Gender Pay Gap a jeho determinanty s využitím dat EU-SILC 2005 PhDr. Martina Mysíková IES FSV UK ČSÚ

Genderové rozdíly Hlavní ukazatele genderové nerovnosti (2004) Míra zaměstnanosti EU-25: muži 70,9; ženy 55,7 ČR: muži 72,3; ženy 56,0 Míra participace EU-25: muži 77,5; ženy 62,0 ČR: muži 77,9; ženy 62,2 GPG EU-25: 15 ČR: 19

Problémy GPG Mezinárodní komparabilita Rozdílné definice hodinové vs. měsíční mzdy (vyšší GPG – ženy pracují méně hodin) průměr vs. medián (nižší GPG) nezahrnutí částečných úvazků (nižší GPG – na částečné úvazky pracují hl. ženy, mzdy jsou nižší) Rozdílné zdroje dat šetření v domácnostech (snižování hodnot respondenty a non- response vysokopříjmových domácností) vs. podniková šetření

Problémy GPG GPG zahrnuje mnoho vlivů není pouze výrazem diskriminace zahrnuje odlišné charakteristiky, segregaci v zaměstnání i nerovné odměňování Zahrnuje pouze pracující jedince nepracující mají potenciálně nízkou mzdu snížení GPG může být způsobeno např. snížením zaměstnanosti žen

EU-SILC a GPG EU-SILC Snaha Eurostatu o výpočet GPG ze SILCu Výhody: plná komparabilita Nevýhody: nižší GPG u šetření v domácnostech vyžaduje zahrnutí další proměnné „současný příjem“

Model Mzdové rovnice pro muže a ženy: OLS je konzistentní odhad, pokud:

Model Zkreslení výběrem vzorku (sample selection bias) pracující jednotlivci netvoří náhodnou podskupinu vzorku populace, ale systematicky se liší od neparticipujících jedinců pokud je rozhodování o participaci korelováno s příjmovou funkcí, není očekávaná hodnota rezidua rovna nule → řešení: Heckmanův model

Heckmanův model pokud,, i bude participovat, jinak,, i nebude participovat. vzorek není náhodný: = + = =

Heckmanův model přidání rezidua: → → → mzdová funkce:, kde λ i není obecně známá konzistentní odhad je získán probit odhadem pravděpodobnosti, že jednotlivec pracuje vypočítána pro každého jednotlivce zvlášť a přidána mezi regresory pro lnW i

Vzorek – EU-SILC Charakteristiky vzorku mužů a žen předběžná data!

Výsledky modelu

vzdělání i pracovní zkušenosti mají u mužů větší pozitivní vliv na mzdu → ex. jistá míra diskriminace v odměňování u obou skupin velký vliv terciálního vzdělání participace vliv přítomnosti dětí předškolního věku: muži: pozitivní ženy: negativní

Rozklad mzdového rozdílu Mzdový rozdíl v neupravené formě nelze obecně považovat za diskriminaci proti ženám (skrývá v sobě několik složek) Efekt vybavení (endowment effect) část rozdílu je způsobena odlišnými charakteristikami mužů a žen a ostatními charakteristikami zaměstnání, odráží rozdíly v produktivitě Upravený mzdový rozdíl rozdíl mezi celkovým pozorovaným mzdovým rozdílem (v neupravené formě) a efektem vybavení Efekt odměňování (remuneration effect) určuje rozdíly v odměňování charakteristik často nazýván měřítkem diskriminace

Metodologie rozkladu GPG Oaxaca-Blinderova metoda - = ( - ) + ( - ) = ( - ) + ( - F ) = + Heckman - = + +

Metodologie rozkladu GPG přidání: = + (I – ), I – jednotková matice, – matice vah Oaxaca-Blinder diskriminace snižuje mzdy žen = I nediskriminační mzdová struktura je struktura mužů Cotton diskriminace snižuje mzdy žen a zvyšuje mzdy mužů = f M I, kde f M označuje podíl majoritní skupiny (mužů) v celkové pracující populaci (56,83 %) nediskriminační struktura se více přibližuje struktuře větší skupiny

Metodologie rozkladu GPG Cottonova metoda - = = + + +

Výsledky rozkladu GPG Výsledky rozkladu

Výsledky rozkladu GPG Negativní efekt výběru potenciální mzdový rozdíl mezi muži a ženami by byl větší než pozorovaný rozdíl, který zachycuje pouze pracující Velmi malý efekt vybavení regrese se zahrnutými proměnnými pomohla vysvětlit jen velmi malou část mzdového rozdílu, neboť mezi charakteristikami pracujících mužů a žen není velký rozdíl

Výsledky rozkladu GPG → mezi pracujícími ženami převažují jednotlivci s vysokou produktivitou Velmi velký efekt odměňování spíše nevysvětlená část, jejíž součástí je efekt diskriminace stejně jako další nevysvětlené složky (např. vliv segregace v zaměstnání) Cotton efekt vybavení je záporný (rozdíly v pozorovaných charakteristikách pracujících mužů a žen jsou malé)

Hlavní nedostatky Nedostatky dat EU-SILC není zdrojem k výpočtu GPG příjmové referenční období – minulý kalendářní rok vs. referenční období charakteristik zaměstnání – současnost problém: výpočet hodinové mzdy řešení: vyloučení zaměstnanců, kteří změnili zaměstnání → zkreslení modelu – jednotlivci měnící zaměstnání se mohou systematicky lišit

Hlavní nedostatky Nedostatky modelu nedostatečné členění podle KZAM a OKEČ (pouze jednomístné) nezahrnutí podílů mužů a žen v jednotlivých KZAM a OKEČ neumožňuje oddělení efektu segregace v zaměstnání při rozkladu GPG → efekt odměňování by mohl být zmenšen o značnou část