NL09-02-10 presentatie De loonkloof analyseren aan
advertisement
WAGEGAP De loonkloof analyseren aan de hand van decompositietechnieken: methodologie 10/02/2008 Sem Vandekerckhove 1 Definitie • Loonkloof: relatieve loonachterstand van vrouwen t.o.v. mannen G Wm W f Wm 1 Wf Wm • Loonkloof = 1 – loonverhouding 10/02/2008 Sem Vandekerckhove 2 Welk gemiddeld loon? • Rekenkundig gemiddelde • Mediaan • Meetkundig gemiddelde GW n W e lnW n e AlnW Impact op de loonkloof ! Mannen Vrouwen Loonkloof Loonverhouding Rekenkundig gemiddelde 3310.57 2291.93 30.77% 69.23% Mediaan 2970.00 2100.00 29.29% 70.71% Meetkundig gemiddelde 3020.17 2117.64 29.88% 70.12% 10/02/2008 Sem Vandekerckhove 3 m/v verdeling van de lonen 7000 6000 frequency 5000 4000 Normaliseren door logaritmische transformatie 3000 2000 1000 m(W) m(W) G(W) G(W) A(W) 0 0 1000 2000 3000 A(W) 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000 wage 10/02/2008 Vrouwen Mannen Sem Vandekerckhove 4 Logaritmische transformatie 14000 14000 12000 12000 10000 10000 8000 8000 6000 6000 4000 4000 2000 2000 0 0 0 2000 4000 10/02/2008 6000 8000 10000 12000 14000 16000 5 5.5 Sem Vandekerckhove 6 6.5 7 7.5 8 8.5 9 9.5 10 5 Decompositie van de loonkloof • Eerdere modellen – Loonkloof: effect van gender op loon – Verklaring: wegverklaren effect + Goede inschatting - Geen interactie-effecten, rol samenstelling m/v-groep ? • Decompositie – Effect van ongelijke assets (bv. opleidingsniveau, functieniveau, leeftijd) – Effect van ongelijke returns/beloning (b’s) 10/02/2008 Sem Vandekerckhove 6 Decompositie van de loonkloof • Afleiding – Loonmodel voor mannen en vrouwen • Mannen = ln(Wm) =Xb • Vrouwen = ln(Wf) =Xb • X: leeftijd, opleidingsniveau, regio, sector, arbeidsduur, functieniveau, ondernemingsgrootte – Verschil = logloonkloof • ln(Wm) - ln(Wf) = Xmbm – Xfbf = 0.36 • Verschil van logs is de (omgekeerde) loonverhouding • ln(W) = ln(1/GR) o.b.v. G(W) – Decompositie • Netto resultaat ln(W) • Ongelijke assets: Xmbm – Xfbm • Ongelijke returns: Xfbm – Xfbf 10/02/2008 Sem Vandekerckhove 7 Algemeen model • Hamvraag – genderneutraliteit = situatie mannen ? – economisch verantwoord ? • Positieve en negatieve ‘discriminatie’ Aln Wm Aln W f X m X f ˆ* X m ˆm ˆ* X f ˆ* ˆ f E U U E = verschil op basis van assets U+ = hogere returns dan rechtvaardig voor mannen U- = lagere returns dan rechtvaardig voor vrouwen 10/02/2008 Sem Vandekerckhove 8 Non-discriminatie schatten • Wat is een rechtvaardige return? Oaxaca (m) = Oaxaca (f) = Reimers = Cotton = Neumark = return bij mannen return bij vrouwen gemiddelde van beide groepen gewogen gemiddelde van beide groepen matrix gewogen gemiddelde (KKS) wage Cotton Oaxca(m) Reimers Oaxca(f) m f Neumark independent variable 10/02/2008 Sem Vandekerckhove 9 Bootstrapping • Geen directe manier om C.I. te berekenen rond de componenten • Oplossing: bootstrapping – 100 loops • Wegen cases volgens binomiale kansverdeling • Regressies (m/v/t) & gemiddeldes (m/v) • Berekenen componenten per run – Mean subsamples = mean total sample – Standaardafwijking subsamples = standaardfout total sample 10/02/2008 Sem Vandekerckhove 10 Resultaten E Componenten Betrouwbaarheidsintervallen U- U U+ Cotton 63.57% 36.43% 58.00% 42.00% Neumark 70.00% 30.00% 58.80% 41.20% Oaxaca(f) 63.49% 36.51% 0.00% 100.00% Oaxaca(m) 63.63% 36.37% 100.00% 0.00% Reimers 63.56% 36.44% 49.91% 50.09% Differences in assets Reimers Oaxaca(m) Oaxaca(f)) Neumark Cotton 0,150 0,170 0,190 0,210 0,230 0,250 0,270 Differences in returns Reimers Oaxaca(m) Oaxaca(f)) Neumark Cotton 0,060 10/02/2008 0,070 0,080 0,090 Sem Vandekerckhove 0,100 0,110 0,120 0,130 0,140 0,150 11 Decompositie Het verschil in leeftijd tussen mannen en vrouwen heeft een effect ter grootte van 12% van de netto logloonkloof Dit is een statisch cijfer, een ‘snapshot’ van de situatie zoals we ze observeren De lagere return van een stijging in functieniveau voor vrouwen in vergelijking met Cottons genderneutrale return, heeft een effect van 20% van de logloonkloof. 10/02/2008 Sem Vandekerckhove 12 Conclusie • Meerwaarde decompositie: interactie-effect, onderscheid positieve en negatieve ‘discriminerende’ effecten • Caveat: is een afgeleide van regressievergelijkingen, en dus verschillend qua interpretatie: componenten tonen hoe de kloof samengesteld is, niet in welke mate die verdeling zou kunnen wijzigen • Bootstrapping: tijdrovend, maar handig voor samengestelde variabelen • Methodes – Oaxaca: slechts één soort returns – Neumark: pooled sample bevat niet te negeren interactie-effecten, inschatting Up nogal afwijkend – Reimers & Cotton: goede oplossing, gewogen gemiddelde meest realistisch 10/02/2008 Sem Vandekerckhove 13
