10/02/2008Sem Vandekerckhove1 WAGEGAP De loonkloof analyseren aan de hand van decompositietechnieken: methodologie

10/02/2008Sem Vandekerckhove2 Definitie Loonkloof: relatieve loonachterstand van vrouwen t.o.v. mannen Loonkloof = 1 – loonverhouding

10/02/2008Sem Vandekerckhove3 Welk gemiddeld loon? Rekenkundig gemiddelde Mediaan Meetkundig gemiddelde  Impact op de loonkloof ! MannenVrouwenLoonkloofLoonverhouding Rekenkundig gemiddelde %69.23% Mediaan %70.71% Meetkundig gemiddelde %70.12%

10/02/2008Sem Vandekerckhove4 m/v verdeling van de lonen Normaliseren door logaritmische transformatie

10/02/2008Sem Vandekerckhove5 Logaritmische transformatie

10/02/2008Sem Vandekerckhove6 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)

10/02/2008Sem Vandekerckhove7 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

10/02/2008Sem Vandekerckhove8 Algemeen model Hamvraag –genderneutraliteit = situatie mannen ? –economisch verantwoord ? Positieve en negatieve ‘discriminatie’ E= verschil op basis van assets U + = hogere returns dan rechtvaardig voor mannen U - = lagere returns dan rechtvaardig voor vrouwen

10/02/2008Sem Vandekerckhove9 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)

10/02/2008Sem Vandekerckhove10 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

10/02/2008Sem Vandekerckhove11 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

10/02/2008Sem Vandekerckhove12 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.

10/02/2008Sem Vandekerckhove13 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 U p nogal afwijkend –Reimers & Cotton: goede oplossing, gewogen gemiddelde meest realistisch