SALSA - en statistisk modell

Syftet med SALSA är att synliggöra faktorer som skolan inte kan påverka men som har betydelse för betygsresultatet. Här presenteras hur SALSA är framtagen och ska användas. SALSA-resultaten publiceras på skolenhetsnivå i en databas på webbplatsen.

Vad är SALSA

För att få en mer nyanserad bild av skolors betygsresultat, än enbart genom att publicera de faktiska betygsresultat som skolor uppnår, har Skolverket utvecklat SALSA (Skolverkets Arbetsverktyg för Lokala SambandsAnalyser). Analysverktyget SALSA presenterar skolors resultat av slutbetygen i årskurs 9 efter att viss hänsyn har tagits till elevsammansättningen.

I SALSA är det föräldrarnas utbildningsnivå och fördelningen pojkar/flickor samt andelen nyinvandrade elever som utgör bakgrundsfaktorerna. Nyinvandrade elever har blivit folkbokförda i Sverige under de senaste fyra åren. I den här kategorin ingår även elever som saknar uppgift om personnummer, det vill säga har okänd bakgrund. Störst betydelse för resultaten i modellen har föräldrars utbildningsnivå.

I SALSA ingår elever som avslutat årskurs 9

I SALSA redovisas skolenheter som har minst 15 elever i årskurs 9 och har bakgrundsinformation om minst 75 procent av eleverna. Att det finns bakgrundsinformation om eleverna är en förutsättning för att SALSA, som är en statistisk modell, ska kunna beräknas.

För att i möjligaste mån minska risken för missvisande jämförelser över tid samt mellan skolor gjordes en avgränsning i beräkningen av SALSA 2016. Det innebar att elever som saknar uppgift om personnummer inte ingår i SALSA 2016. Elever utan personnummer saknar bakgrundsinformation som används i beräkningen av SALSA. Våren 2016 var det avsevärt fler elever utan uppgift om personnummer på grund av att det var många elever som kom till Sverige och grundskolans årskurs 9 strax innan betygsättning.

Hur används SALSA?

Syftet med SALSA är att synliggöra faktorer som skolan inte kan påverka men som har betydelse för betygsresultatet. SALSA är i första hand avsett för förvaltningstjänstemän, rektorer, lärare och skolpolitiker.

Det är ett verktyg som kan användas för att analysera och reflektera över sina resultat, ett komplement till den information kommunen, huvudmannen och/eller skolan på lokal nivå själv tar fram.

SALSA kan tillsammans med uppgifter om förutsättningar, processer, resultat och måluppfyllelse användas som underlag för mer kvalificerade och nyanserade diskussioner om skolors resultat.

Viktigt att tänka på

Det är viktigt att framhålla att informationen i SALSA måste ses i det sammanhang som skolan befinner sig. Tillsammans med annan information som skolans elever och personal själva bäst kan beskriva och analysera.

En pedagogisk och etisk fråga är hur resultaten i SALSA kan påverka lärarnas attityder till eleverna. Det är viktigt att resultaten inte medför att lärarnas förväntningar på pojkar, nyinvandrade elever eller elever med lågutbildade föräldrar sänks och blir till en självuppfyllande profetia. SALSA bygger just på det faktum att en stor del av skillnaderna i betygsresultat mellan skolor inte kan förklaras med skillnader i dessa bakgrundsfaktorer. Det är skolans uppgift att ge alla elever samma förutsättningar att nå målen.

SALSA ska inte användas för...

…att rangordna skolor. SALSA kan inte ensamt svara på frågan om en skola är bättre än en annan. Hur god kvalitet en skola har är en alltför sammansatt fråga för att kunna fångas i ett enkelt mått, vare sig det är ett faktiskt eller modellberäknat värde

En statistisk modell

SALSA är en regressionsmodell som tar hänsyn till vissa bakgrundsfaktorer. Ett modellberäknat resultat beräknas för respektive resultatmått andel elever som uppnått kunskapskraven och genomsnittligt meritvärde, vilket ger två regressionsmodeller.

Bakgrundsfaktorer

Bakgrundsfaktorerna utgörs av föräldrarnas genomsnittliga utbildningsnivå, andel nyinvandrade elever samt andelen pojkar. Bakgrundsfaktorerna förklarar en del av variationen i skolornas resultat.

Över åren har det skett viss justering av beräkningen av SALSA som främst handlar om förändring av bakgrundsvariablerna. För att illustrera detta har olika modellnumreringar gjorts i figuren nedan och som beskrivs i texten. Inledningsvis var det uppgiften om utländsk bakgrund som ingick i SALSA till och med 2012. Den visas genom andel elever som är födda utomlands samt andel elever vars föräldrar är födda utomlands och illustreras som modell 1 för åren 1998–2012.

I SALSA 2013 och 2014 ändrades utländsk bakgrund till att vara andel nyinvandrade elever. Det illustreras som modell 2 för åren 2013 och 2014. Sedan SALSA 2015, med undantag för 2016, ingår elever med okänd bakgrund i kategorin nyinvandrade elever, vilket illustreras som modell 3. Innan 2015 var elever med okänd bakgrund medräknade i svensk bakgrund då de utgjorde en liten andel. Elever med okänd bakgrund saknar uppgift om personnummer om de till exempel inte har blivit folkbokförda i Sverige. I SALSA 2016 var elever med okänd bakgrund helt uteslutna från sammanställningen, illustrerat som modell 4. Skälet till det var att i möjligaste mån minska risken för missvisande jämförelser över tid samt mellan skolor. I SALSA ingår samtliga elever som avslutat årskurs 9 oavsett om de har uppgift om personnummer eller inte, med undantag för SALSA 2016.

Genomsnittligt meritvärde

Det finns även en förändring i resultatvariabeln meritvärdet. Från och med 2015 har det genomsnittliga meritvärdet utökats till att vara max 17 ämnen, istället för 16 ämnen som tidigare. Det har gjorts för att möta förändringen av elevers ansökan till gymnasieskolan då elever som har godkänt betyg i moderna språk som språkval kan lägga till det till övriga 16 godkända ämnen i ansökan till gymnasiet från och med våren 2014. Resultatmåttet andel elever som uppnått kunskapskraven är elever som har godkända betyg, A-E, i samtliga ämnen. Med den tidigare betygsskalan G/VG/MVG innan 2013 benämndes resultatmåttet som andel elever som nått målen.

Hur mycket påverkar bakgrundsfaktorerna?

Regressionsmodellerna ger standardiserade koefficienter som visar hur mycket respektive bakgrundsfaktor påverkar betygsresultatet, när övriga bakgrundsfaktorer hålls konstanta. Koefficienterna tillsammans skattar skolornas resultat i modellen. I figur 1 illustreras hur stor påverkan varje bakgrundsvariabel har på den beroende variabeln genomsnittligt meritvärde, i modellen och över tid.

Figur 1. SALSA och effekten av bakgrundsfaktorer på det genomsnittliga meritvärdet, för skolor åren 2000–2019. Genomsnittligt meritvärde beräknas för max 16 ämnen till och med 2014 respektive max 17 ämnen från och med 2015.

Diagram som visar SALSA och effekten av bakgrundsfaktorer på det genomsnittliga meritvärdet, för skolor åren 2000–2019. Genomsnittligt meritvärde beräknas för max 16 ämnen till och med 2014 respektive max 17 ämnen från och med 2015.

Ett av resultaten för respektive regressionsmodell visar även hur bra en specifik modell är som helhet, dvs. hur stor del av variationen i betygsresultatet som förklaras av bakgrundsfaktorerna.

Figur 2 är en uppskattning av hur bra modellerna är som helhet över tid. Det är justerade förklaringsgrader som visar hur stor del av variationen i betygsresultatet som förklaras av bakgrundsfaktorerna.

Figur 2. SALSA och den justerade förklaringsgraden i respektive modell; genomsnittligt meritvärde och andel elever som uppnått kunskapskraven i alla ämnen. För skolor åren 1998–2019. Modell 1 (1998–2012), modell 2 (2013–2014), modell 3 (2015, 2017, 2018 och 2019) samt modell 4 (2016).

Diagram som visar SALSA och den justerade förklaringsgraden i respektive modell; genomsnittligt meritvärde och andel elever som uppnått kunskapskraven i alla ämnen. För skolor åren 1998–2019. Modell 1 (1998–2012), modell 2 (2013–2014), modell 3 (2015, 2017, 2018 och 2019) samt modell 4 (2016).

De bakgrundsfaktorer som ingår i den statistiska modellen året 2019 för genomsnittligt meritvärde förklarar 61 procent av variationen i skolors resultat medan 39 procent av variationen beror på andra faktorer. SALSA baserat på betygsresultaten år 1998 hade förklaringsgraden 43 procent. Modellen för andelen som uppnått kunskapskraven förklarar 58 procent av variationen i skolors resultat år 2019. Motsvarande förklaringsgrad 1997/98 var 13 procent.

Senast uppdaterad 27 april 2020