Пару недель назад поделилась в LinkedIn статистикой по gender pay gap — разницей в зарплатах между мужчинами и женщинами. 30% gender gap для людей, закончивших магистратуру или PhD, вызывает отчетливый нервный тик у талантливых женщин.
Поэтому моя экс-коллега и CPO Аня позвала меня
⚡️тут классный Анин канал про продуктовое и предпринимательство!⚡️
Что важно, когда мы говорим про гендерный разрыв в оплате труда? Есть 2 вида gender gap:
💡 Нескорректированный гендерный разрыв в оплате труда — unadjusted gender pay gap
Разница между средними или медианными зарплатами работающих мужчин и женщин. Обычно используют оплату в час или сравнивают “на один доллар, заработанный мужчиной, женщина зарабатывает 70 центов”. Unadjusted pay gap не учитывает опыт, образование, тип занятости и должности.
Зачем он вообще нужен, если отражает среднее по больнице? Через unadjusted pay gap мы видим общее неравенство: насколько больше у женщин неоплачиваемого репродуктивного или домашнего труда, насколько “закрыты” высокооплачиваемые отрасли и должности.
А еще unadjusted gender gap проще всего померить, поэтому его используют большинство популярных статей. Именно он используется в картинке Statista как отражение общего экономического неравенства.
💡 Скорректированный гендерный разрыв в оплате труда — adjusted gender pay gap
Тут уже максимально “чистый” pay gap: разница в оплате труда мужчин и женщин, у которой нет объяснения. Одинаковые должности, опыт работы, образование и степень занятости. Просто почему-то женщины получают меньше за точно такую же работу.
По adjusted pay gap удобно мерить предвзятость — gender bias.
Собственно, отчет World Economic Forum фокусируется на экономическом неравенстве, а не на gender bias. И поэтому использует нескорректированный гендерный разрыв.
Как тогда читать картинку Statista?
Я обращаю внимание на регион, время и способ получения данных. У нас социологические данные по Штатам за 2022 год по (в основном) нескорректированному гендерному разрыву. Единственный фактор, исключенный из разрыва — уровень образования. Может ли влиять, что цифры получены через опросы? В общем случае да, но Statista использует данные хорошего бюро, поэтому я верю, что выборки и кросс-проверки в опросах были норм.
Кроме того, из других исследований я знаю, что именно в Штатах скорректированный гендерный разрыв маленький (меньше 1%). А значит bias — предвзятость — небольшой.
Получается, что данные Statista показывают высокий уровень экономического неравенства между мужчинами и женщинами в Штатах в 2022 году. И замечают, что классовое неравенство усугубляет, а не сглаживает экономическое неравенство. Тут я использую образование как прокси социального класса и возраста одновременно.
Мои мысли про данные:
1. отсутствие социальных гарантий и регулирования декрета для обоих партнеров на уровне государства отвечает за 20-22% pay gap
2. на управляющих позициях и в высококвалифицированной работе есть либо дополнительная предвзятость, либо штраф за материнство
Кстати, кроме pay gap можно смотреть на:
⚡️ доступ к разным ступеням образования (эта категория вдохновляющая, gap закрыт почти на 95%)
⚡️ медицина и дожитие — моя попытка перевести Health&Survival выглядит неуклюже (тоже осталось только 4% разрыва)
⚡️ участие в экономике (40% разрыв)
⚡️ политическая власть (77% разрыв)
Индекс гендерного неравенства, объединяющий все категории, называют global gender gap или общий гендерный разрыв. И до закрытия global gender gap по разным оценкам осталось всего от 130 до 300 лет 😭
На следующей неделе расскажу, что происходит в разных регионах. И что делать с разными соотношениями adjusted и unadjusted gender pay gap.