NJCIE 2019, Vol. 3(3), 24-42

http://doi.org/10.7577/njcie.3281

Å forstå regionale forskjeller i gjennomføring i videregående opplæring

Elisabeth Hovdhaugen[1]

Forsker, NIFU

Asgeir Skålholt

Forsker, NIFU

 

Copyright the authors

Peer-reviewed article; received 08 March 2019; accepted 08 November 2019

 

Abstract

Earlier studies have demonstrated large county differences in rates of completion in upper secondary education in Norway, and to explain this it is usual to control for individual characteristics. However, this article's main focus is the context the student is growing up in, how municipal traits can help explain countywide variations in completion. Controlling for individual and context (municipal) characteristics decreases the county differences, and this is particularly true for academically oriented programs. For vocational programs, however, there are still differences, but these can be partly explained by context, such as the home municipality's educational level, unemployment, industrial structure and centrality. We find that different aspects of the home municipality appear to affect educational programs differently. If the parent’s educational level is high, the chance of completing the academic programme or programme for health and social studies increases, while to come from a less urban area increases the chance of completing the programmes building and construction and technical and industrial production.

 

Sammendrag

Det har lenge vært påvist store fylkesforskjeller i gjennomføring i videregående opplæring i Norge, og for å ta hensyn til dette har det i tidligere studier vært vanlig å kontrollere for ulike individkjennetegn. Denne artikkelens hovedfokus er imidlertid å se på disse regionale forskjellene. Hva betyr konteksten eleven vokser opp i, det vil si hjemsted eller hjemkommune, og hvordan kan det bidra til å forklare fylkesvise variasjoner i fullføring? Fylkesforskjellene i gjennomføring reduseres om man kontrollerer for ulike typer kjennetegn på individ- og stedsnivå, og dette gjelder spesielt for studieforberedende utdanningsprogrammer. For yrkesfaglige programmer gjenstår derimot noen forskjeller om man kontrollerer for individkjennetegn, men disse forskjellene kan delvis forklares av kontekst, slik som hjemkommunens utdanningsnivå, ledighet, næringsstruktur og sentralitet. Vi finner at ulike aspekter ved hjemkommunen ser ut til å påvirke ulike utdanningsprogrammer ulikt, ved at høyt utdanningsnivå øker sjansen for å fullføre studiespesialisering eller helse- og sosialfag, mens for eksempel det å komme fra en ikke-sentral kommune er positivt for gjennomføring i bygg og anleggsfag eller teknikk og industriell produksjon. 

 

Keywords: upper secondary education, vocational education, completion rate, regional differences

Innledning

Det har lenge vært påvist store fylkesforskjeller i gjennomføring og i frafall i videregående opplæring i Norge, både før og etter innføringen av Kunnskapsløftet (Borge, Falch & Strøm, 2011; Helland & Støren, 2004; Støren, Helland & Grøgaard, 2007; Vibe, Frøseth, Hovdhaugen & Markussen, 2012). I tillegg vet vi at det er variasjon i hvor stor andel som søker seg til studieforberedende og yrkesfaglige utdanningsprogrammer i de ulike fylkene. Preferansene for ulike typer utdanningsprogrammer varierer med fylke. Dette gjør det interessant å undersøke i hvilken grad regionale kjennetegn påvirker gjennomføring, og da er vi spesielt opptatt av kjennetegn ved hjemkommunen. Fra tidligere studier, både nasjonale og internasjonale, vet vi at ungdoms orientering mot ulike typer utdanningsretninger, enten mer akademiske eller mer yrkesorienterte, henger sammen med sosial bakgrunn, særlig foreldrenes utdanningsbakgrunn, og eget karakternivå, som i noen grad også er relatert til sosial bakgrunn (se for eksempel (Boudon, 1974; Bourdieu & Passeron, 1990; Markussen, Frøseth & Sandberg, 2011; Vibe et al., 2012). Men hva betyr hjemstedets særegenheter, utover det som kan forklares med ulik sosial bakgrunn?

Frafall og gjennomføring i videregående opplæring er et vel utforsket tema, der det finnes mange oppsummeringer av hvilke faktorer som påvirker sannsynligheten for å enten fullføre, slutte eller gjennomføre uten å bestå videregående opplæring. Både offisiell statistikk og forskningsbidrag viser at gjennomføringen er svakere i yrkesfaglige utdanningsprogrammer enn i studieforberedende utdanningsprogrammer (se for eksempel Støren, Helland, & Grøgaard, 2007; Vibe et al., 2012; SSB, 2018). Markussen (2016) setter opp en modell som inneholder tre individuelle faktorer: elevens bakgrunn, elevens engasjement med skolen samt tidligere prestasjoner. Den første faktoren påvirker de to andre og alle tre påvirker sjansen for kompetanseoppnåelse. I tillegg peker han også på at konteksten, det vil si utdanningsprogrammet og fylket som individet befinner seg i, spiller en rolle, men uten at betydningen av dette får stor plass i den videre diskusjonen av modellen.

I denne artikkelen vil derimot betydningen av elevens kontekst, i meningen kjennetegn ved stedet eleven vokser opp i, diskuteres mer inngående. Vi skal i artikkelen se på to ting, dels skal vi se nærmere på fylkesmessige forskjeller i gjennomføring i videregående opplæring, og hvordan individkjennetegn og kontekstkjennetegn (kjennetegn ved hjemkommunen) kan bidra til å forklare disse forskjellene og dels vil vi se nærmere på noen av de ulike utdanningsprogrammene på yrkesfag. Grunnen til at vi vil se nærmere på enkeltprogrammer på yrkesfag er for å forstå noen av de stedsspesifikke mekanismene, som kan virke inn forskjellig i ulike programmer. Mer spesifikt vil vi se nærmere på hvordan noen kjennetegn ved hjemkommunen kan bidra til å forklare forskjeller i gjennomføring. Vi er særlig opptatt av hvordan sentraliteten til kommunen (det vil si om kommunen er en del av en «storby» eller ikke) påvirker fullføring.

Som tidligere nevnt er de geografiske forskjellene i gjennomføring på fylkesnivå grundig dekket i tidligere forskning. Selv om fylkesmessige forskjeller er viktige, er det klart at det også er viktig å se nærmere på mer lokale forhold. Dette er spesielt viktig i de yrkesfaglige programmene. Vi vet at gjennomføringen er spesielt lav i yrkesfag, og vi vet at der aller flest faller fra er i prosessen med å få læreplass (Frøseth, Hovdhaugen, Høst & Vibe, 2010). Læreplasser kan i motsetning til skoleplasser i liten grad dimensjoneres og vedtas. En læreplass oppstår i det en bedrift og en søker sammen finner ut av at det er formålstjenlig å opprette plassen (Høst, Seland, Skålholt & Sjaastad, 2014). Tidligere kvalitativ forskning har pekt på at mange læreplasser oppstår i en prosess der lærlingens utvidede nettverk er viktig. Læreplassene er med andre ord lokale, ikke fylkeskommunale. De oppstår i møtet med et lokalt behov for arbeidskraft. Selv om en finner en klar sammenheng mellom karakterer og det å få læreplass, er det mye kvalitativ forskning som har pekt på at denne sammenhengen trolig delvis er spuriøs. Spesielt i de mer tradisjonelle lærefagene (innen industri og bygg og anlegg). Læreplasser blir fordelt i en prosess der karakterer blir vurdert, men andre aspekter også i stor grad blir vektlagt, slik som interesse for faget og holdninger (Olsen, Reegård, Seland & Skålholt, 2014). I tillegg vil vi argumentere for at det nettverket av bekjentskaper man har lokalt spiller en viktig rolle.

Ved å bruke individdata på gjennomføring i videregående skole, påkoblet kjennetegn ved kommunen, kan vi gå inn å se nærmere på hva kjennetegn ved det lokale kan bety for fullføring. Problemstillingen for artikkelen er dermed følgende:

Hvilken betydning har hjemkommunen til ungdommen for gjennomføring av videregående opplæring, utover faktorer vi vet har betydning, som sosiodemografiske variabler og karakterer? Vi er derfor opptatt av å undersøke om vi finner noe ved oppvekstkommunen som kan bidra til å forklare fullføring.

Tidligere forskning på regionale forskjeller i gjennomføring i videregående opplæring

Regional variasjon i gjennomføring i videregående opplæring har blitt dokumentert flere ganger, både gjennom statistikk og analyser, og ble vist allerede i Evalueringen av Reform94 (se for eksempel Helland & Støren, 2004), og videre har Evalueringen av Kunnskapsløftet også dokumentert at forskjellene fortsatt er der (se for eksempel Vibe et al., 2012).

En av de første rapportene fra evalueringen av Kunnskapsløftet viser at det er store fylkesforskjeller i preferanser for de ulike utdanningstilbudene og at disse forskjellene er stabile, men i noen tilfeller ser ut til å forsterke seg over tid. Oslo og Akershus har for eksempel tradisjonelt hatt en relativt høy andel som begynner på studieforberedende utdanningsprogrammer. Denne tendensen økte kraftig etter innføringen av Kunnskapsløftet. Bredere analyser av søkerdataene viste at den samme tendensen gjaldt alle fylkene rundt Oslofjorden (Frøseth, Hovdhaugen, Høst & Vibe, 2008).

Det er mange studier som har funnet at det er svakere fullføring i de tre nordligste fylkene enn i resten av landet. Helland og Støren (2004) peker på at spesielt Finnmark har en høy andel som er forsinket i utdanningsløpet ved starten av det tredje opplæringsåret (som de omtaler som «lav optimal progresjon» (2004, s. 14)). Videre finner de at forskjeller i andel som har fått førsteønsket innfridd ikke ser ut til å påvirke fylkesforskjellene i gjennomføring. Derimot lanserer de tre ulike mulige forklaringer til fylkesforskjellene, som alle kan være tilstede samtidig. Det første de påpeker er at det kan være «forskjeller mellom studieretninger når det gjelder gjennomstrømning, og at det er forskjell mellom fylker i dimensjonering av tilbud på ulike studieretninger, samt forskjeller mellom ungdom i ulike fylker i hvilke valg de gjør» (Helland & Støren, 2004, s. 28). Med andre ord er den første forklaringen relatert til fylkesvise ulikheter i hvem som bor hvor, og dermed hva de velger i videregående opplæring. Den andre mulige forklaringen de lanserer er relatert til avstand mellom hjem og skole, og det å måtte flytte hjemmefra for å gå på videregående skole kan tenkes å påvirke studieprogresjonen. Dette er særlig noe som gjelder for elever i Finnmark, da bosetningen er spredt og relativt mange elever må flytte for å få den studieretningen de ønsker Den tredje mulige forklaringen på fylkesforskjeller som Helland og Støren (2004) trekker frem er tilgangen på læreplasser i fylket. Dermed viser de indirekte at de har en forståelse av at læreplasser er noe som kan dimensjoneres, på samme måte som elevplasser kan.

Støren, Helland og Grøgaard (2007) viser at det i alle fylker er en større andel som fullfører det som da het allmennfag enn yrkesfag, og at denne forskjellen er større enn forskjellen i fullføring mellom ulike fylker. Dataene de tar utgangspunkt i er for kullene rundt årtusenskiftet (kullene som begynte i videregående opplæring i 1999-2001) og de finner at Sør-Trøndelag har høyest fullføring målt etter fem år, både på allmennfag og yrkesfag, mens de tre nordligste fylkene har den laveste fullføringen. Videre finner de at Oslo og Akershus har under gjennomsnittet i fullføring på allmennfag (81 respektive 80 prosent, sammenlignet med gjennomsnittet på 83 prosent) og at gjennomføringen på yrkesfag i Oslo er på nivå med Nordland (50 prosent). I tillegg til de mulige forklaringene som er gitt over: forskjeller i andel på ulike studieretninger, forskjeller i tilgang på læreplasser og det å måtte flytte hjemmefra, lanserer de også andel med minoritetsbakgrunn som en mulig forklaring til fylkesforskjeller i gjennomføring. De diskuterer forskjell i utdanningsnivå blant foreldrene mellom fylkene som en mulig forklaring, men avfeier den da de finner store forskjeller i gjennomføring også blant fylker med gjennomgående høyt utdanningsnivå (Støren, Helland og Grøgaard 2007, s. 128).

Med utgangpunkt i analyser av 2002-kullet prøver Borge, Falch og Strøm (2011) å forklare variasjonen i fullføring i videregående opplæring mellom fylker og regioner. Artikkelen tar utgangspunkt i humankapitalteorien (Becker, 1975) og setter opp tre ulike typer forklaringer til forskjeller. Den første er individkjennetegn og familiebakgrunn, målt som karakternivå fra grunnskolen og foreldres utdanningsnivå, det andre er arbeidsmarkedsforhold, målt som lønnsnivå på beslutningstidspunktet og forventet fremtidig lønn, samt forventede muligheter for sysselsetning. Argumentet er her at i «områder av landet med relativt høy lønn for ufaglærte og god tilgang på jobber som ikke krever fullført videregående opplæring vil alternativet til videregående opplæring fremstå som gunstig» (Borge et al., 2011, s. 25). Den siste forklaringen er relatert til kostnader knyttet til å gjennomføre videregående, slik som bøker, transport og behovet for å flytte hjemmefra for å kunne ta det utdanningsprogrammet man ønsker å ta. I analysene blir det kontrollert for individkjennetegn, arbeidsledighet i fylket, andel sysselsatte med grunnskole som høyeste utdanningsnivå, næringssammensetning i regionen, forventet lønnspremie knyttet til fullføring av videregående, samt et mål på avstand til nærmeste videregående skole fra hjemstedet. Gjennom analysene finner de at det å ha mange studieretninger og/eller videregående skoler å velge mellom innenfor 50 km reiseavstand fra elevens bosted øker gjennomføringen noe, de finner også at høy andel sysselsatte i regionen med bare grunnskole reduserer sannsynligheten for å fullføre videregående opplæring. I likhet med alle de andre studiene av fylkesforskjeller i gjennomføring av videregående opplæring viser også denne studien at de tre nordligste fylkene har klart lavere gjennomføring enn alle de andre fylkene, også når det er kontrollert for arbeidsmarkedsvariabler og avstandsvariabler, selv om dette reduserer forskjellene noe (Borge et al., 2011, s. 31).

Flere forsker har sett på hvilken effekt endring i arbeidsledighet har på sannsynligheten for å fullføre eller droppe ut av videregående opplæring. Von Simson (2014) finner at dersom andelen ledige som går over i jobb øker så øker sannsynligheten for å droppe ut noe. Reiling og Strøm (2015) gjør en lignende analyse, men ser på i hvilken grad gjennomføringen følger arbeidsledigheten. De finner at dersom arbeidsledigheten er høyere da elevene starter i videregående opplæring så øker det sannsynligheten for at elevene fullfører videregående opplæring.

Felles for disse tidligere studiene er at de stort sett er gjort på data som er fra før innføringen av Kunnskapsløftet. Og at de i liten grad differensierer mellom ulike utdanningsprogram. De få studiene som har fokusert på kull etter innføringen av Kunnskapsløftet har i stor grad bare sett på bivariate sammenhenger, det vil si de har ikke kontrollert for ulike typer faktorer samtidig. Bidraget til denne artikkelen er dermed å undersøke hvordan ulike aspekter ved individene og konteksten de vokser opp i påvirker gjennomføringen, for kull som har begynt i videregående opplæring etter Kunnskapsløftet og da med et spesielt blikk på mekanismene i ulike utdanningsprogram.

Hva kan bidra til å forklare regionale forskjeller i gjennomføring?

Det er flere aspekter ved oppvekst-stedet til et individ som kan bidra til å forklare fullføring av videregående opplæring. Vi vil her konsentrere oss om tre ulike mulige forklaringer: næringsstruktur, effekter av sentralitet, og peer-effekter, som kan illustreres med hvem man vokser opp sammen med. Studier viser at elevers prestasjoner og holdninger i noen grad blir påvirket av de andre elevene de går sammen med, og deres foreldre (Sacerdote, 2011).

I tidligere studier har fylkesforskjeller ofte blitt fortolket utfra human-kapital-teorien (Becker, 1975), som tar utgangspunkt i at individet vurderer kostnader og gevinster knyttet til å gjennomføre og fullføre utdanning. Dersom gevinsten ved å fullføre utdanningen overstiger kostnadene øker sjansen for at individet fullfører. I denne analysen vil vi i større grad legge vekk på konteksten individet vokser opp i enn de individuelle valgene som individet gjør.

Trekk ved lokalsamfunnet kan både være knyttet til hvordan næringsstrukturen ser ut i området, og til hvor lett det er å få seg jobb. Granovetter (1973) argumenterer for viktigheten av nettverk, særlig mer perifere nettverk, for å få jobb. Denne teorien kan også brukes til å fortolke mulighetene til å få læreplass, noe som tidligere forskning har påpekt sannsynligvis varierer fra fylke til fylke (Helland & Støren, 2004). To store fagområder for læreplasser er industri og byggenæring, og det er logisk å tenke seg at i fylker som har mye industri eller stor byggenæring vil det finnes flere læreplasser innenfor disse sektorene. Med andre ord vil næringsstrukturen i et fylke eller en kommune kunne bidra til å gjøre det lettere å få læreplass.

Tidligere studier har argumentert for at de som bor i sentrale strøk i større grad har tilgang på mange skoler å velge mellom, og dermed i større grad får anledning til å ta den utdanningen de ønsker. Samtidig er vi opptatt av at det også kan være en fordel for sjansen for å gjennomføre å bo på et mindre sentralt sted, ved at flere kjenner hverandre og at dette kan bidra til å lette elevers tilgang på et sted å være lærling. På mindre steder oppfattes det ofte at «alle-kjenner-alle» og da er det mulig at Granovetters (1973) argumentasjon for at perifere nettverk (weak ties) kommer til anvendelse. På et mindre sentralt sted vil det være større sjanse for at en elev som ønsker læreplass kjenner noen, eller har noen i sin utvidede bekjentskapskrets som kan koble eleven til en bedrift som trenger lærlinger. Dette kan vi tenke oss skjer i mindre grad i mer sentrale strøk, ikke fordi personers nettverk ikke er store, men fordi de er mer avgrenset sosialt sett. Med andre ord er det trekk ved lokalsamfunnet som kan gjøre det lettere for elever som kommer fra mindre sentrale strøk å finne læreplass enn elever som kommer fra sentrale strøk.

Næringsstrukturen og hva folk i lokalområdet arbeider med, vil også kunne påvirke i hvilken grad elever ser på et visst yrke som et godt valg. Markussen (2010) har vist at næringsstrukturen påvirker studievalg og studietilbøyelighet. Dersom elevene ser at det i nærområdet finnes mange jobber innenfor en viss sektor, for eksempel industri eller byggenæring, så er det mulig at dette kan gjøre at de i større grad velger utdanningsprogram som gir muligheter i denne næringen. Denne måten å fortolke oppvekst-området kan kobles til human kapital teorien (Becker, 1975), siden eleven ser gevinstene ved å utdanne seg innenfor en viss sektor, der det finnes lokale jobber og der man selv har kontakter.

Datamateriale og metode

For å undersøke tema bruker vi data på fullføring i kullene som begynte i videregående opplæring i 2006 og 2007. Det vil si de to første kullene etter Kunnskapsløftet. Dataene er påført variabler på kommunenivå, for å kunne kontrollere for kommunens næringsstruktur, sentralitet og arbeidsledighetsnivå. Med andre ord så har vi informasjon om kjennetegn ved hjemkommunen til det enkelte individ koblet på individnivå. Denne datastrukturen er hovedgrunnene til at vi ikke bruker flernivåanalyse som analysemetode, men heller bruker vanlig regresjon bare på individnivået.

Metoden som brukes i artikkelen er lineær regresjon, der andel som har oppnådd kompetanse (enten studiekompetanse eller yrkeskompetanse) i løpet av fem år er avhengig variabel. Dette er den samme definisjonen av oppnådd kompetanse som brukes i SSBs offentlige statistikk for videregående opplæring. Det er ikke helt uproblematisk å sammenligne fullføring mellom ulike utdanningsprogram etter fem år, spesielt siden yrkesfag har en normert tid på fire, eller fire og et halvt år, mens studieforberedende har en normert tid på tre år (Vogt, 2017). Om vi sammenligner innad i utdanningsprogram er dette ikke like problematisk.

Vi bruker vanlig lineær regresjon (OLS) på et binært utfallsmål (fullføring). Grunnen til dette er dels at koeffisientene blir lettere å tolke (Hellevik, 2003), og at det vi måler ikke befinner seg i ytterkantene av skalaen og vi dermed kan anta at sammenhengen der er lineær. Vi bruker robuste standardfeil som en måte å håndtere heteroskedastiske restledd på, som ellers kan gi systematisk for høye eller for lave standardfeil, og dermed upålitelige signifikanstester. Ved å bruke robuste standardfeil i regresjonen tar man i større grad høyde for dette problemet. Standardfeilene er klustret på kommunenivå.

Uavhengige variabler

I analysene kontrollerer vi for tre grupper av variabler: fylke, individkjennetegn og karaktertrekk ved kommunen personen vokser opp i. For fylke er Sør-Trøndelag referansekategori, da dette fylket er nærmest gjennomsnittet for fullføring både for yrkesfag og studieforberedende program. Frekvenser for de uavhengige variablene er vist i tabell 1a (individkjennetegn og sentralitet) og 1b (øvrige kommunekjennetegn).

Individvariablene fungerer i modellene som en kontroll for at det er ulikheter mellom kommuner i hvem som bor der. Vi kontrollerer for grunnskolepoeng, foreldres utdanningsnivå og innvandrerbakgrunn. Vi kontrollerer ikke for kjønn. Grunnen til det er at kjønn samvarierer for mye med utdanningsprogram. Når vi senere kjører modeller for ulike program blir dette en utfordring. En test, ikke vist, der alle modeller er kjørt med kjønn som kontroll viser at det ikke påvirker signifikansnivå i nevneverdig grad.

Grunnskolepoeng: Variabelen grunnskolepoeng er målt som forskjell fra landssnittet, det vil si den er sentrert på gjennomsnittet. Variabelen har noe missing (individer uten karakterinformasjon), og siden dette ikke er tilfeldig kontrollerer vi for dette i analysene (men det er ikke vist i modellen). Videre kontrollerer vi for ikke-lineæare sammenhenger mellom karakterer og fullføring, ved å ha med annengradsledd i analysene.

Foreldres utdanningsnivå: Variabelen er målt som familiens høyeste utdanningsnivå, basert på enten mor eller far, og vi skiller mellom fire grupper: grunnskole eller lavere, fullført videregående utdanning, inntil fire år høyere utdanning eller mer enn fire år høyere utdanning. Grunnskole eller lavere fungerer som referansekategori. De som ikke har foreldre registrert med utdanning er definert som grunnskole eller lavere. Dette er ikke helt uproblematisk om hovedmålet med analysen er å se på effekten av foreldres utdanning. Blant de med manglende registrering kan det være en del foreldre med høyere utdanning, spesielt om det er innvandrerforeldre. I vår analyse påvirker dette likevel ikke koeffisientene på de variablene vi er ute etter å se nærmere på.

Innvandringsbakgrunn: her brukes SSBs definisjon der en person er innvandrer om denne er født i utlandet av to utenlandsfødte foreldre og fire utenlandsfødte besteforeldre eller er født i Norge med innvandrerforeldre og fire utenlandsfødte besteforeldre. Det å ikke ha innvandrerbakgrunn er referansekategori.

Artikkelens hovedfokus er på stedet eleven vokser opp i, og derfor kontrolleres det ved en rekke karaktertrekk ved hjemkommunen, som ledighet, utdanningsnivå, næringsstruktur og sentralitet. Hjemkommunen er definert som bostedskommunen da eleven var 16 år.

Arbeidsledighet er målt i hjemkommunen det året de startet i videregående. Grunnen til at vi bruker ledighetsnivået det året eleven starter er at vi antar at elever i noen grad vurderer dette når de velger program, dersom de vurderer flere programmer opp mot hverandre. Ledighetsnivået på kommunenivå er hentet fra Fiva mfl. (2012). Ledighet er standardisert med utgangspunkt i landsgjennomsnittet, med gjennomsnitt 0 og standardavvik 1.

Kommunens utdanningsnivå er målt ved at vi ser på utdanningsnivået til foreldrene i hjemkommunen i samme kull, målt gjennom andel med høyere utdanning. Slik får vi et mål som kan kontrollere for en kommune-«peer effect» (Sacerdote, 2011), eller utdanningsnivået i miljøet der man vokser opp. Denne variabelen er standardisert med utgangspunkt i landsgjennomsnittet, med gjennomsnitt 0 og standardavvik 1.

Næringsstruktur er målt ved den relative andelen av sysselsatte som jobber i hovednæringene industri og bygg- og anlegg. Disse variablene er standardisert med utgangspunkt i landsgjennomsnittet, med gjennomsnitt 0 og standardavvik 1.

Sentralitet er en dikotom variabel der kommunen får verdien 1 hvis kommunen har mindre enn 75 minutters reise til et landsdelssenter (90 minutter for Oslo). Definisjonen er basert på SSBs gamle mål på sentralitet (SSBs standard for sentralitet, 2008), og vår definisjon av sentral kommune tilsvarer kategorien «sentrale kommuner» i den inndelingen. Denne definisjonen er valgt for å inkludere kommuner som ligger i samme arbeidsmarkedsregion som landsdelssenteret.

På grunn av manglende historiske data i SSB-statistikkbanken fra før 2008, har vi mål på næringsstruktur og sentralitet målt i 2008. Det vil si at vi måler sentralitet og næringsstruktur i henholdsvis år 2 og år 3 for våre kull. Sentralitet og næringsstruktur varierer imidlertid svært lite over tid, dette er dermed uproblematisk for analysene.

Når vi kjører modeller for yrkesfag og studieforberedende fag hver for seg, er medier og kommunikasjon definert som verken yrkesfag eller studieforberedende. Dette på grunn av at programmet ved måletidspunktet var definert som et yrkesfag, men de aller fleste som fullførte endte opp med studiekompetanse. Det samme er delvis sant for naturbruk, men det var likevel i større grad et yrkesfaglig program. Gjennomgående vil prefikset z_ i modellene indikere at variabelen er standardisert med gjennomsnitt null og standardavvik 1.

Tabell 1a: Deskriptiv statistikk, avhengig variabel og individkjennetegn

Fullført innen fem år	71,5 %
N	111 668
Kjønn, andel kvinner	48,5 %
Innvandringsbakgrunn, andel	7,0 %
Sentralitet, andel som bor i sentrale kommuner	64,0 %
Foreldres utdanningsbakgrunn
Grunnskole eller lavere	20,0 %
Fullført videregående opplæring	37,6 %
Inntil 4 år høyere utdanning	31,5 %
Mer enn fire år høyere utdanning	11,0 %
Grunnskolepoeng (brukes sentrert på gj.snitt)
Gjennomsnitt	3,98
Standardavvik	0,85
N (grunnskolepoeng)	110 913

 

Tabell 1b: Deskriptiv statistikk, sentrerte variabler på kommunenivå

	Gj.snitt	Standard avvik	Minimum	Maksimum
Andel ansatte i industri av sysselsatte i hjemkommune	11,0 %	0,08	6,0 %	49,0 %
Andel ansatte i bygg av sysselsatte i hjemkommune	8,0 %	0,03	2,0 %	32,0 %
Arbeidsledighet i hjemkommune	2,0 %	0,01	0,0 %	8,0 %
Andel av foreldre i samme kommune med høy utd.	41,4 %	10,43	11,1 %	70,6 %

Forskjeller mellom fylker i andel som tar studieforberedende respektive yrkesfaglige utdanningsprogrammer

I denne artikkelen er vi opptatt av regionale forskjeller i gjennomføring. Vi vil først se på fylkesforskjeller, før vi ser på hvilken rolle kjennetegn ved kommunen eventuelt betyr. Siden vi i denne artikkelen primært er opptatt av strukturelle forskjeller skal vi først se på hvordan fordelingen mellom valg av yrkesfag og studieforberedende programmer ser ut i ulike fylker. På landsbasis er fordelingen 50/50 mellom studieforberedende og yrkesfaglige utdanningsprogrammer, men dersom vi ser på de enkelte fylker stemmer ikke dette bildet like godt.

Figur 1: Fordeling av elever i fylket på studieforberedende respektive yrkesfaglige utdanningsprogrammer, gjennomsnitt for 2006- og 2007-kullene.

 

Figur 1 viser at majoriteten av fylkene har en overvekt av elever som velger yrkesfag. Ni av 19 fylker har relativ jevn fordeling mellom elever på studieforberedende og yrkesfaglige utdanningsprogrammer (mellom 48 og 52 prosent). Blant de øvrige ti fylkene skiller seg Oslo og Akershus klart ut ved at de har en mye lavere andel som velger yrkesfaglige utdanningsprogrammer, henholdsvis 31 og 41 prosent. De høyeste andelene som tar yrkesfag finner vi i de fire nordligste fylkene, men også i Aust-Agder, Oppland, Telemark og Møre og Romsdal velger majoriteten av elevene yrkesfaglige studieretninger. Med andre ord viser figuren at det i åtte av fylkene er en klar overvekt av elever som velger yrkesfag.

Multivariat analyse

For å se nærmere på de fylkesvise forskjellene i gjennomføring, skal vi først undersøke hvordan ulike individkjennetegn endrer bildet av fylkesforskjeller, for så å konsentrere oss om kommunespesifikke kjennetegn. I tabell 2 kontrolleres bare for individkjennetegn, i tillegg til fylke (modell 1 viser forskjeller etter fylke).

Tabell 2: Lineær regresjon, analyser av gjennomsnittlig fullføring etter 5 år, samt separat for studieforberedende og yrkesfaglige programmer.

	Gjennomsnittlig fullføring				Separate modeller for ulike programtyper
VARIABLER	Modell 1		Modell 2		Modell 3 - studieforb		Modell 4 – yrkesfag
Østfold	-0.051***	(0.010)	-0.005	(0.011)	0.003	(0.008)	-0.014	(0.018)
Akershus	0.050**	(0.023)	0.021	(0.015)	0.024**	(0.012)	0.015	(0.018)
Oslo	0.051***	(0.006)	0.016	(0.010)	0.008	(0.006)	0.033**	(0.016)
Hedmark	-0.016	(0.013)	0.005	(0.012)	0.012	(0.010)	-0.001	(0.019)
Oppland	-0.034**	(0.015)	-0.006	(0.017)	-0.007	(0.013)	-0.004	(0.023)
Buskerud	-0.015	(0.012)	-0.010	(0.012)	0.003	(0.008)	-0.022	(0.019)
Vestfold	-0.024**	(0.010)	0.001	(0.011)	0.007	(0.012)	-0.010	(0.017)
Telemark	-0.009	(0.007)	0.016	(0.012)	0.002	(0.013)	0.029*	(0.016)
Aust-Agder	-0.035***	(0.013)	0.004	(0.014)	-0.011	(0.011)	0.018	(0.019)
Vest-Agder	0.025***	(0.010)	0.030**	(0.013)	0.013*	(0.008)	0.047**	(0.019)
Rogaland	0.023***	(0.008)	0.021*	(0.012)	-0.003	(0.008)	0.045**	(0.018)
Hordaland	0.013*	(0.008)	-0.026**	(0.013)	-0.034***	(0.008)	-0.023	(0.018)
Sogn og Fjordane	0.058***	(0.011)	0.031**	(0.013)	0.025**	(0.010)	0.039**	(0.019)
Møre og Romsdal	0.017	(0.012)	0.006	(0.014)	0.001	(0.013)	0.012	(0.019)
Nord-Trøndelag	-0.024	(0.016)	0.004	(0.015)	0.005	(0.012)	0.003	(0.022)
Nordland	-0.079***	(0.009)	-0.069***	(0.014)	-0.044***	(0.012)	-0.090***	(0.020)
Troms	-0.080***	(0.018)	-0.068***	(0.015)	-0.057***	(0.012)	-0.077***	(0.020)
Finnmark	-0.206***	(0.016)	-0.178***	(0.014)	-0.149***	(0.019)	-0.200***	(0.019)
Grunnskolepoeng			0.266***	(0.002)	0.302***	(0.006)	0.303***	(0.004)
GSP^2			-0.048***	(0.002)	-0.090***	(0.003)	-0.015***	(0.003)
Foreldre, fullført vgo			0.046***	(0.004)	0.029***	(0.005)	0.053***	(0.005)
Foreldre, -4år høy utd.			0.065***	(0.005)	0.053***	(0.005)	0.070***	(0.007)
Foreldre, +4år høy utd.			0.071***	(0.005)	0.061***	(0.006)	0.086***	(0.013)
Innvandrer			-0.008	(0.007)	0.000	(0.006)	-0.014	(0.013)
Konstant	0.718***		0.683***	(0.011)	0.704***	(0.008)	0.673***	(0.016)
Observasjoner	111,668		111,668		59,570		52,098
R^2	0.011		0.301		0.203		0.241

*** p<0.01, ** p<0.05, * p<0.1. Robuste standardfeil på kommunenivå i parentes

Konstant: Sør-Trøndelag, gjennomsnittlige grunnskolepoeng, foreldre med grunnskole som høyeste utdanning og majoritetsbakgrunn.

 

Modell 1 i tabell 2 viser at dersom det kun kontrolleres for fylke finner vi relativt store forskjeller mellom fylkene i gjennomsnittlig fullføring. Totalt er det 13 fylker som har en gjennomføring som er signifikant forskjellig fra referansefylket vårt, Sør-Trøndelag. Når vi i modell 2 kontrollerer for individkjennetegn reduseres en del av fylkesforskjellene, og for flere fylker forsvinner forskjellene helt. Dette er også vist i figur 2.

Figur 2: Sammenligning av total gjennomføring i ulike fylker, med og uten kontroll for individkjennetegn.

 

Endringene i figur 2, der forskjellene mellom fylkene blir mindre, tyder på at en del av de fylkesmessige forskjellene kan forklares av befolkningssammensetningen i fylket. Men også etter å kontrollere for individkarakteristika så er det sju fylker som er signifikant forskjellig fra Sør-Trøndelag. Vi ser også at dersom vi ser på yrkesfaglige program og program hver for seg (modell 3 og 4 i tabell 2), så er det ikke er de samme fylkene som er gode på å få gjennom elever i de to ulike typene utdanningsprogram. Dette tyder på at det er ulike steds og fylkesspesifikke faktorer som gjelder for yrkesfag og studieforberedende fag. Dette ser vi enda tydeligere når vi inkluderer noen kommunekjennetegn vi vet kan påvirke fullføring, i tabell 3.

Tabell 3: Separate lineære regresjoner av gjennomsnittlig fullføring etter 5 år for yrkesfag og studieforberedende utdanningsprogrammer, med kontroll for fylke, individkjennetegn og kjennetegn ved kommunen.

*** p<0.01, ** p<0.05, * p<0.1. Robuste standardfeil på kommunenivå i parentes

Konstant: Sør-Trøndelag gjennomsnittlig utdanningsnivå og ledighet i kommunen, mindre sentral kommune, gjennomsnitt andel bedrifter innen industri og bygg, gjennomsnittlige grunnskolepoeng, foreldre med grunnskole som høyeste utdanning og majoritetsbakgrunn.

 

Siden det er forskjeller etter type utdanningsprogram viser tabell 3 separate modeller for studieforberedende og yrkesfaglige programmer. Når vi inkluderer kommunekjennetegn i modellen reduseres de fylkesmessige forskjellene ytterligere i studieforberedende utdanningsprogrammer, se modell 2 i tabell 3. Derimot beholdes, og dels styrkes de fylkesmessige forskjellene i de yrkesfaglige programmene, se modell 4 i tabell 3.

De ulike kommunekjennetegnene måler litt ulike aspekter ved kommunen. Fra tidligere forskning vet vi at det i hovedsak er en positiv sammenheng mellom en endring i ledighet i kommunen og gjennomføring (Reiling & Strøm, 2015). Vi finner en negativ sammenheng mellom det relative nivået på ledighet i kommunen og fullføring i yrkesfagene. Dette kommer av at vi med ledighet måler noe ved kommunen som påvirker andelen som fullfører, men det er ikke nødvendigvis ledigheten i seg selv. Det er tenkelig at i kommuner med lav arbeidsledighet finnes en generell holdning at «man bør kvalifisere seg til en jobb» og at elevene derfor ønsker å fullføre videregående opplæring for å være kvalifisert til å ta del i det lokale arbeidslivet.

Fra tidligere studier vet vi at næringsstrukturen påvirker studievalg og studietilbøyelighet (Markussen, 2010). Fra den generelle litteraturen om lokal kompetanseutvikling vet vi også at det ser ut til at spesielt større industribedrifter er viktig for utviklingen av regional kompetanse (Stiglitz & Greenwald, 2014). Analysene i tabell 2 viser også en slik liten positiv sammenheng mellom at det er relativt mange ansatte i industri i kommunen og fullføring for studieforberedende løp, og tilsvarende positiv sammenheng mellom høy andel ansatte i bygg- og anleggsnæringen og fullføring for de yrkesfaglige løpene.

En forklaring på dette kan ligge i humankapitalteorien til Becker (1975) som antar at elever gjør rasjonelle valg. Ser elevene at det er gode arbeidsmuligheter innen industri eller byggenæringen i deres nærmiljø gjør at man i større grad ønsker å ta yrkesfaglige utdanningsprogrammer. Det å ha et relativt høyt innslag av industri og bygg- og anleggsnæringer i hjemkommunen samvarierer positivt med gjennomføring for både studieforberedende og yrkesfaglige utdanningsprogrammer. En annen mulig forklaring på dette kan være at visse næringer bidrar med en mer positiv holdning til skole og utdanning, eller til skole som kvalifisering til arbeidsliv. Dette blir ytterligere nyansert når vi ser på denne effekten i de enkelte utdanningsprogram.

Vi ser også at det for de som går på studieforberedende er en signifikant positiv effekt av å vokse opp i kommuner der foreldrenes utdanningsnivå er relativt høyt, men at denne effekten er forholdsvis liten. Det er i hovedsak to teoretiske forståelser av slike typer effekter. Man kunne forvente seg en negativ sammenheng siden et høyere relativt utdanningsnivå øker konkurransen mellom elevene, relativt sett. Men man kan også forvente at positive rollemodeller i lokalmiljøet kan ha generell positiv påvirkning på forventninger om å fullføre. Det er likevel interessant at dette ikke gjelder de yrkesfaglige programmene. Men som vi snart skal se er dette heterogent – i noen yrkesfaglige program finner vi denne effekten som her bare er synlig for de studieforberedende programmene.

Vi finner ingen klar sammenheng mellom sentralitet og fullføring slik vi forventet å finne. Men som vi har vært inne på før kan effektene kanskje i hovedsak finnes i noen fag, noe vi skal se nærmere på når vi ser på enkeltprogram.

For å se nærmere på hva stedet kan bety for mulighetene til å fullføre bør vi dermed se på om kontekstvariablene gir ulike effekter innenfor ulike studieprogrammer. Vi sammenligner her de fem største yrkesfaglige programmene, Teknikk og industriell produksjon (TIP), Bygg- og anlegg (BA), Helse og sosialfag (HS) (nå helse- og oppvekstfag), Restaurant og matfag (RM) og Service og samferdsel (SS), med Studiespesialisering (ST). Tabell 3 viser dette med fokus på kontekstvariabler, det vil si våre fem variabler på kommunenivå. Alle modellene er imidlertid kontrollert for fylke og individkjennetegn.

Tabell 4: Separate regresjonsanalyser av gjennomsnittlig fullføring etter 5 år for fem yrkesfaglige programmer, samt for studiespesialisering.

*** p<0.01, ** p<0.05, * p<0.1. Robuste standardfeil på kommunenivå i parentes

 

I alle modellene kontrollerer vi for gjennomsnittlig utdanningsnivå i kommunen, gjennomsnittlig ledighet, sentralitet og andel som er ansatt i de to næringsgrenene industri og bygg- og anlegg.

Peer effekten for utdanningen som vi så i studieforberedende program finner vi igjen, ikke uventet, i Studiespesialisering, men også i Helse og sosialfag og Restaurant og matfag. Det kan tyde på at man i disse programmene har en del mekanismer som ligner mer på det vi finner i studiespesialisering. Vi finner likevel ikke denne effekten innen Service og samferdsel, men det skyldes i stor grad en større standardfeil i dette programmet. Hvis vi ser på koeffisientene er det i grunn TIP som skiller seg ut. Vi finner helt klart at det ikke er en slik peer-effekt i dette programmet. En kan dermed tenke seg at de mekanismene som vi nevnte innledningsvis, det vil si at det er positivt å ha mange med høyere utdanning rundt seg, ikke spiller en rolle for gjennomføring for dette programmet. Det er altså noe ved dette programmet som utligner denne effekten. Disse effektene er illustrert i figur 3.

Figur 3: Endring i fullføring når utdanningsnivået i kommunen øker med et standardavvik, etter type program

 

Figuren viser at det er en signifikant større sjanse for å fullføre i de tre utdannings-programmene Helse og sosialfag, Restaurant og matfag og Studiespesialisering, når utdanningsnivået øker med et standardavvik, men at denne økningen er relativt beskjeden.

Vi fant altså ingen effekt av kommunens sentralitet når vi så på yrkesfag generelt, men når vi ser på de yrkesfaglige hver for seg ser vi at effekten er tydelig i Bygg- og anlegg og Teknikk og industriell produksjon.

For yrkesfag vet vi at det å få læreplass til en viss grad er avhengig av nettverk (Høst, 2014), ved at tilgang til læreplass kan være et resultat av kjennskap til og vennskap med folk i sektoren. Med andre ord er det mulig at det i noen grad er tettere sosialt nettverk i mindre sentrale kommuner (som sannsynligvis er mer oversiktlige og der mange kjenner hverandre godt) enn i mer sentrale strøk der det kanskje er mindre av denne typen sosiale nettverk og kontakter. Uansett kan dette bare bidra til å forklare hvorfor vi finner en slik positiv sammenheng for de som går på Bygg- og anleggsteknikk og Teknikk og industriell produksjon. Denne effekten er vist i figur 4.

Figur 4: Endring i fullføring når mest sentrale kommuner sammenlignes med mindre sentrale kommuner, etter type program

 

Figur 4 viser at, i utdanningsprogrammene Bygg- og anleggsteknikk og Teknikk og industriell produksjon, minsker sannsynligheten for fullføring med fire prosentpoeng dersom ungdommen bor/kommer fra en av de mer sentrale kommunene, sammenlignet med å komme fra andre steder i landet. En mulig forklaring kan knyttes til Granovetters teori om at det nok er mer «weak ties» på mindre steder enn det er i de store byene/mer sentrale strøk, som i sin tur kan gjøre det enklere å få læreplass. Tilgang til læreplasser er dermed påvirket av læreplass-søkerens utvidede nettverk og slik passer det med en antakelse om at læreplasser ikke finnes, men skapes i et møte mellom en potensiell lærebedrift og en søker.

Oppsummering og diskusjon

I denne artikkelen viser vi at det er betydelige fylkesforskjeller i gjennomføring i videregående opplæring, både generelt og dersom man ser nærmere på gjennomføringen i studieforberedende og yrkesfaglige utdanningsprogrammer separat. Med kontroll for individkjennetegn og stedskjennetegn reduseres likevel disse forskjellene. I de studieforberedende programmene er det små fylkesmessige forskjeller. Om vi ser på de yrkesfaglige programmene ser det ut til at det er større regionale forskjeller, også etter at vi kontrollerer for en rekke ulike individ- og stedsvariabler.

Regresjonene viser videre at trekk ved individet, som foreldres utdanningsnivå og karakterer fra grunnskolen har mer å si for gjennomføring enn trekk ved kommunen eller fylket eleven bor i. Dette er i tråd med tidligere funn av for eksempel Borge et al. (2011). Samtidig er det likevel signifikante effekter av næringsstruktur og utdanningsnivå i kommunen/fylket, noe som tilsier at konteksten eleven vokser opp i, og her mener vi da geografisk kontekst snarere enn familiemessig kontekst (grad av kulturelt kapital), har noe å si for mulighetsstrukturene som elevene tar sine valg og gjennomfører sin utdanning innenfor.

Men som vi har sett er det store forskjeller mellom ulike utdanningsprogram i disse funnene. En må i stor grad ned på utdanningsprogram for å komme nærmere en forståelse. For eksempel er effekten av å ha mange foreldre med høyere utdanning helt klart tydeligst på studiespesialisering, men vi finner også den samme type effekt, om enn svakere, i yrkesfaglige program slik som helse og sosialfag eller restaurant og matfag. Derimot finner vi den ikke i bygg- og anleggsteknikk eller teknikk og industriell produksjon.

På samme måte finner vi en tydelig effekt av sentralitet i noen utdanningsprogram, men ikke andre. Innledningsvis hadde vi en tese om at sentralitet ville være viktig, koblet til en tanke om at læreplasser i stor grad er et resultat av elevens eget utvidede nettverk. Vi finner også en slik effekt, men ikke for alle utdanningsprogram. Sammenlignet med de som bor i landsdelssentra har de som går på bygg og anleggsteknikk eller teknikk og industriell produksjon på mindre sentrale steder signifikant bedre gjennomføring. Men dette gjelder kun for de tradisjonelle lærefagsprogrammene. For andre program ser det ut til å ikke spille en rolle. Dette er interessant, spesielt med tanke på at det er nettopp disse to programmene der flest med dårligere karakterer fullfører (Frøseth & Vibe, 2014).

Selv om individuelle forskjeller forklarer mer enn stedspesifikke variabler i regresjons-analysene, har vi i denne artikkelen vist at hvor du vokser opp betyr noe, spesielt for yrkesfaglige program. Dette peker mot at forskning på gjennomføring kan bli beriket av å også inkludere fag- og stedsspesifikke analyser.

Referanser

Angrist, J. D. & Lavy, V. (1999). Using Maimonides' rule to estimate the effect of class size on scholastic achievement. The Quarterly Journal of Economics, 114(2), 533-575. DOI: https://doi.org/10.1162/003355399556061

Becker, G. S. (1975). Human capital: A theoretical and empirical analysis, with special reference to education. New York: National Bureau of Economic Research.

Borge, L.-E., Falch, T. & Strøm, B. (2011). Fullføring i videregående opplæring: Kan vi forklare variasjonen mellom fylker og regioner? Samfunnsøkonomen, (5), 22-32.

Boudon, R. (1974). Education, opportunity, and social inequality: Changing prospects in western society. New York: Wiley.

Bourdieu, P. & Passeron, J.-C. (1990). Reproduction in education, society and culture. London: Sage.

Fiva, J. H., Halse, A. & Natvik, G. J. (2012). Local Government Dataset. I: www.jon.fiva.no/data.htm.

Frøseth, M. W., Hovdhaugen, E., Høst, H. & Vibe, N. (2008). Tilbudsstruktur og gjennomføring i videregående opplæring. Delrapport 1. Evaluering av Kunnskapsløftet (Rapport 40/2008). Oslo: NIFU STEP.

Frøseth, M. W., Hovdhaugen, E., Høst, H. & Vibe, N. (2010). En, to...tre? Den vanskelige overgangen – Evaluering av Kunnskapsløftet. Fra andre til tredje år i videregående opplæring (Rapport 21/2010). Oslo: NIFU STEP.

Frøseth, M. W. & Vibe, N. (2014). Fem år etter grunnskolen. Kompetanseoppnåelse i videregående opplæring og overgangen til videre utdanning og arbeid før og etter Kunnskapsløftet (NIFU-rapport 3/2014). NIFU.

Granovetter, M. S. (1973). The strength of weak ties. The American Journal of Sociology, 78(6), 1360-1380. DOI: https://doi.org/10.1086/225469

Helland, H. & Støren, L. A. (2004). Videregående opplæring – progresjon, gjennomføring og tilgang til læreplasser. Forskjeller etter studieretning, fylke og kjønn og mellom elever med minoritets- og majoritetsbakgrunn (Skriftserie 26/2004). Oslo: NIFU STEP.

Høst, H. (Red.). (2014). Kvalitet i fag- og yrkesopplæringen. Fokus på opplæringen i bedrift. Rapport 3 Forskning på kvalitet i fag- og yrkesopplæringen. Oslo: NIFU.

Høst, H., Seland, I., Skålholt, A. & Sjaastad, J. (2014). Kan organisering av lærlingformidling forklare store ulikheter i resultat? En studie av lærlingformidling i 3 fylker (NIFU-rapport 7/2014). Oslo: NIFU.

Markussen, E. (2010). Valg og gjennomføring av videregående opplæring før Kunnskapsløftet. Acta Didactica, 4(1), 1-18. DOI: https://doi.org/10.5617/adno.1057

Markussen, E. (2016). Forskjell på folk! I K. Reegård & J. Rogstad (Red.), De frafalne. Om frafall i videregående opplæring (s. 22-61). Oslo: Gyldendal Akademisk.

Markussen, E., Frøseth, M. W. & Sandberg, N. (2011). Reaching for the Unreachable: Identifying Factors Predicting Early School Leaving and Non-completion in Norwegian Upper Secondary Education. Scandinavian Journal of Educational Research, 55(3), 225-253. DOI: https://doi.org/10.1080/00313831.2011.576876

Olsen, O. J., Reegård, K., Seland, I. & Skålholt, A. (2014). På sporet av kvaliteter i lærlingenes læringsmiljø og overgang mellom skole og læretid IH. Høst (Red.), Kvalitet i fag- og yrkesopplæringen. Fokus på opplæringen i bedrift. Rapport 3 Forskning på kvalitet i fag- og yrkesopplæringen (s. 17-84). Oslo: NIFU.

Reiling, R. B. & Strøm, B. (2015). Upper secondary school completion and the business cycle. The Scandinavian Journal of Economics, 117(1), 195-219. DOI: https://doi.org/10.1111/sjoe.12088

Sacerdote, B. (2011). Peer Effects in Education: How Might They Work, How Big Are They and How Much Do We Know Thus Far? (kap 4, s. 249-277), in Hanuschek, E.A, Muchin S & Woessmann, L. (eds). Handbook of the Economics of Education, Vol 3. Amsterdam: Elsvier

SSBs standard for sentralitet (2008). Sentralitet. Hentet fra https://www.ssb.no/klass/klassifikasjoner/128/versjon/468/koder

Stiglitz, J. E. & Greenwald, B. C. (2014). Creating a Learning Society: A New Approach to Growth, Development, and Social Progress. New York: Columbia University Press.

Støren, L. A., Helland, H. & Grøgaard, J. B. (2007). Og hvem stod igjen…? Sluttrapport fra prosjektet Gjennomstrømning i videregående opplæring blant elever som startet i videregående opplæring i årene 1999–2001 (Rapport 14/2007). Oslo: NIFU STEP.

Vibe, N., Frøseth, M. W., Hovdhaugen, E. & Markussen, E. (2012). Strukturer og konjunkturer. Evaluering av Kunnskapsløftet. Sluttrapport fra prosjektet «Tilbudsstruktur, gjennomføring og kompetanseoppnåelse i videregående opplæring» (NIFU-rapport 26/2012). Oslo: NIFU.

Vogt, K. C. (2017). Vår utålmodighet med ungdom. Tidsskrift for samfunnsforskning, 58(1), 105-119. DOI: https://doi.org/10.18261/issn.1504-291X-2017-01-05 

Von Simson, K. (2014). Frafall i videregående skole og lokale arbeidsmarkedsforhold. Søkelys på arbeidslivet, 31(1-2), 42-58.