Matchningseffektiviteten för Sverige, Norrköping och Linköping

Transkript

1 Magisteruppsats Matchningseffektiviteten för Sverige, Norrköping och Linköping Kan beveridgekurvan förklara en del av skillnaden i arbetslöshet mellan Norrköping och Linköping och hur ser deras matchningseffektivitet ut i relation till Sveriges? Författare: Caisa Lagerlöf, Examinator: Håkan Locking Termin: Vår 2018 Ämne: Nationalekonomi Nivå: Magisteruppsats Kurskod: 4NA06E

2 Abstrakt I slutet av år 2016 hade Norrköping dubbelt så hög arbetslöshet än Linköping, trots att kommunerna har många likheter och att det endast skiljer 4 mil mellan städerna. För att analysera huruvida matchningseffektiviteten skiljer sig åt mellan landet som helhet och kommunerna Norrköping och Linköping har nationella beveridgekurvor för Sverige, samt lokala beveridgekurvor för Norrköping och Linköping skapats. Minsta kvadratmetoden med fixa effekter och robusta standardfel används med näst intill alla Sveriges kommuner för att skatta den långsiktiga jämviktsrelationen mellan arbetslöshet och vakansgrad med arbetskraftens rörlighet, invandring och månatliga säsongsvariationer som kontrollvariabler. Beveridgekurvorna som skapats för Sverige, Norrköping och Linköping visar ett liknande mönster under merparten av åren från Matchningseffektiviteten har gått från en sämre matchning till en bättre, men efter den finansiella krisen 2009 återhämtade sig Linköping till en bättre matchning när Norrköping samt Sverige stagnerade på en hög arbetslöshet samt en hög vakansgrad. Regressionen skattar en jämviktsrelation mellan arbetslöshet och vakansgrad och visar ett negativt samband mellan de två. Ett högt utbyte av arbetskraft, genom in- och utpendling, samt invandring har en tilltagande effekt på arbetslösheten. Nyckelord: Beveridgekurva, matchning, arbetslöshet, vakanser, Sverige, Norrköping, Linköping

3 Innehåll 1. Inledning Tidigare forskning Teori Beveridgekurva Matchningsfunktionen Jämnviktsläget Deskriptiv statistik Befolkningsmängd Arbetslöshet Vakansgrad Utbildningsnivå Invandring Pendlingsstatistik Data Metod Resultat Sverige Beveridgekurva Sverige Regressioner Känslighetsanalys Linköping och Norrköping Beveridgekurvor Diskussion Slutsats Referenslista Appendix Historisk översikt Arbetslöshetsstatistik Statistik över utbildningsnivån Resultat... 53

4 1. Inledning Linköping och Norrköping kallas ibland tvillingstäder eftersom de båda städerna är lika i många avseenden. Detta gäller exempelvis befolkning, yta m.m. samt att det endast är 4 mil som skiljer de östgötska städerna åt. I Appendix finns det ett kapitel som handlar om Linköpings och Norrköpings historia. Kapitlet ger en beskrivning i städernas ursprung och hur de är lika varandra och vad som skiljer dem åt. På grund av likheterna som finns är det många frågetecken kring anledningen till städernas olikheter i arbetsmarknad (och hälsa). Norrköping hade i slutet av 2016 dubbelt så hög arbetslöshet än Linköping (Linköping 5,7% och Norrköping 11,7%) och med tanke på att pendlingsmöjligheterna är stora är det svårt att förstå hur arbetslösheten skiljer så mycket som den gör mellan kommunerna. En orsak till skillnaderna kan vara att matchningen fungerar bättre i Linköping. Den här uppsatsen fokuserar på matchningen och matchningsmekanismer och ska göra ett djupdyk i matchningen på arbetsmarknaden, både för Sverige som helhet och sedan enskilt för kommunerna Linköping och Norrköping och försöka förstå hur matchningen skiljer sig åt mellan kommunerna och i jämförelse med Sveriges matchning. Flertalet OECD-länder har upplevt ett skift utåt i beveridgekurvan sedan finanskrisen 2009, där många länder inte lyckats återfå den arbetslöshetsnivån som var innan krisen. Det finns farhågor om att skiften förblir permanenta av en högre strukturell arbetslöshet och därför är det angeläget att det inte sker fler skift utåt som försämrar matchningen mellan arbetsgivare och arbetstagare (Bova, Jalles & Kolerus, 2016). Metod i pappret är bland annat beveridgekurvan, som är ett sätt att utläsa hur matchningen har fungerat över tid och den har skapats med både årlig data och månadsdata från januari 1995 till december Beveridgekurvan visar sambandet mellan arbetslöshet och vakansgrad. Är det både hög arbetslöshet och vakansgrad innebär det en sämre matchningseffektivitet än om arbetslösheten och vakansgraden var låg. Till beveridgekurvorna är kontrollvariablerna vakansgrad, rörligheten av arbetskraft i form av in- och utpendling, invandring samt månatliga säsongsvariationer. Beveridgekurvorna visar ett liknande mönster fram till finanskrisen 2009 trots att matchningseffektiviteten skiljer sig åt. Efter finanskrisen som skapade en sämre matchning rör sig Linköpings beveridgekurva mot en bättre matchning, men Norrköping och Sverige stannar kvar på en hög arbetslöshet och vakansgraden stiger, vilket tyder på en sämre matchning. 1

5 Månadsdata för samtliga Sveriges kommuner (med undantag för några få) används i regressioner som använder minsta kvadratmetoden med robusta standardfel och fixa effekter som skattar den långsiktiga jämviktsrelationen mellan arbetslöshet och vakansgraden. Resultaten av regressionerna är att en ökad vakansgrad leder till en minskad arbetslöshet (ej signifikant), en stigande in- och utpendling leder till en ökad arbetslöshet och en tilltagande grad av invandring leder till en ökad arbetslöshet (ej signifikant). Beveridgekurvan används ofta som metod för att undersöka matchningen på nationell nivå. Matchningen kan variera runt om i landet och därför är det intressant att studera matchningen på kommunal nivå. Valletta (2005), Wall och Zoega (2002), Lincaru (2010) & Bouvet (2009) är exempel på studier som studerar matchningen på en regional nivå. De nämnda författarna har kommit fram till att det skiljer sig en del åt i jämförelse med den nationella beveridgekurvan. En förklaring som anges är att långtidsarbetslösa får det ännu svårare att ta sig tillbaka på arbetsmarknaden på grund av att de varit frånvarande från arbetslivet under en längre tid. 1 Detta innebär att matchningen blir sämre om det finns många långtidsarbetslösa inom ett område, samtidigt kan matchningen fungera betydligt bättre i ett annat område. Om båda dessa situationer finns samtidigt väger de upp varandra i den nationella beveridgekurvan. Beveridgekurvan har analyserats på regional nivå även i Sverige och det gjordes av Sveriges ekonomi statistiskt perspektiv (2013). I den studien delades Sverige in i åtta regioner och beveridgekurvor skattades åt varje region samt även på nationell nivå. De flesta regioner har ungefär samma utveckling vilken innebär att beveridgekurvan skiftar utåt från origo för Efter finanskrisen 2009 uppstod det många lediga jobb, men arbetslösheten fortsatte att vara hög. Det ledde till ett skifte utåt i beveridgekurvan, vilket kan innebär en strukturförändring. En tolkning av detta är att företag har svårare att rekrytera personal med rätt kvalifikationer, vilket har gjort att det finns många lediga jobb samtidigt som det är hög arbetslöshet. Samtliga studier visar på vikten av att fortsätta studera matchning, eftersom det finns både mänskliga och ekonomiska vinningar i att matchningen ska fungera bra. Fungerar matchningen bra indikerar det på att arbetslösheten och vakansgraden är låg, vilket ökar förutsättningarna för en mer stabil ekonomi för landet. Att vara sysselsatt och känna sig behövd kan även få människor att må bättre och därför finns det både ekonomiska och mänskliga effekter av en bättre matchningseffektivitet. 1 I litteraturen även benämnt hysteresis. (se exempelvis Jackman et al. (1990)) 2

6 Uppsatsens frågeställningar är: 1. Hur har matchningen på arbetsmarknaden sett ut från för Sverige? 2. Hur har matchningen sett ut i Norrköping och Linköping? 3. Kan matchningen förklara en del av den skillnad i arbetslöshet som råder mellan Norrköping och Linköping? Uppsatsens fortsatta disposition är enligt följande: I kapitel 2 redogörs för tidigare forskning och i kapitel 3 presenteras den teorin som kommer att anknyta till uppasens empiriska delar. I kapitel 4 ges en beskrivning av ett antal variabler som är kopplade till matchning. Data för det empiriska arbetet presenteras i kapitel 5 och metoden som används i analyserna beskrivs i kapitel 6. Dessa två kapitel följs av en redovisning av resultaten. Slutligen följer en diskussion och slutsatser. Detta presenteras i kapitel 8 respektive 9. 3

7 2. Tidigare forskning Beveridgekurvan har framförallt studerats på nationell nivå och för det mesta studeras skift i beveridgekurvan och studierna fokuserar på att söka förklaringar till skiften (se exempelvis Bova, Jalles & Kolerus, 2016). För Sveriges del har beveridgekurvan bland annat använts i syfte att utvärdera vilka effekter aktiv arbetsmarknadspolitik haft på arbetslösheten och matchningseffektiviteten. Calmfors, Forslund, & Hemström, (2002) undersökte detta och fann knappt några bevis för att aktiv arbetsmarknadspolitik skulle ha någon positiv effekt på matchningseffektiviteten. Den största delen av litteraturen berör USA och Storbritannien, då Blanchard och Diamond (1989) skrivit mycket om beveridgekurvan i USA och Pissaridēs (1986) för Storbritannien. Pissaridēs (1986) undersöker en förklaring till en snabbt stigande arbetslöshet från knappt 3% på 1960-talet till drygt 15% (för män) på 1980-talet i Storbritannien. Några av de variabler som inkluderas i modellen är ersättningsförhållande (ett viktat genomsnitt av arbetslöshetsersättningar och andra ersättningar som tilldelas olika typer av hushåll), konkurrenskraft (logaritmen av förhållandet mellan världspriset på tillverkningsexport), budgetunderskott (justerat finansiellt underskott i procent av BNP). Författaren kontrollerar även för inflöden och utflöden av arbetskraft och arbetslösa. En graf i pappret visar tydligt att under de perioder arbetslösheten steg, sjönk vakansgraden och tvärtom. Resultatet är att ökningen av arbetslöshet som sker efter 1974 framförallt drivs av en minskad efterfrågan på arbetskraft. Ett mer generöst socialförsäkringsbistånd som infördes 1966 är enligt Pissaridēs en möjlig bidragande orsak till att människor lämnade arbetslösheten i en mindre utsträckning. Blanchard och Diamond (1989) skapar bland annat en beveridgekurva för USA på månadsdata från januari 1948 till december Grafen som presenteras visar hur beveridgekurvan förflyttats utåt från origo under ett flertal perioder under dessa år, framförallt under efterkrigstiden. Dessa skift stagnerade och det var en betydligt sämre matchningseffektivitet år 1988 än De använder sig av olika metoder, bland annat plottas diagram över de nya matchningar, vakanser och arbetslösa under en tidsserie. Detta görs för att om möjligt identifiera samband. De finner att genomsnittligen kommer 45% av de nya matchningarna från arbetslösheten, 40% kommer från utanför arbetskraften och 15% kommer från ett annat arbete. De undersöker matchningsfunktionen för tillverkningsindustrin från år och finner att vakanser inom tillverkningsindustrin var svårare att fylla när arbetslösheten var låg. Blanchard och Diamond (1989) menar att det finns en bild om att tillverkningsindustrin är en 4

8 sektor där arbetssökande står i kö för att få jobb och industrierna har en pool av sökande att välja bland, men att den bilden inte stämmer. En annan del av den empiriska forskningen har ett mer regionalt fokus. Ofta kompletteras dessa regionala beveridgekurvor med en nationell och en av frågeställningarna är att försöka förklara hur den nationella och de regionala beveridgekurvorna hänger ihop och hur de regionala beveridgekurvorna kan förklara den nationella beveridgekurvan. Valletta (2005) studerar orsaker till skift inåt (vilket innebär en bättre matchningseffektivitet) i USA:s beveridgekurva och använder regional data uppdelat på nio regioner för att förklara det. Fokus är på åren med kvartalsvis data. Tidigare forskning visade att USA:s beveridgekurva skiftat utåt under 1970-talet och tidigt på 1980-talet som senare visade på en bättre matchningseffektivitet i slutet av 1980-talet. Metoden som användes är minsta kvadratmetoden: u t = α + β 1 v t + β 2 v 2 t + τy + ε t Där u t är arbetslöshet för tiden t, v t är vakansgraden för tiden t, Y är tidseffekten som är ett set av årliga dummyvariabaler. ε t är feltermen i regressionen och β 1, β 2 och τ visar effekten på arbetslöshet av förändringar i kontrollvariablerna. Regressionen är gjord både på aggregerad nivå och separat på de nio regioner som studeras. Med denna modell kan Valletta upptäcka både rörelser längs med och långsiktiga skift i beveridgekurvan både på nationell och på regional nivå. Resultaten visar på en stark negativ relation mellan arbetslöshet och vakansgrad och rörelserna är ganska lika både på aggregerad och regional nivå. Resultaten visar även på en minskad spridning av antal sysselsatta i regionerna och att det ledde till ett skift inåt av beveridgekurvan under slutet av 1980-talet och att det förstärker Katz och Krueger s (1999) studie som ansåg att det fanns förbättringar i USA:s arbetsmarknad under 1990-talet. Wall och Zoega (2002) använder sig av brittisk data för att försöka förklara landets nationella beveridgekurva med hjälp av regionala beveridgekurvor. Att använda sig av tio regionala beveridgekurvor menar de ska visa på vilka underliggande mekanismer på regional nivå som kan förklara skiften på den aggregerade kurvan. Modellen som används är: ln(u it ) = α i + τ t D + β ln(v it ) + ε it 5

9 Där u it är arbetslöshet för område i för året t, α i är en land-specifik fast effekt, D är en vektor av årliga dummy-variabler, τ t är koefficienten för den årliga dummy-variabeln. β=(γ-1)/γ, v it är vakansgraden för område i för året t och ε it är feltermen för område i för året t. Resultatet för Wall och Zoega (2002) visar att de regionala skiften sker samtidigt och åt samma håll som de nationella skiften. Slutsatsen är att den då långvariga och höga arbetslösheten i Storbritannien inte helt kan förklaras av beveridgekurvan, utan delvis kan förklaras av hysteresis, som innebär att en minskning av efterfrågan på vakanser kommer av en skadlig förändring av matchningen. Detta kan exempelvis vara att sökintensiteten och andra strukturella förändringar stannar kvar längre än den inledande efterfrågeökningen. Jackman et al. (1990) tror att den stora ökningen av arbetslösheten under 1970-talet och början på 1980-talet skapade effekter av hysteresis. När arbetslösheten stiger, ökar även tiden människor är arbetslösa och när människor är långtidsarbetslösa får det ännu svårare att få ett jobb, p.g.a. att de varit ifrån arbetsmarknaden under en längre period. Orsaker till det kan bland annat vara att de förlorat kunskap från arbetslivet vilket försämrar möjligheterna till matchning, alternativt att sökintensiteten sjunker hos de långtidsarbetslösa och fler vakanser bildas. Hysteresis skiftar beveridgekurvan utåt från origo, men det sker efter att den först rört sig nedåt med en minskad efterfrågan. I ett papper av Holzer (1993) används arbetslöshetssiffror och siffror på vakanser för år 1980 och 1982 för USA. Målet var att mäta strukturell arbetslöshet och friktionsarbetslöshet, men även brist på efterfrågan av lediga jobb på den lokala arbetsmarknaden. Friktionsarbetslöshet är den normala rörligheten av människor mellan arbeten och strukturell arbetslöshet är när det uppstår problem i rörligheten som skapar missmatchning. I studien används data på arbetslösa, vakanser inom olika yrken och näringsgrenar, lokala löner, mängden av arbetslöshetsersättning samt försäljningstillväxt och demografin i hopp om att försöka förklara dessa komponenter. Modellen Holzer (1993) använder sig av är: log u kt = α + β log v kt + αz kt + ε kt Där u kt och v kt arbetslöshet och vakansgraden i den lokala arbetsmarknaden k för tiden t. Z kt är variabler som skiftar arbetslösheten/vakansgraden, där exempel på variabler de använde är arbetslöshetsersättningen, universitetsutbildning, medianålder och efterfrågan inom olika yrkesgrupper. Resultaten visade att arbetslösheten överstiger vakansgraden markant i alla arbetsmarknader och i olika delar av affärscykeln. Bristen på efterfrågan av arbetskraft var den stora anledningen till skillnader i arbetslöshet mellan arbetsmarknader. Av de faktorer som 6

10 påverkar den strukturella arbetslösheten och friktionsarbetslösheten är det utbildningsnivån och nivån på arbetslöshetsersättningen i förhållande till löner som är mest avgörande. Storleken på arbetslöshetsersättningen hade en ökande effekt på arbetslösheten till skillnad från andelen av arbetskraften med universitetsutbildning som hade en minskande påverkan på arbetslösheten. En högre medianålder ökade arbetslösheten och obalansen mellan utbudet och efterfrågan inom olika yrkesgrupper hade ingen signifikant effekt på arbetslösheten. Lincaru (2010) undersöker relationen mellan arbetslöshet och vakanser på kort sikt i Rumänien med hjälp av regional data och beverigdekurvor. Författaren använde kvartalsdata, justerad för säsong från första kvartalet 2005 till tredje kvartalet Den aggregerade matchningsfunktionen som används är: lnm t = α + βlnu t 1 + γlnv t 1 + λt + δz t + ε t Där M t är matchningen (personer som får ett nytt jobb) på arbetsmarknaden för tiden t, U t 1 är antalet arbetslösa personer laggad med ett kvartal, V t 1 är antalet vakanser laggad med ett kvartal. T är dummyvariabler för tiden. Z t är en vektor av andra relevanta variabler som kan påverka utgången, exempelvis karaktärsdrag hos de arbetslösa, utbildning, ålder, erfarenhet, arbetslöshetsersättning m.m. ε t är feltermen för tiden t. Slutsatsen i studien är att det är nya lediga jobb som har en positiv relation med matchningar, och att fler arbetslösa (högre arbetslöshet) inte har en positiv relation med matchningar. Lincaru (2010) jämförde de åtta regionala beveridgekurvorna med varandra, fördelade på 16 yrkesgrupper. Det kan konstateras att beveridgekurvorna för de olika regionerna oftast rörde sig i samma riktning genom åren, trots att de ibland utgick ifrån olika utgångslägen. I Bouvet (2009) kombineras regional och nationell data på vakanser och arbetslöshet för att beräkna beveridgekurvor för fem europeiska länder: Belgien, Tyskland, Nederländerna, Spanien och Storbritannien. Länderna är uppdelade i 60 regioner, med fokus på perioden I studien undersöks även om det finns skift i beveridgekurvan och om de beror på strukturella förändringar som påverkar matchningseffektiviteten eller om det är cykliska faktorer. Som kontrollvariabler kontrolleras det för andelen kvinnor och långtidsarbetslöshet. Bouvet (2009) använder minsta kvadratmetoden som metod både på nationell och regional nivå. Resultatet visar att fler långtidsarbetslösa har en negativ effekt på matchningen. En större andel arbetslösa kvinnor gör att kurvan skiftar inåt, medan Börsch-Supan (1991) finner att en större andel arbetslösa kvinnor ska göra att kurvan skiftar utåt. En förklaring som Bouvet (2009) anger är att kvinnor är mer villiga att acceptera deltidsjobb än vad män är. Regioner med mer generösa 7

11 arbetslöshetsersättningar och högre minimilöner än andra regioner har generellt sett beveridgekurvan längre ifrån origo än de andra regionerna. Resultaten visar även på att det finns en arbetslöshetshysteresis både på nationell och regional nivå. Kosfeld et al. (2008) undersökte missmatchningen på den Tyska arbetsmarknaden, för åren och för 180 regioner i Tyskland (133 i den västra delen av Tyskland och 47 i den östra delen av Tyskland). De anser att arbetsmarknader som är placerade nära varandra är relaterade till varandra och påverkas av varandras arbetsmarknader, eftersom det går att pendla mellan dem. Kosfeld et al. (2008) använder distansen mellan regioner som en variabel för att ta hänsyn till detta. I en regression där de försöker upptäcka skiften i beveridgekurvan kontrollerar de för produktionsgap, långtidsarbetslösheten, spridning av sysselsättningstillväxt, skattesatsen av BNP, uniondensitet och offentlig anställning. Inga resultat ur den regressionen är signifikanta på 5%-nivån och de tror att det beror på en kort tidsperiod eller multikollinearitet. På grund av att det är stora skillnader i arbetslöshet och interaktioner mellan den västra och den östra delen av Tyskland använder de en spatial ekonometrisk komponent som ska hitta regionala skillnader i arbetslöshet. Resultatet är att graden av missmatchning har ökat i Tyskland under de senaste årtionde, som bland annat kan härledas till strukturella förändringar i Tyskland. En av faktorerna är utvecklingen av långtidsarbetslösheten, som tyder på hysteresis. En annan faktor som de menar på förklarar beveridgekurvans skift är konjunkturfluktuationer. De finner att försämringen av matchningen har varit större i den västra delen av Tyskland än i den östra delen. Kosfeld, Dreger & Eckey (2008) avvisar förklaringen att det skulle vara regionala missmatchningar som skulle vara förklaringen till skiften i den aggregerade beveridgekurvan. Beveridgekurvan har analyserats på regional nivå även i Sverige och detta gjordes av Sveriges ekonomi statistiskt perspektiv (2013) där Sverige delades in i åtta regioner och beveridgekurvor skattades åt varje region, samt på nationell nivå. De flesta regioner följer en liknande kurva och det är ett skifte utåt från origo, från åren Efter finanskrisen 2009 uppstod det många vakanser men arbetslösheten fortsatte att vara hög, vilket ledde till ett skifte utåt i beveridgekurvan. Detta tyder på en strukturförändring som har bitit sig kvar. Det innebär att företag har svårare att rekrytera personal med rätt kvalifikationer, vilket har gjort att det finns många lediga jobb samtidigt som det är hög arbetslöshet. Av det som framkommit så har det inte tidigare studerats skillnaderna på arbetsmarknaden för Linköping och Norrköping, däremot har skillnaderna i hälsan studerats av Faresjö & Nilsson 8

12 (2012). Hälsa och arbetsmarknad anser de hör ihop och en befolkning med sämre hälsa kan ha det tuffare på arbetsmarknaden och ha högre arbetslöshet. Eftersom arbetslöshet har en stark koppling till matchningen på arbetsmarknaden är det även viktigt att studera hälsan hos befolkningen. Faresjö & Nilsson (2012) studerade frågan eftersom en man i Norrköping i snitt lever två år kortare än en man i Linköping. Motsvarande siffra för kvinnor är något lägre, nämligen 1,5 år, men fortfarande till nackdel för kvinnorna i Norrköping. Människor i Norrköping löper även 30% högre risk att drabbas av hjärt- och kärlsjukdomar än människor i Linköping. Även andra dödsorsaker som KOL, lungcancer, diverse skador, förgiftningar, alkoholrelaterad död och självmord är samtliga högre risk att avlida av i Norrköping än i Linköping. De markanta skillnaderna i kommunerna gjorde att Faresjö & Nilsson (2012) undersökte saken närmare. En intressant sak de hittade var bland annat från en landstingsenkät där östgötarna skulle skatta sin hälsa. Resultaten visar att personer i Linköping skattar sin egen hälsa bättre än personer i Norrköping i alla kategorier, vilket enligt Faresjö & Nilsson, (2012) tyder på en kollektivt negativ attityd till hälsan i Norrköping. Faresjö & Nilsson, (2012) studerade även diagnoser som är kopplade till hjärtsjukdomar och fann att samtliga diagnoser var mer frekventa i Norrköping än i Linköping. Något annat mycket intressant angående hälsan är den psykiska hälsan och även där fann de en betydande skillnad mellan kommunerna. De fann bland annat att diagnoserna depression och ångest är mer frekvent i Norrköping än i Linköping. De ser även att diagnosen posttraumatisk stress (PTS) som ofta hänger ihop med upplevelser av krig, trauma och oro diagnostiseras oftare i Norrköping än i Linköping och det anser de kan vara en signal på att Norrköping tagit emot en mer utsatt grupp av invandrare än Linköping. Glasgow och Edinburgh är två städer i Skottland som ligger cirka 7,5 mil ifrån varandra, men är ganska lika i de grundläggande förutsättningarna. De skiljer sig åt i liknande utsträckning som Linköping och Norrköping gör, där Edinburgh skulle jämförelsevis vara Linköping och Glasgow vara Norrköping. Uitenbroek, Kerekovska & Festchieva (1996) undersöker i sitt papper skillnader i hälsolivsstilen bland befolkningen i Varna, Glasgow och Edinburgh (Varna är en stad i Bulgarien). De undersökte cigarrettrökning, utövandet av dieter, alkoholanvändandet och träning. De samlade in data genom telefonintervjuer där personer fick besvara frågor som rörde deras hälsa. Regressioner användes för att analysera resultaten och se om det fanns statistiska skillnader i svaren. Uitenbroek, Kerekovska & Festchieva (1996) finner stora skillnader i hälsa hos befolkningen i dessa städer, där befolkningen i Varna hade minst bra hälsa och befolkningen i Edinburgh hade bäst hälsa. De finner att välutbildade, samt 9

13 personer med en anställning har en bättre hälsa än lågutbildade och personer som är arbetslösa och det är genomgående för alla tre städer. Edinburgh har en större andel högutbildade och lägre arbetslöshet än Glasgow, vilket förstärker bilden av att befolkningen i Edinburgh har bättre hälsa än befolkningen i Glasgow. Under 1970-talet skedde stora nedläggningar av fabriker i Linköping men framförallt i Norrköping. I en studie av Ohlsson och Storrie (2009) studerades de långsiktiga effekterna av nedläggningen av Uddevallas varv år 1985 och neddragningarna på LKAB år De personer som påverkades upplevde inte bara uppsägningar, utan även extrem arbetsmarknadspolitik. Ohlsson och Storrie (2009) följde dessa personer fram till 1999 och jämförde utfallen med en annan grupp av människor som var med om liknande nedläggningar under åren men som inte var med om extrem arbetsmarknadspolitik. Ohlsson och Storrie (2009) kom fram till att den långsiktiga effekten av den extrema arbetsmarknadspolitiken är positiv, genom att de har högre sysselsättningsgrad och högre löner än jämförelsegruppen. Dem fann däremot inte några kortsiktiga effekter. Dock såg dem även att de som var unga och/eller hade högre utbildning klarade sig bättre än de som var äldre och/eller hade lägre utbildning när uppsägningarna skedde. Sammanfattningsvis kan det konstateras att många studier som har gjorts på sambandet mellan arbetslöshet och vakansgrad och de finner skift utåt i kurvan vid större kriser, som efterkrigstiden och finanskrisen. Det har att göra med att arbetslösheten är hög på grund av alla uppsägningar under kriget/krisen, men efter kriget/krisen börjar företagen expandera igen och antalet vakanser stiger. Att skiften ofta bitit sig kvar längre ut från origo tror många har att göra med hysteresis, det vill säga svårigheter att bli anställd efter en längre period av arbetslöshet. Unga personer med högre utbildning klarar sig bättre på arbetsmarknaden i svåra tider än äldre personer med lägre utbildning. Jämförelser mellan städer görs vanligtvis på skillnader i hälsan och de finner att de städer som har högre arbetslöshet (Norrköping och Glasgow) har sämre hälsa bland sin befolkning än de städer som har lägre arbetslöshet (Linköping och Edinburgh). 10

14 3. Teori 3.1. Beveridgekurva Beverigdekurvan lanserades av Dow och Dicks-Mireaux (1958) 2 och beskriver relationen mellan vakanser och arbetslöshet, vilket i sin tur reflekterar effektiviteten av matchningen på arbetsmarknaden. Rörelser längs med en fixerad, negativt lutad berveridgekurva associeras med cykliska förändringar, såsom perioder med hög- respektive lågkonjunktur. Rörelser längs med en fixerad beveridgekurva innebär att matchningen är konstant. Skift i beveridgekurvan, inåt eller utåt från origo talar för strukturella förändringar som påverkar matchningsprocessen mellan arbetslösa och vakanser. Sker skiftet utåt från origo, tyder det på en sämre matchning, vilket kan ske om det blir en ojämn tillväxt i olika regioner eller industrier. Matchningen mellan utbudet och efterfrågan på arbetsmarknaden fungerar då sämre än tidigare. Sker skiftet inåt mot origo, tyder det på en förbättring av matchningseffektiviteten på arbetsmarknaden (Valletta, 2005) (Bouvet, 2012) (Eurostat, 2018). Beveridgekurvan beskriver ett negativt samband mellan vakanser och arbetslöshet, när det är lågkonjunktur i ekonomin anser teorin att det är hög arbetslöshet och låg vakansgrad. I en högkonjunktur är det tvärt om, låg arbetslöshet och hög vakansgrad. Konjunkturer är cykliska och är naturliga i en ekonomi (Eurostat, 2018). Problemen uppstår när det är både hög arbetslöshet och hög vakansgrad, eftersom det då finns många lediga jobb att fylla, men de arbetslösa får inte jobben av någon anledning. Det är en situation som funnits på många arbetsmarknader runt om i världen sedan finanskrisen 2009 (Bova, Jalles & Kolerus, 2016). Det finns flera orsaker till en sådan situation. En anledning är att de arbetssökande inte har rätt kvalifikationer till de lediga jobben (Wall och Zoega, 2002). En annan orsak kan vara att arbetslöshetsersättningen är så hög att de arbetslösa inte söker arbete i den utsträckning som de borde eftersom de har en inkomst. En tredje orsak kan vara att informationen om att de lediga jobben finns är bristfällig (Pissaridēs, 1986) (Bova, Jalles & Kolerus, 2016). 2 De brittiska ekonomerna J.C.R. Dow och L.A. Dicks-Mireaux skapade beveridgekurvan och namngav den efter William Beveridge år William Beveridge var en Brittisk baron, advokat och grundaren av den moderna brittiska välfärdsstaten. William föddes den 5 mars 1879 och dog den 16 mars År 1944 började han diskuterade relationen mellan efterfrågan på arbetare och arbetslöshet och det var början på det som senare blev beveridgekurvan. 11

15 Figur 1: Beveridgekurvan visar sambandet mellan arbetslöshet och vakanser. Figur 1 visar en beveridgekurva. Relationen mellan vakanser och arbetslöshet är negativt i den meningen att om vakanser ökar så minskar arbetslösheten. Den svarta kurvan visar utgångsläget och de smala pilarna visar rörelse längs med beveridgekurvan. Olika lägen längs en och samma kurva innebär en konstant matchningseffektivitet. Cirkeln i det nedre högra hörnet visar var på beveridgekurvan en ekonomi befinner sig när det råder lågkonjunktur i landet. Denna situation kännetecknas av hög arbetslöshet och en låg vakansgrad. Cirkeln i det övre vänstra hörnet visar var på beveridgekurvan en ekonomi befinner sig när det råder högkonjunktur, d.v.s. låg arbetslöshet och en hög vakansgrad. De breda pilarna illustrerar skift från den svarta kurvan antingen inåt eller utåt från origo, där ett skift utåt innebär en sämre matchning och ett skift inåt innebär en bättre matchning (Eurostat, 2018). 12

16 Matchningsfunktionen Utgångsläget för att beräkna en beveridgekurva är en matchningsfunktion och målet är att beräkna antalet matchningar: M = M(U, V) M U > 0, M v > 0 (1) Där M är antal matchningar, U är antalet arbetslösa och V är antalet vakanser. Matchningsfunktionen beskriver effektiviteten av att få fram matchningar mellan arbetslösa som letar efter jobb och arbetsgivare som söker arbetare. Tolkningen av matchningsmodellen är att när antalet vakanser och antalet arbetslösa stiger, stiger antalet matchningar. Detta eftersom det finns fler lediga jobb att söka eller fler arbetssökande till de lediga jobben, vilket båda ökar sannolikheten till matchning. Vanligtvis specificeras matchningsfunktionen i en Cobb-Douglas funktion och har en konstant skalavkastning: M = AU γ V 1 γ (2) Där A är parametern för matchningsteknologi som visar matchningseffektiviteten mellan vakanser och arbetslöshet. I jämnviktsläget är antalet separationer (S), flödet från arbete till arbetslöshet lika med antalet matchningar, S = M. Appliceras detta och divideras funktionen med storleken på arbetskraften (L), ser funktionen ur som följande: S L = A( U L )γ ( V L )1 γ (3) När funktion 3 logaritmernas, bildas den slutliga funktionen för beveridgekurvan: ln(s) = A + γ ln(u) + (1 γ)ln (v) (4) Där s är separationsgraden (S / L), u är arbetslösheten (U / L), v är vakansgraden (V / L) och A är intercept och en parameter för matchningsteknologi. Med en fixerad separationsgrad och intercept kommer beveridgekurvan visa ett negativt samband mellan arbetslöshet och vakansgrad. När skift i kurvan sker beror det på förändringar i den matchande teknologiparametern A - strukturella förändringar som gör det svårare för arbetslösa att få de lediga jobben som finns erbjudna. Dessa förändringar kan bero på sökintensiteten, sökeffektiviteten, eller karaktärsdragen hos de arbetslösa. Det kan även vara hysteresis, där en rörelse längs beveridgekurvan skapar ett skift utåt i nästa period på grund av att fler personer blir kvar i arbetslöshet en längre period vilket gör det svårare för dem att få ett arbete. Om det 13

17 sker ett skift utåt i beveridgekurvan samtidigt som sysselsättningsgraden ökar, behöver inte skiftet innebära en sämre matchningseffektivitet. En sådan situation kan uppstå på grund av en ökad andel i arbetskraften (Wall & Zoega, 2002). Antalet tillsatta jobb (matchningar) varierar i regel positivt med konjunkturen och ökar i högkonjunktur och minskar i lågkonjunktur. Matchningseffektiviteten påverkas av andra, mer långsiktiga strukturella förändringar som påverkar sök- och rekryteringsbeteendet, som inte beror på konjunkturen. Det kan exempelvis vara uppkomsten av nya sökkanaler och användandet av dessa sökkanaler, ändring av lagstiftningen som ger utrymme för nya typer av anställningar, ny teknologi m.m. Exempel på ny teknologi är internet som gjorde informationen om lediga jobb mer lättillgängligt (Fransson, K, 2008). Obalanser på arbetsmarknaden kan uppstå då utbud och efterfrågan kan skilja sig åt i olika regioner. Det utjämnas normalt sett genom att arbetskraft och arbeten är rörliga mellan regioner. Utjämningen kan hindras av höga transportkostnader eller brist på kunskap som gör att obalanserna består. Ökade obalanser leder till färre matchningar och ett skift utåt i beveridgekurvan Jämnviktsläget För att få matchningsfunktionen i jämviktsläge kan funktion 2 skrivas i termer av anställningskvoten (h), andelen arbetslösa som lämnade arbetslösheten: h = H U = A[Uγ V 1 γ ] U 0 < γ < 1 (5) Eftersom γ ligger mellan (0,1) kan U och V utryckas som andelar av arbetskraften (L): h = A( v u )1 γ (6) Där v = V/L är vakanskvoten och u = U/L är arbetslösheten. Det ger ett utryck för hur relationen mellan vakanser och arbetslöshet tillsammans ger anställningskvoten. Det är arbetskraftsefterfrågan (vakanser och arbetslösheten) som bestämmer h. Om efterfrågan på arbetskraft stiger, förväntas ( v u) öka och andelen av de arbetslösa som får arbete (h) kommer att öka. Parameter A beskriver denna process effektivitet och 1 γ visar att h ökar men är avtagande i ( v u). Ett utryck för den relation som råder mellan arbetslöshetskvoten och vakanskvoten i jämnviktsläget är: v löses ut för att se sambandet med beveridgekurvan: u = s(1 u)/a( v u )1 γ (7) 14

18 v = (s/a) 1 1 γ (1 u) 1 1 γ u γ 1 γ (8) Funktion 8 visar tillståndet i jämnviktsläget, då antalet anställningar är lika med antalet avgångar, som visar att beveridgekurvan kan tolkas som relationen mellan vakanskvoten och arbetslöshetskvoten som observeras på längre sikt. Som tidigare benämnts är A en effektivitetsparameter och i funktion 8 illusteraras hur A påverkar beveridgekurvans läge. Ett exempel är ett ökat användande av platsannonser på internet som gör att A ökar. Detta ökar andelen arbetslösa som får jobb enligt funktion 6. Då funktion 8 speglar jämnviktsläget innebär en ökad effektivitet i matchningen att beveridgekurvan skiftar inåt. Det visas tydligt i funktion 8, eftersom parameter A finns i nämnaren, vilket innebär att vakanskvoten kan vara lägre utan att minska anställningskvoten (Wall & Zoega, 2002). 15

19 Deskriptiv statistik I detta kapitel presenteras deskriptiv statistik över Norrköping, Linköping och i några fall jämförs den med samma motsvarighet för Sverige. Kapitlet är till för att få en klarare bild över de likheter och skillnader som finns mellan kommunerna när endast rå data studeras, samt att kunna se och jämföra hur det har ser ut för Sverige. Det som belyses är befolkningsmängd, arbetslöshet, vakansgrad, utbildningsnivå, invandring och pendling Befolkningsmängd Befolkningsmängd, Norrköping Linköping Graf 1: Befolkningsmängd för Norrköping och Linköping, åren Källa: SCB. Som grafen ovan visar, var Norrköpings befolkningsmängd större än Linköpings fram till slutet på 1980-talet. Linköpings befolkningskurva har stigit stadigt genom åren, samtidigt som Norrköpings kurva låg på samma nivå fram till millenniumskiftet. Efter det ökar städernas befolkning i liknande takt, men Linköping har cirka fler människor i befolkningen än Norrköping under

20 Arbetslöshet 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, total Norrköping Linköping Sverige Graf 2: Arbetslösheten för Norrköping, Linköping och Sverige, månadsvis från januari 2008 till december Källa: Arbetsförmedlingen. Det som framgår av graf 2 är att Sverige hade en arbetslöshet som låg mellan Norrköpings och Linköpings vid mätningens början, Kurvorna följs cykliskt åt under en lång period men Sveriges och Linköpings arbetslöshet blir mer och mer lik varandras sker finanskrisen och samtligas arbetslöshet stiger, med ungefär lika många procentenheter var. Efter finanskrisen har Norrköpings arbetslöshet legat kvar på samma nivå, cirka 12%. Linköpings arbetslöshet sjönk efter finanskrisen och det har därför blivit ett glapp mellan Linköpings och Norrköpings arbetslöshet. Sveriges arbetslöshet har också sjunkit efter finanskrisen, men inte med lika mycket som för Linköping. I Appendix finns det fler grafer som delar in arbetslösheten i olika grupper; kvinnor, män, unga, äldre, inrikes födda, utrikesfödda, förgymnasial, gymnasial och eftergymnasial. Samtliga av dessa grafer visar att Norrköping har en högre arbetslöshet än vad både Linköping och Sverige har. Det innebär att det inte är någon grupp av människor i Norrköping som det går extra bra eller dåligt för, utan samtliga grupper i Norrköping har en högre arbetslöshet än motsvarande grupper i Linköping och Sverige. Samtliga grafer rörande arbetslöshet presenteras i samma skala för att göra graferna jämförbara. 17

21 Vakansgrad Vakansgrad 3,000% 2,500% 2,000% 1,500% 1,000% 0,500% 0,000% Norrköping Linköping Sverige Graf 3: Vakansgraden för Norrköping, Linköping och Sverige, månadsvis från januari 1995 till december Källa: Arbetsförmedlingen med egna beräkningar. Graf 3 presenterar vakansgraden via arbetsförmedlingen, månadsvis från januari 1995 till december Det är ingen större skillnad i vakansgraden för Norrköping, Linköping och Sverige, utan kurvorna följs åt i en stor utsträckning. Det syns tydligt en ökning av vakansgraden för både Norrköping, Linköping och Sverige under den studerade tidsperioden. Vakansgraden tycks vara cyklisk, där den stiger under den första halvan av året för att sedan sjunka tillbaka, vilket troligtvis beror på flertalet annonser rörande sommarjobb under den första halvan av året. Den cykliska trenden tycks blivit starkare genom åren. Ökningen av vakansgraden i sig behöver inte betyda att matchningen blivit sämre, utan det kan till exempel vara så att fler annonsörer går via arbetsförmedlingen än tidigare. 18

22 5.4. Utbildningsnivå Andel högutbildade 45,00 40,00 35,00 30,00 25,00 20,00 15,00 10,00 5,00 0,00 Kvinnor Män Total Norrköping Linköping Riket Sverige Graf 4: Andelen högutbildade fördelat på kvinnor, män och totalt, för Norrköping, Linköping och Sverige, för Källa: SCB. Utbildningsnivån är ytterligare en intressant aspekt att studera som skiljer sig åt mellan Norrköping, Linköping och Sverige. Graf 4 visar andel högutbildade i Linköping, Norrköping och Sverige, där definitionen av högutbildad är personer med minst treårig eftergymnasial utbildning (inklusive forskarutbildning) och datamängden är från Linköping har en högre andel högutbildade och Norrköping har en lägre andel högutbildade än genomsnittet i Sverige. Kvinnorna är i större utsträckning högutbildad än männen. 19

23 Invandring Invandring Norrköping Linköping Graf 5: Antal invandrare som flyttat till Norrköping och Linköping, årsvis från Källa: SCB. Graf 5 visar antalet nya invandrare som varje år bosatt sig i Norrköping respektive Linköping under perioden Siffrorna är från SCB och kurvorna visar att Norrköping har haft ett större antal invandrare än Linköping haft fram till mitten på 1990-talet då Linköping gick om Norrköping. Från mitten av 1990-talet och fram till 2015 har Linköping fått fler invandrare, men 2015 återgick Norrköping till att vara den kommun av dessa två som flest invandrare bosätter sig i. Observera att det är antalet nya invandrare i kommunerna som grafen visar och inte totala mängden invandrare. Grafen visar att Linköping tagit emot fler invandrare än Norrköping under de senaste 20 åren och det motsäger en del av det Länsstyrelsen (2017) menade på med att Norrköping tagit emot fler invandrare under de senaste åren. Norrköping har en högre andel av befolkningen som är utrikesfödd än Linköping, enligt SCB (2017), hade Linköping den 31 december ,8% utrikesfödd befolkning, varav motsvarande siffra i Norrköping var 18,8%. Invandringsvariabeln som används i regressionerna borde ha en mer negativ påverkan på Linköping än vad den har på Norrköping eftersom endast data från 1995 är inkluderade och från 1995 fram till 2015 tog Linköping emot fler. 20

24 5.6. Pendlingsstatistik Östergötland består av 13 kommuner där pendlingsmöjligheter är stora. Mellan Norrköpings och Linköpings städer är det cirka 4 mil vilket innebär att en del bor i den ena staden och jobbar i den andra. Pendlingen sker givetvis från andra orter också och det symboliseras grafiskt här nedan. Figurerna visar hur många i antal som pendlar till Linköping respektive Norrköping och det är de fem orter med flest antal pendlare till respektive kommun som visas. Siffrorna är från SCB och visar hur det såg ut Motala Norrköping Åtvidaberg Linköping Antal arbetare: Mjölby Kinda Figur 2: De fem kommuner som har flest antal pendlare till Linköping under Källa: SCB. Finspång Söderköping Nyköping 572 Norrköping Antal arbetare: Linköping Valdersmarksvik 650 Figur 3: De fem kommuner som har flest antal pendlare till Norrköping under Källa: SCB. 21

25 6. Data Data som används är från Arbetsförmedlingen och SCB. Det finns olika definitioner av arbetslöshet och arbetsförmedlingens definition omformulerades i oktober Från att tidigare ha mätt arbetslösheten i relation till befolkningen som är år, baseras nu procenttalen på den registerbaserade arbetskraften. Registrerade arbetskraften definieras som den del av befolkningen som är till arbetsmarknadens förfogande som antingen arbetande eller arbetssökande. Arbetsförmedlingen (2011) hävdar att detta mått på arbetslöshet bättre stämmer överens med hur arbetslösheten mäts i den officiella statistiken både i Sverige och utomlands. Arbetsförmedlingen hävdar att det tidigare beräkningssättet underskattade vissa gruppers arbetslöshet, exempelvis utrikesfödda. I gruppen utrikesfödda finns det en relativ stor andel som varken arbetar eller är arbetssökande, i jämförelse med den övriga befolkningen. I den nya definitionen exkluderas personer som inte står till arbetsmarknadens förfogande, exempelvis studerande, förtidspensionärer och personer inom värnplikten. För att räkna ut den procentuella arbetslösheten för en kommun har antal förvärvsarbetare adderats med antal arbetslösa för att få antal i arbetskraften och sedan divideras antal arbetslösa med antalet i arbetskraften: Antal arbetslösa = Procentuell arbetslöshet (Antal förvärvsarbetare + Antal arbetslösa) Antal vakanser är data från arbetsförmedlingen som är på månadsbasis för alla Sveriges kommuner och det är ett absolut tal på antal kvarstående lediga platser med mer är tio dagars varaktighet. För att få vakanstalen att bli i procent divideras antal vakanser med antalet i arbetskraften: Antal vakanser (Antal förvärvsarbetare + Antal arbetslösa) = Vakansgrad Antal förvärvsarbetare, antal pendlare och antal invandrare är data från SCB och är på kommunnivå och på årlig basis. För att kunna använda den tillsammans med annan data på månadsbasis behövs den årliga datan omvandlas till månadsdata. Det har gjorts genom att anta att förändringen av antal förvärvsarbetare, pendlare och invandrare sker linjärt under månaderna inom året. Antagandet om att förändringen sker linjärt är naturligtvis ett starkt antagande. I de data som används för de empiriska skattningarna och beräkningarna är det dock inte orimligt att detta antagande skulle vara uppfyllt. Eftersom det är variabler som är relativt fasta och trögrörliga. Det hade varit mer problematiskt om det varit andra variabler som fluktuerade mer beroende på säsong eller liknande. 22

26 Pendlingssiffrorna är från början ett absolut tal på hur många som pendlar till och från kommuner. Med inpendlare menas hur många personer som pendlar till sin arbetskommun och utpendlare menas hur många som pendlar från sin bostadskommun. Ett mått på in och utpendling beräknas som procent pendlare av förvärvsarbetande i kommunen enligt följande: Antal pendlare (in respektive ut) Antal förvärvsarbetare = Procentull pendling För att studera effekten av invandringen på matchningseffektiviteten har data på antal nytillkomna invandrare till varje kommun inhämtats. Datan är hämtad från SCB och är på årlig basis. Måttet på invandring definieras enligt följande: Antalet invandrare = Procentuell invandring (Antal förvärvsarbetare + Antal arbetslösa) Eftersom antal observationer inom Linköping och Norrköping är begränsade har det varit nödvändigt att även inkludera andra kommuner i Sverige. Alla kommuner med undantag från Bollebygd, Heby, Knivsta, Lekeberg, Nykvarn och Ystad har inkluderats i den empiriska regressionen. Dessa sex kommunerna har exkluderats på grund av brist på data under vissa delar av tidsperioden. Anledningen till avgränsningen av analystiden är brist på data för några av variablerna bakåt i tiden. Det hade varit intressant att inkludera fler variabler, som till exempel utbildningsnivå men p.g.a. av bristande tillgång till data har detta inte varit möjligt. Datan är paneldata vilket innebär att studien använder data över en längre tidsperiod med flera kommuner. Analysen bygger på månatlig data från januari 1995 till december 2016 (264 tidsperioder). En nackdel med datan är att vakansdatan endast är siffror från ofyllda vakanser som har varit aktuella via arbetsförmedlingen, vilket gör att det endast blir en del av det totala antalet vakanser som finns registrerade via andra sidor och på andra sätt. Att inkludera andra källor skulle kunna ge upphov till exempelvis dubbelräkning då många jobbannonser finns tillgängliga på flera sidor. Slutligen, data gällande invandrare är inflödet av invandrare till en kommun en viss tid, alltså inte antalet invandrare som finns i kommunen under en viss tid (stocken). 23

27 7. Metod För att undersöka varför Norrköping har så pass mycket högre arbetslöshet än Linköping används beveridgekurvan. Detta för att se om förklaringarna kan finnas i skillnaden i hur matchningseffektiva kommunerna är. De båda kommunernas beveridgekurvor jämförs därefter med beveridgekurvan för Sverige. Om det skulle visa sig att Norrköping har en mindre effektiv matchning än Linköping, skulle en av förklaringarna till varför Norrköping har en högre arbetslöshet än Linköping vara att det som erbjuds i form av arbetskraft inte matchar det som efterfrågas i form av arbetstillfällen, eller att informationen om de lediga jobben inte är tillräcklig o.s.v. Genom att inkludera pendling, invandring och månatliga säsongsvariationer som kontrollvariabler ger det möjlighet att se om variablerna har någon påverkan på matchningen och i så fall om den är positiv eller negativ. In- och utpendling inkluderas som kontrollvariabel för att se om rörligheten av arbetskraft har någon effekt på matchningen. Invandring är inkluderade i syfte att kontrollera för om invandring påverkar arbetslösheten. Månatliga säsongsvariationer är inkluderade för att kunna följa matchningseffektiviteten över tid samt att kontrollera för säsongsvariationer. Beveridgekurvorna är skapade både på månadsbasis och på årsbasis. Årsbasis är gjord för att underlätta tolkningen. Som visas i den deskriptiva statistiken, graf 2 och 3, finns det säsongsvariationer i arbetslöshet och vakansgrad. Beveridgekurvorna på årsbasis presenteras i resultatkapitlet och beveridgekurvorna på månadsbasis presenteras i Appendix. Modellen som i utgångsläget använts för att empiriskt mäta den långsiktiga jämviktsrelationen mellan arbetslöshet och vakansgrad är en paneldatamodell med fixa effekter som har skattats genom minsta kvadratmetoden. Kontrollvariablernas syfte är att mäta möjliga strukturella skift i matchningsmodellen. Modellen är med fixa effekter och ser ut som följande: u it = α i + β 1 v it + β 2 pin it + β 3 put it + β 4 inv it + τd + ε Där u it är arbetslöshet för kommun i, för tiden t. v it är vakansgraden för kommun i, för tiden t. β 1 visar effekten på arbetslöshet av en förändring av vakansgraden. pin it är ett mått på andel pendlare in till en kommun som inte är sin bostadskommun för kommun i, för tiden t. put it är ett mått på andelen som pendlar från sin bostadskommun för att arbeta i en annan kommun för kommun i, för tiden t. pin it och put it ska vara ett sätt att mäta utbytet av arbetskraft mellan kommuner där β 2 och β 3 fångar effekten. inv it är ett mått på andelen av arbetskraften som varje månad flödar in till kommun i, vid tidpunkt t. β 4 visar effekten på arbetslösheten av detta 24

28 inflöde. τd är tidseffekten som är månatliga dummyvariabaler. De månatliga dummyvariabalerna används för att kontrollera för säsongsvariationer. I de fall där modellen använder årlig data istället för månadsdata används årsdummys. ε är feltermen. Test för att undersöka autokorrelation och heteroskedasticitet är genomförda i syfte att se om det finns problem med det. Testen visade att det finns både autokorrelation och heteroskedasticitet. För att ta hänsyn till det har robust error använts, vilket gör att standardfelen blir robusta och därmed mer korrekta. En graf har även skapats för att tydligare se när skiften i beveridgekruvan sker. Grafen ska på en tidshorisont visa om matchningseffektiviteten blivit bättre eller sämre genom tiden. Det har gjorts för Sverige och är ett komplement till beveridgekurvan. Grafen inkluderar arbetslöshet som tar hänsyn till vakansgrad, rörligheten av arbetskraft, invandring samt de månatliga dummyvariblerna. 25

29 Vakansgrad 8. Resultat I resultat-delen presenteras först resultaten för Sverige, sedan jämföra dem med resultaten för Linköping och Norrköping. Samtliga beveridgekurvor är skapade i samma skala för att göra dem jämförbara. Beveridgekurvorna är gjorda både på årsbasis och månadsbasis. Beveridgekurvorna på årsbasis presenteras i kapitlet, medan de på månadsbasis presenteras i Appendix Sverige Beveridgekurva 0,03 Beveridgekurva Sverige 0,025 0, ,015 0, , ,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 Arbetslöshet Graf 6: Sveriges beveridgekurva, årsvis, Graf 6 illustrerar beveridgekurvan för Sverige från åren 1995 till Det som grafen visar är att Sverige år 1995 börjar med en relativt låg vakansgrad och hög arbetslöshet och anses därför ha en dålig matchning och utgångsläget i beveridgekurvan kännetecknar en lågkonjunktur. Matchningen anses vara dålig, eftersom kombinationen av vakansgrad och arbetslöshet är långt ifrån origo. Sveriges beveridgekurva rör sig sedan snett inåt och uppåt, vilket innebär att arbetslösheten sjunker och vakansgraden stiger något, som anses innebära en bättre matchning. Under några år rör sig beveridgekurvan ungefärligen på samma ställe, för att sedan röra sig uppåt, mot en stigande vakansgrad. Grafen visar att arbetslösheten har stagnerat på ungefär samma nivå under de senaste åren (sjunkit något), men att vakansgraden ökat markant. Det tyder på en sämre matchning som har uppstått under de senaste åren, efter finanskrisen

30 Matchningseffektivitet feb-95 jan-96 dec-96 nov-97 okt-98 sep-99 aug-00 jul-01 jun-02 maj-03 apr-04 mar-05 feb-06 jan-07 dec-07 nov-08 okt-09 sep-10 aug-11 jul-12 jun-13 maj-14 apr-15 mar-16 Värt att notera är att arbetslösheten inte är alarmerande hög, utan 2016 är den cirka 7%, men med tanke på den höga vakansgraden, finns det anledning att tro att fler arbetslösa borde lyckas få ett arbete. Det finns utrymme för en bättre matchning i Sverige, främst genom att vakansgraden sjunker, men även genom att arbetslösheten sjunker. 0-0,02 Matchningseffektiviteten över tid -0,04-0,06-0,08-0,1-0,12-0,14 Tid Graf 7: Matchningseffektiviteten för Sverige, arbetslösheten kontrollerad för vakansgraden, rörligheten av arbetskraft, invandring och månatliga säsongseffekter över tiden. Ett högre värde tyder på en sämre matchning. Graf 7 är den graf som omnämnts som ett komplement till beveridgekurvan och anledningen till det är att x-axeln är en tidshorisont, månadsvis från februari till december På y-axeln visas arbetslösheten som kontrollerats för vakansgraden, rörligheten av arbetskraft samt invandring. Det är med andra ord samma variabler i beveridgekurvan som i graf 7. Robust standardfel används och tolkningen av grafen är att ju lägre värde på y-axeln, desto bättre matchning. Grafen visar att det var en sämre matchning under de första tidsperioderna, för att sedan sakta röra sig mot en bättre matchning. I början av 2008 skedde en dramatisk förändring i matchningseffektiviteten som gjorde att den vände från en bättre matchningseffektivitet till en sämre. Denna försämring av matchningseffektiviteten pågår under några år och börjar därefter visa på en bättre trend. Resultaten presenterades i graf 7 och visar den bild som bevridgekurvan gav, nämligen att matchningen försämrades efter finanskrisen, men att den återhämtat sig något sedan dess. 3 Januari 1995 inkluderas inte på grund av att en dummyvariabel måste uteslutas. 27

31 Graf 7 visar tydligt att matchningseffektiviteten är bättre år 2016 än år Detta visas genom att kurvan som visar matchningseffektivitet är lägre år 2016 än år Dessa resultat sammanfaller med resultaten som presenterades i graf 6, där avståndet från origo till matchningspunkten för år 1995 är längre än till matchningspunkten för år Det som förorsakar den dåliga matchningen 1995 är den höga arbetslösheten. När arbetslösheten sedan sjönk, blev även matchningseffektiviteten bättre, troligen på grund av att vakansgraden var ungefärligen konstant under några år Sverige Regressioner I den här delen av uppsatsen presenteras resultaten av regressioner av modeller som formulerats från ursprungsmodellen i metod-kapitlet. Det som skattas i regressionsmodellen är den långsiktiga jämvikten. Det innebär att det bortses ifrån kortsiktiga fluktuationer av matchningen och enbart fokuseras på den långsiktiga jämviktsrelationen mellan arbetslöshet och vakansgrad samt de skift som rörlighet av arbetskraft, invandring och månatliga säsongsvariationer ger. Den beroende variabeln i regressionen är arbetslöshet och resultaten ska tolkas utifrån en förändring i de oberoende variablerna. De oberoende variablerna är vakansgrad, inpendling, utpendling, invandring samt månatliga säsongsvariationer. Anledningen till användandet av vakansvariabeln är för att undersöka sambandet mellan vakansgraden och arbetslöshet, eftersom det i matchningsteorin sägs finnas ett negativt samband dessa båda variabler. Det som skattas genom vakansgraden är vilken påverkan dess fluktuationer har på arbetslösheten. Den andra oberoende variabeln i regressionen är inpendling, vilket mäter ena delen av det samlade begreppet rörlighet av arbetskraft. Det som skattas av inpendlingsvariabeln är vilken effekt inpendling till en kommun har på kommunens arbetslöshet. Den andra delen av rörlighet av arbetskraft är utpendling som mäter andelen av förvärvsarbetarna i sin bostadskommun som pendlar till en annan kommun för arbete. Variabeln skattar korrelationen mellan utpendling och arbetslöshet. Variablerna in- och utpendling används för att mäta rörligheten av arbetskraft till och från Sveriges kommuner. Dessa variabler kan även fånga upp andra saker, såsom närheten mellan kommuner eller möjligheten att pendla. Nästa variabel är invandring, som ska vara ett mått på hur stor andel av befolkningen i kommunen som tillkommer varje månad i form av invandring. Koefficienten mäter korrelationen mellan invandring och arbetslöshet. Den sista kontrollvariabeln är tiden, genom månatliga säsongsvariationer (dummyvariabler). Dummyvariablerna används för att undersöka matchningseffektiviteten, (en beveridgekurva) för varje månad. 28

32 Regressionsresultat med robusta standardfel och fixa effekter Inkl. invandring exkl. invandring Arbetslöshet Arbetslöshet Vakanser (.027) (.027) Inpendling.094***.096*** (.023) (.024) Utpendling.254***.257*** (.035) (.035) Invandring.101 (.062) Tabell 1: Den första kolumnen visar resultaten inklusive invandring och den andra stapeln visar resultaten exklusive invandring. *** betyder att resultatet är signifikant på 1%-nivån. Matchningseffektiviteten har fixa effekter och robusta standardfel (inom parentes). Resultaten över vakansgraden är inte signifikanta. Det negativa tecknet pekar dock på en negativ inverkan på arbetslösheten. Koefficienten för in- och utpendling är positiv och signifikant på 1%-nivån. Tolkningen av resultaten är att 1 procentenhets ökning av inpendling till en kommun kommer leda till att arbetslösheten i den kommunen kommer stiga med cirka 0.09 procentenheter. Om andelen utpendlare från en kommun stiger med 1 procentenhet, skulle arbetslösheten stiga med 0.25 procentenheter. Resultaten för invandring är inte signifikant. I regressionen som skapades i syfte att undersöka sambandet mellan arbetslöshet och vakansgrad, rörligheten av arbetskraft och invandring var det observationer fördelade på 284 av Sveriges 290 kommuner. Regressionen gjordes både med och utan invandring som kontrollvariabel, för att se om det blev någon skillnad i utfallen för de andra variablerna. Resultaten visar ingen påtaglig skillnad beroende på om invandring inkluderas eller inte. Regressionen gjordes med fixa effekter och eftersom det finns problem med autokorrelation och heteroskedasticitet används robusta standardfel, som är konsistenta under heteroskedasticitet och autokorrelation. 4 Resultaten visar en negativ jämviktsrelation mellan arbetslöshet och vakansgrad. Tolkningen av resultatet är att 1 procentenhets ökning av vakansgraden innebär procentenheters minskning av arbetslösheten. Sambandet mellan arbetslöshet och vakansgrad är dock inte signifikant. Teorin förutspår att det negativa sambandet ska finnas, dvs. om det finns många 4 Resultaten utan robusta standardfel är presenterade i Tabell 3 i Appendix. 29

33 vakanser i kommunen bör arbetslösheten sjunka. Detta resultat gäller för Linköping under åren efter finanskrisen då arbetslösheten sjönk samtidigt som andelen vakanser steg. I Sverige som helhet och i Norrköping däremot har arbetslösheten stannat kvar på en hög nivå trots att andelen vakanser stigit. Det tyder på en bättre matchning i Linköping än i Sverige och Norrköping. In- och utpendling är mått på rörligheten av arbetskraft och är därför mått på hur flexibel arbetskraften är. En mer flexibel arbetskraft, innebär större chans till arbete på andra orter och ger därför större möjligheter till bättre matchning mellan arbetslösa och vakanser. Båda variablerna in- och utpendling visar ett positivt samband med arbetslösheten, vilket inte är det förväntade resultatet. En förklaring till den positive korrelationen mellan inpendlare och arbetslöshet är att inpendlare konkurrerar med övriga arbetssökande i kommunen om samma jobb. Är inpendlingen i, till exempel Norrköping, hög innebär det att många från andra kommuner jobbar i Norrköping. Det innebär att om det inte hade funnits möjlighet till inpendling hade förmodligen någon i Norrköping fått jobben och därmed hade arbetslösheten i Norrköping sjunkit. Konkurrensen för jobben som är sinsemellan kommuner kan alltså öka arbetslösheten i den kommunen som många pendlar till. Ett problem i sammanhanget är att det som skattas inte är kausala samband. Exempelvis är det inte orimligt att anta att en ökad arbetslöshet medför en ökad pendling eftersom invånare i kommunen med hög arbetslöshet måste söka sig till andra kommuner. En annan tolkning av att in- och utpendling har en tilltagande effekt på arbetslösheten är att vända på påståendet och säga att arbetslösheten har en tilltagande effekt på in- och utpendling. Det som menas med det är att när arbetslösheten stiger, är det ofta svårare att få jobb, vilket kan leda till att människor måste söka sig till andra kommuner för att få ett jobb. I och med att arbetslösheten stiger, ökar även rörligheten av arbetskraft. Samtliga kombinationer av regressioner med in- och utpendling visade en liknande kurva över de månatliga dummyvariablerna som graf 7 visar. Det tyder på att matchningens mönster över tiden inte påverkas nämnvärt av varken in-eller utpendlingen. Något som är viktigt att ha i åtanke är att det inte är ett orsakssamband som mäts i regressionen, utan en långsiktig jämviktsrelation. Resultaten visar en positiv korrelation mellan invandring och arbetslöshet, vilket tyder på att en större andel invandring leder till en ökad arbetslöshet. Skulle andelen invandrare öka med 1 procentenhet, skulle det leda till en 0.10 procentenhets ökning av arbetslösheten. Resultaten är däremot inte signifikanta. Att invandringen skulle ha en positiv korrelation med arbetslösheten 30

34 är som förväntat, att utrikesfödda i större utsträckning är arbetslösa än inrikes födda, illustreras även i graf 12 och 13 i Appendix Känslighetsanalys Som tidigare nämnts finns bara data för inflödet av invandrare, men inte information om de som redan är bosatta i kommunen (stocken). För att tydligare se effekten invandringen har på arbetslösheten har kumulativa summor bakåt i tiden, t.ex. x månader bakåt i tiden av invandringen skapats där invandrare från den närmsta tiden har inkluderats. Olika typer av kumulativa tidsperioder har skapats för att undersöka om detta samvarierar med arbetslösheten. I resultaten i Tabell 1 är endast den månadens invandring inkluderad. När kumulativa tidsperioder av invandring är med, inkluderas även föregående månaders invandring. Det är framtaget för att kunna se vilken effekt tidigare månaders invandring har på nutidens månads arbetslöshet. Det tar ofta tid innan invandrare integreras och får ett arbete varför det tar tid innan de kan ses som rimliga konkurrenter av jobben. Resultaten av de kumulativa tidsperioderna för invandring är presenterade i tabell 2 och visar att tidigare månaders invandring har en positiv samvariation med nutidens månads arbetslöshet. Inkluderades färre kumulativa tidsperioder, alltså invandrare från en kortare tidsperiod, är korrelationen med arbetslöshet starkare. Inkluderades fler kumulativa tidsperioder, med invandrare från ett år tillbaka (12 laggningar) var korrelationen med arbetslöshet positiv, men svagare än vid färre kumulativa tidsperioder. Det tyder på att invandrare som flyttat till en kommun nyligen, har en större påverkan på arbetslösheten än invandrare som flyttade till en kommun för en längre tid sedan. Det är vad som förväntades, eftersom nyanlända integreras och får jobb i och med att tiden går. Det är också en del av förklaringen till att invandringen har en ökande påverkan på arbetslösheten, eftersom det visar på effekten invandrarnas tid i landet har på arbetslösheten. 5 Enligt SCB (2017) hade Linköping den 31 december 2016, 15,8% utrikesfödd folkmängd, varav motsvarande siffra i Norrköping var 18,8%. 31

35 Vakansgrad 4 månader 8 månader 12 månader Tabell 2: Effekten på arbetslösheten av att inkludera kumulativa tidsperioder av invandrare Linköping och Norrköping Beveridgekurvor Beveridgekurva Linköping 0,03 0,025 0,02 0, ,01 0, ,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 Arbetslöshet Graf 8: Linköpings beveridgekurva, årsvis, Beveridgekurvan för Linköping startar 1995 i ett läge med hög arbetslöshet och låg vakansgrad (typiskt för lågkonjunktur). Matchningen rör sig sedan mot en lägre arbetslöshet och lite högre andel vakanser. I några år, från cirka 2000 till 2009 rör sig beveridgekurvan ungefärligen vid samma position, där arbetslösheten varierar fram och tillbaka, men att andelen vakanser är ganska oföränderlig. Perioden efter den ekonomiska krisen rör sig beveridgekurvan utåt från origo, vilket innebär en sämre matchning på arbetsmarknaden. Beveridgekurvan hamnar år 2016 till slut med en låg arbetslöshet och hög vakansgrad (typiskt för högkonjunktur). 32

36 Beveridgekurva Norrköping 0,03 0,025 0,02 0, ,01 0, ,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 Graf 9: Norrköpings beveridgekurva, årsvis, Norrköpings beveridgekurva börjar år 1995 i ett liknande läge som Linköpings, men med lite högre arbetslöshet. Norrköping börjar alltså med hög arbetslöshet och en liten andel vakanser, likt en lågkonjunktur. Sedan rör sig kurvan till en lägre arbetslöshet och något högre vakansgrad. Kurvan rör sig utåt mot en högre arbetslöshet under några år, men vänder sedan tillbaka till en lägre arbetslöshet, men då med en högre vakansgrad. Sedan vänder kurvan igen mot högre arbetslöshet och sedan börjar även kurvan luta uppåt, bort från origo, vilket tyder på en sämre matchning. År 2016 stannar beveridgekurvan på en hög arbetslöshet och med högre vakansgrad, vilket tyder på en dålig matchning då det både är många arbetslösa, samtidigt som det finns en hög vakansgrad. Från år 2015 till 2016 har det dock skett ett litet skift inåt i kurvan som kan vara ett trendbrott och starten på en bättre matchning, men det är för tidigt att säga om det kommer fortsätta så, eller om det är ett undantag. Linköpings och Norrköpings beveridgekurvor rör sig i ett väldigt likt mönster under de första åren och den stora skillnaden kommer under de 5-6 senaste åren, alltså åren efter finanskrisen. Det är i linje med vad Sveriges ekonomi statistiskt perspektiv (2013. I studien fann de också att matchningseffektiviteten blev sämre under och efter finanskrisen. Både Norrköpings och Linköpings vakansgrad ökar på samma sätt medan arbetslösheten skiljer sig kraftigt åt. Norrköpings arbetslöshet ökar under krisen och stannar på samma nivå åren efter den. Linköpings arbetslöshet ökar också under krisåren, men sjunker sedan tillbaka till samma nivå som innan krisen på ett par år. 33

37 Om en jämförelse görs mellan Sveriges, Linköpings och Norrköpings beveridgekurva syns det att samtliga beveridgekurvor rör sig i ett liknande mönster under de första av de studerade åren. Under perioden i mitten rör sig Sveriges något annorlunda än Linköpings och Norrköpings, då arbetslösheten sjunker under två perioder i Linköping och Norrköping, när den endast tydligt sjunker under en period i Sverige. Efter finanskrisen rör sig Sveriges och Norrköpings beveridgekurva mer likt varandra, men Sverige har en bättre matchning än Norrköping. Linköpings och Sveriges matchning är mer lik varandras vid observationsperiodens slut

38 9. Diskussion I min kandidatuppsats skrev jag om hur högutbildade personer ofta har högutbildade föräldrar och att det är ett socialt arv som förs vidare. Det tror jag har mycket att göra med situationen i Linköping och Norrköping. Linköping har länge varit en stad där utbildning har uppmuntrats och det har funnits högkvalificerade yrken att tillgå. Norrköping har länge varit en arbetarstad där det varit mer vanligt att gå direkt till ett arbete än till vidare studier. Barn som växer upp med föräldrar som antingen gått en akademisk väg och utbildar sig, eller arbetar hårt i stadens industrier tror jag har en stark prägel på vilken yrkesväg personer väljer att ta. Städernas olika traditioner på arbetsmarknaden tror jag har en betydande roll i dess skillnader på arbetsmarknaden idag. Det är möjligt att det efterfrågas mer kvalificerade arbetare nu än vad det gjort tidigare och att det därför är en större missmatchning, eftersom det kan ta ett tag för människor att anpassa sig till den nya efterfrågan och utbilda sig efter den. Sveriges, Norrköpings och Linköpings beveridgekurvor i graferna 6, 8 och 9 visar ett skift utåt från origo i och med finanskrisen Det sker för båda kommunerna och för Sverige i stort, men det intressanta är det som sker efter det. Efter krisen ska ekonomin återhämta sig och en större vakansgrad bildas i båda kommunerna. Linköpings arbetslöshet möter upp den stora vakansgraden och arbetslösheten sjunker till nivån innan krisen. Norrköping lyckas inte matcha behovet på arbetsmarknaden och arbetslösheten stannar kvar på den höga nivån som skapades under krisen. För Sverige är situationen i ett läge mellan Linköping och Norrköping, där Sveriges matchningssituation är mer lik Linköping, men beveridgekurvans mönster är mer lik den i Norrköping. Vad matchningsskillnaden mellan Linköping och Norrköping beror på går inte att utläsa ur beveridgekurvan, men en förklaring skulle kunna vara att det under finanskrisen försvann många enklare jobb och det drabbade Norrköping hårdare än Linköping, på grund av att Norrköping har en lägre utbildningsnivå och fler enklare jobb. När enklare jobb försvann, matchade inte kompetensen efterfrågan. Matchningen på arbetsmarknaden fungerade betydligt sämre efter krisen, med tanke på att det blev en större vakansgrad för varje år som gick efter krisen, men arbetslösheten stannade kvar på en hög nivå. Det finns alltså många lediga jobb och många arbetslösa som inte har jobb. Det tror jag är en stark bidragande orsak till varför det är en sådan skillnad i arbetslösheten mellan Norrköping och Linköping och skulle matchningen bli bättre i Norrköping skulle även arbetslösheten sjunka. Men om det är på grund av finanskrisen eller om det är något annat som inträffar vid samma tidpunkt är svårt att avgöra. Det vi vet är att det är en avgörande tidpunkt för Norrköpings framtid och att den satt stora avtryck än idag på Norrköpings arbetsmarknad. Att Sveriges beveridgekurva ser ut som den 35

39 gör och är lik speciellt Norrköpings beveridgekurva, tror jag beror på att Norrköpings situation är mer vanlig bland de Svenska kommunerna än vad Linköpings situation är. De flesta kommunerna har nog upplevt en kämpig period med hög arbetslöshet och hög vakansgrad efter finanskrisen och att det har varit svårt att bekämpa. Det tror jag speciellt gäller för de mindre kommunerna som inte har en stor möjlighet till arbetskraftsutbyte. Att Linköping lyckats bättre än genomsnittskommunen i Sverige kan bero på flera saker, men SAAB tror jag är en starkt bidragande orsak. SAAB är den tredje största arbetsgivaren i Linköping (efter Linköpings kommun och Östergötlands läns landsting) och är därför en viktig del av Linköpings arbetsmarknad. En ytterligare orsak till den bättre matchningen för Linköping i jämförelse med Norrköping och Sverige kan vara den mindre mängden av invandrare som Linköping tagit emot i förhållande till många andra kommuner i landet, framförallt Norrköping. Regressionsresultaten visar på ett att en högre invandring påverkar arbetslösheten att öka (dock inte signifikanta resultat), vilket tyder på att Norrköpings höga invandring borde påverka deras arbetslöshet att vara högre än om de inte skulle tagit emot dem. Regressionsresultaten gjordes med robusta standardfel på grund av att det fanns problem med både heteroskedasticitet och autokorrelation, samt utan robusta standardfel för att jämföra resultaten. Det var inte stor skillnad på resultaten, men utan robusta standardfel var samtliga resultat signifikanta på 1%-nivån. De robusta standardfelen är betydligt högre än standardfelen som inte är robusta. Med tanke på att det finns både heteroskedasticitet och autokorrelation i regressionen gör det att resultaten med robusta standardfel är mer pålitliga än resultaten utan de robusta standardfelen. Regressionsresultaten utan robusta standardfel är presenterade i Appendix. Hysteresis diskuteras mycket i tidigare studier jag tagit del av och de menar på att det ofta är långtidsarbetslösheten som skapar de ihållande skiften utåt i beveridgekurvan. Det är därför viktigt för politiker att ha vetskap om det och försöka bekämpa långtidsarbetslösheten i tid, för den drabbar matchningseffektiviteten negativt under en lång tid framåt. Jag kan tänka mig att Norrköping har drabbats av hysteresis, eftersom när arbetslösheten steg efter finanskrisen steg även långtidsarbetslösheten och det gör att fler människor kommer längre ifrån arbetsmarknaden genom förlorade kunskaper, vilket skapar en ond spiral som gör att det blir ännu svårare för dem att hitta ett arbete. Krisen som präglade Norrköping och Linköping under talet när stora delar av städernas industrier lades ner drabbade Norrköping hårdare än Linköping, mycket på grund av 36

40 att Linköping var bättre rustade med högre utbildad befolkning. Det som skedde under finanskrisen 2009, när många enklare jobb försvann, påminner mycket om den nedläggning som skedde främst under 1970-talet i framförallt Norrköping, men även i Linköping. Norrköping verkar inte ha varit så bra rustade för finanskrisen, genom en låg utbildningsnivå och redan hög arbetslöshet och det straffade dem hårt genom ännu högre arbetslöshet. En slutsats som kan dras av det är att om en kommun ska klara en kris och stora nedläggningar av industrier bra, är en förutsättning att en större del av befolkningen har en högre utbildningsnivå. Det är på grund av att det ofta är de enklare jobben som inte kräver någon högre utbildning som försvinner i kriser, vilket gör att de personerna med högre utbildning får behålla sina jobb och i värsta fall söka andra jobb. De med låg utbildning riskerar att förlora sina jobb och får det svårare att komma tillbaka på arbetsmarknaden. Trots att matchningen i Norrköping inte är särskilt mycket sämre än Sverige i helhet, har Norrköping fastnat i en hög arbetslöshet sedan finanskrisen som de inte lyckats förbättra. Detta är alarmerande och något de borde försöka bekämpa med hjälp av olika åtgärder. För att förbättra matchningen skulle de kunna göra en kartläggning över vilka typer av arbeten som söks i kommunen och sedan se hur de bäst kan få de arbetslösa att vara behöriga att få jobben. Det är bra att veta om det är utbildning som saknas, språkkunskaper, körkort, erfarenhet eller något annat. De måste sedan göra insatser för att få de arbetslösa att bli mer attraktiva på arbetsmarknaden. Det bör diskutera var fokus ska ligga när det gäller matchningseffektiviteten. Det finns flera perspektiv, individens perspektiv och företagens perspektiv. Frågan är om fokus bör ligga på att befolkningen ska ha en låg arbetslöshet, eller om fokus bör ligga på att företagen ska få rekrytera i den mån de är i behov av personal. Matchningen kan förbättras på tre sätt, antingen genom att arbetslösheten sjunker, att vakansgraden sjunker eller att både arbetslösheten och vakansgraden sjunker. Ska fokus ligga på individen och att arbetslösheten ska sjunka innebär det att arbetstillfällen bör skapas för de personer som har svårare att ta sig in på arbetsmarknaden, vilket kommer leda till att arbetslösheten sjunker. Om fokus ska ligga på att företagen ska bestämma fritt om de vill rekrytera eller inte och vem de vill rekrytera behöver människor anpassa sig efter företagens behov. Det finns inget självklart svar, men det är en intressant diskussionsfråga. Tips för vidare studier är att närmare undersöka vad som har hänt under de senaste tio åren i Linköping och Norrköping när det kommer till arbetsmarknad. Det vore intressant att få en mer 37

41 exakt förklaring till varför matchningen blivit sämre i Norrköping när den i Linköping blev bättre efter finanskrisen. Det vore även intressant att studera fler kommuner och se hur det gick för dem efter finanskrisen, eftersom det ser ut som att det har gått relativt dåligt för Sverige som helhet och att det återspeglar situationen som råder i kommunerna. 38

42 10. Slutsats Frågeställning i pappret var att ta reda på hur matchningen på arbetsmarknaden har sett ut från åren för Sverige med fokus på Norrköping och Linköping. Syftet var även att försöka se om matchningen kunde förklara en del av den skillnad i arbetslöshet som råder mellan Norrköping och Linköping. Data från 284 av Sveriges 290 kommuner användes för att skapa regressioner som visar sambandet mellan arbetslöshet och vakanser, där rörligheten av arbetskraft (som mäts genom in- och utpendling), invandring och månatliga säsongsvariationer har använts som kontrollvariabler. Månadsdata från januari 1995 till december 2016 användes. Beveridgekurvor för Sverige, Norrköping och Linköping skapades för att tydligt se relationen mellan arbetslöshet och vakansgraden över tiden. De huvudsakliga resultaten från regressionerna, som visar den långsiktiga jämviktsrelationen mellan arbetslöshet och vakansgrad, var en negativ samvariation mellan arbetslöshet och vakansgrad (ej signifikant). Det är en positiv samvariation mellan arbetslöshet och rörligheten av arbetskraft, samt mellan arbetslöshet och invandring (ej signifikant). Den positiva korrelationen mellan arbetslöshet och rörlighet av arbetskraft kan bero på att det är en högre arbetslöshet som orsakar en högre pendling, alternativt att en högre andel inpendling till en kommun kan göra att en del arbetssökande inte får de jobb som de annars skulle fått om pendlingen inte var möjlig. Känslighetsanalysen med kumulativa summor bakåt i tiden med invandring visade att invandrare som kommit mer nyligen till Sverige har en större påverkan på en ökande arbetslöshet än invandrare som kommit för en längre tid sedan. Sveriges, Norrköpings och Linköpings beveridgekurvor visade ett liknande mönster under åren Efter det fick Linköping en bättre matchning, samtidigt som Sverige och Norrköping fick en sämre. Missmatchning i Norrköping kan ha en stor bidragande orsak till varför Norrköping idag har en dubbelt så hög arbetslöshet än vad Linköping har. Skulle matchningen i Norrköping bli bättre, finns det stora anledningar att tro att arbetslösheten skulle sjunka. Sveriges beveridgekurva är mer lik Norrköpings beveridgekurvas mönster än Linköpings, däremot har Sverige bättre matchning än Norrköping, eftersom Sverige har en lägre arbetslöshet. I en jämförelse mellan Norrköping, Linköping och Sverige ser det snarare ut som att det är Linköping som är undantaget och att Norrköpings matchning är den mer normala situationen i Sverige. Det ser ut som att det är Linköping som lyckats med en bättre matchning än vad som kan förväntas av dem med tanke på att Norrköpings och Sveriges beveridgekurvor har ett liknande 39

43 mönster. Linköping har som diskuterats haft bättre förutsättningar att lyckas med en bättre matchning än vad Norrköping haft, med universitet och mer välkvalificerade arbeten, t.ex. inom SAAB. Eftersom Sverige representerar Sveriges kommuner är det förmodat så att Linköping är undantaget och Norrköping endast gått något sämre än snittet i Sverige, men att Linköping gått betydligt bättre än snittet i Sverige. Svaret på frågeställningen blir att matchningen på arbetsmarknaden är bättre 2016 än vad den var Matchningseffektivitetens mönster har inte skilt sig åt nämnvärt mellan Sverige, Norrköping och Linköping under de första 15 åren, utan det är efter finanskrisen som matchningseffektiviteten går isär. Linköpings matchningseffektivitet har sedan finanskrisen blivit bättre snabbare än vad den blivit för Norrköping och Sverige där förbättringen syns, men i ett långsammare tempo. Norrköpings höga arbetslöshet i förhållande till Linköpings kan nog till viss del förklaras av den sämre matchningseffektiviteten. Resultaten är i stort sett i linje med vad tidigare forskning inom området har kommit fram till, nämligen att matchningen på arbetsmarknaden blir sämre efter en finansiell kris och att återhämtningen beror till stor del av hysteresis. Eftersom det (så vitt jag vet) aldrig gjorts någon studie på skillnaderna mellan Norrköpings och Linköpings arbetsmarknad, så kan den här uppsatsen bidra med en djupare förståelse till orsakerna av den höga arbetslösheten i Norrköping, nämligen att matchningen mellan arbetslösa och vakanser som blivit sämre under de senaste åren, troligen på grund av en lägre utbildningsnivå och fler enklare jobb i Norrköping. 40

44 Referenslista Arbetsförmedlingen, (2011) Arbetsförmedlingen beräknar arbetslösheten på nytt sätt [30 januari 2018]. Blanchard, O.J., Diamond, P., (1989). The aggregate matching function [30 januari 2018]. Bouvet, F, (2012). The Beveridge curve in Europe: new evidence using national and regional data. Applied Economics, 44(27), pp [26 januari 2018]. Bova. E, Jalles. J.T, Kolerus. C, (2016) Shifting the Beveridge Curve: What Affects Labor Market Matching? International Monetary Found. [7 februari 2018]. Calmfors, Lars, Forslund, Anders & Hemström, Maria, (2002). Does Active Labour Market Policy Work?: Lesson from the Swedish Experiences. [30 januari 2018]. Eurostat (2018). [26 januari 2018]. Folkhälsomyndigheten, (2015), Utbildningsnivå och hälsa hur hänger de ihop?, [23 januari 2018]. Fransson, K, (2008) Matchningsfunktionen en indikator för matchningsprocessen Arbetsförmedlingen. [15 februari 2018]. Holzer, H.J., (1993). Structural/Frictional and Demand Deficient Unemployment in Local Labor Markets. Industrial Relations: A Journal of Economy and Society, 32(3), pp [21 februari 2018]. Jackman, R., Pissarides, C. & Savouri, S., (1990). Labour market policies and unemployment in the OECD. Economic policy, 5(2), pp [30 januari 2018]. Kosfeld, R., Dreger, C. & Eckey, H.-F., (2008). On the stability of the German Beveridge curve: a spatial econometric perspective. The Annals of Regional Science, 42(4), pp [1 februari 2018]. Lincaru, C. (2010) Regional mismatch tendencies in Romania Evidence from Beveridge curve Romanian Journal of Regional Science. [30 januari 2018]. 41

45 Linköping, (2017). [18 januari 2018]. Linköpings historia, (2018). [19 januari 2018]. Lubik. Thomas. A, Rhodes. K, (2014) Putting the Beveridge Curve Back to Work. Economic Brief [7 februari 2018]. Länsstyrelsen, (2017). [21 februari 2018]. Nilsson, Hans & Faresjö, Tomas, (2012), Stor skillnad: om ojämlik hälsa i Linköping och Norrköping, [18 januari 2018]. Nobelprize.org, (2010). [30 januari 2018]. Norrköping, (2018). [19 januari 2018]. Ohlsson, Henry & Storrie, Donald. (2009) Long Term Effects of Public Policy for Displaced Workers in Sweden - Shipyard Workers in the West and Miners in the North Uppsala Universitet Department of Economics Working Paper No. 2007:19. [22 mars 2018]. Pissaridēs, C.A., (1986). Unemployment and vacancies in Britain. Economic policy: a European forum, 1(3), pp [30 januari 2018]. Statistiska Centralbyrån (SCB), (2016). ME ME0002 ME0002A/ME 0002KnP01/?rxid=fff1d8ce-f81c-4fe2-b7e5-288f0e3707a4 [19 januari 2018]. Statistiska Centralbyrån (SCB), (2017). [19 januari 2018]. Statistiska Centralbyrån (SCB), (2017). AM AM0207 AM0207L/A M0207PendlKomA04/?rxid=19e33fd4-0c3e-4a4e-aaa7-8733a503b72b [19 januari 2018]. Sveriges ekonomi statistiskt perspektiv (2013) Statistiska Centralbyrån [5 februari 2018]. 42

46 Uitenbroek, Kerekovska & Festchieva, (1996). Health lifestyle behaviour and sociodemographic characteristics. A study of Varna, Glasgow and Edinburgh. Social Science & Medicine, 43(3), pp [20 februari 2018]. Valletta. Robert G, (2005), Why Has the U.S. Beveridge Curve Shifted Back? New Evidence Using Regional Data. Federal Reserve Bank of San Francisco. [26 januari 2018]. Wall, H.J. & Zoega, G, (2002), The British Beveridge curve: A tale of ten regions. Oxford Bulletin of Economics and Statistics, 64(3), pp [26 januari 2018]. 43

47 Appendix Historisk översikt År 1384 fick Norrköping sina stadsrättigheter men det finns spår av att människor levt på platsen sedan 1000-talet före Kristus. Hur staden fick sitt namn finns det många teorier om, men den troligaste enligt Norrköping (2018) är att det fanns en handelsplats i staden och på denna tid kallades det ofta för köpeäng. Tingstad var på den tiden en viktig ort i Sverige då det var där tinget träffades och fattade viktiga beslut för landet. Norrköping ligger norr om Tingstad och stadens köpeäng blev således den norra köpeängen Norrköping. Söder om Tingstad ligger Söderköping som på den tiden var den södra köpeängen. Under 1600-talet hade Norrköping sin första storhetstid och stadens arbeten präglades av mycket textil- och pappersindustri. Staden växte snabbt och var under en tid Sveriges näst största stad. Under 1800-talet producerades drygt hälften av alla Sveriges kläder i Norrköping. Under mitten av 1900-talet blev konkurrensen för stor och de flesta fabrikerna lades ner under 1970-talet (Norrköping, 2018). Linköping är residensstad i Östergötlands län och stiftsstad för Linköpings stift. Stadens namn kommer ifrån Ljunga Kauping där Ljunga betyder ljungbeväxt mark och kauping (köping) betyder handelsplats talet började tungt för Linköping då stora delar av staden brann ner på grund av att drängen Sven Nilsson oansvarigt ställt sin stallykta nära sin häst som sparkade omkull lyktan så att den föll i höet som fattade eld. År 1955 var det året då tjänstemännen i Linköping var fler än arbetarna och sedan dess har det fortsatt i den riktningen (Linköpings historia, 2018). Norrköping var tidigt en industrialiserad stad som redan på och 1700-talet hade industriliknaden miljöer och under 1800-talet tog industrierna fart på allvar. Under samma tid ansågs Linköping vara en köpstad med kyrklig och administrativ profil, dock ansågs Norrköping vara en rikare stad än Linköping. Det var inte förrän på tidigt 1900-tal som industrialiseringen tog fart i Linköping med att de tillverkade järnvägsvagnar som senare blev tillverkning av tunnelbanevagnar vilket i sin tur blev en brygga över till produktionen av flygvapnet som tillverkas där än idag. Under den här tiden ansågs både Linköping och Norrköping vara industristäder. Trots att båda städerna under första halvan av 1900-talet var lika i det avseende om industrierna så hade Linköping en större andel manligt dominerande metallindustri, medan Norrköpings industrier präglades av lågavlönade kvinnor inom textilindustrin (Linköpings historia 2018, Norrköping 2018). 44

48 Under perioden talet genomgick Norrköping en tuff strukturell omvandling när textilindustrin och mycket av de andra industriverksamheterna lades ner på grund av för hög konkurrens. Linköping genomgick en liknande nedläggning, men eftersom Linköping hade en högre teknisk kompetens, i form av en teknisk högskola och senare fick de ett universitet. Linköping hade och har än idag en högre efterfrågan på teknisk kompetens då de har SAAB som tillverkar flygvapen, som är väldigt tekniska jobb både för de som ritar och de som konstruera flygplanen. Det är en av anledningarna att Linköping ansågs vara bättre rustade för finanskrisen och kunde därför återhämta sig bättre än Norrköping (Linköpings historia 2018, Norrköping 2018). Under 1970-talet växte även en stark efterfrågan inom den offentliga sektorn fram i Linköping och detta gjorde att många kvinnor fick arbeten. Den ökade efterfrågan inom den offentliga sektorn bestod bland annat av en utbyggnad av både gymnasieskolan och sjukvården som senare blev ett universitetssjukhus. (Faresjö & Nilsson, 2012). Linköping blev en stiftsstad omkring år En stiftsstad innebär att staden är huvudort för sitt stift (den kyrkliga indelningen av riket) och de ska ha en domkyrka och biskop (Linköping, 2017). Hans Nilsson, professor vid Linköpings universitet som tillsammans med Tomas Faresjö har studerat skillnader i hälsa mellan Linköping och Norrköping. De menar på att innebörden av att Linköping blev en stiftsstad gjorde att de tidigt fick ett gymnasium och prästcentrum där de administrerade kyrkans makt. Tack vare det fanns det större potential för högre utbildning i Linköping. Innan Linköpings universitet grundades år 1970 (blev klart 1975) diskuterades det om universitetet skulle placeras i Linköping eller i Norrköping. Argumentet för att bygga det i Linköping var bland annat att Linköping var en stiftsstad och därför ansågs de ha traditionen av utbildning, medan Norrköping var en industristad. År 1997 grundades ett campus i Norrköping som tillhör Linköpings universitet (Faresjö & Nilsson, 2012). I dagsläget styrs Linköping av en koalition mellan Socialdemokraterna, Miljöpartiet och Liberalerna. Norrköping leds idag av en koalition mellan Socialdemokraterna, Liberalerna, Centerpartiet och Kristdemokraterna. Historisk sett har Linköping varit mer åt höger när Norrköping varit mer åt vänster på den klassiska höger-vänsterskalan inom politiken (SCB (Statistiska Centralbyrån), 2016). Norrköping har tidigare tagit emot ett stort antal flyktingar i förhållande till befolkningen, vilket har lett till att flyktingar fortsätter att bosätta sig i Norrköping genom EBO-lagstiftningen (Lagen om eget boende), som innebär att en flykting får bosätta sig var den vill, om den ordnar boende på egen hand. Flyktingar har då bosatt sig hos släktingar som kommit till Norrköping 45

49 sedan tidigare, vilket har lett till ett fortsatt stort flyktingmottagande. Linköping har under en lång tid tagit ett mindre ansvar än Norrköping, men har under de senaste åren blivit tvungen att ta emot fler på grund av flyktingkrisen hösten Fördelningen av flyktingar där kommunen ska ordna boende (ABO) har under 2017 och 2018 blivit fördelat så att Linköping får ta betydligt fler än resterande kommuner i Östergötland. Under 2017 fick Linköping ta emot 439 personer och Norrköping 91 personer. Under 2018 ska Linköping ta emot 331 personer och Norrköping 26 personer (Länsstyrelsen, 2017). 46

50 Arbetslöshetsstatistik 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, kvinnor Norrköping Linköping Sverige Graf 10: Andel arbetslösa kvinnor i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har en betydande större andel arbetslösa kvinnor än vad Linköping och riket har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, män Norrköping Linköping Sverige Graf 11: Andel arbetslösa män i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har en betydande större andel arbetslösa kvinnor än vad Linköping och Sverige som har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 47

51 ,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, unga år Norrköping Linköping Sverige Graf 12: Andel arbetslösa unga (18-24 år) personer i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har från 2012 en betydande större andel arbetslösa unga personer än vad Linköping och Sverige har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, äldre år Norrköping Linköping Sverige Graf 13: Andel arbetslösa äldre (55-65 år) personer i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har en betydande större andel arbetslösa äldre personer än vad Linköping och Sverige har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 48

52 ,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, inrikes födda Norrköping Linköping Sverige Graf 14: Andel arbetslösa inrikes födda i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har en betydande större andel arbetslösa inrikes födda än vad Linköping och Sverige har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, utrikesfödda Norrköping Linköping Sverige Graf 15: Andel arbetslösa utrikesfödda i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har sedan 2012 en betydande större andel arbetslösa utrikesfödda än vad Linköping och Sverige har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 49

53 ,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, förgymnasial utbildning Norrköping Linköping Sverige Graf 16: Andel arbetslösa med förgymnasial utbildning i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har sedan 2015 en betydande större andel arbetslösa med förgymnasial utbildning än vad Linköping och Sverige har som legat på en liknande nivå. Källa: Arbetsförmedlingen. 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, gymnasial utbildning Norrköping Linköping Sverige Graf 17: Andel arbetslösa med gymnasial utbildning i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har sedan 2013 en betydande större andel arbetslösa med gymnasial utbildning än vad Linköping och Sverige har. Källa: Arbetsförmedlingen. 50

54 ,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Arbetslöshet, eftergymnasial utbildning Norrköping Linköping Sverige Graf 18: Andel arbetslösa med eftergymnasial utbildning i Norrköping, Linköping och i Sverige, månadsvis från januari 2008 till december Norrköping har en betydande större andel arbetslösa med eftergymnasial utbildning än vad Sverige och Linköping har som har lägre andel arbetslösa med eftergymnasial utbildning än vad Sverige har. Källa: Arbetsförmedlingen. 51

55 Statistik över utbildningsnivån Graf 19: Andel inrikes födda (25-64 år) i olika utbildningsnivåer får Norrköping, Linköping och Sverige för år Linköping har en betydande högre andel med minst 3 år eftergymnasial utbildning än både Norrköping och Sverige. Norrköping har en högre andel med förgymnasial och gymnasial utbildning. Källa: SCB. Graf 20: Andel utrikesfödda (25-64 år) i olika utbildningsnivåer får Norrköping, Linköping och Sverige för år Linköping har en betydande högre andel med minst 3 år eftergymnasial utbildning än både Norrköping och Sverige. Norrköping har en högre andel med förgymnasial och gymnasial utbildning. Källa: SCB. 52