Ligelønsanalyse sammenligning af offentligt ansatte kvinder og mænds løn

Transkript

1 Ligelønsanalyse sammenligning af offentligt ansatte kvinder og mænds løn Ref. MBH Indledning I dette notat præsenteres resultater fra en analyse af lønforskellen mellem mænd og kvinder. Analysen er foretaget på basis af Djøf Offentligs lønstatistik for september 2015, der på det statslige område er baseret på tal fra Moderniseringsstyrelsen, mens der er foretaget en spørgeskemaundersøgelse blandt de regionalt og kommunalt ansatte. Blandt hovedresultaterne kan nævnes: Chefandelen er 28 procent for mændene, mens den kun er 19 procent for kvinderne. Derudover bliver offentligt ansatte mænd chefer efter kortere tid som kandidater end offentligt ansatte kvinder. Blandt offentligt ansatte djøfere uden ledelsesansvar har kvinderne en gennemsnitsløn, der udgør 97 procent af mændenes, når der ikke er korrigeret for forskelle i observerbare karakteristika. 60 procent af lønforskellen kan forklares af mændenes højere anciennitet, større andel chefkonsulenter samt ansættelsesområde. 40 procent af lønforskellen mellem kvinder og mænd, svarende 1,2 procent, kan ikke forklares af de observerbare karakteristika. Den primære udfordring blandt offentligt ansatte ikke-chefer synes at være kønsforskelle i den type slinger som mænd og kvinder opnår, og kun i mindre grad at være lønforskelle mellem mænd og kvinder i ens slinger. Indhold Ligelønsanalyse sammenligning af offentligt ansatte kvinder og mænds løn...1 Indledning...1 Lønforskellen mellem kvinder og mænd...2 Flere mandlige chefer...2 Dekomponeringsanalyse for ikke-chefer...3 Deskriptiv analyse...4 Dekomponeringsanalysens resultater...5 Andre mulige forklaringer...7 Metode...8

2 Variable der indgår i analysen...9 Analysemetode Lønforskellen mellem kvinder og mænd Nedenfor analyseres lønforskellen mellem kvindelige og mandlige medlemmer af Djøf Offentlig. Analysen omhandler kun de medlemmer, der er ansat i en fuldtidssling og alene dem, der har en lang videregående uddannelse, dvs. de mellemuddannede er udeladt af denne analyse. Flere mandlige chefer Af tabel 1 fremgår de gennemsnitlige lønninger for mænd og kvinder opdelt på chefer og ikke-chefer. For begge slingsgrupper gælder det, at kvinderne har en lavere gennemsnitsløn end mændene. Bruttolønnen inkl. pension, gratiale og bonus ligger for kvinderne på kr. om måneden, mens den for mændene ligger på kr. Det betyder, at kvinderens gennemsnitlige løn udgør 92 procent af mændenes gennemsnitlige løn. Tabel 1: Den gennemsnitlige bruttoløn for kvinder og mænd med lang videregående uddannelse, fuldtidsansatte, oktober 2015 Kvinder Mænd Alle -----kr. pr. måned----- Chefer Ikke-chefer Alle Af tabel 2 fremgår det ydermere, at chefandelen blandt mændene er noget højere end blandt kvinderne. Således er 28 procent af mændene chefer, mens dette kun gælder for 19 procent af kvinderne. En del af lønforskellen mellem mænd og kvinder skyldes derfor denne vertikale kønsopdeling på arbejdsmarkedet, hvor forholdsvis flere mænd sidder i en chefsling og dermed får en højere løn. Tabel 2: Chefandelen for kvinder og mænd, oktober 2015 (n = ) Kvinder Mænd Alle procent Chefer 17 % 29 % 22 % Ikke-chefer 83 % 71 % 78 % Note: en er opgjort på baggrund af Djøfs medlemsstatistik for oktober Af figur 1 fremgår chefandelen for henholdsvis kvinder og mænd opdelt efter kandidatår. Som det fremgår, skyldes dét, at der er flere mandlige chefer ikke kun, at gennemsnitsancienniteten blandt kvinderne er lavere end blandt mændene. Chefandelen blandt kvinderne er nemlig lavere end chefandelen blandt mændene for alle kandidatårsgrupper. Der er således tendens, at mændene hurtigere bliver 2

3 chef end kvinderne, og samtidigt er der en markant større andel mænd, der ender i en chefsling. Figur 1: en af mandlige og kvindelige offentligt ansatte medlemmer i chefslinger opdelt efter kandidatår, oktober % 50% 40% 30% 20% 10% Mænd Kvinder 0% Før Efter 2011 Note: en er opgjort på baggrund af Djøfs medlemsstatistik for oktober Når lønforskellen mellem mænd og kvinder analyseres, bør det afdækkes, hvor stor en del af forskellen, der skyldes forskelle i de faktorer, det er muligt at kontrollere for. Som nævnt ovenfor inkluderer disse faktorer bl.a. anciennitet og karrieremønster. Når der er taget højde for disse faktorer, kan forskellen i aflønningen af kvinder og mænd på samme niveau betegnes som kønsspecifik. Dekomponeringsanalyse for ikke-chefer I det følgende analyseres lønforskellen mellem mænd og kvinder i gruppen af ikkechefer. I notatet analyseres ikke på gruppen af chefer, da gruppen ikke er homogen og der er forholdsvis få kvinder. De kvindelige medlemmer af Djøf Offentlig, der ikke besidder en chefsling, tjener i gennemsnit kr. brutto om måneden, mens den svarende gennemsnitsløn for mænd er kr. om måneden. I denne gruppe udgør kvindernes gennemsnitlige løn således 97 procent af mændenes gennemsnitlige løn. Løngabet 1 mellem mænd og kvinder, der ikke er chefer, er således 3,1 procent. Ifølge human kapital teorien 2 bør anciennitet og uddannelse inkluderes i modellen. Ansættelsesområdet er ligeledes en vigtig faktor, da der kan være forskel på 1 Løngabet er beregnet som den absolutte forskel divideret med den gennemsnitlige løn for alle respondenter jf. Lønforskelle mellem mænd og kvinder , SFI Human kapital-teorien siger, at indtjeningen øges med uddannelse og erhvervserfaring. Derfor er kandidatanciennitet og uddannelsesgruppe inkluderet i modellen. Hvis kvinder følger traditionelle kønsroller, må det forventes, at de opnår mindre erhvervserfaring. 3

4 kønsfordelingen og lønniveauet mellem områderne. Herudover inddrages slingsgruppe, på baggrund af en hypotese om kønsforskelle i andelen af personer, der har en special- eller chefkonsulent sling. Modellen inkluderer derfor følgende variable: Kandidatanciennitet Uddannelsesgruppe Ansættelsesområde Slingsgruppe Deskriptiv analyse I tabellerne nedenfor fremgår fordelingen af mænd og kvinder på de udvalgte variable, samt gennemsnitslønnen. En stjerne (*) angiver at der er tale om signifikante forskelle mellem andelen af mænd og kvinder på den pågældende variabels udfald. I tabel 3 fremgår mænds og kvinders kandidatanciennitet. Her fremgår det, at der er en større andel kvinder med kandidatanciennitet under 15 år, mens en større andel af mændene har en kandidatanciennitet på over 16 år. Tabel 3: Kandidatanciennitet* Kvinder Mænd 0 5 år 28 % 24 % 6 10 år 26 % 22 % år 16 % 15 % år 22 % 23 % Over 25 år 8 % 16 % Alle (7.711) (5.307) Det fremgår af tabel 4 at der er en højere andel mænd end kvinder, der er uddannet indenfor samfund og forvaltning eller har en uddannelse som universitetsøkonom eller handelshøjskoleøkonom. Jurister udgør med 38 procent den største andel blandt kvinderne. Tabel 4: Uddannelsesgruppe* Kvinder Mænd Universitetsøkonomer 9 % 16 % Samfunds- og forvaltningsudd. 28 % 37 % Jurister 38 % 21 % Handelshøjskoleøkonomer 9 % 14 % Øvrige 16 % 12 % Alle 4

5 (7.912) (5.457) Tabel 5 viser fordelingen af mænd og kvinder på de offentlige ansættelsesområder. Her fremgår det, at 60 procent af kvinderne er ansat indenfor statsadministrationen mod 56 procent blandt mændene. Indenfor undervisning og universiteter og forskning er der gengæld en større andel mænd ansat. Tabel 5: Ansættelsesområde* Kvinder Mænd Statsadministrationen 60 % 56 % Regioner 6 % 6 % Kommuner 18 % 18 % Anklagemyndighed og domstole 5 % 3 % Undervisning 5 % 9 % Universiteter og forskning 5 % 9 % Alle (7.916) (5.459) Af tabel 6 fremgår det, at der er en lidt større andel chef- og specialkonsulenter blandt mændene. Tabel 6: Slingsgruppe* Kvinder Mænd Chefkonsulent 11 % 13 % Specialkonsulent 17 % 18 % Øvrige 72 % 70 % Alle (7.916) (5.459) Dekomponeringsanalysens resultater Dekomponeringsanalysen viser, at der er en samlet lønforskel på 3,0 procent, hvor 40 procent af denne lønforskel er uforklaret, og de resterende 60 procent kan forklares af de variable, der er inkluderet i modellen. Den forklarede del For de 60 procent af lønforskellen, der kan forklares af de inkluderede variable, er der overordnet set tale om at forskelle i andelen af mænd og kvinder med et bestemt karakteristika afføder de lønforskelle vi ser. Ansættelse indenfor universiteter og forskning, slingen chefkonsulent i staten samt anciennitet viser sig i særlig grad at bidrage at forklare, hvorfor mændene tjener mere end kvinderne. 5

6 Indenfor universitetsområdet er der en del af lønforskellen, der kan forklares med, at der er flere mænd end kvinder ansat (8,6 procent mænd mod 4,9 procent kvinder), og at gennemsnitslønnen indenfor området er den anden højeste kun overgået af ansættelsesområdet anklagemyndighed og domstole. Herudover er der flere mænd end kvinder ansat i statsadministrationen som chefkonsulenter (12,5 procent blandt mændene mod 10,7 procent blandt kvinderne). Da chefkonsulenter med en gennemsnitsløn på kr. er den slingskategori, der tjener mest medvirker dette også at forklare lønforskellen mellem mænd og kvinder. Det er dog værd at bemærke at denne forskel i andelen af chefkonsulenter blandt mænd og kvinder i sig selv er interessant ud fra et ligeslingsperspektiv. Dette står også klart, når dekomponeringsanalysen laves uden at inddrage variablen for om en person er special- eller chefkonsulent eller øvrig ansat. Her er den uforklarede lønforskel mellem mænd og kvinder 1,7, mod de 1,2, den er, når der tages højde for slingskategori en stigning i den uforklarede del af lønforskellen på 15 procentpoint. Den variabel, der i størst grad bidrager at forklare den fundne lønforskel mellem mænd og kvinder, er dog kandidatanciennitet. Mændene har i gennemsnit 14,0 års anciennitet, mens kvinderne i gennemsnit har 11,8 års anciennitet. Da lønnen stiger i takt med ancienniteten er denne forskel i anciennitet mellem mænd og kvinder med at forklare en del af lønforskellen. Modsat ser vi, at ansættelse indenfor anklagemyndighed og domstole trækker i den modsatte retning i forhold at forklare lønforskellen. Ansættelsesområdet har den højeste gennemsnitsløn, og der er en overvægt af kvinder ansat indenfor området. De mænd, der er ansat indenfor området tjener dog gennemsnitligt kr. mod kr. blandt kvinderne. Var der ligeså mange mænd som kvinder ansat indenfor området ville lønforskellen mellem mænd og kvinder med andre ord have været større. Den uforklarede del Når der er korrigeret for de målelige forhold er der en lønforskel på 1,2 procent, der ikke umiddelbart kan forklares svarende 40 procent af den samlede lønforskel på 3 procent. En stor del af denne skyldes forhold, der ikke er inddraget i modellen. Det er dog også muligt at pege på at der indenfor nogle områder i særlig grad er lønforskelle, der ikke kan forklares med kønsfordelingen indenfor området, og som derfor øger den uforklarede del. Det gælder blandt andet ansættelsesområdet universiteter og forskning. På trods af at ansættelse indenfor dette område som tidligere beskrevet bidrager at forklare forskellen i mænds og kvinders løn viser analysen også, at en stor del af den lønforskel, der gør sig gældende indenfor området er uforklaret. Lønforskellen mellem mænd og kvinder indenfor universitets- og forskningsverdenen er markant større end blandt statsansatte, der ikke er special- eller chefkonsulenter. Rent deskriptivt ses dette i at mænd indenfor området gennemsnitligt tjener kr., mens kvinder gennemsnitligt tjener kr. Det kan ikke udelukkes at dette skyldes mands- og kvindedominerede forskningsområder, som er aflønnet 6

7 forskelligt, men med udgangspunkt i den opslede model bidrager lønforskellene indenfor området betydeligt den uforklarede lønforskel mellem mænd og kvinder i det offentlige. Det samme gør sig gældende for kandidatanciennitet. På trods af at anciennitet som beskrevet er med at forklare en del af lønforskellen mellem mænd og kvinder har anciennitet forskellig betydning for mænd og kvinder. Mellem mænd og kvinder med samme anciennitet er der altså fortsat forskelle som ikke lader sig forklare. Herudover bidrager det at være statsansat specialkonsulent også særligt den uforklarede lønforskel på trods af at der deskriptivt ikke er stor forskel på lønnen blandt mænd og kvinder indenfor denne kategori. Forklaringen kan være forskelle i uddannelse eller kandidatanciennitet blandt mænd og kvinder indenfor gruppen. Udover at vi finder en uforklaret lønforskel på 1,2 procent er der som belyst ovenfor forskelle i andelen af mænd og kvinder, der bliver special- og chefkonsulenter og ikke mindst chefer. Der er således ét aspekt, der handler om lige løn for lige arbejde, og et andet aspekt, der handler om hvem, som får de slinger, der giver den højeste løn. Med udgangspunkt i nærværende analyse synes den primære udfordring at være kønsforskelle i den type slinger som mænd og kvinder opnår, og kun i mindre grad at være lønforskelle mellem mænd og kvinder i ens slinger. Andre mulige forklaringer Udover de allerede inkluderede målelige faktorer, kan det tænkes, at der er andre forhold, der kan være med at forklare lønforskellen. Arbejdsfunktion I gruppen af ikke-chefer kan der være forskel på mænd og kvinders arbejdsfunktioner. Vi kender ikke medlemmernes nøjagtige arbejdsfunktioner, men arbejdsfunktionen afhænger bl.a. af uddannelsen, ansættelsesområdet og ancienniteten. Disse variable indgår alle i analysen, og det er derfor tvivlsomt om inddragelse af arbejdsfunktionen ville bidrage ret meget i forklaringen af lønforskellen. Barselsorlov/forældreorlov En mulig forklaring kan være, at en vis andel af de kvindelige medlemmer har haft barselsorlov og evt. forældreorlov og dermed i en periode har været fraværende fra arbejdspladsen. Hvis dette er fældet, kan det have haft betydning for deres løn, hvis de eksempelvis ikke har fået samme andel af lønforbedringerne som de andre på arbejdspladsen og derved sakker agterud i forhold jævnaldrende kollegaer i den pågældende periode. Det er ikke direkte muligt at afdække, om det kan være en forklaring på noget af lønforskellen. 7

8 Ledighedsperioder Kandidatåret indgår i analyserne som et mål for anciennitet på arbejdsmarkedet. Hvis kvinder har flere og længere ledighedsperioder end mændene kan deres jobanciennitet på arbejdsmarkedet være kortere en mændenes, selvom de har samme kandidatanciennitet. Vi har ikke mulighed for at korrigere for dette i analysen. Andre undersøgelser viser dog, at der ikke er de store forskelle på mandlige og kvindelige djøferes ledighedsperioder når der korrigeres for forskelle i anciennitet og uddannelse og derfor ville en korrektion for ledighedsperioder næppe betyde noget for analysens resultater. Ikke målbare forhold Ud over de ovennævnte mere eller mindre målelige karakteristika og forhold, er der også en række karakteristika, som ikke er direkte målbare, der kan have betydning for lønnens størrelse og dermed for lønforskellen. Det kan f.eks. være arbejdstid, personlig indsats, prioritering af arbejdsliv/privatliv, effektivitet samt forhandlingsevne. Metode Analysen er baseret på offentligt ansatte medlemmer med en kandidatuddannelse, der samtidig er ansat på fuld tid. Analysen er foretaget på basis af Djøf Offentligs lønstatistik for september 2015, der på det statslige område er baseret på tal fra Moderniseringsstyrelsen, mens der er foretaget en spørgeskemaundersøgelse blandt de regionalt og kommunalt ansatte. Moderniseringsstyrelsen leverer fyldestgørende oplysninger på cirka 90 procent af de statsansatte, mens andelen af besvarede er noget lavere blandt de regionalt og kommunalt ansatte, hvor der er gennemført en spørgeskemaundersøgelse. Nedenfor er der derfor foretaget en bortfaldsanalyse, hvor udtrækket undersøgelsen sammenlignes med de indkomne svar 3. De sammenlignede grupper består af personer, der er medlem af Djøf Offentlig og som er ansat i region eller kommune. Spørgeskemaet er udsendt offentligt ansatte i kommuner eller regioner. Heraf har personer besvaret spørgeskemaundersøgelsen, svarende 56 procent. Den kønsmæssige fordeling er således, at af respondenterne er kvinder og er mænd. Der er foretaget en bortfaldsanalyse i forhold køn, alder og uddannelse. Resultaterne er vist i tabel 3, og det fremgår, at respondenterne, der har deltaget i undersøgelsen, er godt repræsenteret i forhold populationen. I forhold uddannelse er de samfunds- og forvaltningsuddannede lidt overrepræsenterede i undersøgelsen, mens personer med en anden kandidatuddannelse er lidt 3 Bemærk at bortfaldsanalysen er lavet på baggrund af de indkomne svar. Denne gruppe er lidt større end analyseudvalget, da der er foretaget rensning forud for analysen. 8

9 underrepræsenterede. Dog vurderes det, at disse mindre skævheder ikke har betydning for selve analysen af lønforskellen mellem kvinder og mænd. Tabel 3: Bortfaldsanalyse Analyseudvalg Population Køn Mænd 38 % 37 % Kvinder 62 % 63 % Alder 30 år eller derunder 12 % 12 % år 61 % 59 % år 25 % 26 % Over 60 år 2 % 3 % Uddannelse Jurist 14 % 15 % Universitetsøkonom 12 % 12 % Handelshøjskoleøkonom 9 % 9 % Samfunds- og forvaltningsudd. 46 % 42 % Anden kandidatudd. 19 % 22 % Til analysen af lønforskellen mellem kvinder og mænd anvendes den traditionelle Blinder-Oaxaca-dekomponeringsmetode. Ved hjælp af denne metode beregnes, hvor stor en del af den observerede lønforskel, der kan forklares ved hjælp af forskelle i sammensætningen af gruppen af hhv. mænd og kvinder, fx at mænd har højere anciennitet, og hvor meget der ikke kan forklares ud fra disse forskelle i sammensætningen. Når der er korrigeret for de forklarende variable, kan den resterende del af lønforskellen betegnes som uforklarlig. Dvs. den uforklarede del af lønforskellen mellem kvinder og mænd er defineret ved lønforskellen, efter at der er korrigeret for forskelle i kvinder og mænds karakteristika. Variable der indgår i analysen Modellen er opslet med bruttolønnen som den afhængige variabel og kandidatanciennitet, uddannelsesgruppe, ansættelsesområde, og slingskategori som forklarende variable. I analysen indgår kun fuldtidsansatte ikke-chefer. Bruttoløn Bruttolønnen er den afhængige variabel og indgår i modellen som den naturlige logaritme bruttolønnen. Fordelen ved, at den afhængige variabel er logaritmetransformeret, er, at koefficienterne de forklarende variable kan fortolkes som procentvise afvigelser. Uddannelsesgruppe Der indgår fem forskellige uddannelsesgrupper i datamaterialet. Jurister, samfunds- og forvaltningsuddannede, universitetsøkonomer, handelshøjskoleøkonomer og øvrige kandidater. Der er konstrueret en effektvariabel (dummy) for universitetsøkonomer, handelshøjskoleøkonomer, samfunds- og forvaltningsuddannede og øvrige uddannelser. Det vil sige, at forskellen i bruttolønninger måles med udgangspunkt i gruppen af jurister. 9

10 Kandidatanciennitet Kandidatanciennitet er beregnet i forhold kandidatår og indgår som en kontinuert forklarende variabel. Ansættelsesområde I analysen indgår seks forskellige ansættelsesområder. Der er konstrueret dummy variable for statsadministration, anklagemyndighed og domstole, universiteter og forskning, regioner og kommuner, hvor effekten måles i forhold ansættelsesområdet undervisning. Analysemetode Til analysen anvendes som nævnt dekomponeringsmetoden. Analysen foretages i to trin. Først estimeres en regressionsmodel med de forklarende variable for hhv. kvinder og mænd. Derefter dekomponeres lønforskellen ved hjælp af de to lønregressioner. Resultaterne fra de to lønregressioner gør det muligt at opdele lønforskellen i effekten af de forklarende variable og et restled. De to effekter beskrives som hhv. den forklarede og den uforklarede del af lønforskellen. Den forklarede del af lønforskellen er med andre ord den del, der kan henføres forskelle i de målelige karakteristika. Den uforklarede del hentyder, at det ikke kan forklares, hvorfor der er den pågældende forskel på aflønningen kvinder og mænd. 10