Hvordan bør virksomheder beregne kønsbaserede lønforskelle?

EU-direktivet om løngennemsigtighed kræver, at arbejdsgivere rapporterer både ujusterede og justerede kønsbaserede lønforskelle. De to tal fortæller forskellige – men komplementære – historier:

• Ujusteret lønforskel → den gennemsnitlige forskel i løn mellem alle mænd og alle kvinder
• Justeret lønforskel → en analyse, der tager højde for rolle, erfaring eller arbejdstid og viser, om forskellen skyldes struktur eller bias

Tilsammen viser de både størrelsen på forskellen og hvad der kan ligge bag

Ujusteret kønsbaseret lønforskel: Den rå gennemsnitlige forskel i bruttoløn mellem mænd og kvinder – uanset rolle eller anciennitet. Et overordnet billede af ligestilling.

Justeret kønsbaseret lønforskel: Går dybere og tager højde for faktorer som:

• Jobrolle eller kategori
• Anciennitet eller ansættelsestid
• Uddannelse eller kvalifikationer
• Performance (afhængigt af nationale regler)
• Arbejdstid (f.eks. FTE-justeringer)

Målet er at vise den “uforklarede” del af forskellen, som kan pege på ulighed eller bias.

Statistiske metoder:

Direktivet foreslår Oaxaca-Blinder-metoden, som opdeler resultater i “forklaret” og “uforklaret”. I praksis bruger de fleste organisationer regressionsanalyse eller enklere værktøjer – ofte med hjælp fra eksterne eksperter.

Rapporteringen skal indeholde:

• Gennemsnitlige og mediane lønforskelle for grundløn
• Gennemsnitlige og mediane lønforskelle for variabel løn
• Lønniveauer opdelt i kvartiler, fordelt på køn
• % af mænd og kvinder, der modtager bonusser

Hvis forskelle på 5 % eller mere ikke kan forklares, skal arbejdsgivere:

• Gennemføre en fælles lønaudit
• Udarbejde en handlingsplan inden for seks måneder
• Konsultere medarbejderrepræsentanter (i de fleste lande)

At beregne lønforskelle handler ikke kun om at overholde regler. For at få troværdige resultater skal du:

• Sikre, at data er rene, komplette og konsistente
• Bruge objektive og gennemsigtige jobkategorier
• Være klar til at forklare ikke kun tallene – men også årsagerne bag

Små datasæt, uens jobtitler eller manglende data kan forvride resultaterne – så det betaler sig at forberede dine systemer i god tid.

Den kønsbaserede lønforskel er mere end et tal. Når analysen laves ordentligt, hjælper den organisationer med at spotte skjulte uligheder, styrke deres lønstruktur og opbygge et ry for fairness.

Det handler ikke kun om at nå en deadline – det handler om at bruge data til at skabe en mere retfærdig arbejdsplads.