Różnice w kierunkach kształcenia są  przyczyną luki płacowej między kobietami i mężczyznami w Polsce -  najnowsze badanie GenderGRAPE obala tę często przywoływaną tezę. Różnice pomiędzy wynagrodzeniami kobiet i mężczyzn z wyższym wykształceniem w Polsce tłumaczy się często tym, że kobiety same wybierają mniej dochodowe kierunki studiów i zawody. Kobiety częściej wybierają pedagogikę, a mężczyźni – politechnikę. Czy to rzeczywiście tłumaczy różnice w płacach? Zespół GenderGRAPE spróbował odpowiedzieć na to pytanie. Korzystając z najbogatszego w Polsce zbioru, danych BAEL, oraz wszystkich możliwych metod analizy dyskryminacji na rynku pracy, sprawdziliśmy czy uwzględnienie kierunku kształcenia pozwala zredukować oszacowania skorygowanej luki płacowej. Jakie są wyniki?

• Prawdą jest, że niektóre kierunki kształcenia są sfeminizowane, a inne nie [patrz wykres poniżej].
• Nieprawdą jest, że te różnice pomagają wytłumaczyć dlaczego kobiety zarabiają mniej niż mężczyźni. Gdy w modelu uwzględnimy ukończony kierunek kształcenia, oszacowania dyskryminacji kobiet rosną.

Dlaczego tak jest? Uwzględniliśmy wszystkie charakterystyki które mogą wpływać na wynagrodzenia. W istocie, porównujemy wynagrodzenie (godzinowe) lekarza i lekarki o takim samym wieku, doświadczeniu zawodowym, miejscu zamieszkania i sytuacji rodzinnej. Tak samo robimy dla absolwentów i absolwentek politechniki, prawa i nauk społecznych, czy nauk humanistycznych. Porównujemy porównywalnych. Takie analizy potwierdzają, że choć średnia różnica w płacach między kobietami i mężczyznami w Polsce to około 10%, to realna skala dyskryminacji to niemal 20% płacy kobiety.

[wpex 1. Jaka jest skala dyskryminacji płacowej w Polsce? ]

Jeśli różnice w płacach wiążą się z dyskryminacją, to po uwzględnieniu kierunku kształcenia wciąż będą systematycznie występować różnice w płacach „identycznych” kobiet i mężczyzn, a dostosowana luka płacowa pozostanie na podobnym poziomie jak w wypadku dekompozycji która tej cechy nie uwzględnia. Jeśli natomiast kobiety zarabiają mniej ponieważ częściej wybierają dziedziny kształcenia po których można oczekiwać niższych płac, to włączenie do dekompozycji kierunku kształcenia zwiększy część objaśnioną luki, a zmniejszy tę potencjalnie związaną z dyskryminacją. Poniższa tabela przedstawia wyniki dekompozycji uzyskane dla dwóch wybranych specyfikacji. Pierwszy wiersz tabeli dotyczy dekompozycji, w której uwzględniono wszystkie podstawowe cechy (wiek, stopień zdobytego wykształcenia, miejsce zamieszkania, stan cywilny, doświadczenie zawodowe, czy obecność małych dzieci w gospodarstwie). W kolejnym wierszu do tego zestawu cech dołączyliśmy informację o kierunku wykształcenia.  Jak widać skorygowana luka płacowa wzrosła o 0,5 punktu procentowego. Okazuje się, że kiedy porównujemy porównywalnych, to różnica w płacach między kobietami i mężczyznami jest w Polsce jeszcze większa.

• Średnia  różnica w płacach: 9,5% płacy kobiet.
• Średnia różnica w płacach po uwzględnieniu podstawowego zestawu cech: 17,5%
• Średnia różnica w płacach gdy dodatkowo uwzględniamy także kierunek kształcenia: 18%

[/wpex]

[wpex 2. Czy kobiety i mężczyźni kształcą się w innych kierunkach? ]

Kolejne artykuły dotyczące Polski wskazywały, że cechy kobiet i mężczyzn nie tłumaczą różnicy w wynagrodzeniach za godzinę pracy, która obecnie wynosi około 10%. Co więcej, uwzględnienie faktu iż kobiety w Polsce częściej mogą pochwalić się wyższym wykształceniem podwajało lukę płacową. Jednak zazwyczaj stosowane do analizy płac Badanie Aktywności Ekonomicznej Ludności przez wiele lat  nie dostarczało informacji o kierunku kształcenia. Z tego względu przeciwnicy hipotezy o dyskryminacjo kobiet w Polsce, zwracali uwagę, że najprawdopodobniej różnice związane są z częstszym wybieraniem przez kobiety kierunków kształcenia po których otrzymuje się niższą płacę. Dotychczas ta hipoteza nie została jednak sprawdzona empirycznie. W badanej grupie osób zatrudnionych w 2012 roku, możemy faktycznie zaobserwować w tym aspekcie różnice między kobietami i mężczyznami. W grupie kobiet najczęściej wybieraną odpowiedzią były „Programy ogólne” oraz „Nauki społeczne, ekonomia, prawo”. Około połowa kobiet wybrała jedną z tych dwóch kategorii. Wśród mężczyzn zdecydowanie dominuje kategoria „Inżynieria, procesy produkcyjne, budownictwo” – w tym kierunku wykształcenie zdobyło aż 52% badanych mężczyzn.

[/wpex]

[chartboot version= '3.0' code= 'EF8D' border= '0' width= '600' height= '300' attribution= '0' jsondesc= '{"containerId":"visualizationEF8D","dataTable":{"cols":xxx00xxx{"id":"","label":"","pattern":"","type":"string"},{"id":"","label":"Kobiety","pattern":"","type":"number"},{"id":"","label":"Mężczyżni","pattern":"","type":"number"}xxx01xxx,"rows":xxx00xxx{"c":xxx00xxx{"v":"Nauki ścisłe, matematyka i informatyka ","f":null},{"v":2.8,"f":null},{"v":3.77,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Nauki humanistyczne, nauka o językach, sztuka","f":null},{"v":3.17,"f":null},{"v":1.42,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Rolnictwo, weterynaria","f":null},{"v":5.31,"f":null},{"v":5.33,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Zdrowie, opieka społeczna","f":null},{"v":5.92,"f":null},{"v":1.11,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Kształcenie nauczycieli, pedagogika ","f":null},{"v":6.16,"f":null},{"v":1.72,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Usługi","f":null},{"v":7.93,"f":null},{"v":3.74,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Inżynieria, procesy produkcyjne, budownictwo","f":null},{"v":17.38,"f":null},{"v":52.35,"f":null}xxx01xxx},{"c":xxx00xxx{"v":"Nauki społeczne, ekonomia, prawo","f":null},{"v":25.05,"f":null},{"v":7.91,"f":null}xxx01xxx}xxx01xxx,"p":null},"options":{"title":"Osoby wybierające poszczególne kierunki kształcenia (w %)","isStacked":false,"animation":{"duration":500},"booleanRole":"certainty","hAxis":{"useFormatFromData":true,"viewWindow":{"max":null,"min":null},"minValue":null,"maxValue":null,"slantedText":false},"vAxes":xxx00xxx{"useFormatFromData":true,"minValue":null,"maxValue":null,"viewWindow":null,"viewWindowMode":null,"textStyle":{"color":"#222","fontSize":"11"}},{"useFormatFromData":true}xxx01xxx,"legend":"bottom","fontName":"Tahoma","series":{"0":{"color":"#ff9900"},"1":{"color":"#741b47"}}},"state":{},"view":{},"isDefaultVisualization":true,"chartType":"BarChart"}' ]

Źródło: Główny Urząd Statystyczny, Badanie Aktywności Ekonomicznej Ludności, 2012

[wpex 3. Jak się wylicza skalę dyskryminacji? ]

W materiale używamy pojęcia dyskryminacja, jednak w istocie mamy na myśli tzw. skorygowaną lukę płacową. Nie da się „wprost” zmierzyć dyskryminacji, ale porównując porównywalnych można próbować wyjaśnić wszystkie logiczne przyczyny różnic w płacach między kobietami i mężczyznami. Wszystko, co nie da się logicznie wyjaśnić – określa się mianem dyskryminacji.

Od początku lat 70-tych, kiedy powstała pierwsza metoda dekompozycji (Oaxaca, 1973, oraz Blinder, 1973), dostępne jest narzędzie pozwalające zbadać jakie są przyczyny różnic w płacach między wybranymi grupami społecznymi. Intensywny rozwój tej dziedziny wiedzy doprowadził do powstania kolejnych, coraz bardziej zaawansowanych i precyzyjnych metod, oraz wielu badań empirycznych w których są one wykorzystywane. Wyniki takich dekompozycji wskazują, jaka część luki płacowej związana jest z różnicami w charakterystykach kobiet i mężczyzn, a jaka nie może być nimi wyjaśniona – i w związku z tym dopatrujemy się w niej dyskryminacji. Należy jednak zwrócić uwagę, iż ta nieobjaśniona część różnicy w wynagrodzeniach, zwana skorygowaną luką płacową, związana jest nie tylko z dyskryminacją, lecz również z nieobserwowalnymi charakterystykami. Ze względu na ograniczoną informację statystyczną, pewne cechy, które potencjalnie mają wpływ na płacę, nie mogą być uwzględnione w badaniach. Dlatego najczęściej gdy przy interpretacji wyników pojawia się słowo dyskryminacja, przywoływany jest kontrargument, że różnice w płacach wynikają jednak z „nieobserwowalnych” przez badacza różnic w charakterystykach.

[/wpex]

Pobierz ten materiał w PDF

W tym omówieniu przedstawiamy tylko część wyników. Z szerszymi analizami zapoznać się można w artykule What is the true gender wage gap? A comparative analysis using data from Poland