Sammenligning af privatansatte kvinder og mænds løn Privatansatte kvindelige djøfere i stillinger uden ledelsesansvar har en løn der udgør ca. 96 procent af den løn deres mandlige kolleger får. I sammenligningen er der korrigeret for forskelle i anciennitet, uddannelse, branche mv. Selvom man korrigerer for disse forhold, er der således stadig en forskel på ca. 4 procent, der ikke umiddelbart kan forklares. J.nr. 24.13-0016 Ref. ANH/- 23.08.2006 Privatansatte mænd bliver desuden noget hurtigere chef end kvinderne og forholdsvis flere ender i en chefstilling. Det viser en analyse foretaget på basis af DJØF Privats lønstatistik for september 2005. I 2004 viste analysen, at der var en forskel ca. 6 procent. Da der imidlertid er en vis statistisk usikkerhed i målingerne, kan man ikke med sikkerhed sige at lønforskellen er blevet mindre det sidste år, men analysen tyder på at der aktuelt er en tendens til at forskellen reduceres. I den tid, hvor DJØF har analyseret lønforskellen efter samme metode siden 1999 har lønforskellen blandt mandlige og kvindelige ikke-chefer svinget mellem 4 og 6 procent. Lønforskellen mellem mænd og kvinder Der er flere forskellige faktorer, der er med til at bestemme lønnen til en privatansat djøfer. F.eks. afhænger lønnen af ancienniteten og af om man er ansat i en chefstilling eller ej. Når lønforskellen mellem mænd og kvinder analyseres, bør det derfor afdækkes, hvor stor en del af forskellen, der skyldes: 1) forskelle i mænd og kvinders anciennitet 2) forskelle i mænd og kvinders karrieremønster mv., og 3) hvor stor en forskel der kan skyldes, at der er kønsspecifikke forskelle i aflønningen af mænd og kvinder på samme niveau. Kvindelige fuldtidsansatte medlemmer af DJØF Privat tjener i gennemsnit 45.770 kr. brutto om måneden, mens mandlige medlemmer har en gennemsnitlig månedsløn på 58.887 kr. Bruttolønnen er opgjort inkl. pension, gratiale og bonus. Kvinderne har altså i gennemsnit en løn, der udgør 77,7 procent af mændenes. Få kvindelige chefer En del af denne forskel skyldes, at forholdsvis flere mænd sidder i chef-stillinger og dermed får en højere løn. 43 procent af mændene er enten chef eller direktør, mens kun 27 procent af kvinderne er det.
Tabel 1 Chefandelen blandt kvinder og mænd. September 2005 Kvinder Mænd Alle ------ Procent ------ Direktør 4 14 11 Chef 23 29 27 Ikke-chef 73 57 63 Som den næste figur viser, skyldes dette langt fra kun, at kvinderne er yngre end mændene og dermed har færre i den chefmodne alder. Chefandelen blandt kvinderne er lavere end chefandelen blandt mændene for næsten alle kandidatårsgrupper. Mændene bliver således hurtigere chef end kvinderne, og forholdsvis flere ender i en chefstilling. Figur 1 Andelen af privatansatte mandlige og kvindelige medlemmer i chefstillinger opdelt efter kandidatår. September 2005 90% 80% 70% Kvinder Mænd Andel med chefstilling (%) 60% 50% 40% 30% 20% 10% 0% Før 1968 1968-72 1973-75 1976-78 1979-81 1982-84 1985-87 1988-90 1991-93 1994-96 1997-99 Efter 1999 Kandidatår Kilde: DJØF Privats lønstatistik 2005 Ikke-chefer analyseres I det følgende er lønforskellene inden for de samme stillingsgrupper undersøgt. Da gruppen af direktører og chefer ikke er homogen, og da der er så relativt få kvinder i disse grupper er det statistiske grundlag for spinkelt til nærmere analyse. Derfor er det alene gruppen af ikke-chefer, der indgår i analyserne. Kvindelige ikke-chefer tjener i gennemsnit 40.954 kr. om måneden eller 92,3 procent af lønnen til mandlige ikke-chefer, der i gennemsnit tjener 44.371 kr. om måneden. 2
Som nævnt, viser tidligere undersøgelser, at der er andre forhold end en cheftitel, der har betydning for lønnen. Det kan f.eks. være anciennitet, uddannelse, branche, geografi mv. Hvis den resterende forskel på mænd og kvinders løn kan forklares af de ovennævnte variable (f.eks. at kvinder bliver ansat i andre brancher end mænd, eller har andre uddannelser end mænd), vil lønnen således ikke være bestemt af om man er mand eller kvinde. For at undersøge forskellen nærmere, er det derfor nødvendigt at tage højde for en række variable i analysen. Dette gøres ved hjælp af en såkaldt regressionsanalyse, der er en statistisk analysemetode. I en regressionsanalyse analyseres samspillet mellem en række variable samlet, dvs. sammenhængen mellem visse variable betragtes betinget af værdierne af de øvrige variable i analysen. På den måde kan man aflæse om lønnen direkte afhænger af om man er mand eller kvinde eller om forskelle i anciennitet, uddannelse branche mv. kan forklare lønforskellen mellem mænd og kvinder. Se appendiks for en nærmere beskrivelse af metoden. I analysen blandt ikke-cheferne indgår alle de målelige forhold vi kan inddrage på basis af DJØF Privats lønstatistik. Følgende variable indgår: Uddannelsesgruppe Geografi Kandidatår Branche Køn Regressionsanalysen viser, at alle de ovennævnte variable har signifikant betydning for lønnen. Kønnet har altså betydning for lønnen. Betinget af de andre variable udgør kvindernes løn 96,3 procent af mændenes løn. Når der er korrigeret for de målelige karakteristika, er der stadig en lønforskel på næsten 4 procent der ikke umiddelbart kan forklares. I 2004 udgjorde kvindernes løn med samme analysemetode 93,8 procent af mændenes. Når man bruger en statistisk analysemodel (her en regressionsanalyse) til at estimere den kønsmæssige lønforskel, er der en vis statistisk usikkerhed indbygget i modellen. I dette tilfælde betyder denne usikkerhed på resultaterne (estimaterne), at der statistisk set ikke er forskel på de lønforskelle, der kunne iagttages i 2004 og i 2005. Siden 1999, hvor vi brugt samme metode til at analysere lønforskellen, har lønforskellen svinget mellem 4 og 6 procent. Andre mulige forklaringer Ovenstående analyse indeholder de målelige forhold, der kan inddrages på basis af DJØF Privats lønstatistik. Der kan dog tænkes at være andre forhold der kan forklare (en del af) 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 blandt af uddannelsen, branchen 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. 3
Arbejdstid Hvis man antager at der er sammenhæng mellem arbejdstidens længde og lønnen, dækker den resterende del af mændenes højere løn så over, at de har en længere arbejdstid end kvinderne og at de bliver kompenseret for den længere arbejdstid i form af højere løn i stedet for særskilt overarbejdsbetaling? Eventuel overarbejdsbetaling er ikke regnet ind i lønningerne i undersøgelsen. Mandlige ikke-chefer arbejder i gennemsnit 42,2 timer om ugen, mens kvinderne arbejder 41,1 timer om ugen. Det skal dog bemærkes, at en del af denne forskel kan forklares ved at en større andel af kvinderne end mændene arbejder i de brancher, hvor arbejdstiden er kortest. Samtidigt er der også lidt flere mænd, der får overarbejdsbetaling. 14,6 procent af mændene og 10,8 procent af kvinderne får honoreret overarbejde i form af overarbejdsbetaling. Men arbejdstiden for de medlemmer, der ikke får særskilt overarbejdsbetaling, er dog stort set den samme som for dem, der får honoreret deres overarbejde. Mændene har altså en lidt længere arbejdsuge end kvinderne og selv om forholdsvis flere mænd bliver honoreret særskilt for dette overarbejde, bliver de øvrige mænd måske kompenseret i form af højere løn, således at arbejdstiden kan være med til at forklare mændenes højere løn. Da arbejdstiden som nævnt i en vis grad er afhængig af hvilken branche, man er ansat i, er der dog i den ovenstående analyse korrigeret for, i hvert fald en del, af denne forskel. Selv om der skulle være sammenhæng mellem arbejdstid og løn, vil mændenes længere arbejdstid derfor ikke kunne forklare hele den resterende lønforskel. Barselsorlov/forældreorlov En anden 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. Det kan have haft betydning for deres løn, eksempelvis ved at disse kvinder ikke har fået samme andel af lønforbedringerne som de andre på arbejdspladsen og derved i hvert fald for en periode er sakket agterud i forhold til jævnaldrende kollegaer? Det statistiske materiale giver ikke direkte mulighed for at afdække, om det kan være en forklaring (på noget) af lønforskellen. Men selv hvis man antog, at hver kvinde havde været på barselsorlov/forældreorlov i et år og derfor fratrækker et år fra kvindernes anciennitet, således at kvinder med 2 års anciennitet sammenlignes med mænd med 1 års anciennitet, kvinder med 3 års anciennitet med mænd med 2 års anciennitet osv. vil der stadig være en (mindre) signifikant forskel på mænd og kvinders løn. Ledighedsperioder Kandidatåret indgår i analyserne som et mål for ancienniteten på arbejdsmarkedet. Hvis kvinder har flere og længere ledighedsperioder end mænd kunne deres jobanciennitet på arbejdsmarkedet være kortere end 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 ikke betyde noget for analysens resultater. 4
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 personlig indsats og effektivitet samt forhandlingsevne. Konklusion Samlet set har privatansatte kvinder en gennemsnitlig månedsløn, der udgør 77,7 procent af mændenes. En stor del af denne forskel kan dog forklares af mændenes højere anciennitet, forskelle i ledelsesansvar, valg af uddannelse og branche mv. Men selv når tallene renses for disse målelige forskelle, er der blandt ikke-cheferne stadig en lønforskel på ca. 4 procent, der ikke umiddelbart lader sig forklare. Privatansatte mænd bliver desuden noget hurtigere chef end kvinderne og forholdsvis flere ender i en chefstilling. 5
Appendiks metode Til analyse af lønforskellen mellem kvinder og mænd, er der anvendt en lineær regressionsmodel. Modellen er opstillet med bruttolønnen som den afhængige variabel og uddannelsesgruppe, geografi, kandidatanciennitet, branche og køn som forklarende variabler. I analysen indgår kun fuldtidsansatte ikke-chefer. Variable der indgår i regressionsanalysen Bruttoløn Bruttolønnen er den afhængige variabel og indgår i modellen som den naturlige logaritme til bruttolønnen. Fordelen ved at den afhængige variabel er i logaritme, er at koefficienterne til de forklarende variable, hvor det især er interessant i forhold til køn, kan fortolkes som procentvise afvigelser. Uddannelsesgruppe Der indgår tre forskellige uddannelsesgrupper i datamaterialet. Jurister, økonomer og øvrige kandidater. Der er konstrueret en effektvariabel (dummy) for henholdsvis jurister og økonomer. Det vil sige at forskellen i bruttolønninger måles med udgangspunkt i gruppen af øvrige kandidater. Geografi Datamaterialet er opdelt efter hovedstadsområdet og øvrige land. Effekten måles i forhold til øvrige land. Kandidatanciennitet Er beregnet i forhold til kandidatår og indgår som en kontinuert forklarende variabel. Branche Der er otte forskellige brancher i materialet fra 2005. Der er konstrueret syv dummy variable, hvor effekten måles i forhold til branchen interesseorganisationer, foreninger m.v. Køn Effektvariabel der måler forskellen i kønnenes bruttoløn med mænd som reference. Til den statistiske analyse anvendes en standard lineær regressionsmodel, som estimeres ved hjælp af mindste kvadraters metode. I modellen indgår den afhængige og de forklarende variable, som er beskrevet i boksen ovenfor. Den mest simple model, der bedst kan forklare sammenhængen mellem de forklarende og den afhængige variabel, findes ved successiv modelsøgning, hvor ikke signifikante variable reduceres ud af modellen. 6
Ved estimation findes den mest simple model, som her kan forklare omkring 35 procent af variationen i datamaterialet, hvilket er tilfredsstillende i denne type model. Koefficienten til variablen køn estimeres til -3,709 med en nedre grænse på - 5,59844 og en øvre grænse på - 1,81956. Grænserne er bestemt som et 95 procents konfidensinterval. Koefficienten tolkes som den procentvise forskel mellem bruttolønnen til mænd og kvinder. Det betyder, at kvindernes bruttoløn i modellen estimeres til at være 3,7 procent lavere end mændenes - alt andet lige - med de samme karakteristika. Kvindernes løn estimeres således til at udgøre 96,3 procent af mændenes løn. Konfidensintervallet angiver usikkerheden på estimatet. I dette tilfælde kan det udtrykkes på følgende måde: Kvindernes løn udgør med 95 procents sikkerhed mellem 94,4 procent og 98,2 procent af mændenes løn. Sidste år viste en tilsvarende analyse foretaget på data fra DJØF Privats lønstatistik 2004, at der var en forskel på mænds og kvinders løn på godt 6 procent, som ikke umiddelbart kunne forklares. Umiddelbart ser det altså ud til at noget af forskellen er blevet udlignet. Denne tendens kan være reel nok, men rent statistisk er der dog ikke tale om en signifikant forskel 1. Om tendensen holder vil vise sig senere på året når løndata bliver indsamlet til 2006-statistikken. 1 Koefficienten til variablen køn estimerede på 2004-tallene til -6,155 med en nedre grænse på - 8,035 og en øvre grænse på - 4,275. Med andre ord angav konfidensintervallet i 2004, at kvindernes løn med 95 procents sikkerhed udgjorde mellem 92,0 procent og 95,7 procent af mændenes løn. 2005-intervallet (94,4%; 98,2%) overlapper intervallet fra 2004, hvorfor forskellen mellem tallene fra 2004 til 2005 ikke kan siges at være signifikant. 7