Högskoleetablering och arbetslöshet Effekter av nya lärosäten i Sveriges län 1955-2010 Frida Arnesson & Emma Jakobsson Sammanfattning: Denna studie undersöker hur etableringen av nya universitet och högskolor i Sveriges län under perioden 1955-2010 har påverkat arbetslösheten. Analysen baseras på statistik över antal arbetslösa från Statistiska centralbyråns Arbetskraftundersökningar samt från Arbetsförmedlingen. Den huvudsakliga teorin i fokus är humankapitalteorin som menar att investeringar i utbildning och färdigheter hos individer leder till ökad produktivitet, både hos enskilda individer och för samhället. Metoden som används i analysen är difference-in-difference (DiD). Till en början används en enklare Two-Way Fixed Effect modell för att sedan utvecklas till en mer avancerad modell. Den sistnämnda modellen har introducerats i nyare forskning och tar hänsyn till heterogena effekter i form av att etableringarna sker vid olika tidpunkter i de olika länen. Att ta hänsyn till heterogena effekter har visat sig i den senaste forskningen till och med kunna ändra tecknet på behandlingseffekten. Behandlingseffekten undersöks både för varje enskilt år efter etablering och som ett genomsnitt. Resultatet visar en signifikant genomsnittlig negativ behandlingseffekt på 6.6 %. Studien visar därmed att satsningar på högre utbildning kan ha långsiktigt positiva effekter på den regionala arbetsmarknaden och stödjer därmed humankapitalteorin. Nyckelord: arbetslöshet, högskola, universitet, högskoleetablering, humankapitalteorin, humankapital Kandidatuppsats Nationalekonomi, 15hp Vårtermin 2025 Handledare: Björn Tyrefors Institutionen för nationalekonomi med statistik Handelshögskolan vid Göteborgs universitet Förord Vi vill uttrycka ett stort tack till vår handledare Björn Tyrefors för det värdefulla stöd vi fått under hela arbetet med denna uppsats. Dina insikter, kloka synpunkter och din erfarenhet har varit till stor hjälp och haft stor betydelse för arbetets utveckling. Frida Arnesson & Emma Jakobsson Göteborg juni 2025 1 1. Introduktion 3 1.1 Syfte 5 1.2 Frågeställning 5 1.3 Metod 5 1.4 Avgränsningar 6 1.5 Tidigare forskning 7 1.5.1 Svenska studier 7 1.5.2 Internationella studier 8 1.5.3 Produktivitet och tillväxt 9 2. Teori och Bakgrund 10 2.1 Humankapitalteorin 10 2.2 Arbetslöshet 11 2.3 Högskolereformen 12 3. Empirisk referensram 13 3.1 Difference-in-difference 13 3.2 Heterogen behandling 15 3.2.1 Placebo-test vid heterogen behandling 16 3.2.2 Difference-in-Difference mean 16 3.3 Kontrollvariabler 17 4. Data 18 4.1 Datainsamling 18 4.2 Hantering av databegränsningar 18 4.2.1 Hantering av län 18 4.2.2 Hantering av mått 19 4.2.3 Saknade värden 19 4.3 Behandlade län 19 5. Resultat 20 5.1 TWFE-modell 20 5.2 Avancerad DiD-modell 22 5.2.1 Difference-in-difference mean 24 6. Diskussion 25 7. Slutsats 27 Källhänvisning 29 Appendix 33 2 1. Introduktion Utbildningsnivån för den svenska befolkningen har ökat betydligt under de senaste decennierna (Öhlin & Wallén, 2023). Trots att utbildning har en central roll i individers och samhällets långsiktiga utveckling är arbetslöshet ett återkommande problem i samhället. Enligt arbetskraftsundersökningen (AKU) från Statistiska centralbyrån (2025) uppgick arbetslösheten till 10.4 % i januari 2025, vilket motsvarar en ökning med 1.9 procentenheter från samma månad föregående år. Enligt Öhlin och Wallén (2023) anser många arbetsgivare att den högre utbildningen brister i relevans till arbetsmarknadens faktiska behov. Samtidigt visar statistik att Sverige har den högsta arbetslösheten bland högskoleutbildade i jämförelse med andra länder med liknande förutsättningar för att bedriva högre utbildning (Öhlin & Wallén, 2023). Akademikernas a-kassa (2025) redovisade det högsta antalet arbetslösa bland akademiker i januari 2025, den högsta siffran sedan år 2006. Det är därför intressant att undersöka i vilken utsträckning högre utbildning påverkar människors etablering på arbetsmarknaden samt minskar risken för arbetslöshet i Sverige. Utbildning har länge setts som en viktig faktor för både individers framtid och samhällets utveckling. När människor får möjlighet att studera kan de förbättra sina kunskaper och färdigheter vilket kan leda till bättre livsvillkor, större självständighet och fler möjligheter på arbetsmarknaden. Detta är nära kopplat till begreppet humankapital, ett ord som används för att beskriva människors kunskaper, färdigheter och erfarenheter (NE, 2024). En högre utbildning leder ofta till en bättre lön, större trygghet och starkare position på arbetsmarknaden samtidigt som möjligheterna att leva ett friskare liv med bättre hälsa ökar (Göteborgs Universitet, 2024). Utbildningens betydelse sträcker sig även bortom den enskilda individen. Enligt Europeiska kommissionen (2024) är investeringar i utbildning väsentligt för innovation, hållbarhet och ekonomisk tillväxt i hela samhället. Ett stärkt humankapital genom ökad utbildning anses vara en grundförutsättning för samhällsutveckling. Enligt Mincer (1991) spelar utbildning en betydande roll i att minska risken för arbetslöshet, inte bara genom att förkorta arbetslöshetsperioder men främst genom att minska själva sannolikheten att bli arbetslös. År 1977 genomfördes en stor förändring i Sverige av det svenska utbildningssystemet, den så kallade högskolereformen (Regeringen, 1976/77). Innan reformen var högre utbildning i stor utsträckning koncentrerad till storstäderna och därmed svår att nå för personer i mindre orter. Syftet med reformen var att göra högre utbildning mer tillgänglig för människor i hela landet. Därför etablerades flera nya högskolor och universitet på olika platser och inte bara i de största 3 städerna (Bergh, Hällerfors, Tåg & Åstebro, 2024). På så sätt kunde fler människor ta del av högre utbildning oavsett var i landet de var bosatta, samtidigt som det totala humankapitalet i samhället kunde stärkas. Effekterna av satsningen på utbildning för den regionala marknaden i Sverige är dock inte helt utforskade. Tidigare forskning har bland annat undersökt om ökat antal högskolor ledde till att fler ungdomar valde att studera vidare samt om ungdomar i valet att studera vidare påverkas av närheten till utbildning eller om framtida avkastning är avgörande för beslutet. Men ingen studie har hittills undersökt effekten på arbetslöshet. Mot denna bakgrund är det därför intressant att närmare studera vilken roll satsningar på högre utbildning kan ha spelat för samhället i stort, särskilt gällande arbetsmarknaden och arbetslöshet. I en tidigare kurs i ekonometri vid Göteborg Universitet har grunder introducerats för hur man undersöker orsak och verkan med hjälp av metoden Difference-in-difference (DiD). I kursen används litteraturen Introduction to economics av Stock och Watson (2020) och en enklare variant av modellen presenterades. Modellen bestod av två tidsperioder, en före och efter behandling samt två grupper varav en grupp fick behandling vid behandlingstillfället och den andra gruppen fick ingen behandling. Vår studie handlar om hur etableringen av högskolor och universitet påverkat arbetslösheten, och eftersom dessa inte etablerats vid samma tidpunkt i de olika länen var den enklare modellen otillräcklig. Kunskapen från kandidatnivån var därmed bristfällig i denna aspekt. Tack vare utveckling av nyare forskning kring DiD-modeller har vi i denna rapport kunnat gå ett steg längre metodmässigt. Vi har använt oss av nyare forskning som rekommenderat en mer avancerad modell för behandling vid olika tillfällen, med andra ord en modell som tar heterogen behandling i beaktning. Det har varit en utmaning men samtidigt mycket lärorikt och framförallt visat sig vara väsentligt för att genomföra analysen och kunna besvara frågeställningen. Tillämpningen av den nya modellen bekräftade problematiken med att använda den enklare TWFE-modellen vid heterogen behandling. 4 1.1 Syfte Syftet med detta arbete är att undersöka hur satsningar på högre utbildning, genom etablering och utbyggnad av universitet och högskolor i Sverige, har påverkat antalet arbetslösa personer i Sveriges samtliga län. Med statistik från Statistiska centralbyrån och Arbetsförmedlingen analyseras arbetslösheten under perioden 1955 till 2010. Jämförelsen görs mellan perioden före och efter etableringen av ett universitet eller högskola i syfte att undersöka om tillgången till högre utbildning, och därmed ett stärkt humankapital, haft någon effekt på den regionala arbetslösheten. 1.2 Frågeställning Hur har etableringen av nya högskolor och universitet i Sverige under 1955-2010 påverkat antalet arbetslösa personer i Sveriges samtliga län? 1.3 Metod Denna uppsats använder en difference-in-difference metod (DiD) för att besvara frågeställningen. Inledningsvis användes en enkel Two-Way Fixed Effect (TWFE) modell. Det är en klassisk modell som ofta används i studier för att undersöka kausala effekter. Modellen baseras på paneldata över en längre tidsperiod och genomför en linjär regression med fasta effekter för varje län och år. En enkel TWFE använder två grupper, en behandlingsgrupp som får behandling och en obehandlad kontrollgrupp, samt två olika tidsperioder, före och efter behandling. Genom att jämföra skillnaden i den beroende variabeln mellan behandlingsgruppen och kontrollgruppen kan DiD-metoden estimera behandlingseffekten (Hill, Griffiths & Lim, 2012). För att tolka behandlingseffekten som kausal måste antagandet om parallella trender vara uppfyllt. Antagandet innebär att vid avsaknad av behandling hos den behandlade gruppen kommer utvecklingen mellan de två grupperna att följa liknande trender över tid (Abadie, 2005). I TWFE-modellen kontrolleras antagandet visuellt med en händelsestudie. Händelsestudien använder 10 år före behandlingstillfället samt 10 år efter behandlingstillfället för att studera utvecklingen av arbetslöshet innan och efter en etablering av högskola eller universitet. Den beroende variabeln antal personer arbetslösa har logaritmerats. Genom att använda logaritmerad arbetslöshet visar koefficienterna hur arbetslösheten förändras procentuellt vilket möjliggör en lättare jämförelse mellan de olika länen. 5 I denna studie etableras universitet och högskolor vid olika tidpunkter i olika län vilket innebär att behandlingen är heterogen. Dock kan den klassiska TWFE-modellen misslyckas med att uppskatta parametrarna vid heterogen behandling. Uppskattningarna riskerar att vara missvisande och kan till och med visa fel tecken, exempelvis kan en negativ effekt misstas för en positiv effekt i modellen (Baker, Callaway, Cunningham, Goodman-Bacon & Sant’ Anna, 2025). Nyare forskning har därför använts för att kunna ta analysen ett steg längre. I en mer avancerad modell som tillåter heterogen behandling består kontrollgruppen av de län som ännu inte har behandlats, vilket innebär att kontrollgruppen skiftar under tidens gång (De Chaisemartin & D’Haultfœuille, 2020). Således undviks problemet där behandlade enheter kan fungera som kontrollgrupp för sin egen behandling, en viktig skillnad jämfört med den enkla TWFE-modellen. Den nya modellen kallar åren före behandling för placebo och åren efter att behandling sker för effekter. Ett placebo-test används för att kontrollera antagandet om parallella trender, med andra ord återigen att trenden innan behandling ser likadan ut hos den behandlade och obehandlade gruppen. De Chaisemartin och D’Haultfœuille (2020) föreslår även att ett Difference-in-difference mean (𝐷𝑖𝐷 ) ska beräknas, vilket visar en estimerad genomsnittlig behandlingseffekt. Vi har därför 𝑀 valt att gå vidare även med denna rekommendation i analysen för att få en mer korrekt estimator av effekten vi vill analysera. 1.4 Avgränsningar Uppsatsen undersöker huruvida etableringen av högskolor och universitet påverkat arbetslösheten på regional nivå, med län som geografisk indelning. Det hade varit intressant att genomföra analysen på kommunnivå för att möjliggöra en mer detaljerad analys på lokal nivå. På grund av bristande tillgång till arbetslöshetsdata på kommunnivå valdes istället länsnivå för att genomföra analysen. Kommundata hade kunnat ge mer precision men vi hade sannolikt mätt behandlingen sämre eftersom det är relativt enkelt och billigt att pendla inom de flesta län. Det är därmed sannolikt att behandlingen (högskoleetablering) påverkar en större arbetsmarknad än en kommun och under dessa förutsättningar anses länsdata vara mer tillförlitlig än kommundata. 6 Tidsperioden för rapporten 1955-2010 valdes utifrån tidpunkterna då högskolor och universitet etablerades. Majoriteten av etableringarna i Sverige ägde rum under slutet av 1970-talet. Den första etableringen av högskola eller universitet i analysen skedde 1965 och den sista 1998. Perioden för analysen valdes därför till 10 år före respektive 12 år efter sista etableringen för att säkerställa tillräcklig tidsperiod för att se trender före och efter respektive etablering. 1.5 Tidigare forskning Det har tidigare inte genomförts studier som utvärderar effekten från etableringen av högskolor och universitet på specifikt arbetslöshet i Sverige, men det finns ett antal svenska studier som bidrar med värdefull information. Även forskning från andra länder har undersökt effekter från liknande reformer som högskolereformen i Sverige 1977. 1.5.1 Svenska studier Flera svenska studier har undersökt effekterna av expanderingen av högskolor och geografisk tillgänglighet till högre utbildning. En tidig studie av Holm och Häggström (SOU 1972:23) visade att andelen unga som fortsatte till högre utbildning ökade mer i områden som fått ökad tillgång till högre utbildning. Resultaten från studien stödjer resonemanget om att närhet till högre utbildning påverkar benägenheten hos en individ att studera vidare. Dryler (1994) studerade huruvida högskoleetableringar i bland annat Luleå, Linköping och Östersund ledde till att fler ungdomar med lågutbildade föräldrar började studera i jämförelse med ungdomar med högutbildade föräldrar. Dryler fann dock ingen effekt på att ungdomar med lågutbildade föräldrar i större utsträckning studerade vidare. Flera studier har också undersökt relationen mellan avstånd till lärosäte och utbildningsval. Kjellström och Regnèrs (1999) studie visade att unga människor var mer benägna att studera vidare om de bodde nära ett lärosäte, något som delvis kan förklaras av att högutbildade familjer redan är bosatta nära lärosäten. Holzer (2009) kom fram till att individer som bodde nära snabbt växande lärosäten var mer benägna att studera vidare. Även Markus (2023) visade att sannolikheten för unga människor att studera vidare ökar medan benägenheten att flytta minskar när en högskola etableras i deras hemkommun. 7 I en studie av Nybom (2017) lyfts hur individers framtida inkomster påverkas av utbildning. Studien visar att avståndet till lärosätet spelar roll för beslutet att studera vidare samt att den högre arbetsinkomsten senare i livet även påverkas av individens enskilda förmågor. En senare studie av Nybom, Plug, van der Klaauw och Ziegler (2022) visade också att utbildningsexpansionen skapat ett mönster, där högutbildade tenderar att gifta sig med andra högutbildade, något som i sin tur kan bidra till ökade inkomstskillnader i nästa generation. En relevant och nyligen genomförd studie av Bergh et al. (2024) undersöker effekten av högskolereformen 1977 med fokus på hur reformen påverkar unga människors vilja att studera vidare. Reformens syfte var att minska den sociala snedrekryteringen till högre utbildning och öka tillgängligheten till högskoleutbildning utanför storstäderna genom att etablera 12 nya högskolor i olika regioner. Studien visade att andelen som påbörjade högskoleutbildning ökade med 5 procentenheter i de kommuner som berördes av reformen jämfört med kommunerna i kontrollgruppen. För ungdomar med föräldrar utan akademisk bakgrund ökade andelen med 5 procentenheter och hela 25 procentenheter för ungdomar med högutbildade föräldrar. Författarna noterar att trots den stora skillnaden, syntes dock den största ökningen i absoluta tal hos den förstnämnda gruppen. Därmed kan man påstå att högskolereformen till viss del lyckades motverka den sociala snedrekryteringen som tidigare skett och att närheten till utbildning ökade viljan att studera vidare. Bergh et al. (2024) rapporterar även att arbetslösheten ökade i reformkommunerna jämfört med de övriga kommunerna i kontrollgruppen, ett resultat som dock inte är signifikant. På längre sikt visade studien att kommuner där en högskola etablerades har idag en större befolkning och högre andel högskoleutbildade från familjer utan akademisk bakgrund. Något som visar att investering i högre utbildning kan gynna både individer och samhället i sin helhet på lång sikt. 1.5.2 Internationella studier Internationellt har liknande reformer kring utbyggnad av utbildning genomförts och ett antal studier undersöker effekterna av expansionen på studiedeltagande och arbetsmarknad. Jämförelser mellan Sverige och övriga länder måste göras med försiktighet eftersom det kan finnas stora skillnader i samhälle och kultur mellan länderna. Dock är det möjligt att se gemensamma mönster i studierna. Många resultat visar på positiva skillnader hos kvinnor, som exempelvis ökat studiedeltagande eller höjd lön till följd av större tillgång till högre utbildning. 8 Suhonen och Karhunen (2019) undersökte Finlands högskoleexpansion. Studien visade framförallt ökat studiedeltagande bland kvinnor, samt positiva effekter hos barn till de personer som studerat på högskola. Carneiro, Liu och Salvanes (2023) undersökte påverkan från högskoleexpansion på Norges arbetsmarknad och resultatet visade att lönerna för högkvalificerade ökade trots större utbud av högkvalificerad arbetskraft. Vilket kan vara ett resultat av ökad efterfrågan eller ökad produktivitet hos denna grupp. En studie med relevans för den här rapporten och som på liknande sätt undersökte hur etableringen av universitet påverkat sysselsättningen är en amerikansk studie av Crookston och Hooks (2012). De undersökte hur effekterna av community colleges påverkat lokal sysselsättning under fyra tidsperioder i landsbygdsområden mellan 1976 och 2004. Deras studie visade att etablerade community colleges bidrog till en positiv utveckling av sysselsättning, speciellt under perioden 1976–1983 och 1991–1997. Under dessa år verkar det som att satsningen på utbildning har bidragit till att stärka det lokala humankapitalet och förbättra möjligheterna på arbetsmarknaden. Däremot kunde forskarna i den senaste perioden, 1998–2004, istället konstatera ett negativt samband. Förekomsten av community colleges gav inte längre samma positiva effekt på sysselsättningen, vilket dock kan bero på andra faktorer. Författarna menar att en möjlig förklaring till denna förändring kan bero på att delstaterna kraftigt minskat det ekonomiska stödet till community colleges under denna tid. Ett genomgående resultat för samtliga internationella studier är att närhet till högre utbildning ökar sannolikheten för personer att studera vidare. Det gäller framförallt för personer där föräldrarna inte själva är utbildade. Sammanfattningsvis har alltså en expansion av högskolor internationellt ökat antalet högutbildade personer vilket är positivt för samhället. 1.5.3 Produktivitet och tillväxt Det finns flera tidigare vetenskapliga studier som understryker sambandet mellan utbildning och ekonomisk tillväxt. Murphy, Shleifer och Vishny (1991) genomförde en studie som visar en positiv relation mellan andelen ingenjörer i befolkningen och hög ekonomisk tillväxt, i jämförelse med en låg ekonomisk tillväxt i en befolkning bestående av en stor andel jurister. Flera forskare belyser vikten av att ha flertal uppfinnare i befolkningen för att gynna ett lands utveckling inom teknologi och tillväxt. Gällande regionala lärosäten och ekonomisk utveckling existerar färre studier. En studie av Andersson, Quigley och Wilhelmson (2004) har undersökt korrelationen 9 mellan regional produktivitet och högre utbildning i Sverige. Resultatet visar att arbetskraften är mer produktiv i områden där högre utbildning har blivit mer tillgänglig, framförallt i områden där nya högskolor har etablerats. Dock kan det finnas andra faktorer som påverkar både produktiviteten och utbildningsexpansionen och därav kan ett orsakssamband gällande relationen inte dras (Andersson et al., 2004). De tidigare studierna visar att högre utbildning har en positiv effekt på samhällets långsiktiga utveckling och ekonomisk tillväxt, något som belyses av humankapitalteorin som beskrivs i nästa avsnitt. 2. Teori och Bakgrund 2.1 Humankapitalteorin Humankapitalteorin förklarar hur investeringar i människors utbildning, kunskaper och färdigheter kan leda till ökad produktivitet, både för den enskilda individen och för samhället. Enligt Nationalencyklopedin (2024) syftar begreppet humankapital idag på de resurser som individer bär med sig i form av kunskaper, färdigheter och andra fysiska och psykiska egenskaper som har förvärvats genom utbildning, träning och hälsa. Humankapitalets betydelse diskuterades redan under 1700-talet av nationalekonomen Adam Smith i boken The wealth of nations (1776). Även om Smith uttryckligen inte använder begreppet humankapital identifierade han individers förvärvade och användbara förmågor som en grundsten till rikedom och ekonomiska framsteg i ett land. Under mitten av 1900-talet växte humankapitalteorin fram som ett sätt att förklara och förstå sambandet mellan utbildning, produktivitet och ekonomisk tillväxt. Det var framförallt ekonomerna Theodore W. Schultz och Gary S. Becker, som bidrog till att formulera och utveckla denna teori. Schultz (1961) betonade att investeringar i människor genom utbildning, hälsa och träning har en avgörande roll för ekonomisk tillväxt i landet. Han menade att humankapital är minst lika viktigt som investeringar i fysiskt kapital som exempelvis maskiner och byggnader (Schultz, 1961). Becker (1962) byggde senare vidare på teorin och tillämpade även ett mikroekonomiskt perspektiv. Han menade att människor gör medvetna val att utbilda sig. Valet kan ses som en rationell investering i humankapital, där framtida vinster i form av högre lön, bättre anställningsmöjligheter och ökad ekonomisk trygghet väger upp för kostnad som utebliven inkomst. Även Adam Smith observerade tidigt att skillnader i inkomster delvis kan förklaras av 10 skillnader i utbildningskostnader. Han noterade att yrken som kräver flera års utbildning tenderar att ha högre årliga inkomster. En observation som idag skulle kunna förklaras med hjälp av humankapitalteorin (Eide & Showalter, 2010). Humankapitalteorin bygger på antagandet att individer strävar efter att förbättra sin livskvalitet över tid och därför investerar i kompetensutveckling, såsom utbildning för att uppnå detta mål. Fördelarna är inte endast ekonomiska, utan kan även vara andra fördelar individen värdesätter som exempelvis bättre arbetsförhållanden eller till och med ett längre liv (Islam & Managi, 2021). På lång sikt betonar teorin att investeringar i humankapital kan vara en förklaring till skillnader i ekonomisk tillväxt mellan länder, där förbättrad utbildningskvalitet kan leda till ökad produktivitet för både individer och samhället. Något som även ligger i linje med tidigare nämnda studier som visar på relationen mellan en utbildad befolkning och regional ekonomisk tillväxt. 2.2 Arbetslöshet Arbetskraften består av personer mellan 15-74 år som är antingen arbetslösa eller sysselsatta. Arbetslösheten beräknas som andelen arbetslösa i förhållande till den totala arbetskraften (SCB, 2025). En person anses vara arbetslös om personen saknar arbete, aktivt har sökt arbete under de senaste fyra veckorna och kan börja arbeta inom två veckor (Andersson & Örstadius, 2025). Det finns tre olika typer av arbetslöshet som är friktionsarbetslöshet, konjunkturell och strukturell arbetslöshet. Friktionsarbetslöshet är en kortare form av arbetslöshet och innebär att det finns viss friktion på arbetsmarknaden, exempelvis en utdragen anställningsprocess. Strukturell arbetslöshet kan bero på brister i utbud och efterfrågan på arbetsmarknaden och konjunkturell arbetslöshet uppstår när företag minskar personalstyrkan i svåra ekonomiska tider (Wagman, 2025). Andersson och Löfgren (2004) menar att konjunkturell arbetslöshet riskerar att bli strukturell om människor är arbetslösa under en längre period och därigenom förlorar delar av sitt humankapital. Det är viktigt att poängtera att arbetslösheten aldrig kommer att kunna vara obefintlig. Humankapitalteorin menar att genom utbildning och därmed ökat humankapital kommer sannolikheten öka för personen att få ett arbete. Men som tidigare nämnt måste efterfrågan och utbud stämma överens på arbetsmarknaden, annars riskerar en person att fortsätta vara arbetslös trots ökat humankapital genom utbildning. 11 2.3 Högskolereformen Före högskolereformen fanns endast universitet i Umeå, Uppsala, Stockholm, Linköping, Göteborg och Lund. Utbildning fanns därmed tillgänglig i flera större städer. Dessutom hade Stockholm redan flertal lärosäten som Kungliga Tekniska högskolan, Karolinska institutet och Handelshögskolan. Enligt Bergh et al. (2024) var en bakgrund till reformen att antalet studenter ökade kraftigt under 1960-talet, vilket bland annat berodde på stora årskullar födda under 1940-talet. Tidigare hade många utbildningar ett obegränsat antal platser, vilket gjorde det svårt för lärosätena att planera sin verksamhet. Samtidigt fanns ett stort behov av ökad arbetskraft. Politikerna stod i valet mellan att bygga ut de redan existerande lärosätena eller bygga nya. Sverige valde det senare, vilket innebar att 12 nya högskolor etablerades runt om i landet under benämningen högskolereformen. Syftet var att öka tillgängligheten till högre utbildning för människor oavsett var de bodde eller vilken bakgrund de kom från. Genom att sprida lärosäten över landet ville politikerna minska den sociala snedrekryteringen samtidigt som de ekonomiska fördelarna med högre utbildning inte koncentrerades till enstaka orter. Reformen innebar att all eftergymnasial utbildning samlades under begreppet "högskoleutbildning". Man ville även förändra utbildningarnas innehåll till att bli mer yrkesinriktad, vilket märktes särskilt vid de nyetablerade lärosätena (Bergh et al., 2024). De 12 etableringarna av högskolor och universitet skedde i Borås, Eskilstuna/Västerås, Falun/Borlänge, Gävle/Sandviken, Jönköping, Kalmar, Karlstad, Kristianstad, Sundsvall/Härnösand, Växjö, Örebro och Östersund. Figur 1 nedan visar kommuner med etableringar från högskolereformen i grönt. Även övriga etableringar i kommuner samt årtal redovisas. 12 Figur 1. Kommuner med lärosäten etablerade före, under och efter 1977. Källa: Bergh et al. (2024, s. 16). Figuren visar kommuner med lärosäten etablerade före, under och efter 1977. Orter markerade med blå text representerar de lärosäten som tillkom före 1977, medan grönmarkerade visar dem som etablerades i samband med högskolereformen 1977. Svarta orter avser lärosäten som är etablerade efter 1977. 3. Empirisk referensram 3.1 Difference-in-difference Difference-in-difference (DiD) är en vanlig metod inom ekonomiska analyser och används för att utvärdera effekter av olika reformer (Bradley & Green, 2020). Metoden är kvasiexperimentell och kallas även för ett naturligt experiment. Det är en vanlig design inom forskning där deltagarna inte tilldelas behandling- eller kontrollgrupp slumpmässigt och används när en randomiserad kontrollstudie är svår att genomföra (Ateeq-ur-Rehman, 2017). 13 Vid en enkel DiD-estimering används linjär regression med enhets- och tidsfasta effekter, kallad en two-way fixed effects (TWFE) regression. Den generella modellen specificeras som: 𝑌 = α + λ + β𝐷 + ε 𝑖𝑡 𝑖 𝑡 𝑖𝑡 𝑖𝑡 𝑌 representerar i denna analys antalet arbetslösa i län 𝑖 vid tidpunkt 𝑡. Variabeln α är en samling 𝑖𝑡 𝑖 av dummy-variabler som fångar länsspecifika faktorer som inte varierar över tid. Dummyvariabel λ visar respektive årtal och kontrollerar för gemensamma chocker som påverkar samtliga län ett 𝑡 visst år. Behandlingseffekten β är den parameter som modellen estimerar att uppskatta. Variabeln 𝐷 en indikatorvariabel som tar värdet 1 om en högskola eller universitet har etablerats i ett län 𝑖𝑡 under tidpunkt 𝑡. Modellen har även en slumpmässig felterm, ε . 𝑖𝑡 En enkel TWFE-modell bygger traditionellt på två grupper, en behandlad och en kontrollgrupp, samt två tidsperioder, före och efter behandling. I denna enkla modell uppskattas behandlingseffekten av införd reform genom att först beräkna skillnaden i utfallsvariabeln före och efter behandling för respektive grupp, och sedan beräkna skillnaden mellan dem (Baker et al., 2025). Effekten beräknas på följande sätt: Behandlingseffekt = (𝑦 − 𝑦 ) − (𝑦 − 𝑦 ) 𝐵𝑒ℎ𝑎𝑛𝑑𝑙𝑖𝑛𝑔, 𝐸𝑓𝑡𝑒𝑟 𝐵𝑒ℎ𝑎𝑛𝑑𝑙𝑖𝑛𝑔, 𝐹ö𝑟𝑒 𝐾𝑜𝑛𝑡𝑟𝑜𝑙𝑙, 𝐸𝑓𝑡𝑒𝑟 𝐾𝑜𝑛𝑡𝑟𝑜𝑙𝑙, 𝐹ö𝑟𝑒 För att genomföra analysen är det viktigt att identifiera liknande förutsättningar hos kontrollgruppen och behandlingsgruppen innan behandlingen sker. Ett grundläggande antagande för DiD-analys är därför antagandet om parallella trender. Som tidigare nämnt innebär det att vid avsaknad av behandling hos den behandlade gruppen kommer utvecklingen mellan de två grupperna att följa liknande trender över tid (Abadie, 2005). Uppfylls inte antagandet om parallella trender innan behandling går det inte att med säkerhet säga att skillnaden mellan grupperna kommer från behandlingen. Initiala skillnader mellan grupperna kan istället vara orsaken till den estimerade behandlingseffekten, vilket innebär att behandlingseffekten sannolikt överskattas. Antagandet kan vara svårt att kontrollera, men genom en händelsestudie är det möjligt att visuellt undersöka parallella trender samt få en överblick av behandlingseffekten (Baker et al., 2025). 14 Figur 2 nedan visar visuellt beräkning av behandlingseffekten. Innan en reform införs följer behandlings- och kontrollgruppen parallella trender och efter behandlingstillfället ser vi hur den beroende variabeln för den behandlade gruppen flyttar uppåt. Den streckade linjen visar utvecklingen hos den behandlade gruppen om de inte hade behandlats. Om antagandet angående parallella trender anses vara uppfyllt, kan behandlingseffekten uppskattas vara ett resultat av behandlingen. Figur 2. Illustration av Difference-in-Differences estimering. Källa: Areflykt & Nilsson (2017, s. 15). 3.2 Heterogen behandling Etablering av högskola eller universitet sker vid olika årtal i samtliga län vilket innebär att behandlingen är heterogen. De Chaisemartin och D’Haultfœuille (2020) visar att TWFE-regressionen kan ge snedvridna resultat och felaktiga koefficienter när behandlingen är heterogen. Problemet med TWFE-regressionen och heterogena behandlingar är att modellen inte korrekt skiljer på enheterna i kontrollgruppen respektive behandlingsgruppen. Exempelvis kan delar av kontrollgruppen ibland vara behandlade men fortfarande ingå i en obehandlad kontrollgrupp (Huntington-Klein, 2022). Forskning av De Chaisemartin och D’Haultfœuille (2020) har föreslagit en nyare modell som tar hänsyn till heterogen behandling. Modellen ger en regression med estimerade koefficienter som efter behandling kallas för effekter och före behandling placebo. Ett robusthetstest i form av ett placebo-test används för att säkerställa att modellen mäter behandlingseffekten av etableringen. 15 3.2.1 Placebo-test vid heterogen behandling Ett placebo-test motsvarar kontroll av parallella trender i en TWFE men är anpassad för en DiD-modell med heterogen behandling. Placebo-testet jämför utvecklingen i den beroende variabeln mellan två grupper. Den första gruppen består av behandlade enheter och jämförelsen görs mellan två och ett år före behandlingen. Den andra gruppen består av ännu inte behandlade enheter och jämförelsen görs mellan ett år före behandlingen och de år behandlingen sker (De Chaisemartin och D’Haultfœuille 2020). För att undersöka antagandet om parallella trender används en nollhypotes där alla placeboeffekter antas vara lika med noll. Ett högt p-värde innebär att nollhypotesen inte förkastas och grupperna var lika innan behandling. Därmed håller antagandet om parallella trender och förändringar i den beroende variabeln kan därför vara en effekt av behandlingen. Ett lågt p-värde innebär att eventuella skillnader mellan behandlingsgruppen och kontrollgruppen kan funnits redan innan behandling och antagandet om parallella trender är inte uppfyllt. I detta fall går det inte att säkerställa att effekten är ett resultat av behandlingen. 3.2.2 Difference-in-Difference mean För att möjliggöra en tillförlitlig analys föreslår De Chaisemartin och D’Haultfœuille (2020) undersökning av en genomsnittlig behandlingseffekt, benämnt Difference-in-Difference Mean (𝐷𝑖𝐷 ). Även denna variant av DiD tar hänsyn till att behandlingstillfället varierar mellan olika 𝑀 grupper och tidpunkter. För att genomföra en 𝐷𝑖𝐷 presenterar De Chaisemartin och 𝑀 D’Haultfœuille (2020) ett antal antaganden som måste uppfyllas, nämligen följande: 1) Antal grupper i analysen måste vara konstanta, inga grupper får tillkomma eller försvinna under analysen. 2) Behandlingen är entydig, det är tydligt om en grupp behandlas eller inte. En grupp som har behandlats kommer inte att bli av med sin behandling. 3) Grupperna i analysen anses oberoende av varandra och behandling av en grupp ska inte påverka en annan grupp. 4) Beslutet om att ge en grupp behandling ska inte vara en konsekvens av historiska utfall i den beroende variabeln. 16 De Chaisemartin och D’Haultfœuille (2020) etablerar ett nytt begrepp i samband med genomförande av 𝐷𝑖𝐷 som är kopplat till behandling- och kontrollgrupp, benämnt stabila 𝑀 grupper. Vid en specifik tidpunkt när en enhet behandlas kommer den att jämföras med övriga enheter för att estimera enhetens behandlingseffekt. Jämförelsen sker med de stabila grupperna under samma period, de kan antingen vara behandlade och obehandlade. Men i jämförelse med gruppen som vid samma tidpunkt behandlas är övriga gruppers tillstånd oförändrat. Detta kan efterlikna undersökandet av parallella trender vid en TWFE-regression. Vid en given tidpunkt kan den behandlingsstabila gruppen användas för att jämföra hur trenden skulle varit för gruppen som fått behandling om de inte skulle fått behandling. 3.3 Kontrollvariabler Denna analys använder en enkel TWFE-modell samt avancerad difference-in-difference-modell, båda modellerna utan inkludering av kontrollvariabler. Initialt kan detta ses som en svaghet eftersom kontrollvariabler ofta anses öka precisionen i nationalekonomiska modeller eller underlätta tolkningen. Exkluderingen är dock ett medvetet beslut efter läsning av aktuell litteratur angående problematik med kontrollvariabler vid användning av DiD-modeller. Enligt Huntington-Klein (2023) riskerar kontrollvariabler som varierar över tid att påverkas av behandlingen och därmed påverka uppskattningen av behandlingseffekten. Han påstår att endast helt fasta faktorer som till exempel kön eller etnicitet inkluderas som kontrollvariabler utan att riskera att skapa snedvridna resultat. Det är viktigt att notera att DiD-modeller med tid- och grupp fasta effekter redan kontrollerar för alla fasta gruppegenskaper som inte förändras över tid. Uppfylls antagandet om parallella trender anses modellen tillräckligt pålitlig för att identifiera en kausal behandlingseffekt och inkluderingen av kontrollvariabler kan vara sämre för att uppskatta effekten. Mot denna bakgrund utesluts samtliga kontrollvariabler i denna analys för att undvika potentiella felkällor och snedvridningar av behandlingseffekten. Något som ligger i linje med rekommendationerna av Huntington-Klein (2023). 17 4. Data 4.1 Datainsamling Datamaterialet till denna rapport har samlats in och sammanställts av författarna själva för hand och bygger på Arbetskraftsundersökningar (AKU) från Statistiska centralbyrån (SCB) och statistik från Arbetsförmedlingen. AKU är baserat på ett urval av Sveriges befolkning, vilket innebär att resultaten är skattade och kan därmed innehålla marginalfel över den faktiska arbetslösheten i Sverige. En stor del av datainsamlingen har bestått av att manuellt sammanställa uppgifter över antalet arbetslösa personer på länsnivå ur SCB:s tryckta årsböcker för perioden 1955-1994. I årsböckerna rapporteras antalet arbetslösa månadsvis och siffrorna har skrivits in för hand i ett eget exceldokument som ligger till grund för denna analys. För perioden 1996-2010 är data insamlad från Arbetsförmedlingens digitala tidsserier över antal arbetslösa på läns- och kommunnivå. Även dessa siffror har manuellt överförts i det egna exceldokumentet. Målet var att bygga upp en enhetlig paneldata där varje observation motsvarar ett län och ett årtal. Statistiken från varje månad är aggregerad till årsdata för respektive län. Eftersom arbetet med datan har genomförts manuellt finns en viss risk för fel i rapporteringen, även om det utförts med stor noggrannhet. Detta praktiska arbete med att samla in datan har varit tidskrävande men ett avgörande moment att kunna genomföra analysen av effekten på etableringarna. 4.2 Hantering av databegränsningar 4.2.1 Hantering av län I slutet av 1990-talet skedde förändringar i indelning av Sveriges län där Skåne län bildades genom sammanslagning av Malmöhus län och Kristianstads län. Även Västra Götalands län uppkommer genom sammanslagning av de tre länen Göteborg & Bohus, Skaraborg samt Älvsborg. Under samma tidsperiod överfördes Habo och Mullsjö kommun från Västra Götalands län till Jönköpings län (Regeringen, 1995/96). För att förenkla datahanteringen antas dessa förändringar trätt i kraft redan i januari 1996 i denna rapport, trots att de i praktiken genomfördes senare. Detta för att få enhetlig data som grund för hela tidsperioden i rapporten. Bedömningen är att dessa justeringar endast medför minimala felkällor. 18 För att rekonstruera de numera avskaffade länen Malmöhus, Kristianstad, Göteborg & Bohus, Skaraborg samt Älvsborg har kommunindelningen på länsnivå använts från 1 januari 1995 som referens (SFS 1994:1526). Summering av arbetslösa inom respektive kommun i de ovan nämnda länen baseras på data från Arbetsförmedlingen och har manuellt aggregerats för att återigen möjliggöra samma indelningar av län genomgående i rapporten. Slutligen bytte Kopparbergs län namn till Dalarnas län år 1997. Trots namnbytet kvarstod samma kommunindelning och länet har därför genomgående benämnts Kopparbergs län (SFS 1994:1526; SFS 1998:1349). 4.2.2 Hantering av mått Under tidsperioden 1995-2010 har definitionen av arbetslöshet och insamlingsmetoder förändrats. I juli 1974 ändrades måttet på arbetslöshet och i analysen används alltså ett mått 1995-1974 och ett annat 1974-1994. Dessa förändringar har uppmärksammats och genom tidsfasta effekter tas det i beaktning eftersom måttbytet är likadant över hela Sverige under samma årtal. 4.2.3 Saknade värden Vid insamlingen av data identifierades enskilda månader med saknade observationer, samt två fall där data saknades för hela år. För år 1986 och 1995 har årsmedelvärden estimerats med hjälp av värden från närliggande årtal, 1985 och 1987 respektive 1994 och 1996. För 1955 fanns endast statistik tillgänglig för perioden juli-december och årsmedeltalet är baserat på ett halvår. Vidare är årsmedelvärden för 1959 och 1961 beräknade utifrån data från 10 månader. För 1979 samt 1985 är årsmedelvärden baserat på 11 månader. De saknade värdena anses utgöra en minimal felkälla i den sammanlagda analysen eftersom tidsperioden sträcker sig över 55 år. Justeringarna har tillämpats likadant för alla län och således kontrolleras detta av den tidsfasta effekten. 4.3 Behandlade län Över tidsperioden 1955-2010 som har använts i rapporten, etablerades högskolor och universitet i 23 av Sveriges 24 län. Tabell 1 i appendix visar alla etableringar under tidsperioden listade efter årtal samt tillhörande län. Umeå är den första etableringen år 1965 och de sista etableringarna i analysen sker år 1998 i Malmö och på Gotland. Den största expansionen av högskolor och universitet sker i samband med högskolereformen 1977 då det etablerades 12 stycken nya högskolor. I två län etablerades två stycken högskolor under perioden, Älvsborg och Malmöhus. 19 5. Resultat 5.1 TWFE-modell För att analysera effekten av etableringar av högskolor och universitet på antal arbetslösa personer genomfördes till början en enklare TWFE-modell med fasta effekter för år och län. Behandlingsgruppen definieras som de län där ett nytt universitet eller en högskola etablerades mellan åren 1955 och 2010, övriga län utgör kontrollgruppen. I TWFE-modellen innebär det att endast Uppsala län utgör kontrollgruppen. En liten kontrollgrupp är en svaghet eftersom det kan leda till osäkra skattningar och breda konfidensintervall. Eftersom en TWFE-regression förutsätter att den behandlade gruppen och kontrollgruppen följer parallella trender i frånvaro av behandlingen, undersöks antagandet genom en händelsestudie. Det är viktigt att antagandet är uppfyllt för att kunna dra orsakssamband. Händelsestudien möjliggör att man kan följa effekten av behandlingen. Resultatet från händelsestudien visas i figur 3 nedan. Figur 3. Händelsestudie 20 I figur 3 visar x-axeln åren relativt till behandling, etablering av högskola eller universitet, i ett tidsintervall på 10 år före behandling samt 10 år efter behandling. Året t = 0 markerar när behandling sker, till vänster om t = 0 visas åren före behandling och till höger om t = 0 visas åren efter behandling. På y-axeln visas effekten på antalet arbetslösa i procent. Estimeringen av behandlingen visas med punktskattning och 95 % konfidensintervall. Två år innan etableringen är punktskattningarna nära noll. Alla konfidensintervall, förutom ett i perioden före etablering, innehåller värdet noll vilket bekräftar antagandet om parallella trender. Efter behandlingen, med andra ord efter t = 0, innehåller inget konfidensintervall noll vilket innebär att etableringen av en högskola eller universitet har haft en positiv effekt på antal arbetslösa. Ungefär 4 år efter etableringen visar figuren en fördröjd men tydlig positiv effekt av behandlingen som dessutom kvarstår flera år senare. Effektstorleken är osannolikt stor och tyder på möjliga brister i modellen som troligtvis fångar upp även andra effekter i händelsestudien. Den uppåtgående trenden som kan urskiljas i hela grafen är oroande. Behandlingseffekten ser ut att följa en uppåtgående linjär trend över tid. Eftersom endast Uppsala län utgör kontrollgruppen påverkas estimeringen av Uppsalas utveckling av antalet arbetslösa, vilket belyser problematiken med en liten kontrollgrupp. Till följd av att antagandet om parallella trender är uppfyllt genomförs regressionen av den enklare TWFE-modellen och redovisas nedan i tabell 2. Tabell 2. Regressionsresultat TWFE Variabler Log. arbetslöshet Behandlad 0.0138 (0.0813) Konstant 7.9354*** (0.0427) Antal observationer 1,456 𝑅2 0.9566 Robusta standardfel i parenteser *** p<0.01, ** p<0.05, * p<0.1 Not 1: standardfel är klustrade utifrån region_id Not 2: dummyvariabler för region_id och år är exkluderade i regressionstabeller 21 Resultatet visar att en etablering av högskola eller universitet i genomsnitt leder till en ökning av antal arbetslösa med cirka 1.38 %. Resultatet är dock inte signifikant och effekten går därmed inte att kommentera. Som tidigare nämnt, riskerar en TWFE-modell att ge felaktiga resultat vid heterogen behandling. Som nästa steg fortsätter analysen med rekommendationer från nyare forskning där en mer avancerad DiD-modell har föreslagits som tar hänsyn till heterogen behandling och att flera perioder används. 5.2 Avancerad DiD-modell Den mer avancerade modellen tar hänsyn till heterogen behandling. En viktig skillnad mot TWFE-modellen är den numera dynamiska kontrollgruppen som består av de län som ännu inte behandlats, istället för län som är obehandlade. Det innebär att kontrollgruppen är större i den här modellen och innehåller fler län än Uppsala. Även här undersöks först parallella trender för att säkerställa att skillnaden kommer från behandlingen och inte från systematiska skillnader mellan behandlings- och kontrollgrupp. Ett placebo-test används för att undersöka antagandet. Nollhypotesen är att samtliga placeboeffekter är noll och resultatet från placebo-testet presenteras nedan i tabell 3. Tabell 3: Enskilda placeboeffekter placebo uppskattat värde standardfel nedre gräns övre gräns antal observationer gruppbytare Placebo_1 -0.011 0.028 -0.067 0.044 127 25 Placebo_2 -0.097 0.061 -0.218 0.023 125 25 Placebo_3 -0.125 0.072 -0.266 0.016 121 25 Placebo_4 -0.100 0.095 -0.286 0.086 121 25 Placebo_5 -0.038 0.174 -0.380 0.303 120 25 Test av gemensam nollhypotes för placeboeffekterna = 0.37116665 Tabellen visar estimering från de enskilda placeboeffekterna. Ett högt p-värde på 0.371 av den gemensamma nollhypotesen innebär att vi inte kan förkasta den. Det innebär att placeboeffekterna kan ha varit noll och därmed finns det parallella trender innan behandling. Uppfyllandet av antagandet gör att analysen fortsätter. 22 Angående effekterna som visar åren efter behandling, undersöks det om samtliga effekter samtidigt är noll för att se om det finns en övergripande effekt av etableringarna. Tabell 4 nedan visar resultatet från åren efter behandlingen. Tabell 4. Enskilda effekter effekter uppskattat värde standardfel nedre gräns övre gräns antal observationer gruppbytare Effekt_1 -0.066 0.434 -0.152 0.188 127 25 Effekt_2 -0.107 0.051 -0.207 -0.064 125 25 Effekt_3 -0.119 0.078 -0.273 0.035 121 25 Effekt_4 -0.076 0.103 -0.279 0.126 121 25 Effekt_5 -0.075 0.109 -0.288 0.139 120 25 Effekt_6 -0.089 0.107 -0.298 0.121 120 25 Effekt_7 -0.098 0.092 -0.278 0.082 102 25 Effekt_8 -0.156 0.069 -0.292 -0.019 99 25 Effekt_9 -0.191 0.101 -0.389 0.006 97 25 Effekt_10 -0.254 0.183 -0.612 0.104 95 25 Test av gemensam nollhypotes för effekterna = 0.00002371 Tabell 4 ovan visar konfidensintervallen för respektive effekt. P-värdet från hypotes-testet är 0.00002 och därmed förkastas nollhypotesen om att den gemensamma effekten varit noll. Det innebär att det finns en signifikant sammantagen effekt av etableringarna. Konfidensintervallen för år två och år åtta innehåller inte värdet noll och är därmed signifikanta medan övriga år är inte signifikanta. En förklaring till att den sammantagna effekten är signifikant kan vara att behandlingseffekten ett enskilt år inte är tillräckligt stark för att ge en signifikant påverkan på antal arbetslösa men att den aggregerade effekten är det. Nedan visar figur 4 punkt estimering och 95 % konfidensintervall för respektive effekt och placebo, med andra ord, en visualisering av tabell 3 och 4. 23 Figur 4. Graf DiD med flera perioder DiD, från sista perioden före behandlingstillfället (t = 0) till t Relativ tid till sista perioden före behandlingstillfället (t = 0) Grafen ovan visar att samtliga konfidensintervall innan behandlingstillfället, t = 0, innehåller värdet noll. Det tyder på att behandlingsgruppen och kontrollgruppen följde parallella trender innan behandlingstillfället. Resultatet visar att arbetslösheten minskar med cirka 5-10 % under år ett till år tre, för att sedan avta ytterligare till år åtta. Standardfelen är till en början små men ökar sedan vilket även syns i de bredare konfidensintervallen. Som tidigare nämnt är år två och år åtta de enda signifikanta årtalen. Övriga konfidensintervall innehåller värdet noll och är inte statistiskt signifikanta. En negativ trend kan observeras men den går inte att fastställa eftersom de enskilda effekterna inte haft en signifikant påverkan på antal arbetslösa respektive år. 5.2.1 Difference-in-difference mean Som fortsättning i modellen för hantering av heterogen behandling är nästa del att estimera den genomsnittliga behandlingseffekten, ett Difference-in-difference mean (𝐷𝑖𝐷 ). Tidigare studier 𝑀 har visat att denna estimering kan visa motstridiga resultat jämfört med en enklare DiD-modell. Därför kändes detta steg viktigt att genomföra i denna analys för att få ett tillförlitligt resultat. Resultatet presenteras nedan i tabell 5. 24 Tabell 5. Genomsnittlig behandlingseffekt Logaritmerad arbetslöshet Genomsnittlig -0.0663* behandlingseffekt (0.03) Antal observationer 234 Robusta standardfel i parenteser * p<0.05, ** p<0.01, *** p<0.001 Resultatet visar att den genomsnittliga behandlingseffekten uppskattas till - 0.0663, standardfelet är litet och resultatet är statistiskt signifikant. Därmed visar etableringen av högskola eller universitet en genomsnittlig signifikant minskning av arbetslösheten med 6.6 % över tid. Utmärkande är att effekten av etableringen tyder på en signifikant minskning av antal arbetslösa i Sveriges län, en betydande skillnad gentemot tidigare uppnått resultat med TWFE-modellen. Att resultatet visar en negativ effekt stämmer även bättre överens med förväntat resultat. Det visar tydligt på vikten av att använda rätt modell. Där en mindre tillförlitlig modell, som TWFE med heterogen behandling, till och med visade ett annat tecken på behandlingseffekten jämfört med resultatet ovan. 6. Diskussion Avsaknaden av svenska studier som undersöker arbetslöshet och utbildning med kvasi-experimentella metoder begränsar möjligheterna för djupare jämförelser med tidigare forskning. Vår studie kan därför ses som ett första försök att analysera sambandet mellan utbildning och arbetslöshet med hjälp av en metod som används för att identifiera kausala effekter. Detta innebär att vi i större utsträckning fokuserar på att analysera vårt egna resultat, snarare än att jämföra resultaten med tidigare forskning. Syftet med uppsatsen är att undersöka om etableringen av högskolor eller universitet i Sverige under 1955-2010 haft någon effekt på antal arbetslösa i Sveriges län. Resultatet från analysen visar att etableringen av högskola eller universitet ger en genomsnittlig minskning på cirka 6.6 % av antalet arbetslösa. Resultatet uppnåddes först efter att en mer avancerad DiD-modell 25 tillämpats. Initialt användes en TWFE-modell och händelsestudie som visade en oväntad ökning i antal arbetslösa vid etablering av högskolor och universitet. Detta bekräftar kritiken från De Chaisemartin och D’Haultfœuille (2020), som menar att TWFE-modellen kan ge snedvridna resultat vid heterogena behandlingseffekter. Vid tillämpning av De Chaisemartin och D’Haultfœuille avancerade modell ändrades behandlingseffekten från inte signifikant positiv till signifikant negativ. Något som var i linje med våra förväntningar och teori angående humankapital. Likt deras resonemang kring problematiken med TWFE och heterogen behandling, blir slutsatsen även i denna rapport att TWFE-modellen och den mer avancerade modellen visar motstridiga resultat. Det visar på vikten av att använda rätt modell samt betydelsen av nyare forskning för analys och resultat i denna rapport. Effekten av etableringen av högskola eller universitet syns inte direkt i DiD-modellen med flera perioder utan noteras som väntat först flera år senare. Fördröjningen av effekten tyder på att det tar tid innan en ny högskola eller universitet blir en del av det lokala samhället och en synlig effekt på antalet arbetslösa kan observeras. Figur 4 visar dessutom att de enskilda effekterna inte är signifikanta, men att den gemensamma effekten är signifikant. En trolig förklaring är att effekten av etableringen dels tar tid att mäta samt att det är en övergripande effekt. Även om fokuset för tidigare studier inte har varit helt i linje med vår undersökning kan deras resultat vara av intresse att jämföra på övergripande nivå. På samma sätt som exempelvis Crookston och Hooks (2012) kunde se en ökad sysselsättning kopplad till etablerade community colleges i USA kan vi observera en genomsnittlig minskning i antalet arbetslösa i Sveriges län över tid. Båda studierna pekar på att högre utbildning kan bidra till en starkare arbetsmarknad på regional nivå över tid. I studien av Bergh et al. (2024) fokuserar författarna på individer och utbildningseffekter, medan vi i vår analys lägger fokus på regional arbetslöshet. Trots olika aspekter visar båda studierna på positiva samhällseffekter av högre utbildning. Författarna rapporterar en ökning av arbetslöshet i vissa reformkommuner jämfört med övriga kommuner, ett resultat som dock inte är signifikant. Deras analys är dock begränsad av att kommuner oftast inte speglar hela arbetsmarknaden och därmed kan leda till mätfel, något som vi även diskuterade i valet av att analysera effekter på kommun eller länsnivå. Således kan återigen inte en djupare jämförelse genomföras. 26 Resultaten från Crookston och Hooks samt Bergh et al. ligger dessutom i linje med humankapitalteorin, som menar att utbildning bidrar till en förbättrad möjlighet och position på arbetsmarknaden för individen. Vår observerade minskning av antalet arbetslösa stödjer humankapitalteorins antagande om att tillgång till högre utbildning stärker det regionala humankapitalet och därmed sysselsättningsgraden. Övergripande kan man se att högre utbildning kan påverka samhället med positiva och långvariga effekter, både genom att förbättra möjligheterna på arbetsmarknaden och sänka arbetslösheten. Ökad utbildningsnivå stärker det totala humankapitalet i samhället vilket även kan leda till ökad produktivitet, något som belyses i de tidigare nämnda studierna av både Andersson et al. (2004) och Murphy et al. (1991). Även ekonomen Theodore Schultz (1961) betonade att investeringar i människors utbildning spelar en avgörande för ett lands ekonomiska tillväxt och produktivitet. Trots att utbildning enligt humankapitalteorin minskar risken för arbetslöshet är utbildning ingen garanti för en individ att få ett arbete. Viss arbetslöshet kommer alltid att finnas som ett resultat av de olika typerna av arbetslöshet. Till exempel går konjunkturell arbetslöshet inte att motverka genom utbildning eftersom det påverkas av ekonomin i samhället. Arbetslöshet i någon form kommer alltid att finnas i samhället men genom att öka tillgängligheten till högskolor eller universitet kommer viss mängd arbetslöshet att minskas genom ökat humankapital. 7. Slutsats Syftet med denna uppsats har varit att undersöka hur etableringen av högskolor och universitet från 1955 till 2010 har påverkat antalet arbetslösa i Sveriges län. Vid tillämpningen av en nyare och mer avancerad difference-in-difference modell som beaktar heterogen behandling analyseras effekten av att etablera högskolor eller universitet i län som tidigare saknade detta. Resultatet visar att detta i genomsnitt leder till en statistiskt signifikant minskning av antal arbetslösa med cirka 6.6 %. Effekten var inte tydlig direkt efter behandlingen, men blev gradvis större fler år efter etableringen. Vårt resultat ligger i linje med tidigare studier som visar att tillgång till högre utbildning kan ha positiva effekter på både sysselsättningsnivån och deltagandet i högre utbildning. De tidigare studierna har inte haft samma fokus men resultaten visar att utbildning kan bidra till en social och ekonomisk utveckling i samhället. Vårt resultat stödjer dessutom humankapitalteorin som menar att utbildning är en viktig investering, både för individen och samhällets utveckling på lång sikt. 27 Sammanfattningsvis visar denna studie att etablering av högskola eller universitet har haft en positiv och långsiktig effekt på arbetsmarknaden i Sverige genom att minska antalet arbetslösa personer. Slutsatsen är att satsningar på utbildning kan ge positiva samhällseffekter genom att öka sysselsättningen och minska arbetslösheten. Samtidigt bidrar utbildning till ökning av det totala humankapitalet vilket kan leda till förbättrad produktivitet och tillväxt för samhället på lång sikt. 28 Källhänvisning Abadie, A. (2005). Semiparametric Difference-in-Differences Estimator. The review of economic studies, 72(1), s. 1-19. Akademikernas a-kassa (2025). Högsta arbetslösheten på 20 år bland akademiker. https://www.akademikernasakassa.se/nyheter/2025/februari/hogsta-arbetslosheten-pa-20-ar-bland -akademiker/ [2025-05-02] Andersson, D. & Löfgren, A-K. (2004). Arbetsmarknadspolitiken vid ett vägskäl. Landsorganisationen i Sverige. https://www.lo.se/home/lo/res.nsf/vres/lo_fakta_1366027492914_arbetsmarknadspolitik0510_pdf /$file/arbetsmarknadspolitik0510.pdf Andersson, J. & Örstadius, K. (2025). Fakta i frågan: Varför är arbetslösheten så hög? Dagens Nyheter, 15 maj. https://www.dn.se/sverige/fakta-i-fragan-varfor-ar-arbetslosheten-sa-hog/ Andersson, R., Quigley, J. M. & Wilhelmson, M. (2004). University Decentralization as Regional Policy: The Swedish Experiment. Journal of Economic Geography, 4(4), s. 371–388. doi:10.1093/jnlecg/lbh031 Ateeq-ur-Rehman, M. (2017). Project evaluation from application to econometric theory: A qualitative explanation of difference in difference (DiD) approach. International Journal of Data Science and Analysis, 3(1), s. 5–12. doi:10.11648/j.ijdsa.20170301.12 Baker, A., Callaway, B., Cunningham, S., Goodman-Bacon, A. & Sant’Anna, P.H.C., (2025). Difference-in-Differences Designs: A Practitioner's Guide. doi:10.48550/arXiv.2503.13323 Bergh, A., Hällerfors, H., Tåg, J. & Åstebro, T. (2024). Demokratisering och decentralisering av högskolan: En utvärdering av 1977 års svenska högskoleexpansion. SNS Förlag. https://www.sns.se/artiklar/demokratisering-och-decentralisering-av-hogskolan-en-utvardering-av -1977-ars-svenska-hogskoleexpansion/ Becker, G. S. (1962). Investment in human capital: A theoretical analysis. The journal of political economy, 70(5), s. 9-49. https://www.jstor.org/stable/1829103 29 Bradley, S. & Green, C., (2020). The economics of education. A Comprehensive Overview. 2 uppl., Academic Press. Carneiro, P., Liu. K & Salvanes, K. G. (2023). The Supply of Skill and Endogenous Technical Change: Evidence from a College Expansion Reform. Journal of the European Economic Association 21(1), s. 48–92. doi:10.1093/jeea/jvac032 Crookston, A., & Hooks, G. (2012). Community Colleges, Budget Cuts, and Jobs: The Impact of Community Colleges on Employment Growth in Rural U.S. Counties, 1976–2004. Sociology of Education, 85(4), s. 350-372. doi:10.1177/0038040712441376 De Chaisemartin, C. & D’Haultfœuille, X. (2020). Two-way fixed effects estimators with heterogeneous treatment effects. American Economic Review, 110(9), s. 2964–2996. doi:10.1257/aer.20181169 Dryler, H. (1994). Etablering av nya högskolor – ett medel för minskad snedrekrytering. I : R. Eriksson och J. O. Jonsson (red.), Sorteringen i skolan – studier av snedrekrytering och utbildningens konsekvenser. Stockholm: Carlsson. Eide, E. R & Showalter, M. H (2010). Human capital. International encyclopedia of education (third edition). Elsevier, s. 282-287. doi:10.1016/B978-0-08-044894-7.01213-6 Europeiska kommissionen (2024). Att forma framtiden - vi framtidssäkrar samhället genom utbildning, 24 januari. Representationen i Sverige. https://sweden.representation.ec.europa.eu/news/att-forma-framtiden-vi-framtidssakrar-samhallet -genom-utbildning-2024-01-24_sv Göteborgs universitet. (2024). Utbildning ökar chansen till jobb. https://www.gu.se/studera/efter-studierna/utbildning-okar-chansen-till-jobb [2025-05-07]. Hill, R. C., Griffiths, W. E. & Lim, G. C. (2012). Principle of Econometrics. 4 uppl., John Wiley & Sons, Inc. Holzer, S. (2009). University Choice, Equality, and Academic Performance. Diss. Växjö universitet. https://www.diva-portal.org/smash/get/diva2:275129/FULLTEXT01.pdf 30 Huntington-Klein, N. (2022). Difference-in-Differences. The Effect: An introduction to research design and causality https://theeffectbook.net/ch-DifferenceinDifference.html Huntington-Klein, N. (2023). Controls in Difference-in-Differences Don't Just Work. Substack. [blogg], 20 april https://nickchk.substack.com/p/controls-in-difference-in-differences [2025-04-16] Islam, M. & Managi, S. (2021). Global human capital: view from inclusive wealth. Measuring human capital, s. 39-54. doi:10.1016/B978-0-12-819057-9.00006-8 Jargowsky, P. A (2002). Omitted variables and bias in regression. https://web.archive.org/web/http://wwwpub.utdallas.edu:80/~jargo/papers/omittedvariables.pdf Karhunen, H. & Suhonen, T (2019). The Intergenerational Effects of Parental Higher Education: Evidence from Changes in University Accessibility. Journal of Public Economics 176, s. 195–217 doi:10.1016/j.jpubeco.2019.07.001 Kjellström, C. & Regnér, H. (1999). The Effects of Geographical Distance on the Decision to Enrol in University Education. Scandinavian Journal of Educational Research 43(4), s. 335–348. Markus, P. (2023). Effects of Access to Universities on Education and Migration Decisions. Ruhr Economic Papers. doi:10.4419/96973162 Mincer, J. (1991). Education and Unemployment. NBER Working Paper No. w3838. Murphy, K. M., Shleifer, A. & Vishny, R. W. (1991). The Allocation of Talent: Implications for Growth. The Quarterly Journal of Economics 106(2), s. 503-530. doi:10.2307/2937945 Nationalencyklopedin (u.å). Humankapital. Tillgänglig: Nationalencyklopedin. [2025-04-13] Nybom, M. (2017). The Distribution of Lifetime Earnings Returns to College. Journal of Labor Economics 35(4), s. 903–952. doi:10.1086/692475 31 Nybom, M., Plug. E., van der Klaauw, B. & Ziegler, L. (2022). Skills, Parental Sorting, and Child Inequality. IZA Discussion Papers (15824) Prop. 1976/77:59. Om utbildning och forskning. Prop. 1995/96:38. Länsindelningen i Skåne och Västsverige m.m. Schultz, T. W. (1961). Investment in Human Capital. The American Economic Review, 5(1)1, s. 1-17 SFS 1994:1526. Tillkännagivande om länens indelning i kommuner. SFS 1998:1349. Tillkännagivande om länsindelning. SOU 1972:23. Högre utbildning - regional rekrytering och samhällsekonomiska kalkyler. Stockholm Statistiska centralbyrån (SCB). (u.å.). Arbetskraftsundersökningarna (AKU). https://www.scb.se/am0401 [2025-05-05] Statistiska centralbyrån (2025). Arbetslöshet i Sverige. https://www.scb.se/hitta-statistik/sverige-i-siffror/samhallets-ekonomi/arbetsloshet-i-sverige [2025-05-21] Stock, J.H. & Watson, M.W., 2020. Introduction to Econometrics. 4 uppl. Pearson Education. Wagman, K. (2025). Arbetslöshet. Ekonomifakta, 16 maj. https://www.ekonomifakta.se/sakomraden/arbetsmarknad/arbetsloshet/arbetsloshet_1212507.html [2025-05-21] Öhlin, J. & Wallén, U. (2023). Utbildning för arbetsmarknaden eller för arbetslöshet? Svenskt Näringsliv. 32 Appendix Tabell 1. Etableringar ordnat efter årtal samt tillhörande län Årtal för etablering Namn på högskola/universitet Tillhörande län 1965 Umeå universitet Västerbotten 1967 Högskolan i Växjö (Lunds universitet) Kronoberg 1967 Linköpings universitet Östergötland 1971 Luleå tekniska universitet Norrbotten 1977 Högskolan i Borås Älvsborg 1977 Högskolan i Eskilstuna Södermanland 1977 Högskolan i Västerås Västmanland 1977 Högskolan i Falun/Borlänge Kopparberg 1977 Högskolan i Gävle/Sandviken Gävleborg 1977 Högskolan i Jönköping Jönköping 1977 Högskolan i Kalmar Kalmar 1977 Högskolan i Karlstad Värmland 1977 Högskolan i Kristianstad Kristianstad 1977 Högskolan i Sundsvall/Härnösand Västernorrland 1977 Högskolan i Örebro Örebro 1977 Högskolan i Östersund Jämtland 1983 Högskolan i Halmstad Halland 1983 Högskolan Skövde Skaraborg 1989 Campus Helsingborg (Lunds universitet) Malmöhus 1989 Blekinge tekniska högskola Blekinge 1990 Högskolan i Trollhättan Älvsborg 1990 Högskolan i Uddevalla Göteborg & Bohus 1996 Södertörns högskola Stockholm 1998 Malmö universitet Malmöhus 1998 Högskolan på Gotland Gotland 33