NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

Hasonló dokumentumok
Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

REGIONÁLIS GAZDASÁGTAN B

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

JOG ÉS KÖZGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter

VÁROS- ÉS INGATLANGAZDASÁGTAN

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

AZ ÁTMENET GAZDASÁGTANA POLITIKAI GAZDASÁGTANI PILLANATKÉPEK MAGYARORSZÁGON

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

VÁROS- ÉS INGATLANGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

MIKROÖKONÓMIA I. Készítette: Kőhegyi Gergely, Horn Dániel. Szakmai felelős: Kőhegyi Gergely június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

GAZDASÁGSZOCIOLÓGIA I.

VÁROS- ÉS INGATLANGAZDASÁGTAN

REGIONÁLIS GAZDASÁGTAN B

BEVEZETÉS A PSZICHOLÓGIÁBA

BEVEZETÉS A PSZICHOLÓGIÁBA

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

Előítéletesség a szabadúszóknak szóló online piactereken. Aniko Hannak Claudia Wagner

Nemek közötti bérkülönbség, diszkrimináció és esélyegyenlőtlenség a nők helyzete és esélyei Magyarországon

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

MIR. Diszkrimináció. Dr. Finna Henrietta

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

KÖZELKÉP MUNKAPIACI DISZKRIMINÁCIÓ. Szerkesztette Lovász Anna & Telegdy Álmos

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

EGÉSZSÉG-GAZDASÁGTAN

MIKROÖKONÓMIA II. B. Készítette: K hegyi Gergely. Szakmai felel s: K hegyi Gergely február

SZOCIÁLPOLITIKA. Készítette: Gál Róbert Iván, Nyilas Mihály. Szakmai felelős: Gál Róbert Iván, Nyilas Mihály június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

ELTE TáTK Közgazdaságtudományi Tanszék ESSZÉÍRÁS. Készítette: Reich Orsolya. Szakmai felelős: Wessely Anna június

VÁROS- ÉS INGATLANGAZDASÁGTAN

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

VÁROS- ÉS INGATLANGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter

GAZDASÁGSZOCIOLÓGIA I.

VÁROS- ÉS INGATLANGAZDASÁGTAN

VÁROS- ÉS INGATLANGAZDASÁGTAN Készült a TÁMOP /2/A/KMR pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK

Jobbak a nők esélyei a közszférában?

VÁROS- ÉS INGATLANGAZDASÁGTAN

Meghívó. Program November 11. péntek

A KOMMUNIZMUS GAZDASÁGTANA

KAPITÁNY ZSUZSA MOLNÁR GYÖRGY VIRÁG ILDIKÓ HÁZTARTÁSOK A TUDÁS- ÉS MUNKAPIACON

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Mikroökonómia I. B. ELTE TáTK Közgazdaságtudományi Tanszék. 8. hét TERMÉKPIACI EGYENSÚLY VERSENYZŽI ÁGAZATBAN

VÁROS- ÉS INGATLANGAZDASÁGTAN

A KOMMUNIZMUS GAZDASÁGTANA

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

AZ ÁTMENET GAZDASÁGTANA POLITIKAI GAZDASÁGTANI PILLANATKÉPEK MAGYARORSZÁGON

munkaerőpiaci tükör 2006

VÁROS- ÉS INGATLANGAZDASÁGTAN

KÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely június

Modern piacelmélet. ELTE TáTK Közgazdaságtudományi Tanszék. Selei Adrienn

FEJLŐDÉSGAZDASÁGTAN. Készítette: Szilágyi Katalin. Szakmai felelős: Szilágyi Katalin január

KÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely június

Munkaerőpiaci tükör 2013

10. KLASSZIKUS MUNKAPIACI DISZKRIMINÁCIÓ

A diszkrimináció mérése

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

GAZDASÁGSZOCIOLÓGIA I.

ELTE TáTK Szociálpolitika Tanszék SZOCIÁLPOLITIKA. Szakmai felelős: Gál Róbert Iván, Nyilas Mihály

Tartalom. Első rész Elemzések / 7

Jobbak a nők esélyei a közszférában? A női-férfi bérkülönbség és a foglalkozási szegregáció vizsgálata a köz- és magánszférában

GAZDASÁGSZOCIOLÓGIA II.

GAZDASÁGI ISMERETEK JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

GAZDASÁGSZOCIOLÓGIA II.

Karrier gyermekvállalás előtt és után. Cukrowska-Torzewska Ewa, Lovász Anna, Szabó-Morvai Ágnes Szirák November

Átírás:

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi Intézet, és a Balassi Kiadó közreműködésével.

ELTE TáTK Közgazdaságtudományi Tanszék NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK Készítette: Lovász Anna Szakmai felelős: Lovász Anna 2011. június

NEMEK ÉS RASSZOK KÖZÖTTI GAZDASÁGI EGYENLŐTLENSÉGEK 3. hét Készítette: Lovász Anna Szakmai felelős: Lovász Anna

Olvasnivalók a jövő hétre Borjas 10.7 Lovász Telegdy 2009, Tükör mérési része Weichselbaumer Winter-Ebmer 2005

Statisztikai diszkrimináció Ízlés alapú diszkrimináció: egyenlő termelékenységű kisebbségi/többségi dolgozók közötti munkapiaci különbségek az előítéletesség következményeként Statisztikai diszkrimináció: nincs előítélet, de a csoportbeli hovatartozás ad valami információt a várható termelékenységről Információhiány: profit maximalizáló munkáltató nem tudja, melyik jelentkezőnek mennyi a termelékenysége, ezért csoportszintű statisztikákat is figyelembe vesz Irodalom: Phelps (1972), Aigner & Cain (1977), Lundberg & Startz (1983)

Statisztikai diszkrimináció példa Ügyvédi irodába jelöltet keresnek 2 jelölt: egyező CV, tulajdonságok, interjú 1 férfi, 1 nő Nincs előítélet, preferencia Munkáltatónak fontos, hogy hosszabb távon maradjon a jelölt, nagy befektetés a betanítás Melyik jelöltet foglalkoztassa? Eddigi statisztikák (tapasztalatok) alapján a nők gyakran elhagyják az irodát húszas évik közepén szülni Ez alapján a nők nagyobb valószínűséggel elmennek A férfit veszi fel: a várható profitot maximalizálja

Csoportszintű különbségek a termelékenység eloszlásában A magasabb átlagtermelékenységű csoport tagjai jól járnak, a másik csoport tagjainak árt a hovatartozásuk. Ha van a csoportok között átlagos különbség, a csoportbeli hovatartozást jelzésként használják a munkáltatók. Minél közelebb esnek egymáshoz a csoportok termelékenységének eloszlásai, annál költségesebb a statisztikai diszkrimináció. Forrás: Pearson Education, Inc.

Jellemzők Racionális döntés: a bizonytalanság csökkentésére statisztikák használata A jelzési (signaling) modellel ellentétben a dolgozó itt nem tudja befolyásolni a munkáltató által figyelembevett jellemzőt Nem csak a munkapiacon: New York-i taxisofőr idős néni vagy baseballsapkás fekete ifjú közül a néninek áll meg inkább Biztosítók: nők kevesebb autóbalesetet okoznak átlagosan, ezért alacsonyabb díjat szabnak meg Pont tegnap tiltották be az EU-ban! nőknek díjnövekedés Driving While Black igazoltatás egyenlőtlensége, eddigi bűnözés/ittas vezetési statisztikák miatt Racial Profiling terroristák általában arab származásúak, őket többször motozzák a repülőtereken

Formális modell T = teszteredmény (CV, interjú, tesztek: az összes rendelkezésre álló információ az egyén termelékenységéről) Ha T = VMP (tökéletesen korrelál a teszteredmény és a határtermelékenység): w = T A valóságban T nem tökéletesen jelzi VMP-t (magas T lehet rossz dolgozó, stb.) statisztikai diszkrimináció: munkáltató figyelembe veszi Ť-t, a csoport átlagos teszteredményét Ekkor a bér: w = αt + (1-α)Ť ha α=1 w=t: nincs statisztikai diszkrimináció, ha a T tökéletesen korrelál a VMP-vel ha α=0 w=ť: csak a csoportátlagot veszi figyelembe a munkáltató, ha T nem korrelál a VMP-vel α: T és VMP korrelációját méri, magasabb α T jobban jelzi a termelékenységet Példák? Milyen foglalkozásnál nehéz előrejelezni a termelékenységet?

Eltérő átlagos teszteredményű csoportok ŤW > ŤB: a kisebbségi dolgozók átlagosan alacsonyabb eredményt érnek el w = αt + (1 α) Ť ha α 1, lesz bérkülönbség T* teszteredményt elérő többségi dolgozó többet keres mint egy azonos eredményt elérő kisebbségi dolgozó. Forrás: Borjas (5th edition), chapter 9, highered.mcgraw-hill.com

A teszt jelzésértéke csoportonként eltérő ŤW = ŤB, αw > αb (a teszt pontosabban jelzi a többségi dolgozók termelékenységét, mint a kisebbségiekét) B egyenes laposabb, a bér kevésbé függ az eredménytől ŤB jobban számít W: saját T számít jobban a magas eredményt elérő többségi dolgozók többet, míg az alacsony eredményt elérők kevesebbet keresnek, mint a hasonló kisebbségi dolgozók. Forrás: Borjas (5th edition), chapter 9, highered.mcgraw-hill.com

Jó-e a statisztikai diszkrimináció? Hatékonyság: nem előítélet/rosszindulat, profitmaximalizáló racionális döntés, az információhiány következménye magas piaci verseny mellett is fennmarad egyenlő várható termelékenységű dolgozókkal egyenlően bánnak (bár az egyenlő valós termelékenységűekkel nem) sok közgazdász szerint jó: optimális viselkedés Törvényesség: általában tiltja a törvény munkáltatók nem dönthetnek nem, rassz, kor, fogyatékosság alapján (védett csoportok): equal opportunity employer nehéz bizonyítani, úgyhogy előfordulhat Igazságosság: még ha valóban jogos (hatékony) is, a diszkriminált kisebbségi csoport termelékeny (nem bűnöző stb.) tagjaival szemben nem igazságos

Humántőke befektetés és a tiltás hatásossága Lundberg & Startz (1983) Jogi és közgazdasági értelemben más a diszkrimináció fogalma Közgazdászok: nincs diszkrimináció ha amennyiben a csoportok átlagos képessége egyenlő, a bérük is az L&S: diszkrimináció: ha W és B csoport átlagos veleszületett képessége egyenlő, de ww wb Két fő kérdés: mi a helyzet, ha a statisztikai diszkrimináció kihat a munkapiac előtti humántőke befektetési döntésekre? sikeres szakpolitika a csoportbeli hovatartozás figyelembevételének tiltása?

Lundberg & Startz modell (1983) Modell: munkáltatók profitmaximalizálók: bér = várható határtermelékenység dolgozók: a bér iskolázási költségek különbséget maximalizálják termelékenységük függ a veleszületett (innate), és a szerzett (acquired) képességektől is Egyensúly: dolgozók: az optimális humán tőkebefektetés szintjének megállapításánál figyelembe veszik a munkáltatók által meghatározott bértáblákat (iskolázás: MC=MB) munkáltatók: a teszteredmények és a határtermelékenység együttes eloszlását veszik figyelembe a bértáblák megállapításánál

Lundberg & Startz eredmények (1983) Ha a teszt jelzésértéke csoportonként változó: ha a teszt nem jó jelző (α kicsi) humántőke befektetések megtérülése csökken, mivel a képességek nem jól megfigyelhetőek a munkáltatók eltérő bértáblát alakítanak ki a két csoportnak: W csoportnak (jó jelző a teszt) magasabb bérelőnyt jelent az iskolázottság növekedése emiatt a humántőke befektetés is csoportként más lesz: W csoport magasabb képzettségű, magasabb bérű lesz

Lundberg & Startz eredmények (1983) Bár minden dolgozót a várható határtermelékenységének megfelelően fizetnek, a csoportok közötti átlagos eltérés a munkáltatók eltérő bérezésének a következménye Diszkrimináció: egyező átlagos veleszületett képességgel (bár eltérő összképességgel) rendelkező csoportok átlagbére eltérő Ha a törvény tiltja az eltérő bérezést, a dolgozói csoportok egyformán fektetnek be az iskolázásukba A társadalmi hatékonyságot növeli a tiltás (bár a cégek hatékonyságát nem)

Munkáltatók tanulási folyamata Altonji & Pierret (2001) A statisztikai diszkrimináció leginkább a fiatal pályakezdőket érinti, mivel a termelékenységükről nincs elég információ Ahogy a munkáltató információs halmaza bővül, csökken a statisztikai diszkrimináció mértéke pl. ha van próbaidő: etnikai/nemi hovatartozás helyett a próbaidő alatti termelékenység alapján dönt múltbeli állásokról szerzett információ is csökkenti lehet tesztelni a statisztikai diszkrimináció jelenlétét, ha megfigyeljük a munkáltatók tanulási folyamatát Eredmények: nem találnak a rassz alapú diszkriminációra utaló bizonyítékot inkább a rasszok közötti termelékenységbeli különbségekre utalnak: a bérkülönbség növekedik, ahogy a munkáltató jobban megismeri a dolgozók teljesítményét

Loury (2007) A faji egyenlőtlenség anatómiája A rasszok közötti egyenlőtlenségeket magyarázza, szociális és gazdasági elemek A sztereotípiák önbeteljesítő voltát hangsúlyozza Megkülönbözteti a szerződésbeli diszkriminációt (discrimination in contract) és az interakcióbeli diszkriminációt (discrimination in contact) Humántőke és szociális tőke fontossága Stigma: fehérek negatív elvárásai a feketékkel szemben, nem lepik meg őket a feketék nehézségei An awareness of the racial otherness of blacks is embedded in the social consciousness of the American nation owing to the historical fact of slavery and its aftermath. This inherited stigma even today exerts an inhibiting effect on the extent to which African Americans can realize their full potential 5. Suppose automobile dealers think black buyers have higher reservation prices than whites prices above which they will simply walk away rather than haggle further. On this belief, dealers will be tougher when bargaining with blacks, more reluctant to offer low prices, more eager to foist on them expensive accessories, and so on 31 32.