The aim of this paper is to present an original approach to estimate the gender pay gap. We propose a model-based decomposition, similar to the most popular approaches, where the first component measures differences in group characteristics and the second component measures the unexplained effect; the latter being the real gap. The novel approach incorporates model selection and bias correction. %, avoiding the main limitation of standard approaches, which is the dependence on the choice of explanatory variables and the functional form in regression. The pay gap problem in a small area context is considered in this paper, although the approach is flexible to be applied to other contexts. Specifically, the methodology is validated for analysing wage differentials by economic activities in the region of Galicia (Spain) and by analysing simulated data from an experimental design that imitates the generation of real data. The good performance of the proposed estimators is shown in both cases, specifically when compared with those obtained from the widely used Oaxaca-Blinder approach.


翻译:本文的目的是提出一种最初估计两性薪酬差距的方法,我们建议采用类似于最受欢迎的方法的基于模型的分解方法,第一个组成部分衡量群体特性的差异,第二个组成部分衡量无法解释的效果;第二个组成部分衡量的是实际差距;新颖的方法包括模式选择和偏差纠正。%,避免标准方法的主要局限性,即依赖解释变量的选择和回归的功能形式。本文审议了小领域的薪酬差距问题,尽管这一方法可灵活地适用于其他情况。具体地说,该方法经过验证,用于分析加利西亚(西班牙)地区经济活动的工资差异,分析模拟数据,模拟数据取自模拟数据生成的实验设计,在这两种情况下都显示拟议估算者的良好表现,特别是同广泛使用的瓦哈-布林德尔方法相比。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Viewpoint Estimation-Insights & Model
Arxiv
3+阅读 · 2018年7月3日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Top
微信扫码咨询专知VIP会员