UPPSATSER Kulturgeografiska institutionen

Har kvinnor förändrade pendlingsmönster? En kvantitativ studie om kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat

Karin Svensson

Kurs: 2KU039: Uppsats STS - kulturgeografi, 15 hp Termin: VT2020 Handledare: Jan Amcoff Kursansvarig: Cecilia Bygdell

ABSTRACT Svensson, K. 2020. Har kvinnor förändrade pendlingsmönster? En kvantitativ studie om kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat. Uppsatser Kulturgeografiska institutionen, Uppsala universitet.

Det finns en löneskillnad mellan kvinnor och män som tidigare till viss del förklarats med hänvisning till pendling, eftersom män pendlar i högre utsträckning än vad kvinnor gör. Idag har kvinnor en högre utbildningsnivå än män. Eftersom tidigare studier visar på ett samband mellan utbildning och pendling undersöker föreliggande studie antagandet att kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå ökat. För att undersöka detta analyseras skillnader mellan mäns och kvinnors pendlingsmönster över både tid och rum, samt samband mellan utbildningsnivå och pendling. Detta görs genom en kvantitativ metod baserad på data över Sveriges befolkning. Resultatet visar på att kvinnors pendlingsmönster har förändrats, i många avseenden på andra sätt än mäns. Framförallt har pendlingsbenägenheten ökat mer för kvinnor än för män, vilket skulle kunna förklaras med kvinnors ökade utbildningsnivå, och går således i linje med det antagande som studien baseras på. Om det verkligen är så att förändringen beror på den ökade utbildningsnivån eller av andra anledningar är dock oklart, eftersom utbildningsnivå och pendling inte tycks ha det tydliga samband som tidigare sagts.

Keywords: Pendling. Utbildningsnivå. Genusskillnader. Spatiala data.

Handledare: Jan Amcoff

INNEHÅLLSFÖRTECKNING

1. INLEDNING ...... 1 1.2 Syfte och frågeställningar ...... 2 1.3 Avgränsningar ...... 2

2. TEORI ...... 3 2.1 Genus ...... 3 2.2 Pendling ...... 3 2.3 Arbeten inom reproduktion respektive produktion ...... 5

3. TIDIGARE STUDIER ...... 6

4. METOD ...... 7 4.1 Kvantitativ metod ...... 7 4.2 Analys av spatiala data ...... 7 4.3 Datamaterial ...... 8 4.4 Tillvägagångsätt i verktygen SPSS, Excel och ArcGIS ...... 9 4.5 Datatillförlitligheten ...... 9 4.6 Gränsdragning pendelavstånd ...... 10 4.7 Gränsdragning inpendlingsorter ...... 11

5. RESULTAT ...... 12 5.1 Kvinnors benägenhet att pendla ...... 12 5.2 Skillnader i pendlingsavstånd mellan pendlande män och kvinnor ...... 17 5.3 Utbildningsnivås samband med pendling ...... 21

6. DISKUSSION ...... 26

7. AVSLUTNING ...... 29

KÄLL- OCH LITTERATURFÖRTECKNING ...... 30

BILAGA: LISTA ÖVER INPENDLINGSORTER ...... 32

1. INLEDNING

Enligt Statistiska centralbyrån (SCB) tjänar män mer än vad kvinnor gör. Jämförs kvinnors och mäns löner för år 2018 tjänar kvinnor i genomsnitt 89 procent av vad män tjänar, en löneskillnad på 11 procent. En del av denna skillnad menar SCB beror på att män och kvinnor jobbar i olika delar av arbetsmarknaden och har olika typer av utbildning. Tas hänsyn till detta, det vill säga görs en standardavvägning, erhålls resultatet att det ändå skiljer sig 5 procent mellan mäns och kvinnors löner. För den här skillnaden kan SCB inte hitta någon enkel förklaring (SCB, 2020). Denna löneskillnad har till viss del tidigare förklarats med hänvisning till pendling, då män pendlar i högre utsträckning än vad kvinnor gör (SCB, 2020). Anledningen är att pendling, genom att möjliggöra fler val på arbetsmarknaden, kan ses som en viktig del för att individer ska kunna göra karriär och avancera lönemässigt (Gil Solá, 2013, s. 1). Ett ytterligare faktum är att högutbildade pendlar i högre utsträckning och längre sträckor än de med lägre utbildning (Jönsson & Scholten, 2010, s.17; Niedomysl & Malmberg, 2010, s.50). Det anses alltså finnas ett samband mellan pendling och utbildningsnivå. Idag har 49 procent av kvinnor mellan 25–64 år en postgymnasial utbildning, och motsvarande siffra för män är 38 procent. Betydligt fler kvinnor än män har följaktligen en postgymnasial utbildning. Jämförs dessa siffror med hur det såg ut för året 1990 är andelen 23 procent för kvinnor och 22 procent för män (SCB, 2020). Kvinnors utbildningsnivå är alltså högre, men löneskillnaderna kvarstår. Här väcks ett antal frågor. Kvinnors utbildningsnivå har ökat. En ökning som skiljer sig från mäns. Har detta påverkat kvinnors pendlingsmönster? Är sambandet mellan pendling och utbildningsnivå så tydligt som tidigare sagts? Utifrån dessa frågor formas det antagande som denna studie ämnar undersöka: att kvinnors utbildningsnivå har ökat på ett sätt som skiljer sig från mäns, och att denna utveckling har påverkat kvinnors pendlingsmönster. Denna studie ämnar undersöka detta i en svensk kontext, utifrån geografisk räckvidd på arbetsmarknaden. Detta görs med en kvantitativ undersökning av geografiska data, även benämnt som spatiala data. Jämförelser kommer att ske över tid, men också över rum. Tidsaspekten grundas i att jämförelser kommer att ske mellan åren 1990 och 2017. Den rumsliga aspekten baseras på att datasetet är geografisk kodat, vilket möjliggör jämförelser på en geografisk mer specifika nivå än Sverige som helhet. Detta möjliggör att undersöka om kvinnors pendlingsmönster utvecklats på olika sätt beroende på exempelvis om pendling sker till storstad eller landsbygd, men även om det finns tätorter som sticker ut från den generella utvecklingen i Sverige och vad det i så fall kan ha för betydelse. Intresset att undersöka kvinnors pendlingsmönster grundar sig i Sveriges politiska mål. Regeringen har ett övergripande jämställdhetsmål som lyder: att kvinnor och män ska ha samma makt att forma samhället och sitt eget liv (Regeringen, 2020). I denna studie kommer skillnader mellan mäns och kvinnors pendlingsmönster att analyseras. Skillnader i pendling i sig kanske inte ett problem, men är de på grund av strukturella skillnader mellan mäns och kvinnors möjligheter och restriktioner utgörs de möjligtvis av ojämställdhet (Gil Solá, 2013, s.239). Studien ämnar alltså visa på eventuella skillnader, men lämnar till läsaren att bedöma vad som är positivt eller negativt jämställdhetsmässigt. Att undersöka antagandet att kvinnors utbildningsnivå har ökat på ett sätt som skiljer sig från mäns, och att denna utveckling har

1

påverkat kvinnors pendlingsmönster är även intressant för att pröva tidigare studier, att utbildningsnivå påverkar i vilken utsträckning pendling sker. Flertalet tidigare studier har gjorts på ämnet pendling ur ett genusperspektiv, såväl med kvalitativa som kvantitativa metoder. Tidigare kvantitativa metoder tycks baserats på data från Sverige som helhet. Denna studie ämnar bidra med en ny bild inom detta relativt uppmärksammade område genom att undersöka pendlingsmönster på en geografisk mer specifik nivå. Relevansen för studien ges även av anledningen att testa antagandet att kvinnor har ett förändrat pendlingsmönster på grund av en ökad utbildningsnivå som skiljer sig från mäns. Detta är ett antagande som det förefaller inte ha gjorts några tidigare studier om. I och med att data från år 2017 används ger studien en relativt aktuell bild av detta.

1.2 Syfte och frågeställningar Det övergripande syftet med studien är att undersöka om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. För att utreda detta undersöks skillnader mellan mäns och kvinnors pendlingsmönster, både över tid och rum. Vidare ämnas den generella utbildningsnivåns påverkan på pendling att undersökas, vilket kan användas för att förstå och förklara skillnader mellan mäns och kvinnors pendlingsmönster och anledningar till att kvinnor har, alternativt inte har, förändrade pendlingsmönster. För att besvara syftet används följande frågeställningar: • Hur ser kvinnors pendlingsmönster ut jämfört med mäns? • Finns variationer i skillnader mellan mäns och kvinnors pendlingsmönster beroende på tid och rum? • Hur ser sambandet mellan utbildningsnivå och pendling ut?

1.3 Avgränsningar Studiens geografiska avgränsning är Sverige. Avgränsning kring vad som definieras som pendling och inpendlingsort diskuteras grundligt i metodavsnittet, men vad som ändå bör nämnas här är att denna studie behandlar dagspendling. Genom studien används ordet pendling, men det som syftas på är enbart dagspendling, och inte begreppet pendling i stort vilket även innefattar veckopendling.

2

2. TEORI

För att studiens problemformulering ska bli begripligt kommer här begreppet genus att presenteras. Teoriavsnittet innehåller även teori kring drivkrafter för pendling samt hur insikten om traditionellt kvinnliga och manliga arbeten och dess lokalisering kan användas i analysen kring pendling med ett genusperspektiv.

2.1 Genus Skillnader mellan män och kvinnor som är i fokus för denna studie är skillnader mellan faktiskt pendling, baserat på kvantitativa data. Dessa skillnader finns av anledningar, som i denna studie antas vara socialt konstruerade, och därmed föränderliga. Detta är även utgångspunkten för begreppet genus. Genusteorier växte fram under 1980-talet, och syftar på de socialt konstruerade skillnaderna mellan kvinnor och män, relaterade till de biologiska skillnader som finns mellan könen, men inte könstillhörigheten i sig. Här skiljs alltså på det som är kvinna/man, det vill säga könstillhörigheten och det som är kvinnligt/manligt, det vill säga genus (Hirdman, 2003). Begreppet genus kan användas i analysen av skillnader mellan mäns och kvinnors pendlingsmönster av anledningen att eventuella skillnader då antas vara föränderliga. Det är denna föränderlighet som gör att det finns ett syfte i att undersöka skillnaderna i pendling över tid.

2.2 Pendling En individ påverkas på många olika sätt av pendling, exempelvis genom en högre inkomst och möjligheten att avancera karriärmässigt, men också konsekvenser såsom tidsåtgång (Öhman & Lindgren, 2003, s. 4). I följande avsnitt kommer drivkrafter bakom pendling att diskuteras. Öhman och Lindgren har tagit fram en teoretisk modell för att förstå drivkrafterna bakom långdistanspendling. De listar sju drivkrafter för långdistanspendling: Individuella egenskaper, hushållets sammansättning, sociala kontakter, bostadsmarknad, transportmedel, arbetsmarknad samt attityder och normer. (Öhman & Lindgren, 2003, s. 7) Denna studie fokuserar inte på långdistanspendling, vilket är den pendlingsform som den teoretiska modellen tar avstamp i. Den teoretiska modellen anses dock kunna användas för denna studie, det vill säga att även förstå drivkrafterna bakom dagspendling. Anledningen till detta är att dessa drivkrafter antas betydande även för dagspendling. Samtliga faktorer är relevanta, men vissa antas vara av större vikt för långdistanspendling kontra dagspendling. Exempelvis är bostadsmarknaden en faktor som troligtvis är en större drivkraft för långdistanspendlare. Till exempel: jobbar en person i Stockholm men bor i en småstad på landet blir skillnaden i bostadspriser stora. Detta bedöms inte påverka analys och diskussion för denna studie och modellen är därför lämplig som ett teoretiskt ramverk för denna studie.

3

Individuella egenskaper Hushållets Attityder och sammansättning normer

Pendling Sociala kontakter Transportmedel

Bostadsmarknaden Arbetsmarknaden

Figur 2.1. En konceptuell modell över drivkrafterna bakom pendling. Översättning och modifiering av mig. Grundmaterial Öhman & Lindgren (2003).

Öhman och Lindgren menar att Individuella egenskaper som har betydelse är: ålder, kön, utbildningsnivå samt om individen är utrikes-född. Hushållets sammansättning, då en partner och eller hemmavarande barn leder till en mer komplicerad tillvaro att kombinera med pendling. Få människor flyttar till ställen där de inte känner någon, därför har sociala kontakter påverkan på valet att bo kvar på en plats med rikligt socialt nät, och därav välja att pendla istället för att flytta. Arbetsmarknaden ser olika ut för större städer kontra landsbygd. Större städer har en högre andel kvalificerade jobb, vilket enligt Öhman och Lindgren leder till att individer som har höga karriäranspråk attraheras till större städer. Arbeten inom exempelvis handel och omsorg finns däremot över hela landet. Bostadsmarknaden går hand i hand med arbetsmarknaden. På ställen där arbetsmarknaden är ”het”, är även bostadsmarknaden det, vilket kan leda till en avvägning för individen mellan närhet till arbete eller lägre bostadspriser. Vidare menar Öhman och Lindgren att närhet till goda alternativ för transportmedel är en viktig drivkraft för att pendla. Finns alternativ för pendlingen som är tids- och kostnadseffektiva ökar drivkraften att pendla. Sist men inte minst menar Öhman och Lindgren finns attityder och normer kring pendling som påverkar en individs vilja att pendla. Dessa baseras på individens livsstil och prioriteringar, men även vad som socialt anses som norm. Exempelvis vad som anses som rimlig tid att lägga på pendling, prestige kring att göra karriär eller vilken hemmamiljö som anses passande att uppfostra barn i. (Öhman & Lindgren, 2003, s. 7–10) För denna studie kommer fokus ligga på individuella egenskaper (kön och utbildningsnivå), av anledningen att det är dessa faktorer som är intressant att studera utifrån studiens syfte. Eftersom geografiska jämförelser görs kan även sägas att faktorerna arbetsmarknad och bostadsmarknad till viss del berörs. Modellen används dels som bakgrund till studiens syfte då den förklarar att kön och utbildningsnivå faktiskt har betydelse för

4

pendling, och av detta ges ett värde i att studera dessa. Dessutom visar teorin att pendling anses möjliggöra högre inkomst och möjlighet att avancera karriärmässigt, vilket är det faktum som studiens problemformulering bygger på.

2.3 Arbeten inom reproduktion respektive produktion Nedan följer resonemang kring skillnader mellan mäns och kvinnors arbeten. Dagens samhälle har en arbetsuppdelning mellan kvinnor och män, vilket är viktig att förstå för att kunna analysera skillnader i pendlingsmönster. Traditionellt sett har kvinnor haft ett större ansvar för hem och familj medan män dominerat både politik och arbetsliv. För att undvika att använda begrepp om vad som traditionellt sett varit manligt respektive kvinnligt introduceras här begreppen reproduktion och produktion. (Larsson & Jalakas, 2014, s. 47) Reproduktion är en term som innefattar framförallt obetalt arbete, men även betalt arbete, i form av exempelvis arbete inom vård och skola (Larsson & Jalakas, 2014, s. 47–48). En stor del av dessa arbetsuppgifter har flyttat ut i det offentliga rummet från att tidigare främst ha skötts i hemmet, exempelvis barnomsorg och äldrevård (Gil Solá, 2013, s. 53). Termen produktion är kopplat till lönearbete, främst framställande av varor och tjänster. Dessa begrepp, reproduktion och produktion, knyter inte an till kvinnor och män men lyfter ändå fram olika erfarenhetsvärldar (Larsson & Jalakas, 2014, s. 48). Produktiva respektive reproduktiva arbete har till stor del olika lokalisering i stad och region. Arbeten inom reproduktion är ofta lokaliserade nära till exempel eleven eller vårdtagaren, det vill säga nära bostadsområden. Detta betyder inte att de nödvändigtvis är lokaliserade i de bostadsområden som läraren eller vårdaren bor, men vad det resulterar i är att dessa arbeten är utspridda både inom städer men även över hela landet i stort. Arbetstillfällen inom den produktiva sfären är ofta lokaliserade i perifera industriområden, och därmed inte lika utspridda över stad och region (Gil Solá, 2013, s. 53). Det är även så att arbetstillfällen som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Öhman & Lindgren, 2003, s. 5). Green diskuterar detta ytterligare och menar att det inte bara är utbildningsnivå i sig, utan faktumet att ha höga anspråk på en karriär som attraherar en individ till storstadsområden, då det i många fall är där karriärsmöjligheter finns (Green, 1997, s.653). Kontentan från teorin kring reproduktiva respektive produktiva arbeten och dess lokalisering är det faktum att vi har en arbetsmarknad som är uppdelad. Uppdelad både vad det gäller vilka arbeten som anses kvinnliga eller manliga men även var dessa arbeten är lokaliserade. Ett ytterligare faktum är att storstadsregioner attraherar dels personer med hög utbildningsnivå, dels personer med höga karriärsanspråk. Dessa teorier är relevanta för studiens syfte med anledning att undersöka skillnader mellan mäns och kvinnors pendlingsmönster beroende på den rumsliga aspekten, det vill säga exempelvis om kvinnors pendlingsmönster utvecklats på olika sätt beroende på om pendling sker till storstad eller landsbygd.

5

3. TIDIGARE STUDIER

Ett flertal studier har tidigare gjorts på ämnet pendling ur ett genusperspektiv. För syftet till denna studie finns värde i att lyfta fram studier som förklarar skillnader mellan kvinnors och mäns pendling. Syftet för denna studie är dock inte att undersöka förklaringarna i sig, utan att visa på eventuella skillnader i pendlingsmönster. Anledningen att presentera dessa är därför att de kan användas för att förstå och diskutera studiens resultat. En förklaring som MacDonald lyfter fram som antas förklara skillnader mellan kvinnors och mäns pendling är att kvinnor tjänar mindre (MacDonald, 1999). Kvinnors lägre löner är en aspekt som även Gil Solá menar kan förklara detta (Gil Solá, 2013, s. 23). Också Sandow och Westin lyfter socioekonomiska och demografiska faktorer, till exempel inkomst, utbildning och yrkesstatus, eftersom män generellt sett har en högre inkomst, och studier har visat på ett samband mellan hög inkomst och längre pendling (Sandow & Westin, 2006, s.31–32). Sandow och Westin, Gil Solá och MacDonald menar att det finns förklaringar i sociala roller som resulterar i att kvinnor tar ett större ansvar för arbetsuppgifter i hemmet. Att kvinnor har ett större hushållsansvar och är mer bundna till hemmet antas leda till skillnader mellan kvinnors och mäns pendling. Här menar MacDonald även att kvinnans behov att koordinera rollerna som förälder och arbetstagare spelar in, vilket är ett dilemma som påverkar kvinnor i högre grad än män. Kulturella förklaringar, att rörlighet är närmare förknippat med manlighet medan kvinnlighet associeras med platsbundenhet i högre grad är även det en förklaring till skillnader i pendlingsmönster (Sandow & Westin, 2006, s.31–32; Gil Solá, 2013, s. 23; MacDonald, 1999). MacDonald menar att pendlingsmönster även påverkas av en spatial missanpassning mellan bostadsområden och jobbmöjligheter, vilket är något som påverkar såväl kvinnor som män, men som kan spela en roll för hur skillnader i pendlingsvanor mellan män och kvinnor ter sig (MacDonald, 1999). Sandow och Westin menar vidare att en anledning till pendlingsskillnader mellan män och kvinnor kan vara en konsekvens av en uppdelad arbetsmarknad (Sandow & Westin, 2006, s.31– 32). Detta anser Gil Solá och MacDonald får konsekvenser, då arbetsplatsers lokaliseringsmönster skiljer sig mellan kvinnor och män eftersom de reproduktiva arbetsplatserna är mer utspridda geografiskt än vad arbetsplatser inom produktion är (Gil Solá, 2013, s. 23; MacDonald, 1999). Sammanfattningsvis tar tidigare studier upp förklaringar mellan mäns och kvinnors pendlingsmönster som grundar sig i skillnader i lön, könsroller och kulturella förklaringar, en uppdelad arbetsmarknad samt en spatial missanpassning mellan bostadsområden och jobbmöjligheter. Dessa förklaringar kan användas för att diskutera studiens resultat, närmare bestämt varför det går eller inte går i linje med antagandet att kvinnors ökade utbildningsnivå har påverkat deras pendlingsmönster.

6

4. METOD

I detta kapitel kommer val av metod presenteras och motiveras. Vad användning av kvantitativ metod och framförallt spatiala data möjliggör för typ av analys presenteras, en beskrivning av datamaterialet och beskrivning av tillvägagångsätt i de använda verktygen ges, samt resonemang kring datatillförlitlighet och gränsdragningar. Studien har genomförts med en kvantitativ metod baserad på spatiala data. Utöver den kvantitativa metoden förs en litteraturgenomgång. Genom att komplettera den kvantitativa analysen med teorier och tidigare studier ämnas en trovärdig diskussion av studiens resultat föras.

4.1 Kvantitativ metod Enligt Holme och Solvang möjliggör en kvantitativ metod statistiska generaliseringar, det vill säga att med en viss säkerhet kunna uttala sig kring mönster kring ett visst fenomen, genom att en tvärsnittsinformation erhålls. En kvantitativ metod karakteriseras av strukturering, till exempel genom att standardisera upplägget för undersökningen. Styrkan i en kvantitativ metod ligger till stor del i att detta tillvägagångsätt möjliggör generalisering. Svagheten ligger i att det inte garanteras att den information som fås fram kommer att kunna besvara undersökningens frågeställning, till exempel om vi inte fått med rätt information i datainsamlingen. En annan svaghet med en kvantitativ metod är att nyanser och flexibilitet i data är begränsat. (Holme & Solvang, 1997) En kvantitativ metod bygger historiskt sett kring ett ideal om en objektiv och förutsättningslös vetenskap, ett ideal som härstammar från naturvetenskapen (Comte, 1844). I och med att det är en objektiv bild som denna studie ämnar bidra med, och inte en studie över åsikter eller upplevelser, är därför en kvantitativ studie ett givet val. Dock bör slutsatser och tolkningar med försiktighet dras från en undersökning som baseras på siffror. Bara för att ett fenomen kan beskrivas med siffror, innebär det inte att detta är den objektiva sanningen. Anledningen lyder att en kvantitativ studie inte är förutsättningslös. Tvärtom så bygger, likt en kvalitativ studie, även en kvantitativ studie på att forskaren utgår från förutsättningar och gör val, både i hur data samlas in men även till exempel i vilka data som analyseras. Dessutom kan siffror framställas på olika sätt genom att tas ur sammanhang eller sättas i kontext till andra siffor, vilket kan ge stora skillnader för hur siffrorna tolkas. (Holme & Solvang, 1997)

4.2 Analys av spatiala data Med spatiala data menas data som är kopplad till en geografisk plats. Allting som händer sker givetvis på en plats, men i många fall, som för till exempel viss typ av experimentell forskning, är platsen inte av vikt för resultatet. I dessa fall läggs då sällan information om geografisk plats in i exempelvis en databas. För många sociala processer har däremot platsen betydelse, och det är av denna anledning en spatial analys kan vara av värde (Haining, 2003, s. 15–16). Enligt Tobler grundas detta i att ”everything is related to everything else, but near things are more related than distant things”, vilket benämns som Tobler’s First Law of Geography. Detta implicerar att platsen spelar roll för vad för vad som observeras, och i förlängningen att en spatial analys kan avslöja samband och mönster för olika företeelser. (Tobler, 1970)

7

Eftersom datamaterialet för denna studie är geografiskt kodat, möjliggörs en spatial analys. För att hantera spatiala data används i de flesta fall analysverktyget Geografiskt informationssystem (GIS). GIS är ett verktyg som integrerar geografisk information till en samlad modell, där sedan analyser kan genomföras för att till exempel se samband mellan företeelser utifrån dess geografiska plats (Grigonis m.fl. 2011).

4.3 Datamaterial Datamaterialet som använts kommer från Statistiska centralbyrån (SCB). SCB är en av Sveriges ansvariga statistikmyndigheter, och ansvarar för officiell statistik och annan statlig statistik. SCB ska, på uppdrag av riksdagen, förse kunder med statistik av god kvalitet. Statistiken ska kunna användas som underlag för beslutsfattande, debatt och forskning (SCB, 2020). Med tanke på SCB:s ställning kan trovärdigheten för myndigheten anses vara hög och risken att datamaterialet skulle vara manipulerat är därför liten. Datamaterialet består av tre dataset, innehållande data från 1990, 2004 respektive 2017. Dataseten innehåller datapunkter aggregerade till boende, baserat på folkbokföring, per kvadratkilometer. För varje kvadratkilometerruta anges antalet individer som har en arbetsplats i en viss tätort, alternativt arbetsplats på landsbygd. SCB definierar en tätort som en sammanhängande bebyggelse med minst 200 invånare (SCB, 2020). För att illustrera följer ett anonymiserat utklipp ur datasetet.

Koordinater ost (km) Koordinater nord (km) Tätort Antal förvärvsarbetare XXXX YYYY 1 XXXX YYYY A 1 XXXX YYYY B 1 XXXX YYYY C 1 XXXX YYYY D 3

Tabell 4.1. Exempeldata

Exemplet i tabell 4.1 visar data för samma kvadratkilometerruta, närmare bestämt med koordinaterna XXXX km ost och YYYY km nord. Tabellextraktet visar hur många av kilometerrutans invånare som har sin arbetsplats i respektive tätort. Av de boende i denna kvadratkilometerruta är det alltså totalt 7 stycken som är förvärvsarbetare, 3 individer har sin arbetsplats i tätort D, 1 individ i tätort A, B respektive C samt 1 individ som har sin arbetsplats registrerad utanför vad som SCB klassar som tätort, det vill säga landsbygden. Registrerad arbetsplats på landsbygd visar alltså tomt i fältet Tätort. För att sammanfatta detta: varje rad i datasetet innefattar personer som bor i samma kvadratkilometerruta och jobbar i samma tätort. Utöver det totala antal individer som förvärvsarbetar i respektive tätort finns kolumner som anger egenskaper hos individerna per rad. Exempelvis kön och utbildningsnivå. Eftersom datamaterialet är aggregerat till boende per kvadratkilometerruta visas inte explicit om det är män eller kvinnor som har en specifik utbildningsnivå. Datamaterialet möjliggör alltså inte undersökning kring utbildningsnivå hos specifika grupper av pendlande kvinnor, exempelvis för de specifika tätorter som lyfts fram i studien. De specifika tätorter som

8

lyfts fram har kvinnliga pendlingsmönster som sticker ut från det generella resultatet. Hade dessa orters kvinnliga pendlares utbildningsnivå kunnat undersökas hade en rumslig dimension adderats som troligen hade kunnat stärka det empiriska resultat som denna studie visar.

4.4 Tillvägagångsätt i verktygen SPSS, Excel och ArcGIS De verktyg som använts för att hantera och analysera datamaterialet för denna studie är SPSS, Excel och ArcGIS. SPSS är ett datorprogram för statistisk analys. Datamaterialet var ursprungligen på det format som detta program hanterar, och det var därför i detta program som den första hanteringen av datamaterialet gjordes. I SPSS utfördes filtrering för att ta ut dataset över vilka som enligt studiens kriterier klassas som pendlare. Sedan användes GIS-programmet ArcGIS 10.4.1, utvecklat av Esri, för att utforska dataseten. Det var dock i verktyget Excel som dataanalysen genomfördes. I Excel användes pivottabeller för att aggregera datapunkter till tätorter, för att utifrån detta kunna göra indelningar för inpendlingsorter. Anledningen till att resultatet valdes att presenteras med tabeller gjorda i Excel, istället för visualiseringar i form av kartor framställda i ArcGIS, var att resultatet anses presenteras på ett tydligare och mer lättförståeligt sätt.

4.5 Datatillförlitligheten Datamaterialet som använts i analysen lämpar sig väl för studiens syfte. Det är dock ett antal aspekter kring datatillförlitligheten som bör nämnas. Pendlingsavstånd baseras på folkbokförings- till arbetsställefastighetens respektive mittpunkt med en upplösning på 100 meter. Detta är ett euklidiskt avstånd, vilket alltså inte beskriver tidsåtgång, färdsätt eller faktiskt pendlingsavstånd som en individ färdats till sin arbetsplats. Tidigare studier visar på att individen bryr sig mer och den tid som spenderas på pendling än det faktiska avståndet (Öhman & Lindgren, 2003, s.11). Färdsätt eller tidsåtgång är tyvärr inte inkluderat i denna studie, på grund av avsaknad av sådan data och den begränsade omfattningen av studien. Utifrån det euklidiskt uträknade avståndet beräknas ett medelpendlingsavstånd för individerna inom en viss kvadratkilometerruta till en viss tätort. Det har givetvis betydelse att det är just ett medelavstånd för boende inom en viss kvadratkilometerruta, även om rutor om kvadratkilometer i detta sammanhang är ett geografiskt noggrant mått, säger det av sig själv att en felmarginal bör beaktas. För pendling till tätorter är detta av ringa betydelse, då skillnaden mellan de olika individernas pendlingsavstånd i regel är plus minus några hundra meter. Desto mer problematiskt är detta för pendlingsavstånd till landsbygd. Pendling till landsbygd kan innebära pendling till nära landsbygd, likväl som landsbygd i någon helt annan del av landet. Därför blir detta ett medelpendlingsavstånd med betoning på medel, och inga analyser bör göras utifrån detta avstånd. Problematik finns även kring just folkbokföring. Tidigare studier har visat på brister i denna data, av flera olika anledningar. Ett exempel är att unga vuxna i allt högre grad verkar vara skrivna i sina föräldrahem på andra orter trots att de flyttat till större städer (Öhman & Lindgren, 2003, s.20). Att datamaterialet baseras på kvadratkilometerrutor är övervägande en stor fördel. Det möjliggör att kartlägga pendling oberoende av godtyckliga geografiska indelningar, exempelvis kommungränser. SCB definierar i arbetsmarknadsstatistiken pendling som att vara folkbokförd

9

och ha en registrerad arbetsplats i olika kommuner (SCB, 2020). Det är även på detta sätt som många tidigare studier definierat pendling. Här menar Amcoff att en analys baserad på kommuner som minsta geografisk byggsten inte ger en bra bild av pendlingens utsträckning, eftersom kommungränser är godtyckliga och konstruerade för helt andra ändamål än att studera pendling (Amcoff, 2008, s.77–82).

4.6 Gränsdragning pendelavstånd Trots flera tidigare studier gjorda på pendling finns ingen entydig definition för vad som definierar en pendlare. Eftersom denna undersökning baseras på avstånd krävs en gränsdragning gällande avstånd för vad som ska räknas som pendling. Detta är inte trivialt, eftersom det är stor skillnad i hur långt en individ tar sig på en viss tid beroende på färd i stad eller landsbygd. Att göra en gränsdragning för vad som anses som pendling är därför godtyckligt (Gil Solá, 2013, s. 79–80), och argumenten för att inte göra en gränsdragning är kraftiga. Detta har tagits i beaktning. För studiens syfte anses dock en gränsdragning nödvändig. Anledningen för en undre gränsdragning är att visa på skillnader mellan män och kvinnor för de som faktiskt pendlar, och inte skillnader i avstånd till arbetsplats generellt. Detta baseras på studiens syfte, att undersöka skillnader i pendlingsmönster och inte skillnader i generella rörelsemönster till arbetsplatser. Av denna anledning har en gränsdragning för ett minimumavstånd valts. Avståndet valdes till 20 km, vilket är valt för att spegla en resa som från dörr till dörr kan tänkas ta cirka 30–45 minuter, och är således en betydande investering i tid. 20 km är ett avstånd som de flesta inte anser som gång eller cykelavstånd, utan ett färdmedel som bil eller kollektivtrafik kan antas användas, och är således en betydande investering även i pengar. Eftersom pendling kan inbegripa en betydande investering i tid och pengar klassas alltså ett avstånd på över 20 km enligt denna studie som pendling. Det är önskvärt att skilja mellan dagspendling och veckopendling eftersom de påverkar vardagen på olika sätt (Gil Solá, 2013, s. 80). Syftet för denna studie är att undersöka daglig pendling, och att exkludera resor som bedöms som orimligt långa att genomföras i vardagen anses därför motiverat. Även här är en gränsdragning godtycklig, men anses alltså vara nödvändig för att spegla studiens syfte. Öhman och Lindgren, som studerar långdistanspendling väljer en undre gräns till 200 km. Denna gränsdragning baseras på resonemanget att det kan antas rimligt att pendla upp till 200 km på daglig basis. Gränsen var avsiktligen satt hög för att skilja på dags- och veckopendling (Öhman & Lindgren, 2003, s.12). Öhman och Lindgrens studie används som stöd för att för denna studie sätta den övre gränsen till 200 km. Sammanfattningsvis är alltså det urval som gjorts ett pendlingsavstånd mellan 20 och 200 km. Som datasetet ser ut, med datapunkter aggregerade till boende per kvadratkilometer bör nämnas att det är de kilometerrutor med avstånd mindre än 20 km eller över 200 km som har uteslutits, och alltså inte individerna med pendlingsavstånd inom grupperna. Eftersom varje rad motsvararar en viss tätort bör detta vara ungefär samma sak och därför av ringa betydelse för dataanalysen. Det är mer problematiskt för pendling till landsbygd, då det som nämnt beror på medelpendlingsavståndet för de som pendlar till landsbygd, där individernas olika avstånd kan tänkas skilja sig mer.

10

4.7 Gränsdragning inpendlingsorter Utöver gränsdragningen för vilka som anses som pendlare används i dataanalysen en gränsdragning för inpendlingsorter, för att möjliggöra analys för skillnader i pendling utifrån storlek på inpendlingsort. Detta görs för att kunna se eventuella mönster för skillnader i mäns och kvinnors pendling mellan exempelvis landsbygd eller stora inpendlingsregioner. Gränsdragningen baseras i grunden på antal inpendlare år 2004, med undantag för kategorin landsbygd. I kategorin landsbygd hamnar de som pendlar till en arbetsplats som inte ligger i en tätort, det vill säga inte har en tätortskod. I kategorin liten inpendlingsort hamnar de pendlare som har en arbetsplats i en tätort som har färre än 1000 inpendlare år 2004. För medelstor inpendlingsort är denna siffra mellan 1000 och 10 000 inpendlare år 2004 och för stor inpendlingsort är siffran över 10 000 inpendlare år 2004. Gränserna 1000 och 10 000 valdes utifrån en metod av testning. Olika gränsdragningar testades för att ta fram listor av vilka tätorter detta resulterade i. De valda gränserna anses spegla vad kan tänkas motsvara små tätorter, medelstora städer och storstäder. För att möjliggöra jämförelser mellan årtalen valdes att basera gränsdragningen för årtalet 2004 på samtliga år. Anledningen är att om en gränsdragning endast görs utifrån antal inpendlare för respektive år skiljer sig det mellan åren för vilka tätorter som hamnar inom respektive kategori. Exempelvis hamnar 4 tätorter inom kategorin stor inpendlingsort 1990, 10 stycken 2004 och 14 stycken 2017. Detta beror på det generellt sett ökade antalet pendlare, vilket inte bara påverkar kategorin stor inpendlingsort, utan samtliga kategorier. Gränsdragningen gjordes alltså genom att ta ut kategorierna för år 2004 utifrån antal inpendlare för att sedan välja ut samma tätorter för 1990 och 2017. Urvalet för stora och medelstora inpendlingsorter är identiskt mellan åren. För kategorin liten inpendlingsort skiljer sig urvalet något, eftersom exakt samma tätorter inte förekommer i dataseten alla årtal. Denna skillnad beror på att vissa av tätorterna som inkluderas vissa årtal är så små att de inte definieras som tätorter övriga årtal. Det betyder alltså att ett antal mycket små tätorter med få (oftast 1) inpendlare inte inkluderas i urvalet för åren 1990 och 2017 eftersom de då inte heller finns med i urvalet år 2004. Eftersom detta gäller ett fåtal mycket små tätorter anses det inte påverka resultatet. Viktigt att betona är att eftersom gränsdragningen baseras på urvalet år 2004 är vissa tätorter, som antingen ökat eller minskat mycket i antal inpendlare långt från den ursprungliga uppdelningen på mindre än 1000, mellan 1000 och 10 000 och över 10 0000 inpendlare. Detta blir som tydligast i kategorin små inpendlingsorter år 2017, då det finns 25 tätorter (av 1733) som har fler än 1000 pendlare, fem av dem till och med mellan 1500 och 1700 inpendlare och ”borde” således istället klassas som medelstor inpendlingsorter. Ett test gjordes då dessa exkluderades, för att se hur resultatet påverkades. Dessa specialfall utgör 25 av 1733 tätorter, och en exkludering resulterade inte i något betydande skillnad i resultatet. För enhetlighetens skull gjordes därför valet att ha kvar dessa tätorter i kategorin utifrån kategorisering baserad på år 2004.

11

5. RESULTAT

I detta kapitel presenteras den empiriska delen av studien vilket görs genom att presentera tabeller samt skriftliga beskrivningar av dessa. Kommentarer görs löpande genom kapitlet, medan resultatet sätts i sin kontext först i nästa kapitel, diskussionen. Undersökningen kring skillnader i pendlingsmönster förs utifrån dels benägenheten att pendla, dels hur långt kvinnor respektive män är benägen att pendla. Dessutom undersöks samband mellan utbildningsnivå och pendling, vilket kan användas för att förklara varför resultatet som presenteras går i linje eller inte går i linje med det antagandet om kvinnors eventuellt förändrade pendlingsmönster, samt vilken roll den ökade utbildningsnivån har.

5.1 Kvinnors benägenhet att pendla Resultatet av dataanalysen bekräftar det faktum som presenterats i inledningen, att färre kvinnor än män pendlar. I tabell 5.1 presenteras en aspekt av förändringen i mäns och kvinnors pendlingsmönster mellan åren 1990 till 2017. Här jämförs det totala antalet individer som förvärvsarbetar med antalet som enligt studiens kriterier klassas som pendlare. Vad som presenteras är således något som kommer att benämnas som pendlingsbenägenhet. Tabell 5.1 visar på att den generella pendlingsbenägenheten har ökat. Vad som vidare kan utläsas är att kvinnors benägenhet att pendla ökat från 18,8 % till 22,1 % mellan åren 1990 och 2017, vilket är en ökning med 3,3 procentenheter. Motsvarande ökning för män är från 23,0 % till 26,5 %, vilket är en ökning med 3,5 procentenheter. Andelen kvinnor som pendlar har alltså ökat, men utmärker sig inte i detta avseende från andelen för män. Med andra ord har pendlingsbenägenheten ökat för såväl kvinnor som män. I detta fall kan dock antal procentenheter vara något missvisande, eftersom andelen kvinnor är betydligt lägre än andelen män. Därför beräknades även den procentuella förändringen. Vad som kan utläsas från tabell 5.1 är att den procentuella förändringen är 18 % för kvinnor och 15 % för män. Kvinnors pendlingsbenägenhet har alltså procentuellt sett ökat mer än mäns.

Förvärvsarbetare 1990 2004 2017 Totalt 5 053 446 4 998 464 5 712 774 Män 2 628 759 2 586 845 2 960 361 Kvinnor 2 424 687 2 411 618 2 752 400 Varav pendlare Totalt 1 061 950 1 125 594 1 394 386 Män 605 111 637 759 784 828 Kvinnor 456 839 487 835 609 558 Andel pendlare Totalt 21,0 % 22,5 % 24,4 % Män 23,0 % 24,7 % 26,5 % (+15 %) Kvinnor 18,8 % 20,2 % 22,1 % (+18 %)

Tabell 5.1. Antal förvärvsarbetare samt pendlare totalt, män och kvinnor. Tabellen visar även pendlingsbenägenhet och år 2017 dess procentuella ökning från år 1990.

12

Hur ser pendlingsbenägenheten ut för män respektive kvinnor om en uppdelning görs utifrån storlek på inpendlingsort? Med andra ord, finns det några rumsliga skillnader i mäns och kvinnors pendlingsmönster? Tabell 5.2 presenterar denna undersökning uppdelat för landsbygd, liten inpendlingsort, medelstor inpendlingsort samt stor inpendlingsort. Ett mönster som återfinns i tabell 5.2 är att andelen kvinnor som pendlar till liten, medel och stor inpendlingsort är lägre än andelen män, men högre för pendling till arbetsplats på landsbygden. Detta visar på att det finns en skillnad i pendlingsmönster mellan kvinnor och män, då kvinnor har en större benägenhet att pendla till landsbygden än till större inpendlingsorter än vad män har. Detta faktum ter sig på liknande sätt över åren, så någon större förändring över tid finns inte. Här bör nämnas att det är en stor andel av de som har sin arbetsplats på landsbygden som uppfyller de kriterier som enligt studien gör att de klassas som pendlare, det vill säga har mellan 20–200 km till sin arbetsplats. Detta är i sig inget förvånande, många som pendlar till landsbygden kommer lätt upp i de 20 km som gör att de klassas som pendlare. Därför bör denna procentsats inte jämföras med de andra inpendlingsorterna storleksmässigt. Att det är en högre andel kvinnor än andel män har dock inte med storleken på andelen att göra. År 2017 bör det finnas en betydande större pendlingsbenägenhet för kvinnor som pendlar till kategorin stor inpendlingsort än 1990. Detta grundar sig i det faktum som flera tidigare studier visat på, att yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003), samt det faktum som presenterats i inledningen, att kvinnor idag har en högre utbildningsnivå än män. Andelen kvinnor som pendlar till stora inpendlingsorter har enligt tabell 5.2 ökat från 10,3 % år 1990 till 13,5 % år 2017, det vill säga med 3,2 procentenheter. Beräknas den procentuella förändringen fås att kvinnors pendlingsbenägenhet till stora inpendlingsorter har ökat med 31 %. Motsvarande ökning för män är från 15,1 % år 1990 till 17,5 % år 2017, det vill säga 2,4 procentenheter. Den procentuella förändringen är 16 %. Här kan alltså konstateras att pendlingsbenägenheten till stora inpendlingsorter är lägre hos kvinnor än hos män, men att en skillnad finns gällande den procentuella förändringen eftersom kvinnors pendlingsbenägenhet till stora inpendlingsorter har ökat mer än mäns mellan åren 1990 till 2017. Om kvinnors förändrande pendlingsbenägenhet ska kunna förklaras av den ökade utbildningsnivån bör den mest utmärkande förändringen vara för kategorin stor inpendlingsort, eftersom yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003). Tabell 5.2 visar på att så inte är fallet. Denna förändring är större för både liten och medelstor inpendlingsort. Vad som dock kan ses är att kvinnors pendlingsbenägenhet till liten, medel och stor inpendlingsort från år 1990 till år 2017 har ökat mer än mäns. För pendling till landsbygd är det männen som har den procentuellt största förändringen, +26 % för män respektive + 24 % för kvinnor. Detta visar att kvinnors och mäns pendlingsmönster från 1990 till 2017 har förändrats på olika sätt, då kvinnors pendlingsbenägenhet har ökat mer än mäns till små, medelstora och stora inpendlingsorterna medan mäns pendlingsbenägenhet har ökat mer än kvinnors till landsbygd.

13

1990 Landsbygd Liten Medel Stor Totalt 1 348 588 1 078 426 1 336 909 1 403 893 Män 763 913 532 600 674 551 715 206 Kvinnor 584 675 545 826 662 358 688 687 Varav pendlare Totalt 598 118 107 477 177 059 178 859 Män 324 891 65 248 106 366 108 228 Kvinnor 273 227 42 229 70 693 70 631 Andel pendlare Totalt 44,4 % 10,0 % 13,2 % 12,7 % Män 42,5 % 12,3 % 15,8 % 15,1 % Kvinnor 46,7 % 7,7 % 10,7 % 10,3 %

2004 Landsbygd Liten Medel Stor Totalt 979 235 1 020 282 1 351 813 1 645 463 Män 553 585 504 093 683 449 844 712 Kvinnor 425 650 516 188 668 364 800 751 Varav pendlare Totalt 496 470 155 757 230 737 242 630 Män 268 774 92 274 133 193 143 518 Kvinnor 227 696 63 483 97 544 99 112 Andel pendlare Totalt 50,7 % 15,3 % 17,1 % 14,7 % Män 48,6 % 18,3 % 19,5 % 17,0 % Kvinnor 53,5 % 12,3 % 14,6 % 12,4 %

2017 Landsbygd Liten Medel Stor Totalt 1 000 835 1 101 109 1 526 510 2 080 515 Män 572 279 554 313 765 632 1 065 943 Kvinnor 428 554 546 793 760 877 1 014 565 Varav pendlare Totalt 555 587 211 600 303 026 323 740 Män 307 268 123 585 167 144 186 538 Kvinnor 248 319 88 015 135 882 137 202 Andel pendlare Totalt 55,5 % 19,2 % 19,9 % 15,6 % Män 53,7 % (+26 %) 22,3 % (+81 %) 21,8 % (+38 %) 17,5 % (+16 %) Kvinnor 57,9 % (+24 %) 16,1 % (+109 %) 17,9 % (+67 %) 13,5 % (+31 %)

Tabell 5.2. Antal förvärvsarbetare och pendlare totalt, män och kvinnor samt pendlingsbenägenhet och år 2017 dess procentuella ökning från år 1990 för respektive kategori av inpendlingsort.

14

5.1.1 Andel kvinnor som pendlar till några specifika inpendlingsorter För att dyka ner på ännu mer geografisk detaljerad nivå följer här data för några specifika tätorter. En jämförelse mellan specifika tätorter kan visa på geografiska skillnader i andel inpendlare som grundar sig i specifika karaktärsdrag hos vissa tätorter, och är något som kan användas för att förklara och förstå skillnader i pendlingsmönster mellan kvinnor och män. Resultatet i detta avsnitt presenteras som en del av undersökningen hur pendlingsmönster skiljer sig mellan män och kvinnor beroende på de rumsliga förutsättningarna. Dessa tätorter presenteras även som en del i undersökningen om det finns platser som avviker från det generella resultatet i avsnitt 5.1. Exempelvis: finns platser som avviker, där kvinnors pendlingsbenägenhet är större än mäns? Baserat på studiens syfte är det extra intressant att undersöka: Finns det platser där kvinnors pendlingsbenägenhet är lägre år 2017 än 1990 trots den generellt sett ökade utbildningsnivån? Eftersom SCB:s definition av tätorter inkluderar mycket små tätorter valdes här att först filtrera bort inpendlingsorter med färre än 1000 inpendlare. Anledningen är att detta ger en statistisk trovärdigare undersökning, eftersom det visar på generella mönster istället för enstaka slumpfall. Detta motsvarar att undersöka medelstora och stora inpendlingsorterna. Tabell 5.3 presenterar kontentan av undersökningen om det finns platser där kvinnors pendlingsbenägenhet är större än mäns, och på det sättet avviker från det generella mönstret. År 1990 finns två tätorter som kvinnor har en högre benägenhet att pendla till än vad män har. År 2017 finns fem tätorter som uppfyller detta. En första iakttagelse är att det är endast är två respektive fem av de 112 tätorter som år 2017 har fler än 1000 inpendlare i Sverige där kvinnor har en högre pendlingsbenägenhet. Vad som är generellt sett kan sägas om dessa tätorter är att de kan klassas som små till medelstora städer och rimligtvis har de arbetstillfällen som attraherar kvinnor. Någon utförlig undersökning har inte gjorts kring detta, men ett sannolikt scenario är att det är tätorter som erbjuder många arbetstillfällen inom den reproduktiva kategorin av arbeten, det vill säga exempelvis inom vård och omsorg. Såsom att Falun har Dalarnas största sjukhus, och att Eksjö har ett av de största länsdelssjukhusen i Sverige.

1990 Inpendlingsort Kvinnors pendlingsbenägenhet Mäns pendlingsbenägenhet Ljungby 18,3 % 13,5 % Eksjö 17,6 % 16,3 %

2017 Inpendlingsort Kvinnors pendlingsbenägenhet Mäns pendlingsbenägenhet Bollnäs 17,5 % 16,7 % Västervik 14,0 % 13,5 % Falun 20,2 % 19,9 % Eksjö 26,5 % 26,4 % Borås 22,2 % 22,1 %

Tabell 5.3. Tätorter år 1990 respektive år 2017 där kvinnor har en högre pendlingsbenägenhet än män.

15

Vidare undersöks om det finns platser där kvinnors pendlingsbenägenhet är lägre år 2017 än 1990 trots den generellt sett ökade utbildningsnivån. En sammanfattning av denna undersökning presenteras i tabell 5.4. Tabellen listar de tio tätorter med lägst förändring i kvinnors pendlingsbenägenhet mellan åren 1990 och 2017. En iakttagelse från tabell 5.4 är att det bara är en tätort där kvinnors pendlingsbenägenhet har minskat mellan åren 1990 till 2017, vilken är Ljungby. I alla övriga tätorter har den kvinnliga pendlingsbenägenheten ökat. Jämförs detta med förändringen av mäns pendlingsbenägenhet finns fem tätorter där mäns pendlingsbenägenhet har minskat, vilka är Östersund, Umeå, Luleå, Sundsvall och Söderhamn. En ytterligare observation från tabell 5.4 är att Sveriges två största städer förekommer på listan. Utifrån att kvinnors utbildningsnivå har ökat, och att yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003) bör som nämnts den mest utmärkande förändringen för kvinnors pendlingsbenägenhet vara för stora städer. Resultatet i tabell 5.4 går således inte i linje med detta antagande. Här bör nämnas att pendlingsbenägenheten för män har ökat med 1,0 % för Stockholm och 1,7 % för Göteborg. Den kvinnliga pendlingsbenägenheten har således ökat mer än mäns, även om den inte har förändrats i den utsträckning som förväntats utifrån vad som tidigare sagts kring utbildning och pendling.

Inpendlingsort Kvinnors pend. ben. 1990 Kvinnors pend. ben. 2017 Förändring Ljungby 18,3 % 16,6 % -1,8 % Umeå 12,3 % 12,5 % 0,2 % Östersund 11,8 % 13,1 % 1,3 % Stockholm 8,7 % 10,3 % 1,6 % Örnsköldsvik 9,5 % 11,4 % 1,9 % Växjö 17,0 % 19,1 % 2,1 % Göteborg 11,0 % 13,5 % 2,6 % Piteå 5,3 % 8,0 % 2,6 % Skellefteå 7,8 % 10,4 % 2,6 % Kalmar 14,7 % 17,4 % 2,7 %

Tabell 5.4. De 10 tätorter med lägst förändring i kvinnors pendlingsbenägenhet mellan åren 1990 och 2017.

5.1.2 Sammanfattning kvinnors benägenhet att pendla Avsnitt 5.1 har presenterat den dataanalys som gjorts kring andelen kvinnor som pendlar, en andel som benämnts som kvinnors pendlingsbenägenhet. Kontentan från detta är att kvinnors pendlingsbenägenhet är lägre än mäns, i Sverige som helhet, för de olika kategorierna av inpendlingsort med undantag från pendling till landsbygd samt för de flesta specifika tätorterna. Pendlingsbenägenheten har generellt sett ökat för såväl kvinnor som män, men procentuellt sett mer för kvinnor. Detta gäller generellt, med undantag för pendling till arbetsplatser på landsbygden där mäns pendlingsbenägenhet har ökat mer än kvinnors. Utifrån kvinnors ökade utbildningsnivå och vad som tidigare sagts kring utbildning och pendling bör den mest utmärkande förändringen för kvinnors pendlingsbenägenhet vara för kategorin stor

16

inpendlingsort. Resultatet visar på att så inte är fallet, då pendlingsbenägenheten ökat mer för både liten och medelstor inpendlingsort. Resultatet visar även på att våra två största städer hamnar på listan över de tio tätorter som har lägst förändring för kvinnors pendlingsbenägenhet, vilket inte förväntats utifrån vad som tidigare sagts kring utbildning och pendling. Detta antyder att utbildningsnivå inte tycks spela den roll på pendlingsbenägenhet som sagts.

5.2 Skillnader i pendlingsavstånd mellan pendlande män och kvinnor Vidare undersöks hur det genomsnittliga avstånd som pendlas, vidare benämnt som pendlingsavstånd, skiljer sig mellan kvinnor och män bland de som enligt studiens kriterier pendlar. Med andra ord undersöks hur långt geografiskt sett kvinnor respektive män når på arbetsmarknaden, presenterat i tabell 5.5. Anledningen att undersöka pendlingsavstånd grundar sig i att det inte bara är pendlingsbenägenhet som presenterats i avsnitt 5.1 som utgör skillnader i mäns och kvinnors pendlingsmönster, utan även hur långt de faktiskt når på arbetsmarknaden. En iakttagelse från tabell 5.5 är att det finns en skillnad mellan pendlingsavstånd för män och kvinnor där män pendlar längre än vad kvinnor gör. 1990 var denna skillnad 4,1 km, 2004 var den 2,7 km och 2017 var den 2,8 km. Det är alltså så att även bland de som pendlar så pendlar män längre. En stor förändring skedde mellan 1990 och 2014, där skillnaden mellan män och kvinnor minskade med 1,4 km. Mellan åren 2004 och 2017 är förändringen liten.

1990 2004 2017 Generellt 46,0 50,8 48,9 Män 47,4 51,7 50,1 Kvinnor 43,3 49,0 47,3 Skillnad 4,1 2,7 2,8

Tabell 5.5. Pendlingsavstånd (kilometer) för pendlare generellt, för pendlande män och för pendlande kvinnor samt skillnaden mellan pendlingsavståndet för män och kvinnor.

Skillnad mellan mäns och kvinnors pendlingsavstånd om en uppdelning görs utifrån storlek på inpendlingsort presenteras i tabell 5.6, uppdelat för liten inpendlingsort, medelstor inpendlingsort samt stor inpendlingsort. Som nämnt i metodavsnittet bör inga analyser göras av pendlingsavståndet för landsbygden, eftersom pendlingsavstånd i det fallet inte kan beräknas på ett korrekt sätt. Dessa data har därför exkluderats från tabellen. Ett mönster från tabell 5.6 är att skillnaden i pendlingsavstånd mellan män och kvinnor är ungefär lika stor för kategorierna liten, medel och stor inpendlingsort. Det verkar således som att det inte finns några större rumsliga skillnader på skillnad mellan mäns och kvinnors pendlingsavstånd baserat på en uppdelning som görs utifrån storlek på inpendlingsort. Den mest utmärkande förändringen i skillnad mellan mäns och kvinnors pendlingsavstånd bör vara för kategorin stor inpendlingsort. Detta resonemang baseras likt resonemanget i avsnitt 5.1 på att kvinnors utbildningsnivå har ökat, och att yrken som kräver en hög utbildningsnivå i större utsträckning är lokaliserade till större städer (Green, 1997; Öhman & Lindgren, 2003). Detta bör således slå igenom i avseendet att den kvinnliga pendlingsbenägenheten ökar till stora städer, men även att kvinnor är benägna att pendla längre för dessa arbetstillfällen. Tabell 5.6

17

visar på att så är fallet. Kvinnors pendlingsavstånd har ökat för stora inpendlingsorter från 45,3 km till 47,3 km och för medelstora inpendlingsorter från 43,7 till 46,3 km. För kategorin liten inpendlingsort har avståndet minskat från 43,3 km till 42,4 km. Detta resultat visar således att kvinnor är benägna att pendla längre till större tätorter. En ytterligare iakttagelse är att mäns benägenhet att pendla längre till stora inpendlingsorter har ökat mer än kvinnors, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 från 3,5 km till 4,1 km. Detta antyder att utbildningsnivå inte tycks spela den roll på hur långt man är benägen att pendla som tidigare sagts.

1990 Liten Medel Stor Totalt 45,5 47,3 47,5 Män 46,9 49,7 48,9 Kvinnor 43,3 43,7 45,3 Skillnad 3,6 6,0 3,5

2004 Liten Medel Stor Totalt 46,2 49,1 49,5 Män 47,6 51,0 51,1 Kvinnor 44,2 46,5 47,1 Skillnad 3,4 4,5 4,0

2017 Liten Medel Stor Totalt 45,0 48,5 49,7 Män 46,8 50,3 51,5 Kvinnor 42,4 46,3 47,3 Skillnad 4,4 4,0 4,1

Tabell 5.6. Pendlingsavstånd (kilometer) för respektive kategori av inpendlingsort för pendlare generellt, för pendlande män och för pendlande kvinnor samt skillnad i pendlingsavstånd för män och kvinnor.

5.2.1 Skillnader i pendlingsavstånd mellan män och kvinnor för några specifika inpendlingsorter Nedan följer data från några specifika tätorter över hur pendlingsavståndet skiljer sig mellan män och kvinnor som utgör inpendlare till den specifika tätorten. Likt en jämförelse mellan specifika tätorter för pendlingsbenägenhet kan en jämförelse av pendlingsavstånd visa på skillnader som grundar sig i specifika karaktärsdrag hos tätorter. Dessa karaktärsdrag kan vara av intresse att studera då de kan användas för att förstå skillnaderna i pendlingsavstånd mellan män och kvinnor generellt. Dessa tätorter presenteras även som en del i undersökningen om det finns platser som avviker från det generella resultatet i avsnitt 5.2. Avvikande fall skulle vara tätorter där kvinnors pendlingsavstånd är längre än mäns. Utifrån studiens syfte är det extra intressant att undersöka om det finns platser där kvinnors pendlingsavstånd är kortare år 2017

18

än 1990 trots den generellt sett ökade utbildningsnivån. Även här har inpendlingsorter med färre än 1000 inpendlare filtrerats bort. Tabell 5.7 presenterar kontentan från undersökningen om det finns några platser som avviker, där kvinnors pendlingsavstånd är längre än mäns. År 1990 finns sex tätorter som kvinnliga pendlare har ett längre pendlingsavstånd till än män har. År 2017 finns två tätorter som uppfyller detta kriterium. En första iakttagelse är att det, likt pendlingsbenägenheten, endast är sex respektive två av de 112 tätorter som år 2017 har fler än 1000 inpendlare i Sverige, där kvinnor har ett längre pendlingsavstånd än män. Trollhättan har utstickande stor skillnad år 1990. Vad den stora skillnaden beror på är oklar, och i omfattningen av denna studie har det ej gjort någon vidare undersökning i ämnet. Dessa tätorter har följaktligen arbetstillfällen som attraherar kvinnor på det sätt att kvinnor kan tänka sig att pendla längre än vad män kan tänka sig. Ett intressant exempel är Älmhult, där den svenska verksamheten för IKEA är centrerad. Ikea har varuhus, centrallager, kontor, museum, kundservice, testlaboratorium, produktutveckling och framtagning av marknadsföringsmaterial på orten. Att Älmhult är en av två inpendlingsorter, dessutom med en relativt stor skillnad mellan mäns och kvinnors pendlingsavstånd år 2017 skulle kunna antyda att exempelvis produktutveckling och marknadsföring av möbler är yrken som kvinnor kan tänka sig att pendla längre till än män.

1990 Inpendlingsort Kvinnors pendlingsavstånd Mäns pendlingsavstånd Skillnad Trollhättan 46,0 40,0 5,97 Halmstad 53,4 51,7 1,70 Olofström 30,6 29,3 1,28 Linköping 47,9 46,8 1,06 Visby 49,6 49,0 0,58 Skara 38,1 37,7 0,42

2017 Inpendlingsort Kvinnors pendlingsavstånd Mäns pendlingsavstånd Skillnad Älmhult 68,0 64,9 3,1 Strängnäs 44,0 42,2 1,8

Tabell 5.7. Tätorter år 1990 respektive år 2017 där kvinnor har ett längre pendlingsavstånd (kilometer) än vad män har.

Vidare undersöks platser där kvinnors pendlingsavstånd är kortare år 2017 än 1990 trots den generellt sett ökade utbildningsnivån. Kontentan av denna undersökning presenteras i tabell 5.8. Totalt sett är det 31 av de 112 tätorter som år 2017 har fler än 1000 inpendlare i Sverige där kvinnor har ett kortare pendlingsavstånd år 2017 än år 1990. Tabell 5.8 presenterar de 10 tätorter med den största negativa förändringen för kvinnors pendlingsavstånd mellan åren 1990 och 2017, samt motsvarade siffror för de två specifika fallen Göteborg och Stockholm. Det förefaller inte finnas några gemensamma nämnare för dessa tätorter, vare sig geografiska eller storleksmässiga.

19

Kvinnor bör som nämnt ha en högre benägenhet år 2017 än år 1990 att pendla längre för arbetstillfällen i stora städer, på grund av den ökade utbildningsnivån och det faktum att stora städer erbjuder attraktiva arbetstillfällen för högutbildade (Öhman & Lindgren, 2003; Green, 1997). Av denna anledning undersöks de specifika fallen Stockholm och Göteborg. I avsnitt 5.1 visades att dessa städer hade en liten förändring i kvinnors pendlingsbenägenhet. Med avseende på pendlingsavstånd erhålls resultatet att för Stockholm har pendlingsavståndet ökat från 47,9 km 1990 till 51,6 km 2017. Detta är således en ökning på 3,7 km. För Göteborg är motsvarande siffor 45,4 km 1990 till 46,3 km 2017, det vill säga en ökning på 0,9 km. Sätts dessa siffror i relation till pendlingsavståndet för män erhålls för Stockholm en ökning på 3,2 km och för Göteborg en ökning på 3,6 km. Således kan konstateras att kvinnor visserligen har en högre benägenhet att pendla längre år 2017 än år 1990 till våra två största städer, men det har även män. Kvinnors pendlingsmönster sticker inte ut från mäns i detta avseende.

Inpendlingsort Kvinnors Kvinnors Föränding pendlingsavstånd 1990 pendlingsavstånd 2017 Finspång 44,0 33,5 -10,5 Lidingö 61,6 51,5 -10,1 Höganäs 48,8 38,9 -9,9 Staffanstorp 43,4 34,0 -9,4 Karlskoga 50,4 41,2 -9,2 Vetlanda 47,3 39,4 -7,9 Tranås 54,9 47,9 -7,0 Jordbro 43,0 36,2 -6,8 Trollhättan 46,0 40,1 -5,9 Mjölby 40,0 35,1 -4,9 … … … … Göteborg 45,4 46,3 0,9 Stockholm 47,9 51,6 3,7

Tabell 5.8. De 10 tätorter med störst negativ förändring för kvinnors pendlingsavstånd (kilometer) mellan åren 1990 och 2017 samt motsvarade siffror för de två specifika fallen Göteborg och Stockholm.

5.2.2 Sammanfattning skillnader i pendlingsavstånd mellan pendlande män och kvinnor Avsnitt 5.2 har presenterat den dataanalys som gjorts kring hur långt geografiskt sett kvinnor respektive män når på arbetsmarknaden. Detta har gjorts genom att undersöka skillnader mellan män och kvinnor bland de som enligt studiens kriterier pendlar med avseende på pendlingsavstånd. Kontentan från denna undersökning är att kvinnor generellt sett är benägna att pendla kortare än män, i Sverige som helhet, för de olika kategorierna av inpendlingsort samt för de flesta specifika tätorterna. De tätorter som avviker från detta mönster tycks erbjuda arbetstillfällen som kan tänkas attrahera kvinnor, exempelvis arbeten inom akademin, på sjukhus eller inom möbeldesign. Skillnad i pendlingsavstånd mellan män och kvinnor är ungefär lika stor för kategorierna liten, medel och stor inpendlingsort. Det verkar således inte som att det finns några större rumsliga skillnader på skillnader mellan män och kvinnor i

20

pendlingsavstånd baserat på en uppdelning som görs utifrån storlek på inpendlingsort. Utifrån kvinnors ökade utbildningsnivå samt vad som tidigare sagts kring utbildning och pendling bör den mest utmärkande förändringen för kvinnors benägenhet att pendla längre vara för kategorin stor inpendlingsort. Ett resultat som går i linje med detta är att kvinnors benägenhet att pendla länge till arbetstillfällen i stora städer har ökat mellan åren 1990 till 2017. Dock har mäns benägenhet att pendla till stora inpendlingsorter ökat mer, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 för stora städer. Om kvinnors förändrade pendlingsmönster kan förklaras av den ökade kvinnliga utbildningsnivån är således oklart.

5.3 Utbildningsnivås samband med pendling Utifrån studiens syfte, att undersöka om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat och hur den varierar rumsligt på sätt som skiljer sig från mäns, är det intressant att undersöka utbildningsnivås samband med pendling. Datamaterialet säger oss tyvärr inte hur stor andel av de som pendlar inom en viss utbildningsnivå som är kvinnor, det vill säga inte explicit om det är kvinnor eller mäns utbildningsnivå som ökat. Trots detta kan en förståelse av samban mellan utbildningsnivå och pendling användas för att förklara och förstå om resultatet som presenterats går i linje eller inte går i linje med vad som kan väntas utifrån tidigare studier kring pendling och utbildningsnivå. Kontentan av samband mellan utbildningsnivå och pendling framgår i tabell 5.9. Här jämförs det totala antalet individer som förvärvsarbetar med antalet som enligt studiens kriterier klassas som pendlare för de som har respektive inte har en postgymnasial utbildning (Pgy). Vad som presenteras är således pendlingsbenägenheten för de respektive grupperna. Ett mönster som kan ses i tabell 5.9 är att pendlingsbenägenheten för de som har postgymnasial utbildning är högre år 1990 och 2014 än för de utan postgymnasial utbildning, vilket går i linje med vad som tidigare sagts kring pendling och utbildningsnivå (Jönsson & Scholten, 2010, s.17; Niedomysl & Malmberg, 2010, s.50). Ett överraskande resultat är att pendlingsbenägenheten är högre för de utan postgymnasial utbildning år 2017. Pendlingsbenägenheten för gruppen utan postgymnasial utbildning har ökat med 5,3 procentenheter, och motsvarande siffra för de med postgymnasial utbildning är 0,3 procentenheter. Den procentuella ökningen är således +27 % för gruppen utan postgymnasial utbildning respektive +1 % för gruppen med postgymnasial utbildning.

21

Förvärvsarbetare 1990 2004 2017 Ej Pgy 3 372 009 3 296 362 3 305 225 Pgy 1 310 313 1 631 885 2 318 744 Varav pendlare Ej Pgy 675 519 726 299 837 693 Pgy 296 294 375 841 530 853 Andel pendlare Ej Pgy 20,0 % 22,0 % 25,3 % (+27 %) Pgy 22,6 % 23,0 % 22,9 % (+1%)

Tabell 5.9. Antal förvärvsarbetare samt pendlare med respektive utan postgymnasial utbildning. Tabellen visar även pendlingsbenägenhet för dessa två grupper.

Likt undersökningen för kvinnor respektive mäns pendlingsmönster är det inte bara pendlingsbenägenheten som påverkar skillnader i pendlingsmönster, utan även pendlingsavstånd är intressant att undersöka då detta speglar hur långt en person faktiskt når på arbetsmarknaden. I tabell 5.10 presenteras pendlingsavstånd för pendlare generellt, för pendlare med respektive utan postgymnasial utbildning samt skillnaden i pendlingsavstånd för dessa två grupper. Vad denna data visar är att skillnaden i pendlingsavstånd för de som i denna studie klassas som pendlare är stor mellan de som har en postgymnasial utbildning och de som inte har, där pendlare med postgymnasial utbildning pendlar längre. Görs en jämförelse mellan åren kan ses att skillnaden har minskat, vilket tyder på att utbildningsnivåns betydelse för hur långt en person är benägen att pendla generellt sett minskat.

1990 2004 2017 Generellt 46,0 50,8 48,9 Ej Pgy 41,8 46,3 45,5 Pgy 53,4 58,9 54,1 Skillnad 11,6 12,6 8,6

Tabell 5.10. Pendlingsavstånd (kilometer) för pendlare generellt, för pendlande med respektive utan postgymnasial utbildning samt skillnaden i pendlingsavstånd för dessa två grupper.

Tabell 5.11 visar, likt tabell 5.9, på samband mellan utbildningsnivå och pendling, men här uppdelat i de olika kategorierna av inpendlingsorter. Likt resonemanget för pendlingsbenägenhet för kvinnor respektive män i avsnitt 5.1 bör nämnas att det är en stor andel av de som har sin arbetsplats på landsbygd som uppfyller de kriterier som enligt studien gör att de klassas som pendlare, det vill säga har mellan 20–200 km till sin arbetsplats. Detta är som tidigare nämnt inte förvånande, många som pendlar till landsbygden kommer lätt upp i de 20 km som gör att de klassas som pendlare. Därför bör denna procentsats inte jämföras med de andra inpendlingsorterna storleksmässigt. Vad som kan utläsas från tabell 5.11 är att pendlingsbenägenheten har ökat från år 1990 till 2017 för både de med respektive utan postgymnasial utbildning inom samtliga kategorier

22

av inpendlingsort. Procentuellt sett är ökningen störst för kategorin liten inpendlingsort för både gruppen med och utan postgymnasial utbildning. För samtliga år är pendlingsbenägenheten högre för de med postgymnasial utbildnings som pendlar till landsbygd, liten och medelstor inpendlingsort. För kategorin stor inpendlingsort är det dock det omvända. Detta är ett resultat som vid första anblick kan tyckas gå emot vad som tidigare sagts kring pendling och utbildningsnivå (Jönsson & Scholten, 2010, s.17; Niedomysl & Malmberg, 2010, s.50). En möjlig förklaring till detta är att på grund av att personer enligt kriterierna i denna studie klassas som pendlare om de har mer än 20 km till sin arbetsplats, inkluderas många av de som bor i förorter men arbetar centralt till kategorin stor inpendlingsort. Här kan tänkas medräknas många utan postgymnasial utbildning. De som har råd att bo centralt och arbeta centralt klassas då inte som pendlare, och här kan tänkas sig att en majoritet med postgymnasial utbildning hamnar.

23

1990 Landsbygd Liten Medel Stor Ej Pgy 927 273 778 025 905 550 840 196 Pgy 272 669 238 937 359 944 468 099 Varav pendlare Ej Pgy 379 308 69 118 112 773 113 972 Pgy 154 344 32 023 54 623 55 240 Andel pendlare Ej Pgy 40,9 % 8,9 % 12,5 % 13,6 % Pgy 56,6 % 13,4 % 15,2 % 11,8 %

2004 Landsbygd Liten Medel Stor Ej Pgy 718 548 755 062 898 316 923 175 Pgy 224 084 257 915 444 661 704 830 Varav pendlare Ej Pgy 335 761 100 233 140 980 149 325 Pgy 141 445 54 459 88 289 91 648 Andel pendlare Ej Pgy 46,7 % 13,3 % 15,7 % 16,2 % Pgy 63,1 % 21,1 % 19,9 % 13,0 %

2017 Landsbygd Liten Medel Stor Ej Pgy 704 961 741 260 892 831 963 542 Pgy 271 267 345 644 619 804 1 080 936 Varav pendlare Ej Pgy 370 986 129 437 165 372 171 569 Pgy 168 905 79 411 134 854 147 584 Andel pendlare Ej Pgy 52,6 % (+29 %) 17,5 % (+97 %) 18,5 % (+48%) 17,8 % (+31 %) Pgy 62,3 % (+10 %) 23,0 % (+72%) 21,8 % (+43 %) 13,7 % (+16 %)

Tabell 5.11. Utbildningsnivåns samband med pendlingsbenägenhet för de som har respektive inte har en postgymnasial utbildning till respektive inpendlingsområde samt år 2017 dess procentuella ökning från 1990.

Tabell 5.12 presenterar pendlingsavstånd bland pendlare med eller utan postgymnasial utbildning för liten, medelstor och stor inpendlingsort. För samtliga år och kategorier pendlar de med postgymnasial utbildning längre, ett resultat som går i linje med det generella resultatet presenterat i tabell 5.10 samt tidigare studier (Jönsson & Scholten, 2010, s.17). Skillnaden mellan grupperna är större för stor inpendlingsort jämfört med liten inpendlingsort för samtliga år. Görs en jämförelse mellan årtalen kan ses att skillnaden mellan de olika grupperna ungefär har halverats för liten och stor inpendlingsort medan skillnaden är konstant för medelstor

24

inpendlingsort. Utbildningsnivåns betydelse för hur långt en person är benägen att pendla har alltså minskat för de som pendlar till små och stora städer, men är konstant för de som pendlar till medelstora städer.

1990 Liten Medel Stor Generellt 45,5 47,3 47,5 Ej Pgy 43,6 45,0 44,3 Pgy 48,2 50,7 52,5 Skillnad 4,5 5,7 8,2

2004 Liten Medel Stor Generellt 46,2 49,1 49,5 Ej Pgy 44,8 46,4 47,5 Pgy 48,8 53,2 52,4 Skillnad 4,0 6,8 4,9

2017 Liten Medel Stor Generellt 45,0 48,5 49,7 Ej Pgy 44,2 45,9 48,0 Pgy 46,2 51,6 51,8 Skillnad 2,1 5,7 3,8

Tabell 5.12. Pendlingsavstånd (kilometer) för respektive kategori av inpendlingsort för pendlare som har respektive inte har en postgymnasial utbildning samt skillnaden i pendlingsavståndet för dessa två grupper.

5.3.2 Sammanfattning utbildningsnivås samband med pendling Avsnitt 5.3 presenterar den dataanalys som gjorts kring samband mellan utbildningsnivå och pendling, både i avseende på en generell pendlingsbenägenhet men också pendlingsavstånd, det vill säga hur långt en person är benägen att pendla som har respektive inte har en postgymnasial utbildning. Resultatet visar på att gruppen med postgymnasial utbildning pendlar längre, vilket gäller såväl generellt som för de olika kategorierna av inpendlingsort. Detta är ett resultat som går i linje med vad som tidigare sagts om utbildningsnivå och pendling. Skillnaden i pendlingsavstånd mellan årtalen har minskat, vilket tyder på att utbildningens betydelse för hur långt en person är benägen att pendla generellt sett minskat. Skillnaden har halverats för liten och stor inpendlingsort medan skillnaden är konstant för medelstor inpendlingsort. Som presenterat i avsnitt 5.1 har den generella pendlingsbenägenheten ökat, och i detta avsnitt har visats att detta gäller oavsett utbildningsnivå. För gruppen utan postgymnasial utbildning har pendlingsbenägenheten ökat mer än för de med postgymnasial utbildning. Ett överraskande resultat är att pendlingsbenägenheten generellt sett är högre för de utan postgymnasial utbildning år 2017. För samtliga år är pendlingsbenägenheten högre för de med postgymnasial utbildning som pendlar till landsbygd, liten och medelstor inpendlingsort. För kategorin stor inpendlingsort är det dock det omvända, där de utan postgymnasial utbildning har en högre

25

pendlingsbenägenhet. Detta skulle kunna förklaras med att en hög andel i denna grupp bor i förorter men jobbar centralt, jämfört med gruppen med postgymnasial utbildning som kan antas arbeta och bo centralt.

6. DISKUSSION

Detta kapitel ämnar diskutera resultatet utifrån studiens syfte. Genom att diskutera resultatet med teori och tidigare studier sätts resultatet in i sin kontext. Dessutom förs resonemang kring möjliga förklaringar till studiens resultat. Undersökningen om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns har förts genom att dels undersöka skillnader i pendlingsmönster mellan män och kvinnor, dels den generella utbildningsnivåns påverkan på pendling. Resultatet visar på att kvinnors pendlingsbenägenhet är lägre, i Sverige som helhet, för de olika kategorierna av inpendlingsort med undantag från pendling till landsbygd samt för de flesta specifika tätorterna. Att kvinnors benägenhet generellt sett är lägre kan bero på en mängd olika faktorer. Vad resultatet tyder på är utbildningsnivå inte tycks vara en förklaring till skillnader mellan kvinnors och mäns pendlingsmönster. Om så hade varit fallet, hade kvinnors pendlingsbenägenhet numera varit högre än mäns eftersom de har en högre utbildningsnivå. Detta skulle kunna visa på att det i grunden inte är utbildningsnivån utan att det istället är, som MacDonald (1999) samt Sandow och Westin (2006) argumenterar för, att kvinnor pendlar i lägre utsträckning för att de tjänar mindre. Detta skulle förklara faktumet att kvinnor pendlar i lägre utsträckning än män, trots högre utbildning, eftersom kvinnor tjänar mindre. Givetvis kan här orsakssambandet diskuteras. Är det en högre lön som leder till pendling eller pendling som ger en högre lön? Vad som kan konstateras är att ett samband finns, men vad som är hönan och vad som är ägget är inget som denna studie undersökt. Pendlingsbenägenheten har generellt sett ökat för såväl kvinnor som män, men procentuellt sett mer för kvinnor. Detta gäller generellt, med undantag för pendling till arbetsplatser på landsbygden där mäns pendlingsbenägenhet har ökat mer än kvinnors. Detta är ett resultat som visar på att kvinnors och mäns pendlingsmönster från 1990 till 2017 har förändrats på olika sätt. Detta skulle kunna förklaras av den ökade andelen kvinnor med postgymnasial utbildning, och går således i linje med det antagande som antogs i inledningen av studien, att kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. Detta stämmer överens med den teori kring genus som presenterats, att skillnader mellan mäns och kvinnors pendlingsmönster finns av anledningar som är föränderliga. Ett intressant undantag från den generella förändringen i pendlingsbenägenheten är kategorin landsbygd, där kvinnors benägenhet att pendla till är högre än mäns, men där mäns benägenhet har ökat mer än kvinnors. Utifrån hypotesen, och vad som tidigare sagts kring utbildningsnivå och pendling, det vill säga att en större andel pendlare med postgymnasial utbildning och/eller höga karriärsanspråk bör pendla till de större inpendlingsorterna jämfört med till arbetsplatser på landsbygden (Öhman & Lindgren, 2003; Green, 1997), är detta ett intressant resultat som skulle kunna förklaras av kvinnors ökade utbildningsnivå. Av samma anledning bör den mest utmärkande förändringen för kvinnors pendlingsbenägenhet vara för stora städer. Resultatet visar dock på att så inte är fallet, då pendlingsbenägenheten ökat mer

26

för små och medelstora städer. Resultatet visar även på att våra två största städer, Stockholm och Göteborg, hamnar på listan över de tio tätorter som har lägst förändring för kvinnors pendlingsbenägenhet. Det som kan sägas är alltså att en förändring i kvinnors pendlingsbenägenhet ses, som skiljer sig från mäns, men om det kan förklaras av utbildningsnivå är oklart utifrån vad som tidigare sagts kring utbildningsnivå och pendling. Det är inte bara benägenheten som har betydelse för skillnader i mäns och kvinnors pendlingsmönster. Resultatet visar inte bara på att kvinnor har en lägre benägenhet att pendla, utan även att bland de pendlande pendlar kvinnor kortare än män. Detta gäller i Sverige som helhet, för de olika kategorierna av inpendlingsort samt för de flesta specifika tätorterna. Detta kan mycket väl förklaras med teorier kring att de reproduktiva arbetsplatserna är mer utspridda geografiskt (Gil Solá, 2013; MacDonald, 1999), och av den anledningen krävs en kortare pendling till dessa typer av arbeten. Den generella skillnaden mellan mäns och kvinnors pendlingsavstånd har minskat mellan åren 1990 och 2017. Eftersom kvinnors utbildningsnivå har ökat på ett sätt som skiljer sig från mäns, är detta ett resultat som kan tänkas förklaras av kvinnors ökade utbildningsnivå. Utifrån kvinnors ökade utbildningsnivå samt teori kring utbildningsnivå och pendling (Öhman & Lindgren, 2003; Green, 1997) bör kvinnors benägenhet att pendla längre till kategorin stor inpendlingsort ökat. Ett resultat som går i linje med detta är att kvinnors benägenhet att pendla länge till arbetstillfällen i stora städer har ökat mellan åren 1990 till 2017. Dock har mäns benägenhet att pendla till stora inpendlingsorter ökat mer, och skillnaden mellan mäns och kvinnors pendlingsavstånd har ökat mellan åren 1990 och 2017 för stora städer. Detta talar således för att kvinnors förändrade pendlingsmönster inte kan förklaras av den ökade kvinnliga utbildningsnivån. Vad de specifika fallen som Falun, Eksjö, Linköping och Älmhult visar på är att förekomst av exempelvis arbetstillfällen inom vård, möbeldesign eller akademin tycks attrahera kvinnor. Med andra ord skulle typen av arbete kunna vara centralt i varför det är skillnader mellan mäns och kvinnors pendling, och jämställdhet kring pendling skulle då till stor del bottna i den arbetsmarknad vi har. Likt Sandow och Westin (2006) menar visar resultatet på att en anledning till pendlingsskillnader mellan män och kvinnor kan vara en konsekvens av en könsuppdelad arbetsmarknad och lokalisering av arbeten inom produktion respektive reproduktion. Resultatet kring utbildningsnivå och pendling visar på att gruppen med postgymnasial utbildning pendlar längre, vilket gäller såväl generellt som för de olika kategorierna av inpendlingsort, vilket är ett resultat som går i linje med vad som tidigare sagts om utbildningsnivå och pendling (Öhman & Lindgren, 2003; Green, 1997). Skillnaden i pendlingsavstånd mellan årtalen har minskat, vilket visar på att utbildningens betydelse för hur långt en person är benägen att pendla minskat. Detta är ett resultat som kan tänkas förklara varför studiens resultat tyder på är att sambandet mellan pendling och utbildningsnivå inte är så tydligt som tidigare sagts. År 2017 har de utan postgymnasial utbildning en högre pendlingsbenägenhet än de med, och för de utan postgymnasial utbildning har pendlingsbenägenheten ökat mer än för de med postgymnasial utbildning. Ett överraskande resultat, givet vad som tidigare sagts om pendling och utbildningsnivå. Detta skulle kunna bero på förändringar i arbetsmarknaden i form av att fler och fler yrken för lågutbildade försvinner, vilket betyder att de kan behöva vara rörligare för att få ett jobb. Det kan också ha att göra med den urbanisering vi har idag, att exempelvis butiker i mindre städer läggs ner för att flytta till

27

större städer, vilket medför att butikspersonal kan komma att pendla till sina arbeten. En ytterligare faktor skulle kunna ha att göra med bostadsmarknaden. Det blir allt dyrare att bo centralt i stora städer, vilket medför att lågutbildade kan komma att bo i förorter, och om de arbetar centralt kommer de enligt denna studie kvalificera sig som pendlare. Här ses alltså, som MacDonald (1999) menar, att pendlingsmönster tycks påverkas av en spatial missanpassning mellan bostadsområden och jobbmöjligheter. Kontentan från undersökningen kring pendling och utbildning kan sammanfattas i att det samband som tidigare visats på, det vill säga att en hög utbildning leder till ökad pendling möjligen inte så tydligt.

28

7. AVSLUTNING

Syftet med studien har varit att undersöka om, och i så fall hur, kvinnors pendlingsmönster har påverkats av att deras utbildningsnivå har ökat på ett sätt som skiljer sig från mäns. För att sammanfatta diskussionen kan sägas att kvinnors pendlingsmönster har förändrats, i många avseenden på andra sätt än mäns. Framförallt har pendlingsbenägenheten ökat mer för kvinnor än för män, vilket skulle kunna förklaras med kvinnors ökade utbildningsnivå, och går således i linje med det antagande som studien baseras på. Om det verkligen är så att förändringen beror på den ökade utbildningsnivån eller av andra anledningar är dock oklart, eftersom utbildningsnivå och pendling inte tycks ha det tydliga samband som tidigare sagts. Denna studie har alltså till viss del gett en annan syn än vad tidigare studier gett på utbildning och pendling (Jönsson & Scholten, 2010; Niedomysl & Malmberg, 2010). Att storstadsregioner attraherar personer med hög utbildningsnivå, och/eller höga karriärsanspråk (Öhman & Lindgren, 2003; Green, 1997), är av denna anledningen en teori som enligt studiens empiriska resultat kan tänkas appliceras på män i högre grad än på kvinnor. Studien har undersökt skillnader mellan mäns och kvinnors pendlingsmönster. Förklaringar till dessa skillnader är inget som studerats, även om resonemang kring eventuella förklaringar till studiens resultat har diskuterats. Från denna diskussion ses att utbildning möjligen inte har den betydelse som tidigare sagts, och att sambandet lön och pendling kan tänkas vara tydligare. Det verkar även som att lokalisering av arbeten inom reproduktion respektive produktion är av stor betydelse, en följd av en könsuppdelad arbetsmarknad. Följdeffekter av en könsuppdelad arbetsmarknad är att det finns en skillnad i vad kvinnor respektive män utbildar sig till, vilket kan tänkas ha en påverkan på pendlingsmönster. Något som troligtvis har stor påverkan på skillnader i kvinnors och mäns pendlingsmönster är som Sandow och Westin (2006), Gil Solá (2013) och MacDonald (1999) menar, att det finns förklaringar i sociala roller som resulterar i att kvinnor tar ett större ansvar för arbetsuppgifter i hemmet samt kulturella förklaringar, att rörlighet i vår kultur närmare är förknippat med manlighet medan kvinnlighet associeras med platsbundenhet i högre grad. Förslag till vidare studier är att undersöka rumsliga variationer i eventuella samband mellan kvinnors pendlingsmönster och utbildningsnivå. Det vill säga en undersökning om de pendlande kvinnornas utbildningsnivå påverkar eller inte påverkar pendlingsbenägeneten, för de specifika fallen som denna studie visat utmärker sig i kvinnliga pendlingsmönster. Hade det visat sig att kvinnlig pendlingsbenägenhet heller inte varierar rumsligt med kvinnlig utbildningsnivå hade det varit ett ytterligare empiriskt argument till att förkasta att de förändrade kvinnliga pendlingsmönstret kan förklaras av en ökad kvinnlig utbildningsnivå. Ytterligare förslag till vidare studier är att undersöka vad en jämställd pendling faktiskt skulle innebära. Dels vad som faktiskt är jämställd pendling, eftersom det kanske nödvändigtvis inte är att mäns och kvinnors pendlingsmönster är likadant. Att undersöka hur en jämställd pendling uppnås är även en intressant aspekt. Utbildningsnivå, som denna studie undersökt, skulle till viss del kunna vara en anledning till skillnader, men är de andra förklaringarna som nämns ovan av större betydelse? Att undersöka vad en jämställd pendling skulle kunna leda till är likaså intressant. Är en jämställd pendling något som skulle kunna tillintetgöra mäns och kvinnors löneskillnader?

29

KÄLL- OCH LITTERATURFÖRTECKNING

Amcoff, J. (2008) Är Stockholm-Mälarregionen en funktionell region? Ingår i: Regionen som vision. 1. uppl. Stockholm: SNS Förlag, s. 77–100.

Comte, A. (1949) Discours sur l’esprit positif. Paris: UGE (originalutgåva 1844).

Gil Solá, A. (2013) På väg mot jämställda arbetsresor? Göteborgs universitet: Göteborg.

Green, A. E. (1997) A Question of Compromise? Case Study Evidence on the Location and Mobility Strategies of Dual Career Households. Regional Studies, 31 (7), s. 641–657.

Grigonis, V.; Maliene, V.; Palevičius, V. & Griffiths, S. (2011) Geographic information system: Old principles with new capabilities. URBAN DESIGN International, 16 (1) s. 1–6.

Haining, R. (2003) Spatial Data Analysis – Theory and Practice. Cambridge University Press. Cambridge, UK; New York.

Hirdman, Y. (2003) Genus – om det stabilas föränderliga former. 2. uppl. Malmö: Liber.

Holme, I. M. & Solvang, B. K. (1997) Forskningsmetodik: om kvalitativa och kvantitativa metoder. 2. uppl. Lund: Studentlitteratur.

Jönsson, S. & Scholten, C. (2010) Regionförstoringens paradox. Ingår i: Rörlighet, pendling och regionförstoring för bättre kompetensförsörjning, sysselsättning och hållbar tillväxt. VINNOVA Rapport VR 2010:08, s. 12–19.

Larsson, A., & Jalakas, A. (2014) Jämställdhet nästa! Samhällsplanering ur ett genusperspektiv. Lund.

Niedomysl, T. & Malmberg, B. (2010) Arbetsmarknadsrelaterade flyttningar i Sverige. Ingår i: Rörlighet, pendling och regionförstoring för bättre kompetensförsörjning, sysselsättning och hållbar tillväxt. VINNOVA Rapport VR 2010:08, s. 48–53.

MacDonald, H. I. (1999) Women’s Employment and Commuting: Explaining the Links. Journal of Planning Literature, 13 (3), s. 267–283.

Sandow E. & Westin K. (2006) Vill människor pendla längre? TRUM: Transportforskningsenheten, Umeå Universitet.

Tobler, W. R. (1970) A Computer Movie Simulating Urban growth in the Detroit Region. Economic Geography, 46, s. 234–240.

30

Öhman, M. & Lindgren, U. (2003) Who is the long-distance commuter? Patterns and driving forces in Sweden. Cybergeo: European Journal of Geography, N°243.

Internet Regeringen. ”Jämställdhet”, https://www.regeringen.se/regeringens-politik/jamstalldhet/ [Hämtad den 2020-04-05]

SCB. ”Antal pendlare per län och kommun”, https://www.scb.se/hitta-statistik/statistik-efter- amne/arbetsmarknad/sysselsattning-forvarvsarbete-och-arbetstider/registerbaserad- arbetsmarknadsstatistik-rams/pong/tabell-och-diagram/antal-pendlare-per-lan-och- kommun-2018/ [Hämtad den 2020-04-05]

SCB. ”Befolkningens utbildning”, https://www.scb.se/hitta-statistik/statistik-efter- amne/utbildning-och-forskning/befolkningens-utbildning/befolkningens-utbildning/ [Hämtad den 2020-04-05]

SCB. ”Medellöner i Sverige”, https://www.scb.se/hitta-statistik/sverige-i-siffror/utbildning- jobb-och-pengar/medelloner-i-sverige/ [Hämtad den 2020-04-05]

SCB. ”Om SCB”, https://www.scb.se/om-scb/ [Hämtad den 2020-04-05]

SCB. ”Tätorter”, https://www.scb.se/hitta-statistik/statistik-efter- amne/miljo/markanvandning/tatorter/ [Hämtad den 2020-04-05]

SCB. ”Utbildningsnivån i Sverige”, https://www.scb.se/hitta-statistik/sverige-i- siffror/utbildning-jobb-och-pengar/utbildningsnivan-i-sverige/ [Hämtad den 2020-04-05]

31

BILAGA: LISTA ÖVER INPENDLINGSORTER

Stora inpendlingsorter Göteborg Malmö Sollentuna och Upplands Väsby Linköping Örebro Stockholm Lund Södertälje Uppsala

Medelstora inpendlingsorter Alingsås Karlskoga Oskarshamn Älmhult Karlskrona Östersund Ängelholm och Vejbystrand Karlstad Piteå Boden Katrineholm Ronneby Bollnäs Kinna Sandviken Borås Köping Skara Borlänge Kristianstad Skellefteå Eksjö Kristinehamn Skövde Enköping Kungälv Stenungsund Eskilstuna Landskrona Strängnäs Eslöv Lerum Sundsvall Falkenberg Lidköping Trelleborg Falköping Ljungby Trollhättan Falun Luleå Tumba Finspång Mariestad Uddevalla Gävle Märsta Umeå Hallsberg Mjölby Vallentuna Halmstad Mora Vänersborg Härnösand Motala Varberg Hässleholm Nässjö Värnamo Helsingborg Norrköping Västerås Hudiksvall Norrtälje Västervik Jönköping Nybro Växjö Jordbro Nyköping Vetlanda Kalmar Olofström Visby Karlshamn Örnsköldsvik Ystad

Små inpendlingsorter Abbekås Helgered Ramsberg Abborrberget Hemavan/Bierke Ramsele Åby Hemmingsmark Ramstalund Åbyggeby Hemse Rånäs Åbytorp Hemsjö Råneå Åhus Henån Rångedala Åkarp Herräng Rånnaväg Åkers styckebruk Herrljunga Ränneslöv Åkersberga Herrskog Ransta Älandsbro Hestra Rappestad

32

Alberga Hillared Rätan Ålberga Hillerstorp Råtorp Alby Hilleshög Rättarboda Åled Himle Rättvik Alfta Hindås Rävemåla Älgarås Hishult Rävlanda Älghult Hissjön Reftele Älgö Hissmofors Rejmyre Algutsrum Hittarp Rengsjö Allerum Hjälm Repbäcken Älmsta Hjälmared Resarö Almunge Hjältevad Restenäs och Ulvesund Alsike Hjärnarp Revingeby Alstad Hjärsås Riala Alster Hjärtum Riddarhyttan Alsterbro Hjärup Rimbo Alstermo Hjo Rimforsa Alunda Hjorted Rindö Älvängen Hjortkvarn Ringarum Älvdalen Hjortnäs Rinkaby Alvesta Hjortsberga Rinkabyholm Alvhem Hofors Rishammar Alvik Hofterup Risögrund Älvkarleby Höganäs Röbäck Älvkarleö Högboda Robertsfors Älvnäs Höggeröd Robertsholm Älvsala Högsäter Rockhammar Älvsbyn Högsby Rockneby Älvsered Högsjö Röda holme Åmål Hogstad Rödeby Ambjörnarp Hogstorp Röke Åmmeberg Hok Roknäs Ammenäs Hökåsen Rolfs Åmot Hökerum Rolfstorp Åmotfors Hököpinge Romakloster Åmynnet Höllviken och Ljunghusen Romme Ånäset Holm Rönnäng Anderslöv Holmeja Ronnebyhamn Anderstorp Holmsjö Rönneshytta Aneby Holmsund Rörö Äng Hölö Rörvik Ånge Holsbybrunn Rosenfors Änge Hönö Rosenlund Ängelholm strand Höör Rosersberg Angelstad Hoppet Rossön Angered Hörby Röstånga

33

Ängsmon Horda Rosvik Ängsvik Hörja Rot Ankarsrum Hörks hage Roteberg Ankarsvik Horn Rottne Anneberg Horndal Rottneros Annelöv Hörnefors Ruda Annelund och Ljung Horred Rundvik Antnäs Hortlax Runemo Aplared Hörvik Runtuna Äppelbo Hoting Rusksele Arboga Hova Rutvik Arbrå Hoverberg Rya Ardala Hovid Ryd Åre Höviksnäs Rydaholm Arentorp Hovmantorp Rydal Arild Hovsta Rydbo Årjäng Huaröd Rydboholm Arjeplog Hult Rydebäck Arkelstorp Hultafors Rydöbruk Ärla Hultsfred Rydsgård Årnäs Hulu Rydsnäs Arninge Hummelsta Ryssby Arnö Hunnebostrand Säffle Arrie Hunnestad Sågmyra Årsta Havsbad Hurva Sala Årstad Husum Salbohed Årsunda Hybo Saleby Arvidsjaur Hyllinge Sälen Arvika Hyltebruk Saltsjöbaden Åryd Hyssna Sandared, Sjömarken och Viared Ås Idkerberget Sandarne Åsa Idre Sandhem Åsarna Igelstorp Sandhult Åsarp Iggesund Sandskogen Åsbacka Ilsbo Sandslån Åsbro Immeln Sangis Åsby Indal Sankt Olof Åseda Ingared Särna Åsele Ingatorp Säter Åsensbruk och Bränna Ingelstad Sätila Åshammar Insjön Sättra Askeby Inskogen Sävar Askersby Irsta Sävast Askersund Jäderfors Säve Äsköping Jämjö Sävja Åsljunga Jämshög Sävsjö

34

Asmundtorp Jämtön Saxängen Aspås Järavallen Saxdalen Aspeboda Järbo Saxemara Äspered Järlåsa Saxtorpsskogen Asperö Järna Segersta Äsperöd Järnforsen Selånger Åstorp Järpås Selja Ätran Järpen Sennan Åtvidaberg Järvsö Seskarö Avan Jättendal Sexdrega Avesta Jävre Sibbhult Axvall Johannesudd Sibo Backa och Nittsjö Johannishus Sidensjö Backaryd Johansfors Sifferbo Bäckaskog Jokkmokk Signehög och Norrmannebo Backe Jönåker Sigtuna Bäckebo Jonsered Siljansnäs Bäckefors Jonslund Silverdalen Bäckhammar Jonstorp Simlångsdalen Bälinge Jörlanda Simonstorp Ballingslöv Jörn Simrishamn Balsby Jössefors Sinksundet Bålsta Jukkasjärvi Själsö Bammarboda Jung Sjöbo Bankekind Junosuando Sjögestad Bankeryd Junsele Sjörröd Bara Juoksengi Sjösa Bärby Kåge Sjötorp Barkarö Kågeröd Sjövik Barsebäck Kåhög Sjuhalla Bårslöv Kälarne Sjulsmark Baskemölla Kalix Sjunnen Bäsna Kalkudden Sjunnerup Båstad Kallax Sjuntorp Bastuträsk Källby Skällinge Båtskärsnäs Kållekärr Skålö Beddingestrand Kallfors SkåneÄTranås Bengtsfors Källhagen SkånesÄFagerhult Bengtsheden Kallinge Skänninge Bensbyn KällöÄKnippla Skanör med Falsterbo Berg Kangos Skansbacken Nås Berga Kånna Skåpafors Bergagård Karby Skärblacka Bergby Kareby Skåre Bergeforsen Karesuando Skärhamn Berghem Karlholmsbruk Skärplinge

35

Bergkvara Karlsborg Skarpö Bergnäset Karlsvik Skärstad Bergs slussar Kärna Skatan Bergshammar Kårsta Skattkärr Bergshamra Kärsta och Bredsdal Skattungbyn Bergsjö Karungi Skavkulla och Skillingenäs Bergströmshusen Karups sommarby Skebobruk Bergsviken Kastlösa Skede Bergvik Katrinedal Skedvi kyrkby Bestorp Kattarp Skee Bettna Kättilsmåla Skegrie Bie Kättilstorp Skelleftehamn Billdal Kävlinge Skepplanda Billeberga Kaxholmen Skeppshult Billinge Kebal Skeviksstrand Billingsfors Kil Skiftinge Billsta Kilafors Skillingaryd Birka Killeberg Skillinge Bjärlöv Kilsmo Skinnskatteberg Bjärnum Kimstad Skivarp Bjärred Kinnared Skoby Bjärsjölagård Kinnarp Skoghall Bjästa Kiruna Skogsby Björbo Kisa Sköldinge Björboholm Kivik Sköllersta Björke Kjulaås Skölsta Björketorp Klädesholmen Skörby Björklinge Klågerup Skottorp Björkö Klagstorp Skrea Björköby Kläppa Skruv Björkskatan Klässbol Skultorp Björktorp och Sanda Klevshult Skultuna Björkvik Klingsta och Allsta Skurup Björlanda och Torslanda Klintehamn Skutskär Björna Klippan Skyttorp Björnänge Klippans bruk Slaka Björnås Klockestrand Slätthult Björneborg Klockrike Slite Björnlunda Klövedal Slöinge Björsäter Klöverträsk Slottsbron Bjurholm Klutmark Slottsskogen Bjursås Knäred Smålandsstenar Bjuv och Billesholm Knislinge Smedby Blackstalund Knivsta Smedjebacken Blåsmark Knutby Smedstorp Bleket Kode Smögen

36

Blentarp Köinge Smygehamn Blidö Kolbäck Snogeröd Blidsberg Kolsva Snöveltorp Blombacka Konga Söderåkra Blomstermåla Köpingebro Söderbärke Blötberget Köpmanholmen Söderby Bockara Kopparberg SöderbyÄKarl Boda Kopparmora Söderfors Bodafors Kopparnäs Söderhamn Böle Koppom Söderköping Boliden Korpilombolo Söderskogen Bollebygd Korsberga Södersvik Bollstabruk Kortebo Södra Bergsbyn och Stackgrönnan Bönan Kosta Södra Bredåker Bondstorp Kovikshamn och Åkerhög Södra Sandby Bor Kovland Södra Sunderbyn Borensberg Krägga Södra Vi Borggård Kråkered Solberga Borgholm Kramfors och Frånö Sollebrunn Borgstena Krika Sollefteå Borrby Kristdala Sollefteå norra Bosnäs Kristvallabrunn Sollerön Botsmark Krokek Solvarbo Bottnaryd Krokom Sölvesborg Bovallstrand Krylbo Sommen Boxholm Kuggeboda Sonstorp Braås Kullersta Söråker Bräcke Kullö Sörforsa BräkneÄHoby Kulltorp Sörmjöle Brålanda Kumla Sorsele Brännäset Kungsängen Sörstafors Brännland Kungsäter Sorunda Brännö Kungsberga Sörvik Brantevik Kungsgården Sösdala Brastad Kungshamn Sövde Bredared Kungsör Sövestad Bredaryd Kurland Spångsholm Bredbyn Kurveröd Spånlöt Bredsand Kusmark Sparreholm Bro Kuttainen Spekeröd Broaryd Kvänum Spillersboda Broby Kvärlöv Spjutsbygd Brogården Kvarsebo Staffanstorp Brokind Kvegerö Stallarholmen Bromölla Kvibille Ställdalen Brösarp Kvicksund Stånga

37

Brottby Kvidinge Stångby Brunn Kvillsfors Stava Brunna Kvissleby Stavsjö Bruzaholm Kvistbro Stavsnäs Bua Kyrkesund och Bö Stehag Buerås Kyrkheddinge Stenared Bullmark Kyrkhult Stenåsen Bunkeflostrand Läby Stenhamra Bureå Läckeby Steninge Burgsvik Lagan Stenis och Vika Burlövs egnahem Laggarberg Stennäset Burseryd Laholm Stensele Burträsk Lammhult Stensjön Butbro Landeryd Stenstorp Bygdeå Landfjärden Stenungsön Bygdsiljum Landsbro Sticklinge udde Byske Landvetter Stigen Charlottenberg Lanesund och Överby Stigtomta Dalarö Långared Stilleryd Dalby Långås Stjärnhov Dals Långed Långasand och Ugglarp Stoby Dals Rostock Långasjö Stocka Dalsjöfors Länghem Stockamöllan Dalstorp Långsele Stockaryd Dalum Långshyttan Stöcke Danholn Långvik Stöcksjö Danmark Långviksmon Stockvik Dannemora Lanna Stöde Dannike Länna Stöllet Degeberga Läppe Stöpen Degerfors Lärbro Storå Degerhamn Larv Stora Bugärde Deje Latorpsbruk Stora Dyrön Delsbo Laxå Stora Herrestad Dingle Laxvik Stora Höga Dingtuna Lekeryd Stora Levene Diö Leksand Stora Mellby Diseröd Lenhovda Stora Mellösa Djupekås Lerbäckshult Stora Rör Djupvik och Fagerfjäll Lerdala Stora Vika Djura Lesjöfors Storebro Djurås och Djurmo Lessebo Storfors Djurö Liatorp Storuman Djurön Lidatorp och Klövsta Storvik Docksta Liden Storvreta Domsten Lidhult Strålsnäs

38

Donsö Lidingö Strand Dorotea Lidköping norra Strångsjö Dösjebro Lilla Edet Stråssa Drag Lilla Edet västra Striberg Drängsmark Lilla Harrie Strömma Drottningholm Lilla Stenby Strömsbruk Drottningskär Lilla Tjärby Strömsholm Dunö Lillhaga Strömsnäsbruk Duvesjön Lillhärdal Strömstad Dvärsätt Lillkyrka Strömsund Ed Lillpite Strövelstorp Eda glasbruk Limedsforsen Stugun Edane Limmared Sturefors Edsbro Linanäs och Laggarsvik Sturkö Edsbruk Linderöd Styrsö Edsbyn Lindesberg Sund Edsgatan Lindholmen Sundborn Edsta Lindö Sundby Edsvalla Lindsdal Sundbyholm Edsvalla Övre bruket Lingbo Sundom Ekängen Linghed Sunnansjö Ekeby Linghem Sunne EkebyÄAlmby Linneryd Sunnemo Ekedalen Listerby Surahammar Ekenässjön Lit Surte Ekerö Ljunga Svalöv Ekerö sommarstad Ljungbyhed Svalsta Eket Ljungbyholm Svanberga Ekshärad Ljungsarp Svanesund Ekskogen och Långsjötorp Ljungsbro Svängsta Eksund Ljungskile Svanskog Eldsberga Ljusdal Svanvik Ellös Ljusfallshammar Svappavaara Emmaboda Ljusne Svärdsjö Emmaljunga Ljusterö Nolsjö Svärdsö och Oxnö Emtunga Löberöd Svartå Enånger Löddeköpinge Svartbyn Enbacka och Mora Löderup Svarte Eneryda Lödöse Svartehallen EnhagenÄEkbacken Loftahammar Svärtinge Enstaberga Lögdeå Svartudden Enviken Lomma Svedala och Sjödiken Eriksmåla Lönsboda Sveg Eringsboda Lörby Svenljunga Ersmark Los Svensbyn Ersnäs Lotorp Svenshögen

39

Eskilsby och Snugga Lottefors Svenstavik Everöd Löttorp Svenstorp Fågelfors Lövånger Svinninge Fågelmara Lövestad Sysslebäck Fågelsta Lövstalöt Taberg Fågelvikshöjden Löwenströmska lasarettet Täfteå Fagerås Lucksta Tågarp Fagerhult Ludvika Täljö Fagersanna Lugnås Tallåsen Fagersta Lugnet och Skälsmara Tällberg Fåker Lunde Tallboda Falerum Lundsbrunn Tallvik Falla Lungvik Tandsbyn Falun västra Lunnarp Tångaberg Fanbyn Lunne Tånnö Fårbo Lurudden Tanumshede Färgelanda Lycksele Tärnaby Farhult Lycksta Tärnsjö Färila Lyrestad Tåstarp Färjestaden Lysekil Tävelsås Färlöv Lysvik Tavelsjö Fårösund Madängsholm Teckomatorp Fegen Magra Tenhult Fellingsbro Mala Tibro Fengersfors Malå Tidaholm Figeholm Målilla Tidan Filipstad Malmbäck TidöÄLindö Filsbäck Malmberget östra Tierp Finja Malmberget västra Tillberga Finnerödja Malmköping Timmele Finsta Malmön Timmernabben Fiskebäckskil Malmslätt Timmersdala Fisksätra Malung Timrå Fjälkinge Malungsfors Tingsryd Fjällbacka Månkarbo Tingstäde Fjärås kyrkby Mantorp Tjällmo Fjärås station Marbäck Tjörnarp Fjärdhundra Margretetorp Tjuvkil Fjugesta Mariannelund Tobo Flädie Marieby Töcksfors Flen Mariefred Tofta Fleninge Marieholm Toftbyn Flerohopp Marielund och Selknä Tollarp Fliseryd Markaryd Tollered Floby Marmaskogen och Söderala Töllsjö Floda Marmorbyn Tomelilla

40

Flurkmark Marstrand Torbjörntorp Flygsfors Marstrand Arvidsvik Töre Flyinge Matfors Töreboda Folkärna Måttsund Torekov Föllinge Medåker Torestorp Fornåsa Medle Törestorp Fors Mehedeby Torhamn Forsbacka Mellansel Tormestorp Forserum Mellbystrand Torna Hällestad Forshaga Mellerud Torpa Forsheda Mellösa Torpsbruk Förslöv Merlänna Torpshammar Forssjö Mjällby Torreby Forsvik Mjällom Torsåker Fotö Mjöbäck Torsång Främmestad Mjöhult Torsås Frändefors Mjönäs Torsby Fränsta och Ljungaverk Mockfjärd Torshälla Fredriksberg östra Mogata Tortuna Fredriksberg västra Mohed Torup Fredriksdal Moheda Tösse Fredriksfors Moholm Totebo Fridlevstad Möklinta Trädet Friggesund Moliden Tranås Frillesås Molkom Tranemo Frinnaryd Mölle Trångforsen och Heden Fristad Mollösund Trångsviken Fritsla Mölltorp Transtrand Frödinge Mölnbo Traryd Frösakull Mölnlycke Tråvad Frövi Mönsterås Trekanten Funäsdalen Mörarp Trödje Funbo Mörbylånga Trönninge Furuby Morgongåva Trönningenäs Furudal Mörlunda Trönö Furulund Mörrum Trosa Furuvik Mörsil Tumbo Gäddede Morup Tumlehed Gagnef Mullhyttan Tuna Gällivare Mullsjö Tunnerstad Gällö MunkaÄLjungby Tuolluvaara Gällstad Munkedal Tureholm Gamleby Munkfors Tvååker Gammelgården Munktorp Tvärålund Gammelstaden Muskö Tvärskog Gånghester och Målsryd Myckle Tving

41

Gängletorp Myggenäs Tye Gantofta Myresjö Tygelsjö Gårdby Myrviken Tynningö Gärds Köpinge Nälden Tyringe Gårdskär Nås Tystberga Gårdstånga Näs bruk Uddebo Garpenberg Näsåker Uddeholm Garphyttan Näsum Uddheden Gärsnäs Näsviken Ullånger Gåvsta Nättraby Ullared Gemla Nävekvarn Ullervad Genarp Nävragöl Ulricehamn Genevad Nedansjö Ulrika Gesunda Nedre Gärdsjö Ultuna Getinge Nibble Ulvåker Getterön Nikkala Ulvkälla Gideå Nissafors Unbyn Gimo Nitta Undenäs Gislaved Njutånger Undersåker Gissebo Nöbbele Unnaryd Gistad NödingeÄNol Upphärad Gladö kvarn Nolvik Upplanda Glanshammar Nora Urshult Glava Norberg Ursviken Glemmingebro Nordingrå Utby Glimåkra Nordmaling Utvälinge Glommersträsk Norje Utvalnäs och Harkskär Glömminge Norr Amsberg Väckelsång Glumslöv Norra Bro Vad Gnarp Norra Ingaröstrand och Skälsmara Väderstad Gnesta Norra Lagnö Vadstena Gnosjö Norra Riksten Vaggeryd Gonäs Norra Rörum Vagnhärad Göta Norra Visby Väländan Götene NorrÄHede Valåsen och Labbsand Götlunda Norrfjärden Vålberg Gottne NorrhultÄKlavreström Valbo Gråbo Norrsundet Valdemarsvik Gräddö och Rävsnäs Norsbron Valje Gräfsnäs Norsholm Valla Granby Norsjö Vallåkra Grängesberg Nossebro Vallargärdet Grängesberg västra Nusnäs Vallberga Gränna Nyborg Vallda Granö Nybrostrand Vallkärra Gränum Nye Vallösa

42

Grästorp Nyehusen Vallsta Graversfors Nygård Vallvik Grebbestad Nyhagen och Översättra Valskog Grebo Nyhammar Våmhus Grevie Nykil VäneÄÅsaka Grillby Nykroppa Vånga Grimsås Nykvarn Vänge Grimslöv Nyland Vankiva Grimstorp Nymölla Vännäs Gripenberg Nynäshamn Vännäsby Grisslehamn Nysättra Vannsätter Grödby Obbola Vansbro Grums Öbolandet Vansö kyrkby Grundsund Öbonäs Vaplan Grycksbo Ockelbo Vara Gryt Öckerö Vårdsätra Grythyttan Ödåkra Varekil Gualöv Ödeborg Vårgårda Gubbo Odensbacken Vargön Gudhem Odensjö Väring Gullbrandstorp Ödeshög Varnhem Gullbranna Ödsmål Väröbacka Gulleråsen Ödsmål och Åseby Värsås Gullringen Ödsmåls mosse och Rörtången Vårsta Gullspång och Skagersvik Öggestorp Vartofta Gundal och Högås Öjersjö Väse Gunnared och Hammarkullen Oknö Väskinde Gunnarskog Oleby Vassmolösa Gunnebo Ölmbrotorp Vassunda Gunsta Ölme Västansjö Gusselby Ölmstad Västanvik Gustavsberg och Hemmesta Olofstorp Västerberg Gusum Olsfors Västerby Gyttorp Olshammar Västerfärnebo Habo Ölsta Västerhaninge HåboÄTibble kyrkby Önneköp Västerhejde Hackås Önnestad Västerljung Haga Onsala Västerlösa Håga Onslunda Västra Ämtervik Hagby Örbyhus Västra Bispgården Hagfors Öregrund Västra Bodarna Häggeby och Vreta Örkelljunga Västra Hagen Häggenås Ormaryd Västra Husby HagrydÄDala Orrefors Västra Ingelstad Hakkas Orrhammar Västra Karaby Håksberg Orrviken Västra Karup

43

Häljarp Orsa Västra Tommarp Halla Heberg Örserum Vattholma Hallabro Örsjö Vattjom Hällaryd Örslösa Vattnäs Hällberga Örsundsbro Vattubrinken Hällbybrunn Örsundsbro norra Vaxholm Hälledal Örtofta Våxtorp Hällefors Osby Veberöd Hälleforsnäs Osbyholm Veddige Hällekis Oskarström Vedevåg Hallen Ösmo Vedum Hällesåker Östadkulle Vegby Hällestad Östansjö Veinge Hällevadsholm Österby Velanda Hällevik Österbybruk Vellinge Hällingsjö Österbymo Vemdalen Hällnäs Österfärnebo Vena Hållsta Österslöv Venjan Hallstahammar Österstad Vessigebro Hallstavik Östervåla Vi Halltorp Östhammar Vibble Hälsö Östra Bispgården Vickleby Halvarsgårdarna Östra Frölunda Vidja Hamburgsund Östra Grevie Vidsel Hammar Östra Husby Vik Hammarby Östra Kallfors Vika Hammarslund Östra Karup Vikarbyn Hammarstrand Östra Ljungby Viken Hammenhög Östra Ryd Vikingstad Hammerdal Östra Sönnarslöv Vikmanshyttan Hampetorp Östra Tommarp Viksäter och Viksberg Hanaskog Östra Vemmerlöv Viksjöfors Hånger Ostvik Vilhelmina Haparanda Otterbäcken Villshärad Hara Överboda Vilshult Härad Överby Vimmerby Harads Överhärde Vinäs Häradsbygden Överkalix Vinberg Harbo Överlida Vinbergs kyrkby Harestad och Nereby Övertänger Vindeln Hargshamn Övertorneå Vindön och Töllås Harlösa Överum Vingåker Harmånger Öxabäck Vinninga Harplinge Oxelösund Vinslöv Härryda Öxeryd Vintrosa Härslöv Oxie Virsbo

44

Hartungviken Påarp Virserum Hassela Pajala Viskafors Hasselfors Påläng Vislanda Hasslarp Pålsboda Vissefjärda Hasslö Parksidan och Solsidan Vistträsk Hasslöv Påryd Vitaby Hästängen och Mora Påskallavik Vittangi Hästebäcken Pauliström Vittaryd Hästhagen Persberg Vittinge Hästholmen Pershagen Vittjärv Hästveda Persön Vittsjö Havdhem Perstorp Vollsjö Haverdal Pilgrimstad Vrångö Heberg Piperskärr Vrena Heby Porjus Vretstorp Hedared Prästängen Vrigstad Hede Pukavik Vuollerim Hedekas Rabbalshede Yngsjö Hedemora Råby Ysane Hedenäset Råda Ysby Hedesunda Rälla Ytterhogdal Hedkärra Ramdala Ytternäs och Vreta Hedlunda Ramnäs Zinkgruvan

45