用大数据重探性别薪酬差距:方法论选择重要吗?
综合经济学
2021-02-22 v2 经济学
应用统计
摘要
现有估算平均不可解释性别薪酬差距的研究,绝大多数使用不必要的限制性线性版Blinder-Oaxaca分解。利用瑞士170万名员工的极丰富大型数据集,我们考察此类大数据所实现的方法论改进如何影响不可解释性别薪酬差距的估算。我们研究估算值对以下方面的敏感性:i) 可观测可比男女的可用性,ii) 控制薪酬决定因素时的模型灵活性,iii) 不同参数与半参数估计量的选择,包括使用机器学习方法的变体。我们发现这三个因素都极为重要。当我们强制男女可比并使用更灵活的薪酬方程设定时,Blinder-Oaxaca对不可解释性别薪酬差距的估算下降多达39%。半参数匹配给出的估算与Blinder-Oaxaca估算相比小至多50%,且对薪酬决定因素的纳入方式也不那么敏感。
引用
@article{arxiv.2102.09207,
title = {The Gender Pay Gap Revisited with Big Data: Do Methodological Choices Matter?},
author = {Anthony Strittmatter and Conny Wunsch},
journal= {arXiv preprint arXiv:2102.09207},
year = {2021}
}