Vysoká škola ekonomická v Praze Národohospodářská fakulta Hlavní specializace: Ekonomie
PROČ ŽENATÍ MUŽI VYDĚLÁVAJÍ VÍCE? bakalářská práce
Autor: Tomáš Vybíral Vedoucí práce: doc. Ing. Dagmar Broţová, CSc. Rok: 2012
Prohlašuji na svou čest, ţe jsem bakalářskou práci vypracoval samostatně a s pouţitím uvedené literatury.
Tomáš Vybíral V Praze, dne 9. 1. 2012
3
Poděkování: Na tomto místě chci upřímně poděkovat doc. Ing. Dagmar Broţové, CSc. za její cenné rady a poznámky při tvorbě práce. Poděkování patří rovněţ mé rodině, ţe mi umoţnila studovat vysokou školu.
4
Zadání práce:
Název práce: Proč ženatí muži vydělávají více?
Rozsah práce: 30 stran
Obsah:
V oblasti ekonomie trhů práce se tvrdí, ţe ţenatí muţi vydělávají více neţ ti, co nikdy v manţelství nebyli. Vysvětlení nabízí hned několik teorií, mezi nimiţ mají nejpevnější postavení dvě: teorie produktivity a teorie selekce. Ve své práci z těchto teorií vyjdu. Hlavní část textu se pak bude věnovat mé vlastní hypotéze. Různí ekonomové na různých datech dokázali, ţe manţelství je spojeno s nárůstem štěstí a štěstí v osobním ţivotě nepochybně vede k pevnějšímu zdraví. Můj základní předpoklad bude tedy ten, ţe ţenatí muţi vydělávají více, protoţe se těší lepšímu zdraví. Tuto hypotézu ověřím na amerických datech, sbíraných během tzv. National Longitudinal Survey of Youth 1997 (NLSY97). Tento průzkum obsahuje data o takřka devíti tisících respondentech za roky 1997 aţ 2009. Metodou mého zkoumání bude regresní analýza.
Literatura:
1. HILL, M. The Wage Effects of Marital Status and Children. Journal of Human Resources, 14(4), 1979, 579-594. 2. CHUN, H., LEE, I. Why Do Married Men Earn More: Productivity or Marriage Selection? Economic Inquiry 39(2), 2001, 307-319. 3. STACK, S., ESHLEMAN R. Marital Status and Happiness: A 17-Nation Study. Journal of Marriage and Family, 60(2), 1998, 527-536.
5
Abstrakt: Práce zkoumá otázku, proč ţenatí muţi vydělávají více neţ muţi, kteří nikdy v manţelství nebyli. Vysvětlení pro tento fenomén nabízí hned několik teorií, z nichţ nejvýznamnější jsou teorie produktivity a selektivity. Pouţitím panelových dat z NSLY97 (National Longitudinal Survey of Youth 1997), se tato práce snaţí prokázat, ţe příčinou této prémie je lepší zdraví muţů v manţelství. Regresní analýza ukázala, ţe hodinová mzda ţenatých muţů je ve srovnání se svobodnými vyšší o 32,8 %. Po zahrnutí kontrolních proměnných týkajících se vzdělání či počtu dětí do modelu, mzdová prémie padá na 7,7 %, přesto zůstává statisticky významná. Nepodařilo se ovšem prokázat, ţe důvodem existence mzdové prémie je lepší zdraví. Klíčová slova: mzdová prémie, manţelství, zdraví
Abstract: This thesis examines the question why married men earn more than men who have never been married. Several theories offer the explanation of this phenomena, most important are the productivity hypothesis and the selection hypothesis. Using longitudinal data from the NSLY97 (National Longitudinal Survey of Youth 1997) this thesis try to prove that the better health of married men is the source of the premium. Regression analysis shows that hourly wage of married men is in contrast with unmarried higher about 32,8 %. After including controlling variables for education or number of children wage premium drops to 7,7 %, but still remains statistically significant. However the analysis doesn’t prove that better health is the reason for the existence of this wage premium. Keywords: wage premium, marriage, health
JEL klasifikace/JEL classification: C230, J310, I100
6
ÚVOD ....................................................................................................................................8 1. PŘEHLED LITERATURY ............................................................................................... 10 1.1 Teorie produktivity (productivity hypothesis) .............................................................. 10 1.2 Teorie selekce (selection hypothesis) ...........................................................................11 1.3 Další teorie .................................................................................................................. 12 1.4 Vztah rodinného statusu, štěstí a zdraví ....................................................................... 13 2. POUŢITÁ DATA .............................................................................................................15 3. EKONOMETRICKÝ MODEL ......................................................................................... 17 3.1 Model ověřující existenci mzdové prémie ................................................................... 17 3.1.1 Obecný model....................................................................................................... 17 3.1.2 Pouţitá odhadová technika .................................................................................... 18 3.1.3 Odhadnuté parametry obecného modelu................................................................ 19 3.1.4 Kontrolní proměnné .............................................................................................. 20 3.1.5 Odhad pomocí FEM ............................................................................................. 21 3.1.6 Odhad pomocí WLS ............................................................................................. 22 3.1.7 Další proměnné ..................................................................................................... 22 3.2 Model rozšířený o proměnnou zdraví ..........................................................................24 3.2.1 Diskuze výsledků .................................................................................................. 25 ZÁVĚR ................................................................................................................................ 26 POUŢITÁ LITERATURA ................................................................................................... 27 PŘÍLOHY ............................................................................................................................ 30
7
ÚVOD I kdyţ vzdělání a pracovní zkušenosti jsou povaţovány za klíčové determinanty výše mzdy, statistické důkazy začínají ukazovat, ţe kromě lidského kapitálu existují i další faktory, které na ni mají výrazný vliv. Jedním z takových faktorů je i manţelství, které zejména u muţů hraje velkou roli (Mark Western a kol., 2005). Dokonce se zdá, ţe mít manţelku a udrţet si fungující manţelství je pro muţe stejně tak důleţité, jako např. mít odpovídající vzdělání. (Volker Ludwig/Josef Brüderl, 2011). Zatímco u potvrzení existence této mzdové prémie nacházejí ekonomové vzácnou shodu, u jejího vysvětlení se uţ značně rozcházejí. Na poli ekonomie trhů práce existuje několik teorií, které se tímto fenoménem zabývají. Největší pře se týká toho, zda se muţi stávají produktivnějšími a tím pádem více vydělávajícími aţ po vstupu do manţelství, nebo zda byli více produktivními uţ před svatbou a právě díky tomu do manţelství vstoupili. První argument obhajuje teorie produktivity, podle které se muţi stávají produktivnějšími skrze specializaci v domácnosti. Jednoduše řečeno, manţelka se stará o domácnost a děti, zatímco manţel můţe veškeré úsilí věnovat práci na pracovním trhu. Oproti tomu teorie selekce hovoří o tom, ţe na trhu manţelství i práce jsou ceněny stejné vlastnosti, takţe více vydělávající a schopnější jedinci také častěji vstupují do manţelství. Má vlastní hypotéza existence mzdové prémie je ta, ţe ţenatí muţi se těší lepšímu zdraví, a proto dosahují vyšších mezd neţ jejich svobodné protějšky. Steven Stack/Ross Eshleman (1998) ve své studii uvádějí, ţe manţelství je spojeno s lepším zdravím manţelů. Lidé v manţelství se totiţ vyhýbají riskantnímu, zdraví ohroţujícímu chování a navzájem se podporují ve zdravém způsobu ţivota. Pro regresní analýzu pouţiji data ze Spojených států amerických, konkrétně z dlouhodobého průzkumu NSLY97. Data do tohoto průzkumu jsou sbírána kaţdoročně od roku 1997 aţ po současnost a obsahují panelové informace o takřka devíti tisících mladých lidech. Z výsledků učiněných regresních analýz vyplývá, ţe ţenatí muţi skutečně vydělávají více neţ muţi, kteří nikdy v manţelství nebyli. Konkrétně o 32,8 % více neţ svobodní, kteří ţijí o samotě. Kdyţ porovnáme ţenaté a svobodné ţijící s partnerkou, tak mzdová prémie 8
ţenatých je ve výši 13,7 %. Po přidání kontrolních proměnných do modelu se prémie sníţí na 7,7 % a 1,3 %. Neprokázal se ovšem vliv zdraví na výši mzdy, tudíţ ani to, ţe lepší zdraví je příčinou této mzdové prémie. Tato práce dále pokračuje následovně. V první části je nabídnuto stručné shrnutí dosavadního výzkumu problematiky vyšších mezd u ţenatých muţů z pohledu hlavních teorií. Je zde také krátce nastíněn vztah mezi rodinným statusem a zdravím. Druhá část se věnuje datům, se kterými ve své studii pracuji. Tato sekce se dotýká zdroje, ze kterého data pocházejí, a práce se samotným datovým souborem. Třetí část je pak vlastní ekonometrická analýza. Zde jsou představeny konkrétní ekonometrické modely, pouţité proměnné, odhadové techniky a v neposlední řadě také diskuze odhadnutých výsledků.
9
1. PŘEHLED LITERATURY Fakt, ţe ţenatí muţi vydělávají více neţ muţi, kteří nikdy nevstoupili do manţelství, byl potvrzen mnoha ekonomy napříč celým světem. Mzdová prémie (marriage premium) pro muţe, kteří do manţelství vstoupili, se pohybuje v rozmezí 10 – 40 % (Sanders Korenman/David Neumark, 1991) a její existence byla zdokumentována v mnoha zemích. Claudia Geist (2005) např. ve své studii pracuje s daty z patnácti různých států1 a ve všech můţeme tento fenomén pozorovat. Jestliţe u existence mzdové prémie nachází ekonomové společnou řeč, tak u jejího vysvětlení se značně rozcházejí a nabízí hned několik teorií. V této části mé práce se na ně stručně zaměřím. Jedním z prvních ekonomů, který se zabýval mzdovou prémií u ţenatých muţů, byl Gary Becker (1973). Jeho teorie staví na tom, ţe manţelský ţivot přirozeně vede ke specializaci činností obou partnerů. Tato specializace pak funguje tak, ţe manţel se zaměřuje zejména na práci na pracovním trhu, zatímco manţelka se stará o domácnost, případně o děti. Komparativní výhodou ţenatých muţů oproti těm, co neţijí v manţelství, je tedy jejich relativně vyšší produktivita. Teorie produktivity se stala v dalších letech velmi oblíbenou a spousta ekonomů na ni navazovalo, nebo ji dále rozvíjelo. Teorie produktivity ovšem není jedinou, se kterou ekonomové pracovali. Jako její protipól se uchytila teorie selekce, podle které nečiní manţelství muţe více produktivními, neboť ti byli více produktivní uţ před sňatkem a právě proto do manţelství vstoupili.
1.1 Teorie produktivity (productivity hypothesis) Specializace v domácnosti je klíčovým mechanismem, skrze který manţelství ovlivňuje muţovu produktivitu. Ten díky ní můţe věnovat svému zaměstnání více času a úsilí, které logicky často vede k vyšší mzdě. Sanders Korenman a David Neumark (1991) zjistili, ţe mzdová prémie je u ţenatých muţů poměrně vysoká i po zahrnutí kontrolních proměnných týkajících se lidského kapitálu 1
Rakousko, Belgie, Kanada, Německo, Maďarsko, Irsko, Izrael, Itálie, Lucembursko, Mexiko, Nizozemsko, Rusko, Švédsko, Velká Británie, USA
10
do modelu (selekcí vysvětlili méně neţ 20 % pozorované mzdové prémie ţenatých). Muţům navíc po vstupu do manţelství roste mzda rychleji. Hyunbae Chun a Injae Lee (2000) jsou dalšími, kteří ve své práci tuto teorii podporují. Na datech z populačního průzkumu zjistili, ţe ţenatí muţi vydělávají aţ o 30 % více neţ jejich svobodné protějšky. Do svého modelu posléze ještě zahrnuli to, zda manţelka pracuje na trhu práce, případně kolik hodin týdně. Z výsledků je patrný negativní efekt hodin práce ţeny. Toto zjištění je ovšem plně v souladu s teorií produktivity. Konkrétně pak oběma ekonomům vyšlo, ţe kaţdá hodina práce ţeny na pracovním trhu sniţuje manţelovu mzdovou prémii o 0,6 %. Mzdová prémie nicméně zůstává, i kdyţ ţena pracuje 40 hodin týdně. Kate Antonovics a Robert Town (2005) pouţili ve své studii údaje o jednovaječných dvojčatech. Práce s jednovaječnými dvojčaty je jedním z dobrých řešení, jak se vyhnout problému skryté heterogenity, která se u zkoumání vlivu manţelství na výši mzdy objevuje. Předpokladem úspěchu bylo, ţe jednovaječná dvojčata mají totoţné nepozorovatelné vlohy, které mohou ovlivnit výši mzdy. Z výsledků regresní analýzy vyplynulo, ţe i přes práci s jednovaječnými dvojčaty a zařazení proměnných kontrolujících např. vzdělání mají muţi v manţelství mzdy vyšší zhruba o 26 %. Toto zjištění nahrává tomu, ţe manţelství činí muţe opravdu produktivnějšími.
1.2 Teorie selekce (selection hypothesis) Druhou významnou teorií, která vysvětluje mzdovou prémii v manţelství, je tzv. teorie selekce. Na rozdíl od předchozí teorie, kde jsou vyšší výdělky přímým následkem vstupu do manţelství a s tím zvýšenou produktivitou muţe, teorie selekce je postavená na argumentu, ţe ţenatí byli produktivnější a měli vyšší mzdu jiţ před vstupem do manţelství. Tvrzení podporující tuto teorii jsou následující (Volker Ludwig/Josef Brüderl, 2011, str. 3): 1. Muţi s vyšším příjmem by měli být ochotní vstupu do manţelství, pokud očekávají výhody plynoucí ze specializace v domácnosti. 2. Úspěšní muţi jsou obvykle velmi atraktivními kandidáty pro vstup do manţelství.
11
3. Na trhu manţelství mohou být ceněny stejné vlastnosti jako na trhu práce, tedy zdraví, sociální schopnosti, povahové vlastnosti. Stejně jako teorii produktivity i teorii selekce bylo věnováno několik prací. Pro ukázku zmíním tři. Donna Ginther a Madeline Zavodny (1997) např. pomocí přirozeného experimentu, ve kterém porovnávaly ţenaté muţe, kterým se do sedmi měsíců po svatbě narodil potomek, a ostatní ţenaté muţe, zjistily, ţe selekce vysvětluje významnou část mzdové prémie. Ţenatí podle výsledků vydělávají o 19 % více. Abbigal Chiodo a Michael Owyang (2002) ve svém článku, který porovnává teorie produktivity a právě selekce, nabízejí poměrně přesvědčivé argumenty pro druhou jmenovanou. Své závěry opírají o výzkum Joni Hersche a Leslie Stratton (2000), které zjistily, ţe svobodní muţi nevěnují domácím pracím o mnoho více času neţ muţi ţenatí, přesto mají mzdy niţší. K teorii selekce se rovněţ přiklonily rovněţ Katherin Barg a Miriam Beblo (2006). Ty na datech pocházejících z Německa zjistily, ţe ţenatí muţi vydělávají o 9 % více neţ neţenatí. Ukázalo se ovšem, ţe jejich vyšší mzda je díky jejich vyšším socioekonomickým vlastnostem, které neměly s manţelstvím nic společného. Věrohodnost jejich zjištění dodal navíc fakt, ţe rozdíl mezi muţi ţijícími v manţelství a muţi ţijícími se stálou partnerkou byl minimální, aţ zanedbatelný.
1.3 Další teorie Teorie selekce a teorie produktivity mají sice na poli vysvětlení manţelské prémie dominantní postavení, přesto existuje několik dalších vysvětlení. Jedním z nich je hypotéza tzv. employer favoritism. Podle této teorie muţům roste po svatbě mzda, neboť zaměstnavatelé si myslí, ţe si zaslouţí více peněz, aby uţivili svou rodinu (Martha Hill, 1979). Druhou moţností pak je to, ţe zaměstnavatelé zkrátka podléhají statistické
diskriminaci2 a věří, ţe ţenatí muţi mají vyšší pracovní produktivitu (Stanley Siebert/Peter
2
„Ke statistické diskriminaci dochází, pokud je jednotlivec posuzován podle průměrných vlastností a charakteristik skupiny nebo skupin, do nichž je zařazován, spíše než podle jeho vlastních osobních charakteristik. Děje se tak na základě obecných zkušeností nebo nashromážděných statistických údajů o chování skupin.“ (Dagmar Broţová, 2006, str. 95)
12
Sloane, 1981). V takovém případě pak sezdaní muţi nemusí mít vůbec vyšší produktivitu, přesto se mohou těšit vyšším mzdám. Domestication hypothesis je další teorií. Podle ní ţenatí muţi vydělávají více, neboť se po svatbě usadí a pod dohledem manţelky „se zklidní“. Tento způsob ţivota jim pak dovoluje pracovat lépe a tvrději (Linda Waite, 1995). Jiné vysvětlení pracuje s tím, ţe mzdová prémie je výsledkem tzv. compensating wage differentials. S tímto vysvětlením přišli Reed a Harford (1989). Jejich teorii ve svém článku shrnují Avner Ahituv a Robert Lerman (2007). Reed a Harfordem přišli s tvrzením, ţe ţenatí muţi jsou ochotnější přijímat zaměstnání, která jsou nebezpečnější a náročnější. Tato zaměstnání jsou pak spojená s vyššími mzdami.
1.4 Vztah rodinného statusu, štěstí a zdraví Štěstí a dobré zdraví člověka jsou spolu velmi těsně provázané a ovlivňují se navzájem. Studie, prováděné zejména ve Spojených Státech, ukázaly, ţe lidé ţijící v manţelství vykazují vyšší úroveň osobního štěstí neţ lidé, kteří do manţelství nevstoupili (Steven Stack/Ross Eshleman, 1998). Podle Stackovy a Eshlemanovy studie pak manţelství ovlivňuje štěstí skrze dva procesy. Prvním z nich je jiţ zmiňované zlepšení finanční situace, kdy si manţelé mohou uţít vyšší ţivotní standard neţ za svobodna, nebo si dovolit lepší bydlení či stravu. Druhým procesem je právě zlepšení zdraví. Manţelství totiţ vede např. k omezení riskantního způsobu ţivota, který zahrnuje nadměrné kouření či pití alkoholických nápojů. Manţelé jsou si zároveň oporou v časech nemoci. V neposlední řadě manţelství způsobuje třeba i to, ţe se lidé začínají zdravěji stravovat. Lepší fyzické zdraví pak vede k lepšímu psychickému zdraví, včetně osobního štěstí. Stack a Eshleman ve své práci ukázali, ţe tyto procesy nejsou typické jen pro USA, ale platí napříč světem. Studie pracuje s daty ze sedmnácti3 zemí a v šestnácti z nich byl potvrzen vztah mezi rodinným statusem a štěstím. Samostatné analýzy pro muţe a ţeny pak ukázaly, ţe tento vztah je platný pro obě pohlaví.
3
Austrálie, Belgie, Velká Británie, Kanada, Dánsko, Francie, Německo, Island, Irsko, Itálie, Japonsko, Nizozemsko, Severní Irsko, Norsko, Španělsko, Švédsko, USA
13
Vlivu manţelství na duševní zdraví se konkrétněji zabýval např. Allan Horwitz a Helene Raskin White (1991). Ti zahrnutím předmanţelských problémů s alkoholem a depresemi do své analýzy, došli k závěru, ţe lidé v manţelství trpí méně depresemi a mají méně problémů s alkoholem neţ lidé, kteří zůstanou svobodní. Co se týče role pohlaví, tak svatba je spojená se sníţením problémů s depresemi zejména u muţů, u alkoholu pak spíše u ţen.
14
2. POUŽITÁ DATA Data, která jsem ve své práci pouţil, pochází z NSLY97 (National Longitudinal Survey of Youth 1997), coţ je dlouhodobý průzkum prováděný Výborem statistik práce (Bureau of Labor Statistics) ve Spojených státech amerických. NSLY97 tvoří národně reprezentativní vzorek zhruba devíti tisíc mladých muţů a ţen, narozených v letech 1980 – 1984. Panelový sběr dat probíhá kaţdoročně formou dotazníkového 4 šetření od roku 1997, kdy proběhlo první kolo tohoto dlouhodobého projektu. Respondenti byli tehdy ve věku 12 aţ 16 let (k 31. prosinci 1996). Sebíraná data jsou pak dostupná po registraci na webu5 a slouţí k nejrůznějším výzkumům a studiím. V současnosti jsou k dispozici data za roky 1997 aţ 2009, nejstarším respondentům v průzkumu je tedy 29 roků. Informace, na které jsou respondenti kaţdý rok dotazováni6, jsou zaměřené zejména na jejich chování na pracovních trzích a s tím spojené údaje. K dispozici jsou pak detailní informace o vzdělání, zaměstnání, hledání práce, výdělcích respondentů a jejich změnách v čase. Podstatná část otázek je ovšem také věnována dalším oblastem lidského ţivota. Jednotlivé části dotazníku se pak týkají ţivotního stylu (kouření, uţívání drog, sexuální ţivot, kriminální činnost, náboţenství), zdraví (diagnostikované problémy, duševní zdraví, ale také např. stravovací návyky), politického ţivota (účast ve volbách), domácnosti či rodiny. Já ve své práci vyuţiji data z let 2002 aţ 2009. Počáteční rok 2002 jsem zvolil z toho důvodu, ţe v tomto roce dosáhli i nejmladší respondenti hranice 18 roků. Právě v 18 letech mohou lidé ve Spojených Státech vstoupit do manţelství7, přestoţe medián věku, kdy muţi v této zemi poprvé vstupují do manţelského ţivota, byl v roce 2002 aţ na hodnotě 26,9 let 8.
4
Sběr dat probíhá pomocí speciálního počítačového programu, který respondenty provádí dotazníkem a zároveň kontroluje jejich odpovědi. 5
dostupné z http://www.bls.gov/nls/nlsy97.htm
6
Některé informace jsou zjišťovány kaţdoročně od prvního kola šetření, některé jednou za dva roky, některé se za dobu trvání průzkumu objevily např. jen jedinkrát. Některé otázky jsou rovněţ podmíněny dosaţením určité věkové hranice. 7
Hranice 18 roků se týká drtivé většiny států, výjimkou jsou pouze Nebraska (19 let) a Mississippi (21 let). Stejně jako v České republice je i v USA ovšem za určitých podmínek moţné vstoupit do manţelství i v niţším věku. 8
zdroj: U.S. Bureau of the Census, http://www.census.gov/
15
Originální dataset obsahující téměř 9000 respondentů a respondentek jsem ovšem nepouţil v jeho plné výši, ale aplikoval jsem na něho několik omezení. Nejdříve jsem vyřadil všechny ţeny, neboť porovnávám pouze ţenaté a „neţenaté“ muţe. Tím jsem dostal 4599 respondentů a data o nich za dobu osmi let. Tento výběr jsem ovšem ještě dále omezil. Na základě rodinného statusu jsem ve svém vzorku ponechal tři skupiny respondentů: ţenaté; svobodné ţijící s partnerem a svobodné ţijící bez partnera. Vyřadil jsem tak například rozvedené či ovdovělé. Těch ale bylo vzhledem k poměrně nízkému věku všech respondentů minimální mnoţství. V neposlední řadě jsem ve svém vzorku ponechal jen muţe, kteří byli v pracovním poměru. Stejně jako ve své studii Christopher Dougherty (2006), i já jsem pouţil omezení týkající se výše hodinové mzdy. Dougherty zahrnul do své práce respondenty vydělávající $2,5 - $250 na hodinu. Já jsem horní hranici zvednul na hodnotu $500 na hodinu. Mzdy jsem pomocí indexu spotřebitelských cen (consumer price index/CPI) přizpůsobil roku 20099. Poslední úprava datového souboru spočívala ve vyřazení respondentů, kteří z různých důvodů v průběhu času z průzkumu vypadli. Výsledný dataset, se kterým pracuji, tak nakonec obsahuje 7803 pozorování. Panelová data, se kterými pracuji, mají v porovnání s časovými řadami nebo průřezovými daty několik výhod. První z nich je beze sporu větší počet pozorování, který umoţňuje získat daleko přesnější odhady zkoumaných problémů. Rovněţ díky nim můţeme analyzovat a sestavovat sloţitější a komplexnější modely. V neposlední řadě pak panelová struktura dat napomáhá eliminovat nepozorované efekty, které ovlivňují vysvětlovanou proměnnou, ale nejsou zahrnuty v modelu. Deskriptivní statistiky pouţitých dat jsou uvedeny v tabulce 5, která je součástí příloh mé práce.
9
zdroj hodnot CPI pro jednotlivé roky: http://inflationdata.com/inflation/consumer_price_index/historicalcpi.aspx
16
3. EKONOMETRICKÝ MODEL V této části práce se budu zabývat uţ vlastním ekonometrickým modelem. Nejdříve ověřím, zda v datasetu, se kterým pracuji, můţeme opravdu pozorovat fenomén, ţe ţenatí muţi opravdu vydělávají více neţ jejich svobodné protějšky. Následně se uţ zaměřím na zkoumanou hypotézu týkající se zdraví respondentů. Všechny odhady provedu pomocí statistického programu Gretl.
3.1 Model ověřující existenci mzdové prémie 3.1.1 Obecný model Nejprve odhadnu pomocí regresní analýzy obecný model zkoumající závislost výše mzdy (wage) na rodinném statusu (mar_stat). Vzhledem k pouţití panelových dat, vypadá můj základní model následovně: wageit = α + βmar_statit + uit,
(3.1)
kde index i značí jednotlivé respondenty, index t pak časové období (i = 1, 2, ..., N; t = 1, 2, ..., T). α je hodnota pro konstantu, u je náhodná sloţka modelu. Náhodnou sloţku lze dále díky panelové struktuře datového souboru rozdělit na dvě části: uit = ai + vit,
(3.2)
kde ai zastupuje specifické vlastnosti jednotlivých sledovaných jednotek a vit zbylé náhodné efekty pro kaţdé pozorování.
Vysvětlovaná proměnná wage zastupuje hodinovou mzdu respondenta v cenách roku 2009. Proměnnou jsem navíc převedl do logaritmického tvaru. Procentuální interpretace této veličiny je bliţší realitě neţ práce s absolutními hodnotami. Vysvětlující proměnná mar_stat obsahuje tři kategorie: married (ţenatí muţi), single_coh (dosud neţenatí, ale ţijící v jedné domácnosti s partnerkou), single (dosud neţenatí, ţijící samostatně). Do modelu zahrnu první dvě jmenované ve formě binárních proměnných (=1, pokud je respondent ţenatý, respektive dosud neţenatý, ale ţijící s partnerkou). 17
3.1.2 Pouţitá odhadová technika Při práci s panelovými daty je častým problémem výskyt nepozorované heterogenity, kdy vlastnosti nezachycené v průzkumu mohou ovlivňovat odhadnuté koeficienty. Při zkoumání vztahu výše mzdy a rodinného statusu můţe být takovým nezachyceným parametrem např. fyzický vzhled. Dobrý vzhled totiţ můţe přispět jak k vyšší mzdě, tak zároveň i zvýšit pravděpodobnost sňatku (Avner Ahituv/Robert Lerman, 2007). Jednou z metod, která tento problém řeší a která se pouţívá při analýze panelových dat, je model fixních efektů (Fixed Effects Model/FEM). Ten pomocí eliminace fixního efektu ai omezuje právě heterogenitu zkoumaných jednotek. I z tohoto důvodu tento model ve své práci pouţiji.
Princip modelu fixních efektů je následující (Jeffrey Wooldridge, 2002, str. 441-442): Uvaţujme model s jednou vysvětlující proměnnou: yit = β1xit + ai + vit, t = 1, 2, ..., T
(3.3)
Zprůměrováním rovnice pro kaţdé i podle času dostaneme: ȳi = β1x̄i + ai + v̄i
(3.4)
Vzhledem k tomu, ţe sloţka ai je fixní v čase, objevuje se ve stejné podobě v obou rovnicích. Následným odečtením (3.4) od (3.3) dostaneme „předfinální“ tvar: yit - ӯi = β1(xit – x̄i) + vit - v̄i, t = 1, 2, ..., T,
(3.5)
který upravíme do finální podoby: ÿit = β1ẍit + v̈it, t = 1, 2, ..., T
(3.6)
Tato rovnice, uţ bez fixní sloţky ai, je pak odhadnuta pomocí Metody nejmenších čtverců. Při práci s více kontrolními proměnnými vypadá finální podoba rovnice obdobně: ÿit = β1ẍit1 + β2ẍit2 + ... + βkẍitk + v̈it, t = 1, 2, ..., T 18
(3.7)
Podstatnou výhodou metody fixních efektů je to, ţe si „umí poradit“ s problémy tzv. nevyváţeného panelu (Jeffrey Wooldridge, 2002), se kterým ve své analýze pracuji. Panel dat můţeme rozdělit na vyváţený a jiţ zmiňovaný nevyváţený. První z nich je ideální, v praxi ovšem těţko dosaţitelnou, variantou, kdy datový soubor obsahuje kompletní údaje o všech respondentech v rámci kaţdého časového období. Daleko častěji tak nastává druhá situace, kdy datový soubor obsahuje chybějící pozorování. To je i případ dat, které mám k dispozici.
3.1.3 Odhadnuté parametry obecného modelu Výsledky odhadu obecného modelu (přesné odhady jednotlivých parametrů jsou v tabulce 1) značí, ţe ţenatí muţi opravdu vydělávají více neţ jejich nesezdané protějšky. Konkrétně o 32,8 % v porovnání s dosud neţenatými, kteří ţijí bez partnerky. Platovou prémii pociťují rovněţ muţi ţijící se stálou partnerkou, ovšem ne v manţelství. U těchto je prémie ve výši 13,7 %. Tyto hodnoty ovšem musíme brát s rezervou, jelikoţ model bez pochyby trpí absencí kontrolních proměnných, které mají na výši mzdy také svůj vliv. V dalším kroku tedy model o tyto proměnné obohatím
Tabulka 1: Odhadnuté koeficienty obecného modelu FEM 2.472 ***
const
(.007)
.328 ***
married
(.024)
.137 ***
single_coh
(.019)
počet pozorování
7803
Pozn.: Koeficienty zaokrouhleny na tři desetinná místa. Hodnoty v závorkách značí směrodatné chyby. ***/**/* vyjadřují statistickou významnost na jednotlivých hladinách významnosti. Vysvětlovanou proměnnou je ln_wage.
Zdroj: vlastní výpočty
19
3.1.4 Kontrolní proměnné Jednoduchá regrese tedy pravděpodobně není dostatečná, jelikoţ výši mzdy ovlivňuje mnoho dalších faktorů. Právě některé z nich do modelu zahrnu, čímţ zvýším přesnost a věrohodnost odhadnutých výsledků. První kontrolní proměnnou je age, která značí aktuální věk respondenta. Předpokládám, ţe věk bude mít kladný vliv na výši mzdy. Čím je člověk starší, tím více má pracovních zkušeností a je produktivnější. Tuto proměnnou je navíc moţné umocnit na druhou. Důvodem tohoto kroku je předpoklad, ţe věk má na mzdu nejdříve kladný vliv, od určitého okamţiku se ale jeho přínos sniţuje. Jan van Ours a Lenny Stoeldraijer (2010) ve své studii dokazují, ţe lidé jsou nejproduktivnější ve věku 30 aţ 45 let. Ve vyšším věku se pak jejich produktivita sniţuje. Vzhledem k tomu ale, ţe respondenti v mém datovém souboru mají nanejvýš 29 roků, tento fenomén poklesu produktivity v mém datasetu neočekávám. Přesto jsem proměnnou sq_age do modelu z formálních důvodů zařadil. Vzhledem k tomu, ţe pracuji s daty, které pocházejí ze Spojených států, nelze přehlédnout také vliv rasy. Ten zastupují binární proměnné black, hispan, mixed a white. Jako referenční kategorii jsem zvolil proměnnou white. Do modelu jsem tedy zahrnul první tři jmenované, které nabývají hodnoty 1, pokud je respondent černošského původu (proměnná black), hispánského původu (proměnná hispan) či „míšenec“, avšak ne Hispánec (proměnná mixed). Vzhledem k časté rasové diskriminaci, ať uţ ze strany zaměstnavatele nebo zákazníka, očekávám mzdovou sráţku zejména u respondentů černé pleti. Další tři binární proměnné se pak týkají regionu, ve kterém respondent pracuje. Já mám k dispozici proměnné west (= 1, pokud respondent pracuje na západě), north_east (= 1, pokud pracuje na severovýchodě) a north_central (= 1, pokud pracuje na středovýchodě). Referenční kategorií je pak south (jih). Nejniţší mzdu očekávám na jihu, který je spíše znám pro svou zemědělskou výrobu. Nejvyšší naopak na severovýchodě, kde je soustředná průmyslová výroba země. Mzdu nepochybně ovlivňuje i dosaţené vzdělání, a proto ho rovněţ do modelu zahrnu. Pouţiji k tomu proměnné degree a educ. První jmenovaná je kategoriální proměnnou a značí nejvyšší diplom, jaký respondent při svém vzdělávacím procesu získal. Proměnná má 7 kategorií, do modelu tudíţ zahrnu 6 proměnných binárních (referenční kategorií je 20
no_diploma, tedy respondenti bez diplomu). Předpoklad je zřejmý: čím vyšší vzdělání, tím vyšší hodinová mzda. Jednotlivé proměnné jsou následující: GED (= 1, pokud je respondentovo dosaţené vzdělání na úrovni tzv. General Education Diploma), HSD (= 1, pokud High School Diploma), college (= 1, pokud má diplom z tzv. college, např. AA), bachelor (= 1, pokud Bachelor’s Degree), master (= 1, pokud Master’s Degree), profess (= 1, pokud respondent vlastní nejvyšší titul jako DDS, JD nebo MD). Proměnná educ je pak proměnnou kvantitativní a nese v sobě informaci o počtu let vzdělání. Jako poslední faktor jsem do modelu zahrnul počet dětí respondenta pomocí proměnné children. Uţ Martha Hill (1979) ve své práci ukázala, ţe počet dětí ovlivňuje výši mzdy. Z její analýzy vyplývá, ţe ţenatí muţi s více dětmi a tedy větší finanční zodpovědností vydělávají více neţ muţi, kteří jsou bez této zodpovědnosti. Předpokládám tedy, ţe počet dětí má na výši mzdy pozitivní efekt.
3.1.5 Odhad pomocí FEM Tabulka 2 shrnuje odhadnuté koeficienty pomocí FEM. Přidáním kontrolních proměnných došlo ke sníţení mzdové prémie v manţelství o více neţ dvacet pět procentních bodů na 7,7 %. Fakt, ţe platová prémie zůstala i po přidání proměnných, které kontrolují rozdíly ve vzdělání či věku, naznačuje platnost teorie produktivity (Sanders Korenman a David Neumark, 1991). Co se týče svobodných muţů ţijících s partnerkou, tak u nich platová prémie výrazně klesla, konkrétně na hodnotu 1,3 %. Proměnná single_coh se ovšem ukázala jako statisticky nevýznamná. Koeficienty kontrolních proměnných jsou pak víceméně v souladu s předchozími předpoklady. Věk má na výši mzdy pozitivní vliv. Stejně tak s výjimkou dvou nejniţších diplom ze školy. Nejniţší mzdy mají respondenti na jihu země. U proměnných educ a children se sice potvrdil předpoklad pozitivního vlivu na mzdu, první jmenovaná ovšem se ukázala jako statisticky nevýznamná. Při odhadu metodou fixních efektů ztrácíme kvůli podstatě této techniky proměnné konstantní v čase, tím pádem mi z modelu vypadly proměnné týkající se rasy. Pro zjištění konkrétního vlivu rasy na výši mzdy je tak zapotřebí pouţít např. jinou odhadovou techniku neţ metodu fixních efektů.
21
3.1.6 Odhad pomocí WLS Pro srovnání jsem tentokrát model odhadl rovněţ metodou Nejmenších čtverců. Statistický software Gretl nabízí k práci s panelovými daty metodu Váţených nejmenších čtverců (WLS)10, kterou jsem nakonec pouţil. (konkrétní odhadnuté koeficienty rovněţ v tabulce 2). Výsledky jsou následující. Mzdová prémie u ţenatých muţů je ve výši 12,9 %, u nesezdaných s partnerkou ve výši 8,6 %. Prémie jsou tedy vyšší neţ u odhadu pomocí fixních efektů. Metoda fixních efektů tedy pomocí kontroly časově konstantních individuálních charakteristik eliminuje značnou část mzdové prémie. Toto zjištění je naopak v souladu s teorií selektivity (Volker Ludwig/Josef Brüderl, 2011), která tak vysvětluje podstatnou část mzdové prémie u ţenatých muţů. Odhad metodou nejmenších čtverců rovněţ ukázal, ţe dochází k rasové diskriminaci, zejména u respondentů černé pleti, kteří trpí mzdovými sráţkami ve výši 5,2 %.
3.1.7 Další proměnné Do modelu by jistě šly zahrnout další proměnné, čímţ by se ještě více zvýšila jeho přesnost. Výši mzdy například bezpochyby ovlivňují pracovní zkušenosti. Vzhledem k tomu, ale ţe pracuji s poměrně mladým vzorkem respondentů, doba let praxe se tudíţ tak ještě tolik neprojeví. Absence zkušeností v modelu tedy není takovým nedostatkem, jako by například byla ve studii pracující se staršími respondenty. Další proměnnou, kterou bych při dostupnosti dat do modelu zařadil, je počet hodin práce manţelky na pracovním trhu. Hyunbae Chun a Injae Lee (2000) v jiţ zmiňované studii ukázali, ţe pokud má manţelka vlastní zaměstnání, tak manţelova mzdová prémie se s kaţdou hodinou její práce sniţuje. V neposlední řadě by přesnost odhadnutých koeficientů zvýšila také například proměnná týkající se fyzického vzhledu respondentů. Daniel Hamermesh a Jeff Biddle (1994) ve své studii došli k závěru, ţe příjemný vzhled zejména u muţů má na výši mzdy svůj vzhled.
10
Metoda WLS pracuje s transformovanými proměnnými, které jsou podělené hodnotami rozptylů (resp. jejich směrodatnými odchylkami). Takto transformované proměnné jsou pak odhadnuty metodou nejmenších čtverců. (Šárka Lejnarová/Adéla Ráčková/Jan Zouhar, 2009, str. 172)
22
Tabulka 2: Odhadnuté koeficienty 1. modelu WLS .965 *** const married single_coh age sq_age children educ black hispan mixed west north_east north_central GED HSD college bachelor master profess 2
R počet pozorování
FEM .971 **
(.102)
(.348)
.129 ***
.077 ***
(.007)
(.026)
.086 ***
.013
(.004)
(.019)
.075 ***
.079 **
(.009)
(.032)
-.001 ***
-.001
(.001)
(.001)
.044 ***
.041 **
(.004)
(.017)
.008 ***
.013
(.002)
(.010)
-.052 *** (.006)
-.027 *** (.005)
-.036 (.035)
-
.137 ***
.136 **
(.006)
(.054)
.060 ***
.013
(.004)
(.046)
.007
.015
(.004)
(.051)
.025 ***
-.152 ***
(.007)
(.054)
.045 ***
-.027
(.006)
(.049)
.162 ***
.109 ***
(.013)
(.065)
.237 ***
.245 *
(.013)
(.059)
.388 ***
.354 ***
(. 024)
(.084)
.759 ***
.993 ***
(.126)
(.145)
.915 7803
.610 7803
Pozn.: Koeficienty zaokrouhleny na tři desetinná místa. Hodnoty v závorkách značí směrodatné chyby. ***/**/* vyjadřují statistickou významnost na jednotlivých hladinách významnosti. Vysvětlovanou proměnnou je ln_wage.
Zdroj: vlastní výpočty 23
3.2 Model rozšířený o proměnnou zdraví Metodou fixních efektů jsem ověřil, ţe ţenatí muţi vydělávají více neţ jejich svobodné protějšky. V dalším kroku se pokusím zjistit, zda je to opravdu díky jejich lepšímu zdraví. Z toho důvodu do modelu zahrnu další vysvětlující proměnnou health. Tato proměnná odráţí zdravotní stav respondentů, kteří sami sebe na základě svého vnímání a svých pocitů přidělili do jedné z pěti kategorií. K dispozici tak mám pět binárních proměnných: excellent (= 1, pokud respondent hodnotí své zdraví jako výborné), very_good (= 1, pokud své zdraví povaţuje za velmi dobré), good (= 1, pokud své zdraví hodnotí jako dobré), fair (= 1, pokud si myslí, ţe jeho zdraví je ucházející), poor (= 1, pokud své zdraví povaţuje za chabé). Vliv zdraví na výši hodinové mzdy odhadnu opět metodou fixních efektů. Jako referenční kategorii jsem zvolil good. Očekávám, ţe čím lepší zdraví, tím lepší bude mzda respondenta. Model obsahuje i ostatní kontrolní proměnné popsané v sekci 3.1.4.
Tabulka 3: Vliv zdraví na výši mzdy FEM excellent
.035 * (.018)
very_good
.025 (.016)
fair
-.037 (.027)
poor
-.059 (.096)
2
R počet pozorování
.611 7803
Pozn.: Koeficienty zaokrouhleny na tři desetinná místa. Hodnoty v závorkách značí směrodatné chyby. ***/**/* vyjadřují statistickou významnost na jednotlivých hladinách významnosti. Vysvětlovanou proměnnou je ln_wage.
Zdroj: vlastní výpočty
24
3.2.1 Diskuze výsledků Z tabulky 3, kde jsou uvedeny konkrétní koeficienty pro proměnné týkající se zdraví, vyplývá několik závěrů. Znaménka u koeficientů sice odpovídají předchozímu předpokladu, ţe čím lepšímu zdraví se respondent těší, tím vyšší má hodinovou mzdu. Proměnné ovšem na základě p-hodnoty vyšly statisticky nevýznamně. Jak na 1%, tak na 5% hladině významnosti se mi nepodařilo zamítnout nulovou hypotézu o nevýznamnosti proměnných. Jedinou výjimkou je binární proměnná excellent, i ta je ovšem statisticky významná pouze na 10% hladině významnosti. Z výsledků regresní analýzy tedy vyplývá, ţe mezi zdravím a výší mzdy není u muţů z mého datového souboru statisticky významný vztah. Nelze tedy říct, ţe zdraví je příčinou existence mzdové prémie u ţenatých muţů. Tuto skutečnost je moţné přisoudit povaze proměnné health, která značí ryze subjektivní pocity respondentů. Při dostupnosti dat by bylo moţná vhodnější pouţít proměnnou více objektivní. Druhým vysvětlením by mohla být práce s poměrně mladým vzorkem obyvatel, u kterých ještě zdraví nehraje tak velkou roli.
25
ZÁVĚR Tato práce se zabývá jevem, kdy ţenatí muţi dosahují ve srovnání se svobodnými muţi vyšších mezd. Vysvětlení této skutečnosti nabízí hned několik teorií. Cílem práce bylo na panelových datech pocházejících ze Spojených států amerických ověřit, hypotézu, ţe tento jev je způsoben lepším zdravím muţů ţijících v manţelství. Výsledky provedených regresních analýz nejprve naznačily, ţe ţenatí muţi opravdu vydělávají více neţ muţi ţijící mimo manţelství. Mzdová prémie v manţelství je ve výši 32,8 %, respektive 7,7 % po přidání proměnných kontrolujících dosaţené vzdělání, věk či počet dětí respondentů. Srovnání svobodných muţů ţijících s partnerkou a svobodných muţů ţijících samostatně ukázalo existenci mzdové prémie pro první jmenovanou skupinu. Ta je ve výši 13,7 %, po přidání zmiňovaných kontrolních faktorů ovšem takřka mizí. Nepodařil se ale prokázat vliv zdraví na výši mzdy a tudíţ ani to, ţe lepší zdraví způsobuje mzdovou prémii u ţenatých muţů. Moţné rozšíření této problematiky by mohlo spočívat ve vyuţití jiných proměnných, zejména proměnných týkajících se zdraví respondentů. Zajímavé by také mohlo být provedení obdobné analýzy na datech z NSLY97 za několik let. V současnosti totiţ datový soubor obsahuje respondenty, kteří nepřesáhli věkovou hranici třiceti let a netýkají se jich tak ve velké míře takové jevy, jakým je například rozvodovost. S přibývajícím věkem respondentů by se také zvýšil poměr ţenatých ve vzorku.
26
POUŽITÁ LITERATURA AHITUV, Avner – LERMAN, Robert: How Do Marital Status, Work Effort, and Wage Rates Interact?, Demography, Vol. 44, No. 3, 2007, pp. 623-647
ANTONOVICS, Kate – TOWN, Robert: Are All the Good Men Married? Uncovering the Sources of the Marital Wage Premium, The American Economic Review, Vol. 94, No. 2, 2004, pp. 317-321 BARG, Katherin – BEBLO, Miriam: The male marital wage premium in Germany: selection versus specialization, Berlin School of Economics 2006, citace 25. 12. 2011, přístup z internetu: http://www.uu.nl/faculty/leg/nl/organisatie/departementen/departementeconomie/onderzoek/s eminarserie/previousseminars/extsep06dec06/Documents/Beblo%20BargBeblo_15_9_06.pdf
BECKER, Gary: A Theory of Marriage: Part I, Journal of Political Economy, Vol. 81, No. 4, 1973, pp. 813-846
BROŢOVÁ, Dagmar: Kapitoly z ekonomie trhů práce, 1. vydání, Praha, Oeconomica 2006, 173 str., ISBN 80-245-1120-7
GEIST, Claudia: Who Enjoys a Wage Premium for Marriage? A Comparison of 15 Nations, Indiana University 2005, citace 25. 12. 2011, přístup z internetu: http://www.ccpr.ucla.edu/publications/conference-proceedings/CP-05-010.pdf
GINTHER, Donna – ZAVODNY, Madeline: Is the Male Marriage Premium Due to Selection? The Effect of Shotgun Weddings on the Return to Marriage, Working Paper 97-5a, Federal Reserve Bank of Atlanta 1997, citace 25. 12. 2011, přístup z internetu: http://www.frbatlanta.org/filelegacydocs/wp9705a.pdf
HAMERMESH, Daniel – BIDDLE, Jeff: Beauty and the Labour Market, The American Economic Review, Vol. 84, No. 5, 1994, pp. 1174-1194 27
HILL, Martha: The Wage Effects of Marital Status and Children, The Journal of Human Resources, Vol. 14, No. 4, 1979, pp. 579-594
HORWITZ, Allan – RASKIN WHITE, Helene: Becoming Married, Depression, and Alcohol Problems Among Young Adults, Journal of Health and Social Behavior, Vol. 32, No. 3, 1991, pp. 221-237
CHIODO, Abbigail – OWYANG, Michael: For Love or Money? Why Married Men Make More, The Regional Economist, 2002, pp. 10-11
CHUN, Hyunbae – LEE, Injae: Why Do Married Men Earn More: Productivity or Marriage Selection?, Economic Inquiry, Vol. 39, No. 2, 2001, pp. 307-319
KORENMAN, Sanders – NEUMARK, David: Does Marriage Really Make Men More Productive?, The Journal of Human Resources, Vol. 26, No. 2, 1991, pp. 282-307
LEJNAROVÁ, Šárka – RÁČKOVÁ, Adéla – ZOUHAR, Jan: Základy ekonometrie v příkladech, 1. vydání, Praha, Oeconomica 2009, 276 str., ISBN 978-80-245-1564-9
LUDWIG, Volker – BRÜDERL, Josef: Is There a Male Marital Wage Premium? Resolving an Enduring Puzzle with Panel Data from Germany and the U.S., University of Mannheim 2001, citace 25. 12. 2011, přístup z internetu: http://www.iser.essex.ac.uk/uploads/paper/document/98/ludwig_br_derl_2011_rc28.pdf
OURS, Jan van – STOELDRAIJER, Lenny: Age, Wage and Productivity, Discussion Paper No. 4765, Tilburg University 2010, citace 7. 1. 2012, přístup z internetu: http://ftp.iza.org/dp4765.pdf
SIEBERT, Stanley – SLOANE, Peter: The Measurement of Sex and Marital Status Discrimination at the Workplace, Economica, Vol. 48, No. 190, 1981, pp. 125-141
28
STACK, Steven – ESHLEMAN, Ross: Marital Status and Happiness: A 17-Nation Study, Journal of Marriage and Family, Vol. 60, No. 2, 1998, pp. 527-536
WAITE, Linda: Does Marriage Matter?, Demography, Vol. 32, No. 4, 1995, pp. 483-507
WESTERN, Mark – HEWITT, Belinda – BAXTER, Janeen: Marriage and Money: Variations across the Earnings Distribution, Australian Journal of Labour Economics, Vol. 8, No. 2, 2005, pp. 163 - 179
WOOLDRIDGE, Jeffrey: Introductory econometrics: a modern approach, 2nd edition, USA: South-Western College Publishing 2002, 805 str., ISBN 0-538-85013-2
29
PŘÍLOHY Tabulka 4: Popis pouţitých proměnných ln_wage age children educ mar_stat:
race:
married single_coh single black hispan mixed white
region:
degree:
health:
west north_east north_central south GED HSD college bachelor master profess no_diploma excellent very_good good fair poor
logaritmus hodinové mzdy v cenách roku 2009 věk respondenta v daném roce pozorování počet dětí ţijících v domácnosti v daném roce pozorování počet dokončených let vzdělání v daném roce pozorování = 1 pokud je respondent ţenatý, jinak 0 = 1 pokud je respondent dosud neţenatý, ale ţije s partnerkou, jinak 0 = 1 pokud je respondent dosud neţenatý, ţijící samostatně, jinak 0 = 1 pokud je respondent černé pleti, jinak 0 = 1 pokud je respondent hispánského původu, jinak 0 = 1 pokud se respondent řadí mezi „míšence“, avšak ne Hispánce, jinak 0 = 1 pokud není respondent ani černošského, ani hispánského původu, jinak 0 = 1 pokud respondent ţije na západě země, jinak 0 = 1 pokud respondent ţije na severovýchodě země, jinak 0 = 1 pokud respondent ţije na centrálním severu, jinak 0 = 1 pokud respondent ţije na jihu země, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni GED, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni HSD, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni college, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni Bachelor’s degree, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni Master’s degree, jinak 0 = 1 pokud nejvyšší vzdělání na úrovni Professional degree, jinak 0 = 1 pokud respondent nevlastní ţádný diplom, jinak 0 = 1 pokud respondent hodnotí své zdraví jako výborné, jinak 0 = 1 pokud respondent hodnotí své zdraví jako velmi dobré, jinak 0 = 1 pokud respondent hodnotí své zdraví jako dobré, jinak 0 = 1 pokud respondent hodnotí své zdraví jako ucházející, jinak 0 = 1 pokud respondent hodnotí své zdraví jako chabé, jinak 0
30
Tabulka 5: Deskriptivní statistiky pouţitých proměnných. Proměnná
Střední hodnota
Medián
Minimum
Maximum
Směr. odchylka
wage
15,858
11,662
2,5
498,2
23,555
age
23,296
23,0
18,0
29,0
2,705
0,2
0,0
0,0
4,0
0,543
educ
13,081
13,0
6,0
20,0
2,394
married
0,156
-
0
1
-
single_coh
0,147
-
0
1
-
single
0,698
-
0
1
-
black
0,139
-
0
1
-
hispan
0,152
-
0
1
-
mixed
0,013
-
0
1
-
white
0,696
-
0
1
-
west
0,159
-
0
1
-
north_east
0,225
-
0
1
-
north_central
0,272
-
0
1
-
south
0,343
-
0
1
-
GED
0,080
-
0
1
-
HSD
0,590
-
0
1
-
college
0,047
-
0
1
-
bachelor
0,154
-
0
1
-
master
0,011
-
0
1
-
profess
0,002
-
0
1
-
no_diploma
0,115
-
0
1
-
excellent
0,327
-
0
1
-
very_good
0,383
-
0
1
-
good
0,228
-
0
1
-
fair
0,058
-
0
1
-
poor
0,004
-
0
1
-
children
Počet pozorování: 7803 Pozn.: Hodnoty zaokrouhleny na tři desetinná místa. U binárních proměnných uvedena pouze střední hodnota.
Zdroj: vlastní výpočty 31