Sammendrag
Denne artikkelen analyserer lønnsforskjeller mellom kvinner og menn i privat sektor i Norge med et spesielt fokus på forskjeller mellom bedrifter av ulik størrelse. Våre analyser viser at lønnsforskjellene mellom kvinner og menn i virksomheter i privat sektor har falt fra 13,5 prosent i 2015 til 11 prosent i 2017, og at den nedadgående trenden som er vist i tidligere undersøkelser har vedvart. Med utgangspunkt i tidligere forskning er det grunn til å tro at lønnsforskjellene mellom kvinner og menn er størst i store bedrifter. I denne artikkelen finner vi at kjønnsforskjellen i lønn er større i de minste bedriftene enn den er i de mellomstore, og den er aller størst i de største bedriftene. Når vi studerer lønnsforskjeller mellom kvinner og menn innad i bedrifter, er timelønnsforskjellen på 9 prosent, og forskjellene er størst i de store bedriftene. Våre funn antyder at det vil være viktig å rette søkelyset mot de prosessene som er ulikhetsskapende innad i både de store og de små bedriftene i arbeidet med å redusere kjønnsforskjeller i lønn framover.
Nøkkelord: Likelønn, bedriftsstørrelse, innen-bedrift, dekomponering, registerdata, ulikhetsskapende prosesser
Innledning
Lønnsforskjellene mellom kvinner og menn består. I 2017 tjente kvinner fortsatt 11 prosent mindre per time enn menn (CORE-indikator 2019). Sammenlignet med andre europeiske land, ligger lønnsforskjellene mellom kvinner og menn i Norge midt på treet, på nivå med Danmark og Ungarn (Eurostat 2019). Historisk sett har kjønnsforskjellen i lønn falt relativt mye over tid, særlig fram mot 80- og 90-tallet. Noe av kjønnsforskjellen i månedslønn har falt fordi kvinner jobber flere timer nå enn før, men samtidig har timelønnsforskjellene kun falt fra 15 prosent i 1997 til 11 prosent i 2017 (Barth og Dale-Olsen 2004; Wagner, Fjell, Frisell og Østbakken 2020). Vi har sett en tilsvarende utflating i likelønnsutviklingen på tvers av land. Flere studier peker på at det er en del strukturelle forhold i arbeidsmarkedet som bidrar til at lønnsforskjeller mellom kvinner og menn opprettholdes (se for eksempel Blau og Kahn 2017). Ettersom kvinner har gått forbi menn i utdanningsnivå og fått sterkere tilknytning til arbeidsmarkedet over livsløpet, har disse faktorene mindre å si for lønnsforskjellene (Barth, Hardoy, Schøne og Østbakken 2013; Barth, Schøne og Strøm 2014; Blau og Kahn 2017), mens det kjønnsdelte arbeidsmarkedet fortsatt er en viktig faktor – mannsdominerte bransjer og yrker betaler i snitt bedre enn de kvinnedominerte.
Forskningen på lønnsforskjellene mellom kvinner og menn har tradisjonelt fokusert på individspesifikke forskjeller, som for eksempel utdanning, arbeidserfaring og yrke. Tidligere forskning fra det norske arbeidsmarkedet har vist at individspesifikke forskjeller forklarer 45-55 prosent av lønnsgapet i privat sektor (Barth mfl. 2013). De siste årene har vi sett en tydelig dreining både i forskningen og i den politiske agendaen mot forhold i bedriftene som mulig kilde til vedvarende lønnsforskjell – både generelt og mellom kvinner og menn spesielt (Bruns 2019; Card, Cardoso og Kline 2016; Card, Heining og Kline 2013). Flere land har gjennom lovgivning innført redegjørelsesplikt for store og mellomstore bedrifter for å skape åpenhet om lønnsforskjellene mellom kvinner og menn. Selve innholdet og sanksjonsmulighetene varierer, men et fellestrekk er at det er de største bedriftene som omfattes av redegjørelsesplikt.1
Tidligere studier fra Norge og USA viser at lønnsnivået generelt er høyere i de største bedriftene, og at en betydelig del av veksten i generell lønnsulikhet over tid kommer av at det blir større lønnsforskjeller mellom bedrifter (Barth, Bryson, Davis og Friedman 2016; Barth og Dale-Olsen 2011; Dale-Olsen og Nilsen 2009; Song, Price, Guvenen, Bloom og von Wachter 2019). Dermed kan fordelingen av kvinner og menn mellom små og store bedrifter, samt plasseringen av kvinner og menn innad i bedriftens lønnshierarki, være faktorer bak lønnsforskjellene. Det er også slik at lønnsforskjellene mellom kvinner og menn i Norge er størst blant høytlønte (CORE-indikator 2019; Nilsen 2007).
I denne artikkelen spør vi hvilken rolle bedriftene spiller når det gjelder lønnsforskjellene mellom kvinner og menn? For å belyse forskningsspørsmålet, starter vi med å undersøke størrelsen på lønnsgapet mellom kvinner og menn i store og små bedrifter. Videre undersøker vi i hvilken grad kjønnsforskjeller i lønn innad i størrelsesgrupper kan forklares av at kvinner og menn som er ansatt i store og små bedrifter er ulike langs noen målbare dimensjoner som er viktig for lønn. Vi finner blant annet at forskjeller i utdanning ikke har så mye å si, mens det at kvinner og menn jobber i forskjellige næringer er en viktig forklaring på lønnsforskjellen i gruppen av små bedrifter. I større bedrifter er det at kvinner og menn jobber i forskjellige yrker en viktig forklaring på kjønnsforskjellen i lønn. Vår analyse gir en pekepinn på om det er effektivt å sette inn tiltak basert på bedriftens størrelse for å redusere lønnsforskjellene mellom kvinner og menn.
Resten av artikkelen er disponert som følger: Først gir vi en kort oversikt over teori og empiri som underbygger våre analyser. Deretter presenterer vi metoden vi bruker i de empiriske analysene, beskriver analyseutvalget og variabeldefinisjoner. Etter presentasjon av resultatene våre, diskuterer vi funnene og konkluderer.
Forklaringer på lønnsforskjeller mellom kvinner og menn
Litteraturen rundt kjønnsforskjeller i arbeidsmarkedet – og særlig lønn – har sitt empiriske og teoretiske tyngdepunkt innen sosiologi og økonomi. Begge fagretningene drøfter betydningen av forhold både på tilbuds- og etterspørselssiden, i tillegg til de institusjonelle betingelsene i arbeidsmarkedet og samfunnet for øvrig. Det er ikke klare skiller mellom tilnærmingene, men økonomer tar ofte utgangspunkt i at individer tar rasjonelle valg og at utfallet avhenger av betingelsene. Sosiologien derimot, tar gjerne utgangspunkt i at individet tar valg i en samfunnsmessig kontekst: Historikk og stereotypier, institusjonelle forhold, normer og holdninger antas å ha betydning. Sammen gir disse to fagområdene et grunnlag for å drøfte mulige mekanismer bak lønnsforskjellene mellom kvinner og menn generelt og på tvers av bedrifter. I det følgende gir vi oversikt over sentrale teorier for kjønnsforskjeller i lønn. Vi fokuserer først på forskjellene som oppstår mellom individer, før vi kobler disse forskjellene til størrelsen på bedriftene individene jobber i.
Humankapital, familie og diskriminering
Humankapital er personers kunnskap og ferdigheter, og måles gjerne som utdanning, yrkeserfaring og ansiennitet (Mincer 1958). I teorien om humankapital, antas det at produktivitet påvirkes av nivået på humankapitalen: Høyere humankapital gir høyere produktivitet, som gir høyere lønn (Becker 1964). Derfor er forskjeller i humankapital ansett som en legitim grunn til forskjeller i lønn. Historisk sett har kvinner hatt lavere formell utdanning og kortere yrkeserfaring enn menn, og dette har vært en kilde til kjønnsforskjeller i lønn. Ettersom kvinner over tid har tatt lengre utdanning enn menn, er ikke forskjeller i utdanningslengde lenger en dominerende forklaring bak lønnsforskjellene mellom kvinner og menn (Barth mfl. 2013; Barth mfl. 2014; Blau og Kahn 2017). Imidlertid vet vi at kvinner har flere og lengre fravær fra yrkeslivet i foreldrefasen enn menn (Grambo og Myklebø 2009; Kitterød, Halrynjo og Østbakken 2017; Schou 2017). Dette kan bidra til at kvinners humankapital svekkes, både ved at de får mindre arbeidserfaring og at deres opparbeidede kompetanse ikke holder tritt med produktivitetsutviklingen ved lengre fravær fra arbeidsmarkedet.
I tillegg viser tidsbruksundersøkelser at kvinner bruker noe mer tid på ulønnet husholds- og omsorgsarbeid, spesielt i foreldrefasen (Kitterød og Rønsen 2017). Samfunnsøkonomen Gary S. Beckers (1991) teori for spesialisering i husholdningen tar utgangspunkt i at kvinners og menns produktivitet og lønnsutvikling henger sammen med arbeidsdelingen i husholdningen. Dersom én person tar hovedansvaret for arbeidsoppgaver i husholdningen og én tar hovedansvaret for å forsørge familien, velger husholdningen å spesialisere seg i to ulike markeder – hjemmemarkedet og arbeidsmarkedet. Et tradisjonelt kjønnsrollemønster innebærer at kvinner oftere tar ansvaret i husholdningen mens mannen fokuserer på sin yrkeskarriere.
Ut fra Beckers teori er det menn som har mulighet til å investere mest i yrkeslivet og øke produktiviteten på arbeidsmarkedet. Dette gir igjen lønnsmessig uttelling, mens kvinners tilknytning til arbeidsmarkedet blir svakere, karriereutsiktene dårligere, og relevant humankapital svekkes. Den skjeve utviklingen i humankapital mellom kjønnene har konsekvenser for den framtidige lønnsutviklingen. Humankapitalteorien tilsier at arbeidstiden har betydning for hvor mye arbeidserfaring man får, samtidig som den kan tjene som et signal på dedikasjon eller ønsket tilknytning til arbeidslivet. Arbeidsgivere kan være mindre villige til å investere i opplæring og videreutdanning i sine deltidsansatte hvis de tolker det slik at disse arbeidstakerne har en svakere tilknytning til arbeidet enn heltidsansatte.
På den andre siden kan deltid, spesielt den høye deltidsandelen som er blant kvinner, være et resultat av strukturer og kulturer på arbeidsmarkedet, og måten arbeidet organiseres på kan gjøre det vanskelig å få heltidsarbeid (Ellingsæter og Jensen 2019). Investeringer i humankapital gjennom spesialisering i yrkes- eller familieliv kan springe ut av egne, frie valg, men de kan også være historisk, sosialt og kulturelt betinget ut fra en forestilling om hva kvinner og menn skal og bør gjøre. Dersom arbeidsgivere handler ut fra fordommer og preferanser, heller enn fastsatte produktivitetsforskjeller basert på målbare indikatorer, kan det lede til diskriminering av kvinner i arbeidslivet (Becker 1957). Dette kalles preferansediskriminering2, og kjennetegnes ved at arbeidsgiveren av en eller annen grunn ikke liker kvinner som arbeidskraft. Statistisk diskriminering3 oppstår dersom arbeidsgiveren baserer sin avgjørelse på oppfatninger og erfaringer om kvinners eller menns arbeidsproduktivitet. Diskriminering kan forklare hvorfor kvinner opplever en svakere karriereutvikling enn ellers like produktive menn, men det er empirisk krevende å avgjøre hvor stor del av lønnsforskjellen som eventuelt forklares av diskriminering.
Det kjønnsdelte arbeidsmarkedet
Et kjønnsdelt arbeidsmarked kjennetegnes av at kvinner og menn jobber i ulike deler av markedet. Litteraturen skiller gjerne mellom to former for segregering: horisontal- og vertikal segregering. Den horisontale segregeringen skjer på tvers av sektorer, bransjer og yrker, mens den vertikale segregeringen skjer i stillingshierarkiet. Dimensjonene er ikke gjensidig utelukkende, siden ulik fordeling på tvers av yrker også innebærer at kvinner og menn befinner seg i ulike mulige karriereløp (Reisel og Teigen 2014:5). Kjønnssegregeringen har betydning for lønnsforskjellene mellom kvinner og menn fordi det er en sammenheng mellom lønnsnivå og kvinneandel. Kvinner jobber i sektorer, næringer og yrker som i gjennomsnitt har lavere timelønn (Barth mfl. 2013; Barth mfl. 2014; Wagner mfl. 2020,). Også internasjonale studier viser at det kjønnsdelte arbeidsmarkedet er en av de viktigste observerbare forklaringene bak lønnsforskjellene (Blau og Kahn 2017).
Flere forhold har bidratt til et kjønnsdelt arbeidsmarked. Arbeid-familie-balansen er en viktig barriere for kvinners karriereutvikling (Hardoy, Schøne og Østbakken 2017). Dersom kvinner systematisk velger mer «familievennlige» jobber for å balansere arbeid og familie, vil resultatet være at kvinner søker seg til andre type jobber enn menn. Et annet viktig element er overføringen av omsorgsarbeid fra hjemmet til arbeidsmarkedet gjennom utvidelsen av velferdsstaten, samt prosesser som har bidratt til å opprettholde kjønnsdelingen over tid, for eksempel forestillinger om hva som er «kvinnearbeid» og hva som er «mannsarbeid» (Charles og Bradley 2009). Disse prosessene har antakelig bidratt til svakere verdsetting av kvinnedominert arbeid, ved at kvinnedominerte yrker har lavere lønnsnivå enn mannsdominerte yrker som har relativt like krav til humankapital og sammenlignbare arbeidsforhold, fordi arbeidsoppgavene i disse yrkene vanligvis utføres av kvinner (England 1992).
Både de individuelle faktorene og sysselsettingsmønstrene er viktige forklaringer på eksisterende lønnsforskjeller mellom kvinner og menn, og hvorfor disse opprettholdes over tid. Samtidig vil også lønnsstrukturen i bedriftene være en potensiell faktor bak slike lønnsforskjeller. Et empirisk faktum som har vist seg å holde over tid og mellom land, er at lønnsnivået er høyere i store bedrifter enn i mindre bedrifter (Lallemand, Plasman og Rycx 2007; Oi og Idson 1999). Slike lønnspremier i de store bedriftene kan oppstå fordi store og små bedrifter ansetter ulike typer av arbeidstakere. Dette kan påvirke kjønnsforskjellen i lønn i store bedrifter på minst to måter: For det første kan store bedrifter tiltrekke seg mer karriereorienterte kvinner, fordi slike store virksomheter tilbyr større karrieremuligheter internt. Da vil kjønnsforskjellen i lønn i de største bedriftene være lavere enn i de minste. For det andre kan større bedrifter ha større variasjon i hvilke typer oppgaver de ansatte utfører, og kjønnsdelte yrkesvalg, for eksempel at kvinner i større grad jobber i servicefunksjoner i den laveste delen av bedriftshierarkiet, kan bidra til større lønnsforskjeller mellom kvinner og menn i de store bedriftene enn i de mindre. Fra tidligere internasjonal forskning vet vi også at kvinner får en mindre del av den bedriftsspesifikke lønnspremien (overskuddet) enn menn (Bruns 2019; Card mfl. 2016), og de har lavere sannsynlighet for å klatre i lønnshierarkiet innad i en bedrift enn menn (Goldin, Kerr, Olivetti og Barth 2017).
Med utgangspunkt i det skisserte rammeverket vi har presentert, gjør vi empiriske undersøkelser av lønnsforskjellen mellom kvinner og menn. Vi er spesielt opptatt av å undersøke hvorvidt kjønnsforskjellene i lønn er større i de store bedriftene, og i hvilken grad lønnsforskjellene kan forklares av sammensetningen av de ansatte – altså at kvinner og menn er ulike med hensyn til kjennetegnene som har betydning for lønn. Vi undersøker i tillegg om forskjellene oppstår innad i eller mellom bedrifter i de aktuelle størrelseskategoriene. Dette er både teoretisk og empirisk interessant å undersøke i lys av diskusjonen i forrige kapittel.
Data og metode
I analysene brukes koblede registerdata fra Statistisk sentralbyrå (SSB) for årene 2015 – 2017. Dataene er hentet fra flere kilder. Fra befolkningsstatistikken har vi personinformasjon om alle som er registrert som bosatte i Norge, blant annet alder, kjønn, bosted og landbakgrunn. Utdanningsopplysninger har vi fra Nasjonal Utdanningsdatabase (NUDB), mens vi henter informasjon om lønn og ansettelsesforhold fra A-ordningen4. Data fra kildene kobles sammen ved hjelp av unike, krypterte løpenummer for hvert individ og hver bedrift.
Utvalg og variabler
Analyseutvalget omfatter personer i alderen 20 til 65 år, som er bosatt i Norge per 1. januar, og som har et aktivt ansettelsesforhold per oktober (2015-2017). Vi utelater studenter og personer med avtalt arbeidstid på mindre enn 4 timer per uke. Siden bedriftsstørrelse er en viktig del av analysen, avgrenser vi utvalget til privat sektor der produksjonsenheter har separate organisasjonsnummer. Det vil si at vi utelater ansatte i stats-, trygde- og kommuneforvaltningen, samt statlige låneinstitusjoner. Fordi lønnsforskjeller i små bedrifter er særlig sårbare for enkeltobservasjoner, inkluderer vi kun bedrifter med 10 eller flere registrerte lønnstakere i observasjonsmåneden. Analysen vår er dermed representativ for ansatte i privat sektor som jobber i bedrifter med 10 eller flere ansatte. Totalt har vi 2 828 511 observasjoner av ansettelser i analyseperioden.
Siden årslønn og månedslønn er produktet av arbeidstid og timelønn, vil kjønnsforskjellen i disse lønnsmålene også reflektere kjønnsforskjeller i arbeidstid, derfor er timelønn et bedre lønnsmål i denne analysen. Da omgår vi noe av forskjellen som knyttes til arbeidstidsforskjeller. Fra A-ordningen har vi ikke direkte informasjon om timelønn, derfor må vi konstruere denne variabelen ved hjelp av informasjon om månedslønn, ukentlig avtalt arbeidstid og antall dager arbeidsforholdet er aktivt. Månedslønn består av fast lønn, faste- og variable tillegg og eventuelle bonusutbetalinger (et gjennomsnitt fra årsskiftet og fram til registreringsdato). Overtid er ikke inkludert. Vårt timelønnsmål tilsvarer målet som ble brukt i Barth mfl. (2013) og Barth mfl. (2014), som var basert på SSBs Lønnsstatistikken. I analysene bruker vi logaritmen av timelønn (deflatert til 2017-nivå). Som følge av dette vil personer som ikke har registrert månedslønn, avtalt arbeidstid eller timelønn, eller har null i timelønn, falle bort. Analyseenheten er ansettelsesforhold, og ikke person, siden samme person kan være registrert ansatt hos flere arbeidsgivere per oktober i et observasjonsår.
Vi inkluderer en rekke bakgrunnsvariabler i analysene. I tillegg til personens kjønn og alder, har vi informasjon om antall år med utdanning etter grunnskolen og antall barn under 18 år. I tråd med SSBs definisjon kategoriseres personer som er født i utlandet av en utenlandsfødt mor som innvandrere, øvrige er norskfødte. Potensiell yrkeserfaring er beregnet som antall år siden personen gikk ut av utdanning: alder– antall år i skole og utdanning. Vårt mål på yrkeserfaring tilsvarer dermed ikke faktisk yrkeserfaring, men et nest-beste mål ettersom datagrunnlaget ikke tillater å beregne faktisk yrkeserfaring. For grupper som typisk har mer og lengre fravær fra arbeidsmarkedet, vil potensiell yrkeserfaring være mindre presist. Sannsynligvis gjelder dette kvinner i større grad enn menn (Barth mfl. 2013). Fra avtalt arbeidstid konstruerer vi en variabel som tar verdien 1 når personen har en avtalt arbeidstid på 30 timer eller mer i uken (heltid) og 0 når personen jobber deltid. Informasjon om institusjonell sektor benyttes til å angi om bedriften hører innunder offentlig eller privat sektor5, mens den ansattes yrke angis av firesifret yrkeskode (STYRK98) og bransje av tosifret næringskode (NACE-kode, SN2007). Antall ansatte i hver bedrift per oktober benyttes til å lage intervaller av størrelse på bedrift: i) 10-19 ansatte, ii) 20-49 ansatte, iii) 50-99 ansatte, iv) 100-149 ansatte, v) 150-499 ansatte, og vi) 500 ansatte eller flere.6
For å begrense betydningen av målefeil og konsistensproblemer i data, ekskluderer vi alle som ikke har gyldige opplysninger på nøkkelvariabler, eller har åpenbare feil.7 I tillegg setter vi en grense for laveste mulige og høyeste mulige timelønn for å redusere sjansen for at ekstremverdier kan påvirke resultatene. Vi har vurdert at 100 kroner i timen er et relevant minimum,8 mens maksimumslønna er vurdert opp mot timelønnsfordelingen, der vi har ekskludert alle med 5000 kroner eller mer per time.9
Analysemetode
I de empiriske analysene benytter vi lineær regresjonsanalyse for å beregne kjønnsforskjeller i lønn. Vi beregner både den ujusterte og den justerte timelønnsforskjellen mellom kvinner og menn. Den ujusterte lønnsforskjellen er forskjeller vi observerer i arbeidsmarkedet, der vi ikke tar hensyn til at kvinner og menn kan være forskjellige langs noen observerbare dimensjoner. De justerte timelønnsforskjellene oppstår mellom kvinner og menn som er relativt like, altså timelønnsforskjeller som er justert for observerte personkjennetegn. Den justerte timelønnsforskjellen kalles ofte uforklart siden denne ikke kan forklares av observerbare forskjeller mellom kvinner og menn som vi har tilgang til i våre data. Slike uobserverte forskjeller kan blant annet være produktivitet, faktiske arbeidsoppgaver, forhandlingsmakt, arbeidsmiljø, motivasjon, evner eller diskriminering. I analysene av kjønnsforskjeller i lønn etter bedriftsstørrelse, deles hele utvalget inn i grupper etter antall ansatte på bedrift og regresjonene gjøres separat for hver av disse gruppene.
Videre sammenligner vi estimatene og tester om de er signifikant forskjellige på tvers av grupper for å vurdere om det er noen statistisk målbar kjønnsforskjell i lønn i bedrifter av ulik størrelse. Videre så dekomponerer vi timelønnsforskjellen mellom kvinner og menn for å vise hvor mye forskjeller forklaringsvariabler bidrar til lønnsgapet (Gelbach 2017). Dermed kan vi tallfeste hvor mye, for eksempel, utdanningsforskjeller og det kjønnsdelte arbeidsmarkedet bidrar til den observerte lønnsforskjellen. Vi går også et steg videre i forhold til tidligere analyser ved å undersøke lønnsforskjellene mellom relativt like kvinner og menn innad i bedrift (bedriftsfaste effekter). Analysen er deskriptiv og gir oss dermed ikke kunnskap om årsakssammenhenger, og det er heller ikke mulig å vurdere om det foregår noen form for lønnsdiskriminering.
Resultater
Analyseutvalget vårt består av ansatte i private bedrifter med 10 ansatte eller flere.10 Utvalget består av 34 prosent kvinner totalt sett, og cirka halve utvalget vårt jobber i bedrifter med i) 10-19 ansatte eller ii) 20-49 ansatte, mens den andre halvparten fordeler seg på de større bedriftene. Kvinner er svakt overrepresentert i de minste bedriftene, men andelen kvinner faller ikke under 30 prosent i noen av størrelsesintervallene våre. Lønnsnivået øker med bedriftsstørrelse og menn har høyere lønn i snitt enn kvinner generelt og i alle størrelsesintervaller.
Lønnsforskjellene mellom kvinner og menn – utviklingen over tid
I figur 1 presenterer vi de ujusterte og de justerte lønnsforskjellene i privat sektor for perioden 2015 til 2017, der vi har valgt en spesifikasjon som ligger så nært de tidligere analysene til Barth mfl. (2013) og Barth mfl. (2014) som mulig for å kunne si noe om utviklingen over tid. I 2015 var den ujusterte lønnsforskjellen på 13,7 prosent. Fra 2015 til 2017 falt forskjellen med 2,2 prosentpoeng til 11,5 prosent. Til sammenligning var forskjellen på rundt 15 prosent på 90-tallet (Barth og Dale-Olsen 2004), mens den var på rett i underkant av 11 prosent i 2017 (Wagner mfl. 2020). For privat sektor har tidligere studier (Barth mfl. 2013, Barth mfl. 2014) vist at den ujusterte lønnsforskjellen mellom kvinner og menn falt fra rett i underkant av 17 prosent i 2008 til 15 i 2012. Dermed viser våre analyser at den nedadgående trenden i lønnsforskjellene i privat sektor som er dokumentert tidligere, vedvarer.
Når vi justerer for observerbare forskjeller mellom kvinner og menn, og dermed sammenligner relativt like kvinner og menn når det gjelder utdanning, erfaring, avtalt arbeidstid, yrke og bransje, gjenstår altså et lønnsgap på rundt 10 prosent i privat sektor. Dette er på samme nivå som på tidlig 2000-tall (Barth mfl. 2013; Barth mfl. 2014). Når den justerte forskjellen ikke faller på samme måte som det ujusterte gapet over tid, betyr det at en del av nedgangen i den ujusterte lønnsforskjellen skyldes at sammensetningen av kvinner og menn har endret seg på en slik måte at kvinners gjennomsnittslønn har blitt likere menns. Dette kan ses langs flere dimensjoner. For det første har kvinner lengre utdanning enn menn, og denne forskjellen har økt over tid. Dette bidrar til å heve kvinners gjennomsnittslønn. For det andre jobber kvinner og menn i forskjellige deler av arbeidsmarkedet. Over tid har arbeidsmarkedet blitt mindre kjønnsdelt fordi særlig kvinner, og i noen grad menn, velger yrker hvor de tradisjonelt sett har vært i mindretall (Østbakken mfl. 2017).
Utviklingen i lønnsgapet i privat sektor (bedrifter med 10 ansatte eller flere) 2015-2017
Note: Alle verdier angir prosentforskjell i timelønn mellom kvinner og menn. De ujusterte forskjellene og justerte kjønnsforskjellene er estimert henholdsvis uten og med kontrollvariabler (årsdummyer er inkludert i begge). Kontrollvariablene for den justerte kjønnsforskjellen inkluderer humankapital (antall års utdanning, utdanning kvadrert erfaring og erfaring kvadrert og heltid), personkjennetegn (hvorvidt personen er innvandrer og hvorvidt personen har barn), yrkesgruppe (angitt på firesifret nivå) og hovednæring (på tosifret nivå). Alle estimater er signifikante på 1 prosent nivå.
Lønnsforskjellene mellom kvinner og menn – betydningen av bedriftsstørrelse
I de videre analysene slår vi sammen alle årgangene og utvider regresjonsmodellen med kontroll for størrelse på bedrift: i) 10-19 ansatte, ii) 20-49 ansatte, iii) 50-99 ansatte, iv) 100-149 ansatte, v) 100-499 ansatte, og vi) 500 ansatte eller flere. Den ujusterte modellen vår inneholder nå kun kontroll for om personen er kvinne og indikatorer for kalenderår for å kontrollere for tidseffekter. Den justerte modellen inneholder kontroll for humankapital, personkjennetegn, yrke og næring på samme måte som i figur 1, i tillegg til kontroll for størrelse på bedrift (10-19 ansatte er referansekategorien). For å si noe om bidraget fra de enkelte gruppene av forklaringsvariabler til lønnsgapet, dekomponerer vi lønnsforskjellene inn i bidrag fra humankapital (erfaring og utdanning), personkjennetegn (hvorvidt personen er innvandrer og hvorvidt personen har barn), yrkesgruppe (angitt på firesifret nivå) og næring (på tosifret nivå). Dette gjøres ved hjelp av dekomponeringsmetoden som et utviklet av Gelbach (2017). Resultatene presenteres i tabell 1.
Første og andre kolonne i tabell 1 viser henholdsvis de ujusterte og justerte timelønnsforskjellene mellom kvinner og menn. Første rad i kolonne tre viser differansen mellom den ujusterte og justerte timelønnsforskjellen, altså den forklarte delen av lønnsgapet, i prosentpoeng. I radene under vises dekomponeringen, som sier hvor mye hver av gruppene av forklaringsvariabler bidrar til lønnsgapet. Når en gruppe av forklaringsvariabler har negativt fortegn i dekomponeringen, betyr det at kjønnsforskjeller i disse faktorene bidrar til at det observerte lønnsgapet blir mindre. Sagt på en annen måte: Kjønnsforskjellene i disse egenskapene går i kvinners favør. Motsatt betyr positivt fortegn at forholdene bidrar til at det observerte lønnsgapet blir større, og at kjønnsforskjeller i disse forklaringsvariablene forklarer noe av den observerte lønnsforskjellen.
Forskjeller i næring, altså at menn jobber i næringer som i snitt har høyere lønnsnivå, er en viktig forklaring bak lønnsforskjellene mellom kvinner og menn i privat sektor. At flere menn jobber i større bedrifter, bidrar også til lønnsforskjellen mellom kvinner og menn. På den andre siden er forskjeller i humankapital – at kvinner har lengre utdanning enn menn – med på å presse den observerte lønnsforskjellen ned. Likevel er ikke dette i seg selv nok til å utligne forskjellen mellom næringer og bedrifter av ulik størrelse.
Tabell 1 Dekomponering av timelønnsforskjellen mellom kvinner og menn (2015-2017)
Bedriftsstørrelse har noe å si for lønnsforskjellene mellom kvinner og menn: Det er en høyere andel menn enn kvinner som jobber i de største bedriftene der lønnen er høyere. For å utforske dette nærmere gjør vi separate analyser for de forskjellige størrelsesintervallene. De ujusterte og justerte lønnsforskjellene mellom kvinner og menn innen samme størrelsesintervall presenteres i figur 2.
For den ujusterte forskjellen har vi en u-formet sammenheng mellom kjønnsforskjell i lønn og størrelse, der forskjellene er størst i de aller minste og de aller største bedriftene. Kjønnsforskjellen i lønn er også signifikant forskjellige i alle størrelseskategoriene, bortsett fra 20-49 vs. 100-149. Når vi justerer for humankapital, personkjennetegn, yrke og næring, faller lønnsforskjellen for alle intervaller av bedriftsstørrelse, og forskjellen mellom størrelseskategoriene blir mindre.11
Prosent lavere timelønn for kvinner etter størrelse på bedrift, privat sektor
Note: De ujusterte og justerte kjønnsforskjellene er de estimerte koeffisientene til variabelen kvinne i regresjoner henholdsvis uten og med kontrollvariabler (årsdummyer er inkludert i begge). Kontrollvariablene for den justerte kjønnsforskjellen inkluderer humankapital (antall års utdanning, utdanning kvadrert, erfaring og erfaring kvadrert), personkjennetegn (hvorvidt personen er innvandrer og hvorvidt personen har barn), yrkesgruppe (angitt på firesifret nivå) og hovednæring (på tosifret nivå). De justerte forskjellen er ikke signifikant forskjellige mellom gruppene (20-49 vs 150-499, 50-99 vs 500+ og 100-149 vs. 500+).
I likhet med de foregående analysene, dekomponerer vi den forklarte delen av lønnsforskjellen for hvert intervall av bedriftsstørrelse for å undersøke om gruppene av forklaringsvariabler har ulik betydning for ulike bedriftsstørrelser. Resultatene presenteres i tabell 2. Også her er det slik at positivt fortegn i dekomponeringen betyr at forklaringene bidrar til større observerte lønnsforskjeller, mens negativt fortegn betyr at forklaringen bidrar til å redusere lønnsforskjellen.
Tabell 2 Dekomponering av timelønnsforskjellen mellom kvinner og menn, for privat sektor, etter intervaller av bedriftsstørrelse
Differansen mellom ujustert og justert, den forklarte delen av lønnsgapet, er størst i de største og de minste bedriftene. Tabellen viser noen mønster som er felles for alle størrelseskategoriene. For det første har kvinner mer humankapital enn menn, noe som isolert sett bidrar til å redusere kjønnsforskjellen i lønn, særlig i de minste bedriftene. Forskjeller i andre personkjennetegn, som innvandrerbakgrunn og om man har barn, er mindre viktig for lønnsforskjellen mellom kvinner og menn. I alle størrelseskategoriene jobber menn i næringer som har høyere lønnsnivå, og menn jobber i bedre betalte yrker i nær sagt alle størrelseskategoriene.
Imidlertid er det også noen interessante forskjeller mellom store og små bedrifter. Bidraget fra forskjeller i humankapital er mindre i de største bedriftene, noe som betyr at særlig kjønnsforskjeller i lengden på utdanningen er mindre her. Bidraget fra forskjeller i næring er mindre i de største bedriftene, mens bidraget fra forskjeller i yrke er større. Fra de mellomstore til de største bedriftene øker spesielt bidraget fra forskjeller i yrke. Det betyr at i mellomstore og store bedrifter jobber kvinner i større grad i yrker som er dårligere lønnet enn menn. Dette kan oppstå fordi det er større variasjon i typer av arbeidsoppgaver som utføres i større bedrifter, og dermed er det større rom for lønnsforskjeller mellom grupper av arbeidstakere med ulike arbeidsoppgaver. For eksempel er det gjerne flere støttefunksjoner i større bedrifter, som HR-avdeling, administrasjon og kantine, som kan ha høyere kvinneandel og lavere lønn, sammenlignet med kjerneoppgavene til bedriften.
Timelønnsforskjeller innen bedrift
Resultatene over tyder på at noe av kjønnsforskjellen i lønn er knyttet til forskjeller mellom bedrifter (næring) for de små og mellomstore, og forskjeller som kan oppstå innad i bedrift (for eksempel yrke) i de aller største bedriftene. Siden vi har fulltelling av alle ansatte i bedriften i oktober hvert år (panel), har vi flere observasjoner per bedrift, og utnytter dette til å estimere lønnsforskjeller innen bedrift. Det vil si at vi har lagt inn bedriftsfaste effekter i regresjonsligningen, og på den måten kontrollert for tidsfaste uobserverbare forhold i bedriften som påvirker lønnsnivået til alle ansatte i den bedriften. I denne spesifikasjonen er den bedriftsfaste effekten konstant over tid i analysene av hele analyseutvalget, og for de årene bedriften holder seg i samme størrelsesintervall i regresjonene for de ulike bedriftsstørrelsene.
Resultatene fra estimeringene presenteres i tabell 3. For å sjekke om rekkefølgen av kontroll for de bedriftsfaste effektene har noen betydning for resultatene, presenterer vi resultater der vi inkluderer de bedriftsfaste effektene uten å kontrollere for sammensetningen (ujustert), og en der vi introduserer de bedriftsfaste effektene i det som hittil har vært full modell (justert). Legg merke til at vi ikke har kontrollert for næring eller størrelse, siden dette stort sett er fast bedriftsinformasjon på kort sikt. Dersom det er noen stabile forskjeller mellom bedrifter som bidrar til at det er lønnsforskjeller mellom kvinner og menn, bør estimatene for lønnsforskjellen reduseres når bedriftsfaste effekter inkluderes. Slike forskjeller kan for eksempel være at menn har større sannsynlighet for å jobbe i bedrifter der det er rom for individuelle lønnsforhandlinger eller mer bruk av prestasjonslønn enn kvinner.
Fra tabell 3 ser vi med all tydelighet at lønnsforskjellen mellom kvinner og menn ikke endres spesielt mye når vi kontrollerer for hvilken bedrift de jobber i. Det er liten forskjell i den estimerte lønnsforskjellen i de to ulike spesifikasjonene vi har satt opp her. Også innad i bedrifter er lønnsforskjellen i snitt på drøye 9 prosent når vi sammenligner kvinner og menn som er relativt like med tanke på relevante kjennetegn. Det er fortsatt slik at den estimerte lønnsforskjellen er høyere i de største bedriftene, og estimatene for de justerte forskjellene innen hver enkelt bedrift er stort sett signifikant forskjellige fra hverandre, bortsett fra mellom størrelsesgruppene 10-20 og 20-50, samt mellom 50-100 og 100-150 (signifikanstesten er ikke vist). Dermed er lønnsforskjellen mellom kvinner og menn størst i de største bedriftene.
Lønnsforskjellen mellom kvinner og menn, med og uten kontroll for bedriftsfaste effekter, for alle og over bedriftsstørrelse (2015-2017)
Ut fra disse analysene er det ikke noe som tyder på at den uforklarte lønnsforskjellen på rundt 9-10 prosent er drevet av at kvinner og menn fordeler seg ulikt i bedrifter som er forskjellige fra hverandre i faktorer som har betydning for lønnsgapet, for eksempel bedrifter med ulik grad av generøsitet i lønnspolitikken, men heller at lønnsforskjellen oppstår innad i bedrifter – mellom kvinner og menn. Dette taler for å rette søkelyset mot de prosessene som er ulikhetsskapende innad i bedriften i arbeidet med å redusere lønnsforskjellene framover.
Konklusjon
I denne artikkelen har vi bidratt med ny kunnskap om lønnsforskjellene mellom kvinner og menn i Norge ved å rette søkelyset på forskjeller mellom bedrifter av ulik størrelse. Større bedrifter har høyere lønnsnivå, og ut fra tidligere teoretisk og empirisk forskning er det grunn til å tro at lønnsforskjellene mellom kvinner og menn også øker med størrelse på bedrift.
Våre analyser viser at lønnsforskjellene mellom kvinner og menn i virksomheter i privat sektor som ansetter 10 ansatte eller mer, har falt fra 2015 til 2017, og at den nedadgående trenden som er vist i tidligere undersøkelser, har vedvart. Dette kommer dels av at kvinner i privat sektor har fått høyere utdanning, og at yrkes- og næringsvalgene til kvinner og menn har blitt likere. Samtidig er den justerte forskjellen fortsatt på 9,5 prosent, og den har ikke endret seg noe over perioden.
Lønnsforskjellene mellom kvinner og menn er u-formet etter størrelse på bedrift: Den er større i de minste bedriftene enn den er i de mellomstore, og den er aller størst i de største bedriftene. Den justerte lønnsforskjellen mellom kvinner og menn er likere på tvers av bedrifters størrelse, men den er fortsatt større blant dem som jobber i de største bedriftene.
Det er ulike faktorer som bidrar til den observerte lønnsforskjellen mellom kvinner og menn i store og små bedrifter. I de minste bedriftene oppstår en del av forskjellen fordi kvinner og menn jobber i ulike næringer, mens yrkesforskjeller er viktigere blant dem som jobber i de store bedriftene. Det betyr at i mellomstore og store bedrifter jobber kvinner i større grad i yrker som er dårligere lønnet enn menn. Denne forskjellen kan oppstå fordi det er større variasjon i typer av arbeidsoppgaver som utføres i større bedrifter. Når vi studerer lønnsforskjeller mellom sammenlignbare stillinger for kvinner og menn innad i bedrifter, er timelønnsforskjellen fortsatt på 9 prosent, og forskjellene er størst i de store bedriftene.
Ut fra våre analyser er det lite som tyder på at den uforklarte lønnsforskjellen på 9-10 prosent er drevet av at kvinner og menn jobber i ulike typer bedrifter – for eksempel bedrifter med ulikt lønnsnivå – men at lønnsforskjellene mellom kvinner og menn oppstår innad i bedriftene. Dette kommer ikke kun av at kvinner har andre kvalifikasjoner og oppgaver enn menn. Ut fra våre analyser kan vi ikke si noe om mekanismene bak prosessene som driver lønnsforskjellene innad i bedriftene, men fra tidligere internasjonal forskning vet vi at kvinner mottar en lavere andel av overskuddet i bedrifter (Bruns 2019; Card mfl. 2016), de har lavere sannsynlighet for å klatre i lønnshierarkiet innad i en bedrift og lavere sannsynlighet for å bevege seg oppover i lønnshierarkiet når de bytter jobb enn menn (Goldin, Kerr, Olivetti og Barth 2017). Slike prosesser kan også være i spill i Norge.
De største bedriftene har den høyeste lønnsforskjellen mellom kvinner og menn. Samtidig er det ikke dramatisk store kjønnsforskjeller i lønn mellom store og små bedrifter. Når man skal utforme tiltak for å redusere lønnsforskjellene mellom kvinner og menn, er det trolig ikke en effektiv strategi å innføre tiltak som utelukkende fokuserer på de største bedriftene i Norge. Det vil antakelig være mer effektivt å rette søkelyset mot de prosessene som er ulikhetsskapende innad i både små og store bedrifter i arbeidet med å redusere lønnsforskjellene framover.
Artikkelen er finansiert med midler fra CORE- senter for likestillingsforskning og er en del av forskningsaktiviteten i prosjektet. Vi takker to anonyme konsulenter, samt tidligere- og nåværende redaktører for gode og konstruktive kommentarer til tidligere utkast.
Appendiks
Tabell A1 Beskrivende statistikk for nøkkelvariabler for privat sektor, gjennomsnitt og standardavvik i parentes, 2015-2017.
Note: Tabellen viser gjennsomsnitt og standardavvik for alle observasjonene i analyseutvalget vårt hele perioden sett under ett. I første kolonne har vi inkludert alle, i kolonne to og tre har vi beregnet separate gjennomsnitt og standardavvik for menn og kvinner i hele perioden.
Tabell A2 Beskrivende statistikk for lønn, kvinneandel og antall ansatte etter størrelse på bedrift (2015-2017).
Litteratur
Arrow, Kenneth Joseph 1973. «The Theory of Discrimination». I: Orley Ashenfelter og AlbertRees (red): Discrimination in Labor Markets. Princeton, N.J.: Princeton University Press.
Ashenfelter, Orley og Albert Rees. Discrimination in Labor Markets. Princeton, N.J.: Princeton University Press.
Barth, Erling. og Harald Dale-Olsen 2004. «Lønnsforskjellene mellom kvinner og menn i et 30 års perspektiv», Søkelys på arbeidsmarkedet 1(4): 65-74.
Barth, Erling og Harald Dale-Olsen 2011. «Employer size or skill group size effects on wages?», Industrial and Labor Relations Review 64(2): 341-355.
Barth, Erling, Ines Hardoy, Pål Schøne og Kjersti Misje Østbakken 2013. Lønnsforskjeller mellom kvinner og menn. Hva har skjedd på 2000-tallet? Rapport (2013:7). Oslo: Institutt for samfunnsforskning.
Barth, Erling, Pål Schøne og Marte Strøm 2014. Er lønnsgapet mellom kvinner og menn i ferd med å lukkes ? Vedlegg i TBU-rapport, juni 2014: Etter inntektsoppgjørene 2014: 83-95.
Barth, Erling, Alex Bryson, James C. Davis og Richard Freeman 2016. «It’s Where You Work: Increases in the Dispersion of Earnings across Establishments and Individuals in the United States», Journal of Labor Economics 34(2): S67-S97. https://doi.org/10.1086/684045
Becker, Gary S. 1964. Human Capital: a Theoretical and Empirical Analysis, with Special Reference to Education. New York: National Bureau of Economic Research: Colombia University Press.
Becker, Gary S. 1957. The Economics of Discrimination. Chicago: University of Chicago Press.
Becker, Gary S. 1991. A treatise on the family. Enlarged ed. Cambridge: Harvard University Press.
Blau, Francine D. og Lawrence M. Kahn 2017. «The Gender Wage Gap: Extent, Trends, and Explanations», Journal of Economic Literature 55(3): 789-865. https://doi.org/10.1257/jel.20160995
Bruns, Benjamin 2019. «Changes in Workplace Heterogeneity and how They Widen the Gender Wage Gap», American Economic Journal: Applied Economcis 2019 11(2): 74-113. https://doi.org/10.1257/app.20160664
Card, David, Jörg Heining og Patric Kline 2013. «Workplace Heterogeneity and the Rise of West German Wage Inequality», Quarterly Journal of Economics 128(3): 967-1015. https://doi.org/10.1093/qje/qjt006
Card, David, Ana Cardoso og Patric Kline 2016. «Bargaining, Sorting, and the Gender Wage Gap: Quantifying the Impact of Firms on the Relative Pay of Women»,
Quarterly Journal of Economics 131(2): 633-686. https://doi.org/10.1093/qje/qjv038
Charles, Maria og Karen Bradley 2009. «Indulging Our Gendered Selves? Sex Segregation by Field of Study in 44 Countries», American Journal of Sociology 114(4), 924-976.
https://doi.org/10.1086/595942
CORE-indikator 2019. Kjønn og lønn i 2017.
https://www.samfunnsforskning.no/core/publikasjoner/core-indikator-status/kjonn-og-lonn/
Dale-Olsen, Harald og Kjersti Misje Nilsen 2009. «Lønnsulikhet i Norge 1995-2006», Søkelys på arbeidslivet 26(2): 207- 221.
Ellingsæter, Anne Lise og Ragnhild Steen Jensen 2019. «Politicising Women’s Part-Time Work in Norway: A Longitudinal Study of Ideas», Work, Employment and Society, 33(3): 444-461. https://doi.org/10.1177/0950017018821277
England, Paula 1992. Comparable worth: Theories and evidence. New York: Aldine.
Eurostat 2019. Gender pay gap statistics. https://ec.europa.eu/eurostat/statistics-explained/index.php/Gender_pay_gap_statistics
Gelbach, Jonah, B. 2017. «When Do Covariates matter? And Which Ones, and How Much?», Journal of Labor Economics 34(2): 509-543. https://doi.org/10.1086/683668
Goldin, Claudia, Sari Pekkala Kerr, Cladua Olicetti og Erling Barth 2017. «The Expanding Gender Earnings Gap: Evidence from the LEHD-2000 Census», American Economic Review: Papers and Proceedings 107(5): 110-114. https://doi.org/10.1257/aer.p20171065
Grambo, Anne-Cathrine og Sigrid Myklebø 2009. Moderne familier – tradisjonelle valg. Oslo: Arbeids- og velferdsdirektoratet.
Hardoy, Ines, Pål Schøne og Kjersti Misje Østbakken 2017. «Children and the gender gap in management», Labour Economics 47: 124-137. https://doi.org/10.1016/j.labeco.2017.05.009
Kitterød, Ragni Hege og Marit Rønsen 2017. «Does Involved Fathering Produce a Larger Total Workload for Fathers Than for Mothers? Evidence from Norway», Family Relations 66(July): 468- 483. https://doi.org/10.1111/fare.12264
Kitterød, Ragni Hege, Sigtona Halrynjo og Kjersti Misje Østbakken 2017. Pappaperm? Fedre som ikke tar fedrekvote – Hvor mange, hvem og hvorfor? Rapport 2017:2. Oslo: Institutt for samfunnsforskning.
Mincer, Jacob 1958. «Investment in Human Capital and Personal Income Distribution», Journal of Political Economy 66(4): 281-203. https://doi.org/10.1086/258055
Nilsen, Kjersti Misje 2007. «Er det et glasstak i Norge? Lønnsforskjeller mellom kvinner og menn på toppen i arbeidsmarkedet», Søkelys på arbeidslivet 24(2): 181-194.
Oi, Walter og Todd Idson 1999. «Firm Size and Wages». I: Orley Ashenfelter og David Card (red.): Handbook of Labor Economics, Vol. 3: 2165-2214. Amsterdam: Elsevier.
Phelps, Edmund 1972. «The Statistical Theory of Racism and Sexism», American Economic Review 62(4): 659-661. https://www.jstor.org/stable/1806107
Reisel, L. og Teigen, M. 2014. Kjønnsdeling og etniske skillelinjer på arbeidsmarkedet. Oslo: Gyldendal Akademisk.
Schou, Line 2017. «Fedrekvoten – uttak og holdninger», Arbeid og velferd 3: 81-95.
Song, Jae, David J. Price, Fatih Guvenen, Nicholas Bloom og Till von Wachter 2019. «Firming Up Inequality». The Quarterly Journal of Economics 134(1): 1-50. https://doi.org/10.1093/qje/qjy025
Wagner, Ines og Anne Skjevik Grødem 2018. Sertifisert likestilling. Likelønnsstadarden på Island. ISF-rapport 2018:10. Oslo: Institutt for samfunnsforskning.
Wagner Ines, Live Kjos Fjell, Marte Marie Frisell og Kjersti Misje Østbakken 2020. Likelønn og det kjønnsdelte arbeidsmarkedet: Individuelle preferanser eller strukturelle begrensninger? ISF-rapport 2020:4. Oslo: Institutt for samfunnsforskning.
| 1 | I Norge gjelder redegjørelsesplikten for alle offentlige virksomheter og private virksomheter med flere enn 50 ansatte, se https://lovdata.no/lov/2017-06-16-51/§26a . Stortinget har nylig forsterket redegjørelsesplikten, slik at fra 2020 må virksomhetene som omfattes av plikten blant annet gjennomføre og rapportere om lønnskartlegging. Denne skal blant annet inkludere en kartlegging av likt arbeid og arbeid av lik verd, se https://www.ldo.no/jobbe-for-likestilling/i-arbeidslivet/Aktivitets-og-redegjorelsesplikten/. |
| 2 | Originalt taste-based discrimination på engelsk, som formelt beskrevet av Gary S. Becker i boken The Economics of Discrimination (1957). |
| 3 | Kjent i litteraturen fra Edmund Phelps (1972) og Kenneth Arrow (1973), og begrepet er direkte oversatt fra engelsk, statistical discrimination. |
| 4 | A-ordningen er et samordnet system hvor arbeidsgivere rapporterer opplysninger om inntekt og ansatte til norske myndighetsorganer, og rapporteringen danner grunnlaget for SSBs registerstatistikker om arbeidsforhold. |
| 5 | Ansettelser innen Stats- og trygdeforvaltningen (6100). kommuneforvaltningen (6500), Norges Bank (3100) og statlige låneinstitusjoner mv. (3900), klassifiseres som offentlig sektor, øvrige er privat sektor. |
| 6 | Grupperingen er bestemt ut fra hvordan populasjonen av bedrifter ser ut når det gjelder bedriftsstørrelse, samt andelen av ansatte som jobber i de ulike gruppene. |
| 7 | For eksempel at de har negativ timelønn eller flere år i utdanning enn hva som antas å være mulig, manglende eller feil nærings- eller yrkeskode og negativ potensiell erfaring. |
| 8 | Tilsvarer de oppgitte minstesatsen for ferie- og innhøstingshjelp i jordbruk og gartneri for arbeidstakere under 18 år. De øvrige andre bransjene som har innført en minstesats ligger høyere enn dette, se https://www.arbeidstilsynet.no/arbeidsforhold/lonn/minstelonn/ |
| 9 | Disse er ekstremverdier og utgjør mindre enn 0,02 prosent av utvalget. |
| 10 | Deskriptiv statistikk rapporteres i Appendiks tabell A1 og A2. |
| 11 | I de justerte analysene kan forskjeller i den estimerte lønnsforskjellen mellom bedriftsstørrelsesintervallene komme av at det er forskjeller i hvilke menn og kvinner som jobber i små og store bedrifter. Denne seleksjonen får vi ikke tatt hensyn til, men analyser av hele utvalget der vi kontrollerer for humankapital, personkjennetegn, yrke og næring, samt lar lønnsforskjellen mellom kvinner og menn variere med størrelse, viser at lønnsforskjellen er noe større i alle bedriftsintervaller enn det vi presenterer i figur 3. Dermed er det grunn til å tro at disse estimatene skjever mot null og gir oss en nedre grense på den faktiske forskjellen. |
Dette er en Open Access artikkel distribuert under vilkårene Creative Commons CC-BY-NC 4.0
