Referenstråd: könsbaserad lönediskriminering

Kände ag inte till, men förvånar mig inte det minsta. Tyvärr.




Javisst är det så. Tycker för övrigt det är riktigt kul hur full av paradoxer denna propagandiska myt är. Exempelvis finns inte kön men det gör däremot en könsmaktordning. Att påstå att kvinnor av naturen är snällare och mer emotionella är förelgat och sexistiskt, men samtidigt skulle världen vara en fredligare plats om kvinnor fick styra för att kvinnor är, av naturen, snällare och mer emotionella. Inte heller finns det raser, men ändock kategoriserar man folk som "rasifierad". Individualitet är viktigt och alla ska få vara som de är, men samtidigt är alla ändå exakt lika. Det ska med andra ord vara jämställt fast ojämställt fast ändå inte.

Du tycker det, men saknar empiriska argument.


Nationalekonomin som vetenskap har nog utvecklats ännu snabbare än vad psykologin har gjort. Precis som ingen okritiskt skulle acceptera Freuds åsikter som sanningar, ska vi inte acceptera 50-talets ekonomers diton.

http://web.archive.org/web/20050310031039/http://www.ne.su.se/ed/pdf/25-1-emm.pdf

Läs och håll mun.

"Våra forskningsresultat är helt i överensstämmelse med det många forskare re-dan anat: direkt lönediskriminering är inte längre ett problem."(s.23/s.7 i pdf)

"Resultaten visar att kvinnor och män som arbetar på likartad befattning och samma arbetsplats har mycket liten skillnad i lön." (s.17/s.1 i pdf)

I en nyligen publicerad studie (2016) tittade man på skillnaden i avancemang för kvinnor och män som är föräldralediga. De konstaterar: [B]After the implementation of a gender-neutral clock stopping policy, the probability that a female assistant professor gets tenure at that university decreases by 22 percentage points while male tenure rates rise by 19 percentage points[/b].

De spekulerar i att orsaken kan vara att: "Men are more likely to be productive while their tenure clock is stopped and women are much less able to do so, yet they are treated equally under these policies. As a result, the policies actually increase the family gap in economics at research intensive universities. Since tenure at a highly-ranked school is a measure of professional success, this finding is important even if women are not more likely to leave the profession altogether"

Män fortsätter alltså att vara produktiva även när de är hemma med sina barn. Ytterligare något som talar för att "delad föräldraledighet" inte kommer ha den önskade effekten.

Ursäkta bumpen, men jag hittade den här tråden via en annan tråd som länkade hit och lyckades även hitta själva artikeln som ni diskuterar här, på en sida där man inte behöver betala något till Nature för att läsa den. Man kan läsa artikeln gratis här, och följande är min bedömning (baserat på min bakgrund inom matematisk statistik, ett ämne som jag har ett större antal högskolepoäng inom än åtminstone 99,99% av Sveriges befolkning):

Som jag utläser tabell 1 (sista sidan i PDF:en) och tillhörande beskrivning tidigare i artikeln så har författarna kört sex flervariabelregressioner på följande form.

Y = β₀ + β₁X₁ + β₂X₂ + β₃X₃ + β₄X₄ + ε

Här har variablerna följande innebörd:
Y är poängen som en sökande fått i kategorin "scientific competence" (ett tal mellan 0 och 4)
X₁ är ett av sex produktivitetsmått (man har alltså gjort en flervariabelregression per produktivitetsmått)
X₂ är en indikatorvariabel för den sökandes kön (av tabellen att döma har man troligen valt 0 = kvinna och 1 = man, men det gör ingen relevant skillnad för resultatet jämfört med att välja andra värden).
X₃ är en indikatorvariabel som har värdet 0 om den sökande inte har någon "affiliation" till någon i kommittén som sätter poängen och 1 annars.
X₄ är en indikatorvariabel som har värdet 1 om den sökande fått ett rekommendationsbrev som bifogas ansökan och 0 annars.
ε är feltermen.
De olika β-värdena är som vanligt koefficienterna i regressionen.

Läser man på sidan 3 i artikeln så ser man att det i själva verket använts 6 ytterligare X-variabler som även de är av indikatortyp (dvs kategoriska variabler av liknande typ som X₂, X₃ och X₄ ovan, snarare än variabler som kan anta många olika värden likt de sex olika produktivitetsmåtten som kallas X₁ ovan), men att dessa ej befunnits signifikanta i regressionerna.

De olika produktivitetsmåtten är som följer (sid 2):
1. Totalt antal publikationer där den sökande står som författare
2. Totalt antal publikationer där den sökande står som första författare
3. Total "impact score" för alla publicerade artiklar där den sökande står som författare
4. Total "impact score" för alla publicerade artiklar där den sökande står som första författare
5. Totalt antal citeringar i vetenskapliga sammanhang under 1994 av artiklar där den sökande står som författare
6. Totalt antal citeringar i vetenskapliga sammanhang under 1994 av artiklar där den sökande står som första författare

För 3 och 4 så baseras "impact score" på siffror från Institute of Scientific Information’s Journal Citation Reports. Artikeln publicerades 1997, så att antal citeringar uppmätts för år 1994 förefaller hyfsat rimligt.

Det förefaller alltså inte som att artikeln bygger på en rad envariabelregressioner (vilket hade varit ett gravt metodmisstag om så varit fallet), och med tanke på att det finns goda skäl att vänta sig hyfsat starka positiva korrelationer mellan de sex olika produktivitetsmåtten ovan så förefaller det även rimligt att inte ta med alla sex i samma ekvation då detta skulle bryta mot den generella principen om "parsimonious models" (att inte ha med för många variabler).

Detta gäller då i synnerhet mellan mått 1 och 2, mått 3 och 4 samt mått 5 och 6, medan man möjligen skulle kunna invända att det skulle kunna vara intressant att kombinera två av måtten (från olika par i så fall, dvs exempelvis mått 1 och 3) för att få en lite mer omfattande proxy för produktivitet.

TL;DR-version: Baserat på min analys ovan så ser jag inga grava fel vad gäller statistisk metodik, men det skulle förvisso kunna vara intressant att kombinera två eller kanske tre av produktivitetsmåtten.

Tjenare, tack för ett bra och seriöst inlägg.

Det som diskuterades är följande:

Modellen är alltså inte en multipel regressionsmodell utan, som John Segier nämner och Wold bekräftar, varje variabel har kört var för sig.

Som du säkert såg så länkade jag till själva artikeln, där det upprepade gånger står "multiple regression" och där de olika kategoriska variablerna (totalt nio stycken) presenteras på sid 3, medan de olika produktivitetsmåtten (totalt sex stycken) presenteras på sid 2.

Det är en aning beklagligt att man inte skrivit ut regressionsekvationen uttryckligt då detta gjort artikeln tydligare, men läser man texten så kan jag inte se någon annan tolkning än att det gjorts sex flervariabelregressioner, vardera med totalt tio förklarande variabler (ett av prestationsmåtten plus de nio kategoriska variablerna). Man förklarar sedan att bara två av de kategoriska variablerna befunnits signifikanta i alla de tre versioner av regressionen som totalt sett var signifikanta.

Tabellen på sista sidan ser inte ut som den brukar se ut om man använder någon av de stora statistikmjukvarorna nu för tiden, vilket ytterligare begränsar tydligheten, men jag vet å andra sidan inte om dessa vanliga mjukvaror var särskilt sofistikerade redan 1997. Det enda sättet jag kan tolka tabellen är att man listar skattningen av koefficienten β₁ och tillhörande p-värde för de tre produktivitetsmått som befanns signifikanta i kolumnen med rubrik "Competence points per productivity unit", medan man listar skattningarna av koefficienterna β₂ och β₃ och tillhörande p-värden i kolumnerna "Male gender" respektive "Reviewer affiliation" och slutligen skattningen av koefficienten β₄ med tillhörande p-värde i kolumnen "Recommendation letter " (denna är dock endast signifikant i kombination med produktivitetsmått 3, vilket framgår av koden NS för "not significant" på de två sista raderna).

I en normal output från SPSS, Stata, SAS etc nu för tiden så skulle man ju få en tabell med en rad innehållande koefficientskattning och p-värde per förklarande variabel samt ett F-test och R-square för respektive modell totalt sett, vilket skulle göra det tydligare, men jag kan inte tolka den befintliga tabellen på något annat sätt än att man de facto inkluderat minst fyra variabler i varje regression.

Vad gäller de sex olika produktivitetsmåtten så är det hyfsat troligt att de har rätt hög positiv korrelation med varandra, så det skulle inte vara vettigt att inkludera alla sex i en och samma regression. Som jag skrev skulle det möjligen kunna vara motiverat att kombinera mått 1 och 3, eller 1 och 5, eller 2 och 4, eller 2 och 6, etc. för att få en mer komplett skattning av produktivitet, men att bara stoppa in alla sex som separata förklarande variabler i en flervariabelregression skulle tveklöst bryta mot principen om "parsimonious models".

Tack så mycket, jag letade själv efter ett allmäntillgängligt ex när jag först diskuterade i den här tråden. Det är också detta som man kan läsa sig till att statistikerns (James Steigers) kritik mot studien går ut på. Det rör sig alltså inte om Omitted Variable Bias eller något annat allvarligt statistiskt fel i undersökningen. Fast det kunde man ju också gissa sig till utan några närmare statistikkunskaper med tanke på att det här är bland den mest internationellt citerade forskningen på ämnet.

Inte för att snoka, men har du en examen inom statistik?

Man kan med fog hävda att jag har mer än en examen med fokus på statistik (jag utelämnar detaljerna för att inte riskera att outa mig själv i onödan samt för att inte gå off topic). Jag har förvisso ingen doktorshatt, men det är likväl fullt möjligt att jag har fler högskolepoäng i matematisk statistik än många av de som faktiskt har doktorerat i ämnet.

Jag vet, jag har också läst den. Grejen är att Wold själv säger att hon körde dem en och en. Resultaten av deras regression ger också helt absurda siffror (estimaten för variablerna är väldigt mycket större än realistiskt möjligt) ex. var kvinnor, för att bli antagna, tvungna att publicera två toppartiklar mer än en genomsnittlig man. Detta är helt omöjligt eftersom det förmodligen inte fanns ett enda exempel på detta i urvalet.

Med tanke på att varken Wennerås, Wold eller Steiger har matematisk statistik som huvudämne så kan jag mycket väl tänka mig att det enkelt kan uppstå missförstånd om de ska diskutera statistisk metodik med varandra. Det är av själva artikeln att döma fallet att man använt en produktivitetsvariabel i taget, medan de nio kategoriska variablerna använts i var och en av de sex regressionerna.

Huruvida estimaten stämmer eller inte kan jag inte avgöra eftersom jag inte har tillgång till datamängderna. Det är ofrånkomligen beklagligt att W&W till synes inte såg till att bevara dessa för replikeringsstudier, i synnerhet med tanke på att artikeln blev så pass uppmärksammad.

Steiger (tror han heter James, inte John) är "Professor Steiger's research interests are (1) multivariate correlational methods, especially factor analysis, structural equation modeling, and methods for comparing and evaluating correlations, (2) power analysis and precision analysis, (3) the use of confidence intervals and tests of close fit to evaluate the fit of statistical models, (4) development of models for the distribution of multivariate statistical tests, and (5) development of statistical software." Så han, om det är James och inte John) kan nog sin multipla regressionsanalys.

Estimaten stämmer inte vilket med största sannolikhet beror på att de kört varje variabel för sig (något som Wold själv sagt att de gjort). När man gör detta, som du redan vet, kommer ju estimaten bli missvisande och i det här fallet med stor sannolikhet att överskatta de faktiska värdena. Värt att notera är att ingen annan hittade dessa resultat samt att Wold och Wennerås vägrade lämna ut sin data för någon annan att analysera. Behöver inte vara konspiratoriskt lagd för att fatta misstankar varför den uppsats som byggt hela hennes karriär (publicerades ju trots allt i Nature vilket i princip gör dig till en vetenskaplig rockstjärna över en natt). Intressant nog kom Wold fram till att en kvinna behöver två sådana publiceringar mer än en man för att få anställning. Tror du det finns ett enda exempel på det? Hur många Svenskar publicerar i Nature på en 10-års period?