Transcript Maurizio Franzini e Michele Raitano

La trasmissione
intergenerazionale delle
diseguaglianze
Michele Raitano
Università di Roma “La Sapienza”
Indice







Definizione, approcci di studio e obiettivi.
I canali di trasmissione delle diseguaglianze.
La persistenza intergenerazionale dei titoli di
studio: il caso italiano.
La misurazione del grado di persistenza
delle diseguaglianze dei redditi.
Il legame fra diseguaglianza corrente e
intergenerazionale.
Un focus sul canale “reddito familiare”.
L’analisi empirica del legame fra
“background familiare” e prospettive dei figli
nella UE15.
2
La mobilità sociale






Il processo mediante il quale gli individui si
muovono attraverso diversi status socioeconomici.
Mobilità intra ed intergenerazionale.
Si studia la trasmissione fra genitori e figli di
posizioni sociali diversamente definite.
L’approccio sociologico: la mobilità della
classe sociale di appartenenza.
L’approccio economico: la mobilità dei
redditi.
I pregi della mobilità sociale: efficienza ed
equità (eguaglianza di opportunità).
3
I canali di trasmissione
intergenerazionale delle diseguaglianze
Non trasmissione in un unico punto del tempo, ma
processo con molteplici snodi. I principali: le scelte di
istruzione e l’entrata e la dinamica sul mercato del
lavoro.
Si individuano 4 canali (con molteplici meccanismi) che
agiscono spesso in interazione e che influenzano tratti
individuali rilevanti per il successo futuro (i.e.
comportamenti, salute, preferenze, istruzione, soft
skills).
1.
Genetico: abilità cognitive e non. Ma esiste
ereditarietà?
2.
Economico: reddito e ricchezza, vincoli di liquidità e
menù di scelta. Ma l’effetto dei trasferimenti
monetari?
3.
Familiare/culturale: informazioni e cure; valore non
monetario dell’istruzione; gusti e preferenze; abilità
non cognitive e avversione al rischio (soft skills).
4.
Sociale: area di residenza; network sociali; omogamia4
coniugale.
Il ruolo dell’istruzione
I 4 canali influenzano l’investimento in capitale umano, ritenuto
strumento per indebolire le diseguaglianze
intergenerazionali.
Ma forte impatto del background familiare sulle scelte di
istruzione.
Istruzione intesa anche come proxy della persistenza delle
diseguaglianze di reddito.
Alcune motivazioni della correlazione intergenerazionale dei
titoli di studio:







trasmissione genetica di abilità e capacità cognitive;
peer effect;
diversa attenzione prestata dai genitori agli studi dei figli;
modelli di ruolo e imitazione;
disponibilità economica e vincoli al credito;
differente rischio – e avversione al rischio! –
dell’investimento in istruzione;
salari e rendimenti differenziati per background.
5
La comparazione internazionale della
persistenza dei livelli di istruzione
Grado di correlazione ovunque elevato, ma fortemente differenziato fra
paesi, sia che si consideri la correlazione fra anni di istruzione che fra
titoli studio.
Livello di istruzione in crescita generalizzata, ma vantaggio relativo per
chi ha un background migliore sostanzialmente stabile (mobilità
assoluta e relativa).
Italia paese a basso livello di capitale umano e ad alta persistenza.
Tab. 1: Distribuzione della popolazione in base al più alto titolo di studio conseguito nei paesi dell’Unione Europea nel 2007 per classe d’età.
35-39
Al massimo
secondaria
inferiore
Belgio
20,2
Bulgaria
17,4
Rep. Ceca
5,7
Danimarca
16,8
Germania
13,8
Estonia
8,0
Irlanda
23,8
Grecia
29,6
Spagna
42,0
Francia
22,8
Italia
41,3
Cipro
19,7
Lettonia
9,2
Lituania
6,0
Lussemburgo
33,3
Ungheria
15,9
Malta
66,8
Paesi Bassi
20,7
Austria
14,6
Polonia
9,4
Portogallo
69,4
Romania
13,3
Slovenia
15,7
Slovacchia
5,4
Finlandia
13,5
Svezia
9,3
Regno Unito
25,6
Media UE15
26,4
Media UE12
16,0
Media UE27
21,8
Fonte: elaborazioni su dati EUROSTAT
55-59
Secondaria
superiore
Laurea
40,1
59,2
80,2
43,7
59,8
58,7
38,4
45,4
23,5
43,6
42,8
42,6
69,0
61,9
38,1
65,6
20,4
45,4
65,4
69,9
15,2
75,4
57,8
82,1
42,2
57,0
40,8
42,7
61,9
51,3
39,8
23,3
14,1
39,5
26,4
33,3
37,9
25,0
34,5
33,7
15,9
37,7
21,8
32,1
28,5
18,6
12,8
33,9
19,9
20,7
15,5
11,3
26,5
12,5
44,3
33,7
33,7
30,8
22,1
26,9
Al massimo
secondaria
inferiore
47,3
30,0
15,4
27,1
18,5
13,4
54,8
57,9
68,4
43,8
60,8
50,3
18,6
12,7
46,1
25,9
85,0
35,7
29,3
20,8
84,0
37,0
28,3
18,0
31,1
21,2
31,8
43,9
29,6
37,5
Secondaria
superiore
Laurea
27,7
50,2
74,8
43,7
57,7
52,8
26,0
25,8
14,1
38,6
28,0
31,5
59,9
60,8
37,9
58,7
6,8
36,8
55,4
67,2
6,7
52,8
54,7
70,2
40,3
51,1
41,0
35,4
53,4
43,4
25,0
19,8
9,9
29,2
23,8
33,8
19,2
16,2
17,6
17,6
11,1
18,1
21,4
26,5
16,0
15,4
8,1
27,5
15,3
12,0
9,3
10,1
17,0
11,8
28,6
27,6
27,2
20,8
17,0
19,1
6
Etiopia (rurale)
Cina (rurale)
Kirgyzstan
Danimarca
Malesia
Gran Bretagna
Irlanda del Nord
Finlandia
Nuova Zelanda
Nepal
Norvegia
Paesi Bassi
Rep. Ceca
Slovacchia
Bangladesh
Timor Est
Ucraina
Ghana
Svezia
Estonia
Belgio
Filippine
Vietnam
Polonia
Sud Africa
Irlanda
Svizzera
Stati Uniti
Pakistan
Sri Lanka
Ungheria
Egitto
Slovenia
Italia
Indonesia
Nicaragua
Colombia
Brasile
Cile
Panama
Ecuador
Perù
La correlazione degli anni di
istruzione
Fig. 1: Indice di correlazione di Pearson degli anni di istruzione di genitori e figli in diversi paesi
Fonte: elaborazioni da Hertz et. al (2007)
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
7
La persistenza dei titoli di studio
in Italia
Decrescita molto lenta e non lineare della
correlazione genitori/figli.
Fig. 3: Coefficiente di correlazione di Spearman dell'istruzione dei figli per titolo di studio dei genitori, per coorte di nascita dei
figli, in Italia. Fonte: elaborazioni su dati ISFOL PLUS06
0.55
0.5
0.45
0.4
0.35
0.3
0.25
1941-1945
1946-1950
Titolo di studio del padre
1951-1955
1956-1960
1961-1965
Titolo di studio della madre
1966-1970
1971-1975
1976-1980
Titolo di studio più elevato dei genitori
8
Le tavole di mobilità dei titoli di
studio in Italia
Incremento della mobilità assoluta, ma mobilità relativa
ancora limitata.
Il fenomeno della “retrogressione” dei titoli di studio.
Tab. 2: Frequenze campionarie pesate dei titoli di studio dei figli condizionatamente a quelli dei padri (percentuali di riga), per anno di nascita dei
figli.
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Coorti di figli nati nel periodo 1971-1980
Titolo di studio del figlio
Licenza elementare
Licenza media
4,3
45,4
0,5
26,2
1,3
10,3
0,0
0,7
2,0
27,8
Coorti di figli nati nel periodo 1961-1970
Titolo di studio del figlio
Licenza elementare
Licenza media
5,9
52,2
1,2
26,8
0,4
13,7
0,0
1,0
3,8
39,1
Coorti di figli nati nel periodo 1951-1960
Titolo di studio del figlio
Licenza elementare
Licenza media
15,9
44,5
1,2
20,0
0,2
5,4
0,0
0,0
11,8
36,1
Coorti di figli nati nel periodo 1941-1950
Titolo di studio del figlio
Licenza elementare
Licenza media
44,3
29,2
10,0
19,5
0,2
16,7
3,2
2,3
36,8
26,6
Diploma
41,1
57,1
56,7
34,4
49,8
Laurea
9,2
16,2
31,7
64,9
20,4
Distribuzione
dei padri
36,2
34,2
23,4
6,3
100,0
Diploma
36,3
56,1
55,0
30,6
42,9
Laurea
5,7
15,9
30,9
68,4
14,2
Distribuzione
dei padri
60,0
22,5
12,8
4,8
100,0
Diploma
33,7
61,5
49,7
22,0
39,1
Laurea
5,8
17,3
44,7
78,0
13,0
Distribuzione
dei padri
72,6
16,8
7,1
3,5
100,0
Diploma
21,4
48,9
45,6
26,0
25,7
Laurea
5,0
21,6
37,5
68,4
10,9
Distribuzione
dei padri
80,7
8,9
7,1
3,2
100,0
9
… e le opportunità di laurearsi?
Vantaggio relativo non diminuito, eccetto che per i
(sempre meno numerosi) figli di genitori con
diploma elementare.
Fig. 4 : Rapporto fra la probabilità di conseguire la laurea per chi ha un padre laureato rispetto a chi ha un padre con con
titolo di studio inferiore, per coorte di nascita del figlio, in Italia. Fonte: elaborazioni su dati ISFOL-PLUS 2006
16
14
12
10
8
6
4
2
0
1941-1945
1946-1950
1951-1955
Padre laureato/padre elementare
1956-1960
1961-1965
Padre laureato/padre media
1966-1970
1971-1975
1976-1980
Padre laureato/padre diplomato
10
La significatività del background in
ogni snodo del processo formativo
Tab. 4: Scelte di prosecuzione del percorso di studio per background familiare; stime logit (campione di chi ha superato lo stadio precedente)
Iscrizione alla secondaria
superiore
Coeff.
P value
Età
-0,0249
0,000
Femmina
-0,3547
0,000
Genitori con al più
-2,4513
0,000
diploma elementare
Genitori con al più
diploma secondario
-1,1889
0,000
inferiore
Almeno un
1,9315
0,000
genitore laureato
Numero di fratelli
-0,2344
0,000
Presenza di
0,3990
0,000
entrambi i genitori
Costante
4,5680
0,000
Diploma liceale
Numero di osservazioni
25.727
Fonte: elaborazioni su dati ISFOL-PLUS 2006
Conseguimento
del diploma
Diploma
liceale?
Iscrizione
all'università
Conseguimento
della laurea
110/110
e 110 e lode
Coeff.
0,0099
0,1768
P value Coeff. P value Coeff. P value
0,000 -0,0004 0,786 0,0118 0,000
0,001 0,0662 0,066 -0,2694 0,000
Coeff.
0,0028
0,4012
P value
0,138
0,000
Coeff.
0,0018
0,4873
P value
0,436
0,000
-1,6323
0,000
-1,4844
0,000
-0,8834
0,000
-0,2279
0,000
-0,1642
0,039
-0,9802
0,000
-0,8932
0,000
-0,5252
0,000
-0,1590
0,007
-0,1795
0,018
1,8292
0,000
1,4002
0,000
0,7516
0,000
0,6946
0,000
0,1061
0,140
-0,1377
0,000
-0,0822
0,000
-0,0171
0,194
-0,0390
0,020
-0,0274
0,218
0,3890
0,000
0,3259
0,000
0,2630
0,000
0,3595
0,000
-0,1022
0,368
2,8199
0,000
-0,4318
0,000
0,3419 0,001
1,9213 0,000
16.738
20.008
18.375
0,6847
0,000
1,2509 0,000
10.005
-1,1010 0,000
0,4633 0,000
6.205
11
L’approccio sociologico alle
diseguaglianze intergenerazionali
L’approccio sociologico:
 La definizione delle classi
occupazionali.
 Le matrici di transizione: mobilità
assoluta e fluidità sociale.
 I risultati delle comparazioni
internazionali: Italia “paese
persistente”.
12
L’approccio economico alle
diseguaglianze intergenerazionali
L’approccio economico:
 La stima della relazione loglineare e
l’elasticità ß: il grado di persistenza media.
 L’analisi della transizione per quintili: la
variazione della mobilità lungo la
distribuzione.
 Ma la disponibilità di panel adeguati
complica le stime.
13
Elasticità e coefficiente di
correlazione intergenerazionale
ln YF     ln YP  u
P

F
Indicatore standard il coefficiente β, ovvero
l’elasticità intergenerazionale del reddito. β =0,
indipendenza, β =1, totale immobilità.
Il coefficiente di correlazione fra il reddito di
genitori e figli corregge per l’impatto sulla
variazione della diseguaglianza cross section fra
le 2 generazioni successive. E’ indipendente
dalla variazione delle marginali.
Da quali determinanti sono influenzati questi
indicatori sintetici?
I problemi di misurazione


Collegamento fra condizioni dei genitori e figli.
Necessità di datasets adeguati:







retrospettivi (ma non rilevo reddito, solo sue proxy);
panel lunghi che coprano 2 generazioni
cross section ripetute con info retrospettive (per
2S2SLS).
Variabili di osservazione: classi sociali,
istruzione o reddito.
Quale reddito? Lavoro, di coppia, disponibile
(conta anche la struttura familiare).
Correlazioni solo padri-figli?
La procedura di stima “a due campioni”.
15
L’associazione fra redditi di
generazione successive



Devo preoccuparmi solo del reddito
permanente? La vulnerabilità di Y dipende da
background?
Serve la correlazione con il reddito
permanente. Posso stimarlo da dati puntuali?
Due fonti di distorsione (il II è più grave):



Errori transitori (fluttuazioni di Yp) => quanto a lungo
li rilevo?
Deviazioni dal reddito di lungo periodo di Yf misurati
troppo da giovani =>in quale fascia d’età lo rilevo?
Per uomini distorsione minima a 35-40, per le donne
non c’è regolarità.
Le stime sono molto sensibili alle risposte:
esiste “l’eccezionalismo americano”?
16
La correlazione fra fratelli





Importanza del background stimata osservando la
similitudine degli outcomes dei fratelli.
Si valuta un processo di trasmissione più ampio del
solo legame col reddito => tutto ciò che è condiviso
fra fratelli (canale economico, familiare – valori –
sociale – neighborhood).
Stimo (con effetti fissi di famiglia) la quota di
varianza dei redditi attribuibile a variabili di
background e/o a caratteristiche individuali.
Corr(sib)=ρ2 + altri fattori di background
Distorsioni legate al momento in cui osservo i
fratelli (che però provengono dalle stesse
17
distribuzioni marginali).
I risultati delle stime di ß
Fig. 5: Elasticità intergenerazionali dei redditi stimate per alcuni paesi.
Fonte: elaborazioni da Corak (2006), Piraino (2007) e Mocetti (2007b)
0.69
0.7
0.6
0.5
0.50
0.51
Regno Unito
Italia
0.47
0.41
0.4
0.32
0.3
0.27
0.2
0.15
0.18
0.19
Finlandia
Canada
0.17
0.1
0.0
Danimarca
Norvegia
Svezia
Germania
Francia
Stati Uniti
Brasile
18
Diseguaglianza corrente e mobilità
Relazione poco studiata in letteratura.
Ma sembra esistere una forte correlazione fra gli
indicatori. Da cosa dipende?
Fig. 6: Correlazione fra diseguaglianza dei redditi ed elastictà intergenerazionale.
Fonte: d'Addio (2007)
0.6
Regno Unito
Italia
0.5
Elasticità intergenenerazionale
Stati Uniti
Francia
0.4
Germania
Spagna
0.3
Svezia
Canada
0.2
Finlandia
Australia
Danimarca
Norvegia
0.1
Correlazione = + 0,638
0
0.2
0.22
0.24
0.26
0.28
0.3
0.32
0.34
0.36
Coefficiente di Gini
19
La correlazione fra ß e rendimenti
dell’istruzione
Fig. 7: Correlazione fra elasticità intergenerazionale dei redditi e rendimenti dell'istruzione universitaria.
Fonte: Corak (2006)
0.6
Regno Unito
0.5
Stati Uniti
Francia
0.4
Germania
0.3
Svezia
0.2
Canada
Danimarca
0.1
Correlazione = +0.882
0
5
7
9
11
13
15
17
19
21
20
Le possibili cause della correlazione





La chiave di lettura: dispersione dei redditi
legata ai rendimenti dell’investimento in HK;
aumenta ineq corrente e, dato l’impatto del
background sulle scelte formative, anche quella
intergenerazionale.
Vale per tutti i paesi? Esiste un’anomalia
italiana?
Canali di political economy?
Ineq corrente dipende da soft skills (in senso
lato) facilmente trasmissibili, con processo che si
auto-alimenta? E chi decide quali soft skills
contano davvero?
Si apre uno spazio per la policy intervenendo
21
sulla distribuzione corrente?
L’influenza del reddito familiare sulle
prospettive dei figli: la teoria
Indipendentemente dalla dimensione del
legame, è importante chiedersi, anche ai fini
di policy, che ruolo svolge il reddito familiare
e attraverso quali elementi influenza le
prospettive future.

Due principali teorie motivano l’esistenza di
un legame causale:
1.
La teoria dell’investimento familiare (Becker
e Tomes 1979, 1986);
2.
La teoria del buon genitore: stress parentale
e modelli di ruolo (trasmissione delle
dotazioni comportamentali).
Molto complicato stimare empiricamente la
relazione causale: influenza degli altri fattori
di background e di variabili non osservabili.

22
Il modello di Becker e Tomes
(1979 e 1986)




Formalizzazione dei canali di persistenza
intergenerazionale (Solon 2004)
Genitori provano utilità anche nel benessere futuro dei
figli e possono destinare il loro budget a consumo
corrente o I per HK dei figli.
HK dei figli dipende da 2 componenti additive: I (privato
o pubblico, costoso, ma assunte sostitute) e dotazioni
(trasmesse fra generazioni senza costi; valori,
reputazione, connessioni, soft skills).
Modello con MK perfetti o no (non posso prendere a
prestito per finanziare I). Se MK perfetti il processo
dipende solo da dotazioni ereditabili. Ipotizzano relazione
concava (legame maggiore per bassi redditi di back, più
vincolati nel credito).
23
La parametrizzazione di Solon
(2004)

Il legame fra Yp e Yf dipende da 4 elementi:
1.
2.
3.
4.



Aumenta quanto più sono ereditabili le dotazioni;
Aumenta quanto più è produttivo I in HK;
Aumenta se aumenta r di HK;
Si riduce con la progressività della spesa pubblica per
education.
Endowments e investimenti in HK permettono di
includere tutti i canali di trasmissione considerati
(e gli effetti su LM di un dato HK finale).
I diversi parametri possono spiegare i diversi β fra
paesi.
Solon mostra anche correlazione fra ineq corrente
e intergen.
24
Reddito familiare e prospettive dei
figli: i fatti stilizzati




La letteratura mostra che, anche considerate le altre
variabili di background, i figli dei più abbienti hanno
vantaggio lungo molteplici dimensioni – salute,
comportamenti, soft skills, abilità cognitive, istruzione,
performance lavorativa – e anche se il singolo effetto
può risultare di entità limitata l’effetto cumulato è
significativo.
Ma conta lo specifico momento dell’infanzia in cui si è
poveri? Conta anche il reddito transitorio?
Ci sono effetti non lineari? Polinomi di ordine superiore
a 2 e/o quantile regressions mostrano diversi modelli
sottostanti nei vari paesi.
Conta il tipo di reddito percepito? Perché si osserva
forte correlazione intergenerazionale nell’essere
welfare recipients?
25
Le stime della causalità
dell’effetto reddito



Β semplici correlazioni, esiste un effetto causale di
Yp?
La causalità potrebbe essere legata anche a eventi
di Yp transitori oltre che a Yp permanente!
Quasi impossibile mantenere sotto controllo tutti i
fattori per valutare “quasi-esperimenti”. Alcuni
modi:


Confronto con risultati di figli adottati (non influenzati da
genetica, da effetti non causali …): il coefficiente dei figli
adottivi è 2/3 di quello dei “biologici”.
Valutazione di cosa accade ai figli dopo un aumento
improvviso di reddito dei genitori o dopo uno shock
occupazionale (nessun effetto in Norvegia, ampio in
Canada).
26
I meccanismi del processo di
trasmissione intergenerazionale (1)

Impossibile costruire un modello omnicomprensivo, ma tentativi di stima dell’importanza
relativa dei vari canali.
Principali risultati empirici:



La riduzione dell’associazione nei paesi Nordici può
essere collegata all’azione di WS e education
policies.
Decomposizione della siblings correlation tramite i
ρ per paese mostrano la prevalenza dei canali non
di reddito.
Policy condotte random mostrano impatto su β.
27
I meccanismi del processo di
trasmissione intergenerazionale (2)




Decomposizione fra family e neighborhood effects:
confronto con “non fratelli” che vivono nella stessa area
mostra netta prevalenza dei family channels.
Decomposizione fra nature e nurture => Confronti fra
diverse tipologie di fratelli (gemelli, non gemelli
adottati) o vedendo le correlazioni con genitori naturali
e adottivi mostrano eguale ruolo di fattori genetici e
enviromental.
Importanza di trasmissione su caratteristiche diverse da
istruzione formale e abilità cognitive: salute, tratti di
personalità non cognitivi, soft skills.
Scomposizione di effetti diretti e indiretti di background
(e reddito) su outcomes dei figli.
28
Il modello teorico: effetti diretti e
indiretti
Fig. 1: Mechanisms of intergenerational transmission of inequalities
Family background

Educational
attainments
Labour market
outcomes: occupations
and employability
Earnings
29
Gli effetti intergenerazionali dello status
di origine nella UE: l’analisi empirica






L’obiettivo è verificare se le condizioni socioeconomiche della famiglia di origine siano un
predittore significativo di alcuni outcomes dei figli.
L’analisi viene condotta mediante i micro-dati
dell’indagine EU-SILC 2005 che contiene una sezione
monografica con informazioni retrospettive.
Il ruolo del “canale socio-economico” viene analizzato
mediante proxy: gruppo occupazionale dei genitori.
Analisi su alcuni paesi di UE15.
In linea con quanto osservato in letteratura, ci si
concentra sugli individui della fascia d’età 35-49.
Stima di effetti diretti e indiretti di background,
mediati da istruzione e esiti raggiunti su LM.
30
Occupazioni dei genitori e
prospettive dei figli
1.
2.
3.
4.
Effetto su istruzione.
Sulle retribuzioni a parità di
istruzione.
Sull’occupazione raggiunta a parità
di istruzione.
Sulle retribuzioni a parità di
istruzione e gruppo occupazionale.
31
Occupazione dei genitori e
istruzione dei figli
Tab. 5: Ordered probit regressions on the association between parental background and educational attainment1. Individuals aged 35-54.
Germany
France
Spain
Italy United Kingdom Ireland
Denmark
Finland
Parental occupation
Estimated coefficients
-0.353*** -0.349*** -0.684*** -0.567***
-0.356***
-0.351*** -0.271*** -0.264***
Blue-collar
Manager
0.521*** 0.694*** 0.775*** 0.723***
0.449***
0.632*** 0.669*** 0.655***
Marginal fixed effects to attain a tertiary degree (computed in the average point)
Blue-collar
-0.140*** -0.093*** -0.222*** -0.119***
-0.128***
-0.120*** -0.081*** -0.096***
Manager
0.204*** 0.223*** 0.278*** 0.191***
0.170***
0.238*** 0.228*** 0.252***
Number of observations
4,105
3,098
4,670
6,821
2,385
1,126
1,077
1,926
1
The dependent variable is the individual’s educational attainment, coded through six increasing ISCED educational levels. Reference modality for parental occupation is
“parents working at most as white-collar”. Control variables are: age, immigrant status, number of siblings and a dummy if the individual lived with both parents when he/she
was 14. * p<0.10; ** p<0.05; *** p<0.01. Source: elaborations on EU-SILC 2005 data
32
Il background incide anche a
parità di istruzione? (M e F)
Background premia. Gross (net in It & ES) annual income gaps by parental occupations, controlling for offspring
education. Individuals aged 35-49. N.B.: Lighter colours are n.s. at 95% level.
Source: elaborations on EU-SILC 2005 data
30.0
26.7
25.0
20.0
18.9
18.3
18.1
15.0
12.2
10.4
10.0
8.9
8.3
8.6
6.5
6.4
5.0
3.8
5.8
4.7
2.0
0.0
-3.0
-5.0
Germany
France
Spain
Italy
Parent white collar
UK
Ireland
Denmark
Finland
Parent manager
33
Ma l’effetto è mediato da quale
occupazione raggiungono i figli?
Tab. 6: Ordered probit regressions on the association between parental background and occupation, being kept constant offspring’s education1. Males aged 35-54.
Germany
France
Spain
Italy United Kingdom Ireland
Denmark Finland
Parental occupation
Estimated coefficients
Blue-collar
-0.291*** -0.466*** -0.506*** -0.429*** -0.376*** -0.299*** -0.302*** -0.267***
Manager
0.230*** 0.325*** 0.403*** 0.289***
0.341***
0.276** 0.351*** 0.520***
Marginal fixed effects to attain a managerial occupation (computed in the average point)
Blue-collar
-0.090*** -0.107*** -0.065*** -0.064*** -0.125*** -0.090*** -0.088*** -0.074***
Manager
0.076*** 0.083*** 0.058*** 0.047***
0.121***
0.090** 0.111*** 0.164***
Number of observations
4,077
3,125
4,697
6,668
2,349
1,117
1,068
1,873
1
The dependent variable is the individual’s occupational group (coded through three increasing modalities: blue-collars, white-collars and managers). Reference modality for
parental occupation is “parents working at most as white-collar”. Control variables are: age, immigrant status, potential experience, squared potential experience and two
dummies for educational attainments (at most lower secondary or tertiary graduated). * p<0.10; ** p<0.05; *** p<0.01. Source: elaborations on EU-SILC 2005 data
34
Ma resistono effetti di background anche a
parità di istruzione e occupazione? (M e F)
Background premia. Gross (net in It & ES) annual income gaps by parental occupations, controlling for offspring
education and occupation. Individuals aged 35-49. N.B.: Lighter colours are n.s. at 95% level.
Source: elaborations on EU-SILC 2005 data
16.0
14.8
14.0
11.7
12.0
9.9
10.0
8.2
8.0
6.3
6.0
4.9
5.1
4.0
2.8
2.0
0.8
0.9
0.2
0.0
-0.4
-0.6
-2.0
-2.3
-2.6
-3.1
-4.0
-6.0
Germany
France
Spain
Italy
Parent white collar
UK
Ireland
Denmark
Finland
Parent manager
35
Il background incide anche a parità
di istruzione e occupazione? (males)
Tab. 9: Estimated coefficients of OLS regressions on annual gross labour income (net in Italy and Spain) by parental occupation1. Males aged 35-54.
Parental occupation
Germany
France
Spain
Italy
United Kingdom
Ireland
Denmark
Finland
Model A – Not controlling for offspring educational and occupational attainments
White-collar
0.018
0.113***
0.140***
0.136***
0.157***
0.016
0.009
-0.048
Manager
0.109***
0.227***
0.280***
0.358***
0.389***
0.331***
0.109*
0.190***
Manager ≠ White-collar
**
**
***
***
***
***
no
***
Number of observations
3,748
2,892
4,176
6,384
2,095
967
1,012
1,742
Model B - Controlling for offspring education
White-collar
-0.002
0.084***
0.086***
0.093***
0.120***
-0.036
-0.015
-0.089**
Manager
0.038
0.124***
0.174***
0.237***
0.298***
0.188**
0.017
0.067
Manager ≠ White-collar
no
no
**
***
***
***
no
***
Number of observations
3,748
2,892
4,176
6,384
2,095
967
1,012
1,742
Model C - Controlling for offspring education and occupation
White-collar
-0.048*
0.015
0.039*
0.053***
0.057*
-0.042
-0.064
-0.085**
Manager
-0.047
-0.029
0.063*
0.162***
0.163***
0.135*
-0.083
-0.025
Manager ≠ White-collar
no
no
no
***
***
**
no
no
Number of observations
3,705
2,877
4,166
6,314
2,070
966
1,005
1,725
Model D - Controlling for offspring education, occupation, number of yearly working months and weekly working hours
White-collar
-0.056***
0.040*
0.044**
0.027*
0.053*
-0.052
-0.027
-0.012
Manager
-0.044*
0.022
0.070**
0.150***
0.150***
0.180***
-0.087*
0.028
Manager ≠ White-collar
no
no
no
***
***
***
no
no
Number of observations
3,454
2,717
3,956
6,000
2,001
918
962
1,601
1
Reference modality for parental occupation is “parents working at most as white-collar”. Control variables are: age, immigrant status, potential experience, squared potential
experience and a dummy if annual labour income from self-employment is higher than employment income; in models B-D, two dummies for educational attainments (at most
lower secondary or tertiary graduated) are included. In model C and D two dummies on offspring’s occupational groups (manager or white-collar) are added and in model D
number of yearly working months and weekly working hours are also included. F-tests on the difference between parental white-collar and parental manager coefficients are
included in the table and stars mean a statistically significant refuse of the Ho hypothesis regarding the equality of estimated coefficients. * p<0.10; ** p<0.05; *** p<0.01.
Source: elaborations on EU-SILC 2005 data
36
Ulteriori riflessioni




Rilevanti non linearità: conta l’interazione
fra origine e destinazione. Diversi
vantaggi a seconda di mobilità
ascendente e discendente? Italia e UK.
Soffitto di vetro e/o “effetto figlio
ciuccio”?
Per l’Italia forte ruolo di lavoro autonomo.
Effetto differenziato dei canali di ingresso
al lavoro a seconda delle origini.
37
Ma da cosa può dipendere l’effetto
residuale di background?
Una possibile serie di elementi (influenzati dai 4 canali) con
diverse implicazioni di policy:







Limiti del modo in cui sono rilevate istruzione (e sua qualità)
e occupazione.
Quindi, differenze in discipline studiate e Atenei frequentati.
Ma è qualità effettiva o segnalata?
Ma è “meritocratico” l’accesso alle diverse “qualità” di
istruzione? O alle diverse posizioni interne ai gruppi
occupazionali?
Minor “costo” di ricerca e attesa della “buona occupazione”.
Ruolo dei social networks (anche solo come migliori
informazioni) in accesso e dinamica di carriera (path
dependency di questa).
Lavoro autonomo e/o trasmissione “informale” di capitale
umano.
Rilevanza di soft skills dipendenti dal background.
38
La diseguaglianza
intra-generazionale






Quanto individui e famiglie sono “mobili” nel
tempo?
Qual è la prospettiva temporale della nostra
indagine?
E’ vero che maggiore diseguaglianza corrente
induce maggiore mobilità? Quindi minori ineq
permanenti di lungo periodo e più accettabilità
sociale?
Esiste un trade-off fra diseguaglianza e mobilità?
Ci sono non linearità nella mobilità individuale?
Quanto grandi sono le componenti permanente e
transitorie dei salari individuali?
39
Le misure





Analisi in 2 punti nel tempo o valutando l’intera
traiettoria.
Distinzione fra diseguaglianza intragenerazionale
e volatilità dei salari => componente
permanente: media individuale nel campione,
transitoria deviazione dalla media individuale.
Shorrocks esprimibile anche come rapporto fra
ineq permanente e totale.
R di Shorrocks (sulla differenza fra ineq annua e
di long run) e M, basato sulla matrice di mobilità
in 2 punti.
Indice di Fields-OK scomponibile in spostamenti
40
fra individui e crescita econonica.
La scomposizione dell’indice di
Fields e OK (1999)
1
𝑚 𝑥, 𝑦 = 𝑐
𝑛
𝑁
|𝑙𝑜𝑔𝑦𝑖 − 𝑙𝑜𝑔𝑥𝑖 |
𝑖=1
Non distingue fra movimenti crescenti e decrescenti => fra incrementi o
riduzioni di benessere individuale.
Una misura direzionale – prendendo c=1 – da la media delle variazioni dei
redditi individuali.
𝑑𝑛 𝑥, 𝑦 =𝑐
1
𝑛
𝑁
𝑖=1(𝑙𝑜𝑔𝑦𝑖
− 𝑙𝑜𝑔𝑥𝑖 )
Un valore positivo indica che il movimento dei redditi ha accresciuto il
benessere totale => si può scomporre l’indice nella quota % di mobilità
associata a crescita o a variazione di posizioni relative.
𝑚𝑛 𝑥, 𝑦 =
1
𝑛
𝑁
𝑖=1(𝑙𝑜𝑔𝑦𝑖
− 𝑙𝑜𝑔𝑥𝑖 ) +
2
𝑛
𝑖𝜀𝐿 (𝑙𝑜𝑔𝑦𝑖
− 𝑙𝑜𝑔𝑥𝑖 )
Il primo termine coglie la crescita di benessere medio legato alla crescita, la
seconda il trasferimento da chi perde a chi guadagna.
41
I risultati della letteratura (1)



1.
2.
Analisi su diverse dimensioni reddituali.
Utilizzo di dati panel (da valutare anche la loro
robustezza in cross section).
Domande di ricerca:
E’ vero che maggiore diseguaglianza corrente è
associata a maggiore mobilità (minore ineq
permanente)? Tentativo di giustificare ineq in USA.
Ma su ogni variabile utilizzata, non si mostra
nessuna relazione stabile fra ineq e mobilità, sia per
USA che EU.
Di quanto si riduce ineq quando si considerano più
periodi? Caduta (non enorme) e almeno 2/3 della
caduta avvengono presto (nei primi 5 anni di
42
osservazione).
I risultati della letteratura (2)
3.
4.
5.
6.
La variazione nel tempo di ineq dipende
dalla grandezza osservata: ineq su earnings
si riduce di 1/4, su redditi di mercato
equivalenti di 1/3, disponibili di 1/10.
Il 60-90% della ineq corrente è persistente.
Coerente con l’evidenza empirica di poca
mobilità individuale fra gli estremi.
Crescita di ineq nelle ultime decadi con
mobilità sostanzialmente invariata.
43
I risultati della letteratura (3)
7.
8.
9.
La mobilità aumenta il benessere di tutti?
Scomposizione per vedere come si distribuisce la
crescita: studi per gli US mostrano che si è ridotto
il benessere dei più poveri o addirittura che c’è
stata una riduzione del benessere medio.
La crescita della diseguaglianza dei salari è legata
a variazioni permanenti o transitorie? Aumenta la
transitoria, ma non c’è evidenza certa. Dipende da
quale modellizzazione del reddito individuale
considero e a quale grandezza mi riferisco (e.g. w
orario, annuo?).
Nessuno studio robusto lega l’andamento della
mobilità alla policy (anche in ottica comparata). 44