I hvilken grad kan forskjeller i lønn forklares av variablene kjønn, alder og utdanning?
Bachelor thesis
Date
2023Metadata
Show full item recordCollections
- Studentoppgaver (Business) [1138]
Abstract
Formålet med denne bacheloroppgaven er å undersøke lønn og dens mulige påvirkningsfaktorer på individnivå, som er relevant da lønn spiller en viktig rolle i arbeids- og karrierevalg. Relevant litteratur og forskning på området har blitt gjennomgått og data er innhentet fra Statistisk Sentralbyrå.
En multippel regresjonsanalyse ble utført på tre utvalgte faktorer- kjønn, alder og utdanning- og resultatene viser at kjønn har en signifikant positiv effekt på lønn, men at kjønn består av flere underliggende forhold. Når det gjelder alder så viser regresjonen at det er en økning i lønn i takt med alder, dog viser datamateriale at det er en økning fram til omtrent 50 års alderen, men etter dette skjer det en reduksjon fram til 67 år. Videre viser regresjonsanalysen at utdanning også har en signifikant positiv effekt på lønn. Resultatene viser også at effekten av variablene øker når variablene blir satt sammen i en multippel regresjonsanalyse, noe som tyder på at det er samspill mellom variablene. Analysen gir en dypere forståelse av hvordan ulike faktorer kan påvirke lønnsnivået til en person, og hvilke faktorer som er mest relevante i ulike kontekster. The purpose of this bachelor's thesis is to examine salary and its potential influencing factors at an individual level, which is relevant as salary plays an important role in career and job choices. Relevant literature and research in the field have been reviewed, and data has been collected from Statistisk Sentralbyrå.
A multiple regression analysis was performed on three selected factors - gender, age, and education - and the results show that gender has a significant positive effect on salary, but that gender is composed of several underlying factors. Regarding age, the regression shows that there is an increase in salary as age increases, although the data shows an increase up to around the age of 50, but after that, there is a decrease until the age of 67. Furthermore, the regression analysis shows that education also has a significant positive effect on salary. The results also show that the effect of the variables increases when the variables are combined in a multiple regression analysis, indicating that there is interaction between the variables. The analysis provides a deeper understanding of how various factors can affect an individual's salary level, and which factors are most relevant in different contexts.