years) Infant mortality, Deaths per 1,000 live births Potential years of life lost (PYLL), all causes, females, years Potential years of life lost (PYLL), all causes, males, years Suicides, deaths per population Acute myocardial infarction, deaths per 100,000 females Acute myocardial infarction, deaths per 100,000 males Acute myocardial infarction, deaths per 100,000 population Acute myocardial infarction: Hospital discharges, per 100,000 total population Cerebro-vascular diseases, deaths per 100,000 females Cerebro-vascular diseases, deaths per 100,000 males Cerebro-vascular diseases, deaths per 100,000 population Cerebro-vascular diseases: Hospital discharges, per 100,000 total population Cancer, deaths per 100,000 females Cancer, deaths per 100,000 males Ej inkluderad, mått på sjukvård eller sjukvårdsutgifter

23 Hälsovariabel Inkluderad Inkluderad i icke könsuppdelad form Cancer, deaths per 100,000 population Cancer: Hospital discharges, per 100,000 total population Diseases of the respiratory system, deaths per 100,000 females Diseases of the respiratory system, deaths per 100,000 males Diseases of the respiratory system, deaths per 100,000 population Diseases of the respiratory system: Hospital discharges, per 100,000 total population Diabetes, deaths per 100,000 females Diabetes, deaths per 100,000 males Diabetes, deaths per 100,000 population Diabetes: Hospital discharges, per 100,000 total population Tobacco consumption, % of females who are daily smokers Tobacco consumption, % of males who are daily smokers Tobacco consumption, % of population who are daily smokers Alcohol consumption, Litres per capita (population aged 15+) Overweight or obesity, percentage of females with a BMI>25 kg/m2 Overweight or obesity, percentage of males with a BMI>25 kg/m2 Overweight or obesity, percentage of adult population with a BMI>25 kg/m Obesity, percentage of females with a BMI>30 kg/m2 Obesity, percentage of males with a BMI>30 kg/m2 Obesity, percentage of adult population with a BMI>30 kg/m2 Overweight, percentage of females with a 25<BMI<30 kg/m2 Overweight, percentage of males with a 25<BMI<30 kg/m2 Overweight, percentage of adult population with a 25<BMI<30 kg/m2 Ej inkluderad, mått på sjukvård eller sjukvårdsutgifter

24 Tabell 2: Länder som används när inte annat anges: Australia Austria Belgium Canada Czech Republic Denmark Finland France Germany Greece Hungary Iceland Ireland Italy Japan Korea Luembourg Netherlands New Zealand Norway Poland Portugal Slovak Republic Spain Sweden Switzerland United Kingdom United States Land