Nationalekonomerna Adrian Adermon (Uppsala), Mikael Lindahl (Göteborg) och Mårten Palme börjar sin artikel i American Economic Review från förra året med att konstatera att en hel del forskning de senaste åren har visat på betydelsen för ens egna sociala rörlighet inte bara av ens föräldrars resurser, utan också av familjens resurser längre tillbaka i tiden. Det finns två olika litteraturer som lagt fram detta argument. Den ena är forskning som länkar familjer över flera generationer: t ex Chan och Boliver (2013) om Storbritannien, Lindahl et al (2015) om fyra generationer i Sverige, och Long och Ferrie (2018) om USA och Storbritannien 1850-1910. Den andra är forskningen som använder efternamn och deras olika status-konnotationer för att studera social rörlighet över väldigt lång sikt: Greg Clarks The Son Also Rises (2014), Barone och Morettis (2016) uppmärksammade studie av Florens sedan 1400-talet, osv.
Det finns inget konsensus om graden av social rörlighet: perspektiven sprider sig ”from fairly high levels of mobility to almost perfect persistence”. Solon (2018) och Chetty et al (2014) är t ex starkt kritiska till Clarks efternamnsmetod — med vilken han får fram en bild av mycket låg social rörlighet.
Adermon, Lindahl och Palme använder svenska administrativa data för att skapa släktträd med fyra generationer. För ”barnen”, alltså den yngsta generationen i dessa släktträd använder de betygssnittet i nionde klass som mått på humankapital; för de äldre använder de för åren 1968-2009 data om högsta utbildning, arbetsinkomster och yrken för att mäta ”barnens” sociala bakgrund.
”Our results unambiguously suggest that long-run persistence in human capital is much stronger than what we get from the traditional child-parent regression model used in most empirical studies on intergenerational mobility in human capital outcomes. By restricting the analysis to child-parent regressions, one misses at least one-third of overall persistence. Using years of schooling as the outcome for the extended family members in the parental generation, we estimate long-run persistence to be 0.52. As a sensitivity analysis we show that these estimates are unaffected by omitted group effects, such as those stemming from schools or neighborhoods. ” (s. 1524)Clarks (2014) efternamnsmetod innebär att sådant som folk med samma efternamn kan ha gemensamt men som inte har med släktband att göra, som etnicitet eller regional tillhörighet, blandas ihop med själva släkteffekterna, och att man överskattar ens beroende av ens bakgrund (dvs underskattar den sociala rörligheten). Adermon, Lindahl och Palme mäter däremot mer direkt effekten av ens bakgrund, potentiellt tillbaka till farfars far.
Den yngsta generationen i datat är svenskar födda från 1972 till 1993, när utfallsmåttet är betyg i högstadiet, och från 1972 till 1983 för antal år av utbildning (så att alla ska ha chansen att läsa klart på universitetet innan mätperioden tar slut). Mor- och farföräldrar måste vara födda 1932 eller senare för att vara med i datat, så antalet kopplingar som de kan göra med år av utbildning faller drastiskt, och urvalet blir då biased till familjer med relativt unga föräldrar: t ex om farfar föddes 1940, pappa 1961 och sonson 1982. (s.1530) För de äldre generationerna kommer utbildningsinformationen från 1970 års folkräkning och från årliga register mellan 1985 och 2009; inkomsterna kommer från skatteregister och finns för 1968, 1971, 1973, 1976, 1979, 1982 och varje år från 1985 till 2009. Yrkesinformation finns i folkräkningarna vart femte år från 1970 till 1990.
Huvudresultaten visas i tabell 1 som visar resultatet för regressioner där utfallsvariabeln är snittbetyg i nian för 541 459 svenskar födda mellan 1972 och 1993, och de förklarande variablerna är hur mycket utbildning deras föräldrar, mostrar och morbröder, föräldrars kusiner m fl släktingar hade. Koefficienten på föräldrarnas utbildning är 0.36, så ett barn med föräldrar som hade en standardavvikelse mer utbildning än genomsnittsföräldrarna, förväntas ha ~1/3 standardavvikelse bättre betyg än medel. Koefficienten faller när man lägger till fler släktingar, och som lägst är den 0.28.
Med modeller som tar in fler släktingar, stiger summan av koefficienterna från 0.36 i bara föräldrar-modellen till 0.52 i den mest omfattande, som tar in rätt avancerade/avlägsna släktingar som din ingifta farbrors äldre syster. Man undrar ju lite hur man ska tolka att din farbrors syster har en egen effekt på din utbildningsnivå, bortom effekten av dina föräldrar och farföräldrar? Det kan ju inte gärna vara en genetisk effekt i alla fall med tanke på att även ingifta släktingar har effekter. Nån slags vagt bourdieusiansk miljöeffekt?
I ett appendix kontrollerar de om boendeort spelar roll, men det tar inte bort effekterna av de olika familjemedlemmarna. Jag är också intresserad av modellerna där de lägger till mor- och farföräldrar, och i en version t o m mor- och farföräldranas egna föräldrar. Kolumn 2 i tabell 2 visar att mor- och farföräldrarnas utbildning får en koefficient om 0.20 när bara den generationen räknas in; koefficienten krymper dock till 0.07 när föräldrar och / eller mor- och farföräldras föräldrar räknas in.
Adermon, Lindahl och Palme verkar dock inte särskilt förtjusta i dessa resultat; de hänvisar till att data är bättre för de senare generationerna och att skolsystemet är mer homogent för den sista och näst sista generationen i studien, i jämförelse med de två första. Och jo, man undrar ju också hur mycket variation det egentligen finns i utbildning för mor- och farföräldrarnas föräldrar!?
De kollar också särskilt på adopterade barn, där man alltså kan skilja miljöfaktorer från genetiska faktorer i utbildningens ärftlighet. Samplet är mindre och precisionen följaktligen sämre, men koefficienterna i den förväntade riktningen finns fortfarande där. Koefficienten av föräldrar är nu 0.10 vilket är rätt mycket mindre än 0.36 i tabell 1, vilket antyder att genetik spelar en viktig roll; summan av koefficienterna är i de mest omfattande familjemodellerna 0.15.
Referens
Adrian Adermon, Mikael Lindahl och Mårten Palme (2021) ”Dynastic Human Capital, Inequality,
and Intergenerational Mobility”, American Economic Review 111, nr 5. Läs här.
