Mind the gap: Effekten av yrkesheterogenitet og kunstig intelligens på lønnsulikhet

Abstract

Formålet med denne oppgaven er tredelt. Først studerer jeg norske lønnsdata for perioden 1999-2014 for å undersøke om Norge følger den globale trenden med økende inntektsulikhet. Deretter foretar jeg en AKM-dekomponering av lønnsvariabelen til individ- og yrkesfaste effekter. Dette er en metode som ble utviklet av Abowd, Kramarz og Margolis i 1999 for å kunne studere lønnsvariasjon dekomponert til effekter som er spesifikke for individer og firma. Formålet med metoden var altså originalt å undersøke hvor mye av variasjonen i lønn som kan forklares av heterogenitet knyttet til firma sammenlignet med individer. I denne oppgaven utvider jeg denne metodikken til å studere yrkesheterogenitet, i tillegg til firmaspesifikke effekter. Denne dekomponeringen gjør at jeg kan undersøke om yrkesheterogenitet er en sentral driver for økende lønnsforskjeller, eller om utviklingen utelukkende kan tilskrives individeffekter. Til slutt undersøker jeg om automatisering og kunstig intelligens kan forklare de yrkesspesifikke effektene.

Det har lenge vært et politisk mål å redusere økonomisk ulikhet i Norge, senest eksemplifisert med stortingsmeldingen om ulikhet fra 2019. Likevel finner jeg at lønnsulikheten har økt gjennom den aktuelle tidsperioden, i form av at vi observerer en større spredning i lønnsvariabelen. Videre tyder resultatene på at denne økningen ikke kan forklares av yrkesspesifikke effekter, finner også at dekomponering til bedriftseffekter viser at inntektsulikheten drives av de individspesifikke effektene. Analysene av yrkesheterogenitet viser liten effekt av variabler som fanger opp teknologisk utvikling, og tegner et bilde av at automatisering og kunstig intelligens ikke forklarer noe av endringen i de yrkesfaste effektene. Disse funnene er et bidrag til den hurtig voksende litteraturen knyttet til effektene av automatisering på arbeidsmarkedet, men merk at tidsperioden jeg studerer ikke strekker seg lengre enn til 2014. Man kan argumentere for at sannsynligheten vil øke for signifikante effekter fra automatisering på nyere data.

The purpose of this thesis is threefold. First, I study Norwegian wage data from the period 1999-2014 to investigate whether Norway follows the global trend with increasing wage inequality. Then I do an AKM decomposition of the wage variable to study the roles of firm- and individual-specific effects. This method was developed by Abowd, Kramarz and Margolis in 1999 to be able to study the wage variation decomposed to effects which is specific to firms and individuals. The original purpose of the method was, in other words, to investigate how much of the variation in wage that can be explained by heterogeneity related to firms compared to individuals. In this thesis I expand this methodology to study the heterogeneity related to occupations, in addition to firm-specific effects. This decomposition makes me able to study whether occupational heterogeneity plays a central role in the rising inequality in wages, or if the development in wages can only be attributed to individual effects. Finally, I investigate if automatization and artificial intelligence can explain the occupation-specific effects.

It has been a political goal to reduce the economic inequality in Norway, most recently exemplified with the white paper about inequality from 2019. Nevertheless, I find that the wage inequality has been rising throughout the period studied in this thesis, measured by a wider wage variable spread. Further, the results suggest that this increase cannot be explained by the occupation-specific effects, and I also find that a decomposition to firm-specific effects shows that the wage inequality is driven by the individual effects. The analyses of the occupational heterogeneity shows little effect of the variables that measures technological progress, and by that indicate that automatization and artificial intelligence does not contribute to explain the changes in the occupation-specific effects. These results are a contribution to the growing literature on the effects of automatization on the labour market, but note that the period I study does not extend beyond 2014. One can argue that the probability will increase for significant effects from automatization with more recent data.