Flera förklaringar bakom löneskillnader

Ta del av inslaget i filmen nedan. Direkt under filmfönstret kan du läsa en artikel om inslaget.

På Lönebildningsdagen presenterade Simon Öman, statistiker och analytiker på Arbetsgivarverket, den senaste lönejämförelsen mellan statligt anställda kvinnor och män. Analysen visar att den ovägda löneskillnaden, där man endast tar hänsyn till kön, var 3,82 procent år 2024. Men om man också jämför med andra faktorer som kan påverka lönen så blir den oförklarade löneskillnaden i stället 0,78 procent.

Flera faktorer förklarar lönen 

För att se vilka samband som finns och vilka faktorer som kan påverka resultatet har Arbetsgivarverket använt två olika regressioner i analysen. En regression är en statistisk metod för att se vilka samband som finns och vad som kan påverka resultatet. I den första regressionen mäter analysen endast hur en persons kön påverkar lönen utan att kontrollera om det också finns andra relevanta faktorer, till exempel utbildning och erfarenhet. Det kallas för den ovägda löneskillnaden, och det var alltså i den mätningen som löneskillnaden var 3,82 procent. 

Den andra regressionen får fram det som kallas för den oförklarade löneskillnaden. Förutom kön tar den hänsyn till ytterligare tio faktorer som har strukturell påverkan på lön. 

– Genom att kontrollera mot dem kan vi mäta den effekt som kön har på lön, det vill säga den löneskillnad som inte kan förklaras av en annan faktor i lönestatistiken, förklarar Simon. 

De faktorer som ingår i analysen

• kön  

• arbetsområde  

• grupperingsnivå i BESTA 

• anställningstid på myndigheten  

• utbildningsinriktning  

• utbildningsnivå 

• ålder  

• arbetslivsomfattning  

• tjänstledigheter  

• COFOG (verksamhetsinriktning)  

• erfarenhet (år efter examen). 

Ingen statistik för prestation och resultat  

Den andra regressionen kan förklara ungefär 80 procent av förändringarna i lön. Det innebär att modellen fångar upp de flesta faktorer som har strukturell påverkan på lön. 

– Men det finns också annat som påverkar lönen och som vi inte kan mäta. Ett exempel är prestation och resultat som vi vet påverkar och ska göra det enligt de gemensamma löneprinciperna, men där vi inte har tillgång till statistik, säger Simon. 

Det finns också vissa faktorer som inkluderas i modellen som lönepolitiskt inte ska påverka lönen. Till exempel är ålder är en sådan. 

– Förmodligen har ålder och vissa andra variabler i modellen någon form av bakomliggande effekt. Kanske påverkar de kunskapen, och kunskapen påverkar prestationen som i sin tur påverkar lönen. 

Grupperingsnivå i BESTA påverkar lönen mest 

Men vad är det då som har störst påverkan på lönen? Analysen visar att det framför allt är grupperingsnivån i BESTA, det vill säga vilken svårighetsgrad arbetet har och hur komplext det är. 

– Men vi ser även effekter från arbetsområde, utbildningsnivå, utbildningsinriktning och den erfarenhet som medarbetaren har, säger Simon.  

Sedan 2021 har den ovägda löneskillnaden ökat något.  

– Det beror på att den statliga sektorn har haft vissa lönesatsningar inom specifika arbetsområden som fortsatt är mansdominerade, till exempel polis och försvar, och därför ser vi en liten ökning, förklarar Simon. 

Men – det gäller alltså om man bara tittar på den ovägda löneskillnaden. Om man i stället kontrollerar mot övriga faktorer syns inte samma effekt. 

– När vi kan kontrollera mot till exempel arbetsområde ser vi ingen ökad löneskillnad mellan kvinnor och män som kan förklaras av kön, utan den förklaras framför allt av andra faktorer i modellen.