Hoe verklaren we de loonkloof ? Een theoretische en empirische vergelijking van de

1. 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

2. Inleiding • Wage Gap onderzoeksproject • Model 2008 • Methodologische noot • Decompositie • Varianten • Bootstrap • Parabel • Loonkloof m/v • Ethnische verschillen • Internationaal vergelijkend onderzoek • …

3. Definitie • Loonkloof: relatieve loonachterstand van vrouwen t.o.v. mannen • Loonkloof = 1 – loonverhouding

4. Welk gemiddeld loon? • Rekenkundig gemiddelde • Mediaan • Meetkundig gemiddelde • Impact op de loonkloof !

5. m/v verdeling van de lonen Normaliseren door logaritmische transformatie

6. Logaritmische transformatie

7. 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)

8. 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

9. Algemeen model • Hamvraag • genderneutraliteit = situatie mannen ? • economisch verantwoord ? • Positieve en negatieve effecten van ongelijke returns E = verschil op basis van assets U+= hogere returns dan rechtvaardig voor mannen (‘bonus’) U-= lagere returns dan rechtvaardig voor vrouwen (‘malus’)

10. Non-discriminatie schatten Cotton Oaxca(m) wage Reimers Oaxca(f) m f Neumark independent variable • Wat is een rechtvaardige return? Oaxaca (m) = return bij mannen Oaxaca (f) = return bij vrouwen Reimers = gemiddelde van beide groepen Cotton = gewogen gemiddelde van beide groepen Neumark = matrix gewogen gemiddelde (KKS)

11. Resultaten Componenten Betrouwbaarheids-intervallen

12. 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

13. 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.

16. 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