L u ka p ł a c o wa wg płci jako d e te r m i n a n ta l u k i e m e r y ta l n e j I g a M a g d a I n s t y t u t B a d a ń S t r u k t u r a l n y c h S z k o ł a G ł ó w n a H a n d l o w a
Pytania badawcze Jak duża jest luka płacowa w Polsce? Jak wygląda na tle innych krajów UE? Perspektywa emerytalna która z miar luki płacowej ma znaczenie? Czy luka zmniejsza się? Czy jest niższa wśród osób wchodzących na rynek pracy teraz, w porównaniu do lat 2000.? Wyjaśnienia co wiemy, czego nie wiemy?
Różnice w średnich płacach (godz.), 2014 (PL -7,5%) 30,0 GPG in raw hourly earnings, 2014 25,0 20,0 15,0 10,0 5,0 0,0
-.4 -.3 -.2 -.1 0 Skorygowane GPG dużo wyższe w PL, 20-59 (2014) de it pl se mean of raw_gpg mean of adjusted_gpg
-.4 -.3 -.2 -.1 0 Luka płacowa w miesięcznych płacach jest wyższa monthly hourly monthly hourly monthly hourly monthly hourly de it pl se mean of raw_gpg mean of adjusted_gpg
Skorygowana luka płacowa (firmy 100+) a sektor Ñopo decomposition of the gender wage gap Level Raw Difference (Δ) Unexplained (adjusted pay gap; ΔO) Explained (ΔX) Panel A: GWG individual level Overall -0.2554-0.2753 0.0199 Private -0.2805-0.2694-0.0109 Public -0.2589-0.2147-0.0443 Notes: Individuals are matched based on: Age (5 groups), education (5 groups), occupations (5 groups)
Działania na rzecz równych płac porażka? 20-29 30-39 2002 2006 2010 2014 2002 2006 2010 2014 40-49 50-59 2002 2006 2010 2014 2002 2006 2010 2014 -.25 -.2 -.15 -.1 -.05 0 -.25 -.2 -.15 -.1 -.05 0 Graphs by agegroup PL
Co tłumaczy lukę? starsze wyjaśnienia- różnice w kapitale ludzkim (Blau i Kahn 2016) pytania o różnice w produktywności (faktycznej czy percepcji) nadal aktualne,
Co tłumaczy lukę? starsze wyjaśnienia- różnice w kapitale ludzkim (Blau i Kahn 2016) pytania o różnice w produktywności (faktycznej czy percepcji) nadal aktualne, preferencje? dyskryminacja? Jej źródła?
Co tłumaczy lukę? starsze wyjaśnienia- różnice w kapitale ludzkim (Blau i Kahn 2016) pytania o różnice w produktywności (faktycznej czy percepcji) nadal aktualne, preferencje? dyskryminacja? Jej źródła? rola kobiet w opiece nad dziećmi i nierówne obciążenie obowiązkami domowymi (ograniczona podaż pracy, preferencje) szczególnie istotne dla kształtowania luk w zatrudnieniu i wynagradzaniu wysokokwalifikowanych pracowników, ze względu pw. na wymagania dostępności czasowej (Goldin 2014) - > wiele dowodów na lukę płacową związaną z posiadaniem dzieci (Cukrowska & Lovasz 2016), szczególnie wśród kobiet o wysokich kwalifikacjach (Kleven et al. 2015)
Obowiązki rodzinne Decyzje/ wybory zawodowe; Ograniczona podaż pracy-> staż pracy Percepcja kobiet na rynku pracy przez pracodawców; standardy awansów, struktura wynagrodzeń normy kulturowe - > decyzje kobiet; rola instytucji w kształtowaniu norm i preferencji
Przerwy w zatrudnieniu kobiet 1 0,8 0,6 0,4 0,2 0 GERMANY: 53.3% full time part time 20 25 30 35 40 45 50 55 60 ITALY: 48.9% 1 0,8 0,6 0,4 0,2 0 SWEDEN: 37.0% full time part time 20 25 30 35 40 45 50 55 60 POLAND: 24.4% Women in Germany and Sweden work part-time as a measure to reconcile work and family lives; Women in Poland and Italy tend to withdraw from economic activity full time part time full time part time 1 1 0,8 0,8 0,6 0,6 0,4 0,4 0,2 0,2 0 20 25 30 35 40 45 50 55 60 0 20 25 30 35 40 45 50 55 60
Percent 0 2 4 6 8 Percent 0 2 4 6 8 Firmy i ich rola Distribution of firm-specific adjusted wage gap by sector private public -1 -.5 0.5 D0-1 -.5 0.5 D0 Smaller GWG in the public sector is partially due to the fact that public units are more likely to reveal positive wage gaps, meaning that women are earning more than similar men.
Sygnał zmian? OLS regressions, private sector CZ HU PL SK Female -0.174*** -0.139*** -0.169*** -0.176*** Female * age0-3 0.191*** 0.134*** 0.054** 0.100*** Female * age 3-10 0.085*** 0.062*** 0.071*** 0.067*** Female *age 20+ -0.062*** -0.071*** -0.041*** -0.059* Controls: personal (age, education, tenure), job characteristics (occupation, PT, ) firm characteristics (size, NACE), firm's age
ARE CEE COUNTRIES ANY DIFFERENT FROM WESTERN EU? OLS regressions, private sector Spain Italy Portugal Sweden Female -0.124*** -0.113*** -0.156*** -0.091*** Female * age0-3 0.050*** 0.053** 0.089*** -0.003 Female * age 3-10 0.020* 0.025* 0.024-0.000 Female *age 20+ -0.031*** -0.016-0.029-0.014 Controls: personal (age, education, tenure), job characteristics (occupation, PT, ) firm characteristics (size, NACE), firm's age
Dziękuję za uwagę iga.magda@ibs.org.pl Projekt finansowany ze środków Narodowego Centrum Nauki w ramach projektu Sonata-Bis (2013/10 / E / HS4 / 00445)