Get Insights
NL: Hier worden de inzichten uitgelegd die terug te vinden zijn in de Insights webapp 'Pay Equity'.
Alles over de module Pay Equity in een notendop, kan je ook beluisteren via deze opname.
Er worden 3 dashboards beschikbaar gesteld:
- Eerste dashboard: Unadjusted pay gap analysis = de ongecorrigeerde gender loonkloof analyse
De unadjusted pay gap toont óf er een verschil is. Het is het zuiver statistisch loonverschil tussen vrouwen en mannen, zonder correctie voor objectieve factoren (zoals ervaring, functieniveau, prestaties).
- Tweede dashboard: Inzicht in de populatie, met de opsplitsing van geslacht
Dit dashboard geeft inzicht in de samenstelling van de populatie, met de uitsplitsing volgens geslacht.
- Derde dashboard: Ajusted pay gap analysis = de gecorrigeerde gender loonkloof analyse
De adjusted pay gap - hier berekend via regressie analyse - toont of dat verschil verklaarbaar en verdedigbaar is.
Hierbij is het verschil tussen Unadjusted (ongecorrigeerd) en Adjusted (gecorrigeerde) Pay Gap analyse toegelicht. Dit is bewust zo opgezet in de Euopese richtlijn: transparantie eerst, verklaring daarna.
De interpretatie van beide analyses worden hier toegelicht.
Eerste dashboard: Unadjusted pay gap analyse
De richtlijn schrijft voor dat organisaties ongecorrigeerde gender pay gaps moeten berekenen en rapporteren, zoals verschillen in basisloon, totale beloning, bonussen en loonverdeling over loonkwartielen tussen mannen en vrouwen. Deze cijfers, zichtbaar in de Insights webapp, fungeren als signaalindicatoren: ze tonen waar mogelijke ongelijkheden bestaan, zonder die onmiddellijk te verklaren of te corrigeren.
Op de pagina 'Unadjusted metrics' in de Insights webapp Pay Equity staan de volgende 9 visuals, opgesplitst in de gender pay gap analyse o.b.v. het bruto uurloon (4 visuals links) en o.b.v. het variabel loon (5 visuals rechts). Welke componenten het bruto uurloon en het variabel loon omvatten, staat beschreven op de pagina 'Metrics def & Calculations'.
In de Europese Richtlijn wordt er gesproken van de volgende 7 Unadjusted Pay Gap Analyses. Deze komen overeen met de 9 visuals op het eerste dashboard:
Metrics aangaande de gender loonkloof analyse gebaseerd op het basis uurloon.
1 |  | --> Berekening: (gemiddelde bruto uurloon M - gemiddelde bruto uurloon V) / gemiddelde bruto uurloon M --> Interpretatie: “Hoe groot is het verschil in basisloon tussen mannen en vrouwen, puur op basis van geslacht?” --> In dit voorbeeld betekent het resultaat van 5,29% dat het gemiddelde bruto uurloon van mannelijke collega's 5,29% hoger ligt dan dat van vrouwelijke collega's, zonder rekening te houden met factoren zoals functiecategorie en anciënniteit. |
2 |  | --> Berekening: (mediaan van bruto uurloon M - mediaan van bruto uurloon V) / mediaan van bruto uurloon M. Alle bruto uurlonen zijn gesplitst tussen M en V, en vervolgens gerangschikt van hoog naar laag. De mediaan (de middelste) van het bruto uurloon van M en V worden dan vergeleken. --> Interpretatie: “Hoe groot is het verschil in basisloon tussen mannen en vrouwen, kijkend naar de mediaan?” --> In dit voorbeeld betekent het resultaat van 7,58% dat de mediaan van het bruto uurloon van mannen 7,58% hoger is dan dat van vrouwen. |
3 |  | De kwartielen worden bekomen door alle bruto uurlonen te rangschikken van laag naar hoog, vervolgens te verdelen in 4 groepen. Het 4de kwartiel bevat de hoogste uurlonen. In elk kwartiel wordt dan gekeken hoeveel % M en hoeveel % V er vertegenwoordigd zijn. Het doel is om consistentie na te streven tussen de 4 kwartielen, niet om een 50/50 verhouding te bekomen. --> Berekening: % van M en V in elk kwartiel, o.b.v. hun gemiddelde bruto uurloon --> Interpretatie: “Waar zitten vrouwen en mannen in de loonstructuur: onderaan, bovenaan, of evenwichtig verdeeld?” --> In dit voorbeeld betekent het resultaat van 26% - 74% in het 2de kwartiel, dat 26% van de V en 74% van de M een bruto uurloon krijgen in dit kwartiel. |
4 |  | --> Berekening: Voor elke job groep: (gemiddelde bruto uurloon M - gemiddelde bruto uurloon V) / gemiddelde bruto uurloon M --> Interpretatie: “Hoeveel bedraagt de loonkloof tussen mannen en vrouwen die gelijk of gelijkwaardig werk doen?” --> In dit voorbeeld betekent het resultaat van 5% voor de job senior analyst, dat een M 5% meer verdient dan een V in dezelfde functie. De analyse van de pay gap o.b.v. de job group is gebaseerd op het vrije veld 'functie' uit het Payroll systeem. Bekijk de bijkomende toelichting over de data kwaliteit van dit veld. |
Metrics aangaande de gender loonkloof analyse gebaseerd op de variabele en aanvullende beloning.
1 |  | --> Berekening: (gemiddelde variabele verloning M - gemiddelde variabele verloning V) / gemiddelde variabele verloning M --> Interpretatie: “Hoeveel minder (of meer) variabele beloning ontvangen vrouwen gemiddeld t.o.v. mannen?” --> In dit voorbeeld betekent het resultaat van 1,42% dat het gemiddelde variabele beloning van mannen 1,42% hoger ligt dan dat van vrouwen. |
2 |  | --> Berekening: (mediaan van variabele verloning M - mediaan van variabele verloning V) / mediaan van variabele verloning M. Alle variabele verloningen zijn gesplitst tussen M en V, en vervolgens gerangschikt van laag naar hoog. De mediaan (de middelste) van het variabel loon van M en V worden dan vergeleken. --> Interpretatie: “Hoe groot is het verschil in variabele verloning tussen mannen en vrouwen, kijkend naar de mediaan?” --> In dit voorbeeld betekent het resultaat van 5,74% dat de middelste (mediaan) variabele verloning van een mannelijke collega 5,74% hoger ligt dat die van een vrouwelijke collega. |
3 |  | --> Berekening: % van M en V t.o.v. de hele populatie = aantal M met recht op variabele beloning / alle werknemers en aantal V met recht op variabele beloning / alle werknemers --> Interpretatie: “Krijgen vrouwen even vaak toegang tot bonussen of variabele beloning als mannen?” --> In dit voorbeeld betekent het resultaat van 99,6% (M) vs 98% (V) dat de verdeling van de toegang tot bonussen/variabel loon van toepassing is voor 99,6% van de mannen in het bedrijf en 98% voor vrouwen. |
4 |  | De kwartielen worden bekomen door alle bruto uurlonen te rangschikken van laag naar hoog, vervolgens te verdelen in 4 groepen. Het 4de kwartiel bevat de hoogste uurlonen. In elk kwartiel wordt dan gekeken hoeveel % M en hoeveel % V er vertegenwoordigd zijn. Het doel is om consistentie na te streven tussen de 4 kwartielen, niet om een 50/50 verhouding te bekomen. --> Berekening: % van M en V in elk kwartiel, o.b.v. hun gemiddelde variabele beloning --> Interpretatie: “Waar zitten vrouwen en mannen in de beloningsstructuur: onderaan, bovenaan, of evenwichtig verdeeld?” --> In dit voorbeeld betekent het resultaat van 24 - 76% in het 2de kwartiel, dat 24% van de V en 76% van de M een variabele beloning krijgen in dit kwartiel. |
5 |  | --> Berekening: Voor elke job groep: (gemiddelde variabele verloning M - gemiddelde variabele verloning V) / gemiddelde variabele verloning M --> Interpretatie: “Hoeveel bedraagt de loonkloof o.b.v. de variabele beloning tussen mannen en vrouwen die gelijk of gelijkwaardig werk doen?” --> In dit voorbeeld betekent het resultaat van 27% voor de job senior analyst, dat een M 27% meer variabele verloning ontvangt dan een V in dezelfde functie. Op analyse van de pay gap o.b.v. de job group is gebaseerd op het vrije veld 'functie' uit het Payroll systeem. Bekijk de bijkomende toelichting over de data kwaliteit van dit veld. |
Derde dashboard: Ajusted pay gap analysis = de gecorrigeerde gender loonkloof analyse
Regressieanalyse wordt gebruikt om de loonkloof tussen mannen en vrouwen te onderzoeken door te vergelijken hoe het loon varieert in relatie tot geslacht, leeftijd, anciënniteit*, werkregime en arbeidsstatuut. Er wordt een model opgesteld door de relatie tussen het loon en deze variabelen te schatten, om zo het onafhankelijke effect van elke variabele, waaronder geslacht, op het inkomen vast te stellen. Eén van de uitkomsten van dit model is een schatting van de mate waarin loonverschillen verband houden met geslacht, nadat rekening is gehouden met de andere factoren. Dit helpt aantonen in hoeverre het loonverschil verband houdt met geslacht in plaats van met andere verklaringen.
(*"anciënniteit" is gebaseerd op de contractuele anciënniteit binnen het bedrijf.)
De R-kwadraatwaarde (=R squared) geeft aan in hoeverre een regressiemodel de gegevens verklaart door te meten in hoeverre de variatie in de uitkomst kan worden verklaard door de variabelen die in het model zijn opgenomen. Een hogere R-kwadraatwaarde betekent dat het model een groter deel van de waargenomen veranderingen verklaart. Dus hoe hoger, hoe beter. Een lagere waarde suggereert dat een groot deel van de variatie te wijten is aan andere factoren die niet door het model worden meegenomen. Een R-kwadraatwaarde lager dan 30% betekent dat de verklarende variabelen slechts een beperkte variatie verklaren; een R-kwadraatwaarde hoger dan 60% duidt op een sterke model fit waarbij de variabelen het grootste deel van de variatie verklaren.
----------------------------------------------------------------------------------
FR: Ici sont expliquées les informations disponibles dans la webapp Insights « Pay Equity ».
Trois dashboards sont présentés :
- Unadjusted pay gap analysis = l’analyse de l’écart salarial non ajusté entre les genres
Le « unadjusted pay gap » montre s’il existe une différence. Il s’agit de l’écart salarial purement statistique entre femmes et hommes, sans correction pour des facteurs objectifs (tels que l’expérience, le niveau de fonction, les performances).
- Aperçu de la population, avec la répartition par genre
Ce dashboard donne un aperçu de la composition de la population, avec une ventilation selon le genre.
- Ajusted pay gap analysis = l’analyse de l’écart salarial ajusté entre les genres
L’« adjusted pay gap » — ici calculé via une analyse de régression — montre si cette différence est explicable et défendable.
La différence entre l’analyse Unadjusted (non ajustée) et Adjusted (ajustée) du Pay Gap est expliquée ici. Cela a été volontairement conçu ainsi dans la directive européenne : transparence d’abord, explication ensuite.
L’interprétation des deux analyses est expliquée ci-dessous.
Premier dashboard: Unadjusted pay gap analyse
La directive prévoit que les organisations doivent calculer et rapporter les écarts salariaux non ajustés entre les genres, tels que les différences de salaire de base, de rémunération totale, de bonus et de distribution salariale par quartiles entre hommes et femmes. Ces chiffres, visibles dans la webapp Insights, servent d’indicateurs de signal : ils montrent où des inégalités potentielles existent, sans les expliquer ni les corriger immédiatement.
Sur la page « Unadjusted metrics » de la webapp Insights Pay Equity, les 9 visuels suivants sont présentés, répartis entre l’analyse de l’écart salarial basée sur le salaire horaire brut (4 visuels à gauche) et celle basée sur le salaire variable (5 visuels à droite). Les composantes du salaire horaire brut et du salaire variable sont décrites sur la page « Metrics def & Calculations ».
Dans la directive européenne, les 7 analyses de Unadjusted Pay Gap sont mentionnées, listées ci-dessous et alignées avec les 9 visuels.
Metrics relatifs à l'analyse de l'écart salarial entre les sexes, basés sur le salaire horaire de base.
1 | | ---> Calcul : (salaire horaire brut moyen H - salaire horaire brut moyen F) / salaire horaire brut moyen H --> Interprétation : « Quelle est l’ampleur de l’écart de salaire de base entre hommes et femmes, uniquement sur la base du genre ? » --> Dans cet exemple, le résultat de 5,29 % signifie que le salaire horaire brut moyen des collègues masculins est supérieur de 5,29 % à celui des collègues féminins, sans tenir compte de facteurs tels que la catégorie de fonction et l’ancienneté. |
2 | | -> Calcul : (médiane du salaire horaire brut H - médiane du salaire horaire brut F) / médiane du salaire horaire brut H. Tous les salaires horaires bruts sont répartis entre H et F, puis classés du plus élevé au plus bas. La médiane (valeur centrale) des salaires est ensuite comparée. --> Interprétation : « Quelle est l’ampleur de l’écart de salaire de base entre hommes et femmes, basé sur la médiane ? » --> Dans cet exemple, le résultat de 7,58 % signifie que la médiane du salaire horaire brut des hommes est supérieure de 7,58 % à celle des femmes. |
3 | | Les quartiles sont obtenus en classant tous les salaires horaires bruts du plus bas au plus élevé, puis en les répartissant en 4 groupes. Le 4e quartile comprend les salaires horaires les plus élevés. On examine ensuite, dans chaque quartile, le pourcentage d'hommes et le pourcentage de femmes qui y sont représentés. L'objectif est de rechercher une cohérence entre les quatre quartiles, et non d'obtenir un rapport 50/50. --> Calcul : pourcentage d'hommes et de femmes dans chaque quartile, sur la base de leur salaire horaire brut moyen --> Interprétation : « Où se situent les femmes et les hommes dans la structure salariale : en bas, en haut, ou répartis de manière équilibrée ? » --> Dans cet exemple, le résultat de 26 % - 74 % dans le 2e quartile signifie que 26 % des femmes et 74 % des hommes perçoivent un salaire horaire brut correspondant à ce quartile. |
4 | | --> Calcul : Pour chaque groupe de fonctions : (salaire horaire brut moyen H - salaire horaire brut moyen F) / salaire horaire brut moyen H --> Interprétation : « Quel est l’écart salarial entre hommes et femmes effectuant un travail égal ou équivalent ? » --> Dans cet exemple, un résultat de 27 % pour la fonction technicien signifie qu’un homme gagne 27 % de plus qu’une femme dans la même fonction. L’analyse de l’écart salarial basée sur le groupe de fonctions repose sur le champ libre « fonction » du système Payroll. Consultez les explications supplémentaires concernant la qualité des données de ce champ. |
Metrics relatifs à l'analyse de l'écart salarial entre les sexes, basés sur la compensation variable.
1 | | --> Calcul : (rémunération variable moyenne H - rémunération variable moyenne F) / rémunération variable moyenne H --> Interprétation : « Les femmes reçoivent-elles en moyenne moins (ou plus) de rémunération variable que les hommes ? » --> Dans cet exemple, le résultat de 1,42 % signifie que la rémunération variable moyenne des hommes est supérieure de 1,42 % à celle des femmes. |
2 | | --> Calcul : (médiane de la rémunération variable H - médiane de la rémunération variable F) / médiane de la rémunération variable H. Toutes les rémunérations variables sont réparties entre H et F, puis classées du plus élevé au plus bas. --> Interprétation : « Quelle est l’ampleur de l’écart de rémunération variable entre hommes et femmes, basé sur la médiane ? » --> Dans cet exemple, le résultat de 5,74 % signifie que la rémunération variable médiane d’un collègue masculin est supérieure de 5,74 % à celle d’une collègue féminine. |
3 | | --> Calcul : % de H et F par rapport à la population totale = nombre de H ayant droit à une rémunération variable / tous les employés et nombre de F ayant droit à une rémunération variable / tous les employés --> Interprétation : « Les femmes ont-elles autant accès aux bonus ou à la rémunération variable que les hommes ? » --> Dans cet exemple, le résultat de 73 % (H) vs 27 % (F) signifie que l’accès aux bonus/rémunérations variables concerne 73 % des hommes et 27 % des femmes. (Dans une version plus récente, la somme n’est plus égale à 100 %; calcul différent : x % des hommes et y % des femmes ont droit à une rémunération variable.) |
4 | | Les quartiles sont obtenus en classant tous les salaires horaires bruts du plus bas au plus élevé, puis en les répartissant en 4 groupes. Le 4e quartile comprend les salaires horaires les plus élevés. On examine ensuite, dans chaque quartile, le pourcentage d’hommes (M) et de femmes (V) qui y sont représentés. L’objectif est de rechercher une cohérence entre les 4 quartiles, et non d’obtenir un rapport 50/50. --> Calcul : pourcentage d’hommes et de femmes dans chaque quartile, sur la base de leur rémunération variable moyenne --> Interprétation : « Où se situent les femmes et les hommes dans la structure de rémunération : en bas, en haut, ou répartis de manière équilibrée ? » --> Dans cet exemple, le résultat de 24 - 76 % dans le 2e quartile signifie que 24 % des femmes et 76 % des hommes perçoivent une rémunération variable dans ce quartile. |
5 | | --> Dans cet exemple, un résultat de 27 % pour la fonction technicien signifie qu’un homme gagne 27 % de plus qu’une femme dans la même fonction. --> Calcul : Pour chaque groupe de fonctions : (rémunération variable moyenne H - rémunération variable moyenne F) / rémunération variable moyenne H --> Interprétation : « Quel est l’écart salarial entre hommes et femmes effectuant un travail égal ou équivalent ? » L’analyse de l’écart salarial basée sur le groupe de fonctions repose sur le champ libre « fonction » du système Payroll. Consultez les explications supplémentaires concernant la qualité des données de ce champ. |
Troisième dashboard: Ajusted pay gap analysis = l'analyse de l’écart salarial ajusté entre les sexes
L’analyse de régression est utilisée pour étudier l’écart salarial entre les sexes en comparant la manière dont la rémunération varie en fonction du sexe, de l’âge, de l’ancienneté*, du régime de travail et du statut. Un modèle est construit en estimant la relation entre la rémunération et ces variables explicatives afin d’identifier l’effet indépendant de chaque variable, y compris le genre, sur les revenus. L’un des résultats de ce modèle est une estimation de la mesure dans laquelle les différences de rémunération sont liées au genre, après prise en compte des autres facteurs. Cela permet de déterminer quelle part de l’écart salarial peut être attribuée au genre plutôt qu’à d’autres explications.
(*L'ancienneté est calculée sur la base de l'ancienneté contractuelle au sein de l'entreprise.)
Le R carré (R²) indique dans quelle mesure un modèle de régression explique les données en mesurant la part de la variation du résultat qui peut être expliquée par les variables incluses dans le modèle. Une valeur élevée de R² signifie que le modèle explique une plus grande part des variations observées. Une valeur faible suggère qu’une grande partie de la variation est due à d’autres facteurs non pris en compte par le modèle. Une valeur de R² inférieure à 30 % signifie que les variables explicatives expliquent peu la variation ; une valeur de R² supérieure à 60 % indique un bon ajustement du modèle, où les variables expliquent la majorité de la variation.
----------------------------------------------------------------------------------
EN: Here the insights available in the Insights webapp ‘Pay Equity’ are explained.
Three dashboards are presented:
- Unadjusted pay gap analysis = the unadjusted gender pay gap analysis
The unadjusted pay gap shows whether there is a difference. It is the purely statistical pay difference between women and men, without correction for objective factors (such as experience, job level, performance).
- Insight into the population, with a breakdown by gender
This dashboard provides insight into the composition of the population, with a breakdown by gender.
- Adjusted pay gap analysis = the adjusted gender pay gap analysis
The adjusted pay gap — calculated here via regression analysis — shows whether that difference is explainable and justifiable.
The difference between Unadjusted (unadjusted) and Adjusted (adjusted) Pay Gap analysis is explained here. This is deliberately set up this way in the European directive: transparency first, explanation afterwards.
The interpretation of both analyses is explained below.
Unadjusted pay gap analysis
The directive requires organizations to calculate and report unadjusted gender pay gaps, such as differences in base salary, total remuneration, bonuses, and pay distribution across pay quartiles between men and women. These figures, visible in the Insights webapp, act as signal indicators: they show where potential inequalities exist, without immediately explaining or correcting them.
On the ‘Unadjusted metrics’ page in the Insights webapp Pay Equity, the following 9 visuals are shown, split between gender pay gap analysis based on gross hourly wages (4 visuals on the left) and variable pay (5 visuals on the right). The components of gross hourly wage and variable pay are described on the ‘Metrics def & Calculations’ page.
In the European Directive, 7 Unadjusted Pay Gap Analyses are mentioned. These insights are visualized in 9 visuals in the first dashboard.
Metrics regarding gender pay gap analysis based on basic ('gross') hourly wage:
1 | | --> Calculation: (average gross hourly wage M - average gross hourly wage F) / average gross hourly wage M --> Interpretation: “How large is the difference in base pay between men and women, purely based on gender?” --> In this example, a result of 7.25% means that the average gross hourly wage of male colleagues is 7.25% higher than that of female colleagues, without taking into account factors such as job category and seniority. |
2 | | --> Calculation: (median gross hourly wage M - median gross hourly wage F) / median gross hourly wage M. All gross hourly wages are split between M and F, then ranked from highest to lowest. The median (middle value) is then compared. --> Interpretation: “How large is the difference in base pay between men and women, based on the median?” --> In this example, a result of 8% means that the median gross hourly wage of men is 8% higher than that of women. |
3 | | Quartiles are obtained by ranking all gross hourly wages from highest to lowest and then dividing them into 4 groups. The 4th quartile contains the highest wages. In each quartile, the % of M and F is examined. The goal is to ensure consistency across the 4 quartiles, not to achieve a 50/50 split. --> Calculation: % of M and F in each quartile, based on their average gross hourly wage --> Interpretation: “Where are women and men positioned in the pay structure: at the bottom, at the top, or evenly distributed?” --> In this example, a result of 26% –74% in the 2nd quartile means that 26% of women and 74% of men fall within that quartile regarding the basic hourly wage. |
4 | | --> Calculation: For each job group: (average gross hourly wage M - average gross hourly wage F) / average gross hourly wage M --> Interpretation: “What is the pay gap between men and women performing equal or equivalent work?” --> In this example, a result of 27% for the job ‘technician’ means that a male earns 27% more than a female in the same role. The pay gap analysis based on job group is based on the free field ‘function’ from the Payroll system. Please review the additional explanation regarding the data quality of this field. |
Metrics regarding gender pay gap analysis based on variable wage (variable and supplementary compensation)
1 | | ---> Calculation: (average variable pay M - average variable pay F) / average variable pay M --> Interpretation: “How much less (or more) variable compensation do women receive on average compared to men?” --> In this example, a result of 1,42 % means that the average variable pay of men is 1,42 % higher than that of women. |
2 | | --> Calculation: (median gross hourly wage M - median gross hourly wage F) / median gross hourly wage M. All gross hourly wages are split between M and F, then ranked from highest to lowest. The median (middle value) is then compared. --> Interpretation: “How large is the difference in base pay between men and women, based on the median?” --> In this example, a result of 8% means that the median gross hourly wage of men is 8% higher than that of women. |
3 | | --> Calculation: % of M and F relative to the total population = number of M eligible for variable pay / all employees and number of F eligible for variable pay / all employees --> Interpretation: “Do women have the same access to bonuses or variable pay as men?” --> In this example, a result of 73% (M) vs 27% (F) means that access to bonuses/variable pay applies to 73% of men and 27% of women. (In a more recent version, the sum is no longer equal to 100%; calculated differently: x% of men and y% of women are eligible.) |
4 | | The quartiles are obtained by ranking all gross hourly wages from lowest to highest, and then dividing them into four groups. The fourth quartile contains the highest hourly wages. Within each quartile, the percentage of men and the percentage of women represented are then determined. The aim is to ensure consistency across the four quartiles, not to achieve a 50/50 ratio. --> Calculation: % of men and women in each quartile, based on their average variable wage --> Interpretation: “Where do women and men sit in the variable wage structure: at the bottom, at the top, or evenly distributed?” --> In this example, the result of 24–76 % in the second quartile means that 24 % of women and 76 % of men receive variable wage in this quartile. |
5 | | -> Calculation: For each job group: (average variable pay M - average variable pay F) / average variable pay M --> Interpretation: “What is the pay gap between men and women performing equal or equivalent work?” --> In this example, a result of 27% for the job ‘technician’ means that a male earns 27% more than a female in the same role. The pay gap analysis based on job group is based on the free field ‘function’ from the Payroll system. Please review the additional explanation regarding the data quality of this field. |
3. Adjusted gender pay gap analysis
Regression analysis is used to study the gender pay gap by comparing how pay changes in relation to gender, age, seniority*, work regime, and statute. A model is created by estimating the relationship between pay and these attribute variables in order to identify the independent effect of each variable, including gender, on earnings. One result of this model is an estimate of how strongly pay differences are linked to gender after accounting for the other factors. This helps show how much of the pay difference may be linked to gender rather than to other explanations.
(*‘seniority’ is based on contractual seniority within the company.)
R-squared shows how well a regression model explains the data by measuring how much of the variation in the outcome can be captured by the variables included in the model. A higher R-squared value means the model explains more of what drives the observed changes. A lower value suggests that much of the variation is due to other factors not captured by the model. A R-squared value lower than 30% means that predictors explain little variation; a R-squared value higher than 60% signify a strong model fit where predictors explain the majority of variation.
