6. Bruk av registerdata og eksisterende statistikk

En registerdataanalyse gir kunnskap om systematiske forskjeller mellom grupper – for eksempel mellom majoritetsbefolkningen og innvandrerbefolkningen eller mellom ulike minoritetsgrupper. I en slik analyse bruker man informasjon fra offentlige registre til å skaffe seg oversikt.

Registerdata kan kaste lys over generelle mønstre og finnes på mange områder. Slike data kan for eksempel gi informasjon om systematiske forskjeller i arbeids­deltakelse, lønn og over-/underkvalifisering for innvandrerbefolkningen og majoritetsbefolkningen. Registerdata sier derimot ikke noe om enkeltpersoners opplevelser og erfaringer. Man kan heller ikke bruke slike data til å slå fast hva som er årsaker til forskjeller som blir avdekket.

Eksempler på hva en registerdataanalyse kan si noe om: 

• Er det forskjeller i utdanningsnivå mellom personer med innvandrerbakgrunn og majoritetsbefolkningen?
• Er personer med innvandrerbakgrunn over- eller underrepresentert i ulike yrkestyper sammenlignet med majoritetsbefolkningen?
• Er graden av overkvalifisering høyere blant personer med innvandrerbakgrunn enn i majoritetsbefolkningen?
• Er det forskjeller i gjennomsnittlig lønnsnivå mellom ulike innvandrergrupper?  

Hvis kommunen ikke ønsker eller har mulighet til å gjøre en registerdataanalyse, finnes det åpent tilgjengelig statistikk som kan gi noe informasjon om innvandrerbefolkningen i kommunen. Både IMDIs statistikkbank og SSB har slik informasjon. Når man bruker åpne kilder, er man gjerne avhengig av å bruke flere kilder for å få de opplysningene man ønsker. Hva man kan fange opp gjennom bruk av åpne data, er også begrenset.  

I en kartlegging av rasisme og diskriminering i kommunen kan det være gunstig å starte med en analyse av registerdata. En slik analyse kan gi omfattende og presise beskrivelser av forskjeller mellom grupper av mennesker. Det er også flere fordeler med registerdata:

• Registerdata gir informasjon om nesten hele befolkningen.
• Registerdata har lavere feilmarginer enn spørreundersøkelser.

I tillegg er det enkelt å justere analysen underveis for å undersøke forskjeller langs flere dimensjoner. For eksempel kan dere, i en analyse av forskjeller i sysselsetting, enkelt utvide analysen til å se på mulige forklaringer på forskjeller i sysselsetting, som utdanningsnivå, eller konsekvenser av sysselsettingsforskjeller, som lønnsforskjeller.

Store og systematiske forskjeller mellom en minoritetsgruppe og den øvrige befolkningen kan være en konsekvens av rasisme og diskriminering, men slike forskjeller kan også ha andre årsaker. Registerdata kan vise forskjeller i utfall, men kan ikke slå fast hva som er årsaken til forskjellene.

Funn i registerdata kan danne grunnlag for videre undersøkelser. Når dere har gjennomført en registeranalyse, kan man derfor bruke andre metoder for å innhente mer detaljert informasjon om spesifikke grupper og deres opplevelser av rasisme og diskriminering, som spørreundersøkelser eller intervjuer. Sammen kan metodene gi et utfyllende bilde av situasjonen.

En registerdataanalyse må ta utgangspunkt i opplysninger som finnes i offentlige registre. Eksempler på slike opplysninger er innvandringsgrunn og landbakgrunn. Kjennetegn som etnisitet, hudfarge eller religion finnes ikke i offentlige registre. I denne typen analyse bruker man derfor ofte landbakgrunn som en indikasjon på ytre kjennetegn og religion.

Heller ikke urfolk og nasjonale minoriteter kan identifiseres i offentlige registre. Det samme gjelder for arbeidsinnvandrere og sesongarbeidere som ikke er folkeregistrert eller har et d-nummer.[1]

Størrelsen på innvandrerbefolkningen i kommunen har betydning for hvilke analyser man kan gjøre og hvor detaljerte analysene kan være. Kommuner med mange innbyggere og stor innvandrerbefolkning har et større datagrunnlag enn kommuner med få innbyggere eller en liten innvandrerbefolkning. Store kommuner har altså flere muligheter til å «bryte ned» analysene på ulike grupper – for eksempel for å se om det finnes forskjeller mellom innvandrere fra ulike landgrupper.

I en kartlegging av rasisme og diskriminering har registerdataanalyser begrensninger og bør derfor kombineres med metoder som spørreundersøkelse og intervjuer. Slike metoder er bedre egnet til å fange opp individuelle kjennetegn, ulike gruppetilhørigheter og ikke minst individuelle erfaringer.

Kommuner uten teknisk kompetanse kan få ekstern hjelp eller samarbeide med andre kommuner om å analysere registerdata som er tilgjengelig gjennom åpne kilder. 

TIps:

Det å samarbeide med andre kommuner kan gi stordriftsfordeler fordi selve gjennomføringen av analysen vil være relativt lik selv om man inkluderer flere kommuner. Ved å gjøre samme analyse for flere kommuner, får man også et godt grunnlag sor å sammenligne kommunene.

[1] D-nummer er et identitetsnummer som brukes som alternativ til fødselsnummer. Personer med midlertidig tilknytning til Norge, kan få d-nummer.

SSB tilgjengeliggjør statistikk gjennom sin tjeneste microdata.no. Dette er en god løsning for å gjennomføre en registerdataanalyse fordi dere slipper å søke om å få utlevert de relevante dataene og å koble dem selv. Tjenesten er utviklet av SSB og Sikt – Kunnskapssektorens tjenesteleverandør og driftes i samarbeid mellom disse. Microdata.no er tilgjengelig for kommuner. Tjenesten har et anonymiserende grensesnitt med innebygd personvern.

6.3.1 Hvem skal dere finne informasjon om?

Før dere innhenter registerdata, bør dere ha en klar idé om hvilken populasjon dere vil ha informasjon om og hvilke grupper dere vil sammenligne med. Typisk vil man ønske å sammenligne innvandrere med den øvrige befolkningen eller sammenligne ulike grupper innen innvandrerbefolkningen basert på innvandringsgrunn, botid og/eller landbakgrunn. Det kan også være nyttig å sammenligne kommunens befolkning med landsgjennomsnittet eller med lignende kommuner.

Små grupper er sårbare for tilfeldige variasjoner og utslag, og analysene kan bli usikre. Det kan derfor være vanskelig å identifisere systematiske forskjeller mellom små grupper. Dette kan særlig være en utfordring i kommuner med en liten innvandrerbefolkning, der for eksempel spesifikke landbakgrunner bare omfatter noen få personer. For å ha et robust utvalg i en analyse bør man helst definere grupper med minst et tresifret antall personer.

Tips:

Det kan være en stor fordel at flere kommuner samarbeider om å samle inn registerdata. Dette vil ofte bli rimleligere, og sikrer sammenliknbare studiepupulasjoner basert på samme avgrensninger.

6.3.2 Hva skal dere finne informasjon om?

Når populasjonen er definert, må dere velge hvilke utfall dere ønsker å måle. Det er viktig å velge utfall som er relevante, og som kan knyttes til diskriminering. Eksempler kan være sysselsetting, inntekt og boligsituasjon.

Under presenterer vi mulige relevante utfallsmål.

Arbeidslivstilknytning

Diskriminering kan forekomme på mange arenaer, men arbeidslivet er en av arenaene som det finnes mest informasjon om i registerdata. Her kan dere se på ulike utfallsmål:

• Andelen av befolkningen som er sysselsatt - i ulike grupper. Det kan være nyttig å se sysselsetting i sammenheng med andre trekk ved arbeidsmarkedet, ettersom diskriminering kan forekomme både i ansettelsesprosesser og på arbeidsplassen.
• Inntekts-/lønnsnivå i ulike grupper. Lønnsforskjeller kan indikere at noen grupper av arbeidstakere ikke har de samme mulighetene til karriereutvikling som andre. Man bør analysere om slike forskjeller kan forklares av for eksempel alder, utdanningsnivå eller yrkesgruppe.
• Fordeling på yrker. Er innvandrere – eller ulike grupper med innvandrerbakgrunn – over- eller underrepresentert i forskjellige typer yrker? Det tyder på en segregering som kan bunne i diskriminering, men må igjen sees i forhold til andre kjennetegn som utdanning og alder.
• Grad av overkvalifisering. For eksempel om personer med innvandrerbakgrunn i høyere grad er overkvalifisert for yrket de er i, enn majoritetsbefolkningen. En vanlig definisjon av overkvalifisering er når noen har høyere utdanning, men er ansatt i et yrke som ikke krever høyere utdanning.
• Arbeidsledighet. Arbeidsledighet forteller oss mye av det samme som sysselsetting, men det er også mulig å se på varigheten, altså antall dager som arbeidssøker.

Påviste forskjeller i slike utfall, som ikke kan forklares av andre forhold, kan bety at diskriminering eller negative holdninger hindrer muligheter for ansettelse eller bremser lønns- og karriereutvikling for innvandrere.

Boligsituasjon

En annen mulig arena for diskriminering som det finnes informasjon om i registre, er boligsituasjonen.

• Eiertype (eie/leie) kan gi informasjon om midlertidighet i boligmarkedet. Men husk at arbeidsinnvandrere eller andre med midlertidig opphold ofte vil leie uavhengig av inntekt.
• En indikator på boligkvalitet er trangboddhet. Merk at det er vanskelig å måle boligkvalitet utover størrelsesindikatorer.

Kjennetegn som bør inkluderes i analysen

Forskjeller i arbeidsdeltakelse, inntekt eller boligsituasjon kan ha andre årsaker enn rasisme og diskriminering. Utfallene påvirkes også av egenskaper ved individene – som utdanningsnivå og botid. For eksempel: Hvis et stort flertall av innvandrerne i en kommune er nyankomne, vil innvandrerbefolkningen i kommunen typisk ha lavere sysselsettingsgrad enn kommunens øvrige befolkning og også enn innvandrere i andre kommuner, uten at det skyldes rasisme eller diskriminering.

På samme måte kan utdanningsnivå påvirke både inntekt og hvilken type stilling man har. Dersom innvandrerbefolkningen i en kommune jevnt over har lavere utdanningsnivå enn innbyggerne for øvrig, er det ikke unaturlig også å finne systematiske forskjeller mellom gruppene når det gjelder stillingstyper og lønn.

Det er altså viktig å se utfallet i sammenheng med flere kjennetegn ved individene enn innvandrerbakgrunn alene. Ved å inkludere flere relevante kjennetegn kan man sikre at man analyserer sammenlignbare grupper. I de fleste analyser av forskjeller mellom personer med innvandrerbakgrunn og øvrig befolkning vil det være relevant å inkludere kjennetegn som kjønn, alder, landbakgrunn, innvandringsgrunn og botid. I en analyse med fokus på arbeidslivsdeltakelse er også utdanningsnivå og yrke sentrale kjennetegn.

Se eksempel på fremgangsmåte for en registerdataanalyse med fokus på arbeidslivsdeltakelse i Del III, avsnitt 11.1.

6.3.3 Analyse av registerdata med microdata.no

I microdata.no starter analysen med datainnhenting. Denne er scriptbasert, og kodespråket likner på Stata og Python (se vedlagt script i avsnitt 11.2). Utfyllende brukerveiledning finnes på microdata.no.  Etter datainnhentingen må dataene bearbeides, for eksempel i Excel eller andre statistikkprogrammer. Funn bør presenteres grafisk, altså i figurer, for at leseren enklere kan henge med.

Selve prosessen med å samle data skjer stegvis:

1. Først må dere koble scriptet til en databank og hente inn populasjonen dere vil undersøke, for eksempel den voksne befolkningen som er registrert bosatt i kommunen. Dette er utfyllende beskrevet i vedlagte script (kap. 11.2).
2. Deretter må dere definere nødvendige variabler – både utfallene dere vil måle, og relevante kjennetegn (se over).
3. Et tredje steg er å gjøre nødvendige avgrensninger i populasjonen underveis. For eksempel krever en analyse av lønnsgap at dere begrenser populasjonen til personer i jobb. Det er lurt å notere hvilke avgrensninger dere gjør underveis, slik at dere har en klar forståelse av hvilke grupper dere egentlig måler utfall for. Dette kan også gi ideer til mulige forklaringer på forskjeller dere finner mellom grupper. Disse kan dere sjekke ved å gjøre nye avgrensninger eller sammenlikne undergrupper.
4. Det fjerde og siste steget er å hente ut statistikk og bearbeide den for visuell presentasjon i ekstern programvare (for eksempel Excel).

Hva slags tekniske løsninger og kompetanse trenger man?

• Tilgang til microdata.no
• Programmer for bearbeiding av statistikk, for eksempel Excel, R, Stata, Python e.l.
• En medarbeider som har erfaring med å bruke registerdata til statistiske analyser og noe kompetanse i R, Stata, Python eller lignende analyseverktøy.

Mulighet for mer avanserte analyser

Utover enkle gruppesammenlikninger gir microdata.no muligheter for å gjøre mer avanserte analyser. Det er for eksempel mulig å gjøre multivariate regresjonsanalyser, hvor dere kan kontrollere for flere variabler samtidig. dere kan også kartlegge endring over tid ved å hente data for forskjellige tidspunkter.

SSB/Sikt oppdaterer utvalgte indikatorer hyppig. Dette gjør at man kan hente ut oppdatert informasjon hvert kvartal eller hver måned. I praksis er dette det nærmeste man kommer sanntidsoppdateringer av utvalgte variabler, som for eksempel sysselsetting. En oppdatering kan gjøres raskt dersom man allerede har et eksisterende script fra tidligere analyser.