socioekonomiska skillnader i ÖstergÖtland - en ... · i rapporten ”socioekonomiska data på...

SOCIOEKONOMISKA SKILLNADER I ÖSTERGÖTLAND

- En klusteranalys på nyckelkodsområden

Rapport 2000:3

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)

2

Innehållsförteckning

1 INLEDNING 3

2 MATERIAL OCH METOD 4

2.1 Samband mellan variabler 7

2.2 Val av variabler 9

3 KLUSTERANALYS 10

3.1 Material och metod 10

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

3 (33)

3

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 30 år sedan 1900-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

80 % av barnen med båda sina föräldrar och motsvarande siffra var 75 % år 1997.

Skilsmässorna år 1990 var 18/1000 familjer mot 25/1000 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 20 % högre bland arbetare

än bland tjänstemän på mellannivå och högre. Tumörrisken är 10 % högre bland kvinnliga

arbetare än bland kvinnliga tjänstemän. Att röka är betydligt vanligare i arbetargrupper vilket

4 (33)

4

bl a troligen förklarar varför lungcancer är 50 % 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 2000”, 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 Folk-

och bostadsräkningen 1990, 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

0 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 10 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

5 (33)

5

grundar sig på svensk socioekonomisk indelning (SEI) och hämtades från Folk- och

bostadsräkningen 1990. 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 0-inkomsttagare samt

medelinkomst för familjer inklusive respektive exklusive 0-inkomsttagare. Variabeln

medelinkomst för familjer inkl 0-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.

6 (33)

6

Tabell 1. Datamaterial

Variabelgrupp Variabel Kommentar Källa

Yrke Andel arbetare (%) Andel tjänstemän (%) Andel företagare (%) Andel oklassade (%)

Svensk socioekonomisk standard (SEI) Arbetare i varuproduktion ej facklärda, arbetare i tjänsteproduktion ej facklärda, arbetare i varuproduktion facklärda, arbetare i tjänsteproduktion facklärda Lägre tjänstemän 1, lägre tjänstemän 2, tjänstemän på mellannivå, högre tjänstemän, ledande befattningar Fria yrkesutövare akademiska yrken, företagare exkl lantbrukare, lantbrukare Oklassificerbara anställda, uppgift saknas

Folk- och bostadsräkningen 1990 (Statistiska centralbyrån)

Utbildning Andel med endast förgymnasial utbildning (%) 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 (%) Andel oklassade (%)

Utbildningsregistret 1994 (Statistiska centralbyrån)

Inkomst Medelinkomst för familjen inkl 0-inkomsttagare

Disponibel inkomst för familjen inkl 0-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)

Bidrag Bostadsbidrag (kr per individ) Socialbidrag (kr per individ) Kommunalt bostadstillägg (kr per individ)

Inkomstregistret 1994 (Statistiska centralbyrån)

7 (33)

7

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=0.9). Likaså mellan andel arbetare

och andel tjänstemän (r=-0.7), mellan andel tjänstemän och andel med förgymnasial

utbildning (r=-0.7), mellan andel tjänstemän och andel med eftergymnasial utbildning tre år

eller längre (r=0.7) samt mellan andel familjer med kommunalt bostadstillägg och andel

familjer med socialbidrag (r=0.7). 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.

8 (33)

8

Tabell 2. Korrelationsmatris

And

el a

rbet

are

(%)

And

el tj

änst

emän

(%)

And

el fö

reta

gare

(%)

And

el m

ed fö

rgym

nasi

al u

tb (%

)

And

el m

ed g

ymna

sieu

tb h

ögst

2 å

r (%

)

And

el m

ed g

ymna

sieu

tb lä

ngre

än

2 år

(%)

And

el m

ed e

fterg

ymna

sial

utb

min

dre

än 3

år (

%)

And

el m

ed e

fterg

ymna

sial

utb

3 å

r och

läng

re (%

)

And

el m

ed fo

rska

rutb

ildni

ng (%

)

Med

elin

kom

st fö

r fam

iljer

inkl

0-in

kom

stta

gare

(kr/å

r)

Med

elin

kom

st fö

r fam

iljer

exk

l 0-in

kom

stta

gare

(kr/å

r)

Med

elin

kom

st fö

r ind

ivid

er in

kl 0

-inko

mst

taga

re (k

r/år)

Med

elin

kom

st fö

r ind

ivid

er e

xkl o

-inko

mst

taga

re (k

r/år)

Ant

al fa

milj

er m

ed b

osta

dsbi

drag

Bos

tads

bidr

ag/in

divi

d (k

r/ind

och

år)

Ant

al fa

milj

er m

ed s

ocia

lbid

rag

Soc

ialb

idra

g/in

divi

d (k

r/ind

pch

år)

Ant

al fa

milje

r med

KB

T

KB

T/in

divi

d (k

r/ind

och

år)

Andel arbetare (%) 1,0 -0,7 -0,2 0,5 0,2 -0,2 -0,6 -0,6 -0,4 -0,4 -0,4 -0,5 -0,5 0,0 0,2 0,1 0,2 0,1 0,3Andel tjänstemän (%) -0,7 1,0 -0,4 -0,7 -0,2 0,4 0,6 0,7 0,4 0,6 0,6 0,6 0,6 0,1 -0,2 0,0 -0,1 0,1 -0,2Andel företagare (%) -0,2 -0,4 1,0 0,3 0,1 -0,3 -0,2 -0,1 -0,1 -0,1 -0,1 -0,2 -0,2 -0,3 0,0 -0,3 -0,2 -0,3 -0,1Andel med förgymnasial utb (%) 0,5 -0,7 0,3 1,0 0,1 -0,4 -0,6 -0,6 -0,4 -0,2 -0,2 -0,3 -0,4 -0,1 0,1 0,0 0,0 -0,1 -0,1Andel med gymnasieutb högst 2 år (%) 0,2 -0,2 0,1 0,1 1,0 0,0 -0,2 -0,3 -0,2 0,1 0,1 0,0 0,0 -0,1 0,2 -0,1 0,0 -0,2 -0,4Andel med gymnasieutb längre än 2 år (%) -0,2 0,4 -0,3 -0,4 0,0 1,0 0,4 0,3 0,1 0,4 0,4 0,4 0,4 0,1 -0,1 0,0 -0,1 -0,1 -0,4Andel med eftergymnasial utb mindre än 3 år (%) -0,6 0,6 -0,2 -0,6 -0,2 0,4 1,0 0,5 0,3 0,4 0,4 0,4 0,5 0,2 -0,1 0,1 -0,1 0,0 -0,3Andel med eftergymnasial utb 3 år och längre (%) -0,6 0,7 -0,1 -0,6 -0,3 0,3 0,5 1,0 0,4 0,6 0,6 0,6 0,6 0,0 -0,1 -0,1 -0,1 -0,1 -0,2Andel med forskarutbildning (%) -0,4 0,4 -0,1 -0,4 -0,2 0,1 0,3 0,4 1,0 0,2 0,2 0,2 0,3 0,2 0,0 0,1 0,1 0,1 -0,1Medelinkomst för familjer inkl 0-inkomsttagare (kr/år) -0,4 0,6 -0,1 -0,2 0,1 0,4 0,4 0,6 0,2 1,0 1,0 0,9 0,9 -0,2 -0,2 -0,3 -0,4 -0,3 -0,4Medelinkomst för familjer exkl 0-inkomsttagare (kr/år) -0,4 0,6 -0,1 -0,2 0,1 0,4 0,4 0,6 0,2 1,0 1,0 0,9 0,9 -0,2 -0,2 -0,3 -0,3 -0,3 -0,4Medelinkomst för individer inkl 0-inkomsttagare (kr/år) -0,5 0,6 -0,2 -0,3 0,0 0,4 0,4 0,6 0,2 0,9 0,9 1,0 1,0 -0,2 -0,4 -0,3 -0,4 -0,2 -0,4Medelinkomst för individer exkl o-inkomsttagare (kr/år) -0,5 0,6 -0,2 -0,4 0,0 0,4 0,5 0,6 0,3 0,9 0,9 1,0 1,0 -0,2 -0,3 -0,2 -0,3 -0,1 -0,4Antal familjer med bostadsbidrag 0,0 0,1 -0,3 -0,1 -0,1 0,1 0,2 0,0 0,2 -0,2 -0,2 -0,2 -0,2 1,0 0,3 0,9 0,4 0,6 0,0Bostadsbidrag/individ (kr/ind och år) 0,2 -0,2 0,0 0,1 0,2 -0,1 -0,1 -0,1 0,0 -0,2 -0,2 -0,4 -0,3 0,3 1,0 0,4 0,6 0,0 0,0Antal familjer med socialbidrag 0,1 0,0 -0,3 0,0 -0,1 0,0 0,1 -0,1 0,1 -0,3 -0,3 -0,3 -0,2 0,9 0,4 1,0 0,5 0,7 0,1Socialbidrag/individ (kr/ind och år) 0,2 -0,1 -0,2 0,0 0,0 -0,1 -0,1 -0,1 0,1 -0,4 -0,3 -0,4 -0,3 0,4 0,6 0,5 1,0 0,2 0,1Antal familjer med KBT 0,1 0,1 -0,3 -0,1 -0,2 -0,1 0,0 -0,1 0,1 -0,3 -0,3 -0,2 -0,1 0,6 0,0 0,7 0,2 1,0 0,3KBT/individ (kr/ind och år) 0,3 -0,2 -0,1 -0,1 -0,4 -0,4 -0,3 -0,2 -0,1 -0,4 -0,4 -0,4 -0,4 0,0 0,0 0,1 0,1 0,3 1,0

9 (33)

9

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 0-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.

10 (33)

10

Tabell 3. Variabler i respektive faktorer

Faktor 1 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

Faktor 2 Medelinkomst för familjer inkl 0-inkomsttagare

Medelinkomst för familjer exkl 0-inkomsttagare

Medelinkomst för individer inkl 0-inkomsttagare

Medelinkomst för individer exkl 0-inkomsttagare

Kommunalt bostadstillägg per individ

Faktor 3 Antal familjer med bostadsbidrag

Bostadsbidrag per individ

Antal familjer med kommunalt bostadstillägg

Antal familjer med socialbidrag

Socialbidrag per individ

Faktor 4 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.

11 (33)

11

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 0-inkomsttagare (kr) 170 011 37 685

Andel arbetare (%) 48 14

Andel tjänstemän (%) 35 16

Andel företagare (%) 10 10

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 (%) 0 1

Andel där uppgift om utbildning saknas (%) 11 8

Bostadsbidrag per individ (kr) 1 229 1 024

Socialbidrag per individ (kr) 1 059 2 104

Kommunalt bostadstillägg per individ (kr) 1 081 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.

12 (33)

12

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 0 och standardavvikelse 1. Det transformerade värdet Z för en

normalfördelad variabel k med medelvärdet och standardavvikelsen , beräknades genom

följande formel1:

k

kjkjk

XZ

Formel 1

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.

Euklidiskt avstånd: D=

p

kjkik XX

1

2)( Formel 2

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

13 (33)

13

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

0

1000

2000

3000

4000

5000

6000

7000

8000

731

734

737

740

743

746

749

752

755

758

761

764

767

770

773

776

779

Steg i klusteranalysen

Euk

lidi

skt a

vstå

nd

I figuren ser man att avstånden mellan sammanfogningarna ökar något mellan steg 770 och

780, alltså då det återstår 10-11 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.

14 (33)

14

Tabell 6. Euklidiska avstånd under de sista tio stegen

Steg i klusteranalysen Euklidiskt avstånd Antal kluster

z771 3125 10

772 3280 9

773 3508 8

774 3748 7

775 4013 6

776 4300 5

777 4742 4

778 5226 3

779 5782 2

780 7020 1

3.4 Sammanslagning av nyckelkodsområden till kluster

Efter att med hjälp av Ward´s metod kunnat konstatera att nyckelkodsområdena bäst beskrivs

genom 5-10 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 100 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 variabel2 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

15 (33)

15

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 28640 43118 322 889

3 Andel män (%) 47 51 49 49 50 49

4 Andel kvinnor (%) 53 49 51 51 50 51

5 Medelinkomst för familjer inkl 0-inkomsttagare (kr) 130027 163905 178121 132844 231453 170 011

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 10

9 Andel där yrkesuppgift saknas (%) 8 7 6 6 9 7

10 Andel med förgymnasial utb 33 37 26 36 22 32

11 Andel med gymnasieutb högst 2 år 23 32 30 30 23 29

12 Andel med gymnasieutb längre än 2 år 9 10 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 0 0 0 0 1 0

16 Andel där utbildningsuppgift saknas 10 10 30 6 14 11

17 Bostadsbidrag/individ (kr/ind) 882 1237 1149 3587 500 1 229

18 Socialbidrag/individ (kr/ind) 1393 499 830 6347 246 1 059

19 KBT/individ (kr/ind) 3497 709 759 1368 378 1 081

16 (33)

16

Kluster 1 och 2 innehöll flest nyckelkodsområden, 355 resp 257 områden. I kluster 3 ingick

50 områden och i kluster 4 ingick 99 områden. Kluster 5 innehöll endast 20

nyckelkodsområden, se figur 2.

Figur 2. Antal nyckelkodsområden i respektive kluster

0

50

100

150

200

250

300

350

400

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 117 000 individer och i kluster 2

knappt 133 000 individer. Kluster 3 innehöll 16 000 individer och kluster 4 ca 45 000

individer. Kluster 5 innehöll ca 11 000 individer.

Figur 3. Antal individer i respektive kluster

0

20000

40000

60000

80000

100000

120000

140000


Fördelningen mellan män och kvinnor var lika i alla kluster (50% män och 50% kvinnor)

utom i kluster 3 där det fanns något fler kvinnor än män, 55% mot 45%, se figur 4.

17 (33)

17

Figur 4. Andel män och kvinnor i respektive kluster

0

10

20

30

40

50

60

70

80

90

100


Andel män (%)

Andel kvinnor (%)

I kluster 4 bodde de som hade den högsta medelinkomsten, ca 230 000 kr per år och familj,

se figur 5. Därefter följde kluster 2 och kluster1 med medelinkomster på 172 000 kr resp

161 000 kr per år och familj. Kluster 3 och kluster 5 hade den lägsta medelinkomsten, ca

120 000 kr per år och familj.

Figur 5. Medelinkomst för familjer inkl 0-inkomsttagare (kr) för respektive kluster

0

50000

100000

150000

200000

250000


Figur 6 visar att individerna i kluster 5 fick mest bostadsbidrag räknat i kr per år och individ,

(ca 4 500 kr) och också mest kommunalt bostadstillägg, (ca 1 400 kr per år och individ). Mest

socialbidrag betalades ut till individerna i kluster 3, (1 200 kr per år och individ). Individerna i

kluster 4 fick minst bostadsbidrag (560 kr per år och individ), minst kommunalt bostadstillägg

(240 kr per år och individ) och minst socialbidrag (370 kr per år och individ).

18 (33)

18

Figur 6. Bidrag per individ i respektive kluster

0

2000

4000

6000

8000

10000

12000


bostadsbidrag/individ(kr/ind)

kbt/individ (kr/ind)

socialbidrag/individ(kr/ind)

När det gällde yrkessammansättningen ses i figur 7 att kluster 3 och 5 hade den största

andelen arbetare, ca 60 procent. Kluster 4 hade lägst andel arbetare, ca 30 procent och den

högsta andelen tjänstemän, ca 60 procent. Kluster 1 hade den högsta andelen företagare, ca 13

procent medan kluster 5 hade lägst andel företagare, ca 3 procent.

19 (33)

19

Figur 7. Yrkessammansättning i respektive kluster

0

10

20

30

40

50

60

70


Andel arbetare

Andel tjänstemän

Andel företagare

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

0

5

10

15

20

25

30

35

40


Andel med förgymnasialutb

Andel med gymnasieutbhögst 2 år

Andel med gymnasieutblängre än 2 år

Andel med eftergymnasialutb mindre än 3 år

Andel med eftergymnasialutb 3 år och längre

Andel medforskarutbildning

20 (33)

20

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, 10, 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

0

1

2

3

4

5

Inko

mst

inde

x

Yrk

esin

dex

Utb

ildni

ngsi

ndex

Bid

rags

inde

x

Tot

alt

Kluster 1

Kluster 2

Kluster 3

Kluster 4

Kluster 5

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

21 (33)

21

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 45 000 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 133 000 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 117 000 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

22 (33)

22

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 50

nyckelkodsområden med 16 000 individer som till stor del är arbetare med låg utbildning, låg

inkomst och höga socialbidrag.

Kluster 5 har lägst socioekonomisk standard. Det innehåller 20 nyckelkodsområden med

11 000 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 0-340-58479

Ejlertsson G, Grundläggande statistik med tillämpningar inom sjukvården, 1984, ISBN 91-44-

21121-x.

Folkhälsorapport 1997. SoS-rapport 1997:18. Stockholm, 1997. ISBN-91-7201-180-7.

Manly B. F. J. Multivariate statistical methods,1986, ISBN 0-42-28620-3.

Socioekonomiska data på nyckelkodsområden. Rapport 98:9. Folkhälsovetenskapligt

Centrum, Linköping 1998.

23 (33)

Folkhälsovetenskapligt centrum 11-11-24 kl 15:26

23

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

REGR factor score 1 for analysis 1

6420-2-4

REG

R fa

ctor

sco

re

2 fo

r ana

lysi

s

1

10

8

6

4

2

0

-2

5 6 3 3 1 3 2

5 8 1 1 1 2 5

5 8 1 1 1 5 1

2 B. F. J. Manly, 1986, sid 72-85

24 (33)


24



6420-2-4

REG

R fa

ctor

sco

re

3 fo

r ana

lysi

s

1

2

0

-2

-4

-6

-8

-10

5625336

5811151



6420-2-4

REG

R fa

ctor

sco

re

4 fo

r ana

lysi

s

1

2

0

-2

-4

-6

-8

-10

-12

5625112

5811151

25 (33)


25



1086420-2

REG

R fa

ctor

sco

re

3 fo

r ana

lysi

s

1

2

0

-2

-4

-6

-8

-10

5625336

5811151

5811125

5633132



1086420-2

REG

R fa

ctor

sco

re

4 fo

r ana

lysi

s

1

2

0

-2

-4

-6

-8

-10

-12 5834311

5625112

5811151

5811125

5633132

26 (33)


26



20-2-4-6-8-10

REG

R fa

ctor

sco

re

4 fo

r ana

lysi

s

1

2

0

-2

-4

-6

-8

-10

-12

5625336

5834311

27 (33)


27

Bilaga 2. Beskrivning av nyckelkodsområden som saknar värden

för minst en av variablerna

Tabell 1. Nyckelkodsområde 584168

Medelinkomst för familjer inkl 0-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) 1908

Socialbidrag/individ (kr/ind) 3751

KBT/individ (kr/ind) 165



Andel arbetare *


Andel företagare *










28 (33)


28



Andel arbetare *


Andel företagare *












Andel arbetare *


Andel företagare *










29 (33)


29



Andel arbetare *


Andel företagare *












Andel arbetare *


Andel företagare *










30 (33)


30



Andel arbetare *


Andel företagare *












Andel arbetare *


Andel företagare *










31 (33)


31



Andel arbetare *


Andel företagare *












Andel arbetare *


Andel företagare *










32 (33)


32



Andel arbetare *


Andel företagare *












Andel arbetare *


Andel företagare *










socioekonomiska skillnader i ÖstergÖtland - en ... · i rapporten ”socioekonomiska data på...

Documents