Just nu pågår en diskussion bland ojämlikhetsforskare om mått på inkomstspridning och omfördelning även ska inkludera offentliga välfärdstjänster. Samhällets omfördelning sker nämligen inte uteslutande i form av skatter och bidrag; subventionerade tjänster inom välfärdssektorn såsom grundskola, barn- och äldreomsorg skapar också en omfördelning som visserligen inte syns i lönekuvert eller deklarationsblanketter men som ändå spelar roll för människors välstånd. Vad säger då forskningen om denna omfördelning? Påverkas ojämlikheten, fattigdomen och ländernas rangordning när välfärdstjänster inkluderas i hushållens inkomster?
Skatter och bidrag är de synligaste kanalerna för aktiv omfördelning, men subventionerade välfärdstjänster är också betydelsefulla instrument för välfärdens utjämnande. Till exempel erbjuds alla barnfamiljer i Sverige kostnadsfri sjukvård för sina barn och kraftigt subventionerad barnomsorg. Åldringsvården är i hög grad skattefinansierad men tillfaller enbart de äldre. Då dessa tjänster i hög grad har karaktären av försäkring är de ofta relativt sett viktigare för hushåll i de lägre delarna av inkomstfördelningen där riskerna för att hamna i behov är större, och där tjänsternas värde är större relativt övriga hushålls inkomster.
I den mån politiker kan göra ett aktivt val att omfördela genom att sänka skatter, höja bidrag eller öka subventionerna av riktade välfärdstjänster föreligger således en risk att fördelningsanalysen blir godtycklig och till och med missvisande om endast skatters och bidrags fördelningseffekter studeras. Inte minst kan det finnas stora skillnader mellan länder hur detta val ser ut.
Men att gå från denna insikt till praktisk implementering är inte enkelt. Det finns idag inget självskrivet och okomplicerat sätt att beräkna den offentligt finansierade konsumtionen på individ- och hushållsnivå. Det vanligaste sättet är att använda kostnaden för dessa välfärdstjänster som ett mått på deras värde. Detta är nu inte oproblematiskt, eftersom en kostnadseffektivisering inom exempelvis vårdsektorn ju innebär bättre vård till samma kostnad (eller samma vård till lägre kostnad), vilket inte fångas upp i det rent kostnadsbaserade måttet. Noteras bör dessutom att denna inkomst inte ger samma handlingsfrihet som kontaktinkomst och därför inte behöver vara helt ekvivalent i välfärdstermer.
Hur står är då effekten på inkomstfördelning och fattigdom i EU-länderna av att inkluderas dessa offentliga välfärdstjänster? Det finns idag ett antal studier (se kort översikt med flera referenser här, sid 29-31) på detta område, och en av de ambitiösaste är skriven av ett norskt forskarlag (se studien här). De använder Eurostats mikrodatabas EU-SILC och resultatet för några av dessa länder syns i tabellen nedan (baserat på studiens tabeller 8 och 9). Där framgår att inkomstspridningen minskar med ungefär en femtedel när man går från att använda disponibel inkomst till “utökad inkomst”, dvs disponibel inkomst plus värdet av välfärdstjänster. Den relativa inkomstfattigdomen (andelen hushåll med en inkomst under 60% av medianinkomsten) närapå halveras i de flesta länderna, förutom i Grekland där minskningen är mindre relativt sett.
Land | Gini (DI/utökad) | Skillnad | Fattigdom (DI/utökad) | Skillnad |
Danmark | 24.8 / 19.1 | -5.7 (-23%) | 12.4 / 6.8 | -5.6 (-46%) |
Finland | 25.2 / 20.6 | -4.6 (-19%) | 12.8 / 6.6 | -6.2 (-49%) |
Frankrike | 29.5 / 24.1 | -5.4 (-19%) | 12.8 / 6.5 | -6.3 (-50%) |
Tyskland | 28.9 / 24.3 | -4.6 (-16%) | 15.5 / 8.8 | -6.7 (-44%) |
Grekland | 32.8 / 28.1 | -4.7 (-15%) | 20.0 / 13.1 | -6.9 (-35%) |
Norge | 22.8 / 17.7 | -5.1 (-23%) | 10.0 / 5.2 | -4.8 (-48%) |
Sverige | 23.8 / 18.1 | -5.7 (-24%) | 12.5 / 6.4 | -6.1 (-49%) |
Storbritannien | 32.8 / 26.6 | -6.2 (-19%) | 17.1 / 9.3 | -7.8 (-46%) |
Vad händer då med rangordningen av länder? Denna fråga är kanske ännu viktigare eftersom den berör vår tolkning av länders val av omfördelningssystem, alltså om vi ska omfördela via skattsedeln och kontantbidrag eller genom subventionerad välfärd. Diagrammet nedan visar hur ländernas rangordning ser ut i de två inkomstmåtten: relativ fattigdom och Ginikoefficienten. Här framstår att rangordningseffekten är förhållandevis blygsam. Länderna ändrar inte radikalt position beroende på vilket mått som används (Spearmankorrelationen är runt 0,9). Resultatet är faktiskt slående, dvs att ländernas relativa status gällande graden av fattigdom och inkomstskillnader inte påverkas nämnvärt av hur omfördelningen går till. Viss variation finns dock, särskilt gällande fattigdomsutfallen, och här skulle man kunna titta ännu närmare på skillnader inom befolkningen avseende hushållsstorlek och ålder (något som den norska studien också gör).
Det är en rimlig bedömning att framtida analyser av inkomstfördelningen och den ekonomiska politiken i allt högre grad kommer att inbegripa effekten av offentliga välfärdstjänster. Med tanke på de betydande resurser som läggs ned på denna offentligfinansierade service är en sådan utveckling dessutom motiverad. Exakt vilka mått och metoder som kommer att användas är dock en öppen fråga, och intressant nog pågår utvecklingsarbete inom SCB på detta område.
En omställning vilken egentligen borde ingå vid beräkningen av penningvärdesförändringen, är införandet och höjningarna av skattefinansierade verksamheter. Dessa förändringar är till sin natur deflationistiska, dvs. ökar behovet/värdet av pengar. Dessutom medför avgifter och höjningar av avgifter att den ekonomiska standarden minskar mest i de grupper som har störst behov av verksamheterna. Patientavgifter ökar främst kostnaderna för dem som är sjuka och det har blivit nödvändigt att införa möjligheten att skapa möjlighet till avbetalningsköp på apoteken.
Rent allmänt innebär avgifter på skattefinansierade verksamheter att de fattigaste av skattebetalarna kan komma att missgynnas, genom att de är med och betalar för verksamheter som de sedan inte har råd att utnyttja. Ett typiskt fall är de arbetslösa som inte får mer än försörjningsstödet, men som ändå måste betala de allt högre avgifterna inom kollektivtrafiken för att resa till och från arbetet i tex. Fas 3. Arbete som de måste utföra utan anställning, bara för att få fortsatt försörjningsstöd. Detta exempel visar även på den andra metoden för att öka inkomstspridningen i de nedersta inkomstskikten. Att ändra regelverken för ersättningar och bidrag så att en minskande andel av de behövande får ersättning på den inkomstgrundade niivån.
Hur ser analysen ut om man använder ett absolut, och inte ett relativt, fattigdomsmått?
Micke, jag vet inte, det framgår inte av analysen. Ett problem med ett absolut fattigdomsmått är emellertid att bestämma vilken fattigdomsgräns man ska välja. Ska gränsen vara anpassade för varje lands förhållanden eller ska man ha en gemensam fattigdomsgräns för alla EU-länder? Dessa frågor är väl iofs möjliga att angripa men det har mig veterligen inte gjorts.
Ett absolut och ett relativt fattigdomsmått bör ingå i analyser.
Båda har en biopsykosocial realitet.
Om man svälter till döds, så är det…. viktigt.
Om ett djur ligger väsentligt sämre till än övriga djur i kampen för fortplantning så är det intressant.
Daniel: Har du något tips på var man som “vanlig” människa kan få tag på bra statistik över disponibel inkomst?
När jag letar efter statistik på t.ex. scb.se så upplever jag att all statistik är onödigt aggregerad i breda decil-grupper, gini-koefficienter o dyl. Jag skulle vilja ha rådata för varje percentil, och helst inte per konsumtionsenhet, utan per individ.
Markus, dessvärre krävs akademisk koppling och ofta forskningsprojekt för att komma över mikrodata över inkomster, skatter och transfereringar.
Jag håller med om att SCB:s statistik är onödigt aggregerad. SCB:s s k Statistikdatabasen skulle utan vidare kunna ha data på församlingsnivå vilket skulle ge möjlighet till avancerad och meningsfull analys utan att den personliga integriteten hotas på något sätt. Kontakta gärna SCB och begär detta. Men med individdata är det nog så att de aldrig kommer att släppas enkelt.
Det finns även en del data i vissa enkätundersökningar som inte SCB kontrollerar, men även dessa brukar kräva forskarstatus för att få tillgång till mikrodata.