Hoe verklaren we de loonkloof ? Een theoretische en empirische vergelijking van de uitbreidingen op de Oaxaca-Blinder decompositieanalyse Sem Vandekerckhove Hoger Instituut voor de Arbeid 10/06/2009 1 Inleiding • Wage Gap onderzoeksproject – Model 2008 • Methodologische noot – Decompositie – Varianten – Bootstrap • Parabel • Loonkloof m/v – Ethnische verschillen – Internationaal vergelijkend onderzoek – … 10/06/2009 2 Definitie • Loonkloof: relatieve loonachterstand van vrouwen t.o.v. mannen G Wm W f Wm 1 Wf Wm • Loonkloof = 1 – loonverhouding 10/06/2009 3 Welk gemiddeld loon? • Rekenkundig gemiddelde • Mediaan • Meetkundig gemiddelde G W n W e ln W 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% 10/06/2009 4 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 10/06/2009 Vrouwen Mannen 5 Logaritmische transformatie 14000 14000 12000 12000 10000 10000 8000 8000 6000 6000 4000 4000 2000 2000 0 0 0 2000 4000 10/06/2009 6000 8000 10000 12000 14000 16000 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 6 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) 10/06/2009 7 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 10/06/2009 8 Algemeen model • Hamvraag – genderneutraliteit = situatie mannen ? – economisch verantwoord ? • Positieve en negatieve effecten van ongelijke returns AlnWm AlnW 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 (‘bonus’) U- = lagere returns dan rechtvaardig voor vrouwen (‘malus’) 10/06/2009 9 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 10/06/2009 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 10/06/2009 0,070 0,080 0,090 0,100 0,110 0,120 0,130 0,140 0,150 11 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 10/06/2009 12 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. 10/06/2009 13 Assets 18% Malus 36% Bonus 45% 80% 31.28 EUR 15.78 EUR 25.70 EUR 22.07 EUR 60% 55.19 EUR 51.03 EUR 100.90 EUR 90.35 EUR 77.33 EUR 40% 3.53 EUR Organisatiekenmerken Human Capital Gezinskenmerken 20% Functiekenmerken 111.16 EUR Constante Arbeidsvoorwaarden 53.54 EUR 45.51 EUR 0% -61.07 EUR -101.19 EUR -112.37 EUR -20% 10/06/2009 -6.87 EUR -40% 14 Assets 18% Malus 36% Bonus 45% 80% 60% Organisatiekenmerken Organisatiekenmerken Human Capital Human Capital Gezinskenmerken Gezinskenmerken 40% Organisatiekenmerken Gezinskenmerken Functiekenmerken Functiekenmerken 20% Functiekenmerken Constante Constante 0% Arbeidsvoorw aarden Arbeidsvoorw aarden Arbeidsvoorw aarden -20% Human Capital 10/06/2009 -40% 15 Conclusie • Meerwaarde decompositie: interactie-effect, onderscheid(t) 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 10/06/2009 16
© Copyright 2024 ExpyDoc
