在英国公共和私人部门收入:2017

• 在控制了各种个人和职业特征,平均有一个积极的收入(包括养老金)微分的公共部门。

• 积极的微分支持公共部门主要集中在低技能工人和工人在较小的机构组织的大小。

• 高技能员工在公共部门往往有较低的收益比受雇于私营部门和主要行业知识密集型的服务。

• 相对低薪员工最大的收益从公共部门的就业优势;高薪员工,差距仍然存在的公共部门的工作在较小的机构,然而,大型私人部门的就业组织对这些员工的业绩产生积极的影响。

整体数据的中值和平均收益的公共和私人部门发表在年度调查的时间和收入:2017临时和2016年修订后的结果。这些部门之间的直接比较是困难的原因有很多。

公共和私营部门的构成是不同的。他们由不同行业、职业和员工与不同的教育,经验和技能水平。例如,私人和公共部门人力资本的不同。在公共部门,一个更高比例的员工有一个学位教育或更高。此外,私营部门就业变化明显比公共部门。私营部门有一些拿最低工资,但也有一些收入最高,而在公共部门,工资分布更均匀分布。因此很难直接比较两个部门之间使用一个简单的意思(或中位数)收益,不考虑一系列因素与一个人的收入,如作业类型、员工特征和工作地点¹。回归模型可用于账户尽可能行业之间的差异。回归分析和其局限性的更多信息,参见质量和方法论部分。

公私收益比较的另一个原因是不简单的不仅仅是员工薪酬由工资。员工的奖励包可能包括额外的货币收益,比如奖金和养老金,和非货币性福利,如公司汽车、制服、健康保险和工作生活质量。这些好处不包括在工资总额。这种分析集中在工资总额和养老金因为养老金贡献是员工薪酬的重要组成部分。它也代表一个主要成本公共和私营部门的雇主。

数据源和回归模型

数据的主要来源是工作时间和收入的年度调查(几乎)所有员工4月份的收入没有受到缺乏成年利率支付。

有几个要点需要注意这分析和回归模型中使用的方法(回归方法和进一步的信息定义在质量和方法部分),这是详细的在这一节中。

阿西娅数据集不包含所有影响支付的因素如教育、员工能力或动机。

阿西娅数据集仅覆盖在英国支付员工的收入,不包括个体收益数据(通常是一些报酬最高的工人,以及一些拿最低工资)。

三个变量估计使用回归分析:每小时工资,每小时总奖励包括养老金和每小时总奖励包括养老金和工资的牺牲。

阿西娅的调查要求雇主和雇员贡献了多少养老金,如果员工属于工作场所的养老金计划。我们使用这个信息和“总奖励”定义为每小时工资的总和+小时雇主养老金贡献²。这也可以视为当前和递延收益的总和。

雇主可以导致养老代表员工通过这一过程被称为“薪水牺牲”。这样的安排存在,成员和雇主都受益于较低的国民保险支付。因此,雇主贡献水平可以影响薪水牺牲安排,即更高的贡献是由雇主和成员的回报接受较低的工资率。阿西娅2017年的调查问题5 e和5 g问员工养老金贡献是否通过薪水牺牲安排。此外,我们估计三分之一的收入,通过薪水牺牲员工使他们的养老金。这是如何计算的更多信息,请参见质量和方法论部分。

应该注意的是,虽然这些估计提供了一个更完整的收益差异的分析,养老金的真实价值可能被低估³。雇主养老金固定收益计划,实际成本是基于退休后的一系列因素,如:

• 职业生涯平均收入

• 通货膨胀率

• 退休年龄

• 养老金任期

• 预期寿命

• 权责发生制率

• 一次性因素

因此,计算养老金固定收益计划的真正价值需要一系列的假设和个人养老金计划——这是不可能的数据集使用阿西娅也不太可能这么做,使用单一的数据来源。

造型总奖励使用回归分析时,我们中一个变量指示员工是否收到任何好处(参见2017年阿西娅问卷问题6 c)来控制对福利的影响收入⁴。

加班工资以更高的速度将增加员工的时薪而无薪加班将会有效降低工作时薪。时薪的标准阿西娅的措施不包括加班因为扣除加班给更同比(工作模式)的工人之间的比较。然而,加班费可以分析的一个重要考虑事项“总奖励”有时人们积极地寻找工作,加班的机会,提高他们的薪酬总额。加班费和总工作时间的员工都包含在阿西娅,我们调整了每小时工资加班费。

奖金也可以是员工薪酬的重要组成部分。在这篇文章中,奖金调整是由阿西娅的时薪数据集使用的平均周薪系列(每月发表基于每月工资和薪金调查),为了更好地占全年奖金的时机。估计在本文中并没有因此直接可比与出版在2017年阿西娅临时结果,不让这对奖金的时间调整。

的一致性随着时间的推移,这些银行机密的员工在2008年公共部门一直被当作他们在私营部门。

笔记:你需要知道的关于这个版本的事情

1. 分析收入差距还应该考虑随机排序之间的个人领域,因为他们可能有不同的特征(包括观察和未被注意的),让他们选择自己到不同部门和这些特征可能与他们的收入显著相关。

2. 注意,阿西娅(Q-6b)只问是否任何养老金计划的员工是组织运行或促进了他或她的工作,然而,个人不得属于另一个(私人)养老金计划。

3. 养老金的真正价值也可以高估员工可能失去的钱在一个固定缴款(DC)计划投资策略或不利的经济环境较差。

4. 这个变量的预期符号是负的在控制了个人和工作特性影响收益,然而,在这种情况下,提高员工的生产力,变量的符号可以积极收益有积极与生产力的关系。

本节将考虑许多因素中可用工作时间和收入的年度调查(阿西娅)数据集和被认为是在本文中提供的收益模型。简单平均被认为获得初步了解个体间收入差异与不同的特征,如年龄和性别和与工作相关的特征,如公共或私人部门,行业组织在私营部门,职业集团地区就业,工作任期内,工作状态和雇主的大小。

养老金和工资牺牲

养老金占员工薪酬的很大一部分,因此重要的是要考虑在任何收益的分析。部门之间的养老福利成分显著不同。

表1显示,93%的员工在公共部门属于固定收益养老金计划,而在私营部门,只有13%的员工属于固定收益计划。部门之间养老入学率也大大不同,33%的私营部门雇员不属于任何工作场所的养老金计划。在公共部门,只有11%的员工不属于一个养老金计划。这个数字可能下降几年引进“自动登记”。有关更多信息,请参见工作场所的养老金。

表2显示,2014年贡献率为员工和雇主倾向于更高的公共部门,参与率也相对较高,大多数固定收益计划。注意,这些是最新发布的估计,这是可用的平均贡献率职场养老金,养老金类型和行业数据集。更多关于贡献率,看到养老金短篇小说:员工资格自动报名:工作场所贡献养老金,2005年到2014年。

表3显示的比例安排员工薪水牺牲。这表明私营部门员工更有可能比在公共部门薪水牺牲的安排。

个人特征

年龄

年龄是影响利润的重要因素,因为这往往是一个代理经验和技能随着时间的累积。图1表明,分布在私营部门的工作更倾向于年轻的年龄组,而就业的分布在公共部门更倾向于年龄更大的年龄组。

图1 b还显示了不同年龄段的当前平均时薪在公共和私营部门。平均时薪无论部门大幅上升在年轻人群与工作相关的技能和经验奖励。峰值在40到44岁这两个行业中,私营部门平均收益水平(不包括养老金)仍略高于公共部门年龄在35 - 39,55 - 59年。在这两个行业的平均收入开始下降50至54岁,私营部门的平均收入下降更快。

平均时薪为所有员工(包括养老金)随着年龄的增长也大幅上升。平均而言,公共部门的收入(包括养老金)仍高于私营部门在每个年龄群。

性别

表4显示了男性和女性的比例两个行业之间的不同。在公共部门,约三分之二的员工是女性,而在私营部门只有42%的员工是女性。

之间也有不同的“总奖励”部门。我们估计使用阿西娅2017年的调查数据显示,女性收入低于男性平均在两个领域。在公共部门,增加养老金平均时薪增加平均收入约£3为男性和£2为女性。在私营部门,包括养老金增加平均时薪约£1人。

职业(技能)组

收益可能会随着工作的技术水平的增加而增加。因此,盈利部门的差异可以部分解释成分差异的比例在每个员工的技能水平。阿西娅的调查不包括员工的教育程度或其他技能的属性,但是,它记录了职业的员工使用2010年2010年标准职业分类:SOC提供的类型的工作。

SOC 2010分配工作职业,根据描述,认为资质等级和类型的任务来进行。这使得SOC职业技能水平的良好指标测量。因此,对于这种分析完全由职业和技能的定义分为四大技能水平使用SOC 2010。

专业或upper-skill组工作包括职业,如科学家,工程师,和健康和教育的专业人士,而基本职业或低技能组职业包括农场工人、窗户清洁工,服务员,服务员和处理人员。质量和方法论部分提供更详细的每个技能的职业群体。

图2显示了一个更大比例的公共部门员工的专业和上中等技能组(63%)相比,私营部门(49%)。

表5显示了的意思是,中位数和标准差的时薪(包括养老金)的分解职业领域。平均时薪为不同职业相对比较类似的大部分行业。然而,中位数和标准差¹表明,私营部门比公共部门收入分布分散,表明最高和最低收入者之间的差异是大得多的私营部门。

标准差的最大区别是观察到的“经理、董事和高级官员”职业,标准差约£28在私营部门相比,约£17在公共部门。这可能是由于影响盈利的因素,比如年龄,然而,工作在同一职业组差异显著的相关水平的教育资格、技能或责任和可能不是均匀分布在公共和私营部门之间。例如,工作在一个狭隘的职业类别的“教学和教育专家”包括所有教学大学讲师等专业人士,中学教育教学专业人士或幼儿园老师和分配公共和私营部门之间的这些工作并不完美的平衡。

即使在一个更狭隘的职业如“律师”可以有各种不同类型的技能,专业化和生产力水平的工人。例如,一个律师在伦敦一家跨国律师事务所工作可能有不同的专业化(因此不同的劳动生产率水平影响他们的收益)律师事务所律师工作在一个小地方,但都有相同的狭隘的职业分类。

与工作相关的特征

产业构成

我们之前的出版物进行收益分析在公共和私营部门在广泛的方式,也就是说,每个部门都作为一个整体对待。然而,私人部门是非常多样化的组成不同类型的行业不同的工作条件,看似的技能、生产力水平和工作内容类似的职业。

表6显示了的意思是,中位数和收益的标准差聚合行业团体在私营部门和公共部门和私人部门作为一个整体。它表明,在私营部门的平均收入不同行业团体之间相差很大。例如,在知识密集型的服务行业,平均时薪(包括养老金)£12高于平均时薪少知识密集型的服务行业。

表6中还表明,平均时薪私营部门作为一个整体低于公共部门。表6 b显示的一个原因是,相对较高的份额(约40%)的员工在私营部门工作在相对低技术和低生产率服务部门(基本知识密集型服务业)将降低私人部门作为一个整体的平均收入。这反映了一个事实,许多公共部门的技术水平较低的工作已经外包给私营部门。

此外,多项研究表明,在许多国家有巨大而持久的收益差异看似相似的各行业工人和工作。

已经提出了各种各样的解释这一现象。这些包括:

• 补偿工作条件的差异对一些不可测量的不良方面在某些行业,如不愉快的和不安全的工作条件在一些采矿等行业的竞争

• 未被注意的质量的工人(当未被注意的劳动力的质量并不是随机分布的行业)

• 在职培训或行业经验可能不是随机分布的行业之一

• 劳动力市场的不完美如公司的市场力量,歧视,租金分享,非盈利最大化公司和劳动力供给弹性

位置

地理位置是另一个因素可以影响收益。当地劳动力市场条件和生活成本可以在地理影响工资的因素。

图3显示了平均时薪包括养老金为员工选择职业群体——专业的职业和基本的职业。平均收入的员工的基本职业是整个地区大体相似,然而,专业人士在伦敦获得平均约£7超过2017年在北爱尔兰。

组织规模

许多实证研究表明一个强大和积极的雇主规模和收益之间的关系。

理论原因大公司能够支付更多包括规模经济,如:

• 技术经济——节约成本的大规模生产技术或专业化的劳动力

• 采购经济批量购买

• 行政储蓄

• 金融储蓄——可以借钱比小公司更便宜

• 风险承担经济

然而,公司也可以变得太大,规模不经济。

其他的解释包括:

• 更高的劳动生产率由于更好的资本投资和capital-skill互补,因此,工人们可以根据他们支付更高的生产力

• 市场力量,与员工分享他们的超额利润

• 加入工会的员工

• 替代高监督成本和工资溢价

• 更好的培训员工(导致更大的生产力)

• 更好的雇佣实践——可以雇佣更多的合格的工人

• 内部劳动力市场来增加员工的稳定性

图4显示,在2017年,将近60%的员工工作岗位在组织拥有超过500名员工,私人和公共部门之间有明显的差异。在公共部门,大约90%的员工工作在组织拥有超过500名员工,而这只是46%的私营部门。将近一半的员工工作在私营部门组织只有不到250名员工,而在公共部门,只有7%的员工工作在组织和250名员工。

表7显示,没有收益影响因素控制,平均在大型组织的员工往往比员工挣更多的小组织。公共部门员工的平均收入接近私营部门雇员的收入更大的组织。

其他因素

其他与工作相关的因素如全职或兼职或临时工作的状态也会影响员工的收入。这些因素的回归分析控制阿西娅中可用数据集(有关更多信息,请参见回归模型规范的回归分析模型的收益差异部分)。

收益分配

图5显示,平均时薪(包括养老金)高出一般公共部门员工在收入分布,除了前10%,私营部门的员工挣得更多。平均每小时公共部门收入超过了私营部门的收入减少了£0到£5每小时直到第91百分位的收入分布。在这一点上,意味着公共和私人部门的收入(包括养老金)每小时约£32。2017年4月,私营部门雇员收入的99支付约£12每小时超过第99百分位的员工的时薪在公共部门。

笔记:收益影响因素-描述性分析

1. 低于中位数的意思时,分布与尾巴向左倾斜延伸向正确的(高值),因此一个长尾的值(左边)拉低平均下来。标准偏差是一个统计显示一组的值是如何传播的意思。低标准偏差意味着大多数的值非常接近的意思。标准偏差意味着高值分布。

前一节中被认为是一个特征比较私人和公共部门之间的平均收入。这将创建一个部分的收益有多个员工个人和工作特点,可以影响他们的收益。回归模型可以用来解释其中的一些差异,包括控制他们。回归分析技术注释提供更多的细节。这个回归分析估计的收益差别类型的个人当模仿的控制因素。

回归模型规范

因变量

• 日志bonus-adjusted的时薪。

• 日志bonus-adjusted时薪包括养老金(雇主)。

• 日志bonus-adjusted时薪包括养老金(雇主)和薪水牺牲(如果雇员养老金通过薪水牺牲)。

• 有关更多信息,请参见质量和方法论部分。

控制变量

回归使用以下控制变量影响收益的可衡量的因素:

• 性——有一个区别男性和女性的分布在公共和私营部门

• 年龄和年龄的平方——收入和年龄之间的关系是非线性的(见质量和方法部分)

• 职业分类——四大职业分组基于技术水平:上层、中上层,降低中低(详细描述这些看到的质量和方法部分)

• 地区(地区的工作位置)——这个术语可能捕捉产业和劳动力市场结构的影响(例如,短缺的职业可能是不同的在不同的地区和行业在该地区)地区的收益

• 组织规模,私营企业分为六公司大小团体和公共部门被视为一组大小;从统计的角度来看,超过90%(如图4所示)的工作在公共部门也在大型组织中,组织大小的夹杂物会导致共线性的问题和影响精度的估计公共和私营部门支付微分

• 全职或兼职状态,研究表明,这两个族群之间的收入差异或员工可以后依然存在控制工作和个人特征影响收益被认为是;原因包括两组的系统观察和未被注意的特点,不同的人力资本积累和雇主的固定的劳动力成本

• 永久或临时身份——研究显示,在控制了个人和职业特征,终身合同制工人可以赚的比工人固定期限合同与类似的显性特征影响收益

• 工作任期小于等于6个月,6至12个月,1年,2年,2到5年,5到10年,10到20年和20多年,工作任期是organisation-specific代理经验,对收益的影响

• 实物福利——虚拟变量来控制任何其他利益受到一个员工,可能影响员工的收入水平;例如,员工可以同意放弃他们的薪水来换取利益的一部分,如公司汽车或健康保险

交互方面

我们使用以下交互项的影响反映在收益的一个决定因素是影响另一个变量的水平:

• 性的平方乘以年龄和性别乘以年龄——潜在的代理工作经验年龄男性和女性是不一样的,也就是说,女性比男性更职业中断

• 占领乘以年龄和职业的平方乘以年龄——返回为不同职业工作经验可能会有所不同,例如,专业职业与基本的职业

• 职业组乘以组织大小——组织的效应大小可能不同,不同的职业分类根据内部劳动力市场理论,大公司提供更多的工人和一个合适的职业比赛的机会,因此,平均而言,工人在大公司工作更好的匹配,赚取更高的工资;条件的工资,他们不太可能会从这个公司分离出去”,但更有可能换工作在公司内,而工人的工资溢价更高更长的任期

• 职业团体乘以地区-行业劳动力市场结构对收益的影响可能在不同的地区

有关如何解释的更多信息互动变量的系数,看到质量和方法论部分。

回归模型没有组织的大小

有支持和反对包括组织大小的回归模型。包括它的理由是,从私营部门有明确证据表明大型组织的员工平均收入超过员工在小型组织类似的工作。前一节中概述了潜在的原因。如果组织规模对收入的影响,那么它应该控制在模型中回归模型的目的是计算公共部门收入差异毕竟其他影响因素已经被控制了。

然而,另一种观点是认为,公共部门雇员应该赚一样的私营部门的员工,无论组织规模。在这种情况下,这将是有用的成果不包含组织的大小。

模型中没有组织的大小,先前定义的所有变量都是一样的,除了该公司规模变量。而不是分裂私营部门的公司大小,我们将私营部门由五个行业团体讨论第三节。该模型具有以下交互术语:

职业集团乘以行业,行业的影响可能不同不同的职业群体,例如,劳动力供给和需求为同一职业或激励条件可能在不同的行业。

的分析影响盈利的因素用小时和收入的年度调查数据集线性回归使生成的系数线性回归模型和为变量名和提供元数据模型规范。质量和方法论节解释如何解释这些结果。

结果1 -回归分析包括组织的大小

鉴于我们有私营企业分割成六个不同的大小团体,而收益发生显著的变化在不同规模的私营企业,是有用的比较模仿私人部门工资在不同规模的组织与公共部门。

自组织的影响大小在私营部门也可以根据不同职业群体(交互建模的术语“职业集团乘以组织规模”),我们现在比较每个类别的职业。图6 - 6 d显示平均时薪的比例差异相比,公共部门员工与员工在不同大小的私营部门组织工作了四个职业团体和不同收入的定义。

线性模型的结果是,交互与部门和公司占领的大小。结果在图6 - 6 d是通过使用个人的估计系数的影响职业团体、公司规模和职业团体和公司大小之间的相互影响。结果是如何计算的更多信息,请参见质量和方法论部分。

图6表明和中低技能较低的员工工作在公共部门平均年收入超过similarly-skilled私营部门的员工无论大小的组织。然而,员工在公司在中层和上层的技能组平均50岁以上的员工往往比员工挣得更多私营部门在同一个技能组在公共部门。例如,upper-skilled工人在251到500名员工的公司的收入平均比公共部门的同行高出11%。

6 b、6 c的数据显示,公共部门收到更大的平均薪酬包几乎在每一个职业分组,不管私营部门的公司规模,当养老金(图6 b)和养老金和工资牺牲(图6 c)中包含的时薪。中上的例外是对员工职业与超过500名员工,员工为公司工作upper-skilled职业在251到500名员工的企业。他们挣的钱平均略高于公共部门的同行中包括养老金时薪。公共和私营部门的薪酬总额最大的区别,是upper-skilled职业发现在小公司,公共部门员工的收入平均超过42%的私营部门雇员的公司不到11个员工。

私人和公共部门收入的差异(包括养老金)很难解释,因为32%的私营部门工人不属于雇主养老金计划运行或促进,而这一数字只有11%在公共部门。进行同比对比这两个领域,一个运行回归只看那些养老金。

图6 d显示,当检查只有那些属于工作场所养老金计划,公共和私营部门之间的差异仍然很大程度上有利于公共部门。然而,总薪酬差异是比以前少在公共部门工作人员和那些中上和上层技能在小型组织工作。例如,那些在upper-skilled职业在公共部门的收入平均比私有部门的同行在31%的公司不到11个员工。upper-middle-skilled职业中只有员工为公司工作超过500名员工和员工upper-skilled职业在251年至500年的公司员工平均收入稍微要比公共部门的同行相比的养老金计划。

其他因素的分析

工作任期

图7比较了业绩差的工作任期组与那些已经工作了六个月或更少的,没有养老金。它表明,一个人的工作的时间越长,他们挣的钱越多,即使占所有其他个人和与工作相关的因素,如性别、职业、行业和地区。这些结果都是计算使用估计系数的回归模型。

模型还表明,后续的每一组挣的比前一组,与在同一工作了20年以上收入多25%比刚开始的工作。

位置

的年度调查的时间和收入(阿西娅)2017估计在每一个职业群体和图3表明员工在伦敦工作赚的比类似的员工位于英国的其他地区和国家。图8显示了,这种情况仍在控制了各种个人和工作特性影响收入,高技能职业有最大的收益差。例如,在控制了影响业绩的因素,员工在upper-skilled职业在英国国家和地区(南东除外)获得约25%(包括养老金)低于同行在伦敦工作。员工在南东有第二高的收入在英国每一个职业群体。

之前估计的回归的输出为每个可用的数据集,包括前几年。

其他因素

控制所有收益的影响因素,为模型,包括养老金,一部分时间工人在2017年赢得了9%不到全职工人在控制了其他因素和临时工挣不到2%永久的工人。模型中不包括养老金,兼职员工获得8%不到全职工人和临时工赚了1%不到永久雇员。

结果2 -回归分析包括组织的大小

图9和9 b显示百分比差异平均时薪员工的公共部门与私营部门员工工作在不同的行业组织了四个职业群体。

线性模型的结果是,交互职业群体有不同的行业组织。结果获得通过使用个人的估计系数的影响职业团体、行业组织和两组之间的相互影响。

图9显示,员工在所有职业团体在知识密集型的服务工作和主要行业在私营部门倾向于赚的比公共部门的同行,upper-middle-skilled职业发生最大的区别。的职业团体,私人部门员工平均收入低于公共部门的同行如果他们工作在知识密集型的服务行业,最大的差异发生的upper-skilled职业团体。

图9 b显示,当养老金是包含在收益,员工在中低和upper-skilled职业团体的知识密集型服务业仍然赚的比公共部门的同行。然而,收益没有区别的技术水平较低的职业团体之间的知识密集型服务业在公共部门和私营部门。所有的工人的知识密集型的服务业,如图9所示的差异变得更大,养老金是包含在收益。

这一分析表明,扣除养老金,公共部门员工在知识密集型服务业的收入平均不到那些私营部门。另一方面,私营部门的员工在知识密集型服务业收入越少平均不到公共部门雇员;然而,这些差异时增加平均养老金都包含在收益。

结果1节详细,包括组织的大小,进行可比的基础上比较两个部门之间没有组织的大小,运行一个回归只看那些属于一个工作场所的养老金计划。

图9 d显示当检查只有那些属于工作场所养老金计划,公共和私营部门之间的收入差异仍然很大程度上有利于员工在知识密集型的服务行业。所有的工人的知识密集型的服务业,如图9 b和9 c的差异变小,当我们比较员工养老金。

之前估计的回归的输出为每个可用的数据集,包括前几年。

结果3 -分位数回归

线性回归模型考虑了不同公共和私营部门工人的平均收入。这并不考虑这一事实支付往往是窄的分布比私营部门在公共部门,如表6所示,所以并没有给出一个完整的画面。可以使用分位数回归方法估计的不同公共和私营部门工人的平均工资,以及在每一个百分比的区别,例如,第五和第十百分位。这是非常有用的,因为它表明如果工资差距是不同的在不同的点的分布,影响不能被意味着回归。

应该注意,估计在不同分位数的收入分配比较平均每小时支付一定分布的公共部门员工的平均工资一定分布的私营部门的劳动力。例如,如果我们观察一个积极的公共部门溢价在低端的分布,这并不一定意味着如果一个人在这部分的收入分配工作在公共部门转移到私营部门,他们将获得一个较低的小时工资。

相反,它意味着个人的公共部门收入分配——条件观察特征——挣每小时平均溢价较低端的个人私人部门收入分配。私人和公共部门员工之间的收入差距已经估计第二,第五和第十百分位数,中间值和第75、第90、第95和第98百分位数用分位数回归模型排除和包括组织大小。

表8表明之间的收入差异的公共和私营部门的就业变化显著的收益分配,相对低薪员工有最大的收益从公共部门的就业优势。高薪员工,差距仍然存在的公共部门的工作在较小的机构,然而,大型私人部门的就业组织对这些员工的业绩产生积极的影响。

没有控制组织大小、表8 b显示更少的知识密集型服务业的员工有负面各级收益差的收入分布、微分是最大的员工在低端的分布。员工在知识密集型的服务和主要行业普遍受益更多私营部门工作如果他们收入高于中位数。在知识密集型的服务,年收入低于中位数的负收益差异相对较小。

结束语

本文的分析发现,在控制了各种个人和职业特征,平均有一个盈利差的公共部门。积极的微分支持公共部门主要集中在低技能工人和工人在较小的组织,当组织规模被认为是。

没有控制组织的大小,公共部门也有一个积极的平均工资差别,然而,高技能的员工在公共部门往往有较低的收益比受雇于私营部门和主要行业知识密集型的服务。

分位数回归分析提供了一个更完整的图片公私部门的分配收益差比的估计意味着收入差异。分析表明,公共和私营部门之间的收入差异沿着收益分配就业大幅变化,相对低薪员工有最大的收益从公共部门的就业优势。高薪员工,差距仍然存在的公共部门的工作在较小的组织;然而,大型私人部门的就业组织对这些员工的业绩产生积极的影响。

没有控制组织的大小,员工在知识密集型的服务业有负收益越少各级微分的收入分布、微分是最大的员工在低端的分布。

然而,收入差异并不完全解释为员工的可观测的个人或工作特性包括在回归模型中。文献提供了一些理论解释为这些帐户,如垄断权力的政府提供的公共服务,这可能导致非竞争性的薪资,不同目标的政府(例如,政治或收入分配)和私营部门(例如,利润最大化)或不同的工资讨价还价的权力。

另外,回归估计能误导各种技术原因。这些包括数据的局限性,抽样偏差、遗漏变量,non-sampling错误,自己挑选的问题。技术问题的详细说明,请参见质量和方法论部分。

调查的细节

的年度调查时间和收益(阿西娅)是基于样本的1%员工工作来自英国皇家税务与海关总署支付你赚(PAYE)记录。从雇主和获得收益和时间信息视为机密。阿西娅不包括个体户,也不涉及员工参考期间不支付。的年度调查的时间和收益质量和方法信息报告包含重要的信息:

• 数据的优点和局限性,以及它如何与相关数据

• 使用和用户的数据

• 输出是怎么形成的

• 输出的质量:包括数据的准确性

2010年SOC分类

的2010年2010年标准职业分类:SOC劳动力市场分为9个主要群体,基于标准等资格,每个工作相关的技能和经验。

这九大组进一步可以组合成四个技能组(水平一到四,一级表示相对较低的技能需求和水平四个表示相对较高的技能需求)。表9描述了每个技能组的一些重要的特征。

2012年3月,2011年阿西娅在SOC估计发表2010个基点(他们以前发表在SOC 2000个基点)。由于SOC的一部分,阿西娅数据加权的方法来产生估计英国,这个版本标志着一个新的时间序列的开始,因此应该小心当与更早些年的比较。

同样,方法论的变化在2004年和2006年在阿西娅也导致不连续时间序列。2014年2月28日,我们发表了方法论的注意解释标准职业分类的变化的影响在公共和私营部门的估计。

相关性

阿西娅的收益信息与税前工资总额,国民保险或其他扣除和不包括支付。除了年度收益,结果调查限于收益相关的支付期,所以排除支付拖欠的另一个时期在调查期间;任何付款由于由于支付解决但尚未支付的时候调查也将被排除在外。

大多数发表的阿西娅分析(即不包括年度收益)对成年利率的收益与员工的薪酬调查期间没有受到影响。他们的收入不包括那些没有一个完整的星期工作和收入的减少因其他原因,如疾病。同时,他们不包括员工的收入不是成人的比例支付,他们中的大部分人将被年轻人。更多的信息在年轻人和兼职员工的收入有主要的调查结果。全职员工的定义是那些工作每周支付超过30小时或那些在教学职业工作25小时以上/周。

抽样误差

阿西娅旨在提供高质量的统计数据在各种工业的收益结构,地理、职业和年龄相关的故障。然而,这些统计数据的质量取决于各种不同来源的错误。

抽样误差的结果之间的差异目标人群和样本的人口。抽样误差变化部分根据样本容量为任何特定的故障或“域”。

Non-sampling错误

阿西娅的统计数据也受到non-sampling错误。例如,有已知的阿西娅的覆盖样本之间的差异和目标人群(即所有员工工作)。工作,不注册PAYE计划不调查。这些工作是已知不同PAYE人口,他们通常有低水平的工资。因此,阿西娅的估计平均工资可能会偏向向上对人口的实际平均工资的员工。

的偏见也会影响阿西娅的估计。这可能发生,如果受访者不提供信息的工作是不同的受访者的工作提供信息。阿西娅,这可能是一个向下的偏见获利预估,因为情况是影响高薪职业比低收入的职业。

阿西娅的进一步的信息质量,包括一个更详细的讨论范围和情况说明错误,我们的档案网站上是可用的。

劳动力调查的权重

返回的数据来自阿西娅的英国人口总数加权劳动力调查(LFS)。LFS本身最近再加权,使用修改后的英国和地方性的人口估计符合2011年的人口普查和人口预测更新。我们发现有在阿西娅结果的影响可以忽略不计。进一步的信息LFS权重对我们的LFS用户指导页面可以找到吗

统计记录

因变量是用日志的形式。如果一个变量的分布有一个积极的倾斜,采取自然对数的变量有时有助于拟合变量模型。同样,当因变量的变化与百分比变化在一个独立的变量,或者反过来,关系更好的建模的自然对数或变量。

定义的收入用于回归分析

时薪=(周薪参考段总值除以总参考期间带薪工作时间)

地点:

周薪参考段总值=基本每周收益+奖金支付这一时期有关支付期+附加保险费支付支付期间轮班工作和晚上或周末不视为加班+每周加班工资支付周期+支付支付期间收到的其他原因。

参考期间支付的总工作时间=基本每周支付工作时间+每周参考期间加班工作时间支付。

每周每小时工资包括养老金=(总收益除以每周总工作时间支付)+小时雇主养老金。

养老金提供了阿西娅的形式每周雇主和员工的贡献。每小时数量,每周雇主养老金贡献除以总支付每周小时。

时薪包括养老金和工资牺牲=每小时工资包括养老金+小时员工养老金如果他们通过薪水牺牲。

在薪水牺牲方案中,薪水牺牲是记录在员工养老金贡献。得到一个价值收益包括养老金和工资牺牲,雇员和雇主养老金都添加到工资总额作为一个小时¹。

所有收益变量已经被调整到占奖金使用数据的平均周薪(AWE)系列。用敬畏的数据,我们计算平均奖金数量,平均收入的比例为每一个(2007年2007年标准产业分类:碳化硅两位数)行业在公共和私营部门。阿西娅的时薪乘以这个奖金比例bonus-adjusted时薪。

泰勒级数近似

当占员工的年龄在回归模型中,我们已经将一个变量对年龄和年龄的平方;这是由于泰勒级数近似。泰勒级数近似告诉我们,对于许多光滑函数,他们可以用一个多项式近似,所以包括诸如x ^ 2或x ^ 3让我们估计的系数近似为一个已知或未知非线性函数Χ,或在这种情况下。

交互方面

以及独立变量在模型中观察到的套件,包括许多交互条款。这些被添加到占假设一些相互作用特征。

存在显著的相互作用表明,第一个独立变量的影响(α1)因变量(Y)是不同的在不同的第二个自变量的值(α2)。是通过添加一个测试项的模型两个独立变量增多,如下:

Y = A +β1 *α1 +β2 *α2 +β3 *α1 *α2

向模型添加一个交互项显著变化的解释所有的系数。如果没有交互项,β1将被视为独特的效果在Y(在这种情况下收益)。但互动意味着α1的影响α2 Y是不同的不同的值。所以,1的独特的效果是不限于β1,但也取决于β3和α2的值。

1的独特的效果是由所有乘以α1模型中,如下:

β1 +β3 *α2。β1现在解释为α1的独特的效果只有当α2 Y = 0。

解释模型的输出时,需要注意变量的系数。当独立变量的初始状态和因变量在其对数转换状态(对数线性模型)每增加一个单位的独立变量的期望值增加Y (exp *β)。

对于小的β值,大约exp *β≈1 +β。我们可以使用这个下面的近似系数的快速解读:(100 *β)是预期的百分比变化量为一个单位增加独立的变量。例如,对于β= 0。06,exp *。06≈ 1.06, so a one unit change in the independent variable corresponds to (approximately) an expected increase in Y of 6%.

回归分析及其局限性

在分析看着两个变量之间的关系,它可以容易推断一个变量直接相关。例如,一个结论,比如“在公共部门员工的平均收入高于平均收入的员工在私营部门”只会是合理的如果我们可以证明两组之间没有其他重要的差异可能会影响研究结果的员工,比如技能或工作特性的差异。

回归分析使我们能够通过保持恒定的所有变量在模型中同时测量的尺寸和强度两个特定的变量之间的关系。如果回归结果显示两组之间的重要关系,这意味着两人都一模一样,除了他们的就业部门会有不同的平均收入。这意味着收入和就业部门之间的直接关系,甚至当其他变量纳入分析。因此,回归分析的主要好处是,它提供了一个更好的方法比分析看一次只两个变量之间的关系,确定这些因素可以影响一个人的收入。

然而,每一个分析方法都有其局限性和回归分析也不例外。以下部分总结一些重要注意事项应牢记的统计假设底层这里使用的技术和推理的类型,可以从发现。

模型的解释力

回归模型的解释力(即收益的方差解释了模型)分析中使用55%左右。

重要的是要注意,模型的解释力可以被遗漏了重要的因素影响,可观察到的和不易观察,造成收益,比如培训工作,其他可观测变量不包含在阿西娅如教育、和个人动机、生产力,只能观察到用人单位。

变量遗漏偏差

在一个理想世界中,一个回归模型应包括所有相关的变量与结果相关联(即变量分析如收益)。在现实中,然而,我们要么不能观察所有潜在的收益影响因素(如员工的生产力)或受限于任何信息收集调查数据回归分析中使用。

如果一个相关因素是不包括在模型中,这可能导致的影响变量,包括虚实。当省略变量与模型中包含的变量,这些变量的系数估计会有偏见和不一致的。然而,估计系数是省略变量的影响较小,当这些都不是与包含的变量(也就是说,估计无偏和一致)。在后一种情况下,唯一的问题会增加估计系数的标准差,这可能会给误导性的结论估计参数的统计学意义。

因果关系

基于横截面回归分析观测数据不能建立关系是否发现了独立和相关的变量之间的因果关系。例如,通常的假设是,个人特征,如职业、是独立的变量,这些变量可能会影响收益(将这里视为因变量)。然而,变量如职业选择可能与收益共同决定(也就是说,一些职业选择和收益之间的联系可能是由于收益对职业选择的影响)。

自己挑选

随机选择的员工到不同的部门也可能影响结果的回归结果。自己挑选的偏见会影响结果,如果人的特点,让他们选择自己变成一组是不同的,这些特点是与收入有关。

Multi-collinearity依赖变量(或关联)

如果两个或两个以上的自变量的回归模型是高度相关,模型作为一个整体的可靠性不是减少而是个人不能精确估计回归系数。这意味着分析可能不是给有效的结果对个人独立变量,或哪些独立变量冗余对他人。这个问题变得越来越重要,因为独立变量之间的相关性的大小(即multi-collinearity)增加。

测量问题

分析比较了聚合一群如职业或行业的平均收入在公共和私营部门之间。然而,在这些群体就业、技能和责任可以很多样,分布公共和私营部门之间的这些工作可能不是平衡。例如,工作在一个狭隘的职业类别的“教学和教育专家”包括所有教学大学讲师等专业人士,中学教育教学专业人士或幼儿园老师和分配公共和私营部门之间的这些工作并不完美的平衡。

即使在一个更狭隘的职业如“律师”可以有各种不同类型的技能,专业化和生产力水平的工人。例如,一个律师在伦敦一家跨国律师事务所工作可能有不同的专业化(所以不同的劳动生产率水平影响他们的收益)律师事务所律师工作在一个小地方,但都有相同的狭隘的职业分类。

笔记:质量和方法论

1. 注意,雇主可以高估了总量可能包括员工的贡献。

我们要感谢亚伦•沃尔顿,埃德•班罗杰·史密斯,埃德·莫斯卡伦科和马克钱德勒的贡献和方法论的建议。