Inkomstsegregation - En metodutvecklande studie baserad på 53 tätorter i Sverige

Abstract

Denna uppsats har som syfte att dels utveckla en metod för att mäta inkomstsegregation i tätorter som tar hänsyn till olika skala och befolkningsmängd, dels att undersöka hur detta varierar mellan tätorterna. Sverige är ett av de OECD länder där den ekonomiska ojämlikheten ökat mest under de senaste decennierna och växande inkomstsegregation är en direkt konsekvens av detta. Tidigare forskning har främst fokuserat på de tre största tätorterna i Sverige, få vetenskapliga studier har utförts med geografiskt högupplöst inkomstdata med fokus på mindre tätorter. Vi använder Geografiska informationssystem (GIS) och huvudsakligen rumsliga autokorrelationsmetoder samt ordinary least squares för att utveckla modellen. Analysmetoderna fungerar som komplement till varandra och bidrar till att olika dimensioner av fenomenet inkomstsegregation kunde utforskas, och därigenom uppnåddes studiens syfte. Denna studie är avgränsad till 53 utvalda tätorter av olika storlek i Sverige, men modellen går att utföra på heltäckande nationell skala. Data hämtades för år 2014 och studien genomfördes under våren 2017. En ambition med studien var att systematiskt utveckla en modell som gick att tillämpa på högupplösta statistiska rutnät med avståndsviktning. Resultaten visade att inkomstsegregationen har sitt starkaste fäste i metropolerna Stockholm, Göteborg och Malmö men visade även att flera tätorter ligger i riskzonen för att utveckla en starkare inkomstsegregation i takt med att befolkningen och de ekonomiska klyftorna i samhället växer. Vidare visar resultatet att den rumsliga variationen av intensitet och koncentration av låg- respektive höginkomstkluster i stadsrummet bidrar till olika mönster av segregation, vilket nödvändigtvis inte är kopplat till tätortens storlek. Vi rekommenderar framtida forskning att standardisera modellen som utvecklats i denna studie för att bland annat tillgängliggöra en definition av avstånd som beaktar olika skalor och är väl anpassat efter människors rörelsemönster i det egna grannskapets närmiljö.