Wydział Nauk Ekonomicznych Uniwersytet Warszawski 4 marca 2013
Skąd biorą się różnice w zarobkach mężczyzn i kobiet? Luka płacowa Włochy 2005 15,7% Picchio, Mussida, 2010 Włochy 2008 24,16% Nõpo, Daza, Ramos, 2011 Czechy 1998 30% Jurajda, 2001 Czechy 2008 35,19% Nõpo, Daza, Ramos, 2011
Motywacja Weichselbaumer i Winter-Ebmer (2007) meta-analiza 263 badań zawierających oszacowania różnic w płacach kobiet i mężczyzn w 62 krajach nieporównywalność oszacowań Nõpo, Daza i Ramos (2011) próba oszacowania spójną metodą luki płacowej dla 63 krajów świata duże zróżnicowanie stopnia dyskryminacji nieznane przyczyny
Motywacja Do Markets Favor Women s Human Capital More Than Planners? (Munich, Svejnar, Terrell, 2004) Zmniejszenie luki płacowej między kobietami i mężczyznami w Czachach (z 33% w roku 1989 do 25% w roku 2002) W systemie rynkowym kobiety doświadczają większych zwrotów z edukacji, niż w systemie centralnie planowanym Podobne zmiany dla kobiet i mężczyzn w tym kontekście Zwiększone zwroty z edukacji dla kobiet nie są źródłem zmiany luki płacowej
Plan prezentacji Motywacja 1 Motywacja 2 3 Teoria dyskryminacji Metodologia 4 Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji 5
Motywacja 1 Spójny pomiar dyskryminacji kobiet dla wielu krajów na przestrzeni czasu 2 Analiza zróżnicowania poziomu dyskryminacji pomiędzy krajami oraz jego zmiany w czasie 3 Opracowanie wskazówek w zakresie działań antydyskryminacyjnych zależnie od formy i źródeł dyskryminacji
Jak mierzyć dyskryminację? Teoria dyskryminacji Metodologia
Teoria dyskryminacji Metodologia Teoria preferencji Beckera Pracodawcy, kierując się niechęcią (lub preferencją) wobec niektórych grup demograficznych, społecznych, etnicznych lub religijnych, mogą zawyżać lub obniżać płace tym grupom, niewspółmiernie do ich produktywności
Ocena różnicy w płacach Teoria dyskryminacji Metodologia Podstawowa - surowa luka płacowa, czyli różnica w średnich wynagrodzeniach (zazwyczaj godzinowych) kobiet i mężczyzn W badaniach empirycznych - część różnicy w wynagrodzeniach, której nie można w sposób systematyczny przypisać różnicy w indywidualnych charakterystykach pracownika
Metodologia Motywacja Teoria dyskryminacji Metodologia Metody dekompozycji 1 Parametryczne 2 Nieparametryczne Parametryczna dekompozycja Oaxaca-Blinder dwa czynniki: pierwszy związany ze średnimi różnicami w charakterystykach kobiet i mężczyzn, oraz drugi związany z różnicą w schemacie wynagradzania obu grup za posiadane cechy istotne na rynku pracy
Teoria dyskryminacji Metodologia Próby ulepszenia dekompozycji Oaxaca-Blinder Założenie o utrzymaniu męskiego równania płacy w wypadku braku dyskryminacji Inne możliwe struktury płacy (Naumark, 1988; Oaxaca i Ransom, 1994;) Wymagana ciągła zmienna wynikowa Rozwiązanie dla zmiennej zero-jedynkowej (Fairle, 2003), generalizacja dla dyskretnej lub ograniczonej zmiennej zależnej (Bauer and Sinning, 2008) Brak informacji o rozkładzie zróżnicowania w płacach Rozszerzenie metody na parametry rozkładu wykraczające poza średnią (Juhn, Murphy, and Pierce, 1991; Machado, and Mata, 2005; DiNardo, Fortin, and Lemieux, 1996; Firpo, Fortin, Lemieux, 2007)
Teoria dyskryminacji Metodologia Próby ulepszenia dekompozycji Oaxaca-Blinder Wymagane założenie, iż dana struktura płacy będzie uzasadniona również poza nośnikiem rozkładu charakterystyk W grupie mężczyzn są przedstawiciele takiego zestawu charakterystyk, którego nie można znaleźć u kobiet, a także vice-versa (Rubin, 1977) Nõpo (2008) dostosował narzędzie służące ewaluacji skuteczności działania (np. szkolenia), metodę dopasowań (ang. matching), by skonstruować nieparametryczny odpowiednik dekompozycji Oaxaca-Blinder i rozwiązać problem różnic w nośnikach rozkładu charakterystyk między kobietami i mężczyznami
Metodologia Motywacja Teoria dyskryminacji Metodologia Dekompozycja Oaxaca-Blinder ȳ M ȳ F = ˆβ M ( x M x F ) + (β M β F ) x F Dekompozycja Nõpo δ = δ M + δ X + δ 0 + δ F δ M - element związany z różnicą między dopasowanymi i niedopasowanymi mężczyznami δ X - element związany z różnicami w charakterystykach w ramach wspólnego nośnika rozkładu cech δ O - nieobjaśniona część luki δ F - element związany z różnicą między dopasowanymi i niedopasowanymi kobietami
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Zastosowania metody Nõpo na przykładzie Polski Analiza oparta na danych Badania Aktywności Ekonomicznej Ludności, GUS Zbiory danych dla kwartałów 1995q1 do 2011q4 Osoby samozatrodnione, bezrobotne, bierne zawodowo, jak również górnicy i siły zbrojne zostały wyłączone z analizy Dodatkowo stworzony zbiorczy plik danych niemal 700 tys. obserwacji płace przedstawione w PLN, według cen stałych z 1995 roku udział mężczyzn wynosi 52.5%
Surowa luka płacowa Motywacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji W latach 1995-2011 płaca za godzinę wyniosła średnio 12,5zł w przypadku kobiet i 13,7zł w przypadku mężczyzn. Różnica odpowiada 9,6% płacy kobiet
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Mężczyźni (vs. kobiety) na polskim rynku pracy Cechy demograficzne Młodsi o 0,5 roku Gorzej wykształceni Częściej samotni Rzadziej w miastach i woj. mazowieckim Cechy związane z wykonywanym zawodem Krótszy staż pracy u danego pracodawcy lecz dłuższy ogółem Rzadziej w sektorze publicznym Większy udział w rolnictwie, przemyśle i budownictwie, a mniejszy w usługach Najczęściej w zawodach wymagających średnich kwalifikacji Częściej w dużych i średnich firmach
Wyniki dekompozycji Motywacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Cechy D D0 DM DF DX % M % K Demograficzne 10% 20% 0% 0% -10% 99 97 + Zawód 10% 20% 0% 0% -10% 96 93 + Sektor 10% 20% -1% -1% -9% 92 92 + Publiczny 10% 21% 0% -1% -10% 99 95 + Szara strefa 10% 21% 0% 0% -10% 99 97 + Staż 10% 21% 0% -1% -10% 99 95 Wszystkie 10% 19% -2% -1% -6% 65 74
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Dekompozycja Nõpo oparta na wszystkich charakterystykach
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Wnioski wstępne: Surowa luka płacowa bywa niższa od dyskryminacji Stabilny poziom dyskryminacji, przy zmniejszającej się surowej luce Niezbędna analiza zmian dyskryminacji w czasie dla poszczególnych grup społecznych Kolejny etap badania Wykonanie dekompozycji luki partycypacyjnej i płacowej dla innych krajów transformacji
Dostępne dane o krajach transformacji Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Living Standards Measurement Survey [World Bank] Albania2002, Albania2003, Albania2005, Azerbejdżan1995, Bośnia2002, Bośnia2004, Bułgaria1995, Bułgaria1997, Bułgaria2001, Bułgaria2003, Kyrgistan1993, Kyrgistan1996, Kyrgistan1997, Kyrgistan1998, Serbia2002, Serbia2004, Tadżykistan1999, Tadżykistan2003, Tadżykistan2009 Badania budżetów domowych uwzględniające pytania o demografię, edukację, pracę Kwestie wielkości zbiorów, porównywalności Integrated Public Use Microdata Series - International [University of Minnesota] Armenia2001, Węgry1990, Rumunia1992, Rumunia2002, Słowenia2002 Informacje o pracy, ale nie o zarobkach; brak niektórych zmiennych; niska częstotliwość
Dostępne dane o krajach transformacji Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji European Community Household Panel [European Comission] EU15, 1994-2001 Brak niektórych zmiennych Labour Force Surveys [CSOs of countries] Polska (1995-2010) i Chorwacja (1997-2008) Najbliższe ideału
Dane - podsumowanie Motywacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Oszacowanie luki partycypacyjnej dla 160 krajów/lat (51 transformacji i 109 kontrolnych) Oszacowanie luki płacowej dla 148 krajów/lat (43 transformacji i 108 kontrolnych) Dopasowywanie na podstawie podstawowych charakterystyk: wiek, wykształcenie, stan cywilny, miejsce zamieszkania, liczba dzieci W analizie luki partycypacyjnej: Średni stopień dopasowania mężczyzn: 98.53% (min. 78.90%) Średni stopień dopasowania kobiet: 97.50% (min. 77.12%)
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Dyskryminacja przy luce partycypacyjnej
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Dyskryminacja przy luce partycypacyjnej
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Dyskryminacja przy luce partycypacyjnej Variables (1) (2) (3) (4) (5) (6) Gap - -7.06*** -3.37*** -6.22*** -3.23*** -3.25** -2.65*** F (1.690) (1.012) (1.491) (1.013) (1.411) (1.003) Gap - -0.21-0.50-1.83-0.60-0.86-0.36 M (1.408) (0.752) (1.288) (0.717) (1.156) (0.702) Years from 0.00*** -0.00*** 0.00*** -0.00*** 0.00*** -0.00*** transition (0.000) (0.001) (0.000) (0.001) (0.000) (0.001) Female LFP -0.54*** -0.29*** -0.42*** -0.26*** -0.53*** -0.27*** (0.050) (0.043) (0.049) (0.043) (0.047) (0.041) HE female 0.02 0.04** -0.01 0.04** attainment (0.028) (0.019) (0.026) (0.019) Mean age -0.02*** 0.01*** -0.02*** 0.01*** active female (0.003) (0.002) (0.002) (0.002) Economic rights 0.05*** 0.02* index (0.015) (0.011) Social rights 0.02** 0.01 index (0.009) (0.007) Constant 0.40*** 0.45*** 0.98*** 0.17** 0.87*** 0.11 (0.024) (0.025) (0.093) (0.081) (0.087) (0.083) Observations 160 160 160 160 160 160 R-squared 0.609 0.969 0.702 0.973 0.768 0.975
Luka partycypacyjna - wyniki Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Im wyższy udział kobiet w rynku pracy tym niższa dyskryminacja w dostępie do rynku pracy Póki co brak wniosków, jeśli chodzi o ekonomiczne, czy społeczne prawa kobiet
Luka płacowa - dyskryminacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji
Luka płacowa - dyskryminacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji
Luka płacowa - dyskryminacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Variables (1) (2) (3) (4) (5) (6) Gap due to 0.34** 0.02 0.34** 0.01 0.33** -0.10 unmatched women (0.143) (0.140) (0.143) (0.140) (0.146) (0.155) Gap due to 0.10-0.14 0.10-0.14 0.08-0.21* unmatched men (0.113) (0.108) (0.113) (0.108) (0.116) (0.118) Years from transition -0.01*** -0.01*** -0.01*** -0.00-0.01*** 0.00 (0.001) (0.004) (0.001) (0.005) (0.001) (0.006) %matched women -0.18 0.53-0.37 0.49-0.38 0.37 (0.231) (0.376) (0.261) (0.382) (0.269) (0.386) %matched men -0.15-0.80* 0.05-0.78* 0.08-0.60 (0.202) (0.413) (0.241) (0.423) (0.253) (0.433) Female labour 0.27* 0.33 0.33* 0.28 0.40** 0.03 force participation (0.155) (0.361) (0.166) (0.367) (0.176) (0.395) HE female attainment 0.02-0.00 0.04 0.01 (0.088) (0.150) (0.093) (0.152) Mean age -0.01-0.04* -0.02-0.04* active female (0.009) (0.019) (0.009) (0.019) Female economic -0.00-0.00 rights index (0.059) (0.089) Female social -0.03-0.11* rights index (0.035) (0.059) Constant 0.48*** 0.52** 0.99*** 1.68** 1.04*** 1.90*** (0.126) (0.221) (0.358) (0.654) (0.364) (0.711) Observations 148 148 148 148 148 148 R-squared 0.422 0.657 0.431 0.667 0.438 0.676
Podsumowanie Motywacja Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Wiele zbiorów danych zostało zebranych i uporządkowanych Szacunki dotyczące luki partycypacyjnej wskazują na pozytywną reakcję pracodawców (mniejszą dyskryminację) na rosnący udział kobiet w rynku pracy Brak wyników jeśli chodzi o zmienne instytucjonalne, lecz póki co słabe miary Szacunki dotyczące luki płacowej nie przynoszą jasnych wniosków
Dekompozycja luki w Polsce Dekompozycje luki dla krajów transformacji Dziękuję za uwagę
Adamchik, V.A., Bedi, A. S. (2003). Gender pay differentials during the transition in Poland, The Economics of Transition vol. 11, issue 4, p. 697. Atal, J. P., Hoyos, A., Nopo, H. (2010). NOPOMATCH: Stata module to implement Nopo s decomposition, Statistical Software Components, S457157, Boston College Department of Economics. Bauer, T., Sinning, M. (2008). An extension of the Blinder Oaxaca decomposition to nonlinear models, Advances in Statistical Analysis, Springer, vol. 92(2), pages 197-206, May. Blinder, A. (1973). Wage Discrimination: Reduced Form and Structural Estimates, The Journal of Human Resources, VII, 4, pp. 436-55.
Chang-Tai, H., Hurst, E., Jones, C. I, Klenow, P. J. (2011). The Allocation of Talent and U.S. Economic Growth, Working Paper. Cotton, J. (1988). On the Decomposition of Wage Differentials, Review of Economics and Statistics, MIT Press, vol. 70(2), pages 236-43, May. DiNardo, J., Fortin, N. M., Lemieux, T. (1996),.Labor Market Institutions and the Distribution of Wages, 1973-1992: A Semiparametric Approach, Econometrica 64: 1001-1044. Duflo, E. (2011). Women empowerment and economic development, MIT Working Paper.
Fairlie, R. W. (2003). An Extension of the Blinder-Oaxaca Decomposition Technique to Logit and Probit Models, Working Papers 873, Economic Growth Center, Yale University. Firpo, S., Fortin, N. M., Lemieux, T. (2007). Decomposing Wage Distributions using Recentered Influence Functions Regressions, mimeo, University of British Columbia. Fortin, N., Lemieux, T., Firpo, S. (2011). Decomposition Methods in Economics, Handbook of Labor Economics, Elsevier. Friedman J., Schady N. (2009) How Many More Infants are Likely to Die in Africa as a Result of the Global Financial Crisis?. Development Research Group, The World Bank
Grajek M., (2003). Gender Pay Gap in Poland, Economic Change and Restructuring, Springer, vol. 36(1), pages 23-44, March. Heckman, J. J. (1977). Sample Selection Bias As a Specification Error (with an Application to the Estimation of Labor Supply Functions), NBER Working Papers 0172, National Bureau of Economic Research, Inc. Jann, B. (2008). A Stata implementation of the Blinder-Oaxaca decomposition. ETH Zurich Sociology Working Paper No. 5. Juhn, C., Murphy, K. M., Pierce, B. (1991).Accounting for the Slowdown in Black-White Wage Convergence, in Workers and Their Wages: Changing Patterns in the United States, ed. by M. H. Kosters, American Enterprise Institute, Washington.
Juhn, C., Murphy, K. M., Pierce, B. (1993).Wage Inequality and the Rise in Returns to Skill, Journal of Political Economy 101: 410-442. Knowles, James C., Pernia, E. M., Racelis, M. (1999) Social Consequences of the Financial Crisis in Asia. Asian Development Bank Staff Paper Number 60. November. Machado, J. F., Mata, J. (2005). Counterfactual Decomposition of Changes in Wage Distributions Using Quantile Regression, Journal of Applied Econometrics 20: 445.465. Neumark, D., (1988). Employers Discriminatory Behavior and the Estimation of Wage Discrimination, Journal of Human Resources, University of Wisconsin Press, vol. 23(3), pages 279-295.
Nőpo, H., Daza, N., Ramos, J. (2011). Gender Earnings Gaps in the World, IZA Discussion Papers 5736, Institute for the Study of Labor (IZA). Nõpo, H. (2008). Matching as a Tool to Decompose Wage Gaps, Review of Economics and Statistics, 90(2): 290-299. Oaxaca, R. (1973). Male-Female Wage Differentials in Urban Labor Market. International Economic Review, Vol.14, No.3, 693-709. Oaxaca, R. L., Ransom, M. R. (1994). On discrimination and the decomposition of wage differentials, Journal of Econometrics, Elsevier, vol. 61(1), pages 5-21, March.
Reimers, C. W. (1983). Labor Market Discrimination against Hispanic and Black Men, The Review of Economics and Statistics, MIT Press, vol. 65(4), pages 570-79, November. Pratap, S., Quintin, E. (2002). Are Labor Markets Segmented in Argentina? A Semiparametric Approach, Instituto Tecnologico Autonomo de Mexico discussion paper 02-02. Rosenbaum, P., Rubin, D. (1983). The Central Role of the Propensity Score in Observational Studies for Causal Effects, Biometrika 70:141 55. Staveren, I.P. Van, (2010). Gender trends in developing countries during financial crises, ISS Working Papers - General Series 511, International Institute of Social Studies of Erasmus University (ISS), The Hague.