5. Sitzung Alexander Spermann Universität Freiburg 1 Gleicher Lohn bei gleicher Qualifikation: Frauen verdienen im Durchschnitt zwar weniger als Männer,

1

5. Sitzung

Alexander SpermannUniversität Freiburg

Gleicher Lohn bei gleicher Qualifikation: Frauen verdienen im Durchschnitt zwar weniger als Männer, aber ist die Ursache dafür in der Diskriminierung zu suchen?

Frage: liegt Lohndiskriminierung trotz Qualifikationsgleichstand

von Frauen vor? Niedrigere Durchschnittslöhne weisen noch nicht auf

Diskriminierung von Frauen bei der Entlohnung hin erhalten Frauen bei sonst gleichen Eigenschaften die gleiche

Entlohnung wie Männer? Wenn ja: Unterschiedliche Entlohnungen sind auf

Qualifikationsunterschiede, unterschiedliche Berufserfahrung zurückzuführen

Wenn nein: Lohndiskriminierung

Dummy-Variablen

2

5. Sitzung


Ökonomisches Modell: y = f( x1, x2, x22)

y = Lohn, x1 = Schuljahre , x2 = Berufserfahrung in Jahren

Ökonometrisches Modell: y = + ß1 ·x1 + ß2 ·x2 + ß3 ·x2 2 + u

Ökonomische Interpretation: Parameter repräsentiert Lohn bei Schuljahre = Null und Berufserfahrungsjahre = Null

Einführung einer neuen Variable: DF = 1 (Individuum weibl.)

DF = 0 (Individuum männl.)

12 8 64 0

10 6 36 1 14 10 100 1

1 2 3

Y x1 x2 x22 DF

Individuen

Dummy-Variablen

3

5. Sitzung


Neue Gleichung:

y = + ßF ·DF + ß1 ·x1 + ß2 ·x2 + ß3 ·x2 2 + u

Interpretation: Frauen DF = 1 a + bF entspricht Lohn bei x1 =x2 = 0

Männer DF = 0 a entspricht Lohn bei x1 =x2 = 0

Ist Schätzer bF signifikant und negativ, liegen Frauenlöhne systematisch unter den entsprechenden Männerlöhnen bei gleicher Schulbildung und Berufserfahrung

unterschiedlicheAchsenabschnitte

Dummy-Variablen

4

5. Sitzung


y = + ßF ·DF + ß1 ·x1 + ß2 ·x2 + ß3 ·x2 2 + u

y = Lohn

x1 = Schuljahre

a

a + bF

a + b1 ·x1

a + bF + b1 ·x1

(-)

negativ, wenn D=1

Dummy-Variablen

5

5. Sitzung


Dummy-Variablen

6

5. Sitzung


Interpretation des Regressionsoutputs I:

Konstante c=0,606 : Achsenabschnitt für „männlich“ (D=0) Koeffizient für (D=1) „weiblich“= - 0,265, d.h. die

Schätzgerade für Frauen verschiebt sich um 0,265 nach unten |t-Werte| > 2, was die Signifikanz der unabhängigen Variablen

bestätigt R2=31%, folglich hat das Modell durch das Einführen der

Dummy-Variable für das Geschlecht an Erklärungsgehalt gewonnen Die -Fehlerwahrscheinlichkeit bei Ablehnen der Nullhypothese ist mit Prob=0,0000 sehr gering: Ergebnis ist hoch signifikant

0,606

0,341

-0,265

a + b1 ·x1

a + bF + b1 ·x1

y=Lohn

x=Schuljahre

Dummy-Variablen

7

5. Sitzung


y = + ßF ·DF + ßV ·DV + ß1 ·x1 + ß2 ·x2 + ß3 ·x2 2 + u

Neue Variable DV = 1 (Individuum verheiratet)

DV = 0 (Individuum nicht verheiratet)

wenn Schätzer bV signifikant und negativ (positiv), dann

erhalten Verheiratete systematisch niedrigere (höhere)

Löhne als Unverheiratete

1 1 0

0 1 1

DVDF

Dummy-Variablen

8

5. Sitzung


Dummy-Variablen

9

5. Sitzung


Interpretation des Regressionsoutputs II:

der |t-Wert| für „verheiratet“ ist mit 1,294 < 2, und somit ist der Koeffizient der erklärenden Variable „Familienstatus“ insignifikant

R2=32%, folglich hat das Modell durch das Einführen einer weiteren Dummy-Variable kaum an Erklärungskraft gewonnen

Die -Fehlerwahrscheinlichkeit von 19,6% (Prob=0,1963) bei Ablehnen der Nullhypothese ist zu hoch: Ergebnis ist nicht signifikant

Dummy-Variablen

10

5. Sitzung


Schätzer bV nicht signifikant von Null verschieden, da | t | < 2

DV bezieht sich sowohl auf verheiratete Frauen als auch auf verheiratete Männer, quantitativer Effekt bV für beide identisch

DF = DV = 0: a (unverh. Männer)

DF = 0, DV = 1: a + bV (verh. Männer)

DF = 1, DV = 0: a + bF (unverh. Frauen)

DF = DV = 1: a + bF + bV (verh. Frauen)

Diff. bV

Diff. bV

Ach

sena

bsch

nite

Dummy-Variablen

11

5. Sitzung


Gibt es unter Umständen systematischen Unterschied, d.h. wirkt sich der Familienstatus für Frauen anders auf Lohn aus als für Männer?

Hypothese: Wenn Familienstatus mit Existenz von Kindern korreliert, kann sich dieser für Frauen negativer auswirken als für Männer, wenn Existenz von Kindern mit Erwerbsunterbrechungen und Humankapitalentwertung einhergeht

Frage: Wie misst man geschlechtsspezifische unterschiedliche Effekte des Familienstatus auf Löhne ?

Interaktions-Dummy-Variablen

12

5. Sitzung


y = + ßF ·DF + ßV ·DV + ßFV ·DFV + ß1 ·x1 + ß2 ·x2 + ß3 ·x2 2 + u

Neue Variable DFV = 1 (Individuum verheir. und weiblich)

DFV = 0 (sonst)

durch Multiplikation: DF* DV = DFV

Interaktionsdummy DFV misst unterschiedlichen Einfluss des

Familienstatus bei Frauen und Männern

0 1 01 1 11 0 0

DF DV DFV


13

5. Sitzung


DF = DV = DFV = 0: a (unverh. Männer)

DF = 0, DV = 1, DFV = 0 : a + bV (verh. Männer)

DF = 1, DV = 0, DFV = 0 : a + bF (unverh. Frauen)

DF = DV = DFV = 1: a + bF + bV + bFV (verh. Frauen)

bFV misst unterschiedlichen Einfluss des Familienstatus

bFV signifikant und negativ: Verheiratet sein wirkt sich für Frauen negativer aus als für Männer, Gesamteffekt hängt von bV ab

Diff. bV

Diff.

bV +bFV


14

5. Sitzung



15

5. Sitzung


bV=0,153 mit I t I=2,7 , folglich ist der Koeffizient positiv und signifikant von Null verschieden

bF= -0,128 mit I t I=1,97 und mit der -Fehlerwahrscheinlichkeit von 4,8% , folglich ist der Koeffizient positiv und signifikant von Null verschieden

bFV= -0,207 mit I t I=2,6 , folglich ist der Koeffizient negativ und signifikant von Null verschieden

Bei Männern wirkt sich Ehe positiv auf Lohn aus (Effekt wird gemessen durch: bV)

Bei Frauen wirkt sich Ehe negativ auf Lohn aus (leicht negativer Effekt, gemessen durch: bV + bFV = - 0,055)

C=0,564

0,716

0,380,44

y=Lohn

x=Schuljahre

0,56+0,150,56-0,12

0,56-0,12-0,06

Verheiratete MännerUnverheiratete Männer

Unverheiratete Frauen

Verheiratete Frauen


16

5. Sitzung


Slope-Dummy-Variablen

Bislang haben Dummy-Variable unterschiedliche

Achsenabschnitte für unterschiedliche Personengruppen

repräsentiert

Koeffizienten der erklärenden Variablen können sich ebenfalls

für unterschiedliche Personengruppen unterscheiden

Beispiel: Einfluss höherer Schulbildung kann für Frauen und

Männer unterschiedlich wirken

17

5. Sitzung



y = + ßF·DF + ... ß1 ·x1 + ß2·x2 + ß2F·DF ·x2 ....+ u

Effekt der Berufserfahrung auf Lohn für Männer: DF=0

Effekt der Berufserfahrung auf Lohn für Frauen:

DF=1

ß2F misst Differenz

22

x

y

Fx

y22

2

18

5. Sitzung



y = + ßF·DF + ... + ß1·x1 + ß2·x2 + ß2F·DF ·x2…+ u

y = Lohn

x2 = Berufserfahrung

a

a + b2 ·x2

a + (b2 + b2F)·x2

(-)

(-)

19

5. Sitzung



y = Lohn

a + b1 ·x1

a + (b1 + b1F)·x1

(-)

(-)

20

5. Sitzung



Durch das Hinzunehmen der Slope-Dummy-Variable mit dem Koeffizienten 0,007 „Berufserfahrung*Weiblich“, wird die Variable „Weiblich“ insignifikant mit I t I = 0,45 und der

-Fehlerwahrscheinlichkeit=65,4%

0,687

y=Lohn

x=Berufserfahrung

Slope: 0,038-0.007

Documents

5. Sitzung Alexander Spermann Universität Freiburg 1 Gleicher Lohn bei gleicher Qualifikation: Frauen verdienen im Durchschnitt zwar weniger als Männer,