SOCIOEKONOMISKA SKILLNADER I ÖSTERGÖTLAND - En klusteranalys på nyckelkodsområden Rapport 2:3 Folkhälsovetenskapligt Centrum, Linköping Johan Byrsjö Helle Noorlind Brage
Förord I rapporten Socioekonomiska data på nyckelkodsområden, rapport 98:9, kartlade vi Östergötland med avseende på en mängd olika variabler av socioekonomiska karaktär. Den geografiska indelningen gjordes på sk nyckelkodsområden, NYKO, som är kommunernas minsta statistikområden. På landsbygden är de ofta lika stora som församlingarna men i tätorterna innehåller varje NYKO bara några enstaka kvarter. Av tradition har geografiska analyser oftast gjorts på kommun- eller församlingsnivå men här finns alltså en möjlighet att studera mindre områden. I slutkapitlet i rapporten föreslogs en strategi för det forsatta arbetet. Genom att strukturera områdena efter socioekonomisk karaktär hoppades vi så småningom kunna spegla sjukligheten utifrån detta perspektiv. Denna rapport redovisar vårt arbete med att strukturera länets nyckelkodsområden i 5 olika grupper baserade på socioekonomiska gradienter. Detta har skett genom en s k klusteranalys. Gradienterna har beräknats utifrån utbildningsnivå, sysselsättning, medelinkomst per familj och bidragssituationen (socialbidrag, bostadsbidrag samt kommunalt bostadstillägg) i de olika nyckelkodsområdena i Östergötland. Vårt fortsatta arbete fokuseras nu på hjärtkärlsjukdomar (som man vet påverkas av den socioekonomiska situationen) och deras spridning i de olika områdena. Likaså pågår en kartläggning av munhälsan i de fem områdena. Munhälsan är en faktor som mer och mer diskuteras vara en bra indikator på socioekonomiska förhållanden. I arbetet har vi haft stor hjälp av professor Lennart Bodin, Fou-enheten i Örebro, tack! I arbetsgruppen har även Owe Löfman och Inger Hagström ingått. För arbetsgruppen Helle Noorlind Brage
2 (33) Innehållsförteckning 1 INLEDNING 3 2 MATERIAL OCH METOD 4 2.1 Samband mellan variabler 7 2.2 Val av variabler 9 3 KLUSTERANALYS 1 3.1 Material och metod 1 3.2 Reducering av outliers 11 3.3 Val av antal kluster 12 3.4 Sammanslagning av nyckelkodsområden till kluster 14 3.5 Resultat 15 4 SLUTSATSER 21 BILAGA 1. FAKTORANALYS 23 BILAGA 2. BESKRIVNING AV NYCKELKODSOMRÅDEN SOM SAKNAR VÄRDEN FÖR MINST EN AV VARIABLERNA 27 2
3 (33) 1 Inledning Folkhälsan i stort har i Sverige förbättrats avsevärt under de senaste hundra åren. Bättre hygien, bättre matvanor och ökad levnadsstandard i allmänhet, har bidragit till att medellivslängden ökat med ca 3 år sedan 19-talets början. Likaså har utvecklandet av hälso- och sjukvården med bl a antibiotika och vaccinationsprogram inneburit stora hälsovinster. Männen har under de senaste årtiondena ökat sin medellivslängd mer än kvinnorna, även om kvinnorna i genomsnitt fortfarande lever ca 5 år längre än män. Detta beror delvis på att kvinnorna försämrat sina levnadsvanor, genom t ex ökad rökfrekvens, medan män i allmänhet inte röker lika mycket längre. Trots den ökade medellivslängden är mönstret inte lika positivt för alla samhällsgrupper och därför finns det anledning att uppmärksamma dessa. I Socialstyrelsens folkhälsorapport 1997, påpekas att den viktigaste slutsatsen är att de sociala skillnaderna i hälsa är stora och bestående samt är genomgående, vare sig man mäter sjuklighet eller dödlighet. Barn och ungdomar pekas ut som en av de drabbade grupperna. Redan på fosterstadiet kan man urskilja grupper med sämre förutsättningar till ett hälsosamt liv. Rökning under graviditeten ökar risken för tillväxthämning hos fostret. Detta kan i sin tur leda till ökad ohälsa både under nyföddhetsperioden och senare i livet. Andra faktorer påverkar också fostrets utveckling. Psykiska problem av olika slag, självmord, övervikt och sämre munhälsa är några av de problem som ökar bland barn och ungdomar. Ätstörningar, huvudvärk och allergier är andra symtom och sjukdomar som också ökar i dessa grupper. Ungdomar i dag använder också mer alkohol, tobak och narkotika än tidigare. Klimatet i ungdomarnas vardag har blivit hårdare med bl a ökad grad av trakasserier och mobbing som följd. Även familjesituationen har förändrats så till vida att fler och fler barn lever i familjer med en förälder. År 1992/93 bodde 8 % av barnen med båda sina föräldrar och motsvarande siffra var 75 % år 1997. Skilsmässorna år 199 var 18/1 familjer mot 25/1 familjer år 1995. Därtill kommer separationer mellan föräldrar som är sambo. Familjesplittringen ökar ju äldre barnen blir. Bland 17-åringarna bodde 67 % av ungdomarna med sina föräldrar mot 86 % av förskolebarnen, enligt Folkhälsorapporten 1997. När det gäller sjuklig- och dödlighet bland vuxna, framkommer skillnader beroende av den socioekonomiska positionen. Risken att vara långvarigt sjuk är ca 2 % högre bland arbetare än bland tjänstemän på mellannivå och högre. Tumörrisken är 1 % högre bland kvinnliga arbetare än bland kvinnliga tjänstemän. Att röka är betydligt vanligare i arbetargrupper vilket 3
4 (33) bl a troligen förklarar varför lungcancer är 5 % vanligare bland arbetarkvinnor än bland kvinnor i tjänstemannayrken. Likaså är arbetare oftare sjuka i ischemiska hjärtsjukdomar, rörelseorganen samt alkoholrelaterade sjukdomar än tjänstemän. Enligt befolkningsenkäten Östgötens hälsa och miljö 2, ser man också att det är vissa grupper i samhället som har sämre livskvalitet, sämre levnadsvanor och sämre hälsa, t ex lågutbildade kvinnor, invandrare och arbetslösa. Dessa grupper rapporterar mer psykiska besvär, mer sömnbesvär, fler besvär från rörelseorganen och hjärta/kärl än andra grupper. Vidare rapporterar de en lägre livskvalitet och svagare förmåga att hantera påfrestningar. Sämre motionsvanor, övervikt och sämre alkoholvanor är också mer vanliga i dessa grupper. Däremot visar 1999 års enkät att stress i arbetet upplevs mest i arbetsledande befattningar och i yrken som kräver högskoleutbildning. Bland personer i arbetsledande befattningar och i yrken som kräver specialistkompetens är andelen regelbundet övertidsarbetande 45%. I arbetet med klusteranalysen har vi alltså försökt dela in länet efter olika socioekonomiska variabler. Vi har tittat på fördelningen efter svensk socioekonomisk indelning, sk SEI-kod, d v s indelningen i arbetare, tjänstemän samt företagare samt utbildningsnivå, inkomst och bidrag. Variablerna inköptes år 1996 från SCB med tillstånd från kommunerna att använda nyckelkodsområden som geografisk upplösning. En del av variablerna är baserade på Folkoch bostadsräkningen 199, då den senaste insamlingen gjordes medan andra är tagna så sent som möjligt innan uttagsdatum. SCB:s sekretessregler har inneburit att områden som endast innehåller en person klassats som och områden med två individer klassats som tre. Detta gör naturligtvis att en viss osäkerhet föreligger i materialet när det gäller data från SCB men detta ligger alltså utanför vårt område att påverka. Alla siffror är redovisade som procent av totala antalet i respektive variabel utom för inkomst- och bidragsvariablerna där vi använt oss av medelinkomster per familj och bidrag per individ 2 Material och metod Befolkningen definierades per 1995-12-31. För att ett nyckelkodsområde skulle inkluderas i analysen krävdes att de skulle innehåller minst 1 individer 15 år eller äldre. De socioekonomiska variablerna delas in i fyra variabelgrupper, se tabell 1. Den första gruppen speglade yrkessammansättningen, d v s hur stor andel av befolkningen som utgjordes av arbetare, tjänstemän, företagare eller av dem som saknade SEI-kod. Dessa undergrupper 4
5 (33) grundar sig på svensk socioekonomisk indelning (SEI) och hämtades från Folk- och bostadsräkningen 199. Variabelgruppen för utbildning delas in i sju undergrupper beroende av utbildningslängd. Den ekonomiska situationen beskrevs med tre bidragsvariabler och en inkomstvariabel. I datamaterialet fanns uppgift om bostads- och socialbidrag samt kommunalt bostadstillägg och med hjälp av dessa beräknas den genomsnittliga bidragsnivån, d v s antal utbetalade kronor per individ. Det fanns också tillgång till fyra olika inkomstvariabler; medelinkomst för individer inklusive respektive exklusive -inkomsttagare samt medelinkomst för familjer inklusive respektive exklusive -inkomsttagare. Variabeln medelinkomst för familjer inkl -inkomsttagare var den variabel som bäst beskre inkomsten, se 2.2. De tre sistnämnda variabelgrupperna utbildning, bidrag och inkomst har hämtats från Statistiska centralbyrån 1994. 5
6 (33) Tabell 1. Datamaterial Variabelgrupp Variabel Kommentar Källa Yrke Andel arbetare (%) Svensk socioekonomisk standard (SEI) Arbetare i varuproduktion ej facklärda, arbetare i tjänsteproduktion ej facklärda, arbetare i varuproduktion facklärda, arbetare i tjänsteproduktion facklärda Folk- och bostadsräkningen 199 (Statistiska centralbyrån) Andel tjänstemän (%) Lägre tjänstemän 1, lägre tjänstemän 2, tjänstemän på mellannivå, högre tjänstemän, ledande befattningar Andel företagare (%) Fria yrkesutövare akademiska yrken, företagare exkl lantbrukare, lantbrukare Utbildning Andel oklassade (%) Andel med endast förgymnasial utbildning (%) Oklassificerbara anställda, uppgift saknas Utbildningsregistret 1994 (Statistiska centralbyrån) Andel med gymnasial utbildning högst två år (%) Andel med gymnasial utbildning längre än två år (%) Andel med eftergymnasial utbildning mindre än tre år (%) Andel med eftergymnasial utbildning mer än tre år (%) Andel med forskarutbildning (%) Inkomst Bidrag Andel oklassade (%) Medelinkomst för familjen inkl -inkomsttagare Bostadsbidrag (kr per individ) Socialbidrag (kr per individ) Kommunalt bostadstillägg (kr per individ) Disponibel inkomst för familjen inkl -inkomsttagare. Disponibel inkomst är den summa som familjen har att röra sig med efter att bidrag, avdrag för underhåll etc är exkluderade Inkomstregistret 1994 (Statistiska centralbyrån) Inkomstregistret 1994 (Statistiska centralbyrån) 6
7 (33) 2.1 Samband mellan variabler Korrelationsmatrisen för de olika variablerna, tabell 2, visade att det framför allt var en hög korrelation mellan de fyra olika inkomstvariablerna (r =.9). Likaså mellan andel arbetare och andel tjänstemän (r=-.7), mellan andel tjänstemän och andel med förgymnasial utbildning (r=-.7), mellan andel tjänstemän och andel med eftergymnasial utbildning tre år eller längre (r=.7) samt mellan andel familjer med kommunalt bostadstillägg och andel familjer med socialbidrag (r=.7). Av detta konstaterades att en eller flera av inkomstvariablerna borde tas bort eftersom alla fyra i princip speglade samma sak. Dessutom konstaterades att ju högre andelen arbetare var desto lägre andel tjänstemän, (vilket i det här fallet är självklart då de bygger på samma ursprungsvariabel). Det visade sig också att ju högre andelen individer med enbart förgymnasial utbildning var, desto lägre var andelen tjänstemän samt att ju högre andelen individer med eftergymnasial utbildning tre år eller längre var desto högre andel tjänstemän. Slutligen visade det sig att ju fler familjer som hade kommunalt bostadstillägg desto fler familjer hade socialbidrag. 7
8 (33) Tabell 2. Korrelationsmatris Andel arbetare (%) Andel tjänstemän (%) Andel företagare (%) Andel med förgymnasial utb (%) Andel med gymnasieutb högst 2 år (%) Andel med gymnasieutb längre än 2 år (%) Andel med eftergymnasial utb mindre än 3 år (%) Andel med eftergymnasial utb 3 år och längre (%) Andel med forskarutbildning (%) Medelinkomst för familjer inkl -inkomsttagare (kr/år) Medelinkomst för familjer exkl -inkomsttagare (kr/år) Medelinkomst för individer inkl -inkomsttagare (kr/år) Medelinkomst för individer exkl o-inkomsttagare (kr/år) Antal familjer med bostadsbidrag Bostadsbidrag/individ (kr/ind och år) Antal familjer med socialbidrag Socialbidrag/individ (kr/ind pch år) Antal familjer med KBT KBT/individ (kr/ind och år) Andel arbetare (%) 1, -,7 -,2,5,2 -,2 -,6 -,6 -,4 -,4 -,4 -,5 -,5,,2,1,2,1,3 Andel tjänstemän (%) -,7 1, -,4 -,7 -,2,4,6,7,4,6,6,6,6,1 -,2, -,1,1 -,2 Andel företagare (%) -,2 -,4 1,,3,1 -,3 -,2 -,1 -,1 -,1 -,1 -,2 -,2 -,3, -,3 -,2 -,3 -,1 Andel med förgymnasial utb (%),5 -,7,3 1,,1 -,4 -,6 -,6 -,4 -,2 -,2 -,3 -,4 -,1,1,, -,1 -,1 Andel med gymnasieutb högst 2 år (%),2 -,2,1,1 1,, -,2 -,3 -,2,1,1,, -,1,2 -,1, -,2 -,4 Andel med gymnasieutb längre än 2 år (%) -,2,4 -,3 -,4, 1,,4,3,1,4,4,4,4,1 -,1, -,1 -,1 -,4 Andel med eftergymnasial utb mindre än 3 år (%) -,6,6 -,2 -,6 -,2,4 1,,5,3,4,4,4,5,2 -,1,1 -,1, -,3 Andel med eftergymnasial utb 3 år och längre (%) -,6,7 -,1 -,6 -,3,3,5 1,,4,6,6,6,6, -,1 -,1 -,1 -,1 -,2 Andel med forskarutbildning (%) -,4,4 -,1 -,4 -,2,1,3,4 1,,2,2,2,3,2,,1,1,1 -,1 Medelinkomst för familjer inkl -inkomsttagare (kr/år) -,4,6 -,1 -,2,1,4,4,6,2 1, 1,,9,9 -,2 -,2 -,3 -,4 -,3 -,4 Medelinkomst för familjer exkl -inkomsttagare (kr/år) -,4,6 -,1 -,2,1,4,4,6,2 1, 1,,9,9 -,2 -,2 -,3 -,3 -,3 -,4 Medelinkomst för individer inkl -inkomsttagare (kr/år) -,5,6 -,2 -,3,,4,4,6,2,9,9 1, 1, -,2 -,4 -,3 -,4 -,2 -,4 Medelinkomst för individer exkl o-inkomsttagare (kr/år) -,5,6 -,2 -,4,,4,5,6,3,9,9 1, 1, -,2 -,3 -,2 -,3 -,1 -,4 Antal familjer med bostadsbidrag,,1 -,3 -,1 -,1,1,2,,2 -,2 -,2 -,2 -,2 1,,3,9,4,6, Bostadsbidrag/individ (kr/ind och år),2 -,2,,1,2 -,1 -,1 -,1, -,2 -,2 -,4 -,3,3 1,,4,6,, Antal familjer med socialbidrag,1, -,3, -,1,,1 -,1,1 -,3 -,3 -,3 -,2,9,4 1,,5,7,1 Socialbidrag/individ (kr/ind och år),2 -,1 -,2,, -,1 -,1 -,1,1 -,4 -,3 -,4 -,3,4,6,5 1,,2,1 Antal familjer med KBT,1,1 -,3 -,1 -,2 -,1, -,1,1 -,3 -,3 -,2 -,1,6,,7,2 1,,3 KBT/individ (kr/ind och år),3 -,2 -,1 -,1 -,4 -,4 -,3 -,2 -,1 -,4 -,4 -,4 -,4,,,1,1,3 1, 8
9 (33) 2.2 Val av variabler Med hjälp av faktoranalys undersökte vi om det fanns några variabler med en så lika fördelning att någon av dem kunde uteslutas ur den fortsatta analysen. Metoden går ut på att hitta underliggande variabler, s k faktorer, som förklarar korrelationsmönstret bland variablerna. (För en utförligare beskrivning av faktoranalysen, se bilaga 1). I tabell 3 visas vilka variabler som kopplades ihop med vilken faktor. Det visade sig att alla fyra inkomstvariablerna placerades ihop med faktor 2, vilket innebar att endast en av dessa skulle komma att användas. I detta fallet var skillnaden mellan de fyra inkomstvariabler så liten att det inte spelade någon roll vilken av de fyra som skulle användas. Detta tillsammans med att analysen avsåg den socioekonomiska situationen på familjenivå och att det skulle vara en stor fördel om så många individer som möjligt skulle inkluderas, gjorde att valet föll på variabeln medelinkomst för familjer inkl -inkomsttagare. Andra variabler som skulle komma att exkluderas ur klusteranalysen var antal familjer med bostadsbidrag, antal familjer med kommunalt bostadstillägg samt antal familjer med socialbidrag. Orsaken till detta var att fokuseringen låg mer på bidragsnivån, som alltså här är bättre beskriven med bidrag i kronor per individ. 9
1 (33) Tabell 3. Variabler i respektive faktorer Faktor 1 Faktor 2 Faktor 3 Faktor 4 Andel arbetare Andel tjänstemän Andel med endast förgymnasial utbildning Andel med gymnasieutbildning högst två år Andel med eftergymnasial utbildning mindre än tre år Andel med eftergymnasial utbildning tre år eller längre Andel med forskarutbildning Medelinkomst för familjer inkl -inkomsttagare Medelinkomst för familjer exkl -inkomsttagare Medelinkomst för individer inkl -inkomsttagare Medelinkomst för individer exkl -inkomsttagare Kommunalt bostadstillägg per individ Antal familjer med bostadsbidrag Bostadsbidrag per individ Antal familjer med kommunalt bostadstillägg Antal familjer med socialbidrag Socialbidrag per individ Andel företagare 3 Klusteranalys 3.1 Material och metod Klusteranalys är en multivariat metod, d v s en metod där man använder sig av flera variabler med olika fördelning, som används för att gruppera områden i olika kategorier. Klusteranalysen är en bra metod att använda för explorativa data då man misstänker att populationen inte är homogen. I vårt fall misstänkte vi att det fanns skillnader mellan områden i länet beträffande den socioekonomiska situationen. För att klusteranalysen skulle fungera på ett riktigt vis uteslöts 12 nyckelkodsområden som saknade värden för en eller flera av variablerna. Det återstod 795 nyckelkodsområden, vilket sedan reducerades med ytterligare 14 som hade ändrats, tagits bort eller på annat sätt utgått sedan 1995-12-31. Det slutliga materialet bygger alltså på 781 nyckelkodsområden. Fördelningen av befolkningen framgår av tabell 4. För en mer detaljerad beskrivning av de nyckelkodsområden som saknar värden för en eller flera variabler, se bilaga 2 tabell 1-12. 1
11 (33) Tabell 4. Antal nyckelkodsområden och antal individer i datamaterialet Antal nyckelkodsområden 781 Antal personer 322 889 Antal män 159 225 Antal kvinnor 163 664 Tabell 5 beskriver datamaterialet med avseende på respektive variabel. Tabell 5. Beskrivning av datamaterialet Variabel Medelvärde Standardavvikelse Medelinkomst för familjer inkl -inkomsttagare (kr) 17 11 37 685 Andel arbetare (%) 48 14 Andel tjänstemän (%) 35 16 Andel företagare (%) 1 1 Andel oklassade och uppgift saknas (%) 7 5 Andel med förgymnasial utbildning (%) 32 9 Andel med gymnasieutbildning högst 2 år (%) 29 7 Andel med gymnasieutbildning längre än 2 år (%) 12 5 Andel med eftergymnasial utbildning mindre än 3 år (%) 9 5 Andel med eftergymnasial utbildning 3 år eller längre (%) 7 5 Andel med forskarutbildning (%) 1 Andel där uppgift om utbildning saknas (%) 11 8 Bostadsbidrag per individ (kr) 1 229 1 24 Socialbidrag per individ (kr) 1 59 2 14 Kommunalt bostadstillägg per individ (kr) 1 81 1 553 3.2 Reducering av outliers För att klusteranalysen inte skulle störas av några få extrema nyckelkodsområden, s k outliers (som skulle ha för stor inverkan på klusterindelningen), undersökte vi om att fanns några sådana områden. Här använde vi de sedan tidigare framtagna faktorpoängen som plottades mot varandra, (se bilaga 1 figur 1-6). För att ett område skulle komma att klassas som outlier, krävdes en kraftigt avvikelse i faktorpoäng i flera av figurerna. Vi upptäckte dock inte några sådana extrema nyckelkodsområden, vilket innebar att antalet nyckelkodsområden inte reduceras ytterliggare. 11
12 (33) 3.3 Val av antal kluster För att reducera den eventuella effekten av att variablerna hade olika enheter och storlekar genomfördes en variabeltransformation. Detta innebar att variablerna standardiserades till Z- värden med medelvärde och standardavvikelse 1. Det transformerade värdet Z för en normalfördelad variabel k med medelvärdet och standardavvikelsen, beräknades genom följande formel 1 : Z jk X jk k Formel 1 k X = slumpvariabel = aritmetiskt medelvärde = standardavvikelse j = nyckelkodsområde, j = 1 781 k= variabel, k =1...12 Z-värdet visar hur många standardavvikelser ett värde för viss variabel för ett nyckelkodsområde är högre eller lägre än variabelns medelvärde för alla nyckelkodsområden. Efter denna variabeltransformation använde vi oss av Ward s metod för att bestämma hur många kluster som det var lämpligt att ta fram. Ward s metod är en form av hierarkisk klusteranalys, vilket innebär att de nyckelkodsområdena som ligger närmast varandra, d v s de områden som har det minsta Euklidiska avståndet sinsemellan, stegvis förenas. p 2 Euklidiskt avstånd: D= ( X ik X jk ) Formel 2 k 1 X = slumpvariabel i = nyckelkodsområde, i = 1 781 j = nyckelkodsområde, j = 1 781 k = variabel 1 12 Det Euklidiska avståndet innebär att man först kvadrerar och sedan summerar skillnaderna mellan värdena för nyckelkodsområde i och nyckelkodsområde j för respektive variabel. Metoden kallas hierarkisk p g a att när nyckelkodsområden väl är förenade, förblir de förenade. Algoritmen fortgår tills alla områden är sammanförda, d v s då det endast återstår ett 1 G Ejlertsson, Grundläggande statistik med tillämpningar inom sjukvården, 1984, sid 92-93 12
13 (33) kluster. Stegen i analysen kan visas i ett dendogram, d v s ett visuellt schema över sammanslagningarna. I ett sådant dendogram är avstånden, här de euklidiska avstånden, mycket små, d v s det finns många områden som ligger nära varandra med avseende på variablerna. I vårt fall blir dock denna visualisering mycket svår att överblicka eftersom det rör sig om 781 nyckelkodsområden. I figur 1 visas därför endast de sista femtio stegen i sammanslagningen samt i tabell 6 de Euklidiska avstånden för de sista tio stegen. Figur 1. Avstånd till klustercentra för de femtio sista klusterstegen 8 7 6 5 4 3 2 1 731 734 737 74 743 746 749 752 755 758 761 764 767 77 773 776 779 Euklidiskt avstånd Steg i klusteranalysen I figuren ser man att avstånden mellan sammanfogningarna ökar något mellan steg 77 och 78, alltså då det återstår 1-11 kluster. Framför allt ökar det euklidiska avståndet vid steg 776, d v s då det återstår 5 kluster. Detta syns även i sifferform i tabell 6. Avståndet ökar ganska dramatiskt från det att det återstår 5 kluster till att det återstår 6 kluster. Detta tyder på att det förmodligen bör vara rimligt att beskriva vårt datamaterial med hjälp av fem kluster. 13
14 (33) Tabell 6. Euklidiska avstånd under de sista tio stegen Steg i klusteranalysen Euklidiskt avstånd Antal kluster z 771 3125 1 772 328 9 773 358 8 774 3748 7 775 413 6 776 43 5 777 4742 4 778 5226 3 779 5782 2 78 72 1 3.4 Sammanslagning av nyckelkodsområden till kluster Efter att med hjälp av Ward s metod kunnat konstatera att nyckelkodsområdena bäst beskrivs genom 5-1 kluster, påbörjades arbetet med att identifiera och beskriva dessa. I datamaterialet fanns två variabelgrupper som grundade sig på samma ursprungsvariabel, nämligen yrkestillhörighet och utbildningsnivå. I den fortsatta klusteranalysen reducerades dessa grupper med en eller flera undervariabler för att inte få heltäckande variabler. (Det är en fördel om man inte har variabelgrupper som täcker 1 procent av individerna). De uteslutna undervariablerna byttes sedan ut mot andra för att se om klusteranalyser gav olika resultat. Dessutom genomfördes analysen med förutbestämda antal kluster. I jämförelserna försökte vi bl a se om de framtagna klustrena var logiska utifrån ett socioekonomisk perspektiv. För att genomföra klusteranalysen används proceduren K-Means i statistikprogramvaran SPSS. Denna procedur bygger på en algoritm som kan arbeta med ett stort antal fall och som försöker identifiera grupper som är relativt homogena med avseende på de inkluderade variablerna. Det tidigare arbetet med Ward s metod resulterade i klustermedelvärden med avseende på respektive variabel 2 som nu låg till grund för den fortsatta analysen. (Orsaken är att K-Means inte är en hierarkisk metod. Detta betyder alltså att K-Means efter varje steg, d v s efter varje sammanfogning av områden, testar om redan de sammanfogade områdena också fortsättningsvis skall vara sammanfogade eller om något av dessa istället bör sammanfogas ihop med några andra områden, jämför ovan med hierarkisk metod ). Då klusteranalys till sin natur är en explorativ metod, handlar en del av arbetet om att testa och diskutera sig fram till vilka klusteralternativ som är mest rimliga. Det finns med andra ord 14
15 (33) inget som bestämt påvisar vilken klustermetod som är bäst att använda och hur många kluster som är bäst att ha. 3.5 Resultat Jämförelserna mellan alla alternativa klusteranalyser visade att fem kluster var optimalt. Dessa fem kluster visade tydligast liknande mönster inom varje kluster samtidigt som de var skilda från övriga vad gäller den socioekonomiska strukturen, se tabell 7. Tabell 7. Beskrivning av kluster 1-5 Variabel Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Totalt 1 Antal nykon 97 316 244 43 89 781 2 Totalt antal individer 47166 89981 118978 2864 43118 322 889 3 Andel män (%) 47 51 49 49 5 49 4 Andel kvinnor (%) 53 49 51 51 5 51 5 Medelinkomst för familjer inkl -inkomsttagare (kr) 1327 16395 178121 132844 231453 17 11 6 Andel arbetare 56 53 42 64 28 48 7 Andel tjänstemän 28 25 43 24 61 35 8 Andel företagare 7 14 7 4 5 1 9 Andel där yrkesuppgift saknas (%) 8 7 6 6 9 7 1 Andel med förgymnasial utb 33 37 26 36 22 32 11 Andel med gymnasieutb högst 2 år 23 32 3 3 23 29 12 Andel med gymnasieutb längre än 2 år 9 1 14 11 17 12 13 Andel med eftergymnasial utb mindre än 3 år 6 7 11 6 15 9 14 Andel med eftergymnasial utb 3 år och längre 4 4 9 4 16 7 15 Andel med forskarutbildning 1 16 Andel där utbildningsuppgift saknas 1 1 3 6 14 11 17 Bostadsbidrag/individ (kr/ind) 882 1237 1149 3587 5 1 229 18 Socialbidrag/individ (kr/ind) 1393 499 83 6347 246 1 59 19 KBT/individ (kr/ind) 3497 79 759 1368 378 1 81 15
16 (33) Kluster 1 och 2 innehöll flest nyckelkodsområden, 355 resp 257 områden. I kluster 3 ingick 5 områden och i kluster 4 ingick 99 områden. Kluster 5 innehöll endast 2 nyckelkodsområden, se figur 2. Figur 2. Antal nyckelkodsområden i respektive kluster 4 35 3 25 2 15 1 5 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Antalet individer i resp kluster har ett liknande mönster som antal ingående nyckelkodsområden, se figur 3. I kluster 1 bodde drygt 117 individer och i kluster 2 knappt 133 individer. Kluster 3 innehöll 16 individer och kluster 4 ca 45 individer. Kluster 5 innehöll ca 11 individer. Figur 3. Antal individer i respektive kluster 14 12 1 8 6 4 2 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Fördelningen mellan män och kvinnor var lika i alla kluster (5% män och 5% kvinnor) utom i kluster 3 där det fanns något fler kvinnor än män, 55% mot 45%, se figur 4. 16
17 (33) Figur 4. Andel män och kvinnor i respektive kluster 1 9 8 7 6 5 4 3 2 1 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Andel män (%) Andel kvinnor (%) I kluster 4 bodde de som hade den högsta medelinkomsten, ca 23 kr per år och familj, se figur 5. Därefter följde kluster 2 och kluster1 med medelinkomster på 172 kr resp 161 kr per år och familj. Kluster 3 och kluster 5 hade den lägsta medelinkomsten, ca 12 kr per år och familj. Figur 5. Medelinkomst för familjer inkl -inkomsttagare (kr) för respektive kluster 25 2 15 1 5 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 6 visar att individerna i kluster 5 fick mest bostadsbidrag räknat i kr per år och individ, (ca 4 5 kr) och också mest kommunalt bostadstillägg, (ca 1 4 kr per år och individ). Mest socialbidrag betalades ut till individerna i kluster 3, (1 2 kr per år och individ). Individerna i kluster 4 fick minst bostadsbidrag (56 kr per år och individ), minst kommunalt bostadstillägg (24 kr per år och individ) och minst socialbidrag (37 kr per år och individ). 17
18 (33) Figur 6. Bidrag per individ i respektive kluster 12 1 8 6 4 2 bostadsbidrag/individ (kr/ind) kbt/individ (kr/ind) socialbidrag/individ (kr/ind) Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 När det gällde yrkessammansättningen ses i figur 7 att kluster 3 och 5 hade den största andelen arbetare, ca 6 procent. Kluster 4 hade lägst andel arbetare, ca 3 procent och den högsta andelen tjänstemän, ca 6 procent. Kluster 1 hade den högsta andelen företagare, ca 13 procent medan kluster 5 hade lägst andel företagare, ca 3 procent. 18
19 (33) Figur 7. Yrkessammansättning i respektive kluster 7 6 5 4 3 2 Andel arbetare Andel tjänstemän Andel företagare 1 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 I figur 8 framkommer att kluster 1 och 5 hade den högsta andelen lågutbildade och att kluster 4 hade den högsta andelen högutbildade. Figur 8. Utbildningsgrad i respektive kluster 4 35 3 25 2 15 1 5 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Andel med förgymnasial utb Andel med gymnasieutb högst 2 år Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning 19
2 (33) För att på ett enklare sätt kunna se skillnader och likheter när det gällde den socioekonomiska statusen i de olika klustren, skapades ett socioekonomiskt index. Detta gjordes genom att rangordna klustren med avseende på varje variabel med en poängskalan från 1 till 5, där 1 innebar låg socioekonomisk status och 5 hög socioekonomisk status. Höga värden på variablerna 5, 7, 8, 12, 13, 14 och 15 i tabell 7 innebar hög socioekonomisk status och höga värden på variablerna 6, 1, 11, 17, 18 och 19 innebar låg socioekonomisk status. Som exempel fick kluster 5, som hade den högsta medelinkomsten (variabel 5 i tabell 7) poängen 5 och kluster 1 som hade den lägsta medelinkomsten fick poängen 1. Kluster 1 hade högst KBT/individ (variabel 19 i tabell 7) och fick här poängen 1 och kluster 5 som har lägst KBT/individ fick poängen 5. Därefter summerades poängen till ett inkomstindex, ett yrkesindex, ett utbildningsindex samt ett bidragsindex. Figur 9. Socioekonomiskt index för resp kluster 5 4 3 2 1 Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Inkomstindex Yrkesindex Utbildningsindex Bidragsindex Totalt Med hjälp av figur 9 konstaterades att kluster 4 hade den högsta socioekonomiska statusen totalt sett. Kluster 2 den näst högsta och kluster1 den tredje högsta socioekonomiska statusen. Lägst status hade kluster 5 och 3. Kluster 4 och kluster 2 hade en högre socioekonomisk standard än de övriga för alla delindex. Rangordningen mellan kluster1, 3 och 5 varierade mellan de fyra delindexena. Kluster1 hade högre socioekonomisk status än de övriga för alla delindex förutom när det gäller utbildningen, där detta kluster hade lägst status. Kluster 5 2
21 (33) hade lägst status då det gällde yrkestillhörighet och bidragsnivå medan kluster 3 hade lägst inkomstindex. 4 SLUTSATSER Kluster 4 har den högsta socioekonomiska statusen. I detta kluster ingår minst antal nyckelkodsområden och minst antal individer. De har högst medelinkomst, minst bidrag, lägst andel arbetare, högst andel tjänstemän, lägst andel företagare och högst utbildningsnivå. Kluster 4 består alltså av 99 nyckelkodsområden med drygt 45 individer som är välutbildade och till stor del tjänstemän med god inkomst och låga bidrag. Kluster 2 har den näst högsta socioekonomiska statusen. Detta kluster är relativt stort både när det gäller antal nyckelkodsområden och antal individer, vilket innebär näst högst antal nyckelkodsområden och högst antal individer. Medelinkomsten är näst högst jämfört med de övriga klustren och bidragsnivån är ungefär lika med genomsnittet för alla kluster. Klustret innehåller näst lägst andel arbetare, näst högst andel tjänstemän, näst högst andel företagare och utbildningsnivån är relativt hög. Kluster 2 innehåller alltså 257 nyckelkodsområden med 133 individer som är välutbildade, har en god inkomst och uppbär genomsnittliga bidrag. Kluster 1 hamnar på tredje plats vad det gäller den socioekonomiska statusen. Detta kluster innehåller flest nyckelkodsområden och näst högst antal individer. Medelinkomsten är nästan lika hög som i kluster 2, bidragsnivån också ungefär som kluster 2, andel arbetare och tjänstemän är ungefär som genomsnittet medan utbildningsnivån är den lägsta bland klustren. Kluster 1 innehåller 355 nyckelkodsområden med 117 individer som till stor del är arbetare med låg utbildning men med relativt god inkomst och genomsnittliga bidrag Kluster 3 och kluster 5 har totalt sett ungefär lika låg socioekonomisk status. De innehåller lägst antal nyckelkodsområden och lägst antal individer. När det gäller yrkessammansättning och utbildningsgrad så har kluster 3 och kluster 5 även här lika egenskaper, d v s en hög andel arbetare, låg andel tjänstemän, låg andel företagare och en låg utbildningsgrad. De har också ungefär lika låg medelinkomst. Jämfört med övriga kluster har kluster 3 det absolut högsta 21
22 (33) socialbidraget och kluster 5 det högsta bostadsbidraget och det högsta kommunala bostadstillägget. Kluster 3 är det kluster som har näst lägst socioekonomisk standard. Det innehåller 5 nyckelkodsområden med 16 individer som till stor del är arbetare med låg utbildning, låg inkomst och höga socialbidrag. Kluster 5 har lägst socioekonomisk standard. Det innehåller 2 nyckelkodsområden med 11 individer som till stor del är arbetare med låg utbildning, låg inkomst och har höga bostadsbidrag och kommunala bostadstillägg. Referenser Everett B. S. Cluster analysis, 1993, ISBN -34-58479 Ejlertsson G, Grundläggande statistik med tillämpningar inom sjukvården, 1984, ISBN 91-44- 21121-x. Folkhälsorapport 1997. SoS-rapport 1997:18. Stockholm, 1997. ISBN-91-721-18-7. Manly B. F. J. Multivariate statistical methods,1986, ISBN -42-2862-3. Socioekonomiska data på nyckelkodsområden. Rapport 98:9. Folkhälsovetenskapligt Centrum, Linköping 1998. 22
23 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Bilaga 1. Faktoranalys Med hjälp av en faktoranalys kan man ta reda på om det finns några variabler som är så lika varandra att någon av dem kan uteslutas ut den fortsatta analysen. Man försöker att hitta underliggande variabler, s k faktorer, som förklarar korrelationsmönstret bland variablerna. I tabell 1 visas faktorladdningarna för varje variabel på respektive faktor. Varje värde representerar korrelationen mellan variabeln och faktorn. Dessa korrelationer hjälper oss att formulera en tolkning eller förklaring av respektive faktor, genom att studera vilken faktor som varje enskild variabel är mest korrelerad med. För vissa variabler kan det vara svårt att avgöra till vilken faktor som den är mest korrelerad, d v s de kan ha liknande laddningar på fler än en faktor. För att underlätta detta används en rotationsmetod, vilket ofta underlättar tolkningen av faktorerna, 2. Figur 1. Faktor 2 mot faktor 1 1 5633132 8 5811125 REGR factor score 2 for analysis 1 6 4 2-2 -4-2 2 4 5811151 6 REGR factor score 1 for analysis 1 2 B. F. J. Manly, 1986, sid 72-85 23
24 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Figur 2. Faktor 3 mot faktor 1 2 REGR factor score 3 for analysis 1-2 -4-6 -8-1 -4-2 5625336 2 4 5811151 6 REGR factor score 1 for analysis 1 Figur 3. Faktor 4 mot faktor 1 2 5811151 REGR factor score 4 for analysis 1-2 -4-6 -8-1 -12-4 5625112-2 2 4 6 REGR factor score 1 for analysis 1 24
25 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Figur 4. Faktor 3 mot faktor 2 2 5811151 5633132 REGR factor score 3 for analysis 1-2 -4-6 -8-1 -2 5625336 2 4 6 5811125 8 1 REGR factor score 2 for analysis 1 Figur 5. Faktor 4 mot faktor 2 2 REGR factor score 4 for analysis 1-2 -4-6 -8-1 -12-2 5625112 5834311 2 4 6 5811125 5633132 5811151 8 1 REGR factor score 2 for analysis 1 25
26 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Figur 6. Faktor 4 mot faktor 3 2 5625336 REGR factor score 4 for analysis 1-2 -4-6 -8-1 -12-1 -8-6 -4-2 5834311 2 REGR factor score 3 for analysis 1 26
27 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Bilaga 2. Beskrivning av nyckelkodsområden som saknar värden för minst en av variablerna Tabell 1. Nyckelkodsområde 584168 Medelinkomst för familjer inkl -inkomsttagare (kr) 189884 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 18 Andel med gymnasieutb högst 2 år 35 Andel med gymnasieutb längre än 2 år 9 Andel med eftergymnasial utb mindre än 3 år 11 Andel med eftergymnasial utb 3 år och längre 16 Andel med forskarutbildning 3 Bostadsbidrag/individ (kr/ind) 198 Socialbidrag/individ (kr/ind) 3751 KBT/individ (kr/ind) 165 Tabell 2. Nyckelkodsområde 5621156 Medelinkomst för familjer inkl -inkomsttagare (kr) 87833 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 9 Andel med gymnasieutb högst 2 år 3 Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) 159 Socialbidrag/individ (kr/ind) 1 KBT/individ (kr/ind) 854 27
28 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Tabell 3. Nyckelkodsområde 5621528 Medelinkomst för familjer inkl -inkomsttagare (kr) 28957 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 2 Andel med gymnasieutb högst 2 år 33 Andel med gymnasieutb längre än 2 år 23 Andel med eftergymnasial utb mindre än 3 år 12 Andel med eftergymnasial utb 3 år och längre 9 Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) 2621 Socialbidrag/individ (kr/ind) 1 KBT/individ (kr/ind) Tabell 4. Nyckelkodsområde 5621539 Medelinkomst för familjer inkl -inkomsttagare (kr) 81234 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 9 Andel med gymnasieutb högst 2 år Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) Socialbidrag/individ (kr/ind) KBT/individ (kr/ind) 1999 28
29 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Tabell 5. Nyckelkodsområde 5623212 Medelinkomst för familjer inkl -inkomsttagare (kr) 91527 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 8 Andel med gymnasieutb högst 2 år Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) Socialbidrag/individ (kr/ind) KBT/individ (kr/ind) 15335 Tabell 6. Nyckelkodsområde 563321 Medelinkomst för familjer inkl -inkomsttagare (kr) 11591 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 31 Andel med gymnasieutb högst 2 år 5 Andel med gymnasieutb längre än 2 år 19 Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) 3582 Socialbidrag/individ (kr/ind) 427 KBT/individ (kr/ind) 29
3 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Tabell 7. Nyckelkodsområde 581341 Medelinkomst för familjer inkl -inkomsttagare (kr) 99459 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 27 Andel med gymnasieutb högst 2 år 45 Andel med gymnasieutb längre än 2 år 27 Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) 5 Socialbidrag/individ (kr/ind) KBT/individ (kr/ind) Tabell 8. Nyckelkodsområde 581482 Medelinkomst för familjer inkl -inkomsttagare (kr) 29337 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 19 Andel med gymnasieutb högst 2 år 31 Andel med gymnasieutb längre än 2 år 15 Andel med eftergymnasial utb mindre än 3 år 18 Andel med eftergymnasial utb 3 år och längre 14 Andel med forskarutbildning 1 Bostadsbidrag/individ (kr/ind) 3536 Socialbidrag/individ (kr/ind) 3949 KBT/individ (kr/ind) 122 3
31 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Tabell 9. Nyckelkodsområde 5811214 Medelinkomst för familjer inkl -inkomsttagare (kr) 83389 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb Andel med gymnasieutb högst 2 år 7 Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) Socialbidrag/individ (kr/ind) 2 KBT/individ (kr/ind) 12382 Tabell 1. Nyckelkodsområde 5814242 Medelinkomst för familjer inkl -inkomsttagare (kr) 96868 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb Andel med gymnasieutb högst 2 år 12 Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) Socialbidrag/individ (kr/ind) KBT/individ (kr/ind) 2451 31
32 (33) Folkhälsovetenskapligt centrum 11-11-24 kl 15:26 Tabell 11. Nyckelkodsområde 5819999 Medelinkomst för familjer inkl -inkomsttagare (kr) 33349 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 21 Andel med gymnasieutb högst 2 år 38 Andel med gymnasieutb längre än 2 år 1 Andel med eftergymnasial utb mindre än 3 år 14 Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) Socialbidrag/individ (kr/ind) 2824 KBT/individ (kr/ind) Tabell 12. Nyckelkodsområde 583157 Medelinkomst för familjer inkl -inkomsttagare (kr) 86119 Andel arbetare * Andel tjänstemän * Andel företagare * Andel med förgymnasial utb 45 Andel med gymnasieutb högst 2 år 23 Andel med gymnasieutb längre än 2 år Andel med eftergymnasial utb mindre än 3 år Andel med eftergymnasial utb 3 år och längre Andel med forskarutbildning Bostadsbidrag/individ (kr/ind) 36 Socialbidrag/individ (kr/ind) KBT/individ (kr/ind) 1164 32