Ziel dieser Arbeit ist es, treibende Faktoren des Gender Pay Gaps im internationalen Rahmen zu untersuchen. Um dies zu bewerkstelligen, werden ausgewählte Artikel aus Fachzeitschriften bzgl. ihrer Methoden und Ergebnisse kritisch erörtert. Der Fokus hierbei liegt auf die Studien der EU und den USA. Die vorliegende Arbeit ist wie folgt strukturiert: Zu Beginn wird der Begriff „Gender Pay Gap“ näher definiert und dessen zwei Arten, der unbereinigte und bereinigte Gender Pay Gap, präsentiert und voneinander abgegrenzt. Im dritten Abschnitt dieser Arbeit wird der Gender Pay Gap im gesetzlichen Rahmen eingebettet und geprüft, inwiefern dieser aus rechtlicher Sicht seine Berechtigung hat. Der Hauptteil dieser Arbeit basiert auf drei unterschiedlichen empirischen Artikel, welche im vierten Abschnitt behandelt werden. Der erste Artikel beschränkt sich auf den Gender Pay Gap der USA und erforscht diesen mittels einer Blinder-Oaxaca Zerlegung, sowie einer Quantilsregression der Einkommensverteilung zwischen Frauen und Männern. Der zweite Artikel handelt von dem Einfluss einer französischen Reformpolitik bzgl. der Elternzeit auf die Erwerbsbeteiligung, sowie Löhne von französischen Müttern, welcher mittels eines Differenzen-in-Differenzen Schätzers und des Propensity Score Matching ermittelt wird. Der Fokus des dritten Artikels liegt auf den internationalen Vergleich der unterschiedlichen Lohnstrukturen der Arbeitsmärkte, welche mittels der Dekompositionstechnik von Juhn et al. (1993) mit dem Gender Pay Gap im Einklang gebracht werden. Der fünfte Abschnitt dieser Arbeit beschäftigt sich mit zusätzlicher Literatur, welcher weitere Facetten des Gender Pay Gaps beleuchtet. Schließlich wird im sechsten Abschnitt diese Arbeit mit einer Schlussbetrachtung beendet.
Inhaltsverzeichnis
1. Einleitung
2. Definition und Begriffserklärung
3. Gesetzlicher Rahmen
4. Internationaler Vergleich
4.1 Der Gender Pay Gap in den USA
4.1.1 Blinder-Oaxaca Zerlegung
4.1.2 Quantilsregression und bedingte Einkommensverteilung
4.1.3 Datenbeschreibung
4.1.4 Ergebnisse der Dekomposition
4.1.5 Einkommensverteilung
4.2 Elternzeit, Erwerbsbeteiligung und Politikmaßnahmen in Frankreich
4.2.1 Berechtigung für CLCA-Leistung und Datenbeschreibung
4.2.2 Treatmenteffekt der CLCA Reform: Differenzen-in-Differenzen Methode .
4.3 Lohnstruktur und Lohnungleichheit auf dem Arbeitsmarkt
4.3.1 Einkommensverhältnis und Familienstand
4.3.2 Juhn-Murphy-Pierce Zerlegung
4.3.3 Ergebnisse der Studie
5. Weiterführende Literatur
6. Schlussbetrachtung
Literaturverzeichnis
Anhang
1. Einleitung
Die geschlechtsspezifische Lohnlücke ist in den letzten Jahren immer wieder in den Vordergrund der Politik und gesellschaftlichen Diskurs geraten. Der „Gender Pay Gap“ - oder auch das geschlechtsspezifische Lohndifferential - generiert sowohl politische als auch wirtschaftliche Probleme auf globaler Ebene. Laut des ILO Bericht (2020) verdienen in nahezu allen Nationen Frauen im Durchschnitt 20% weniger als Männer. Trotz des drastischen Verfalls der geschlechtsspezifischen Lohnlücke seit 1950, bleibt eine signifikante Einkommenslücke zwischen Frauen und Männern weiterhin bestehen (vgl. Blau & Kahn, 1992, S. 533). Jährlich versammeln sich Aktivisten zum Equal Pay Day, um den Fokus auf die geschlechterbasierte Lohnlücke zu lenken und die Folgen und Ursachen dieser in Szene zu setzen1.
Der Gender Pay Gap hat nicht nur die Wissenschaftsdisziplin der Arbeitsökonomik geprägt, sondern auch andere wissenschaftliche Disziplinen wie bspw. die Soziologie (vgl. Hübler, 2003, S. 539). Dabei versuchen Wissenschaftler die Zusammenhänge der geschlechtsspezifischen Lohnlücke zu verstehen. Eine Vielzahl von Studien und wissenschaftlichen Recherchen haben sich in den vergangenen Jahrzehnten damit beschäftigt, die Determinanten des Gender Pay Gaps zu bestimmen, welche die Verdienstlücke antreiben. Von Geschlechterunterschieden in Berufen und Humankapital bis hin zur Arbeitsmarktdiskriminierung der Frauen - all diese Faktoren wurden, sowohl empirisch, als auch theoretisch in der Literatur verankert. Zusätzlich existieren Segregationstheorien der Geschlechter am Arbeitsmarkt, welche die Einteilung der Berufe in Frauen- und Männerdomänen untersuchen.
Ziel dieser Arbeit ist es, treibende Faktoren des Gender Pay Gaps im internationalen Rahmen zu untersuchen. Um dies zu bewerkstelligen, werden ausgewählte Artikel aus Fachzeitschriften bzgl. ihrer Methoden und Ergebnisse kritisch erörtert. Der Fokus hierbei liegt auf die Studien der EU und den USA. Die vorliegende Arbeit ist wie folgt strukturiert: Zu Beginn wird der Begriff „Gender Pay Gap“ näher definiert und dessen zwei Arten, der unbereinigte und bereinigte Gender Pay Gap, präsentiert und voneinander abgegrenzt. Im dritten Abschnitt dieser Arbeit wird der Gender Pay Gap im gesetzlichen Rahmen eingebettet und geprüft, inwiefern dieser aus rechtlicher Sicht seine Berechtigung hat. Der Hauptteil dieser Arbeit basiert auf drei unterschiedlichen empirischen Artikel, welche im vierten Abschnitt behandelt werden. Der erste Artikel beschränkt sich auf den Gender Pay Gap der USA und erforscht diesen mittels einer Blinder-Oaxaca Zerlegung, sowie einer Quantilsregression der Einkommensverteilung zwischen Frauen und Männern. Der zweite Artikel handelt von dem Einfluss einer französischen Reformpolitik bzgl. der Elternzeit auf die Erwerbsbeteiligung, sowie Löhne von französischen Müttern, welcher mittels eines Differenzen-in-Differenzen Schätzers und des Propensity Score Matching ermittelt wird. Der Fokus des dritten Artikels liegt auf den internationalen Vergleich der unterschiedlichen Lohnstrukturen der Arbeitsmärkte, welche mittels der Dekompositionstechnik von Juhn et al. (1993) mit dem Gender Pay Gap im Einklang gebracht werden. Der fünfte Abschnitt dieser Arbeit beschäftigt sich mit zusätzlicher Literatur, welcher weitere Facetten des Gender Pay Gaps beleuchtet. Schließlich wird im sechsten Abschnitt diese Arbeit mit einer Schlussbetrachtung beendet.
2. Definition und Begriffserklärung
Der Gender Pay Gap ist definiert durch die Differenz des durchschnittlichen Bruttostundenverdienstes der Frauen und Männer im Verhältnis zum Bruttostundenverdienst der Männer (vgl. Statistisches Bundesamt, 2021). Formal wäre dies Abbildung in dieser Leseprobe nicht enthalten durchschnittlichen Bruttostundenverdienste der Männer bzw. der Frauen ohne Sonderzahlungen darstellen (vgl. Mischler, 2021, S. 112). Bei der vorangegangenen Definition ist Vorsicht geboten, denn diese beschreibt den unbereinigten Gender Pay Gap. Dieser zeichnet sich dadurch aus, dass Frauen und Männer nicht nach ihren persönlichen Charakteristika strukturiert werden (vgl. ebenda). Unter persönlichen Charakteristika sind bspw. lohnrelevante Faktoren wie Bildung, Arbeitserfahrung, Arbeitszeit etc. zu verstehen, welche die Beschäftigten hinsichtlich ihrer Merkmale unterscheiden (vgl. Statistisches Bundesamt, 2021).
Im Folgenden werden einige statistische Daten zum Gender Pay Gap vorgestellt, um die Diskrepanz zwischen bereinigten und unbereinigten Gender Pay Gap hervorzuheben. Im Jahr 2020 lag der Gender Pay Gap für Deutschland bei 18% (vgl. ebenda). Daraus folgt, dass alle erwerbstätigen Frauen in diesem Jahr durchschnittlich 18% weniger als männliche Beschäftigte verdienten. Für das Jahr 2018, lag der Gender Pay Gap im EU-Durchschnitt bei 15% (vgl. ebenda). Den niedrigsten Gender Pay Gap in der EU konnten Luxemburg (1%), Rumänien (2%) und Italien (4%) für das Jahr 2018 vorweisen (vgl. ebenda). Diese Werte unterscheiden nicht zwischen Frauen und Männern mit vergleichbaren strukturellen/persönlichen Charakteristika wie Bildungsgrad, Beruf oder Beschäftigungsumfang.
Der bereinigte Gender Pay Gap verschafft Klarheit, indem dieser das Lohndifferential von Frauen und Männern mit vergleichbaren Eigenschaften berechnet (vgl. ebenda). So konnte für Deutschland für das Jahr 2018 ein bereinigter Gender Pay Gap von 6% berechnet werden, wobei der unbereinigte Gender Pay Gap im selben Jahr bei 20% lag (vgl. ebenda). Wichtig zu bemerken ist hierbei, dass der unbereinigte Gender Pay Gap keine endgültige Lösung ist, sondern eine Obergrenze hinsichtlich seines Umfangs darstellt, da dieser von lohnrelevanten Faktoren bedingt ist (vgl. ebenda). Je mehr lohnrelevante Faktoren in die Berechnung des Gender Pay Gaps miteinfließen, desto niedriger kann der bereinigte Gender Pay Gap liegen. In der Literatur wird der bereinigte Gender Pay Gap häufig mit Arbeitsmarktdiskriminierung gleichgesetzt.
3. Gesetzlicher Rahmen
In nahezu allen Nationen ist das Prinzip der Gleichbehandlung und Gleichberechtigung in Ihrer jeweiligen Verfassung verankert. Dies bezieht sich nicht nur auf das private, sondern auch auf das Berufsleben und somit auch auf den Arbeitsmarkt. Sofern weibliche und männliche Arbeitnehmer sich nicht hinsichtlich ihrer Qualifikationen (Bildung) oder struktureller Faktoren (Beruf, Branche, Beschäftigungsumfang) unterscheiden, ist derselbe Lohn für dieselbe Arbeit keineswegs verwunderlich. Die Realität sieht allerdings anders aus, denn Frauen werden oft, ohne das Vorliegen sachlicher Gründe, am Arbeitsmarkt bzw. hinsichtlich der Entlohnung benachteiligt (vgl. von Kulmiz, 1999, S. 1).
So heißt es im Art. 23 der Charta der Grundrechte der Europäischen Union: „Die Gleichheit von Männern und Frauen ist in allen Bereichen, einschließlich der Beschäftigung, der Arbeit und des Arbeitsentgelts, sicherzustellen.“ Auch in Deutschland ist die Norm der Gleichbehandlung, sowie Chancengleichheit im Grundgesetz seit dem 25.05.1949 verankert. So heißt es im Art. 3 Absatz 2 GG: „Männer und Frauen sind gleichberechtigt. Der Staat fördert die tatsächliche Durchsetzung der Gleichberechtigung von Frauen und Männern und wirkt auf die Beseitigung bestehender Nachteile hin.“ Hiermit wird deutlich, dass sowohl Frauen als auch Männer dieselben Chancen und Möglichkeiten besitzen, in allen Ebenen des gesellschaftlichen Lebens, und vor allem am Arbeitsmarkt, freie Entscheidungen zu treffen und sich frei zu entfalten. Weiterhin sollen Frauen und Männer durch die Implementierung des Gesetzes zur Förderung der Transparenz von Entgeltstrukturen (Entgeltgleichheitsgesetz) im Jahre 2017 nach dem Prinzip „Gleicher Lohn für gleichwertige Arbeit“ entlohnt werden. Seit dem 04.03.2021 hat sich die EU- Kommission anhand ihrer neuen Richtlinie auch der Durchsetzung einer stärkeren Lohntransparenz und einer stärkeren Lohngleichheit für gleiche Arbeit verschrieben (vgl. EU-Kommission, 2021).
Fällt der Blick auf die Vereinigten Staaten von Amerika, ist festzustellen, dass Antidiskriminierungsgesetze im Vergleich zu Deutschland relativ spät ihren Platz in der nationalen Verfassung gefunden haben. Die Einführung des Civil Right Acts 1964 und des Equal Pay Acts hat es ermöglicht, Antidiskriminierungsgesetze zu erlassen, welche wiederum Minderheiten und Frauen gestatteten, an Hochschulen zu studieren (vgl. Blau & Kahn, 2017, S. 847). Nach Blau und Kahn (2017, S. 813) war dieses Gesetz ein großer Wegbereiter für U.S.-amerikanische Frauen, mehr in Bildung zu investieren und sogar die Männer in einigen Bildungsrichtungen einzuholen.
Selbstverständlich sind die oben aufgeführten Gesetze und Richtlinien nicht auf strukturelle Unterschiede hinsichtlich der Entlohnung zwischen weiblichen und männlichen Arbeitnehmern durchsetzbar. Insofern sollte es einen nicht wundern, wenn ein Hochschulabsolvent in einer bestimmten Tätigkeit mehr verdient als jemand, der „nur“ eine Fachhochschulreife erworben hat. Vielmehr schützen diese Gesetze und Normen vor geschlechterbasierter Diskriminierung am Arbeitsmarkt oder in anderen Bereichen der Gesellschaft. Das fünfte aus den 17 globalen Nachhaltigkeitszielen bzw. SDG's (Sustainable Developement Goals) betont die Gleichstellung von Frauen und Männern, unter anderem auch auf dem Arbeitsmarkt. Laut der Agenda 2030 hat sich die Bundesregierung zum Ziel gesetzt, den unbereinigten Gender Pay Gap bis zum Jahre 2030 auf 10% zu senken (vgl. Bundesregierung, 2021).
4. Internationaler Vergleich
Dieser Abschnitt soll anhand drei ausgewählter Fachzeitschriftenartikel einige Ursachen und Implikationen des Gender Pay Gaps auf internationaler Basis untersuchen und die angewandten ökonometrischen Methoden, sowie die Ergebnisse der Autoren explizit erörtern. Der Fokus hierbei liegt auf dem empirischen Teil der jeweiligen Artikel. Die vorherrschende Literatur zum Gender Pay Gap ist breit gefächert. Daher existieren diverse Erklärungs- und Lösungsansätze für das internationale Phänomen der Verdienstdifferenz. Um den Rahmen dieser Arbeit nicht zu sprengen, werden nicht alle Facetten des Gender Pay Gaps flächendeckend betrachtet. Nichtsdestotrotz wird im vorletzten Abschnitt auf weitere Literatur zum geschlechtsspezifischen Lohndifferential verwiesen.
Die logische Reihenfolge dieser Arbeit ist wie folgt aufgebaut: Zu Beginn werden Berechnungsmethoden des Gender Pay Gaps und der Einkommensverteilung vorgestellt, sowie kritisch erörtert. Dies bildet die Basis dieser Arbeit. Danach wird in einem weiteren Schritt geprüft, welchen Einfluss politische Maßnahmen zur Förderung des Gender Pay Gap haben. Zum Schluss werden weitere, eher untypische Erklärungsfaktoren des Gender Pay Gaps analysiert und beurteilt.
Der erste Fachzeitschriftenartikel stammt von Blau und Kahn (2017) und soll ein Fundament für die weiteren Ausführungen legen, da die Autoren den Gender Pay Gap in den USA auf klassische Art und Weise, nämlich mit der Blinder-Oaxaca Zerlegung, berechnen und erläutern. Nach Hübler (2003, S. 557) ist die klassische Blinder-Oaxaca Zerlegung die am häufigsten angewandte Methode zur Ermittlung von Verdienstunterschieden zwischen Geschlechtern. Ferner erweitern Blau und Kahn (2017) ihre Überlegungen auf die Einkommensverteilung zwischen den Geschlechtern mittels einer Quantilsregression und einer kontrafaktischen Analyse a la Chernozhukov et al. (2013), welche in dieser Arbeit ausführlich beleuchtet wird.
Der zweite Artikel handelt von einer französischen Reform bzgl. kürzeren Elternzeiten und beschäftigt sich weiterhin mit einer finanziellen Leistung für Mütter, welche die Reformpolitik beanspruchen (vgl. Joseph et al., 2013). Mittels der Differenzen-in-Differenzen Methode und des Propensity Score Matching wird untersucht, welchen Einfluss eine kürzere Elternzeit insb. für Frauen, die während der Elternzeit Teilzeitbeschäftigt sind, auf ihre Erwerbsbeteiligung und Löhne nach der Wiederkehr zum Arbeitsmarkt hat.
Anschließend handelt der dritte Artikel von Blau und Kahn (1992) von der Lohnstruktur und Lohnungleichheit auf dem Arbeitsmarkt. In ihrem internationalen Vergleich über acht Industriestaaten untersuchen sie die unterschiedlichen Lohnstrukturen bzw. Bildungs- und Erfahrungsrenditen der Arbeitsmärkte über die Länder hinweg.
4.1 Der Gender Pay Gap in den USA
In diesem Abschnitt wird die Studie von Blau und Kahn (2017), welche sowohl über einen empirischen, als auch einen umfangreichen theoretischen Teil verfügt, über den Gender Pay Gap von 1980-2010 in den USA genauer untersucht. Mithilfe der U.S.-amerikanischen Paneldaten PSID (Panel Study of Income Dynamics), sowie der Datenbank CPS (Current Population Survey), welche eine große Anzahl sozioökonomischer Daten enthält, versuchen die Autoren die Implikationen des Gender Pay Gaps in den USA zu begründen. Beide Datenquellen enthalten Humankapitalvariablen wie z.B. Alter, Bildung etc. (vgl. Blau & Kahn, 2017). Der Grund für die Heranziehung von zwei unterschiedlichen Datensätzen, nämlich PSID und CPS ist der Tatsache geschuldet, dass die PSID Daten zwar die tatsächliche Arbeitserfahrung wiedergeben, diese jedoch vom Umfang der Daten her nicht repräsentativ für die USA sind (vgl. Blau und Khan, 2017, S. 855). Infolgedessen wird zusätzlich der CPS Datensatz betrachtet, welcher eine datenreiche Quelle für die USA darstellt2 (vgl. ebenda).
Einer der Hauptgründe für die Auswahl dieses Artikels ist die Aktualität der Daten, welche Blau und Kahn (2017) für Ihre Analyse betrachten. Der zu betrachtende Zeitraum erstreckt sich über eine 30-jährige Periode, welches auch klare Muster für die Veränderung des Gender Pay Gaps in den USA über die Jahrzehnte liefert. Die USA haben die Literatur zum Gender Pay Gap sowohl anhand ihrer Daten als auch anhand der Autoren über einen längeren Zeitraum geprägt (vgl. Weichselbaumer und Winter-Ebmer, 2005, S. 483).
Im empirischen Teil des Artikels von Blau und Kahn (2017) verwenden die Autoren ausschließlich Daten von Vollzeitbeschäftigten im Alter von 25-64 Jahren, welche zumindest einer Beschäftigung seit 26 Wochen im betrachteten Zeitraum nachgegangen sind und nicht dem Landwirtschaftssektor entstammen. Blau und Kahn (2017, S. 855-856) verfolgen demnach das Ziel, eine möglichst homogene Stichprobe zu erlangen, um exakte Schätzungen über Frauen- und Männerlöhne zu erhalten. Diese haben sich dem Arbeitsmarkt stark verschrieben ( labor market commitment ) und aufgrund ihres Alters (25-64) sich weder in schulischer Ausbildung noch in Rente befinden (vgl. ebenda). Nachfolgend werden die, in den Artikel von Blau und Kahn (2017) verwendeten Methoden intensiv erörtert und im Anschluss die Ergebnisse ausgewertet.
4.1.1 Blinder-Oaxaca Zerlegung
Bereits vor einiger Zeit haben sich Arbeitsökonomen mit der Einkommensbenachteiligung von weiblichen Beschäftigten gegenüber männlichen Beschäftigten am Arbeitsmarkt befasst. Eine bahnbrechende Methode zur Bestimmung von Gruppenunterschieden leiteten Alan Blinder (1973) und Ronald Oaxaca (1973) ein. Beide Autoren stellten im selben Jahr das Konzept des geschlechtsspezifischen Lohndifferentials auf, welches zum einen durch strukturelle Merkmale und zum anderen durch einen ungeklärten Rest, oft als Diskriminierungskomponente beschrieben, gekennzeichnet werden konnte. Mit Gruppenunterschieden können herkunfts- oder geschlechtsspezifische Unterschiede gemeint sein (vgl. Blinder, 1973, S. 437).
Ziel der Methode ist die Zerlegung von Unterschieden der durchschnittlichen Löhne für zwei unterschiedliche Gruppen (vgl. Fortin et al., 2011, S. 36). Die Blinder- Oaxaca Zerlegungs- oder Dekompositionsmethode schätzt die semilogarithmische Lohnfunktion für Frauen und Männer getrennt und bildet eine Differenz beider Regressionen (vgl. Mischler, 2021). Beide multiplen Lohnregressionen sind mit Humankapitalvariablen ausgestattet, bspw. Bildungsstand und Arbeitserfahrung. So können die Stundenverdienste von Frauen und Männern mit denselben Eigenschaften verglichen werden. Sicherlich können die Faktoren über die Humankapitalvariablen hinweg nach Belieben erweitert werden. Weitere Variablen wie Beruf oder Branche in der Regression berücksichtigt werden (vgl. Blau und Kahn, 2017, S. 797). Die Differenz beider Regressionsgleichungen ergibt nach einigen Umformungen einen erklärten und einen unerklärten Teil des Gender Pay Gaps an.
Der erklärte Teil ist intuitiv und gibt den Gruppenunterschied der erklärenden Variablen an, welcher mit dem Lohnregressionskoeffizienten der Männer gewichtet wird. Dieser wird auch als Ausstattungseffekt oder Ausstattungsvorteil bezeichnet (vgl. Blinder, 1973, S. 438). Der unerklärte Teil gibt im Gegensatz den Teil an, welcher nicht anhand von Struktur- oder Merkmalsunterschieden zwischen den beiden Gruppen erklärt werden kann und wird in der Literatur oft als Diskriminierungseffekt betitelt. Der unerklärte Teil des Gender Pay Gaps ist äquivalent mit dem bereinigten Gender Pay Gap, da persönliche/strukturelle Merkmale beider Gruppen berücksichtigt werden. Alan Blinder (1973) wandte diese Methode in seinem Artikel auf weiße sowie auf afroamerikanische Frauen und Männer an.
Nach Blinder (1973) lässt sich das Zerlegungsverfahren formal wie folgt darstellen: //■ = ßL + YIrj=1ßjJXß + ui ist die logarithmierte Lohnregression der Frauen, welche mit einem Subskript L („low-wage group“) gekennzeichnet ist, wobei ßL die jeweiligen zu schätzenden Regressionskoeffizienten darstellen, die Summe der beobachteten Charakteristika oder unabhängigen Variablen (Bildung, Erfahrung, Alter) angeben und uf den Fehlerterm der Regression beschreibt (vgl. Blinder, 1973, S. 438). Dasselbe gilt für die Lohnregression der Männer Y? = ß% + %}=^x;i + Ui, welche mit einem Subskript H („high-wage group“) gekennzeichnet ist (vgl. ebenda). Die Standardannahmen für beide Lohngleichungen sind zum einen, dass die unabhängige Variable Yt einen linearen Zusammenhang mit den erklärenden Variablen Zj^Xß aufweist und zum anderen, dass der Fehlerterm unabhängig von den Kovariaten ist E(Ui\Xji) (vgl. Fortin et al., 2011, S. 4-5). Nach Schätzung beider Lohnregressionen mittels OLS wird die geschätzte Lohnregression der Frauen von der geschätzten Lohnregression der Männer subtrahiert: Y/[1] - Yß = (ßß - ßß) + Yßjß *XjH *Xf (vgl. Blinder, 1973, S. 438). ßH und ßL stellen die geschätzten Regressionskoeffizienten der jeweiligen Lohnregression der beschäftigten Frauen und Männer dar, XH und XL sind die arithmetischen unabhängigen Variablen beider Geschlechter. Der erste Term, der Verschiebungskoeffizient in der Gleichung spiegelt die Differenz der Ordinatenabschnitte oder Intercepts der jeweiligen Lohnregression wider (vgl. ebenda). Nach weiteren Umformungen entsteht das Endresultat der klassischen regressionsbasierten Blinder-Oaxaca Zerlegungstechnik:
S'W," (X« - Xft + S"=l %ƒ (/?ƒ - /?ƒ) (vgl. ebenda).
Der erste Term dieser Gleichung beschreibt den Ausstattungseffekt, welcher mit den Regressionskoeffizienten aus der Lohnregressionsschätzung der männlichen Beschäftigten gewichtet wird (vgl. ebenda). Der zweite Term ist die verbleibende Restgröße und somitdie Differenz zwischen den einzelnen Regressionskoeffizienten der jeweiligen unabhängigen Variablen der Frauen und Männer gewichtet mit den Charakteristika der weiblichen Arbeitnehmerinnen (unabhängige Variablen der beschäftigten Frauen)(vgl. ebenda). Dieser Term ist hypothetischer Natur, da dieser aussagt, wie die persönlichen Charakteristika der weiblichen Beschäftigten mit den Regressionskoeffizienten der jeweiligen Geschlechter bewertet werden. Hier wird bereits ersichtlich, dass ein Vergleich zwischen den jeweiligen Regressionskoeffizienten der Frauen und Männer bzgl. der persönlichen Charakteristika der Frauen hergestellt wird. Der zweite Term wird auch alsEffekt der Koeffizienten beschrieben (vgl. ebenda). Dadurch, dass der Arbeitsmarkt identische persönliche Charakteristika über die Geschlechter hinweg unterschiedlich bewertet, kann dieser zusammen mit dem Verschiebungskoeffizienten als Diskriminierungskoeffizient angesehen werden (vgl. Blinder, 1973, S.439).Nun stellt sich die Frage, warum keine Differenz der Fehlerterme uf und uf in die Blinder- Oaxaca Gleichung miteingeflossen ist. Die Begründung dafür ist eine Eigenschaft des OLS Schätzers, welcher hier zur Anwendung kommt, denn im Mittel müssen die Fehlerterme gleich Null sein (vgl. Auer und Rottmann, 2020, S. 421).
Um die bis hierhin aufgeführte Ausführungen zusammenzufassen, kann festgehalten werden, dass (ÄJ[1] _ Xf) den erklärten Teil des Gender Pay Gaps darstellt, da dieser anhand struktureller Merkmale der Geschlechter erklärt werden kann. Übrig bleibt der unerklärte Teil bzw. der unbereinigte Gender Pay Gap, also die Summe -/?o)+£y=i^/(/?ƒ-/?ƒ), wobei der erste Term dieser Summe nicht auf die unabhängigen Variablen zurückzuführen ist. Der unerklärte Teil wird auch oft als Diskriminierungskoeffizient oder Arbeitsmarktdiskriminierung angesehen (vgl. Blau und Kahn, 1997, S. 3; Blau und Kahn, 2017, S. 804). Ronald Oaxaca (1973) hat in seinem Artikel dieselbe Idee, wählte für seine Ausführungen jedoch einen anderen Ansatz. Der Autor untersucht zunächst den unerklärten Teil bzw. den Diskriminierungskoeffizienten und gelangt mit diesem zu einer erklärenden Komponente und einer unerklärten Komponente (vgl. Oaxaca, 1973). Es kann also gesagt werden, dass beide Wege, sowohl Oaxacas (1973) als auch Blinders (1973) Herleitung, zum Ziel führen.
Nach Blau und Kahn (2017, S. 800) und Blinder (1973, S. 438) wäre es auch möglich die Zerlegung umzugestalten, sodass die Lohnregressionskoeffizienten der weiblichen Beschäftigten ßL den erklärten Teil und die durchschnittlichen Charakteristika der männlichen Beschäftigten XH den unerklärten Teil gewichten. Bemerkenswert ist, dass die Resultate beider Ansätze identisch sind, mit dem Unterschied, dass der unerklärte Teil des Gender Pay Gaps höher ausfallen würde (vgl. Blau & Kahn, 2017, S. 800). Blinder (1973, S. 438) argumentiert diesbezüglich mit dem index number problem. Nach Oaxaca (1973, S. 695) hängt die Gewichtung der einzelnen persönlichen Charakteristika davon ab, ob die Lohnstruktur der Frauen oder Männer überwiegt. Daher wird in den meisten empirischen Anwendungen der Regressionskoeffizient der männlichen Lohnregression als Gewichtungsfaktor herangezogen. Diesbezüglich behauptet Neumark (1988, S. 282), dass die klassische Blinder-Oaxaca Zerlegung ein Spezialfall sei, denn allgemein könnte die Gleichung auch folgendermaßen erfasst werden: ln(ivm) - ln(wy-) = (X[7]m - X'f)b + [X'm(bm -b) -X'f(bf -b)], wobei b die Lohnstruktur eines Arbeitsmarktes ohne Diskriminierung darstellt. Würde nun unter Abwesenheit von Diskriminierung die Annahme getroffen werden, dass die Lohnstruktur der männlichen Beschäftigten überwiegt, so würde b = bm ergeben und die klassische Blinder-Oaxaca Zerlegungsgleichung daraus resultieren (vgl. ebenda). Gilt dasselbe für die Lohnstruktur der weiblichen Beschäftigten, dann würde sich b = bf ergeben (vgl. ebenda).
Eine wichtige Anmerkung hierbei ist, dass sich die verwendete Blinder-Oaxaca Zerlegung in dem Artikel von Blau und Kahn (2017) nur geringfügig formell von dem kürzlich aufgeführten Zerlegungsmodell unterscheidet. Die Ergebnisse der Zerlegung werden i.d.R. in log points und in Prozenten angegeben. Im Abschnitt 4.1.4 wird dies deutlich.
Obwohl die Blinder-Oaxaca Zerlegung die am häufigsten verwendete Methode für Lohnunterschiede zwischen Ethnien und Geschlechtern veranschaulicht, birgt sie dennoch einige Nachteile (vgl. Maleh, 2008, S. 50). Wie bereits erwähnt, kann die Dekomposition mit der Methode der kleinsten Quadrate geschätzt werden. Diese orientiert sich jedoch am Mittelwert der abhängigen Variablen des Einkommens, also Y. Das Problem bei der Mittelwertregression ist, dass extrem hohe oder niedrige Datenpunkte nicht eliminiert bzw. korrigiert werden und es somit zu einer Verzerrung des Resultats kommt. Angenommen, es existieren 30 unterschiedliche Beobachtungen über den Lohn von Personen, die in der Finanzmarktbranche tätig sind, wobei eine Beobachtung entweder relativ hoch oder relativ niedrig zu den restlichen Beobachtungsdaten liegt. Der Ausreißer würde das arithmetische Mittel des Einkommens erheblich beeinflussen. Daher lohnt es sich, vor allem bei Einkommensdaten, wo viele Ausreißer existieren können, einen Ansatz zu wählen, welcher die gesamte Einkommensverteilung betrachtet und nicht „nur“ den Mittelwert. Nichtsdestotrotz ist die Blinder-Oaxaca Zerlegungstechnik die am häufigsten angewandte Dekomposition in der Arbeitsökonomik (vgl. Fortin et al., 2011, S. 2).
Weiterhin wird zwischen der zweifachen und dreifachen Zerlegungsmethode differenziert, wobei der Unterschied lediglich darin besteht, dass bei der dreifachen Zerlegung, die jeweiligen Komponenten mit derselben Referenzgruppe (Frauen oder Männer) gewichtet werden und ein zusätzlicher Term geschätzt wird (vgl. ebenda, S. 5). Unabhängig von der Wahl der Anzahl an Zerlegungen, ergeben sich identische Ergebnisse (vgl. ebenda).
4.1.2 Quantilsregression und bedingte Einkommensverteilung
In diesem Unterabschnitt werden die Methoden von Chernozhukov et al. (2013), sowie die Quantilsregression genauer analysiert, welche, Blau und Kahn (2017) im Abschnitt 4.1.5 zur Berechnung des Gender Pay Gaps an bestimmten Perzentilen der Einkommensverteilung anwenden. In dem Artikel von Blau und Kahn (2017) wird die Methode von Chernozhukov et al. (2013) grundlegend erläutert. Zur Methode der Quantilsregression machen Blau und Kahn (2017) in Ihrem Artikel jedoch keine exakten Angaben. Dieses Defizit soll in diesem Unterabschnitt ausgeglichen werden.
Wie bereits gezeigt wurde, kann die Blinder-Oaxaca Zerlegung mittels der OLS Methode geschätzt werden. Nach Koenker (2009, S. 1) ist der Erfolg des OLS- Schätzers seiner rechnerischen Lenkbarkeit zu verdanken. Sind gemäß des Gauß- Markov Theorems gewisse Voraussetzungen des OLS Schätzers erfüllt, so gilt dieser als BLUE, ergo der beste lineare unverzerrte Schätzer (vgl. Auer und Rottmann, 2020 S. 456). Da der OLS Schätzer sich an dem bedingten Mittelwert der abhängigen Variablen Yt bei gegebenen Prädiktorvariablen , orientiert, ist dieser wesentlich anfälliger für Ausreißer (vgl. Bechtel, 2006, S. 318). Dieser Kritikpunkt kann auch auf die Blinder-Oaxaca Zerlegung aus dem vorangegangenen Abschnitt übertragen werden.
Im Gegensatz zu der Durchschnittsmethode, gemeint ist die OLS-Methode, konnten Koenker und Bassett (1978) eine alternative Methode entwickeln: die Quantilsregression. Diese orientiert sich nicht am bedingten arithmetischen Mittelwert der abhängigen Variablen, sondern an den einzelnen bedingten Quantilen der zu erklärenden Variablen. Bereits im 18. Jahrhundert leitet Boscovich (1755) erste Ideen für die Quantilsregression her, indem er sich mit der Median-Regression beschäftigt. Hierbei muss angemerkt werden, dass die Median-Regression streng genommen als ein Spezialfall der Quantilsregression agiert, da sich die Quantilsregression an den bedingten Quantile einer Verteilung orientiert und der Median dem 0,5-Quantil entspricht. Die gesamte Verteilung zeichnet sich durch die zentrale Lage, die Schiefe, die Skalierung sowie weitere Eigenschaften aus, welche durch den bedingten Mittelwert, also die OLS-Methode, nur im begrenzten Rahmen charakterisiert werden können (vgl. Hao und Naimann, 2007, S. 3).
Die Grundidee bei der Quantilsregression besteht darin, anstelle der Abweichungsquadratsumme in der OLS Schätzung, die absoluten Abweichungen zu minimieren und um weitere Quantile zu ergänzen (vgl. ebenda). Nach Angrist und Pischke (2009, S. 203) hat sich die Quantilsregression als mächtiges statistisches Werkzeug bewährt, welches die Modellierung von Verteilungen erleichtert. Zahlreiche Arbeitsökonomen haben bereits die Methode der Quantilsregression für ihre Forschungen bzgl. Lohnverteilungen zwischen Frauen und Männern in Anspruch genommen und sind zu aussagekräftigen Ergebnissen gelangt (vgl. Buchinsky, 1994; Garcia et al., 2001; Antonczyk et al., 2010). Da Löhne eine stetige Verteilung aufweisen, führt dies zu einer komprimierten oder breiteren Lohnverteilung, welche vom Mittelwert der Löhne nur begrenz erklärt werden kann (vgl. Angrist und Pischke, 2009, S. 203).
In Kombination mit der Quantilsregression als Schätzer kommt für Blau und Kahn (2017) die Methode von Chernozhukov et al. (2013) zugute. Die Autoren möchten sich ein genaues Bild der gesamten Einkommensverteilung verschaffen, indem sie den Gender Pay Gap an bestimmten Perzentilen der Einkommensverteilung zerlegen (vgl. Blau und Kahn, 2017, S. 804). Anders als bei der Zerlegung im Abschnitt 4.1.1 wird für die bedingte Einkommensverteilung ein Teil in die unabhängigen Variablen zerlegt, und der andere Teil in den geschätzten Lohnkoeffizienten der Frauen und Männern (vgl. ebenda). Die Zerlegung der Lohndeterminanten von Frauen und Männern auf Basis unterschiedlicher bedingter Verteilungen (Perzentilen) erlaubt, wobei ein Teil sich aus der Verteilung der persönlichen Charakteristika zusammensetzt und der andere Teil die Lohnfunktionen umfasst, welche wiederum durch die persönlichen Charakteristika bedingt sind (vgl. Blau und Kahn, 2017, S. 804). Der Grundgedanke hierbei ist die Anwendung der Blinder-Oaxaca Dekomposition, welche durch die jeweilige Verteilungsfunktion für Frauen und Männer erweitert wird. Der kontrafaktische Teil ist das Äquivalent zum unerklärten Teil bzw. der Diskriminierung (vgl. ebenda).
[...]
1 Für weiterführende Informationen, siehe www.equalpayday.de
2 Siehe Anhang: Tabelle 1, Panel B: Sample Size in: Tabellen und Grafiken zu Blau und Kahn (2017)
- Quote paper
- Mohammad Ansar Khan (Author), 2021, Das geschlechtsspezifische Lohndifferential im internationalen Vergleich, Munich, GRIN Verlag, https://www.grin.com/document/1182941
-
-
-
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X.