חומר רקע

כנס אלי הורביץ זק הירש ū יותם מרגלית ū יחיאל נועם ū קרנית פלוג היי־טק כערוץ למוביליות בין־דורית יושבי ראש הכנס: פרופ' קרנית פלוג | פרופ' יוג'ין קנדל מנהלת הכנס: דפנה אבירם־ניצן השתלבות וניידות של פרטים מרקע כלכלי חלש בענפי ההיי־טק טיוטה לדיון ,שלום לכם 30 אני מברך אתכם על השתתפותכם בכנס אלי הורביץ לכלכלה וחברה. השנה אנו מציינים שנה להיווסדו של הכנס. מראשיתו, מטרת הכנס הייתה להעלות לדיון את הנושאים המרכזיים .והחשובים לעיצוב עתידה הכלכלי והחברתי של מדינת ישראל כמדי שנה אנו מתכנסים כדי לעבוד במשותף עם הממשלה, נציגי החברה האזרחית, המגזר העסקי ומעצבי המדיניות על מנת לסייע בטיוב של תהליכי קבלת ההחלטות ולשמש כר .מחקרי פורה למחשבות ולהתלבטויות של מובילי המדיניות הכלכלית־חברתית בישראל ברור לכולנו כי השנה אנו מתמודדים עם מציאות שטרם ידענו כמותה. אומנם אי־הוודאות – הפוליטית מלווה אותנו כבר למעלה מארבע שנים, וידענו בדרך גם את משבר הקורונה ולאלה הייתה השפעה מרחיקת לכת על הכלכלה, אולם השנה אנו חווים משבר עמוק ושונה במהותו, שמותיר את חותמו על הפוליטיקה, החברה והכלכלה באופן שדורש התמודדות בכל החזיתות על מנת לשמר את חוסנה של מדינת ישראל כמדינה דמוקרטית ואיתנה מבחינה .כלכלית מדינת ישראל נמצאת בצומת קריטי לעתידה. בתקציב שאושר בממשלה אין די צעדים מעודדי צמיחה או קידום של רפורמות חשובות, ולכן עלינו לחשוש מאוד מהשפעתו העתידית. יתרה מזו – כספים רבים מושקעים בדיוק בכיוון ההפוך: בהגבהת החומות ובחינוך שאינו מספק כלים להשתלבות בתעסוקה. איננו יכולים להמשיך במדיניות של "עסקים כרגיל" ולחשוב .שלא יהיו לכך השלכות הרות אסון על עתידנו הכלכלי והחברתי דברי פתיחה כנס אלי הורביץ לדידי, תפקיד היושבים סביב השולחן הזה, בהובלת המכון הישראלי לדמוקרטיה, הוא לקדם ,דיונים וחשיבה שיובילו לחוזה חברתי חדש ומעודכן בין החברה הישראלית, על כל מגזריה למדינת ישראל. חוזה חברתי חדש יהיה חייב להציע נתיב להתמודדות עם שאלת ההשתלבות .של אוכלוסיות בשוק העבודה ולהעמיק את החינוך לערכים דמוקרטיים בקרב כל המגזרים חוזה חברתי חדש יהיה חייב לכלול גם הסדרים חדשים בכל הנוגע לגיוס לצה"ל – המשך .המגמה הנוכחית יוביל למיטוט מודל צבא העם ולפגיעה בביטחון המדינה בכנס נדון לעומק בדרכים מעשיות לשינוי כיוון ההתפתחות של המגמות הבעייתיות. לשם כך עלינו ראשית למפות ולזהות את ההשלכות העתידיות של המשבר הנוכחי. לפיכך הסוגיה הראשונה שנעסוק בה היא "עתיד המשק הישראלי" לאור תוכנית הממשלה לשינוי מערכת המשפט והשלכותיה בטווח הקצר, הבינוני והארוך. לצורך כך גם נאזין לקולות של יזמים וגורמים כלכליים כפי שהם עולים מהשטח ונשמע את הפרספקטיבה של בכירי המשק ואת תחזיותיהם הכלכליות. נוסף על כך, נעלה לדיון גם את ההשפעות הכלכליות הצפויות על המאזן החודשי של משקי הבית. בהמשך נבחן באופן ביקורתי את סוגיית יוקר המחיה בישראל ונשאל כיצד ניתן להורידו. את יומו הראשון של הכנס נסיים בדיון בסוגיה שבעינינו לא קיבלה עד כה את תשומת הלב הנדרשת: מסגרת היחסים בין השלטון המרכזי לשלטון , נדון בדרכים לחיזוקOECDהמקומי. בהינתן שישראל היא אחת המדינות הריכוזיות ביותר ב־ .הרשויות המקומיות והפיכתן לרשות שלטונית עצמאית ואפקטיבית ,יומו השני של הכנס ייפתח בדיון על עתידו של ענף ההיי־טק הישראלי, ובקשר שבין חינוך מוביליות והיי־טק. בנוסף, לא נוותר על דיון בסוגיית ההיערכות למשבר האקלים ונבחן את פוטנציאל הפיתוח של ענפים מחוללי תעסוקה ירוקה; כן נברר מה התקדם בשנים האחרונות בכל הנוגע להכשרות המקצועיות בישראל. לסיום נעלה לדיון נושא חדש שהמכון מוביל .לאחרונה – קידום החדשנות במגזר הציבורי כמדי שנה כנס אלי הורביץ הוא חלון הראווה לפעילות המכון הישראלי לדמוקרטיה לאורך כל השנה, שמשלבת מחקרי מדיניות בצד דיונים מעמיקים של צוותי עבודה וחשיבה המכנסים אליהם את כל בעלי העניין הרלוונטיים. פעילותנו בתחומי הכלכלה והחברה ממוקדת בשיפור האיתנות של הכלכלה והחברה, בקידום שוויון הזדמנויות ובהובלת השגשוג של כלל שכבות .החברה הנושא את שמו של אלי הורביץ ז"ל, מייסד חברת טבע ומראשי התעשייה11זהו הכנס ה־ בישראל. אלי היה יושב ראש הוועד המנהל של המכון ועמד שנים ארוכות בראש פורום קיסריה (שמו הקודם של הכנס). עבורנו זהו חיבור טבעי, ואנו מודים לדליה ולכל בני המשפחה על שהם מאפשרים את המשך קיומו של מפעל חשוב זה בימים כתיקונם, ועל אחת כמה וכמה .בשעת משבר אני מבקש להודות גם לקרן דוידסון על השותפות ארוכת השנים בבניית המרכז לממשל וכלכלה, לקרן סינגר על התמיכה המתמשכת בכנס, ולקרן טראמפ על המאמץ המשותף .להכין את מערכת החינוך וההשכלה הגבוהה לאתגרי העתיד של שוק העבודה תודתנו לצוות החוקרים ועוזרי המחקר, ליושבי הראש של המושבים ולשותפינו בצוותי העבודה ובכתיבת מחקרי הרקע לכנס ולכל צוות המכון הישראלי לדמוקרטיה על שאפשרו .את קיומו של כנס מקצועי זה ,בברכה יוחנן פלסנר נשיא המכון הישראלי לדמוקרטיה אלי הורביץ ז"ל, מפעל חיים .'אלי נולד בירושלים וגדל בתל אביב. בוגר בית הספר היסודי "הכרמל" ותיכון עירוני א התגייס לנח"ל עם חבריו מגרעין הצופים. לאחר1948 עם פרוץ מלחמת העצמאות בשנת הכשרה חקלאית קצרה ייסדה הקבוצה את קיבוץ תל קציר שבעמק הירדן, בסמוך לגבול עם עזבו בני1953 סוריה. בתל קציר נישאו אלי ודליה, חברתו מגרעין הצופים החדש. באוקטובר .הזוג את הקיבוץ ועברו להתגורר בתל אביב "באותה שנה החל אלי הורביץ את דרכו בתעשייה כשוטף כלים בחברת התרופות "אסיא ולאחר סיום לימודיו שולב בהדרגה בהנהלת החברה. מתוך ראייה ארוכת טווח של חשיבות המובילּות בשוק הישראלי ושל בניית בסיס לפרישה בינלאומית עתידית הוא יזם את רכישתן של שתי חברות תרופות ישראליות — "צורי" ו"טבע" — ואת מיזוגן לחברה אחת, שנקראה . הוא מונה למנהלה1976 "טבע תעשיות פרמצבטיות בע"מ". בשנת בתקופת כהונתו הארוכה כמנכ"ל וכיו"ר מועצת המנהלים של "טבע" הפגין אלי מנהיגות אסטרטגית יוצאת דופן בחדשנותה, שבאה לידי ביטוי ברכישות ובמיזוגים של מפעלי תרופות "ברחבי העולם ובאימוץ תרבות של מצוינות בכל מקום שהחברה פעלה בו. כך הפכה "טבע .למפעל התרופות הגדול בישראל, ובהמשך גם לחברת התרופות הגנריות הגדולה בעולם תחושת המעורבות החברתית וערכי ההומניזם והציונות שבהם האמין אלי עמדו ברקע התגייסותו לטובת גופים ציבוריים רבים ומגוונים. אלי השתתף כחייל קרבי בכל מלחמות ישראל, ומדרגת טוראי במלחמת העצמאות הגיע, במסגרת שירותו במילואים, לדרגת סגן .אלוף וסגן מפקד אגד ארטילרי במלחמת לבנון הראשונה, שלאחריה השתחרר מצה"ל כנס אלי הורביץ ההכרה ביכולותיו הנדירות של אלי כמנהיג וכאסטרטג תרמה לבחירתו לתפקידים ציבוריים רבים לצד עבודתו ב"טבע". כנשיא התאחדות התעשיינים שימש בתפקיד מפתח בכינונה ). הוא שימש, בין השאר, יו"ר חבר הנאמנים1985/6( של התוכנית ההיסטורית לייצוב המשק במכון וייצמן, חבר במועצה הבינלאומית של מרכז בלפר למדע ויחסים בינלאומיים בבית ,"2028 ) ויו"ר הוועדה "ישראל2005–2002( הספר לממשל ע"ש קנדי באוניברסיטת הרווארד : חזון ואסטרטגיה2028 שמסקנותיה פורסמו והוגשו לראש הממשלה תחת הכותרת "ישראל ."כלכלית־חברתית בעולם גלובלי פעילותו הציבורית והתעשייתית הענפה זיכתה את אלי בשורה ארוכה של פרסים מטעם הוענק לו2002 גופים אקדמיים וציבוריים. הוא נשא בשישה תוארי דוקטור כבוד, ובאפריל .פרס ישראל על מפעל חיים — תרומה מיוחדת לחברה ולמדינה קשר מיוחד היה לאלי עם המכון הישראלי לדמוקרטיה. אלי ראה במכון מפעל חשוב שמחזק את הדמוקרטיה הישראלית. הוא ייחס חשיבות רבה למאמצי המכון לסייע לדרג מקבלי ההחלטות להגיע להחלטות בצורה מושכלת יותר ולהוציא לפועל מדיניות איכותית .המבוססת על מחקר, חשיבה ותכנון — לטובת כלל החברה בישראל במשך שש שנים עמד אלי בראש הוועד המנהל הישראלי של המכון, ועד לשנת חייו האחרונה .היה חבר קבוע בפורום קיסריה להתוויית מדיניות כלכלית לאומית .79 , בגיל2011 בנובמבר21, נפטר ב־1932 אלי הורביץ, יליד שנת היי־טק כערוץ למוביליות בין־דורית השתלבות וניידות של פרטים מרקע כלכלי חלש בענפי ההיי־טק זק הירש | יותם מרגלית | יחיאל נועם | קרנית פלוג מחקר זה התאפשר הודות לתרומתה הנדיבה של קרן משפחת אדי וג'ולס טראמפ ).The Eddie and Jules Trump Family Foundation( ת ו כ ן הענייני ם 5 תקציר 9 מבוא 13 נתונים : 1 פרק 15 מוביליות בין־דורית בישראל : 2 פרק 23 היי־טק וניעות כלכלית מעלה : 3 פרק 23 אוכלוסיית ההיי־טקיסטים 28 ניעות כלכלית כלפי מעלה מוגברת בענפי ההיי־טק 32 נגישות משתנה לתעסוקה בהיי־טק לפרטים מרקע חלש 34 הגורמים המסייעים לפרטים מרקע חלש בהשתלבות בהיי־טק : 4 פרק 39 מסלולי השכלה ופערים בין קבוצות אוכלוסייה 45 קיר הזכוכית — תעסוקת חסר של נשים וערבים בהיי־טק : 5 פרק 45 מקורות הפערים הבין־מגזריים והבין־מגדריים 51 השכלה ותעסוקת נשים בהיי־טק 55 סיכום והשלכות : 6 פרק 59 : סטטיסטיקה תיאורית1 נספח 59 אוכלוסיית המחקר 62 פרטים שהוריהם השתייכו לרבעון התחתון 65 מועסקים בהיי־טק 69 פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון ומועסקים בהיי־טק 72 : חלוקת אוכלוסיית המחקר לקבוצות אתניות וקבוצות השכלה2 נספח 72 חלוקה לקבוצות השכלה 74 חלוקה לקבוצות אוכלוסייה 77 : תוצאות מלאות — מוביליות בין־דורית בישראל3 נספח 80 : תוצאות מלאות — היי־טק וניעות כלכלית מעלה4 נספח : תוצאות מלאות — הגורמים המסייעים לפרטים מרקע חלש 5 נספח 87 בהשתלבות בהיי־טק 102 : תוצאות מלאות — תעסוקת חסר של נשים וערבים בהיי־טק6 נספח 126 רשימת המקורות 5 תק ציר מחקר זה הוא חלק ממאמץ מחקרי רחב יותר שמטרתו לזהות את נתיבי הניעות הכלכלית בישראל. במחקר זה נתמקד בקשר בין תעסוקה בהיי־טק ובין ניעות כלכלית כלפי מעלה: באיזו מידה תעסוקה בהיי־טק מהווה נתיב שונה לניעות כלכלית מנתיבים אחרים? עד כמה פתוח נתיב זה לאנשים מרקע כלכלי חלש, ועד כמה משנה המוצא או המגדר שלהם? מהם הגורמים המאפשרים לעובדים מרקע כלכלי נמוך להשתלב בתעשיית ההיי־טק? המחקר עונה על שאלות אלה באמצעות שימוש במאגר נתונים ייחודי הכולל מגוון רחב של נתונים פרטים, כולל מידע על הכנסות הוריהם. בכך מתאפשרת בחינה 400,000אודות למעלה מ־ של הקשר בין מצב המוצא של הפרטים לבין השתלבותם בשוק העבודה ובפרט בתעשיית ההיי־טק. עיקרי הממצאים תעסוקה בהיי־טק מתואמת עם רמה גבוהה של ניעות כלכלית. מתוך קבוצת האנשים .1 שגדלו במשקי בית שהשתייכו לרבעון ההכנסות התחתון, הסיכוי שפרט יצליח בקרב המועסקים בהיי־טק ביחס לשאר 4 להשתייך לרבעון ההכנסות העליון גבוה פי הפרטים מרקע דומה. כחצי מהפרטים מרקע כלכלי חלש שהשתלבו בהיי־טק הגיעו לרבעון ההכנסות העליון. כמו כן, בקרב פרטים מרקע כלכלי חלש, אחוזון ההכנסה של אחוזונים משל מועסקים בענפים אחרים, 17המועסקים בהיי־טק גבוה בממוצע בכ־ כאשר שולטים ברמת ההשכלה ומחוז המגורים של הפרטים. רוב המועסקים בהיי־טק מגיעים מרקע כלכלי חזק; מיעוט קטן מגיעים מרקע חלש. .2 , מהמועסקים בענף גדלו במשקי בית שהשתייכו לחציון ההכנסות העליון70%כ־ מכלל הפרטים שגדלו 5% שהגיעו ממשקי בית מהרבעון התחתון. רק10%לעומת כ־ במשקי בית ברבעון ההכנסות התחתון השתלבו בהיי־טק, ובקרבם הייצוג של נשים, חרדים וערבים נמוך במיוחד. לרוב המועסקים בהיי־טק סוג השכלה שאינו נפוץ בקרב אנשים מרקע כלכלי חלש. .3 STEM ) הם בעלי השכלה גבוהה במקצועות55%רוב המועסקים בענפי היי־טק (כ־ 7.5% או במקצועות אחרים בהם תנאי הקבלה כוללים ציון פסיכומטרי גבוה. רק מהפרטים שגדלו במשקי בית ברבעון ההכנסות התחתון הם בעלי השכלה העונה על הגדרות אלה. 6 2023 כנס אלי הורביץ לכלכלה וחברה מגדילה מאוד את סיכויי ההשתלבות בהיי־טק. לאנשיםSTEMהשכלה בתחומי ה־ .4 באוניברסיטהSTEM שגדלו במשקי בית מרבעון ההכנסות התחתון, אך למדו תוארי , בהתאמה, להיות מועסקים בהיי־טק בהשוואה 6.5 ו־5.3 או במכללה, סיכוי גבוה פי לפרטים בעלי תעודת בגרות בלבד. לעומת זאת, אין הבדל משמעותי בסיכויים של ושל פרטים בעלי תעודת בגרות בלבד להשתלב STEM פרטים שלמדו תארים שאינם בהיי־טק. הכשרה מקצועית טכנולוגית של משרד העבודה (מה"ט) מתואמת גם היא עם הסיכוי הגבוה של פרטים מרקע כלכלי חלש להשתלב בהיי־טק. הסיכוי של בוגר מאשר הסיכוי של פרט עם תעודת בגרות 2.6 מה"ט להיות מועסק בהיי־טק גבוה פי בהגדלת הסיכוי STEM בלבד, ובהשוואה להשכלה אקדמית — מה"ט שני רק לתוארי להשתלבות בתעשייה. עם זאת, המתאם של מה"ט עם קפיצה לרבעון ההכנסות העליון נמוך מזה של כמעט כל המסלולים האקדמיים. לבסוף, למספר היחידות בבגרות באנגלית ובגרות במתמטיקה השפעה שקולה על הסיכוי להיות מועסק בהיי־טק. ככל שגדל מספר היחידות באנגלית ובמתמטיקה שפרט השלים, כך גדל הסיכוי להיות מועסק בהיי־טק. קשר זה אינו לינארי: הקפיצה יחידות. 4 ל־3 יחידות גדולה מזו שבמעבר מ־5 ל־4בסיכויים במעבר מ־ השכלה מסבירה חלק ניכר מהפערים בתעסוקה בהיי־טק בין עובדים מרקע כלכלי .5 המגדרי. מאפיינים דמוגרפיים שונה, אך לא את הפער היהודי־ערבי או את הפער מסבירים כשליש מהפער בתעסוקה בהיי־טק בין פרטים שגדלו במשקי בית מרבעון ההכנסות התחתון לעומת אלו שגדלו במשקי בית מהחציון העליון; מאפייני ההשכלה מיתר הפער בתעסוקה בהיי־טק. כמו כן, כאשר משווים פרטים 80%מסבירים כ־ מרקע כלכלי חלש בעלי השכלה דומה, ניכר שלמוצא האתני אין השפעה על סיכויי ההשתלבות בהיי־טק. עם זאת, הפערים בין גברים ונשים ובין יהודים וערבים נותרים גדולים, גם כאשר מצמצמים את המדגם לפרטים שעשו מבחן פסיכומטרי ולפרטים עם תא משפחתי דומה. ספציפית, הסיכוי של יהודי מרקע כלכלי חלש להיות מועסק בהיי־טק גבוה פי מהסיכוי של ערבי מרקע כלכלי דומה; גם לאחר פיקוח על מאפיינים דמוגרפיים 8.3 מזה של ערבי. יותר מכך, הניתוח5 והשכלה, הסיכוי של פרט יהודי עדיין גבוה פי מראה שלמסלול ההשכלה כמעט ואין השפעה על גודל הפער המגזרי, וגם פיקוח על הציון הפסיכומטרי של הפרטים מצמצמם את הפער אך במעט. 7היי–טק כערוץ למוביליות בין–דורית הפערים המגדריים גם הם גדולים: הסיכוי של אישה מרקע כלכלי חלש להיות מועסקת מהסיכוי של גבר מרקע דומה. כאשר משווים נשים וגברים עם 42%בהיי־טק נמוך ב־ . ההפרש 50% השכלה ומאפיינים דמוגרפיים דומים, ההפרש גדל ועומד בממוצע על מצטמצם מעט רק כאשר משווים גברים ונשים ללא ילדים צעירים, אז הוא עומד על . 32% הממצאים מלמדים כי ההיי־טק עשוי להוות נתיב למוביליות כלכלית כלפי מעלה עבור פרטים שהגיעו מרקע חלש רק אם רכשו השכלה מתאימה, החל בטיב תעודת הבגרות וכלה במאפייני ההשכלה הגבוהה. ואולם סיכוייהם לרכוש השכלה כזו אינם גבוהים. זאת בשל היעדר חינוך איכותי מספק בפריפריה הגיאוגרפית והחברתית והיעדר השקעה מספקת בהעדפה מתקנת במערכת החינוך, באופן שיגדיל את שוויון ההזדמנויות של אוכלוסיות שתנאי הפתיחה שלהן ירודים. לצד זאת, בקרב האוכלוסייה הערבית, ניכר שגם רכישת השכלה מתאימה כמעט ואינה מגדילה את סיכויי ההשתלבות בהיי־טק. סביר שחלק מההסבר לקליטה המצומצמת של ערבים לעומת יהודים בהיי־טק, גם כאשר הם בעלי השכלה דומה, טמון בעצם השירות הצבאי ובכישורים הנרכשים במהלכו (בשלב זה אין לנו נתונים לגבי השירות הצבאי). הפער הגדול בהשתלבות בהיי־טק בין נשים וגברים מרקע והשכלה דומה, בפרט כקרב הורים לילדים צעירים, מרמז כי התאמת תנאי העבודה להורים צעירים עשויה לסייע להעלות את סיכויי ההשתלבות של אימהות בהיי־טק, ולהוות גם עבורן נתיב למוביליות כלכלית. 9 מבו א הצמיחה האדירה של תעשיית ההיי־טק בישראל הביאה לכך שישראל הפכה בתוך עשורים בודדים ממדינה מזרח תיכונית קטנה עם כלכלה מסורתית בעיקרה למעצמה טכנולוגית מובילה, "אומת הסטארט אפ". כיום תעשיית ההיי־טק, קטר הצמיחה של המשק הישראלי, מהווה למעלה ממחצית מהיצוא הישראלי, מספקת את מספר חברות ההזנק השלישי בעולם בבורסת הנאסדק (במספרים אבסולוטיים!), ומזרימה כרבע מהכנסות המדינה ממיסים ישירים. ואולם, לצד השגשוג שהביאה עימה הצמיחה המרשימה של ההיי־טק הישראלי, נותר ואף התרחב אי־שוויון גבוה בשכר. אי־שוויון זה מבטא בין היתר פערים בכישורי העובדים. התופעות של פערי שכר גדולים וצמיחת תעשיית ההיי־טק המקומית קשורות זו בזו: בלבד מכלל המועסקים במשק (רשות 11%גם בשיאה, העסיקה תעשיית ההיי־טק כ־ ). אפילו אם לוקחים בחשבון את "מעגל הנהנים המורחב" (כגון, 16 ', עמ2022 ,החדשנות ספקי שירותי מזון לאותן חברות היי־טק), הרי שעדיין מדובר בתעשייה המעסיקה חלק קטן מהישראלים. כלומר, רוב האוכלוסייה לא זוכה ליהנות מההכנסות הגבוהות ומתנאי התעסוקה הנדיבים שמספקות המשרות בתעשייה. יותר מכך, הביקוש לעובדים בעלי כישורים טכנולוגיים מתקדמים מביא לכך שעיקר העובדים בהיי־טק הם כאלו המגיעים מקבוצות האוכלוסייה המשכילות ולרוב גם החזקות יותר כלכלית. על כן, התועלת העצומה שהביא ההיי־טק למדינת ישראל קשורה גם לתופעה הבעייתית של פערי שכר הולכים וגדלים במשק. ההשתלבות בהיי־טק מהווה לכן אתגר בעל השלכות כלכליות וחברתיות ראשונות במעלה: עד כמה פתוחה תעשייה זו להעסקה של ישראלים המגיעים מרקע סוציו־אקונומי נמוך? מהם המאפיינים של אותם פרטים מרקע כלכלי נמוך שכן הצליחו להשתלב בהיי־טק ועד כמה פתוחה התעשייה לעובדים מקבוצות שונות בחברה? התשובות לשאלות אלה חשובות במיוחד עבור אלו המעוניינים לקדם צעדי מדיניות שירחיבו את מעגל ההיי־ טקיסטים במדינה, ובפרט בקרב קבוצות אוכלוסייה מרקע כלכלי חלש. כדי לספק מענה לשאלות הללו, מחקר זה בוחן את ההשתלבות של ישראלים מרקע כלכלי חלש בתעשיית ההיי־טק. ספציפית, אנו מתמקדים בישראלים שגדלו בבית בו הכנסת ההורים הייתה ברבעון התחתון של התפלגות ההכנסות במשק, ומנתחים את המאפיינים של אלו שהצליחו להשתלב בהיי־טק לעומת אלה שלא. גורם מרכזי בניתוח זה הוא כמובן 10 2023 כנס אלי הורביץ לכלכלה וחברה ההשכלה של הפרטים — תחום ההשכלה או ההכשרה וסוג המוסד בו למדו — בשילוב של גורמים שונים כמו אזור המגורים, מוצא אתני ורמת דתיות. הניתוח אינו מניח "ערוץ" התקדמות יחיד לכלל הישראלים, ובוחן באופן פרטני את מאפייני המשתלבים בהיי־טק בקבוצות אוכלוסייה שונות. המחקר מתבסס על מאגר נתונים ייחודי הכולל מגוון רחב מאוד של משתנים אודות למעלה פרטים. בין היתר, המאגר כולל מידע לגבי הכנסות ההורים, דבר המאפשר 400,000מ־ בחינה של הקשר בין מצב המוצא של אנשים לבין מידת השתלבותם בשוק העבודה בכלל, תצפיות המכסות 1,500,000ובתעשיית ההיי־טק בפרט. את הנתונים הללו — למעלה מ־ כמה עשורים — ניתחנו באמצעות מספר מתודות מתקדמות, בהן שיטות שונות של לימוד ). ניתוח זה מספק מספר תובנות חשובות. machine learning( מכונה ראשית, הממצאים מצביעים על כך שתעסוקה בהיי־טק מתואמת במידה חזקה עם ניעות כלכלית מעלה. דירוג ההכנסה של פרטים מרקע כלכלי חלש (כלומר, צאצאים של הורים אחוזונים מזה של 17מרבעון ההכנסות התחתון) העובדים בהיי־טק הוא גבוה בממוצע ב־ פרטים מרקע משפחתי דומה ומועסקים בענפים אחרים. בנוסף, הסיכוי שיטפסו מרבעון בלבד בקרב פרטים מרקע כלכלי 11% , לעומת52% ההכנסות התחתון לרבעון העליון הוא דומה שאינם עובדים בהיי־טק. עם זאת, ניכר מהנתונים שהכניסה לתעסוקה בהיי־טק אינה נגישה באופן שווה לפרטים ) הם בעלי השכלה גבוהה 55%מרקע כלכלי חלש. באופן צפוי, רוב המועסקים בתעשייה (כ־ או במקצועות אחרים הדורשים ציון פסיכומטרי גבוה לצורך קבלה. אך STEM במקצועות דרישות אלה מתבטאות בייצוג שונה בתכלית בהיי־טק לפרטים מרקע כלכלי חלש. כך מהמועסקים בענף הגיעו ממשקי בית שהשתייכו לחציון ההכנסות 70%למשל, מצאנו ש־ מכלל 5% בלבד שהגיעו ממשקי בית מהרבעון התחתון. יותר מכך, רק10% העליון, לעומת הפרטים ממשקי בית שהשתייכו לרבעון ההכנסות התחתון השתלבו בהיי־טק, ובתוך קבוצה קטנה זו הייצוג של נשים, חרדים וערבים נמוך עוד יותר. כאמור, חלק מפערים אלה נובעים כנראה מהעובדה שמשרות רבות בהיי־טק מצריכות השכלה ספציפית בתחומים מדעיים והנדסיים. כך למשל, לפרטים שהגיעו ממשקי בית היה סיכוי גבוה בהרבה STEM שהשתייכו לרבעון ההכנסות התחתון ואשר למדו תוארי , 5 להיות מועסקים בהיי־טק לעומת פרטים עם תעודת בגרות בלבד (בפער של יותר מפי תלוי במוסד האקדמי). כמו כן, הסיכוי של פרטים מרקע חלש שעברו הכשרה מקצועית 11היי–טק כערוץ למוביליות בין–דורית במה"ט (המכון הממשלתי להכשרה בטכנולוגיה ובמדע) להשתלב בהיי־טק גבוה בהרבה ). באופן מפתיע אולי, מצאנו שבקרב פרטים מרקע כלכלי חלש, למספר היחידות 2.6 (פי בבגרות באנגלית ולאלו במתמטיקה מתאם דומה עם הסיכוי להשתלב בתעשיית ההיי־ טק. באופן רחב יותר, מצאנו שמאפיינים דמוגרפים מסבירים כשליש מהפער בתעסוקה בהיי־ משארית הפער. 80%טק בין פרטים מרקע חלש וחזק; מאפייני ההשכלה מסבירים כ־ כאשר משווים פרטים מרקע כלכלי חלש בעלי השכלה דומה, מגלים שהסיכוי של פרטים ממוצא שונה (אשכנזים לעומת מזרחים, מעורבים, או יוצאי ברה"מ) כמעט זהה. כלומר, להשכלה כוח הסברי גדול לגבי חלק מהפערים האתניים במידת ההשתלבות בהיי־טק. עם זאת, הפערים בין גברים ונשים ובין יהודים וערבים נותרים גדולים גם עבור פרטים בעלי השכלה דומה. אפילו כאשר מגבילים את המדגם לפרטים שעשו מבחן פסיכומטרי ולאנשים בעלי תא משפחתי דומה, הפערים נותרים בעינם. כלומר, את הפערים המגדריים בהיי־טק, כמו גם אלו בין המגזרים, ניתן להסביר באופן חלקי מאוד באמצעות ההבדלים בהשכלה בין הקבוצות. בחלק האחרון של המחקר ננסה לבחון מספר גורמים נוספים להסבר התופעה. המשך המחקר בנוי באופן הבא. ראשית, נתאר את הנתונים שעליהם מתבסס המחקר ואחר כך נציג בקצרה ממצאים הנוגעים למוביליות כלכלית בין־דורית בישראל. משם נעבור להצגת הממצאים הנוגעים לתעסוקה בהיי־טק: תחילה הממצאים בעניין הזיקה בין עבודה בתעשייה וניעות כלכלית מעלה, אחר כך הממצאים בעניין הגורמים המסייעים לפרטים מרקע חלש להשתלב בהיי־טק. לבסוף ננתח את הפערים המגזריים והמגדריים בתעסוקה בענף. בפרק האחרון נסכם את עיקרי הממצאים ונדון בהשלכות המדיניות הנובעות מהם. 13 : נתונים1 פר ק לגבי כל 1.מחקר זה מתבסס על מאגר נתונים ייחודי שניתחנו בחדר המחקר של הלמ"ס פרט במאגר עמדו לרשותנו נתוני השכלה מפורטים, לרבות ציוני בגרות ופסיכומטרי, סוגי ההכשרות המקצועיות שהפרט השתתף בהן, מקצוע הלימודים האקדמי וסוג מוסד הלימודים, וכן נתוני שכר ותעסוקה לאורך זמן. במאגר גם נתונים דמוגרפיים שהתקבלו ממרשם האוכלוסין שאפשרו לנו לסווג את הפרטים לפי קבוצות אתניות וחברתיות שונות בישראל. עם זאת, לא עמד לרשותנו מידע אודות השירות הצבאי של הפרט, מידע שעשוי להיות רלוונטי מאוד לדיון בגורמים המסייעים להשתלבות בהיי־טק. המידע אודות ההיסטוריה התעסוקתית וכן נתונים רציפים לגבי הכנסות מעבודה של הפרט, כמו גם של הוריו, אפשרו ניתוח של המוביליות הבין־דורית בישראל, הן במונחים יש להדגיש שבדומה לספרות 2.אבסולוטיים והן בהשוואה בין קבוצות אוכלוסייה שונות מחקרית קודמת על מוביליות בישראל, אנו מתייחסים למוביליות בהכנסה מעבודה, ולא מקצבאות והון. על כן, הנתונים שברשותנו משקפים את המוביליות בתוך שוק העבודה רק בקרב האנשים העובדים (הן בדור הצאצאים והן בדור ההורים). אוכלוסיית המחקר. במחקר ביצענו מעקב רציף אחר הכנסות מעבודה ורצף תעסוקתי ולצד זה מעקב 3,) שנים6 (תקופה רציפה של36–31 בהיותם בני1983–1977 בקרב ילידי 22–18 אחר הכנסות מעבודה ורצף תעסוקתי של הוריהם בעת שהיו (הצאצאים) בני פרטים וכלל רק 429,859 המדגם בו השתמשנו מנה4. שנים5 למשך תקופה רציפה של פרטים שעבדו לפחות שלוש שנים מתוך השש שנבחנו ושלפחות אחד ההורים שלהם עבד  זהות הפרט בחדר המחקר של הלמ"ס הינה פיקטיבית בכדי לשמור על סודיות הפרט.1  מחקר זה מתייחס רק להכנסות מדווחות מעבודה. מטבע הדברים הוא אינו כולל הכנסות2 מרווחה, צדקה, גמ"חים או עבודה בשחור ולכן אינו מציג תמונה מלאה של ההכנסה הכוללת של משקי הבית ובפרט בקרב אוכלוסיות מוחלשות. ) על Life Cycle Bias(  גילים אלה נבחרו על מנת למתן את ההשפעה של הטיית מחזור החיים3 הכנסות הפרטים. בפרט, הקפדנו כי גילי הצאצאים אינם מוקדמים מדי, ומצד שני גילי ההורים ).Nybom & Stuhler, 2016( אינם מאוחרים מדי הוחרגו מהניתוח בשביל לשמור 22 בהיותם בגיל60  צאצאים שאחד מהוריהם עבר את גיל4 על שכר הורים מייצג. החרגה זו הובילה לכך שבמדגם הליבה של המחקר האוכלוסייה היהודית האתיופית הייתה קטנה מדי מכדי שנוכל לנתח אותה בנפרד משאר הקבוצות היהודיות, ולכן לא נתייחס אליהם כקבוצת ניתוח נפרדת במחקר זה. 14 2023 כנס אלי הורביץ לכלכלה וחברה מוצגת סטטיסטיקה תיאורית על אודות1 בנספח5.לפחות שנתיים מתוך החמש שנבחנו אוכלוסיית המחקר. . כך שכל הממצאים 2019–2008 הנתונים שנאספו אודות הפרטים מתייחסים לשנים המובאים רלוונטיים למצב הכלכלי והתעסוקתי של פרטים מדור הצאצאים בשנים אלה. דירוג ההכנסות (כלומר, אחוזון ההכנסה מתוך ההתפלגות של ההכנסות באוכלוסייה) של הפרטים חושב לפי ממוצע השכר של הפרטים בשנים שבהן עבדו. דירוג ההכנסה של ההורים הוא ממוצע השכר של ההורים בשנים שבהן עבדו (רמת השכר בדור ההורים היא רמת השכר של משק הבית). במחקרים אודות תעסוקה בהיי־טק בישראל נהוג לסווג תעסוקה בהיי־טק לפי משלח היד של פרטים, לפי ענף התעסוקה, או לפי שילוב ענף התעסוקה ומשלח היד עם נתונים נוספים, למשל שכר והשכלה. במחקר זה בחרנו לסווג תעסוקה בהיי־טק לכל פרט שהיה ישנם המסווגים את ענף שירותי 6.מועסק באחד מענפי ההיי־טק ולפחות למשך שנה תקשורת עם ענפי ההיי־טק, אך בחרנו שלא לכלול אותו כיוון שהוא כולל מועסקים רבים 7.)שאינם עונים על ההגדרה שבמוקד מחקר זה (למשל, עובדים במרכזי שירות לקוחות כמו כן, לניתוח שונות בתוך האוכלוסייה, השתמשנו בחלוקה לקבוצות אתניות וקבוצות ). אופן החלוקה מפורט בנספח 2022( השכלה לפי הקטגוריות של גורדון, פלוג וקנת פורטל .2 .)2022(  המדגם זהה לזה שבמחקרם של גורדון, פלוג וקנת פורטל5  ענפי ההיי–טק (לא כולל ענף שירותי תקשורת) הם: ייצור תרופות קונבנציונליות ותרופות6 ;הומאופתיות; ייצור מחשבים, מכשור אלקטרוני ואופטי; ייצור כלי טיס, חלליות וציוד נלווה שירותי תקשורת; תכנות מחשבים, ייעוץ בתחום המחשבים ושירותים נלווים אחרים; עיבוד נתונים, אחסון ושירותים נלווים; אתרי שער לאינטרנט; מרכזי מחקר ופיתוח; מחקר ופיתוח בהנדסה ובמדעי הטבע.  בדיקה של עובדי ענף שירותי תקשורת אכן הצביעה על כך שהוא בעל מאפיינים שונים מיתר 7 הענפים: השכר בו נמוך משמעותית ־ לפי הנתונים שברשותנו, השכר השנתי הממוצע בו הוא ש"ח; רמת ההשכלה של 214,500 ש"ח לעומת ממוצע יתר ענפי ההיי–טק העומד על142,500 מהמועסקים, ביתר40% מהווים כמעטSTEM המועסקים בו נמוכה יחסית ־ בעוד שבעלי תואר מענף זה; ורוב המועסקים בענף עובדים בשירות לקוחות מסוגים שונים 5% הענפים הם מהווים רק , לפי סקר כוח אדם של הלמ"ס, מתוך כלל המועסקים בענף בעלי משלח יד אקדמי 2018–(נכון ל מהעובדים, והרוב המוחלט של העובדים 15%–טכנולוגי, בעלי משלח יד אקדמי ומנהלים מהווים כ מועסקים בשירות לקוחות מסוגים שונים). 15 : מ ו ביל י ו ת בין –דורית בישר אל2 פרק באיזו מידה רמת ההכנסה של הורים משפיעה על רמת ההכנסה של ילדיהם? מה הסיכוי של פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון להשתייך בבגרותם לרבעון או לחציון ההכנסות העליון? וכיצד התפלגות ההכנסות מעבודה משתנה מדור לדור? בפרק זה נעסוק במוביליות בין־דורית בהכנסה מעבודה בישראל ונענה על שאלות אלה. בהמשך נפנה להתמקד במועסקים בהיי־טק ובהשפעה של הענף על ניעות כלכלית בישראל. המדד הבסיסי לניידות כלכלית הוא המתאם בין הכנסות הפרטים להכנסות הוריהם. במילים אחרות, כמה מרמת ההכנסה של הפרט ניתן להסביר באמצעות רמת ההכנסה של הוריו? בחברה בה אין מוביליות בין־דורית כלל, המתאם יהיה מלא והכנסות ההורים יהיו הגורם היחיד המשפיע על הכנסות הפרט; כך למשל, פרט שהוריו השתייכו לאחוזון בעצמו, ופרט שהוריו השתייכו לאחוזון 90 של התפלגות ההכנסות ישתייך לאחוזון90 ישתייך בעצמו לאחוזון העשירי. לעומת זאת, בחברה מובילית לחלוטין המתאם יהיה10 אפסי, כך שבהינתן רמת ההכנסה של הוריהם, הסיכוי של פרטים להשתייך לכל אחוזון בהתפלגות ההכנסות יהיה זהה. בפועל, ניתן לראות בכל המדינות שיש מתאם כלשהו בין 0.341 בקנדה ל־0.174 הכנסות הפרטים והוריהם, כאשר הטווח במדינות המפותחות נע בין ). Chetty et al., 2014, 1576( , כפי שנציג בהמשך0.277 בארה"ב. בישראל המתאם הוא משום שהמתאם מתייחס לקשר בין הורים וצאצאים לאורך כל התפלגות ההכנסות, שאלה מעניינת יותר בהקשר של מחקר זה, שמיקודו ביכולת של פרטים מרקע חלש לשפר את מצבם ביחס להוריהם, היא מהי רמת ההכנסה הממוצעת של פרטים שהגיעו מרקע חלש? ישנן מספר דרכים למדוד את רמת הניידות של פרטים מרקע חלש וגישה נפוצה היא "), האומד את absolute upward mobility"( באמצעות מדד הניעות האבסולוטית מעלה אחוזון ההכנסה המנובא של פרטים שהוריהם השתייכו לחציון ההכנסות התחתון. המדד מחושב באמצעות אמידת הקשר בין הכנסות הפרטים והוריהם ברגרסיה לינארית: ראשית, מרגרסיה שבה הגורם המוסבר הוא אחוזון ההכנסה של הפרטים והגורם המסביר היחיד הוא אחוזון ההכנסה של ההורים, נְחַ שב מקדם לאחוזון ההכנסה של ההורים וחותך. אח"כ, נשתמש באלו כדי לחשב את אחוזון ההכנסה המנובא של פרטים מכל אחוזון הכנסה 16 2023 כנס אלי הורביץ לכלכלה וחברה . לבסוף, נחשב את הממוצע של כל האחוזונים המנובאים8.50של ההורים, עד האחוזון ה־ בהינתן שהקשר בין הכנסות הפרטים והוריהם לינארי, נשתמש במתודה של צ'טי ושות' של 25ונשווה את אחוזון ההכנסה המנובא של פרטים שהוריהם השתייכו לאחוזון ה־ ).Chetty et al., 2014, 1562( ההכנסות מוצג אחוזון ההכנסה הממוצעת של פרטים לפי אחוזון ההכנסה של הוריהם. 1 בתרשים הציר האופקי מתאר את רמת ההכנסה של ההורים ובציר האנכי מתוארת רמת ההכנסה הממוצעת של צאצאיהם. כך למשל ניתן לראות שפרטים שהוריהם השתייכו לאחוזון . בתרשים ניכר שהקשר בין הכנסות פרטים 49 משתייכים בממוצע לאחוזון40ההכנסה ה־ והוריהם בישראל לינארי ואינו משתנה לפי רמת ההכנסה של ההורים. המתאם בין הכנסות , מתאם הגדול מזה שחושב במדינות כמו 0.277 הפרטים והוריהם בישראל עומד כאמור על 9.)7 ,2017 ,, בהתאמה) וקרוב למתאם בארה"ב (אלוני וקריל0.215 ו־0.18( שוודיה ודנמרק  בקרב כלל האוכלוסייה האחוזון המנובא קרוב מאוד לאחוזון הממוצע, אך נכנה אותו כך משום 8 שחושב ברגרסיה ולא על ידי חלוקת סכום התצפיות במספר התצפיות  להשוואה בין מתאם ההכנסות הבין–דורי בישראל לבין המתאם במדינות אחרות, או בין המתאם 9 שחושב במחקר זה לבין מתאמים שחושבו במחקרים אחרים שבוצעו בישראל ראו גורדון, פלוג וקנת ).2022( פורטל 17היי–טק כערוץ למוביליות בין–דורית 1 תרשים אחוזון הכנסה ממוצע לפי אחוזון ההכנסה של הורי הפרט הערה: הציר האופקי מתאר את רמת ההכנסה של ההורים ובציר האנכי מתוארת רמת ההכנסה הממוצעת של צאצאיהם, כך שכל נקודה מתארת את אחוזון ההכנסה הממוצע של פרטים שהוריהם מצוין אחוזון ההכנסה הממוצע של 25–השתייכו לאחוזון מסוים. מעל אחוזון הכנסת ההורים ה .y = 0.2774x + 36.493 :צאצאיהם. משוואת קו המגמה הלינארי היא מקור: נתוני הלמ"ס, עיבוד המחברים. , לעומת זאת 37 הוא1 של פרטים שהוריהם השתייכו לאחוזון10האחוזון המנובא , כלומר שבממוצע 64 הוא100 האחוזון המנובא של פרטים שהוריהם השתייכו לאחוזון  כאמור, האחוזון שחושב באמצעות החותך והמקדם מרגרסיה לינארית בה הגורם המוסבר הוא 10 ,אחוזון ההכנסה של הפרטים והגורם המסביר היחיד הוא אחוזון ההכנסה של הוריהם. לפי האמידה , סכום החותך ומכפלת המקדם באחוזון ההורים (במקרה 0.28– והמקדם שווה ל36.5–החותך שווה ל . משום שמדובר בכלל האוכלוסייה, האחוזון המנובא קרוב מאוד לאחוזון 37–) שווה ל1 זה שווה (.36) הממוצע 44.09 0 10 20 30 40 50 60 70 10 20 30 40 50 60 70 80 90 100 אחוזון ממוצע- פרטים אחוזון הכנסה - הורים מה"ט ללא השכלה 18 2023 כנס אלי הורביץ לכלכלה וחברה אחוזוני הכנסה מפרידים בין צאצאיהם של פרטים הנולדים להורים משני קצוות27כ־ האחוזון המנובא של פרטים שהוריהם השתייכו לאחוזון ההכנסה 11.התפלגות ההכנסות , בארה"ב בערים עם הניעות מעלה Chetty . לשם השוואה, לפי ממצאיו של43.4 הוא25ה־ 25 האבסולוטית הגבוהה ביותר, האחוזון המנובא של פרטים שהוריהם השתייכו לאחוזון ).Chetty et al., 2014, 1594( 35.8 ובערים עם הניעות הנמוכה ביותר הוא46.2 הוא בהינתן שבממוצע פרט שהוריו השתייכו לחציון התחתון של התפלגות ההכנסות עדיין משתייך לחצי התחתון של ההתפלגות בעצמו, נרצה לבחון עד כמה פרטים מרקע חלש — כלומר, פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון — מצליחים 'לקפוץ' בסולם מוצג שיעור 1 בלוח12.הניעות הכלכלית ולהשתייך לרבעון או לחציון ההכנסות העליון הקופצים מתוך כלל הפרטים מרקע חלש, לפי מגזר ועדה. כל שורה בלוח מייצגת קבוצת אוכלוסייה והשורה האחרונה מייצגת את כלל האוכלוסייה. בעמודה הראשונה ניתן לראות את שיעור ומספר הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון (מתוך כלל הפרטים בקבוצה שהוריהם השתייכו לרבעון התחתון) והם עצמם משתייכים לרבעון ההכנסות העליון. בעמודה השנייה ניתן לראות את שיעור ומספר הפרטים שהוריהם השתייכו לרבעון התחתון והם עצמם משתייכים לחציון העליון. ניתן לראות שבקרב כלל האוכלוסייה (בשורה התחתונה של הלוח) שיעור הפרטים , ושיעור הפרטים שמצליחים לטפס 13.1% שמצליחים לטפס לרבעון ההכנסות העליון הוא , כלומר אחד מתוך שמונה פרטים ואחד מתוך שלושה 35.1% לחציון ההכנסות העליון הוא פרטים בהתאמה. שיעור זה אינו אחיד באוכלוסייה: ניתן לראות שבעוד שאחד מארבעה אשכנזים ואשכנזיות מרקע חלש מצליח להגיע לרבעון ההכנסות העליון, רק אחד משישה חרדים וחרדיות מצליח 18 מזרחים ומזרחיות או יוצאי ויוצאות ברה"מ ורק אחד מכל "לקפוץ" מעלה. ). relative mobility( " מכנה מדד זה כ"ניעות יחסיתChetty  במחקריו11  למידע על אודות הפרטים שהוריהם השתייכו לרבעון ההכנסה התחתון ראו סטטיסטיקה12 .3 בנספח18 ובתרשים17 ונתוני שכר של הורי הפרטים בתרשים1 תיאורית בנספח 19היי–טק כערוץ למוביליות בין–דורית 1 לוח שיעור הפרטים שמשתייכים לרבעון וחציון הכנסות העליון שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי עדה ומגזר קופצים לרבעון עליון קופצים לחציון עליון אשכנזים 23.8% 48.9% חרדים5.6% 21.0% בעלי מוצא מעורב20.0% 44.0% מזרחים16.7% 41.2% יוצאי ברה”מ16.8% 40.8% מוסלמים7.3% 26.8% נוצרים10.9% 34.5% סה”כ )14,117) 13.1% )37,677) 35.1% הערה: שיעור הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון שמשתייכים לרבעון ולחציון ההכנסות העליון (קופצים לרבעון העליון וקופצים לחציון העליון, בהתאמה), בסוגריים מספר הפרטים. רבעוני ההכנסות נקבעו לפי ההתפלגות הכללית ולא ההתפלגות בתוך הקבוצה. אשכנזים, יוצאי ברה"מ, מזרחים ובעלי מוצא מעורב הם פרטים יהודים שאינם חרדים. מקור: נתוני הלמ"ס, עיבוד המחברים. ישנה גם שונות מגדרית בולטת. אם נבחן את הסיכויים לקפוץ על בסיס התפלגות שכר משותפת (כלומר, דירוג ההכנסות שחושב לפי הכנסות כלל הפרטים), נמצא שלנשים להשתייך לרבעון ההכנסות 6.7% שהוריהן השתייכו לרבעון ההכנסות התחתון יש סיכוי של 18.7% : להשתייך לחציון העליון. בקרב גברים, הסיכוי גבוה יותר24.5% העליון, וסיכוי של , בהתאמה. לעומת זאת, בחינה של הסיכויים ביחס לפרטים מאותו המין בלבד, 44.2%ו־ מגלה שהסיכוי של נשים שהוריהן השתייכו לרבעון ההכנסות התחתון להשתייך לרבעון ; הסיכויים עבור גברים 34.3% , והסיכוי שלהן להשתייך לחציון העליון הוא14% העליון הוא 13. בהתאמה32.3% ו־11.3% הם .3 בנספח33 ולוח32 , לוח31  ראו לוח13 20 2023 כנס אלי הורביץ לכלכלה וחברה כלומר, כאשר לוקחים בחשבון את כלל האוכלוסייה, המוביליות הכלכלית של נשים פחותה מזו של גברים: מכלל הנשים שהוריהן השתייכו לרבעון ההכנסות התחתון, רק . 18.7% הצליחו לעלות לרבעון העליון, בעוד בקרב הגברים הנתון המקביל עמד על6.7% אך כאשר בוחנים את הניעות הכלכלית בתוך כל מגדר, מתקבלת תמונה הפוכה: הסיכוי של אישה שהוריה השתייכו לרבעון ההכנסות התחתון לטפס מעלה ולהשתייך לרבעון , בעוד הסיכוי של גבר שהוריו השתייכו לרבעון 18.7% ההכנסות העליון של הנשים עומד על בלבד. 11.3%ההכנסות התחתון להשתייך לרבעון ההכנסות העליון של הגברים עומד על כ־ תנודות אלה מייצרות שינויים רבים בחלוקת ההכנסות מעבודה על פני הדורות. השינויים . בתרשים הפרטים קובצו פעם לפי רבעון ההכנסות אליו השתייכו 2 מוצגים בתרשים הוריהם (מצד ימין) ופעם לפי רבעון ההכנסות של הפרטים עצמם בתור בוגרים (משמאל). 'תנודת' הפרטים בין הרבעונים מתוארת באמצעות הקווים האפורים והכחולים בין שני צידי התרשים; הקווים הכחולים מייצגים את הפרטים שמועסקים בהיי־טק והקווים האפורים מייצגים את שאר הפרטים. ככל שהקו עבה יותר הוא מייצג מעבר של שיעור את ההכנסות 4 כולל את ההכנסות הנמוכות ביותר ורבעון1 גבוה יותר של פרטים. רבעון הגבוהות ביותר. 21היי–טק כערוץ למוביליות בין–דורית 2 תרשים מפת המוביליות בהכנסות פרטים לפי רבעוני ההכנסה של הוריהם (מצד ימין) ושלהם (מצד 429,859 הערה: בתרשים מוצגים את ההכנסות הגבוהות 4 כולל את ההכנסות הנמוכות ביותר בהתפלגות, רבעון1 שמאל). רבעון ביותר. 'תנודת' הפרטים בין הרבעונים מתוארת באמצעות הקווים האפורים והכחולים בין שני צידי התרשים; הקווים הכחולים מייצגים את הפרטים שמועסקים בהיי–טק והקווים האפורים מייצגים את שאר הפרטים. ככל שקו עבה יותר הוא מייצג מעבר של שיעור גבוה יותר של פרטים. מקור: נתוני הלמ"ס, עיבוד המחברים. Made with SankeyMATIC רבעון1 רבעון1 רבעון2 רבעון3 רבעון4 רבעון2 רבעון3 רבעון4 הורים : פרטים : 22 2023 כנס אלי הורביץ לכלכלה וחברה ) בדור1 ממבט בתרשים ניתן לראות שהקווים המחברים את הרבעון התחתון (רבעון ההורים לרבעון התחתון בדור הצאצאים הוא העבה ביותר. תמונה דומה עולה גם לגבי ). תוצאות אלה מלמדות על כך שישנה 4 המעברים בין ילידי הרבעון העליון (רבעון הסתברות גבוהה לפרטים מרקע חלש מאוד או חזק מאוד להישאר במצב כלכלי דומה לזה של הוריהם. כמו כן, ניתן לראות בתרשים שהקו הדק ביותר הוא זה המייצג פרטים מהפרטים 13%שהוריהם השתייכו לרבעון התחתון והם עצמם "קפצו" לרבעון העליון (כ־ ). בדומה לכך, ניתן לראות גם תנועה מעטה 1 שהוריהם השתייכו לרבעון התחתון, לפי לוח בכיוון הנגדי, כלומר שישנם מעט מאוד פרטים שהוריהם השתייכו לרבעון ההכנסות העליון והם עצמם משתייכים לרבעון התחתון. בנוסף, ניתן לראות שהמועסקים בהיי־טק מהווים חלק משמעותי מכלל הפרטים שמשפרים את מצבם ביחס להוריהם, כולל מהקופצים מהרבעון התחתון לעליון. על ממצא זה נרחיב בפרק הבא. 23 : ה י י– ט ק ונ יעות כלכלית מעלה3 פרק הממצאים בפרק האחרון מלמדים על כך שתעסוקה בהיי־טק מהווה נתיב חשוב לפרטים מרקע חלש לשפר את מצבם הכלכלי ביחס להוריהם. בפרק זה נבחן באיזו מידה השתלבות בהיי־טק מייצרת ניעות כלכלית כלפי מעלה, נשווה זאת לנתיבי התקדמות אחרים, ונבחן עד כמה נתיב זה פתוח לקבוצות אוכלוסייה שונות. לפני שנתעמק בתשובות לשאלות אלה, נתחיל בהצגת אוכלוסיית ההיי־טקיסטים בישראל. אוכלוסיית ההיי־טקיסטים מבחינת הרקע הכלכלי של המועסקים בהיי־טק, לעיתים נשמעת טענה בתקשורת כי מראה שטענה זו 3 תעסוקה בהיי־טק היא נחלתם של בני מעמד כלכלי גבוה בלבד. תרשים נכונה. בתרשים קיבצנו את המועסקים בהיי־טק פעם לפי רבעון ההכנסות אליו השתייכו ההורים (מצד ימין) ופעם לפי רבעון ההכנסות של העובדים עצמם (מצד שמאל). רבעון את ההכנסות הגבוהות ביותר. תנודת 4 כולל את ההכנסות הנמוכות ביותר, ורבעון1 .הפרטים בין הרבעונים מתוארת באמצעות הקווים הכחולים בין שני צידי התרשים גדלו 20.4%מהתרשים ניתן לראות, למשל, שמתוך כל הפרטים המועסקים בהיי־טק, כ־ (מצד ימין למטה). מקבוצת עובדי 2 'בבית בו ההורים השתייכו לרבעון ההכנסות מס ההיי־טק הללו, כפי שהקווים העבים מלמדים, ניכר שרובם טיפסו לרבעון ההכנסות העליון מהמועסקים בהיי־טק הגיעו ממשקי 11.4% כמו כן, ניתן לראות בתרשים שרק14.)4 (רבעון מהפרטים ברבעון 5.4% פרטים, המהווים5,755( בית שהשתייכו לרבעון ההכנסות התחתון מהמועסקים בהיי־טק הגיעו ממשקי בית בהם ההורים 40.9% ,התחתון). לעומת זאת מהמועסקים בהיי־טק הגיעו 70% השתייכו לרבעון ההכנסות העליון. בסה"כ, כמעט ממשקי בית שהשתייכו לחציון ההכנסות העליון. מכך ניתן בהחלט להסיק שהמועסקים בהיי־טק מגיעים בעיקר מרקע כלכלי חזק. כמו כן, ניכר שתעסוקה בהיי־טק מתואמת עם שיפור במצבם של רוב גדול מהעובדים בענף. .2 מתקבל מניפוי הפרטים שאינם מועסקים בהיי–טק מתרשים3  תרשים14 24 2023 כנס אלי הורביץ לכלכלה וחברה 3 תרשים מפת המוביליות בהכנסות של המועסקים בהיי–טק פרטים, לפי רבעוני ההכנסה של הוריהם 50,364 ,הערה: בתרשים מוצגים כלל המועסקים בהיי–טק (מצד ימין) ושלהם (משמאל), גודלו היחסי של כל רבעון חושב עבור כל מקבץ ומצוין ליד מספר הרבעון. רבעוני ההכנסה חושבו לפי התפלגות כלל האוכלוסייה ־ של המועסקים בהיי–טק ושל את 4 כולל את ההכנסות הנמוכות ביותר בהתפלגות, רבעון1 המועסקים ביתר הענפים יחד. רבעון ההכנסות הגבוהות ביותר. 'תנודת' הפרטים בין הרבעונים מתוארת באמצעות הקווים הכחולים. ככל שקו עבה יותר, כך הוא מייצג מעבר של שיעור גבוה יותר של פרטים. מקור: נתוני הלמ"ס, עיבוד המחברים. רבעון1 : 11.4% רבעון1 : 4.5% רבעון2 : 9.6% רבעון3 : 19.3% רבעון4 : 66.6% רבעון2 : 20.4% רבעון3 : 27.3% רבעון4 : 40.9% הורים : פרטים : Made with SankeyMATIC 25היי–טק כערוץ למוביליות בין–דורית 15. מציג את חלוקת המועסקים בהיי־טק לפי רמת השכלתם4 מבחינת השכלה, תרשים או עם תארים חזקים אחרים, אלו הדורשים STEM ניתן לראות בתרשים שפרטים עם תואר כמו כן, 16. מכלל העובדים בהיי־טק55%ציון פסיכומטרי גבוה לצורך קבלה, מהווים יותר מ־ מהעוסקים בענף 25%ניתן לראות שתעסוקה בהיי־טק אינה מחייבת השכלה גבוהה: כ־ הם בעלי תעודת בגרות או תעודה מקצועית לכל היותר. 4 תרשים המועסקים בהיי–טק, לפי רמת השכלה פרטים, לפי התעודה הגבוהה 50,364 ,הערה: בתרשים מוצגת התפלגות כלל המועסקים בהיי–טק ביותר שלהם. מקור: נתוני הלמ"ס, עיבוד המחברים.  "מה"ט" שבתרשים מייצג בוגרי הכשרות מקצועיות טכנולוגיות שבאחריותו.15  קבוצת התארים החזקים כוללת מגוון רחב של תארים, הומניים וריאליים, הדורשים ציון16 פסיכומטרי גבוה לצורך קבלה. למשל ־ משפטים, חשבונאות, פסיכולוגיה, ניהול וכדומה. לרשימה .2 בנספח30 המלאה של התארים הנכללים בקבוצה זו ראו לוח ללא תעודה 8.8% בגרות 10.5% תעודה מקצועית 5.2% ט" מה4.4% מכללה-אחר5.3% אוניברסיטה- אחר 9.7% מכללה- מקצועות נבחרים 6.7% אוניברסיטה- מקצועות נבחרים 10.6% מכללה- STEM 12.7% אוניברסיטה- STEM 26.1% ללא תעודה 26 2023 כנס אלי הורביץ לכלכלה וחברה מוצגים המועסקים בהיי־טק וביתר ענפי התעסוקה לפי השתייכות מגזרית5 בתרשים ועדתית. מבחינת מגזר ועדה — אשכנזים, מזרחים ובעלי מוצא מעורב מהווים כל קבוצה כרבע מהמועסקים בהיי־טק, יוצאי ברה"מ מהווים כחמישית נוספת, וערבים מוסלמים כמו כן, ניתן לראות כי 17. מהמועסקים בענף4%ונוצרים ויהודים חרדים מהווים יחד רק כ־ בהשוואה לתעסוקה ביתר הענפים, בהיי־טק שיעור המועסקים האשכנזים ויוצאי ברה"מ גבוה במיוחד ושיעור הערבים המוסלמים נמוך מאוד. מבחינת מגדר, נשים מהוות רק שליש מהעובדות והעובדים בהיי־טק, לעומת משקלן . ההתפלגות המגזרית מעט שונה בין המינים, כפי שניתן 51% במדגם המלא שעומד על מהמועסקות בהיי־טק לעומת גברים חרדים 3.6%: חרדיות מהוות כ־2 לראות בלוח לעומת 2% מהמועסקים בתעשייה. שיעורן של נשים מזרחיות גבוה ב־1.5% המהווים רק שיעורם של גברים מזרחים. כמו כן, בולט בלוח הממצא ששיעורן של נשים ערביות בהיי־טק מהמועסקים 1.8% נמוך במיוחד, גם בהשוואה לגברים מוסלמים: ערבים מוסלמים מהווים בעוד מוסלמיות מהוות פחות מאחוז מהמועסקות. 2 לוח המועסקים בהיי–טק, לפי מגזר, עדה ומין גברים נשים אשכנזים26.7% 25.5% מזרחים25.7% 27.2% בעלי מוצא מעורב25.5% 25.1% יוצאי ברה”מ18.3% 17.5% חרדים1.5% 3.6%  במחקר זה חילקנו את האוכלוסייה היהודית הלא–חרדית לפי מוצא. עבור דור ההורים המוצא17 נקבע לפי ארץ המוצא שלהם, או לפי זה של הוריהם, הסבים, במקרה שנולדו בארץ. עבור דור הילדים המוצא נקבע לפי ארץ המוצא שלהם או לפי מוצא ההורים אם נולדו בארץ. לפירוט מלא על אודות אופן החלוקה של פרטים יהודים לא–חרדים לקבוצות מוצא ראו חלוקה לקבוצות אוכלוסייה .2 בנספח  27היי–טק כערוץ למוביליות בין–דורית גברים נשים מוסלמים1.8% 0.8% ערבים נוצרים0.6% 0.2% סה”כ )33,758( 100.0% )16,606( 100.0% .הערה: בסוגריים כמות הפרטים מקור: נתוני הלמ"ס, עיבוד המחברים. 5 תרשים מועסקים בהיי–טק וביתר הענפים, לפי מגזר ועדה מועסקים בהיי–טק  אשכנזים 26.3% מזרחים26.2%בעלי מוצא מעורב 25.4% יוצאי ברה "מ 18.0% חרדים 2.2% מוסלמים 1.5% ערבים נוצרים 0.5%  28 2023 כנס אלי הורביץ לכלכלה וחברה מועסקים ביתר הענפים פרטים, לפי מגזר ועדה.50,364 ,הערה: בתרשים העליון מוצגת התפלגות כלל המועסקים בהיי–טק פרטים, לפי מגזר ועדה.379,49 ,בתרשים התחתון מוצגת התפלגות המועסקים ביתר הענפים מקור: נתוני הלמ"ס, עיבוד המחברים. ניעות כלכלית כלפי מעלה מוגברת בענפי ההיי־טק ראינו לעיל כי מיעוט מעובדי ההיי־טק מגיעים מרקע כלכלי חלש ושתעסוקה בתעשייה מתואמת עם שיפור במצבם הכלכלי של רוב גדול מהמועסקים ביחס למצבם של הוריהם מוצגים שיעורי הניעות הכלכלית מעלה של המועסקים בהיי־טק ושל 3 ). בלוח3 (בתרשים אלה שאינם מועסקים בהיי־טק. בעוד שבקרב כלל הפרטים שהוריהם השתייכו לרבעון , בקרב פרטים המועסקים 13% ההכנסות התחתון שיעור הקופצים לרבעון העליון הוא רק . 52% בהיי־טק שיעור הקפיצה לרבעון העליון הוא אשכנזים 14.5% מזרחים32.4% בעלי מוצא מעורב 18.3% יוצאי ברה"מ10.7% חרדים7.5% מוסלמים 14.8% 1.9%  29היי–טק כערוץ למוביליות בין–דורית בחינה של המספרים האבסולוטיים בלוח, מצביעה על כך שמתוך כלל הפרטים שקפצו 5% לעומת זאת, רק18.21%לרבעון ההכנסות העליון, המועסקים בהיי־טק מהווים כ־ כך שבממוצע, 19.מהפרטים שהוריהם השתייכו לרבעון ההכנסה התחתון מועסקים בענף את הסיכוי לקפוץ לרבעון העליון ביחס לתעסוקה ביתר 4 תעסוקה בהיי־טק מגדילה פי הענפים. ממצאים אלה מובילים למסקנה כי תעסוקה בהיי־טק אינה נפוצה בקרב השכבות החלשות, אך לאלו שהשתלבו בתעשייה, היא מהווה מסלול מצוין לקפיצה כלכלית. 3 לוח בהיי–טק או ביתר הענפים- סיכוי הקפיצה, לפי תעסוקה ענפית קופצים לחציון העליון קופצים לרבעון העליון )4,445( 77.2% )2,999( 52.1% מועסקים בהיי־טק )33,232( 32.8% )11,118( 10.6%מועסקים ביתר הענפים )37,677( 35.06% )14,117( 13.14%סה”כ הערה: בכל תא מוצג שיעור הפרטים שעובדים בענף המצוין שהוריהם השתייכו לרבעון ההכנסות התחתון ושהם עצמם משתייכים לרבעון ולחציון ההכנסות העליון (קופצים לרבעון העליון וקופצים לחציון העליון, בהתאמה); בסוגריים מספר הפרטים. רבעוני ההכנסות נקבעו לפי ההתפלגות הכללית ולא ההתפלגות בתוך הקבוצה. מקור: נתוני הלמ"ס, עיבוד המחברים. רמת הניידות הגבוהה של המועסקים בהיי־טק בהשוואה ליתר המועסקים עשויה לבוא לידי ביטוי במספר דרכים: עלייה במדרג ההכנסה (אחוזון ההכנסה) של הפרטים, או כמתאם שונה בין רמת ההכנסות של הפרטים והוריהם. למשל, אם בהיי־טק השכר תלוי יותר ברמת הכישורים שנרכשו במהלך התעסוקה בענף ופחות בכישורים שתלויים , מספר הקופצים סה"כ הוא 2,999  מספר המועסקים בהיי–טק שקפצו לרבעון העליון הוא18 .21.24% , לפיכך שיעורם מתוך כלל הקופצים הוא14,117 פרטים המועסקים בהיי–טק שהגיעו ממשקי בית5,755 , ישנם3  כפי שראינו בתרשים19 . הפרטים מרקע דומה107,465– מ5% שהשתייכו לרבעון ההכנסות התחתון, כך שהם מהווים רק 30 2023 כנס אלי הורביץ לכלכלה וחברה בהשקעה מוקדמת, נצפה לראות מתאם נמוך יותר בין הכנסות ההורים והצאצאים, כפי 20.. בניתוחים הבאים ננסה לכמת את גודלן של שתי אפשרויות אלה2 שחושב בפרק ניתן לראות את רמת ההכנסה הממוצעת של הפרטים לפי רמת ההכנסה של 6 בתרשים הוריהם ולפי תעסוקה בהיי־טק. הציר האופקי מציג את רמת ההכנסה של ההורים והציר האנכי מציג את רמת ההכנסה הממוצעת של הצאצאים (רמות ההכנסה של המועסקים בהיי־טק צבועות בכתום ושל היתר בכחול). כך למשל, פרטים שהוריהם השתייכו לאחוזון של התפלגות ההכנסות (כלומר בקצה הרבעון התחתון) ואינם מועסקים בהיי־25ה־ . לעומתם, פרטים המועסקים בהיי־טק 42טק משפרים את מצבם בממוצע לאחוזון ה־ , כלומר "קופצים" מעלה 73 שייכים בממוצע לאחוזון ה־25שהוריהם השתייכו לאחוזון ה־ גבוה בהרבה במדרג השכר. ) באמצעות רגרסיות 1( במקביל, כדי לדייק את הממצאים, נאמוד את המקדמים במשוואה לינאריות שיחושבו פעם אחת על מדגם שכולל את כלל הפרטים ופעם אחת על מדגם מוגבל שכולל רק את הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. )1( הוא משתנה בינארי 𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜ , הוא אחוזון ההכנסה של הפרט𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼௜𝐻𝐻𝐻𝑇𝑇𝑇 כאשר הוא אחוזון 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃௜𝑋 , אחרת0 אם הפרט מועסק בהיי־טק ו־1 שמקבל את הערך הוא ווקטור של משתני בקרה הכולל את המשתנים הבאים: 𝑃𝑃𝑃𝑃𝑃𝑃𝑋𝑋௜𝛽ההכנסה של הורי הפרט ו־ , אשכול סוציו־אקונומי של ישוב המגורים 20 מגדר, מגזר, מחוז המגורים של הפרטים בגיל , מספר האחים של הפרט, הורות צעירה ומשתנים נוספים המפקחים 20 של הפרטים בגיל הוא ההפרש הממוצע באחוזון ההכנסה המנובא בין המועסקים 𝑋𝛽𝛽ଵ𝛽 .על השכלת הפרט הוא ההפרש במתאם ההכנסות. תוצאות הרגרסיות 𝛽𝛽𝛽ଷבהיי־טק, ויתר המועסקים ו־ בנספחים.35 ולוח34 מדווחות במלואן בלוח המסכם את תוצאות הרגרסיה נזהה את השיפור בדירוג ההכנסה של הפרטים 6 בתרשים אשר אינה קשורה להכנסת ההורים כפער בכל רמת הכנסה של ההורים. לעומת זאת, באם 19  בנוסף בחנו אם קיימת תשואה שונה להשכלה. תוצאות ניתוח זה מדווחות בתרשים20 .4 בנספח 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼௜= 𝛽𝛽଴+ 𝛽𝛽ଵ∗𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜+ 𝛽𝛽ଶ∗𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃௜ + 𝛽𝛽ଷ∗𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜∗𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃௜+ 𝜆𝜆∗𝑋𝑋௜+ 𝜖𝜖௜ 31היי–טק כערוץ למוביליות בין–דורית .יש מתאם שונה בין רמת ההכנסות של הפרטים והוריהם, נראה זאת גרפית כשיפוע שונה בתרשים ניתן לראות כי עבור כל ערך בציר האופקי הנקודה הכתומה גבוהה מהנקודה הכחולה, מה שמלמד שאחוזון ההכנסה הממוצע של המועסקים בהיי־טק גבוה מזה של יתר המועסקים. כמו כן, ניתן לראות שפער זה בולט בכל אחוזון הכנסה של ההורים. תוצאות הרגרסיה מלמדות כי כאשר מחזיקים את רמת ההשכלה ומחוז המגורים של הפרטים כקבועים, ההפרש בין אחוזון ההכנסה של המועסקים בהיי־טק לאחוזון של יתר אחוזונים. בקרב פרטים 18.5 הפרטים שהוריהם השתייכו לאותו אחוזון הכנסה עומד על אחוזונים. תוצאות 17 שהוריהם השתייכו לרבעון ההכנסות התחתון הפרש זה עומד על אלה מאששות שפרטים המועסקים בהיי־טק מרוויחים בממוצע משכורות גבוהות בהרבה ממקביליהם הדומים להם (מבחינת השכלה, רקע כלכלי ומקום מגורים בצעירותם) ואשר מועסקים בענפים אחרים. 6 תרשים אחוזון ההכנסה הממוצע של פרטים, לפי רמת ההכנסה של ההורים ותעסוקה בהיי–טק הערה: הציר האופקי מתאר את רמת ההכנסה של ההורים ובציר האנכי מתוארת רמת ההכנסה הממוצעת של צאצאיהם (רמות ההכנסה של המועסקים בהיי–טק צבועות בכתום ושל היתר בכחול). של הכנסות ההורים.25 הקו המקווקו מתאר את אחוזון מקור: נתוני הלמ"ס, עיבוד המחברים. 41.5 71.8 0 10 20 30 40 50 60 70 80 90 0 10 20 30 40 50 60 70 80 90 100 אחוזון הכנסה ממוצע- פרטים אחוזון הכנסה - הורים יתר הענפים היי-טק 32 2023 כנס אלי הורביץ לכלכלה וחברה כמו כן, ישנו מתאם שונה בין דירוג הכנסות הפרטים והוריהם בקרב המועסקים בהיי־ טק, שניתן לראות בתרשים כשיפוע מעט נמוך יותר של מגמת הנקודות הכתומות, ביחס למגמת הנקודות הכחולות. מצאנו שבקרב כלל המועסקים בהיי־טק המתאם בין הכנסות משל יתר האוכלוסייה, לאחר פיקוח על השכלה ומחוז 38%הילדים וההורים נמוך ב־ מגורים. עם זאת, בקרב פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון התוצאות אינן מובהקות סטטיסטית ולכן לא ניתן לומר אם קיים מתאם שונה בין הכנסות הפרטים והוריהם. זאת אומרת שרמת ההכנסה של פרטים המועסקים בהיי־טק פחות תלויה ברמת ההכנסה של הוריהם, ביחס לפרטים שמועסקים בענפים אחרים, אך לא ניתן לומר אם ממצא זה נכון גם לגבי פרטים מרקע חלש המועסקים בהיי־טק. ממצאים אלה מעידים על רמת ניידות גבוהה בקרב המועסקים בהיי־טק. טרם ניתן לומר ) ולא sorting( מה הסיבה לכך, אך הניידות המוגברת ככל הנראה נובעת מאפקט מיוני מאפקט סיבתי: משום שלצורך תעסוקה בענף נדרשים מהפרטים מיומנויות ומאפיינים המתואמים עם מוביליות גבוהה (כמו השכלה גבוהה), תעסוקה בהיי־טק מהווה 'מסננת' דרכה פרטים מוביליים יותר עוברים, בעוד פרטים לא מוביליים, דהיינו שאין להם המיומנויות והמאפיינים הנדרשים, אינם עוברים. נגישות משתנה לתעסוקה בהיי־טק לפרטים מרקע חלש עד כה ראינו כי שיעור התעסוקה בהיי־טק משתנה על פני רקעים כלכליים ודמוגרפים, וכן שההיי־טק הוא מסלול משמעותי אך סלקטיבי לניעות כלכלית מעלה. כעת, לפני שנעבור לבחון אילו גורמים מסייעים לפרטים מרקע חלש להשתלב בהיי־טק ובאיזה מידה היי־ טק מהווה מסלול קפיצה אלטרנטיבי, נבחן את מידת הנגישות של התעסוקה בהיי־טק לפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון מאוכלוסיות שונות. מוצגות התפלגות כלל הפרטים שהוריהם השתייכו לרבעון ההכנסה התחתון 4 בלוח והתפלגות המועסקים בהיי־טק שהוריהם השתייכו לרבעון ההכנסות התחתון לפי מגזר, עדה ומגדר. מהלוח עולים מספר ממצאים חשובים: שיעור האשכנזים ויוצאי ברה"מ משיעורם 2 שהוריהם השתייכו לרבעון ההכנסות התחתון שהשתלבו בהיי־טק גדול פי באוכלוסייה זו; שיעור הערבים והחרדים שהוריהם השתייכו לרבעון ההכנסות התחתון משיעורם; ושיעור הנשים המועסקות בהיי־טק נמוך 2 שהשתלבו בהיי־טק נמוך פי משמעותית ביחס לשיעורן מכלל הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. 33היי–טק כערוץ למוביליות בין–דורית בפרקים הבאים נעסוק בפערים אלה ונראה שבעוד שאת רוב הפערים ניתן להסביר באמצעות השכלה, השכלה אינה מסבירה את הפער היהודי־ערבי או את הפער המגדרי. 4 לוח השתייכות הורי הפרט לרבעון ההכנסה התחתון ותעסוקה בהיי–טק, לפי מגזר, עדה ומגדר שיעור מכלל הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון שיעור מהמועסקים בהיי־טק שהוריהם השתייכו לרבעון ההכנסות התחתון מוסלמים31.8% 5.7% מזרחים30.0% 36.5% יוצאי ברה”מ10.2% 21.1% בעלי מוצא מעורב10.2% 17.8% חרדים9.9% 4.8% אשכנזים5.1% 13.0% נוצרים2.8% 1.0% נשים46.5% 34.1% .מקור: נתוני הלמ"ס, עיבוד המחברים 34 : הג ורמ י ם ה מסייעים לפרטי ם מר קע ח ל ש4 פ רק ב הש תלב ות בהיי –ט ק בפרק הקודם מצאנו כי תעסוקה בהיי־טק מהווה מסלול משמעותי לניעות כלכלית כלפי מעלה, אך שהנגישות לענף מוגבלת עבור פרטים מרקע חלש, במיוחד עבור נשים, ערבים וחרדים. בפרק זה נבחן מה הם הגורמים המסייעים לפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון להשתלב בענף ההיי־טק. כמו כן, נבחן כיצד השכלה עשויה לסייע לפרטים מרקעים שונים להשתלב בענף. תחילה, כדי לאפיין את מסלול השתלבותם של פרטים מרקע חלש בענפי ההיי־טק, בחנו את התרומה השולית של כל המאפיינים הדמוגרפיים ומרכיבי ההשכלה של הפרטים ) 2( לסיכויים להיות מועסקים בהיי־טק. לשם כך, אמדנו את המקדמים ממשוואה באמצעות רגרסיה לוגיסטית על מדגם שכלל את כל הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. )2( אם הפרט מועסק1 הוא משתנה בינארי שמקבל את הערך𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜𝐸𝐸𝐸𝐸𝐸𝐸 כאשר מייצגים כל אחד שלושה משתנים בינאריים 𝑀𝑀𝑀𝑀𝑀𝑀ℎ௝௜𝐷𝐷𝐷𝐷𝐷𝐷 ו־𝐻𝐻𝐻𝑇𝑇𝑇𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸ℎ௝௜𝑀𝑀𝑀 , אחרת0בהיי־טק ו־ בהתאם למספר יחידות הלימוד באנגלית ומתמטיקה, 0 או1 שמקבלים את הערך בהתאם להשכלת 0 או1 מייצג קבוצה של משתנים בינאריים, שמקבלים𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜𝑋ו־ הוא ווקטור של משתנים מפקחים הכולל את המשתנים הבאים: מגדר, מגזר, 𝐷𝐷𝐷𝐷𝐷𝐷 𝑋𝑋௜ .הפרט , אשכול סוציו־אקונומי של ישוב המגורים של הפרטים 20 מחוז המגורים של הפרטים בגיל , אחוזון ההכנסה של הורי הפרט, מספר האחים של הפרט והורות צעירה.20 בגיל להיות מועסקים בהיי־טק 21האומדנים למקדמים אפשרו לנו לחשב את יחס הסיכויים בין פרטים שונים. למשל כדי לחשב את יחס הסיכויים בין גברים ונשים כללנו במשוואת  יחס הסיכויים הוא כלי סטטיסטי המאפשר לבחון את הקשר בין שני אירועים ומוגדר כיחס 21 להתקיים בהיעדרA והסיכויים של מאורעB יתקיים בנוכחות מאורעA בין הסיכויים שמאורע 𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜= 𝛽𝛽଴+ ෍(𝛿𝛿ଵ௝∗𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸ℎ௝௜+ 𝛿𝛿ଶ௝∗𝑀𝑀𝑀𝑀𝑀𝑀ℎ௝௜) ଷ ௝ୀଵ + ෍(𝛾𝛾௞∗𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜) ௞ + 𝛾𝛾∗𝑋𝑋௜+ 𝜖𝜖௜ 35היי–טק כערוץ למוביליות בין–דורית עבור גברים. האקספוננט של0 עבור נשים ו־1 הרגרסיה משתנה בינארי שמקבל את הערך המקדם מהווה את יחס הסיכויים בהינתן שכל יתר המשתנים קבועים. במקרה המגדרי להשתלב בהיי־טק 2 , כך שלנשים סיכוי קטן פי0.5 אנו מקבלים שהאקספוננט שווה בהשוואה לגברים. בדומה לדוגמה זו יחס הסיכויים תמיד מחושב ביחס למאפיין הרלוונטי נציין שלא היה ברשותנו מידע על אודות השירות הצבאי של 22.שנעדר ממשוואת הרגרסיה הפרטים — נתונים אלה עשויים להיות חשובים במיוחד משום שיתכן כי שירות צבאי הוא גורם מהותי לצורך השתלבותם של פרטים מרקע חלש בהיי־טק. 37 ותוצאות הרגרסיה מדווחות במלואן בלוח7 תוצאות הניתוח מוצגות בתרשים בנספחים. הציר האנכי בתרשים מתאר את המשתנים, הציר האופקי את יחס הסיכויים, הנקודה האדומה מסמנת את יחס הסיכויים של כל משתנה, ורווח בר הסמך מסומן בקו אדום. לשם השוואה, מוצגות גם תוצאות מרגרסיה לוגיסטית בה משתנה המטרה היה השתייכות לרבעון ההכנסות העליון; תוצאות אלה מסומנות בכחול. לדוגמה, פרטים ממכללה הם בעלי STEM שהוריהם השתייכו לרבעון ההכנסות התחתון והם בעלי תואר להיות מועסקים בהיי־טק לעומת פרטים מרקע דומה שהתעודה הגבוהה 6.5 סיכוי גדול פי ביותר שלהם היא תעודת בגרות. פער זה גדול מהפער בסיכוי של פרטים אלה להשתייך מהאחרונים.5 לרבעון ההכנסות העליון; לראשונים סיכוי גדול פי ניתן לראות בתרשים שמגורים במחוז דרום ומחוז ירושלים בגיל עשרים מתואמים עם הפרש קטן בסיכויים של פרטים להיות מועסקים בהיי־טק ביחס לפרטים ממחוז מרכז בהתאמה). למעט זאת אין למחוז המגורים או לאשכול הסוציו־אקונומי 10% וכ־11%(כ־ . למשל, ניתן להשתמש ביחס הסיכויים על מנת לבחון את הקשר בין השתייכות לתנועתB מאורע השתייכו לתנועת 400 פרטים, מתוכם1000 נוער והשכלה אקדמית: נניח שבישוב מסוים ישנם הפרטים 600 פרטים רכשו השכלה גבוהה; מתוך200 נוער; מתוך הפרטים שהשתייכו לתנועת הנוער רכשו השכלה גבוהה; הסיכוי לרכוש השכלה גבוהה בקרב בוגרי 150 ,שלא השתייכו לתנועת נוער ), בעוד הסיכוי לרכוש השכלה גבוהה בקרב אלו שלא השתייכו 200/400=( 0.5 תנועת הנוער הוא ) וניתן לומר שהסיכוי 0.5/0.25=( 2 ); כך שיחס הסיכויים הוא150/600=( 0.25 לתנועת נוער הוא מהסיכוי של פרטים שלא 2 של פרטים לרכוש השכלה אקדמית אם השתתפו בתנועת נוער גבוה פי השתייכו.  מקבוצת משתני התארים נעדר המשתנה שמסמן פרטים עם בגרות בלבד, מקבוצת משתני יחידות 22 ,הלימוד באנגלית ובמתמטיקה נעדרים המשתנים שמסמנים פרטים שלא נבחנו באנגלית ובמתמטיקה מקבוצת משתני מחוז המגורים נעדר המשתנה שמסמן פרטים ממחוז מרכז, מקבוצת המשתנים המגזריים והעדתיים נעדר המשתנה המסמן אשכנזים, ומהמשתנים המגדריים נעדר המשתנה המסמן גברים. 36 2023 כנס אלי הורביץ לכלכלה וחברה , קשר מובהק עם הסיכוי של הפרטים להיות מועסקים20 של ישוב המגורים, בגיל בהיי־טק. לעומת זאת, לאחוזון ההכנסה של ההורים מתאם מובהק עם הסיכוי של פרטים להיות מועסקים בהיי־טק: תוספת של אחוזון הכנסה אחד לאחוזון ההכנסה של הורי בסיכוי של פרט להיות מועסק בהיי־טק, כך שהפער בין 0.6% הפרט מתואם עם עלייה של .16% הוא של25 לפרט מאחוזון1 פרט מאחוזון מבחינת מגזר ועדה, ניתן לראות כי כאשר כל יתר המשתנים קבועים, הסיכוי של פרטים ערבים נוצרים וערבים מוסלמים שהוריהם השתייכו לרבעון ההכנסות התחתון להיות , בהתאמה, מהסיכוי של אשכנזים שהוריהם השתייכו 7 ופי6 מועסקים בהיי־טק נמוכים פי והסיכוי של פרטים 13%גם הם לרבעון ההכנסות התחתון. הסיכוי של מזרחים נמוך בכ־ מהסיכוי של פרטים אשכנזים. ביחס לבעלי מוצא מעורב 21%יוצאי ברה"מ גבוה בכ־ ולחרדים, אין מובהקות סטטיסטית לתוצאות ולכן לא ניתן לומר אם אלו שונים מאשכנזים (לחרדים, חוסר המובהקות נובע ככל הנראה ממיעוט בתצפיות). כמו כן, הסיכוי של נשים שהוריהן השתייכו לרבעון ההכנסות התחתון להיות מועסקות בהיי־טק נמוך פי שניים מהסיכוי של גברים. בפרקים הבאים נתמקד בממצא זה ובפער בין יהודים וערבים. 37 7 תרשים תעסוקה בהיי–טק והשתייכות לרבעון ההכנסות העליון, תוצאות רגרסיות לוגיסטיות הערה: הציר האנכי בתרשים מתאר את המשתנים, הציר האופקי את יחס הסיכויים, הנקודות מסמנות את יחס הסיכויים של כל משתנה ורווח בר הסמך מסומן בקו; באדום מתוארות התוצאות מרגרסיה לוגיסטית בה משתנה המטרה היה תעסוקה בהיי–טק ובכחול מרגרסיה לוגיסטית בה משתנה המטרה היה השתייכות לרבעון התחתון; המדגם כלל רק פרטים שהוריהם השתייכו לרבעון בנספחים.38 ובלוח37 תצפיות. התוצאות מדווחות במלואן בלוח105,743 ,ההכנסות התחתון מקור: נתוני הלמ"ס, עיבוד המחברים. 0 2 4 6 יחס הסיכויים תעסוקה בהיי-טק השתייכות לרבעון ההכנסות עליון ערבי מוסלמי ערבי נוצרי אישה מכללה - אחר ללא השכלה הורות צעירה ) מתחת לגיל 24 ( מחוז צפון חרדי מוצא מזרחי מחוז דרום מחוז ירושלים מחוז יהודה ושומרון תעודה מקצועית מוצא מעורב יליד ישראל אוניברסיטה - אחר אחוזון הורים אשכול מגורים הורים מחוז תל אביב מחוז חיפה 3 חידות מתמטיקה 3 יחידות אנגלית יוצאי ברית המועצות אוניברסיטה - מכללה ט" מה אוניברסיטה STEM מכללהSTEM 5 יחידות אנגלית 5 יחידות מתמטיקה 4 יחידות מתמטיקה 4 יחידות אנגלית מספר אחים מקצועות נבחרים - מקצועות נבחרים 38 2023 כנס אלי הורביץ לכלכלה וחברה מבחינת רמת האנגלית והמתמטיקה של הפרטים, ישנו מתאם גדול בין מספר יחידות הלימוד במתמטיקה ובאנגלית בתיכון ובין הסיכוי להיות מועסק בהיי־טק. פרטים שלמדו להיות מועסקים בהיי־טק מפרטים שלא נבחנו 2.1 יחידות באנגלית בעלי סיכוי גדול פי5 ולפרטים1.5 יחידות באנגלית סיכוי גדול פי4 באנגלית במסגרת הבגרויות, לפרטים שלמדו יחידות במתמטיקה בעלי סיכוי גדול 5 . פרטים שלמדו1.2 יחידות סיכוי גדול פי3 שלמדו להיות מועסקים בהיי־טק מפרטים שלא נבחנו במתמטיקה במסגרת הבגרויות, 2.3 פי יחידות סיכוי 3 ולפרטים שלמדו1.6 יחידות במתמטיקה סיכוי גדול פי4 לפרטים שלמדו . ביחס לקפיצה לרבעון העליון, אנו רואים שככל שהרמה במתמטיקה גבוהה 1.2 גדול פי כך גדל הסיכוי להשתלב בהיי־טק והסיכוי להשתייך לרבעון העליון, וככל שהרמה באנגלית גבוהה כך גדל הסיכוי להשתלב בהיי־טק, אך הסיכוי להשתייך לרבעון העליון לא משתנה יחידות. ממצאים אלה מרמזים על כך שאנגלית ומתמטיקה הן 5 ו־4 משמעותית בין בוגרי בעלות חשיבות דומה לתעסוקה בהיי־טק, אך שאנגלית חשובה פחות ממתמטיקה לצורך קפיצה לרבעון העליון. להיות מועסקים בהיי־41%מבחינת השכלה, לפרטים ללא שום תעודה סיכוי נמוך ב־ אך הדורש ציון STEM טק מפרטים עם תעודת בגרות בלבד. לפרטים שלמדו תואר שאינו להיות מועסקים בהיי־טק מפרטים עם תעודת 30%פסיכומטרי גבוה, סיכוי גבוה בכ־ סיכוי גבוה במיוחד להשתלב בהיי־טק. STEM בגרות בלבד. לעומתם, לפרטים שלמדו תואר באוניברסיטה יש סיכוי גבוה פי STEM בהשוואה לפרטים עם תעודת בגרות בלבד, לבוגרי . 6.5 במכללה סיכוי גבוה פיSTEM להשתלב בהיי־טק, ולבוגרי תואר בתחום ה־5.3 להשתלב2.6 לבוגרי קורסי הכשרות טכנולוגיות (מה"ט ) של משרד העבודה סיכוי גבוה פי בהיי־טק לעומת פרטים עם תעודת בגרות בלבד. כמו כן, הסיכוי של בוגרי מה"ט להשתייך מהסיכוי של פרטים עם בגרות. עם זאת, נראה שההשפעה של 2 לרבעון העליון גבוה פי ; מבחינת התרומה לסיכוי STEM מה"ט על השכר קטנה באופן ניכר מזו המשויכת ללימודי להשתייך לרבעון העליון, הכשרת מה"ט עדיפה רק על לימודי תואר במכללה בתחום שאינו דורש ציון פסיכומטרי גבוה. עולות שלוש תובנות מרכזיות: ראשית, בהמשך לממצאים התיאורים 7 לסיכום, מתרשים בפרקים הקודמים, ישנם הבדלים גדולים ברמה המגזרית והמגדרית בסיכויי ההשתלבות בהיי־טק, זאת גם כאשר מפקחים על השכלה ומעמד כלכלי בתוך הרבעון התחתון; שנית, ) ופחות STEM המסלול לתעסוקה בהיי־טק מתואם בעיקר עם השכלה ספציפית (למשל עם השכלה כללית (מקצועות נבחרים אחרים); ושלישית, ישנם גורמים המתואמים עם 39היי–טק כערוץ למוביליות בין–דורית תעסוקה בהיי־טק שמתואמים במידה פחותה עם ניעות כלכלית כלפי מעלה. כלומר, הם תורמים לסיכוי להשתלב בתעשייה ההי טק, אך כנראה בתפקידים עם רמות שכר נמוכות יחסית (למשל, הכשרה במה"ט וכישורי אנגלית מתקדמים יותר). מסלולי השכלה ופערים בין קבוצות אוכלוסייה ראינו כי למרכיבים שונים בהשכלת פרטים מרקע חלש תרומה משמעותית להשתלבותם בהיי־טק. עם זאת, לא ניתן לדעת עד כמה השכלה משמעותית בהסברת פערים בין קבוצות שונות בתעסוקה בהיי־טק. כעת נפנה לבחון אם השכלה אכן מסבירה את הפער בתעסוקה בהיי־טק בין פרטים שונים שהוריהם השתייכו לרבעון ההכנסות התחתון ואת הפער בין צאצאי הורים מהרבעון התחתון וצאצאי הורים מהרבעון העליון (שניכר בתרשים לעיל).3 כדי לבחון באיזו מידה השכלה מסבירה את הפערים בין הקבוצות השונות שהוריהם מוצגות תוצאות משתי רגרסיות לוגיסטיות. 8 השתייכו לרבעון ההכנסה התחתון, בתרשים בשתי הרגרסיות הגורם המוסבר הוא תעסוקה בהיי־טק: בראשונה כללנו רק מאפיינים דמוגרפיים, בירוק, ובשנייה הוספנו גם משתנים מפקחים עבור כל מרכיבי ההשכלה של בתרשים מוצג יחס הסיכויים של המשתנים הדמוגרפיים; במידה ורמת 23.הפרטים, בכתום השכלה מסבירה את הפערים בין הקבוצות נצפה שלאחר פיקוח על מרכיבי ההשכלה לא יהיו הבדלים מובהקים בין הקבוצות. למשל, ניתן לראות בתרשים שללא פיקוח על השכלה הסיכוי של פרט יוצא ברה"מ להיות , אך לאחר פיקוח על השכלה 4 מועסק בהיי־טק נמוך משל אשכנזי, כפי שעולה מלוח מהסיכוי של פרט 21%הסיכוי של פרט יוצא ברה"מ להיות מועסק בהיי־טק גדול ב־ אשכנזי. בתרשים ניתן לראות שהפערים העדתיים בין אשכנזים ליוצאי ברה"מ, בעלי מוצא מעורב, חרדים ומזרחים קשורים להבדלים ברמת ההשכלה של פרטים מקבוצות משל 58%אלה. בעוד שהסיכוי של אשכנזים מרקע חלש להיות מועסקים בהיי־טק גדול ב־ חרדים ופי שתיים משל מזרחים מרקעים דומים: כאשר מפקחים על השכלה הפערים . 13% מצטמצמים ונעלמים — הפער מחרדים אינו מובהק והפער ממזרחים עומד על . התוצאות 7  למעשה, הרגרסיה בה פיקחנו על השכלה זהה לזו שתוצאותיה מוצגות בתרשים23 . בנספחים39 ובלוח37 המלאות מדווחות במלואן בלוח 40 2023 כנס אלי הורביץ לכלכלה וחברה 8 תרשים השכלה ותעסוקה בהיי–טק, תוצאות רגרסיות לוגיסטיות הערה: הציר האנכי בתרשים מתאר את המשתנים, הציר האופקי את יחס הסיכויים, הנקודות מסמנות את יחס הסיכויים של כל משתנה ורווח בר הסמך מסומן בקו; בכתום מתוארות התוצאות מרגרסיה לוגיסטית בה פיקחנו על השכלה ובירוק מרגרסיה לוגיסטית בה לא פיקחנו על השכלה; תצפיות. התוצאות 105,743 ,המדגם כלל רק פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון בנספחים.39 ובלוח37 מדווחות במלואן בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. 0.2 0.4 0.6 0.8 1.0 1.2 1.4 יחס הסיכויים יוצאי ברית המועצות חרדי מוצא מזרחי יליד ישראל מוצא מעורב הורות צעירה ) מתחת לגיל 24 ( ערבי מוסלמי ערבי נוצרי אישה פיקוח על השכלה ללא פיקוח מספר אחים 41היי–טק כערוץ למוביליות בין–דורית בניגוד לפערים בין אשכנזים ויהודים אחרים, הפער בסיכוי להשתלב בהיי־טק בין יהודים לערבים נשאר עצום גם כאשר מפקחים על השכלה. ההפרש הגולמי בסיכויים בין אשכנזים — ובין אשכנזים וערבים 10 — הסיכויים של אשכנזים גדולים פי900% ומוסלמים הוא של בהתאמה. 560% ו־460% . כאשר מפקחים על השכלה ההפרש עודנו600% נוצרים הוא של כמו כן, גם הפער בין גברים ונשים אינו משתנה, באופן משמעותי, כאשר מפקחים על השכלה. על מנת לבחון אם מקורות הפערים ביכולות הפרטים פיקחנו גם על הציון הפסיכומטרי גם כאשר פיקחנו על 24.) בנספחים40 של הפרטים (תוצאות מלאות מדווחות בלוח , ההפרש בין אשכנזים למוסלמים עמד 2 הפסיכומטרי הפער בין גברים ונשים לא ירד מפי . נחזור להעמיק בפערים 205% וההפרש בין אשכנזים וערבים נוצרים עמד על כ־335% על אלה בהרחבה בפרק הבא. חשוב לציין שוב שאין ברשותנו מידע על השירות הצבאי ויתכן שהפערים משקפים, לפחות חלקית, יכולות וניסיון מקצועי שנרכש במהלך השירות. שאלה נוספת הנוגעת להשכלה ותעסוקה בהיי־טק היא באיזו מידה השכלה מגשרת על מהמועסקים בהיי־טק 68% ראינו שכ־3 פערים מעמדיים בתעסוקה בהיי־טק: בתרשים שהם בני רבעון ההכנסות 11% הם צאצאים להורים מחציון ההכנסות העליון, לעומת ) אנו יכולים לכמת את הפער בסיכוי להיות מועסק בהיי־3( התחתון. באמצעות משוואה טק בין פרט שהוריו השתייכו לחציון ההכנסות העליון לבין פרט שהוריו השתייכו לרבעון ההכנסות התחתון. אמדנו את מקדמי המשוואה בשורה של רגרסיות לוגיסטיות, בהן כללנו משתנים מפקחים שונים (משתנים דמוגרפיים, גיאוגרפיים ומשתני השכלה), על מדגם שכלל פרטים מרקע חלש (הוריהם השתייכו לרבעון ההכנסות התחתון) ופרטים מרקע חזק (הוריהם השתייכו לחציון ההכנסות העליון). )3( אם הפרט מועסק בהיי־טק1 הוא משתנה בינארי שמקבל את הערך𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜𝑃𝑃𝑃𝑃𝑃𝑃𝑃 כאשר אם הורי הפרט השתייכו 1 הוא משתנה בינארי שמקבל את הערך 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃1௜𝑃𝑃𝑃𝑃𝑃𝑃𝑃 , אחרת0ו־ הוא משתנה בינארי שמקבל את הערך 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃2௜𝑋 אחרת ו־0לרבעון ההכנסות התחתון ו־ הוא ווקטור של משתני בקרה. נוכל 𝑋𝑋௜ . אם הורי הפרט השתייכו לרבעון ההכנסות השני1  יש לציין שמשום שרק חלק קטן מהאוכלוסייה ביצעה מבחן פסיכומטרי (רק פרטים שנדרשו24 .לכך לצורך לימודים או עבודה) המדגם מצומצם ושונה 𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜= 𝛽𝛽଴+ 𝛽𝛽ଵ∗𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃1௜+ 𝛽𝛽ଶ∗𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃2௜+ 𝛾𝛾∗𝑋𝑋௜+ 𝜖𝜖௜ 42 2023 כנס אלי הורביץ לכלכלה וחברה לומר שהסיכוי של פרט שהוריו השתייכו לרבעון ההכנסות התחתון להיות מועסק בהיי־ מהסיכוי של פרט שהוריו השתייכו לחציון ההכנסות העליון 𝛽𝛽ଵ ) ଵ ఉభ ( טק גדול (קטן) פי זהים.𝑋𝑋להיות מועסק בהיי־טק, בהינתן שכל יתר המשתנים ב־ ראשית, נחשב את הפער הגולמי ביחס הסיכויים בין שתי קבוצות הפרטים באמצעות רגרסיה ללא משתנים מפקחים. לאחר מכן, כדי לאתר את המקורות לפער בשיעורי ) מספר פעמים כשבכל פעם נוסיף 3( התעסוקה בהיי־טק, נאמוד מחדש את משוואה משתנה מפקח אחד. ככל שלמשתנה שנוסיף תפקיד משמעותי יותר בהסברת הפער כך . 𝛽𝛽ଵ נוכל לראות הבדל גדול יותר באומדן של עבור כל משתנה מפקח חישבנו את ההפרש בסיכוי להיות מועסק בהיי־טק בין פרט מרקע . הציר האופקי מתאר את המשתנה המפקח 9 חלש ופרט מרקע חזק, אלה מוצגים בתרשים שנוסף, כך שכל עמודה מייצגת תוצאה מרגרסיה שבה פיקחנו על המשתנה שמצוין מעל עמודה זו ומעל כל העמודות משמאל, והציר האנכי מציין את ההפרש שחושב. ברגרסיה הראשונה לא כללנו משתנים מפקחים (תוצאותיה מדווחות בעמודה השמאלית ביותר, באפור כהה), ברגרסיות הבאות הוספנו משתני בקרה דמוגרפיים (עמודות אפורות) ולאחר מכן משתני השכלה (עמודות כחולות). למשל, בעמודה השלישית משמאל מדווחת התוצאה מרגרסיה שבה פיקחנו על מגדר ומגזר (ערבי, יהודי חרדי ויהודי לא־חרדי) הפרטים, כך שבהינתן מגדר ומגזר הפרטים הסיכוי של פרט מרקע חלש להיות מועסק מהסיכוי של פרט מרקע חזק.56%בהיי־טק נמוך ב־ ניתן לראות בתרשים שללא משתני בקרה הסיכוי של פרט שהוריו השתייכו לרבעון ) מהסיכוי של פרט 3 (בערך פי70%ההכנסות התחתון להיות מועסק בהיי־טק קטן ב־ שהוריו השתייכו לרבעון ההכנסה התחתון. זה הפער הגולמי אותו ניתן לחשב גם באמצעות כאשר מפקחים על מגדר, מגזר, עדה ומחוז מגורים 25.6 ובתרשים3 הנתונים בתרשים , ומספר 5,755  מספר המועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון הוא25 . מכאן שההסתברות שפרט107,465 הפרטים הכולל שהוריהם השתייכו לרבעון ההכנסות התחתון הוא ; מספר המועסקים 0.0535 שהוריו השתייכו לרבעון ההכנסות התחתון להיות מועסק בהיי–טק היא , ומספר הפרטים הכולל שהוריהם 34,356 בהיי–טק שהוריהם השתייכו לחציון ההכנסות העליון הוא . מכאן שההסתברות שפרט שהוריו השתייכו לחציון 214,929 השתייכו לחציון ההכנסות העליון הוא . לפיכך, הסיכוי של פרט שהוריו השתייכו 0.1598 ההכנסות העליון להיות מועסק בהיי–טק היא מהסיכוי של פרט שהוריו השתייכו 2.986 לחציון ההכנסות העליון להיות מועסק בהיי–טק גדול פי לרבעון ההכנסות התחתון. 43היי–טק כערוץ למוביליות בין–דורית .), בפרט יש משמעות גדולה לפיקוח על מגזר (יהודי, ערבי53%, הסיכוי קטן ב־20 בגיל . 48%פיקוח על הורות צעירה ומספר אחים מוריד את ההפרש בסיכויים ל־ כאשר מפקחים בנוסף על מספר יחידות הלימוד במתמטיקה בתיכון הסיכוי של פרטים 18%שהוריהם השתייכו לחציון ההכנסות העליון להיות מועסקים בהיי־טק גדול רק ב־ מהסיכוי של פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. לבסוף, פיקוח גם על .9%מספר יחידות הלימוד באנגלית וסוג הלימודים של הפרטים מקטין את ההפרש ל־ ממצאים אלה מלמדים כי מאפיינים דמוגרפים מסבירים כשליש מהפער בתעסוקה מיתר הפער 80%בהיי־טק בין פרטים מרקע חלש וחזק, ומאפייני השכלה מסבירים כ־ בתעסוקה בהיי־טק. 44 2023 כנס אלי הורביץ לכלכלה וחברה 9 תרשים פערי תעסוקה בהיי–טק בין פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון ופרטים שהוריהם השתייכו לחציון ההכנסה העליון הערה: כל עמודה מייצגת תוצאה מרגרסיה שבה פיקחנו על המשתנה שמצוין מעל עמודה זו ומעל כל העמודות משמאלו, הציר האנכי מציין את ההפרש שחושב בין יחס הסיכויים של פרטים שהוריהם השתייכו לרבעון ההכנסה התחתון ובין פרטים שהוריהם השתייכו לחציון ההכנסות העליון. העמודה באפור כהה מייצגת את ההפרש כאשר לא כללנו משתנים מפקחים, העמודות באפור מייצגות משתנים דמוגרפיים, והעמודות בכחול מייצגות מאפייני השכלה. תוצאות מלאות של הרגרסיות מדווחות בנספחים.41 בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. משתנים מפקחים -80% -70% -60% -50% -40% -30% -20% -10% 0% לבני החציון העליון הפרש בין בני הרבעון התחתון ללא משתני בקרה (20 של יישב מגורים )בגיל אקונומי -מדד סוציו הורות צעירה (20 מחוז מגורים )בגיל מספר אחים /לא אקדמיתSTEM /השכלה אקדמית המפורטות בנספחים קבוצות השכלה 10 מתמטיקה אנגלית בגרות בגרות - - מגדר יהודי/ערבי מגזר ומוצא 45 : ק י ר ה ז כ ו כ י ת — תע סו קת ח סר של נ שים5 פ רק ו ער בים בהיי –ט ק בפרק זה נתמקד בפערים בין יהודים וערבים ונשים וגברים בתעסוקה בהיי־טק. ראשית, נבחן אם ישנם מאפיינים, דמוגרפיים או הקשורים להשכלה, שעשויים להסביר את הפערים, ושנית נתמקד בהשפעה של הבדלי השכלה מגדריים על תעסוקת נשים בהיי־טק. מקורות הפערים הבין־מגזריים והבין־מגדריים כדי לבחון מה מקור הפער בין יהודים וערבים הרצנו שורה של רגרסיות לוגיסטיות בהן המשתנה המוסבר היה תעסוקה בהיי־טק, המשתנה המסביר היה משתנה בינארי שקיבל אחרת, ובהן כללנו מספר משתנה של משתנים מפקחים. 0 אם הפרט ערבי ו־1 את הערך האקספוננט של המקדם של המשתנה המגזרי הוא אומדן ליחס הסיכויים להיות מועסק מוצגות תוצאות ניתוח זה, הדומה לניתוח שהוצג 10 בהיי־טק בין ערבים ויהודים. בתרשים ).9 בפרק הקודם (תרשים ברגרסיה הראשונה לא כללנו משתנים מפקחים (תוצאותיה מדווחות בעמודה השמאלית ביותר), ברגרסיות הבאות הוספנו משתני בקרה דמוגרפיים ולאחר מכן משתני השכלה. באמצעות יחס הסיכויים חישבנו את ההפרש בסיכויים שמוצג בתרשים. ההפרש הגולמי , כלומר הסיכוי של יהודי מרקע חלש להיות מועסק 88% בין יהודים וערבים עומד על משל ערבי בעל רקע דומה. כאשר אנו כוללים משתני בקרה על 8.3 בהיי־טק גבוה פי , מחוז המגורים והורות צעירה, 20 מגדר, המעמד הסוציו־אקונומי של ישוב המגורים בגיל — הפרש השקול לסיכוי גבוה פי 85% ההפרש אינו משתנה באופן משמעותי ועומד על של יהודים ביחס לערבים. משתנה הבקרה הדמוגרפי האחרון שהוספנו, מספר אחים, 6.6 .5 , השקול לפער של פי80%מביא את ההפרש ל־ הוספת משתני הבקרה לרמת ההשכלה — מספר היחידות במתמטיקה, מספר היחידות באנגלית, לימודים אקדמיים וסוג תואר — אינם משפיעים על ההפרש בסיכויים בין ערבים ויהודים. זאת אומרת, שגם כשמשווים פרטים בכל רמת השכלה הפער המגזרי נשמר ולא בסיכויים להיות מועסק בהיי־טק. 80% יורד מהפרש של 46 2023 כנס אלי הורביץ לכלכלה וחברה בניתוח זה אנו לא יכולים לפקח על הציון הפסיכומטרי של הפרטים, משום שהמדגם משתנה ומצטמצם מאוד (כאמור, לרבים במדגם אין ציון פסיכומטרי). עם זאת, ראינו בפרק הקודם שגם כאשר מפקחים על הציון הפסיכומטרי, הסיכוי של יהודי אשכנזי להיות מהסיכוי של ערבי מוסלמי.4 מהסיכוי של ערבי נוצרי ופי3 מועסק בהיי־טק גדול פי ממצאים אלה מלמדים שמקור הפער בין המגזרים הוא במשתנים שאנו לא יכולים לפקח עליהם במסגרת הנתונים שברשותנו. בין היתר, הפער עשוי לנבוע מהבדלים תרבותיים ופערי הון חברתי המביאים פרטים ערבים, גם בעלי השכלה מתאימה לתעסוקה בהיי־ כמו כן, הפער עשוי לנבוע מהבדלים ביכולות ובמיומנויות 26.טק, לבחור מקצועות אחרים שאנו לא יכולים להעריך, למשל כאלו שנרכשו במהלך השירות הצבאי של הפרטים. לבסוף, הפער עלול לנבוע מאפליה והעדפה מצד המעסיקים של מועמדים יהודים לתפקידים בהיי־טק. בהינתן התגמול הכספי הגבוה בענפי ההיי־טק והיכולת שלנו לפקח על מספר רב של מרכיבי השכלה, נראה שלהשערה האחרונה יכולת הסברית חזקה מזו של האחרות.  עדות לפערים תרבותיים עשויה להיות השוני בדירוג היוקרה של משלחי יד בין המגזרים, 26 . עדות לפערי הון חברתי עשויה להיות הסללה למקצועות אחרים בעקבות2022 ,ראו צ'אנה ובדראן .2023 ,היעדר רשתות חברתיות איכותיות תומכות, ראו יקיר, נועם ופורת הירש 47היי–טק כערוץ למוביליות בין–דורית 10 תרשים פערי תעסוקה בהיי–טק בין פרטים יהודים וערבים (שהוריהם השתייכו לרבעון ההכנסות התחתון) הערה: כל עמודה מייצגת תוצאה מרגרסיה שבה פיקחנו על המשתנה שמצוין מעל עמודה זו ומעל כל העמודות משמאלו, הציר האנכי מציין את ההפרש שחושב בין יחס הסיכויים של יהודים וערבים שהוריהם השתייכו לרבעון ההכנסה התחתון. העמודה באפור כהה מייצגת את ההפרש כאשר לא כללנו משתנים מפקחים, העמודות באפור מייצגות משתנים דמוגרפיים, והעמודות בכחול מייצגות בנספחים.42 מאפייני השכלה. תוצאות מלאות של הרגרסיות מדווחות בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. מדווחות תוצאות מניתוח דומה בו בחנו את מקור הפער המגדרי בתעסוקה 11 בתרשים בהיי־טק של פרטים מרקע חלש. בעמודה השמאלית ביותר מוצג ההפרש הגולמי בין הסיכוי של נשים מרקע חלש להיות מועסקות לבין הסיכוי של גברים מרקע דומה. ההפרש . בניגוד לניתוחים הקודמים אנו רואים בתרשים שהוספת משתנים 42%עומד על כ־ מפקחים לא בהכרח מביאה לירידה בהפרש בין גברים ונשים. כך למשל, כאשר אנו מפקחים , אך כאשר אנו מפקחים גם על מספר 44% על כל המשתנים הדמוגרפיים ההפרש הוא . לאחר פיקוח על כל משתני ההשכלה ההפרש 54%היחידות במתמטיקה ההפרש גדל ל־ משתנים מפקחים -90.0% -80.0% -70.0% -60.0% -50.0% -40.0% -30.0% -20.0% -10.0% 0.0% הפרש בין יהודים לערבים ללא משתני בקרה (20 של יישב מגורים )בגיל אקונומי -מדד סוציו הורות צעירה (20 מחוז מגורים )בגיל מספר אחים /לא אקדמיתSTEM /השכלה אקדמית המפורטות בנספחים קבוצות השכלה 10 מתמטיקה אנגלית בגרות בגרות - - מגדר 48 2023 כנס אלי הורביץ לכלכלה וחברה — כלומר, הסיכוי של גבר מרקע חלש להיות מועסק בהיי־טק גבוה49% בין המגדרים הוא פי שניים מהסיכוי של אישה מרקע דומה, גם בהינתן שכל המאפיינים הדמוגרפיים ורמת ההשכלה שלהם זהים. 11 תרשים פערי תעסוקה בהיי–טק בין נשים וגברים (שהוריהם השתייכו לרבעון ההכנסות התחתון) הערה: כל עמודה מייצגת תוצאה מרגרסיה שבה פיקחנו על המשתנה שמצוין מעל עמודה זו ומעל כל העמודות משמאלו, הציר האנכי מציין את ההפרש שחושב בין יחס הסיכויים של נשים וגברים שהוריהם השתייכו לרבעון ההכנסה התחתון. העמודה באפור כהה מייצגת את ההפרש כאשר לא כללנו משתנים מפקחים, העמודות באפור מייצגות משתנים דמוגרפיים, והעמודות בכחול מייצגות בנספחים.43 מאפייני השכלה. תוצאות מלאות של הרגרסיות מדווחות בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. -60.0% -50.0% -40.0% -30.0% -20.0% -10.0% 0.0% הפרש בין גברים ונשים משתנים מפקחים ללא משתני בקרה יהודי/ערבי מגזר ומוצא (20 של יישב מגורים )בגיל אקונומי -מדד סוציו הורות צעירה (20 מחוז מגורים )בגיל מספר אחים /לא אקדמיתSTEM /השכלה אקדמית המפורטות בנספחים קבוצות השכלה 10 מתמטיקה אנגלית בגרות בגרות - - 49היי–טק כערוץ למוביליות בין–דורית העלייה בהפרש לאחר פיקוח על מרכיבי ההשכלה ככל הנראה נובעת מכך שבכל רמת השכלה נשים מועסקות בשיעור נמוך יותר בהיי־טק מהמקבילים שלהן, אך בשיעור גבוה יותר מגברים עם השכלה נמוכה יותר. כלומר, השכלה משפיעה באופן שונה על הסתברות התעסוקה בהיי־טק של גברים ונשים — התועלת השולית של גברים מכל רמת השכלה גבוהה יותר משל נשים. ממצאים אלה מלמדים אותנו שסוג ההשכלה שנשים וגברים רוכשים אינו יכול להסביר לבדו פערים בתעסוקה בהיי־טק. בניתוח הבא נפנה לבחון אילו מאפיינים משפחתיים יכולים להסביר את הפערים. גורם נוסף שעשוי להשפיע על תעסוקת נשים הוא מבנה התא המשפחתי שלהן. נשים עשויות להחליט להימנע מתעסוקה בענף בהתאם לחלוקת המשימות הנוספות במשק הבית, לצורך או לרצון לעבוד במשרות חלקיות יותר או לחלופין לנטייה של מעסיקים להימנע מהעסקת נשים מסוימות בגין תפיסה שאלו יעבדו פחות בגלל מחויבות משפחתית או שהן 'עלולות' לצאת לחופשת לידה; במילים אחרות — אפליית נשים. על מנת לבחון את ההשפעה של מבנה התא המשפחתי על פערי התעסוקה המגדריים ביצענו ניתוח דומה לקודם בו פיקחנו על מאפייני התא המשפחתי, במקום לפקח על מרכיבי ההשכלה. בפרט, לאחר הפיקוח על כלל המאפיינים הדמוגרפים הוספנו בקרה על , משתנה בינארי שקיבל את הערך 30 שני המשתנים הבאים (בסדר הנקוב): הורות בגיל , משתנה בינארי 6 , והורות לילדים מתחת לגיל30 אם לפרט יש לפחות ילד אחד בגיל1 . במהלך התקופה שנבחנה6 אם לפרט היה לפחות ילד אחד מתחת לגיל1 שקיבל את הערך , העמודה הראשונה משמאל מציגה את ההפרש 12 תוצאות הניתוח מוצגות בתרשים המגדרי הגולמי — ללא פיקוח על המאפיינים הדמוגרפיים של הפרטים. העמודה השנייה מימין מציגה את ההפרש לאחר פיקוח על כלל המאפיינים הדמוגרפיים למעט הורות צעירה, והעמודה הבאה מציגה את ההפרש לאחר פיקוח גם על הורות צעירה. לבסוף, שתי העמודות האחרונות משמאל מציגות את הפער לאחר פיקוח על מאפייני התא המשפחתי . 41% הנוספים. לאחר פיקוח על שני המשתנים האחרונים ההפרש המגדרי יורד ועומד על 50 2023 כנס אלי הורביץ לכלכלה וחברה 12 תרשים פערי תעסוקה בהיי–טק בין נשים וגברים (שהוריהם השתייכו לרבעון ההכנסות התחתון), פיקוח על מאפייני תא משפחתי הערה: כל עמודה מייצגת תוצאה מרגרסיה שבה פיקחנו על המשתנה שמצוין מעל עמודה זו ומעל כל העמודות משמאלו, הציר האנכי מציין את ההפרש שחושב בין יחס הסיכויים של גברים ונשים שהוריהם השתייכו לרבעון ההכנסה התחתון. העמודה באפור כהה מייצגת את ההפרש כאשר לא כללנו משתנים מפקחים, העמודות באפור מייצגות משתנים דמוגרפיים, והעמודות בכחול מייצגות בנספחים.43 מאפייני תא משפחתי. תוצאות מלאות של הרגרסיות מדווחות בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. לבסוף, על מנת למדוד את ההשפעה המגדרית רק בקרב האוכלוסייה ללא ילדים צעירים ) בחנו את הפער המגדרי כאשר הוספנו למשוואת הרגרסיה אינטראקציה 6 (מתחת לגיל בין הורים לילדים צעירים ובין מגדר (פרטים ללא ילדים צעירים עשויים להיות בעלי ילדים מבוגרים יותר במהלך התקופה שנבחנה או חסרי ילדים). חישוב זה מניב הפרש מגדרי של — נתון גבוה, אך נמוך משמעותית מהפער לאחר פיקוח על המאפיינים הדמוגרפיים 32% 27.50% שעמד על בנספחים.44  תוצאות הרגרסיה מדווחות במלואן בלוח27 -60% -50% -40% -30% -20% -10% 0% ללא משתני בקרה יהודי/ערבי מגזר ומוצא (20 של יישב מגורים )בגיל אקונומי -מדד סוציו דמוגרפים-הסוציו כלל המשתנים הורות צעירה 30 הורות בגיל 6 מתחת לגיל הורים לילדים 51היי–טק כערוץ למוביליות בין–דורית הממצאים האחרונים מעידים על כך שמאפייני התא המשפחתי של פרטים משפיעים באופן שונה על גברים ונשים ועשויים להסביר חלק מהפער בתעסוקה בהיי־טק. עם זאת, בדומה לפער המגזרי, ביכולתנו להצביע על משתנים שמסבירים רק חלק קטן מהפער המגדרי. יתר הפער עשוי לנבוע מהעדפות שונות של נשים וגברים או מאפליה. בניתוחים הבאים נתמקד בהשפעות מגדריות אחרות של השכלה הקשורות לתעסוקה בהיי־טק. השכלה ותעסוקת נשים בהיי־טק באופן כללי, נשים וגברים נוטים לרכוש השכלה שונה — למשל, נשים נוטות ללמוד פחות — עם זאת, גם כשגברים ונשים לומדים את אותם התארים, לאלו STEM תארים בתחומי על מנת להבין כיצד השכלה משפיעה באופן 28.השפעה שונה על מסלול הקריירה שלהם ) באמצעות רגרסיה לוגיסטית על מדגם 4( שונה על נשים וגברים, אמדנו את משוואה שכלל את כל הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. האומדנים למקדמים אפשרו לנו לחשב את יחס הסיכויים (להיות מועסקים בהיי־טק) בין גברים ונשים עם רמת השכלה שונה. )4( אם הפרט מועסק בהיי־טק1 הוא משתנה בינארי שמקבל את הערך𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜ כאשר אם הפרט היא נקבה או 1 הוא משתנה בינארי שמקבל את הערך𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓௜ , אחרת0ו־ בהתאם 0 או1 מייצג קבוצה של משתנים בינאריים, שמקבלים𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜ אחרת, ו־0 , הוא ווקטור של משתנים מפקחים הכולל את המשתנים הבאים: מגזר𝑋𝑋௜ .להשכלת הפרט , אשכול סוציו־אקונומי של ישוב המגורים של הפרטים 20 מחוז המגורים של הפרטים בגיל , אחוזון ההכנסה של הורי הפרט, מספר האחים של הפרט, הורות צעירה ומספר 20 בגיל יחידות הלימוד באנגלית ובמתמטיקה. , הציר האופקי מתאר את סוג ההשכלה ובציר האנכי 13 תוצאות הניתוח מדווחות בתרשים מתואר יחס הסיכויים להיות מועסק או מועסקת בהיי־טק, בהינתן רמת ההשכלה של בנספחים מוצגת התפלגות הפרטים לפי השכלה ומין.45  בלוח28 𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜= 𝛽𝛽଴+ 𝛽𝛽ଵ∗𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓௜+ ෍(𝛾𝛾ଵ௞∗𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜ + 𝛾𝛾ଶ௞∗𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓௜∗𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜) ௞ + 𝜆𝜆∗𝑋𝑋௜+ 𝜖𝜖௜ 52 2023 כנס אלי הורביץ לכלכלה וחברה הפרט, בהשוואה לגבר עם תעודת בגרות. יחס הסיכויים של נשים מסומן באדום, יחס הסיכויים של גברים מסומן בכחול, ותוצאות שאינן מובהקות סטטיסטית מופיעות בגוון בהיר. כך למשל הסיכוי של אישה מרקע חלש עם תעודת בגרות להיות מועסקת בהיי־טק מהסיכוי של גבר עם השכלה ורקע דומה.60%נמוך ב־ יש יתרונות גדולים בסיכוי להיות מועסקים בהיי־טק. STEM לבוגרי מה"ט ובעלי תואר ביחס לפרטים עם 2.4 בקרב גברים מה"ט מגדיל את הסיכוי להיות מועסק בהיי־טק פי 5.8 במכללה ובאוניברסיטה מגדילים את הסיכוי לפיSTEM תעודת בגרות בלבד, ותוארי , בהתאמה. בקרב נשים, מה"ט משווה את הסיכוי להיות מועסקת בהיי־טק לגברים 5.1ו־ ממכללה או מאוניברסיטה מגדילים את הסיכוי פי STEM עם תעודת בגרות בלבד, ותוארי .3.2 ו־2.1 כאמור, כדי שלאישה מרקע חלש יהיה סיכוי דומה לזה של גבר מרקע דומה עם תעודת בגרות בלבד להיות מועסקת בהיי־טק, היא נדרשת להיות בוגרת מה"ט או בעלת תואר . כמו כן, ניתן לראות באופן ברור את התועלת השולית הגבוהה שכל רמת השכלה STEM .נוספת מקנה לגברים בהשוואה לתוספת לנשים מוצגות תוצאות מאמידה 14 השכלה משפיעה באופן שונה גם בתוך אותו המגדר. בתרשים ) על מדגם של נשים וגברים בנפרד, כך שבכל שורה מוצגת התרומה השולית 2( של משוואה של המאפיין המצוין בציר האנכי על הסיכוי של גבר, בכחול, או אישה, באדום, להיות ממכללה מגדיל פי STEM מועסקים בהיי־טק. למשל, בשורה העליונה ניתן לראות שתואר את הסיכוי של נשים מרקע חלש להיות מועסקות בהיי־טק בהשוואה לנשים מרקע 8.3 ממכללהSTEM דומה עם תעודת בגרות בלבד. לעומת זאת, עבור גברים מרקע חלש תואר ביחס לגברים מרקע דומה עם תעודת בגרות בלבד.5.7 מתואם עם גידול בסיכוי של פי 53 13 תרשים השכלה ותעסוקה בהיי–טק, לפי מין הערה: הציר האופקי מתאר את סוג ההשכלה, הציר האנכי מתאר את יחס הסיכויים להיות מועסק או מעוסקת בהיי–טק, בהינתן רמת ההשכלה של הפרט, בהשוואה לגבר עם תעודת בגרות. יחס הסיכויים של נשים מסומן באדום ושל גברים בכחול, תוצאות שאינן מובהקות סטטיסטית מופיעות ) מסמן יחס סיכויים להיות מועסק בהיי–טק זהה לזה של גבר עם y = 1( בגוון בהיר. הקו המקווקו בנספחים.46 תעודת בגרות. תוצאות הרגרסיה מדווחות במלואן בלוח מקור: נתוני הלמ"ס, עיבוד המחברים בתרשים ניתן לראות שבאופן כללי תארים אקדמיים משפרים את מצבם היחסי של נשים, פנים־מגדרית, יותר מאשר של גברים. כך ניכר מיחס הסיכויים הגבוה יותר של נשים בשלוש מאוניברסיטה ומה"ט. לעומת זאת, STEM ממכללה, תוארSTEM השורות העליונות — תואר מתמטיקה ואנגלית משפרות את מצבם של גברים, פנים־מגדרית, יותר מאשר של נשים. שני הניתוחים האחרונים מאפשרים לנו לבחון את ההבדלים בהשפעת השכלה על תעסוקה בהיי־טק כאשר אנו משווים בין גברים ונשים בעלי השכלה דומה. ממצאים אלה מצביעים על כך שקיים רף השכלה שונה לגברים ולנשים להשתלבות בהיי־טק: בעוד שהשכלה תיכונית מגדילה את הסיכוי להשתלב עבור גברים, רק השכלה אקדמית מגדילה באופן משמעותי את הסיכוי עבור נשים. ממצאים אלה יש להבין על רקע ההבדלים במסלולי גבוה משיעור הנשים, STEM ההשכלה של גברים ונשים: שיעור הגברים הלומדים תוארי גבוה יותר משיעור הגברים, ושיעור STEM שיעור הנשים הלומדות תארים שאינם בתחומי הגברים ללא השכלה גבוהה גבוה משיעור הנשים. כך שלבסוף, נשים נוטות ללמוד תארים שפחות תורמים להשתלבות בהיי־טק וכאשר הן כן לומדות תארים רלוונטיים, תארים אלה תורמים להן פחות מאשר לגברים. גברים נשים הסיכוי להיות מועסק / ת בהיי- טק ביחס לגבר עם תעודת בגרות תעודה גבוהה ביותר 2.42 5.14 5.83 0.40 0.45 0.62 0.66 0.98 2.08 3.27 0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 מה"ט ללא השכלה STEM מכללה - מכללה - אוניברסיטה STEM אוניברסיטה אחר- מכללה אחר- אוניברסיטה תעודה מקצועית בגרות מקצועות נבחרים מקצועות נבחרים 54 2023 כנס אלי הורביץ לכלכלה וחברה 14 תרשים תרומה שולית של מאפיינים דמוגרפיים ומרכיבי השכלה לתעסוקה בהיי–טק, לפי מין, תוצאות רגרסיות לוגיסטיות הערה: הציר האנכי בתרשים מתאר את המשתנים, הציר האופקי את יחס הסיכויים, הנקודות מסמנות את יחס הסיכויים של כל משתנה ורווח בר הסמך מסומן בקו; באדום מתוארות התוצאות תצפיות) ובכחול מרגרסיה לוגיסטית על 49,331( מרגרסיה לוגיסטית על מדגם של נשים בלבד תצפיות); שני המדגמים כללו רק פרטים שהוריהם השתייכו לרבעון 56,412( מדגם של גברים בלבד בנספחים.48 ולוח47 ההכנסות התחתון. תוצאות הרגרסיות מדווחות במלואן בלוח מקור: נתוני הלמ"ס, עיבוד המחברים. 0 3 6 9 יחס הסיכויים גברים נשים מחוז דרום מוצא מזרחי מחוז ירושלים מספר אחים חרדי מחוז יהודה ושומרון אוניברסיטה -אחר אחוזון הורים מחוז תל אביב 3יחידות אנגלית מחוז חיפה 3יחידות מתמטיקה יוצאי ברית המועצות ט" מה אוניברסיטה STEM מכללהSTEM 5יחידות אנגלית 5יחידות מתמטיקה 4יחידות מתמטיקה 4יחידות אנגלית ערבי מוסלמי ערבי נוצרי מכללה -אחר ללא השכלה הורות צעירה ) מתחת לגיל 24 ( מחוז צפון מוצא מעורב יליד ישראל תעודה מקצועית אשכול מגורים הורים אוניברסיטה - מכללה מקצועות נבחרים - מקצועות נבחרים 55 : סיכ ום והשלכות6 פ רק מחקר זה הוא חלק מפרויקט רחב יותר שמטרתו לאפיין את הערוצים דרכם פרטים מרקע חלש עשויים לשפר את מצבם הכלכלי בשוק העבודה הישראלי. במחקר זה ביקשנו לבחון ערוץ אחד למוביליות כלכלית בישראל והוא תעסוקה בענף ההיי־טק. באופן לא מפתיע, הממצאים מצביעים על כך שתעסוקה בהיי־טק אכן מהווה ערוץ משמעותי לניעות כלכלית מעלה עבור העובדים בענף. עם זאת, המחקר מצביע על כך שרק מיעוט קטן מהעובדים בענף מגיעים מתנאי פתיחה כלכליים קשים, כלומר מבתים ברבעון ההכנסות התחתון. על כן, הניתוח שלנו מספק מספר תובנות על צעדי מדיניות שעשויים לאפשר את הרחבת שיעור הפרטים המגיעים מרקע כלכלי חלש ומשתלבים בענף ההיי־טק. ממצאי המחקר מלמדים שהשכלה היא אחד מהגורמים המרכזיים לפער בשיעור התעסוקה בהיי־טק בין פרטים מרקע כלכלי שונה. הניתוח מצביע על שלושה מרכיבי השכלה המשפיעים במיוחד על הסיכוי של פרטים מרקע חלש להיות מועסקים בהיי־ טק. ראשית, ההשכלה התיכונית של הפרטים. מצאנו כי למספר יחידות הלימוד באנגלית ובמתמטיקה מתאם גבוה עם הסיכויים של פרטים להיות מועסקים בהיי־טק, ממצא דומה ). מתאם זה נוכח מעבר 2022 ,לזה שנמצא במחקרים נוספים (למשל, חשאי, סומקין וניר להשפעה של השכלה אקדמית ונמדד כאשר הפרטים בשלב ביניים בקריירה שלהם. ממצא זה מרמז על כך שלהשכלה התיכונית של פרטים, במיוחד רמתם במקצועות ליבה, חשיבות לאורך חייהם. הסיכוי של פרטים מרקע כלכלי חלש להיות מועסקים בהיי־טק גדל באופן חד אם נרשמו . כמו כן, הכשרות מה"ט STEMלמסלולי השכלה מסוימים, בראשם לימודים בתחומי ה־ מהוות מסלול נוסף המאפשר לפרטים מרקע חלש סיכוי גבוה להשתלב בענף ההיי־טק, גם עם בשכר נמוך יותר משאר העובדים בענף. ממצא זה משמעותי לאור העובדה שרמת הנגישות של הכשרות אלה, מבחינת שיעור הפרטים מרקע חלש המשתתפים בהם, גבוה משל תארים אקדמיים. לעומת זאת, אנו מוצאים כי השקעה בהשכלה אקדמית שאינה ממוקדת בתחום זה כמעט ולא תורמת להגדלת הסיכוי לתעסוקה בהיי־טק של פרטים מרקע כלכלי חלש. גורם נוסף לפער המעמדי בתעסוקה הוא ההרכב הדמוגרפי של האוכלוסייה. ברבעון ההכנסות התחתון ישנו 'ייצוג יתר' של בני ובנות החברה הערבית ביחס לשיעורם בקרב האוכלוסייה הכללית, ולעומת זאת שיעור התעסוקה בהיי־טק של ערבים נמוך בצורה 56 2023 כנס אלי הורביץ לכלכלה וחברה ,יוצאת דופן. יותר מכך, גם כאשר מפקחים באנליזה על מאפיינים דמוגרפיים של הפרטים בהם רמת ההשכלה וההכנסה היחסית של ההורים, הפערים בין יהודים וערבים מרקע חלש בשיעור התעסוקה בהיי־טק נותרים עצומים. ישנם כמה הסברים אפשריים לפערים המגזריים: הבדלים תרבותיים — יתכן כי הבדלים תרבותיים, למשל הבדל בהערכת ה'יוקרה' של משלחי יד בין יהודים וערבים, מביאים ערבים וערביות המתאימים להשתלב בענף לבחור משלחי יד אחרים. הסבר זה אינו סביר במיוחד לאור ההבדל הגדול בהכנסה של המועסקים בהיי־טק בהשוואה למועסקים בענפים אחרים; פערי הון חברתי — יתכן שהיעדר רשת חברתית מתאימה מסביר את התופעה, כזו שיכולה לעזור בהכוונת והדרכת הפרטים המתאימים ואף לסייע להם בקבלה לעבודה; פערי הון אנושי — יתכן שהבדלים ברמת המיומנויות, שאין אנו יכולים לאמוד, למשל אלו הנרכשים בשירות הצבאי, מסבירים את הפער המגזרי. גם הסבר זה פחות סביר, משום שגם כאשר אנו מפקחים על רמת השכלה ואף על ציוני הפסיכומטרי של פרטים, עדיין נותר פער גדול מאוד בין פרטים יהודים וערבים; לבסוף, יתכן שהפער נובע מאפליית מעסיקים ומהעדפת מועמדים יהודים. הסבר זה נראה סביר במיוחד לאור הפער הגדול וחוסר היכולת של השכלה לצמצמו בצורה משמעותית. יש לציין שהפער המגזרי בשיעור התעסוקה בענף ההיי־טק אינו מוגבל לפרטים המגיעים ממשקי בית חלשים: הייצוג של המגזר הערבי בענף נמוך בכל הרמות. נדרש אם כן מחקר נוסף לבירור תופעה זו, כזה שיוכל לבחון הבדלים בהעדפות הפרטים, בהון החברתי העומד לרשותם וברמת המיומנויות שלהם. ככל שהפערים נובעים מהיעדר הון חברתי והון אנושי ומאפליה, ישנם צעדי מדיניות שאפשר ליישם בכדי לצמצם את הפערים. עם זאת, הממצעים מרמזים על כך שגם הגדלה של מספר הערבים בעלי השכלה מתאימה ככל הנראה לא תקטין לבדה באופן ממשי את הפער העצום בתעסוקה של יהודים וערבים בהיי־טק. אוכלוסייה נוספת שמודרת באופן יחסי מענף ההיי־טק היא נשים. אנו מוצאים שגם לאחר פיקוח על מאפיינים דמוגרפיים ורמת ההשכלה של הפרטים, הסיכוי של גבר מרקע כלכלי חלש להיות מועסק בהיי־טק כפול מזה של אישה. הנתונים מראים שהפער בין גברים ונשים נותר בכל רמות ההשכלה. הפער המגדרי עשוי לנבוע מהבדלים במיומנויות שאנו 57היי–טק כערוץ למוביליות בין–דורית לא יכולים להעריך באמצעות הנתונים שברשותנו (למשל, הכשרות צבאיות), מהעדפות שונות של נשים וגברים לגבי סוג העבודה, מהחלטות שמתקבלות בתוך משק הבית בנוגע לחלוקת המשימות בין בני הזוג, מאפליה מצד מעסיקים או מהסללה תרבותית. ככל שפערים אלו נובעים מהעדפות הקשורות לאיזון עבודה־בית, התאמת תנאי העבודה להורים צעירים עשויה לסייע להעלות את סיכויי ההשתלבות של אימהות בהיי־טק. שתי מגבלות של מחקר זה מפנות זרקור לכיוונים פורים למחקר עתידי בתחום. ראשית, . התמקדות זו 36–31 הממצאים במחקר זה מתמקדים בדור הביניים של עובדים, בגילים נובעת בין היתר ממגבלות הנתונים. הרחבת מסד הנתונים בלמ"ס לשנים נוספות תאפשר בעתיד מעקב אחר ניסיון העבודה של הפרטים והשתלבותם בהיי־טק גם לאורך תקופות מאוחרות יותר בחייהם. כמו כן, הנתונים במחקר זה מתייחסים למגמות טרם מגפת הקורונה, כך שישנו צורך לבחון באיזו מידה הממצאים שזיהינו במחקר נכונים גם לגבי עובדי הענף בתקופה שלאחר המגפה. קשה להפריז בחשיבות תעשיית ההיי־טק לכלכלה הישראלית — הן כמקור לחדשנות, הן כמגנט להשארת כוח עבודה מוביל בארץ, והן כמנוע לצמיחה כלכלית. עם זאת, ניכר שתעשיית ההיי־טק מהווה מקור — מוגבל מדי — למוביליות כלכלית של ישראלים. בעיה זו נובעת בראש ובראשונה מכך שפרטים המגיעים מרקע כלכלי חלש מתקשים להשתלב בהיי־טק. חלק לא קטן מהבעיה נובע מהשכלה לא מספקת; אכן, בהינתן השכלה ) הרלבנטיים, סיכויי הפרטים מרקע נמוך להשתלב STEM( בתחומי המדע והמתמטיקה ; כך גם לגבי הכשרות מקצועיות במסגרת תוכנית מה"ט 5 בתעשייה מזנקים יותר מפי של משרד העבודה. אך גם בהינתן השכלה ראויה, סיכויי נשים וערבים להשתלב נמוכים באופן ניכר. כיוון שתעשיית ההיי־טק המקומית סובלת מזה זמן ממחסור בעובדים בתחומים מסוימים (כגון מפתחי תוכנה), ובהינתן הממצאים שהוצגו לעיל, מספר צעדי מדיניות עשויים לתרום להרחבת ההשתלבות של פרטים משכבות חלשות כלכלית בהיי־טק. ראשית נדרשת הרחבה משמעותית של ההשקעה בהוראה של מתמטיקה ואנגלית ברמה גבוהה בתיכונים באזורים בהם לומדים תלמידים מרקע כלכלי חלש. הממצאים במחקר מצביעים על כך שלאנגלית חשיבות רבה בסיכויי ההשתלבות בתעשייה, ועל כן תהיה זו טעות למקד את המאמצים במתמטיקה בלבד. 58 2023 כנס אלי הורביץ לכלכלה וחברה בנוסף, נדרש ריכוז מאמץ בסיוע לתלמידים מרקע כלכלי חלש בעלי פוטנציאל אקדמי על־תיכוניים או להירשם להכשרות טכנולוגיות כמו מה"ט — בין STEM להמשיך ללימודי אם מדובר בסבסוד של מכינות ללימודים בתחומי המדעים, במאמץ שיווקי להגדיל את המודעות של תלמידים לפוטנציאל התעסוקתי במסלול מסוג זה, או בהנגשה של קורסי מה"ט לפריפריה הגיאוגרפית. לבסוף, נדרשת פעולה ממוקדת לשילוב נשים וערבים בתעשייה. מהממצאים נראה שיש חסם גדול יותר להשתלבות הן של נשים והן של ערבים בהיי־טק, גם במקרים בהם הרקע הלימודי שלהם דומה לאלו של גברים יהודים. מחקר עתידי עשוי להאיר את הסיבות לכך, אך ניכר כי זהו מוקד חשוב לייזום של צעדי מדיניות ותוכניות חדשות שיפעלו לסגירת הפערים הללו. יחד, קידום צעדים אלה צפוי להרחיב את מעגל נהני ההיי־טק ולהגדיל את הניעות הכלכלית בישראל. לכך תהיה תרומה חשובה הן לצמיחה של המשק והן להגברת השוויון הכלכלי בחברה הישראלית. קשה לחשוב על אפיקי פיתוח ממשלתיים נחוצים ומבטיחים יותר. 59 : ס ט טי סטי קה תי אורית1 נספח אוכלוסיית המחקר 5 לוח כלל המדגם, לפי מין Sex Num. % Male 219,683 51.1% Female 210,176 48.9% Tot. 429,859 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 6 לוח כלל המדגם, לפי מגזר ועדה Migzar\Eda Num. % Ashkenazi 68,195 15.9% Christian Arab 7,300 1.7% Haredi 29,632 6.9% Mizrachi 136,054 31.7% Muslim 56,827 13.2% Mixed Ethnicity 82,193 19.1% USSR 49,658 11.6% Tot. 429,859 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 60 2023 כנס אלי הורביץ לכלכלה וחברה 7 לוח 20 כלל המדגם, לפי מחוז מגורים בגיל District Num. % Center 109,613 25.5% Haifa 75,609 17.6% J-M 73,329 17.1% J-S 13,361 3.1% North 40,607 9.4% South 56,861 13.2% Tel_aviv 56,600 13.2% Unknown 3,879 0.9% Tot. 429,859 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 8 לוח כלל המדגם, לפי התעודה הגבוהה ביותר Highest Degree Num. % No Diploma 129,430 30% Other Vocational Diploma 45,812 11% Bagrut 52,618 12% Mahat 13,094 3% College - Other 50,700 12% University - Other 49,887 12% College — Strong 21,597 5% University - Strong 27,150 6% College - STEM 13,153 3% University - STEM 26,418 6% Tot. 429,859 100% .מקור: נתוני הלמ"ס, עיבוד המחברים 61היי–טק כערוץ למוביליות בין–דורית 9 לוח כלל המדגם, לפי מספר יחידות מתמטיקה בבגרות Math Bagrut Num. % 0 174,231 40.5% 3 139,567 32.5% 4 70,681 16.4% 5 45,380 10.6% Tot. 429,859 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 10 לוח כלל המדגם, לפי מספר יחידות אנגלית בבגרות English Bagrut Num. % 0 153,016 35.6% 3 59,615 13.9% 4 98,639 22.9% 5 118,589 27.6% Tot. 429,859 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 62 2023 כנס אלי הורביץ לכלכלה וחברה פרטים שהוריהם השתייכו לרבעון התחתון 11 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מין Sex Num. % Male 57,475 53.5% Female 49,990 46.5% Tot. 107,465 100% .מקור: נתוני הלמ"ס, עיבוד המחברים 12 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מגזר ועדה Migzar\Eda Num. % Ashkenazi 5,452 5.1% Christian Arab 2,977 2.8% Haredi 10,680 9.9% Mizrachi 32,247 30.0% Muslim 34,180 31.8% Mixed Ethnicity 10,924 10.2% USSR 11,005 10.2% Tot. 107,465 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 63היי–טק כערוץ למוביליות בין–דורית 13 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, 20 לפי מחוז מגורים בגיל District Num. % Center 20,800 19.5% Haifa 27,350 25.6% J-M 16,042 15.0% J-S 1,649 1.5% North 12,477 11.7% South 14,132 13.2% Tel_aviv 14,222 13.3% Unknown 793 0.7% Tot. 107,465 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 14 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי התעודה הגבוהה ביותר Highest Degree Num. % No Diploma 51,987 48% Other Vocational Diploma 15,820 15% Bagrut 12,248 11% Mahat 2,957 3% College - Other 9,395 9% University - Other 7,013 7% College - Strong 2,324 2% University - Strong 2,128 2% College - STEM 1,632 2% University - STEM 1,961 2% Tot. 107,465 100% .מקור: נתוני הלמ"ס, עיבוד המחברים 64 2023 כנס אלי הורביץ לכלכלה וחברה 15 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מספר יחידות מתמטיקה בבגרות Math Bagrut Num. % 0 66,672 62.0% 3 28,290 26.3% 4 8,540 7.9% 5 3,963 3.7% Tot. 107,465 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 16 לוח פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מספר יחידות אנגלית בבגרות English Bagrut Num. % 0 62,248 57.9% 3 17,351 16.1% 4 18,170 16.9% 5 9,696 9.0% Tot. 107,465 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 65היי–טק כערוץ למוביליות בין–דורית מועסקים בהיי–טק 17 לוח מועסקים בהיי–טק, לפי מין Sex Core Hi-Tech W. Communication Services Num. % Num. % Male 33,758 67.0% 36,084 65.9% Female 16,606 33.0% 18,661 34.1% Tot. 50,364 100.0% 54,745 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 18 לוח מועסקים בהיי–טק, לפי מגזר ועדה Migzar\Eda Core Hi-Tech W. Communication Services Num. % Num. % Ashkenazi 13,245 26.3% 13,826 25.3% Christian Arab 236 0.5% 295 0.5% Haredi 1084 2.2% 1,209 2.2% Mizrachi 13,189 26.2% 15,165 27.7% Muslim 751 1.5% 925 1.7% Mixed Ethnicity 12,781 25.4% 13,752 25.1% USSR 9,078 18.0% 9,573 17.5% Tot. 50,364 100.0% 54,745 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 66 2023 כנס אלי הורביץ לכלכלה וחברה 19 לוח 20 מועסקים בהיי–טק, לפי מחוז מגורים בגיל District Num. % Center 15,796 31.4% Haifa 6,150 12.2% J-M 9,302 18.5% J-S 1,491 3.0% North 3,374 6.7% South 6,046 12.0% Tel_aviv 7,551 15.0% Unknown 654 1.3% Tot. 50,364 100.0% .הערה: היי–טק לא כולל ענף שירותי תקשורת מקור: נתוני הלמ"ס, עיבוד המחברים. 20 לוח מועסקים בהיי–טק, לפי מין, מגזר ועדה Migzar\Eda Males Females Num. % Num. % Ashkenazi 9,004 26.7% 4,241 25.5% Christian Arab 196 0.6% 40 0.2% Haredi 494 1.5% 590 3.6% Mizrachi 8,666 25.7% 4,523 27.2% Muslim 618 1.8% 133 0.8% Mixed Ethnicity 8,616 25.5% 4,165 25.1% USSR 6,164 18.3% 2,914 17.5% Tot. 33,758 100.0% 16,606 100.0% .הערה: היי–טק ללא ענף שירותי תקשורת מקור: נתוני הלמ"ס, עיבוד המחברים. 67היי–טק כערוץ למוביליות בין–דורית 21 לוח מועסקים בהיי–טק, לפי התעודה הגבוהה ביותר Highest Degree Core Hi-Tech W. Communication Services Num. % Num. % Bagrut 5,286 10.5% 6,214 11.4% College - Other 2,668 5.3% 3,063 5.6% College - STEM 6,385 12.7% 6,550 12.0% College - Strong 3,376 6.7% 3,692 6.7% Mahat 2,203 4.4% 2,472 4.5% No Diploma 4,446 8.8% 5,458 10.0% Other Vocational Diploma 2,636 5.2% 3,098 5.7% University - Other 4,894 9.7% 5,430 9.9% University - STEM 13,141 26.1% 13,217 24.1% University - Strong 5,329 10.6% 5,551 10.1% Tot. 50,364 100.0% 54,745 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 68 2023 כנס אלי הורביץ לכלכלה וחברה 22 לוח מועסקים בהיי–טק, לפי מספר יחידות מתמטיקה בבגרות Math Bagrut Core Hi-Tech W. Communication Services Num. % Num. % 0 7,876 15.6% 9,216 16.8% 3 12,934 25.7% 14,872 27.2% 4 12,968 25.7% 13,774 25.2% 5 16,586 32.9% 16,883 30.8% Tot. 50,364 100.0% 54,745 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 23 לוח מועסקים בהיי–טק, לפי מספר יחידות אנגלית בבגרות English Bagrut Core Hi-Tech W. Communication Services Num. % Num. % 0 6,329 12.6% 7,405 13.5% 3 3,703 7.4% 4,574 8.4% 4 11,469 22.8% 12,850 23.5% 5 28,863 57.3% 29,916 54.6% Tot. 50,364 100.0% 54,745 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 69היי–טק כערוץ למוביליות בין–דורית פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון ומועסקים בהיי–טק 24 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מין Sex Num. % Male 3,794 65.9% Female 1,961 34.1% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 25 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מגזר ועדה Migzar\Eda Num. % Ashkenazi 751 13.0% Christian Arab 57 1.0% Haredi 278 4.8% Mizrachi 2,100 36.5% Muslim 328 5.7% Mixed Ethnicity 1,024 17.8% USSR 1,217 21.1% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 70 2023 כנס אלי הורביץ לכלכלה וחברה 26 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, 20 לפי מחוז מגורים בגיל District Num. % Center 1,485 25.8% Haifa 993 17.3% J-M 1,051 18.3% J-S 119 2.1% North 347 6.0% South 894 15.5% Tel-aviv 781 13.6% Unknown 85 1.5% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 27 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מספר יחידות מתמטיקה בבגרות Math Bagrut Num. % 0 1,868 32.5% 3 1,743 30.3% 4 1,147 19.9% 5 997 17.3% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 71היי–טק כערוץ למוביליות בין–דורית 28 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי התעודה הגבוהה ביותר Highest Degree Num. % No Diploma 1,107 19.2% Other Vocational Diploma 576 10.0% Bagrut 743 12.9% Mahat 417 7.2% College - Other 292 5.1% University - Other 487 8.5% College - Strong 264 4.6% University - Strong 332 5.8% College - STEM 664 11.5% University - STEM 873 15.2% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 29 לוח מועסקים בהיי–טק שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מספר יחידות אנגלית בבגרות English Bagrut Num. % 0 1,641 28.5% 3 741 12.9% 4 1,486 25.8% 5 1,887 32.8% Tot. 5,755 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים 72 : ח ל וק ת א וכלו סיית המח קר ל ק בוצ ו ת2 נספח א תנ י ו ת וקב וצות השכלה חלוקה לקבוצות השכלה ), חילקנו את בוגרי המוסדות 2022( בעקבות המחקר של גורדון, פלוג וקנת פורטל האקדמיים לפי סוג המוסד האקדמי (אוניברסיטה או מכללה) וסוג מקצוע הלימודים מוצגת חלוקת התארים המפורטת):30 לעשר קבוצות ההשכלה (בלוח בוגרי אוניברסיטאות (כולל מקצועות היי־טק ורופאים) STEM בעלי תואר .1 )STEM בעלי תארים המצריכים ציון פסיכומטרי גבוה (שאינם .2 שאר בעלי התארים .3 בוגרי מכללות (כולל מקצועות היי־טק) STEM בעלי תואר .4 )STEM בעלי תארים המצריכים ציון פסיכומטרי גבוה (שאינם .5 שאר בעלי התארים .6 בוגרי הכשרות מקצועיות בוגרי הכשרות מה"ט (המכון הממשלתי להכשרה טכנולוגית) .7 שאר בוגרי הכשרות מקצועיות .8 קבוצות השכלה אחרות בעלי תעודות בגרות (שלא משתייכים לקבוצות האחרות) .9 ). תעודות אחרות (תיכונית / יסודית / ללא תעודה10 73היי–טק כערוץ למוביליות בין–דורית 30 לוח סיווג תארים לקבוצות השכלה מקצועות נבחרים (עם- אוניברסיטה )600 פסיכומטרי ממוצע העובר את מקצועות - מכללות נבחרים (עם פסיכומטרי ממוצע )550 העובר את - אוניברסיטה שאר המקצועות - מכללות שאר המקצועות STEM ,)860( ), דיאטטיקה170( בלשנות ), הפרעות 240( הוראת יהדות ), 512( ), חשבונאות810( בתקשורת ), יחסים 513( חשבונאות וניהול ), 400( ), כלכלה421( בין–לאומיים ), לימודי 504( כלכלה מנהל עסקים ( מוסמך לגיל הרך )ילדים והוריהם ), 157( ), לימודי אירופה248( ,)190( לימודי התרבות העברית ), לימודי 156( לימודי מזרח אסיה ), מדע הדתות 411( נשים ומגדר התנהגות - ), מדעי הניהול92( - ), מדעי הניהול534( ארגונית ), מדעי הניהול 533( חקר ביצועים ), מדעי 537( מימון וחשבונאות- ), מדעי532( מערכות מידע- הניהול ), מדעי הרפואה 438( הקוגניציה ), מנהל עסקים 870( המעבדתית ), פיזיותרפיה 600( ), משפטים500( ), פילוסופיה והיסטוריה של850( ), פילוסופיה כללית15( המדעים ), פילוסופיה, מידע ותרבות 10( ,)430( ), פסיכולוגיה16( דיגיטלית ), קולנוע 206( פסיכולוגיה חינוכית ), 494( ), תקשורת323( וטלוויזיה ), רוקחות קלינית 800( רוקחות ), שמאות 840( ), ריפוי בעיסוק801( ), שפה ושימושיה503( מקרקעין ), תוכנית 165( ), לימודי תרבות173( משולבת: פילוסופיה, כלכלה ומדעי ).408( המדינה ), 892( אופטומטריה רב–תחומי - אומנויות ), 300( ), אומנות302( ,)860( דיאטטיקה הפרעות בתקשורת ), חשבונאות 810( ), טכנולוגיות512( ,)230( למערכות למידה לימודי מקרקעין - ), מדעי הניהול502( ,)532( מערכות מידע ), מנהל 310( מוזיקה ), עיצוב 500( עסקים ), עיצוב 344( גרפי ), עיצוב 342( טקסטיל ), עיצוב 370( פנים ), עיצוב 348( קרמי תכשיטים, צורפות ), עיצוב תעשייתי 343( ), פיזיותרפיה347( ), פסיכולוגיה850( ,)345( ), צילום430( קולנוע וטלוויזיה ), ריפוי בעיסוק 323( ), תולדות840( ,)301( האומנות ).346( תקשורת חזותית מדעי הרוח ), 0( הכלליים שפות, ספרויות ולימודים ), 1( רגיונליים חינוך והכשרה ), 2( להוראה אמנות, אומנויות ואמנות שימושית ), מדעי החברה 3( ), עסקים4( ומדעי הניהול ), מקצועות 5( .)8( עזר רפואיים מדעי הרוח ), 0( הכלליים שפות, ספרויות ולימודים ), 1( רגיונליים חינוך והכשרה ), 2( להוראה אמנות, אומנויות ואמנות שימושית ), מדעי 3( ,)4( החברה עסקים ומדעי ), 5( הניהול מקצועות עזר ).8( רפואיים ), 7( רפואה מתמטיקה, סטטיסטיקה ומדעי המחשב ), המדעים 9( הפיזיקליים ), המדעים 10( הביולוגיים וחקלאות ), הנדסה 11( ואדריכלות ).13( .הערה: המספר בסוגריים הוא הסיווג של התואר .2022 ,מקור: גורדון, פלוג וקנת פורטל 74 2023 כנס אלי הורביץ לכלכלה וחברה חלוקה לקבוצות אוכלוסייה ), חילקנו את האוכלוסייה בישראל 2022( בעקבות המחקר של גורדון, פלוג וקנת פורטל מהאוכלוסייה, כולל "אחרים"), 70%( לארבע קבוצות אתניות וחברתיות: יהודים לא־חרדים מהאוכלוסייה; 9%( ), יהודים חרדים29 מהאוכלוסייה, כולל דרוזים19%( ערבים מוסלמים 30.) מהאוכלוסייה2%( חרדי מוגדר לפי סיווג מוסד הלימודים) וערבים נוצרים חילקנו את האוכלוסייה היהודית לפי מוצא אתני, לא כולל חרדים. בחרנו לפלח את ילידי ישראל לפי מוצא כדי לבדוק לא רק מה מצבם של עולים מארצות שונות בשוק העבודה, אלא גם מה מצבם של הדור השני והשלישי לאותם עולים. לשם כך התייחסנו גם למוצא האב וגם למוצא האם, ועבור הורים שנולדו בישראל — גם למוצא הסבים. הבחירה במתודולוגיה הזו הובילה לכך שהניתוח שלנו מתייחס רק לבעלי מוצא "מובהק" יחיד כיחידות ניתוח, ואילו מי שהוריו שייכים לשתי קבוצות ניתוח נבדלות משתייך לקטגוריית "בעלי מוצא מעורב", המכילה את כל הקבוצות שמערבות מוצאים שונים. קבוצות הניתוח המובהקות שבחרנו עבור היהודים הלא־חרדים, בדומה למחקרים קודמים, הן כלהלן: אשכנזים: יוצאי אירופה או אמריקה, אוסטרליה, ניו זילנד, פולין (המקוטלגת בכמה • מהחלוקות כאחת ממדינות ברית המועצות לשעבר אך בחרנו שלא לשייכה לקטגוריה זו) ודרום אפריקה יוצאי אפריקה (כולל אתיופים) או אסיה • ), כולל העולים שאינם מוגדרים יהודים 1970 עולי ברית המועצות לשעבר (החל בשנת • על פי משרד הפנים אנשים ממוצא מעורב (כולל ילידי הארץ זה שלושה דורות, שלא נותחו בנפרד בגלל • מיעוט תצפיות)  הדרוזים במחקר זה אוחדו עם הערבים המוסלמים כיוון שמאפייניהם ודפוסי המוביליות שלהם 29 .התבררו כדומים, וכיוון שמדובר בקבוצה קטנה  נציין כי ההורים סווגו על פי השיוך של הצאצא לקבוצת האוכלוסייה. לדוגמה, אם פרט זוהה 30 .כחרדי גם הוריו סווגו כחרדים 75היי–טק כערוץ למוביליות בין–דורית :שיטת ההכרעה ששימשה אותנו עבור דור הסבים אם המוצא שייך לקבוצות "אשכנזים" או "מזרחים", הם שויכו לקבוצות אלו; .1 לא שייכנו את הסבים לקבוצות עולי ברית המועצות לשעבר בשלב זה בגלל היעדר .2 ;מידע על שנת העלייה במסד הנתונים עבור דור הסבים בכל המקרים האחרים — מוצא הסב הוגדר "חסר". .3 :עבור דור ההורים אם מוצא ההורה ממדינה שאינה ישראל, הוא שויך למוצא לפי מדינה זו; .1 אם מוצא האב לא ידוע או מישראל ומוצא שני הסבים ידוע ושייך לאותה קבוצה .2 ;(אשכנזים או מזרחים), ההורה שויך לאותה קבוצה אם המוצא של ההורה חסר והיה לנו מידע רק על אחד הסבים, ההורה שויך לפי הסב .3 ;הידוע בכל המקרים האחרים — מוצא ההורה הוגדר "חסר". .4 15 תרשים אלגוריתם הקצאת מוצא להורה .2022 ,מקור: גורדון, פלוג וקנת פורטל חסר סב אחד ידוע / שני סבים ידועים והם מאותו מוצא מוצא הסב ההורה ידוע ונולד מחוץ לישראל מוצא ההורה נקודת הפתיחה של ההורה ת ת 76 2023 כנס אלי הורביץ לכלכלה וחברה :עבור דור הצאצאים אם הצאצא או שניים מהוריו עלו מאחת ממדינות ברית המועצות לשעבר אחרי שנת .1 ;, הצאצא הוגדר יליד ברית המועצות לשעבר1970 ;אם ארץ הלידה של הצאצא בחו"ל, מוצאו הוגדר לפי מדינה זו .2 אם ארץ הלידה של הצאצא היא ישראל, ייבדק מוצא סביו כך שאם שלושה או ארבעה .3 ;מהם ידועים ושייכים לאותו מוצא, הצאצא שויך למוצא זה אם שניים או יותר מסביו של הצאצא חסרים או שייכים למוצאים שונים וכל הוריו .4 ;הידועים משויכים לאותו המוצא, הצאצא שויך לאותו המוצא של הוריו בכל המקרים האחרים — הצאצא שויך למוצא מעורב. .5 16 תרשים אלגוריתם הקצאת מוצא לילד .2022 ,מקור: גורדון, פלוג וקנת פורטל מוצאים אפשריים שלושה או ארבעה מהסבים מ: מעורב מוצא שני ההורים הידועים מ: אפריקה/אסיה אירופה/אמריקה מוצא הפרט מ : ברית המועצות לשעבר הפרט מישראל נקודת ההתחלה של הצאצא מוצאם של הפרט / שני ההורים / הורה אחד ידוע מברית המועצות לשעבר, אחרי ת ת ת 1970 77 — : ת וצ אות מל אות3 נספח מ ו ביליו ת בי ן–דורית בישר אל 17 תרשים הכנסה ממוצעת למשק בית לפי אחוזון הכנסה, בדור ההורים הערה: הן דירוג ההכנסה והן השכר השנתי הממוצע למשק מתייחסים לדור ההורים. מקור: נתוני הלמ"ס, עיבוד המחברים. ₪0 ₪200,000 ₪400,000 ₪600,000 ₪800,000 ₪1,000,000 ₪1,200,000 ₪1,400,000 ₪1,600,000 ₪1,800,000 0 10 20 30 40 50 60 70 80 90 100 הנכסה שנתית ממוצעת אחזון הכנסה 78 2023 כנס אלי הורביץ לכלכלה וחברה 18 תרשים 50-1 הכנסה ממוצעת למשק בית לפי אחוזון הכנסה, בדור ההורים, אחוזונים הערה: הן דירוג ההכנסה והן השכר השנתי הממוצע למשק מתייחסים לדור ההורים. מקור: נתוני הלמ"ס, עיבוד המחברים. 31 לוח שיעור הפרטים שמשתייכים לרבעון וחציון הכנסות העליון שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מין קופצים לרבעון עליון קופצים לחציון עליון גברים )10,768( 10% )25,405( 23.6% נשים )3,349( 3.14% )12,272( 11.46% סה”כ )13.14% )14,117 )35.06% )37,677 הערה: רבעוני השכר נקבעו לפי התפלגות משותפת לכלל האוכלוסייה, השיעור הוא מתוך כלל הפרטים שהוריהם השתייכו לרבעון ההכנסות התחתון. מקור: נתוני הלמ"ס, עיבוד המחברים. ₪25,376.5 ₪86,047.9 ₪164,074.8 ₪0 ₪20,000 ₪40,000 ₪60,000 ₪80,000 ₪100,000 ₪120,000 ₪140,000 ₪160,000 ₪180,000 ₪200,000 0 5 10 15 20 25 30 35 40 45 50 הנכסה שנתית ממוצעת אחזון הכנסה 79היי–טק כערוץ למוביליות בין–דורית 32 לוח שיעור הגברים והנשים שמשתייכים לרבעון וחציון הכנסות העליון שהוריהם השתייכו לרבעון ההכנסות התחתון, התפלגות שכר נפרדת התפלגות נפרדת קופצים לרבעון עליון קופצים לחציון עליון גברים )6,519( 11.3% )18,607( 32.3% נשים )7,008( 14% )17,162( 34.3% הערה: רבעוני השכר נקבעו לפי התפלגויות נפרדות לנשים ולגברים, השיעור הוא מתוך בני או בנות אותו המין שהוריהם או הוריהן השתייכו לרבעון ההכנסות התחתון. מקור: נתוני הלמ"ס, עיבוד המחברים. 33 לוח שיעור הגברים והנשים שמשתייכים לרבעון וחציון הכנסות העליון שהוריהם השתייכו לרבעון ההכנסות התחתון, לפי מין. קופצים לרבעון עליון קופצים לחציון עליון גברים )10,768( 18.7% )25,405( 44.2% נשים )3,349( 6.7% )12,272( 24.5% הערה: רבעוני השכר נקבעו לפי התפלגות משותפת לכלל הפרטים, השיעור הוא מתוך בני או בנות אותו המין שהוריהם או הוריהן השתייכו לרבעון ההכנסות התחתון. מקור: נתוני הלמ"ס, עיבוד המחברים. 80 — : ת וצאות מל אות4 נספח ה י י– טק וניע ו ת כלכלית מעלה 34 לוח רגרסיה לינארית בה הגורם המוסבר הוא אחוזון ההכנסה של הפרטים, אינטראקציה בין אחוזון ההכנסה של הורי הפרט לתעסוקה בהיי–טק, המדגם כולל רק פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון MODEL INFO: Observations: 105743 Dependent Variable: percentile_child Type: OLS linear regression MODEL FIT: F(27,105715) = 1804.45, p = 0.00 R² = 0.32 Adj. R² = 0.32 Standard errors: OLS -------------------------------------------------------------------- Est. S.E. t val. p -------------------------------------------- -------- ------ --------- (Intercept) 40.62 0.55 74.48 0.00 top_parent_ashkol -0.05 0.05 -1.02 0.31 percentile_parent 0.13 0.01 12.98 0.00 parent_mahoz_nameHaifa -2.16 0.23 -9.23 0.00 parent_mahoz_nameJ-M 0.53 0.24 2.23 0.03 parent_mahoz_nameJ-S -0.14 0.58 -0.23 0.81 parent_mahoz_nameNorth 0.46 0.28 1.61 0.11 parent_mahoz_nameSouth -0.67 0.27 -2.50 0.01 parent_mahoz_nameTel_aviv -1.22 0.25 -4.88 0.00 children_age_24_binary -2.18 0.19 -11.34 0.00 siblings -0.12 0.03 -3.37 0.00 math_bagrut3 4.81 0.26 18.24 0.00  81היי–טק כערוץ למוביליות בין–דורית math_bagrut4 8.71 0.37 23.44 0.00 math_bagrut5 13.86 0.48 28.70 0.00 english_bagrut3 3.58 0.27 13.13 0.00 english_bagrut4 4.58 0.31 14.94 0.00 english_bagrut5 3.46 0.38 9.06 0.00 educ_groups_name_for_high_techAcademic 15.97 0.21 76.09 0.00 educ_groups_name_for_high_techSTEM 15.90 0.44 36.03 0.00 ethnic_group_nameChristian -1.54 0.54 -2.85 0.00 Arab ethnic_group_nameHaredi -3.11 0.44 -7.14 0.00 ethnic_group_nameMizrachi 3.08 0.34 8.99 0.00 ethnic_group_nameMuslim -5.80 0.39 -14.79 0.00 ethnic_group_nameMixed Ethnicity 1.76 0.38 4.65 0.00 ethnic_group_nameUSSR 2.59 0.39 6.60 0.00 high_tech 16.97 0.69 24.69 0.00 min2 -18.02 0.15 -118.25 0.00 percentile_parent:high_tech -0.01 0.04 -0.21 0.83 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים 35 לוח רגרסיה לינארית בה הגורם המוסבר הוא אחוזון ההכנסה של הפרטים, אינטראקציה בין אחוזון ההכנסה של הורי הפרט לתעסוקה בהיי–טק, מדגם מלא MODEL INFO: Observations: 424324 Dependent Variable: percentile_child Type: OLS linear regression MODEL FIT: F(27,424296) = 8412.93, p = 0.00 R² = 0.35 Adj. R² = 0.35 Standard errors: OLS   82 2023 כנס אלי הורביץ לכלכלה וחברה -------------------------------------------------------------------- Est. S.E. t val. p -------------------------------------------- -------- ------ --------- (Intercept) 43.16 0.26 166.36 0.00 top_parent_ashkol -0.23 0.03 -8.87 0.00 percentile_parent 0.08 0.00 47.54 0.00 parent_mahoz_nameHaifa -1.94 0.13 -15.45 0.00 parent_mahoz_nameJ-M 0.70 0.11 6.24 0.00 parent_mahoz_nameJ-S -2.06 0.22 -9.43 0.00 parent_mahoz_nameNorth -0.89 0.16 -5.69 0.00 parent_mahoz_nameSouth -0.60 0.13 -4.55 0.00 parent_mahoz_nameTel_aviv -1.09 0.12 -8.88 0.00 children_age_24_binary -1.96 0.12 -16.01 0.00 siblings -0.18 0.02 -7.74 0.00 math_bagrut3 4.14 0.14 29.96 0.00 math_bagrut4 8.34 0.17 49.52 0.00 math_bagrut5 13.00 0.19 66.94 0.00 english_bagrut3 3.40 0.15 22.62 0.00 english_bagrut4 3.74 0.16 23.87 0.00 english_bagrut5 2.80 0.17 16.01 0.00 educ_groups_name_for_high_techAcademic 12.75 0.10 129.39 0.00 educ_groups_name_for_high_techSTEM 13.49 0.16 84.63 0.00 ethnic_group_nameChristian -0.16 0.30 -0.53 0.60 Arab ethnic_group_nameHaredi -3.50 0.20 -17.19 0.00 ethnic_group_nameMizrachi 3.80 0.12 31.68 0.00 ethnic_group_nameMuslim -4.92 0.18 -27.20 0.00 ethnic_group_nameMixed Ethnicity 1.60 0.12 12.97 0.00 ethnic_group_nameUSSR 3.43 0.15 22.64 0.00 high_tech 18.51 0.29 64.75 0.00 min2 -17.54 0.08 -228.00 0.00 percentile_parent:high_tech -0.03 0.00 -7.66 0.00 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים  83היי–טק כערוץ למוביליות בין–דורית מוצגת התשואה באחוזני הכנסה להשכלה ביחס לפרטים שאינם מועסקים19 בתרשים ) בקרב כלל 5( בהיי־טק עם תעודת בגרות בלבד. התוצאות התקבלו מאמידת משוואה המדגם. )5( הוא משתנה בינארי 𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜𝐷𝐷𝐷𝐷𝐷𝐷 , הוא אחוזון ההכנסה של הפרט𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼௜𝐻𝐻𝐻𝑇𝑇𝑇 כאשר מייצג שני משתנים 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜𝑋 אחרת, ו־0 אם הפרט מועסק בהיי־טק ו־1 שמקבל את הערך אחרת 0 ו־STEM אם הפרט למד תואר אקדמי שאינו בתחומי1 בינאריים, הראשון מקבל הוא ווקטור של 𝑋𝑋௜ . אחרת0 ו־STEM אם הפרט למד תואר אקדמי בתחומי1 והשני מקבל משתנים מפקחים הכולל את המשתנים הבאים: מגדר, מגזר, מחוז המגורים של הפרטים , אחוזון ההכנסה 20 , אשכול סוציו־אקונומי של ישוב המגורים של הפרטים בגיל20 בגיל של הורי הפרט, מספר האחים של הפרט, הורות צעירה ומשתנים נוספים המפקחים על ההשכלה התיכונית של הפרט. הוא ההפרש הממוצע באחוזון ההכנסה בין פרטים לא־אקדמאים שמועסקים בהיי־𝛽𝛽ଵ𝛾 הוא ההפרש הממוצע באחוזוני𝛾𝛾ଵ௞𝛾 ,טק ופרטים לא־אקדמאים שלא מועסקים בהיי־טק הוא ההפרש הממוצע 𝛾𝛾ଶ௞הכנסה בין בעלי סוג השכלה מסוים לבין פרטים לא־אקדמאים ו־ בתוספת לאחוזוני הכנסה המתואם עם סוג השכלה מסוים בין מועסקים בהיי־טק לבין אילו שאינם מועסקים בהיי־טק. כדי לחשב את ההפרש הממוצע באחוזוני ההכנסה בין בעלי סוג מסוים של השכלה שמועסקים בהיי־טק ופרטים עם תעודת בגרות שאינם . 𝛽𝛽ଵ+ 𝛾𝛾ଵ௞+ 𝛾𝛾ଶ௞ מועסקים בהיי־טק נבצע את הסכום 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼௜= 𝛽𝛽଴+ 𝛽𝛽ଵ∗𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜+ ෍(𝛾𝛾ଵ௞∗𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜ + 𝛾𝛾ଶ௞∗𝐻𝐻𝐻𝐻𝐻𝐻ℎ𝑇𝑇𝑇𝑇𝑇𝑇ℎ௜∗𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷௞௜) ௞ + 𝜆𝜆∗𝑋𝑋௜+ 𝜖𝜖௜ 84 2023 כנס אלי הורביץ לכלכלה וחברה 19 תרשים תשואה להשכלה באחוזוני הכנסה, לפי תעסוקה בהיי–טק .36 הערה: תוצאות הרגרסיה מדווחות במלואן בלוח מקור: נתוני הלמ"ס, עיבוד המחברים 15.84 21.12 19.56 32.31 34.20 -10.00 -5.00 0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 אחוזון ממוצע ביחס למועסקים עם תעודת בגרות לא בהיי-טק תעודה גבוהה ביותר מה"ט ללא השכלה STEM מכללה חזק- מכללה חזק- אוניברסיטה STEM אוניברסיטה אחר- מכללה אחר- אוניברסיטה תעודה מקצועית בגרות היי-טק אחר 85היי–טק כערוץ למוביליות בין–דורית 36 לוח רגרסיה לינארית, תשואה להשכלה באחוזוני הכנסה MODEL INFO: Observations: 424324 Dependent Variable: percentile_child Type: Linear regression MODEL FIT: χ²(42) = 126506442.51, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.36 Pseudo-R² (McFadden) = 0.05 AIC = 3869976.88, BIC = 3870459.05 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. t val. p ------------------------------------- -------- ------ --------- ------ (Intercept) 45.57 0.29 159.06 0.00 top_parent_ashkol -0.24 0.03 -9.50 0.00 percentile_parent 0.07 0.00 44.63 0.00 parent_mahoz_nameHaifa -2.09 0.12 -16.78 0.00 parent_mahoz_nameJ-M 0.75 0.11 6.76 0.00 parent_mahoz_nameJ-S -2.12 0.22 -9.79 0.00 parent_mahoz_nameNorth -1.23 0.16 -7.93 0.00 parent_mahoz_nameSouth -0.71 0.13 -5.41 0.00 parent_mahoz_nameTel_aviv -1.15 0.12 -9.41 0.00 children_age_24_binary -1.64 0.12 -13.52 0.00 siblings -0.15 0.02 -6.60 0.00 math_bagrut3 2.88 0.14 20.51 0.00 math_bagrut4 6.40 0.17 37.50 0.00 math_bagrut5 10.52 0.20 52.71 0.00 english_bagrut3 2.63 0.15 17.47 0.00 english_bagrut4 2.95 0.16 18.61 0.00 english_bagrut5 1.74 0.18 9.83 0.00 educ_groups_nameCollege - 11.17 0.15 73.18 0.00 Other educ_groups_nameCollege - 17.22 0.31 56.26 0.00 STEM  86 2023 כנס אלי הורביץ לכלכלה וחברה educ_groups_nameCollege - 16.14 0.21 78.11 0.00 Strong educ_groups_nameMahat 8.80 0.25 35.36 0.00 educ_groups_nameNo Diploma -3.67 0.15 -25.08 0.00 educ_groups_nameOther -0.16 0.16 -0.97 0.33 Vocational Diploma educ_groups_nameUniversity - 10.99 0.16 69.75 0.00 Other educ_groups_nameUniversity - 13.56 0.25 55.22 0.00 STEM educ_groups_nameUniversity - 18.96 0.20 92.83 0.00 Strong ethnic_group_nameChristian 0.10 0.30 0.34 0.73 Arab ethnic_group_nameHaredi -3.57 0.20 -17.67 0.00 ethnic_group_nameMizrachi 3.94 0.12 33.08 0.00 ethnic_group_nameMuslim -4.56 0.18 -25.36 0.00 ethnic_group_nameMixed Ethnicity 1.65 0.12 13.52 0.00 ethnic_group_nameUSSR 3.29 0.15 21.85 0.00 high_tech 20.55 0.34 60.40 0.00 min2 -17.21 0.08 -223.73 0.00 educ_groups_nameCollege - -8.93 0.58 -15.51 0.00 Other:high_tech educ_groups_nameCollege - -6.94 0.53 -13.11 0.00 STEM:high_tech educ_groups_nameCollege - -6.65 0.55 -12.04 0.00 Strong:high_tech educ_groups_nameMahat:high_tech -7.56 0.64 -11.81 0.00 educ_groups_nameNo -1.50 0.49 -3.05 0.00 Diploma:high_tech educ_groups_nameOther -4.24 0.58 -7.36 0.00 Vocational Diploma:high_tech educ_groups_nameUniversity - -6.08 0.49 -12.46 0.00 Other:high_tech educ_groups_nameUniversity - -3.77 0.44 -8.48 0.00 STEM:high_tech educ_groups_nameUniversity - -6.26 0.49 -12.72 0.00 Strong:high_tech ------------------------------------------------------------------- Estimated dispersion parameter = 535.05 מקור: נתוני הלמ"ס, עיבוד המחברים  87 ה גורמי ם ה מ סייעים- : תו צא ו ת מל א ו ת5 נספ ח לפ רט י ם מ רק ע חלש בהשתלבות בהיי –ט ק 37 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה פיקחנו על משתנים דמוגרפים ועל השכלה MODEL INFO: Observations: 105743 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(32) = 9905.74, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.26 Pseudo-R² (McFadden) = 0.23 AIC = 34174.05, BIC = 34489.82 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p --------------------------------- ------- ------ -------------------- (Intercept) -2.45 0.12 -20.44 0.00 top_parent_ashkol 0.01 0.01 0.71 0.48 percentile_parent 0.01 0.00 2.68 0.01 math_bagrut3 0.15 0.06 2.51 0.01 math_bagrut4 0.49 0.07 6.98 0.00 math_bagrut5 0.81 0.08 10.17 0.00 english_bagrut3 0.16 0.07 2.49 0.01 english_bagrut4 0.42 0.07 6.31 0.00 english_bagrut5 0.74 0.07 10.30 0.00 parent_mahoz_nameHaifa 0.10 0.05 1.92 0.06 parent_mahoz_nameJ-M -0.10 0.05 -2.18 0.03 parent_mahoz_nameJ-S -0.09 0.11 -0.80 0.42  88 2023 כנס אלי הורביץ לכלכלה וחברה parent_mahoz_nameNorth -0.14 0.07 -1.93 0.05 parent_mahoz_nameSouth -0.12 0.05 -2.29 0.02 parent_mahoz_nameTel_aviv 0.03 0.05 0.56 0.58 children_age_24_binary -0.34 0.06 -5.56 0.00 siblings -0.08 0.01 -7.64 0.00 educ_groups_nameCollege - -0.55 0.07 -7.46 0.00 Other educ_groups_nameCollege - 1.87 0.07 27.04 0.00 STEM educ_groups_nameCollege - 0.28 0.08 3.51 0.00 Strong educ_groups_nameMahat 0.97 0.07 14.10 0.00 educ_groups_nameNo Diploma -0.52 0.06 -9.00 0.00 educ_groups_nameOther -0.07 0.06 -1.14 0.25 Vocational Diploma educ_groups_nameUniversity - -0.05 0.06 -0.83 0.41 Other educ_groups_nameUniversity - 1.66 0.07 24.14 0.00 STEM educ_groups_nameUniversity - 0.25 0.08 3.18 0.00 Strong ethnic_group_nameChristian -1.72 0.15 -11.46 0.00 Arab ethnic_group_nameHaredi -0.13 0.09 -1.51 0.13 ethnic_group_nameMizrachi -0.13 0.05 -2.53 0.01 ethnic_group_nameMuslim -1.89 0.09 -22.03 0.00 ethnic_group_nameMixed Ethnicity -0.06 0.06 -1.06 0.29 ethnic_group_nameUSSR 0.19 0.06 3.18 0.00 min2 -0.68 0.03 -20.42 0.00 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים  89היי–טק כערוץ למוביליות בין–דורית 38 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא השתייכות לרבעון ההכנסות העליון ובה פיקחנו על משתנים דמוגרפים ועל השכלה MODEL INFO: Observations: 105743 Dependent Variable: one_to_four Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(32) = 17814.90, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.29 Pseudo-R² (McFadden) = 0.22 AIC = 64547.77, BIC = 64863.54 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p --------------------------------- ------- ------ -------------------- (Intercept) -1.75 0.08 -20.70 0.00 top_parent_ashkol 0.00 0.01 0.59 0.55 percentile_parent 0.01 0.00 4.87 0.00 math_bagrut3 0.28 0.04 6.98 0.00 math_bagrut4 0.70 0.05 14.15 0.00 math_bagrut5 1.15 0.06 19.59 0.00 english_bagrut3 0.25 0.04 5.82 0.00 english_bagrut4 0.35 0.05 7.78 0.00 english_bagrut5 0.38 0.05 7.30 0.00 parent_mahoz_nameHaifa -0.14 0.03 -4.08 0.00 parent_mahoz_nameJ-M -0.00 0.03 -0.04 0.97 parent_mahoz_nameJ-S -0.05 0.08 -0.60 0.55 parent_mahoz_nameNorth -0.02 0.05 -0.54 0.59 parent_mahoz_nameSouth -0.06 0.04 -1.56 0.12 parent_mahoz_nameTel_aviv -0.09 0.04 -2.45 0.01 children_age_24_binary -0.20 0.04 -5.19 0.00 siblings -0.02 0.01 -3.36 0.00  90 2023 כנס אלי הורביץ לכלכלה וחברה educ_groups_nameCollege - 0.54 0.04 12.48 0.00 Other educ_groups_nameCollege - 1.61 0.06 25.61 0.00 STEM educ_groups_nameCollege - 1.22 0.06 21.72 0.00 Strong educ_groups_nameMahat 0.71 0.05 13.21 0.00 educ_groups_nameNo Diploma -0.40 0.04 -10.17 0.00 educ_groups_nameOther -0.22 0.04 -4.96 0.00 Vocational Diploma educ_groups_nameUniversity - 0.82 0.04 19.02 0.00 Other educ_groups_nameUniversity - 1.56 0.06 25.03 0.00 STEM educ_groups_nameUniversity - 1.58 0.06 26.74 0.00 Strong ethnic_group_nameChristian -0.41 0.08 -5.23 0.00 Arab ethnic_group_nameHaredi -0.30 0.07 -4.50 0.00 ethnic_group_nameMizrachi 0.25 0.04 5.80 0.00 ethnic_group_nameMuslim -0.63 0.05 -11.76 0.00 ethnic_group_nameMixed Ethnicity 0.18 0.05 3.80 0.00 ethnic_group_nameUSSR 0.14 0.05 2.85 0.00 min2 -1.68 0.03 -66.27 0.00 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים  91היי–טק כערוץ למוביליות בין–דורית 39 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה פיקחנו רק על משתנים דמוגרפים MODEL INFO: Observations: 105743 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(17) = 4733.87, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.13 Pseudo-R² (McFadden) = 0.11 AIC = 39315.92, BIC = 39488.16 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p --------------------------------- ------- ------ -------------------- (Intercept) -1.66 0.10 -16.53 0.00 top_parent_ashkol 0.04 0.01 3.58 0.00 percentile_parent 0.01 0.00 5.88 0.00 parent_mahoz_nameHaifa 0.12 0.05 2.44 0.01 parent_mahoz_nameJ-M -0.16 0.04 -3.75 0.00 parent_mahoz_nameJ-S 0.02 0.10 0.22 0.82 parent_mahoz_nameNorth -0.11 0.07 -1.55 0.12 parent_mahoz_nameSouth -0.06 0.05 -1.15 0.25 parent_mahoz_nameTel_aviv -0.02 0.05 -0.43 0.66 children_age_24_binary -0.78 0.06 -13.25 0.00 siblings -0.12 0.01 -13.08 0.00 ethnic_group_nameChristian -1.94 0.14 -13.51 0.00 Arab ethnic_group_nameHaredi -0.85 0.08 -10.30 0.00 ethnic_group_nameMizrachi -0.66 0.05 -13.99 0.00 ethnic_group_nameMuslim -2.31 0.08 -28.83 0.00 ethnic_group_nameMixed Ethnicity -0.38 0.05 -7.30 0.00 ethnic_group_nameUSSR -0.24 0.05 -4.48 0.00 min2 -0.59 0.03 -19.76 0.00 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים 92 2023 כנס אלי הורביץ לכלכלה וחברה 40 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה פיקחנו על משתנים דמוגרפים, השכלה ועל הציון במבחן הפסיכומטרי MODEL INFO: Observations: 25396 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(33) = 4557.17, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.31 Pseudo-R² (McFadden) = 0.24 AIC = 14328.14, BIC = 14604.98 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p --------------------------------- ------- --------------------------- (Intercept) -1.47 0.18 -8.04 0.00 top_parent_ashkol 0.00 0.02 0.28 0.78 percentile_parent 0.00 0.00 1.32 0.19 math_bagrut3 0.31 0.11 2.86 0.00 math_bagrut4 0.52 0.11 4.62 0.00 math_bagrut5 0.79 0.12 6.68 0.00 english_bagrut3 -0.55 0.13 -4.26 0.00 english_bagrut4 -0.44 0.12 -3.77 0.00 english_bagrut5 -0.28 0.12 -2.32 0.02 parent_mahoz_nameHaifa -0.12 0.08 -1.55 0.12 parent_mahoz_nameJ-M -0.05 0.07 -0.79 0.43 parent_mahoz_nameJ-S -0.29 0.16 -1.78 0.07 parent_mahoz_nameNorth -0.19 0.12 -1.62 0.11 parent_mahoz_nameSouth -0.15 0.08 -1.93 0.05 parent_mahoz_nameTel_aviv -0.05 0.07 -0.63 0.53 children_age_24_binary -0.52 0.14 -3.73 0.00 siblings -0.09 0.02 -5.51 0.00 educ_groups_nameCollege - -0.80 0.09 -8.39 0.00 Other  93היי–טק כערוץ למוביליות בין–דורית educ_groups_nameCollege - 1.56 0.09 17.80 0.00 STEM educ_groups_nameCollege - -0.10 0.10 -0.94 0.35 Strong educ_groups_nameMahat 0.69 0.11 6.12 0.00 educ_groups_nameNo Diploma -0.14 0.14 -1.05 0.29 educ_groups_nameOther 0.01 0.11 0.05 0.96 Vocational Diploma educ_groups_nameUniversity - -0.42 0.08 -5.17 0.00 Other educ_groups_nameUniversity - 1.16 0.08 13.84 0.00 STEM educ_groups_nameUniversity - -0.23 0.09 -2.54 0.01 Strong ethnic_group_nameChristian -1.12 0.18 -6.16 0.00 Arab ethnic_group_nameHaredi -0.08 0.19 -0.45 0.65 ethnic_group_nameMizrachi 0.09 0.07 1.32 0.19 ethnic_group_nameMuslim -1.47 0.13 -11.63 0.00 ethnic_group_nameMixed Ethnicity 0.07 0.07 0.93 0.35 ethnic_group_nameUSSR 0.24 0.08 2.84 0.00 Best_ScoreTotal_scale 0.32 0.03 9.33 0.00 min2 -0.68 0.05 -14.46 0.00 -------------------------------------------------------------------- מקור: נתוני הלמ"ס, עיבוד המחברים  94 2023 כנס אלי הורביץ לכלכלה וחברה 41 לוח תוצאות רגרסיות לוגיסטיות, פערי תעסוקה בהיי–טק בין צאצאים של פרטים שהשתייכו לרבעון ההכנסות התחתון וצאצאים של פרטים שהשתייכו לחציון ההכנסות העליון Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 -1.27*** (-1.33 - -1.2) -0.87*** (-0.94 - -0.81) -2.08*** (-2.15 - -2.01) -2.27*** (-2.34 - -2.19) -1.97*** (-2.05 - -1.89) -2.02*** (-2.11 - -1.94) -0.71*** (-0.74 - -0.68) -0.66*** (-0.69 - -0.63) -0.2*** (-0.23 - -0.17) -0.14*** (-0.17 - -0.11) -0.11*** (-0.15 - -0.08) -0.1*** (-0.13 - -0.06) -0.41*** (-0.43 - -0.38) -0.39*** (-0.42 - -0.37) -0.06*** (-0.08 - -0.03) -0.01 (-0.04 - 0.02) 0.01 (-0.02 - 0.04) 0.01 (-0.02 - 0.04) -0.78*** (-0.8 - -0.76) -0.79*** (-0.81 - -0.77) -0.88*** (-0.9 - -0.86) -0.92*** (-0.94 - -0.9) -0.95*** (-0.97 - -0.93) -0.76*** (-0.78 - -0.73) -1.6*** (-1.73 - -1.47) -1.55*** (-1.68 - -1.42) -1.76*** (-1.89 - -1.62) -1.68*** (-1.82 - -1.54) -1.65*** (-1.79 - -1.52) -1.57*** (-1.71 - -1.42) -1.1*** (-1.17 - -1.03) -0.75*** (-0.82 - -0.67) -0.16*** (-0.23 - -0.09) -0.06 (-0.13 - 0.01) -0.03 (-0.1 - 0.05) -0.02 (-0.1 - 0.05) -0.6*** (-0.63 - -0.57) -0.54*** (-0.57 - -0.51) -0.18*** (-0.21 - -0.15) -0.09*** (-0.12 - -0.06) -0.08*** (-0.11 - -0.05) -0.07*** (-0.1 - -0.04) 95היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 (Intercept) -1.66*** (-1.67 - -1.65) -1.32*** (-1.33 - -1.31) -2.51*** (-2.58 - -2.45) -0.96*** (-0.98 - -0.94) -0.88*** (-0.9 - -0.85) -1.32*** (-1.38 - -1.26) q_1 -1.21*** (-1.24 - -1.19) -1.26*** (-1.29 - -1.23) -0.83*** (-0.86 - -0.8) -0.75*** (-0.78 - -0.72) -0.75*** (-0.78 - -0.72) -0.74*** (-0.77 - -0.71) q_2 -0.59*** (-0.61 - -0.56) -0.6*** (-0.63 - -0.58) -0.45 (-0.48 - -0.43) -0.44 (-0.46 - -0.41) -0.44 (-0.46 - -0.41) -0.43 (-0.45 - -0.4) min2 -0.79*** (-0.81 - -0.77) -0.82*** (-0.84 - -0.8) -0.83*** (-0.85 - -0.81) -0.83*** (-0.85 - -0.81) -0.83*** (-0.85 - -0.81) jewish_2Jewish 1.3*** (1.24 - 1.36) jewish_2Not Jewish -0.82*** (-0.91 - -0.73) ethnic_group_ nameChristian Arab -1.72*** (-1.85 - -1.59) -1.72*** (-1.85 - -1.59) -1.61*** (-1.75 - -1.48) ethnic_group_ nameHaredi -1.57*** (-1.64 - -1.51) -1.51*** (-1.58 - -1.45) -1.39*** (-1.46 - -1.33) ethnic_group_ nameMizrachi -0.66*** (-0.69 - -0.64) -0.64*** (-0.67 - -0.62) -0.61*** (-0.64 - -0.58)  96 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 -2.32*** (-2.4 - -2.24) -2.02*** (-2.11 - -1.94) -1.98*** (-2.06 - -1.89) -1.88*** (-1.96 - -1.79) -1.85*** (-1.93 - -1.77) -1.73*** (-1.82 - -1.65) -0.21*** (-0.24 - -0.18) -0.21*** (-0.24 - -0.18) -0.05*** (-0.08 - -0.02) -0.02 (-0.05 - 0.01) -0.02 (-0.05 - 0.01) -0.01 (-0.04 - 0.02) 0.24*** (0.2 - 0.27) 0.08*** (0.05 - 0.11) 0.26*** (0.23 - 0.3) 0.35*** (0.32 - 0.39) 0.37*** (0.33 - 0.4) 0.29*** (0.25 - 0.32) -0.02 (-0.06 - 0.01) 0 (-0.03 - 0.04) 0.03 (-0.01 - 0.06) 0.06*** (0.02 - 0.09) 0.04** (0.01 - 0.08) -0.02 (-0.06 - 0.02) -0.09*** (-0.12 - -0.06) -0.11*** (-0.14 - -0.09) -0.12*** (-0.15 - -0.09) -0.13*** (-0.16 - -0.1) -0.13*** (-0.16 - -0.1) -0.1*** (-0.13 - -0.06) -0.32*** (-0.38 - -0.26) -0.19*** (-0.25 - -0.14) -0.21*** (-0.27 - -0.15) -0.21*** (-0.27 - -0.15) -0.22*** (-0.28 - -0.16) -0.24*** (-0.3 - -0.18) -0.09*** (-0.14 - -0.04) -0.07*** (-0.12 - -0.02) -0.1*** (-0.15 - -0.05) -0.14*** (-0.19 - -0.09) -0.15*** (-0.2 - -0.1) -0.18*** (-0.24 - -0.13) -0.14*** (-0.17 - -0.1) -0.13*** (-0.16 - -0.09) -0.13*** (-0.17 - -0.09) -0.12*** (-0.16 - -0.08) -0.13*** (-0.17 - -0.09) -0.2*** (-0.24 - -0.16) 0.04** (0.01 - 0.07) 0.02 (-0.01 - 0.05) 0.04** (0.01 - 0.07) 0.06*** (0.03 - 0.1) 0.05*** (0.02 - 0.09) 0.01 (-0.02 - 0.04) 0.05*** (0.04 - 0.06) 0.04*** (0.03 - 0.04) 0.02*** (0.01 - 0.02) 0.01** (0 - 0.02) 0.01 (0 - 0.01) 0.01 (0 - 0.01) -0.84*** (-0.9 - -0.79) -0.73*** (-0.79 - -0.68) -0.52*** (-0.57 - -0.46) -0.46*** (-0.52 - -0.41) -0.44*** (-0.49 - -0.38) -0.35*** (-0.4 - -0.29)  97היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 ethnic_group_ nameMuslim -2.56*** (-2.63 - -2.48) -2.55*** (-2.63 - -2.47) -2.38*** (-2.46 - -2.3) ethnic_group_ nameTzabar_mix -0.22*** (-0.25 - -0.2) -0.21*** (-0.24 - -0.19) -0.21*** (-0.24 - -0.18) ethnic_group_ nameUSSR 0.14*** (0.1 - 0.17) 0.15*** (0.12 - 0.18) 0.21*** (0.18 - 0.24) parent_mahoz_ nameHaifa -0.1*** (-0.13 - -0.06) -0.01 (-0.04 - 0.03) parent_mahoz_ nameJ-M -0.1*** (-0.12 - -0.07) -0.1*** (-0.13 - -0.07) parent_mahoz_ nameJ-S -0.43*** (-0.49 - -0.38) -0.35*** (-0.41 - -0.3) parent_mahoz_ nameNorth -0.27*** (-0.31 - -0.23) -0.08*** (-0.13 - -0.03) parent_mahoz_ nameSouth -0.24*** (-0.28 - -0.21) -0.13*** (-0.17 - -0.1) parent_mahoz_ nameTel_aviv 0.02 (-0.02 - 0.05) 0.04*** (0.01 - 0.07) top_parent_ ashkol 0.06*** (0.05 - 0.07) children_ age_24_binary  98 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 -0.14*** (-0.15 - -0.13) -0.12*** (-0.13 - -0.11) -0.1*** (-0.11 - -0.1) -0.11*** (-0.11 - -0.1) -0.1*** (-0.11 - -0.09) 0.71*** (0.68 - 0.74) 0.32*** (0.28 - 0.37) 0.26*** (0.21 - 0.3) 0.1*** (0.05 - 0.15) 1.41*** (1.38 - 1.44) 0.86 (0.81 - 0.91) 0.73*** (0.68 - 0.78) 0.37*** (0.32 - 0.43) 2.26*** (2.22 - 2.29) 1.64*** (1.59 - 1.69) 1.49*** (1.44 - 1.54) 0.85*** (0.8 - 0.91) 0.2*** (0.14 - 0.25) 0.18*** (0.13 - 0.24) 0.08*** (0.03 - 0.14) 0.53*** (0.47 - 0.58) 0.44*** (0.39 - 0.49) 0.38*** (0.33 - 0.44) 0.83*** (0.78 - 0.89) 0.72*** (0.66 - 0.77) 0.66*** (0.61 - 0.72) -0.35*** (-0.37 - -0.32) -0.62*** (-0.67 - -0.57) 1.67*** (1.62 - 1.71) 0.14*** (0.09 - 0.19)  99היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 sublings 3 מתמטיקה 4 מתמטיקה 5 מתמטיקה 3 אנגלית 4 אנגלית 5 אנגלית לא אקדמי educ_groups_ nameCollege - Other educ_groups_ nameCollege - STEM educ_groups_ nameCollege - Strong  100 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 0.71*** (0.66 - 0.77) -0.56*** (-0.61 - -0.51) -0.13*** (-0.19 - -0.08) -0.15*** (-0.2 - -0.11) 1.35*** (1.31 - 1.39) 0.13*** (0.08 - 0.17) 0.1 0.1 0.17 0.18 0.18 0.23 . מדווח בסוגריים95% תצפיות, רווח בר סמך ברמת424,324 ,הערה: תוצאות רגרסיות לוגיט מקור: נתוני הלמ"ס, עיבוד המחברים.  101היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 educ_groups_ nameMahat educ_groups_ nameNo Diploma educ_groups_ nameOther Vocational Diploma educ_groups_ nameUniversity - Other educ_groups_ nameUniversity - STEM educ_groups_ nameUniversity - Strong Pseudo-R² (McFadden) 0.03 0.05 0.08 0.09 0.09 0.1 *** p<0.01, ** p<0.05, * p<0.1 102 תע סו קת ח סר ש ל- : ת וצ א ו ת מל א ות6 נספח נשי ם ו ערב י ם בהיי –ט ק 42 לוח תוצאות רגרסיות לוגיסטיות, פערי תעסוקה בהיי–טק בין יהודים וערבים שהוריהם השתייכו לרבעון ההכנסות התחתון Model 7 Model 8 Model 9 Model 10 Model 11 -2.07*** (-2.23 - -1.91) -2.67*** (-2.83 - -2.5) -2.68*** (-2.84 - -2.51) -2.24*** (-2.42 - -2.05) -2.43*** (-2.62 - -2.24) -1.6*** (-1.72 - -1.47) -1.76*** (-1.89 - -1.63) -1.72*** (-1.85 - -1.59) -1.71*** (-1.84 - -1.58) -1.63*** (-1.76 - -1.49) -0.58*** (-0.64 - -0.52) -0.78*** (-0.84 - -0.72) -0.83*** (-0.89 - -0.77) -0.87*** (-0.94 - -0.81) -0.67*** (-0.73 - -0.61) 0.07*** (0.05 - 0.09) 0.05*** (0.03 - 0.07) 0.03*** (0.01 - 0.05) 0.02 ** (0 - 0.04) 0.02 ** (0 - 0.04) 0.08 (-0.02 - 0.17) 0 (-0.1 - 0.09) 0.01 (-0.08 - 0.11) 0 (-0.1 - 0.09) -0.04 (-0.13 - 0.06) -0.18*** (-0.26 - -0.1) -0.14*** (-0.23 - -0.06) -0.15*** (-0.24 - -0.06) -0.14*** (-0.23 - -0.05) -0.1 ** (-0.19 - -0.01) 0.17 * (-0.03 - 0.37) 0.06 (-0.15 - 0.26) 0.03 (-0.17 - 0.24) 0 (-0.21 - 0.21) -0.03 (-0.24 - 0.19) -0.08 (-0.21 - 0.06) 0.01 (-0.12 - 0.15) -0.03 (-0.17 - 0.11) -0.05 (-0.19 - 0.09) -0.12 (-0.26 - 0.02) 103היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 (Intercept) -2.53*** (-2.56 - -2.51) -2.23*** (-2.27 - -2.2) -2.99*** (-3.09 - -2.9) -2.08*** (-2.14 - -2.03) -3.03*** (-3.17 - -2.89) -2.8*** (-2.94 - -2.66) Muslim -2.1*** (-2.21 - -1.99) -2.18*** (-2.3 - -2.07) -1.84*** (-1.96 - -1.72) -2.18 (-2.3 - -2.07) -1.88*** (-2.01 - -1.76) -1.89*** (-2.02 - -1.77) min2   -0.7*** (-0.75 - -0.64) -0.69*** (-0.75 - -0.64) -0.7*** (-0.75 - -0.64) -0.69*** (-0.75 - -0.64) -0.57*** (-0.63 - -0.51) top_parent_ ashkol     0.13*** (0.12 - 0.15)   0.14*** (0.12 - 0.16) 0.11*** (0.09 - 0.13) parent_mahoz_ nameHaifa       -0.11 ** (-0.19 - -0.02) 0.14*** (0.05 - 0.24) 0.1 ** (0 - 0.19) parent_mahoz_ nameJ-M       -0.25*** (-0.33 - -0.17) -0.2*** (-0.28 - -0.12) -0.16*** (-0.25 - -0.08) parent_mahoz_ nameJ-S       -0.18 * (-0.38 - 0.01) 0.03 (-0.17 - 0.23) 0.06 (-0.14 - 0.26) parent_mahoz_ nameNorth       -0.68*** (-0.8 - -0.56) -0.25*** (-0.38 - -0.11) -0.18*** (-0.32 - -0.05)  104 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 0.04 (-0.06 - 0.13) 0.05 (-0.05 - 0.15) 0.06 (-0.04 - 0.16) 0.04 (-0.05 - 0.14) -0.04 (-0.14 - 0.06) 0.01 (-0.08 - 0.11) 0.07 (-0.03 - 0.16) 0.1 * (0 - 0.19) 0.09 * (-0.01 - 0.19) 0.03 (-0.07 - 0.13) -0.8*** (-0.91 - -0.69) -0.47*** (-0.59 - -0.36) -0.41*** (-0.53 - -0.3) -0.37*** (-0.49 - -0.26) -0.31*** (-0.43 - -0.19) -0.18*** (-0.19 - -0.16) -0.14*** (-0.15 - -0.12) -0.12*** (-0.14 - -0.11) -0.12*** (-0.14 - -0.11) -0.11*** (-0.12 - -0.09)   0.81*** (0.74 - 0.88) 0.4*** (0.29 - 0.51) 0.33*** (0.22 - 0.44) 0.13 ** (0.02 - 0.25)   1.66*** (1.58 - 1.74) 1.04*** (0.91 - 1.17) 0.88*** (0.75 - 1.01) 0.46*** (0.32 - 0.6)   2.37*** (2.28 - 2.46) 1.64*** (1.51 - 1.78) 1.45*** (1.3 - 1.59) 0.75*** (0.59 - 0.9)     0.26*** (0.14 - 0.38) 0.25*** (0.12 - 0.37) 0.14 ** (0.01 - 0.27)     0.53*** (0.41 - 0.65) 0.42*** (0.3 - 0.55) 0.37*** (0.24 - 0.5)     0.95*** (0.82 - 1.08) 0.8*** (0.66 - 0.93) 0.74*** (0.6 - 0.88)       -0.44*** (-0.51 - -0.37)           -0.56*** (-0.7 - -0.41)  105היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 parent_mahoz_ nameSouth       -0.17*** (-0.26 - -0.08) 0.11 ** (0.01 - 0.2) 0.08 (-0.02 - 0.17) parent_mahoz_ nameTel_aviv       0.03 (-0.06 - 0.12) 0.09 * (0 - 0.18) 0.08 (-0.02 - 0.17) children_ age_24_binary           -0.99*** (-1.1 - -0.88) siblings             3 מתמטיקה             4 מתמטיקה             5 מתמטיקה             3 אנגלית             4 אנגלית             5 אנגלית             אינו אקדמי             educ_groups_ nameCollege - Other              106 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11         1.91*** (1.78 - 2.05)         0.3*** (0.15 - 0.46)         0.97*** (0.83 - 1.1)         -0.55*** (-0.66 - -0.44)         -0.08 (-0.2 - 0.04)         -0.04 (-0.17 - 0.08)         1.69*** (1.56 - 1.82)         0.27*** (0.12 - 0.42) 0.1 0.17 0.17 0.17 0.22 . מדווח בסוגריים95% תצפיות, רווח בר סמך ברמת105,743 ,הערה: תוצאות רגרסיות לוגיט מקור: נתוני הלמ"ס, עיבוד המחברים.  107היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 educ_groups_ nameCollege - STEM             educ_groups_ nameCollege - Strong             educ_groups_ nameMahat             educ_groups_ nameNo Diploma             educ_groups_ nameOther Vocational Diploma             educ_groups_ nameUniversity - Other             educ_groups_ nameUniversity - STEM             educ_groups_ nameUniversity - Strong             Pseudo-R² (McFadden) 0.05 0.07 0.08 0.07 0.08 0.09 *** p<0.01, ** p<0.05, * p<0.1 108 2023 כנס אלי הורביץ לכלכלה וחברה 43 לוח תוצאות רגרסיות לוגיסטיות, פערי תעסוקה בהיי–טק בין נשים וגברים שהוריהם השתייכו לרבעון ההכנסות התחתון Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 -1.48 *** (-1.67 - -1.3) -2.42 *** (-2.62 - -2.22) -2.59 *** (-2.8 - -2.39) -2.64 *** (-2.85 - -2.44) -2.37 *** (-2.6 - -2.14) -1.35 *** (-1.54 - -1.16) -1.56 *** (-1.76 - -1.37) -0.59 *** (-0.65 - -0.53) -0.78 *** (-0.84 - -0.72) -0.83 *** (-0.89 - -0.77) -0.71 *** (-0.77 - -0.64) -0.68 *** (-0.74 - -0.61) -0.53 *** (-0.59 - -0.47) -0.52 *** (-0.58 - -0.47) -1.94 *** (-2.22 - -1.66) -1.99 *** (-2.28 - -1.71) -1.84 *** (-2.12 - -1.55) -1.76 *** (-2.06 - -1.47) -1.72 *** (-2.02 - -1.43) -1.93 *** (-2.21 - -1.65) -1.89 *** (-2.18 - -1.61) -0.86 *** (-1.02 - -0.7) -0.32 *** (-0.49 - -0.15) -0.18 ** (-0.35 - -0.02) -0.16 * (-0.33 - 0.01) -0.13 (-0.31 - 0.04) -0.66 *** (-0.82 - -0.49) -0.65 *** (-0.81 - -0.49) 109היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 (Intercept) -2.65 *** (-2.69 - -2.62) -3.3 *** (-3.43 - -3.18) -1.54 (-1.62 - -1.46) -1.96 *** (-2.1 - -1.82) -1.95 *** (-2.13 - -1.77) -1.9 *** (-2.08 - -1.72) min2 -0.55 *** (-0.61 - -0.49) -0.68 *** (-0.74 - -0.63) -0.69 *** (-0.75 - -0.63) -0.69 *** (-0.75 - -0.63) -0.69 *** (-0.75 - -0.63) -0.58 *** (-0.64 - -0.53) jewish_2Jewish 1.22 *** (1.1 - 1.34) jewish_2Not Jewish -1.03 *** (-1.19 - -0.88) ethnic_group_ nameChristian Arab -2.12 *** (-2.39 - -1.84) -1.96 *** (-2.24 - -1.68) -2.05 *** (-2.33 - -1.77) -2 *** (-2.28 - -1.72) ethnic_group_ nameHaredi -1.76 *** (-1.9 - -1.62) -1.59 *** (-1.74 - -1.44) -1.51 *** (-1.66 - -1.36) -1.21 *** (-1.36 - -1.05)  110 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 -0.67 *** (-0.76 - -0.57) -0.32 *** (-0.42 - -0.22) -0.2 *** (-0.3 - -0.1) -0.16 *** (-0.26 - -0.06) -0.13 ** (-0.24 - -0.03) -0.64 *** (-0.73 - -0.55) -0.63 *** (-0.73 - -0.54) -2.32 *** (-2.48 - -2.17) -2.2 *** (-2.36 - -2.04) -2.04 *** (-2.21 - -1.88) -1.95 *** (-2.12 - -1.78) -1.89 *** (-2.06 - -1.72) -2.27 *** (-2.42 - -2.11) -2.25 *** (-2.41 - -2.1) -0.38 *** (-0.49 - -0.28) -0.17 *** (-0.28 - -0.06) -0.11 * (-0.21 - 0) -0.08 (-0.19 - 0.04) -0.06 (-0.17 - 0.05) -0.38 *** (-0.48 - -0.27) -0.37 *** (-0.47 - -0.27) -0.23 *** (-0.33 - -0.12) 0.11 * (0 - 0.22) 0.25 *** (0.14 - 0.37) 0.23 *** (0.11 - 0.35) 0.2 *** (0.08 - 0.32) -0.2 *** (-0.31 - -0.1) -0.17 *** (-0.28 - -0.06) 0.04 *** (0.02 - 0.06) 0.02 ** (0 - 0.04) 0.15 *** (0.05 - 0.25) 0.01 (-0.01 - 0.03) 0.01 (-0.01 - 0.03) -0.38 *** (-0.51 - -0.25) 0.08 * (-0.01 - 0.17) 0.11 ** (0.02 - 0.2) 0.13 *** (0.04 - 0.23) -0.14 *** (-0.23 - -0.05) 0.12 ** (0.02 - 0.22) 0.1 * (0 - 0.2) 0.08 * (-0.01 - 0.18) -0.15 *** (-0.24 - -0.07) -0.16 *** (-0.24 - -0.08) -0.13 *** (-0.22 - -0.05) -0.04 (-0.24 - 0.17) -0.12 ** (-0.21 - -0.03) -0.1 ** (-0.19 - -0.01) -0.16 *** (-0.24 - -0.08) 0.04 (-0.16 - 0.24)  111היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 ethnic_group_ nameMizrachi -0.83 *** (-0.92 - -0.74) -0.79 *** (-0.88 - -0.69) -0.77 *** (-0.86 - -0.68) -0.75 *** (-0.84 - -0.65) ethnic_group_ nameMuslim -2.88 *** (-3.01 - -2.74) -2.66 (-2.8 - -2.51) -2.7 (-2.85 - -2.55) -2.61 (-2.77 - -2.46) ethnic_group_ nameTzabar_mix -0.43 *** (-0.54 - -0.33) -0.43 *** (-0.53 - -0.32) -0.41 *** (-0.51 - -0.31) -0.4 *** (-0.5 - -0.3) ethnic_group_ nameUSSR -0.26 *** (-0.36 - -0.16) -0.18 *** (-0.29 - -0.08) -0.17 *** (-0.28 - -0.07) -0.1 * (-0.21 - 0) top_parent_ ashkol 0.06 *** (0.05 - 0.08) 0.07 *** (0.04 - 0.09) 0.06 *** (0.04 - 0.08) parent_mahoz_ nameHaifa 0.11 ** (0.02 - 0.2) 0.1 ** (0 - 0.19) parent_mahoz_ nameJ-M -0.15 *** (-0.24 - -0.07) -0.14 *** (-0.22 - -0.06)  112 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 0.03 (-0.17 - 0.23) -0.04 (-0.25 - 0.17) -0.06 (-0.2 - 0.08) -0.07 (-0.29 - 0.14) -0.08 (-0.3 - 0.13) 0.04 (-0.16 - 0.24) -0.11 (-0.25 - 0.03) -0.11 (-0.25 - 0.03) -0.04 (-0.18 - 0.1) -0.05 (-0.15 - 0.06) -0.1 (-0.24 - 0.05) -0.15 * (-0.29 - 0) -0.11 (-0.25 - 0.03) -0.07 (-0.17 - 0.02) -0.06 (-0.16 - 0.03) -0.05 (-0.15 - 0.05) 0.08 (-0.02 - 0.18) -0.1 * (-0.21 - 0) -0.12 ** (-0.23 - -0.02) -0.08 (-0.17 - 0.02) -0.04 (-0.13 - 0.06) -0.03 (-0.12 - 0.07) 0.06 (-0.04 - 0.15) -0.45 *** (-0.57 - -0.33) 0.04 (-0.06 - 0.14) 0.03 (-0.07 - 0.13) -0.04 (-0.13 - 0.05) -0.3 *** (-0.43 - -0.17) -0.78 *** (-0.9 - -0.67) -0.5 *** (-0.62 - -0.38) -0.08 *** (-0.1 - -0.07) -0.41 *** (-0.53 - -0.29) -0.34 *** (-0.46 - -0.22) -0.11 *** (-0.13 - -0.09) -0.11 *** (-0.13 - -0.1) -0.13 *** (-0.15 - -0.11) -0.1 *** (-0.12 - -0.08) 0.28 *** (0.16 - 0.41) -0.08 *** (-0.1 - -0.06) -0.08 *** (-0.1 - -0.06) 0.03 *** (0.01 - 0.05) 0.03 *** (0.01 - 0.05) 0.83 *** (0.76 - 0.91) 1.06 *** (0.93 - 1.19) 0.28 *** (0.16 - 0.41) 0.16 ** (0.04 - 0.29) 1.68 *** (1.59 - 1.76) 1.68 *** (1.54 - 1.82) 0.54 *** (0.41 - 0.67) 0.42 *** (0.29 - 0.55)  113היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 parent_mahoz_ nameJ-S -0.1 (-0.3 - 0.1) -0.07 (-0.27 - 0.13) parent_mahoz_ nameNorth -0.15 ** (-0.29 - -0.02) -0.14 ** (-0.28 - 0) parent_mahoz_ nameSouth -0.07 (-0.17 - 0.03) -0.07 (-0.17 - 0.02) parent_mahoz_ nameTel_aviv -0.01 (-0.1 - 0.08) -0.02 (-0.11 - 0.08) הורים בגיל צעיר-0.86 *** (-0.97 - -0.74) מספר אחים 3 מתמטיקה 4 מתמטיקה  114 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 2.4 *** (2.3 - 2.49) 0.01 (-0.01 - 0.03) 0.86 *** (0.72 - 1) 0.75 *** (0.6 - 0.89) 0.58 *** (0.46 - 0.7) 0.35 *** (0.23 - 0.46) 0.15 ** (0.04 - 0.27) 0.94 *** (0.8 - 1.07) 0.73 *** (0.6 - 0.87) 0.5 *** (0.36 - 0.63) 0.41 *** (0.3 - 0.52) 1.04 *** (0.89 - 1.2) 0.81 *** (0.66 - 0.97) -0.06 (-0.14 - 0.02) 1.75 (1.65 - 1.84) -0.55 *** (-0.69 - -0.4) 1.87 *** (1.74 - 2.01) 0.28 *** (0.13 - 0.43)  115היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 5 מתמטיקה 3 אנגלית 3 אנגלית 5 אנגלית educ_groups_ name_for_high_ techAcademic educ_groups_ name_for_high_ techSTEM educ_groups_ nameCollege - Other educ_groups_ nameCollege - STEM educ_groups_ nameCollege - Strong  116 2023 כנס אלי הורביץ לכלכלה וחברה Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 0.97 *** (0.84 - 1.11) -0.52 *** (-0.64 - -0.41) -0.07 (-0.19 - 0.05) -0.05 (-0.18 - 0.07) 1.66 *** (1.53 - 1.8) 0.25 *** (0.1 - 0.4) -0.22 *** (-0.25 - -0.19) -0.25 *** (-0.28 - -0.22) 0.33 *** (0.27 - 0.39) 0.11 0.17 0.18 0.21 0.22 0.11 0.11 . מדווח בסוגריים95% תצפיות, רווח בר סמך ברמת105,743 ,הערה: תוצאות רגרסיות לוגיט מקור: נתוני הלמ"ס, עיבוד המחברים.  117היי–טק כערוץ למוביליות בין–דורית Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 educ_groups_ nameMahat educ_groups_ nameNo Diploma educ_groups_ nameOther Vocational Diploma educ_groups_ nameUniversity - Other educ_groups_ nameUniversity - STEM educ_groups_ nameUniversity - Strong 30 הורה בגיל ילדים מתחת לגיל 6 Pseudo-R² (McFadden) 0.01 0.08 0.09 0.1 0.1 0.1 *** p<0.01, ** p<0.05, * p<0.1 118 2023 כנס אלי הורביץ לכלכלה וחברה 44 לוח רגרסיה לוגיסטית, בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה כללנו אינטראקציה בין מגדר והורות לילדים צעירים MODEL INFO: Observations: 105743 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(19) = 5027.95, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.14 Pseudo-R² (McFadden) = 0.11 AIC = 39025.84, BIC = 39217.22 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p -------------------------------------------------------------------- (Intercept) -1.61 0.10 -16.06 0.00 min2 -0.40 0.05 -7.42 0.00 ethnic_group_nameChristian -1.90 0.14 -13.25 0.00 Arab ethnic_group_nameHaredi -0.65 0.08 -7.73 0.00 ethnic_group_nameMizrachi -0.63 0.05 -13.29 0.00 ethnic_group_nameMuslim -2.26 0.08 -28.09 0.00 ethnic_group_nameTzabar_mix -0.37 0.05 -7.02 0.00 ethnic_group_nameUSSR -0.17 0.05 -3.16 0.00 parent_mahoz_nameHaifa 0.08 0.05 1.68 0.09 parent_mahoz_nameJ-M -0.15 0.04 -3.55 0.00 parent_mahoz_nameJ-S 0.04 0.10 0.39 0.70 parent_mahoz_nameNorth -0.11 0.07 -1.60 0.11 parent_mahoz_nameSouth -0.08 0.05 -1.52 0.13 parent_mahoz_nameTel_aviv -0.04 0.05 -0.76 0.44 children_age_24_binary -0.31 0.07 -4.70 0.00 siblings -0.11 0.01 -12.07 0.00 top_parent_ashkol 0.03 0.01 2.65 0.01  119היי–טק כערוץ למוביליות בין–דורית children_age_30_new -0.25 0.02 -15.32 0.00 children_under_6_age_36_binary 0.40 0.04 10.24 0.00 min2:children_under_6_age_36_binary -0.18 0.06 -2.89 0.00 -------------------------------------------------------------------- .מקור: נתוני הלמ"ס, עיבוד המחברים 45 לוח התפלגות פרטים שהוריהם השתייכו לרבעון ההכנסות התחתון למסלולי השכלה, לפי מין HighestDegree Males Female NoDiploma 56.4% 39.2% OtherVocationalDiploma 14.4% 15.1% Bagrut 9.3% 13.8% Mahat 3.5% 1.9% CollegeOther 4.7% 13.4% UniversityOther 3.7% 9.8% CollegeStrong 2.0% 2.4% UniversityStrong 1.6% 2.4% CollegeSTEM 2.2% 0.7% UniversitySTEM 2.1% 1.5% .Tot 100.0% 100.0% .מקור: נתוני הלמ"ס, עיבוד המחברים  120 2023 כנס אלי הורביץ לכלכלה וחברה 46 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה כללנו אינטראקציה בין מגדר והשכלה MODEL INFO: Observations: 105743 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(41) = 9947.87, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.26 Pseudo-R² (McFadden) = 0.23 AIC = 34149.92, BIC = 34551.81 Standard errors: MLE ---------------------------------------------------------------- Est. S.E. z val. p --------------------------------- ------- ------ -------- ------ (Intercept) -2.36 0.12 -19.17 0.00 top_parent_ashkol 0.01 0.01 0.68 0.50 percentile_parent 0.01 0.00 2.69 0.01 math_bagrut3 0.16 0.06 2.61 0.01 math_bagrut4 0.49 0.07 6.95 0.00 math_bagrut5 0.80 0.08 10.11 0.00 english_bagrut3 0.16 0.07 2.42 0.02 english_bagrut4 0.42 0.07 6.27 0.00 english_bagrut5 0.74 0.07 10.26 0.00 parent_mahoz_nameHaifa 0.10 0.05 1.94 0.05 parent_mahoz_nameJ-M -0.10 0.05 -2.17 0.03 parent_mahoz_nameJ-S -0.09 0.11 -0.77 0.44 parent_mahoz_nameNorth -0.14 0.07 -1.93 0.05 parent_mahoz_nameSouth -0.12 0.05 -2.29 0.02 parent_mahoz_nameTel_aviv 0.03 0.05 0.61 0.54 children_age_24_binary -0.36 0.06 -5.70 0.00 siblings -0.08 0.01 -7.62 0.00 educ_groups_nameCollege - -0.61 0.11 -5.82 0.00 Other  121היי–טק כערוץ למוביליות בין–דורית educ_groups_nameCollege - 1.76 0.08 21.86 0.00 STEM educ_groups_nameCollege - 0.14 0.10 1.33 0.18 Strong educ_groups_nameMahat 0.88 0.08 10.80 0.00 educ_groups_nameNo Diploma -0.70 0.07 -10.21 0.00 educ_groups_nameOther -0.07 0.07 -0.93 0.35 Vocational Diploma educ_groups_nameUniversity - -0.17 0.09 -1.85 0.06 Other educ_groups_nameUniversity - 1.64 0.08 19.65 0.00 STEM educ_groups_nameUniversity - 0.13 0.10 1.29 0.20 Strong ethnic_group_nameChristian -1.72 0.15 -11.44 0.00 Arab ethnic_group_nameHaredi -0.12 0.09 -1.34 0.18 ethnic_group_nameMizrachi -0.13 0.05 -2.50 0.01 ethnic_group_nameMuslim -1.89 0.09 -22.01 0.00 ethnic_group_nameMixed Ethnicity -0.06 0.06 -1.06 0.29 ethnic_group_nameUSSR 0.19 0.06 3.16 0.00 min2 -0.91 0.08 -11.03 0.00 educ_groups_nameCollege - 0.19 0.15 1.27 0.20 Other:min2 educ_groups_nameCollege - 0.33 0.16 2.11 0.03 STEM:min2 educ_groups_nameCollege - 0.35 0.16 2.22 0.03 Strong:min2 educ_groups_nameMahat:min2 0.21 0.15 1.42 0.16 educ_groups_nameNo 0.54 0.11 5.14 0.00 Diploma:min2 educ_groups_nameOther -0.04 0.13 -0.33 0.74 Vocational Diploma:min2 educ_groups_nameUniversity - 0.28 0.13 2.16 0.03 Other:min2 educ_groups_nameUniversity - 0.07 0.13 0.52 0.60 STEM:min2 educ_groups_nameUniversity - 0.30 0.15 1.98 0.05 Strong:min2 -------------------------------------------------------------------- .מקור: נתוני הלמ"ס, עיבוד המחברים  122 2023 כנס אלי הורביץ לכלכלה וחברה 47 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה פיקחנו על משתנים דמוגרפים ועל השכלה, נשים בלבד MODEL INFO: Observations: 49331 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(31) = 2793.08, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.20 Pseudo-R² (McFadden) = 0.17 AIC = 13526.36, BIC = 13808.17 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p -------------------------------------------------------------------- (Intercept) -3.25 0.20 -16.48 0.00 top_parent_ashkol 0.03 0.02 1.45 0.15 percentile_parent 0.01 0.00 2.06 0.04 math_bagrut3 -0.04 0.10 -0.39 0.69 math_bagrut4 0.20 0.11 1.78 0.08 math_bagrut5 0.59 0.13 4.53 0.00 english_bagrut3 -0.08 0.11 -0.75 0.45 english_bagrut4 0.25 0.11 2.30 0.02 english_bagrut5 0.67 0.12 5.79 0.00 parent_mahoz_nameHaifa 0.18 0.09 2.04 0.04 parent_mahoz_nameJ-M -0.01 0.07 -0.14 0.89 parent_mahoz_nameJ-S 0.12 0.17 0.71 0.48 parent_mahoz_nameNorth -0.19 0.12 -1.54 0.12 parent_mahoz_nameSouth -0.09 0.09 -1.06 0.29 parent_mahoz_nameTel_aviv 0.09 0.08 1.11 0.27 children_age_24_binary -0.35 0.08 -4.48 0.00 siblings -0.06 0.02 -3.91 0.00  123היי–טק כערוץ למוביליות בין–דורית educ_groups_nameCollege - -0.41 0.11 -3.93 0.00 Other educ_groups_nameCollege - 2.13 0.14 15.54 0.00 STEM educ_groups_nameCollege - 0.51 0.12 4.15 0.00 Strong educ_groups_nameMahat 1.10 0.13 8.59 0.00 educ_groups_nameNo Diploma -0.41 0.10 -4.21 0.00 educ_groups_nameOther -0.27 0.11 -2.49 0.01 Vocational Diploma educ_groups_nameUniversity - 0.14 0.09 1.52 0.13 Other educ_groups_nameUniversity - 1.75 0.12 14.76 0.00 STEM educ_groups_nameUniversity - 0.46 0.12 3.75 0.00 Strong ethnic_group_nameChristian -2.39 0.37 -6.47 0.00 Arab ethnic_group_nameHaredi 0.22 0.14 1.57 0.12 ethnic_group_nameMizrachi -0.03 0.09 -0.31 0.75 ethnic_group_nameMuslim -1.96 0.17 -11.67 0.00 ethnic_group_nameMixed Ethnicity 0.00 0.09 0.04 0.97 ethnic_group_nameUSSR 0.22 0.10 2.17 0.03 -------------------------------------------------------------------- .מקור: נתוני הלמ"ס, עיבוד המחברים  124 2023 כנס אלי הורביץ לכלכלה וחברה 48 לוח רגרסיה לוגיסטית בה הגורם המוסבר הוא תעסוקה בהיי–טק ובה פיקחנו על משתנים דמוגרפים ועל השכלה, גברים בלבד MODEL INFO: Observations: 56412 Dependent Variable: high_tech Type: Generalized linear model Family: binomial Link function: logit MODEL FIT: χ²(31) = 6861.66, p = 0.00 Pseudo-R² (Cragg-Uhler) = 0.30 Pseudo-R² (McFadden) = 0.25 AIC = 20578.08, BIC = 20864.17 Standard errors: MLE -------------------------------------------------------------------- Est. S.E. z val. p -------------------------------------------------------------------- (Intercept) -2.36 0.15 -15.60 0.00 top_parent_ashkol -0.00 0.01 -0.01 0.99 percentile_parent 0.01 0.00 1.95 0.05 math_bagrut3 0.27 0.08 3.42 0.00 math_bagrut4 0.65 0.09 7.17 0.00 math_bagrut5 0.91 0.10 9.04 0.00 english_bagrut3 0.26 0.08 3.12 0.00 english_bagrut4 0.49 0.08 5.79 0.00 english_bagrut5 0.75 0.09 8.17 0.00 parent_mahoz_nameHaifa 0.06 0.06 0.90 0.37 parent_mahoz_nameJ-M -0.17 0.06 -2.79 0.01 parent_mahoz_nameJ-S -0.22 0.15 -1.51 0.13 parent_mahoz_nameNorth -0.12 0.09 -1.29 0.20 parent_mahoz_nameSouth -0.13 0.07 -1.88 0.06 parent_mahoz_nameTel_aviv -0.01 0.07 -0.08 0.93 children_age_24_binary -0.39 0.11 -3.56 0.00 siblings -0.09 0.01 -6.68 0.00  125היי–טק כערוץ למוביליות בין–דורית educ_groups_nameCollege - -0.61 0.11 -5.79 0.00 Other educ_groups_nameCollege - 1.75 0.08 21.51 0.00 STEM educ_groups_nameCollege - 0.13 0.10 1.26 0.21 Strong educ_groups_nameMahat 0.89 0.08 10.84 0.00 educ_groups_nameNo Diploma -0.56 0.07 -7.82 0.00 educ_groups_nameOther 0.00 0.08 0.05 0.96 Vocational Diploma educ_groups_nameUniversity - -0.17 0.09 -1.89 0.06 Other educ_groups_nameUniversity - 1.63 0.09 19.07 0.00 STEM educ_groups_nameUniversity - 0.13 0.10 1.23 0.22 Strong ethnic_group_nameChristian -1.55 0.17 -9.15 0.00 Arab ethnic_group_nameHaredi -0.40 0.12 -3.31 0.00 ethnic_group_nameMizrachi -0.19 0.07 -2.85 0.00 ethnic_group_nameMuslim -1.90 0.10 -18.44 0.00 ethnic_group_nameMixed Ethnicity -0.10 0.07 -1.38 0.17 ethnic_group_nameUSSR 0.18 0.08 2.28 0.02 -------------------------------------------------------------------- .מקור: נתוני הלמ"ס, עיבוד המחברים  126 רש ימ ת המ קורות השוואה בינלאומית ובין קבוצות - ). "מוביליות בין דורית בשכר בישראל2017( .אלוני, צ', וז' קריל אוכלוסייה". הכלכלנית הראשית. האם הפערים מצטמצמים - ). מוביליות בין–דורית בישראל2022( גורדון, ג', ק' פלוג, ור' קנת פורטל מדור לדור? המכון הישראלי לדמוקרטיה. ). מהן המיומנויות הנדרשות מעובדי ההייטק. מכון אהרן 2022( חשאי, נ', ס' סומקין, ור' ניר למדיניות כלכלית. ). דרכי חיפוש עבודה. המכון הישראלי לדמוקרטיה. טרם 2023( יקיר, א', י' נועם, ונ' פורת הירש פורסם. ). מדד דירוג תעסוקתי של משלחי יד בישראל. הלמ"ס: סדרת ניירות 2022( צ'אנה, י' וי' בדראן . 123 'עבודה, מס .2022 ). דו"ח שנתי: מצב ההיי־טק2022( .רשות החדשנות Chetty, R., Hendren, N., Kline, P., and Saez, E. (2014). Where is the land of opportunity? The geography of intergenerational mobility in the United States. The Quarterly Journal of Economics, 129(4), 1553-1623. Nybom, Martin, & Jan Stuhler, 2016. “Heterogeneous Income Profiles and Lifecycle Bias in Intergenerational Mobility Estimation,” Journal of Human Resources 51(1): 239-268. זק הירש הוא עוזר מחקר במרכז לממשל וכלכלה במכון הישראלי לדמוקרטיה. סטודנט לתואר שני בכלכלה באוניברסיטת תל אביב. פרופ' יותם מרגלית הוא עמית בכיר במכון הישראלי לדמוקרטיה וחבר סגל בבית הספר למדע המדינה, ממשל ויחסים בינלאומיים באוניברסיטת תל אביב. תחום המומחיות שלו הוא כלכלה פוליטית. יחיאל נועם הוא עוזר מחקר בתוכנית "רפורמות בשוק העבודה" במרכז לממשל וכלכלה ובתוכנית "החברה הערבית בישראל" במרכז לערכים ולמוסדות דמוקרטיים שבמכון הישראלי לדמוקרטיה. בעל תואר ראשון בסטטיסטיקה ומדעי הנתונים מהאוניברסיטה העברית בירושלים. פרופ' קרנית פלוג היא סגנית נשיא למחקר במכון הישראלי לדמוקרטיה ועמיתה בכירה ע״ש ויליאם דוידסון למדיניות כלכלית; מרצה במחלקה לכלכלה באוניברסיטה העברית בירושלים. לשעבר נגידת בנק ישראל; קודם לכן שימשה מנהלת חטיבת המחקר של הבנק וכלכלנית בקרן המטבע הבינלאומית. תחומי המומחיות שלה הם כלכלת ישראל, מקרו־כלכלה, מדיניות מוניטרית ושוק העבודה. www.idi.org.il