Kan ditt sociala liv påverka din lön?

Transkript

1 Kan ditt sociala liv påverka din lön? En kvantitativ studie av mäns och kvinnors nätverk samt effekten på lön. Fanny Lundberg Karin Mannbrink Sociologiska Institutionen Kandidatuppsats i sociologi, 15 h.p. Inriktning: Arbetsliv och arbetsmarknad Ht 2016 Handledare: Charlotta Stern

2 Sammanfattning Syftet med denna studie är att undersöka om mäns och kvinnors sociala nätverk skiljer sig åt och om nätverk har någon effekt på lön. Mer konkret innebär detta att syftet med undersökningen är att ta reda på om sociala nätverk samvarierar med lön vilket i så fall skulle kunna vara en delförklaring till att det uppstår löneskillnader mellan kvinnor och män. Studien belyser därmed även vilken typ av sociala nätverk som är fördelaktiga samt mindre fördelaktiga för en aktörs lön. Data som används kommer från Levnadsnivåundersökningen 2010, vilket utgör ett riksrepresentativt urval av Sveriges vuxna befolkning. Metoden som används är kvantitativ och hypoteser formuleras utifrån teorier om socialt kapital, nätverk och homosocialitet. Resultaten visar att mäns och kvinnors sociala nätverk skiljer sig åt. Män har större nätverk och verkar därmed ha större möjligheter att skapa kontakter. Därmed har män potentiellt mer socialt kapital. Resultaten visar även att män umgås med män och kvinnor med kvinnor och att män oftare har en manlig chef och kvinnor en kvinnlig chef, vilka är tecken på homosocialitet i både mäns och kvinnors nätverk. Resultaten visar även att ens närmsta väns yrke kan ha betydelse för ens egen lön då det är positivt för kvinnors lön att ha en nära vän som är högre tjänsteman och negativt för en mans lön att ha en närmaste vän som är lägre tjänsteman eller okvalificerad arbetare jämfört med om vännen varit tjänsteman på mellannivå. Att träffa nära vänner veckovis visade sig även vara negativt för en mans lön. Medan att ha en högutbildad far och en manlig chef visade sig ha positiva effekter på både mäns och kvinnors lön. Resultaten analyseras och diskuteras sedan på mikro och makronivå vilket följs av förslag på fortsatta studier samt en kritisk reflektion. Uppsatsens slutsats är att en aktörs sociala liv delvis kan påverka lönen och förhoppningen med denna studie är att kunna bidra till en vidare förståelse för om och hur våra sociala liv påverkar arbetslivet i termer av löneskillnader mellan kvinnor och män. Nyckelord Sociala nätverk, socialt kapital, homosocialitet, kön, lön, kvantitativ analys, multipel regressionsanalys

3 Innehållsförteckning INLEDNING... 1 SYFTE OCH HYPOTESER... 2 AVGRÄNSNINGAR... 2 DISPOSITION... 2 TEORI... 3 OM SOCIALT KAPITAL OCH DESS BETYDELSE... 3 Strukturellt perspektiv på sociala nätverk... 3 Figur 1. Kluster... 5 Aktörsperspektiv på sociala nätverk... 5 Figur 2. Starka och svaga kontakter... 6 TIDIGARE FORSKNING... 7 Socialt kapital präglas av homosocialitet... 7 Sociala nätverk och lön... 9 Kön och lön... 9 DATA OCH METOD KVANTITATIV METOD VARIABLER Operationalisering av begreppet lön Operationalisering av begreppet nätverk Viktiga kontrollvariabler TABELL RESULTAT NÄTVERK OCH KONTAKTINTENSITET TABELL HOMOSOCIALITET TABELL REGRESSIONSTABELL TABELL MODELL MODELL

4 ANALYS DISKUSSION KRITISK REFLEKTION REFERENSER... 31

5 Inledning Det är allmänt känt att det finns löneskillnader mellan män och kvinnor och det är ett fenomen som finns över hela världen. I EU har man sedan 1957 arbetat för att män och kvinnor ska få lika lön för lika arbete (Europeiska kommissionen, 2014). Trots detta återfinns löneskillnader även i Sverige, ett av världens mest jämställda länder. Löneskillnaden mellan män och kvinnor på den svenska arbetsmarknaden uppgår till 4,6% efter att ha uteslutit faktorer som beror på skillnader i yrke, utbildning, ålder, sektor och arbetstid (Medlingsinstitutet, 2015). Denna löneskillnad är svår att förklara bort med faktorer som går att mäta, en vanlig förklaring blir till följd av detta att löneskillnaderna mellan män och kvinnor beror på diskriminering. Mer sällan ställs frågor om eventuella skillnader mellan mäns och kvinnors sociala liv och vilka konsekvenser detta kan innebära på arbetsmarknaden. Vi vet sedan tidigare att män i högre utsträckning arbetar heltid och kvinnor av olika anledningar deltid. I och med detta kan man tänka att det uppstår skilda förutsättningar att knyta fördelaktiga kontakter på arbetsmarknaden, vilket visat sig vara viktigt för att få jobb men också för att avancera i arbetslivet (Lin, 2000). De fördelaktiga positionerna inom en organisation finns högt upp i hierarkin och det är genom dessa som aktörer når bättre kontroll över olika resurser (Lin & Dumin, 1986). Som det ser ut på arbetsmarknaden idag så är det männen som i de flesta fall innehar dessa positioner, då kvinnorna ofta befinner sig lägre ner i hierarkin. Tidigare studier har även visat att människor är homosociala vilket innebär att de gärna vill umgås med människor som liknar dem själva (McPherson, m.fl., 2001). Om män ofta har män i sina kontakter och kvinnor ofta har kvinnor, skapas könshomogena nätverk. Vilket kan innebära att män har ett bättre utgångsläge på arbetsmarknaden då de har tillgång till mer resursrika kontakter. Således kan man utifrån dessa två forskningsområden fundera på om nätverket skulle kunna ha någon direkt effekt på lön. Denna studie syftar till att kartlägga mäns och kvinnors nätverk för att se om de skiljer sig åt. I studien undersöks vidare om nätverk påverkar lön. Om så är fallet skulle nätverk kunna förklara en del av den löneskillnad mellan män och kvinnor som ännu är oförklarad. 1

6 Syfte och hypoteser Syftet med denna uppsats är att undersöka om mäns och kvinnors sociala nätverk skiljer sig åt och om nätverk har någon effekt på lön. Studien kommer att belysa vilken typ av sociala nätverk som är fördelaktiga samt mindre fördelaktiga för en individs lön. Förhoppningen är att bidra till en vidare förståelse för om och hur våra sociala liv påverkar arbetslivet i termer av löneskillnader mellan kvinnor och män. I fokus för uppsatsen står sambandet mellan en individs sociala nätverk och lön och våra hypoteser är följande: Hypotes 1. Mäns och kvinnors nätverk skiljer sig åt. Hypotes 2. Nätverk tenderar att vara homosociala Hypotes 3. Det finns ett positivt samband mellan storlek och sammansättning på en aktörs sociala nätverk och lön. Avgränsningar I denna studie fokuserar vi bara på distinktionen mellan man och kvinna och väljer därmed att utesluta andra tänkbara stratifierande egenskaper på arbetsmarknaden som exempelvis klass och etnicitet. Vi avgränsar även studien genom att mäta en aktörs nätverk och därmed tillgång till socialt kapital med hjälp av redan utarbetade frågor i LNU Det innebär att vi i vår uppsats anpassar vår definition av nätverk efter det material vi har tillgång till. Disposition Uppsatsen inleds med en beskrivning av socialt kapital som teori där två olika perspektiv på hur man kan studera nätverk presenteras. Vidare behandlas tidigare forskning inom området homosocialitet, nätverk och lön samt kön och lön. Sedan följer en presentation av data och metod för studien. I nästkommande avsnitt presenteras resultat gällande nätverk och kontakintensitet och homosocialitet, därefter redovisas resultaten från en multipel regressionsanalys. Resultaten analyseras sedan med koppling till teori. Uppsatsen avslutas med en diskussion, förslag till framtida forskning samt kritisk reflektion. 2

7 Teori Om socialt kapital och dess betydelse Begrepp som humankapital, socialt kapital och kulturellt kapital har använts av forskare som organiserande begrepp för att förstå mekanismerna som påverkar individers livschanser och samhällets välbefinnande (Lin, 2000). Gemensamt för dessa kapitalteorier är idén om att investering och mobilisering av kapital leder till önskad avkastning för både individ och samhälle. En analys av kapital kan genomföras på makronivå, då man ser till hur skillnader i kapital skapar skillnader mellan olika samhällen, organisationer och grupper. Analysen kan också göras på mikronivå då man ser till skillnader i kapital mellan individer och dess konsekvenser. Skillnader i olika typer av kapital mellan individer och grupper leder till skilda möjligheter till socioekonomisk framgång och livskvalitet (Lin, 2000). I den här uppsatsen fokuseras socialt kapital, som kan definieras som de mångfacetterade resurser en individ eller grupp har tillgång till genom sin position i ett socialt nätverk. Det finns många definitioner av socialt kapital, där en del forskare väljer att utgå från kapitalets nytta och definiera socialt kapital som en investering i sociala relationer med förväntad avkastning (Lin, 1999). Andra forskare ser på socialt kapital som mer spontant uppkommet och betonar att resurser vi får tillgång till via våra sociala nätverk fungerar effektivt även då människor inte aktivt valt att ingå i varandras nätverk. Det kan handla om grannar eller arbetskollegor där förbindelser kan generera mer eller mindre information och resurser (Wellman, 1983). I den här uppsatsen väljer vi att lägga vårt främsta fokus på det sociala kapitalet som uppkommer genom en aktörs rationella handlande. Då strukturella faktorer inte går att utesluta belyser vi även detta då de påverkar aktörers handlingsutrymme. Strukturellt perspektiv på sociala nätverk Socialt kapital uppkommer sålunda genom kontakter människor emellan, vilka inom sociologin främst studeras i termer av sociala nätverk. Sociala nätverk är således en samlingsterm för strukturen som skapas av relationer mellan aktörer och bland aktörer (Coleman, 1988). Sociala nätverk kan dock studeras på minst två skilda sätt. I det som följer ger vi först en generell redovisning av nätverksteori ur ett strukturellt perspektiv, för att sedan presentera nätverksteori ur ett aktörsperspektiv. 3

8 När vi studerar sociala nätverk som sociala strukturer står egenskaper hos nätverket i sig i fokus. Ett socialt nätverk kan exempelvis vara en organisation där personer innehar formella positioner som är rangordnade utifrån resurser som makt, rikedom och status. Organisationer har ofta en social struktur som kan visualiseras som en pyramid, en hierarkisk struktur där positioner högre upp i strukturen är begränsade och ju högre upp man kommer i denna struktur desto färre aktörer (Wellman, 1983; Lin & Dumin, 1986). Det finns även mer värdefulla resurser knutna till dessa höga positioner och de innebär även ökad tillgänglighet till positioner på andra rankningar. Det blir därmed fördelaktigt att befinna sig högre upp i den hierarkiska strukturen då en sådan positionering innebär bättre kontroll över olika slag av resurser. Men organisationer har också en informell social struktur som utgörs av kontakter mellan människor som kan ha mindre att göra med deras formella position. I den informella strukturen kan asymmetriska förbindelser förekomma där vissa personer har sociala kontakter med makthavare medan andra har sämre tillgång till dessa resurser. Formella och informella nätverk skapar skillnader i socialt kapital som kan utgöra en användbar resurs för aktörer (Lin & Dumin, 1986). För att exemplifiera hur det sociala kapitalet uppkommer och fungerar inom sociala nätverk presenteras två fiktiva karaktärer, A och B. Om A gör något för B och förlitar sig på att B återgäldar i framtiden, skapar detta en förväntan hos A och en förpliktelse hos B. Denna förpliktelse kan betraktas som en gentjänst hållen av A som förväntas utföras av B. Om A kan förvänta sig gentjänster från många personer A har relationer till kan man säga att A besitter ett visst kapital då A kan begära in gentjänster om det behövs. Dock finns det alltid en risk att A gett sitt förtroende till fel individer och att det blir skulder som inte kommer att återbetalas (Coleman, 1988). Exemplet tydliggör hur socialt kapital, resurser vi har tillgång till via våra kontakter, alltid är förknippade med högre risk än kapital som individen själv har kontroll över (såsom humankapital eller ekonomiskt kapital). Skyldigheter, förväntningar och tillförlitlighet hos strukturer är alltså viktiga aspekter i det sociala kapitalet (Lin & Dumin, 1986). Men relationer mellan människor är också viktiga då de knyter ihop människor från olika nätverk med varandra. En länk mellan två människor fyller en funktion för helheten då de får tillgång till varandras kontakter genom sin relation och därmed indirekt tillgång till ett större nätverk varigenom de kan komma åt resurser (Wellman, 1983). Medlemmar i olika nätverk kan därmed skapa kontakter med nya människor varpå de sammankopplas och dessa kluster 4

9 sammankopplas i sin tur via aktörer som är med i olika sociala nätverk, se figur 1. Det är uppenbart att nätverk kommer att uppvisa skillnader i täthet, mönster inom och mellan olika kluster och detta i sin tur för med sig att olika människor inom samma nätverk har varierande tillgång till resurser. Människor är vanligtvis medlemmar i flera sociala nätverk och deras förbindelser kan koppla ihop olika kluster (Wellman, 1983). Figur 1. Kluster Figur 1 tydliggör hur aktörer (fyllda cirklar) genom sina kontakter (linjer) skapar ett nätverk där vissa delar har större antal kontakter sinsemellan (ett kluster) och mellan klustren finns endast sporadiska kontakter. Sammanfattningsvis, genom att studera sociala nätverk och dess strukturella egenskaper tydliggörs hur människor är sammankopplade och vad det kan ge för begränsningar eller möjligheter för en individs handlingsutrymme. På så vis görs sociala strukturer synliga (Wellman, 1983). Aktörsperspektiv på sociala nätverk Sociala nätverk utgör därmed strukturer som påverkar människor utifrån den position de håller inom nätverket. När sociala nätverk studeras utifrån ett aktörsperspektiv, är det människans egna kontakter som fokuseras. Inom aktörsorienterad nätverksforskning görs ofta en skillnad mellan instrumentella och expressiva nätverkskontakter. Instrumentella kontakter är kontakter som människor främst upprätthåller på grund av dess nytta i termer av att införskaffa sig önskvärda resurser som makt, rikedom och status (Lin & Dumin, 1986). 5

10 De expressiva kontakterna definieras som mer nära och kan innefatta vänskapsrelationer som ger socialt stöd (Ibarra, 1993). Expressiva kontakter initieras och upprätthålls då människor också har behov av en social identitet, närhet och erkännande. Att tillhöra en grupp som delar intressen och resurser kan förse individen med emotionellt stöd men även en allmän uppfattning om individens rätt till anspråk gällande resurser (Lin, 1999). Ur ett aktörsperspektiv är alltså de instrumentella kontakterna viktiga i arbetslivet och dessa utgörs främst av svaga kontakter. Granovetter beskriver den väg mellan två punkter i ett nätverk som binder dem samman som broar och enda vägen som information kan flöda från någon av A:s kontakter vidare till B:s kontakter, se figur 2. Granovetter menar att dessa broar är så kallade svaga kontakter 1, vilka är viktiga för vidare spridning av och åtkomst till, information och influenser (Granovetter, 1973). Spridningen blir avsevärt större genom de svaga kontakterna och når fler personer än genom enbart starka kontakter. Följaktligen gör det mer skada för flödet om en svag kontakt upphör än om en stark kontakt försvinner (Granovetter, 1973). Figur 2. Starka och svaga kontakter A B Figur 2 visar visuellt hur en aktörs starka kontakter är till andra individer som i sin tur känner varandra inom klustret och även känner till aktören själv. De svaga kontakterna, exemplifierade av kontakten mellan A och B i figur 2, visar hur dessa ger kopplingar till personer som inte är länkade till aktören, det är därför genom dessa som indirekta kontakter nås. De svaga kontakterna ger tillgång till kunskap med ursprung utanför individens egna vänskapskrets och ju färre indirekta kontakter en individ har desto sämre kunskap har individen om verkligheten utanför sin egen vänskapskrets (Granovetter, 1973). 1 Granovetter använder begreppet länkar men vi väljer att genomgående använda begreppet kontakter. 6

11 Nätverk kan således öka sannolikheten för både instrumentell och expressiv avkastning för en aktör, där den instrumentella avkastningen kan vara i form av bättre jobb, tidigare befordringar, högre lön och bonusar och den expressiva avkastningen kan komma i form av exempelvis bättre upplevd hälsa (Lin, 2000). En förklaring till att en individs inbäddade resurser i sociala nätverk ökar dess avkastning är att nätverket underlättar informationsflödet, då kontakter inom de rätta områdena och med de rätta personerna kan förse en aktör med viktig information om val och möjligheter som annars inte varit möjliga. På samma sätt kan dessa kontakter uppmärksamma en organisation eller arbetsplats att denna individ finns tillgänglig. Således bidrar nätverk till att berika en aktörs sociala kapital. Ett resursstarkt socialt kapital kan även innebära kontakter till aktörer som har en avgörande roll när det kommer till beslut gällande individens framtid, detta kan vara i form av en anställning eller möjligtvis en befordran. I ett sådant läge blir vissa strategiskt placerade kontakter en värdefull resurs som kan innebära makt att påverka aktörernas beslutsfattande, då ett gott ord från någon med inflytande kan väga tungt. En individs nätverk kan även betraktas av organisationer och dess aktörer som en typ av social referens som reflekterar individens tillgång till resurser genom sociala nätverk och kontakter (Lin, 1999). Ovanstående resonemang tydliggör hur individer med olika strukturella och personliga karaktär har olika tillgång till socialt kapital och därav kan vi förvänta oss skillnader i utfall som kan härstamma från det sociala kapitalet (Lin & Dumin, 1986). Om aktör A har kontakt med en aktör B, en person med makt och status, ökar chanserna att B:s resurser och kontroll över sociala resurser kan hjälpa A nå längre. Om A söker jobb kan kontakten med B hjälpa A att få ett bättre jobb än en annan person C som får tips av en kontakt med lägre makt och status (Lin & Dumin, 1986). Tidigare forskning Socialt kapital präglas av homosocialitet I föregående avsnitt har det teoretiskt beskrivits hur nätverk kan strukturera en aktörs handlingsutrymme, men även hur det till viss del kan begränsas av individens sociala position. 7

12 Det har även redogjorts för hur aktören själv kan välja sina sociala kontakter i olika syften och är på så sätt själv med och strukturerar sitt nätverk, samtidigt som nätverk även kan uppkomma mer spontant. Följande del beskriver hur sociala nätverk skapas, hur de kan vara sammansatta och varför de ser ut som det gör. Här blir begreppet homosocialitet centralt, den tendens människor verkar ha att skapa socialt homogena nätverk både inom arbetslivet och privat. Homosocialitet förklaras med principen att vi tenderar att i större utsträckning umgås med människor som liknar oss, än att umgås med människor vi är olika. Detta leder till att olika typer av information som flödar inom ett nätverk där individer är lika varandra blir begränsad, sociala företeelser som förmedlas via nätverkskontakter blir begränsade till att likna varandra då de interagerar inom samma sociala struktur (McPherson m.fl., 2001; Granovetter, 1973). Etnisk homosocialitet inom nätverk är vanligt förekommande och studier från USA visar att vi tenderar att ha samma etniska ursprung som våra närmsta vänner (McPherson m.fl., 2001). Även kön är en vanlig indelning vad gäller nätverk. Trots att populationen i stort är relativt jämnt könsfördelad och heterogen så visar det sig att olika sociala nätverk sällan är det. Inom arbetslivet och olika typer av organiseringar är nätverk ofta homogena. Det visas även tecken på att mindre intima relationer tenderar att vara mer könssegregerade än kontakter som kan beskrivas som starka (McPherson m.fl., 2001). Åldershomosocialitet förekommer också i nätverk, i synnerhet när det gäller nära vänner och religion. Där nätverk inte har sitt ursprung i familj och släkt ser man att klass, utbildning och yrke ger upphov till homogena nätverk. Social klass påverkar var vi bor, olika utbildningar delar upp oss i olika lärosäten och val av yrke är avgörande för arbetsplatsrelaterade aktiviteter. Indelningar som dessa leder till homogena nätverk och homosocialitet grundat på social klass, utbildning och yrke (McPherson m.fl., 2001). Våra nätverk verkar alltså i stor utsträckning vara homogena och det visar sig ha betydelse för karriärvägar inom organisationer. Nätverksanalys tydliggör systematiska skillnader mellan män och kvinnor och deras informella strukturella positioner inom organisationer (Ibarra, 1992). Forskning visar exempelvis att kvinnor har män i sitt instrumentella nätverk, då män i högre utsträckning har positioner högre upp i hierarkin, för att komma åt värdefulla resurser, medan deras expressiva nätverk domineras av kvinnor (Ibarra, 1992). Män, å sin sida, har män både i sitt instrumentella och expressiva nätverk, vilket verkar ge män ett försprång gentemot kvinnor när det kommer till att utveckla mångsidiga nätverk (Ibarra, 1992; 8

13 Erickson, 2004: 31). Att ha fler män i sitt nätverk innebär därmed en bättre tillgång till socialt kapital (Behtoui & Neergaard, 2012). Skillnader i sociala nätverk och socialt kapital tydliggör olika utgångsläge för män och kvinnor, där mäns preferenser för homosocialitet och status sammanfaller medan de för kvinnorna ligger i konflikt. Det är uppenbart att mixen mellan kön begränsas av hur könsfördelningen ser ut i gruppen (Ibarra, 1992). Sociala nätverk och lön Forskning har indikerat att nätverk spelar en avgörande roll när det kommer till att öka chanserna till att få en hög lön och mer adekvat arbete (Behtoui, 2007). Nätverk förknippas således med bättre arbetsmarknadsutfall, då det visat sig ha betydelse även för de människor som inte angivit att de fått sitt jobb med hjälp av informella sökmetoder (Behtoui, 2007). Tidigare studier har även visat att högre utbildning, arbetslivserfarenhet, att ha en partner och aktivt medlemskap i frivilligorganisationer ger en positiv effekt på en aktörs sociala nätverk (Behtoui, 2007). Arbetslivserfarenhet, utbildning, medlemskap i en förening och att ha barn under 18 år kan generellt associeras med en större chans att tillhöra en hög lönegrupp, dock är sannolikheten nästan dubbelt så hög att män tillhör den högre lönegruppen än att kvinnor gör det (Behtoui, 2007). Kvinnors lägre position i den organisatoriska hierarkin kan delvis förklaras genom att de har mindre tillgång till sociala nätverk än vad män har (Behtoui & Neergaard, 2012). Resultat visar även att en individs svagaste kontakter, dess bekanta, ger bäst tillgång till olika positioner på arbetsmarknaden, de förser även med tillgång till större resurser i det sociala nätverket samt ger dem åtkomst till ett heterogent utbud av positioner (Behtoui, 2007). Kön och lön Som introduktionen tog upp finns idag en löneskillnad mellan kvinnor och män som på den svenska arbetsmarknaden uppgår till 4,6% när man justerat för olika faktorer som kan påverka lönen såsom skillnader i yrke, utbildning, ålder, arbetstid och sektor (Medlingsinstitutet, 2015). Studier visar även att skillnader i lön mellan män och kvinnor är som störst bland de som har kvalificerade yrken (Boye m.fl., 2014: 194) och i synnerhet på den högsta lönenivån där man ibland talar om att kvinnor når ett glastak (Arulampalam m.fl., 2006). Statistik visar tydliga siffror på hur kvinnor är betydligt sämre representerade i styrelser eller som Vd:ar och andra höga poster, i synnerhet inom den privata sektorn (Medlingsinstitutet, 2015). Nätverk kan tänkas ha betydelse här eftersom höga chefer är män och män tenderar att umgås med andra män både i arbetslivet och privat. Således skulle det sociala nätverket vara 9

14 betydande för en individs chanser till att nå högre positioner professionellt och därmed även nå de högre lönerna vilket enligt teori och tidigare forskning verkar vara svårare för kvinnor än män. Dessa löneskillnader förekommer i andra delar av världen och är alltså inte unikt för Sverige (Arulampalam m.fl., 2006). Vårt syfte är att undersöka om mäns och kvinnors sociala nätverk skiljer sig åt och om nätverk har någon effekt på lön. Vi vill undersöka detta för att se om våra sociala liv, våra nätverk, har ett samband med arbetsmarknadsutfall, och om så är fallet kan vara en del av förklaringen till skillnad i lön mellan kvinnor och män. Data och metod För att studera skillnader mellan mäns och kvinnor nätverk och konsekvenser av dessa använder vi levnadsnivåundersökningen från år 2010 (LNU 2010) som insamlats av Statistiska centralbyrån på uppdrag av Institutet för social forskning vid Stockholms Universitet (SOFI, 2015). Undersökningen innefattar ett riksrepresentativt urval av Sveriges vuxna befolkning år gamla, födda mellan , som intervjuats om sina levnadsförhållanden inom olika områden som familj, utbildning, uppväxtförhållanden, ekonomi, hälsa, sysselsättning, boende, sociala relationer, arbetsförhållanden och fritid 2. Antalet svarande resulterade i 60,9% av urvalet vilket innebar 4415 respondenter. Värt att notera är dock att alla respondenter inte svarat på alla frågor, på grund av att frågan inte ställts till alla eller på grund av internt bortfall (SOFI, 2015). I vår studie kommer vi endast att analysera svar från respondenter som uppgett att de är yrkesverksamma. Vi begränsar därmed vårt urval till att endast innefatta individer som arbetar. Denna justering innebär att urvalet till vår studie minskar från 4415 till 2935 respondenter då vi selekterat bort hemarbetande, ålderspensionärer, studerande, arbetslösa, de som har sjuk-och aktivitetsersättning, förtidspensionärer, föräldralediga och de respondenter som inte svarat på frågan. Andelen män i vår studie uppgår till 54,4% vilket innefattar 1596 män och andelen kvinnor är 45,6% alltså 1339 kvinnliga respondenter. LNU är etikprövad (SOFI, 2015) vilket innebär att datamaterialet uppfyller de grundläggande kraven gällande anonymitet, frivillighet, konfidentialitet och integritet som finns (Bryman, 2011: 131). Som nyttjare av datamaterialet 2 För mer information om LNU-undersökningarna se 10

15 har vi vidare undertecknat en förbindelse där vi garanterar att använda materialet på föreskrivet sätt. Detta innebär att vi inte ska sprida data eller på något sätt använda materialet för andra syften än vår forskningsfråga. Givet dessa garantier anser vi att vår undersökning uppfyller de etiska principer som råder för svensk forskning 3. Kvantitativ metod Syftet med denna uppsats är som nämnts ovan att undersöka om mäns och kvinnors sociala nätverk skiljer sig åt och om detta i så fall kan ge någon effekt på lönen. Våra hypoteser lämpar sig väl att undersöka kvantitativt, och vi kommer att analyserar insamlad numerisk data (Bryman, 2011: 150). Fördelar med detta är att vi får många respondenter och har möjlighet att generalisera våra resultat. Den kvantitativa metoden gör det även möjligt för oss att titta på nätverkets effekter på lön, vilket troligtvis hade blivit problematiskt i en kvalitativ studie. Ansatsen vi har valt till vår studie är deduktiv, vilket innebär att vi utifrån tidigare forskning och teori inom området utformar hypoteser som vi sedan empiriskt prövar (Bryman, 2011: 26). Det deduktiva angreppssättet förknippas ofta inom samhällsvetenskapen med positivism vilket är en kunskapsteoretisk ståndpunkt som förespråkar naturvetenskapliga metoder vid inhämtning av kunskaper gällande den sociala verkligheten och dess aspekter (Bryman, 2011: 30). Detta synsätt har kritiserats då kritiker menar att skillnader som finns mellan samhället och naturen ignoreras och att hänsyn inte tas till att människor tolkar sin omvärld (Bryman, 2011: 171). I kvantitativa studier är forskare ofta intresserade av att kunna generalisera sina resultat, vilket praktiskt innebär om man kan uttala sig om en större grupp än den specifika man undersökt. En förutsättning för att kunna generalisera är att man har ett representativt urval, vilket ofta skapas med hjälp av ett sannolikhetsurval där man väljer enheterna på ett slumpmässigt sätt (Bryman, 2011: 169). Till denna uppsats är datamaterialet hämtat från LNU 2010, vilket innefattar ett riksrepresentativt urval av Sveriges vuxna befolkning år. Våra resultat är därmed representativa för den population som ligger till grund för urvalet. LNU har en tvärsnittsdesign vilket gör att vi inte kan vara säkra på att nätverk kommer före lön i tid. För att ändå kunna dra kausala slutsatser utifrån tvärsnittsdata kan man utifrån sunt förnuft och teori bestämma att den ena variabeln kommer före i tid och på så vis orsakar den andra 3 För mer information gällande principer för forskningsetik se 11

16 (Bryman, 2011: 168). För att undersöka om det finns ett samband mellan nätverk och lön använder vi oss av multipel regressionsanalys. Denna typ av regressionsmodell innehåller två eller fler oberoende variabler som man tror är relaterade till den beroende variabeln som i den här studien är timlön (Edling & Hedström, 2003: 96). Variabler Operationalisering av begreppet lön Den beroende variabeln i vår studie är lön. Vi har använt variabeln Bruttotimlön som anger vad en person tjänar i timmen innan skatt. Om personer har månadslön är månadslönen omkodad till timlön. Variabeln är kontinuerlig och vi har kodat 9999= svar saknas, som system missing. Operationalisering av begreppet nätverk LNU är inte ett datamaterial fokuserat på sociala nätverk men innehåller en rik mängd av frågor som handlar om svenskars levnadsnivå. Det finns därför inte några uttalade variabler som mäter respondenternas nätverk, men däremot kan vi genom att strategiskt använda ett antal frågor skapa indikatorer på nätverk som kan tänkas ha betydelse. I vår studie har vi därför valt att mäta nätverk med hjälp av frågor om; antalet nära vänner, hur ofta man umgås med sina vänner, vilken yrkeskategori ens närmsta vän har, om man har arbetslösa vänner, faderns utbildningsnivå, medlemskap i föreningar, antalet nära vänner män samt chefens kön. Vi har alltså valt ut ett antal variabler i LNU som vi anser på olika sätt kan kartlägga en individs nätverk. Utifrån de ovan nämnda variablerna undersöker vi respondenternas kontaktnät för att få en bild av mäns och kvinnors nätverk samt om nätverk har någon effekt på lönen. För att underlätta replikerbarhet redovisar vi detaljerat hur vi kodat variablerna i vår uppsats. Antal nära vänner syftar i denna studie till att ge en bild av storleken på en individs kontaktnät. Variabeln har kodats om till en dummyvariabel där de som har 0-5 antal nära vänner får värdet 0 och de som har 6 nära vänner eller fler får värdet 1. Värden som: 97= fler 12

17 än 99 vänner, 888= vet ej och 999= svar saknas har kodats som system missing för att inte snedvrida resultatet. 4 Variabeln Träffar nära vänner hur ofta ska ge en indikation på en individs kontaktintensitet till nära vänner, vilket kan säga något om personens investering i sociala relationer. Variabeln har kodats om till en dummyvariabel där de som angett att de träffar nära vänner veckovis får värde 1 och de som träffar nära vänner mer sällan får värde 0. 5 Vi har också med en variabel kring närmsta väns yrkeskategori, där variabeln EGP närmsta vän delades in i sex kategorier enligt följande; Vän högre tjänsteman, Vän tjänsteman på mellannivå, Vän lägre tjänsteman, Vän kvalificerad arbetare, Vän okvalificerad arbetare, Vän egenföretagare. Variabeln Nära vänner arbetslösa är kontinuerlig men extremvärden har tagits bort: 97= fler än 99 vänner, 888= vet ej och 999= svar saknas, vilka kodades system missing. Faderns utbildning är menat att till viss del kunna mäta vilket socialt kapital en individ får med sig hemifrån, vilket vi tänker kan ge bättre förutsättningar för ett informativt nätverk. Denna variabel är kodad som en dummyvariabel där de vars far har universitet- eller högskoleutbildning kodats som 1 och de vars far inte har universitet- eller högskoleutbildning kodats 0. Variabeln Övriga föreningar ger oss information om respondenten är medlem i någon förening vilket också kan ge en indikation på hur aktiv en person är i sitt nätverkande. Variabeln har kodats som en dummy där de som angett att de är medlemmar i en förening kodats 1 och de som inte är medlemmar i någon förening kodats 0. 6 För att undersöka om homosocialitet förekommer i nätverken har vi valt att använda oss av variablerna Antal nära vänner män samt Chefens kön. Då vi tänkte oss att variabeln Antal 4 Vi började med att dela in variabeln i sex kategorier men variationen var liten mellan de olika kategorierna. Vi skapade då istället tre kategorier men detta gav inte heller någon större variation. 5 Vi hade även med variabeln Telefonkontakt nära vänner hur ofta men valde att utesluta variabeln då den inte uppvisade tillräckligt signifikanta skillnader mellan män och kvinnor. Vi testade även variabeln i en bivariat regression men den visade inte på något signifikant samband med timlön varken för män eller kvinnor. 6 Ursprungligen hade vi också med variablerna Politisk aktivitet och Medlem i fackförening dock visade de inte några större skillnader mellan män och kvinnor och gav heller inte någon effekt på lön när vi testade dem i bivariata regressioner. Vi valde därför att utesluta variablerna Politisk aktivitet och Medlem i fackförening från vår studie. 13

18 nära vänner män ska ge en bild av i vilken utsträckning män umgås med män och kvinnor umgås med kvinnor. Variabeln är kontinuerlig men vi har tagit bort extremvärden som: 97= fler än 99 vänner, 888= vet ej och 999= svar saknas vilka kodades system missing. 7 Chefens kön är bland annat med för att få en inblick i könssegregeringen på arbetsplatserna. Vi har gjort den till en kategorivariabel med kategorierna; Manlig chef, Kvinnlig chef och Vet ej vem som är chef/har ingen chef. Värdet 99= svar saknas kodades som system missing. Viktiga kontrollvariabler Olika förklaringar till skillnad i lön mellan män och kvinnor lyfts fram i forskning och därför är det viktigt att vi i vår studie kontrollerar för dessa i vår regressionsanalys. En faktor är att kvinnor lägger mer tid på hemarbete och därför inte har lika mycket kraft över till förvärvsarbete som männen (Boye & Evertsson, 2014: 161). Vilket kan leda till att männen får mer arbetslivserfarenhet varpå de tjänar mer. Därför kontrollerar vi för arbetstid i vår analys för att utesluta att löneskillnaden handlar om huruvida individen jobbar heltid eller deltid. Löneskillnaden kan även förklaras med att kvinnor tenderar att välja yrken som är lättare att kombinera med familjelivet och dessa yrken ger ofta sämre betalt (Boye m.fl., 2014: 189), i och med det har vi kontrollerat för sektor. Samtidigt ser man att det är fler kvinnor än män som är högskoleutbildade (Medlingsinstitutet 2015) vilket tyder på att kvinnor har sämre avkastning på sin utbildning (Boye m.fl., 2014: 193). För att utesluta utbildning som anledning till skillnad i lön håller vi även utbildningsnivå konstant i våra analyser. Ålder och egen yrkeskategori är även faktorer som påverkar lönen, därmed har vi med dessa som kontrollvariabler. Vi tänker även att föräldraskap kan påverka mäns och kvinnors lön, i synnerhet kvinnors, då forskning visar att kvinnor tar ut mest föräldraledighet (Statistiska centralbyrån, 2014). Våra kontrollvariabler blir därmed; Födelseår, Heltid, Antal år i förvärvsarbete, IP:s Utbildningsnivå, Sektor, EGP Egen, samt Antal hemmabarn då vi vet att de ger effekter på lönen. Se tabell 1 för deskriptiv statistik. Variabeln Antal år i förvärvsarbete väljer vi att döpa om till Arbetslivserfarenhet och i denna variabel har vi gjort om värdena 88= Har aldrig förvärvsarbetat, 97= Ej aktuell för sysselsättningsbiografin 2010 samt 99= svar saknas till System missing. För att ta hänsyn till 7 Till en början kodades variabeln antal nära vänner män som en kategorivariabel med sex kategorier vilket inte gav några större skillnader sinsemellan. Vi valde då att göra färre kategorier men det var fortfarande liten variation mellan kategorierna. 14

19 det kurvlinjära samband som vi vet finns mellan arbetslivserfarenhet och lön så lägger vi även till en kvadratterm av arbetslivserfarenhet, Arbetslivserfarenhet 2. Utifrån variabeln IP:s Utbildningsnivå har vi skapat Universitetsutbildning. Variabeln är ursprungligen indelad i flertalet olika utbildningsnivåer, men vi har dock valt att endast undersöka effekten av universitets- eller högskoleutbildning på lön. De som uppgett att de inte har någon universitet- eller högskoleutbildning får värdet 0 och de som angett att de har universitet- eller högskoleutbildning får värdet 1. Yrkeskategori är skapad utifrån variabeln EGP Egen som kategoriserats i sex kategorier enligt följande; Högre tjänsteman, Tjänsteman på mellannivå, Lägre tjänsteman, Kvalificerad arbetare, Okvalificerad arbetare, Egenföretagare. Sektor kodades om till en dummyvariabel, och döptes till Privat sektor, där de som angett att de jobbar i offentlig sektor fått värdet 0 och de som angett att de jobbar i privat sektor fått värdet 1. Ålder är skapad genom att göra om variabeln Födelseår till Ålder då vi vill kontrollera om ålder har någon effekt på lön. För att undvika risk för multikollinearitet mellan variablerna Ålder och Arbetslivserfarenhet har vi valt att kategorisera variabeln Ålder. Vi valde att skapa kategorierna år, år och 41 år eller äldre. För att se effekten av om individen arbetar heltid eller deltid har vi med variabeln Heltid, som vi har gjort till en dummyvariabel, där de som angett att de arbetar heltid får värde 1 och de som inte angett att de arbetar heltid får värde 0. Vi utgår då ifrån att de som inte angett att de arbetar heltid i stället arbetar deltid eller sysselsätter sig med annat. Variabeln Antal hemmabarn har vi kodat som en dummyvariabel där de som angett att de har barn får värdet 1 och de som angett att de inte har barn får värdet 0. Vi valde att göra denna indelning eftersom vi är mer intresserade av effekten på lön om man har barn eller inte snarare än om effekten är olika beroende på hur många barn man har. Vi är medvetna om att även kön påverkar lön dock har vi inte med det som en kontrollvariabel då vi valt att göra separata modeller på män och kvinnor. Denna uppdelning gör att eventuella skillnader i hur variabler påverkar män och kvinnor blir synliga, och vi riskerar därmed inte interaktion i vår regression. Vi menar att könslönegapet är så väletablerat att vår undersökning inte behöver klarlägga dess existens. 15

20 Tabell 1. Deskriptiv statistik över anställda män och kvinnor i LNU 2010 N=2935 (män N=1596, kvinnor N=1339) MÄN KVINNOR Variabler Centralmått/andela r Bortfal l Centralmått/andela r Bortfal l Lön (m) (standardavvikelse) 183,27 (91,24) ,57 (49,92) -159 Arbetslivserfarenhet (m) (standardavvikelse) 22,5 (13,68) ,2 (12,63) -10 Utbildningsnivå 0-1 Ingen universitets/ högskoleutbildning Universitets/högskoleutbildni ng 79,9% 76,3% 20,1% 23,6% Sektor Offentlig 20,2% 48,5% Privat 60,1% 38,8% Ålder (standardavvikelse) 43,66 (12,90) 0 44,09 (12,46) 0 Heltid 78,6% 0 60,6% 0 Har barn 46,8% 0 51,3% 0 Yrke -2 0 Högre tjänstemän 19,9% 17,8% Tjänstemän på mellannivå 19,5% 26,4% Lägre tjänstemän 16,7% 35,5% Kvalificerade arbetare 14,5% 1,7% Okvalificerade arbetare 16% 11,6% Egenföretagare 13,2% 7% 16

21 Resultat I resultatets första del redovisas kartläggningen av mäns och kvinnors nätverk. Därefter redovisas resultat från vår multipla regressionstabell där vi testar våra nätverksvariabler samt kontrollerar för tidigare kända faktorer som man vet kan påverka lön. Nätverk och kontaktintensitet Vårt syfte i denna studie var att undersöka om mäns och kvinnors nätverk skiljer sig åt för att sedan undersöka om nätverk skulle kunna ha någon effekt på lönen. I tabell 2 redovisas kvinnors och mäns genomsnittliga svar på frågorna som handlar om sociala nätverk. Tabell 2. Nätverk och kontaktintensitet angivet i procent. Män Kvinnor Antal nära vänner Inga nära vänner 2,8 2,3 Antal nära vänner ,0** 86,9** Antal nära vänner 11 eller fler 16,3** 10,5** Träffar nära vänner varje vecka 59,1 56,8 Yrkeskategori närmsta vän Högre tjänsteman 17,4 17,6 Tjänsteman mellannivå 18,4** 30,5** Lägre tjänsteman 15,9** 30,5** Kvalificerad arbetare 18,0** 2,4** Okvalificerad arbetare 18,2** 10,2** Egenföretagare 6,1** 2,6** Har arbetslösa vänner 17,4* 14,6* 17

22 Fadern universitets- eller högskoleutbildad 16,8 17,6 Medlem i föreningar 56,6** 46,9** Resultat som presenteras i tabell 2 pekar på att det finns vissa skillnader mellan män och kvinnors nätverk. Män har i genomsnitt fler vänner än kvinnor, dock var det mest förekommande för både män och kvinnor att ange att de har 1-10 nära vänner. Resultaten indikerar även att kontaktintensiteten för män och kvinnor är relativt lika. Vid frågan hur ofta man träffar sina vänner uppgav 59,1 procent av männen att de träffar nära vänner varje vecka, medan 56,8 procent av kvinnorna angav att de träffar nära vänner varje vecka. Skillnaden är dock inte signifikant. Ett annat sätt att kartlägga mäns och kvinnors nätverk är att undersöka vilket yrke dess närmsta vän har. Resultaten, som också redovisas i tabell 2, visar att kvinnors närmsta vän ofta är tjänsteman på lägre eller mellannivå och mäns närmsta vän oftast är tjänsteman på mellannivå eller okvalificerad arbetare. Skillnader mellan mäns och kvinnors närmsta väns yrke återfinns inom alla kategorier förutom högre tjänstemän där fördelningen är lika. För att få en vidare bild av mäns och kvinnors sociala nätverk har vi även tittat på hur många arbetslösa vänner de har, där resultatet visar att det är en större andel män än kvinnor som har arbetslösa vänner. Gällande faderns utbildning finner vi inga signifikanta skillnader mellan män och kvinnor. Slutligen visar det sig att män i högre utsträckning än kvinnor är medlemmar i föreningar, 56,6 procent medan 46,9 procent av kvinnorna har angett att de är medlemmar i föreningar. Homosocialitet Ett annat sätt att kartlägga hur mäns och kvinnors sociala nätverk ser ut är att undersöka hur könsfördelningen ser ut. Resultatet som presenteras i tabell 3 anger den manliga närvaron bland mäns och kvinnors nära vänner men också huruvida ens närmsta chef är man. 18

23 Tabell 3. Homosocialitet. Angivet i procent. Män Kvinnor Antal nära vänner män Inga manliga vänner 0,4** 45,6** Manliga vänner ,0** 50,3** Manliga vänner 11 eller fler 8,1** 1,5** Chefens kön Manlig chef 66,7** 35,1** Kvinnlig chef 14,5** 53,6** Vet ej vet som är chef/har ingen chef 2,6 1,8 Resultatet indikerar att män i större utsträckning umgås med män och kvinnor med kvinnor. Vi kan även se att män oftare har en manlig chef och kvinnor oftare har en kvinnlig chef. Hittills kan konstateras att mäns och kvinnors nätverk verkar skilja sig i termer av storlek, bästa väns yrkestillhörighet och att både mäns och kvinnors nätverk verkar vara homosociala. Regressionstabell I nästa steg testas hypotes 3; om det finns ett positivt samband mellan storlek och sammansättning på en aktörs sociala nätverk och lön. Resultatet presenteras i tabell 4. I den multipla regressionsanalysen används lön som den beroende variabeln. I den första modellen (modell 1) studeras sambandet mellan lön och utvalda nätverksvariabler och i den andra modellen (modell 2) adderas kontrollvariabler. 19

24 Tabell 4 Regressionsanalys med beroende variabeln Bruttotimlön Män Kvinnor Oberoende variabler Modell 1 Modell 2 Modell 1 Modell 2 Konstant 182,413** (20,918) 91,865** (4,967) 148,258** (40,093) 111,122** (12,521) Nära vänner 6 el. fler (ref 0-5 vänner) 6,005 (1,044) 3,412 (0,673) 8,036* (2,395) 2,288 (0,777) Yrkeskategori närmsta vän (ref tjänsteman på mellannivå) Högre tjänsteman 32,058** (4,325) 11,144 (1,711) 27,145** (6,525) 12,924** (3,482) Lägre tjänsteman Kvalificerad arbetare Okvalificerad arbetare Egenföretagare Nära vänner arbetslösa Träffar nära vänner veckovis (ref mer sällan) Faderns utbildning (ref ej Universitet/Högskola) Medlem i föreningar (ref ej medlem) Antal nära vänner män -26,330** (-3,458) -25,324** (-3,405) -37,402** (-5,082) -13,874 (-1,136) -10,027** (-4,038) -22,579** (-4,591) 12,032 (1,944) 13,945** (2,908) 0,382 (0,608) -13,561* (-2,033) -7,755 (-1,170) -14,791* (-2,248) -9,376 (-0,881) -1,496 (-0,654) -8,958* (-2,057) 11,908* (2,100) 2,810 (0,669) 0,177 (0,325) -11,891** (-3,377) -22,391* (-2,377) -20,017** (-3,812) 8,979 (0,970) -6,446** (-3,669) -8,748** (-2,988) 14,523** (3,824) 6,454* (2,241) -0,158 (-0,282) -0,647 (-0,205) -7,005 (-0,845) -3,490 (-0,732) 6,260 (0,774) -1,728 (-1,103) -3,672 (-1,419) 12,189** (3,504) 0,729 (0,288) -0,283 (-0,576) 20

25 Manlig chef 18,754** 17,529** 14,114** 6,897* (ref kvinnlig chef) (3,031) (3,157) (4,781) (2,569) Vet inte vem som är 9,012-4,275-3,811-7,671 chef/har ingen chef (0,452) (-0,246) (-0,334) (-0,772) Ålder (ref 41 år eller äldre) år 29,302* -2,766 (2,143) (-0,346) år 9,936 2,014 (1,232) (0,483) Heltid -2,094 4,592 (ref ej heltid) (-0,250) (1,624) Arbetslivserfarenhet 4,314** 2,312** (4,590) (4,208) Arbetslivserfarenhet 2-0,57** -0,36** (-3,495) (-3,455) Högskoleutbildad 21,880** 13,811** (ref ej (3,506) (3,893) Universitet/Högskola) Privat sektor 24,645** 15,252** (ref Offentlig sektor) (5,008) (5,719) Yrke (ref tjänsteman på mellannivå) Högre tjänsteman 58,454** 33,030** (9,312) (8,417) Lägre tjänsteman -23,591** -16,684** (-3,596) (-5,114) Kvalificerad arbetare -34,082** -28,271** (-4,905) (-3,048) Okvalificerad arbetare -38,659** -28,677** (-5,675) (-6,089) 21

26 Egenföretagare (+) (+) Barn (ref inga barn) 6,496** (1,375) 2,411 (0,812) N R2 (Adjusted) 0,142 0,362 0,158 0,374 *p<0,05 **p<0,01 + SPSS utesluter variabeln ur analysen, troligtvis på grund av lågt antal observationer. Modell 1 I den första modellen (modell 1) analyseras sambandet mellan nätverksvariabler och lön, i den andra modellen (modell 2) inkluderas även de kontrollvariabler som tidigare studier visat har stor betydelse för individers lön. Resultaten i modell 1 visar en hel del likheter mellan män och kvinnor vad gäller nätverks samband med lön 8. För både män och kvinnor verkar det ha betydelse vilket yrke ens närmsta vän har, eftersom t-värdena är större än 2 eller mindre än -2 kan vi med 95% säkerhet säga att ett signifikant samband föreligger mellan väns yrke och lön, åtminstone innan vi har kontrollerat för aktörens eget yrke. För både män och kvinnor gäller att en närmsta vän som är högre tjänsteman eller tjänsteman på mellannivå ger ett positivt signifikant samband till lön. För både män och kvinnor påverkas lönen negativt av att ha vänner som är lägre tjänstemän, kvalificerad och okvalificerad arbetare jämfört med att ens närmsta vän är tjänsteman på mellannivå. Att ha arbetslösa vänner uppvisar ett negativt signifikant samband med både mäns och kvinnors lön. Resultaten visar även att kontaktintensiteten verkar ha en viss effekt på lön och att den är av vikt för både kvinnor och män. Däremot skiljer sig storleken på effekten något åt; då en man som träffar sina vänner varje vecka i genomsnitt tjänar 23 kronor mindre än en man som träffar sina vänner mer sällan. En kvinna som träffar sina vänner veckovis tjänar i genomsnitt 9 kronor mindre än en kvinna som träffar vänner mer sällan. 8 Interceptets värde i denna regressionstabell visar en aktörs lön när alla oberoende variabler är lika med noll. I denna studie blir interceptet därför svårt att analysera då det blir orealistiskt. 22

27 Att vara medlem i olika typer av föreningar verkar likaså ha en positiv inverkan på mäns och kvinnors lön då vi får ett signifikant samband mellan variabeln övriga föreningar och lön. Vad gäller de variabler som är tänkta att mäta samband mellan lön och homosocialitet visar det sig att det finns ett positivt samband mellan att ha en manlig chef och lön för både kvinnor och män, då variabeln manlig chef uppvisar statistisk signifikans. Resultatet indikerar att en man som har en manlig chef i genomsnitt tjänar 19 kronor mer i timmen än en man som har en kvinnlig chef. En kvinna som har en manlig chef tjänar i genomsnitt 14 kronor mer än en kvinna som har en kvinnlig chef, kontrollerat för övriga oberoende variabler. Att ha fler än 6 nära vänner och en fader med högre utbildning uppvisar ett positivt signifikant samband endast för kvinnors lön. Andelen förklarad varians (R2) i modell 1 var 14,2% för männen och 15,8% för kvinnorna, vilket innebär att nätverksvariablerna tillsammans förklarade 14,2% av variansen i den beroende variabeln timlön för männen och 15,8% av variansen i timlön för kvinnorna 9. Modell 2 I modell två lägger vi till de kontrollvariabler som enligt tidigare forskning påvisats har effekt på lön. Det som händer med våra nätverksvariabler generellt är att de tidigare signifikanta sambanden blir svagare och en del försvinner helt. Gällande nära vänners yrke kan vi se att det fortfarande finns signifikanta samband då män som har en nära vän som är lägre tjänsteman tjänar i genomsnitt 14 kronor mindre i timmen än en man vars närmsta vän är tjänsteman på mellannivå, kontrollerat för övriga oberoende variabler. I modell 2 kan vi även se att en man vars närmsta vän är okvalificerad arbetare tjänar i genomsnitt 13 kronor mindre i timmen än en man vars närmsta vän är tjänsteman på mellannivå. Gällande kvinnorna skiljer sig resultatet från männen, då vi för kvinnor istället kan se att en kvinna som har en nära vän som är högre tjänsteman tjänar i genomsnitt 13 kronor mer i timmen än en kvinna vars närmsta vän är tjänsteman på mellannivå, kontrollerat för övriga oberoende variabler. Resultatet visar även att det finns ett negativt signifikant samband för män mellan att träffa vänner veckovis och timlön, då en man som träffar sina vänner varje vecka tjänar i genomsnitt 9 kronor mindre i timmen än en man som träffar sina vänner mer sällan. Till skillnad från 9 I och med att R2-värdet alltid ökar när man inkluderar fler variabler i modellen har vi valt att redovisa det justerade R2-värdet då det är ett värde som är anpassat efter antal variabler och därför bättre att analysera. 23