Löneskillnader mellan kvinnor och män i staten
Arbetsgivarverket redovisar årligen löneskillnader mellan kvinnor och män i staten. På den här sidan kan du ta del av den årliga utvecklingen och analyser av faktorer som kan påverka löneskillnader.
Uppdaterad: 2024-06-24
Undersökningen genomförs varje vår på uppdrag av regeringen.
Som statsanställd räknas i denna rapportering en person som arbetar inom en statlig myndighet under regeringen. Anställda hos statliga bolag liksom hos riksdagens myndigheter och Arbetsgivarverkets frivilliga medlemmar ingår inte. Endast anställda med månadslön ingår. Om en anställd har mer än en deltidsanställning vid olika myndigheter räknas personen som anställd vid varje myndighet och förekommer alltså mer än en gång i det totala antalet anställda.
Du kan ladda ner den statistiska informationen på sidan (det som ligger med blå bakgrund) som pdf genom att klicka på symbolen allra längst ner till höger i den blå rutan. Glöm inte att göra de val i diagrammen som du vill ladda ner innan dess.
Välj därefter pdf och ändra till ospecificerad storlek (Unspecified) innan du klickar på Download.
Löneskillnader i procent
Diagrammet visar löneskillnader, både för faktisk lön och heltidslön, mellan kvinnor och män i staten 1980 till 2023. Skillnaden uttrycks i procent och räknas ut genom följande formel: 100 minus (kvinnors lön i procent av mäns lön). Heltidslön innebär att deltidslöner har omvandlats till motsvarande heltidslöner för att bli mer jämförbara.
Genom att klicka på pilarna till höger i diagrammet kommer du till ett diagram där du kan du se utvecklingen av arbetstidsomfattningen i procent, för kvinnor, män eller samtliga.
Löneskillnader mellan kvinnor och män
2023 var mäns genomsnittliga heltidslön 2042 kronor högre än kvinnornas. Den skillnaden uttryckt i procent är 4,8 procent.
Skillnaden i faktisk lön är 2236 kronor, vilket motsvarar 5,3 procent. Att skillnaden är större för den faktiska lönen beror på att fler kvinnor än män arbetar deltid.
Skillnaden i den faktiska lönen mellan kvinnor och män har minskat kontinuerligt i takt med att allt fler kvinnor har börjat arbeta heltid.
Skillnaden i heltidslön ökade under slutet av 80-talet, låg i stort sett still under 90-talet, och har sedan minskat från år 2001. De två sista mätningarna under perioden visar däremot på oförändrad löneskillnad 2022 och en svag ökning 2023. Att skillnaderna ökade under 80-talet sammanfaller med att fler kvinnor började förvärvsarbeta då, vilket ledde till fler anställda kvinnor i staten.
Kvinnors lön i procent av mäns lön
Diagrammet visar kvinnors lön i procent av mäns, beräknat på genomsnittlig heltidslön (deltidslöner omvandlat till heltid).
Ligger en bubbla på 100-procentsstrecket finns ingen löneskillnad, det vill säga kvinnor och män har lika stor lön. Ligger en bubbla under strecket har kvinnor lägre lön, och skillnaden ser du skrivet i bubblan. Skulle en bubbla befinna sig över strecket tjänar kvinnor mer än män.
Du kan välja vilket år du vill titta på genom att antingen välja årtal i drop down-menyn nere till vänster i diagrammet, eller genom att flytta reglaget på linjen under menyn. Du kan även se en animation som visar förändringen över tid genom att trycka på playknapparna allra längst ner (framåtpil, bakåtpil och stoppknapp).
Löneskillnaden mellan kvinnor och män påverkas av två saker, dels i vilken grad kvinnor och män som arbetar inom samma arbetsområden har samma lön och dels i vilken grad kvinnodominerade arbetsområdena generellt har lägre lönenivå än de mansdominerade.
Om du trycker på pilarna (>>>) längst ner till höger i diagrammet kommer du till ett diagram där staten är uppdelat på olika arbetsområdena, en bubbla för varje arbetsområde. Bubblorna har olika färg beroende på om det är flest män som arbetar inom området (blå färg), mest kvinnor (röd) eller jämn fördelning mellan könen (beige). Desto större en bubbla är ju fler arbetar inom det området. Om du från denna vy klickar ännu en gång på (>>>) kommer du till en vy där du kan se löneskillnader uppdelat på olika arbetsområden och även nivå på arbetet (till exempel grad av självständighet och komplexitet).
Löneskillnader - kvinnors lön i procent av mäns lön
2023 var löneskillnaden för kvinnor 4,8 procent vilket innebär att kvinnors tjänar 95,2 procent av vad män tjänar.
Genomsnittslönerna har stigit sedan 1980 (där vår mätning börjar) samtidigt som löneskillnaden mellan män och kvinnor minskat. Under en period under slutet av 80-talet ökade dock löneskillnaden mellan kvinnor och män beroende på att många kvinnor nyanställdes då. En kort anställningstid påverkar lönen negativt.
Diagrammet som visar löneskillnader uppdelat på arbetsområden
Diagrammet visar tydligt att löneskillnaden skiljer sig stort mellan olika arbetsområdena. Så länge merparten av arbetsområdena ligger under 100-strecket kommer dock kvinnors genomsnittslön totalt att vara lägre än mäns.
Diagrammet visar också att inom många arbetsområden är lönerna jämställda (bubblorna ligger på 100-strecket) men de flesta arbetsområden ligger fortfarande under linjen (vilket innebär att kvinnor har lägre lön) framförallt några arbetsområden med många anställda. Staten skiljer sig dock från arbetsmarknaden som helhet där kvinnor i högre utsträckning arbetar inom yrken med låg lön.
I den sista vyn där diagrammet visar löneskillnader uppdelat på arbetsområden och nivå på arbetet (till exempel grad av självständighet och komplexitet) ligger bubbelklustret närmare 100-strecket. Det betyder att nivån på arbetet förklarar en hel del av löneskillnaden mellan kvinnor och män. Kvinnor har generellt arbeten på längre strategisk nivå.
I nästa diagram ”Vad beror löneskillnaderna på?” undersöker vi fler faktorer, och hur de påverkar löneskillnaden, med hjälp av regressionsanalys.
Vad beror löneskillnaderna på?
Diagrammet visar hur olika faktorer påverkar löneskillnaden i heltidslön mellan kvinnor och män. I denna analys används den partsgemensamma lönestatistiken inom det statliga avtalsområdet tillsammans med statistik från Statistiska centralbyrån.
Faktorer som vi analyserar
De variabler, förutom kön, som vi undersökt och visar i diagrammet är:
- arbetstidsomfattning (deltid)
- ålder och antal anställningsår
- chefskap
- arbetsområde (arbetsuppgift)
- nivå på arbetet (till exempel grad av självständighet och komplexitet)
- cofog (verksamhetsinriktning)
- utbildningsinriktning
- utbildningsnivå
- erfarenhet (antal år efter examen)
Du väljer själv vilken modell du vill titta på genom att kryssa i ditt val nedanför diagrammet. Varje modell innehåller olika antal faktorer. Observera att modell 4 till 10 endast har värden från 2004 och framåt.
Förklaring till hur du använder diagrammet
Om du går igenom modellerna, från 1 till 10, så innebär det i praktiken att du steg för steg lägger till fler faktorer och ser den påverkan de har på löneskillnaden. Du kan endast titta på faktorerna i den ordning modellerna listar dem.
Om du går igenom modellerna, från 1 till 10, så lägger du successivt till fler faktorer, vilket medför att den löneskillnad som inte kan förklaras kommer att minska. I något fall kan den också öka (eller vara oförändrad) och det betyder att den faktorn inte påverkar löneskillnaden. Den löneskillnad som är kvar efter att vi har analyserat samtliga faktorer kallas den oförklarade löneskillnaden. Det är den löneskillnad som inte kan förklaras med de faktorer vi har analyserat.
När du valt den/de modeller du vill titta på klickar du på Apply för att få en snabbare uppladdning.
Kommentarer till diagrammet
Kommentarssymbolen ser ut så här och du hittar den under diagrammet nedan. Om du för muspekaren över symbolen kan du läsa kommentarer till diagrammet.
Vad beror löneskillnaden på?
Den faktor som påverkar löneskillnaden mest är nivå på arbetet (exempelvis grad av självständighet och komplexitet). Det betyder att en stor del av löneskillnaderna kan förklaras av att statsanställda män i genomsnitt arbetar på högre nivåer, än statsanställda kvinnor, och har ett större strategiskt ansvar.
Nivå på arbetet bygger på klassificeringssystemet:
Summering och kommentar
Den statistiska analysen visar att den genomsnittliga löneskillnaden främst förklaras av fyra faktorer.
Den faktor som påverkar löneskillnaden mest är nivå på arbetet där män i genomsnitt arbetar på högre strategiska nivåer. Övriga faktorer som påverkar är arbetstidsomfattning, arbetsområde och utbildning.
I den statliga arbetsgivarpolitiken ska utbildning och arbetslivserfarenhet inte styra lönenivån. Dessa faktorer kan dock påverka arbetstagarens resultat och skicklighet, vilket i sig kan påverka lönen.
Den oförklarade löneskillnaden som är kvar är en skillnad som inte kan förklaras av de faktorer vi har analyserat. I september 2023 var denna 0,97 procentenheter, vilket är 0,05 procentenheter lägre än i september 2022. Analysen visar alltså att trots att de ovägda löneskillnaderna ökade 2023 jämfört med 2022 så har den oförklarade löneskillnaden minskat.
Det är värt att notera att under alla år vi jämfört löneskillnader har många nya myndigheter tillkommit och andra försvunnit. Även yrken har förändrats. Detta beror på stora förändringar som många statliga verk privatiserades i början av 2000-talet. I början av 2010-talet blev värnplikten vilande och många som tidigare skulle ha varit värnpliktiga blev statsanställda på 2010-talet. Det är viktigt komma ihåg att löneskillnader kan ha både ökat och minskat på grund av dessa förändringar.
Analysmetoden vi har använt
Hur mycket de olika faktorerna påverkar löneskillnaden har vi beräknat med hjälp av regressionsanalys, vilket är en vanlig statistisk metod för att beräkna påverkansgrad i stora datamängder. Med metoden kan vi också beräkna hur mycket som inte kan förklaras av faktorerna, den så kallade oförklarade löneskillnaden. Regressionsanalysen bygger på logaritmerade värden av löneskillnader eftersom de logaritmerade värdena lätt kan uttryckas i procent.
Regressionsanalys
En regressionsanalys syftar till att undersöka om det förekommer några former av statistiska korrelationer eller samvariationer mellan två eller flera variabler. Utöver korrelationen kan regressionen användas för att studera en eller en grupp variablers påverkan på en annan variabel.
Regressionsanalysen tillhör en av de vanligaste metoderna som tillämpas inom vetenskapliga studier av skillnader i utfall mellan olika individer eller sociala grupper.
Vår regressionsmodell
En regressionsmodell består av minst två variabler. Begreppet variabel är ett samlingsnamn för olika objekt, som i sin tur består av olika värden, som t.ex. lön eller kön. Vår basmodell har följande utseende:
log(Lön) = β0 + β1 kön + ε
I basmodellen ställer vi upp heltidslön som en funktion av kön. Med modellen vill vi studera om kön har en direkt påverkan på lön. Den variabel som är föremål för undersökningen, i detta fall lön, kallas normalt för beroende variabel. Variabeln som ska hjälpa oss att förklara lönen, i detta fall kön, kallas förklarande variabel. Det kan endast finnas en beroende variabel, medan det inte finns någon begränsning för antalet förklarande variabler.
I basmodellen visas lönen i form av logaritmen, log(lön). Genom att lönen transformeras till logaritmen kan vi med fördel redovisa löneskillnader mellan kvinnor och män i form av procentsatser istället för kronor.
Dessutom ger transformationen log(lön) en betydligt tydligare normalfördelad profil än lön i kronor, och detta gör log(lön) mer anpassad till regressionsanalysen.
Föremålen för regressionsanalysen är β-värden för förklarande variabler, eller koefficienter. Koefficienten β1 från basmodellen signalerar könets påverkan på lönen. Om β1 är negativ så betyder det att kvinnor tjänar mindre än män. Till koefficienten medföljer ett testvärde som signalerar om koefficienten är statistiskt signifikant. Icke-signifikant koefficient saknar statistisk relevans.
Β0 kallas konstant och kan likställas med medelvärde för den beroende variabeln. Regressionens ekvation avslutas med en felterm, ε, som symboliserar övriga faktorer eller effekter som inte fångas upp av förklarande variabler i modellen. Normalt studerar man varken konstanten eller feltermen vid regressionsanalyser. Dessutom vet vi, med hjälp av en lång rad tidigare vetenskapliga studier, att löner i högsta grad påverkas av andra faktorer än bara kön. I regressionen har vi utökat vår modell med ytterligare ett antal variabler, och dessa variabler kallas för kontrollvariabler, se ekvationen nedan.
log(lön) = β0 + β1 kön + β2 arbetstidsomfattning + β3 ålder + β4 anställningsår + β5 chef+ β6 arbetsområde + β7 grupperingsnivå + β8 cofog + β9 utbildningsinriktning + β10 utbildningsnivå + β11 erfarenhet+ ε
I regel finns det inga begränsningar för hur många kontrollvariabler man kan ha i en regression. Dock kan man säkerställa att kontrollvariabler tillför relevant information till regressionen genom att, dels kontrollera att koefficienter till kontrollvariablerna är statistiskt signifikanta, och dels studera värdena på korrelationskoefficienten, R2
R2 får man efter varje regressionsberäkning och värdet visar hur mycket av variationen i den beroende variabeln som kan förklaras av de förklarande variablerna. Om R2 är 0, då finns det ingen korrelation mellan beroende och förklarade variabler. Om R2 är 1, då har vi en perfekt modell. R2 tenderar att öka i takt med antalet förklarande variabler. Om antalet förklarande variabler ökar medan R2 inte ökar eller minskar så kan det vara en indikation på att regressionen innehåller för många kontrollvariabler.3
Tillsammans med kontrollvariablerna i regressionen mäter man det så kallade ceteris paribus, dvs. allt annat lika, på kön. Det innebär att vi får veta könets påverkan på lönen givet att personerna har samma arbetsuppgifter, arbetstidsomfattning och utbildning och så vidare.