Oppgrader til nyeste versjon av Internet eksplorer for best mulig visning av siden. Klikk her for for å skjule denne meldingen
Ikke pålogget
{{session.user.firstName}} {{session.user.lastName}}
Du har tilgang til Idunn gjennom , & {{sessionPartyGroup.name}}

Overgang fra utdanning til arbeid blant høyt utdannede etterkommere av innvandrere

The transition from education to work among highly educated descendants of immigrants



Forsker, Institutt for samfunnsforskning




Forsker, Institutt for samfunnsforskning

Til tross for en voksende litteratur om hvordan barn av ikke-vestlige innvandrere i Norge gjør det i arbeidslivet, sammenliknet med barn av norskfødte foreldre, finnes det begrenset med kvantitativ forskning om hvordan slike forskjeller utspiller seg helt i toppen av utdanningsfordelingen: Hvilken betydning har innvandrerbakgrunn for dem som har fullført en mastergrad? Vi studerer ansettelser, timelønn og årsinntekt for denne spesielle gruppen i Norge, med spesielt fokus på å holde formelle kvalifikasjoner konstant. Hvordan gjør de det, sammenlignet med like høyt utdannede som har norskfødte foreldre? Vi finner at masterutdannede norskfødte med innvandrerforeldre har lavere sysselsetting og årsinntekt – men høyere timelønn i snitt – enn masterutdannede med norskfødte foreldre. Forskjellen i timelønn, som i utgangspunktet kun gjelder blant kvinner, snus til å bli negativ så snart vi kontrollerer for studieretning. Blant dem som har fullført mastergraden ved en av de store utdanningsinstitusjonene i Norge er imidlertid forskjellene etter innvandrerbakgrunn langt mindre, og ikke statistisk signifikante når det gjelder ansettelse og årsinntekt. Men også i dette utvalget har menn med innvandrerbakgrunn lavere timelønn enn menn fra majoriteten, og dette gapet består selv etter å ha kontrollert for studieinstitusjon og karakterer i høyere utdanning. Gode karakterer i høyere utdanning er – som ventet – forbundet med høyere sysselsetting, timelønn og årsinntekt, men det er ikke systematiske forskjeller i betydningen av karakterer etter innvandrerbakgrunn.

Nøkkelord: innvandring, integrering, andregenerasjon, høyere utdanning, arbeidsmarked

In spite of a growing literature concerned with the labour-market performance of children of non-western immigrants in Norway, there exists little quantitative evidence about how these differences play out at the very top of the education distribution: Does immigrant background matter for those who have completed a master’s degree? We study the transition from education to work for this particular group in Norway. How do they fare compared to their equally highly educated peers with Norwegian-born parents? Our analyses show that immigrant background does not matter for employment probability after completing the master’s degree. Among those employed, immigrant background is associated with higher hourly wages for women with a master’s degree, but not for men, when we control for field of study programs and grades obtained in higher education. A similar pattern applies to annual income from work. Immigrant background is positively associated with higher business income among those with a master’s degree, especially among women, but the difference is largely due to field of study. Having better grades in higher education is associated with higher employment rates, hourly wages, annual salary and business income. This applies equally to graduates with and without immigrant background, whereas the relationship is generally weaker for women.

Keywords: immigration, integration, second generation, higher education, labour-market outcomes

Innledning

Hvordan det går med etterkommerne av innvandrere i arbeidslivet, er ett av vår tids store spørsmål. I diskusjoner om konsekvensene av innvandring fra såkalte ikke-vestlige land,1 for økonomisk og sosial ulikhet og for velferdsstatens bærekraft på lang sikt, tegnes til dels svært ulike bilder etter som hvilken innvandrergenerasjon man fokuserer på. Den første generasjonen innvandrere fra disse landene, hvor asylsøkere og flyktninger utgjør en stor gruppe, er sterkt overrepresentert både blant dem med lite utdanning og dem med lav inntekt og sysselsetting i Norge (Steinkellner, 2017; SSB, 20182). Selv blant dem som har tatt høyere utdanning i Norge, har innvandrere betydelig lavere inntekt og sysselsetting enn innfødte nordmenn med de samme kvalifikasjonene (Brekke & Mastekaasa, 2008; Hansen, 2000; Wiborg, 2006; Støren, 2002, 2004; Støren, 2010, s. 57). De har også større sannsynlighet for å ha en jobb de er overkvalifisert for (Støren, 2008).

Barna til disse innvandrerne er på sin side overrepresentert i høyere utdanning i Norge. Høsten 2016 var 35 prosent av alle 19–24-åringer i høyere utdanning. Blant norskfødte med innvandrerforeldre var andelen 44 prosent studenter (Steinkellner, 2017). Tendensen til at kvinner er overrepresentert i høyere utdanning i befolkningen gjelder dessuten også for norskfødte med innvandrerforeldre: I 2016 hadde norskfødte kvinner med innvandrerforeldre i alderen 19–24 år den høyeste andelen i høyere utdanning i Norge, med 51 prosent, mens 38 prosent av mennene med innvandrerforeldre var i høyere utdanning. Både norskfødte menn og kvinner med innvandrerforeldre deltok i høyere utdanning i større grad enn snittet av befolkningen for hvert kjønn i denne aldersgruppen (Steinkellner, 2017). I en omfattende studie ser Hermansen (2016) på mobiliteten i inntekt og utdanningsnivå mellom innvandrere og deres barn født i Norge, og finner at gapet til majoritetsbefolkningen i utdanning og inntekt er langt mindre i andre generasjon enn i første generasjon.

I denne artikkelen zoomer vi inn på den raskt voksende gruppen barn av innvandrere fra ikke-vestlige land som har fullført en mastergrad. Det er flere grunner til å undersøke denne gruppen spesielt. På den ene siden er det knyttet stor optimisme til disse etterkommerne, som representerer mobilitet mellom generasjoner av innvandrere i møte med det norske samfunnet. At foreldrene deres har støtt på hindre i møtet med det norske arbeidsmarkedet er for mange lite overraskende, men det er forventet at neste generasjon vil ha helt andre sjanser og mobilitet (Friberg & Midtbøen, 2017). Medlemmene i gruppen vi studerer har gått hele grunnskolen og videregående opplæring i Norge, og de har større forventninger til en likeverdig plass i det norske samfunnet enn foreldrene sine (Friberg, 2017). På den andre siden viser en rekke studier fra flere land, inkludert Norge, at det er nok å ha et fremmedklingende navn for å bli møtt med diskriminering i ansettelsesprosesser – selv når kvalifikasjoner holdes konstant (se for eksempel Midtbøen, 2014; Riach & Rich, 2002; Zschirnt & Ruedin, 2016 for en gjennomgang av litteraturen; for Norge, se Midtbøen, 2016 og Birkelund mfl., 2016). Dette gir opphav til en bekymring om at etniske forskjeller reproduseres og at neste generasjon vil støte på mange av de samme hindrene som foreldrene.

Teoretiske betraktninger og relevant litteratur

En forholdsvis stor internasjonal litteratur har analysert utdannings- og arbeidsmarkedsforløp for barn av innvandrere, spesielt i land som har en lang innvandringshistorie (som USA, Storbritannia, Canada og Australia), hvor man kan følge personer i denne gruppen over lang tid. Resultater fra mange av disse studiene viser at barn av innvandrerforeldre generelt ser ut til å gjøre det nesten like godt i arbeidsmarkedet som kollegaer med foreldre som er født i vertslandet (se f.eks. Card, 2005; Aydemir & Sweetman, 2007; Miller & Chiswick, 2007; Dustman mfl., 2004). En grunn som trekkes fram er det relativt høye utdanningsnivået blant etterkommerne. Også fra Norge finnes etter hvert flere studier, med litt ulike funn. Birkelund mfl. (2014) følger etterkommere av indiske og pakistanske innvandrere i Norge i overgangen fra utdanning til sysselsetting og finner at de har lavere overgangsrate til sysselsetting enn majoriteten, også når det tas hensyn til observerte forskjeller i utdanning, familiesituasjon og bosted. Hermansen (2016) finner på sin side at gapet til majoritetsbefolkningen i utdanning og inntekt er langt mindre i andre enn i første generasjon av innvandrere til Norge.3 Olsen (2016) beskriver forskjeller i andelen som er i jobb eller under utdanning (kalt andel aktive) blant personer i alderen 16–34 år, basert på registerinformasjon fra 2016. Norskfødte med innvandrerforeldre ligger nær majoritetsbefolkningen når det gjelder andelen aktive, forskjellen er 4 prosentpoeng. Det er særlig deltakelse i utdanning som trekker aktivitetsnivået opp blant norskfødte med innvandrerforeldre. Larsen mfl. (2018) finner store forskjeller i sysselsetting mellom etterkommere av innvandrere fra ikke-vestlige land og majoritetsbefolkningen, men de finner lite evidens for at de samme gruppene i større grad er overkvalifisert for jobben de har – med unntak av etterkommere av innvandrere fra Afrika sør for Sahara. Bratsberg mfl. (2012) studerer kohorter av skoleelever som gikk ut av ungdomsskolen i perioden 1990–2004. De finner blant annet at etterkommere av innvandrere i denne perioden har tatt igjen mye av forspranget majoritetsbefolkningen hadde når det gjelder fullføring av videregående skole.

Det finnes imidlertid lite kvantitativ forskning om hvilken rolle innvandrerbakgrunn spiller helt i toppen av utdanningsfordelingen i Norge – spesifikt om hvorvidt barn av ikke-vestlige innvandrere som tar en mastergrad skiller seg fra andre med mastergrad når det gjelder lønn, inntekt og sysselsetting. Hermansen (2013) studerer forskjeller i overgangen fra utdanning til arbeid mellom barn av innvandrere og barn av norskfødte foreldre, og finner lavere sannsynlighet for sysselsetting (definert som å ha yrkesinntekter over 1,5 G) i andregenerasjonen enn i majoriteten også blant dem med masterutdanning. Også Lillehagen og Birkelund (2018) finner at overgangen til sysselsetting (definert som å ha yrkesinntekt over 2G) tar lengre tid for etterkommere med mastergrad enn masterutdannede fra majoritetsbefolkningen.

Hansen (2000), Wiborg (2006) og Brekke og Mastekaasa (2008) analyserer forskjeller i inntekt og sysselsetting for høyt utdannede førstegenerasjonsinnvandrere med mastergrad fra norske høyere utdanningsinstitusjoner.4 De holder dermed i stor grad kvaliteten på høyere utdanning konstant. Dette utvalgskriteriet – avlagt studium ved en norsk utdanningsinstitusjon – skal vise seg å være avgjørende for hvilke forskjeller vi ser etter innvandringsbakgrunn blant folk med masterutdanning. Mens 18 prosent av dem med masterutdanning i majoriteten har studert i utlandet, kommer nesten halvparten av alle mastergrader blant etterkommerne i vår studie fra en utdanningsinstitusjon i utlandet. Studieland og studiested vil derfor være av stor betydning i en analyse hvor man forsøker å holde kvalifikasjoner konstant.

Mens Hansen (2000), Wiborg (2006) og Brekke og Mastekaasa (2008) altså inkluderer førstegenerasjons innvandrere, fokuserer vi på barn født i Norge av ikke-vestlige innvandrere. Det betyr at alle også har gått gjennom grunnskole og videregående opplæring i Norge. Et underutvalg av disse igjen, som vi fokuserer på i andre del av artikkelen, har også tatt høyere utdanning i Norge. Det bør derfor være langt mindre forskjeller i kvaliteten gjennom det øvrige utdanningsløpet mellom gruppene i vår studie enn hva man kan forvente for dem som selv har innvandret til Norge. Også språkkunnskapene blant høyt utdannede barn av ikke-vestlige innvandrere vil langt på vei være like gode som blant høyt utdannede barn av norskfødte foreldre.

Tross likheten i formelle kvalifikasjoner mellom disse to gruppene, er det likevel flere årsaker til at vi kan forvente forskjeller i observerte arbeidsmarkedsutfall. Én mulig årsak er at kvalifikasjonene ikke er helt de samme. Det finnes forskjeller i prestasjoner gjennom det tidlige skoleløpet, målt blant annet ved nasjonale prøver, hvor barn av innvandrerforeldre gjør det dårligere enn barn med norskfødte foreldre i lesing og regning.5 Dette kan skyldes at de vokser opp i hjem hvor de generelle norskkunnskapene er dårligere enn i husholdninger hvor samtlige medlemmer er født og oppvokst i Norge. Barn av foreldre med lavere utdanning vil også i gjennomsnitt få mindre relevant oppfølging i skolearbeidet og færre ressurser med hjemmefra. Videre vet vi at geografisk segregering kan gi lavere kvalitet på skoler i områder der mange med lav inntekt og utdanning er bosatt. Begge forhold kan gi dårligere gjennomsnittlige skoleprestasjoner. Men også om man holder geografisk plassering og foreldrenes utdanningsnivå konstant, kan det hefte flere ulemper ved å være barn av innvandrere gjennom skoleløpet – som mangel på høyt utdannede rollemodeller og dårligere kjennskap til institusjoner og ordninger barna kan dra nytte av (Borjas, 1992). Ulemper i språkkunnskap, potensielt kombinert med segregering og svakere språkkunnskaper blant medelever gjennom grunnskolen, kan ha varige konsekvenser både for læringsutbyttet i høyere utdanning og for kvalifikasjonene i arbeidslivet etter endt utdanning (Bleakley & Chin, 2002).

En annen nærliggende tolkning er at selv høyt utdannede etterkommere av innvandrere har dårligere muligheter i arbeidslivet. Dette kan skyldes direkte diskriminering, men det kan også være en følge av sosial bakgrunn og geografisk segregering utover virkningene som går gjennom skolekvalitet, som begrenset tilgang til jobb-relevante sosiale nettverk som i større grad finnes i områder med flere fra majoritetsbefolkningen (Granovetter, 1995; Ioannides & Loury, 2004). Siden barn av ikke-vestlige innvandrere har foreldre som i langt mindre grad selv har høyere utdanning, vil også de uformelle båndene (sosiale nettverk, klassetilhørighet) til den høyt utdannede befolkningen være svakere for dem enn for jevnaldrende, like høyt utdannede, med norskfødte foreldre (Hermansen, 2016).

En tredje mulig tolkning er at høyt utdannede etterkommere av innvandrere har andre ønsker og sorterer seg inn i andre virksomheter gjennom «etniske nisjer» (Portes mfl., 2009, Midtbøen & Nadim, 2018) enn høyt utdannede med majoritetsbakgrunn – for eksempel som en reaksjon på (forventet) diskriminering (Clark & Drinkwater, 2000) eller fordi de øyner muligheter som ikke i samme grad er tilgjengelige for majoritetsbefolkningen.

Til sist utgjør overrepresentasjonen i høyere utdanning av barn av innvandrerforeldre i seg selv en kilde til forskjeller etter endt utdanning. Prestasjoner i høyere utdanning – målt ved karakterer – har varig betydning for både ansettelse og lønnsnivå etter endt utdanning (se for eksempel Mastekaasa, 2000; Brekke & Mastekaasa 2008; Barth & Schøne, 2012; Barth mfl., 2018). Siden barn av innvandrere har høyere sannsynlighet for å søke seg til og ta høyere utdanning enn barn av norskfødte foreldre med samme karakternivå fra videregående (Støren, 2010), vil de også i gjennomsnitt ha et svakere utgangspunkt i studiene. Dette gjenspeiler seg blant annet i lavere gjennomsnittlige oppnådde karakterer i høyere studier. Brekke og Mastekaasa (2008), Wiborg (2006) og Hansen (2000) finner alle at det er en stor forskjell i inntekt mellom masterutdannede innvandrere fra ikke-vestlige land og andre, også etter at de kontrollerer for karakterer oppnådd i høyere utdanning.

Eventuelle observerte forskjeller må tolkes i lys av disse potensielle forklaringene. Vi kan til en viss grad kontrollere for deler av ulempene som følger av sosial bakgrunn og for sortering inn i ulike studier. Vi kan også til en viss grad kontrollere for kvaliteten på oppnådd grad i form av karakterer. Disse kontrollvariablene er imidlertid ikke perfekte. Gjenværende forskjeller etter innvandrerbakgrunn i toppen av utdanningsfordelingen vil skyldes en miks av diskriminering, sosial bakgrunn, ulike preferanser og til slutt kvaliteten på den individuelle arbeidstakeren. Positive forskjeller kan på sin side skyldes et særegent «innvandrerdriv» og en sterkere seleksjon inn i høyere utdanning når det gjelder motivasjon og andre egenskaper som ikke fanges opp gjennom karakterer (Bakken, 2003). Det kan også skyldes at innvandreres subjektive klassebakgrunn avviker fra den relative sosioøkonomiske plasseringen de har i Norge, og at man derfor overestimerer den sosiale mobiliteten til barna deres (Kindt, 2017; Feliciano & Lanuza, 2017).

Data, utvalg og variabler

Utvalg

Analysene er basert på administrative registerdata på individnivå, koblet og organisert av Statistisk sentralbyrå. Vi tar utgangspunkt i alle personer som er født i Norge fra 1979 og framover, enten av norskfødte foreldre (også referert til som «majoriteten») eller av innvandrere fra et ikke-vestlig land (også referert til som «etterkommere» eller «andregenerasjon») og som står registrert i Nasjonal utdanningsbase (NUDB) med en universitets- og høyskoleutdanning på høyere nivå (første siffer i NUS-koden lik 7, referert til som «mastergrad»). Vi observerer utfall i arbeidsmarkedet fram til 2012 (2011 for utfall basert på inntektsstatistikken), og vi beholder derfor kun dem som fullfører graden senest i 2011 (2010). Videre setter vi som krav at fullføringen skjer etter fylte 20 år.6 Dette betyr i praksis at ingen i utvalget kan være født etter 1991.

For å unngå å blande inn arbeidsmarkedsaktivitet under studiene, bruker vi observasjoner fra tidligst året etter fullføring. Observasjonsvinduet for utvalget vårt blir da 2000–2012 på det meste, men vi har få observasjoner før 2005, når de eldste i utvalget vårt er 26 år.7

Lengden på yrkeskarrieren for utvalget varer fra 1 år på det minste til 13 på det meste, men medianen er 3. Vi presenterer dermed i hovedsak analyser av arbeidsmarkedsutfall i den første delen av karrieren.

Utfallsvariabler

Vi inkluderer tre utfallsvariabler i analysene:

Ansatt:

Binær variabel som måler om personen er registrert som ansatt eller ei. Vi definerer personen som ansatt dersom vedkommende er registrert med en årslønn som lønnstaker høyere enn 1,5 G, og også registrert med et ansettelsesforhold i AA/LTO-registeret (Arbeidsgiver/Arbeidstakerregisteret, med kobling til Lønns- og trekkoppgaveregisteret).

Årslønn er hentet fra Inntekts- og formuesstatistikken til SSB. G er grunnbeløpet i Folketrygden som justeres årlig i takt med den generelle lønnsveksten.

Årlig yrkesinntekt (også kalt årsinntekt):

Dette er summen av årslønn som ansatt og næringsinntekt som selvstendig næringsdrivende. Variabelen er hentet fra Inntekts- og formuesstatistikken til SSB. I analysene inkluderer vi også personer med 0 eller negativ årsinntekt. Vi måler årsinntekten i antall G. Til slutt foretar vi en logaritmisk transformasjon slik at resultatene omtrentlig kan tolkes som endringer i prosent.8

Timelønn:

Konstruert basert på informasjon fra AA/LTO-registeret. For å konstruere timelønn benytter vi informasjon om sum lønn i jobben, avtalt ukentlig arbeidstid, samt varighet av jobben i antall dager innenfor året hvor lønnsobservasjonen gjelder.9 Fra AA/LTO velger vi ut personenes viktigste arbeidsforhold hvert år, definert ved jobbforholdet med høyest total lønn. Timelønn framkommer ved at vi deler samlet lønn på antall uker ansatt ganget med gjennomsnittlig antall timer per uke. For å unngå ekstreme observasjoner, trunkerer vi observasjoner som er under nederste prosentil og over øverste prosentil ved å sette dem lik henholdsvis nederste og øverste prosentil. Til slutt foretar vi samme logaritmiske transformasjon av timelønn som av inntekt (se over).

Forklaringsvariabler

Vi er hovedsakelig ute etter forskjeller etter innvandrerbakgrunn og kjønn. Vi definerer innvandrerbakgrunn som personer som er født i Norge med to foreldre som er innvandret til Norge. Vi begrenser oss til personer med innvandringsbakgrunn fra land i Afrika, Asia (inkludert Tyrkia) og Sør- eller Mellom-Amerika.

Kontrollvariabler

Kontrollvariablene kan deles inn i tre bolker:

Tidskontroller

Alder: Måles ved binære variabler (dummyvariabler) for hver alder.

Uteksamineringsår: Binære variabler som indikerer året NUDB oppgir for fullført mastergrad.

Observasjonsår: Binære variabler som indikerer året utfallet observeres

Studiekontroller

Studieland: Binære variabler som indikerer hvilket land personen har fullført sin utdanning i. Informasjonen er hentet fra NUDB. Der hvor flere land er registrert på personen samme år som fullføring, har vi valgt den utenlandske registreringen.

Studieretning: Binære variabler basert på andre og tredje siffer i NUS-koden, hentet fra NUDB. Kombinerer informasjon om utdanningens fagfelt (9 grupper) og faggruppe (9 grupper).

Sosial bakgrunn

Utdanning mor og far: Binære variabler for om foreldrenes høyeste utdanningsnivå er obligatorisk skole (Grunnskole og ungdomsskole), videregående skole, høyere utdanning, eller ukjent utdanning.

Ekstra kontrollvariabler i andre del av analysen

Karakterer: Datakilden for karakterer er Felles studentsystem (FS). Her finnes detaljerte opplysninger om alle eksamener som er avlagt, med tidspunkt for avleggelse, skole og karakterer. I konstruksjonen av studentenes gjennomsnittskarakter inkluderer vi alle karakterer fra kursene på bachelor- eller masternivå. Karakterene standardiseres i enheter av standardavvik fra gjennomsnittet innenfor samme institusjon og eksamensår. Gjennomsnittet er først laget separat for bachelor og master, hvor de standardiserte karakterene vektes med antall studiepoeng i kurset. Til slutt har vi tatt et uvektet gjennomsnitt av de to.

Institusjon: Binære variabler som indikerer ved hvilken utdanningsinstitusjon mastergraden er avlagt. Informasjon om institusjonen hentes også fra FS. Dette er utdanningsinstitusjonen hvor personen tok flest av masterkursene registrert i FS. I analysen begrenser vi oss til de ti største utdanningsinstitusjonene i FS, målt i antall ferdige mastergrader.

Andre bakgrunnsvariabler

Opprinnelsesland: For personer med innvandrerbakgrunn er dette foreldrenes fødeland. I de tilfellene der foreldrene har ulikt fødeland, er det morens fødeland som blir valgt.

Antall barn: Antall biologiske barn som personen har. Personer uten barn gis verdien 0.

Deskriptiv statistikk

Tabell 1 viser deskriptiv statistikk for variablene brukt i de første analysene i denne artikkelen. Vi viser gjennomsnittlige verdier separat for menn og kvinner med mastergrad, etter som de er fra majoriteten eller er etterkommere av innvandrere fra ikke-vestlige land. Kolonne 3 og 6 viser estimerte forskjeller i disse gjennomsnittsverdiene.

Et påfallende trekk ved utvalget vårt er at vi ennå har få observasjoner av masterutdannede barn av foreldre som har innvandret fra ikke-vestlige land. Siden innvandringen til Norge fra disse delene av verden ikke tok til før på 1970-tallet, er etterkommere født i Norge svært unge i gjennomsnitt sammenliknet med den øvrige befolkningen. Mange av dem har heller ikke rukket å gjennomføre høyere utdanning i perioden vi observerer dem. I tabell 1 viser nest nederste linje hvor mange observasjoner vi har i hver gruppe, altså år ganger individer. Nederste linje viser hvor mange individer som ligger bak disse observasjonene, siden hvert individ kan observeres over flere år. På det meste har vi 289 mannlige og 343 kvinnelige etterkommere med mastergrad i utvalget vårt.

Tabell 1.

Deskriptiv statistikk, alle fra majoritet og andregenerasjon med mastergrad

Masterutdannede mennMasterutdannede kvinner
MajoritetAndregenDifferanseMajoritetAndregenDifferanse
Gj.snitt(SD)Gj.snitt(SD)Estimat(SE)Gj.snitt(SD)Gj.snitt(SD)Estimat(SE)
Utfallsvariabler
Ansatt0.90(0.30)0.82(0.39)–0.084*(0.010)0.89(0.31)0.76(0.43)–0.129*(0.010)
Timelønn (ihs)5.83(0.46)5.76(0.62)–0.077*(0.016)5.73(0.53)5.74(0.62)0.007(0.018)
Yrkesinntekt (i G, ihs)2.45(0.62)2.29(0.86)–0.161*(0.021)2.30(0.59)2.09(0.92)–0.209*(0.019)
Tidskontroller
Alder28.44(1.84)27.52(2.20)–0.919*(0.061)28.36(1.89)27.49(2.23)–0.868*(0.059)
År for fullført grad2006.63(1.84)2006.65(1.80)0.014(0.061)2006.67(1.85)2006.69(1.95)0.023(0.058)
Observasjonsår2009.31(1.63)2009.31(1.61)0.003(0.054)2009.33(1.62)2009.34(1.66)0.007(0.051)
Studieretning
Økadm0.19(0.39)0.18(0.38)–0.009(0.013)0.15(0.36)0.14(0.35)–0.009(0.011)
Juss0.07(0.26)0.03(0.17)–0.043*(0.009)0.11(0.31)0.06(0.23)–0.049*(0.010)
Medisin0.06(0.23)0.28(0.45)0.219*(0.008)0.09(0.28)0.37(0.48)0.280*(0.009)
Elmekmaskin0.11(0.32)0.04(0.19)–0.078*(0.011)0.03(0.17)0.01(0.09)–0.021*(0.005)
IDT0.12(0.33)0.13(0.34)0.011(0.011)0.03(0.16)0.06(0.24)0.034*(0.005)
Natvit0.08(0.27)0.11(0.32)0.035*(0.009)0.04(0.19)0.02(0.15)–0.012(0.006)
ByggAnl0.05(0.22)0.03(0.16)–0.027*(0.007)0.04(0.19)0.01(0.09)–0.029*(0.006)
HistFil0.03(0.16)0.00(0.00)–0.026*(0.005)0.03(0.18)0.01(0.11)–0.021*(0.006)
Biologi0.02(0.14)0.00(0.00)–0.021*(0.005)0.04(0.21)0.01(0.12)–0.030*(0.006)
Statsvit0.02(0.14)0.01(0.09)–0.013*(0.005)0.03(0.17)0.01(0.12)–0.017*(0.005)
Tannhelsefag0.01(0.09)0.03(0.16)0.018*(0.003)0.02(0.13)0.05(0.22)0.033*(0.004)
HelseSos0.01(0.10)0.05(0.22)0.043*(0.003)0.02(0.15)0.09(0.28)0.063*(0.005)
Apotekfag0.01(0.08)0.03(0.16)0.019*(0.003)0.02(0.15)0.05(0.22)0.031*(0.005)
FysKjemi0.03(0.17)0.03(0.16)–0.003(0.006)0.03(0.18)0.03(0.16)–0.008(0.006)
Pedagogikk0.00(0.06)0.01(0.08)0.003(0.002)0.03(0.17)0.01(0.09)–0.021*(0.005)
Utenlandsstudier
Studier i utlandet0.18(0.38)0.49(0.50)0.312*(0.013)0.19(0.39)0.51(0.50)0.323*(0.012)
Storbritannia0.05(0.22)0.11(0.32)0.061*(0.007)0.05(0.22)0.12(0.32)0.069*(0.007)
Australia0.04(0.19)0.06(0.24)0.025*(0.006)0.03(0.18)0.03(0.16)–0.006(0.006)
Danmark0.02(0.13)0.01(0.07)–0.013*(0.004)0.02(0.13)0.02(0.13)–0.002(0.004)
Ungarn0.01(0.10)0.08(0.28)0.072*(0.004)0.02(0.13)0.13(0.34)0.111*(0.004)
Polen0.01(0.08)0.14(0.35)0.138*(0.003)0.01(0.09)0.14(0.34)0.129*(0.003)
USA0.01(0.11)0.01(0.11)0.001(0.004)0.01(0.09)0.01(0.09)0.000(0.003)
Tyskland0.01(0.08)0.00(0.00)–0.006(0.003)0.01(0.09)0.01(0.09)0.000(0.003)
Slovakia0.00(0.04)0.01(0.07)0.004*(0.001)0.00(0.04)0.02(0.13)0.017*(0.001)
Foreldres utdanning
Mor, ukjent utdanning0.01(0.08)0.10(0.30)0.092*(0.003)0.01(0.08)0.11(0.32)0.108*(0.003)
Mor, obligatorisk skole0.33(0.47)0.50(0.50)0.169*(0.016)0.32(0.47)0.48(0.50)0.159*(0.015)
Mor, videregående skole0.15(0.36)0.15(0.35)–0.009(0.012)0.15(0.36)0.14(0.34)–0.016(0.011)
Mor, høyere utdanning0.51(0.50)0.26(0.44)–0.252*(0.017)0.52(0.50)0.27(0.44)–0.250*(0.016)
Far, ukjent utdanning0.01(0.10)0.08(0.27)0.072*(0.003)0.01(0.10)0.07(0.26)0.062*(0.003)
Far, obligatorisk skole0.22(0.41)0.38(0.49)0.157*(0.014)0.23(0.42)0.39(0.49)0.167*(0.013)
Far, videregående skole0.21(0.40)0.24(0.43)0.033(0.013)0.21(0.41)0.21(0.41)–0.002(0.013)
Far, høyere utdanning0.56(0.50)0.30(0.46)–0.262*(0.016)0.55(0.50)0.32(0.47)–0.227*(0.016)
Foreldres fødeland
Pakistan0.41(0.49)0.43(0.50)
India0.22(0.42)0.24(0.43)
Vietnam0.17(0.38)0.16(0.36)
SriLanka0.03(0.17)0.03(0.16)
Tyrkia0.02(0.13)0.00(0.07)
Marokko0.02(0.12)0.02(0.14)
Filippinene0.02(0.13)0.01(0.12)
Øvrige variabler
Antall barn0.27(0.59)0.17(0.48)–0.105*(0.020)0.35(0.64)0.25(0.58)–0.091*(0.020)
N520419195296056650103957689
Antall observasjoner for utfall «ansatt» og «årlig yrkesinntekt»
N520419195296056650103957689
n15867279161461742232617748
Antall observasjoner for utfall «timelønn»
N48028823488515198086052840
n15178266154441669530116996

Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet. Gjennomsnitt med standardavvik (SD) i parentes. Estimert differanse med standardfeil (SE) i parentes. * = p<0,01; ** = p<0,05; *** = p<0,01.

Tabell 1 viser at andelen som er ansatt er høy. Dette er ikke overraskende, tatt i betraktning at de alle har investert mye i egen utdanning. Vi ser likevel at andelen ansatt er markert lavere blant kvinnelige etterkommere. Kvinnelige etterkommere har også – sammen med kvinner med norskfødte foreldre – lavere timelønn enn menn, og da spesielt i forhold til menn med norskfødte foreldre. Menn med norskfødte foreldre er også gruppen med høyest yrkesinntekt.

For variablene som måler utenlandsstudier, er det noen klare forskjeller mellom etterkommere og majoritetsgruppen. Gruppen av etterkommere har mye høyere andeler blant de som har studert i utlandet, dette gjelder både blant kvinner og menn.

Resultater i fullt utvalg

Tabell 1 viser til dels store forskjeller i ansettelser, timelønn og årsinntekt etter innvandrerbakgrunn. Men tabellen viser også at det er store forskjeller mellom gruppene hva gjelder andre potensielt viktige faktorer på arbeidsmarkedet. Spesielt peker studieretning og utenlandsstudier seg ut. For å svare på spørsmålene reist i innledningen, spesielt hvordan forskjellene i arbeidsmarkedsutfall utspiller seg etter som vi forsøker å holde kvalifikasjoner konstant, har vi estimert sammenhengen mellom utfall og forklaringsvariabler som vist i likning (1) under:

Y it = α + βInnvandrerbakgrunn i + γKvinne i + δ(Kvinne*Innvandrerbakgrunn) i + ρX it + ε it (1)

hvor Y representerer det aktuelle arbeidsmarkedsutfallet (ansatt, timelønn og årsinntekt), Innvandrerbakgrunn er en dummy for om personen er barn av innvandrere fra et ikke-vestlig land, Kvinne er en dummy for om personen er kvinne, og Kvinne * Innvandrerbakgrunn er en dummy for om personen både er kvinne og etterkommer av innvandrere fra et ikke-vestlig land. X er en vektor med andre kontrollvariabler, som vist i tabell 1. Siden vi har flere år med observasjoner per individ, er feilleddet ε klustret på individnivå i analysene.

Når vi estimerer likning 1 ved hjelp av lineær regresjonsanalyse, gir β oss den gjennomsnittlige forskjellen i arbeidsmarkedsutfall mellom masterutdannede menn som er etterkommere og masterutdannede menn fra majoriteten, betinget på X – det vil si når vi sammenlikner etterkommere og majoritet med like verdier på kontrollvariablene. Tilsvarende gir γ oss den gjennomsnittlige forskjellen mellom kvinner og menn fra majoriteten når vi holder de andre kontrollvariablene (X) konstant. Til slutt gir δ oss den gjennomsnittlige ekstra forskjellen i gjennomsnitt for dem som er både kvinner og etterkommere. Forskjellen mellom kvinnelige etterkommere og kvinner fra majoriteten er derfor (β+δ), mens forskjellen mellom mannlige og kvinnelige etterkommere er (γ+δ). Kjønnsgapet er altså gitt av γ for majoriteten og av γ+δ blant etterkommerne. δ er dermed forskjellen i kjønnsgapet mellom majoritet og etterkommere. Gapet etter innvandringsbakgrunn er på sin side β blant menn og β+δ blant kvinner, og δ kan alternativt ses på som forskjellen i «etterkommergapet» mellom menn og kvinner.

For å gjøre det enklere å henge med på presentasjonen av resultatene, estimerer vi også β og γ i en modell hvor vi ikke har med interaksjonen mellom kjønn og innvandrerbakgrunn. β er da den gjennomsnittlige forskjellen etter innvandrerbakgrunn på tvers av kjønn, betinget på X, og γ er den gjennomsnittlige forskjellen etter kjønn på tvers av innvandrerbakgrunn, betinget på samme X.

I denne artikkelen er vi særlig interessert i hvordan β endrer seg etter som vi får bedre kontroll for kvalifikasjoner. Gradvis innføring av flere kontrollvariabler gir imidlertid ikke svar på hvilke kontrollvariabler som har størst betydning for forskjellene mellom etterkommere og majoritet. Hvis kontrollvariablene er korrelert med hverandre, vil rekkefølgen de føyes til modellen i, bestemme hvordan gapet mellom gruppene beveger seg.

Resultatene fra estimering av likning 1 er vist i tabell 2 og i figur 1. I både tabellen og figuren viser vi resultatet av fire forskjellige spesifikasjoner av kontrollvariabler (X). I kolonne (1) i tabellen og øverste rad i figuren har vi estimert forskjellene etter innvandringsbakgrunn og kjønn, kun betinget på dummyer for alder, observasjonsår og fullføringsår («tidskontroller»). I kolonne (2) i tabellen og i andre rad i figuren har vi også betinget på studieretning. I kolonne (3) i tabellen og i tredje rad i figuren, betinger vi så på dummyer for studieland. Til slutt, i kolonne (4) i tabellen og i fjerde rad i figuren har vi også betinget på foreldrenes utdanning («sosial bakgrunn»).10 Hver kolonne i tabell 2 tilsvarer altså en rad i figur 1. Panelene i tabellen og kolonnene i figuren gjelder de tre ulike utfallene: Ansatt, timelønn og årlig yrkesinntekt.11

Figur 1.

Illustrasjon av analyser i fullt utvalg

Figuren viser gjennomsnittlige verdier og 95 % konfidensintervall for ansettelse (venstre kolonne), timelønn (midterste kolonne) og årlig yrkesinntekt (høyre kolonne) etter kjønn og innvandrerbakgrunn, kontrollert for alder, observasjonsår og fullføringsår (øverste rad), pluss studieretning (andre rad), pluss studieland (tredje rad), pluss foreldrenes utdanningsnivå (nederste rad). For presise variabeldefinisjoner, se data-kapitlet. Estimatene som ligger til grunn for figuren er vist i tabell 2.
Tabell 2.

Analyser i fullt utvalg

(1)(2)(3)(4)
Utfall: Ansatt
Innvandrerbakgrunn–0.049***–0.032*–0.0084–0.0097
(0.019)(0.017)(0.017)(0.016)
Kvinne–0.0085***0.015***0.013***0.013***
(0.0029)(0.0029)(0.0028)(0.0028)
Kvinne × Innvandrerbakgrunn–0.040–0.047*–0.043*–0.043*
(0.028)(0.025)(0.025)(0.025)
N110649110649110649110649
R2 (adj)0.0310.120.140.14
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa
Utfall: Timelonn
Innvandrerbakgrunn–0.026–0.087***–0.070***–0.062***
(0.025)(0.024)(0.024)(0.024)
Kvinne–0.10***–0.046***–0.047***–0.047***
(0.0039)(0.0038)(0.0038)(0.0038)
Kvinne × Innvandrerbakgrunn0.083**0.0460.0530.054
(0.035)(0.034)(0.034)(0.034)
N139960139960139960139960
R2 (adj)0.110.200.210.21
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa
Utfall: Årlig yrkesinntekt
Innvandrerbakgrunn–0.063–0.11**–0.048–0.045
(0.046)(0.043)(0.040)(0.040)
Kvinne–0.14***–0.069***–0.075***–0.076***
(0.0062)(0.0063)(0.0061)(0.0061)
Kvinne × Innvandrerbakgrunn–0.035–0.10*–0.085–0.086
(0.065)(0.062)(0.060)(0.060)
N110649110649110649110649
R2 (adj)0.0970.220.260.26
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa

OLS-estimater av sammenhengen mellom ansettelse (øverste panel), timelønn (midterste panel) og årlig yrkesinntekt (nederste panel) på den ene siden, og kjønn, innvandringsbakgrunn og kjønn ganger innvandringsbakgrunn på den andre siden. Kontrollvariabler som indikert nederst i hvert panel. Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet. Robuste standardfeil klustret på individnivå i parentes. * = p<0,01; ** = p<0,05; *** = p<0,01.

Tabell 3.

Analyser i fullt utvalg, uten interaksjon mellom kjønn og innvandringsbakgrunn

(1)(2)(3)(4)
Ansatt
Innvandrerbakgrunn–0.049***–0.032*–0.0084–0.0097
(0.019)(0.017)(0.017)(0.016)
Kvinne–0.0085***0.015***0.013***0.013***
(0.0029)(0.0029)(0.0028)(0.0028)
N110649110649110649110649
R2 (adj)0.0310.120.140.14
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa
Timelonn
Innvandrerbakgrunn–0.026–0.087***–0.070***–0.062***
(0.025)(0.024)(0.024)(0.024)
Kvinne–0.10***–0.046***–0.047***–0.047***
(0.0039)(0.0038)(0.0038)(0.0038)
N139960139960139960139960
R2 (adj)0.110.200.210.21
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa
Årsinntekt
Innvandrerbakgrunn–0.063–0.11**–0.048–0.045
(0.046)(0.043)(0.040)(0.040)
Kvinne–0.14***–0.069***–0.075***–0.076***
(0.0062)(0.0063)(0.0061)(0.0061)
N110649110649110649110649
R2 (adj)0.0970.220.260.26
TidskontrollerJaJaJaJa
StudieretningNeiJaJaJa
StudielandNeiNeiJaJa
Sosial bakgrunnNeiNeiNeiJa

OLS-estimater av sammenhengen mellom ansettelse (øverste panel), timelønn (midterste panel) og årlig yrkesinntekt (nederste panel) på den ene siden, og kjønn og innvandringsbakgrunn på den andre siden. Kontrollvariabler som indikert nederst i hvert panel. Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet. Robuste standardfeil klustret på individnivå i parentes. * = p<0,01; ** = p<0,05; *** = p<0,01.

Dersom vi begynner med sannsynligheten for å være ansatt, altså panel a) i øverste venstre hjørne, ser vi klare og signifikante forskjeller mellom majoritet og etterkommere. Både blant menn og kvinner har masterutdannede med norskfødte foreldre betydelig høyere sannsynlighet for å være ansatt når vi kun betinger på tidskontrollene. Dette er i tråd med tidligere funn hos Hermansen (2013) og Lillehagen og Birkelund (2018). Forskjellen minsker noe når vi kontrollerer for studieretning i panelet under (panel d). Den er ikke lenger signifikant for menn når vi så kontrollerer for studieland i panel g. Videre inkludering av foreldrenes utdanningsnivå har lite å si for den estimerte forskjellen. Når vi ser begge kjønn under ett i tabell 3, er det ikke lenger noen gjennomsnittlige forskjeller etter innvandringsbakgrunn så snart vi har kontrollert for studieland.

I midterste panel i tabell 2 og midterste kolonne i figur 1, er utfallet timelønn Her viser den første spesifikasjonen (panel b), hvor vi kun inkluderer diverse tidskontroller, en stor og signifikant forskjell i timelønn mellom kvinner i etterkommernes favør. Når vi kontrollerer for studieretning, ser vi imidlertid at denne fordelen blant etterkommerkvinnene forsvinner, og at etterkommermennene har signifikant lavere timelønn enn menn fra majoriteten. Gapet minsker noe ved inkludering av studieland, men også etter at alle kontrollvariabler er inkludert, er det stadig en signifikant forskjell for menn. På tvers av kjønn er forskjellene i timelønn etter innvandringsbakgrunn 6,2 prosent når alle kontrollvariabler er inkludert (se tabell 3). Til sammenlikning er kjønnsgapet på 4,7 prosent i samme spesifikasjon.

Til sist – i nederste panel i tabell 2 og i høyre kolonne i figur 1 – viser vi resultatene for forskjeller i årlig yrkesinntekt. Yrkesinntekt er et sammensatt mål på yrkesaktivitet siden det er et produkt av antall arbeidsdager, arbeidstid per uke, timelønn og annen næringsaktivitet. Her er det i utgangspunktet ingen statistisk signifikante forskjeller etter innvandringsbakgrunn. Etter kontroll for studieretning øker imidlertid forskjellen noe, i favør de med norskfødte foreldre, spesielt blant kvinner. Etter kontroll for studieland er det ikke lenger noen signifikant forskjell blant menn. For kvinner finner vi fortsatt en forskjell, også etter at vi til slutt også kontrollerer for sosial bakgrunn, målt ved foreldrenes utdanningsnivå.

Den mest betydningsfulle enkeltfaktoren i å forklare forskjeller etter innvandringsbakgrunn blant de høyt utdannede som utgjør utvalget vårt, er altså studieland. Holder vi studieland konstant, forsvinner forskjellen i ansettelser mellom etterkommere og majoriteten blant menn, og forskjellen i timelønn mellom etterkommere og majoriteten blant kvinner. Dette peker mot at det både kan være forskjeller i kvalitet på utdanningen mellom studiesteder og forskjeller i kvaliteten på studentene ved de ulike studiestedene, siden opptak i stor grad er basert på karakterer.

Resultater i underutvalg med masterutdanning fullført i Norge

Betydningen av studieland for gapet mellom etterkommere og majoriteten reiser spørsmålet om betydningen av studiested – selve institusjonen hvor mastergraden tas. Vi vet at etterkommere er overrepresentert i høyere utdanning – både i antall relativt til befolkningen (Steinkellner, 2017) og når det gjelder karakternivå (Støren, 2010). Siden opptak til høyere studier i stor grad er karakterbasert, innebærer dette at etterkommere tas opp ved institusjoner med lavere inntakskrav i snitt. Dette vil særlig gjelde i studier der det er flere søkere enn antall plasser – som for eksempel medisin. Støren (2010) finner at studenter med ikke-vestlig bakgrunn er sterkt representert på studier som ofte oppfattes som de mest prestisjefylte, som medisin, og etterkommere er også klart overrepresentert blant siviløkonomstudenter. Studentene med ikke-vestlig bakgrunn er også godt representert på sivilingeniørstudiet og juss.

Den relative oversøkingen blant etterkommere kan også bety at etterkommerstudenter er tatt opp med lavere karakterer i utgangspunktet enn majoritetsstudenter på samme studium ved samme institusjon. Dette kan igjen ha følger for deres relative prestasjoner i det videre løpet. I undersøkelsen av arbeidsmarkedsutfall er det derfor interessant å se hvor store forskjeller som gjenstår når man kontrollerer for både institusjon og karakterer i høyere utdanning.

Vår analyse ligger tett opp til Brekke og Mastekaasa (2008), som undersøker lønnsforskjeller mellom innvandrere og majoritetsnordmenn som alle har tatt mastergraden ved en av de store utdanningsinstitusjonene i Norge. De mener dermed å holde kvaliteten på høyere utdanning konstant. Videre kontrollerer de for karakterer oppnådd i høyere utdanning i et forsøk på også å holde kvaliteten på den aktuelle masterkandidaten konstant. I FS-databasen, som omfatter detaljerte opplysninger om alle eksamener som er avlagt ved en rekke høyskoler og universiteter i Norge, har vi informasjon om både studieinstitusjon og karakterer.12 Vi studerer derfor hvordan forskjellene i arbeidsmarkedsutfall ser ut for etterkommere og majoritetsnordmenn som har tatt en mastergrad ved en institusjon i FS-databasen, for å komme nærmere hvilke forskjeller som gjenstår når vi også tar i betraktning kvaliteten både på utdanningsinstitusjonen og kandidaten selv.

I disse analysene ekskluderer vi alle som har tatt mastergraden i utlandet, og vi inkluderer kun studenter som har avlagt mastergraden ved en norsk høyskole eller et universitet registrert i FS. Blant disse institusjonene har vi valgt ut de ti største: Universitetet i Oslo (UiO), Universitetet i Bergen (UiB), Norges teknisk-naturvitenskapelige universitet (NTNU), Universitetet i Tromsø (UiT), Universitetet i Stavanger (UiS), Universitetet i Agder (UiA), Norges Handelshøyskole (NHH), Høyskolen i Oslo og Akershus (HiOA)13, Norges miljø- og biovitenskapelige universitet (UMB) og Høgskolen i Sør-Trøndelag (HiST). Deskriptiv statistikk for dette underutvalget er vist i tabell 4.

Det er viktig å huske på at vi etter hvert har med et svært begrenset utvalg å gjøre, som vist i de nederste linjene i tabell 4: Det er kun drøye 100 etterkommere med mastergrad av hvert kjønn. Resultatene i denne delen av artikkelen bør derfor i høyeste grad anses som grunnlag for videre forskning enn som endelige.

For hele utvalget viste tabell 1 at kvinnelige etterkommere i gjennomsnitt hadde klart lavere andeler som var ansatt, sammenlignet med alle de andre gruppene. Dette mønsteret finner vi ikke i dette underutvalget av personer. De har like høye sysselsettingsrater som kvinner med norskfødte foreldre. Vi kan ikke vite hva denne forskjellen skyldes. Én mulig forklaring er at for denne gruppen er det et pluss i forhold til sysselsetting dersom man har fullført mastergraden ved en norsk utdanningsinstitusjon. Også med tanke på timelønn har kvinnelige etterkommere en relativt bedre posisjon i dette underutvalget enn når vi betraktet hele utvalget av dem med mastergrad. De har i gjennomsnitt høyere timelønn, sammenlignet med kvinner med norskfødte foreldre. For yrkesinntekt er det mindre forskjeller mellom majoritet og etterkommere både blant kvinner og menn, sammenlignet med hele utvalget.

Tabell 4.

Deskriptiv statistikk, underutvalg med mastergrad fra ti største universiteter/høyskoler i FS

Masterutdannede mennMasterutdannede kvinner
MajoritetAndregenDifferanseMajoritetAndregenDifferanse
Gj.snitt(SD)Gj.snitt(SD)Estimat(SE)Gj.snitt(SD)Gj.snitt(SD)Estimat(SE)
Utfallsvariabler
Ansatt0.93(0.25)0.94(0.23)0.008(0.013)0.94(0.24)0.94(0.24)0.001(0.013)
Timelønn (ihs)5.83(0.42)5.79(0.52)–0.041(0.023)5.73(0.50)5.77(0.41)0.041(0.028)
Yrkesinntekt (i G, ihs)2.47(0.51)2.47(0.49)–0.005(0.027)2.34(0.45)2.37(0.43)0.033(0.025)
Tidskontroller
Alder28.38(1.77)27.84(1.79)–0.544*(0.096)28.34(1.82)27.78(1.82)–0.559*(0.100)
År for fullført grad2006.92(1.69)2006.89(1.65)–0.030(0.091)2006.88(1.71)2007.17(1.59)0.284*(0.094)
Observasjonsår2009.46(1.50)2009.46(1.48)0.001(0.081)2009.44(1.52)2009.59(1.40)0.153(0.084)
Studieretning
Økadm0.12(0.32)0.07(0.25)–0.047*(0.017)0.09(0.28)0.07(0.26)–0.015(0.016)
Juss0.11(0.31)0.08(0.28)–0.023(0.017)0.16(0.36)0.17(0.37)0.011(0.020)
Medisin0.02(0.15)0.05(0.23)0.032*(0.008)0.04(0.20)0.09(0.29)0.054*(0.011)
Elmekmaskin0.14(0.35)0.08(0.27)–0.067*(0.019)0.04(0.19)0.02(0.15)–0.013(0.010)
IDT0.14(0.35)0.30(0.46)0.155*(0.019)0.03(0.16)0.11(0.32)0.084*(0.009)
Natvit0.06(0.24)0.08(0.27)0.017(0.013)0.03(0.16)0.02(0.14)–0.006(0.009)
ByggAnl0.07(0.26)0.07(0.25)–0.001(0.014)0.05(0.21)0.02(0.14)–0.025(0.012)
HistFil0.04(0.19)0.00(0.00)–0.039*(0.010)0.05(0.22)0.04(0.19)–0.013(0.012)
Biologi0.03(0.17)0.00(0.00)–0.031*(0.009)0.07(0.25)0.05(0.21)–0.021(0.014)
Statsvit0.03(0.17)0.02(0.14)–0.008(0.009)0.04(0.20)0.03(0.16)–0.017(0.011)
Tannhelsefag0.00(0.01)0.00(0.00)0.000(0.000)0.00(0.01)0.00(0.00)0.000(0.001)
HelseSos0.00(0.05)0.01(0.08)0.003(0.003)0.01(0.12)0.04(0.20)0.027*(0.007)
Apotekfag0.01(0.09)0.07(0.25)0.058*(0.005)0.03(0.17)0.13(0.34)0.102*(0.010)
FysKjemi0.04(0.20)0.05(0.21)0.005(0.011)0.05(0.21)0.07(0.26)0.025(0.012)
Pedagogikk0.01(0.07)0.02(0.13)0.012*(0.004)0.04(0.20)0.02(0.15)–0.017(0.011)
Studiested
NTNU0.39(0.49)0.22(0.41)–0.174*(0.026)0.24(0.43)0.14(0.34)–0.109*(0.024)
UiO0.20(0.40)0.49(0.50)0.287*(0.022)0.30(0.46)0.60(0.49)0.297*(0.025)
UiB0.16(0.36)0.05(0.21)–0.111*(0.020)0.20(0.40)0.11(0.32)–0.087*(0.022)
NHH0.07(0.26)0.05(0.22)–0.018(0.014)0.05(0.21)0.00(0.00)–0.045*(0.011)
UMB0.05(0.23)0.06(0.24)0.007(0.012)0.08(0.27)0.05(0.22)–0.027(0.015)
UiT0.04(0.20)0.01(0.11)–0.031*(0.011)0.06(0.24)0.02(0.15)–0.037*(0.013)
UiS0.03(0.17)0.03(0.17)–0.002(0.009)0.02(0.15)0.01(0.11)–0.012(0.009)
UiA0.04(0.20)0.10(0.29)0.055*(0.011)0.02(0.13)0.03(0.16)0.009(0.007)
HiST0.01(0.11)0.00(0.00)–0.012(0.006)0.01(0.10)0.02(0.14)0.011(0.006)
HiOA0.00(0.03)0.00(0.00)–0.001(0.002)0.01(0.11)0.01(0.11)0.001(0.006)
Karakterer
Karakterer i høyere utdanning–0.01(0.51)–0.26(0.50)–0.255*(0.027)0.02(0.49)–0.35(0.54)–0.375*(0.027)
Foreldres utdanning
Mor, ukjent utdanning0.01(0.08)0.10(0.30)0.094*(0.005)0.01(0.08)0.13(0.33)0.121*(0.004)
Mor, obligatorisk skole0.32(0.47)0.54(0.50)0.221*(0.025)0.33(0.47)0.48(0.50)0.153*(0.026)
Mor, videregående skole0.15(0.36)0.09(0.28)–0.065*(0.019)0.15(0.36)0.13(0.34)–0.016(0.020)
Mor, høyere utdanning0.52(0.50)0.27(0.45)–0.250*(0.027)0.52(0.50)0.26(0.44)–0.258*(0.028)
Far, ukjent utdanning0.01(0.09)0.09(0.29)0.080*(0.005)0.01(0.09)0.06(0.24)0.052*(0.005)
Far, obligatorisk skole0.21(0.41)0.45(0.50)0.239*(0.022)0.24(0.42)0.45(0.50)0.211*(0.023)
Far, videregående skole0.21(0.40)0.18(0.39)–0.022(0.022)0.21(0.41)0.15(0.36)–0.058*(0.023)
Far, høyere utdanning0.57(0.49)0.28(0.45)–0.297*(0.027)0.54(0.50)0.34(0.47)–0.205*(0.027)
Foreldres opprinnelsesland
Pakistan0.34(0.47)0.38(0.49)
India0.16(0.37)0.14(0.34)
Vietnam0.26(0.44)0.24(0.43)
SriLanka0.03(0.16)0.05(0.22)
Tyrkia0.04(0.20)0.00(0.00)
Marokko0.01(0.12)0.05(0.22)
Filippinene0.01(0.11)0.01(0.09)
Øvrige variabler
Antall barn0.27(0.59)0.20(0.54)–0.070(0.032)0.34(0.64)0.34(0.69)–0.005(0.035)
N33559347339063579933136130
Antall observasjoner for utfall «ansatt» og «yrkesinntekt»
N33559347339063579933136130
n10770110108801137311211485
Antall observasjoner for utfall «timelonn»
N31806335321413418531534500
n10480110105901117011011280

Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet fra en av de ti største universitetene/høyskolene i FS-databasen. Gjennomsnitt med standardavvik (SD) i parentes. Estimert differanse med standardfeil (SE) i parentes. * = p<0,01; ** = p<0,05; *** = p<0,01.

Karakterene er i utgangspunktet standardisert med gjennomsnitt 0 (og standardavvik 1), slik at verdier over null betyr karakterer over gjennomsnittet og verdier under null betyr karakterer under gjennomsnittet. Høyere verdier betyr bedre karakterer. Masterutdannede kvinner med norskfødte foreldre har i gjennomsnitt oppnådd best karakterer. De masterutdannede etterkommerne ligger i snitt mellom et kvart og en tredjedels standardavvik under gjennomsnittet, noe som kan vitne både om en relativ oversøking til høyere studier i denne gruppen – men også om at de møter andre utfordringer gjennom studiet. Dette ser ut til å gjelde i sterkere grad for kvinner enn for menn, siden mannlige etterkommere i snitt oppnår bedre karakterer relativt til studiekameratene enn kvinnelige etterkommere gjør.14

Fordeling på utdanningsinstitusjoner varierer også noe mellom gruppene. Det er NTNU og UiO som er de to dominerende institusjoner for alle fire gruppene. For menn med norskfødte foreldre er NTNU størst, men det er UiO som er størst blant mannlige etterkommere. Blant kvinner er det UiO som er størst for begge grupper.

Regresjonsresultater

I figur 2 viser vi igjen resultatene av å estimere likning 1, denne gangen i underutvalget med masterutdanning fra de ti store utdanningsinstitusjonene i FS-databasen. Oppsettet er likt som i figur 1, men vi inkluderer andre kontrollvariabler: Studieinstitusjon snarere enn studieland, pluss karakterer i siste spesifikasjon. Tabell A1 i appendiks viser estimeringene som ligger til grunn. Tabell A2 viser estimeringer med de samme kontrollvariablene uten interaksjon mellom innvandrerbakgrunn og kjønn.

De to øverste radene i figur 2 viser de samme spesifikasjonene som i figur 1. Kontrasten til analysene for hele utvalget er slående. Her er det ikke statistisk signifikante forskjeller etter innvandringsbakgrunn for noen av utfallene. I tredje linje kontrollerer vi ikke for studieland som i figur 1, men for studiested – altså institusjonen mastergraden er tatt ved. Dette betyr at vi sammenligner arbeidsmarkedsutfall for studenter som også har avlagt mastergraden på samme utdanningsinstitusjon. Å kontrollere for dette har påfallende lite å si, sammenliknet med hva studieland hadde av betydning i analysene av hele utvalget.

Når det gjelder sannsynligheten for å være ansatt og årlig yrkesinntekt, ligger de gjennomsnittlige verdiene svært tett på hverandre i alle spesifikasjoner, og det er aldri signifikante forskjeller etter innvandringsbakgrunn verken på tvers av kjønn eller innad i kjønn. For timelønn er det heller ikke signifikante forskjeller på tvers av kjønn, men når vi kontrollerer for studieretning, har mannlige etterkommere 5,9 prosent lavere timelønn (p<0.05) enn menn fra majoriteten. Denne forskjellen forblir statistisk signifikant også etter at vi kontrollerer for studieinstitusjon og foreldres utdanningsnivå i fjerde rad.

I nederste rad kontrollerer vi for karakterer oppnådd i høyere utdanning. Det betyr at vi nå sammenligner arbeidsmarkedsutfall for personer som – i tillegg å være utdannet fra samme skole – også har like gode karakterer. Med kontroll for karakterer er forskjellen i timelønn mellom mannlige etterkommere og majoritet redusert til 3,5 prosent og er ikke lenger statistisk signifikant, mens forskjellen mellom kvinnelige etterkommere og kvinner fra majoriteten er omtrent like stor i motsatt retning.

Figur 2.

Illustrasjon av analyser i underutvalg fra Felles studentsystem (FS)

Figuren viser gjennomsnittlige verdier og 95 % konfidensintervall for ansettelse (venstre kolonne), timelønn (midterste kolonne) og årlig yrkesinntekt (høyre kolonne) etter kjønn og innvandrerbakgrunn, kontrollert for alder, observasjonsår og fullføringsår (øverste rad), pluss studieretning (andre rad), pluss studiested (tredje rad), pluss foreldrenes utdanningsnivå (fjerde rad), pluss karakterer (nederste rad). For presise variabeldefinisjoner, se data-kapitlet. Estimatene som ligger til grunn for figuren er vist i appendiks tabell A1.

Kolonne 5 i appendiks tabell A1 viser hvordan karakterer henger sammen med utfallene vi har studert i figur 2. Gode karakterer er positivt forbundet med alle tre utfall. De som har ett standardavvik bedre karakterer i snitt, har 1,7 prosentpoeng høyere sannsynlighet for ansettelse i våre data. De har 6,6 prosent høyere timelønn, og 7,7 prosent høyere årlig yrkesinntekt. I kolonne 6 undersøker vi om sammenhengen mellom utfall og karakterer varierer med innvandringsbakgrunn eller med kjønn. Det er ingen signifikante forskjeller etter innvandringsbakgrunn for noen utfall, og heller ikke etter kjønn for sannsynligheten for ansettelse eller årlig yrkesinntekt. Karakterer ser imidlertid ut til å være mer positivt forbundet med kvinners timelønn enn med menns.

Avslutning

Det er etter hvert godt dokumentert hvordan barn av ikke-vestlige innvandrere i Norge gjør det i arbeidsmarkedet sammenliknet med barn av norskfødte foreldre, mens det er begrenset med kvantitativ forskning om hvordan eventuelle forskjeller mellom minoritet og majoritet utspiller seg helt i toppen av utdanningsfordelingen. I denne artikkelen analyserer vi i hvilken grad høyt utdannede barn av ikke-vestlige innvandrere skiller seg fra høyt utdannede med norskfødte foreldre hva gjelder ansettelser, timelønn og yrkesinntekt.

Vi benytter opplysninger om alle personer som er født i Norge fra 1979 og framover, enten av norskfødte foreldre eller av innvandrere fra et ikke-vestlig land («etterkommere») og som står registrert i Nasjonal utdanningsbase (NUDB) med en fullført universitets- og høyskoleutdanning på høyere nivå. Vi observerer utfall i arbeidsmarkedet fram til 2012. I tillegg til analyser for dette hovedutvalget, presenterer vi analyser for et underutvalg av personer som har gjennomført utdanningen ved en norsk høyere utdanningsinstitusjon, og der vi har opplysninger om karakterer fra høyere utdanning. Informasjon om utdanningsinstitusjon og karakterer kommer fra databasen Felles studentsystem (FS).

I analysene inkluderer vi en rekke forklaringsvariabler og ser hvordan de påvirker gapet mellom etterkommerne og majoriteten. I det store utvalget, med alle masterutdannede bosatt i Norge, forsvinner viktige forskjeller etter at vi har inkludert alle kontrollvariablene: Det er ikke lenger noe signifikant gap i andelen ansatte blant menn og heller ikke i timelønn blant kvinner. Men selv etter at vi har inkludert alle kontrollvariablene, gjenstår like betydelige forskjeller: Masterutdannede kvinner i andregenerasjonen har omtrent fem prosentpoeng lavere sannsynlighet for å være ansatt enn majoritetskvinner, og masterutdannede menn i andregenerasjonen har seks prosent lavere timelønn enn majoritetsmenn. Vi finner også en forskjell i årlig yrkesinntekt, i favør av majoriteten, for begge kjønn.

Blant de tydeligste forskjellene mellom etterkommere og majoritet i den deskriptive statistikken, er andelen som har tatt mastergraden i utlandet. Halvparten av alle etterkommere med en mastergrad står registrert med et annet fullføringsland enn Norge i NUDB, mens andelen er under 20 prosent blant dem med mastergrad fra majoriteten. I analysene hvor vi inkluderer alle, uavhengig av hvor mastergraden er tatt, har det å kontrollere for studieland aller mest å si for å redusere gapet mellom etterkommere og majoritet.

For å kunne undersøke betydningen av studiested, og også kontrollere for karakterer oppnådd i høyere utdanning, snevrer vi inn utvalget i andre del av artikkelen. Da ser vi kun på dem med en mastergrad registrert ved de ti største utdanningsinstitusjonene i FS, og som heller ikke står registrert med fullføring av mastergraden i utlandet. Resultatene i dette underutvalget, hvor vi etter hvert også kontrollerer for utdanningsinstitusjon og karakterer, avviker sterkt fra det generelle bildet. To forhold må tas med når vi ser på disse resultatene: For det første består altså dette underutvalget av et svært selektert utvalg av etterkommere. For det andre har vi få observasjoner, og resultatene må tolkes med varsomhet.

I underutvalget finner vi vi generelt få signifikante forskjeller mellom majoritet og etterkommere. Etter at vi har inkludert alle kontrollvariablene, er det ikke lenger noen signifikante forskjeller mellom majoritet og etterkommere for noen av utfallsvariablene – verken blant kvinner eller menn.

Å kontrollere for utdanningsinstitusjon (som betyr at vi sammenligner personer som er uteksaminert fra samme universitet eller høyskole) betyr lite i dette underutvalget. Det er altså først og fremst seleksjonen inn i disse ti største norske utdanningsinstitusjonene som er av betydning. Blant dem som er kommet inn på et studium her, oppnår etterkommerne generelt dårligere karakterer enn majoriteten. Karakterer går som ventet sammen med bedre utfall i arbeidsmarkedet. Når vi kontrollerer for karakterer, er det ikke lenger noen signifikant forskjell i timelønn mellom masterutdannede menn fra majoriteten og blant etterkommerne. Sammenhengen mellom karakterer og utfall i arbeidsmarkedet er heller ikke annerledes for etterkommerne.

Det overordnede funnet i denne artikkelen er at etter som man holder flere trekk ved den faktiske utdanningen konstant, er det kun små forskjeller igjen i ansettelser, timelønn og årlig yrkesinntekt etter innvandringsbakgrunn blant personer med masterutdanning i Norge. Analysene viser imidlertid at det er store forskjeller mellom gruppene i hvor studiene gjennomføres, og de viser med ettertrykk at en «mastergrad» eller «høyere utdanning» er en mangslungen kategori. Hovedkonklusjonen må derfor bli tosidig: Det er store forskjeller i seleksjonen inn i høyere utdanning, og denne seleksjonen forklarer de tidvis store forskjellene i arbeidsmarkedsutfall mellom etterkommere og majoritetsnordmenn med mastergrad. Det er imidlertid få tegn til diskriminering i arbeidsmarkedet for dem som har fullført mastergraden ved en av de store norske utdanningsinstitusjonene.

Ikke-funnene i andre del av denne artikkelen er på sett og vis overraskende, den sterke seleksjonen til tross, gitt eksisterende forskning på etnisk diskriminering og antakelser om at etterkommere etter innvandrere har svakere nettverk i den høyt utdannede delen av arbeidsmarkedet. Vi kan anta at den selekterte gruppen som fullfører mastergraden ved de store norske utdanningsinstitusjonene er langt mer homogen på tvers av innvandrerbakgrunn enn det som er tilfellet i andre utdanningssjikt. Det er likevel verdt å merke seg at forskjellene er så små i toppen av utdanningshierarkiet når tidligere forskning har avdekket betydelig etnisk diskriminering av jobbsøkere med identiske kvalifikasjoner. Én mulig tolkning av disse resultatene er at høy utdanning trumfer etnisitet når vi kommer tilstrekkelig høyt opp i yrkeshierarkiet.

Samtidig understreker funnene i denne artikkelen betydningen av utdanningsmessige kvalifikasjoner. Et system med begrenset antall studieplasser i Norge for prestisjetunge profesjonsutdanninger – særlig medisin – hvor vi vet at andregenerasjons innvandrere er overrepresentert, kan være med på å gi høyt utdannede etterkommere en dårligere start i det norske arbeidsmarkedet etter endt utdanning. Hvordan samfunnet forvalter ambisjonene og viljen til å investere i egen utdanning som kjennetegner denne gruppen, kan være avgjørende for sosial og økonomisk integrering på lang sikt.

Etterkommere i høyere utdanning er en raskt voksende gruppe. Nyere data bør gi et godt grunnlag for å undersøke nærmere hva som ligger bak den ulike søkningen til studiesteder i utlandet, og i tillegg gi et bedre bilde av hvordan utenlandsstudier og opptak ved ulike utdanningsinstitusjoner påvirker overgangen til det norske arbeidsmarkedet.

Om artikkelen

Artikkelen er en rapportering fra prosjektet «Pathways to Integration: The Second Generation in Education and Work in Norway», prosjektnummer: 247724, finansiert av Norges forskningsråd.

Appendiks

Tabell A1.

Analyser i underutvalg fra Felles studentsystem (FS)

(1)(2)(3)(4)(5)(6)
Ansatt
Innvandrerbakgrunn0.00590.000940.00500.00220.0070–0.0018
(0.017)(0.016)(0.016)(0.016)(0.016)(0.019)
Kvinne0.0044*0.015***0.016***0.016***0.016***0.016***
(0.0026)(0.0028)(0.0028)(0.0028)(0.0028)(0.0028)
Kvinne × Innvandrerbakgrunn–0.0063–0.0060–0.0052–0.0042–0.0019–0.0049
(0.024)(0.023)(0.023)(0.023)(0.023)(0.022)
Karakterer i høyere utdanning0.017***0.017***
(0.0028)(0.0040)
Innvandrerbakgrunn × Karakterer–0.034
(0.022)
Kvinne × Karakterer0.000073
(0.0050)
N700367003670036700367003670036
R2 (adj)0.00780.0340.0350.0350.0360.036
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa
Timelonn
Innvandrerbakgrunn–0.031–0.059**–0.058**–0.053*–0.035–0.046
(0.030)(0.027)(0.028)(0.028)(0.028)(0.030)
Kvinne-0.11***-0.041***-0.039***-0.039***-0.038***-0.038***
(0.0043)(0.0043)(0.0043)(0.0042)(0.0042)(0.0042)
Kvinne × Innvandrerbakgrunn0.076*0.0590.063*0.063*0.070*0.075**
(0.039)(0.037)(0.037)(0.037)(0.037)(0.037)
Karakterer i høyere utdanning0.066***0.055***
(0.0042)(0.0056)
Innvandrerbakgrunn × Karakterer–0.030
(0.034)
Kvinne × Karakterer0.022***
(0.0080)
N930189301893018930189301893018
R2 (adj)0.100.200.210.210.210.21
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa
Årsinntekt
Innvandrerbakgrunn–0.014–0.049–0.051–0.052–0.030–0.047
(0.042)(0.036)(0.035)(0.035)(0.035)(0.043)
Kvinne-0.14***-0.059***-0.058***-0.058***-0.057***-0.057***
(0.0059)(0.0060)(0.0060)(0.0060)(0.0059)(0.0059)
Kvinne × Innvandrerbakgrunn0.0500.0240.0290.0290.0400.031
(0.054)(0.048)(0.048)(0.048)(0.049)(0.047)
Karakterer i høyere utdanning0.077***0.081***
(0.0059)(0.0089)
Innvandrerbakgrunn × Karakterer–0.067
(0.053)
Kvinne × Karakterer–0.0066
(0.011)
N700367003670036700367003670036
R2 (adj)0.0840.220.220.220.230.23
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa

OLS-estimater av sammenhengen mellom ansettelse (øverste panel), timelønn (midterste panel) og årlig yrkesinntekt (nederste panel) på den ene siden, og kjønn, innvandringsbakgrunn og kjønn ganger innvandringsbakgrunn på den andre siden. Kontrollvariabler som indikert nederst i hvert panel. Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet fra en av de ti største universitetene/høyskolene i FS-databasen. Robuste standardfeil klustret på individnivå i parentes. * = p<0,01; ** = p<0,05; *** = p<0,01.

Tabell A2.

Analyser i underutvalg fra Felles studentsystem (FS), uten interaksjon mellom kjønn og innvandringsbakgrunn

(1)(2)(3)(4)(5)(6)
Ansatt
Innvandrerbakgrunn0.0028–0.00200.00250.000150.0060–0.0040
(0.012)(0.011)(0.011)(0.011)(0.011)(0.015)
Kvinne0.0043*0.015***0.016***0.016***0.016***0.016***
(0.0026)(0.0028)(0.0028)(0.0028)(0.0028)(0.0028)
N700367003670036700367003670036
R2 (adj)0.00780.0340.0350.0350.0360.036
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa
Timelønn
Innvandrerbakgrunn0.0069–0.030–0.027–0.022–0.00045–0.010
(0.020)(0.019)(0.019)(0.019)(0.019)(0.022)
Kvinne-0.11***-0.041***-0.039***-0.038***-0.037***-0.037***
(0.0043)(0.0043)(0.0042)(0.0042)(0.0042)(0.0042)
N930189301893018930189301893018
R2 (adj)0.100.200.210.210.210.21
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa
Årsinntekt
Innvandrerbakgrunn0.011–0.038–0.037–0.038–0.011–0.032
(0.027)(0.024)(0.024)(0.024)(0.024)(0.034)
Kvinne-0.14***-0.059***-0.058***-0.058***-0.056***-0.056***
(0.0059)(0.0060)(0.0059)(0.0059)(0.0059)(0.0059)
N700367003670036700367003670036
R2 (adj)0.0840.220.220.220.230.23
TidskontrollerJaJaJaJaJaJa
StudieretningNeiJaJaJaJaJa
StudiestedNeiNeiJaJaJaJa
Sosial bakgrunnNeiNeiNeiJaJaJa
KaraktererNeiNeiNeiNeiJaJa

OLS-estimater av sammenhengen mellom ansettelse (øverste panel), timelønn (midterste panel) og årlig yrkesinntekt (nederste panel) på den ene siden, og kjønn og innvandringsbakgrunn på den andre siden. Kontrollvariabler som indikert nederst i hvert panel. Utvalget er alle personer som er født i Norge enten av to norskfødte foreldre eller av to innvandrede foreldre, og som er bosatt i Norge og registrert med en fullført mastergrad på observasjonstidspunktet fra en av de ti største universitetene/høyskolene i FS-databasen. Robuste standardfeil klustret på individnivå i parentes. * = p<0,01 ; ** = p<0,05 ; *** = p<0,01.

Referanser

Aydemir, A. & Sweetman, A. (2007). Educational attainment and labour market outcomes of the first children of migrants: A comparison of the US and Canada. Research in Labor Economics, 27, 215–270. DOI: https://doi.org/10.1016/S0147-9121(07)00006-4

Bakken, A. (2003). Minoritetsspråklig ungdom i skolen. Reproduksjon av ulikhet eller sosial mobilitet? NOVA-rapport 15/03.

Barth, E. & Schøne, P. (2012). Best på skolen. Best på jobben? Samfunnsøkonomen, 26, 14–25.

Barth, E., Cools, S. & Schøne, P. (2018). Winners at school – winners at work? Manuskript. Oslo: Institutt for samfunnsforskning.

Birkelund, G. E., Rogstad, J., Heggebø, K., Aspøy, T., Mogstad, K. & Bjelland, H. (2014). Diskriminering i arbeidslivet: Resultater fra randomiserte felteksperiment i Oslo, Stavanger, Bergen og Trondheim. Sosiologisk Tidsskrift, 22, 352–382.

Birkelund, G. E., Heggebø, K. & J. Rogstad (2016). Additive or multiplicative disadvantage? The scarring effects of unemployment for ethnic minorities. European Sociological Review, 33, 17–29. DOI: https://doi.org/10.1093/esr/jcw030

Bleakly, H. & Chin, A. (2002). what holds back the second generation? The intergenerational transmission of language human capital among immigrants. Journal of Human Resources, 43, 267–298. DOI: https://doi.org/10.3368/jhr.43.2.267

Borjas, G. (1992). Ethnic capital and intergenerational mobility. The Quarterly Journal of Economics, 107, 123–150. DOI: https://doi.org/10.2307/2118325

Bratsberg, B., Raaum, O. & Røed, K. (2012). Educating children of immigrants: Closing the gap in Norwegian schools. Nordic Economic Policy Review, 1, 211–250.

Brekke, I. & Mastekaasa, A. (2008). Highly educated immigrants in the Norwegian labour market: permanent disadvantage? Work, Eemployment and Society, 22, 507–526. DOI: https://doi.org/10.1177/0950017008093483

Card, D. (2005). Is the new immigration really so bad? Economic Journal, 115, 300–323. DOI: https://doi.org/10.1111/j.1468-0297.2005.01037.x

Clark, K. & Drinkwater, S. (2000). Pushed out or pulled in? Self-employment among ethnic minorities in England and Wales. Labour Economics, 7, 603–628. DOI: https://doi.org/10.1016/S0927-5371(00)00015-4

Dustman, C., Fabbri, F., Preston, I. & Wadsworth, J. (2004). Labour Market Performance of Immigrants in the UK Labour Market. Home Office Online Report 05/03. Tilgjengelig på http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.484.5062&rep=rep1&type=pdf

Feliciano, C. & Lanuza, Y. R. (2017). An immigrant paradox? Contextual attainment and intergenerational educational mobility. American Sociological Review, 82, 211–241. DOI: https://doi.org/10.1177/0003122416684777

Friberg, J. H. (2017). Assimilering på norsk. Sosial mobilitet og kulturell tilpasning blant ungdom med innvandrerbakgrunn. Fafo-rapport 2016:43. Oslo: Fafo.

Friberg, J. H. & Midtbøen, A. H. (2017). Innvandrernes etterkommere: Teoretiske og komparative perspektiver. Norsk sosiologisk tidsskrift, 01, 5–14.

Granovetter, M. S. (1995). Getting a Job: A Study of Contacts and Careers. Chicago: University of Chicago Press.

Hansen, M. N. (2000). Høyere utdanning og utbytte – hva betyr utenlandsk opprinnelse for inntektsnivå? Søkelys på arbeidsmarkedet, 17, 223–234.

Heath, A. F. & Brinbaum, Y. (2014). Unequal Attainments: Ethnic Educational Inequalities in Ten Western Countries. Oxford: Oxford University Press.

Hermansen, A. S. (2013), Occupational Attainment among Children of Immigrants in Norway: Bottlenecks into Employment – Equal Access to Advantaged Positions? European Sociological Review, 29, 517–534.

Hermansen, A. S. (2016). Moving up or falling behind? Intergenerational socioeconomic transmission among children of immigrants in Norway. European Sociological Review, 32, 675–689. DOI: https://doi.org/10.1093/esr/jcw024

Ioannides, Y. & Loury, L. D. (2004). Job information networks, neighborhood effects, and inequality. Journal of Economic Literature, 42, 1056–1093. DOI: https://doi.org/10.1257/0022051043004595

Kindt, M. (2017). Innvandrerdriv eller middelklassedriv? Foreldres ressurser og valg av høyere utdanning blant barn av innvandrere. Norsk sosiologisk tidsskrift, 01, 71–86. DOI: https://doi.org/10.18261/issn.2535-2512-2017-01-05

Larsen, E. N., Rogne, A. F. & Birkelund, G. E. (2018). Perfect for the job? Overqualification of immigrants and their descendants in the Norwegian labor market. Social Inclusion, 6, 78–103. DOI: http://dx.doi.org/10.17645/si.v6i3.1451

Lillehagen, M. & G. Birkelund (2018). Ethnic inequalities in the transition from education to work A longitudinal analysis of school, college and university graduates. Manuskript.

Mastekaasa, A. H. (2000). Universitetsutdanning, karakterer og økonomisk suksess. Tidsskrift for samfunnsforskning, 41, 523–560.

Midtbøen, A. H. (2014). Segregering og diskriminering. I L. Reisel & M. Teigen (red.), Kjønnsdeling og etniske skiller på arbeidsmarkedet (s. 65–85). Oslo: Gyldendal Akademisk.

Midtbøen, A. H. (2016). Discrimination of the second generation: Evidence from a field experiment in Norway. Journal of International Migration and Integration, 17, 253–272. DOI: https://doi.org/10.1007/s12134-014-0406-9

Midtbøen, A. H. (2018). The making and unmaking of ethnic boundaries in the public sphere: The case of Norway. Ethnicities, 18, 344–362. DOI: https://doi.org/10.1177/1468796816684149

Miller P. W. & Chiswick, B. (2007). Immigrant generation and income in Australia. Economic Records, 61, 540–555. DOI: https://doi.org/10.1111/j.1475-4932.1985.tb02009.x

Midtbøen, A. H. & Nadim, M. (2018). Ethnic niche formation at the top? Second-generation immigrants in Norwegian elite occupations. Manuskript.Institutt for samfunnsforskning.

Olsen, B. (2016). Unge med innvandrerbakgrunn i arbeid og utdanning 2014. Eksklusive EØS-/EU-innvandrere. Rapport 2016/09. Oslo/Kongsvinger: Statistisk sentralbyrå.

Portes, A., Fernández-Kelly, P. & Haller, W. (2009). The adaptation of the immigrant second generation in America: A theoretical overview and recent evidence. Journal of Ethnic and Migration Studies, 35, 1077–1104. DOI: https://doi.org/10.1080/13691830903006127

Riach, P. & Rich, J. (2002). Field experiments of discrimination in the market place. The Economic Journal, 112, 480–518. DOI: https://doi.org/10.1111/1468-0297.00080

Steinkellner, A. (2017). Hvordan går det med innvandrere og deres barn i skolen? Innvandrere i Norge, 2017. Oslo/Kongsvinger: Statistisk sentralbyrå.

Støren, L. A. (2002). De første årene av karrieren: Forskjeller og likheter mellom minoritet og majoritet med høyere utdanning. Rapport 7/2002. Oslo: NIFU.

Støren, L. A. (2004). Arbeidsledighet og overkvalifisering blant ikke-vestlige innvandrere med høy utdanning: Analyser av Kandidatundersøkelsen 2002. Rapport. Oslo: NIFU.

Støren, L. A. (2008). Strategier og fagforskjeller i tilpasningen til arbeidsmarkedet blant nyutdannede vestlige og ikke-vestlige innvandrere med høyere utdanning. Søkelys på arbeidslivet, 25, 99–118.

Støren, L. A. (2010). Unge innvandrere i utdanning og overgang til arbeid. (79). NIFU-rapport 2010:45. Oslo: NIFU STEP.

Wiborg, Ø. (2006). Suksess i arbeidsmarkedet blant høyt utdannete innvandrere. Betydningen av jobbkompetanse, sosiale nettverk og diskriminering for inntekt. Sosiologisk Tidsskrift, 14, 276–297.

Zschirnt, E. & Ruedin, D. (2016). Ethnic discrimination in hiring decisions: A metaanalysis of correspondence tests 1990–2015. Journal of Ethnic and Migration Studies, 42, 1115–1134. DOI: https://doi.org/10.1080/1369183X.2015.1133279

1Det er variasjon i hvordan dette er definert i litteraturen. I analysene i denne artikkelen fokuserer vi i hovedsak på land utenfor OECD. Se dataavsnittet for nærmere forklaring.
2Registerbasert sysselsettingsstatistikk, https://www.ssb.no/innvregsys/
3I en kvalitativ studie viser Kindt (2017) hvordan barn av etterkommere preges av familiens sosiale status i landet foreldrene flyttet fra. Dette innebærer at mobiliteten i sosial status mellom første- og andregenerasjon overdrives når man tar utgangspunkt i innvandrerforeldrenes relativt sett lave sosioøkonomiske status i Norge. En tilsvarende forklaring på «innvandrerparadokset» undersøkes i Feliciano & Lanuza (2017) i en studie fra USA, hvor de utvider forståelsen av sosial klassebakgrunn ved å ta med i betraktning den geografiske og historiske konteksten foreldrenes utdanning ble fullført i. De viser hvordan et slikt «kontekstuelt utdanningsnivå» avviker fra sosioøkonomisk status i vertslandet, og at det er med på å forklare hvorfor mange etterkommergrupper i USA tar lengre utdanning enn barn av hvite amerikanere født i USA.
4Hansen (2000) og Wiborg (2006) inkluderer både innvandrere og barn av innvandrere, men på grunn av analyseperiodene vil utvalgene domineres av innvandrere.
5 https://www.ssb.no/utdanning/statistikker/nasjprov
6Dette ekskluderer tre personer, to av dem er etterkommere. I praksis blir fullføringsalder også begrenset oppad til 33 år.
7Medianalderen ved fullført mastergrad i utvalget vårt er 26.
8Formelen vi benytter for både årsinntekt, timelønn, årslønn og næringsinntekt er = ln(årsinntekt + ((årsinntekt^2 +1)^0.5)). Dette er en «Inverse hyperbolic sine» (IHS), transfomasjon av de faktiske variablene.
9Avtalt ukentlig arbeidstid er gitt i tre kategorier: Heltid: Mer enn 30 timer per uke; lang deltid: 15–29 timer per uke, og kort deltid: Mindre enn 15 timer per uke. I konstruksjonen av timelønn gis de tre kategoriene ulike vekter. Lønnsbegrepet vi bruker er ellers «Grunnlag for arbeidsgiveravgift», fra Lønns- og trekkoppgaveregisteret (LTO).
10Vi har også prøvd å ha med kontrollvariabler for antall barn i analysene (ikke vist her). Dette endrer ikke resultatet for noen av utfallene.
11Figur 1 er laget ved hjelp av stata-kommandoen marginsplot.
12Dette finnes ikke i NUDB, og dermed ikke for en stor andel studenter som enten har tatt mastergraden i utlandet eller ved en institusjon som ikke er med i FS.
13HiOA ble senere OsloMet-Storbyuniversitetet, men i vår analyseperiode er det HiOA som gjelder.
14Vi minner om at karakterene er standardisert innenfor studiested og studieår og ikke sier noe om absolutte forskjeller i prestasjoner på tvers av studiesteder eller årskull.

Idunn bruker informasjonskapsler (cookies). Ved å fortsette å bruke nettsiden godtar du dette. Klikk her for mer informasjon