Sociologiska Institutionen
Kandidatuppsats i sociologi, 15 h.p. Inriktning: Sociologisk Samhällsanalys Vt 2020
Handledare: Ann-Zofie Duvander
Vem betalar mest för
frånvaro?
En kvantitativ studie om hur kvinnors och
mäns löneutveckling påverkas av olika sorters
frånvaro från arbete inom bank- och
finanssektorn
Sammanfattning
Trots att Sverige anses vara ett jämställt land finns det stora löneskillnader mellan kvinnor och män. Dessa löneskillnader tycks vara extra stora inom bank-och finansbranschen och kan till viss del förklaras av frånvaroperioder från arbetet då kvinnor tenderar att vara deltidsarbetande, föräldralediga, sjukfrånvarande och
frånvarande på grund av VAB i större utsträckning än män. Denna studie syftar därmed till att undersöka löneskillnader på Handelsbanken Capital Markets ur ett
jämställdhetsperspektiv. Kvinnors och mäns löner undersöks med fokus på om det finns ett samband mellan olika sorters frånvaro från arbetet och löneutvecklingen. Studiens teoretiska ramverk baseras på teorierna om statistisk och implicit diskriminering samt teorin om signaleffekt. Dessa utgår från att kvinnor och män drabbas av
lönediskriminering på grund av arbetsgivarens antaganden, statistiska erfarenheter och förutfattade meningar om bland annat genusnormer. Av tidigare forskning framgår att mäns löner påverkas mer negativt än kvinnors löner av frånvaro i olika former. Denna studie baseras på Handelsbanken Capital Markets löneregisterdata från 2017, 2018 och 2019. Urvalet består av 691 individer som varit anställda och har haft en månadslön under hela tidsperioden. Resultaten visar att män som varit deltidsarbetande,
föräldralediga, sjukfrånvarande eller frånvarande på grund av vård av barn tenderar att ha sämre löneutveckling än kvinnor som varit frånvarande av samma anledning. Däremot är det enbart resultatet för sjukfrånvaro som är statistiskt signifikant.
Nyckelord
Kvantitativ analys, Löneutveckling, Jämställdhet, Frånvaro, Statistisk och Implicit diskriminering, Signaleffekt.
Innehållsförteckning
1. Inledning ... 1
1.1 Syfte och frågeställning ... 2
2. Teori och tidigare forskning ... 3
2.1 Teoretiskt ramverk ... 3 2.1.1 Statistisk diskriminering ... 3 2.1.2 Implicit diskriminering ... 4 2.1.3 Signaleffekt ... 5 2.2 Tidigare forskning ... 5 2.2.1 Deltidsarbete ... 6 2.2.2 Föräldraledighet... 7 2.2.3 Sjukfrånvaro ... 8 2.2.4 Vård av barn (VAB) ... 9 2.3 Hypoteser ... 10
3. Data och metod ... 12
3.1 Datamaterial ... 12
3.1.1 Urval och begränsningar ... 12
3.2 Variabler och operationalisering ... 13
3.2.1 Beroende variabeln ... 13
3.2.2 Oberoende variabler ... 13
3.2.3 Kontrollvariabler ... 15
3.3 Metod ... 16
3.4 Validitet och reliabilitet ... 17
4.1 Variabelöversikt ... 19
4.2 Analys och resultat hypotes 1 och 2 ... 20
4.3 Analys och resultat hypotes 3 och 4 ... 23
5. Diskussion... 25
5.1 Diskussion i relation till teori och tidigare forskning. ... 26
5.2 Slutsats ... 29
5.3 Metodkritisk reflektion och begränsningar ... 30
5.4 Förslag för vidare forskning ... 31
6. Referenser ... 32
6.1 Tryckta källor ... 32
1. Inledning
Medellönen för en man i Sverige år 2018 var 36 500 kronor medan medellönen för kvinnor var 32 600 kronor. Kvinnor tjänar alltså i snitt 3900 kronor mindre än män per månad vilket innebär att medellönen för kvinnor motsvarar 89 procent av mäns medellön (SCB 2019a). Detta trots att fler kvinnor än män har hög utbildning (SCB 2020). Trots att Sverige har hyllats för landets jämställdhetsarbete finns det alltså stora skillnader i inkomst mellan kvinnor och män (Meyerson & Petersen 1997:18). Löneskillnaderna kan förklaras av en rad olika faktorer som till exempel att 71 procent av de som arbetar i offentlig sektor är kvinnor medan 61 procent av de som arbetar i privat sektor är män (SCB 2019b). Men till stor del kan löneskillnaderna bero på avbrott av olika slag från karriären då kvinnor är föräldralediga längre än män (Försäkringskassan 2017) samtidigt som det är vanligare att kvinnor jobbar deltid (SCB 2019c). Sverige är välkänt för att kunna erbjuda bra förhållanden till föräldrar för att de ska kunna kombinera arbete med familjeliv. Trots detta är det framförallt mödrar som väljer att arbeta deltid för att minska stress och få mer tid till familjerelaterade uppgifter (Larsson & Björk 2017:143). Det är även vanligare att mödrar stannar hemma från jobbet när barnet är sjukt (Boye 2015a:367) och den totala sjukfrånvaron är större för kvinnor än för män (SCB 2018a). En annan anledning till löneskillnaderna är att kvinnor i högre grad arbetar i låga befattningar och på lågavlönade arbetsplatser medan män i högre grad arbetar i höga befattningar och på högavlönade arbetsplatser (Meyerson & Petersen 1997:23). Trots att skillnaden i medellön mellan kvinnor och män till viss del kan förklaras av dessa faktorer finns det även skillnader som inte kan förklaras av dem. Denna skillnad mellan kvinnor och män, närmare bestämt en skillnad på 4,4 procent, har tagit hänsyn till skillnader gällande sektor, utbildning, ålder och yrke. Detta innebär alltså att det finns en skillnad på 4,4 procent mellan kvinnor och män som inte kan förklaras av sektor, utbildning, ålder och yrke i Sverige 2018. Denna löneklyfta har dock minskat de senaste åren men är fortfarande av betydande storlek (Medlingsinstitutet 2019:9–10).
Inom bank- och finansbranschen är löneskillnader mellan kvinnor och män extra påtagliga. Branschen rankas av många som ojämställd och enligt statistik från SCB tjänar kvinnor i bank- och finansbranschen i genomsnitt 75 procent av det som männen tjänar (SCB 2018b). Även könsfördelningen bland chefspositioner är ojämn sett till bransch. Det finns en högre
andel män i chefspositioner än andelen män bland de anställda (SCB 2018c). Lika rättigheter mellan kvinnor och män i arbetslivet är dessutom lagstadgat enligt diskrimineringslagen (2008:567). Lagen ska främja kvinnors och mäns lika rätt till utvecklingsmöjligheter och motverka diskriminering i den form att två anställda har olika lön för samma arbete. Lagen ska även skydda föräldralediga individer mot att bli missgynnade under ledigheten.
Arbetsgivaren ska också ta ansvar över att bedriva förebyggande arbete mot diskriminering (Diskrimineringsombudsmannen 2020). Denna studie kan komma att bidra till Handelsbanken Capital Markets jämställdhetsarbete med fokus på hur frånvaro i olika former påverkar
anställdas löneutveckling. Handelsbanken är en av Sveriges största banker och för denna studie baseras analyserna på registerdata från Handelsbanken Capital Markets i Sverige. Handelsbanken Capital Markets är en stor aktör inom finansbranschen som omfattar
affärsområdena Pension & Trygghet, Asset Management, Handelsbanken International samt Markets. De olika affärsområdena erbjuder bland annat pensionslösningar, produkter och tjänster gällande riskhantering, värdepapper och finansiering till både privat- och
företagskunder. Denna studie ämnar att närmare undersöka löner och löneutveckling på Handelsbanken Capital Markets ur ett jämställdhetsperspektiv. Vidare ska det undersökas hur olika typer av frånvaro bidrar till att påverka de anställdas löner. Att få tillgång till en hel populations registerdata för att undersöka sambanden mellan frånvaro från arbetet och löneutveckling inom bank- och finansbranschen är ett unikt bidrag till forskningsfältet kring jämställdhet, inte minst på grund av att löneskillnaderna inom denna bransch är större än genomsnittet. Studien avgränsas genom att undersöka följande frånvaroorsaker: deltidsarbete, föräldraledighet, sjukfrånvaro och vård av barn. Studien har även avgränsats genom att endast analysera datamaterial under tidsperioden 2017 till 2019. Dessa avgränsningar gjordes för att kunna ge en djupare analys av just dessa frånvaroorsakers samband med löneutveckling.
I nästkommande avsnitt presenteras studiens syfte och frågeställningar, därefter redogörs för studiens teoretiska ramverk och tidigare forskning som följs av ett avsnitt om datamaterial och metod. Därefter presenteras studiens resultat samt en avslutande diskussion och slutsats.
1.1 Syfte och frågeställning
Studiens syfte är att undersöka löneskillnader på Handelsbanken Capital Markets ur ett jämställdhetsperspektiv då löneskillnaderna inom bank- och finanssektorn är stora. Kvinnors och mäns löner undersöks med fokus på om det finns ett samband mellan olika sorters
frånvaro från arbete och löneutvecklingen. Studien syftar även till att besvara följande frågeställning:
Hur skiljer sig de eventuella sambanden mellan olika typer av frånvaro och löneutveckling beroende på könstillhörighet?
2. Teori och tidigare forskning
I följande avsnitt redogörs för de teorier som utgör studiens teoretiska ramverk. Vidarepresenteras tidigare forskning om hur olika typer av frånvaro och avbrott från arbetet påverkar individens lön- och yrkesutveckling.
2.1 Teoretiskt ramverk
Studiens teoretiska ramverk består av tre teorier, statistisk diskrimineringsteori, implicit diskrimineringsteori och teorin om signaleffekt. Dessa teorier presenteras i nästkommande avsnitt.
2.1.1 Statistisk diskriminering
Teorin om statistisk diskriminering innebär att vid ett givet tillfälle när en arbetsgivare ska anställa en person eller sätta löner, använder sig arbetsgivaren av sina förutfattade meningar och statistiska erfarenheter. Arbetsgivaren vill såklart maximera företagets intäkter genom att anställa en person som är så pass duktig och produktiv som möjligt och undvika att anställa personer som inte är kvalificerade för jobbet. Om arbetsgivaren utgår ifrån sina egna
erfarenheter och förutfattade meningar om vissa bestämda grupper kommer vissa grupper att missgynnas i processen (Phelps 1972:659–660). Statistiskt sett gör kvinnor oftare än män avbrott från arbetet i form av föräldraledighet, sjukfrånvaro och deltidsarbete
(Försäkringskassan 2017; SCB 2018a; SCB 2019c). Dessa avbrott kan utgöra grund för att en arbetsgivare föredrar en man framför en kvinna. Grupper som kan missgynnas kan
exempelvis vara kvinnor, personer med annat etniskt ursprung än det vanligaste eller en person i en viss åldersgrupp. Kandidaten till jobbet eller den anställda bedöms därmed inte efter sin personlighet, erfarenhet och kunskap. Istället bedöms personen utifrån de förutfattade
meningar som arbetsgivaren har om personens grupptillhörighet och dess produktivitet. Om kostnaden är hög för arbetsgivaren att ta reda på hur produktiv personen egentligen är blir det enklare för arbetsgivaren att istället utgå ifrån sin förutfattade förståelse. Arbetsgivaren kan då ta reda på enkel och billig information om personen utifrån dennes grupptillhörighet (Arrow 1971:25–26). Det är exempelvis enklare för arbetsgivaren att ta reda på personens
könstillhörighet eller ålder än att få information om hens sanna produktivitet genom exempelvis provjobb eller provanställning (Phelps 1972:659–660). Samma situation kan uppstå i en löneförhandling då det är svårt att mäta produktivitet i praktiken trots att den anställda har fått visa upp sitt arbete. Det kan leda till att arbetsgivaren diskriminerar den anställda utifrån de förutfattade meningarna kring den anställdas kön och ålder, och på så sätt anta att personen kommer att lägga fokus på familjerelaterade aktiviteter. Enligt en studie från 2004 byter män oftare jobb än vad kvinnor gör (Korpi & Stern 2004:246) och i dessa fall kan det bli fördelaktigt för arbetsgivaren att betala ut en lägre lön till en kvinna i jämförelse med en man då kvinnan inte förväntas byta till ett annat jobb där hon kan få en högre lön. Hon förväntas istället stanna på det befintliga jobbet trots den låga lönen (Phelps 1972:659).
2.1.2 Implicit diskriminering
Utöver teorin om statistisk diskriminering finns även en teori som till större del baseras på sociala normer om vissa grupper. Denna teori kallas för implicit diskriminering (Bertrand, Chugh & Mullainathan 2005:94). Normer om genus tillskriver olika stereotypiska egenskaper för kvinnor respektive män. En man beskrivs ofta som driven och uthållig medan en kvinna ofta beskrivs som känslosam. I många fall tillskrivs de manliga egenskaperna högre status i jämförelse med kvinnors egenskaper, vilket bidrar till att ojämlikheter mellan kvinnor och män finns kvar (Ridgeway 2011:91–92). Dessa genusnormer kan ligga till grund för en arbetsgivares värdering när en nyanställning eller internrekrytering skall göras och i många fall missgynnas kvinnor av detta. Arbetsgivaren vill till så stor del som möjligt matcha de arbetssökandes egenskaper med de egenskaper som krävs för befattningen. Höga befattningar är nära förknippade med auktoritet, vilket enligt genusnormer är en manlig egenskap. Detta gör, i detta fall, att arbetsgivarens uppfattning av genusnormer missgynnar kvinnor i
rekryteringen (Ridgeway 2011:101–102). Denna form av diskriminering sker ofta utan att den som diskriminerar är fullt medveten om att hen gör det. Implicit diskriminering kan även förklara varför vissa yrken är könssegregerade då de sociala genusnormerna kan göra att arbetsgivarna implicit kopplar ihop vissa yrken med en viss könstillhörighet. Ett exempel på detta är att män skulle vara bättre lämpade för att vara rörmokare och att kvinnor skulle vara
bättre lämpade för läraryrket (Ridgeway 2011:97). I detta fall är teorin applicerbar på
lönesättningen inom ett företag då dessa underliggande genusnormer kan utgöra grunden för eventuell löneförhöjning. En kvinna som löneförhandlar kan bli föremål för arbetsgivarens genusnormer om de inte överensstämmer med de egenskaper som anställningen innebär och därmed inte får en lika stor löneförhöjning som en man med samma erfarenheter och
egenskaper. Kvinnan blir på så sätt utsatt för implicit diskriminering av arbetsgivaren.
2.1.3 Signaleffekt
Det är viktigt att förstå kostnaden av arbetstid för exempelvis barnomsorg för att kunna se på arbetsmarknaden ur ett jämställdhetsperspektiv. Moderskap kan vara en signal som leder till förväntningar på att modern inte kommer vilja arbeta övertid eller ibland till och med tvingas att lämna arbetet tidigare för dagen för att ta hand om barn. Fäder förväntas däremot att vara mer dedikerade och lojala anställda med anledning av att de historiskt sett varit tvungna att försörja för sin familj. När mödrar och fäder agerar som arbetsgivaren förväntar sig att de ska, alltså att modern tar ut det mesta av föräldraledigheten och mannen tar ut lite eller ingen ledighet alls, är signaleffekten liten då detta inte skiljer dem från andra kvinnor och män eller mödrar och fäder (Evertsson 2016:27–28). Teorin om signaleffekt baseras på undersökningar som tyder på att män inte vill ta avbrott från arbetet då arbetsgivaren kan dra slutsatsen att mannen inte är dedikerad till arbetet. Om detta är fallet, resulterar det i att få män tar ledigt för att undvika att inte ses som dedikerade till sitt arbete (Stafford & Sundström 1996:611). Stafford och Sundström tror däremot att avbrott från arbetet för barnomsorg kan visa sig vara positivt för kvinnor. Kvinnor kan alltså göra avbrott från arbetet och fortfarande upprätthålla en produktivitetssignal medan män istället signalerar att de är mindre produktiva. Alltså uppfattas frånvaro från arbetet olika för kvinnor och män (Stafford & Sundström 1996:612). Vidare kommer Stafford och Sundström fram till att avbrott från arbetet kostar pengar för både män och kvinnor men att kostnaden för män betraktas som ett resultat av signaleffekt (Stafford & Sundström 1996:626).
2.2 Tidigare forskning
Löneskillnader på arbetsmarknaden kan bero på olika faktorer som exempelvis befattning, anställningsår och utbildning (Meyerson & Petersen 1997:18). Denna studie undersöker hur deltidsarbete, föräldraledighet, sjukfrånvaro och frånvaro på grund av vård av barn påverkar kvinnors och mäns löneutveckling.
I följande avsnitt redogörs för hur tidigare studier har analyserat de olika sorters inverkan frånvaro har på lönerna utifrån könstillhörighet.
2.2.1 Deltidsarbete
Det är välkänt att kvinnor historiskt sett har varit mindre sysselsatta på arbetsmarknaden än män. Detta är ett väl utforskat fält och internationell forskning har visat att i Kanada och USA är en stor majoritet (ca 70 procent) av de som arbetar deltid kvinnor. Detta kan förklaras av att det blir enklare att kombinera karriär med familjeliv när man arbetar deltid. Däremot kan det vara negativt eftersom deltidsjobben ofta är lågavlönade, ensidiga och enkla att utföra (Duxbury, Higgins & Johnson 2000:17–18). Forskning visar att detta även är vanligt
förekommande inom EU och i Sverige. Enligt statistik från SCB var det bara 73,4 procent av sysselsatta kvinnor som arbetade heltid 2018 medan 89,2 procent av de sysselsatta männen arbetade heltid (SCB 2019c). I en svensk studie från 2015 beskrivs mödrar genom en kvantitativ analys att vara 14 gånger mer benägna än män att byta ut heltidsarbete till deltidsarbete (Larsson & Björk 2017:142). Vidare fokuserar studien på att undersöka fäder som valt att arbeta deltid. Resultaten visar att bland de fäder som väljer att arbeta deltid är anledningen att de får spendera mer kvalitetstid med sina barn och vara engagerade i barnens liv. Trots detta är det inte vanligt med fäder som arbetar deltid (Larsson & Björk
2017:144;147).
Forskningsläget för hur deltidsarbete påverkar kvinnor respektive mäns löner är något mindre utforskat. I en internationell studie jämförs deltidslönegapet, dvs. skillnaden mellan en del- och heltidslön, för kvinnor i en rad olika länder. Resultatet visar att deltidslönegapet för kvinnor är negativt i samtliga länder förutom i Sverige. I Sverige var deltidslönegapet positivt, alltså att deltidsanställda i jämförelse med heltidsanställda har 1 procents högre lön, detta resultat var dock inte statistiskt signifikant (Bardasi & Gornick 2008:58–59). I Bardasi & Gornicks studie undersöks inte motsvarande deltidslönegap för män. Detta görs däremot i en studie genomförd i Nederländerna där det konstateras att deltidslönegapet ökar med åren och är mindre för kvinnor än män, alltså att män förlorar mer på att arbeta deltid. Ju mer individen arbetar deltid, desto mer arbetslivserfarenhet går individen miste om vilket resulterar i ett större lönegap. En av anledningarna till detta verkar, enligt studiens resultat, vara att sannolikheten för att bli befordrad minskar när man är deltidsarbetande (Russo & Hassink 2008:168). I en utredning av Konjunkturinstitutet kommer man fram till att deltidslönegapet
är dubbelt så stort för män som för kvinnor vilket innebär att män som arbetar heltid har 26 procent högre lön än deltidsarbetande män (Andrén 2011:27). Däremot bör detta resultat tolkas med försiktighet då resultatet baseras på skattningar av frånvarostraff. Liknande
resultat har emellertid framkommit från amerikansk data. Studiens resultat visade att män som är eller har varit deltidsanställda de senaste två åren fick ett högre deltidsstraff på lönen än kvinnor som är eller varit deltidsanställda de senaste två åren. Dessa skillnader tycks öka med åren då den ackumulerade arbetslivserfarenhet inte blir lika stor för deltidsanställda som för heltidsanställda och drabbar män i större utsträckning än kvinnor (Hirsch 2005:537–538; 539– 540).
2.2.2 Föräldraledighet
En del av följande studier i detta avsnitt har tittat på yrkesmöjligheter och karriär medan andra har behandlat löneskillnader vilket kan innebära olika utfall som kan generera olika
slutsatser. Dessutom kan effekten av föräldraledighet förändras över tid då det exempelvis blir allt vanligare för män att ta ut föräldraledighet.
Internationell forskning visar att frånvaro i längre perioder från arbetet och arbetsmarknaden är en av de största anledningarna till att kvinnor tjänar mindre än män (Stier & Lewin-Epstein 2001:1732). En svensk undersökning från 2006 visar att kvinnor som har en lägre inkomst tar ut längre föräldraledighet (Hobson, Duvander & Halldén 2006:267–295). Evertsson och Duvander (2011) finner i sin studie att mödrar som återgår till sitt arbete efter högst 15 månader från förlossningen i större utsträckning har möjlighet till avancemang inom sitt yrke och att de mödrar som är föräldralediga i över 15 månader har svårare till det. Alltså, trots Sveriges familjevänliga politik finns det negativa effekter för kvinnor som är föräldralediga under en längre period (Evertsson & Duvander 2011:444). Å andra sidan visar resultaten i en annan svensk studie att föräldraledighet har en statistiskt signifikant negativ effekt på lönen för män. Någon sådan statistisk signifikant effekt fanns inte för kvinnor som varit
föräldralediga (Albrecht, Edin, Sundström & Vroman 1999:301–303). I denna studie definieras föräldraledighet som frånvaro från arbetet på grund av omsorg av barn och kan därmed innefatta mer kortvariga frånvaroorsaker än föräldraledighet, exempelvis frånvaro på grund av vård av barn eller liknande. Viktigt att notera är även att studien är baserad på datamaterial från 1992 och på individer som är födda mellan 1949 och 1969 (Albrecht et al. 1999:297 - 298). Vidare bör noteras att medelvärdet för föräldraledighet för kvinnor var 14 månader medan motsvarande värde för män var mindre än två veckor (Albrecht et al. 1999:
300). Dessa skillnader kan ha påverkat resultaten. I en liknande studie från 2015 som är baserad på registerdata från 1994 till 2008 visar resultaten att bland kvinnor och män som jobbade inom tjänstemannasektorn 2008 är föräldraledighet negativt för löneutvecklingen för både kvinnor och män, men mer negativt för män (Albrecht, Skogman Thoursie & Vroman 2015:109–110). I en annan svensk studie från 2004 fanns inget samband som visade att föräldraledighet hade någon inverkan på kvinnors karriärchanser. Däremot fann de att män i större utsträckning än kvinnor hade möjlighet att klättra karriärmässigt oavsett
föräldraledighet (Granqvist & Persson 2004:331–332). Enligt ytterligare en svensk studie från 1996 skulle anledningen till att mäns löner straffas hårdare än kvinnors kunna förklaras av att arbetsgivare antar att män som tar ut mer föräldraledighet är mindre produktiva i sitt arbete (Stafford & Sundström 1996:621). Studiens resultat visar att frånvarokostnaden för kvinnor är 1,7 procent av inkomsten och 5,2 procent för män (Stafford & Sundström 1996:626).
Författarna kopplar effekten till att arbetsgivare ser mäns uttag av föräldraledighet som en signal på att mannen är mindre produktiv då det är få män som tar föräldraledigt i samma utsträckning som kvinnor. Motsvarande (signal)effekt för kvinnor tycks inte finnas (Stafford & Sundström 1996:612). Detta resultat stöds även av Evertssons studie från 2016 som
kommer fram till att män som är föräldralediga utöver förlorad arbetslivserfarenhet straffas på grund av den signaleffekt som de sänder ut när de är föräldralediga. För män uppkommer denna signaleffekt redan från starten av föräldraledigheten i jämförelse med motsvarande effekt hos kvinnor där denna effekt uppkommer senare. Denna effekt uppkommer alltså utöver effekten av förlorad arbetslivserfarenhet (Evertsson 2016:37).
2.2.3 Sjukfrånvaro
Det är sedan tidigare känt att kvinnor oftare är sjukfrånvarande från arbetet än män (SCB 2018a). Sambandet mellan kvinnor och sjukfrånvaro blir ännu starkare när de har barn i hemmet (Angelov, Johansson, Lindahl & Lindström 2011:50–51) och att vara
sjukfrånvarande från arbetet har en negativ effekt på inkomsten då arbetstiden minskar (Andrén 2001:64). Ur ett internationellt perspektiv har det undersökts hur sjukfrånvaro påverkade chefers löner och karriärmöjligheter. Man fann att de respondenter som var frånvarande fick lägre löner och färre befordringar oavsett orsaken till frånvaron och att de respondenter som varit frånvarande vid upprepade tillfällen påverkades i högre grad. Längden på frånvaron samt vilket kön man hade tycktes inte påverka sambandet (Judiesch & Lyness 1999:648–649). Även internationell forskning är överens om att kvinnor har högre
diskriminering, vad italienska bankanställdas sjukfrånvaro har för effekt på lönen (Ichino & Moretti 2009:183;199). Resultatet visade att sjukfrånvaro har en mer negativ effekt på mäns löner än på kvinnors löner. Detta tycks kunna förklaras av kvinnors och mäns biologiska skillnader, nämligen att kvinnor har en mer regelbunden frånvaro på grund av
menstruationscykeln medan mäns sjukfrånvaro dyker upp mer oväntat. Denna negativa effekt på mäns löner tycks minska med anställningstiden då arbetsgivaren får mer information om arbetstagarnas sanna produktivitet (Ichino & Moretti 2009:212). Även en norsk studie från 2011 visar att det finns en skillnad mellan kvinnor och män. Studien är baserad på registerdata mellan 2001 och 2005 och analyserar och jämför löner två år efter sjukfrånvaron. Viktigt att notera är att datamaterialet endast innehåller uppgifter om individer som varit sjukfrånvarande med läkarintyg. I Norge krävs läkarintyg för sjukfrånvaro från den femte frånvarande dagen vilket innebär att individer som har en sjukfrånvarande period mellan en och fyra dagar inte definieras som sjukfrånvarande i denna studie (Markussen 2012:1292–1293). Resultatet visar att mäns löner straffas hårdare än kvinnors löner vid sjukfrånvaro (Markussen 2012:1300). I studien analyseras även dessa resultat utifrån olika yrkesgrupper där resultaten visar att dessa skillnader är extra påtagliga inom bank- och finansbranschen. En av förklaringarna till dessa skillnader kan vara att kvinnors sjukfrånvaro till viss del kan förklaras av graviditet och barnomsorg och att kvinnors sjukfrånvaro därmed inte ger en lika stark signaleffekt som för sjukfrånvarande män (Markussen 2012:1302). I en svensk studie med data över
korttidssjukfrånvaro visade resultaten däremot att det fanns ett negativt statistiskt signifikant samband mellan sjukfrånvaro och lön för kvinnor. Något sådan signifikant samband fanns inte för män. Att kvinnors löner straffas kan förklaras av att kvinnorna i studiens datamaterial varit sjukfrånvarande mycket mer än männen. Mer sjukfrånvaro kan av arbetsgivaren uppfattas som en signal om att den anställde inte är dedikerad sitt jobb. Eftersom männens sjukfrånvaro var så pass mycket lägre drabbar inte denna signaleffekt dem i lika stor utsträckning (Hansen 2000:50–51).
2.2.4 Vård av barn (VAB)
I Sverige är det vanligare att mödrar stannar hemma från jobbet när barnet är sjukt. Ungefär 66 procent av dagarna som barnen är sjuka stannar modern hemma från sitt arbete (Boye 2015a:367). Om föräldrarna jobbar inom samma bransch eller yrke är fördelningen av vab-dagar något jämnare. Inom par som delar jämnt på vab-vab-dagarna är det även vanligare att båda föräldrarna har hög utbildning och att de i mindre utsträckning jobbar inom könstypiska yrken (Boye 2015a:365). Föräldrar som är frånvarande från arbetet på grund av vård av sjukt barn
förlorar ungefär 20 procent av sin dagslön. Att vara hemma med sjukt barn behöver inte enbart betyda kortsiktig minskning av inkomsten utan det kan även innebära långsiktiga konsekvenser vilket framförallt gäller fäder (Boye 2015b:13). Trots att kvinnor står för majoriteten av vab-dagarna i det svenska samhället tycks ändå männens inkomst påverkas mest av uttag av VAB. Detta tycks kunna förklaras av att män i mindre utsträckning är frånvarande från jobbet på grund av familjerelaterade orsaker. När män erhåller ett högt antal vab-dagar ses detta som oväntat vilket innebär negativa effekter för mäns löner medan kvinnor som redan varit föräldralediga förväntas ha ett högre uttag av vab-dagar (Boye 2015b:13). Detta resultat framkommer även av Albrechts studie från 1999 som undersöker löneeffekter av olika former av frånvaro. Av studien framkom att formell föräldraledighet var negativt för mäns löner, medan något sådant signifikant samband inte fanns hos kvinnor (Albrecht et al. 1999:301–303). Formell föräldraledighet definieras i denna studie som
frånvaro från arbetet på grund av omsorg av barn vilket därför kan innefatta frånvaro på grund av vård av barn (Albrecht et al 1999:298). Däremot framkom ingen sådan effekt i Hansens studie från 2000. Resultatet visade att det inte fanns någon statistisk signifikant effekt på lönen för vare sig män eller kvinnor som varit frånvarande på grund av vård av barn (Hansen 2000:53).
2.3 Hypoteser
Utifrån studiens teoretiska ramverk och tidigare forskning av olika typer av frånvaro har fyra hypoteser skapats.
Teorin om implicit diskriminering handlar om att arbetsgivaren grundar val på förutfattade meningar kring genusnormer och denna typ av diskriminering sker utan att den som
diskriminerar är medveten om det (Ridgeway 2011:101–102). Enligt samhällets genusnormer förväntas kvinnor vara hemma för att exempelvis ta hand om barn genom att vabba, vara deltidsarbetande och vara föräldralediga. Statistiskt sett är kvinnor mer frånvarande från arbetet än män på grund av dessa orsaker (Försäkringskassan 2017; SCB 2018a; SCB 2019c) och då dessa aktiviteter inte överensstämmer med genusnormer om manlighet, drabbas kvinnor inte lika hårt när de är frånvarande från arbetet. Däremot kan detta leda till att en arbetsgivare får förutfattade meningar om att kvinnor inte är lika dedikerade till sitt arbete som män och därmed inte lika produktiva i arbetslivet (Phelps 1972:659–660). När en man väl är deltidsarbetande, föräldraledig, sjuk eller vabbar kan arbetsgivaren uppfatta detta som
något oväntat då det ofta anses överensstämma mer med kvinnliga genusnormer. Detta sänder en signal till arbetsgivaren att mannen som är frånvarande av dessa orsaker är mindre
produktiv (Stafford & Sundström 1996:626). Arbetsgivaren kan därför anta att det blir mer fördelaktigt att betala ut mindre lön till en individ som hen inte tror är lika produktiv och därmed inte bidrar till företagets vinster i lika stor utsträckning som exempelvis en man som inte varit frånvarande från arbetet.
Tidigare studier från Nederländerna, USA och Sverige tyder samtliga på att mäns löner påverkas mer negativt än kvinnors löner av deltidsarbete (Russo & Hassing 2008:168; Hirsch 2005:539–540; Andrén 2011:27). Deltidslönegapet ökar med tiden och är alltså högre för män än för kvinnor (Russo & Hassink 2008:168). Utifrån detta formuleras första hypotesen enligt nedan:
H1- Deltidsarbetande män har sämre löneutveckling än deltidsarbetande kvinnor.
Svenska studier tyder på att föräldraledighet är mer negativt för mäns löneutveckling än för kvinnors löneutveckling (Albrecht et al. 2015:109–110) och att mäns löner straffas hårdare än kvinnor när de är föräldralediga. Detta eftersom arbetsgivaren ser frånvaron som en signal på att mannen är mindre produktiv i jämförelse med en man som inte tar ut föräldraledighet (Stafford & Sundström 1996:621). Därför utformas följande hypotes:
H2- Föräldralediga män har sämre löneutveckling än föräldralediga kvinnor.
Tidigare forskning, med data från bank- och finansbranschen, visar att sjukfrånvaro har en mer negativ effekt på mäns löner än kvinnors löner (Ichino & Moretti 2009:212; Markussen 2012:1300). Detta tycks kunna förklaras av den signaleffekt som uppstår när män är
sjukfrånvarande (Markussen 2012:1302). Utifrån detta formuleras följande:
H3- Sjukfrånvarande män har sämre löneutveckling än sjukfrånvarande kvinnor.
Svenska studier visar att mäns löner påverkas mer negativt av att stanna hemma för vård av sjukt barn trots att kvinnor är den grupp som står för flest vab-dagar. Detta tycks kunna förklaras av att det ses som oväntat för män att vara hemma för vård av barn (Boye 2015b:13). Därför utformas följande hypotes:
3. Data och metod
I detta avsnitt presenteras studiens datamaterial, hur det har behandlats samt en diskussion kring etiska aspekter. Vidare presenteras studiens variabler och den analysmetod som har använts.
3.1 Datamaterial
Denna studie skrivs med förhoppning om att kunna bidra till Handelsbanken Capital Markets jämställdhetsarbete och den data som bearbetats och analyserats i studien har gjorts tillgänglig och hanterats i samråd med dem. Studien är baserad på administrativ löneregisterdata från Handelsbanken Capital Markets i Sverige. Överföringen av datan skedde genom krypterad e-post och är på så vis skyddad mot utomstående parter (Vetenskapsrådet 2002:14). Eftersom Handelsbanken Capital Markets är intresserade av att låta tredje part analysera data som omfattar deras anställda har samtliga anställda på företaget tagit del av ett avtal som omfattar hur deras uppgifter hanteras vilket går i linje med de forskningsetiska principerna
(informations- och samtyckeskravet) (Vetenskapsrådet 2002:7). Alla anställda är anonyma i studien och namnen har ersatts med löpnummer. Individernas bruttolöner är omräknade vilket innebär att deras egentliga lön inte visas, detta för att upprätthålla deras anonymitet och för att skydda känslig information (Vetenskapsrådet 2002:12).
Datamaterialet som överfördes från Handelsbanken Capital Markets omfattade information om 825 anställda mellan 2012 och 2020. Samtliga 825 personer var anställda vid den tidpunkt (2/2 2020) som datan överfördes till studiens författare vilket innebär att datamaterialet inte innefattar personal som avslutat sin anställning innan den 2 februari 2020. Detta innebär även att personer som påbörjade sin anställning under 2020 ingår i studiens datamaterial.
3.1.1 Urval och begränsningar
För att på bästa sätt besvara studiens frågeställningar och hypoteser analyserades data mellan 2017 och 2019. Anledningen till att denna tidsperiod valdes är att vi på så sätt kan mäta frånvaro och dess samverkan med lönen i efterhand. I studien analyseras alltså hur frånvaro under 2017 och 2018 samverkar med löneutvecklingen mellan 2017 och 2019. Den utvalda
tidsperioden utgör även den mest aktuella datan och det är under denna tidsperiod som datamaterialet är som allra störst. Datamaterialet omfattade endast personer som var anställda när datan gavs ut. Denna tidsavgränsning innebär att vi inte tar hänsyn till de anställdas data och frånvaro från tiden innan 2017.
Under den utvalda tidsperioden (2017–2019) fanns det 691 personer som varit anställda under hela tidsperioden. Det är alltså dessa 691 anställda som utgör den här studiens urval. Studiens urval består av 372 (53,8 procent) män och 319 (46,2 procent) kvinnor. Av dessa 691
anställda saknade 24 månadslön under något av åren vilket innebar att de inte inkluderades i analyserna då studiens beroende variabel är baserad på månadslönen. Det är alltså 667 personer som varit anställda under hela tidsperioden och som har haft en månadslön under den tiden. Eftersom studien är baserad på en hel population fanns det inget externt bortfall. Som tidigare nämnts fanns det en del internt bortfall inom månadslön (24). En del internt bortfall fanns även inom variablerna utbildningsnivå och antal år på HCM. Mer detaljerad information om bortfall finns i tabell 1 under avsnitt 4.1.
3.2 Variabler och operationalisering
3.2.1 Beroende variabeln
Löneutveckling. Studiens beroende variabel är de anställdas löneutveckling mellan 2017 och
2019. Löneutveckling definieras som den procentuella skillnaden i den anställdes månadslön mellan åren 2017 och 2019. För att säkerställa de anställdas anonymitet visades månadslönen i omräknad form. Detta innebär att månadslönerna i datamaterialet inte är den sanna lönen i absoluta tal men att alla löner är proportionerliga, det vill säga att skillnaderna mellan de anställdas löner är lika stora som i verkligheten. Den procentuella löneutvecklingen räknades ut genom att dividera månadslönen 2019 med månadslönen 2017. För att få ut den
procentuella skillnaden subtraherades detta tal med 1 för att sedan multipliceras med 100. Variabeln är kontinuerlig.
3.2.2 Oberoende variabler
Presentation av studiens oberoende variabler. Samtliga frånvaroformer som undersöks i denna studie används även som kontrollvariabler. Detta för att kunna konstanthålla för dessa
Kön. Kön är en dikotom variabel som motsvarar den anställdas könstillhörighet. I
datamaterialet fanns det endast två alternativ, man eller kvinna. Värdet 0 motsvarar man och värdet 1 motsvarar kvinna.
Deltidsarbete. För att skapa denna variabel utgick vi i första hand från variablerna
kategorikod, heltidsdatum och deltidsdatum. Kategorikoden visade den anställdes
anställningsform (deltid- eller heltidsanställd) och deltidsdatumet samt heltidsdatumet visade hur länge individen varit deltidsarbetande respektive heltidsarbetande. Vi testade att
kategorisera denna variabel till mer finfördelade grupper men vi ansåg att de skulle bli för små för att kunna jämföras med varandra på ett representativt sätt. Därför gjordes variabeln dikotom där värdet 0 innebär 0 dagars deltidsarbete (referenskategori) och värdet 1 innebär att den anställde har varit deltidsarbetande i minst en dag under tidsperioden.
Föräldraledighet. Denna variabel förklarar om den anställda har varit föräldraledig eller inte
under 2017 och 2018. Det testades att kategorisera denna variabel till mer finfördelade grupper. Dessa grupper ansågs bli för små för att kunna jämföras med varandra på ett representativt sätt. Slutligen gjordes variabeln dikotom där värdet 0 (referenskategori)
motsvarar att individen inte har varit föräldraledig under den angivna tidsperioden och värdet 1 motsvarar att individen har varit föräldraledig under tidsperioden.
Sjukfrånvaro. I denna studie har de anställdas sjukfrånvaro i antal arbetsdagar under 2017 och
2018 summerats. Detta innebär att det inte tas hänsyn till om individen varit kort-eller långtidssjukskriven. Variabeln delades upp i två kategorier där värdet 0 (referenskategori) innebär att den anställde inte varit sjukfrånvarande och värdet 1 innebär att den anställde varit sjukfrånvarande minst 1 dag.
VAB. Variabeln vård av barn (VAB) visar om den anställda har varit frånvarande från arbetet
på grund av vård av barn under 2017 och 2018. Det testades att kategorisera denna variabel till mer finfördelade grupper. Dessa grupper ansågs bli för små för att kunna jämföras med varandra på ett representativt sätt. Därför gjordes variabeln dikotom där värdet 0
(referenskategori) innebär att individen inte har vabbat och värdet 1 innebär att individen har varit frånvarande från arbetet på grund av VAB någon gång under 2017 och 2018.
3.2.3 Kontrollvariabler
Månadslön 2019. Denna variabel motsvarar den anställdas bruttolön 2019. För att säkerställa
de anställda individernas anonymitet överfördes bruttolönen i omräknad form. Detta innebär att månadslönerna i datamaterialet i absoluta tal inte är den sanna lönen men alla löner är proportionerliga, det vill säga att skillnaderna mellan de anställdas löner är lika stora som i verkligheten. Detta är en kontinuerlig variabel. Anledningen till att det kontrolleras för månadslön 2019 är för att den befintliga lönenivån kan påverka löneutvecklingen. Genom att kontrollera för månadslön 2019 kan vi jämföra anställda med olika lön.
Ålder. Indikerar den anställdas ålder 2019 och är en kontinuerlig variabel. Anledningen till att
det kontrolleras för ålder är för att den anställdes ålder kan påverka löneutvecklingen. En anställd som är nära pensionsåldern kan exempelvis tänkas ha sämre löneutveckling än någon som har längre tid kvar till pension. Genom att kontrollera för ålder kan vi jämföra anställda med olika åldrar.
Antal år på HCM. Indikerar hur många år som individen har varit anställd på Handelsbanken
Capital Markets 2019. Detta är en kontinuerlig variabel. Anledningen till att det kontrolleras för antal år på HCM är för att det kan påverka löneutvecklingen. En anställd som arbetat få år på HCM har eventuellt inte hunnit visa sin potential och har därmed inte har lika stora
möjligheter till löneökning som en anställd med flera års anställning på HCM.
Utbildningsnivå. Utbildningsnivå har kodats till en dikotom variabel där 0 (referenskategori)
motsvarar att den anställdas högsta avklarade utbildningstyp är antingen grundskola eller gymnasium eller 1 som motsvarar eftergymnasial utbildning. Anledningen till att det
kontrolleras för utbildningsnivå är för att den kan påverka löneutvecklingen. En anställd med högre utbildning skulle eventuellt kunna få större löneökningar än en anställd med lägre utbildning eftersom högre utbildning ofta innebär mer ansvarsfulla arbetsuppgifter.
Befattning. Samtliga respondenter innehar en BESTA-kod. BESTA-koden är 7-siffrig och
utgör underlag för bland annat löne-, befattnings- och kompetensstatistik. Den fjärde siffran i BESTA-koden indikerar den anställdes befattning. Denna siffra visar om den anställda är medarbetare, arbetsledare/projektledare eller chef. I datamaterialet var det endast åtta personer som var arbetsledare/projektledare, dessa åtta kodades om till chefer eftersom gruppens
omräknade medianlön 2019 var närmare chefernas än medarbetarnas. Variabeln kodades alltså till en dikotom variabel där värde 0 (referenskategori) motsvarar medarbetare och värde 1 motsvarar chef. Anledningen till att det kontrolleras för befattning är för att det kan påverka löneutvecklingen. Att vara chef kan innebära större möjligheter till att visa sin kompetens och därmed leda till större löneökning i jämförelse med en medarbetare.
Befattningsutveckling. Denna variabel visar om respondenten har ändrat befattning mellan
2017 och 2019. Denna variabel är dikotom där värde 0 innebär att den anställda har sämre eller oförändrad befattning 2019 jämfört med 2017. Värde 1 innebär att den anställda har en högre befattning 2019 jämfört med 2017. Anledningen till att det kontrolleras för
befattningsutveckling är för att den kan påverka löneutvecklingen. Anställda som har ökat i befattning kommer sannolikt att ha större löneökningar än anställda som har samma eller sämre befattning.
3.3 Metod
Studien baseras på data från perioden 2017 till 2019 och är därmed en longitudinell studie. Studien är longitudinell eftersom den mäter observationer vid minst två tillfällen (Bryman 2018:92 - 93). Studien antar ett deduktivt angreppssätt, det vill säga att hypoteserna härleds ur teori och tidigare forskning för att sedan testas empiriskt (Bryman 2018:47). Datamaterialet har analyserats genom multipla linjära regressionsanalyser i statistikprogrammet IBM SPSS 26. Genom att göra multipla regressionsanalyser går det att se vilka samband ett antal oberoende variabler har med en beroende variabel. När flera variabler inkluderas i regressionsanalysen återges sambandet i form av en riktningskoefficient som påvisar
genomsnittlig förändring i den beroende variabeln när den oberoende variabeln förändras en enhet, konstanthållet för övriga oberoende variabler (Edling & Hedström 2003:96–97).
Eftersom studien ämnar analysera hur olika typer av frånvaro påverkar löneutvecklingen för kvinnor i jämförelse med män behövdes interaktionsvariabler utformas. En interaktionseffekt innebär att en oberoende variabels effekt på den beroende variabeln beror på värdet av en annan oberoende variabel (Edling & Hedström 2003:149). De interaktioner som är av intresse i den här studien är alltså könstillhörighet och olika typer av frånvaro. Två variabler för varje kategori i frånvarovariabeln utformades därför. En för män och en för kvinnor. Detta innebär att för att analysera effekterna av deltidsarbete (dikotom), utformades totalt fyra
dummyvariabler för att mäta interaktionen mellan kön och deltidsarbete. En för kvinnor som
inte jobbat deltid, en för kvinnor som har jobbat deltid, en för män som inte jobbat deltid och
en för män som har jobbat deltid. En anställd som är man och som inte har jobbat deltid innehar alltså värde 1 i interaktionsvariabeln män som inte jobbat deltid. Samma respondent antar värde 0 i övriga interaktionsvariabler för deltid. I regressionsanalyserna utelämnas en av dessa grupper. Den gruppen utgör då referensgrupp och riktningskoefficienterna för övriga interaktionsvariabler är därmed i jämförelse med referensgruppen (Djurfeldt 2009:110–111). På så sätt åskådliggörs skillnaderna i löneutveckling mellan exempelvis en man som jobbat deltid och en kvinna som jobbat deltid. Vilken grupp som utgör referensgrupp i
regressionerna framgår tydligt i tabellerna. För att testa studiens hypoteser inkluderas
interaktionsvariablerna i en initial modell. I denna modell kontrolleras det alltså inte för några övriga variabler vilket ger ett preliminärt resultat för interaktionsvariablerna. För att en eventuell interaktionseffekt inte ska vara påverkad av övriga faktorer inkluderas en rad olika kontrollvariabler i nästkommande modell. Bland dessa kontrollvariabler finns även övriga frånvaroorsaker med. Resultaten för interaktionsvariablerna i denna modell gäller då resten av kontrollvariablerna är konstanta. När det konstanthålls för modellens övriga variabler tar resultatet för sambandet hänsyn till modellens övriga variabler (Edling & Hedström 2003:79– 80). I modellerna redovisas även regressionernas r² värden. Dessa värden indikerar hur stor andel av variansen i den beroende variabeln som förklaras av modellen. R² värdet kan anta värden mellan 0 och 1 där ett högt värde innebär att modellen förklarar en stor andel av den beroende variabelns varians (Edling & Hedström 2003:95).
3.4 Validitet och reliabilitet
Då studiens data kommer från en extern part, det vill säga ett företag, är det så kallad
sekundärdata. Detta innebär att författarna inte har varit delaktiga under insamlingen av data och på så sätt inte kunnat kontrollera att datan är korrekt och att den samlats in på ett etiskt korrekt vis (Bryman 2018:832). Datamaterialet är från Handelsbanken Capital Markets löneregister som innehåller olika uppgifter om de anställda som exempelvis månadslön, kön och sjukfrånvaro. Uppgifterna fylls inte i av de anställda själva vilket utesluter en eventuell intervjuareffekt samt effekterna av exempelvis otydliga frågeformuleringar som skulle kunna påverka datamaterialets reliabilitet negativt (Djurfeldt, Larsson & Stjärnhagen 2018:104). Datamaterialets validitet, alltså datamaterialets giltighet bör även det vara högt då detta register utgör grunden till exempelvis löneutbetalningar. En kritisk reflektion angående
materialets validitet är huruvida månadslönen inkluderar eventuella årsbonusar. En sådan bonus skulle kunna höja årslönen utan att höja månadslönen och därmed ge denna studie ett resultat med lägre validitet (Djurfeldt et al. 2018:104). I enstaka fall under bearbetningen av datamaterialet i denna studie har vissa uppgifter behövts fyllas i manuellt av studiens
författare. När detta har skett har författarna fyllt i dessa uppgifter i var sitt dataset och sedan kontrollerat att de manuellt behandlade uppgifterna överensstämmer med varandra. Detta för att undvika inmatningsfel och därmed säkerställa hög reliabilitet (Djurfeldt et al. 2018:109).
Då denna studies datamaterial består av löneregisterdata och analyserar hela populationen (alla nuvarande anställda som varit anställda sedan 2017) är detta en totalundersökning (Djurfeldt et al. 2018:194). De resultat som framkommer i denna studie är därmed endast generaliserbara på just Handelsbanken Capital Markets Sverige och inte generaliserbara för andra banker eller liknande företag inom bank- och finansbranschen. Det faktum att denna studie är en totalundersökning innebär även att ett signifikanstest av resultaten inte har samma betydelse som i en studie baserad på ett urval av respondenter. I denna studie indikerar
statistisk signifikans att resultatet är starkt och värt att uppmärksamma. Ett resultat som inte är statistiskt signifikant betyder därmed att sambandet finns i populationen men att det inte är värt att lyfta fram (Djurfeldt et al. 2018:194). I studiens analyser redovisas
riktningskoefficienternas signifikans i form av p-värden. Detta p-värde anger sannolikheten för att sambandet är orsakat av slumpen (Djurfeldt et al. 2018:186). Signifikansnivån redovisas i tre nivåer, 90-, 95 och 99 procentig nivå.
4. Analys och resultat
4.1 Variabelöversikt
Tabell 1. Variabelöversikt med kategorisering, total fördelning, fördelning för kvinnor respektive män samt internt bortfall.
Variabel Kategorier/centralmått Total fördelning (kvinnor & män) Fördelning för kvinnor Fördelning för män Internt bortfall Löneutveckling 2017–2019 Median = 7 % 7,4 % 6,5 % 24 Månadslön (omräknad) 2019 Median = 2824 2348 3672 4 Kön Kvinna 319 (46,2 %) 0 Man 372 (53,8 %) Ålder Medelvärde = 45,2 46,1 44,4 0 År på HCM Medelvärde = 15,3 16,4 14,4 24 Utbildningsnivå Gymnasial 318 (46,0 %) 166 (52,0 %) 152 (40,9 %) 4 (0,6 %) Eftergymnasial 369 (53,4 %) 151 (47,3 %) 218 (58,6 %) Befattning Medarbetare 569 (82,3 %) 269 (84,3 %) 300 (80,6 %) 0 Chef 122 (17,7 %) 50 (15,7 %) 72 (19,4 %) Befattningsutveckling Oförändrad/sämre 659 (95,4 %) 307 (96,2 %) 352 (94,6 %) 0 Bättre 32 (4,6 %) 12 (3,8 %) 20 (5,4 %) Deltid Nej 619 (89,6 %) 255 (79,9 %) 364 (97,8 %) 0 Ja 72 (10,4 %) 64 (20,1 %) 8 (2,2 %) Föräldraledighet Nej 614 (88,9 %) 280 (87,8 %) 334 (89,8) 0 Ja 77 (11,1 %) 39 (12,2 %) 38 (10,2 %) Sjukfrånvaro Nej 242 (35,0 %) 74 (23,2 %) 168 (45,2 %) 0 Ja 449 (65,0 %) 245 (76,8 %) 204 (54,8 %) VAB Nej 489 (70,8 %) 209 (65,5%) 280 (75,3 %) 0 Ja 202 (29,2 %) 110 (34,5 %) 92 (24,7 %)
4.2 Analys och resultat hypotes 1 och 2
Tabell 2. Samband mellan deltidsarbete, föräldraledighet och löneutveckling mellan 2017 och 2019 på Handelsbanken Capital Markets. Riktningskoefficienter samt p-värden inom parentes.
Modell 1 2 3 4 Interaktionstermer Deltid
Ref: Kvinna med deltid
Man med deltid -3,561 (.452)
-2,166 (.616) Man utan deltid 2,011
(.244)
-1,958 (.246) Kvinna utan deltid 1,574
(.376)
0,086 (.959) Interaktionstermer F-ledighet
Ref: Kvinna med f-led
Man med f-led -3,899 (.178)
-4,042 (.133) Man utan f-led -1,694
(.433)
0,131 (.950) Kvinna utan f-led -2,918
(.181) 1,900 (.375) Ålder -0,576*** (.000) -0,572*** (.000) År på HCM 0,017 (.791) 0,016 (.802) Månadslön 2019 0,001*** (.001) 0,001*** (.001) Utbildningsnivå = Eftergym. Ref: Grundskola/gymnasium -0,105 (.913) -0,122 (.898) Befattning = Chef Ref: Medarb. 1,915 (.202) 2,020 (.180) Befattningsutv = Högre bef.
Ref: Sämre/oförändrad
9,683*** (.000)
9,540*** (.000) Deltid =Har deltidsarb.
Ref: Ej deltid
-0,027 (.986) F-led = Har varit f-led.
Ref: Ej F-led
-3,109** (.040) Sjukfrv = Har varit sjukfrv.
Ref: Ej sjukfrv.
-0,661 (.517)
-0,690 (.498) VAB = Har vabbat
Ref: Ingen VAB
-2,720** (.011) -2,711** (.012) Intercept 9,189*** (.000) 36,171*** (.000) 13,004*** (.000) 34,034*** (.000) R2 0,004 0,196 0,005 0,197 n 667 663 667 663
*90 % signifikansnivå= p <0,1. **95% signifikansnivå=p <0,05. ***99% signifikansnivå=p <0,01.
I modell 1 i tabell 2 undersöks löneutvecklingen för män och kvinnor som har deltidsarbetat respektive inte deltidsarbetat. I modellen är referensgruppen kvinnor som har deltidsarbetat någon gång under 2017–2018. Resultatet visar att en man som har arbetat deltid i snitt har en sämre löneutveckling jämfört med en kvinna som har arbetat deltid. Riktningskoefficienten för män som har arbetat deltid är negativ (-3,561). En man som har arbetat deltid har alltså i snitt 3,6 procentenheters sämre löneutveckling än en kvinna som har arbetat deltid. Detta resultat går i linje med studiens första hypotes, men resultatet är inte statistiskt signifikant. Av modellen framgår även att både kvinnor och män som inte har arbetat deltid i snitt har bättre löneutveckling än referenskategorin kvinnor som har arbetat deltid, inte heller dessa resultat är statistiskt signifikanta.
I modell 2 kontrolleras det för en rad olika kontrollvariabler samt övriga frånvaroorsaker som analyseras i denna studie. När det konstanthålls för dessa variabler förändras
riktningskoefficienterna för interaktionsvariablerna för deltidsarbete. Riktningskoefficienten för män som har arbetat deltid är fortfarande negativ (-2,161) men svagare än vad den var i modell 1. Detta innebär att en man som har arbetat deltid i snitt har 2,2 procentenheters sämre löneutveckling i jämförelse med en kvinna som har arbetat deltid, konstanthållet för övriga variabler. För män som inte har arbetat deltid är riktningskoefficienten negativ när det konstanthålls för kontrollvariablerna vilket innebär att en man som inte har arbetat deltid i snitt har en sämre löneutveckling i jämförelse med en kvinna som har arbetat deltid, även detta konstanthållet för övriga variabler. För kvinnor som inte har arbetat deltid är
riktningskoefficienten fortsatt positiv men något svagare än i modell 1. Inget av sambanden för deltidsarbete är statistiskt signifikanta. För att närmare undersöka vad som ligger bakom dessa förändringar testades modell 1 med enstaka kontrollvariabler. Denna känslighetsanalys visade att när det endast kontrolleras för ålder, månadslön och befattning sker en stor
förändring av interaktionsvariablernas riktningskoefficienter, främst för män.
Riktningskoefficienterna för interaktionsvariablerna var inte statistiskt signifikanta i dessa modeller heller. Det är alltså till stor del dessa kontrollvariabler som förklarar förändringarna på riktningskoefficienterna för interaktionsvariablerna. Modell 2 visar även att det finns positiva signifikanta samband mellan månadslön och löneutveckling samt mellan
befattningsutveckling och löneutveckling. Riktningskoefficienten för ålder är negativ och statistiskt signifikant. Detta samband visade sig vara kurvlinjärt. Detta undersöktes genom att inkludera en variabel med kvadrerad ålder. När både den ursprungliga åldersvariabeln och variabeln med kvadrerad ålder inkluderades i modellen var båda statistiskt signifikanta vilket
tyder på att sambandet för ålder är kurvlinjärt. Riktningskoefficienterna för antal år på HCM samt befattning var positiva medan koefficienten för utbildningsnivå var negativ. Inget av dessa samband var statistiskt signifikanta. Av de olika frånvarotyperna visade det sig finnas ett negativt statistiskt signifikant samband för föräldraledighet och VAB. R² värdet för modell 2 (0,196) innebär att variablerna i modellen förklarar 19,6 procent av variansen i den
beroende variabeln. Sammanfattningsvis visar modellerna att studiens första hypotes inte stöds då det inte finns någon statistiskt signifikant samband att deltidsarbetande män har sämre löneutveckling än deltidsarbetande kvinnor.
I modell 3 undersöks löneutvecklingen för män och kvinnor som har respektive inte har varit föräldralediga under 2017 och 2018. Modellen innehåller interaktionsvariabler för kvinnor och män som inte har varit föräldralediga samt män som har varit föräldralediga.
Referensgruppen i modell 3 är alltså kvinnor som varit föräldralediga. Resultatet visar att män som har varit föräldralediga i snitt har 3,9 procentenheters sämre löneutveckling i jämförelse med kvinnor som har varit föräldralediga. Sambandet är inte statistiskt signifikant men relativt nära då p-värdet är 0,178. Resultaten visar även att både män och kvinnor som inte har varit föräldralediga i snitt har sämre löneutveckling i jämförelse med kvinnor som varit
föräldralediga. Inte heller dessa resultat är statistiskt signifikanta. I modell 4 kontrolleras resultaten med kontrollvariabler och övriga frånvaroorsaker. Riktningskoefficienterna för interaktionsvariablerna har i olika omfattning förändrats när det kontrolleras för de nytillkomna variablerna. Riktningskoefficienten för män som varit föräldralediga har förändrats något men är fortfarande negativ. När kontrollvariablerna inkluderas ändras
riktningskoefficienternas värden för både kvinnor och män som inte varit föräldralediga. Utan kontrollvariabler var båda negativa. Kontrollerat för övriga variabler är de istället positiva. Även här undersöktes det mer noggrant för vad som orsakar denna förändring. Detta skedde genom att lägga in kontrollvariablerna var för sig. Den enskilt största orsaken till förändringen visade sig inträffa när det kontrolleras för ålder. När alla kontrollvariabler förutom ålder inkluderas är riktningskoefficienterna i samma riktning som de var i modell 3. Av modell 4 framgår även att månadslön och befattningsutveckling är positiva och statistiskt signifikanta medan ålder (kurvlinjärt) och VAB är negativt och statistiskt signifikant. Övriga
kontrollvariabler är inte statistiskt signifikanta. Variablerna i modell 4 förklarar 19,7 procent av variansen i den beroende variabeln. Resultatet visar därmed att studiens andra hypotes inte stöds då det inte finns något statistiskt signifikant samband som visar att män som varit föräldralediga har sämre löneutveckling än kvinnor som varit föräldralediga.
4.3 Analys och resultat hypotes 3 och 4
Tabell 3. Samband mellan sjukfrånvaro, VAB och löneutveckling mellan 2017 och 2019 på Handelsbanken Capital Markets.
Riktningskoefficienter samt p-värden inom parentes.
Modell 1 2 3 4 Interaktionstermer Sjukfrånvaro
Ref: Kvinna med sjukfrånvaro
Man med sjukfrånvaro 0,373 (.756)
-2,081* (.072) Man utan sjukfrånvaro 2,462*
(.058)
-1,381 (.295) Kvinna utan sjukfrånvaro 2,913*
(.090)
0,598 (.712) Interaktionstermer VAB
Ref: Kvinna med VAB
Man med VAB -2,089 (.242)
-2,295 (.193) Man utan VAB 1,168
(.416)
0,583 (.705) Kvinna utan VAB -0,465
(.756) 2,537* (.096) Ålder -0,577*** (.000) -0,576*** (.000) År på HCM 0,017 (.792) 0,018 (.778) Månadslön 2019 0,001*** (.001) 0,001*** (.001) Utbildningsnivå = Eftergym Ref: Grundskola/gymnasium -0,106 (.912) -0,101 (.916) Befattning = Chef Ref: Medarbetare 1,920 (.202) 1,903 (.206) Befattningsutv. = Högre bef.
Ref: Sämre/oförändrad
9,684*** (.000)
9,680*** (.000) Deltid = Har deltidsarb.
Ref: Ej deltid
-0,104 (.947)
-0,166 (.918) F-led. = Har varit f-led.
Ref: Ej F-led
-3,114** (.039)
-3,108** (.040) Sjukfrv. = Har varit sjukfrv.
Ref: 0 Dagar
-0,669 (.512) VAB
Ref: Ingen VAB
-2,721** (.011) Intercept 9,795*** (.000) 35,626*** (.000) 10,747*** (.000) 33,638*** (.000) R2 0,009 0,196 0,008 0,196 n 667 663 667 663
*90 % signifikansnivå= p <0,1. **95% signifikansnivå=p <0,05. ***99% signifikansnivå=p <0,01.
I modell 1 i tabell 3 analyseras hur sjukfrånvaro samverkar med löneutveckling för kvinnor och män. I modell 1 är referensgruppen kvinnor med sjukfrånvaro. Av modellen framgår att män med sjukfrånvaro har bättre löneutveckling än kvinnor med sjukfrånvaro. Detta samband är inte statistiskt signifikant. Av modellen framgår även att både kvinnor och män utan
sjukfrånvaro har bättre löneutveckling än kvinnor med sjukfrånvaro. Dessa samband är statistiskt signifikanta. I modell 2 inkluderas kontrollvariablerna samt övriga frånvaroformer. När det kontrolleras för övriga variabler visar resultaten att män som varit sjukfrånvarande i snitt har 2,1 procentenheters sämre löneutveckling än kvinnor som varit sjukfrånvarande, konstanthållet för övriga variabler. Detta samband är statistiskt signifikant och går i linje med hypotes 3. Av modell 2 framgår även att män utan sjukfrånvaro har sämre löneutveckling än referensgruppen samt att kvinnor utan sjukfrånvaro har något bättre löneutveckling än referensgruppen, konstanthållet för övriga variabler. Dessa samband är inte statistiskt signifikanta. Skillnaderna för riktningskoefficienterna för interaktionsvariablerna mellan modell 1 och 2 är relativt stora. För att mer noggrant undersöka vad som ligger bakom dessa förändringar genomfördes en känslighetsanalys genom att lägga in kontrollvariablerna var för sig. Denna analys visade att när det kontrolleras för ålder och månadslön sker stora
förändringar för interaktionsvariablernas riktningskoefficienter. Dessa variabler kan alltså till stor del förklara förändringarna i interaktionsvariablerna. Av modell 2 framgår det även att det finns negativa statistiskt signifikanta samband för ålder (kurvlinjärt), föräldraledighet och VAB, konstanthållet för övriga variabler. Sambanden för månadslön och
befattningsutveckling är positiva och statistiskt signifikanta konstanthållet för övriga variabler. R² värdet för modell 2 (0,196) innebär att modellen förklarar 19,6 procent av variansen i den beroende variabeln löneutveckling. Sammanfattningsvis innebär detta att resultatet av analysen stödjer studiens tredje hypotes eftersom det finns ett statistiskt
signifikant samband som visar att män som varit sjukfrånvararande har sämre löneutveckling än kvinnor som varit sjukfrånvarande.
I modell 3 analyseras löneutveckling för män och kvinnor som har respektive inte har varit frånvarande pga. vård av barn. Modellens referensgrupp är kvinnor som har vabbat.
Resultaten visar att män som har vabbat i snitt har 2,1 procentenheters sämre löneutveckling i jämförelse med kvinnor som har vabbat. Resultatet är inte statistiskt signifikant. Av modellen framgår det även att män som inte har vabbat i snitt har en bättre löneutveckling i jämförelse med kvinnor som har vabbat. Kvinnor som inte har vabbat har i snitt sämre löneutveckling jämfört med en kvinna som har vabbat. Inte heller dessa samband är statistiskt signifikanta. I
modell 4 inkluderas olika kontrollvariabler och övriga frånvaroorsaker. När det konstanthålls för dessa kontrollvariabler ändras riktningskoefficienten för kvinnor utan VAB från negativ till positiv. Sambandet är statistiskt signifikant. Detta innebär att kvinnor som inte har vabbat i snitt har 2,5 procentenheters bättre löneutveckling jämfört med kvinnor som har vabbat. Riktningskoefficienterna för män som har vabbat och för män som inte har vabbat är i princip oförändrade när det konstanthålls för kontrollvariablerna, inte heller här är koefficienterna statistiskt signifikanta. De enskilt största anledningarna till förändringen för kvinnor utan VAB inträffar när det kontrolleras för ålder och antal år på HCM. Det testades att kontrolleras för alla kontrollvariabler förutom dessa (ålder och antal år på HCM) och
riktningskoefficienterna för VAB skilde sig då inte mycket i jämförelse med modellen utan kontrollvariabler (modell 3). Dessa resultat var inte heller statistiskt signifikanta. Av kontrollvariablerna i modell 4 är sambanden för ålder (kurvlinjärt), månadslön, befattningsutveckling och föräldraledighet statistiskt signifikanta. Sambanden för
föräldraledighet och ålder är negativa. Sambanden för månadslön och befattningsutveckling är positiva. Variablerna i modell 4 förklarar 19,6 procent av variansen i procentuell
löneutveckling. Resultaten av analysen visar därmed att studiens fjärde hypotes inte stöds då det inte finns något statistiskt signifikant samband som visar att män som har vabbat har sämre löneutveckling än kvinnor som har vabbat.
5. Diskussion
Syftet med denna uppsats var att undersöka löneskillnader på Handelsbanken Capital Markets ur ett jämställdhetsperspektiv med fokus på olika former av frånvaro från arbetet. Detta avsnitt syftar till att driva diskussion kring studiens frågeställningar och hypoteser i relation till tidigare forskning och teori. Avslutningsvis presenteras studiens styrkor och svagheter samt förslag på vidare forskning.
5.1 Diskussion i relation till teori och tidigare
forskning.
Studiens första hypotes var deltidsarbetande män har sämre löneutveckling än
deltidsarbetande kvinnor. Resultatet från studiens analys stödjer inte hypotesen på grund av
att sambandet inte är statistisk signifikans. Däremot går resultatet i linje med hypotesen och tidigare forskning då det visar att en man som arbetat deltid i snitt har sämre löneutveckling än en kvinna som varit deltidsarbetande, konstanthållet för övriga variabler. Att resultatet inte är statistiskt signifikant skulle kunna bero på att det är få individer i urvalet som är
deltidsarbetande, framförallt bland män (8st). Variabeln är även grovt indelad för att få ett representativt urval, detta skulle kunna innebära att analysen missar den riktiga orsaken till sambandet. Detta innebär att analysen inte skiljer på om den anställda har varit
deltidsarbetande under hela tidsperioden eller om den anställda har jobbat deltid under en kortare tid. Variationsbredden bland de som varit deltidsanställda är alltså väldigt stor. Risken med denna grova kategorisering är att orsaken till den förväntade signaleffekten av att jobba deltid inte framgår. Å andra sidan hade en mer finfördelad kategorisering inneburit att variabeln inte skulle bli jämförbar då grupperna hade blivit för små. Att resultatet går i linje med hypotesen kan förklaras av att deltidslönegapet är större för män än för kvinnor (Russo & Hassink 2008:168). Kvinnor har generellt sett lägre medellön än män och detta skulle kunna bero på att kvinnor i högre utsträckning än män är deltidsarbetande. En man som arbetar deltid skulle därmed som heltidsarbetande haft en högre heltidslön än en kvinna. Ju längre mannen är deltidsarbetande, desto mer arbetslivserfarenhet går han miste om (Hirsch 2005:537–538; 539–540) och möjligheten till att bli befordrad minskar därför (Russo & Hassink 2008:168). Detta skulle i sin tur kunna förklaras av teorin om statistisk
diskriminering. Arbetsgivaren skulle kunna anta att en individ som är deltidsarbetande inte kommer att bidra lika mycket till företagets vinst som en person som är heltidsarbetande. Därför tror arbetsgivaren att det gynnar företaget att befordra en person som är
heltidsarbetande istället för någon som är deltidsarbetande, att det skulle ger en lägre kostnad för företaget på lång sikt (Phelps 1972:659). Anledningen till att män förlorar mer på att arbeta deltid skulle även kunna förklaras av att de (männen) sänder ut en signal av att inte vara dedikerade till arbetet och att arbetsgivaren då istället väljer att satsa resurser i form av löneökningar på anställda som arbetsgivaren uppfattar som mer dedikerade, dvs. de som är heltidsarbetande. Män som är deltidsarbetande på grund av att den anställda vill ha mer tid till barn och familj har tidigare visat sig skicka starka signaler om lägre produktivitet i arbetslivet,
