Den här guiden förklarar tre saker som hänger ihop i lönekartläggningen: vad det justerade lönegapet är och hur det beräknas, vad lönefaktorer är och hur de påverkar analysen, samt hur er lönefilosofi styr vilka faktorer som används. Guiden ger dig den bakgrund du behöver för att tolka resultaten i Sysarb och fatta välgrundade beslut.
Ojusterat och justerat lönegap – vad är skillnaden?
Det vanligaste lönegapet som de flesta känner till är det ojusterade lönegapet. Det mäter den genomsnittliga löneskillnaden mellan män och kvinnor, uttryckt i procent av männens lön – utan att ta hänsyn till vad som kan förklara skillnaderna.
Det justerade lönegapet tar ett steg längre. Det visar hur stor del av löneskillnaden som inte kan förklaras av de könsneutrala faktorer du valt i lönefilosofin.
Den del av det ojusterade gapet som kan förklaras av dina valda faktorer kallas förklarad del.
Det som återstår är det justerade lönegapet – den del som kräver en närmare granskning.
💡 Tips: Ett justerat lönegap innebär inte automatiskt att något är fel. Det är den del som inte kan motiveras med de lönefaktorer du valt – och som organisationen behöver undersöka och ta ställning till.
⚠️ Viktigt: Det justerade lönegapet speglar er lönefilosofi – inte en extern värdering. Modellen avgör inte vad som är rättvist. Det gör din organisation.
Hur Sysarb beräknar det justerade lönegapet
Sysarb använder log-linjär regressionsanalys – standardmetoden inom lönekartläggning – för att förstå hur lön hänger samman med de lönefaktorer du valt. Samma beräkning ligger till grund för fyra saker i plattformen:
Det justerade lönegapet
Den förklarade delen av det ojusterade gapet
Förväntade löner för enskilda medarbetare
Kostnad för att stänga gapet och identifiering av avvikare
Sambanden beräknas utifrån hela organisationens data, inte från enskilda team eller roller. Det innebär att alla medarbetare utvärderas med samma underliggande logik och att du tydligt kan se vilka faktorer som har störst påverkan.
Två beräkningsmetoder
Dekompositionsmetoden (Blinder–Oaxaca) är den primära metoden. Den visar inte bara hur stor del av gapet som förklaras totalt – den bryter också ned hur mycket varje enskild lönefaktor bidrar till förklaringen.
Den direkta metoden används automatiskt när dekompositionsmetoden blir instabil – till exempel om datamängden är begränsad eller om lönefaktorer överlappar för mycket. Den är mer stabil men visar bara det samlade förklaringsvärdet, inte varje faktors individuella bidrag.
💡 Tips: Om Sysarb byter till den direkta metoden kan det vara ett tecken på att ni har för många faktorer eller för få medarbetare per kombination av faktorer. Testa att minska antalet faktorer.
Hur lönefaktorer påverkar det justerade lönegapet
Det kan kännas oväntat, men en lönefaktor kan ibland öka det justerade lönegapet istället för att minska det. Det beror på två saker: hur faktorn är kopplad till lön i din organisation, och hur männen och kvinnorna skiljer sig åt i just den faktorn.
Om en faktor är kopplad till högre lön och män i genomsnitt har högre värden → förklarar faktorn en del av gapet → det justerade gapet minskar.
Om en faktor är kopplad till högre lön men kvinnor har högre värden → faktorn förklarar inte gapet → det justerade gapet ökar.
💡 Tips: Det här är ett förväntat beteende och betyder inte att modellen är fel. Det betyder att faktorn, baserat på er data, inte förklarar löneskillnaden på det sätt man kanske förväntade sig. Undersök varför och ta ställning till om det speglar er avsikt.
Sambandet med förväntad lön
Det justerade lönegapet och de förväntade lönerna är två perspektiv av samma modell.
På gruppnivå visar modellen hur stor del av gapet som förklaras av skillnader i lönefaktorer mellan grupper.
På individnivå beräknar modellen en förväntad lön för varje medarbetare – den lön som kan förväntas givet deras kombination av faktorer och organisationens nuvarande lönestruktur.
⚠️ Viktigt: Den förväntade lönen är en startpunkt för analys, inte en lönerekommendation. HR-kontext och verksamhetsbedömning är alltid nödvändiga.
💡 Tips: Förväntad lön i lika analys är en Labs-funktion – den behöver aktiveras innan den visas i lönekartläggningen. Har ni inte aktiverat den ännu hittar ni inställningen under Labs. Läs mer om hur ni gör här:
Numeriska och kategoriska faktorer
Lönefaktorer delas in i två typer. Att förstå skillnaden hjälper dig att välja faktorer som ger en stabil och tolkningsbar modell.
Numeriska faktorer
Har en naturlig ordning där varje steg representerar en meningsfull förändring. Generellt stabila och orsakar sällan modellproblem på egen hand.
Exempel: Ålder, Anställningstid, Nivå (grade)
Kategoriska faktorer
Delar in medarbetare i grupper utan naturlig numerisk ordning. Varje kategori behandlas som en egen grupp och kräver mer data.
Exempel: Jobbfamilj, Ort, Avtal
⚠️ Viktigt: Kategoriska faktorer är den vanligaste orsaken till modellinstabilitet. Använd dem med eftertanke och undvik att kombinera för många kategoriska faktorer i samma modell.
Lönefilosofi - Lista över lönefaktorer
Här ser du samtliga lönefaktorer som finns att välja i lönefilosofin. För att en faktor ska räknas som en lönefaktor ska den förklara lön i din organisation och samtidigt vara könsneutral.
Nivå – Numerisk · Rekommenderad
En rolls komplexitet och ansvar baserat på arbetsvärdering. Använd när arbetsvärdering är en central del av hur ni strukturerar lön. Den starkaste och mest försvarbara förklaringen till löneskillnader i de flesta organisationer.
Positionsnivå – Numerisk
Alternativt sätt att fånga rollens komplexitet, för organisationer som gör sin arbetsvärdering utanför Sysarb. Använd antingen Nivå eller Positionsnivå – inte båda.
Chefskod – Kategorisk
Om rollen innefattar formellt chefs- eller personalansvar. Använd när chefsansvar aktivt påverkar lönen och chef- och specialistspår löper parallellt.
Prestation – Numerisk · Rekommenderad
Individuella prestationsutfall som används vid lönesättning. Använd endast om prestation mäts konsekvent och har en tydlig koppling till lön. Granska att betygen sätts likvärdigt oavsett kön.
Ålder – Numerisk · Rekommenderad
Ålder som en proxy för erfarenhet. Använd när erfarenhet är en accepterad del av er lönefilosofi och specifik erfarenhetsdata saknas. Undvik att kombinera med Anställningstid om de är starkt korrelerade.
Anställningstid – Numerisk
Tid som medarbetaren varit anställd i organisationen. Vanlig i offentlig sektor och kollektivavtalade modeller. Säkerställ att faktorn representerar avsikt, inte tröghet.
Tid i nuvarande befattning – Numerisk
Tid som medarbetaren haft sin nuvarande roll. Lättare att motivera än Anställningstid eftersom den är direkt kopplad till rollspecifik erfarenhet. Överlappar ofta med Anställningstid.
Jobbfamilj – Kategorisk
En bred funktionell gruppering av roller. Använd när marknadslöner skiljer sig tydligt mellan olika funktioner. Kräver tillräckligt många medarbetare per familj för en stabil modell.
Underfamilj – Kategorisk
Mer specifika rollgrupperingar inom en jobbfamilj. Använd när underfamiljer speglar stabila marknadsskillnader och grupperna är tillräckligt stora.
Karriärband – Kategorisk
Rollens övergripande ansvarsnivå och påverkan. Använd när karriärband är tydligt definierade och aktivt styr lönebeslut. Stödjer transparenta lönedialoger när de tillämpas konsekvent.
Ort – Kategorisk
Var arbetet utförs. Använd när ni medvetet differentierar lön baserat på geografisk plats, till exempel högre lön i storstäder. Viktigt i distribuerade organisationer.
Avtal – Kategorisk
Typ av anställningsavtal. Använd när olika avtalstyper är kopplade till olika lönestrukturer. Kan synliggöra strukturella risker om vissa grupper är överrepresenterade i specifika kontrakt.
Heltid – Kategorisk
Om anställningen är heltid eller deltid. Använd med stor försiktighet – löner i Sysarb är redan omräknade till heltidsmått. Använd endast om heltid/deltid tydligt stöds av er lönefilosofi.
Ytterligare data 1 och 2 – Kategorisk
Organisationsspecifika faktorer, till exempel certifieringar, skifttyp eller kritiska kompetenser. Använd när faktorn är tydligt definierad, konsekvent tillämpas och faktiskt påverkar lön.
💡 Tips: Vill du se var du ställer in vilka faktorer som ska ingå i analysen? Det gör du under Lönefilosofi i lönekartläggningen:
Bästa praxis för val av lönefaktorer
Det kan vara lockande att välja många lönefaktorer för att förklara bort löneskillnader. I praktiken gör detta ofta modellen svagare och svårare att kommunicera. För många faktorer – särskilt kategoriska – leder till för små grupper och kan orsaka:
Att modellen inte kan köras
Opålitliga resultat
Att faktorer utesluts automatiskt
För stark korrelation mellan faktorer
💡 Tips: Välj 2–4 kärnfaktorer som tydligt speglar er lönefilosofi. Var extra försiktig med att kombinera flera kategoriska faktorer. Om modellen fallerar – börja med att minska antalet faktorer.
💡 Tips: Ett justerat R² över 0,5 indikerar generellt en tillförlitlig modell. Målet är inte att eliminera det justerade lönegapet helt – utan att göra det kvarvarande gapet meningsfullt och möjligt att agera på.