Effects of Being in an Occupation - Is ISCO 1 Digit Classification Enough to Model Wages in Poland?

• Autorzy: Maciej Ryczkowski

Warianty tytułu

Efekt wykonywanego zawodu - czy wykorzystywanie klasyfikacji ISCO na poziomie jednej cyfry wystarcza, żeby modelować wynagrodzenia w Polsce?

• Języki publikacji: EN

Abstrakty

EN

Contrary to neoclassical assumptions of perfect competition, there is a consensus that factors affecting wages include sex, level of education, age, job experience, occupation, post, work-related responsibility and a whole set of personality traits. The paper presents an econometric model that allows to explain wage differences in Poland and extends analyses of wage determinants in Poland by taking into account occupations broken down in accordance with the 2-digit level of International Standard Classification of Occupations (ISCO). The analysis shows that ISCO 2 digit level is an important and statistically significant determinant of wages in Poland, while models of wages basing on ISCO 1 digit might be not enough to properly capture the role of occupations. (original abstract)

W przeciwieństwie do neoklasycznych założeń doskonałej konkurencji istnieje konsensus, że do czynników wpływających na wysokość uzyskiwanego wynagrodzenia zaliczyć należy płeć, poziom wykształcenia, wiek, doświadczenie zawodowe, wykonywany zawód, posiadane stanowisko, stopień odpowiedzialności związanej z wykonywaną pracą oraz cały zestaw indywidualnych cech osobowościowych. W artykule posługując się Międzynarodową Klasyfikacją Zawodów i Specjalności (ISCO) na poziomie 2 cyfr uzyskano oceny parametrów strukturalnych modelu, które pozwalają wyjaśnić różnice wynagrodzeń w Polsce. Na podstawie przeprowadzonej analizy stwierdzono, że wykonywany zawód, mierzony na poziomie ISCO 2 cyfry jest ważną i statystycznie istotną zmienną oddziałującą na wysokość uzyskiwanego wynagrodzenia w Polsce. Modelowanie wynagrodzeń wykorzystujące klasyfikację ISCO, ale ograniczoną tylko do poziomu 1 cyfry, może być niewystarczające, aby prawidłowo uchwycić znaczenie wykonywanego zawodu dla uzyskiwanego wynagrodzenia. (abstrakt oryginalny)

Słowa kluczowe

EN

Shaping remuneration; Occupations classification; Econometric modeling

PL

Kształtowanie wynagrodzeń; Klasyfikacja zawodów; Modelowanie ekonometryczne

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2015
• Tom: 62
• Numer: z. 3
• Strony: 321--344

Twórcy

autor

Maciej Ryczkowski

• Nicolaus Copernicus University

Bibliografia

• Adamchik V. A., Bedi A. S., (2001), Persistence Of The Gender Pay Differential in a Transition Economy, ISS Working Paper No. 349, Hague: Institute of Social Studies.
• Adamchik V. A., King A. E., (2007), Labor Market Efficiency in Poland: A Stochastic Wage Frontier Analysis, The International Journal of Business and Finance Research, 1 (2), 41-50.
• Bagger J., Fontaine F., Postel-Vinay F., Jean-Marc R., (2014), Tenure, Experience, Human Capital, and Wages: A Tractable Equilibrium Search Model of Wage Dynamics, American Economic Review, 104 (6), 1551-96.
• Basu S., Estrin S., Svejnar J., (2005), Employment Determination in Enterprises Under Communism And In Transition: Evidence From Ventral Europe, Industrial and Labor Relations Review, 58 (3), 353-369.
• Brülhart M., Koenig P., (2006), New Economic Geography Meets Comecon Regional Wages And Industry Location In Central Europe, Economics of Transition, 14 (2), 245-267.
• Cieślik A., Rokicki B., (2013a), Regional Wage Determinants In Poland: The Empirical Verification of the NEG Approach, Bank i Kredyt, 44 (2), 159-174.
• Cieślik A., Rokicki B., (2013b), Regional Structure of Wages in Poland Over the Period 1995-2009, Equilibrium, 8 (3), 65-78.
• CSO (2014), Structure of Wages And Salaries By Occupations in October 2012, Central Statistical Office, Warsaw, Poland.
• Groot S., Groot H., Smit M., (2011), Regional Wage Differences in the Netherlands: Micro-evidence on Agglomeration Externalities, CPB Netherlands Bureau for Economic Policy Analysis Discussion Paper, 184.
• Hellerstein J. K., Neumark D., (2004), Production Function and Wage Equation Estimation with Heterogeneous Labor: Evidence From a New Matched Employer-employee Data Set, NBER Working Paper Series, 13, 345-371.
• Magda I., Rycx F., Toyerow I., Valsamis D., (2011), Wage Differentials Across Sectors in Europe. An East-west Comparison, Economics of Transition, 19 (4), 749-769.
• Marcinkowska I, Ruzik A., Strawiński P., Walewski M., (2008), Badanie struktury i zmian rozkładu wyna-grodzeńw Polsce w latach 2000-2006, Ministerstwo Pracy i Polityki Społecznej, Warszawa.
• Mincer J., (1974), Schooling,Experience and Earnings, National Bureau of Economic Research, New York.
• Mortensen, D. T., (2003), Wage Dispersion: Why Are Similar Workers Paid Differently?, MA, MIT Press, Cambridge.
• Mouw T., Kalleberg A. L., (2010),Occupations and the Structure of Wage Inequality in the United States, 1980 to 2000s., American Sociological Review, 75 (3), 402-31.
• Murphy K., Welch F., (1990), Empirical Age Earnings Profiles, Journal of Labor Economics, 8 (2), 202-229.
• Mysíková M., (2012), Gender Wage Gap In The Czech Republic And Central European Countries, Prague Economic Papers, 3, 328-346.
• Newell A., Socha M., (2007), The Polish Wage Inequality Explosion, Economics of Transition, 15 (4), 733-758.
• O'Darchai S., (2011), The Gender Pay Gap In Research: A Comparison Of 23 European Countries, Brussels Economic Review - Cahiers Economiques De Bruxelles, 54 (2/3), 237-275.
• Pryor F. L., (2013), Research Note: Intraoccupational Wage Dispersion, WorkingUSA: The Journal of Labor and Society, Volume 16, 389-394.
• Rokicka M., Ruzik A., (2010), The Gender Pay Gap in Informal Employment in Poland, Case Network Studies and Analyses, No. 406, Warsaw.
• Ryczkowski M., (2012), Analysis of Selected Unemployment Determinants in Poland and Selected Proposals for the Fight Against, in: Balcerzak A. P., (ed.), Labor Markets After Global Financial Crisis, Polish Economic Society Branch in Toruń.
• Simón H., Ramos R., Sanromá E., (2006), Collective Bargaining and Regional Wage Differences in Spain: An Empirical Analysis, Applied Economics, 38, 1749-1760.
• Śliwicki D, Zwara W., (2012), Wpływ wykształcenia na aktywnośćekonomicznąi wynagrodzenia, Polityka edukacyjna wobec rynku pracy, 115, 255-265.
• Śliwicki D., (2012), Czynniki determinujące poziom wynagrodzenia, Wiadomości Statystyczne, 10 (617), 1-15.
• Śliwicki D., Ryczkowski M., (2014), Gender Pay Gap in the Micro Level - Case of Poland, Quantitative Methods in Economics, 15 (1), 159-173.
• Stiglitz, J., (1974), Wage Determination and Unemployment in L.D.C.s: the Labor Turnover Model, Quarterly Journal of Economics, 88, 194-227.
• Strategia rozwoju społeczno-gospodarczego Polski Wschodniej do roku 2020(2008), dokument przyjęty przez RadęMinistrów w dniu 30 grudnia 2008 roku uchwałą278/08, Ministerstwo Rozwoju Regionalnego, Warszawa, 25-47.
• Van Ours J. C., Stoeldraijer L., (2010), Age, Wage and Productivity, IZA Discussion Paper No. 4765.
• White H., (1980), A Heteroscedasticity-consistent Covariance Matrix Estimator and a Direct Test for Heteroscedasticity, Econometrica, 48, 817-838.
• Willis R. J., (1986), Wage Determinants: A Survey And Reinterpretation Of Human Capital Earnings Functions, in: Ashenfelter O., Layard R., (eds.), Handbook of Labor Economics, Volume L, Elsevier Science Publishers BV.