Att mäta inkomst utan inkomst – ett nytt mått på yrkens ekonomiska position

Självrapporterade inkomstuppgifter i enkätundersökningar har länge betraktats med skepsis inom nationalekonomisk forskning (Clotfelter 1983; Bound m fl 2001). Osäkerheten kring datakvalitet, framför allt risken att inkomster underskattas, gör att många ekonomer föredrar administrativa registerdata eller enkätdata som länkas till skatteuppgifter (Hurst m fl 2014; Meyer m fl 2015). Denna metodologiska preferens är förståelig, men innebär också begränsningar, när registerdata saknas eller inte kan länkas till enkätundersökningar av integritetsskäl eller på grund av juridiska hinder. Dessa begränsningar är tydliga inom en rad forskningsfält. Tillförlitliga registerdata finns endast i ett fåtal länder, medan forskning för de flesta andra länder är hänvisad till enkätdata och dessutom är inkomstdata sällan harmoniserade mellan länder. Även historiska analyser som går långt bak i tiden i länder med tillförlitliga registerdata, som Sverige, saknar heltäckande register för tidigare år (för Sverige innan 1968). Detta utgör ett problem för bl a forskning om social intergenerationell rörlighet, då vi behöver approximera föräldrars ekonomiska position som ofta ligger utanför den tidsram då vi har tillgång till inkomstregister.

Inom sociologisk forskning om social skiktning har man länge använt alternativa strategier för att hantera bristerna i självrapporterad inkomst och avsaknaden av uppgifter om föräldrars inkomst i enkätdata (Hauser och Warren 1997; Connelly m fl 2016). Då yrkesuppgifter ofta finns tillgängliga och kan översättas till internationella standarder har yrkesbaserade kontinuerliga skalor, exempelvis ISEI eller SIOPS, använts för att approximera social och ekonomisk position.¹ Visserligen förklarar yrkesbaserade mått livstidsinkomst – det mått många forskare strävar efter att fånga – sämre än årliga inkomstuppgifter under större delen av karriären (Kim m fl 2018; Shahbazian och Bihagen 2022). Men de är samtidigt stabila över karriären och har en relativt hög förklaringsgrad jämfört med exempelvis detaljerade utbildningsmått (Shahbazian och Bihagen 2022). Ett problem är dock att de etablerade yrkesbaserade skalorna är svårtolkade och metodologiskt komplexa, vilket har begränsat deras genomslag utanför sociologin – inom andra discipliner och i policyutvärderingar är de i stor utsträckning okända.

Mot denna bakgrund introducerar vi ett nytt hierarkiskt mått, Occupational Earning Potential (OEP), som anknyter till tidigare nationella skalor (Kalmijn 1994; Sobek 1995; De Graaf och Kalmijn 2001). OEP bygger på medianlönen i varje yrke och uttrycker denna som en percentil i den totala lönefördelningen (Oesch m fl 2026). Ett yrke där medianlönen motsvarar arbetsmarknadens median får värdet 50, medan ett yrke bland de tio procent bäst betalda får värdet 90. OEP erbjuder därmed en enkel, intuitiv och reproducerbar indikator på ett yrkes plats i arbetsmarknadens belöningshierarki.

Vi ser OEP som ett användbart komplement till etablerade ekonomiska mått. Det lämpar sig för såväl tvärsnitts- som longitudinella och komparativa analyser, särskilt när inkomstdata saknas, är bristfälliga eller inte är jämförbara mellan länder och över tid. OEP mäter inte individens faktiska inkomst, utan det genomsnittliga inkomstutrymme som ett yrke erbjuder. Exempelvis kan en jurist eller läkare ha låg faktisk inkomst om hen arbetar ideellt eller deltid, medan en industriarbetare eller snickare med låg OEP kan nå en betydligt högre faktiskt inkomst genom övertid och skiftarbete. Det är just denna egenskap som gör måttet särskilt användbart i analyser av strukturell ojämlikhet: det speglar de ekonomiska förutsättningar som ett yrke typiskt ger upphov till, snarare än variationer i enskilda arbetsmönster.

Genom att kombinera ett yrkesbaserat perspektiv med en inkomstfördelningslogik hoppas vi att OEP kan bidra till både ny forskning och bättre möjligheter att utnyttja befintliga data i analyser av ekonomisk och social position över tid och mellan länder.

1. Ett nytt mått på yrkens ekonomiska position

Yrken har länge betraktats som en central indikator på social position inom sociologisk forskning (Davis och Moore 1945; Blau och Duncan 1967; Erikson och Goldthorpe 1992). En persons yrke speglar inte bara tillgång till resurser och status, utan säger också mycket om framtida livschanser. Till skillnad från inkomst eller förmögenhet är yrkesuppgifter ofta lättare att samla in, eftersom de är offentligt kända, mer stabila över tid och mindre känsliga att uppge (Hauser och Warren 1997). Det gör yrkesbaserade mått särskilt användbara i enkätundersökningar, i synnerhet i studier där objektiva inkomstuppgifter saknas eller inte kan länkas, exempelvis i internationella jämförelser eller historiska analyser.

Trots detta används de mest spridda yrkesbaserade skalorna sällan utanför den sociologiska disciplinen. En anledning är att måtten ofta är svårtolkade för forskare utanför fältet. Exempelvis bygger ISEI på viktning av bl a utbildning, inkomst och ålder, vilket gör det otydligt vad skalan faktiskt mäter. Den saknar dessutom en intuitiv tolkning: vad betyder egentligen ett värde på 43 eller 67? Vidare är ISEI en syntetisk skala som innehåller både orsak (utbildning) och utfall (inkomst) i en och samma indikator, vilket skapar problem när man vill undersöka relationen däremellan.² Därför presenterar vi OEP, som bygger på en enda observerbar variabel, medianinkomsten per yrke, och uttrycker denna som en percentil i arbetsmarknadens lönefördelning.

Detta enkla tillvägagångssätt har flera fördelar. För det första kännetecknas OEP av enkelhet, då måttet bygger på en enda, tydligt definierad variabel. För det andra är det transparent: det kräver inga latenta konstruktioner eller kombinationer av orsaker och utfall. För det tredje är måttet lätt att tolka: det mäter yrkets hierarkiska position på arbetsmarknaden och undviker därmed det mer diffusa begreppet socioekonomisk status. Just den intuitiva tolkningen, hoppas vi, gör det särskilt användbart utanför den sociologiska disciplinen. En fjärde styrka ligger i måttets jämförbarhet över tid och rum. OEP vilar på antagandet att yrkeshierarkier är relativt stabila, en observation som inom sociologin kallats Treimans konstant (Hout och DiPrete 2006). Det innebär att samma mått kan användas i olika länder och under olika tidsperioder, vilket förenklar longitudinella och internationella analyser.

Teoretiskt utgår OEP från tanken att yrken representerar en uppsättning arbetsuppgifter som prissätts av arbetsmarknaden. Måttet bygger därmed på antagandet att varje yrke har en inneboende inkomstpotential, oberoende av om enskilda individer realiserar den fullt ut. Genom att mäta den typiska ersättningen för dessa arbetsuppgifter fångar OEP en central aspekt av hur arbete värderas i ekonomin: den potentiella belöning som följer av att inneha en viss yrkesposition. Som nämnts påverkas måttet inte av enskilda individers arbetsmönster – en läkare som arbetar ideellt har fortfarande hög OEP, eftersom yrket som sådant är högt värderat. Detta gör OEP särskilt lämpat för analyser av strukturell ojämlikhet, snarare än av individuella inkomstvariationer.

2. Datakällor och konstruktion av OEP

För att konstruera OEP-skalan använder vi mikrodata från fem länder med olika institutionella system för utbildning, arbetsmarknad och välfärdsstat: Schweiz, Storbritannien, Sverige, Tyskland och USA. Varje lands data innehåller minst 10 000 observationer med detaljerad information om yrken och arbetsinkomster. De specifika källorna är svenska registerdata (1970–2021), Socio-Economic Panel (Tyskland, 1984–2021), den schweiziska arbetskraftsundersökningen (1991–2022), Understanding Society (Storbritannien, 1991–2023) och Current Population Survey (USA, 1970–2023).

Yrken är vår huvudvariabel. För att möjliggöra jämförelser över länder och tid översätts varje lands klassificering till treställiga ISCO-88-koder med hjälp av Stata-modulen iscogen (Jann 2019). Där det är möjligt använder vi även mer detaljerade fyrställiga koder. Inkomstvariabeln utgörs av förvärvsinkomst före skatt bland heltidsanställda (minst 35 timmar per vecka) i åldern 25–60 år. Egenföretagare exkluderas, eftersom deras inkomster påverkas av andra faktorer än yrkets inkomstpotential. I Sverige används en lägsta inkomstgräns (100 000 kr per år, i 2000 års priser) för att approximera heltidsarbete, i enlighet med etablerad praxis (Antelius och Björklund 2000; Westerman m fl 2024).³ Kärnan i konstruktionen är enkel: för varje yrke beräknas medianinkomsten, som sedan uttrycks som en percentil i det aktuella landets inkomstfördelning. Ett OEP-värde på 50 innebär att yrket ligger precis på medianen; ett värde på 90 att det hör till de tio procent bäst betalda yrkena.

Vi börjar med att testa antagandet att yrkeshierarkier är relativt stabila över tid och mellan länder, en slutsats som tidigare forskning har dragit och som ligger till grund för den s k Treimans konstant (Hout och DiPrete 2006). Våra egna resultat bekräftar detta. Korrelationerna mellan de fem länderna och decennierna 1990-, 2000- och 2010-talen redovisas i tabell 1. De är genomgående höga: 0,92 inom länder över tid och 0,81 mellan länder, oavsett om jämförelsen gäller samma eller olika decennier. Det innebär att ett yrkes OEP-värde i ett visst land och årtionde förklarar ungefär två tredjedelar av variationen i ett annat land och decennium. Den höga stabiliteten bekräftas även vid längre tidsspann: korrelationen mellan OEP på 1970-talet och 2020-talet är 0,75 i Sverige och 0,85 i USA (ej redovisat här).⁴

Denna stabilitet motiverar konstruktionen av en gemensam, internationell OEP-skala. Skalan beräknas för perioden 2000/01–2021/23 och finns tillgänglig i både ISCO-88 och ISCO-08 på alla fyra detaljnivåer (1-, 2-, 3- och 4-siffriga koder). Vid brist på data på finare nivåer används aggregerade värden. Tabell 2 visar att den generella skalan överensstämmer väl med de nationella versionerna av OEP. Korrelationerna ligger mellan 0,93 och 0,96, vilket tyder på att OEP fångar en gemensam underliggande struktur. Inte heller variationer i arbetstid påverkar resultaten nämnvärt: i Storbritannien är korrelationen mellan hel- och deltidsversionerna hela 0,985.

För att illustrera hur skalan ser ut ger vi några konkreta exempel. I botten återfinns lokalvårdare och kassapersonal (OEP-värden på 11 respektive 12). Undersköterskor och verkstadsmekaniker placerar sig i mitten (42 respektive 49), medan läkare, IT-chefer och verkställande direktörer ligger i toppen (87–93). OEP ger därmed en tydlig bild av hur olika yrken positioneras i arbetsmarknadens belöningsstruktur, på ett sätt som är direkt jämförbart över både tid och länder.

3. Resultat: två tester av OEP

För att utvärdera OEP-skalan presenterar vi två typer av validitetstester i denna artikel. Först testas begreppsvaliditet, dvs hur väl OEP fångar det måttet avser att mäta, nämligen inkomst. Här används externa datakällor som inte har använts i konstruktionen av OEP: European Working Conditions Survey (EWCS) och General Social Survey (GSS). Därefter testas kriterievaliditet, dvs om måttet samvarierar med faktorer som teoretiskt bör hänga samman med det – här kopplingen mellan OEP och utbildning (orsak) samt, i originalstudien, mellan OEP och social rörlighet (Oesch m fl 2026). Även här används datakällor som inte ingick i konstruktionen av OEP: European Social Survey (ESS) och, för USA, GSS.

Begreppsvaliditet: förklarad varians i inkomst

För att testa OEP-skalan analyserar vi hur väl den förklarar variation i arbetsinkomster. Tidigare forskning visar att yrkesbaserade mått ger en stabil men förhållandevis låg förklaringsgrad av livstidsinkomster (Kim m fl 2018; Shahbazian och Bihagen 2022). Urvalet, två omgångar av EWCS (2010 och 2015) och fyra av GSS (2010–16), begränsas till heltidsanställda i åldern 25–60 år, och inkomster över 99:e percentilen ersätts med ett takvärde (s k toppkodning) för att minska påverkan från extremvärden.

Som Oesch m fl (2026) visar, är den förklarade variationen i inkomst påfallande lika för både nationella och generella OEP-skalor, vilket talar för att en gemensam skala kan användas. I vissa länder, som Sverige och Schweiz, presterar den nationella skalan marginellt bättre, medan det omvända gäller i andra länder, som Storbritannien och Tyskland, och i USA syns ingen skillnad. Som mest förklarar OEP upp till 33 procent av inkomstvariationen (Storbritannien), följt av 25 (Sverige, Tyskland) och 15 procent (USA). Förklaringsgraden är som högst vid den mest detaljerade yrkesklassificeringen (fyrsiffrig ISCO-08), men även på grövre nivåer är skillnaderna måttliga, vilket är viktigt eftersom många enkätmaterial saknar yrkesinformation på fyrsiffrig nivå. Den fullständiga uppdelningen efter land och ISCO-nivå redovisas i Oesch m fl (2026).

Vi testar även hur väl den generella OEP-skalan presterar i åtta länder som inte ingick i konstruktionen, och jämför med ISEI. Resultaten i figur 1 visar att mellan 20 och 30 procent av inkomstvariationen förklaras, vilket stödjer OEP:s generella giltighet. Jämförelsen visar att OEP i genomsnitt presterar bättre än ISEI (28 respektive 23 procent), särskilt i länder som Finland och Spanien.

Figur 1. Förklarad varians i inkomst för OEP och ISEI

Källa: Oesch m fl (2026).

Eftersom OEP är konstruerat utifrån heltidsinkomster kan man fråga sig om måttet fungerar lika väl för kvinnor som för män, särskilt då kvinnor oftare arbetar deltid. Våra resultat (se Oesch m fl 2026) visar att OEP i genomsnitt förklarar en större andel av kvinnors inkomster (26 procent) än mäns (21 procent). Samtidigt är likheten mellan könen slående. När separata OEP-skalor konstrueras för män och kvinnor, baserade på respektive grupps heltidsinkomster, visar det sig att skalorna är mycket starkt korrelerade: 0,87 i Tyskland, 0,96 i Sverige, 0,92 i Schweiz, 0,86 i Storbritannien och 0,95 i USA. Det tyder på att yrken har mycket liknande positioner i mäns och kvinnors inkomstfördelningar.

Kriterievaliditet: avkastning på utbildning

För att testa kriterievaliditeten undersöker vi hur starkt OEP är kopplat till utbildning, en central orsak till att nå yrkespositioner. De fullständiga resultaten och figurerna presenteras i Oesch m fl (2026). Till skillnad från yrkesmått som ISEI, som kombinerar utbildning och inkomst i samma indikator, tillåter OEP att utbildning används som oberoende variabel och yrkets belöningsnivå (OEP) som utfall. Detta ger ett tydligare analytiskt upplägg där orsak och utfall inte sammanblandas.

Vi använder ESS (2002–20) och GSS (2002–18) för att analysera sambandet mellan utbildning och OEP. Urvalet begränsas till heltidsanställda personer i åldern 40–60 år, för att fånga individer som nått en någorlunda stabil yrkesposition (Bihagen m fl 2024). Utbildningsnivåer klassificeras enligt ISCED, från primär till tertiär nivå, och sambandet skattas separat för män och kvinnor, med hänsyn tagen till ålder.

Vi analyserar den förväntade OEP-nivån för män och kvinnor på olika utbildningsnivåer i sex länder: USA, Storbritannien, Sverige, Tyskland, Nederländerna och Spanien. Resultaten är slående lika över alla länder. Oavsett nationell kontext ökar individers OEP-värde i takt med utbildningsnivå. För varje steg i utbildningssystemet rör sig individer i genomsnitt uppåt ca tio percentilenheter i yrkeshierarkin mätt med OEP. Detta tydliga samband bekräftar OEP:s kriterievaliditet – måttet fångar de belöningar på arbetsmarknaden som många teorier förutspår ska följa av högre utbildning. En ytterligare fördel är att mönstren framkommer både i de länder som användes för att konstruera OEP och i länder som inte ingick i utvecklingsfasen.

En tydlig könsskillnad framträder också. Män har högre OEP-värden än kvinnor på samtliga utbildningsnivåer. Samtidigt är ökningen i OEP med utbildning något brantare för kvinnor, eftersom de börjar på lägre nivåer. Exempelvis återfinns kvinnor med endast grundskoleutbildning i yrken kring percentil 22–29, medan män med motsvarande utbildning ligger kring 34–39. För tertiär utbildning minskar gapet: kvinnor har då yrken med OEP kring 55–63, medan män når 63–69. Detta tyder på att utbildning är förknippad med tydlig uppåtgående rörlighet även för kvinnor, men också att könsskillnader kvarstår på högre utbildningsnivåer. Sammantaget är sambanden mellan utbildning och OEP så konsistenta att de ger starkt stöd för måttets giltighet och användbarhet inom ojämlikhetsforskning.

4. Avslutande reflektioner

Syftet med denna artikel har varit att visa hur OEP kan användas i analyser av komparativa ekonomiska skillnader, särskilt i sammanhang där direkta inkomstuppgifter saknas. Inom nationalekonomisk forskning finns en stark preferens för administrativa registerdata – av goda skäl, eftersom de är både tillförlitliga och omfattande. Men dessa data är inte alltid tillgängliga, särskilt inte i historiska eller internationella jämförelser. Därmed riskerar vissa forskningsfrågor att förbises, just för att tillförlitliga inkomstuppgifter saknas. Eftersom yrkesinformation är både mindre integritetskänslig och mindre påverkad av minnesfel än självrapporterade inkomstuppgifter, möjliggör OEP jämförande och longitudinella analyser även i avsaknad av direkta inkomstdata. Det gör måttet särskilt användbart i enkätundersökningar, där respondenten ofta kan uppge sina tidigare yrken men sällan minns sina tidigare årsinkomster.

Ett viktigt bidrag är att OEP undviker flera av de begränsningar som präglar tidigare yrkesbaserade mått som ISEI. Till skillnad från dessa bygger OEP endast på en observerbar variabel – medianlön – uttryckt som en percentil i den nationella inkomstfördelningen. Detta ger ett transparent och intuitivt mått med bibehållen analytisk kraft. Styrkan ligger i att måttet uttrycks i percentiler: ett OEP-värde på 65 kan enkelt tolkas som att yrket placerar sig över 65 procent av arbetskraftens inkomster – en tydlighet som är värdefull även utanför akademin. Vår analys visar att yrkeshierarkier är anmärkningsvärt stabila över tid och mellan länder. Med korrelationer över 0,9 inom länder och över 0,8 mellan länder finns goda skäl att använda en gemensam OEP-skala. Det gör måttet attraktivt i situationer där inkomstdata saknas men yrkesinformation finns tillgänglig.

OEP möjliggör också mer stringenta analyser av utbildningens avkastning jämfört med andra yrkesmått. Eftersom utbildning inte ingår i konstruktionen kan den användas som oberoende variabel. Vi visar att OEP tydligt ökar med utbildningsnivå, men att könsskillnader kvarstår: kvinnor har lägre OEP än män med motsvarande utbildning, särskilt på lägre nivåer. Här är OEP ett användbart instrument för att synliggöra könsspecifik ojämlikhet. Men OEP har sina begränsningar. Den mest grundläggande är att analysenheten är yrken, inte individer: OEP mäter den typiska lönen för ett yrke, inte en enskildes faktiska inkomst. Måttet är därför inte avsett att validera eller ersätta individuella inkomstuppgifter, och det fångar inte den variation som finns inom yrken. Som nämnts kan en industriarbetare med lågt OEP nå en hög faktisk inkomst genom övertid, medan en högavlönad jurist kan ha låg inkomst ifall hen arbetar deltid eller ideellt. Av liknande skäl fungerar OEP mindre väl för grupper vars inkomster är löst kopplade till yrkestiteln, som egenföretagare, vilka inte har en egen yrkestitel i yrkesklassificeringar. Slutligen vilar OEP:s jämförbarhet över tid och rum på antagandet att yrkeshierarkier är relativt stabila i enlighet med den s k Treiman-konstanten (Hout och DiPrete 2006). Antagandet har starkt empiriskt stöd, men enskilda yrken kan förskjutas uppåt eller nedåt över långa tidsperioder eller vid stora strukturella skiften inom ett land. Detta är ett intressant område för fortsatta studier.

Framöver ser vi flera forskningsområden där OEP kan spela en viktig roll. För det första kan måttet användas för att analysera ungas framtidsförväntningar. Unga har ännu inga egna inkomster, men många undersökningar samlar in deras yrkesambitioner. Genom att koppla dessa till OEP går det att studera vilka ekonomiska och sociala positioner de siktar mot, och därmed analysera förväntade livschanser redan vid tidig ålder. För det andra lämpar sig OEP väl i karriärforskning. Många enkätdata innehåller information om tidigare yrken, men inte om tidigare inkomster. Här möjliggör OEP analyser av yrkesmobilitet och livslopp, särskilt i en tid då äldre individers arbetsliv och pensionsövergång väcker ökat forskningsintresse, exempelvis via datakällor som Survey of Health, Ageing and Retirement in Europe (SHARE). För det tredje är OEP användbart i studier av intergenerationell rörlighet. Även om vi sällan har data om föräldrars inkomst finns deras yrken ofta dokumenterade. Genom att koppla dem till OEP kan man analysera social och ekonomisk reproduktion mellan generationer, något som underlättas av datakällor som ESS.

Sammanfattningsvis erbjuder OEP nya möjligheter för forskning inom flera olika fält, från ungas framtidsförväntningar till livsloppsanalyser och studier av social reproduktion mellan generationer. Genom att översätta yrkesinformation till ett tydligt och jämförbart ekonomiskt mått bidrar OEP till att bredda forskningsfältet, även där inkomstdata saknas eller är svåråtkomliga.