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