Eksamen i Logikken i statistisk kontrol

Relaterede dokumenter
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Eksamensopgave E05. Socialklasse og kronisk sygdom

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Multipel Lineær Regression

Eksamen Bacheloruddannelsen i Medicin med industriel specialisering

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Økonometri 1. Kvalitative variabler. Kvalitative variabler. Dagens program. Kvalitative variable 8. marts 2006

Hver anden vil benytte øget åbningstid i dagtilbud

Skriftlig eksamen i samfundsfag

Kvantitative metoder 2

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april

Uge 13 referat hold 4

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Indvandrere og efterkommere i foreninger er frivillige i samme grad som danskere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Logistisk Regression - fortsat

Statistik II 1. Lektion. Analyse af kontingenstabeller

Logistisk regression

Forelæsning 11: Kapitel 11: Regressionsanalyse

Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater.

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

1 Regressionsproblemet 2

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

Psykisk arbejdsmiljø og stress

Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.

Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode

Eksamen i statistik 2010 Kandidatuddannelsen i folkesundhedsvidenskab

Baggrundsnotat: Søskendes uddannelsesvalg og indkomst

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning

Education and Ethnic Minorities in Denmark

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Økonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

Morten Frydenberg 14. marts 2006

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

Appendiks Økonometrisk teori... II

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

Seminaropgave: Præsentation af idé

Simpel Lineær Regression

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

Effekten af indvandring på indfødte danskeres løn og beskæftigelse

Center for Statistik. Multipel regression med laggede responser som forklarende variable

Morten Frydenberg 26. april 2004

ØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

TIL RAPPORTEN DANSKE LØNMODTAGERES ARBEJDSTID EN REGISTERBASERET ANALYSE, SFI DET NATIONALE FORSKNINGSCENTER FOR VELFÆRD 09:03.

Generelle lineære modeller

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

Regressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.

Økonometri 1. Prediktion. Dummyvariabler 9. oktober Økonometri 1: F9 1

Out-of-sample forecast samt reestimation af ADAMs lønligning

Bilag 12 Regressionsanalysens tabeller og forklaringer

Økonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Eksamen i Statistik og skalavalidering

Statistik II 4. Lektion. Logistisk regression

Undervisningsbeskrivelse

Tandstatus hos søskende

Sådan skaber vi et bedre og længere seniorarbejdsliv

Statistik Lektion 4. Variansanalyse Modelkontrol

Lineær og logistisk regression

! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion

Simpel Lineær Regression: Model

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Statistik Lektion 17 Multipel Lineær Regression

Bilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund

Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)

Kvantitative metoder 2

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk

1 Hb SS Hb Sβ Hb SC = , (s = )

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

Kausale modeller. Konstruktion og analyse

Kvantitative metoder 2

Module 3: Statistiske modeller

Hurtigt i job som dimittend

Indblik i statistik - for samfundsvidenskab

Et psykisk belastende arbejde har store konsekvenser for helbredet

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

Dansk Erhvervs gymnasieanalyse Sådan gør vi

Kapitel 11 Lineær regression

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning

Module 12: Mere om variansanalyse

Skriftlig eksamen Science statistik- ST501

Statistiske Modeller 1: Kontingenstabeller i SAS

Analyse af binære responsvariable

Løsning til eksaminen d. 14. december 2009

BILAG 2 METODE OG FORSK- NINGSDESIGN

Løsning eksamen d. 15. december 2008

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet

Bilag De socioøkonomiske referencer for gymnasiekarakterer. Bilag 1: Socioøkonomiske baggrundsoplysninger

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Transkript:

Eksamen i Logikken i statistisk kontrol Sociologisk Institut, Københavns Universitet Titel: Kvinder fra arbejderklassens sociale arv Aflevering den 5. december 2016 Eksamensnummer: 5 Antal tegn: 24.210 1 / 20

Indholdsfortegnelse 1 Multigenerationel social mobilitet 3 2 Datapræsentation 3 3 Analyse 5 3.1 Sammenhængen mellem farfar og barnebarns socialklasse 6 3.2 Mediering, forældre 7 3.3 Mediering, meritter 10 3.4 Kønsforskelle 14 3.4.1 Kønsmæssige forskelle farens socialklasses effekt for hhv. M / K 14 3.4.2 Mediering i hver kontrolvariabel, hhv. mænd og kvinder 15 3.4.3 Meritter som forklaring, hhv. mænd og kvinder 16 4 Kritik og muligheder 18 5 Konklusion 18 6 Bibliografi 19 7 Bilag 20 7.1 Medierende variables bidrag i model 6. 20 2 / 20

1 Multigenerationel social mobilitet Et studie fra 1997 af social stratifikation over flere generationer blev udført af Robert Hauser og John Warren i Wisconsin. Her fandt de, at bedsteforældres betydning for børnebørns livschancer er ikke eksisterende, idet forældrenes socialklasse mere eller mindre medierer effekten af bedsteforældres socialklasse på barnebarnets socialklasse. I dette tilfælde har de medtaget karakteristika om bedsteforældrene og forældrene (Warren og Hauser 1997). Den sociale arv summeres altså mellem generationer i familier. I denne undersøgelse vil jeg udføre en lignende analyse, blot på engelske data. Det er personer født i 1958, hvor jeg kender deres socialklasse som 42-årige. En respondents meritter kan have indflydelse på social klasse, og jeg vil således undersøge, hvorvidt det gør sig gældende i denne sammenhæng. 2 Datapræsentation Datasættet består af 3.499 respondenter. Vi har oplysninger om farfarens socialklasse, farens socialklasse, respondentens egen socialklasse som 42-årig (i år 2000), far og mors højest fuldførte uddannelse, hvorvidt respondenten har en universitetsuddannelse, samt respondentens kognitive evner og køn. I tabel 2.1 ses fordelingen af respondentens socialklasse betinget på farfarens socialklasse (Treiman 2014, 8-14). Tabel 2.1 Betinget fordeling af respondents socialklasse Farfars socialklasse Respondents socialklasse som 42-årig Arbejderklasse Middelklasse Total Arbejderklasse 443 16 % 69 9 % 512 15 % Middelklasse 2.285 84 % 702 91 % 2.987 85 % Total 2.728 100 % 771 100 % 3.499 100 % I tabel 2.2 ses de diskrete kontrolvariables fordeling. I tabel 2.2 ses deskriptive mål for de kontinuerte kontrolvariable. 3 / 20

Tabel 2.2 Diskrete variable i datasættet Farens socialklasse ved 42 år Arbejderklasse 1.852 53 % Middelklasse 1.647 47 % Respondentens køn Mand 1.802 51,5 % Kvinde 1.697 48,5 % Respondent, universitetsuddannelse Har universitetsuddannelse 415 12 % Har ikke universitetsuddannelse 3.084 88 % Tabel 2.3 Kontinuerte variable i datasættet Respondentens kognitive evner Gennemsnit 0,0 Varians 1 Mindste værdi; højeste værdi -3,208; 2,206 Mors højest fuldførte uddannelse Gennemsnit 9,901 Varians 4,337 Mindste værdi; højeste værdi 0; 19 Fars højest fuldførte uddannelse Gennemsnit 9,956 Varians 5,798 Mindste værdi; højeste værdi 0; 19 4 / 20

3 Analyse Forskningsspørgsmålet er her: Hvad medierer effekten af farfarens socialklasse på respondentens socialklasse? Jeg undersøger, hvilken sammenhæng der er mellem respondentens socialklasse som 42-årig, og dennes farfars socialklasse. Sammenhængen etableres først i en multipel lineær regressionsmodel (Clogg, Petkova og Haritou 1995, 1261f): Y "#$%&'(#')$ $&+,-./.-$$# = α + β 4 X 6-78-7$ $&+,-./.-$$# + v, hvor a er konstantleddet, β 4 er effekten af X på Y og v er fejlleddet (Aneshensel 2013, 128). Hermed etableres explanandum, dvs. det fænomen, vi søger at forklare (Goldthorpe 2000, 151f). De følgende afsnit vil afspejle hypotetisk generative processer, nærmere end kausale forklaringer på fænomenet (Ibid. 149ff). Dvs. at jeg søger at finde forhold, som jeg mener, har en sammenhæng med hinanden, men at jeg aldrig kan vide, om der er en bagvedliggende variabel, der har den faktiske kausale effekt (Goldthorpe 2000, 151). Dette vil fx være tilfældet, hvis der er spuriøsitet (Aneshensel 2013, 89). I disse situationer vil introduktionen af en tredje variabel, Z, påvirke både X og Y, og dermed er begge disse variable afhængige af Z et, i stedet for intern afhængighed mellem X og Y (Ibid.). I denne undersøgelse vil jeg arbejde med variable, der medierer effekten. Figur 3.1 Model 1, primær sammenhæng X, Farfars socialklasse β 1 Y, Respondents socialklasse Model 1 er afbilledet i figur 3.1. Modellens estimater findes ved ordinary least squares-metoden. Her sørges der for, at modellen forudsiger den linie, der har den mindste kvadrerede residualsum (Aneshensel 2013, 129). Estimatet af koefficienten β 4 og konstantleddet a ses i tabel 3.1. I den simple model (den primære sammenhæng) betyder en enhedsændring i farfars socialklasse en effekt på 7,3 procentpoint på respondentens socialklasse. 5 / 20

Tabel 3.1 Explanandum, etablering af sammenhæng Respondents socialklasse Koefficient Standardfejl T-værdi P-værdi Farfars socialklasse, β 4 0,0729 0,0144 5,1 0,000 Konstantled, a 0,8376 0,0067 124,2 0,000 Jeg vil undersøge, hvorvidt den direkte effekt af farfars socialklasse på respondentens socialklasse medieres, så den totale effekt distribueres anderledes indenfor variablene i modellen (Aneshensel 2013, 107). Jeg undersøger gennem en forlæns modelsøgning, hvor jeg ved indførelse af variable i den lineære regressionsmodel undersøger sammenhængen nærmere (Clogg et al. 1995, 1261f). 3.1 Sammenhængen mellem farfar og barnebarns socialklasse Jeg starter, som også det oprindelige studie gjorde, med at indføre fars socialklasse som medierende variabel (Warran et al. 1997, 566). Hvor meget medierer fars socialklasse af effekten af farfars socialklasse, dvs. den indirekte effekt af fars socialklasse på respondents socialklasse (Aneshensel 2013, 259). Jeg estimerer koefficienten for farfars socialklasse for model 2, se tabel 3.2 for modeltrappe. Y "#$%&'(#')$ $&+,-./.-$$# = α + β : X 6-78-7$ $&+,-./.-$$# + γ 4 Z 6-7$ $&+,-./.-$$# + v, Jeg anvender her forskelsmetoden, hvor jeg vha. forskellen mellem de to modellers estimater kan finde den procentvise ændring i effekten af farfars socialklasse (ibid.). = >? 100 = >?C> D >? 100 0,0729 0,0448 100 = 38,5459 0,0729 Jeg finder her, at den procentvise ændring i effekten af farfarens socialklasse er 38,5 procentpoint. Fars socialklasse medierer altså 38,5 procent af sammenhængen mellem farfars og respondents socialklasse. 6 / 20

Tabel 3.2 Modeltrappe Model 1 Model 2 Farfars socialklasse Fars socialklasse Konstantled, a 0,0729*** (-0,0144) 0,838*** (-0,00674) 0,0448** (-0,0148) 0,0902*** (-0,0123) 0,801*** (-0,00831) *=p<0,01; **=p<0,001; ***=p<0,0001, Koefficienterne for parameteret er angivet, standardafvigelsen i parentes under. 3.2 Mediering, forældre Jeg vil i dette afsnit undersøge, hvor meget af sammenhængen mellem farfars socialklasse og respondents socialklasse der medieres af de tre mål for forældres ressourcer, dvs. farens socialklasse samt farens og morens uddannelsesniveau. Til første kontrol anvendes fars socialklasse. Vi antager, at fars socialklasse medierer noget af den effekt, der er fra farfars socialklasse på respondentens socialklasse. Sammenhængen ses i figur 3.2. Figur 3.2: Model 2 Z, fars socialklasse X, Farfars socialklasse Y, Respondents socialklasse (Aneshensel 2013, 257). Her kan vi identificere to mindre sammenhænge, nemlig farfars socialklasses effekt på fars socialklasse (X à Z), samt effekten af fars socialklasses på respondents socialklasse (Z à Y). Fars socialklasseeffekt er γ 4 (Aneshensel 2013, 259). 7 / 20

Vi anvender en hjælpemodel: Z = θx + v, hvor θ er estimatet på effekten af farfars socialklasse på fars socialklasse, og v er fejlleddet (Ibid.). Mediatoren Z s samlede bidrag består dermed af produktet af θ og γ (Aneshensel 2013, 258ff). β 4 s effekt svarer derfor til β : + θ 4 γ 4 i denne model (model 2). Denne metode til udregning af ændring i effekt af den primære forklarende variabel kaldes produktmetoden (Aneshensel 2013, 257f). I dette tilfælde tester vi 3 mediatorer. For hver mediator er der dermed også et produkt af θ og γ. Figur 4.1 viser model 1, dvs. den primære sammenhæng. I figur 3.3 ses Model 4, hvor de tre medierende variable er indført. Figur 3.3 Model 4, primær sammenhæng med kontrolvariable Z, mors højest fuldførte uddannelse Z, fars højest fuldførte uddannelse Z, fars socialklasse X, farfars socialklasse β 4 Y, respondents socialklasse Jeg anvender her produktmetoden til at udregne de indirekte (medierende) effekter. - Fars socialklasse = θ 4 γ 4 = 0,3112 0,0842 = 0,0262 - Fars uddannelse = θ : γ : = 1,9542 0,0037 = 0,0072 - Mors uddannelse = θ P γ P = 1,1806 0,0026 = 0,0031 Estimatet af den direkte effekt (farfars socialklasse) i model 4 er 0,0364, dvs. β Q. 8 / 20

Ved produktmetoden finder vi de enkelte kontrolvariables bidrag til ændringen i β (fra model 1 til model 4 i dette tilfælde). Jeg vil udregne forskellen mellem den totale effekt og den direkte effekt af farfars socialklasse på respondentens. Ligningen for den totale effekt ved brug af produktmetoden med disse 3 kontrolvariable ser således ud: β 4 = β Q + θ 4 γ 4 + θ : γ : + θ P γ P Den totale effekt udregnes vha. estimaterne for direkte og indirekte effekter i model 4: β 4 = 0,0364 + 0,0262 + 0,0072 + 0,0031 β 1 = 0,0729 Resultatet fra produktmetoden stemmer overens med parameterestimatet i afsnit 3.1. Effekten ved en enhedsændring i farfars socialklasse har altså en positiv virkning på 7,3 procentpoint for respondentens socialklasse. Vi vil dog også gerne se nærmere på de indirekte effekter fra de medierende variable i model 4, dvs. θγ. Jeg ønsker at teste, om disse indirekte effekter er signifikant forskellige fra 0. Det gøres ved en Z-test, hvor vi udregner rationen mellem estimatetet og standardafvigelsen: Z = (Aneshensel 2013, 284f). RS TU(RS) Jeg tester fars socialklasse-effekts signifikans: Z = X,P44: X,XYQ: X,XXQP = 6,132. Z-værdien overskrider den kritiske grænse på 1,96 (ved signifikansniveau på 5 %), og effekten er dermed signifikant forskellig fra nul. Z-værdierne fremgår af tabel 3.3. De to mål for forældres højest fuldførte uddannelse er insignifikante, og medierer altså ikke effekten af farfars socialklasse på respondentens socialklasse. Tabel 3.3 Z-test af medierende variables bidrag Koefficient, γ Z-test Fars socialklasse, θ 4 γ 4 0,0842 6,13 Fars højest fuldførte uddannelse, θ : γ : 0,0037 1,16 Mors højest fuldførte uddannelse, θ P γ P 0,0026 0,76 9 / 20

Jeg vil derudover se på, hvad den totale procentvise ændring er, for at vurdere styrken af forklaringen. Jeg ser på ændringer i β med δ, forskelsmetoden: δ 0,0729 0,0364 100 = β 4 0,0729 100 = 50,08% 50,1 % af farfars socialklasse er medieret gennem kontrolvariablene. Det samme finder vi, når vi udregner den procentvise ændring i total effekt med alle tre forklaringer: R?S? ]R D S D ]R^S^ X,X_:` 50,08 % (Aneshensel 2013, 264f). 100 = Denne metode (ændring i total effekt) kan anvendes til at se de procentvise ændringer i den totale effekt. Her med fars socialklasse-mediering som eksempel: θ 4 γ 4 0,3112 0,0842 100 = 100 = 35,9409 % β 4 0,0729 For de 50,1 % af effekten ved farfars socialklasse, er 35,9 procentpoint medieret gennem fars socialklasse, 9,9 procentpoint medieres af fars højest fuldførte uddannelse, og 4,3 procentpoint af mors højest fuldførte uddannelse. 50,1 % af sammenhængen mellem farfars socialklasse og respondents socialklasse medieres således af de tre mål for forældres ressourcer, fars socialklasse og fars og mors højest fuldførte uddannelse. Størstedelen af effekten på respondentens socialklasse, 36 procentpoint, medieres af fars socialklasse. 3.3 Mediering, meritter Jeg undersøger i dette afsnit, om den eventuelt resterende (direkte) effekt af farfarens socialklasse på respondentens socialklasse kan forklares med respondentens meritter, målt med deres kognitive evner og om de har gennemført en universitetsuddannelse. Jeg estimerer model 6, givet ved: Y "#$%&'(#')#'$ $&+,-./.-$$# = α + β a X 6-78-7#'$ $&+,-./.-$$# + γ 4 Z 6-7$ $&+,-./.-$$# + γ : Z 6-7$ cøe#$) 8f.(8ø7)# f((-''#.$# + γ P Z g&7$ cøe#$) 8f.(8ø7)# f((-''#.$# + γ Q Z h&i',),j# #j'#7 + γ k Z "#$%&'(#') f',j#7$,)#)$f((-''#.$# + v 10 / 20

Som modeltrappen i tabel 3.4 viser, er den primære forklarende variabel (farfars socialklasse) insignifikant i model 6. Effekten af farfars socialklasse på respondentens socialklasse forsvinder således ved de medierende variable - forældreressourcer og egne meritter. Ved produktmetoden undersøger jeg, hvor meget af sammenhængen mellem farfars socialklasse og respondentens, der medieres ved kontrolvariablene, dvs. den procentvise ændring i den totale effekt. Ved brug af estimatet for β 4 og β a finder jeg ved forskelsmetoden, at 67,7 % af sammenhængen mellem farfars socialklasse og respondentens socialklasse i model 6 forklares af de medierende variable. 23,2 procentpoint af disse forklares ved fars socialklasse, 35,5 procentpoint forklares af respondentens kognitive evner og 10,0 procentpoint af respondentens universitetsuddannelse. Både fars og mors uddannelsesniveau er insignifikante, se tabel 3.4. Tabel 3.4 Modeltrappe Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Farfars socialklasse 0,0729*** (-0,0144) 0,0448** (-0,0148) 0,0370* (-0,0154) 0,0364* (-0,0154) 0,0307* -0,0154 0,0235-0,0151 Fars socialklasse 0,0902*** (-0,0123) 0,0844*** (-0,0127) 0,0842*** (-0,0127) 0,0762*** -0,0127 0,0543*** -0,0127 Fars højest fuldførte uddannelse 0,00493 (-0,00269) 0,00369 (-0,00315) 0,00168-0,00316 0,0002 (-0,0031) Mors højest fuldførte uddannelse 0,00263 (-0,00346) 0,000623-0,00346-0,0009-0,0034 Om respondent har været på universitet 0,107*** -0,0192 0,0538* -0,0196 Respondents evner 0,0660*** -0,00631 Konstantled, a 0,838*** (-0,00674) 0,801*** (-0,00831) 0,757*** (-0,0257) 0,743*** (-0,0312) 0,775*** -0,0316 0,824*** -0,0315 *=p<0,01; **=p<0,001; ***=p<0,0001. Koefficienterne for parameteret er angivet, standardafvigelsen i parentes under. Til gengæld vil jeg gerne se på, om meritter så betyder lige meget for børn vokset op i middelklassen som dem fra arbejderklassen. 11 / 20

Jeg indfører en moderering mellem fars socialklasse og respondentens kognitive evner. En moderering kan forandre den primære sammenhæng, så den varierer indenfor niveauer af den modererende variabel (Aneshensel 2013, 309). I dette tilfælde indenfor niveauer af fars socialklasse. Y "#$%&'(#')#'$ $&+,-./.-$$# = α + β _ X 6-78-7#'$ $&+,-./.-$$# + γ 4 Z 6-7$ $&+,-./.-$$# + γ : Z 6-7$ cøe#$) 8f.(8ø7)# f((-''#.$# + γ P Z g&7$ cøe#$) 8f.(8ø7)# f((-''#.$# + γ Q Z h&i',),j# #j'#7 + γ k Z "#$%&'(#') f',j#7$,)#)$f((-''#.$# + γ a Z 6-7$ $&+,-./.-$$# 7#$%&'(#')$ /&i',),j# #j'#7 + v (Jaccard og Turrisi 2003, 18f). Interaktionen her er produktet af den binære variabel fars socialklasse, og den kontinuerte variabel respondentens kognitive evner. En meget anvendt form for moderering er produktet af to variable, da denne har en mere simpel fortolkning når der sker en enhedsændring i den modererende variabel, så ændres den primære sammenhæng tilsvarende (Jaccard og Turrisi 2003, 21). Jeg tester, hvordan effekten af respondentens evner varierer alt efter hvilken socialklasse, respondentens far tilhørte. Model 7 ses i tabel 3.4. Modellens estimater viser, at evner betyder mere for børn af arbejderklassen. Effekten af evner hos arbejderklassebørn er 5,61 procentpoint større i forhold til effekten af evner hos børn fra middelklassen. Dette kan skyldes, at arbejderbørn i højere grad udnytter deres kognitive evner, da de har højere sandsynlighed for at ende i arbejderklassen som deres forældre, hvor middelklassebørn højest sandsynligt ender i middelklassen alligevel! De har altså mindre brug for at lægge en indsats for at havne i den højere sociale klasse, end børn af arbejderklassen har. Analysen viser altså, at effekten på respondentens socialklasse af højere niveauer af kognitive evner er 8,8 procent forøgelse for børn af arbejderklassen, mens det kun er 3,2 procentpoint forøgelse for middelklassebørn. Begge estimater er signifikante, mens β _ = 0,0253 er insignifikant. Farfars socialklasse er i denne sammenhæng altså modereret af respondentens meritter. 12 / 20

Tabel 3.5 Modeltrappe Farfars socialklasse Fars socialklasse Fars højest fuldførte uddannelse Mors højest fuldførte uddannelse Om respondent har været på universitet Respondents evner Interaktion mellem fars socialklasse og respondents evner. Referencekategorien er middelklasse, så effekten er for arbejderklasse Konstantled, a Model 1 Model 6 Model 7 0,0729*** 0,0235 0,0253 (-0,0144) (-0,0151) -0,0151 0,0543*** 0,0543*** (-0,0127) (0,0126) 0,0002 0,0011 (-0,0031) (0,0031) -0,0009-0,0006 (-0,0034) (0,0034) 0,0538** 0,0640** (-0,0196) (0,0196) 0,0660*** 0,0329** (-0,0063) (0,0096) 0,838*** (-0,0067) 0,824*** (-0,0315) 0,0561*** (0,0122) 0,8171*** (0,0314) *=p<0,01; **=p<0,001; ***=p<0,0001. Koefficienterne for parameteret er angivet, standardafvigelsen i parentes under. Marginale prædiktioner Marginale prædiktioner er modellens forudsigelser baseret på gennemsnittet af alle respondenter i en gruppes sandsynlighed for en bestemt værdi (Breen, Karlson og Holm 2013, 175f). De er meget anvendelige til grafisk at præsentere, hvordan variationer indenfor en medierende variabel giver forskellige effekter i den primære sammenhæng. Jeg finder 5, 10, 25, 50, 75, 90 og 95 %-fraktilerne indenfor fordelingen af kognitive evner, og finder de forudsagte værdier for respondents socialklasse ved disse niveauer, for hhv. arbejdereller middelklassebaggrund for far. Disse marginale prædiktioner kan give os en idé om, hvordan modellen forudsiger værdier for to forskellige grupper, når de er ens på alle andre parametre. Figur 4.4 viser de marginale prædiktioner for respondentens socialklasse givet fars socialklasse, indenfor niveauer af kognitive evner. Grafen illustrerer hvordan slopen for arbejderklassebørn er mere stejl end børn af middelklassen, hvilket betyder, at arbejderklassebørns sandsynlighed for at ende i middelklassen som voksne vokser mere med niveauet af evner, end middelklassebørns sandsynlighed. 13 / 20

Figur 3.4 Marginale prædiktioner Marginale prædiktioner for respondents socialklasse givet fars socialklasse Middelklasse Arbejderklasse 1,2 FORUDSAGT SANDSYNLIGHED FOR RESPONDENTS SOCIALKLASSE 1 0,8 0,6 0,4 0,2 0-1,77-1,36-0,74 0,08 0,77 1,31 1,52 RESPONDENTS KOGNITIVE EVNER 3.4 Kønsforskelle Jeg vil nu undersøge, om der er forskelle mellem mænd og kvinder i de resultater, jeg er kommet frem til. 3.4.1 Kønsmæssige forskelle farens socialklasses effekt for hhv. M / K I afsnit 3.1 fandt jeg, at fars socialklasse medierer 38,5 procent af sammenhængen mellem farfars socialklasse og respondentens socialklasse. Jeg vil her se, om det gør sig gældende i samme omfang for mandlige og kvindelige respondenter. Jeg estimerer først de to modeller: Model 8 (ligesom model 2, blot for mænd): Y g-'(.,i 7#$%&'(#')$ $&+,-./.-$$# = α + β : X 6-78-7$ $&+,-./.-$$# + γ 4 Z 6-7$ $&+,-./.-$$# + v, Model 9 (ligesom model 2, blot for kvinder): Y hj,'(#.,i 7#$%&'(#')$ $&+,-./.-$$# = α + β : X 6-78-7$ $&+,-./.-$$# + γ 4 Z 6-7$ $&+,-./.-$$# + v, 14 / 20

Jeg finder ved produktmetoden, at den procentvise ændring i effekten af farfars socialklasse for mandlige respondenter er 57,2 procentpoint. Fars socialklasse medierer altså 57,2 % af sammenhængen mellem farfars socialklasse og den mandlige respondents socialklasse. I denne model (model 8) er farfars socialklasse endvidere insignifikant. For de kvindelige respondenter gælder det, at fars socialklasse medierer 29,4 % af sammenhængen mellem farfars og den kvindelige respondents socialklasse. I denne model (model 9), er farfars socialklasses effekt signifikant. Vi har altså næsten en faktor 2-forskel (ratioen er 1,94) mellem effekten af fars socialklasse for mænd og kvinders socialklasse. Kvinder er altså mere bundet i social arv end mænd. En mulig forklaring på denne forskel er, at kvinder har haft mindre adgang til uddannelsessystem og arbejdsmarked i den tidsperiode, vi har data fra. Jeg vil se, om denne forklaring er plausibel i afsnit 4.4.3 vedr. meritter. 3.4.2 Mediering i hver kontrolvariabel, hhv. mænd og kvinder I afsnit 3.2 fandt jeg, at 50,1 % af sammenhængen mellem farfars og respondents socialklasse medieres af de tre mål for forældres ressourcer. I dette afsnit tester jeg, om medieringen er ens for mænd og kvinder. For mænd medieres 73,2 % af sammenhængen af de tre mål for forældres ressourcer, se tabel 3.6. I model 10 er farfars socialklasses effekt dog ikke signifikant forskellig fra 0. Der kan altså ikke siges at være en sammenhæng mellem den mandlige respondents og farfars socialklasse. 39,1 % af sammenhængen mellem farfars socialklasse og kvindelig respondents socialklasse medieres således af de tre mål for forældres ressourcer, se tabel 3.6. I dette tilfælde er farfars socialklasseeffekt signifikant, med en effekt på 0,0667. Tabel 3.6 Mediering af farfars socialklasseeffekt Mænd (73,2 % medieres) Kvinder (39,1 % medieres) Fars socialklasse 54,6 procentpoint 26,4 procentpoint Fars højest fuldførte uddannelse 11,9 procentpoint 8,2 procentpoint Mors højest fuldførte uddannelse 6,7 procentpoint 4,5 procentpoint Vi kan altså se, at sammenhængen ikke findes mellem farfars socialklasse og mandlige respondenters socialklasse, men at den er til stede hos kvinderne. De medierende variable 15 / 20

forklarer i mændenes tilfælde farfars socialklasseeffekt. Igen har vi en høj ratio på 1,87 mellem mandlige og kvindelige respondenters forskel. Kvinder er altså i højere grad end mænd bundet af farfars sociale arv. 3.4.3 Meritter som forklaring, hhv. mænd og kvinder Jeg vil i dette afsnit undersøge, om kognitive evner og universitetsuddannelse har forskellig betydning for mænd og kvinder. I afsnit 3.3 fandt jeg, at meritter overtog den resterende effekt af farfars socialklasse. Men gælder dette for både kvinder og mænd? Jeg indfører køn som differentiering i model 7, og får model 12 og model 13, se tabel 3.7 Ved produktmetoden finder jeg, at 57 % af farfars socialklasseeffekt forklares af de medierende variable for kvindelige respondenter, mens det gælder 94 % af effekten hos mandlige respondenter. Der er således en difference på 37 procentpoint mellem mænd og kvinders farfars socialklasses indflydelse. Det er hos begge især kognitive evner og fars socialklasse, der medierer effekten. Sammenhængen mellem farfar og mandlig respondents socialklasse er ikkeeksisterende. For kvinder er sammenhængen signifikant med en effekt på 0,05 (z-test viser 2,09). Tabel 3.7 Modeltrappe Farfars socialklasse Fars socialklasse Model 1 0,0729*** (-0,0144) Model 12 mænd 0,0031 (0,0177) 0,0465** (0,0146) Model 13 kvinder 0,0505 (0,0241) 0,0558* (0,0207) Fars højest fuldførte uddannelse -0,0002 (0,0036) 0,0024 (0,0050) Mors højest fuldførte uddannelse 0,0005 (0,0039) -0,0014 (0,0055) Om respondent har været på universitet 0,0327 (0,0219) 0,0812* (0,0336) Respondents evner 0,0344*** (0,0106) 0,0434*** (0,0165) Interaktion mellem fars socialklasse og respondents evner. Middelklasse er reference 0,0379* (0,0137) 0,0760*** (0,0208) Konstantled, a 0,838*** (-0,0067) 0,8828*** (0,0358) 0,7487*** (0,0520) *=p<0,01; **=p<0,001; ***=p<0,0001. Koefficienterne for parameteret er angivet, standardafvigelsen i parentes under. 16 / 20

Jeg anvender igen marginale prædiktioner for grafisk at se de to slopes. I dette tilfælde har jeg plottet kvindelige respondenters forudsagte socialklasse, ud fra farfars socialklasse. I figur 3.8 ses det, hvordan kvinders sandsynlighed for at ende i middelklassen forøges betragteligt, hvis deres farfar tilhørte middelklassen. For mandlige respondenter er slopen meget flad, og de får således ikke meget gevinst ud af farfars klassetilhørsforhold. Tabel 3.8 Marginale prædiktioner for M/K's socialklasse givet farfars socialklasse Marginal prædiktion af socialklasse, Kvinder Marginal prædiktion af socialklasse, Mænd 0,94 0,92 0,9 0,88 0,86 0,84 0,82 0,8 0,78 0,76 0,74 Farfar i arbejderklasse Farfar i middelklasse Kvinder er i denne analyse igen i højere grad end mænd bundet af farfars sociale arv. Meritter kan ikke fjerne effekten for kvinders tilfælde, mens det for mænd udligner i høj grad. Der er ikke umiddelbart grund til at forkaste en antagelse om, at kvinders begrænsede adgang til uddannelse og arbejdsmarked kan have givet den multigenerationelle sociale arv gode betingelser. Det er interessant om det uddannelsesboom, der har været for især kvinder, kan udligne forskellen mellem mænd og kvinder i denne sammenhæng (Poulsen u.d.). 17 / 20

4 Kritik og muligheder En potentiel begrænsning ved at se på mellemliggende forklaringer kan være, at der er variable, vi ikke har med i datasættet. En anden er, at vi ikke ved hvilken forklaring, der er den vigtigste. Ofte er forklaringer mere komplementære, uden at tallene vil afspejle det. I alle tilfælde må vi guides af teori. En kritik af den kvantitative sociologi er, at den bliver reduktionistisk. Blumer mener, at så længe den sociologiske tilgang holder sig til ikke-fortolkende variable, så er det brugbart til forståelse af gruppers sociale liv (Blumer 1956). Jæger argumenterer dog for, at de mange nye metodiske tilgange indenfor kvantitativ forskning, som fx latens klasseanalyse, netop kan rumme disse typer variable også (Jæger 2006). Abbott peger på, er de kvantitative metoder i dag så avancerede, at vi kan se på mange mulige outcomes ved forskellige handlinger, uden at det koster meget i ressourcer at udregne disse (Abbott 1997, 1168f). Teknologiske fremgang giver metoden syvmilestøvler på. 5 Konklusion Analysen har vist, at effekten mest af alt medieres af fars socialklasse samt respondentens egne kognitive evner og om denne har en universitetsuddannelse. De kognitive evner har dog mere at sige, alt efter om du er vokset op i arbejderklasse eller middelklassehjem. Arbejderklassebørn får størst udbytte af kognitive evner. Der er stor forskel mellem mandlige og kvindelige respondenter. For mænd har farfars socialklasse ingen effekt, når vi tager højde for forældres og respondentens egne ressourcer. For kvinder har farfars socialklasse en mindre, men signifikant, effekt på 5 procentpoint større sandsynlighed for at respondenten er i middelklassen, hvis farfar tilhørte middelklassen. For mænd medierer fars socialklasse og respondentens egne evner således farfars sociale arv. For kvinder medieres noget af farfars sociale arv, men ikke alt, af egne evner og universitetsuddannelse. 18 / 20

6 Bibliografi Abbott, Andrew. 1997.»Of Time and Space: The Contemporary Relevance of the Chicago School.«Social Forces, Juni: 1149-82. Aneshensel, C. S. 2013. Theory-Based Data Analysis for the Social Sciences. 2. udgave. Sage. Blumer, Herbert. 1956.»Sociological analysis and the "variable".«american Sociological Review, december: 683-690. Breen, Richard, Kristian Bernt Karlson, og Anders Holm. 2013.»Total, Direct, and Indirect Effects in Logit and Probit Models.«Sociological Methods & Research, 164-191. Clogg, C.C, E. Petkova, og A. Haritou. 1995.»Statistical Methods for Comparing Regression Coefficients between Models.«American Journal of Sociology, Mar: 1261-1293. Goldthorpe, J. H. 2000.»Causation, Statistics and Sociology.«I On Sociology: Numbers, Narratives, and the Integration of Research and Theory, af J. H. Goldthorpe, 137-160. Oxford, New York: Oxford University Press. Jaccard, James, og Robert Turrisi. 2003.»Two-Way Interactions.«I Interaction Effects in Multiple Regression, af James Jaccard & Robert Turrisi, 17-44. Thousand Oaks: SAGE Publications. Jæger, M. 2006.»Kvantitative metoder i dansk sociologi.«dansk Sociologi, 97-103. Poulsen, Jørgen. u.d. Kvinfo: Køn og uddannelse gennem 100 år. Senest hentet eller vist den december 2016. http://kvinfo.dk/2015/koen-og-uddannelse-gennem-100-aar. Treiman, D. J. 2014.»Cross-Tabulations + More on Tables.«I Quantitative Data Analysis: Doing Social Research to test ideas., af D.J. Treiman, 1-46. San Fransico, CA: Jossey-Bass. Warren, J.R., og R. M. Hauser. 1997.»Social Stratification across Three Generations: New Evidence from the Wisconsin Longitudinal Study.«American Sociological Review, August: 561-572. 19 / 20

7 Bilag 7.1 Medierende variables bidrag i model 6. - Indirekte, fars socialklasse, θ 4 γ 4 = 0,0169 - Indirekte, fars uddannelse, θ : γ : = 0,0003 - Indirekte, mors uddannelse, θ P γ P = -0,0010 - Indirekte, kognitive evner, θ Q γ Q = 0,0259 - Indirekte, respondenten universitetsuddannet, θ k γ k = 0,0073 - Estimatet af den direkte effekt (farfars socialklasse, β a ) i model 6 er 0,0235 20 / 20