绝大多数现有的估计平均未解释性别收入差距的研究使用了不必要的限制性Blinder-Oaxaca分解的线性版本。利用瑞士170万名雇员的丰富而庞大的数据集，我们调查了由这些大数据带来的方法改进如何影响无法解释的性别薪酬差距的估计。我们研究了关于以下方面的估计的敏感性:i)在观察上可比较的男性和女性的可用性，ii)在控制工资决定因素时的模型灵活性，以及iii)不同参数和半参数估计的选择，包括使用机器学习方法的变量。我们发现这三个因素非常重要。Blinder-Oaxaca估计，当我们加强男女之间的可比性并使用更灵活的工资方程规范时，无法解释的性别收入差距下降了39%。与Blinder-Oaxaca的估计相比，半参数匹配的结果估计要小50%，而且对工资决定因素的计算方式也不敏感。