Intersectionality and Discrimination by Roger White - Original PDF

دانلود کتاب Intersectionality and Discrimination by Roger White - Original PDF

Author: Roger White

0 (0)

توضیحات کتاب :

Abstract We begin with a brief discussion of the relationship between social justice and economic justice. This is followed by a presentation of persistent differences in U.S. labor market outcomes. Specifically, we identify significant differences in unemployment rates and hourly wages across race- and sex-based classifications, respectively. We then present unadjusted wage gaps (i.e., raw differences in average hourly wage rates) for several worker groups that correspond to the non-productive personal characteristics we consider in this study. These characteristics include Hispanic ethnicity, nativity, race, and sex. Having motivated our study, we introduce intersectionality and our primary research question: Is wage discrimination intersectional? This is followed by a discussion of why we use the term “discrimination” when referring to differences in wage rates that cannot be explained by differences in workers’ productive character- istics. We conclude the chapter with a roadmap for the remainder of the book

سرچ در وردکت | سرچ در گودریدز | سرچ در اب بوکز | سرچ در آمازون | سرچ در گوگل بوک

722 بازدید 0 خرید

ضمانت بازگشت

ضمانت بازگشت

فایل های تست شده

فایل های تست شده

پرداخت آنلاین

پرداخت آنلاین

تضمین کیفیت

تضمین کیفیت

دانلود فوری

دانلود فوری

4 R. WHITE In recent years, issues related to the broader topic of social justice have become increasingly prominent in the public discourse of the United States. In simple terms, social justice is focused on the extent to which fairness is exhibited in society. It emphasizes equal opportunities across individuals as well as equal economic, political, and social rights. Social justice is closely related to and is often said to encompass economic justice, which can be described as the creation of opportunities that allow individuals to establish the material foundations that are necessary for the support of creative, dignified, and productive lives. Greater economic justice requires equity in labor market processes and outcomes. This, in turn, requires fairness in employment and wage setting so that an indi- vidual can have a job that pays a living wage, have access to a quality education and affordable childcare, and be able to afford a roof over their head and food for their family. In the U.S. labor market, economic injustice often involves discrimina- tion that is based on personal characteristics such as age, ethnicity, race, sex, etc. Unfortunately, such inequities are often significant in magni- tude and persistent over time. Two examples illustrate this point. First, regarding employment, during the past several decades, the unemploy- ment rate for black Americans has typically been about twice the level of the white unemployment rate. Specifically, during the past half-century, the average monthly black unemployment rate has been 11.6% while the white unemployment rate has averaged only 5.5% (BLS 2022).1 Second, in 1980, the median hourly wage of female workers in the United States was only 64% of the median wage paid to their male counterparts (Barroso and Brown 2021). Although this wage gap narrowed to 84% in 2020 (ACS 2022a), a 16% difference in median hourly wage rates across sexes is quite sizeable. In both cases, some portion of the disparity between the worker groups and their counterparts, who are white and male, respec- tively, may be the result of differences in productive characteristics such as education, skills, and experience. Of course, it is also possible that some, and potentially all, of the unadjusted wage gap is attributable to discrimination. 1 Monthly unemployment rates by race are available from the U.S. Bureau of Labor Statistics (BLS). Our calculations are made using seasonally adjusted monthly unemploy- ment rate series for the period from January 1972 through October 2022. Appendix Fig. 1.5 illustrates the striking persistence of differences between the two series. 1 A RATIONALE FOR THE STUDY OF INTERSECTIONAL WAGE ... 5 A different type of example is found in the opening passage of Cain’s (1986) survey of the literature on labor market discrimination. The paper begins as follows: This survey of the economics of labor market discrimination is motivated by two fundamental problems associated with income and wage differences among groups classified by sex, race, ethnicity, and other characteristics. The first is the inequity of long-lasting differences in economic well-being among the groups; in particular, differences in household or family income. The second is the inequity of long-lasting differences in the average wage rates among groups of workers classified by these demographic traits, when the groups may be presumed to be either equally productive or to have equal productive capacity. (p. 693) It is startling just how well these words describe present conditions in the U.S. labor market. If a reader was unaware that Cain’s survey was published thirty-five years ago, they could easily be forgiven for thinking the words are from a recent work. That this decades-old depic- tion of economic injustices remains applicable today further illustrates the persistence of inequities in the U.S. labor market. In this work, we examine multiple topics that are related to wage discrimination.2 We study the period from 2008 through 2020 using annual data from the American Community Survey (ACS) (2022a). We estimate wage discrimination rates for each year in our reference period for each of 43 worker groups that are defined by workers’ non-productive personal characteristics (i.e., Hispanic ethnicity, nativity, 2 While there are many other forms of labor market discrimination, our analysis is purposely limited to wage discrimination. We do not examine hiring discrimination or terminations that result from disparate treatment. We also do not examine customer discrimination (i.e., discrimination that occurs when employers internalize their customers’ prejudices against workers with certain personal characteristics and, thus, demonstrate bias/prejudice against those same workers to increase profits). However, given that our focus is on wage discrimination, our data set includes employed individuals which permits us to potentially capture wage discrimination that is related to job promotions, employee discrimination, and (if wage-related) job assignments. 6 R. WHITE race,3 and sex).4 ,5 We also consider whether variation in our estimated discrimination rates follows a pattern that suggests wage discrimination is intersectional. To formally examine whether wage discrimination is intersectional, we construct expected discrimination rates for each of the worker groups that differ from our null cohort of native-born, non-Hispanic, white, male workers in two or more personal character- istics. The expected discrimination rates are compared to our estimated discrimination rates to determine whether wage discrimination is addi- tive or non-additive (i.e., intersectional). Lastly, for each worker group, we explore possible pre-labor market wage discrimination with respect to the returns to education and whether there is overlap in affected worker groups across pre-market discrimination and intersectional wage discrimination. 1.1 Illustrating Unadjusted Wage Gaps A brief review of unadjusted wage gaps between several worker groups during the past four-plus decades offers additional motivation for our analysis.6 Figures 1.1 and 1.2 illustrate unadjusted wage gaps. In both figures, the average wage rates are presented relative to corresponding null worker cohorts. For example, female workers’ average hourly wages 3 Using the ACS variable RAC1, we construct six race classifications. The RAC1 variable includes nine race classifications. We merge the “American Indian alone,” “Alaska native alone,” and “American Indian and Alaska native tribes specified; or American Indian or Alaska native, not specified and no other races” to form a single American Indian and Alaska native classification. Likewise, we merge the “Asian alone” and the “Native Hawaiian and Other Pacific Islander alone” classifications to form a single Asian or Pacific Islander classification. Our other race classifications are “White alone,” “Black or African American alone,” “Some other race alone,” and “Two or more major race groups,” which we refer to as white, black, other race, and multiple races, respectively. 4 Since this work examines survey data, all individual characteristics are self-identified (e.g., individuals’ Hispanic ethnicity, nativity, and race classifications and their self-reported binary interpretation of sex). 5 Throughout this work, we refer to sex-based discrimination rather than gender-based discrimination. The Census Bureau (2022a) explains that, in the ACS questionnaire, “the sex question wording very specifically intends to capture a person’s biological sex and not gender.” Since gender is how a person identifies and the ACS does not solicit information on gender identity, we believe that, in this work, “s

چکیده فارسی

 

4 R. WHITE در سال های اخیر، موضوعات مرتبط با موضوع گسترده تر عدالت اجتماعی به طور فزاینده ای در گفتمان عمومی ایالات متحده برجسته شده است. به زبان ساده، عدالت اجتماعی بر میزان انصاف در جامعه متمرکز است. بر فرصت‌های برابر برای افراد و نیز حقوق برابر اقتصادی، سیاسی و اجتماعی تأکید دارد. عدالت اجتماعی ارتباط نزدیکی با عدالت اقتصادی دارد و اغلب گفته می شود که عدالت اقتصادی را در بر می گیرد، که می توان آن را ایجاد فرصت هایی توصیف کرد که به افراد اجازه می دهد پایه های مادی را که برای حمایت از زندگی خلاق، باوقار و مولد ضروری است، ایجاد کنند. عدالت اقتصادی بیشتر مستلزم برابری در فرآیندها و نتایج بازار کار است. این امر به نوبه خود مستلزم انصاف در استخدام و تعیین دستمزد است تا یک فرد بتواند شغلی داشته باشد که با دستمزد معیشتی پرداخت کند، به آموزش باکیفیت و مراقبت از کودکان مقرون به صرفه دسترسی داشته باشد و بتواند سقفی بالای سر و غذای خود را بپردازد. برای خانواده خود در بازار کار ایالات متحده، بی عدالتی اقتصادی اغلب شامل تبعیض هایی است که بر اساس ویژگی های شخصی مانند سن، قومیت، نژاد، جنس و غیره است. دو مثال این موضوع را نشان می دهد. اول، در مورد اشتغال، در طول چند دهه گذشته، نرخ بیکاری سیاهپوستان آمریکایی معمولاً دو برابر نرخ بیکاری سفیدپوستان بوده است. به طور خاص، در طول نیم قرن گذشته، متوسط ​​نرخ بیکاری ماهانه سیاهپوستان 11.6 درصد بوده است در حالی که نرخ بیکاری سفیدپوستان به طور متوسط ​​تنها 5.5 درصد بوده است (BLS 2022). دوم، در سال 1980، متوسط ​​دستمزد ساعتی کارگران زن در ایالات متحده ایالت ها تنها 64 درصد از متوسط ​​دستمزد پرداختی به همتایان مرد خود بود (باروسو و براون 2021). اگرچه این شکاف دستمزد در سال 2020 به 84 درصد کاهش یافت (ACS 2022a)، تفاوت 16 درصدی در نرخ متوسط ​​دستمزد ساعتی در بین دو جنس کاملاً قابل توجه است. در هر دو مورد، بخشی از تفاوت بین گروه‌های کارگری و همتایان آن‌ها، که به ترتیب سفیدپوست و مرد هستند، ممکن است نتیجه تفاوت‌ها در ویژگی‌های تولیدی مانند تحصیلات، مهارت‌ها و تجربه باشد. البته، این امکان نیز وجود دارد که بخشی از شکاف دستمزد تعدیل نشده، و به طور بالقوه همه، به تبعیض نسبت داده شود. 1 نرخ بیکاری ماهانه بر اساس نژاد از اداره آمار کار ایالات متحده (BLS) در دسترس است. محاسبات ما با استفاده از سری نرخ بیکاری ماهانه تنظیم شده فصلی برای دوره از ژانویه 1972 تا اکتبر 2022 انجام شده است. 1 منطقی برای مطالعه دستمزد بین‌بخشی ... 5 نوع متفاوتی از مثال در قسمت ابتدایی بررسی کاین (1986) از ادبیات تبعیض بازار کار یافت می‌شود. این مقاله به شرح زیر آغاز می شود: این بررسی از اقتصاد تبعیض بازار کار با انگیزه دو مشکل اساسی مرتبط با تفاوت درآمد و دستمزد در میان گروه های طبقه بندی شده بر اساس جنسیت، نژاد، قومیت و سایر ویژگی ها انجام می شود. اولین مورد، نابرابری تفاوت های طولانی مدت در رفاه اقتصادی در میان گروه ها است. به ویژه تفاوت در درآمد خانوار یا خانواده. دوم، نابرابری تفاوت‌های طولانی‌مدت در نرخ‌های متوسط ​​دستمزد در میان گروه‌هایی از کارگران طبقه‌بندی شده بر اساس این ویژگی‌های جمعیتی است، زمانی که ممکن است فرض شود که گروه‌ها یا به یک اندازه مولد هستند یا ظرفیت تولیدی برابر دارند. (ص 693) شگفت آور است که چقدر این کلمات شرایط کنونی بازار کار ایالات متحده را توصیف می کنند. اگر خواننده‌ای از این که نظرسنجی کاین سی و پنج سال پیش منتشر شده بود بی‌اطلاع بود، به‌راحتی می‌توانست آن‌ها را ببخشد که فکر می‌کردند کلمات مربوط به یک اثر اخیر هستند. اینکه این تصویر ده‌ها ساله از بی‌عدالتی‌های اقتصادی همچنان قابل اجرا است، تداوم نابرابری در بازار کار ایالات متحده را بیشتر نشان می‌دهد. در این کار، ما موضوعات متعددی را که به تبعیض دستمزد مرتبط هستند، بررسی می‌کنیم. ما دوره 2008 تا 2020 را با استفاده از داده‌های سالانه نظرسنجی جامعه آمریکا (ACS) (2022a) مطالعه می‌کنیم. ما نرخ تبعیض دستمزد را برای هر سال در دوره مرجع خود برای هر یک از 43 گروه کارگری که با ویژگی‌های شخصی غیرمولد کارگران تعریف می‌شوند (به عنوان مثال، قومیت اسپانیایی تبار، زادگاه، 2) تخمین می‌زنیم در حالی که بسیاری از اشکال دیگر تبعیض در بازار کار وجود دارد. تجزیه و تحلیل عمداً به تبعیض دستمزد محدود می شود. ما تبعیض استخدام یا فسخ را که ناشی از رفتار متفاوت است بررسی نمی کنیم. بنابراین، تعصب/تعصب را علیه همان کارگران برای افزایش سود نشان دهید. با این حال، با توجه به اینکه تمرکز ما بر تبعیض دستمزد است، مجموعه داده‌های ما شامل افراد شاغل می‌شود که به ما امکان می‌دهد تبعیض دستمزدی را که مربوط به ارتقای شغلی، تبعیض کارکنان، و تکالیف شغلی (اگر مربوط به دستمزد باشد) 6 R. WHITE نژاد، 3 و جنسیت). برای بررسی رسمی اینکه آیا تبعیض دستمزد متقاطع است یا خیر، نرخ‌های تبعیض مورد انتظار را برای هر یک از گروه‌های کارگری ایجاد می‌کنیم که با گروه پوچ ما از کارگران بومی، غیراسپانیایی، سفیدپوست و مرد در دو یا چند ویژگی شخصی متفاوت است. نرخ تبعیض مورد انتظار با نرخ تبعیض تخمینی ما مقایسه می‌شود تا مشخص شود که آیا تبعیض دستمزد افزایشی است یا غیرافزودنی (به عنوان مثال، مقطعی). در نهایت، برای هر گروه کارگری، ما تبعیض دستمزد احتمالی قبل از بازار کار را با توجه به بازده تحصیلی و اینکه آیا در گروه‌های کارگری آسیب‌دیده در بین تبعیض‌های قبل از بازار و تبعیض دستمزدی مقطعی همپوشانی وجود دارد، بررسی می‌کنیم. 1.1 نشان دادن شکاف دستمزد تعدیل نشده مروری کوتاه بر شکاف دستمزد تعدیل نشده بین چندین گروه کارگری در طول چهار دهه گذشته انگیزه بیشتری برای تحلیل ما ارائه می دهد. در هر دو شکل، میانگین نرخ دستمزد نسبت به گروه‌های کارگر تهی مربوطه ارائه شده است. به عنوان مثال، میانگین دستمزد ساعتی کارگران زن 3 با استفاده از متغیر ACS RAC1، ما شش طبقه بندی نژادی می سازیم. متغیر RAC1 شامل نه طبقه بندی نژاد است. ما «سرخپوستان آمریکایی به تنهایی»، «بومی آلاسکا به تنهایی» و «قبایل سرخپوست آمریکایی و بومی آلاسکا مشخص شده‌اند» را ادغام می‌کنیم. یا سرخپوستان آمریکایی یا بومی آلاسکا، مشخص نشده و هیچ نژاد دیگری وجود ندارد» تا یک طبقه بندی واحد سرخپوستان آمریکایی و بومی آلاسکا تشکیل شود. به همین ترتیب، ما طبقه‌بندی‌های «به تنهایی آسیایی» و «بومی هاوایی و سایر جزایر اقیانوس آرام» را ادغام می‌کنیم تا یک طبقه‌بندی واحد آسیایی یا جزایر اقیانوس آرام را تشکیل دهیم. طبقه بندی نژادهای دیگر ما «سفید به تنهایی»، «سیاهپوست یا آفریقایی آمریکایی به تنهایی»، «برخی از نژادهای دیگر به تنهایی» و «دو یا چند گروه نژادی اصلی» هستند که ما به آنها به عنوان سفید، سیاه، نژاد دیگر، و نژادهای متعدد اشاره می کنیم. ، به ترتیب. 4 از آنجایی که این کار داده‌های نظرسنجی را بررسی می‌کند، همه ویژگی‌های فردی خود شناسایی می‌شوند (به‌عنوان مثال، قومیت، زادگاه، و طبقه‌بندی نژاد اسپانیایی‌تبار افراد و تفسیر دوتایی خود گزارش‌شده از جنسیت). 5 در سراسر این کار، ما به تبعیض مبتنی بر جنسیت به جای تبعیض مبتنی بر جنسیت اشاره می کنیم. اداره سرشماری (2022a) توضیح می‌دهد که در پرسشنامه ACS، «عبارت سؤالات جنسی به طور خاص قصد دارد جنسیت بیولوژیکی یک فرد را نشان دهد و نه جنسیت». از آنجایی که جنسیت نحوه شناسایی یک فرد است و ACS اطلاعاتی در مورد هویت جنسیتی درخواست نمی کند، ما معتقدیم که در این کار، "s

 

ادامه ...

Roger White
Whittier, CA, USA
ISBN 978-3-031-26124-4 ISBN 978-3-031-26125-1 (eBook)
https://doi.org/10.1007/978-3-031-26125-1
© The Author(s), under exclusive license to Springer Nature Switzerland AG 2023
This work is subject to copyright. All rights are solely and exclusively licensed by the
Publisher, whether the whole or part of the material is concerned, specifically the rights
of translation, reprinting, reuse of illustrations, recitation, broadcasting, reproduction on
microfilms or in any other physical way, and transmission or information storage and
retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology
now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc.
in this publication does not imply, even in the absence of a specific statement, that such
names are exempt from the relevant protective laws and regulations and therefore free for
general use.
The publisher, the authors, and the editors are safe to assume that the advice and informa-
tion in this book are believed to be true and accurate at the date of publication. Neither
the publisher nor the authors or the editors give a warranty, expressed or implied, with
respect to the material contained herein or for any errors or omissions that may have been
made. The publisher remains neutral with regard to jurisdictional claims in published maps
and institutional affiliations.
Cover illustration: © Harvey Loake
This Palgrave Macmillan imprint is published by the registered company Springer Nature
Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerlan

ادامه ...

Contents Part I 1 A Rationale for the Study of Intersectional Wage Discrimination 3 2 Theories of Discrimination and a Review of the Related Literature 23 3 Our Empirical Strategy: Mincer Earnings Functions and the Blinder-Oaxaca Technique 41 Part II 4 Estimating Wage Discrimination and Examining Variation Across Worker Groups 73 5 Evidence of Intersectional Wage Discrimination and an Examination of Possible Pre-market Discrimination 109 6 A Summary and Concluding Thoughts 149 Index 155 ix

ادامه ...
برای ارسال نظر لطفا وارد شوید یا ثبت نام کنید
ادامه ...
پشتیبانی محصول

۱- در صورت داشتن هرگونه مشکلی در پرداخت، لطفا با پشتیبانی تلگرام در ارتباط باشید.

۲- برای خرید محصولات لطفا به شماره محصول و عنوان دقت کنید.

۳- شما می توانید فایلها را روی نرم افزارهای مختلف اجرا کنید(هیچگونه کد یا قفلی روی فایلها وجود ندارد).

۴- بعد از خرید، محصول مورد نظر از صفحه محصول قابل دانلود خواهد بود همچنین به ایمیل شما ارسال می شود.

۵- در صورت وجود هر مشکلی در فرایند خرید با تماس بگیرید.