Företagets problem – vad styr våra löner?

Det var frågan ett företag som jag jobbar med frågade sig. Efter lite dialog kom vi fram till att vi ville testa fyra olika orsaker till skillnader i lön: antal år i branschen, om medarbetaren har universitetsutbildning, om medarbetaren är en kvinna, om medarbetaren är en chef.

Eftersom arbetet är spännande och intressant för oss löneintresserade konsulter, så tänkte vi att vi skulle dela den analys vi gjort samt ge er läsare verktygen att replikera det arbetet.

I denna första del kommer vi fokusera på analysen av lönenivåerna. I kommande delar tittar vi på löneökningar och att arbeta mot en önskad lönestruktur.

Använd lönesystemet för att hitta data

Vår analys behöver alla medarbetares löner och de fyra variablerna vi vill förklara lönerna med vilket är 1) antal års erfarenhet av branschen, 2) utbildningsnivå (om man har universitetsutbildning), 3) kön, och 4) organisatoriska tillhörighet (om man är chef).

Eftersom sån här info ofta finns i lönesystem så är vår uppmaning att först titta vilket data som finns i lönesystemen. Om ni inte lagrar sådan typ av information där nu, så kanske det finns anledning till att ha det där. Från lönesystemet är det oftast lätt att exportera till excel.

Innan vi börjar – kort om regression

Vi använde en grundläggande metod inom statistisk analys kallad regression. De som inte har läst statistik på universitetet eller liknande, kan tycka att detta är som hokus pokus. De som är bevandrade inom statistik kommer däremot att tycka att det vi går igenom är för förenklat. Vår rekommendation är att man ska ta all statistik med en nypa salt. Man ska t.ex. inte förväxla en statistisk korrelation med orsakssamband. De två länkarna nedan beskriver begränsningar med statistik.

Länk till Mathleaks.se

Länk till emathzone.com

Att göra en regression i excel

Efter en snabb export av lönerna och det andra datat ur lönesystemet till excel kan vi göra vår regression i excel. En bra video om hur man gör regressioner i excel finns här.

Utkomster av regressionen blev enligt bilden nedan:

För den stora majoriteten som läser detta så har ni inte sett en sådan här output förut. Vi har fetstilat och markerat i grön färg de värden vi vill lyfta fram i vår analys och ge dig som läsare en guide för hur du kan använda excels regressionsfunktion på lönedata. Värdena är R-kvadrat, Koefficienter, och p-värde.

Våra iakttagelser och tolkning

Den första iakttagelsen är modellens R-kvadrat tal 0,785. R-kvadrat är förenklat modellens förklaringsgrad och varierar mellan 0-1, där 1 betyder att 100% att variablerna förklarar 100% av lönen. 0,785 är förhållandevis högt och vår tolkning är att de variablerna vi använt (år i branschen, universitetsutbildning, kvinna och chef) korrelerar (dvs har ett samband) med skillnader i lönesättning.

Andra intressanta iakttagelser är p-värde och Koefficienter. Förenklat så indikerar P-värde om en koefficient är statistiskt skild från noll eller inte. Oftast vill man ha ett p-värde mindre än 0,1 för att kunna säga att koefficienten är ”statistiskt signifikant”. I vårt exempel har år i branschen ett p-värde på 0,002 vilket betyder att år i branschen påverkar lönen. Även om man är kvinna och om man är chef påverkar.

Koefficienten visar hur mycket någonting påverkar. Koefficienten för år i branschen är 441 kr. Det betyder att modellen säger att för varje år i branschen så får en medarbetare 441 kr högre lön.

Sist men inte minst, utdatat från excel genererar en konstant. Det ska tolkas som en ingångslön där de andra variablerna är 0 (dvs inga år i branschen, ingen universitetsutbildning, inte är kvinna och inte är chef). För det företag vi analyserade var alltså ingångslönen 32 747 kr.

So what?

För dagens företag som vill vara moderna och ta sin lönesättning på allvar, är en datadriven approach ett viktigt komplement. Dessa analyser inte är svårare än att man med lite excel, google och youtube kan få viktiga analyser i hur lönesättningen är i vårt företag. Se till att använda det data ni har i era lönesystem på bästa sätt eller fråga en lönekonsult om de kan hjälpa dig.