Rapportserie 2019 #3 UTVECKLINGEN AV LÖNESKILLNADER MELLAN STATSANSTÄLLDA KVINNOR OCH MÄN Åren 2008-2018
UTVECKLINGEN AV LÖNESKILLNADER MELLAN STATSANSTÄLLDA KVINNOR OCH MÄN Åren 2008-2018 Diarienummer: 2019/0404 Använd gärna fakta ur den här rapporten men kom ihåg att ange källa: Arbetsgivarverket (om inget annat anges)
Förord I Ramavtal om löner m.m. för arbetstagare inom det statliga avtalsområdet (RALS 2017-2020 respektive RALS 2010-T 1 ) framgår av de gemensamma löneprinciperna att: En arbetstagares lön ska bestämmas utifrån sakliga grunder såsom ansvar, arbetsuppgifternas svårighetsgrad och övriga krav som är förenade med arbetsuppgifterna, samt arbetstagarens skicklighet och resultat i förhållande till verksamhetsmålen. Av ramavtalen framgår också att de lokala parterna vid tillämpningen av löneprinciperna har att särskilt uppmärksamma sitt gemensamma ansvar för att det inte i något avseende uppstår osaklighet i lönesättningen, bland annat mot bakgrund av de förbud mot lönediskriminering som gäller enligt lag. Det innebär bland annat att parterna inom det statliga avtalsområdet på alla nivåer har ett gemensamt ansvar för att utjämna och förhindra skillnader i löner och andra anställningsvillkor mellan kvinnor och män som utför arbete som är att betrakta som lika eller likvärdigt. Parterna ska också främja alla medarbetares lika möjligheter att på sakliga grunder kunna påverka sin löneutveckling. Parterna har vidare att ta ställning till principerna för lönesättningen av de medarbetare som under viss tid inte befinner sig i arbete, som till exempel föräldralediga. Här redovisas med hjälp av den partsgemensamma lönestatistiken en analys av löneskillnaderna mellan kvinnor och män i staten år 2018 samt utvecklingen av löneskillnaderna 2008-2018. Jämfört med tidigare rapporter har Arbetsgivarverket i denna analys ersatt standardvägning som metod för beräkningen av löneskillnader mellan kvinnor och män med regressionsanalys. Rapporten är författad av utredare Anna Araskog och Kevin He. Stockholm juni 2019 Eva Liedström Adler Generaldirektör 1 RALS 2017-2020 mellan Arbetsgivarverket och OFR/S, P, O respektive Seko. RALS 2010-T mellan Arbetsgivarverket och Saco-S.
Sammanfattning Arbetsgivarverket har analyserat löneskillnader mellan kvinnor och män i staten med hjälp av den partsgemensamma lönestatistiken 2. Syftet är att beskriva löneskillnaderna år 2018 samt hur de förändrats åren 2008-2018. Analysen omfattar myndigheter under regeringen. Arbetsgivarverkets frivilliga medlemmar eller myndigheter som sorterar under riksdagen ingår inte i det statistiska materialet. I september 2018 var statsanställda kvinnors genomsnittslön 6,6 procent lägre än statsanställda mäns genomsnittslön, vilket är en minskning med 0,1 procentenheter jämfört med året innan. Löneskillnaderna år 2008 var 13,7 procent, vilket innebär att löneskillnaderna mellan kvinnor och män i staten minskat med drygt 7,1 procentenheter under perioden 2008-2018. Den statistiska analysen visar att den genomsnittliga löneskillnaden år 2018, liksom tidigare år, nästan helt kan hänföras till mätbara faktorer. De faktorer som står för den största delen av förklaringen till den totala löneskillnaden är att kvinnor arbetar med andra arbetsuppgifter och på lägre grupperingsnivå 3 jämfört med män. En annan viktig förklaring är att kvinnor arbetar deltid i större utsträckning än män. Kvinnornas andel av alla chefer inom staten uppgick år 2018 till 45 procent men genomsnittslönen för kvinnor som är chefer i staten är högre än för män som är chefer. Den löneskillnad som slutligen blir kvar, den så kallade oförklarade löneskillnaden, kan inte förklaras av den mätbara information som finns tillgänglig i den partsgemensamma statistiken. Denna oförklarade löneskillnad var 0,5 procent i september år 2018 jämfört med 0,4 procentenheter året innan. Utveckling av genomsnittlig löneskillnad mellan statsanställda kvinnor och män samt den oförklarade löneskillnaden från regressionsanalys 16 14 12 10 8 6 4 2 0 13,7 12,6 12,3 10,9 10,3 9,1 8,6 7,8 7,6 6,7 6,6 1,9 1,5 0,9 1,1 0,9 0,5 0,4 0,5 0,9 0,4 0,5 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 Genomsnittlig löneskillnad Oförklarad löneskillnad I figuren ovan redovisas den genomsnittliga löneskillnaden mellan statsanställda kvinnor och män samt den oförklarade skillnaden från rapportens regressionsanalys för åren 2008 2018. 2 Arbetsgivarverket producerar statistik över löner för anställda inom det statliga avtalsområdet. Statistiken är partsgemensam med de fackliga organisationerna OFR/S, P, O respektive Saco-S och Seko. Statistiken bygger på klassificeringssystemet BESTA och används bland annat som underlag för analyser och beräkningar i samband med centrala och lokala förhandlingar. 3 Om BESTA, Befattningsgruppering för statistik, se BESTA-webben
Innehåll Förord 5 Sammanfattning 7 Introduktion 11 Bakgrund 11 Syfte 11 Analys 11 Disposition 11 Data, urval och begrepp 13 Urval 13 Lönebegrepp 13 BESTA-systemet 13 Variabler i analysen 14 Resultat från regressionsanalysen 15 Bortfallsanalys 16 Förklaringsvärdet av regressionsmodellerna 16 Utvecklingen av de oförklarade löneskillnaderna mellan åren 2008 till 2018 16 Utveckling över tid 17 Vad har hänt på tio år? 17 Staten jämfört med hela arbetsmarknaden 22 Bilagor 23 Bilaga 1 Metodbeskrivning 23 Regressionsanalys 23 Vår regressionsmodell 23 Bilaga 2 Antal anställda per arbetsområde 25
11 Introduktion Introduktion Bakgrund Trots att kvinnor i genomsnitt har fått högre löneökningar än män de senaste åren 4 så är den genomsnittliga löneskillnaden mellan kvinnor och män förhållandevis stor på arbetsmarknaden. Löneskillnaderna är enligt Medlingsinstitutets årliga rapport 4 lägst inom kommunerna följt av det statliga avtalsområdet. Regeringens delmål för statliga arbetsgivare är att löneskillnaderna mellan kvinnor och män ska minska. På det statliga avtalsområdet har också löneskillnaderna minskat genom åren. År 2000 var löneskillnaden mellan statsanställda kvinnor och män cirka 18 procent medan den år 2018 var 6,6 procent. Syfte Syftet med denna studie är att med hjälp av den partsgemensamma lönestatistiken analysera utvecklingen av löneskillnaderna mellan statsanställda kvinnor och män och med hjälp av en regressionsanalys studera de faktorer som denna skillnad statistiskt består av. Det är Arbetsgivarverkets ambition att denna rapport ska utgöra både ett faktaunderlag och en utgångspunkt för diskussion om jämställda löner. Analys I analysen används den partsgemensamma lönestatistiken inom det statliga avtalsområdet tillsammans med statistik från Statistiska centralbyrån över bakgrundsfaktorer, exempelvis utbildning, för att analysera faktorer som förklarar löneskillnad och hur stor andel som kvarstår i en så kallad oförklarad löneskillnad. Den partsgemensamma lönestatistiken bygger på klassificeringssystemet BESTA, befattningsgruppering för statistik i staten. Klassificeringssystemet skiljer sig från den yrkesklassificering som är generell för hela arbetsmarknaden, se SSYK, standard för svensk yrkesklassificering. BESTA-systemet för statliga befattningar är mer detaljerat och ger mer information om skillnader i befattningar än vad SSYK gör. Det är en av förklaringarna till varför resultatet i denna studie delvis skiljer sig från till exempel Medlingsinstitutets rapport. Andra förklaringar är att denna studie innehåller fler förklarande variabler och ett annat urval. Rapportens analys visar att merparten av löneskillnaden kan förklaras av att statsanställda kvinnor och män har olika arbetstidsomfattning, arbetar inom olika verksamheter och arbetsområden, i olika utsträckning är chefer, har olika utbildningsnivåer och erfarenhet samt har olika arbetsuppgifter och ansvar. När hänsyn tagits till så kallade förklaringsfaktorer återstår dock en oförklarad löneskillnad på 0,5 procent som inte kan förklaras av den statistik som används i den här studien. Det kan naturligtvis finnas andra sakliga skäl till de löneskillnader som inte fångas av den statistik som används i studien. Det kan till exempel handla om omätbara skillnader i arbetsuppgifter, att löner ser olika ut hos olika myndigheter eller att statistiken inte har en tillräckligt hög detaljeringsgrad. Disposition I rapporten första avsnitt beskrivs data, urval och de begrepp som använts i analysen. I avsnittet därefter presenteras rapportens regressionsanalys över förklarade och oförklarade löneskillnader. I det avslutande avsnittet görs en deskriptiv analys kring utvecklingen av löneskillnader i kvinno- och mansdominerade arbetsområden inom statlig sektor och viss jämförelse med övrig arbetsmarknad. I rapportens bilagor redovisas analysmetoden och arbetsområden inom BESTA. 4 Se Medlingsinstitutet (2018), Löneskillnader mellan kvinnor och män 2017 vad säger den officiella statistiken?
13 Data, urval och begrepp Data, urval och begrepp Urval I regressionsanalysen som syftar till att analysera vilka faktorer som kan förklara löneskillnaderna mellan män och kvinnor, ingår alla myndigheter under regeringen. Arbetsgivarverkets frivilliga medlemmar eller myndigheter som sorterar under riksdagen ingår inte i det statistiska materialet. Materialet omfattar samtliga anställda som har månadslön. Myndighetschefer, vars löner beslutas av regeringen, har uteslutits. I urvalet ingår totalt 246 756 statsanställda varav 129 975 är kvinnor och 116 781 är män, dvs. 53 respektive 47 procent. Eftersom kvinnor i större utsträckning än män arbetar deltid minskar löneskillnaden något när heltidslöner jämförs. När lönerna räknas om till heltidslöner tjänar kvinnor i genomsnitt 36 428 kronor i månaden medan män i genomsnitt tjänar 38 478 kronor. Den genomsnittliga heltidslöneskillnaden är 2 050 kronor eller i 5,3 procent. Figur 1 Utveckling av genomsnittlig månadslöneskillnad mellan statsanställda kvinnor och män Lönebegrepp I studien används två olika lönebegrepp. I regressionsanalysen används månadslön och i fördjupningen används heltidslön. Dessa är definierade som: Månadslön: Grundlön 5 + fasta tillägg 6 reducerad med arbetstidsomfattning Heltidslön: Grundlön + fasta tillägg uppräknad till heltid 7 Den genomsnittliga månadslönen för kvinnor är 35 161 kronor och för män 37 636 kronor. Den genomsnittliga löneskillnaden mellan kvinnor och män är cirka 2 475 kronor eller 6,6 procent. Tabell 1 Genomsnittslöner för kvinnor och män år 2018 (skillnad i procent) Kvinnor Män Skillnad Månadslön 35 161 kr 37 636 kr 2 475 kr (6,6 %) Heltidslön 36 428 kr 38 478 kr 2 050 kr (5,3 %) Källa: Arbetsgivarverket BESTA-systemet 8 En stor del av de variabler som undersöks kommer från BESTA-systemet. Arbetsområde anger huvudsaklig inriktning på arbetsuppgifternas innehåll. Det finns 64 arbetsområden, där exempel på några vanliga arbetsområden är olika typer av utredningsarbete, arbete med utbildning och forskning, IT-arbete samt ekonomiarbete, se bilaga 2. Grupperingsnivåerna anger arbetsuppgifternas omfång och komplexitet samt det ansvar, den självständighet, de kunskaper och de erfarenheter som krävs för att utföra dem. De flesta arbetsområdena har sex grupperingsnivåer. 5 Grundlön exklusive avdrag för t.ex. sjukdom, föräldraledighet m.m. 6 Fasta tillägg definieras som tillägg knutna till tjänsten och som inte är beroende av arbetstid till skillnad från rörliga tillägg som t.ex. övertidsersättning. 7 Anställda med en anställningsomfattning mindre än heltid räknas upp till heltid. 8 För mer utförlig information kring BESTA-systemet besök BESTA-webben.
14 Data, urval och begrepp BESTA-systemet innehåller även en uppdelning av de anställda i chefer med formellt personalansvar samt medarbetare. Variabler i analysen De variabler som presenteras nedan och som används i rapporten beskriver olika faktorer som väntas kunna förklara löneskillnaden mellan statsanställda kvinnor och män. I analysen används en rad variabler som beskrivs i tabell 2 nedan. Som tabellen visar har kvinnor en mindre arbetstidsomfattning än män. Det är en större andel statligt anställda kvinnor, 14 procent, än statligt anställda män, 9 procent, som har en arbetstidsomfattning mindre än 100 procent. Kvinnor arbetar i genomsnitt 95 procent av en heltid medan män i genomsnitt arbetar 96 procent av en heltid. När det gäller grupperingsnivåer enligt BESTA så är andelen män högre i de högre grupperingsnivåerna, men också i den lägsta grupperingsnivån. BESTA ger även möjlighet att analysera andelen kvinnor och män med olika arbetsuppgifter. De tre största arbetsområdena är Utrednings- inspektionsoch tillsynsarbete med allmänrättslig inriktning, Polisarbete samt Samhällsinriktat utredningsplanerings- och förhandlingsarbete. Dessa tre arbetsområden omfattar tillsammans drygt en femtedel av alla anställda i staten (ca 56 000 personer). Fördelningen mellan arbetsområdena redovisas i bilaga 2. År 2018 är andelen chefer större bland män än bland kvinnor. Bland statsanställda kvinnor är det 5,8 procent som är klassade som chefer med ett formellt personalansvar. Motsvarande andel för män är 8,0 procent. De olika verksamhetsinriktningarna i denna rapport är uppdelade på Cofog 9. Män är endast i majoritet i verksamhetsinriktningen Försvar, men är väl representerade inom grupperna Samhällsskydd och rättsskipning och Näringslivsfrågor inkl. miljöskydd, bostadsförsörjning och samhällsutveckling. Antal år efter examensår används som en approximation för arbetslivserfarenhet. I genomsnitt är skillnaden mellan kvinnor och män liten. Statsanställda män har haft en högre utbildningsnivå än statsanställda kvinnor. År 2018 visar statistiken att en större andel av männen än kvinnorna har en forskarutbildning, men en större andel av kvinnorna än männen har en längre eftergymnasial utbildning. Tabell 2 Variabelbeskrivning, genomsnitt för år 2018 Kvinnor Män Arbetstidsomfattning<100% 14 % 9 % Grupperingsnivåer enl. BESTA -nivå 1 7 % 9 % -nivå 2 16 % 12 % -nivå 3 38 % 32 % -nivå 4 26 % 26 % -nivå 5 9 % 11 % -nivå 6 2 % 4 % Chefer med personalansvar (1) 5,8 % 8,0 % Verksamhetsinrikt. enl. Cofog Allmän offentlig förvaltning 63 % 37 % Försvar 22 % 78 % Samhällsskydd och 50 % 50 % rättsskipning Näringslivsfrågor (2) 50 % 50 % Fritid, kultur och religion 61 % 39 % Utbildning 55 % 45 % Socialt skydd 67 % 33 % Ålder 44,4 år 44,4 år Erfarenhet (3) 15,0 år 15,3 år Utbildningsnivå Forskarutbildning 10 % 14 % Eftergymnasial>2år 62 % 55 % Eftergymnasial<2år 6 % 9 % Gymnasial 19 % 20 % Grundskola 1 % 2 % Anmärkning: (1) Chef med formellt personalansvar, (2) i den här Cofog-inriktningen ingår också miljöskydd, bostadsförsörjning och samhällsutveckling, (3) Antal år efter att den anställde tagit sin examen. 9 Cofog står för Classification of the Functions of Government. Det är en internationell klassifikation som grupperar offentliga sektorns utgifter efter deras funktion eller ändamål.
15 Resultat från regressionsanalysen Regressionsanalys är som tidigare framhållits en statistisk metod som gör det möjligt att analysera vilka faktorer som kan förklara löneskillnad mellan kvinnor och män. Analysen ger också en möjlighet att beräkna hur stor andel som inte kan förklaras av statistik, den så kallade oförklarade löneskillnaden. För en fullständig redogörelse av regressionsmetod se bilaga 1. Tabell 3 visar resultaten från regressionsanalysen. De oförklarade löneskillnaderna för samtliga fyra modeller är statistiskt signifikanta vid 99,9 procents säkerhetsnivå. Vidare är de förklarande variablerna i samtliga modeller statistiskt signifikanta vid minst 95 procent 10. Tabell 3 Löneskillnader mellan kvinnor och män 2018, resultat från regressionsanalysen Modell Förklarande Oförklarade variabler löneskillnader RR 22 11 1 Kön 5,4 % *** 0,5 % 2 +Arbetstidsomfattning 3,8 % *** 38,0% 3 + Arbetsrelaterade egenskaper (arbetsområde, grupperingsnivå, 0,8 % *** 78,0% chef med personalansvar, Cofog) 4 + Personliga karakteristika (ålder, erfarenhet, utbildning) 0,5 % *** 82,8 % Anmärkning: Antalet bortfall: 28 559, eller ca 11,6 % av den totala undersökningspopulationen, *** statistiskt signifikant på 99,9%, RR 2 visas i form av adjusted RR 2. I modell 1 redovisas en basmodell som endast visar månadslönen som en funktion av kön. Löneskillnaden blir 5,4 procent, vilket är statistiskt signifikant till 99,9 procents nivå. Skattningen av modell 1 resulterar i en oförklarad löneskillnad på 5,4 procent. Denna skattning motsvarar skillnad på 6,6 procent i krontal. Eftersom regressionsanalys används, samt att vi använder lön i form av en logaritm av lön (istället för i kronor) har det resulterat i avvikelser inom löneskillnader mellan dessa två olika beräkningsmetoder. I modell 2 kontrolleras det för arbetstidsomfattningen. Givet att de statsanställda arbetar lika mycket, det vill säga antingen hel- eller deltid, har den oförklarade löneskillnaden minskat med 1,6 procentenheter till 3,8 procent. Modell 3 visar den oförklarade löneskillnaden när hänsyn har tagits till arbetstidsomfattning och andra arbetsrelaterade egenskaper, så som arbetsområde, grupperingsnivå, chefskap och Cofoggrupp. Arbetsområde tillsammans med grupperingsnivå har stor betydelse för lönen och det finns även löneskillnader mellan olika Cofoggrupper (verksamhetsinriktning). Chefer tjänar i regel mer än de personer som inte är chefer. Givet att personerna har samma arbetsrelaterade egenskaper har den oförklarade löneskillnaden minskat med ytterligare tre procentenheter till 0,8 procent. Det kan konstateras att arbetsrelaterade variabler är statistiskt signifikanta på 99,9 procent. I den fjärde och slutliga modellen kompletteras regressionsanalysen med personliga karakteristika (se bilaga 1). Anledningen är att personliga karakteristika så som ålder, erfarenhet och utbildning påverkar lönen. Efter att hänsyn tagits för personliga karakteristika minskar den oförklarade löneskillnaden till 0,5 procent, vilket delvis beror på att färre kvinnor har forskarutbildning. Samtliga kontrollvariabler för personliga karakteristika förutom utbildningsvariabeln är statistiskt signifikanta på 99,9 procent. Utbildningsvariabeln har en något svagare signifikans på 95 procent. Ålder och erfarenhet är två variabler med liknande egenskaper. Båda variabler redovisas i form av antal år. Om ålder och erfarenhet inkluderas i samma regressionsmodell kan en samvariation mellan dessa variabler innebära att de förklarar samma variation i lön. Så kallad multikollinearitet är ett statistiskt fenomen när två eller fler variabler med samma typer av egenskaper finns med vid samma beräkning. Rent teoretiskt kan multikollinearitet uppstå eftersom lönen tenderar att öka med både ålder och erfarenhet. Därmed kan multikollineariteten i modellen leda till att man inte kan fastställa den exakta effekten som ålder och erfarenhet har på lönen. Resultat från regressionsanalysen 10 Signifikans är ett statistiskt begrepp som visar om skattningar är säkra. 11 RR 2 eller korrelationskoefficienten, se bilaga 1.
16 Resultat från regressionsanalysen 16 Resultat från regressionsanalysen Båda variablerna är med i modellen. Dels för att båda variabler har en starkt teoretisk förankring, dels för att de statistiska signifikansvärdena för båda variablerna är så pass starka, att de talar mot eventuella risker med multikollinearitet. Bortfallsanalys Ett stort bortfall av individer kan leda till att resultaten från regressionen snedvrids. Dessutom kan man inte längre beräkna de statistiska signifikansnivåerna med precision. Bortfall är i sig inget stort problem, det finns med i praktiskt taget alla vetenskapliga studier med olika inslag av statistik. Effekterna från bortfall blir mest påtagligt vid ett stort procentuellt bortfall inom slumpmässiga studier med en liten totalpopulation 12. I regressionsmodellen finns ett registrerat bortfall på 28 599 observationer, vilket motsvarar 11,6 procent av den totala undersökningspopulationen. En stor majoritet av bortfallen kan härledas till variabeln erfarenhet. De individerna som saknar information avseende erfarenhet har exkluderats från regressionsanalysen. De kvarvarande 218 157 individerna utgör enligt vår bedömning ett tillräckligt dataunderlag för att genomföra en tillförlitlig regressionsanalys. Förklaringsvärdet av regressionsmodellerna RR 2 eller korrelationskoefficienten i Tabell 3 visar hur stora variationer i lönen som kan förklaras av respektive regressionsmodeller. Enligt modell 1 kan variabeln kön endast förklara 0,5 procent av den totala variationen i lön. I modell 2 har förklaringsvärdet ökat till 38,0 procent när variabeln för arbetstidsomfattning har lagts till. Att förklaringsvärdet ökar till 38,0 procent talar för att arbetstidsomfattning har stor betydelse för variationer i lönen. Förklaringsvärdet stiger till 78,0 procent i modell 3 när variablerna för arbetsrelaterade egenskaper tillkommer. Genom att kontrollera för arbetsuppgifter, grupperingsnivå, chefskap och 12 Se till exempel SCB:s senaste partisympatiundersökning genomfördes på 8 966 personer med en svarsfrekvens på 52,7 procent SCB (2018), Partisympatiundersökningen november 2018. 13 Se t.ex. Arbetsgivarverket (2004), Lönesättning i staten, Arbetsgivarverket, Eliasson och Nordström Skans (2014), Negotiated wage increases and the labour market outcomes of low-wage workers, IFAU, Burnett Cofog har modellen fångat in ytterligare 40 procent av variationer i lönen, jämfört med modell 2. Avslutningsvis kompletteras regressionsmodellen med variablerna för personliga karakteristika, som också har betydelse för lönen. Modell 4 visar att kön, tillsammans med arbetsrelaterade och personliga karakteristika, kan förklara sammanlagt 82,8 procent av variationerna i lönen. Det finns inget exakt rekommenderat tröskelvärde för korrelationskoefficienten. De allra flesta studierna har valt att inte redovisa korrelationskoefficienten. En genomgång av ett antal tidigare studier av löneskillnader mellan kvinnor och män visar på en spridning i RR 2 -värdet mellan 14 till 86 procent 13. Regressionsmodellen i denna rapport med en korrelationskoefficient på 82,8 procent har en relativ hög förklaringsgrad jämfört med andra studier. Regressionsanalysen visar att arbetstidsomfattning tillsammans med arbetsrelaterade egenskaper är de faktorer som har störst påverkan på löneskillnaden mellan statsanställda kvinnor och män. Dessa faktorer tillsammans kan förklara cirka 4,6 procentenheter av den totala löneskillnaden, och vidare står dessa variabler för ca 78 procent av variationerna i lönen. Utvecklingen av de oförklarade löneskillnaderna mellan åren 2008 till 2018 I figur 2 visas den oförklarade löneskillnaden från regressionsmodell 4 från Tabell 3 från år 2008 till år 2018. Av Figur 2 framgår en nedåtgående trend för den oförklarade löneskillnaden. Den oförklarade löneskillnaden har minskat med cirka två tredjedelar, från 1,9 procent under år 2008 till 0,5 procent år 2018. Figur 2 Utvecklingen av de oförklarade löneskillnaderna för åren 2008 till 2018 2% 2% 1,9% 1,5% 1,1% 1% 0,9% 0,9% 0,9% 0,5% 1% 0,5% 0,5% 0,4% 0,4%.. 0%.. Stanfors, 2018, Understanding the gender gap among turn-of-the-century Oförklarade Swedish löneskillnader Compositors, (modell IFAU, 4) Jain- Chandra et al (2018), Gender Equality, IMF Working Paper Bolotnyy och Emanuel (2018), Why do women earn less than men?, Harvard Working Paper.
17 Utveckling över tid Vad har hänt på tio år? Utveckling över tid Som det första kapitlet visar har löneskillnaderna mellan statsanställda kvinnor och män minskat de senaste tio åren från 13,7 till 6,6 procent år 2018. I detta avsnitt tittar vi närmare på faktorer som påverkat denna utveckling. Om genomsnittlig månadslön räknas upp till heltidslön blir löneskillnaden mellan kvinnor och män något mindre än om månadslön används eftersom kvinnor i högre grad än män arbetar deltid. I detta avsnitt används heltidslön istället för månadslön. Efter en sådan uppräkning skiljer det år 2018 5,3 procent mellan statsanställda kvinnors och mäns genomsnittliga heltidslön (vilket motsvaras av cirka 2 000 kronor i figur 3 bredvid). Lönegapet har minskat med i snitt 100 kronor per år. Vad har påverkat minskningen och vad består kvarvarande lönegap på? Medlingsinstitutet 14 har utvecklat en modell som gör det möjligt att få en överblick över löneskillnaderna inom olika yrken på hela arbetsmarknaden. Denna modell kan även användas för staten, men istället för yrken används här arbetsområden 15. Figur 3 Utveckling av statsanställdas genomsnittiga heltidslöner 40 000 3 443 kr 38 000 36 000 34 000 2 077 kr 32 000 30 000 28 000 26 000 24 000 Kvinnor Män Lönegap 4000 3500 3000 2500 2000 1500 1000 500 0 14 För mer detaljer kring modellen se MI.se. 15 I den partsgemensamma lönestatistiken som Arbetsgivarverket producerar grupperas arbetsuppgifter i arbetsområden enligt BESTA-systemet.
18 Utveckling över tid Figur 4 Statsanställda kvinnors lön i procent av mäns år 2008 respektive år 2018 grupperat efter genomsnittslön, antal anställda och könsfördelningen på olika arbetsområden I figur 4 representerar varje cirkel ett arbetsområde. En stor cirkel innebär ett stort antal anställda medan en mindre cirkel innebär ett mindre antal anställda. Färgerna på cirklarna anger vilket kön som dominerar inom arbetsområdet 16. Om kvinnor och mäns genomsnittslöner är lika inom ett arbetsområde ligger cirkeln mitt på linjen. Om cirkeln ligger ovanför den orange linjen är kvinnornas genomsnittslöner högre än männens. Cirklar under linjen visar på motsatt förhållande, kvinnors genomsnittslöner är lägre. Ju längre till höger på skalan, desto högre är genomsnittslönen för hela arbetsområdet. Eftersom andelen kvinnor i statsförvaltningen ökat har dock andelen könsbalanserade arbetsområden minskat mellan år 2008 och år 2018 till förmån för kvinnodominerade arbetsområden. Om den utvecklingen fortsätter får alltså allt fler cirklar på sikt orange färg. I vissa arbetsområden är kvinnornas genomsnittslöner högre än männens. Att den genomsnittliga löneskillnaden sjunkit till cirka 2 000 kronor beror på att löneskillnaden har minskat inom flertalet arbetsområden. Bilderna visar alltså enbart arbetsområdena som sådana utan hänsyn till att kvinnor och män i olika grad kan arbeta på olika nivåer eller ha olika omfattning av chefsansvar. Dessa faktorer analyseras längre fram i avsnittet. Av figurerna framgår samtidigt att fler cirklar förskjutits uppåt sedan år 2008 och nu ligger på linjen där mäns och kvinnors genomsnittslöner är lika. Det finns också flera kvinnodominerade arbetsområden med relativt sett höga lönelägen som drar upp kvinnornas genomsnittslön inom sektorn. Bilderna visar tydligt utvecklingen under en tioårsperiod med minskade löneskillnader. Cirklarnas horisontella placering visar att spridningen i lönenivåer mellan olika arbetsområden ökat något. Skillnader i lönenivåer mellan arbetsområden påverkas av arbetsområdets förutsättningar avseende verksamhetens inriktning, dess kompetensbehov och arbetsmarknadens utbud av denna kompetens. Allt annat lika så utjämnas löneskillnader mellan kvinnor och män oberoende av lönespridning mellan arbetsområden, av en jämnare könsfördelning inom arbetsområdena. Tidigare kunde en förhållandevis stor del av löneskillnaderna förklaras av att fler män är chefer. Så är det inte längre. 16 Kvinnodominerat = mer än 60 procent kvinnor, Mansdominerat = mer än 60 procent män, könsbalaserat = mellan 40-60 procent av både kvinnor och män.
19 Figur 5 Statsanställda kvinnors lön i procent av mäns år 2008 respektive år 2018 grupperat efter genomsnittslön, antal anställda och könsfördelningen på olika arbetsområden, endast chefer med personalansvar Utveckling över tid Det är 55 procent av alla statsanställda chefer med personalansvar som är män. Figur 5 visar att chefer som är män fortfarande har en högre genomsnittligt lön än kvinnor som är chefer inom samma arbetsområde. Men figuren visar också den utveckling som skett de senaste tio åren, nämligen att antalet kvinnodominerade chefsgrupper har ökat betydligt även inom arbetsområden med relativt sett höga löner. Detta har bidragit till att genomsnittslönen för kvinnor som är chefer nu är högre än för män som är chefer i statsförvaltningen. 17 Figur 6a Statsanställda kvinnors lön i procent av mäns, antal anställda, könsfördelningen på olika arbetsområden Medarbetare Figur 6b Samma som Figur 6a men nu uppdelat på grupperingsnivå Lägre grupperingsnivå Högre grupperingsnivå Arbetsuppgifternas grad av självständighet, komplexitet, ansvar med mera påverkar lönen inom olika yrken och arbetsområden. Denna del av analysen visar utvecklingen när hänsyn tas till grupperingsnivån. I figur 6b, har alla arbetsområden delats upp i grupperingsnivåer. 18 Eftersom grupperingsnivåerna multipliceras med 64 arbetsområden blir det ett mycket stort antal cirklar, men om vi betraktar figuren på lite avstånd syns det tydligt att löneskillnaderna inom många arbetsområde är betydligt 17 Se Arbetsgivarverket (2018), Löneutveckling på det statliga avtalsområdet - Statistikperioden september 2017 september 2018. Rapportserien 2019 nummer 2. 18 BESTA-webben
20 Utveckling över tid mindre än figur 6a där jämförelser endast görs mellan arbetsområden. Cirklarna samlar sig mer längs linjen i den högra figuren 6b än de gör i figur 6a där cirklarna tyngs nedåt. Det beror på att löneskillnaderna mellan kvinnor och män är mindre i den högra bilden när hänsyn tas till både arbetsområde och nivå än när jämförelsen enbart utgår ifrån arbetsområden. Om nivå inte hade spelat någon roll för löneskillnaderna hade cirklarna i den högra bilden inte rört sig uppåt när nivåer inkluderas i analysen. I de arbetsområden som nu flyttats uppåt arbetar män i större utsträckning än kvinnor på högre nivåer. De löneskillnader som fortfarande finns kvar, efter det att män och kvinnor i samma arbetsområde och på samma nivå jämförs syns i och med att några cirklar fortfarande befinner sig en bit under strecket i figur 6b. Dessa löneskillnader beror på annat än arbetsuppgifter. Ett skäl är att män och kvinnor inte fördelar sig jämt över statens olika verksamhetsinriktningar (se tabell 4). Det finns skillnader mellan olika verksamhetsinriktningar avseende specialistkompetens, geografisk placering med mera och därför blir genomsnittslönerna olika inom samma arbetsområde och nivå. Tabell 4. Genomsnittlig lön per verksamhetsinriktning 2018 (andel anställda kvinnor i parantes) Cofog Lön Andel Kvinnor Allmän offentlig 39 000 förvaltning (63 %) Försvar 35 500 (22 %) Samhällsskydd och 34 700 rättsskipning (50 %) Näringslivsfrågor 42 100 (50 %) Fritid kultur och 37 600 religion (61 %) Utbildning 40 200 (55 %) Socialt skydd 34 300 (67 %) Som tabell 4 visar, är kvinnornas andel störst i den verksamhetsinriktning med lägst genomsnittslön. Det betyder att löneskillnader inom samma arbetsområde och samma nivå kan bero på att kvinnor och män i olika omfattning arbetar inom verksamhetsinriktningar med olika lönenivåer. Det finns också andra faktorer som påverkar såsom utbildning och erfarenhet. En liten del är oförklarad, vilket analyseras i avsnittet om regressionsanalys. Figur 7 Statsanställda kvinnors lön i procent av mäns över tid. Antal anställda, könsfördelningen på olika arbetsområden Medarbetare uppdelat på grupperingsnivå I ovanstående figurer visas utvecklingen över tid när arbetsområdena delats upp på grupperingsnivåer. Figurerna visar tre olika förändringar som alla påverkat utvecklingen från en löneskillnad på 11,7 procent år 2008 till 5,3 procent år 2018. (Observera att jämförelsen i detta avsnitt fortfarande avser heltidslöner.) 1. Löneskillnaderna inom arbetsområde och nivå har minskat. Det syns eftersom hela cirkelklustret flyttats uppåt. 2. Kvinnodominerade arbetsområden har flyttat framåt i lönespannet. Det syns eftersom många orange cirklarna flyttats framåt horisontellt längs x-axeln. I vissa fall handlar det om en snabbare löneutveckling inom kvinnodominerade arbetsområden, i andra fall handlar det om tidigare könsbalanserade arbetsområden som nu blivit kvinnodominerade. 3. Den totala lönespridningen mellan arbetsområden har ökat. Det syns eftersom cirklarnas horisontella spridning är större år 2018 än år 2008. Men de högsta lönerna återfinns fortfarande inom mansdominerade arbetsområden. Det syns eftersom de flesta cirklarna längst till höger i figuren är blå.
21 En viktigare förklaring till utvecklingen är dock att fler kvinnor än för tio år sedan arbetar med arbetsuppgifter på en högre nivå, det vill säga högre svårighetsgrad och komplexitet. Potentialen för ytterligare utjämning av löneskillnader är stor genom en fortsatt positiv utveckling av kvinnors karriärmöjligheter. Fortsatt utjämning av löneskillnaderna mellan kvinnor och män bygger i hög grad på kvinnors och mäns lika villkor för karriärutveckling, val av utbildning och en dynamik där arbetsområden och verksamheter kan locka till sig det underrepresenterade könet. En utveckling där fler kvinnor väljer mansdominerade verksamheter och fler män väljer kvinnodominerade, där andelen kvinnor på högre grupperingsnivåer ökar och där kvinnors deltidsarbete minskar. Utveckling över tid
22 Utveckling över tid Staten jämfört med hela arbetsmarknaden En analys av löner utifrån yrken och arbetsområden på hela arbetsmarknaden visar att staten generellt sett har ett större antal kvinnodominerade arbetsområden med relativt sett högre lönenivåer. Figur 8 Kvinnors lön i procent av mäns grupperat efter genomsnittslön, antal anställda, könsfördelningen på olika yrken för hela arbetsmarknaden (höger) jämfört med statsanställda (vänster). 2018 Källa: Medlingsinstitutet och Arbetsgivarverket Medlingsinstitutets figur över löneskillnaden mellan kvinnor och män på hela arbetsmarknaden jämförs här med den modell där analysen utgått ifrån Arbetsgivarverkets partsgemensamma lönestatistik. Modellen är densamma förutom att Medlingsinstitutet använder yrken (SSYK) istället för arbetsområden (BESTA). För arbetsmarknaden som helhet syns det tydligt att i de mansdominerade yrkena är genomsnittslönerna högre än i de kvinnodominerade yrkena. Men inom flera av de stora kvinnodominerade yrkena tjänar kvinnorna mer än männen. Inom staten finns fortfarande några större kvinnodominerade områden som befinner sig på den vänstra delen i diagrammet. Generellt sett har de mansdominerade yrkena inom staten inte längre en högre genomsnittslön än de kvinnodominerade. Flera orange cirklar/kvinnodominerade arbetsområden ligger till höger på löneskalan. Att det samtidigt finns en tyngdpunkt under linjen för de flesta cirklar visar att inom de flesta arbetsområden, är männens genomsnittslön högre än kvinnornas.
23 Bilagor Bilagor Bilaga 1 Metodbeskrivning Regressionsanalys En regressionsanalys syftar till att undersöka om det förekommer några former av statistiska korrelationer eller samvariationer mellan två eller flera variabler 19. Utöver korrelationen kan regressionen användas för att studera en eller en grupp variablers påverkan på en annan variabel. Regressionsanalysen tillhör en av de vanligaste metoderna som tillämpas inom vetenskapliga studier av skillnader i utfall mellan olika individer eller sociala grupper. Vår regressionsmodell En regressionsmodell består av minst två variabler. Begreppet variabel är ett samlingsnamn för olika objekt, som i sin tur består av olika värden, som t.ex. lön eller kön. Vår basmodell har följande utseende: log(llönn) = ββ 0 + ββ 1 KKönn + εε (1) I basmodellen (1) ställer vi upp den faktiska utbetalda lönen som en funktion av kön. Med modellen vill vi studera om kön har en direkt påverkan på lön. Den variabel som är föremål för undersökningen, i detta fall lön, kallas normalt för beroende variabel. Variabeln som ska hjälpa oss att förklara lönen, i detta fall kön, kallas förklarande variabel. Det kan endast finnas en beroende variabel, medan det inte finns någon begränsning för antalet förklarande variabler. I basmodellen visas lönen i form av logaritmen, log(lön). Genom att lönen transformeras till logaritmen kan vi med fördel redovisa löneskillnader mellan kvinnor och män i form av procentsatser istället för kronor. Dessutom ger transformationen log(lön) en betydligt tydligare normalfördelad profil än lön i kronor, och detta gör log(lön) mer anpassad till regressionsanalysen. Föremålen för regressionsanalysen är β-värden för förklarande variabler, eller koefficienter. Koefficienten ββ 1 från basmodellen signalerar könets påverkan på lönen. Om ββ 1 är negativ så betyder det att kvinnor tjänar mindre än män. Till koefficienten medföljer ett testvärde som signalerar om koefficienten är statistiskt signifikant. Ickesignifikant koefficient saknar statistisk relevans. ββ 0 kallas konstant och kan likställas med medelvärde för den beroende variabeln. Regressionens ekvation avslutas med en felterm, εε, som symboliserar övriga faktorer eller effekter som inte fångas upp av förklarande variabler i modellen. Normalt studerar man varken konstanten eller feltermen vid regressionsanalyser. Dessutom vet vi, med hjälp av en lång rad tidigare vetenskapliga studier, att löner i högsta grad påverkas av andra faktorer än bara kön. I regressionen har vi utökat vår modell med ytterligare ett antal variabler, och dessa variabler kallas för kontrollvariabler, se ekvation (2). log(llönn) = ββ 0 + ββ 1 KKönn + ββ 2 AAAAAAAAAAAAAAAAAAådddd + ββ 3 GGGGGGGGGGGGGGGGGGGGGGGGGGGGå + ββ 4 aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa + ββ 5 ccheeee + ββ 6 uuuuuuuuuuuuuuuuuuuuuuuuuuuuå + ββ 7 eeeeeeeeeeeeeeheeee + ββ 8 ållllllll + ββ 9 CCCCCCCCCC + εε (2) I regel finns det inga begränsningar för hur många kontrollvariabler man kan ha i en regression. Dock kan man säkerställa att kontrollvariabler tillför relevant information till regressionen genom att, dels kontrollera att koefficienter till kontrollvariablerna är statistiskt signifikanta, och dels studera värdena på korrelationskoefficienten, RR 2. RR 2 får man efter varje regressionsberäkning och värdet visar hur mycket av variationen i den 19 I regressionsberäkningarna i denna rapport har statistikprogrammet R använts.
24 Bilagor beroende variabeln som kan förklaras av de förklarande variablerna. Om RR 2 är 0, då finns det ingen korrelation mellan beroende och förklarade variabler. Om RR 2 är 1, då har vi en perfekt modell. RR 2 tenderar att öka i takt med antalet förklarande variabler. Om antalet förklarande variabler ökar medan RR 2 inte ökar eller minskar så kan det vara en indikation på att regressionen innehåller för många kontrollvariabler. Tillsammans med kontrollvariablerna i regressionen mäter man det så kallade ceteris paribus, dvs. allt annat lika, på kön. Det innebär att vi får veta könets påverkan på lönen givet att personerna har samma arbetsuppgifter, arbetstidsomfattning och utbildning och så vidare.
25 Bilagor Bilaga 2 Antal anställda per arbetsområde Arbetsområde Antal anställda Utrednings-, inspektions- och tillsynsarbete med allmänrättslig inriktning 23 496 Polisarbete 17 770 Samhällsadministrativt planerings-, förhandlings- och utredningsarbete 15 154 Utbildning och forskning med teknisk och naturvetenskaplig inriktning 12 846 Arbetsförmedling 9 619 Utbildning och forskning med samhällsvetenskaplig och juridisk/rättsvetenskaplig inriktning 9 546 Internt stöd-, utvecklings- och administrativt arbete 8 695 Militärt arbete 8 355 Kriminalvårdsarbete 7 681 Utbildning och forskning med medicinsk, odontologisk samt veterinärmedicinsk inriktning 7 458 IT-arbete 7 327 Revisions- och granskningsarbete 6 239 Utbildnings- och forskningsadministration 6 074 Forsknings- och utvecklingsarbete med teknisk och naturvetenskaplig inriktning 5 925 Ekonomiarbete 5 328 Socialt och kurativt arbete 5 178 Utbildning och forskning med humanistisk och religionsvetenskaplig inriktning samt 4 913 konstnärligt utvecklingsarbete Juridiskt utredningsarbete 4 363 Forsknings- och utvecklingsarbete med medicinsk m.m. inriktning 4 081 Personalarbete 4 062 IT Drift, underhåll och support 3 875 Kund- och medborgarservice 3 756 Inte dömande verksamhet vid domstolar, hyres- och arrendenämnder och 3 722 Rättshjälpsmyndigheten Kontorsservicearbete m.m. 3 628 Informationsarbete 3 584 Naturvetenskapligt arbete 3 383 Tillverkning, reparation och teknisk service 3 247 Brottsutredningsarbete 3 100 Utbildningsarbete 2 612 Tekniskt utrednings- och utvecklingsarbete 2 517 Dömande verksamhet 1 972 Gränsövervakningsarbete 1 958 Forsknings- och utvecklingsarbete med samhällsvetenskaplig, humanistisk eller 1 932 rättsvetenskaplig/juridisk m.m. inriktning Exekutionsarbete och obeståndsrättsligt arbete 1 878 Biblioteks- och dokumentationsarbete 1 699 Arkivverksamhet 1 253 Veterinärarbete, livsmedelstillsyn m.m. 1 222 Inköpsarbete 1 175
26 Bilagor Fastighetsförvaltning 1 168 Sjötrafikarbete 1 153 Lokalvård 1 145 Arkitektarbete och anläggningskonstruktion 1 113 Flygtrafikarbete 1 081 Åklagarverksamhet 1 043 Medicinskt arbete 1 023 Trafikledningsarbete, tåg och väg 988 Produktionsplanering/-ledning 967 Lager- och förrådsförvaltning 870 Säkerhets- och räddningsarbete 866 Museiarbete 682 Psykologarbete 608 Restaurangarbete 550 Arbete inom jordbruk, skogsbruk, jakt, fiske m.m. 540 Beräknings- och mätningsarbete 525 Kvalitets- och kontrollarbete 445 Kulturmiljövård 443 Trafik- och transportplanering 418 Marknadsföring, försäljning 408 Form-, ljud- och bildarbete 299 Driftövervakning 240 Mark-, anläggnings- och byggnadsarbete 95 Tolknings- och översättningsarbete 84 Fordonsförare 33 El- och teletekniskt arbete 29 Ej klassade 9 317 Totalt 246 756
Rapportserie 2019 #3 Box 3267,103 65 Stockholm, Besöksadress: Sveavägen 44 Växel: 08 700 13 00 www.arbetsgivarverket.se registrator@arbetsgivarverket.s e