Dekomponeringsmetoder inom nationalekonomin

Nationalekonomerna Nicole Fortin (University of British Columbia, UBC), Thomas Lemieux (också UBC) och Sergio Firpo (Insper, Brasilien) börjar sitt kapitel om dekomponeringsmetoder inom nationalekonomin, publicerat i en Handbook of Labor Economics, på ett rakt och effektivt sätt:

"What are the most important explanations accounting for pay differences between men and women? To what extent has wage inequality increased in the United States between 1980 and 2010 because of increasing returns to skill? Which factors are behind most of the growth in US GDP over the last 100 years? These important questions all share a common feature. They are typically answered using decomposition methods. The growth accounting approach pioneered by Solow (1957) and others is an early example of a decomposition approach aimed at quantifying the contribution of labor, capital, and unexplained factors (productivity) to US growth. But it is in labor economics, starting with the seminal papers of Oaxaca (1973) and Blinder (1973), that decomposition methods have been used the most extensively. These two papers are among the most heavily cited in labor economics, and the Oaxaca-Blinder (OB) decomposition is now a standard tool in the toolkit of applied economists."

I fallet Solows (1957) produktionsfunktion så var den: Q = F(K,L;t) där Q stod för kvantiteten output, K för input av kapital, L för input av arbete, och t för teknisk utveckling. Den ökning av Q som inte kan härröras till ökning av K eller L ansågs då kunna förklaras av en (icke observerad) förändrad i t, den så kallade Solowresidualen. Hos Oaxaca (1973) var framställningen mer teknisk, inställd på att förklara skillnaden mellan mäns och kvinnors löner på urbana arbetsmarknader och hur mycket som förblev oförklarat efter att man kontrollerar för erfarenhet, utbildning och andra relevanta variabler som facklig/ickefacklig, sektor osv. Den oförklarade residualen kunde då ses som ett mått på omfattningen av diskriminering av kvinnor. Det var alltså en regressionsbaserad dekomponering. [1] (Se också Blinder 1973.)

Fortin et al kommenterar att dekomponeringsanalyserna alltså ofta är väldigt ambitiösa: att förklara ekonomisk tillväxt, eller könsdiskriminering på arbetsmarknaden, och liknande stora frågor. Detta betyder, säger de, att man ofta använder stora antaganden för att göra analysen möjlig. Framför allt så måste man göra "allt annat lika"-antaganden och alltså göra delvisa jämviktsanalyser snarare än allmänna jämviktsanalyser: redan Gregg Lewis (1963) påpekade att när man för att estimera fackets effekt på de fackligt anslutna arbetarnas löner genom att dekomponera skillnaderna mellan de fackligt anslutna och de fackligt icke anslutna och tillskriva residualen (efter kontrollen för andra relevanta variabler) till facket, så gör man antagandet att fackets existens inte har några effekter på de icke anslutna -- vilket det säkerligen har. Kapitlet kommer framför allt använda delvis jämviktsapproachen, men diskutera allmänna jämviktsaspekter i slutet, säger Fortin et al.

Dekomponeringsanalysens andra stora begränsning, säger de, är att även om man med dekomponering kan belägga vilka faktorer som spelar roll, så kan man inte säga något om mekanismerna genom vilka de spelar roll. Vad man däremot kan göra är så klart att "provide useful indications of particular hypotheses or explanations to be explored in more detail. For example, if a decomposition indicates that differences in occupational affiliation account for a large fraction of the gender wage gap, this suggests exploring in more detail how men and women choose their fields of study and occupations." (s. 3)

De skriver historien om dekomponeringsmetodernas plats i nationalekonomin ungefär så här. Hos Oaxaca och Blinder i det tidiga 1970-talet var utfallsvariabeln som skulle dekomponeras framför allt medelvärdet av en variabel, t ex lönen för en kvinna och för en man. Med Richard Freemans papers i det tidiga 1980-talet skiftade intresset till olika delar av fördelningen. Men det var framför allt på 1990-talet som dekomponeringsmetoderna tog riktig fart, med studierna av inkomstojämlikhetens utveckling i USA. Här kom Juhn et al (1993) och DiNardo et al (1996) med nya dekomponeringsmetoder.

På 1990-talet utvecklade sig dekomponeringsmetoderna också i dialog med vad de kallar "the program evaluation literature", alltså forskningen inom offentlig ekonomi och arbetsmarknadsekonomi som arbetar med att med kausala metoder beräkna effekterna av olika policies. Med influenserna därifrån har dekomponeringslitteraturen arbetat hårdare på flera element, säger de: "to (i) clarify the assumptions underneath popular decomposition methods, (ii) propose estimators for some of the elements of the decomposition, and (iii) obtain formal results on the statistical properties of the various decomposition terms. As we explain below, the key connection with the treatment effects literature is that the “unexplained” component of a Oaxaca decomposition can be interpreted as a treatment effect. Note that, despite the interesting parallel with the program evaluation literature, we explain in the paper that we cannot generally give a “causal” interpretation to the decomposition results." (s. 4)

De förklarar grundmodellen så här:

Det stora här är alltså skillnaden mellan de två huvudposterna, den delen av variationen som förklaras av variationer i vilka värden grupp A och grupp B har på kontrollvariablerna X ("explained") och den andra delen, "unexplained", som t ex skulle kunna vara diskriminering i Oaxacas (1973) fall eller teknologiska framsteg i fallet Solow (1957).  Att dela upp ΔµO i de två komponenterna ΔµS och ΔµX kallar de för en "aggregate decomposition" och med "detailed decomposition" syftar de på att dela upp både ΔµS  och ΔµX i "the respective contributions of each covariate". 

Sedan 1990-talet, säger de, har mycket fokus varit på att inte bara dekomponera medelvärden. Man tog sig an metoder från program evaluation-litteraturen för att dekomponera också per kvantiler och liknande (Hirano et al 2003; Firpo 2007). [2]

 

Efter att ha introducerat huvuddragen i dekomponeringsmetodernas utveckling så går de över till sektion II som presenterar dekomponeringarnas teori på ett lite mer avancerat sätt; Fortin et al menar att dekomponeringarnas stringens har underskattats eftersom litteraturen varit så praktiskt inriktad och inte diskuterat antaganden och teori på något utförligt sätt, och därför blir det särskilt viktigt att göra det här. De ägnar också ungefär 25 sidor åt detta. (s. 10-36) 

 

Jag skippar den mer tekniska delen och går till del III. I praktiken är det enkelt att göra en Oaxaca-Blinder-dekomponering, säger de. Tabell 2 visar de underliggande estimaten för en O-B-dekomponering av könslönegapet i USA år 2000. "The composition effect is computed as the difference between the male and female means reported in column (1) multiplied by the male coefficients reported in column (2). The corresponding wage structure effect is computed from the difference between the male and female coefficients reported in columns (2) and (3)." Kompositionseffekten förklarar 0.197 (0.018) logpoäng av 0.233 (0.015) genomsnittligt log-lönegap mellan män och kvinnor. "When the male wage structure is used as reference, only an insignificant 0.036 (0.019) part of the gap (the wage structure effect) is left unexplained."

I samband med exemplet med löneskillnaden män-kvinnor för de också intressanta resonemang om vad för kontrafaktiska fördelningar man kan använda. Hade kvinnor haft männens lönestruktur om könsdiskrimineringen inte hade funnits? En rad studier  (Reimers, 1983; Cotton, 1998; Neumark, 1988; Oaxaca and Ransom, 1994) har föreslagit en "weighted average expression" β∗ = ΩβA + (I − Ω)βB, där Ω = I sammanfaller med β∗ = βA, och Ω = 0 sammanfallermed β∗ = βB, och där Ω = ω. Om Ω = 1 är männens fördelning och Ω = 0 är kvinnornas. Dekomponeringen är obalanserad på så sätt att om man utgår från kvinnornas lönestruktur för att bedöma männens så ger det ett resultat, och om man omvänt använder männens för att bedöma kvinnornas så ger det ett annat resultat. Om man varierar Ω kan man spela med detta förhållande. Man kan också använda en reweighting-approach där man "omskapar" t ex kvinnornas fördelning med värdena på X från männen, t ex i inverse probability weighting. Då kan man göra dekomponeringen i komposition (skillnader i X) och struktur (skillnader i avkastning på X) utan att anta att effekten är linjär (som när man bara kollar på medelvärdet). I relation till detta diskuterara de också att Barsky et al (2002) dekomponerade hur etniska skillnader i förmögenhet i USA är icke-linjärt beroende av löneskillnader med mera, och därför gick ifrån en parametrisk approach (linjär, loglinjär etc) till en icke-parametrisk approach där de mer direkt modellerar variationen i data. Så här förklarar de approachen:

En annan utveckling av dekomponeringsmodellerna är att förklara binära utfallsvariabler, t ex arbetskraftsdeltagande. (s. 51-52)

 

Nästa stora sektion handlar om dekomponeringar av andra dimensioner av fördelningen än medelvärdet. Diskussionen börjar med variansen i (loggade) löner, som Richard Freeman (1980, 1984) analyserade i sina papers på 1980-talet. Freeman visade att medan facket i USA ökar ojämlikheten mellan fackligt anslutna och icke anslutna arbetare genom att höja de fackligt anslutna arbetarnas löner, så minskar de ändå den totala ojämlikheten eftersom fackets negativa effekt på ojämlikheten bland de fackligt anslutna kvantitativt dominerar effekten på skillnaden mellan de två grupperna (de anslutna och icke anslutna). Andra forskare på 1980-talet som Cowell (1980) och Shorrocks (1980, 1984) visade att man också kunde dekomponera ojämlikhetsmått som Gini och Theil med samma tekniker. Det är ju egentligen denna typ av dekomponeringar som jag är intresserad av, så jag citerar Fortin et als diskussion om dessa mera utförligt:

"Note that the between vs. within decomposition is quite different in spirit from the aggregate or detailed OB decomposition discussed in the previous section. There are advantages and disadvantages to this alternative approach. On the positive side, looking at between- and within-group effects can help understand economic mechanisms, as in the case of unions, or the sources of inequality growth (Juhn et al., 1993).On the negative side, the most important drawback of the between vs. within decomposition is that it does not hold in the case of many other interesting inequality measures such as the interquartile ranges, the probability density function, etc. This is a major shortcoming since looking at what happens where in the distribution is important for identifying the factors behind changes or differences in distributions. Another drawback of the between vs. within approach is that it does not provide a straightforward way of looking at the specific contribution of each covariate, i.e. to perform a detailed decomposition. One final drawback is that with a rich enough set of covariates the number of possible groups becomes very large, and some parametric restrictions have to be introduced to keep the estimation problem manageable." (s. 53) 

Just dessa problem ledde till nya innovationer på 1990-talet:

"In response to these drawbacks, a new set of approaches have been proposed for performing aggregate decompositions on any distributional statistic. Some approaches such as Juhn et al. (1993), Donald et al. (2000), and Machado and Mata (2005) can be viewed as extensions of the variance decomposition approach where the whole conditional distribution (instead of just the conditional variance) are estimated using parametric approaches. Others such as DiNardo et al. (1996) completely bypass the problem of estimating conditional distributions and are, as such, closer cousins to estimators proposed in the program evaluation literature."  (s. 54)

De börjar den substantiella diskussionen i sektionen med variansdekomponeringen. Medelvärdes-dekomponeringarna antar att: E(Y |X) = Xβ. Alltså att värdet på Y ökar linjärt med värdena på X. "This follows directly from the linearity and zero conditional mean assumptions introduced in Section 2. Using the law of conditional expectations, it then follows that the unconditional mean is E(Y ) = E(E(Y |X)) = E(X)β." Man kan utvidga denna logik från medelvärdet till variansen:

 

Variansen delas i den första kedjans sista led in i två delar. $$E[\text{Var}(Y|X)]\; är$$spridning i löner givet samma egenskaper, alltså within-group-ojämlikheten. β′Var(X)β är istället spridningen i löner som beror på skillnaden i grupptillhörighet, alltså between-group-ojämlikheten. Länge ner har vi ΔV=ΔXV​+ΔSV​ där, återigen, delta V alltså är hela variansen, delta XV variansen som beror på skillnader i X, och delta SV variansen som beror på skillnaden i struktur. De diskuterar ett mycket intressant metodproblem med att beräkna vA(X) och vB(X), alltså variansen i de två grupperna A och B. De säger med referens till en tidigare studie av Lemieux (2006) att ännu tidigare studier utgick från att feltermerna i regressionerna för att skatta vA(X) och vB(X) var homoskedastiska (alltså ingen variation i feltermen relaterat till värdena på X) men att Lemieux visade att med heteroskedastiska fel så kan skillnader mellan σA^2 och σB^2 göra att dekomponeringen tillskriver strukturen (delta VS) effekter som egentligen är kompositionseffekter (delta VX). "Lemieux (2006b) has shown this was a major problem when looking at changes in residual wage inequality in the United States since the late 1980s."

Nästa subsektion handlar om att dekomponera andra ojämlikhetsmått än variansen. De resonerar mycket intressant om att många faktorer som vi teoretiserar påverkar ojämlikheten inte påverkar alla delar av fördelningen lika mycket, utan tvärtom lämpar sig för metoder som låter oss utforska heterogena effekter. De förklarar detta så här:

"An important limitation of summary measures of dispersion such as the variance, the Gini coefficient or the Theil coefficient is that they provide little information regarding what happens where in the distribution. This is an important shortcoming in the literature on changes in wage inequality where many important explanations of the observed changes have specific implications for specific points of the distribution. For instance, the minimum wage explanation suggested by DiNardo et al. (1996) should only affect the bottom end of the distribution. At the other extreme, explanations based on how top executives are compensated should only affect the top of the distribution. Other explanations based on de-unionization (Freeman, 1993; Card, 1992; DiNardo et al., 1996) and the computerization of “routine” jobs (Autor et al., 2003) tend to affect the middle (or “lower middle”) of the distribution. As a result, it is imperative to go beyond summary measures such as the variance to better understand the sources of growing wage inequality." (s. 57)

Med dessa metoder vill man kanske t ex dekomponera gapet i inkomst mellan percentil 90 och percentil 10. De diskuterar olika antaganden och metoder man kan göra för att göra detta, med början i Juhn et als approach från 1993.

Nästa sektion handlar om reweighting-metoder. (s. 63ff) Nästa därefter om metoder "based on estimating the conditional distribution". (s. 69ff)

Nästa stora sektion, sektion 5, handlar om "DETAILED DECOMPOSITIONS FOR GENERAL DISTRIBUTIONAL STATISTICS". (s. 74-87) Den sista sektionen handlar om tre extensioner. "We first consider the case where either the ignorability or the zero conditional mean assumptions are violated because of self-selection or endogeneity of the covariates.We next discuss the situation where some of these problems can be addressed when panel data are available. We conclude the section by discussing the connection between conventional decomposition methods and structural modeling."

Slutsatssektionen börjar: "The development of new decomposition methods has been a fertile area of research over the last 10-15 years." (s. 96) De avslutar med att diskutera relationen mellan dekomponeringsmetoder och strukturella modeller.

"The literature on inequality provides some useful hints on how this connection can be useful and improved upon. In this literature, decomposition methods have helped uncover the most important factors behind the large secular increase in the distribution of wages. Those include the return to education, de-unionization, and the decline in the minimum wage, to mention a few examples. These findings have spurred a large number of more conceptual studies trying to provide formal economic explanations for these important phenomena. In principle, these explanations can then be more formally confronted to the data by writing down and estimating a structural model, and using simulation methods to quantify the role of these explanations.
This suggest a two-step research strategy where “off-the-shelf ” decomposition methods, like those discussed in this chapter, can first be used to uncover the main forces underlying an economic henomenon of interest. More “structural” decomposition methods could then be used to better understand the economics behind the more standard decomposition results. We expect such a research strategy to be a fruitful area of research in the years to come." (s. 96-97) 

 

referens 

Nicole Fortin, Thomas Lemieux och Sergio Firpo (2011) "Decomposition Methods in Economics", i Orley Ashenfelter och David Card (red.) Handbook of Labor Economics, Volume 4a. Elsevier. 

fotnoter
[1] Efter att ha presenterat sina regressionsresultat säger Oaxaca: "The effects of discrimination are approximated by the residual left after subtracting the effects of differences in individual characteristics from the overall wage differential. The calculations based on the full-scale wage regressions are presented in Table 3. As a simple average of the two estimates obtained, discrimination accounts for 58.4%o of the logarithmic wage differential for whites and 55.6%o for blacks. The average value of the discrimination coefficient is .29 for whites and .25 for blacks. Table 4 presents the effects of discrimination calculated from the personal characteristics wage regressions. Predictably, the estimated effects of discrimination are larger than those reported in Table 3: Discrimination accounts for approximately 77.7%o of the wage diffferential for whites and 93.6%o for blacks." I slutsatserna till artikeln säger han att: "As in other studies we find the sex differential to be quite large. We are in agreement with other researchers that unequal pay for equal work does not account for very much of the male-female wage differential. Rather it is the concentration of women in lower paying jobs that produces such large differentials. Our results suggest that a substantial proportion of the male-female wage differential is attributable to the effects of discrimination.
The effects of discrimination are estimated as the residual left after adjusting the sex differential for differences in various characteristics. This methodological technique is found in other studies as well and may take the form of regression analysis or standardization analysis. There are some difficulties with this general approach which should be mentioned. " (s. 708) 

[2] De diskuterar det så här, där IPW står för Inverse Probability Weighting: "While most of the results in the program evaluation literature have been obtained in the case of the mean (e.g., Hirano et al., 2003), they can also be extended to the case of quantiles (Firpo, 2007) or more general distribution parameters (Firpo, 2010). The IPW estimator originally proposed in the decomposition literature by DiNardo et al. (1996) or matching methods can be used to perform the decomposition under the assumption of ignorability. More parametric approaches such as those proposed by Juhn et al. (1993), Donald et al. (2000) and Machado and Mata (2005) could also be used. These methods involve, however, a number of assumptions and/or computational difficulties that can be avoided when the sole goal of the exercise is to perform an aggregate decomposition. By contrast, IPW methods involve no parametric assumptions and are an efficient way of estimating the aggregate decomposition." (s. 7)

Lorenzkurvan som ojämlikhetsmått

 

Rolf Aaberge, statistiker och nationalekonom vid Statistisk Sentralbyrå i Oslo börjar en artikel från 2007 med att enkelt konstatera att många studier av inkomstfördelningen använder Lorenzkurvan. Lorenzkurvan kan ses som en kumulativ distributionsfördelning (CDF) och Aaberge har själv i en tidigare artikel (i Social Choice and Welfare, 2000) använt denna egenskap för att förespråka en variant där man fokuserar på de första momenten av kurvan. Med "första moment" syftar han här på kurvans första karakteristika, i enlighet med matematikens momentbegrepp. Jag citerar Wikipedia om detta:

"Moments of a function in mathematics are certain quantitative measures related to the shape of the function's graph. For example, if the function represents mass density, then the zeroth moment is the total mass, the first moment (normalized by total mass) is the center of mass, and the second moment is the moment of inertia. If the function is a probability distribution, then the first moment is the expected value, the second central moment is the variance, the third standardized moment is the skewness, and the fourth standardized moment is the kurtosis."

Men approachen har, säger Aaberge, sina brister, framför allt att den inte lägger tillräckligt mycket vikt på vad som händer i den nedre delen av fördelningen:

"However, considered as a group these measures suffer from a drawback since none of them in general are particularly sensitive to changes that concern the lower part of the income distribution. The reason why the moments of the Lorenz curve in most cases are more sensitive to changes that take place in the central and upper part rather than in the lower part of the income distribution is simply due to the fact that the Lorenz curve has a convex functional form. Thus, even though the first three LC-moments in many cases jointly provide a good description of the inequality in an income distribution it would for informational reasons as well as for the sake of interpretation be preferable to employ a few measures of inequality that also prove to supplement each other with regard to sensitivity to transfers at the lower, the central and the upper part of the income distribution. To this end Section 2 provides arguments for using a specific transformation of the Lorenz curve, the scaled conditional mean curve, rather than the Lorenz curve as basis for introducing and justifying application of a few measures for summarizing inequality in income distributions." 

Aaberge argumenterar alltså för att använda en anpassad variant av Lorenzkurvan, som han kallar "the scaled conditional mean curve". Detta mått har flera attraktiva egenskaper, säger han. För det första, en bekväm och transparent tolkning. För en viss nivå på u är M(u) ration mellan medelinkomsten för den fattigaste 100 * u andel av befolkningen och medelinkomsten överlag. Liksom Lorenzkurvan har den också en enkel, lättläst "jämlikhetskurva" -- vi ser båda i diagrammen ovan. För det andra:

"Second, the scaled conditional mean curve of a uniform (0,a) distribution proves to be the diagonal line joining the points (0,0) and (1,1) and thus represents a useful additional reference line. Thus, when a M-curve intersects the diagonal line once from above (single intersection) the corresponding distribution exhibits lower inequality than a uniform (0, a) distribution below the intersection point and higher inequality than a uniform (0, a) distribution above the intersection point. Note that incomes are uniformly distributed over (0, a) if any income in this interval occurs equally frequently."

För det tredje: de olika måtten i M-familjen är bundna av en enhetskvadrat. 

Aaberge säger utifrån diagrammen 1 och 2 ovan att vi ser att M-måtten reagerar mer på förändringar i botten av fördelningen än vad Lorenzkurvan gör. [1] Han diskuterar också hur M lever upp till det klassiska kriteriet för ett ojämlikhetsmått, the Pigou-Dalton principle of transfers, som säger att en överföring av inkomst från en fattigare till en rikare person alltid ska öka den mätta ojämlikheten. (s. 309-310) Från detta går han över till diskussionen om vad han kallar "Lorenzfamiljen av ojämlikhetsmått", alltså en uppsättning mått som kan genereras ur en Lorenzkurva. Lorenzfamiljen är starkt relaterad till en del av "the extended Gini Family" som tidigare diskuterats av Donaldson och Weymark ("A single parameter generalization of the Gini indices of inequality", J of Economic Theory, 1980) och av Yitzhaki ("On an extension of the Gini inequality index", International Economic Review, 1983).

Han diskuterar relationen mellan de olika måtten. Diskussionen är teknisk och mycket tät men han säger bland annat att: "Aaberge [2] demonstrated that the Lorenz family of inequality measures as well as the 
Bonferroni coefficient can be given explicit expressions in terms of social welfare and moreover are members of the “illfare-ranked single-series Ginis” introduced by Donaldson and Weymark [18] and discussed by Bossert." Och att de olika måttens sätt att vikta observationer från olika delar av fördelningen kan karakteriseras så här:

 

 

Tabellen presenterar alltså vilken vikt de tre måtten lägger vid förändringar i relationerna mellan inkomsterna på olika platser i fördelningen: (a) mellan 5:e percentilen och medianen, (b) mellan den 30:e percentilen och medianen, och (c) mellan den 95:e percentilen och medianen. Så i enkelt språk: tycker vi att det är viktigast med förändringar i botten av fördelningen (a) eller i toppen (c)? Alla tre mått i tabellen fäster faktiskt större vikt vid förändringar i botten än förändringar i toppen, men Bonferroni har en extrem preferens för lägre delar av fördelningen medan Ginin gör lite jämnare betoningar. [2]

Aaberge diskuterar utvecklingar av detta, och går sedan också vidare med att visa hur inkomstfördelningen i Norge 1986-1998 utvecklades enligt de tre måtten. Med C1 ökade ojämlikheten med 7,14 procent, med C2 (Gini) med 9,07 procent, och med C3 med 10,96 procent -- så vi förstår att mer hänt, relativt sett, i toppen av fördelningen eftersom ökningen av C3 blir större än den i C1. 

Nästa sektion heter "Estimation and asymptotic distribution results" och går vidare till fördelningen som en CDF. Detta är en mycket matematisk sektion (s. 316-320) som jag skippar här. I sina slutsatser säger Aaberge att:

"This paper proposes to use a specific transformation of the Lorenz curve, called the scaled conditional mean curve, rather than the Lorenz curve as basis for choosing a few summary measures of inequality for empirical applications. The scaled conditional mean curve turns out to possess several attractive properties as an alternative interpretation of the information content of the Lorenz curve and furthermore proves to provide essential information on polarization in the population. The discussion in Section 3 demonstrates that the inequality measures C1, C2 and C3 define the first three moments of the scaled conditional mean 
curve. Thus, jointly they may give a good summarization of inequality in the scaled conditional mean curve and consequently act as primary quantities for measuring inequality in distributions of income. Moreover, since C2 is the Gini coefficient and C1 and C3 prove to supplement the Gini coefficient with regard to focus on the lower and the upper part of the income distribution, it should be justified to call the group formed by these three inequality measures the Gini’s Nuclear Family. The paper also provides asymptotic distribution results for the empirical scaled conditional mean curve and the related family of empirical measures of inequality, including Gini’s Nuclear Family." (s. 320) 

 

 

referens 

Rolf Aaberge (2007) Gini’s nuclear family, Journal of Economic Inequality.

fotnot

[1] Här refererar han också återigen till Lorenzkurvans konvexa form: "In contrast to the Lorenz curve, which always is a convex function, the shape of the scaled conditional mean curve proves to be strongly related to the shape of the underlying distribution function. ..." (s. 309)

[2] Aaberge diskuterar själv tabellen så här: "As suggested by Table 1 W1 (C1) is more sensitive than W2 (C2) to changes in the 
income distribution that concern the poor, whereas W2 (C2) is more sensitive than W3 (C3) to changes that occur in the lower part of the income distribution. For example, the weights in Table 1 demonstrate that the social weight of an additional Euro to a person located at the 5% decile is 4.3 times the weight of the median income earner when C1 (W1) is used as a measure of inequality (social welfare), whereas it is only 1.3 times the weight of the median earner when C3 (W3) is used as a measure of inequality (social welfare). As is suggested by Table 1 and is easily verified from Eq. 8, C1, C2 and C3 preserve first-degree M-curve and 
Lorenz dominance and thus satisfy the Pigou–Dalton principle of transfers. However, to deal with situations where M-curves or Lorenz curves intersect a more demanding principle than the Pigou–Dalton transfer principle is required. An obvious idea is to introduce a principle that places more emphasis on a given transfer the lower it occurs in the income distribution. Kolm [33], [34] and Mehran [35] proposed two alternative versions of such a principle; the principle of diminishing transfers which requires the income difference between receivers and donors to be fixed and the principle of positional transfer sensitivity which requires a fixed difference in ranks between receivers and donors." (s. 313)

Inkomstojämlikheten i Italien på lång sikt

Ekonomisk-historikern Giacomo Gabbuti presenterade 2020 en ny långsiktig serie på den funktionella inkomstfördelningen i Italien. Huvudserien för löneandelen syns i diagrammet ovan: en nivå runt 50 procent 1895-1940 med undantag för kraftiga fluktuationer runt första världskriget (först ner, sen upp). Sedan ett trendbrott efter andra världskriget, då nivån ökade till runt 65 procent, en nivå som sedan var ganska konstant till 2015, då serien slutar. (Om än med en variation på så sätt att nivån var lite högre ca 1970-1985 och lägst ca 1990-2000.) Siffrorna från 1895 till 1950 är Gabbutis egna beräkningar; de från 1951 till 2015 är från Torrinis nationalräkenskaper.

Gabbuti säger i diskussionen av resultaten att den enorma ökningen från mitten av 1940-talet till mitten av 1950-talet nästan är större än man skulle kunna tro, men att den består med olika specifikationer. (s. 10-11) Han påpekar också att löneandelen före 1945 var påtagligt låg i Italien, lägre än i andra europeiska länder, vilket också har att göra med att lönenivåerna var låga. (s. 11) Han relaterar resultaten till tidigare forskning på ett intressant sätt:

"Starting from the pre-WWI period, labor shares are partly at odds with economic historians’ view of early Italian industrialization. Looking at indicators, such as personal income inequality, and drawing on theoretical insights such as factor prices convergence in the Atlantic economy, Toniolo (2003) stressed the “benevolent” aspects of an industrialization that had benefitted most of Italians. Amendola and Vecchi (2017) showed the absence of any Kuznets-like relationship in this period. In fact, neither wages nor labor shares followed the trend expected in a labor-abundant, emigration country such as Italy. According to Zamagni (1984), “the shift of the distribution of income in favor of profits is quite obvious” in the Giolittian period. Italian real wages in industry were on the rise, growing faster than in most other countries, but did not keep the pace of productivity, implying “an accelerated accumulation of profits”. Factor shares offer a “balanced” view, in between the optimistic reading based on personal income distribution, and the pessimistic evidence on industrial wages. Italian workers enjoyed a low, constant share of national income—despite the impressive migration flows of the period, and the increase in the strength of the trade unions." (s. 11)

Jag tänker att det låter rimligt att löneandelen kan varit särskilt låg under fascismen, med tanke på den italienska fascismens styrkemässiga ursprung i godsägarnas aktivism mot fackföreningar och strejker på 1910-talet, och fascismens betoning på nationell ekonomisk styrning och militarisering. Diskussionen om Kuznetskurvor och Toniolos (2003) optimistiska tolkning av industrialismens positiva effekter på inkomstfördelningen är så sett lite förvirrande för mig: jag tror absolut på att industrialismen minskade ojämlikheten i många kontexter (t ex den svenska), men om industrialiseringen sammanfaller i tid med en övergång till en fascistisk regim så tänker jag att det blir svårare att utläsa industrialismens effekter i sig.

I vilket fall, så övergår Gabbuti från denna makrodiskussion med fokus på det långa loppet, till en diskussion i sektion 5 av artikeln av kortsiktiga fluktuationer. För perioden före WW1 så talar löneandelarna emot Toniolos (2003) optimistiska tolkning, säger Gabbuti: löneandelen fluktuerade men runt en låg nivå. Under WW1 ökar löneandelen först men lider sedan en katastrofal minskning om 12 procentenheter, vilket inte är helt olikt helt andra ekonomier som Argentina, Danmark, Sverige, Spanien och Norge. Det är inte inflationen under kriget, säger Gabbuti, som förklarar löneandelens utveckling, för staten kontrollerade löner och priser och höll medvetet lönerna nere till vinsternas gunst. [1]

År 1919 börjar en ny period i löneandelens utveckling i Italien. 1919-20 inträffar de så kallade röda åren (biennio rosso), utmärkta av en skarp radikalisering av arbetarklassen, inte minst, säger Gabbuti, i protest just mot den skarpa sänkningen av lönerna och löneandelen under de föregående åren. Arbetarna strejkar och organiserar sig i fabriksråd och driver fram reformer som 8 timmars arbetsdag införd i februari 1919. 1921-22 uppnås den högsta nivån som löneandelen tar före 1945. Hösten 1922 tillträder dock Benito Mussolini som ny premiärminister, efter fascisternas paramilitära "marsch mot Rom", och ersätter den sittande liberala regeringen och inleder den fascistiska epoken i italiensk historia. Under 1920-talet faller löneandelarna igen (likt under Pinochets tid i Chile, säger Gabbuti med referens till Girardi och Bowles 2018), med en lågnotering om 44 procent år 1929, efter vilket löneandelen stiger inte på grund av någon positiv utveckling av lönerna, utan tvärtom på grund av att vinsterna föll oproportionerligt mycket i och med Depressionen. Under andra världskriget når löneandelen nya bottennivåer 1942-44, relaterat till den korporatistiskt och militaristiskt styrda ekonomin och arbetsmarknaden. (s. 14-15)

Den mycket kraftiga ökningen av löneandelen under 40-talets andra halva är som vi sett ovan den enskilt största händelsen i löneandelens historia i Italien sedan 1895. Så här ramar Gabbuti in diskussionen om denna utveckling:

"World War II was a catastrophe for Italy and its economy, but it marked the transition from fascism to democracy. Italy soon “returned to the pre-war levels of output”, despite the pessimistic expectations of the times. The country was rebuilt in a radically changed international environment: after years of autarky, Italy quickly dismantled controls, and returned very early to free trade (Boltho 2013). This could fit two of the main narratives on long-run increases in labor shares (Gollin 2002): at least in some key industries, Italy became able to adopt new technologies, while the increased international competition could have 
reduced the market power of capital owners. The immediate increase in real compensation would reflect an increased marginal product of labor. At the same time, the reopening of international trade promoted an increase of export sectors, characterized by higher productivity and remuneration, at the expense of sectors where labor accrued a lower share, generating a positive composition effect (Fenoaltea 2011, pp. 255–257). Due to unsatisfactory evidence, Giordano and Zollino (2017) ruled out, however, the possibility of reaching “strong conclusions” on the evolution of mark-ups in the 1940s. If anything, one of their estimates would suggest an increase in the first Republican decades.
An alternative, complementary explanation relies on institutional factors. Scholars working on the history of Italian institutions stressed that the Republican Constitution represented a fundamental break, not only with fascism, but also with the “liberal” period, especially in terms of workers’ protection. After the end of Fascism, Italian workers enjoyed new political and civil rights (Amendola et al. 2017, pp. 475–479). Indeed, the late 1940s were very intense in terms of industrial relations. As discussed by Musso (2011, 175-181), from March 1943—when major strikes occurred in Turin and Milan—big factories, whose employment share had grown during the war mobilization, became the main battlefield of the “home front”, accelerating the collapse of the fascist regime. Strikes and industrial conflict continued after the war, since summer 1945 (Musso 2011, 200–207). ..." (s. 15-16)

Det handlar alltså om två olika tolkningar: för det första en mer marknadsorienterad tolkning som bygger på den italienska ekonomins öppning mot världen i och med fascismens fall, för det andra en mer institutionell tolkning som fokuserar på demokratiseringen och fackets ökade styrka efter fascismens fall. Här pekar Gabbuti t ex på att 1949 efter 1962 och 1969 var det största strejkåret någonsin vad gäller arbetstimmar förlorade i strejker.

Diskussionen av 1950- och 60-talen börjar med en diskussion av arbetarhistorikers perspektiv på 1950-talet som svåra år för facken, efter att den tidigare enade fackföreningsrörelsen 1948 spluttrats i en socialistisk, en republikansk, en kristdemokratisk och en kommunistisk organisation. Men Torrini pekar på att löneandelen steg under perioden, eftersom arbetare flyttade från jordbruket där löneandelarna var låga till industrin där de var högre, och Gabbutis data bekräftar denna bild.

I nästa sektion diskuterar Gabbuti hur den funktionella och den personliga inkomstfördelningen samvarierat i Italien: han för samman sin löneandelsserie med Gini-koefficienter producerade av Amendola och Vecchi (2017, kap i Measuring Wellbeing: A History of Italian Living Standards) baserat på hushållsbudgetar. Den första grafen (Figur 7) som relaterar de två plottar dock inte de båda, utan extrapolerar Gini-estimaten för spridda år utifrån den årliga serien i löneandelen. Att döma av Gini-estimaten så var Ginin i alla fall runt 50 år 1901, därefter runt 45 1911, 1921 och 1931, och föll därefter till runt 40 år 1951.

I slutsatserna betonar Gabbuti att "In historical perspective, Italy emerges as a country where workers accrued a relatively small share of the national income, from the unification of the country in 1861 to World War II. Only after 1945, and very abruptly, labor shares converged to the European average." (s. 19) Han menar också att likt i Spanien, studerat av Prados de la Escosura (2008), så fångar variationerna i faktorandelarna antagligen större delen av variationen i ojämlikheten före 1945, medan ekonomin sedan dess blivit mer komplex och att skillnaderna inom löntagargruppen blivit viktigare. Mer generellt så menar han att "Compared to long-run estimates of personal income inequality, labor shares reveal the occurrence of “key distributive episodes”, in the sense of Atkinson (1997): most notably in the aftermaths of major shocks, such as the Great War, the March on Rome, and the Great Depression." Jag antar att man måste förstå denna kommentar mot bakgrunden att Amendola och Vecchis Gini-koefficienter före 1970 bara finns för vart tioende år 1901-1951 (och utan data för 1941) vilket gör att det blir svårt att analysera effekterna av specifika händelser och episoder, medan de årliga data som Gabbuti tagit fram tvärtom möjliggör sådan analys. Han säger också att: "Historically, Italian labor shares have been elastic to the evolution of capital-labor relationships, from unionization to reduction in worked hours, to the expansion of labor and social rights. Applied to medium-run analysis, labor shares reveal the impact of changes in labor market institutions and bargaining—that is, a fundamental political dimension of inequality." (s. 20) 

 

Fem år senare kom Gabbuti tillbaka med ännu en högrelevant studie av italiensk historisk inkomstfördelning. Denna gången tillsammans med María Gómez-León, och denna gång har de producerat Gini-koefficienter för varje år från 1901 till 1950, med hjälp av social tables-metoden. Deras artikel börjar så här:

"In recent years, scholars have debated the drivers of economic inequality, with key studies highlighting the “egalitarian” effects of major shocks—like wars and crises—in reducing inequality (Scheidel, 2018; Alfani, 2021). This view fits the interwar period, when advanced economies experienced a marked reduction in inequality following the two world wars and the Great Depression (Milanovic, 2016; Piketty, 2014). Yet, new evidence reveals substantial cross-country variation during this era, especially in right-wing authoritarian regimes, which often diverged from the expected egalitarian trend (Bartels 2019; Gomez-Leon and de Jong 2019). These patterns underscore the role of political context and power relations in shaping inequality (Alfani, 2021; Scheidel, 2024). Italy’s interwar experience —marked by the rise of Fascism amid major global shocks and domestic policy realignments—offers a striking case." (s. 1)

Vår studie, säger Gomez Leon och Gabbuti, bidrar med en studie av Italien som visar att ojämlikheten inte föll överlag som "the international debate" säger, utan att all minskning av ojämlikheten koncentrerades till två episoder: de två röda åren 1919-1920, och så åren efter 1945 och fascismens fall. Detta visar gentemot den krigsfixerade litteraturen att krig inte har någon ensidigt negativ effekt på ojämlikheten utan att krigens effekter beror på "the broader political and institutional context—such as how wars are financed, labor mobilization, and the balance of power between capital and labor." (s. 1-2) Studien visar också att fascismen, etablerad efter Marschen mot Rom 1922, hade regressiva effekter, först genom att gynna medelklassen och sedan genom att gynna kapitalinkomsterna. 

Litteraturöversikten börjar återigen med analysen att ojämlikheten föll i mitten av 1900-talet. de beskriver det så här: "There is a broad consensus that middle decades of the 20th century – marked by two world wars, the collapse of global trade after the Great Depression and the dissolution of empires – brought about a sustained reversal of the prior long-run rise in inequality, at least in advanced economies." Meningen slutar med en fotnot och i fotnoten refererar de överlag till Pikettys Capital (2014) och Milanovics Global Inequality (2018), samt mer specifikt till toppinkomstandelar hos Piketty, toppförmögenhetsandelar från Alvaredo, Atkinson och Morelli (2018) och Albers, Bartels och Schularick (2022) och förmögemhet-till-inkomst-ratios från Piketty och Zucman (2014). Men, säger de, fallstudier pekar på stora variationer: t ex Gomez-Leon och de Jongs (2019) studie av Storbritannien och Tyskland under mellankrigstiden, Bartels (2019) om toppinkomstandelar i Tyskland, Prados de la Escosura (2008) om inbördeskriget och Francoismen i Spanien, och Nikolic et al (2024) om Bulgarien och Tjeckoslovakien. 

Italien är ett passande case här, med dramatisk utveckling under första världskriget, två röda år 1919-1920, och därefter Mussolini-fascismen från 1922 och framåt. Så här beskriver de fascisternas fördelningspolitik:

"During its early years in power (1922–1930), the Fascist regime promoted pro-business and austerity policies, reversing many postwar reforms (Mattei, 2022). Privatizations and the dismantling of state controls from the war period boosted investor confidence and benefited large firms (Bel, 2011; Segreto, 2002). These policies were soon followed by a tightening of labor rights, suppression of independent unions and aggressive wage cuts (Zamagni, 1975; Musso, 2016), all of which restored profit margins and improved the relative position of the middle classes (Sylos Labini, 1974; Gabbuti, 2022).
A key turning point came in 1925–1926, with the Quota 90 policy, which abruptly revalued the lira (Cohen, 1972). While this harmed exporters, it was accompanied by wage deflation and a corporative labor regime that strongly favored employers (Segreto, 2002, p.83; Zamagni 1975, p.538).3 Additional legislation protected incumbent professionals, limited female labor participation—especially in the public sector—and helped preserve the social status of the self-employed and white-collar workers (De Grazia, 1992; Morris, 1996; Turi, 1994). Also during the 1930s, in response to the Great Depression, policies prioritized the industrial sector, channeling resources toward manufacturing (Gualerni, 1976) and implementing further wage reductions (Zamagni, 1975, p. 539; Mattesini and Quintieri, 2006).

In the 1930s, the invasion of Ethiopia (1935) and the subsequent international sanctions, while creating further profit occasions for Italian corporations (Turtur, 2024), led to the abandonment of the Gold Standard and the launch of autarkic policies. Rather than being 
centrally imposed, these measures were developed in close coordination with industrial elites and offered significant incentives to firms, including tax breaks and a growing domestic market (Bertilorenzi et al., 2022, p. 4; Segreto, 2002, p. 87).
During World War II, despite this support for industry, Italy lacked the necessary industrial and organizational capacity to replicate the wartime mobilization of World War I. Economic activity contracted from the early years of the conflict (Zamagni, 1998, pp. 213–214) and inflation surged dramatically. The collapse of the Fascist regime and the liberation of the country in 1945 marked a turning point, paving the way for institutional and social reforms. ..." (s. 2-3) 

Det är alltså intressant att forska om ojämlikhet i Italien under 1900-talets första halva, säger de, men existerande data ger inte hela inkomstfördelningen och ger bara ett fåtal år. Därför konstruerar de social tables.De följer Milanovic, Lindert och Williamson (2011) i att skapa en social table för den aktiva befolkningen, från folkräkningarna; överlag så representerar grupperna i deras tabeller 52 procent av hela befolkningen (tabellen saknar ju barn, pensionärer osv). De har gjort särskilda ansträngningar för att beräkna inkomsterna för egenföretagare, för män och kvinnor separat, och för att imputera kapitalinkomster som annars är bristfälligt representerade av hushållsbudgetar och skattekällor. En rad viktiga inkomstratios visas i Figur 1:

För att tolka de två diagrammen är det centralt att se på de olika y-axlarna -- från 0 till 18 i det vänstra diagrammet som representerar tre välbärgade grupper, och från 0 till 1 i det högra diagrammet som representerar fattigare grupper. I det högra ser vi t ex att lönearbetare låg runt 60-70 procent av den genomsnittliga inkomsten i landet ca 1910-1940, med vissa fluktuationer, och att åren 1940-1948 såg en enorm förbättring, från en bottennotering runt 50 procent till en toppnotering runt 90 procent. 

Baserat på sina social tables beräknar de Gini-koefficienter för 1901 till 1950. [2] Dessa visas som den röda linjen i Figur 2, som också presenterar Amendola och Vecchis (2017) Gini-koefficienter som de beräknat baserat på historical household budgets (HHB). Trots skillnader i källor och metod så är estimaten för överlappande år väldigt nära varann. Men ST-estimaten gör det också möjligt att se kortsiktiga fluktuationer. det ser ut som att ojämlikheten 1901-1950 hade en långsiktig fallande tendens i takt med industrialiseringen, men att "superimposed on this trend are several pronounced fluctuations and reversals, that coincide with major historical events and policy shifts": framför allt två ökningar ojämlikheten under WW1 och under fascismen.

 

 

 

För att kunna tolka utvecklingen mer precist så presenterar de i Figur 3 (inte återgiven här) också Gini-koefficienter uppdelat på skillnader inom löntagargruppen, och skillnader totalt, alltså med kapitalinkomster. Trenderna är väldigt lika varann men nivåerna skiljer sig rejält åt: när den totala Ginin är runt 50 i början av 1900-talet är den "bara" runt 30 inom löntagargruppen. Fascismen hade en stor ökande effekt på ojämlikheten både inom löntagargruppen och mellan löntagare och kapitalägare. [3]

För att analysera utvecklingen använder de också Growth Incidence Curves, som också jag och Diego använde i vårt Mexikopapper och som vi då lånade från Milanovic, men som Gomez Leon och Gabbuti ger cred för till Ravallion och Chen (2003). Här bryter de ner inkosmtfördelningen i inkomstgrupper på ett intressant sätt:

"The lower class (bottom 20 %) consists mainly of female wage-earners in agriculture and textile factories. The upper-lower class (P20–P50) includes female wage-earners in heavy industry and commerce, and male workers in agriculture and manufacturing. The lower-middle class (P50–P70) is composed of male wage-earners in heavy industry and commerce, and female workers in transport and services. The upper-middle class (P70–P90) includes self-employed and salaried males in industry, along with salaried professionals and public-sector workers, both male and female. Finally, the top-income group (top 10 %) consists of landowners, business owners in industry and trade, and high- salaried males employed in the liberal professions, public administration and transport."  (s. 9)

Med användning av dessa finner det att inkomstökningarna under Giolitti-perioden (-1914) var allra bäst för mitten av inkomstfördelningen, mellan percentil 40 och percentil 70, medan utvecklingen under första världskriget gynnade toppgrupperna. De två röda åren och recessionen 1921-22 drabbade tvärtemot toppgrupperna hårt, med kraftigt fallande kapitalinkomster. Under fascismens första fas 1922-1930 föll realinkomsterna för hela den nedre halvan av inkomstfördelningen medan inkomstökningen koncentrerades till den översta decilen. 1930-talet såg en ganska annorlunda bild med neutral utveckling för de lägsta två tredjedelarna, ökade inkomster runt percentilerna 80-90 och negativ för eliten. Andra världskriget-åren var en förlustaffär för alla italienare men minst för eliten.

 

 

referenser

Giacomo Gabbuti (2020) "Labor shares and inequality: insights from Italian economic history, 1895–1970", European Review of Economic History, pre-published online.

María Gómez-León och Giacomo Gabbuti (2025) "Wars, Depression, and Fascism: Income Inequality in Italy, 1901-1950", Explorations in Economic History 98: 101715.

fotnoter

[1] "According to Dogliani (2014), “during the Great War, Italy, more than other countries, experimented an authoritarian system of control, that forced civil society to military discipline without effective parliamentary control”. Wages declined until the end of the war, even if mass conscription made the economy almost “fully employed” (Galassi and Harrison 2005, p. 287), possibly because trade unions were not involved in the “Mobilization Committees” until 1917. The war effort was managed in an extremely disappointing way: inspectors were recruited “mainly from the limited population of managers, engineers, and industrialists”; procurement was managed “in arbitrary and mysterious ways” (even orally!), creating “favoritism, cronyism and corruption” (Galassi and Harrison 2005, pp. 279–286). According to Martinelli (2015), “the year 1917 was the truly critical year of the whole war for the Italian society”, and “unrest seemed to gain momentum”. The definite evidence on the real nature of the shock comes from private consumption, that collapsed even more abruptly than labor shares from 1914 to 1919 (figure 5). The slowdown in industrial production (peaking in 1917, before the military disaster of Caporetto) reflected the “physical” impossibility of expanding it further. This resounds in the letters by Italians soldiers, obsessively referring to the lack of food experienced in the trenches (ADN 2017)." (s. 13)

[2] Så här presenterar de metoden för att beräkna Ginis utifrån STs:

De sätter, förklarar de, ojämlikheten inom klasser till 0, och likaså överlappningskoefficienten L till 0. Dessa två antaganden är alltså att alla personer inom en klass/grupp har samma inkomst, och att det inte finns någon överlappning mellan klasser/grupper utan att högre rankade grupper alltid har högre inkomster än alla personer i lägre rankade grupper. I en fotnot motiverar de valet att sätta ojämlikheten inom grupper till noll: "As discussed by Modalsli (2015), this might result in the underestimation of the overall Gini, a bias we try to mitigate by including as many classes – salient groups – as possible. As argued by Milanovic (2018, p.1043), while this option is imperfect, it seems the best possible alternative to adopting arbitrary adjustments for the within-group distribution." (s. 6) Jag hade nog gärna sett en variant där man använder en parametrisk distribution inom varje grupp och visar hur stor skillnad det skulle göra för nivåerna i ojämlikhetsestimaten.

[3] Gomez-Leon och Gabbuti diskuterar det så här: " The March on Rome marked a significant turning point in Italian distributive history. In the early years of the regime (1922–1930), inequality among workers increased by 15 Gini percentage points, and overall inequality returned to prewar levels by 1925, suggesting a rapid redistribution in favor of capital. In the 1930s, overall inequality rose again, reaching a new peak. Despite a slight decline in within-labor inequality in the 1930s, income concentration continued to intensify. Fig. 3 shows that this was driven primarily by changes in owners’ incomes." (s. 8)

Social tables-metoden och 1800-talets inkomstojämlikhet

Tidigare i år publicerade något av ett all star team inom historisk ojämlikhetsforskning -- Philipp Erfurth, (Bologna), María Gómez León (Valencia), Giacomo Gabbuti (Pisa) och Branko Milanovic (CUNY) ett working paper som diskuterar hur man kan använda social tables för att mäta historisk inkomstojämlikhet. Social tables som metod har diskuterats här många gånger förr, t ex i inlägg om Variationer i inkomstojämlikhet i förmoderna samhällen (om Milanovic 2018), inkomstfördelningen i Italien 1900 till 1950 (om Gómez León och Gabbuti 2021, WP), historisk inkomstojämlikhet i Afrika, eller ekonomisk ojämlikhet i Latinamerika och Afrika 1650-1950. Men kort sagt så kan man väl säga att ST är en metod för att beräkna inkomstfördelningen (och den totala inkomsten) utifrån två parametrar: andelen av den vuxna befolkningen som befinner sig i olika, mer eller mindre brett definierade sociala grupper, och medelinkomsten för varje grupp.

Styrkan med ST-metoden, säger Erfurth et al, är för det första att den möjliggör att man beräknar inkomstfördelningen i kontexter där man inte har hushållssurveys eller skattedata (som ju används t ex av Piketty).[1] För det andra, "social tables are intuitive and 'historical' as they are based on a class structure that reflects historical realities" (s. 4). Man kan utifrån sin kunskap om den samhälleliga kontexten anpassa indelningen i grupper och så fånga socialt viktiga skillnader, och förhoppningsvis kunna begränsa heterogeniteten inom grupperna. För det tredje, att även om det finns tabulerade skattedata som låter en studera toppinkomsttagarna, så låter ST en också studera strukturomvandling och dess effekter på olika grupper, och skillnader bland arbetare, inklusive mellan män och kvinnor, vilket man inte kan göra med toppinkomstdata.

Erfurth et al fokuserar sin studie på perioden mellan 1815 och 1914, "the era of the concert of Europe that ended with WW1" (s. 4) och möjligheterna att jobba fram en gemensam analysram för denna period med hjälp av social tables. De börjar sin diskussion med en kortfattad översikt över de existerande studierna för denna period. Latinamerika är välrepresenterat, medan det bara finns en enda lång serie för ett land i Afrika, och det är Ghana. För Europa pekar de särskilt på studien av Tyskland och Storbritannien av Gómez León och de Jong (2019) och Östeuropa av Nikolic et al (2024); Erfurth et al menar att dessa bredare studier visar att t o m i relativt välstuderade länderr som Frankrike, Tyskland eller Japan vet vi inte riktigt när "Great Leveling" efter 1945 (! Jag skulle datera den till 1920 och framåt) började påverka den breda majoriteten arbetare, och litteraturen har fokuserat oproportionerligt på policies som påverkade toppinkomsttagarna (som höga marginalskatter) och mindre på "transformative changes such as the welfare state, nationalization, and the like." (s. 6)

Milanovic (2024) har nyligen använt Bourguignon-Morrisson-approachen till global ojämlikhet, som bygger på BNP per capita för olika länder i kombination med något mer eller mindre väl underbyggt antagande om fördelningen inom länderna. Utifrån detta menar M att ojämlikheten, globalt sett, ökade under 1800-talet och fram till 1950, men det är svårt att säga när vi saknar kvalitativa estimat för ojämlikheten inom många länder. Det behövs alltså av flera skäl fler social tables-studier av 1800-talet.

Sektion 3 ägnas åt en metodologisk diskussion av ST-metoden. Här börjar de med att referera artikeln av von Fintel, Links och Green (2023) som pekar särskilt på fyra problem för att göra jämförbara ST-estimat: ojämlikheten/spridningen inom grupper, överlapp mellan grupper, antal grupper, och utmaningar gällande att beräkna storleken på toppen- och botten-gruppen. von Fintel, Liks och Green efterfrågar "greater cohesion and agreement in producing comparable estimates that can give a global view of historical inequality" med hjälp av ST. Här lägger Erfurth et al till ytterligare några dimensioner av vad man bör tänka på om man ska göra sådana jämförbara studier. 

De börjar med principen om extern validering. På ett sätt är ju styrkan med social tables-approachen att man i en och samma process, baserat på samma data, beräknar både nationalinkomsten [2] och dess fördelning, grupp-för-grupp. Men man vill ju samtidigt veta att ens estimat och antaganden -- typiskt så kommer social tables ofta bygga på antaganden snarare än hårda data för grupper som de arbetslösa, småbönder och andra grupper som arbetar i den informella ekonomin eller liknande -- är rimliga och att ekvationerna så att säga går ut. I min artikel med Diego Castaneda Garza där vi gjorde social tables för Mexiko 1895, 1910, 1930 och 1940 så jämförde vi till exempel våra implicerade nationalinkomt-estimat med BNP beräknat i de historiska nationalräkenskaperna. Denna typ av förfarande kallar Erfurth et al för extern validering och de pekar då t ex på att man bör plocka ut medelinkomsten (dvs BNP/capita) och subsistensinkomsten från andra källor och jämföra. (s. 9-11) De pekar här på Gómez León och Gabbutis (2025) studie av Italien där de t ex jämför den implicerade löneandelen från deras social tables med löneandelen som beräknats från nationalräkenskaper av Gabbuti i en tidigare studie.

 

 (Del av) ett diagram från Fintel, Links och Green (2023, WP).

 

Nästa diskussionsfråga är ojämlikhet inom grupperna. ST bygger ju på att varje grupp tilldelas en medelinkomst och att ojämlikheten sedan består av ojämlikheten mellan grupperna. Därmed är alla ST-baserade estimat av ojämlikhet biased neråt: eftersom man per konstruktion missar ojämlikheten inom grupperna så blir ens Lorenzkurvor hackigare och stegvis rakare, mer homogena än vad de egentligen borde vara. Relaterat, så bör ens resulterande Gini-estimat bli allt mindre (artificiellt så) desto färre grupper man har i sin social table. Erfurth et al är dock ganska optimistiska här: de menar att forskaren hade inte valt de grupper han eller hon valt om inte de var just rätt indelning av befolkningen sett till inkomster, och pekar på att Fintel, Links och Green (2023) inte hittar någon linjär korrelation mellan antal grupper i en ST och beräknad ojämlikhet. Fintel, Links och Green hittar också att i de ST-studier som bygger på surveys så är ojämlikheten inom grupperna typiskt bara större långt ner och långt upp i fördelningen medan grupperna i mitten av fördelningen har triviala within-Ginis, runt 0.05! Detta förvånar mig måste jag säga. Av detta skäl klistrar jag också in den översta panelen i Figur 6 från Fintel, Links och Greens papper längre upp i inlägget. När jag tittar på panel c så tycker jag nog att det ser ut som en positiv relation mellan antal klasser och estimerad Gini, i alla fall i den övre delen av x-axeln, när man har säg 35 till 50 klasser. Och i den extremt låga delen av x-axeln, med säg 5-10 grupper, så tänker jag att det också är speciella samhällen som studeras -- väldigt ojämlika och fattiga samhällen med klen tillgång till källor -- vilket förvrider jämförelsen. [3] Erfurth et al verkar i vilket fall mer sangviniska än vad jag är på denna punkt: de menar dels att forskaren som gör historiska social tables ofta är intresserad av just ojämlikhet mellan grupper snarare än inom grupper, dels att om man introducerar ojämlikhet inom en eller flera grupper i ens ST, t ex genom att använda skattedata för toppgruppen, så gör man ens ST mindre jämförbar med andra kontexter. Men jag blir inte riktigt övertygad om detta. För det första så är ju ojämlikheten inom grupperna en viktig check på ens antagande att det är rimligt att dela upp större grupp X i tre mindre grupper X, Y och Z: om spridningen inom ens grupp, säg, "manliga verkstadsarbetare" är en Gini om 0.75 så har man nog missat något i konstruktionen, och gruppen borde i själva verket delas upp i två eller flera. För det andra så är ju varje införande av inom-grupp-ojämlikhet bara en variant och man kan alltid presentera båda estimaten: det utan inom-grupp-spridning, och det med. Det första estimatet är trubbigare men jämförbart, det andra mer realistiskt men mindre jämförbart. Båda har fördelar och båda bör publiceras.

En relaterad fråga är den om hur stora botten- och toppgrupper man jobbar med. Fintel, Links och Green menar att även om inte antalet grupper i stort ger någon konsekvent bias, så får man problem om man inte differentierat bottengrupperna och toppgrupperna tillräckligt. Här experimenterar Erfurth et al med existerande social tables från Tyskland år 1907, Storbritannien år 1901, Italien år 1901 och Spanien år 1900 för att åskådliggöra dessa frågor. De har homogeniserat antalet grupper i varje ST till 22 men eftersom de olika studierna har olika differentiering inom grupperna (skilled, unskilled, lärlingar, eller män/kvinnor) så varierar antalet grupper ändå mellan 60 i Italien till 78 i Tyskland och Storbritannien, och 107 i Spanien. De gör också en variant där de reducerar de 22 grupperna till 10 breda klasser. Indelningen syns i Tabell 2, och resultaten -- Gini-koefficienterna utifrån de olika antagandena -- i Tabell 3. Erfurth et al kommenterar:

"We observe that when the number of groups is reduced from the maximum level of disaggregation to 22, the loss of information remains limited: the observed Gini falls by 3-6 points, and the inequality ranking is largely preserved. Compressing the distribution into only 10 groups, however, generates substantially larger declines (up to 12 Gini points) with the magnitude of this bias varying across countries. The distortions are most pronounced in countries whose occupational structures are more polarized, that is, where large segments of the population are concentrated both in low- and high-mean-income groups." (s. 16) 

Min tolkning av tabell 3 är lite, lite annorlunda: jag tänker att den helt homogeniserade andra kolumnen med 22 klasser i varje land borde vara benchmark, för i den första, med 60-107 klasser, så har de ju olika mängder av inom-grupp-spridning, men inte på ett konsekvent sätt. Så jag ser mer kolumn ett som en variant av kolumn två, där olika mängder av inom-grupp-spridning tillförs. Men det viktiga är väl egentligen att den riktigt grovhuggna förenklingen, ner till 10 grupper, verkligen får stora effekter och förvrider jämförelserna: Erfurth et al påpekar att med 10 grupper går Spanien från näst mest ojämlikt i huvudestimaten (kolumn ett) till mest jämlikt, medan Storbritannien blir lika ojämlikt som Italien, medan Italien i grundestimaten var mest ojämlika.

En intressant del av experimentet är kolumnerna 3 och 4, som reducerar ner till 10 grupper men på olika sätt. I 10A slås de två toppgrupperna godsägare och industrialister ihop; i 10A är det de tre bottengrupperna jordbruksarbetare, tjänstefolk och arbetslösa som slås ihop. De största effekterna är med 10A, specifikt för Italien och Spanien, vilket stödjer idén att för mycket kompression är ett problem både i toppen och botten av fördelningen.

Från detta går de över till en diskussion om hur man konstruerar social tables från yrkesräkningarna. De menar att yrkes-/folkräkningarna är att föredra framför industriräkningarna här eftersom industriräkningarna tenderar att ha en mer kortsiktig konceptualisering av vad man har för yrke, vilket ger för mycket kortsiktiga fluktuationer för en ST. Däremot så menar de att industriräkningarna kan vara bra för att få fram lönestatistik för olika arbetargrupper, och att jordbruksräkningar är användbara för att bryta ner antalet bönder på gårdsstorlek etc. Här diskuterar de också specifika problem med folkräkningar som underskattar kvinnors arbete (eftersom gifta kvinnor räknas som hustrur, utan yrkestitel), klassificerar daglönare som arbetslösa, osv. (s. 20-21)

Den sista metoddiskussionen handlar om att beräkna inkomstfördelningen inte bara för ett land i taget, utan också för vissa regioner, städer etc. De menar att projektet i grund och botten handlar om att förstå interaktionen mellan ekonomi och politik, och att det därför är centralt att ha med hela landet, men att det å andra sidan också är intressant att bryta ner resultaten på regional nivå, t ex för Italien (studerat av Gabbuti och Rappa) där just regionala ojämlikheter var en väldigt viktig del av den ekonomiska ojämlikheten. 

Sektion 4 handlar om hur man kan gå till väga när man konstruerar social tables. Det gäller att identifiera, säger de, vilka grupper som var meningsfulla entiteter i samhället man studerade. "Where does one class begin and where does the previous one end? Particularly in more professionally diversified societies such as in the 19th century this question is much harder to answer." (s. 23) Och är det rimligt att använda en grupp även om man vet att spridningen inom den kunde vara mycket stor? -- De exemplifierar här med lantarbetare i Tyskland, för vilka lönen var nästan dubbelt så stor i trakten runt Bielefeld i västra Tyskland som i Schlesien i östra delarna av landet. Från dessa mer principiella resonemang går de in på att bygga en ST för Preussen år 1863 (s. 24-28), och en för Italien år 1901 (s. 28-31).

I slutsatserna presenterar Erfurth et al två mallar för hur man kan göra konsekventa social tables: en mall som utgår från europeiska källor (folkräkningar etc) år 1900, och en från Latinamerika runt 1870. 

referens

Philipp Erfurth, María Gómez León, Giacomo Gabbuti och Branko Milanovic (2026) "Historical social tables: advantages, methodology, and problems". European Historical Economics Society Working Paper No. 296, januari 2026. 

fotnoter

[1] Jfr också mitt inlägg om forskning av Jenkins, Charpentier med flera som jämför ojämlikhetsstudier med surveydata och hushållsdata. Se också inlägget om Geloso och Magness kritik av Piketty och Saez skattedatabaserade studie av USA:s 1900-tal.

[2] Den del av nationalinkomsten som distribueras bland individer och hushåll, vad som i den engelskspråkiga litteraturen brukar kallas "personal income". Den brukar motsvara 70-80 procent av BNI. Se t ex Piketty, Saez och Zucmans (2018) artikel om DINAs i USA, s. 560ff. De säger visserligen att personal income är ett begrepp specifikt för USA:s National Income and Product Accounts och inte används i det internationella System of National Accounts och att de därför vill undvika just PI-begreppet. Men jag syftar i alla fall på skillnaden mellan BNP och hushållens inkomster. 

[3] En datapunkt jag har som stödjer min intuition här kommer från Diegos och mitt papper om Mexiko 1895-1940. I appendix D jämför vi våra huvudestimat, som använder 18 sociala grupper för att representera Mexikos inkomstfördelning, med estimat som vi gör med samma data fast med 7 grupper (utifrån HISCO) eller med 4 grupper, en indelning som Arroyo Abad och Astorga använt i en tidigare studie av Mexiko. Gini-koefficienten sjunker från runt 50 i våra huvudestimat till runt 35 i de som vi gör med fyrgruppsindelningen. Vi visar också hur viktig toppgruppen är i en variant där vi använder Arroyo Abad och Astorgas 4 grupper men bryter ut de stora godsägarna, hacendados, ur toppgruppen. Bara den enkla ändringen ökar Gini-koefficienten med ungefär 5 punkter.

Slavägares förmögenheter i Sydstaterna efter inbördeskriget

Hur påverkade avskaffandet av slaveriet i USA:s Sydstater förmögenhetsfördelningen och utvecklingen för förmögenheterna över tre generationer? Detta besvarar nationalekonomerna Philipp Ager (Mannheim), Leah Boustan (Yale), och Katherine Eriksson (UC Davis) i en artikel publicerad i American Economic Review år 2021. Artikeln börjar drastiskt och effektivt:

"Wealth concentration in the hands of a small but powerful elite contributes to underdevelopment (Engerman and Sokoloff 1997, 2002). Although wealth inequality is highly persistent, it can dissipate during times of war, revolution, or catastrophe (Clark 2014; Atkinson, Piketty, and Saez 2011; Piketty 2014; Scheidel 2017). Are these sudden changes to the distribution of resources long lasting, or do the families that started out ahead before an upheaval return to the top?" 

De studerar detta i kontexten Södern i USA decennierna efter inbördeskriget. Södern var före inbördeskriget ett extremt ojämlikt samhälle: personen i den 90:e percentilen av förmögenhetsfördelningen hade en 15 gånger större förmögenhet än vad personen på medianen av fördelningen hade, medan relationen i Nordstaterna var 9 gånger. (I USA idag är ration 12 gånger, säger de med referens till Kuhn, Schularick och Steins 2017.) När slaveriet förbjöds var det ett hårt slag för de som varit slavägare före inbördeskriget, vilket var 21 procent av de vita hushållen i Södern; färre än 0.5 procent av hushållen ägde fler än 50 slavar. Mellan 1860 och 1870 minskade de vita sydstaternas förmögenheter med 60 procent på medianen och med 74 procent vid den 90.e percentilen.

Ager, Boustan och Erikssons design är att de jämför slavägande hushåll som var lika rika år 1860 men som ägde olika antal slavar. År 1870 så var de tidigare mer slavägande hushållen fattigare än de jämförbara hushållen, men sönerna var år 1900 i princip lika rika och år 1940 var sönsönernas inkomster lika stora som de jämförande sönsönerna.

Studien bygger på folkräkningarna, som 1860, 1870 och 1900 innehåller information om förmögenheter, och som 1940 innehåller motsvarande info om inkomster. (Därav den förändrade jämförelsepunkten.) 

De tolkar de rika familjernas återhämtning över två generationer som att de rika och slavägande hushållen hade starka resurser som inte bara var själva förmögenheten. Det verkar framför allt vara sociala nätverk och kontakter med andra rika familjer, inklusive familjer som före 1865 var mindre slaveriberoende och därmed inte drabbades lika hårt av slaveriets avskaffande, som gynnade att de en gång så rika familjerna kunde studsa tillbaka i den ekonomiska hierarkin.

 

referens

Philipp Ager, Leah Boustan, och Katherine Eriksson (2021) "The Intergenerational Effects of a Large Wealth Shock: White Southerners after the Civil War", American Economic Review 111.

Hur består stora förmögenheter?

Under 2000-talet har forskare inom sociologi, nationalekonomi och relaterade ämnen blivit allt mer intresserade av förmögenhetskoncentration och hur denna ökat de senste 40 åren i västvärlden. Mest emblematisk är väl forskningen av Thomas Piketty, men det finns också en stor mängd andra forskare, t ex Ed Wolff som i sin stora bok A Century of Wealth in America (2017) dokumenterat att de rikaste 10 procenten i USA äger runt 80 procent av alla privata förmögenheter, och att den rikaste procenten själva äger runt 40 procent. Mycket av forskningen om förmögenheter, säger sociologen Jens Beckert, professor och chef för Max Planck-institutet för samhällsstudier i Köln, i en översiktsartikel från 2022, fokuserar just på den statistiska dokumentationen av förmögenheters storlek och spridning, och denna forskning har Annual Review of Sociology redan publicerat flera översiktsartiklar om (t ex Keister 2014, "The one percent"). Beckerts artikel fokuserar på något mer specifikt: hur stora förmögenheter består och reproduceras på olika sätt.

Förmögenheter har en särskild roll för överföringen av social och ekonomisk status över generationerna: olikt inkomster så kan man ju lämna över förmögenheter till sina barn, som kan lämna dem till sina barn, och så vidare. Föräldrars förmögenhetsnivå är inte någon perfekt predicerande variabel för barnens framtida förmögenheter, men korrelationen är stark, både för barn och barnbarn (Braun & Stuhler 2018, Can & Boliver 2013, Hällsten & Kolk 2020, Hertel & Groh-Samberg 2014, Long & Ferrie 2018, Pfeffer & Killewald 2015). Enligt en del studier, t ex Pfeffer och Killewald (2015) och Hansen (2014), så är korrelationen särskilt stark i toppen och botten av fördelningen. För de rikaste handlar det helt enkelt om att man har stora förmögenheter att lämna över, och det handlar också om att stora förmögenheter har större avkastning än vad mindre förmögenheter har (Piketty 2014; Fagereng et al 2020; Ederer et al 2021).

En del av de mest intressanta nya studierna om förmögenheternas persistens, säger Beckert, kommer från ekonomisk-historiker. De mest kända av dessa är Greg Clarks studier som baseras på efternamn och som drar slutsatsen att den sociala rörligheten överskattas i studier av mer kortsiktiga förlopp. En liknande studie av långsiktig persistens är Barone och Mocettis (2016) om Florens och efternamn 1427 och idag, och en tredje är Bengtsson, Missiaia, Olsson och Svensson (2019) om adeln i Sverige. Andra historiska studier visar hur eliten kan klara chocker, som Ager, Boustan och Erikssons (2019) studie av slavägare i USA på 1860-talet och hur de drabbades av slaveriets avskaffande; på två generationer hade deras förmögenheter återhämtat sig, enligt Ager et al. An annan typ av studier handlar om listor över de rikaste i samhället, t ex Forbes top 400. 

Hur gör då de rika för att få förmögenheterna att bestå? Beckert börjar sin diskussion med Charles Tilly:

"Tilly (1998) introduced the concept of opportunity hoarding to explain durable inequality through social groups restricting “access to resources and opportunities to a limited circle of eligible participants” (Rury & Saatcioglu 2015, p. 1). Wealth is such a resource, and its long-term concentration in a small group of wealth owners that pass on this wealth within family lineage is an example of successful opportunity hoarding." (s. 237)

Tait (2019) har gjort en översikt över hur super-rika familjer använder olika juridiska medel för att bevara och överföra förmögenheterna: "The use of family constitutions, family trust companies, family foundations, and family offices lead to what she calls “high-wealth exceptionalism.”" Man kan t ex placera stiftelser i offshore-områden för att minimera skattebetalningarna men fortfarande behålla kontrollen över pengarna. Statsvetare, jurister och andra har forskat mycket om detta, säger Beckert.

En annan diskussion är kvantitativ, och handlar om hur stor andel av de existerande förmögenheterna som är ärvda:

"The estimates vary widely because inherited wealth can be measured very differently. Not much progress has been made in terms of forming a consensus since the so-called 80/20 debate in the 1980s (Kotlikoff 1988, Modigliani 1988). Scholars state that for the United States, about 40% of private wealth can be attributed to gifts and transfers causa mortis (Wolff & Gittleman 2011). In Germany, one estimate states that about one-third of private wealth is inherited (Bönke et al. 2015). According to Alvaredo et al. (2017), 60% of wealth in France in 2010 was inherited. No matter what the exact portion of inherited wealth is, it is clear that without the possibility of bequeathing wealth to the next generation, wealth distributions would look very different." (s. 239)

Vilken roll spelar andra faktorer än själva förmögenheterna för den sociala persistensen? Man ärver ju också symboliskt, socialt och kulturellt kapital (Bourdieu 1987); detta kan olikt förmögenheterna inte beskattas, men påverkar också det ens livsöden. Adelstitlar, examina från fina skolor (som i USA påverkas av legacy admissions så väl som ifall man har råd att betala avgifter), kontaktnätverk och att veta hur man ska föra sig. Det finns en väldigt intressant litteratur om de mer kulturella och subjektiva faktorerna, och Beckert beskriver denna så här:

"Recent interview-based sociological research investigates how top-wealth families transfer social contacts, knowledge, and norms associated with the management of great wealth (Bessière & Gollac 2020, Gilding 2005, Herlin-Giret 2019, Kuusela 2018). For instance, in a qualitative research project on Finland’s wealth elite, Kuusela (2018) investigated the socialization mechanisms through which the richest Finnish families facilitate the intergenerational transfer of wealth to their offspring. Family meetings, retreats organized for the heirs of large fortunes, and early contacts to wealth managers aim at making the younger generation accept their social position and gain knowledge in the administration of assets (Charles & Hurst 2003), thus facilitating the socialization process in which they learn to adequately fill out their role in society and with regard to the continuation of a family tradition. The socialization efforts of the family also transfer social capital, by allowing their offspring to grow into the social networks of wealth and to meet potential spouses of similar status. According to Wagner et al. (2020, p. 1809), “individuals from wealthy families are relatively unlikely to partner with individuals from families with low wealth” (see also Benton & Keister 2017, Pasteau & Zhu 2018, Pfeffer & Killewald 2015)." (s. 240-241)

En helt annan mekanism genom vilken eliternas förmögenheter fortplantas är genom att använda professionell wealth management, en praktik som studerats av sociologer som Glucksberg och Burrows (2016), Harrington (2016) med flera; Harringtons bok Capital Without Borders: Wealth Managers and the One Percent är landmärkesstudien på ämnet, säger Beckert:

"Harrington provides a detailed account of the development of this profession, the relationships between wealth managers and their superwealthy clients, and the strategies used by wealth management to protect the clients’ wealth. Wealth management facilitates opportunity hoarding by optimizing the legal forms in which property is held, including the choice of jurisdictions in which it is placed, often operating “at the edge of the law” (Harrington 2016, p. 134). The chief interest of the superwealthy is the protection of existing wealth and often also its shielding from public view, including from family members, through complex and secretive legal structures. The literature on wealth management shows how the protection of large fortunes became increasingly professionalized in recent decades, with highly paid lawyers and financial specialists at its core. Quite aptly, Pistor (2019) refers to the legal experts in this group of professionals as the “masters of the code.”" (s. 241)

Ännu en kanal är det politiska inflytande som stora pengar kan ge. På 1960-talet pågick en debatt inom statsvetenskapen mellan pluralister och elitister om vilka som egentligen i praktiken har makten i avancerade demokratier: en bred intresseuppsättning från folket i stort, eller en mindre elit. [1]

Jag skippar Beckerts diskussion om filantropi och går direkt på slutsatserna. En intressant anmärkning här är hur han historiserar den nuvarande diskussionen om eliter och hur samhällsvetenskapens perspektiv på eliternas dominans förändrats från 1960-taalet till idag:

"Much of the research on durable wealth breathes the air of alarm, with scholars fearing a change in the identity of Western democratic societies. Contemporary societies are seen as being increasingly shaped by the “weight of the past” (Savage 2021) that expresses itself in seemingly insurmountable inequalities that will shape future trajectories. This hunch of a qualitative shift in social development finds expression in the frequent recourse to a terminology generally reserved in the social sciences to describe premodern and nondemocratic societies. Mid-twentieth-century social theorists would have been surprised to see a wealth of publications in the early twenty-first century describing contemporary societies by putting front and center terms such as “plutocratic” (Freeland 2012, Hacker & Pierson 2020), “oligarchic” (Formisano 2017, Winters 2011), “patrimonial” (Piketty 2014), “entrenched” (Starr 2019), “dynastic” (Savage 2021), “neo-feudal” (Kotkin 2020, McGoey & Thiel 2018, Neckel 2019), and “caste” (Wilkerson 2020). These terms are a reaction to social developments that see the reemergence of the rentier, legal developments that are increasingly accommodating to the dynastic perpetuation of wealth, the private financing of culture and science through charitable giving, and an increasing fusion of wealth and political power. The terms being used indicate a break with the expectation held in most of mid-twentieth-century sociology of seeing social structures as increasingly inclusionary (Grusky & MacLean 2016). Instead, new forms of social closure and privilege of the few develop that are seen as paralleling aristocratic societies or the gilded age." (s. 246) 

 

Referens

Jens Beckert (2022) "Durable Wealth: Institutions, Mechanisms, and Practices of Wealth Perpetuation", Annual Review of Sociology 48: 233-255.

fotnoter

[1] En intressant diskussion här är: "Why is there so little political opposition to the institutions allowing for the durable concentration of wealth on the top? Based on surveys, Mijs (2019) shows that acceptance of inequality actually increases with social inequality, something he calls the “paradox of inequality.” His explanation for this finding is that actors in more unequal societies attribute their own economic fate more to themselves, thus lowering demand for redistribution. They believe that their own and the other actor’s social positions are meritocratically deserved. Bartels (2005, 2008) demonstrated in the early 2000s that the average voter is often ill informed about the distributional consequences of tax-policy decisions, making it easier for experts acting on behalf of the wealthy to pursue their goals. Demand for redistribution might also be lower than one would expect because there are cleavages other than economic divisions (Scheve & Stasavage 2016), because of the social status of the members of parliament (Formisano 2017, Gilens 2012), because socially homogenous networks lead to the underestimation of existing wealth inequalities (Son Hing et al. 2019), because of the way an issue is politically framed (Birney et al. 2006), because lower social strata find dignity in their established life-worlds (Lamont 2000), or because different cultural identities make durable wealth inequality appear more or less problematic in a particular country (Beckert 2008)." (s. 244)