Universität Hohenheim
 

Eingang zum Volltext

Töpfer, Marina

Detailed RIF decomposition with selection : the gender pay gap in Italy

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-14102
URL: http://opus.uni-hohenheim.de/volltexte/2017/1410/


pdf-Format:
Dokument 1.pdf (1.012 KB)
Gedruckte Ausgabe:
POD-Logo  Print-on-Demand-Kopie
Dokument in Google Scholar suchen:
Social Media:
Delicious Diese Seite zu Mister Wong hinzufügen Studi/Schüler/Mein VZ Twitter Facebook Connect
Export:
Abrufstatistik:
SWD-Schlagwörter: Italien , Geschlechterforschung , Lohngleichheit
Freie Schlagwörter (Englisch): Gender Pay Gap , Detailed Decomposition , Unconditional Quantile Regression , Sample Selection
Institut: Institut für Volkswirtschaftslehre
DDC-Sachgruppe: Sozialwissenschaften, Soziologie, Anthropologie
Dokumentart: ResearchPaper
Schriftenreihe: Hohenheim discussion papers in business, economics and social sciences
Bandnummer: 2017,26
Sprache: Englisch
Erstellungsjahr: 2017
Publikationsdatum: 28.09.2017
 
Lizenz: Hohenheimer Lizenzvertrag Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim
 
Kurzfassung auf Englisch: In this paper, we estimate the gender pay gap along the wage distribution using a detailed decomposition approach based on unconditional quantile regressions. Non-randomness of the sample leads to biased and inconsistent estimates of the wage equation as well as of the components of the wage gap. Therefore, the method is extended to account for sample selection problems. The decomposition is conducted by using Italian microdata. Accounting for labor market selection may be particularly relevant for Italy given a comparably low female labor market participation rate. The results suggest not only differences in the income gap along the wage distribution (in particular glass ceiling), but also differences in the contribution of selection effects to the pay gap at different quantiles.

    © 1996 - 2016 Universität Hohenheim. Alle Rechte vorbehalten.  10.01.24