Unconditional Quantile Selection Models with a Gender Wage Gap Application

Abstract

We propose constructing a consistent estimator that addresses the problem of sample selection in unconditional quantile models. The proposed approach is based on three steps: (i) estimation of a control function using a logistic distribution regression; (ii) construction of a counterfactual distribution of the latent dependent variable conditional on the previously estimated control function; (iii) application of the recentered influence function (RIF) on the estimated counterfactual distribution and, finally, we run an ordinary least square regression. Besides this theoretical contribution, we propose an empirical application to measure the impact of maternity on the gender wage gap using Danish data.

Propomos a construção de um estimador consistente que aborde o problema de seleção amostral em modelos quantis não-condicionais. A abordagem proposta é baseada em três etapas: (i) estimação de uma função de controle usando uma regressão de distribuição logística; (ii) construção de uma distribuição contrafactual da variável dependente latente condicionada à função de controle previamente estimada; (iii) aplicação da função de influência recentralizada (FIR) na distribuição contrafactual estimada e, finalmente, executamos uma regressão de mínimos quadrados ordinários. Além dessa contribuição teórica, propomos uma aplicação empírica para medir o impacto da maternidade na diferença de gênero nos salários usando dados dinamarqueses.