321 SUKUPUOLTEN PALKKAERO YKSITYISISSÄ PALVELUAMMATEISSA

Transkriptio

1 VATT-KESKUSTELUALOITTEITA VATT-DISCUSSION PAPERS 321 SUKUPUOLTEN PALKKAERO YKSITYISISSÄ PALVELUAMMATEISSA Antti Luukkonen Valtion taloudellinen tutkimuskeskus Government Institute for Economic Research Helsinki 2003

2 ISBN ISSN Valtion taloudellinen tutkimuskeskus Government Institute for Economic Research Arkadiankatu 7, Helsinki, Finland Oy Nord Print Ab Helsinki, oulukuu 2003

3 Saatteeksi Sosiaali- a terveysministeriö on rahoittanut tutkimusta, mistä esitän lämpimät kiitokseni. Kiitän Tomi Kyyrää, Ossi Korkeamäkeä, Heikki Räisästä a Anita Haataaa monista hyödyllisistä kommenteista a arvokkaasta palautteesta. Ensin mainitulle esitän erityiskiitokseni avusta tutkimuksen tilastollisen analyysin toteuttamisessa: Tomi Kyyrän Gauss-kielellä kiroittama laskentaohelma oli suureksi hyödyksi työssäni. Kiitän Palvelutyönantaat Ry:n väkeä aineiston käyttöluvasta, avusta sen tietosisällön selvittämisessä a tarkentavista huomioista työn viimeistelyvaiheessa. Kaikista tutkimuksessa mahdollisesti esiintyvistä puutteista vastaan luonnollisesti itse. Helsingissä Antti Luukkonen

4

5 LUUKKONEN ANTTI: SUKUPUOLTEN PALKKAERO YKSITYISISSÄ PALVELUAMMATEISSA. Helsinki, VATT, Valtion taloudellinen tutkimuskeskus, Government Institute for Economic Research, 2003, (C, ISSN , No 321). ISBN Tiivistelmä: Tutkimuksessa tarkastellaan miesten a naisten välistä palkkaeroa yksityisellä palvelualalla, a se perustuu Palvelutyönantaat Ry:n vuoden 2001 aineistoon. Tilastollisessa analyysissä käytetään ns. satunnaisten vaikutusten mallia, oka ottaa huomioon aineiston ryhmittäisen rakenteen. Sen avulla saadaan tietoa mies- a naisvaltaisten yritysten a ammattien välisen palkkaeron syistä. Puolet 20,28 log-prosentin palkkaerosta voidaan selittää sillä, että naiset työskentelevät yritysten sisällä matalapalkkaisemmissa ammateissa kuin miehet. Naiset ovat myös sioittuneet miehiä useammin matalapalkkaisiin yrityksiin, mikä tuottaa kolmanneksen kokonaispalkkaerosta. Toisaalta yrityksen tai yrityksen sisäisen ammatin palkkatasoa ei kovin hyvin kyetä selittämään käytetyillä muuttuilla: tärkein yksikön palkkatasoa selittävä tekiä on sen sukupuoliakauma. Palkkaeroa ei uurikaan voida perustella eroilla henkilötason ominaisuuksissa, mutta iän tuoma yleinen työkokemus kasvattaa miesten ansioita naisia nopeammin. Asiasanat: Sukupuolten palkkaero, palkkasyrintä, segregaatio, työn vaativuusluokitus, satunnaisvaikutusten malli LUUKKONEN ANTTI: SUKUPUOLTEN PALKKAERO YKSITYISISSÄ PALVELUAMMATEISSA. Helsinki, VATT, Valtion taloudellinen tutkimuskeskus, Government Institute for Economic Research, 2003, (C, ISSN , No 321). ISBN Abstract: This study investigates gender wage gap in the private service sector of Finland. The data come from register of the Employers Confederation of Service Industries in Finland (Palvelutyönantaat Ry). Random effects model is employed to take the grouped structure of the data into account. Modelling approach sheds light on the wage gap between female- and male-dominated firms and occupations. Half of the 20,28 log-percent wage gap can be explained by the fact that women work more often than men in lower-paying occupations in firms. Women are also concentrated in lower-paying firms, which explains one third of the wage gap. On the other hand the wage level of a firm or occupation remains mainly unexplained: the variable indicating the share of women in the unit is the best predictor of its wage level. The wage gap can t be ustified with the variables controlling individual characteristics, but the work experience gained through aging contributes stronger to the wages of women than to the wages of men. Key words: Gender wage gap, wage discrimination, sex segregation, ob complexity level, random effects model

6

7 Yhteenveto Tutkimuksessa analysoidaan miesten a naisten palkkaeroa yksityisellä palvelualalla. Tutkittava ansiokäsite on säännöllisenä toistuva tuntiansio. Empiirinen analyysi perustuu Palvelutyönantaat Ry:n vuoden 2001 henkilötason aineistoon, oka käsittää työntekiän tiedot. Perinteisessä empiirisessä taloustieteellisessä tutkimuksessa on havaittu, että miesten a naisten erilainen sioittuminen yrityksiin, ammatteihin a toimialoille selittää voimakkaasti keskipalkkoen välistä eroa, koska naisvaltaisiin yksiköihin liittyy usein miesvaltaisia yksiköitä matalampi palkka. Tutkimuksessa syvennetään tämän segregaationa tunnetun ilmiön analyysiä kahdella tavalla. Ensinnäkin ammattiaottelu tihennetään yritysten sisälle. Näin menetellään, koska on ilmeistä, että ammattien tosiasiallinen sisältö vaihtelee yrityksittäin. Tutkimuksessa käytetään tällaisesta yrityksen sisäisestä ammatista nimitystä työsolu. Lisäksi käytetään tavanomaisesta poikkeavaa mallinnustekniikkaa. Sen ansiosta voidaan ottaa huomioon tekiät, otka määrittävät mies- a naisvaltaisten yksiköiden palkkatasoa. Tutkimuksessa otetaan myös työn vaativuus huomioon erityisellä tätä tarkoitusta varten kehitetyllä mittarilla. Sukupuolten keskipalkkoen välinen ero analysoidussa aineistossa on 20,28 logprosenttia. Tutkimuksen kuvailevan osion keskeinen tulos on, että miehet a naiset työskentelevät yksityisellä palvelualalla selvästi erilaisissa tehtävissä. Segregaatio on luonteeltaan pääasiassa hierarkista: miehet ovat naisia useammin esimies- a ohtotehtävissä, kun taas naiset ovat yliedustettua suorittavassa portaassa. Tämä näkyy myös siten, että käytetyn vaativuusmittarin valossa miehet tekevät naisia vaativampaa työtä. Sen siaan työntekiän inhimillistä pääomaa mittaavissa henkilötason ominaisuuksissa ei ole kovin suuria systemaattisia eroa sukupuolten välillä. Tutkimuksessa palkkaero aetaan haotelmien avulla nelään osaan. Puolet palkkaerosta voidaan selittää työsolutason segregaatiolla. Miehet siis työskentelevät yritysten sisällä keskimäärin naisia useammin korkeapalkkaisissa ammateissa. Yritystason segregaatio selittää kolmanneksen palkkaerosta, koska sama ilmiö toistuu myös yritysten kohdalla. Palkkaeroa ei uurikaan voida perustella eroilla miesten a naisten inhimillistä pääomaa mittaavissa ominaisuuksissa. Sen siaan samassa yrityksessä samassa ammatissa työskentelevien miesten a naisten välillä esiintyy ns. työsolun sisäistä palkkaeroa 3,7 log-prosentin verran, kun kontrolloidaan työntekiöiden inhimillistä pääomaa. Tämä muodostaa vaaan viidesosan kokonaispalkkaerosta. Käytettävän mallinnustekniikan ansiosta palkkaeron nelä komponenttia voidaan edelleen akaa eri muuttuille. Jos esimerkiksi miehet työskentelevät naisia useammin suuryrityksissä, oissa maksetaan pienyrityksiä suurempia palkkoa, on

8 yrityksen kokoa mittaavalla muuttualla vaikutusta yritystason segregaation palkkavaikutuksen taustalla. Työsolutason segregaatio tuottaa puolet palkkaerosta. Naisvaltaisten työsoluen matalapalkkaisuutta ei kuitenkaan voida uurikaan selittää työn vaativuudella, työntekiöiden osaamisella tai muilla työsolua kuvaavilla seikoilla: työsolun palkkataso palautuu enimmäkseen sen sukupuoliakaumaa kuvaavaan muuttuaan. Naisvaltaisiin työsoluihin näyttäisi siis liittyvän miesvaltaisia työsolua matalampi palkka pääasiassa oistain havaitsemattomista (eli käytetyillä muuttuilla selittymättömistä) syistä. Yritystason segregaation osalta voidaan todeta, että siinäkin naisten suuri osuus yrityksen työvoimasta on tärkein sen matalaa palkkatasoa selittävä tekiä. Melkein vastaava vaikutus on sillä, että miehet ovat päätyneet naisia useammin yrityksiin, oissa on runsaasti esimiehiä a ohtaia. Valikoitumisella kaupan alan matalapalkkaisiin yrityksiin taas on päinvastainen vaikutus, koska miehet ovat päätyneet niihin naisia useammin. Yritysten sioittumisella pääkaupunkiseudun kuntiin on yllättävän suuri vaikutus kokonaispalkkaeroon. Ilmiötä voidaan luonnehtia siten, että yksityisellä palvelusektorilla vallitsee niin sanottu pääkonttoriefekti. Miehet ovat sioittuneet naisia useammin esimies- a ohtaatasolle, oihin liittyvät työt tehtäneen suorittavaa porrasta useammin pääkonttoreissa. Ne taas siaitsevat usein pääkaupunkiseudulla, ossa maksetaan korkeiden elinkustannuksien vuoksi muuta maata suurempia palkkoa. Koska pääkaupunkiseudulla on muuta maata korkeampi hintataso, tarkoittaa edellä mainittu piirre sitä, että sukupuolten ostovoimakorattu reaalipalkkaero on yllättäen onkin verran pienempi kuin nimellispalkkaero. Jos kuntien kalleusluokittelu todella heiastelee aitoa hintaeroa, voidaan miesten a naisten reaalipalkkoen väliseksi eroksi arvioida noin 18 log-%, kun nimellispalkkaero on hiukan yli 20 log-%. Kääntäen voidaan sanoa, että alueellisten hintatasoeroen huomioiminen työehtosopimuksissa on osaltaan kasvattanut sukupuolten nimellispalkkaeroa pääkonttoriefektin kautta. Miesten a naisten henkilötason ominaisuuksissa ei uuri ole systemaattisia eroa, oten ne eivät selitä palkkaeroa. Työsolun sisäisen palkkaeron taustalla näyttää olevan kaksi tekiää. Ensinnäkin naisilla on 3,6 log-prosentin suuruinen laskennallinen alkupalkkaetu miehiin nähden. Toisin sanoen matalasti koulutetuilla a aivan työuransa alussa olevilla nuorilla naisilla arvioidaan olevan hienoista palkkaetua vastaavassa tilanteessa oleviin miehiin verrattuna. Toisaalta iän tuoma yleinen työkokemus kasvattaa naisten ansioita selvästi miehiä hitaammin. Palkanmuodostuksen piirteet vaikuttavat eri suuntiin, a työsolun sisäinen palkkaero syntyy pääasiassa niiden summana.

9 Sisällys 1 Johdanto 1 2 Aineisto Syntyhistoria, raaukset a yleistettävyys Analysoitava palkkakäsite Työntekiän inhimillistä pääomaa kuvaavat muuttuat Luokittelevat muuttuat Työn vaativuus Yritystä a työsolua kuvaavat muuttuat 10 3 Kuvailevaa analyysiä 12 4 GLS-palkkamallit a palkkaeron haotelmat Haotelma DEC Mistä työsolun sisäinen palkkaero ohtuu? haotelmat DEC2 a DEC Estimointiteknisiä huomioita 21 5 Tulokset Haotelma DEC Haotelmat DEC2 a DEC Johtopäätökset Joitakin huomioita yksityisen palvelusektorin palkanmuodostuksesta Mitä sukupuolten palkkaeron taustalta löytyy? Vertailua muihin tutkimuksiin 33 Lähteet 38 Liite 1. Alat a niillä käytettävät vaativuusasteikot 39 Liite 2. Palkkamallit a -haotelmat 40

10

11 1 Johdanto Miehet saavat keskimäärin naisia korkeampaa palkkaa käytännössä kaikilla työmarkkinoilla. Suomessa miesten keskipalkka on opa muutamia kymmeniä prosenttea naisten keskipalkkaa suurempi riippuen siitä, mitä talouden sektoria tarkastellaan. Vaikka naisten osallistumisella työelämään on maassamme pitkät perinteet, ei Suomi sukupuolten palkkaeron suhteen uurikaan poikkea muista teollisuusmaista. (Korkeamäki Kyyrä 2002, 3.) Tämä on herättänyt vilkasta yhteiskunnallista keskustelua palkkaeron syistä a toimenpiteistä, oilla sitä voitaisiin parhaiten kaventaa. Sukupuolten välinen palkkaero on monimutkaisen prosessin lopputulos, a sitä on tutkittu palon. Taloustieteessä keskipalkkoen ero palautetaan tyypillisesti OLS-regressiomallilla eroihin miesten a naisten hankkimassa inhimillisessä pääomassa, ota kuvataan yleensä ikää, koulutusta a työkokemusta mittaavilla muuttuilla. Palkanmuodostuksessa voi myös olla eroa, eli inhimillisen pääoman palkkaa kasvattava vaikutus saattaa riippua sukupuolesta. Näiden kahden tekiän keskinäistä suhdetta arvioidaan yleensä ns. Oaxaca-haotelmalla (Oaxaca 1973, ). Toisaalta miehet a naiset ovat akautuneet hyvin epätasaisesti eri tehtäviin, yrityksiin a toimialoille. Tämä segregaationa tunnettu ilmiö on myös merkittävä palkkaeron lähde, koska miesvaltaisissa tehtävissä on tyypillisesti naisvaltaisia tehtäviä korkeammat palkat. Erityisesti sukupuolten segregoituminen palkkaukseltaan erilaisiin ammatteihin on osoittautunut tärkeäksi palkkaeron syyksi (Vartiainen 2001, 21 28; Korkeamäki Kyyrä 2003, 3). Ammatillisen segregaation aiheuttamaa palkkaeron komponenttia voidaan arvioida lisäämällä tilastollisiin palkkamalleihin a Oaxaca-haotelmiin ammattia osoittavat indikaattorimuuttuat 1. Tällaiseen OLS-palkkamalliin ei kuitenkaan voida lisätä ammatti-indikaattorien rinnalle muita ammattia kuvaavia muuttuia. Niinpä ei saada selville, mitkä tekiät ovat ohtaneet naisvaltaisten ammattien matalapalkkaisuuteen. Lisäksi tilastollisessa päättelyssä voi syntyä ongelmia. OLS-regression tilastolliset tunnusluvut perustuvat keskeisesti oletukseen, onka mukaan havainnot ovat toisistaan riippumattomia. On kuitenkin ilmeistä, että esimerkiksi saman yrityksen havaintoyksiköt ovat keskenään korreloituneempia kuin aineistosta satunnaisesti valitut havainnot. (Korkeamäki ym. 2003, 3 5.) Todennäköisesti myös ammatin tosiasiallinen sisältö vaihtelee yrityksittäin. Esimerkiksi kiranpitään toimenkuvaan saattaa kuulua hyvinkin erilaisia tehtäviä riippuen siitä, työskenteleekö hän pienessä vai suuressa yrityksessä. Tällöin pelkkä ammattinimikkeistö ei kykene huomioimaan tarkasti työn ominaispiirteitä. 1 Selkeä a yleistauinen esitys Oaxaca-haotelman käytöstä a indikaattorimuuttuista sen yhteydessä löytyy ulkaisusta Vartiainen 2001 (9-18).

12 2 Tämä tutkimus käsittelee sukupuolten palkkaeroa yksityisellä palvelualalla. Sitä on tutkittu suhteellisen vähän, koska valtaosa Suomea koskevista palkkaerotutkimuksista on tarkastellut teollisuussektoria. Tavanomaista palkkaeron analyysiä tarkennetaan tihentämällä ammattiaottelu yritysten sisälle: työssä vertaillaan tilastollisin tekniikoin miehiä a naisia, otka toimivat samassa ammatissa saman työnantaan palveluksessa (Groshen 1991, 458). Jatkossa tällaiseen yrityksen sisäiseen tehtävään viitataan termillä työsolu (engl. ob-cell). Lisäksi selvitetään, mitkä tekiät vaikuttavat yrityksen a työsolun palkkatasoon. Jotta näin voitaisiin tehdä, käytetään palkanmuodostuksen mallintamiseen OLS-regression siasta GLS-regressiota Korkeamäen a Kyyrän esittämällä tavalla (2003, 18 21). Koska siinä käytetään kolmiportaista virhetermiä, voidaan sen puitteissa myös ottaa huomioon aineiston ryhmittäinen rakenne a havaintoen korreloituneisuus yritysten a työsoluen sisällä (mts ). Eräs keskeinen työsolun palkkatasoa määrittävä tekiä on työn vaativuus. Tätä palkanmuodostuksen piirrettä on hyvin vaikea ottaa huomioon tilastollisessa analyysissä, koska vaativuusluokitukset vaihtelevat huomattavasti työehtosopimuksittain. Käsillä olevassa tutkimuksessa työn vaativuuden kontrollointiin käytetään ulkaisussa Luukkonen (2003) esiteltyä menetelmää. Se tiivistää periaatteessa satoa indikaattorimuuttuia vaativan ordinaaliasteikollisen työn piirteen yhteen vaativuutta mittaavaan atkuvaan muuttuaan, oka on helposti tulkittavissa a käytettävissä. (mts ) Seuraavassa luvussa esitellään aineisto a tilastollista analyysiä varten ohdetut muuttuat. Samalla esitellään työn vaativuuden kontrollointiin käytetty menetelmä. Kolmannessa luvussa muodostetaan yleiskuva aineistosta a havainnollistetaan miesten a naisten tekemää erilaista työtä yksityisellä palvelusektorilla. Nelännessä luvussa esitellään inhimillisen pääoman teoriaan perustuvat palkkamallit a -haotelmat, a saadut tulokset raportoidaan luvussa viisi. Luvussa kuusi tehdään yhteenveto havainnoista a vertaillaan niitä muun palkkaerotutkimuksen kanssa.

13 3 2 Aineisto 2.1 Syntyhistoria, raaukset a yleistettävyys Tutkimuksen analyysi perustuu Palvelutyönantaat ry:n (PT) henkilötason palkka-aineistoon vuodelta PT on yksityisiä palvelualoa edustava keskusärestö, onka vaaassa kymmenessä tuhannessa äsenyrityksessä työskentelee yhteensä henkilöä koko yksityisen palvelusektorin lähes työllisestä. (PT 2003.) PT tekee äsenyrityksilleen vuosittain lokakuussa palkkatiedustelun, oka koskee kaikkia yritykseen työsuhteessa olevia toimihenkilö- a työntekiäryhmiä 2 lukuunottamatta yritysten toimitusohtaia, omistaia tai ulkomailla työskenteleviä. Myös alle kuukauden työsuhteessaan olleet on raattu kyselyn ulkopuolelle, eikä se myöskään koske vanhempainlomalla, sairaslomalla tai pakkolomalla olevia palkansaaia, oilla ei ole ollut palkkatuloa tilastointikuukauden aikana. (PT 2001, 3.) Käsillä olevan tutkimuksen analyysi raattiin täysi-ikäisiin henkilöihin, otka tekevät töitä yli 8 tuntia viikossa, a oiden säännöllisen työaan kuukausipalkka ylittää 200 euroa. Alle viiden hengen yritykset sulettiin niinikään tarkastelun ulkopuolelle. Näiden lisäraausten myötä lähtöaineiston henkilöstä äi älelle henkilöä, oista miehiä on 30 a naisia 70 prosenttia. He muodostavat ossain määrin valikoituneen otoksen yksityisen palvelusektorin koko työvoimasta: yritykset ovat valikoituneet PT:n äseniksi, eikä toisaalta aivan kaikista niiden työntekiöistä saada palkkakyselyn kautta tietoa. On syytä olettaa, että kumpikaan näistä prosesseista ei ole satunnainen, mikä on otettava huomioon yleistettäessä tutkimuksen tuloksia koko yksityistä palvelusektoria koskeviksi. 2.2 Analysoitava palkkakäsite Analysoitavan ansiokäsitteen lähtökohdaksi valittiin säännöllisen työaan kuukausipalkka. Se sisältää ne henkilö- a tehtäväkohtaiset lisät, otka toistuvat kuukausittain samansuuruisina. Sen siaan se ei sisällä yli- a lisätyöstä maksettavia eriä, lomarahaa, päivärahoa, luontoisetua, provisioita tai tulospalkkioita. (PT 2001, 5.) Suppean ansiokäsitteen käyttöön päädyttiin siksi, että miehet tekevät tyypillisesti naisia enemmän ylitöitä, a laaan ansiokäsitteen käyttö saattaisi vääristää tuloksia (Vartiainen 2001, 22 23; Korkeamäki ym. 2002, 6 7). Työntekiän tuntipalkka laskettiin säännöllisen työaan kuukausipalkasta viikoittaisen työaan perusteella, a selitettävä muuttua on euroissa ilmaistun tuntipalkan luonnollinen logaritmi. Aineistossa miesten keskituntipalkka on 12,9 a 2 PT:n aineistossa on sekä työntekiöitä että toimihenkilöitä. Jatkossa tätä erottelua ei tehdä, vaan aineiston havaintoyksiköihin viitataan yleisesti termillä työntekiä.

14 4 naisten 10,5 euroa. Tuonnempana laskettavat haotelmat koskevat logaritmisten keskituntipalkkoen eroa, oka on 0,2028 eli 20,28 log-prosenttia (log-%). 2.3 Työntekiän inhimillistä pääomaa kuvaavat muuttuat Työntekiän inhimillistä pääomaa kuvaaviin muuttuiin kuuluvat ikä a voimassa olevan työsuhteen kesto. Jälkimmäinen laskettiin työsuhteen alkuhetken a aineiston keruuhetken välisenä erotuksena, a molempien mittayksikkö on vuosi. Ikä mittaa työntekiän yleistä työkokemusta a voimassa olevan työsuhteen kesto hänen erikoistumistaan nykyiseen tehtäväänsä. PT:n aineistosta löytyy myös tieto työntekiän saamasta muodollisesta koulutuksesta. Suoritettu tutkinto muunnettiin koulutusvuosiksi arvioimalla kuinka kauan tutkinnon suorittaminen keskimäärin kestää (Asplund 1993, 13; Tilastokeskus 2003). Lisäksi kaupalliselle koulutukselle tehtiin indikaattorimuuttua, koska etukäteen odotettiin, että siitä olisi erityistä hyötyä yksityisen palvelualan tehtävissä. 31 prosentilta aineiston työntekiöistä puuttuu koulutustieto. Kun tätä oukkoa tutkittiin tarkemmin, havaittiin, että keskituntipalkka on siinä tarkalleen yhtä suuri kuin peruskoulutuksen saaneiden keskuudessa. Tämä viittaa siihen, että suurin osa puuttuvista koulutustiedoista selittyy ilmeisesti sillä, että peruskoulutusta ei yksinkertaisesti ole merkitty koulutukseksi, kun yritykset ovat vastanneet palkkatiedusteluun. Niinpä puuttuvat koulutustiedot korvattiin peruskoulutusta vastaavalla määrällä koulutusvuosia (9 vuotta). Regressiovakio ilmaisee, kuinka palon työntekiän palkaksi arvioidaan, kun kaikki selittäät saavat arvon nolla. Naisindikaattorin kerroin kuvaa miesten a naisten palkkaeroa samassa tilanteessa. Tämän vuoksi inhimillistä pääomaa mittaavia muuttuia ei käytetty regressioissa sellaisenaan, vaan työntekiän iästä vähennettiin 18 a koulutusvuosista yhdeksän vuotta. Näin saatiin kaikkien kolmen inhimillistä pääomaa mittaavan muuttuan minimiarvoksi nolla. Skaalaus tehtiin, otta regressiovakio a naisindikaattorin kerroin saisivat mielekkään tulkinnan. (Luukkonen 2003, a 37.) Aineistoon sovitettavaan regressiomalliin skaalaus ei sen siaan vaikuta. Jatkossa sitä ei mainita enää erikseen: seuraavassa luvussa viitataan skaalaamattomiin muuttuiin, a luvun 4 a 5 palkkamalleissa taas on käytetty skaalattua muuttuia. Iän a työsuhteen keston laskevien raatuottoen huomioimiseksi muodostettiin niiden (skaalattuen arvoen) neliöuurimuunnokset. 2.4 Luokittelevat muuttuat Työntekiät akautuvat työnantaaliiton mukaan yhdeksälle alalle, otka ilmenevät kuviosta 1 a liitteestä 1. Palkkamallea varten luotiin indikaattorimuuttuat okaiselle alalle, a tietotekniikka ätettiin referenssiluokaksi. Kauppa on aineiston suurin ala melkein 40 prosentin osuudellaan, a toiseksi suurin ala on pankkitoi-

15 5 minta. Erityispalveluen ala on melko kirava. Sen suurimmat ryhmät ovat huolinta-ala, matkatoimistoala, kotieläinalostus, neuvonta-ala, ammatilliset aikuiskoulutuskeskukset, metsälautakunnat, työvoimaa vuokraavat yritykset a tilitoimistot. Kuvio 1. Alat 5,9 % 7,0 % 9,5 % 4,7 % 3,2 % 5,4 % 11,2 % 13,4 % 39,6 % Kauppa Pankki Hotelli a ravintola Erityispalvelut Vakuutus Terveyspalvelut Tietotekniikan palvelut Sosiaaliala Apteekki Työskentelykunnat on aettu kolmeen kalleusluokkaan: pääkaupunkiseutuun, muihin elinkustannuksiltaan kalliisiin kuntiin a loppuihin kuntiin (PT 2001, 3 a 7). Kahdelle ensin mainitulle luokalle tehtiin indikaattorimuuttuat, a viimeksi mainittu ätettiin referenssiluokaksi. Jotkut suurimmista yrityksistä toimivat useammalla paikkakunnalla, a kalleusluokka vaihteli yrityksen sisällä. Koska tuonnempana esiteltävissä regressioissa käytetään yritystä kuvaavia muuttuia, aettiin tällaiset yritykset osiin kalleusluokan mukaan. Näin saatiin yritysten siaintitiedot yrityskohtaisiksi vakioiksi. Periaatteessa voitaisiin puhua toimipaikoista, mutta selkeyden vuoksi atkossa käytetään termiä yritys. Koska niitä on aineistossa kappaletta, on keskimääräinen yrityskoko melko pieni noin 49 henkilöä. PT:n aineiston ammattikoodi on tarpeettoman yksityiskohtainen käytettäväksi tässä tutkimuksessa sellaisenaan. Se mm. erottelee monesti toisistaan eri pituisissa työsuhteissa olleet saman ammatin haroittaat, esimerkiksi 1, 3, 5, 8 tai 11 vuotta työsuhteessaan olleet varastotyöntekiät. Vastaavasti eri palkkaryhmissä olevat saman ammatin haroittaat on paikoitellen erotettu toisistaan. Näin aotellut luokat yhdistettiin, koska työkokemuksen a palkkaryhmän vaikutus ansioihin otetaan tässä analyysissä huomioon atkuvien muuttuien avulla. Lisäksi muutamat harvinaisimmista toisiaan muistuttavista ammateista yhdistettiin, olloin saatiin niiden lopulliseksi määräksi 367. Haroittelioille tehtiin indikaattorimuuttua.

16 6 2.5 Työn vaativuus Palvelualan työntekiöiden palkkoa säädellään työehtosopimuksilla. Niistä löytyy yleensä palkkataulukot, oissa on määritelty, kuinka suurta palkkaa kuhunkin palkkaryhmään kuuluvalle työntekiälle vähintään pitää maksaa. Monissa työehtosopimuksissa palkkataulukot ovat kaksiulotteisia matriisea, oissa työntekiän palkkaryhmä määräytyy sekä työn vaativuuden että työsuhteen keston perusteella. (Finlex 2003.) Koska älkimmäisen vaikutus palkkaan otetaan tässä tutkimuksessa huomioon atkuvan muuttuan avulla, keskityttiin tällaisten taulukoiden osalta ainoastaan työn vaativuutta mittaavaan asteikkoon. Joissakin työehtosopimuksissa taas on käytössä oko työsuhteen kestoon tai työn vaativuuteen perustuva yksiulotteinen palkkaryhmittely (Finlex 2003). Työn vaativuus on keskeinen tekiä palvelualan työntekiöiden palkanmuodostuksessa. Ryhmittelyt kuitenkin vaihtelevat työehtosopimuksittain, a paikoitellen yhdessäkin sopimuksessa voi olla useita eri pituisia vaativuusasteikoita. (Finlex 2003.) Ne eivät ole sellaisenaan vertailukelpoisia, mutta toisaalta ei ole ärkevää luoda okaisen asteikon okaiselle portaalle omaa indikaattorimuuttuaa. Tyypillisessä palvelualoen vaativuusasteikossa on kuusi porrasta, a aineistossa on kymmeniä asteikkoa (ks. liite 1). Kun tämä moninaisuus otetaan huomioon, tarvittaisiin satoa indikaattorimuuttuia yhden ainoan työn piirteen kontrollointiin. Julkaisussa Luukkonen (2003) ratkaistaan sama ongelma teollisuuden toimihenkilöiden osalta (19 23), a niinpä selvitettiin, soveltuisiko vastaava tekniikka myös palveluammatteihin. Esitellään ensin kyseinen menetelmä suoralla lainauksella mainitusta ulkaisusta: Ongelmaa lähdettiin ratkomaan etsimällä Valtion Säädöstietopankki Finlexistä (Finlex 2003) eri aloen työehtosopimuksia, otka olivat voimassa vuoden 2000 lopussa. Niistä löytyi yleensä palkkataulukot, oissa oli määritelty kuinka suurta palkkaa kuhunkin vaativuusluokkaan kuuluvalle toimihenkilölle pitää vähintään maksaa. Eri työehtosopimusten taulukoita tutkimalla havaittiin hyödyllinen a tarkastelua yksinkertaistava yhteys työn vaativuuden a palkan välillä. Toimihenkilön siirtyminen häntä koskevalla asteikolla yhtä pykälää korkeampaan luokkaan ohtaa yleensä hänelle kuuluvan palkan nousuun likimain vakioisella prosentilla. Tällöin palkka kasvaa eksponentiaalisesti siirryttäessä luokka kerrallaan vaativuusasteikon alimmalta portaalta ylimmälle. Kun siirrytään käyttämään selitettävänä muuttuana palkan logaritmia, syntyy sen a toimihenkilön tekemän työn vaativuuden välille lineaarinen riippuvuus, mitä kuvio 4 havainnollistaa. Siinä on oletettu, että alalla 1 on käytössä 5-portainen, alalla 2 kymmenportainen a alalla portainen työn vaativuusluokitus. Alinta luokkaa on merkitty 1:llä. Vasemmanpuoleisessa osassa kuviota palkka kasvaa vakioisella alakohtaisella prosentilla siirryttäessä alemmasta yhtä ylempään vaativuusluokkaan. Oikeanpuoleisessa osassa on siirrytty tarkastelemaan palkan logaritmia, oka riippuu työn vaativuusluokasta lineaarisesti. Sen kerroin on sopimusalakohtainen: otta likimain sama palkkavaihtelu saataisiin katettua eripituisilla asteikoilla, täytyy alalla 1 vaativuusluokan muutokseen liittyä suurempi palkankorotus kuin alalla 3.

17 7 Kuvio 4. Palkan riippuvuus vaativuusluokasta Palkka Log(palkka) Ala1 Ala2 Ala3 Ala1 Ala2 Ala3 Vaativuusluokka Vaativuusluokka ( ) Ordinaaliasteikollista vaativuusluokitusta voidaan siis käyttää atkuvana selittäänä, mutta se ei vielä ratkaise koko ongelmaa. Koska luokitukset vaihtelevat aloittain a lisäksi monilla sopimusaloilla on käytössä useampia asteikkoa, tarvittaisiin työn vaativuuden kontrollointiin edelleen 55 atkuvaa muuttuaa. Kuvion 4 havainnollistamasta syystä kerroin on yleensä sitä pienempi, mitä enemmän asteikossa on luokkia. Tähän havaintoon perustuen ohdettiin lineaarinen muunnos, oka yhdenmukaistaa vaativuusluokitukset. Koskekoon otakin tiettyä toimihenkilöä työehtosopimus, ossa vaativuusasteikko on 1,2,..., z siten, että 1 on sen alin a z korkein luokka. Olkoon edelleen x { 1,2,..., z} kyseisen toimihenkilön tekemän työn vaativuus. Tällöin hänen tekemänsä työn yleisvaativuus on 1 (11) ylva = ( z 1) (9x + z 10). Toimihenkilön työn vaativuutta alunperin kuvannut luku x on nyt skaalattu häntä koskevan vaativuusasteikon pituudella: moniportaiset asteikot kutistetaan a lyhyet asteikot venytetään välille Muunnos ohdettiin siten, että alin luokka kuvautuu aina yhdeksi a ylin kymmeneksi riippumatta alkuperäisen asteikon pituudesta. Loput lähtöasteikon luokat kuvautuvat desimaaliluvuiksi, a ne siaitsevat tasaisesti yhden a kymmenen välillä. Kyseinen väli valittiin muunnoksen arvooukoksi, koska tyypillisin teollisuuden toimihenkilöillä käytettävä vaativuusasteikko on uuri kymmenportainen. Olkoon työehtosopimuksessa esimerkiksi kuusiportainen vaativuusluokitus. Tällöin z = 6 a muunnoskaavaksi (11) saadaan 1 (12) ylva = (5) (9x 4).

18 8 Muuttuan ylva saamat arvot ovat nyt 1-2,8-4,6-6,4-8,2-10 vastaten kuutta alkuperäistä luokkaa. Muunnos (11) kutistaa moniportaisia a venyttää lyhyitä asteikkoa siten, että niiden kulmakertoimet muuttuvat likimain samoiksi. Kuviossa 4 alan 1 kerroin laskisi, koska sen kohdalla vaaka-akselia venytettäisiin a alan 3 kerroin kasvaisi, koska sen vaakaakselia kutistettaisiin. Alalla 2 arvot pysyisivät ennallaan, koska siellä käytetään o valmiiksi kymmenportaista asteikkoa. Skaalauksen (11) ansiosta ei tarvitse käyttää oka asteikolle omaa vaativuusmuuttuaa, vaan ylvaa voidaan käyttää selittäänä sellaisenaan. Satoa indikaattorimuuttuia vaativa ordinaaliasteikollinen työn piirre saadaan tiivistettyä yhteen atkuvaan muuttuaan. Lisäksi ylva on helposti tulkittavissa. Se ilmaisee yksinkertaisesti toimihenkilön siainnin häntä koskevalla välille 1-10 skaalatulla vaativuusasteikolla. Erilaiset vaativuusasteikot saadaan yhteismitallisiksi a keskenään vertailukelpoisiksi. (Luukkonen 2003, ) Lisäksi ulkaisussa tuodaan esiin, että ylvan käytön yhteydessä on kontrolloitava asteikkoen välisiä palkkatasoeroa (mts. 23). Havainnollisuuden vuoksi kuvion 4 oikea puoli on piirretty siten, että alkupalkat ovat eri aloilla samat. Tosiasiassa tilanne on ylvan soveltamisen älkeen suurin piirtein kuvion 2 mukainen: vaativuusmittarin valossa samanlaisiin eri aloen tehtäviin voi liittyä eri palkat, koska alkupalkat vaihtelevat asteikoittain. Niitä on kontrolloitava tavalla tai toisella. Em. ulkaisussa se tehdään yritys-, ala- a tehtäväindikaattoreilla (mts ). Kuvio 2. Palkanmuodostus ylvan soveltamisen älkeen Log(palkka) Ala1 Ala2 Ala3 Ylva Etukäteen ei ollut mitenkään itsestään selvää, että edellä esitelty tekniikka työn vaativuuden mittaamiseksi sopii myös PT:n palkka-aineistoon. Siksi tutkittiin Valtion Säädöstietopankki Finlexistä (Finlex 2003) löytyvät yksityisen palvelualan työehtosopimukset 3. Niiden palkkataulukoista havaittiin, että niissäkin tois- 3 Monilta aloilta ei enää tutkimuksen suoritusaankohtana (kesä a syksy 2003) löytynyt vuoden 2001 lokakuussa voimassa ollutta työehtosopimusta, vaan uudempi versio. Tämä ei liene suuri puute, koska palkkataulukot muuttuvat suhteellisen harvoin. Useimmiten palkkoa vain tarkistetaan hiukan ylöspäin. Monesti asteikot myös selvisivät suoraan aineiston perusteella.

19 9 tuu likimääräinen asteikoittainen log-lineaarinen riippuvuus. Asteikoiden kulmakertoimet ovat myös tyypillisesti sitä pienempiä, mitä enemmän asteikossa on luokkia, mikä vastaa kuvion 4 tilannetta. Koska nämä kaksi edellytystä täyttyivät, päätettiin työn vaativuuden kontrollointiin käyttää edellä esiteltyä menetelmää 4. Se luonnollisesti yksinkertaistaa todellista tilannetta: palkan riippuvuus työn vaativuudesta ei ole kaikkialla täysin log-lineaarinen, eivätkä kertoimet muutu täysin samoiksi skaalauksella (11). Täydellisesti vaativuusmittari toimii silloin, kun palkan logaritmin vaihteluväli on kaikissa asteikoissa identtinen. Tutkittuen palkkataulukoiden valossa näyttäisi siltä, että vaativuusmittari soveltuu teollisuussektorin toimihenkilöille onkin verran paremmin kuin yksityiselle palvelualalle: ensin mainitussa se toimii erinomaisesti, kun taas älkimmäistä voidaan luonnehtia siten, että soveltuvuus on kohtalainen. Palkkataulukoita tutkittaessa tehtiin kolme muutakin kiintoisaa huomiota yksityisen palvelualan palkanmuodostuksesta. Jo mainituista kaksiulotteisissa palkkataulukoista voidaan karkeistaen sanoa, että työkokemuksesta a työn vaativuudesta palkitseminen on tällaisissa taulukoissa kääntäen verrannollista. Jos työkokemuksen lisääntyminen ohtaa taulukossa suureen ansioiden nousuun, on työn vaativuudella usein vähäisempi rooli a päinvastoin. Tämä on intuitiivisesti luonteva havainto. Koska työkokemuksen karttuessa yleensä edetään vaativampiin tehtäviin, ovat piirteet selvästi a positiivisesti korreloituneita. Tällöin ei kannata palkita molemmista ominaisuuksista avokätisesti, sillä se ohtaisi liian yrkkiin työkokemus-palkka (tai vaihtoehtoisesti vaativuus-palkka) -profiileihin. Yksiulotteiset oko työkokemukseen tai työn vaativuuteen perustuvat asteikot voitaisiin oikeastaan tulkita tämän periaatteen äärimmäisiksi ilmentymiksi: niissä taulukon toinen dimensio on surkastunut kokonaan pois. Näyttäisi myös siltä, että palkkataulukoissa toistuu työsuhteen keston osalta okseenkin sama rakenne kuin työn vaativuudessakin. Asteikot ovat suurin piirtein log-lineaarisia, a kulmakertoimet yleensä sitä suurempia, mitä vähemmän asteikossa on luokkia. Aineistoon hyvin sopiva tilastollinen palkkamalli saataisiin siis rakennettua käyttämällä sekä työn vaativuutta mittaavaa muuttuaa että vastaavaa, välille 1 10 skaalattua työntekiän senioriteettia mittaavaa muuttuaa. Tässä tutkimuksessa päätettiin kuitenkin käyttää tavanomaista työsuhteen keston vuosina ilmaisevaa muuttuaa, koska se on helpompi tulkita. Kolmas havainto on, että työn vaativuuden a palkan välinen yhteys on yksityisellä palvelualalla onkin verran välempi kuin teollisuuden toimihenkilöillä. Viimeksi mainittuen työehtosopimuksissa on usein esimerkiksi lueteltu tarkkoa työn arviointikriteereä, kuten sen rasittavuus, sen tuoma vastuu tai sen vaatima asiantuntemus. Tällöin kustakin osiosta annettuen vaativuuspisteiden summa 4 Palkkamallien kannalta samaan lopputulokseen päästäisiin periaatteessa käyttämällä selittäinä suoraan taulukkopalkkoa. Ylvan etu tällaiseen menettelyyn verrattuna on, että se sisältää myös informaation työntekiän siainnista omalla vaativuusasteikollaan, a on siksi helposti tulkittavissa.

20 10 määrää teollisuuden toimihenkilön työn kokonaisvaativuuden a palkkaryhmän. (Luukkonen 2003, 24.) Yksityisten palvelualoen työehtosopimuksista ei löydetty näin perusteellista arviointiärestelmää. Niissä on kuitenkin runsaasti viitteitä työn vaativuuteen palkkaryhmän perusteena (Finlex 2003), oten palkkaryhmittelyyn viitataan atkossa termillä työn vaativuusluokitus. Yleisvaativuus kyettiin laskemaan suoraan 73,4 prosentille aineiston työntekiöistä. Lopuilta tieto puuttui oko siksi, että työntekiä oli ainoastaan työsuhteen kestoon perustuvan asteikon piirissä tai siksi, että aineistossa ei ollut tietoa palkkaryhmästä. Kun puuttuvat vaativuustiedot korvattiin ammatin sisältä lasketulla vaativuusmuuttuan keskiarvolla, kaventui koko aineistosta laskettu miesten a naisten välinen ero työn vaativuudessa selvästi. Tilanne oli sama, vaikka ammatin tilalle vaihdettiin työsolu, eikä edes työntekiän sukupuolen lisääminen ehdollistavaan informaatioon auttanut asiaa. Tämä ei ollut suotavaa, koska ilmiö vääristää ohtopäätöksiä: palkkaero palautetaan olennaisesti uuri muuttuien keskiarvoen eroihin sukupuolten välillä. Tarkastelua ei myöskään haluttu raoittaa pelkästään niihin työntekiöihin, oille työn vaativuus voitiin laskea suoraan. Kokonaispalkkaero on tässä ryhmässä pienempi, a ennen kaikkea valtaosa esimiehistä a ohtaista olisi raautunut ulos analyysistä. Samalla o ennestään pieni miesten osuus olisi laskenut entisestään. Näistä syistä ohtuen laskettiin yksinkertaisesti vaativuusmuuttuan keskiarvo miehille a naisille a korvattiin puuttuvat tiedot niillä työntekiän sukupuolen mukaan. Tämä ei luonnollisestikaan vaikuta koko aineiston tasolla laskettuihin työn vaativuuden mies- a naiskeskiarvoihin 5. Kun okaiselle aineiston työntekiälle oli laskettu työn vaativuus, havaittiin, että se vaihteli oidenkin työsoluen sisällä. Toisaalta analyysissä haluttiin käyttää työsolutason muuttuia, oiden luonnollisesti tulee olla vakioita työsolun sisällä. Informaatiota ei myöskään haluttu hukata keskiarvoa laskemalla, a niinpä tällaiset työsolut aettiin vaativuuden mukaan osiin. Näin saatiin niiden lopulliseksi määräksi a keskimääräiseksi työsolun kooksi viisi henkilöä. 2.6 Yritystä a työsolua kuvaavat muuttuat Kun edellä esitellyt muuttuat oli saatu muodostettua, laskettiin niistä taulukon 1 mukaisesti yritys- a työsolutason keskiarvoa niitä kuvaaviksi muuttuiksi. Indikaattorimuuttuista lasketut keskiarvot ilmaisevat luonnollisesti indikoitavan työntekiän ominaisuuden tai piirteen osuuden yrityksessä tai työsolussa. Niinikään muodostettiin esimiesten a ohtaien osuuden yrityksessä ilmaiseva muuttua. Yritys- a työsolun henkilömäärän (luonnollinen) logaritmi laskettiin, samoin älkimmäisen keskiarvo kussakin yrityksessä. 5 Menettelyn sopivuus tarkastettiin vielä poistamalla aineistosta ne työntekiät, oilta vaativuustieto alun perin puuttui a estimoimalla heille kohdan 5.1 mallia PM1 vastaava palkkamalli. Regressiossa saatiin naisindikaattorin kertoimeksi sama arvo kuin mallissa PM1. Tätä voidaan pitää merkkinä siitä, että puuttuvien vaativuustietoen korvaaminen mies- a naiskeskiarvoilla ei uurikaan vaikuta ohtopäätöksiin.

21 11 Lopuksi kaikki työsolutason muuttuat keskistettiin vastaavan yritystason muuttuan suhteen. Ne siis ilmaisevat poikkeamaa yrityksestä. Tämä koskee myös indikaattorimuuttuia. Taulukko 1. Muuttuat Yritystä kuvaavat muuttuat Työsolua kuvaavat muuttuat Henkilötason muuttuat naisten osuus naisten osuus naisindikaattori koulutusvuodet koulutusvuodet koulutusvuodet kaup. koul. (osuus) kaup. koul. (osuus) kaup. koul. indikaattori ikä ikä ikä sqrt(ikä) sqrt(ikä) sqrt(ikä) työsuhteen kesto työsuhteen kesto työsuhteen kesto sqrt (työsuhteen kesto) sqrt (työsuhteen kesto) sqrt (työsuhteen kesto) haroittelioiden osuus haroittelioiden osuus haroitteliaindikaattori työn vaativuus työn vaativuus esim. a oht. osuus 8 alaindikaattoria pk-seudun indikaattori muun kalliin kunnan ind. log (yrityskoko) ka(log[työsolukoko]) log(työsolukoko)

22 12 3 Kuvailevaa analyysiä On mielenkiintoinen kysymys, tekevätkö miehet a naiset erilaisia töitä yksityisellä palvelusektorilla, onko heidän henkilötason ominaisuuksissaan eroa tai ovatko he päätyneet eri aloille, yrityksiin a ammatteihin. Tässä luvussa asiaa tutkitaan aineistosta lasketuilla tunnusluvuilla, a samalla muodostetaan yleiskuva miesten a naisten tekemästä työstä. Lopuksi pohditaan, voisivatko otkin erot selittää sukupuolten palkkatasoen erilaisuutta. Taulukosta 2 havaitaan, että inhimillistä pääomaa mittaavat muuttuat saavat keskimäärin melko samoa arvoa sukupuolten välillä. Naiset ovat hiukan miehiä vanhempia, a he ovat olleet nykyisen työnantaansa palveluksessa keskimäärin 1,4 vuotta pidempään kuin miehet. Muodollisen koulutuksen kestossa noin 0,4 vuoden ero miesten hyväksi, a käytännössä yhtä suuri osuus miehistä a naisista on saanut kaupallisen koulutuksen. Taulukko 2. Työntekiän inhimillistä pääomaa kuvaavien muuttuien keskiarvot Työntekiän ominaisuus Miesten keskiarvo Naisten keskiarvo ikä 38,20 40,07 työsuhteen kesto 8,01 9,39 koulutusvuodet 11,30 10,96 kaupallinen koulutus 0,14 0,15 Työn vaativuudessa on o selvä tasoero miesten a naisten välillä. Ylvan vaihteluvälin keskipiste on 5,5. Kun verrataan taulukon 3 keskiarvoa siihen, huomataan, että miehet ovat sioittuneet tyypillisesti hiukan oman vaativuusasteikkonsa keskivälin yläpuolelle, a naiset selvästi sen alapuolelle. Keskiarvoen ero on melko tarkkaan yksi, mikä vastaa esimerkiksi kymmenportaisella asteikolla uuri yhden luokan suuruista eroa. Mitä ilmeisimmin piirre selittää osan sukupuolten palkkaerosta. Samoin vaikuttanee miesten naisia runsaampi sioittuminen pääkaupunkiseudun kuntiin, oissa maksetaan korkeiden elinkustannusten vuoksi suurempia palkkoa. Keskimääräisessä yrityskoossa ei ole ärin suuria eroa. Sen siaan naiset ovat sioittuneet selvästi suurempiin työsoluihin kuin miehet.

23 13 Taulukko 3. Muita keskiarvoa Muuttua Miesten keskiarvo Naisten keskiarvo työn vaativuus (ylva) 5,92 4,91 pk-seutu 0,52 0,38 muu kallis kunta 0,23 0,29 yrityskoko 631,6 684,5 työsolun koko 6 83,0 106,9 Miesten a naisten sioittumista eri aloille, yrityksiin a työsoluihin on kätevintä havainnollistaa ns. Duncan-indeksillä. Se ilmaisee, kuinka suuren osan miehistä (tai vaihtoehtoisesti naisista) olisi siirryttävä luokasta toiseen, otta sukupuolet olisivat akautuneet niihin tasaisesti. Indeksi on aina yhden a nollan välillä; ensin mainittu tarkoittaa täydellistä eriytymistä, eli miehet a naiset ovat kokonaan omissa luokissaan. Nolla taas tarkoittaa, että sukupuolet ovat akautuneet luokkiin täysin tasaisesti. (Vartiainen 2001, ) Taulukossa 4 raportoidaan Duncan-indeksin saamat arvot sekä yhteenvedonomaisesti aloen, yritysten, ammattien a työsoluen lukumäärät aineistossa. Taulukko 4. Duncan-indeksit Minkä luokittelun Luokkia Duncan-indeksi suhteen laskettu aineistossa alat 9 0,2011 yritykset ,4401 ammatit 367 0,5421 työsolut ,7875 Viidenneksen miehistä tai naisista tulisi vaihtaa alaa, otta sukupuolet olisivat akautuneet niihin tasaisesti, a yritysten osalta vastaava lukema on yli kaksi viidesosaa. Ammatit ovat selvästi akautuneet sukupuolen mukaan, mutta akautuminen voimistuu vielä lisää yritysten sisällä: melkein nelän viidesosan miehistä tai naisista tulisi vaihtaa työsolua, otta segregaatio katoaisi kokonaan. Osittain korkea arvo selittynee sillä, että Duncan-indeksillä on taipumus kasvaa luokan keskimääräisen koon laskun myötä, a tyypillisessä työsolussa työskentelee vain noin viisi henkilöä. Silti vaikuttaa siltä, että yksityisellä palvelualalla on palon mies- a naisvaltaisia ammattea. Segregaatio vielä voimistuu, kun siirrytään tarkastelemaan yritysten sisäisiä ammattea eli työsolua. Jotta edelliseen ilmiöön oltaisiin saatu lisävalaistusta, aettiin aineisto PT:n ammattikoodin perusteella suorittavaan portaaseen, esimiehiin a ohtaiin. Taulukosta 5 huomataan, että ensin mainittu on odotetusti suurin ryhmä melkein 85 6 Yrityskoon a työsolun koon keskiarvot on laskettu henkilötasolta.

24 14 prosentin osuudellaan. Miesten a naisten sioittumisessa on selvä ero: yli viidennes miehistä on päätynyt esimiestason tehtäviin, kun taas vastaava luku naisille on alle yhdeksän prosenttia. Ero on vielä suurempi ohtaatasolla. Hiukan yli kuusi prosenttia miehistä mutta vain prosentti naisista on sioittunut ohtaaksi. Naiset ovatkin 30 prosentin osuudellaan selvästi aliedustettuina tässä ryhmässä, kun verrataan tilannetta koko aineiston sukupuoliakaumaan. Sama ilmiö toistuu esimiestasolla, oskin lievempänä. Näyttää siltä, että valtaosa Duncan-indeksien palastamasta voimakkaasta segregaatiosta voidaan selittää nimenomaan sukupuolten erilaisella sioittumisella ammattien a työsoluen hierarkiaan. Eriytyminen on siis luonteeltaan enemmän vertikaalista kuin horisontaalista. Taulukko 5. Miesten a naisten akautuminen ohtaiin, esimiehiin a suorittavaan portaaseen Ryhmä Ryhmän osuus Ryhmän osuus Ryhmän osuus Naisia ryhmässä, aineistosta, % miehistä, % naisista, % % suorittava porras 84,68 72,30 89,98 74,40 esimiehet 12,67 21,43 8,91 49,24 ohtaat 2,66 6,28 1,11 29,26 Segregaation luonnetta tutkittiin myös siten, että poistettiin aineistosta työsolut, oissa on ainoastaan miehiä tai naisia. Jälelle äi vain henkilöä. Eriytyminen näyttää näinkin tarkasteltuna voimakkaalta: puolet työntekiöistä työskentelee työsoluissa, oissa ei ole lainkaan vastakkaisen sukupuolen edustaia. Lisäksi keskipalkkoen ero oli raatussa aineistossa 13,40 log-prosenttia, oka on selvästi pienempi lukema kuin koko aineiston 20,28 log-prosenttia. Tämä viittaa siihen, että pelkästään miestyöntekiöistä koostuvat työsolut ovat keskimäärin korkeapalkkaisempia kuin pelkästään naistyöntekiöistä koostuvat työsolut. Kokoavasti voidaan sanoa, että inhimillinen pääoma on melko vähäinen tekiä palkkaeron taustalla. Sen siaan miehet a naiset ovat voimakkaasti segregoituneet omiin ammatteihinsa a työsoluihinsa. Erityisesti he ovat sioittuneet selvästi eri tavoin suorittavan portaan, esimiestason a ohtaatason tehtäviin. Koko aineiston sukupuoliakaumaan verrattuna miehet ovat selvästi yliedustettua kahdessa viimeksi mainitussa ryhmässä a naiset taas yliedustettua suorittavassa portaassa. Tätä vahvistaa vielä se taulukon 3 huomio, että yritysten sisällä naiset työskentelevät tyypillisesti suuremmissa työsoluissa. Yleensähän yrityksissä on eniten uuri suorittavan portaan ammattien edustaia, kun taas ohtaa- a esimiestason ammateissa on vähemmän henkilöstöä. On odotettavissa, että piirre selittää voimakkaasti palkkaeroa, koska ryhmiin liittyvät erilaiset palkkatasot. Lukuen nelä a viisi analyysissä se ilmenisi työsolutason segregaationa, koska käytetty ammatti- a sen myötä työsoluaottelu erottelee suorittavan portaan, esimiehet a ohtaat toisistaan.

25 15 Lisäksi miehet tekevät keskimäärin naisia vaativampaa työtä a ovat useammin sioittuneet korkean ansiotason pääkaupunkiseudulle. Molemmat tekivät selittänevät palkkaeroa. Jälkimmäinen ilmiö lienee osittain seurausta miesten yliedustuksesta ohtoportaassa: suorittavat tehtävät sioittunevat ohtotehtäviä useammin pääkaupunkiseudun ulkopuolelle.

26 16 4 GLS-palkkamallit a palkkaeron haotelmat 4.1 Haotelma DEC1 Tarkastellaan työntekiää i yrityksen työsolussa k. Kuvatkoon hänen henkilökohtaisia ominaisuuksiaan vektoriksi koottu muuttuaoukko x, oka sisältää myös naisindikaattorin. Palkkaerohaotelman lähtökohdan muodostaa regressio ki (1) w ki = f + v + β'x + ε k ki ( = 1,2,..., F; k = 1,2,..., c ; i = 1,2,..., n k ), ki ossa f on yritykseen a v k työsoluun k liittyvä palkkatasoefekti. ε ki on henkilötason virhetermi. Kerroinvektorin β tulkinta on ehdollinen sille, että työntekiän asema säilyy muuttumattomana. Se kuvaa henkilötason ominaisuuksien palkkavaikutusta, kun henkilö pysyttelee samassa työsolussa siis samassa yrityksessä a samassa ammatissa. Mallinnetaan yritysten a työsoluen palkkatasoefektit apuregressioilla (2) f = α + δ' z + ξ a (3) v θ' g g ) + ω. k = ( k k Niiden avulla otetaan huomioon se yritysten a työsoluen sisäinen korrelaatio, oka on palautettavissa niiden havaittuihin ominaisuuksiin z a ( g k g ). Työsolua kuvaavat muuttuat on keskistetty vastaavan yritystason muuttuan suhteen, otta saataisiin työsolun palkkatasoefektin systemaattisen osan keskiarvo nollaksi okaisen yrityksen sisällä. (Korkeamäki ym. 2003, ) Sioittamalla apuregressiot (2) a (3) yhtälöön (1) saadaan palkkamalliksi PM1 (4) w = α + δ' z + θ' g g ) + β' x + ξ + ω + ε. ki ( k ki k ki Siinä on kolmiportainen virhetermi, oka koostuu yritys, työsolu- a yksilötason satunnaisefekteistä (engl. random effect) ξ, ω k a ε ki. Niiden oletetaan olevan korreloimattomia keskenään a selittäien kanssa. Niiden odotusarvoen oletetaan olevan nollia a varianssien vakioita a suuruudeltaanσ, σ a σ. Koska yri- 2 ξ 2 ω 2 ε

27 17 tystason satunnaisefektien oletetaan olevan keskenään korreloimattomia, toistuu kaikissa yrityksissä sama kovarianssirakenne, oka on yrityksen osalta seuraava: (5) E( u ki u k ' i' X, G, z σ ξ + σ ω + σ ε, 2 2 ) = σ ξ + σ ω, 2 σ ξ, os k = k' os k = k' os k k' a i = i'; a i i'; a i i', ossa G = ( g 1, g 2,..., g c ). Se mallintaa sitä havaintoyksiköiden välillä vallitsevaa havaitsemattomista tekiöistä ohtuvaa äännöskorrelaatiota, ota ei saada poistettua yritys- a työsolutason selittäien käytöllä. Todennäköisesti kovarianssirakenne vaihtelee yrityksittäin, oten yhtälöä (5) on pidettävä eräänlaisena yli yritysten laskettuna keskiarvokorrelaationa 7. Muita akaumaoletuksia (esim. normaalisuus) ei tehdä, koska se ei ole välttämätöntä GLS-estimoinnin yhteydessä. (Korkeamäki ym. 2003, ) m m Olkoon nyt o se osuus miehistä, oka on päätynyt töihin yritykseen a o k se osuus aineiston miehistä, oka on päätynyt yrityksen työsoluun k. Vastaavat f f luvut naisille ovat o a o k. Näillä merkinnöillä malliin PM1 perustuvaksi palkkaerohaotelmaksi DEC1 8 saadaan (6) w F m = 1 + ( o F w m c = 1 k= 1 + βˆ'( x m f = o ( o f m k x )ˆ' δz o f f k + ) + ( ˆ ε = 1 )ˆ'( θ g m F ( o k m ˆ ε f ), o g f ) ˆ ξ ) + F c = 1 k= 1 ( o m k o f k ) ωˆ k ossa hatulla varustetut symbolit tarkoittavat GLS-estimaattea. Siihen on sisällytetty myös henkilötason virhetermien estimaatit. Vaikka haotelmassa on mukana 7 Malli PM1 tuottaa täsmälleen samat henkilötason kertoimet kuin OLS-malli, ossa on selittäinä PM1:n henkilötason muuttuat a työsoluindikaattoria (yksi työsolu ätettiin estimoinnissa referenssiluokaksi). Mallin PM1 naisindikaattorin kertoimen kohdalla on siis perusteltua puhua työsolun sisäisestä palkkaerosta. Tulos on myös siinä mielessä mielenkiintoinen, että tällainen OLS-malli sallii vapaan kovarianssirakenteen yritysten sisälle, vaikka onkin fixed effects tyyppinen. Koska työsolut on aettu työn vaativuuden mukaan, sallii kyseinen OLS-malli myös vaativuuden vapaan palkkavaikutuksen. 8 Haotelma DEC1 poikkeaa Korkeamäen a Kyyrän palkkaerohaotelmasta siten, että palkkaeron suunta on päinvastainen a naisindikaattori on osa henkilötason muuttuavektoria. Lisäksi tässä haotelmaan sisällytetään estimoidut satunnaisefektit, otta se menisi umpeen. Muutoin palkkamalli PM1, haotelma DEC1 a käytetty notaatio ovat yhteneviä Korkeamäen a Kyyrän kanssa (2003, 14-20). Haotelmalla DEC1 on hyvin läheinen yhteys Griliches tyyppisiin hedonisiin regressioihin (Luukkonen 2003, 54).

28 18 naisindikaattori, ei niiden keskiarvoen erotus välttämättä ole identtisesti nolla 9, toisin kuin vastaavassa OLS-regressiossa, oka pakottaa sen nollaksi. Piirre ohtuu yritys- työsolu- a henkilötason satunnaisefektien estimointitekniikasta, oka esitellään kohdassa 4.3. Haotelma DEC1 akaa palkkaeron kolmeen osaan. Yhtälön (6) toinen rivi on se osuus palkkaerosta, oka voidaan selittää miesten a naisten erilaisella sioittumisella palkkatasoltaan vaihteleviin yrityksiin. Kunkin yrityksen palkkataso taas palautuu yritystä kuvaaviin muuttuiin z tai havaitsemattomiin tekiöihin, otka heiastuvat satunnaisefektiinξ. Yritysten sisällä työntekiät ovat edelleen segregoituneet palkkaukseltaan vaihteleviin työsoluihin, minkä osuutta palkkaerosta mittaa yhtälön (6) kolmas rivi. Se akautuu täysin yritystasoa vastaavasti kahteen osaan: keskistetyillä muuttuilla ( g k g ) selittyvään a niillä selittymättömään työsoluen palkkatasoen vaihteluun. Haotelman viimeinen rivi mittaa palkkaeron osaa, oka syntyy eroista henkilötason muuttuissa; niihin kuuluu myös naisindikaattori. On syytä painottaa, että sen kerroin on ehdollinen käytetylle tilastolliselle informaatiolle: se kuvaa sitä palkkaeroa, onka arvioidaan esiintyvän samassa yrityksessä samassa ammatissa toimivien miesten a naisten välillä, a ota ei voida palauttaa eroihin mitatussa inhimillisessä pääomassa (ikä, työkokemus a koulutus). Jatkossa tähän palkkaeron osaan viitataan termillä työsolun sisäinen palkkaero. On ilmeistä, että se vaihtelee, minkä vuoksi sen estimoitua arvoa on syytä pitää kaikista yksityisen palvelusektorin työsoluista laskettuna painotettuna keskiarvona. Huomionarvoista haotelmassa DEC1 on, että sen kolmas rivi saa arvon nolla, os m f o k = o k kaikilla k-pareilla tai kaikkiin työsoluihin liittyy identtinen palkkatasoefekti (Korkeamäki ym. 2003, 17). Ensin mainitussa tilanteessa segregaation mittana käytettävä Duncan-indeksi putoaa työsoluen osalta arvoon nolla (vrt. Vartiainen 2001, 20), a täysin vastaava argumentointi pätee luonnollisesti myös yritysten tapauksessa. Haotelmaa DEC1 voidaankin luonnehtia siten, että sukupuolten segregaatio toimii eräänlaisena vipusimena, oka kanavoi työsoluen (tai yritysten) vaihtelevat palkkatasoefektit keskipalkkoen eroksi; ilman segregaatiota näin ei kävisi. Prosessi toimii myös toisin päin: os palkkatasoefektit yrityksissä a työsoluissa ovat samoa, ei segregaatio vaikuta kokonaispalkkaeroon. Haotelman DEC1 segregaatiosta aiheutuvat osat akautuvat edelleen eri muuttuille. Niinpä voidaan arvioida, mistä tekiöistä mies- a naisvaltaisten työsoluen tai yritysten palkkaerot ohtuvat. Olkoon esimerkiksi naisilla keskimäärin miehiä selvästi vähemmän työkokemusta, a oletetaan, että sitä mittaava muuttua osoittautuu haotelman DEC1 kolmannen rivin ensimmäisessä termissä voimakkaasti 9 Luvun viisi estimointituloksista ilmenee, että erotuksen poikkeama nollasta on hyvin pieni a kokonaispalkkaeron kannalta lähestulkoon merkityksetön.