Hoppa till innehåll

Mätfel och det oförklarade lönegapet

Det justerade- och ojusterade lönegapet

Två viktiga begrepp när man diskuterar löneskillnader mellan könen är det justerade- och ojusterade lönegapet. Det ojusterade lönegapet, eller rålönegapet, är den skillnad som finns mellan män och kvinnors genomsnittliga löner. Det justerade lönegapet, eller det oförklarade lönegapet, är den delen av det ojusterade lönegapet som finns kvar efter att man har kontrollerat för ett antal lönepåverkande variabler som exempelvis utbildning, yrke och ålder. I tabellen nedan kan du se hur det justerade (oförklarade) lönegapet har utvecklats mellan 2009 och 2019.

 

Löneskillnad kön

 

Rent praktiskt går det till så att man delar in män och kvinnor i enlighet med dessa kategorier, och sedan mäter hur stort lönegapet är när man jämför män och kvinnor som är i samma ålder, som har samma utbildning och arbetar inom samma yrke. De variabler man bör inkludera i en sådan analys är variabler som (i) påverka individen lön och (ii) skiljer sig åt i fördelningen mellan könen. Om de inte skiljer sig systematiskt åt mellan könen så kan de inte heller förklara någonting av könsskillnaden dem emellan. Om vi tar ålder som exempel, vi vet att ålder både påverkar lönen och att fler män arbetar när de blir äldre, således vet vi att ålder kommer att minska det ojusterade lönegapet. Skulle vi inte inkludera ålder hade effekten av ålder givetvis inte försvunnit utan hade i stället blivit en del av den oförklarade löneskillnaden.

Den justerade (oförklarade) löneskillnaden består alltså av alla variabler som påverkar löneskillnaden men som vi inte inkluderat i vår modell. Det betyder att om vi inte inkluderat ett explicit mått på diskriminering så kommer den vara en del av den oförklarade löneskillnaden.

Oförklarade löneskillnader är såldes kongruent med förekomsten a diskriminering men för att kunna dra slutsatsen att den oförklarade löneskillnaden faktiskt beror på diskriminering så behöver ytterligare två villkor vara uppfyllda. För det första så behöver samtliga relevanta lönepåverkande variabler vara inkluderade i analys, detta är väldigt ovanligt (se här för ett undantag). 1

För det andra måste samtliga variabler vara korrekt kvantifierade och inkluderas utan mätfel. Att korrekt kvantifiera samtliga lönepåverkande variabler är svårt, hur sätter man en siffra på exempelvis social förmåga, pålitlighet eller att någon har bra kontakter? Det andra bekymret, att inkludera alla variabler utan mätfel, är också svårt. Vissa variabler som ålder, inkomst och antal år i skolan kan ofta anges med små mätfel medans mått på saker som social förmåga, produktivitet eller motivation ofta är behäftade med stora mätfel. Effekten av att inkludera variabler med mätfel är att mätfelen blir en del av den oförklarade löneskillnaden. I nästa stycke kommer vi att titta på hur stor effekten av mätfel faktiskt kan vara.

Betydelsen av väldefinierade yrken

För att kunna göra en storskaliga lönekartläggningar av arbetsmarknaden använder sig Medlingsinstitutet och SCB av en standardiserad yrkesindelning kallad SSYK 2012 (Standard för svensk yrkesklassificering). Den indelningen består av fyra nivåer som successivt delar in arbetsmarknaden i mer och mer finfördelade yrkeskategorier. Den sista nivån, nivå fyra, består av 429 yrkeskategorier. En del av dessa yrkeskategorier är dock väldigt grova. Samma yrkeskategori omfattar yrken med vitt skilda arbetsuppgifter, kvalifikationskrav och ansvarsgrad, vilket också kan motivera olika löner.

För att få en uppfattning kring betydelsen av en mer finmaskig indelning så kan vi titta på vad som hände med lönegapet när Medlingsinstitutet gick från att använda SSYK 96, som bestod av 355 yrkeskategorier, till SSYK 2012. Skiftet skedde mellan 2013 och 2014 års lönekartläggning och resulterade i att det justerade lönegapet minskade med 0,8 procentenheter, vilket kan jämföras med den sammanlagda minskningen på 0,2 procentenheter de föregående fem åren (-0,04 procentenheter/år). Den uppmätta löneskillnaden minskade alltså med 16% (obs: ej procentenheter) efter att Medlingsinstitutet inkluderade en variabel med ett mindre mätfel.

 

Löneskillnad kön

 

Betydelsen av en mer detaljerad yrkesindelning kan även observeras om man jämför Arbetsgivarverket och Medlingsinstitutets skattningar av lönegapet hos statsanställda. Arbetsgivarverket, som är ansvarig för den statliga arbetsgivarpolitiken, genomföra regelbundet lönekartläggningar av samtliga statsanställda. Även Medlingsinstitutet gör en kartläggning av samtliga statsanställda så skillnader i det uppmätta lönegapet borde således enbart bero på skillnader i de variabler de inkluderar.

År 2015, när både Arbetsgivarverket och Medlingsinstitutet båda genomförde en lönekartläggning, kan vi notera att lönegapet bland statsanställda var 4,2 procentenheter enligt Medlingsinstitutet, men endast 0,9 procentenheter enligt Arbetsgivarverket. Det är en skillnad på 3,3 procentenheter vilket alltså är ett lönegap som är nästan 80% lägre. Orsaken till den här diskrepansen är att Arbetsgivarverket har tillgång till en individuell BESTA-klassificering vilket är en betydligt mer detaljerad yrkesindelning än SSYK 2012. Det är dock viktigt att komma ihåg att detta bara är en sektor och effekten således skulle kunna bli antingen större eller mindre i en annan sektor.

Summering

Förekomsten av genomsnittliga löneskillnader mellan könen är väl belagt. Skillnaden kvarstår i regel när man kontrollerat för exempelvis ålder, utbildning, yrke och arbetstid. Den kvarvarande skillnaden benämns som det oförklarad lönegapet och används ibland som proxy för lönediskriminering. Dock består det oförklarade lönegapet av två saker. Dels alla exkluderade variabler, inklusive diskriminering, dels alla mätfel som finns hos de inkluderade variablerna. För att illustrera betydelsen av mätfel tittade vi på hur en mer detaljerad yrkesindelning minskade det oförklarade lönegapet med 16% hos arbetsmarknaden som helhet och 80% hos statsanställda. Det betyder att  genomsnittliga löneskillnader mellan könen inte bör användas som en proxy för lönediskriminering.

Fotnot

  1. Medlingsinstitutet skriver exempelvis: “Det är inte möjligt att med hjälp av standardvägning eller regressionsanalys svara på frågan om det föreligger osakliga löneskillnader. […] Lönesättningen grundas ofta på information som saknas i statistiken, till exempel de krav som ett jobb ställer i form av meriter, kompetens, motivation och andra egenskaper som anställda eller arbetssökande har.”
Publicerat iLöneskillnader
Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x