10/06/20091 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

10/06/20092 Inleiding Wage Gap onderzoeksproject –Model 2008 Methodologische noot –Decompositie –Varianten –Bootstrap Parabel Loonkloof m/v –Ethnische verschillen –Internationaal vergelijkend onderzoek –…

10/06/20093 Definitie Loonkloof: relatieve loonachterstand van vrouwen t.o.v. mannen Loonkloof = 1 – loonverhouding

10/06/20094 Welk gemiddeld loon? Rekenkundig gemiddelde Mediaan Meetkundig gemiddelde  Impact op de loonkloof ! MannenVrouwenLoonkloofLoonverhouding Rekenkundig gemiddelde %69.23% Mediaan %70.71% Meetkundig gemiddelde %70.12%

10/06/20095 m/v verdeling van de lonen Normaliseren door logaritmische transformatie

10/06/20096 Logaritmische transformatie

10/06/20097 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)

10/06/20098 Decompositie van de loonkloof Afleiding –Loonmodel voor mannen en vrouwen Mannen= ln(W m ) =Xb Vrouwen= ln(W f ) =Xb X: leeftijd, opleidingsniveau, regio, sector, arbeidsduur, functieniveau, ondernemingsgrootte –Verschil = logloonkloof ln(W m ) - ln(W f ) = X m b m – X f b f = 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: X m b m – X f b m Ongelijke returns: X f b m – X f b f

10/06/20099 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’)

10/06/ Non-discriminatie schatten 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) independent variable wage Oaxca(f) Neumark f m Cotton Reimers Oaxca(m)

10/06/ Resultaten EUU-U- U+U+ Cotton63.57%36.43%58.00%42.00% Neumark70.00%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% Reimers63.56%36.44%49.91%50.09% Componenten Betrouwbaarheids- intervallen

10/06/ 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/ 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.

10/06/200914

10/06/200915

10/06/ 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 U p nogal afwijkend –Reimers & Cotton: goede oplossing, gewogen gemiddelde meest realistisch