Har Coronapandemin ökat inkomstskillnaderna i Sverige?

Coronapandemin har haft en betydande inverkan på den svenska ekonomin. Men hur dess effekter har fördelats i befolkningen är mindre känt. I en ny rapport från Skatteverket undersöker Nikolay Angelov, forskare vid Skatteverkets analysenhet, och jag Coronapandemins effekter på inkomstfördelningen samt hur regeringens stödpaket har påverkat dessa utfall under pandemin. (Vi har även gett ut en utförligare forskningsstudie på samma tema.)

Vår huvudanalys bygger på de månadsuppgifter över löntagarnas inkomster som svenska arbetsgivare rapporterar till Skatteverket sedan 2019 (före dess rapporterades inkomsterna endast en gång per år, tyvärr rapporteras dock inte arbetad tid). Dessa data ger oss möjlighet att följa löneinkomsternas nivå och spridning både före och under pandemin för Sveriges drygt 5 miljoner löntagare. Inget annat land har hittills studerat Coronakrisens fördelningseffekter på detta sett för hela befolkningen så gott som i realtid, och förmodligen finns sådana data nog överhuvudtaget inte i några andra länder.

Löneinkomsternas spridning ökade under pandemin

Figur 1 visar löneinkomsternas utveckling månad för månad under 2019, 2020 och början av 2021. Löntagarna är indelade i sex kvantilgrupper utifrån lönens storleken, uppdelade utifrån percentilgränser (P): de tre lägsta inkomstkvartilerna P0-25 (som består främst av unga, deltidsarbetande), P25-50 och P50-75, och den översta kvartilen uppdelad i tre undergrupper, P75-90, topptiondelens lägsta nio tiondelar P90-99 och den översta hundradelen P99-100. (Vi studerar även topphundradelen i mer detalj, men om detta återkommer jag i ett senare inlägg). Analysen är för individer 18-64 år gamla och löneinkomster före preliminärskatt (resultaten är desamma för löner efter preliminärskatt).

Figuren visar en rad spännande mönster. Dels framgår att inkomsterna under januari-mars var 2020 var klart högre än inkomsterna samma månader 2019, men från april 2020 faller de tillbaka till nivån 2019 eller, som i fördelningens nedre halva (P0-25 och P25-50), rentav under den nivån. Sammantaget faller löneinkomsterna med fyra-fem procent under pandemin i förhållande till sin förväntade nivå, och inkomsttappet är kraftigast ibland låginkomsttagarna.

Nya resultat i figuren är också hur löntagarnas inkomster varierar under året, något som inte har studerats på detta sätt tidigare. Vi ser att låginkomsttagarnas inkomster stiger under semestersäsongen, att medelinkomsttagarna får ett lönelyft i juni (semesterlön) och i december (engångsbelopp), att höginkomsttagarna får lönelyft i december (småföretagarnas löner som påverkar storleken på kommande års lågbeskattad aktieutdelning) samt i mars (rörlig ersättning till ledande befattningshavare).

Figur 1: Löneinkomster i olika delar av inkomstfördelnlingen, 2019-2021. (Källa: Månadsuppgifter, Skatteverket).

Löneinkomstspridningen individer 18-64 år, mätt enligt Gini-koefficienten (där 0 betyder ingen spridning och 1 betyder maximal spridning), visas i Figur 2. När man  jämför Gini-koefficienter månadsvis 2020 och 2019 framgår att Gini ökade med ungefär en punkt efter pandemins utbrott, vilket innebär en ökning med 2,5 procent. Även om ökningen är tydligt förknippad med pandemin är den inte särskilt stor; under 90-talskrisen steg Gini i arbetsinkomster med 15 procent mellan 1990 och 1994 (se fig 4.2 i denna rapport).

Figur 2: Inkomstspridningen i löneinkomster före skatt (Gini), individer 18-64 år, 2019-2021. (Källa: Månadsuppgifter, Skatteverket).

Vi analyserar även pandemins effekt på lönenivåer med hjälp av regressionsanalys (RIF-skattningar), något som är möjligt tack vare att vi kan använde både trenden mellan år och månadsvariationen inom år för att identifiera pandemineffekten. Figur 3 visar denna effekt på löneinkomster i olika delar av fördelningen, uppdelad i jämna tiondelsgränser upp till den översta hundradelen. Resultaten visar att den negativa effekten var som störst på låginkomsttagarna. I den absoluta botten av fördelningen sänktes genomsnittsinkomsten med sex procent, kring medianen (q50) med 2,4 procent medan den översta hundradelens inkomst föll med cirka en procent (men med ett osäkerhetsintervall mellan noll och två procent). Bilden bekräftar pandemins tydliga regressiva effekt på den svenska arbetsmarknaden.

Figur 3: Coronapandemins effekt på löneinkomsterna i olika delar av inkomstfördelningen. (Källa: Månadsuppgifter, Skatteverket).  

Varför faller inkomsterna så mycket bland låginkomsttagarna? Våra data kan tyvärr inte ge alla svar på detta eftersom de inte kan länkas till andra myndighetsregister. Men vad vi kan se är att dessa löntagarna gick från att ha en inkomst, om än relativt låg, till att inte ha någon löneinkomst alls. Figur 4 visar att ”arbetslösheten” hos dessa låginkomsttagare under perioden mars-december ökade trefalt, från 2019 (6 procent) och 2020 (18 procent). I andra löntagargrupper ökade denna arbetslöshet också något, men på mycket låga nivåer. SCB har visat att arbetslösheten ökade kraftigt under pandemin, särskilt bland unga (vilket också våra data visar) och utlandsfödda (vilket vi inte kan undersöka).

Figur 4: Arbetslöshet under mars-december bland löntagare som hade en inkomst i februari mars, 2-019-2020. (Källa: Månadsuppgifter, Skatteverket)

Regeringens stödåtgärder

Ett unikt bidrag i vår rapport är analysen av regeringens stödåtgärder och dess inverkan på inkomstfördelningen. Genom att koppla samman Skatteverkets månadsuppgifter över löner med registerdata från Tillväxtverket och Skatteverket över mottagare av korttidsstöd och omställningsstöd, regeringens två största stödpaket, kan vi göra kontrafaktiska beräkningar av stödens fördelningseffekter genom att dra bort stödpengarna från löntagarnas inkomster. Figur 5 visar resultatet av dessa analyser. Vi använder två kontrafaktiska scenarier. I ”PS1” minskar vi löntagarnas inkomster med stödet rakt av, vilket motsvarar en situation där de jobbar förre timmar (och får lägre inkomster) men behåller sina jobb. Detta korttidsupplägg liknar den arbetslöshetsbekämpande modell som Tyskland har använt i Hartz-IV sedan 2000-talet. I ”PS2” låter vi istället löntagarna behålla sin heltidsanställning, och heltidslön, men tvingar bort de anställda för vilka företagens pengar inte räcker till. Detta liknar den modell som Sverige har praktiserat traditionellt sett. Vi plockar bort löntagare från botten av lönefördelningen utifrån ”sist in, först ut”-logiken.

Resultaten i båda simulerade utfallen PS1 och PS2 pekar på att regeringens stödpaket har dämpat pandemins ökande inverkan på inkomstskillnaderna. Utan stödpaketen hade Gini-koefficienten ökat två-tre gånger mer än den gjorde under pandemins inledande månader och något mindre därefter.

Figur 5: Regeringens stödåtgärder och deras inverkan på inkomstfördelningen under pandemin. (Källa: Månadsuppgifter och data över korttidsstöd och omställningsstöd, Skatteverket och Tillväxtverket).

Årsuppgifter

Vi har även analyserat inkomstdeklarationerna från maj-juni 2021, vilka visar svenskarnas inkomster under pandemiåret 2020. Nackdelen med denna analys är att den sammanblandar inkomster före och under pandemin, vilket gör det svårare att dra tydliga slutsatser. Fördelen är dock att årsinkomsterna innehåller fler sorts inkomster, kapitalinkomster, ersättningar från arbetslöshets- och sjukförsäkring, samt de rätta skattebetalningarna sedan jobbskatteavdraget räknats med. I denna analys studerar vi alla vuxna individer 18 år eller äldre, alltså även inklusive ålderspensionärer.

Figur 6 visar genomsnittsinkomster för sex inkomstkvantilgrupper åren 2018, 2019 och 2020. Bilden visar att inkomsterna föll i botten av fördelningen, både till följd av lägre arbetsinkomster (vilket ligger i linje med månadsanalysen), och av förluster bland egenföretagare (de gråa negativa fälten). Vi ser en viss ökning av inkomsterna i den övre halvan av fördelningen.

Figur 6: Genomsnittsinkomster och deras sammansättning av inkomstslag i den vuxna befolkningen, 2018-2020.

Figur 7 visar att Gini-koefficienten för sammanräknade förvärvs- och kapitalinkomster före och efter skatt bland vuxna individer ökade tydligt. Ökningen är cirka fem procent, alltså dubbelt så stor som bland månadslönerna. Denna större ökningen beror främst på att egenföretagarnas förluster räknas med, vilka var stora under pandemiåret, dels att minskade arbetsinkomster även bland pensionärer med relativt låga inkomster inkluderas i analysen.

Figur 7: Inkomstskillnader för summa förvärvs- och kapitalinkomster före och efter skatt, vuxna individer, 2018-2020. (Källa: Årsdeklarationer, Skatteverket).

Slutord

Vår analys av Skatteverkets registerdata visar att arbetsinkomsterna minskade med ungefär 4-5 % jämfört med de första pandemifria månaderna 2020. Inkomstskillnaderna bland dessa arbetsinkomster ökade under pandemin, framför allt orsakat av minskade inkomster och ökad arbetslöshet bland låginkomsttagare. Ökningen är relativt begränsad; Gini-koefficienten ökade med 2-3 %. Utan regeringens stödpaket hade genomsnittsfallet i arbetsinkomster varit nästan dubbelt så stort och ökningen i inkomstspridning hade varit mer än dubbelt så stor, eller 5—10 %. Vi finner liknande ökning av inkomstskillnader när vi tittar på inkomster som även inkluderar kapitalinkomster.

Noteras bör att detta inte är en fullständig analys av pandemins effekter på den inkomstojämlikheten i Sverige. Våra data är på individnivå, vilket innebär att vi inte kan beakta effekter av hushållssammansättning, alltså att människor ofta lever tillsammans och den gemensamma konsumtionsnivån därmed inte är helt avhängig en individs inkomster. Vidare observerar vi inte alla transfereringar och bidrag, särskilt de som inte beskattas och betalas ut till de mest behövande. Sannolikt medför dessa båda aspekter, hushållseffekter och transfereringar, att ojämlikhetsökningen inte är fullt så stor i fördelningen av hushållens disponibla inkomster som den varit i våra fördelningar av individers arbetsinkomster eller totala marknadsinkomster efter skatt.

Comments

  1. Marcus says:

    Så länge det studeras av intresse är det väl ok. Hoppas bara inte att det ska ageras på och rättas till på något sätt eller användas för att ’bevisa’ hur effektiva krisåtgärder har varit. Då social ingenjörskonst, kalibrering av bidrag, subventioner osv utifrån aggregerade empiriska data vanligen inte slutar särskilt väl. Blir minst lika många ’oväntade’ sidoeffekter med varierande fördröjning som effekterna man tänkte sig skapa. Ingen lever heller sitt liv i en percentil, utan som individ gynnas man av vissa händelser och missgynnas av andra. Det som hänt med pandemin har varit katastrofalt för vissa, affärsmässigt riktigt bra för andra och för de flesta varken eller. Men vi kan notera att fattiga/låginkomsttagare är mer utsatta vid kriser. Så de som inte redan visste det kan notera detta. Därefter kan vi alla försöka att skapa bästa möjliga liv för oss själva utan att göra det på andras bekostnad. På så vis blir nog saker så bra de kan bli oavsett vad aggregerad data visar.

Kommentera

Fyll i dina uppgifter nedan eller klicka på en ikon för att logga in:

WordPress.com-logga

Du kommenterar med ditt WordPress.com-konto. Logga ut /  Ändra )

Google-foto

Du kommenterar med ditt Google-konto. Logga ut /  Ändra )

Twitter-bild

Du kommenterar med ditt Twitter-konto. Logga ut /  Ändra )

Facebook-foto

Du kommenterar med ditt Facebook-konto. Logga ut /  Ändra )

Ansluter till %s