Arbetsmarknadspolitiska insatser för kvinnor och män Hur effektiva är programinsatser utifrån ett könsperspektiv? - Några aspekter Jonas Månsson Linnéuniversitetet

Rapporten –allmänt Metoden som används är relativt standard inom praktisk utvärdering och tillämpad på ett vad jag kan se rimligt sätt Ett viktigt bidrag är att författaren försöker att hantera ‘synlig’ graviditet. – För arbetsgivaren signalerar det hög ’risk’ för föräldraledighet – Studien visar att så inte är fallet, dvs. ‘synlig’ graviditet har liten påverkan på möjligheterna att få jobb.

Vad har vi lärt oss av rapporten Det verkar gå lika bra för män som kvinnor Att det potentiellt signaleras om kommande föräldraledighet verkar inte heller det ha någon större betydelse Slutsats: Det där med kön verkar inte vara något problem som AF särskilt behöver beakta

Förtydligande av resultat

Vad innebär en negative effekt?

Problematisering av resultaten Metodologiska frågor. Att jämföra olika program och att ta till sig erfarenheter från andra länder.

Metodologiska frågor I rapporten används en metod som kallas propensity score matching Ett försök till förklaring och problematisering – Utfall av en insats (hur många fick jobb) = selektion + programeffekt  – Programeffekt = utfall – selektion – Om det inte finns någon selektion, exempelvis vid slumpmässig tilldelning av programdeltagande => Programeffekt = Utfall

Selektion = självselektion (vad vi själva föredrar) + administrativ selektion (ex. arbetsförmedlarnas kunskap att placera en individ i rätt program) Administrativ selektion – är det så att män och kvinnor placeras i olika program av arbetsförmedlarna? (Segregering) Självselektion – egenskaper som påverkar vilket program den arbetslöse söker sig till.

Utmaningen för Propsensity score matching är att kunna modellera selektionen och sedan finna en uppsättning individer som deltagit och en uppsättning individer som ej har deltagit som har samma (modellmässiga) sannolikhet att vara deltagare. Om ansatsen fungerar får vi två grupper, deltagare och icke deltagare, som initialt hade samma sannolikhet att vara deltagare  samma som randomiserade experiment

Vad vill jag komma… Prop. Score bygger på att man klarar av att modellera selektionen Den är olika för olika program – Exempelvis så är sannolikheten att starta eget betydligt större om föräldrarna varit egenföretagare. Ett faktum är också att män är klart överrepresenterade när det gäller att starta eget Fråga: Hur har detta hanterats i skattningarna?

Potentiell jämförelsegrupp av icke deltagare är ej självklar I rapporten jämförs en deltagande kvinna och man mot genomsnitt av andra icke deltagare, men könsdimensionen kan fångas på andra sätt: Kvinna deltagare vs. kvinna icke deltagare Kvinna deltagare vs. man deltagare Kvinna deltagare vs. genomsnitt av andra deltagare Kvinna deltagare vs. man icke deltagare

Att jämföra olika program och att ta till sig erfarenheter från andra länder – några generella reflektioner Vad är ett ’lyckat utfall’ av en arbetsmarknadspolitisk insats? – Riksrevisionen = fått heltidsjobb på den öppna arbetsmarknaden eller gått till studier – AF = Riksrevisionen + lite annat – I Nederländerna skulle exkludering av deltidsarbetssysselsatta (från 100% alös -> <100%) från lyckat utfall ses som obegripligt, medan subventionerade anställningar troligen inte skulle vara med. Problemet är att hur ett lyckat utfall definieras kan en ganska stor påverkan på effektestimaten (Månsson & Lundin, 2015) Olika definition av ’lyckat utfall’ för olika program? – SNV troligen rätt oproblematiskt – de får ju jobb i sitt eget företag – Arbetspraktik – troligen liten andel som går till jobb, men väl till subventionerade anställningar – Arbetsmarknadsutbildning – vet ej

Resultat av Arbetsmarknadspolitiskaprogram En utmaning inte bara för denna rapport utanför hela arbetsmarknadsområdet är att enas om något lämpligt utfallsmått. Inkomster kan vara ett sådant

Slutord Varför är det viktigt att titta på olika grupper? Alla ska ha rätt till samma behandling utan hänsyn till exempelvis kön, ursprungsland etc. eller alla ska ha rätt till det som är effektivast. Det förekommer olika typer av mekanismer som skapar skillnader i chansen att få ett jobb – Diskriminering – Segregering  olika typer av insatser kan vara olika effektiva för olika grupper (Relativa effekter) Kunskap om hur stora dessa eventuella skillnader är när det gäller chansen att få jobb är viktiga för en lyckad arbetsmarknadspolitik. Samtidigt är det naturligtvis viktigt att jobba mot diskriminering och segregering

Rekommendationer Rapporten är viktig i den meningen att det lyfter frågan om heterogenitet Utveckla selektionsmodellerna. Kartlägg mekanismer och handlingsmönster hos både individ och arbetsförmedlare inför programbeslut. Det är viktigare med en så hög intern validitet som möjligt. Relativa effekter borde vara intressant att studera. Bestäm utfallsmått - borde vara EU standard! Könsdimensionen är en heterogenitetsfaktor. Liknande upplägg bör kunna tillämpas på andra ’grupper’: utländskbakgrund, regionala skillnader, åldersgrupper (+55)..…