Een loonkloof “verdwijnt” soms zodra je een extra variabele toevoegt aan je model die op het eerste zicht wel OK lijkt. Maar wat als die variabele zelf niet zo neutraal is als ze lijkt?
In deze post tonen we hoe ogenschijnlijk neutrale verklaringen (zoals job family of sales/non-sales) onrechtstreeks een gender bias kunnen bevatten, én welke toets je stap voor stap moet doorlopen vóór je ze gebruikt.
Uit de loonkloofanalyse gecorrigeerd voor work of equal value - wat wij noemen: level 2-analyse - blijkt dat er een loonkloof is van 6% binnen de categorie C2. Dit wil zeggen dat mannelijke medewerkers binnen dezelfde werknemerscategorie C2 gemiddeld genomen 6% méér verdienen dan hun vrouwelijke collega’s.
Wanneer we de variabele “sales/non-sales” toevoegen aan het statistisch model, dan is de loonkloof binnen de categorie C2 nog 3% - waardoor de joint pay assessment niet wordt getriggerd. Er wordt dus een opdeling gemaakt binnen de categorie C2, namelijk:
De driver achter de loonkloof binnen deze categorie ligt in het feit dat salesmedewerkers recht hebben op een bonus (ervan uitgaand dat de targets worden behaald). Non-salesmedewerkers hebben geen bonus. Het basisloon van de sales- en non-salesmedewerkers daarentegen is even hoog.
De vraag is of we de variabele “sales/non-sales” wel mogen toevoegen aan onze analyse om de loonkloof te verklaren. In de praktijk wordt job family (departement, zoals bijvoorbeeld sales) vaak als criterium genomen zonder dit verder te onderbouwen. Maar dit kan achteraf wel als een zeer dure aanname uitvallen, wanneer blijkt dat dat criterium onrechtstreeks wél genderdiscriminatie inhoudt.
In deze blogpost gaan we na welke stappen je moet volgen bij het bepalen van welke variabelen je wél en welke je niet kan weerhouden. Of anders gesteld: welke variabelen zijn objectief en genderneutraal? Daarnaast moet in eerste instantie worden uitgegaan van strategische variabelen, maar dat is een andere discussie.
Vooraleer we jou door de stappen heen loodsen, staan we nog kort even stil bij wat discriminatie precies inhoudt.
In het algemeen is er sprake van discriminatie, wanneer:
Merk op dat er in principe al sprake is van discriminatie van zodra voldaan is aan de voorwaarden onder het eerste punt. Het is dan aan de werkgever om aan te tonen dat er géén discriminatie is.
Die discriminatie kan rechtstreeks of onrechtstreeks zijn. Omdat deze blogpost betrekking heeft op de loonkloof man-vrouw, staan we enkel stil bij discriminatie - rechtstreeks of onrechtstreeks - op basis van gender.
We spreken van rechtstreekse discriminatie op basis van gender, wanneer het onderscheid dat gemaakt worden tussen medewerkers in een vergelijkbare categorie rechtstreeks op basis van gender gebeurt.
Schoolvoorbeeld van rechtstreekse discriminatie in de rechtspraak van het Europees Hof van Justitie vinden we bij het aanvullend pensioen.
Nog niet zo lang geleden kenden mannen en vrouwen in veel Europese landen een andere wettelijke pensioenleeftijd. Vrouwen konden vroeger op pensioen dan mannen. In België is de pensioenleeftijd voor mannen en vrouwen pas vanaf 2009 gelijkgetrokken.
Die wettelijke pensioenleeftijd drong natuurlijk ook binnen bij organisaties, waarbij stelsels van aanvullend pensioen gekoppeld werden aan de wettelijke pensioenleeftijd. Daardoor werd er een onderscheid gemaakt op basis van gender - waarbij mannen vaak het slachtoffer waren van discriminatie. De nationale wetgeving is voor het Europees Hof van Justitie nooit een objectieve rechtvaardiging geweest. Dus ook al leef je als organisatie de nationale wetgeving na, dan nog kan er sprake zijn van discriminatie.
Een ander voorbeeld - eveneens in het kader van aanvullend pensioen - is het feit dat er voor de financiering van het pensioen voor vrouwen hogere premies worden betaald dan voor mannen. Ook dat maakt een vorm van directe discriminatie op basis van gender uit. Maar, heeft het Europees Hof van Justitie herhaaldelijk gesteld, het onderscheid kan worden gerechtvaardigd op basis van objectieve en neutrale criteria met name de financiële realiteit en de verplichtingen van de werkgever naar de verzekeraar toe (HvJ 22 december 1993, C-152/91, ECLI:EU:C:1993:949, ‘Neath v. Steeper’; HvJ 28 september 1994, C-200/91, ECLI:EU:C:1994:348, ‘Coloroll’).
Discriminatie kan ook onrechtstreeks op basis van gender gebeuren. Elke ogenschijnlijk neutrale variabele kan namelijk aanleiding geven tot indirecte discriminatie. Dit is het geval, wanneer mannen of vrouwen benadeeld worden op basis van een variabele waarbij mannen of vrouwen oververtegenwoordigd zijn in de benadeelde categorie.
Het meest voor de hand liggende voorbeeld is deeltijdse tewerkstelling. Vrouwen zijn namelijk oververtegenwoordigd onder de deeltijds tewerkgestelde medewerkers. Een onderscheid op basis van deeltijdse tewerkstelling kan dus onrechtstreeks een onderscheid uitmaken op basis van gender.
Belangrijk is om te duiden dat eender welk ogenschijnlijk neutraal criterium dat een onderscheid creëert tussen twee groepen aanleiding kan geven tot onrechtstreekse discriminatie.
Voorbeelden daarvan zijn: minder dan twee jaar in dienst zijn, anciënniteit, kilometers op de teller (ervaring), job family / departement, …
Job family wordt vaak gebruikt om een loonkloof tussen mannen en vrouwen te verklaren. Een werknemer die work of equal value verricht moet hetzelfde worden verloond, ongeacht het departement of job family. Nochtans komt het bijvoorbeeld vaak voor dat medewerkers binnen sales hoger verloond worden dan medewerkers binnen marketing. Of dit daadwerkelijk het geval is, moet uiteraard per organisatie worden vastgesteld op basis van objectieve gegevens.
Wordt een categorie benadeeld op basis van een ogenschijnlijk neutraal criterium? In ons voor-beeld is het antwoord ja. Mensen binnen marketing verdienen minder dan binnen sales ook al gaat het om gelijkwaardig (niet alleen gelijk of gelijkaardig) werk.
Dat mannen of vrouwen daardoor benadeeld worden, is niet per se problematisch. Als organisatie moet je echter kunnen aantonen dat het gerechtvaardigd is om de variabele te hanteren. En dat die variabele niet indirect het ene of het andere gender discrimineert.
Om uit te sluiten dat bepaalde criteria onrechtstreekse discriminatie inhouden, moet je drie stappen volgen.
Deze stap wordt eigenlijk voorondersteld. Vóór de toevoeging van de variabele “sales/non-sales” moet het gaan om een groep van werknemers die, op basis van het criterium work of equal value, vergelijkbaar zijn. In onze casus is dat inderdaad gevallen: zowel de sales- als de non-salesmedewerkers waarover het gaat vallen onder de categorie C2.
De vraag of we de variabele “sales/non-sales” mogen toevoegen aan de analyse om vergelijkingen mogelijk te maken tussen medewerkers binnen categorieën C1 en C2, is zinledig. Die werknemers zijn al op voorhand niet vergelijkbaar.
Wordt een groep benadeeld?
Creëert het ogenschijnlijk neutraal criterium (in ons voorbeeld: het feit dat men een salesfunctie heeft dan wel een non-salesfunctie) een onderscheid tussen groepen van medewerkers - ja, sales en non-sales - en wordt een van de groepen benadeeld?
Het antwoord is: ja, non-salesmedewerkers worden in ons voorbeeld minder goed betaald dan medewerkers bij de afdeling sales.
Je kan daarbij ook onderzoeken of dit effect verschilt tussen mannen en vrouwen. Daarvoor moet je testen of er sprake is van een een interactie-effect tussen het criterium "sales/non-sales" en gender op het loon. Met andere woorden: je gaat na of het feit dat iemand in sales of non-sales werkt het salaris anders beïnvloedt voor mannen dan voor vrouwen. Dit kan statistisch worden getest via een lineaire regressie met interactieterm tussen functiecategorie (sales/non-sales) en gender. Hierbij is het belangrijk niet alleen te kijken naar statistische significantie (bijvoorbeeld p < 0,05), maar ook naar de praktische grootte van het effect (i.e. hoe sterk is het verband tussen, in dit geval, gender en functiecategorie?).
In een hypothetische analyse is via een lineaire regressie het interactie-effect tussen non-sales en gender meegenomen. Dit toont aan dat vrouwen in non-sales gemiddeld €6.000 minder verdienen dan mannen in non-sales, bovenop het algemene effect van gender op loon. Het interactie-effect is statistisch significant (p < 0,05) en verklaart een substantieel deel van de loonverschillen (partiële η² = 0,06).
Wat dit in mensentaal betekent: de ‘non-sales’-context werkt niet neutraal. Vrouwen die in non-sales terechtkomen, blijken daar extra benadeeld te worden ten opzichte van mannen in non-sales in dezelfde functiecategorie. In dit voorbeeld gaat het om gemiddeld €6.000 verschil binnen non-sales, bovenop het algemene loonverschil tussen mannen en vrouwen.
Belangrijk: dit is niet enkel een ‘statistisch’ verschil. Het resultaat is consistent genoeg om niet als toeval weg te zetten (p < 0,05) én de impact is groot genoeg om beleidsmatig relevant te zijn (η² = 0,06). Concreet: functiecontext (non-sales) en gender versterken elkaar, waardoor je een verhoogd risico krijgt op indirecte discriminatie als je ‘sales/non-sales’ zomaar gebruikt om de loonkloof te ‘verklaren’.
Is een gender oververtegenwoordigd in de benadeelde groep?
Is het ene of andere gender oververtegenwoordigd in de benadeelde categorie? In ons voorbeeld is het antwoord ook ja. Vrouwen zijn oververtegenwoordigd binnen de benadeelde categorie, namelijk non-sales.
Het feit dat mannen en vrouwen evenredig verdeeld zijn binnen de bevoordeelde categorie is daarbij van geen tel. Dit is vaste rechtspraak van het Europees Hof van Justitie.
Of er sprake is van oververtegenwoordiging kan (moet) statistisch worden getoetst. Je test of de verdeling van mannen en vrouwen binnen de benadeelde categorie significant afwijkt van de algemene genderverdeling binnen de organisatie (bijvoorbeeld met een chi-kwadraattoets). Met andere woorden: je onderzoekt of de kans om tot de benadeelde categorie te behoren ongelijk verdeeld is naargelang het gender.
Wat we met een statistische toets willen bereiken, is het uitsluiten van toeval.
Stel dat de organisatie in ons voorbeeld 100 mannen en 100 vrouwen telt. Binnen de non-salesfuncties—die als benadeeld worden beschouwd—zijn 70 van de 100 medewerkers vrouw en 30 man. Bij onafhankelijkheid tussen gender en functiecategorie zou de verwachte verdeling 50 vrouwen en 50 mannen zijn. Logisch, want de organisatie in het geheel bestaat uit 50% mannen en 50% vrouwen.
Als we een chi-kwadraattoets uitvoeren, komen we op een p-waarde kleiner dan 0,001 (χ² = 16,0). De oververtegenwoordiging van vrouwen binnen non-sales is dus statistisch significant. Het is dan ook onwaarschijnlijk dat de oververtegenwoordiging van vrouwen binnen non-sales te wijten is aan toeval.
Daarnaast wordt de sterkte van de samenhang tussen gender en functiecategorie geëvalueerd. Hiervoor kunnen effectgroottes worden gebruikt, zoals Cramer’s V. In dit voorbeeld bedraagt Cramer’s V 0,28, wat wijst op een middelgroot effect: gender en functiecategorie hangen duidelijk samen, dus vrouwen hebben merkbaar vaker een non-salesfunctie dan mannen
Het ondersteunt de conclusie dat het ogenschijnlijk neutrale criterium "functiecategorie" een bijzonder nadelig effect heeft op vrouwelijke medewerkers. Ergo, je kan het criterium “functiecategorie” wellicht niet in aanmerking nemen, omdat het criterium zelf gender-biased is. Maar daarvoor moeten we eerst nog stap 3 bekijken.
Kan het onderscheid worden gerechtvaardigd?
Betekent dit dan dat - in onze casus - de variabele “sales/non-sales” per definitie niet mag meegenomen worden in de loonkloofanalyse?
Neen, maar je zal moeten kunnen rechtvaardigen waarom dat criterium tóch objectief en genderneutraal is. Kan je dat niet, dan kan die variabele inderdaad niet worden weerhouden in de analyse. Een gender bias verklaren op basis van gender-biased variabelen houdt geen steek. Dit is een self-fulfilling prophecy die gemakkelijk doorprikt kan worden bij discussie met werknemers, werknemersvertegenwoordigers of de sociale inspectie.
Bovendien zal je op voorhand aan je medewerkers moeten kunnen uitleggen, waarom het überhaupt steekhoudt om de variabele “sales/non-sales” mee te nemen. Als organisatie zal je namelijk je loonstrategie (waaronder de criteria die het loonniveau bepalen) moeten communiceren. Daarbij is consistentie doorslaggevend.
Om te bepalen wat work of equal value is, moet op basis van de EU Pay Transparency Directive rekening worden gehouden met minstens vier criteria:
Waar relevant, kan er ook rekening worden gehouden met beroepsspecifieke criteria.
Stel dat salesmedewerkers continu op de baan zijn, terwijl non-salesmedewerkers altijd vanop kantoor of van thuis uit werken. De werkomstandigheden maakt het voor salesmedewerkers zwaarder dan voor non-salesmedewerkers. Dit betekent dat de categorie C2 - sales work of higher value uitmaakt ten opzichte van medewerkers binnen de categorie C2 - non-sales. Het loon voor werknemers binnen de hogere categorie moet minstens even hoog zijn als het loon voor de medewerkers binnen de lagere categorie. Hieraan is voldaan.
Nu, zeker sinds de coronapandemie, zijn salesmedewerkers zelden nog op de baan en verloopt het ganse prospectie- en salesproces digitaal. Met andere woorden, de werkomstandigheden voor salesmedewerkers zijn niet fundamenteel anders/zwaarders dan voor non-salesmedewerkers.
Zijn er dan nog andere mogelijke gronden voor rechtvaardiging?
Mogelijks wel, al zal het veeleer gaan om externe variabelen dan om strategische variabelen. Externe variabelen kunnen het work of equal value niet bepalen en kunnen dus geen a priori rechtvaardiging uitmaken. Ze kunnen enkel achteraf (a posteriori) worden ingeroepen. Voorbeelden zijn: historisch loonbeleid, overnames, arbeidsmarktkrapte, economische conjunctuur, etc.
Of een salesmedewerker in economisch goede of slechte tijden is aangeworven waar the sky the limit was, maakt voor de waarde van het werk helemaal niets uit. Maar het kan wel achteraf voor de nodige rechtvaardiging zorgen.
In een concrete organisatie werd aan salesmedewerkers een bonus toegekend, omdat medewerkers binnen de organisatie niet happig waren om over te stappen naar een salesfunctie. Als gevolg van de businessstrategie van de organisatie moesten salesmedewerkers namelijk experts zijn binnen hun domein. En medewerkers met een stevige technische expertise waren niet gemotiveerd om in te stappen in een salesfunctie. Het is pas door salesbonussen in te stellen dat men voldoende medewerkers kon warm maken voor een salesfunctie.
Of salesbonussen dan het juiste antwoord zijn, doet hier eigenlijk niet ter zake. Het volstaat dat de rechtvaardiging noodzakelijk en adequaat is en dat die rechtvaardiging is gebeurd op basis van objectieve en genderneutrale criteria. De organisatie kon dit inderdaad aantonen.
Het spreekt dus voor zich dat je dat niet zomaar kan poneren, maar dat je die argumenten ook (data gedreven) zal moeten kunnen onderbouwen. De loutere aanname of veralgemening dat, wanneer je geen bonussen zou toekennen, je geen salesmedewerkers zou vinden, volstaan natuurlijk niet.
In diezelfde zin moet je als organisatie voorzichtig zijn met het gebruiken van benchmarks als rechtvaardigingsgrond.
Stel dat blijkt bijvoorbeeld dat (a) medewerkers in sales op de arbeidsmarkt meer verdienen dan mensen in marketing en (b) vrouwen op de arbeidsmarkt in het algemeen oververtegenwoordigd zijn binnen marketing.
Kan je als organisatie je daarop baseren om op een objectieve, genderneutrale manier een onderscheid te maken tussen job family’s? We moeten dit steeds geval per geval bekijken, maar de kans is klein in dit geval dat benchmarks voor sales voldoende de loondifferentiatie tussen job family’s zullen rechtvaardigen op basis van objectieve en genderneutrale criteria.
Als organisatie zal je nog steeds moeten kunnen duiden waarom het noodzakelijk en adequaat is om bonussen toe te kennen aan salesmedewerkers en niet aan non-salesmedewerkers.
Kan je dit niet aantonen en kan je geen andere rechtvaardiging naar voor kan schuiven, dan is de kans groot dat je op de arbeidsmarkt bestaande, niet te rechtvaardigen loonverschillen binnentrekt in je organisatie.
Een gecorrigeerde loonkloofanalyse kan ogenschijnlijk “verklaard” worden door extra variabelen (zoals sales/non-sales), maar precies die variabelen kunnen zelf (onrechtstreeks) genderdiscriminatie bevatten.
Discriminatie is er zodra vergelijkbare medewerkers ongelijk worden behandeld op basis van een beschermd criterium, tenzij de werkgever kan aantonen dat het onderscheid steunt op objectieve, genderneutrale criteria én noodzakelijk en adequaat (proportioneel) is om een legitiem doel te bereiken.
Omdat een neutraal criterium indirect discriminerend kan werken wanneer het een benadeelde groep creëert waarin één gender oververtegenwoordigd is (denk aan deeltijdse tewerkstelling, anciënniteit of job family), moet je bij elke “verklarende” variabele systematisch toetsen of ze houdbaar is.
Dat doe je in drie stappen:
Die rechtvaardiging kan a priori gebeuren (verschil in waarde van het werk op basis van o.a. skills, inspanningen, verantwoordelijkheden en/of werkomstandigheden) of a posteriori (bijvoorbeeld historiek, overnames, arbeidsmarktkrapte of conjunctuur), maar moet in alle gevallen concreet en data-gedreven onderbouwd worden.
Louter verwijzen naar benchmarks zal niet volstaan: zonder duidelijke noodzaak en adequaatheid riskeer je externe, niet te verantwoorden loonverschillen te importeren en de analyse te “verklaren” met gender-biased variabelen.
