TECO 2013: un primo esame dei risultati∗
Franco Peracchi
Università di Roma “Tor Vergata”
4 marzo 2014
∗
Versione provvisoria, si prega di non citare. Ringrazio Daniele Checchi e soprattutto Fiorella Kostoris per le utili
discussioni, e Alessio Ancaiani, Alberto Ciolfi e Irene Mazzotta per lo sforzo nel fornirmi le basi dati nel formato
richiesto. I dati utilizzati in questo rapprto, i programmi e le elaborazioni prodotte sono disponibili su richiesta
all’ANVUR. Questo rapporto esprime le opinioni dell’autore e non rappresenta il punto di vista dell’ANVUR.
Abstract
Questo rapporto presenta un primo esame della mole di informazione raccolta in occasione della
sperimentazione del Test sulle Competenze (TECO), un test nazionale che intende rilevare le
competenze effettive di carattere generalista dei laureandi italiani. Le sperimentazione è stata
condotta nel corso del 2013 in 12 Atenei, quattro per ciascuna delle tre grandi aree territoriali
del Paese, e ha riguardato quasi 22 mila laureandi delle lauree triennali e a ciclo unico, di cui
poco più di 9 mila si sono iscritti al test e circa 5.800 lo hanno effettivamente sostenuto tra il
maggio e il luglio 2013.
L’analisi dei dati del TECO mostra l’esistenza di una relazione sistematica e statisticamente
significativa tra i punteggi nel test e una serie di caratteristiche osservate degli studenti partecipanti quali l’età, il genere, l’anzianità dal diploma, il voto di diploma, la media dei voti nel
corso di laurea, la lingua parlata a casa e la cittadinanza.
Le caratteristiche osservate degli studenti partecipanti contribuiscono però solo in piccola
parte a spiegare la variabilità riscontrata nei punteggi e lasciano un ampio margine residuale che
è da ricondurre da un lato a caratteristiche inosservate degli studenti, dall’altro a caratteristiche
inosservate del corso di laurea e dell’Ateneo di appartenza degli studenti. Dalla stima degli
effetti complessivi delle caratteristiche inosservate dei gruppi di lauree e degli Atenei, emerge una
duplice distinzione: da un lato tra gruppi di lauree scientifiche e gruppi di lauree umanistiche,
dall’altro tra Atenei del Centro-Nord e Atenei del Sud-Isole. Il punteggio medio di studenti
con identiche caratteristiche osservate è infatti più alto per i gruppi di lauree scientifiche e per
gli Atenei del Centro-Nord (esclusi quelli dell’area romana), e più basso per i gruppi di lauree
umanistiche e per gli Atenei del Sud-Isole.
In assenza di autoselezione degli studenti, gli effetti stimati potrebbero essere interpretati
come una misura della qualità intrinseca di un gruppo di lauree o di un Ateneo. In realtà, una
loro interpretazione in questo senso è resa difficile dal fatto che solo una frazione degli idonei
(in alcuni casi una piccola frazione) si è effettivamente presentata a sostenere il test e che i tassi
di partecipazione si differenziano notevolmente per gruppo di lauree e per Ateneo, e variano
al variare delle caratteristiche degli studenti. Gli effetti stimati potrebbero quindi riflettere,
almeno in parte, l’autoselezione dei partecipanti al test.
Poiché l’evidenza disponibile sembra indicare che l’autoselezione tenda ad eliminare soprattutto gli studenti peggiori (autoselezione positiva), una parte dell’effetto fisso sarebbe quindi da
attribuire alla maggiore qualità media degli studenti partecipanti al TECO nei gruppi di laurea
o negli Atenei caratterizzati da un minore tasso di partecipazione al test.
Contents
1 Introduzione
2 Il TECO
2.1 Struttura del test . . . .
2.2 Requisiti di ammissione
2.3 Modalità di svolgimento
2.4 Valutazione del test . .
1
.
.
.
.
1
2
3
4
4
3 Caratteristiche degli studenti idonei
3.1 Informazione disponibile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Statistiche descrittive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
5
7
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Caratteristiche degli idonei preiscritti
11
4.1 Informazione disponibile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Statistiche descrittive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.3 Probabilità di preiscrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5 Caratteristiche dei partecipanti
5.1 Informazione disponibile . . . . . . . . . . . .
5.2 Statistiche descrittive . . . . . . . . . . . . .
5.3 Probabilità di partecipazione . . . . . . . . .
5.4 Confronto tra idonei, preiscritti e partecipanti
6 Risultati del test
6.1 Statistiche descrittive . .
6.2 Analisi di regressione . . .
6.3 Problemi di autoselezione
6.4 Regressione quantilica . .
7 Conclusioni
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
16
16
16
18
19
.
.
.
.
20
20
23
28
30
32
1
Introduzione
Il Test sulle Competenze (TECO) è un test nazionale sviluppato dal Council for Aid to Education
(CAE) per conto dell’Agenzia Nazionale di Valutazione del Sistema Universitario e della Ricerca
(ANVUR). Il suo scopo è quello di rilevare le competenze effettive di carattere generalista dei laureandi italiani, in particolare le loro capacità di individuare le incoerenze logiche in un ragionamento,
di analizzare e risolvere problemi mai affrontati in precedenza, e di comunicare efficacemente il
proprio pensiero per iscritto.
La prima sperimentazione del test è stata condotta nel corso del 2013 in 12 Atenei italiani,
quattro per ciascuna delle tre grandi aree territoriali del Paese (Nord, Centro, e Sud-Isole), e ha
riguardato quasi 22 mila laureandi delle lauree triennali e a ciclo unico, cioè gli studenti del terzo e
quarto anno delle lauree triennali e a ciclo unico in regola con i crediti formativi universitari (CFU)
di base e caratterizzanti, di cui poco più di 9 mila si sono iscritti al test, e poco meno di 6 mila lo
hanno effettivamente sostenuto tra il maggio e il luglio 2013.
Questo rapporto presenta un primo esame della mole di informazione raccolta in occasione della
sperimentazione del test.
Il rapporto è organizzato come segue. La sezione 2 descrive brevemente il test. La sezione 3
descrive le principali caratteristiche degli studenti idonei al test. La sezione 4 descrive le principali
caratteristiche degli studenti idonei che si sono preiscritti al test. La sezione 5 descrive le principali
caratteristiche degli studenti idonei che hanno partecipato al test. La sezione 6 presenta un’analisi
dei risultati del test. Infine, la sezione 7 riassume e conclude.
2
Il TECO
Questa sezione si limita a offrire una breve descrizione del TECO, rinviando a Kostoris Padoa
Schioppa (2012) per le motivazioni del test e al rapporto ANVUR (ANVUR 2014) per le principali
caratteristiche degli Atenei partecipanti e per maggiori dettagli sul test.
Il test è un’adattamento all’Italia della versione più recente del Collegiate Learning Assessment
(CLA), un test inizialmente sviluppato dal CAE per le università americane. Il test mira a valutare
le effettive capacità degli studenti in materia di ragionamento analitico, soluzione di problemi e
comunicazione scritta, indipendentemente dai loro percorsi accademici. Tali competenze non solo
sono necessarie per il successo negli studi universitari, ma sono importanti anche per il successo nel
1
lavoro e in altri aspetti della vita extrauniversitaria. Per rispondere bene al test non sono necessarie
conoscenze specifiche in alcun ramo particolare.
La prima sperimentazione del TECO è stata condotta nel corso del 2013 in 12 Atenei italiani
slezionati dall’ANVUR tra i 30 che si erano autoproposti. Gli Atenei selezionati per la sperimentazione, quattro per ciascuna delle tre grandi aree territoriali del Paese (Nord, Centro, e Sud-Isole),
sono: Milano, Padova, Piemonte Orientale e Udine per il Nord; Bologna, Firenze, Roma “La
Sapienza” e Roma “Tor Vergata” per il Centro; e Cagliari, Messina, Napoli “Federico II” e Salento
per il Sud-Isole. Se si escludono La Sapienza e Tor Vergata, entrambi nel Lazio, gli altri 10 Atenei
si trovano ciascuno in una regione diversa.
Per ciascun Ateneo partecipante, l’ANVUR ha raccolto una notevole mole di informazione
riguardante gli studenti e i laureandi (numero di studenti a tempo pieno e a tempo parziale, numero
di studenti italiani e non, tasso di laurea, tasso di abbandono, quota di studenti lavoratori, quota
di studenti fuori corso, tempo medio per il conseguimento del titolo, ecc.), l’offerta didattica (corsi
di laurea offerti in lingua italiana e non, numero di insegnamenti offerti in lingua italiana e non,
ecc.), il personale docente (numero di docenti a tempo pieno e a tempo parziale, numero di docenti
italiani e stranieri, composizione dei docenti per area scientifica, età, nazionalità, ecc.), la qualità
della sua ricerca, misurata dalla Valutazione della Qualità della Ricerca (VQR) 2004–2010, il grado
di eccellenza scientifica dei singoli docenti valutati per l’Abilitazione Scientifica Nazionale (ASN), e
un insieme di variabili ambientali (tasso di occupazione per classe di età, tasso di crescita del PIL
regionale, ecc.).
2.1
Struttura del test
Il CAE ha predisposto la versione in lingua inglese del test e un gruppo internazionale di esperti
ne ha curato la traduzione e l’adattamento al caso italiano. Rispetto alla versione per il mondo
universitario americano, quella italiana contiene meno domande e richiede meno tempo per essere
completata. Il test è anonimo, si svolge interamente on-line in ambiente sorvegliato, e consiste di
due moduli somministrati separatamente: il modulo PT (Performance Task o Prova di Prestazione)
e il modulo SRQ (Selected Response-Questions o Prova a Risposta Multipla).
Il modulo PT mira a valutare le competenze dei laureandi in materia di pensiero critico e
comunicazione scritta. Questo modulo consiste di una domanda aperta a cui è allegato un fascicolo
documentale e richiede di articolare una risposta scritta che viene valutata indipendentemente
da due esaminatori (scorer) diversi con riferimento a tre ambiti distinti: analisi e soluzione dei
2
problemi (Analysis and Problem Solving o APS), efficacia di scrittura (Writing Effectiveness o
WE), e tecnica di scrittura (Writing Mechanics o WM). Il primo ambito riguarda la capacità dello
studente di prendere in considerazione e soppesare informazioni di varia provenienza per trarre una
decisione o conclusione logica e corroborarla con un esame coerente delle informazioni fornite. Il
secondo ambito riguarda la capacità dello studente di presentare per iscritto argomentazioni logiche
e coerenti. Il terzo ambito riguarda la dimestichezza dello studente con le regole basilari dell’italiano
e il suo controllo della lingua. Ciascun ambito riceve un punteggio da 0 a 6. Il punteggio minimo
nel modulo PT è quindi 0, quello massimo 18. Per assicurare coerenza dei punteggi attribuiti da
esaminatori diversi è stato predisposto un apposito manuale per l’attribuzione dei punteggi.
Il modulo SRQ consiste di 20 domande (items) a risposta multipla, ciascuna con 4 risposte
possibili, ed è più corto del corrispondente modulo nella versione americana che contiene invece 25
domande. Ciascuna domanda riceve punteggio 0 se la risposta è errata o mancante, punteggio 1 se la
risposta è corretta. Il punteggio minimo nel modulo SRQ è quindi 0, quello massimo 20. Il modulo
è suddiviso in tre parti che intendono misurare tre diversi aspetti delle competenze generaliste:
la parte CRE (Critical Reading) consiste di 8 domande e intende misurare la capacità di lettura
critica, la parte CA (Critique an Argument) consiste di 5 domande e intende misurare la capacità
di criticare un ragionamento, mentre la parte SRQ (Scientific and Quantitative Reasoning) consiste
di 7 domande e intende misurare la capacità di ragionamento scientifico e quantitativo.
Il TECO ha una durata complessiva di 90 minuti, di cui 60 per il modulo PT e 30 per il modulo
SRQ.
2.2
Requisiti di ammissione
Gli studenti idonei (ammissibili) al TECO sono, al netto di quelli iscritti ai corsi di laurea delle
professioni sanitarie (infermieristica, ostetricia, ecc.):
• per i corsi di laurea triennale, gli iscritti al terzo anno in possesso (all’1/4/2013) di tutti
i crediti formativi universitari (CFU) di base e caratterizzanti del loro corso di studio, ad
eccezione di quelli offerti nel secondo semestre 2013, e gli iscritti al quarto anno (primo fuori
corso) in possesso (all’1/4/2013) di tutti i CFU di base e caratterizzanti del loro corso di
studio;
• per i corsi di laurea a ciclo unico, gli iscritti al terzo o quarto anno (all’1/4/2013), che abbiano
superato almeno 120 CFU di base e caratterizzanti previsti dal loro corso di studio.
3
Gli studenti che hanno sostenuto il test ricevono un attestato di partecipazione, redatto secondo
uno schema concordato tra gli Atenei. Gli studenti possono inoltre ottenere dall’ANVUR, su
richiesta individuale, un certificato con l’esito della prova. Non sono previste altre forme di incentivo
alla partecipazione.
2.3
Modalità di svolgimento
Il test si è svolto tra il maggio e il luglio 2013, nel periodo compreso tra la fine dei corsi e l’inizio
delle sessioni di laurea. Il vantaggio di questa scelta è che lo svolgimento del test non interferisce
con l’attività didattica. Lo svantaggio è che il periodo di svolgimento del test corrisponde con quello
di preparazione degli esami durante il quale la presenza in Ateneo tende ad essere ridotta, specie
nel caso degli studenti fuori-sede.
Le date, gli orari e il numero delle sessioni TECO differiscono da un Ateneo all’altro. Per
esempio, a Bologna le sessioni del test si sono tenute tra il 15 e il 26 maggio, alla Sapienza tra il 20
maggio e il 20 giugno 2013.
Sebbene le date e gli orari di svolgimento del test, e le modalità adottate per favorire la preiscrizione e la partecipazione al test, non abbiano alcun effetto sulle caratteristiche degli studenti
idonei, esse potrebbero però aver influenzato le caratteristiche degli studenti preiscritti e di quelli
effettivamente partecipanti al test.
2.4
Valutazione del test
Le procedure di correzione e valutazione (scoring) dei test svolti dagli studenti sono le seguenti:
• l’ANVUR ha proceduto a individuare due country lead scorer,
• il CAE ha addestrato i due country lead scorer attraverso una serie di sessioni svoltesi tra
aprile e giugno 2013 sia on-line sia on-site a Roma,
• ciascun Ateneo partecipante ha individuato un suo lead scorer,
• i 12 lead scorer sono stati addestrati dal CAE a Roma e hanno a loro volta addestrato tutti
i valutatori (scorer) selezionati dagli Atenei partecipanti (circa 110 in totale),
• la valutazione delle risposte aperte dei test è stata effettuata dai valutatori italiani con un
metodo double-blind, mentre il CAE ha proceduto alla correzione delle risposte chiuse dei test
ricevute in forma anonima.
4
Un campione causale pari al 20% delle risposte aperte è stato successivamente corretto da un
gruppo di esperti dll’Istituto Nazionale per la Valutazione del Sistema Educativo di Istruzione
e di Formazione (INVALSI) che ha riscontrato una sostanzialemnte correttezza delle valutazioni
rinvenendo solo tre outliers tra i 110 scorer selezionati.
Il punteggio di uno studente nel modulo PT è la somma delle valutazioni separate nei tre
diversi ambiti: APS (Analysis and Problem Solving), WE (Writing Effectiveness), e WM (Writing
Mechanics). Il punteggio dello studente nel modulo SRQ è invece la somma del numero di risposte
esatte nelle sue tre parti: CA (Critique an Argument), CRE (Critical Reading) e SRQ (Scientific and
Quantitative Reasoning). Il punteggio totale dello studente è infine calcolato come media aritmetica
di opportune trasformazioni lineari dei punteggi nei moduli PT e SRQ (vedi sezione 6.1).
3
Caratteristiche degli studenti idonei
Dopo una breve discussione delle modalità di svolgimento del test, questa sezione esamina le principali caratteristiche degli studenti idonei al TECO.
Ricordiamo che gli studenti idonei sono, al netto di quelli iscritti ai corsi di laurea delle professioni sanitarie:
• per i corsi di laurea triennale, gli iscritti al terzo anno in possesso (all’1/4/2013) di tutti i CFU
di base e caratterizzanti del proprio corso di studio, ad eccezione di quelli offerti nel secondo
semestre 2013, e gli iscritti al quarto anno (primo fuori corso) in possesso (all’1/4/2013) di
tutti i CFU di base e caratterizzanti del loro corso di studio;
• per i corsi di laurea a ciclo unico, gli iscritti al terzo o quarto anno che (all’1/4/2013) abbiano
superato almeno 120 CFU di base e caratterizzanti previsti dal loro corso di studio.
Complessivamente, gli studenti idonei al TECO nei 12 Atenei sottoposti alla sperimentazione sono
risultati essere 21.872, a fronte di circa 86 mila studenti non idonei del terzo e quarto anno (al netto
degli iscritti ai corsi di laurea delle professioni sanitarie).
3.1
Informazione disponibile
L’informazione trasmessa dagli Atenei circa gli studenti idonei comprende il nome e cognome, la
data e il comune di nascita, il genere, la cittadinanza, l’Ateneo, il corso e la classe di laurea di
appartenenza, e il comune di residenza alla prima immatricolazione.
5
Data la numerosità dei corsi di laurea esistenti, e la variabilità delle loro denominazioni, ho
ritenuto opportuno adottare la classe di laurea come unità di osservazione poiché questo consente la comparabilità inter-ateneo delle analisi. Le 64 classi di laurea ministeriali sono tuttavia
ancora troppe. Con l’aiuto di Fiorella Kostoris, le ho quindi ricondotte a una classificazione in
25 gruppi di lauree: Agro-alimentare, Architettura, Arte, Beni culturali, Biologia, Chimica, Comunicazione, Economia, Farmacia, Filosofia, Formazione, Geografia, Giurisprudenza, Ingegneria,
Lettere, Lingue, Matematica, Fisica e Statistica (MatFisStat), Medicina, Odontoiatria, Politico,
Psicologia, Sociale, Storia, Territorio e Veterinaria.
In alcuni casi, ho anche fatto ricorso alla classificazione MIUR in 4 macro-aree disciplinari: la
macro-area Sanitaria (comprendente i gruppi di lauree Farmacia, Medicina, Odontoiatria e Veterinaria), la macro-area Scientifica (comprendente i gruppi di lauree Agro-alimentare, Architettura,
Biologia, Chimica, Ingegneria, Matematica Fisica e Statistica, Territorio, e alcune lauree del gruppo
Beni culturali), la macro-area Sociale (comprendente i gruppi di lauree Comunicazione, Economia,
Formazione, Geografia, Giurisprudenza, Politico, Psicologia e Sociale), e la macro-area Umanistica
(comprendente i gruppi di lauree Arte, Filosofia, Formazione, Geografia, Lettere, Lingue, Storia, e
gran parte delle lauree del gruppo Beni culturali). Questa classificazione ha però lo svantaggio di
essere eccessivamente aggregata, con un elevato grado di eterogeneità all’interno di ciascuna area, e
di includere lauree dello stesso gruppo in macro-aree diverse. Per esempio alcune lauree del gruppo
Beni culturali sono incluse nella macro-area Scientifica e altre in quella Umanistica, mentre alcune
lauree dei gruppi Geografia e Formazione sono incluse nella macro-area Sociale e altre in quella
Umanistica.
È stato inoltre possibile ottenere informazioni relative all’anno e al voto di diploma di scuola
media superiore, al tipo di istituto frequentata e alla provincia sede dell’istituto, e alla condizione di
studente lavoratore. Tali informazioni sono ricavate dall’Anagrafe nazionale degli Studenti (ANS),
gestita dal CINECA sulla base dei dati trasmessi dagli Atenei. L’anno accademico di riferimento
considerato è il 2011/2012, con l’anno solare 2012 per le analisi inerenti i crediti ottenuti o comunque
per tutte le situazioni correlate allo svolgimento della carriera universitaria. È importante notare che
l’attendibilità di questi dati dipende dalla correttezza dei dati trasmessi dai singoli Atenei. Occorre
inoltre notare che alcune delle informazioni raccolte attraverso l’ANS potrebbero in realtà essere
fornite direttamente dagli Atenei in fase di invio dei dati relativi agli studenti idonei. Le informazioni
relative agli studenti non idonei potrebbero anch’esse essere trasmesse attraverso la piattaforma
dedicata agli Atenei secondo uno standard concordato, in modo da disporre di informazioni “certe”
6
a una precisa data. In una eventuale nuova edizione del TECO, potrebbe quindi essere opportuno
definire anticipatamente uno standard completo per facilitare le operazioni di raccolta dati, sia per
gli studenti idonei che per quelli non idonei.
3.2
Statistiche descrittive
La tabella 1 mostra il numero di idonei per Ateneo e genere. Oltre un quarto degli idonei (5.808)
risulta iscritto alla Sapienza, tra 2 e 3 mila ciascuno a Bologna (2.645), Firenze (2.457), Milano
(2.574), Napoli (2.976) e Padova (1.918), poco più di mille a Tor Vergata (1.080), e intorno ai 500
ciascuno negli altri cinque Atenei (Cagliari, Salento, Messina, Piemonte Orientale e Udine). Le
femmine sono 13.468 e rappresentano mediamente oltre il 60% degli idonei (61,6%). La percentuale
di femmine varia però molto tra gli Atenei, con un minimo del 52,7% per Tor Vergata e un massimo
di circa il 70% per Salento (69,4%) e Piemonte Orientale (70.0%).
La tabella 2 mostra il numero di idonei per gruppo di lauree e genere. Oltre il 60% degli idonei
si concentra in otto gruppi di lauree: Giurisprudenza (19,8%), Medicina (9,6%), Economia (6,2%),
Ingegneria (5,6%), Lingue (5,4%), Architettura (5,2%), Farmacia e Psicologia (entrambe con il
5,1% degli idonei). La distribuzione degli idonei tra i diversi gruppi di lauree si differenzia però in
modo significativo a seconda del genere degli studenti. La percentuale di idonei appartenenti alla
macro-area Scientifica è quasi doppia per i maschi (36,6%) rispetto alle femmine (19,4%), mentre la
percentuale di idonei nella macro-area Umanistica è più che doppia per le femmine (22,2%) rispetto
ai maschi (10,8%). Se si considera la disaggregazione per gruppo di lauree, il numero di femmine
è 24 volte quello dei maschi nel gruppo Formazione (414 contro 17), quasi cinque volte nel gruppo
Psicologia (922 contro 186) e nel gruppo Sociale (306 contro 62), oltre quattro volte nel gruppo
Beni culturali (419 contro 104), e oltre tre volte nel gruppo Lettere (517 contro 164). Al contrario,
il numero di maschi è due volte e mezzo quello delle femmine nel gruppo Ingegneria (873 contro
346) e oltre due volte nel gruppo Matematica Fisica (578 contro 251).
La distribuzione degli idonei tra i diversi gruppi di lauree si differenzia inoltre a seconda dell’area
territoriale dell’Ateneo (tabella 3). La percentuale di idonei appartenenti alla macro-area Sanitaria
è infatti relativamente più elevata nel Nord (22,8%), quella di idonei appartenenti alle macro-aree
Scientifica e Umanistica è relativamente più elevata nel Centro (31,6 e 19,0% rispettivamente), e
quella degli idonei appartenenti alla macro-area Sociale è relativamente più elevata nel Sud-Isole
(45,5%). Per quanto riguarda quest’ultima macro-area, le differenze tra le aree territoriali sono da
attribuire soprattutto al gruppo Giurisprudenza che rappresenta il 31,5% degli idonei nel Sud-Isole,
7
il 25,2% nel Nord e solo il 12,9% nel Centro (tabella 4).
La tabella 5 mostra, separatamente per Ateneo, l’età media degli idonei, la percentuale degli
idonei nati tra il 1988 e il 1991, e quella degli idonei nati tra il 1990 e il 1991. L’età media degli
idonei è di 23,6 anni, leggermente inferiore per le femmine (23,5 anni) rispetto ai maschi (23,9
anni). Questa elevata età media è il risultato del fatto che solo il 34,6% degli idonei ha meno di 23
anni, il 42,9% ha 23 anni, mentre il rimanente 22,5% ha più di 23 anni. Gli Atenei dove l’età media
degli idonei è maggiore sono Cagliari (24,8) e Piemonte Orientale (25,3 anni), quelli dove è minore
sono Napoli (23,1 anni) e Firenze (23,3 anni). La differenza tra l’età media degli idonei a Napoli
e Piemonte Orientale è quindi di oltre 2 anni. L’89,1% degli idonei è nato tra il 1988 e il 1991, e
il 75% ǹato tra il 1990 e il 1991. Queste percentuali variano anch’esse in misura significativa tra
gli Atenei. In particolare, la percentuale degli idonei nati tra il 1990 e il 1991 è superiore all’80%
per Salento (80,2%), Milano (80,6%) e Udine (83,3%), ed è inferiore al 70% per Messina (64,2%),
Cagliari (66,5%), Piemonte Orientale (68,6%) e La Sapienza (69,7%).
La tabella 6 mostra l’età media al conseguimento del diploma di scuola media superiore e
l’anzianità media dal diploma, misurata dalla differenza tra l’età al momento del test (pari alla
differenza tra 2013 e l’anno di nascita) e l’età al conseguimento del diploma (pari alla differenza tra
l’anno di conseguimento del diploma e l’anno di nascita). L’età media al conseguimento del diploma
è di 18,9 anni. Le differenze tra Atenei sono piccole, ad eccezione di Napoli dove l’età media al
conseguimento del diploma è straordinariamente bassa (solo 17.8 anni!). L’anzianità media dal
diploma è di ben 4,7 anni, in notevole contrasto con la durata nominale (3 anni) di gran parte dei
corsi di studio. L’elevata anzianità media dal diploma riflette il fatto che solo il 28,4% degli idonei
(6.178) ha conseguito il diploma meno di quattro anni prima, il 43,8% (9.544) lo ha conseguito
quattro anni prima, e il restante 27,8% più di quattro anni prima. Gli Atenei dove l’anzianità
media è maggiore sono Cagliari (5,6 anni) e Piemonte Orientale (5,9 anni), quelli dove è minore
sono Firenze e Udine (4.2 anni). L’anzianità media dal diploma è leggermente più elevata per i
maschi (4.9 anni) che per le femmine (4,6 anni), sebbene l’età media al conseguimento del diploma
sia sostanzialmente la stessa per maschi e femmine (19,9 anni).
La tabella 7 mostra il voto medio di diploma (espresso in centesimi) per Ateneo e genere. Per
calcolare il voto medio, ho convertito il punteggio di 100 e lode in 110/100. Il voto medio è pari
a 82,1, ed è più alto per le femmine (82,8) che per i maschi (80,9). Il voto medio è sensibilmente superiore alla media per i gruppi Odontoiatria (85,0), Ingegneria (85,4) e Medicina (88,7),
e sensibilmente inferiore alla media per i gruppi Arte (75,3), Comunicazione (76,8) e Formazione
8
(77,2).
La tabella 8 mostra il voto medio di diploma per Ateneo e genere. Colpisce il voto sensibilmente
inferiore alla media per La Sapienza (75,6), e quello molto superiore alla media per tutti gli Atenei
del Sud-Isole (86,2 per Cagliari, 86,4 per Salento, 86,6 per Napoli, e addirittura 87,2 per Messina).
La tabella 9 mostra, per ciascun Ateneo, la distribuzione degli idonei per tipo di diploma e
genere. Ho riclassificato i tipi di scuola media superiore in 6 categorie: istituto professionale, istituto tecnico, liceo classico, liceo scientifico, altro liceo, e altro istituto (quest’ultimo un insieme
eterogeno che comprende una varietà di istituti, quali conservatoro di musica, istituto d’arte e
scuola magistrale). Complessivamente, due terzi degli idonei proviene dal liceo scientifico o classico
(il 40,4% dal liceo scientifico e il 25,7% dal liceo classico), il 13,9% da un istituto tecnico o professionale, l’8,1% da un altro liceo, il 6,1% da un altro istituto, mentre per il 5,7% non si conosce il
tipo di diploma di scuola media superiore. Mentre tra i maschi è più comune la frequenza di un
istituto tecnico/professionale (18,9%) o del liceo scientifico (47,3%), tra le femmine è più comune
la frequenza del liceo classico (29,6%) o di un altro liceo (10,9%). In questi due tipi di liceo, e negli
altri istituti, la presenza femminile è predominante.
Come al solito, la distribuzione tra i vari tipi di diploma varia considerevolmente per gruppo di
lauree e per Ateneo. La tabella 10 mostra, per ciascun gruppo di lauree, la distribuzione degli idonei
per tipo di diploma. Come atteso, ciascun gruppo di lauree tende ad attrarre studenti provenienti
da tipi diversi di scuola media superiore. La maturità scientifica è molto più frequente nei gruppi
Matematica Fisica (56,2%), Odontoiatria (58,6%) e Ingegneria (66,3%), quella classica nei gruppi
Beni culturali (39,2%), Filosofia (41%), Giurisprudenza (42,6%) e Lettere (48,8%), quella da un
altro liceo nei gruppi Sociale (19%), Lingue (19,3%) e Formazione (37,1%), mentre un diploma di
istituto tecnico o professionale è molto più frequente nei gruppi Economia (31.2%), Agro-alimentare
(41,3%) e Geografia (45,6%).
La tabella 11 mostra, per ciascun Ateneo, la distribuzione degli idonei per tipo di diploma. Gli
Atenei dove la percentuale di studenti provenienti dal liceo scientifico è maggiore sono Bologna
(45,9%) e Tor Vergata (47%), quelli dove è minore sono Salento (28,8%) e Piemonte Orientale
(32,4%). Gli Atenei dove la percentuale di studenti provenienti dal liceo classico è maggiore sono
Messina (31,6%) e Napoli (32,5%), quelli dove è minore sono Udine (13%) e Piemonte Orientale
(16,8%). Infine, gli Atenei dove maggiore è la percentuale di studenti provenienti da un istituto
tecnico o professionale sono Udine (27,5%) e Piemonte Orientale (27,9%), quelli dove è minore sono
9
La Sapienza (8,8%) e Napoli (10,9%).
La tabella 12 mostra la distribuzione degli idonei secondo la distanza tra il comune di residenza
alla prima immatricolazione e quello sede dell’Ateneo di appartenenza. Ho classificato gli idonei
in quattro categorie: comune di residenza uguale a quello dell’Ateneo di appartenenza, comune
di residenza diverso da quello dell’Ateneo ma stessa provincia, provincia di residenza diversa da
quella dell’Ateneo ma stessa regione, e regione di residenza diversa da quella dell’Ateneo. Questa
classificazione ha il vantaggio di basarsi su dati amministrativi, meno soggetti ad errore delle risposte
individuali, e di essere disponibile per tutti gli studenti, anche quelli che non si sono preiscritti al
test. In media, il 27,4% degli idonei risiede nello stesso comune dell’Ateneo (dist0), il 24,4% nella
stessa provincia ma non nello stesso comune (dist1), il 29,3% nella stessa regione ma non nella
stessa provincia (dist2), e solo il 18,9% al di fuori della regione sede dell’Ateneo (dist3). Il peso
relativo delle quattro categorie varia però notevolmente tra gli Atenei. Padova e Bologna sono quelli
con il maggior bacino extra-provinciale, dove cioè più elevata è la frazione di studenti residenti fuori
provincia o addirittura fuori regione (69,9% e 71,8% rispettivamente), mentre Cagliari e Napoli sono
quelli con il minor bacino extra-provinciale (22,8% e 25,6% rispettivamente).
La tabella 13 mostra la frazione degli idonei che a casa non parla l’italiano, separatamente per
Ateneo e genere. Tale frazione è pari al 3,1% ed è quindi molto bassa. Essa è leggermente più
bassa per le femmine (2,9%) che per i maschi (3,3%), e mostra comunque una certa variabilità tra
gli Atenei, con minimi dell’1,4% per Bologna e dell’1,6% per Cagliari, e massimi del 5,1% per La
Sapienza e del 6,7% per Udine.
La tabella 14 mostra la distribuzione degli idonei per Ateneo e tipo di partecipazione al TECO,
e cioè non preiscritto e che quindi non ha partecipato (N), preiscritto ma che non è venuto (PRN),
preiscritto che è venuto e il cui test è valido(PRV), e preiscritto che è venuto ma il cui test è stato
annullato poiché il voto nel modulo PT è stato inferiore a 3 (PRVA). Il 58,1% degli idonei non si
è preiscritto, il 15% si è iscritto ma non è venuto al test, il 26,8% si è preiscritto ed è venuto al
test, e lo 0,2% è venuto ma ha avuto il test annullato. Di nuovo, le differenze tra gruppi di lauree
sono notevoli. I gruppi di lauree dove è minore la percentuale di non preiscritti sono MatFisStat
(36,9%), Ingegneria (43,4%) e Chimica (43,5%), quelli dove è maggiore sono Lingue (65,6%) e
Giurisprudenza (67,9%).
La tabella 15 mostra la distribuzione degli idonei per gruppo di lauree e tipo di partecipazione al
TECO. Gli Atenei dove è minore la percentuale di non preiscritti sono Piemonte Orientale (25,1%)
10
e Udine (29%), quelli dove è maggiore sono Tor Vergata (71,2%) e Bologna (80,7%). Si noti che il
campo di variabilità tra Atenei (pari a circa 55 punti percentuali) è molto maggiore di quello tra
gruppi di lauree (pari a 31 punti percentuali).
4
Caratteristiche degli idonei preiscritti
Questa sezione descrive le principali caratteristiche dei 9.170 studenti idonei che si sono preiscritti
al test. Ignorerò invece i 12.702 studenti idonei che non si sono preiscritti e quindi non hanno
partecipato al test, e i 213 studenti non idonei (non aventi diritto) ma appartementi al terzo e quarto
anno (al netto delle professioni sanitarie) che si sono preiscritti al test a causa della mancanza di un
filtro al momento della preiscrizione. Si noti che, per la stessa ragione, altri 5.524 studenti si sono
preiscritti senza nemmeno appartenere al terzo e quarto anno (al netto delle professioni sanitarie).
4.1
Informazione disponibile
In aggiunta all’informazione disponibile per gli idonei, quella fornita direttamente dagli studenti al
momento della preiscrizione comprende la lingua parlata in casa (se diversa dall’italiano), se fuori
sede (cioè con residenza anagrafica diversa da quella della didattica a una distanza superiore ai
20 km), il tempo medio (in minuti) impiegato giornalmente per raggiungere il luogo delle lezioni
partendo dal luogo di residenza abituale, se studente lavoratore (con impegno/impiego remunerato,
anche precario ma sistematico), la numerosità del nucleo familiare, il numero di fratelli all’università
o che svolgono studi superiori, l’attitudine allo spostamento (la risposta è “sı̀” se lo studente ha
effettuato più di due viaggi all’anno fuori regione o all’estero), il numero medio annuo di viaggi fuori
regione durante gli studi universitari, il numero medio annuo di viaggi all’estero durante gli studi
universitari, il numero di corsi di studio universitario frequentati e superati in lingua non italiana
in Italia, il numero di corsi di studio universitario frequentati e superati in lingua non italiana
all’estero, e il numero di periodi di studio passati all’estero superiori a due mesi per Erasmus o
altro programma di studio.
Purtroppo, parte di questa informazione non è disponibile per gli studenti di Bologna e Padova.
Inoltre, l’informazione circa alcune di queste variabili, in particolare il tempo medio impiegato
giornalmente per raggiungere il luogo delle lezioni, risulta essere talvolta di scarsa qualità, con
frazioni elevate di valori anomali, specialmente per alcuni Atenei, e non verrà quindi utilizzata.
Tramite l’ANS, per i preiscritti è stato infine possibile ottenere informazione relativa alla media
dei voti, al numero di esami sostenuti e al numero di CFU nel corso di studi universitario.
11
4.2
Statistiche descrittive
La tabella 16 mostra il numero di preiscritti e il tasso di preiscrizione (percentuale degli idonei
preiscritti sugli idonei) per gruppo di lauree. Complessivamente, i preiscritti rappresentano il
41,8% degli idonei, con differenze molto piccole tra femmine e maschi (41,6% contro 46,4%). I
tassi di preiscrizione variano però molto a seconda del gruppo di lauree, con minimi del 32.1% e
del 34,4% rispettivamente per i gruppi Giurisprudenza e Lingue, e massimi del 56,6% e del 63,1%
rispettivamente per i gruppi gruppi Ingegneria e MatFisStat.
La tabella 17 mostra invece il numero di preiscritti e il tasso di preiscrizione per Ateneo. La
variabilità del tasso di preiscrizione è molto maggiore tra Atenei che tra gruppi di lauree, con minimi
del 19,3% per Bologna e del 28,8% per Tor Vergata, e massimi del 71% per Udine e del 74,9% per
Piemonte Orientale.
La tabella 18 mostra la percentuale di preiscritti che lavora, separatamente per Ateneo e genere.
Occorre tenere conto che questa informazione è mancante per l’80,6% degli studenti di Bologna e
il 65,8% degli studenti di Padova. Tra i preiscritti per i quali l’informazione è disponibile, la
percentuale di studenti lavoratori è pari al 14,1%, ma risulta più elevata per le femmine (14,4%)
che per i maschi (13,6%). Vi sono poi notevoli differenze tra gli Atenei, con minimi dell’7,7% per
Messina e del 9,7% per Firenze, e un massimo del 23,3% per Milano.
La tabella 19 mostra la media dei voti (in trentesimi) dei preiscritti per macro-area disciplinare,
separatamente per genere. Le femmine tendono a presentare una media dei voti leggermente più
elevata rispetto ai maschi (26,7 contro 26,4). La tabella evidenzia anche una tendenza all’inflazione
dei voti (grade inflation) per la macro-area Umanistica dove la media dei voti è pari a 27,7 contro
una media di 26,4 per le altre tre macro-aree.
La tabella 20 mostra la media dei voti dei preiscritti per gruppo di lauree, separatamente per
genere. La differenza a favore delle femmine è più marcata per i gruppi Veterinaria (27,2 per le
femmine contro 26,6 per i maschi), Odontoiatria (28,2 per le femmine contro 27,4 per i maschi)
e Psicologia (26,8 per le femmine contro 25,8 per i maschi). È però vero l’opposto per il gruppo
MatFisStat (26.1 per le femmine contro 26.6 per i maschi) e il gruppo Lingue (26.9 per le femmine
contro 27.6 per i maschi). L’analisi separata per gruppo di lauree evidenzia come la tendenza
all’inflazione dei voti nella macro-area Umanistica sia largamente da attribuire ai gruppi Lettere
(28,0), storia (28,4) e Filosofia (28,7).
La tabella 21 mostra la media dei voti dei preiscritti per area territoriale dell’Ateneo, separata12
mente per genere. Sia per le femmine sia per i maschi, la media dei voti è più elevata nel Sud-Isole
(26,9) rispetto al Nord (26,5) e al Centro (26,6).
La tabella 22 mostra la media dei voti dei preiscritti per Ateneo, separatamente per genere.
La differenza a favore delle femmine è particolarmente marcata per Piemonte Orientale (26,3 per
le femmine contro 25,5 per i maschi) mentre si osserva l’opposto per Udine (25,9 per le femmine
contro 26,3 per i maschi).
4.3
Probabilità di preiscrizione
Per comprendere meglio quali fattori aiutino a spiegare le differenze osservate nel tasso di preiscrizione, ho proceduto a stimare modelli logit per la probabilità di preiscrizione tra gli idonei
utilizzando i micro-dati a livello individuale.
La mia specificazione di base include come covariate l’età dello studente, l’anzianità dal diploma
di scuola media superiore, il voto di diploma, e una serie di indicatori binari per il genere femminile
e il tipo di diploma (istituto tecnico o professionale, liceo classico, altro liceo, e altro istituto). Non
ho incluso l’indicatore per la lingua parlata perché gli idonei che a casa parlano una lingua diversa
dall’italiano risultano tutti preiscritti. Ho incluso invece indicatori binari per valori mancanti delle
variabili anzianità dal diploma, voto di diploma e tipo di diploma. Alcune di queste covariate (come
il genere e l’età) sono pure variabili demografiche il cui effetto sulla probabilità di preiscrizione non
è a priori chiaro. Altre (come il tipo di diploma, il voto di diploma e l’anzianità dal diploma)
catturano invece fattori connessi all’abilità dello studente e alla sua motivazione per gli studi universitari. L’intercetta (constant) della specificazione di base rappresenta il logaritmo del rapporto
tra la probabilità di preiscrizione e quella di non preiscrizione (log-odds di preiscrizione) per un idoneo “tipico”, cioè uno studente di 23 anni, maschio, con anzianità di 4 anni dal diploma, diploma
di maturità scientifica e voto di diploma pari a 80/100. Si noti che il log-odds di preiscrizione è
positivo se la probabilità di preiscrizione è maggiore del 50%, e negativo altrimenti.
Allo scopo di catturare il ruolo di fattori connessi al costo (reale o percepito) dell’iscrizione
al test, a queste covariate di base ho poi aggiunto, in una seconda specificazione, una serie di
indicatori per la distanza del comune di residenza dalla sede dell’Ateneo di appartenenza (comune
di residenza diverso da quello dell’Ateneo ma stessa provincia, provincia di residenza diversa da
quella dell’Ateneo ma stessa regione, e regione di residenza diversa da quella dell’Ateneo).
Infine, allo scopo di catturare il ruolo di fattori non misurabili specifici al gruppo di lauree o
all’Ateneo di apparteneza dello studente, a queste covariate di base ho ulteriormente aggiunto, in
13
due specificazioni successive, una serie di indicatori binari per il gruppo di lauree e l’Ateneo di
appartenenza. L’esperienza del precedente Assessment of Higher Education Learning Outcomes
(AHELO) ha infatti mostrato come il tasso di partecipazione al test dipenda largamente dalla
capacità dei responsabili delle sedi e dei corsi di studio di informare gli studenti, di far capire loro
i vantaggi del test e, magari, di entusiasmarli a un’esperienza “internazionale”.
La tabella 23 presenta i risultati delle stime di queste quattro specificazioni: la colonna iscr1
si riferisce alla specificazione che contiene solamente l’intercetta e le covariate di base (età dello
studente, anzianità dal diploma, voto di diploma, e una serie di indicatori binari per il genere e
il tipo di diploma), la colonna iscr2 si riferisce alla specificazione che aggiunge alle covariate di
base una serie di indicatori binari per la distanza del comune di residenza dalla sede dell’Ateneo,
la colonna iscr3 si riferisce alla specificazione che aggiunge alle covariate in iscr2 una serie di
indicatori binari per il gruppo a cui appartiene il corso di laurea dello studente (il gruppo di lauree
di riferimento è Giurisprudenza), e la colonna iscr3 si riferisce alla specificazione che aggiunge
alle covariate in iscr2 una serie di indicatori binari per l’Ateneo di appartenenza dello studente
(l’Ateneo di riferimento è La Sapienza). Il numero di asterischi a destra dei coefficienti stimati
ne misura la significatività statistica. In particolare, nessun asterisco indica un valore-p maggiore
di 0,10 (coefficiente non significativo al 10%), un asterisco indica un valore-p compreso tra 0,05 e
0,10 (coefficiente significativo al 10%), due asterischi indicano un valore-p compreso tra 0,01 e 0,05
(coefficiente significativo al 5%), e tre asterischi indicano un valore-p inferiore a 0,01 (coefficiente
significativo all’1%). Gli errori standard su cui si basa questo sistema di asterischi sono robusti in
presenza di eteroschedasticità di forma ignota. Le statistiche riportate nella parte inferiore della
tabella sono la numerosità campionaria (N), il numero di parametri del modello inclusa l’intercetta
(k), la log-verosimiglianza massimizzata (ll), la log-verosimiglianza massimizzata del modello senza
covariate (ll 0), lo pseudo R2 come misura della bontà dell’adattamento statistico (r2 p = 1
- ll/ll 0), la statistica del test χ2 per la significatività congiunta delle covariate (chi2), e il
Bayesian Information Criterion (bic) che tiene conto sia della bontà dell’adattamento statistico
sia della complessità (numero di parametri) del modello.
Nella specificazione di base (colonna iscr1), le probabilità di preiscrizione non sembrano dipendere in modo statisticamente significativo dal genere e dall’età dello studente, diminuiscono con
l’anzianità dal diploma e il voto di diploma, e sono più basse per studenti provenienti da istituti
tecnici/professionali, dal liceo classico e, in particolare, da altri licei o da altri istituti. La bontà
dell’adattamento ai dati di questa specificazione, misurata dallo pseudo R2 , è però molto bassa
14
(meno dell’1%). Essa migliora leggermente, ma rimane bassa, se si inseriscono nel modello una
serie di indicatori per la distanza dall’Ateneo (colonna iscr2).
La bontà dell’adattamento migliora invece sostanzialmente, con lo pseudo R2 che passa dallo
0,9 al 3,2%, quando si inseriscono nel modello gli indicatori per il gruppo di lauree (colonna iscr3).
I coefficienti associati a questi indicatori (o “effetti fissi”) forniscono una stima della differenza tra il
log-odds di preiscrizione per un dato gruppo di lauree e quello per il gruppo di lauree di riferimento
(cioè Giurisprudenza), tenendo fissi i valori di tutte le altre variabili utilizzate in questa specificazione. I risultati della stima di questa specificazione confermano come il gruppo Giurisprudenza
si caratterizzi per un più basso tasso di preiscrizione rispetto a tutti gli altri gruppi di lauree, e in
particolare rispetto a gruppi di lauree scientifiche come Chimica, Ingegneria e MatFisStat.
Inserendo nel modello gli indicatori di Ateneo (colonna iscr3), la bontà dell’adattamento
migliora nettamente, con lo pseudo R2 che passa dal 3,2% al 9,1%, a indicare il ruolo fondamentale
svolto da fattori non misurati specifici di ciascun Ateneo. Si noti anche che, con l’inserimento degli
effetti fissi di Ateneo, perde di significatività l’anzianità dal diploma, diventano significativi i coefficienti associati all’età e al genere femminile (rispettivamente negativi e positivi), e cambia segno
(da negativo a positivo) quello associato al voto di diploma. Gli effetti fissi di Ateneo forniscono
una stima della differenza tra il log-odds di preiscrizione per un dato Ateneo e quello per l’Ateneo
di riferimento (cioè La Sapienza), tenendo fissi i valori di tutte le altre variabili utilizzate in questa
specificazione. Il loro esame mostra che, a parità di tutte le altre condizioni, le probabilità di
preiscrizione sono significativamente più basse per Napoli, Tor Vergata e soprattutto Bologna, e
significativamente più alte per Udine e Piemonte Orientale, in linea con i risultati della tabella 17.
Le differenze tra Atenei nei tassi di preiscrizione sono quindi da attribuire solo in minima parte a
differenze nella composizione degli studenti per sesso, età, ecc., e solo in piccola parte a differenze
nel mix di corsi di laurea.
La conclusione generale che si può trarre da queste stime è che, sebbene alcune caratteristiche
individuali degli studenti (in particolare la media dei voti nel corso di laurea) aiutino a spiegare
le differenze nei tassi di preiscrizione, queste sono in gran parte da ricondurre a fattori specifici al
corso di laurea e, soprattutto, all’Ateneo di appartenenza dello studente.
15
5
Caratteristiche dei partecipanti
Questa sezione descrive le principali caratteristiche dei 5.898 studenti che sono effettivamente venuti
al test (partecipanti al test). Di questi, 5.853 hanno svolto il test, mentre 45 hanno avuto il test
annullaro avendo conseguito nel modulo PT un voto inferiore a 3. Tra i partecipanti al test ho
incluso 30 studenti non idonei che si sono preiscritti e che sono stati ammessi al test dai rispettivi
Atenei. Ignoro invece i 3.272 studenti idonei che si sono preiscritti al test ma che non si sono
presentati a sostenerlo.
5.1
Informazione disponibile
In aggiunta all’informazione disponibile per tutti gli idonei, quella fornita dai partecipanti al test
comprende il titolo di studio, la professione e il tipo di contratto di lavoro di entrambi i genitori,
se lo studente ha frequentato in modo regolare i corsi di base e caratterizzanti previsti nel corso
di studio, e se il suo corso di studi gli ha permesso di sviluppare competenze adeguate. Occorre
notare che, per gli studenti partecipanti al test che non lo hanno completato, queste variabili sono
comunque disponibili sebbene il test non risulti svolto.
5.2
Statistiche descrittive
La tabella 24 mostra il numero di partecipanti al test e il tasso di partecipazione tra gli idonei (percentuale dei partecipanti sugli idonei) e tra i preiscritti (percentuale dei partecipanti sui preiscritti)
separatamente per gruppo di lauree. Si noti che il tasso di partecipazione tra gli idonei è il prodotto
del tasso di preiscrizione (già analizzato nella sezione 4) e il tasso di partecipazione tra i preiscritti.
Distinguere tra queste due componenti può essere utile se si pensa che esse dipendano da fattori
diversi. A fronte di 21.872 idonei e 9.170 preiscritti, solo 5.898 studenti hanno partecipato al test.
Il tasso di partecipazione tra gli idonei è dunque pari al 27%, più elevato per i maschi (28,6%)
che per le femmine (25,9%). Oltre a essere molto basso, il tasso di partecipazione presenta anche
una notevole variabilità tra gruppi di lauree. Esso tende infatti a essere relativamente elevato per i
gruppi di laurea scientifici (con un massimo del 47,4% per il gruppo MatFisStat), molto basso per i
gruppi Arte (15,5%), Psicologia (17,4%), Odontoiatria (18%) e Medicina (18,9%), e piuttosto misto
per i gruppi della macro-area Sociale (si confronti per esempio il 20,3% del gruppo Giurisprudenza
con il 34,6% del gruppo Economia).
Il tasso di partecipazione tra i preiscritti è maggiore ed è pari al 64,3%. Anche in questo
caso esso è più elevato per i maschi (67,4%) che per le femmine (62,3%), e presenta una notevole
16
variabilità tra gruppi di lauree. Il confronto dei dati nella tabella 16 con quelli nella tabella 24 non
sembra indicare che bassi tassi di preiscrizione siano compensati da alti tassi di partecipazione tra
i preiscritti.
La tabella 25 mostra il numero di partecipanti al test e il tasso di partecipazione tra gli idonei
separatamente per Ateneo. Il tasso di partecipazione presenta una notevole variabilità tra Atenei,
con minimi del 13,9% e del 16,8% rispettivamente per Bologna e Tor Vergata, e massimi del 62,9%
e del 64,3% rispettivamente per Piemonte Orientale e Udine, gli unici due Atenei ad aver raggiunto
l’obiettivo iniziale di portare al test un numero di laureandi non inferiore alla metà degli idonei.
Il tasso di partecipazione tra i preiscritti è più elevato, con minimi del 49,2% per La Sapienza e
del 58,4% per Tor Vergata, e massimi dell’83,9% per Padova, del 84% per Piemonte Orientale e
addirittura del 90,6% per Udine. Di nuovo, il confronto dei dati nella tabella 17 con quelli nella
tabella 25 non sembra indicare che bassi tassi di preiscrizione siano compensati da alti tassi di
partecipazione tra i preiscritti.
La tabella 26 mostra la distribuzione del titolo di studio dei genitori, laddove disponible, separatamente per Ateneo. L’assenza di informazione circa il titolo di studio del padre o della madre
segnala in realtà la mancanza di questo genitore. Ho riclassificato i titoli di studio nelle seguenti
quattro categorie: licenza elementare o media (“Nessun diploma”), diploma di scuola media superiore (“Diploma”), laurea e post-laurea (corso di perfezionamento, diploma di specializzazione,
master, o dottorato). In generale, la percentuale con laurea o post-laurea è leggermente più elevata
tra i padri (31,1%) che tra le madri (30,4%). Essa è inoltre più elevata per gli Atenei del Centro e
del Sud-Isole che per quelli del Nord (per le madri: 33,1% nel Centro, 30,3% nel Sud-Isole e 26,3%
nel Nord, per i padri: 34,1% nel Centro, 30,8% nel Sud-Isole e 26,7% nel Nord).
La tabella 27 mostra la distribuzione secondo il diploma dello studente condizionatamente al
titolo di studio dei genitori, laddove disponibile. La tabella mostra chiaramente come la frazione
di studenti con diploma di maturità classica o scientifica cresca al crescere del titolo di studio della
madre e del padre, raggiungendo l’80% del totale tra gli studenti i cui genitori hanno un titolo
post-laurea.
La tabella 28 mostra la distribuzione secondo il diploma dello studente condizionatamente alla
professione dei genitori (dirigente, impiegato, operaio, altro). I risultati sono simili a quelli della
tabella 27, il che non sorprende data la forte associazione tra titolo di studio e professione.
17
5.3
Probabilità di partecipazione
Per comprendere quali fattori aiutino a spiegare le differenze osservate nei tassi di partecipazione,
ho proceduto a stimare una serie di modelli logit per la probabilità di partecipazione al test tra gli
idonei utilizzando i micro-dati a livello individuale.
Le covariate di base sono esattamente le stesse dei modelli logit per la probabilità di preiscrizione
nella sezione 4. Anche qui, alcune delle covariate di base sono pure variabili demografiche il cui
effetto non è a priori chiaro, mentre altre sono inserite per catturare fattori motivazionali e relazionali. L’intercetta (constant) della specificazione di base rappresenta il logaritmo del rapporto tra
la probabilità di partecipazione e quella di non partecipazione (log-odds di partecipazione) per un
idoneo “tipico”, cioè uno studente di 23 anni, maschio, con anzianità di 4 anni dal diploma, diploma
di maturits̀cientifica, voto di diploma pari a 80/100 e media dei voti nel corso di laurea pari a 26/30.
Si noti che il log-odds di partecipazione è positivo se la probabilità di partecipazione è maggiore
del 50%, e negativo altrimenti. Come nella sezione 4, ho poi considerato altre tre specificazioni
che aggiungono alle covariate di base una serie di indicatori binari per la distanza del comune di
residenza dalla sede dell’Ateneo, il gruppo di lauree e l’Ateneo di appartenenza dello studente, con
lo scopo di catturare il ruolo di fattori associati al costo della partecipazione al test e di fattori non
misurabili specifici al gruppo di lauree o all’Ateneo.
La tabella 29 presenta i risultati della stima di quattro diverse specificazioni per la probabilità
di partecipazione al test tra gli idonei. La prima specificazione (part1) contiene solo l’intercetta
e le covariate di base (età dello studente, anzianità dal diploma, voto di diploma, e una serie di
indicatori binari per il genere e il tipo di diploma). La seconda specificazione (part2) aggiunge alle
covariate di base una serie di indicatori binari per la distanza del comune di residenza dello studente dalla sede dell’Ateneo. La terza specificazione (part3) aggiunge alle covariate nella seconda
specificazione una serie di indicatori binari per il gruppo a cui appartiene il corso di laurea dello
studente (il gruppo di riferimento è Giurisprudenza). La quarta specificazione (part4) aggiunge
alle covariate nella terza specificazione una serie di indicatori binari per l’Ateneo di appartenenza
dello studente (l’Ateneo di riferimento è La Sapienza). I coefficienti associati agli indicatori per
il gruppo di lauree (o effetti fissi) nelle ultime due specificazioni forniscono una stima della differenza tra il log-odds di partecipazione per ciascun gruppo di lauree e quello di riferimento (cioè
Giurisprudenza), tenendo fissi i valori di tutte le altre covariate. L’interpretazione degli effetti fissi
di Ateneo nell’ultima specificazione è del tutto analoga, eccetto che ora il riferimento è La Sapienza.
18
I risultati ottenuti sono in linea con l’analisi descrittiva nella prima parte di questa sezione e con
i risultati dei modelli logit nella sezione 4. In particolare, si conferma che, a parità di tutte le
altre condizioni, le probabilità di partecipazione sono significativamente più basse per Napoli, Tor
Vergata e soprattutto Bologna, e significativamente più alte per Udine e Piemonte Orientale, in
linea con i risultati già visti.
La tabella 30 è simile alla precedente ma presenta i risultati della stima di quattro diverse specificazioni per la probabilità di partecipazione al test tra i preiscritti. In questo caso, le covariate
includono anche la media dei voti nel corso di laurea e un indicatore per la condizione di studente
lavoratore (si ricordi che queste due variabili sono disponibili solo per i preiscritti). Qualitativamente, i risultati non differiscono molto da quelli della tabella precedente, eccetto per i coefficienti
negativi e statisticamente significativi associati agli indicatori per il genere femminile e la condizione
di studente lavoratore, e quelli positivi e statisticamente significativi associati al voto di diploma
e alla media dei voti nel corso di laurea. Si noti come gli effetti fissi di Ateno siano ora sempre
positivi, a indicare che tutti gli Atenei (e in particolare Padova, Piemonte Orientale e Udine) hanno
fatto meglio della Sapienza per quanto riguarda la partecipazione al test dei preiscritti.
Le tabelle 29 e 30 confermano la conclusione generale che, sebbene alcune caratteristiche individuali degli studenti (in particolare la media dei voti nel corso di laurea) aiutino a spiegare
le differenze nei tassi di partecipazione al test, queste sono in gran parte da ricondurre a fattori
specifici al corso di laurea e soprattutto all’Ateneo di appartenenza dello studente.
5.4
Confronto tra idonei, preiscritti e partecipanti
In questa sezione confronto le principali caratteristiche degli idonei, dei preiscritti e dei partecipanti
al test allo scopo di capire come queste tre categorie di studenti si differenzino tra loro e tra i
diversi Atenei. Questo confronto mostra con chiarezza come gli studenti preiscritti rappresentino
un sottoiensieme particolare degli studenti idonei, e come gli studenti partecipanti rappresentino a
loro volta un sottoiensieme particolare degli studenti preiscritti. Comprendere la natura di questo
processo di progressiva autoselezione è essenziale per interpretare poi, nella sezione 6, i risultati del
test.
Nelle tabelle 31–33 confronto la percentuale di femmine, l’età media, il voto medio di diploma, la
percentuale che non parla l’italiano a casa e la percentuale dei residenti extra-regione tra gli studenti
idonei al test (tabella 31), i preiscritti (tabella 32) e i partecipanti (tabella 33), separatamente per
Ateneo. La frazione di femmine diminuisce passando dagli idonei (61,6%) ai preiscritti (61,1%) ai
19
partecipanti al test (59,2%). Dimuinuisce anche l’età media degli studenti, che passa da 23,6 anni
per gli idonei, a 23,5 anni per i preiscritti, a 23,4 anni per i partecipanti al test. Poiché cambia poco
l’età media al conseguimento del diploma di scuola media superiore, diminusce anche l’anzianità
media dal diploma. Fluttuano invece il voto medio di diploma, che scende da 82,1/100 per gli
idonei a 81,8/100 per i preiscritti ma risale a 82,8/100 per i partecipanti al test, e la frazione che
non parla l’italiano a casa, che dal 3,1% per gli idonei sale al 7,3% per i preiscritti ma scende poi al
6,4% per i partecipanti al test. Dimuinuisce infine la frazione dei residenti fuori-regione che passa
dal 18,9% per gli idonei, al 18,3% per i preiscritti, al 16,6% per i partecipanti al test.
Rispetto agli idonei, i partecipanti al test si caratterizzano quindi per l’età minore, la maggiore
quota di maschi e di studenti che non parlano l’italiano a casa, e la minore quota di residenti
extra-regione.
6
Risultati del test
In questa sezione presento un’analisi dei risultati del test. Dopo una prima analisi descrittiva, riporto i risultati di un’analisi di regressione volta ad esaminare il contributo ai punteggi medi delle
caratteristiche osservate degli studenti e delle caratteristiche del corso di laurea e dell’Ateneo di
appartenenza riassunte da un insieme di indicatori binari. Estendo poi l’analisi di regressione allo
studio dell’intera distribuzione dei punteggi o, più precisamente, di alcuni dei suoi percentili rappresentativi. Termino con alcune considerazioni circa il possibile effetto dei problemi di autoselezione
discussi nella sezione 5.4.
6.1
Statistiche descrittive
Inizio presentando una serie di statistiche che descrivono i risultati del test (punteggio nel modulo
PT, punteggio nel modulo SRQ e punteggio totale), con particolare attenzione alla variabilità
per genere dello studente, area territoriale di appartenenza dell’Ateneo, e Ateneo, macro-aurea
disciplinare e gruppo di lauree di appartenenza dello studente. Una volta eliminati i 45 studenti il
cui test è stato annullato, il campione consiste di 5.853 osservazioni, pari al 26,8% degli idonei e al
64,1% dei preiscritti.
La figura 1 presenta gli istogrammi dei punteggi originari nei moduli PT e SRQ. Entrambi i
punteggi sono essenzialmente discreti: quello nel modulo PT assume infatti solo 14 valori diversi,
da 3 a 16, mentre quello nel modulo SRQ assume solo 20 valori diversi, da 0 a 19. Non deve
quindi sorpendere che, sebbene i due istogrammi abbiano forma approssimativamente campanulare,
20
le corrispondenti distribuzioni non siano propriamente Gaussiane ma esibiscono un certo grado di
asimmetria (positiva per il punteggio nel modulo PT e negativa per quello nel modulo SRQ), mentre
la loro curtosi si differenzia, sia pure solo leggermente, da quella di una distribuzione Gaussiana
che è pari a 3.
Per quanto riguarda il punteggio nel modulo SRQ, il rapporto CAE (CAE 2013, p. 5) osserva che
“the frequencies of correct responses indicate that items 10, 14, and 19 were particularly difficult for
students since the percentage of students who correctly answered these questions was low compared
to other items. Items 10 and 14 are still within the acceptable range of item difficulty, but item
19 is below chance, so we recommend looking at the item in more detail.” La frazione di risposte
corrette a queste domande è il 30,1% per la domanda 10, il 25,8% per la domanda 14, e solo il 7,2%
per la domanda 19.
In ciascuno dei due moduli, il punteggio riscalato è ottenuto tramite una trasformazione lineare
del punteggio originario. Più precisamente, indicando con Y il punteggio riscalato, vale la relazione
Y = 1000 + 200 Z, dove Z indica il punteggio originario normalizzato sottraendo la sua media X̄
e dividendo per la sua deviazione standard sX . La relazione tra il punteggio riscalato e quello
originario è perciò
Y = 1000 +
200
(X − X̄).
sX
Per costruzione, il punteggio riscalato ha dunque media uguale a 1000, deviazione standard uguale
a 200 e varianza uguale a 40000. Poiché il punteggio totale è la media aritmetica dei punteggi
riscalati nei moduli PT e SRQ, la sua media è anch’essa uguale a 1000 ma la sua varianza è uguale
a 20000 (1 + r), dove r indica la correlazione tra i punteggi nei moduli PT e SRQ.
Le figure 2, 3 e 4 presentano gli istogrammi dei punteggi riscalati nei moduli PT e SRQ e
del punteggio totale, separatamente per le femmine, i maschi e il campione totale. Mentre la
distribuzione dei punteggi nel modulo PT è assai diversa tra le femine e i maschi, quella nel modulo
SRQ è molto più simile. Nel caso del punteggio totale, ho sovrapposto a ciascun istogramma una
densità Gaussiana con media e varianza pari alla media e alla varianza campionarie di ciascuna
sottopopolazione. È evidente come la distribuzione del punteggio totale si allontani da quella
Gaussiana.
La tabella 34 mostra una serie di statistiche descrittive del punteggio nei moduli PT e SRQ e
del punteggio totale, e cioè il numero di osservazioni valide, la media, la varianza, il 25mo percentile
(quartile inferiore), il 50mo percentile (mediana) e il 75mo percentile (quartile superiore), e i co21
efficienti di asimmetria e curtosi basati sui momenti terzi e quarti. Le statistiche sono presentate
separatamente per i maschi, le femmine e il campione totale, e si riferiscono alle versioni riscalate dei punteggi PT e SRQ (rispettivamente pt scale ed srq scale), che sono quelle utilizzate
per calcolare il punteggio totale (tot scale). È interessante notare come le differenze di genere
riguardino soprattutto le varianze nel caso del punteggio PT (maggiori per i maschi) e le medie nel
caso del punteggio SRQ (anch’esse maggiori per i maschi).
La figura 5 presenta il diagramma di dispersione dei punteggi PT e SRQ originari con, sovrapposta, la media del punteggio PT per ciascun valore osservato del punteggio SRQ. È interessante
notare il comportamento particolare della media condizionata del punteggio PT dato il punteggio
SRQ. Essa non sembra infatti mostrare un’associazione sistematica con il punteggio SRQ per valori
bassi di tale punteggio, ma diventa poi crescente quando il punteggio SRQ supera la soglia corrispondente a 6 risposte esatte su 20. In parte a causa di questa nonlinearità, la correlazione tra
i due punteggi risulta essere piuttosto bassa. Nel suo rapporto (CAE 2013), il CAE osserva che
questa correlazione è “unusually low (r = .27). We typically see correlations between .45 and .55.
This is particularly of concern since the correlations across the PT subscores are as expected. This
low correlation between the PT and SRQ scores suggests that there may be an issue with the data”
(p. 3). Una delle ipotesi avanzate nel rapporto CAE (p. 10) è che “Italian students are not used
to taking standardized tests, let alone Performance Tasks so the correlation between the PT and
SRQ scores are lower than expected”. Si tratta di un’ipotesi interessante che meriterebbe qualche
approfondimento.
La tabella 36 mostra una serie di statistiche descrittive dei punteggi nel TECO (numero di
osservazioni valide, media, varianza, 25mo, 50mo e 75mo percentile, e coefficienti di asimmetria e
curtosi) per tipo di diploma (istituto tecnico o professionale, liceo classico, liceo scientifico, altro
liceo, e altro istituto). Emerge molto chiaramente lo “svantaggio” degli istituti tecnici o professionali
e degli altri licei rispetto al liceo classico e al liceo scientifico in tutti e tre i punteggio (PT, SRQ e
totale).
La tabella 35 mostra le correlazioni tra i punteggi nel TECO (punteggio PT, punteggio SRQ
e punteggio totale), la media dei voti nel corso di laurea (media voti), e il voto di diploma
(voto diploma) per gli studenti partecipanti al test per i quali queste ultime due variabili sono
disponibili (93,9% del totale dei partecipanti). Queste ultime due variabili possono essere viste come
misure imperfette dell’“abilità” di uno studente. Poiché la trasformazione applicata per ottenere
i punteggi riscalati è lineare, la correlazione è la stessa per i punteggi originari e quelli riscalati.
22
Ad eccezione delle correlazioni tra il punteggio in ciascun modulo del TECO e il punteggio totale,
tutte le correlazioni sono molto basse, spesso addirittura inferiori a .20. Le correlazioni rimangono
molto basse anche quando vengono calcolate separatamente per genere, macro-area disciplinare e
area territoriale.
La tabella 37 mostra una serie di statistiche descrittive dei punteggi nel TECO per le 4 macroaree disciplinari (sanitaria, Scientifica, Sociale e Umanistica). Sebbene le macro-aree siano molto
aggregate, emerge chiaramente lo svantaggio della macro-area Umanistica nel modulo SRQ che,
non essendo compensato da un particolare vantaggio nel modulo PT, si traduce in uno svantaggo
anche nel punteggio totale. Si noti che, a differenza delle altre macro-aree, quella Umanistica
c̀aratterizzata sia da una minore media sia da una minore varianza (dispersione) dei punteggi al
suo interno.
Maggiore dettaglio emerge dalle tabelle 38, 39 e 40 che presentano una serie di statistiche
descrittive dei punteggi nel TECO separatamente per gruppo di lauree. In particolare, la tabella
mostra come i punteggi medi totali più bassi si osservano per i gruppi Formazione (903), Geografia
(934) e Territorio (936), mentre quelli più elevati si osservano per i gruppi MatFisStat (1.041)
e Medicina (1.072). La graduatoria non cambia molto se, invece della media, si considerano la
mediana o altri percentili dei punteggi.
Infine, le tabelle 41 e 42 mostrano una serie di statistiche descrittive dei punteggi nel TECO
separatamente per area territoriale (tabella 41) e Ateneo (tabella 42). Le differenze che emergono
sono interessanti. Si noti anzitutto come i punteggi medi e mediani siano sempre più alti nel Nord
e più bassi nel Sud-Isole. Per quanto riguarda invece gli Atenei, essi sono sempre più alti per gli
Atenei di Udine, Firenze, Padova, Milano e Bologna, e più bassi per quelli del Salento e di Messina.
Si noti inoltre il buon risultato dell’Ateneo di Cagliari, che ottiene punteggi medi e mediani più
elevati sia rispetto agli Atenei dell’area romana sia a quelli del Sud-Isole.
6.2
Analisi di regressione
Le differenze dei punteggi nel test per tipo di diploma, macro-area disciplinare, gruppo di lauree,
area territoriale e Ateneo evidenziate nella sezione 6.1 riflettono una grande varietà di fattori diversi. In questa sezione cerco di analizzare quanto di questa variabilità possa essere ricondotta a
differenze sistematiche nella composizione degli studenti e quanto vada invece attribuita a fattori
non misurabili propri di un gruppo di lauree o di un Ateneo. A questo scopo, procedo a stimare una
serie di modelli di regressione lineare per la media condizionata dei punteggi utilizzando i micro23
dati a livello individuale. La sezione 6.4 studia il comportamento di altri aspetti della distribuzione
condizionata dei punteggi. In aggiunta alle caratteristiche osservabili degli studenti utilizzate nelle
precedenti sezioni (quali età, genere, anzianità dal diploma, voto di diploma, ecc.), questi modelli
utilizzano anche una serie di variabili addizionali richieste in fase di svolgimento del test.
Occorre sottolineare come i parametri dei modelli che ho utilizzato non si prestano a un’interpretazione
causale, ma vanno considerati solamente come convenienti strumenti descrittivi che sintetizzano
in modo efficace e parsimonioso l’informazione complessa contenuta nei dati. Nell’interpretare i
risultati dell’analisi di regressione, occorre inoltre tenere conto del fatto che solo una frazione relativamente bassa degli idonei ha effettivamente sostenuto il test. Questo fenomeno può dare luogo
a un problema di autoselezione che è discusso nella sezione 6.3.
La specificazione di base che ho utilizzato include come covariate l’età (l’età di riferimento è
23 anni), l’anzianità dal diploma (l’anzianità di riferimento è 4 anni), il voto di diploma (il voto di
riferimento è 80/100), la media dei voti nel corso di laurea (il riferimento è una media di 26/30)
e una serie di indicatori binari per il genere (il riferimento è un maschio) e il tipo di diploma (la
categoria di riferimento è il liceo scientifico). Include inoltre indicatori binari per valori mancanti
delle variabili anzianità dal diploma, voto di diploma, tipo di diploma e media dei voti nel corso
di laurea. L’intercetta della specificazione di base rappresenta il punteggio atteso per uno studente
“tipico”, cioè uno studente di 23 anni, maschio, con anzianità di 4 anni dal diploma, voto di diploma
pari a 80/100, diploma di maturità scientifica e media dei voti nel corso di laurea pari a 26/30.
In specificazioni successive ho incluso anche l’attività di studente lavoratore, il non parlare
l’italiano a casa, la cittadinanza non italiana, la distanza del comune di residenza dalla sede
dell’Ateneo (la categoria di riferimento è residenza nello stesso comune sede dell’Ateneo), il titolo
di studio della madre e del padre (la categoria di riferimento per entrambi è un diploma di scuola
media superiore), e la professione della madre e del padre (la categoria di riferimento per entrambi
è impiegato).
Al fine di catturare il ruolo di fattori non misurabili propri di un gruppo di lauree o di un
Ateneo, ho infine considerato ulteriori specificazioni che includono una serie di indicatori binari
per il gruppo di lauree e l’Ateneo di appartenenza dello studente. Se si escludono La Sapienza
e Tor Vergata, entrambi nel Lazio, gli altri 10 Atenei si trovano ciascuno in una regione diversa.
Questo aspetto è importante perchè non consente di identificare separatamente gli effetti di regione
e gli effetti di Ateneo. Anche nel caso del Lazio, dove pure possibile identificare le differenze
24
tra La Sapienza e Tor Vergata, non appare facile identificare l’effetto regione con due soli Atenei,
entrambi situati nello stesso comune. L’identificazione separata degli effetti di regione potrebbe
essere possibile successivamente, una volta che il TECO sia esteso a tutti gli Atenei italiani.
I coefficienti associati con gli indicatori binari per il gruppo di lauree e l’Ateneo, a cui mi riferirò
nuovamente come effetti fissi per il gruppo di lauree e l’Ateneo, forniscono una stima della differenza
tra il punteggio atteso per ciascun gruppo di lauree o Ateneo e quello atteso per il gruppo di lauree o
Ateneo di riferimento (rispettivamente gruppo Giurisprudenza e La Sapienza), tenendo fissi i valori
di tutte le altre variabili incluse nel modello. Essi catturano quindi il ruolo di tutti quei fattori
inosservati che influenzano i risultati del test e che non variano tra studenti appartenenti allo stesso
gruppo di lauree o allo stesso Ateneo, ma che possono variare tra gruppi di lauree o Atenei diversi.
Tali fattori includono l’abilità o la motivazione media degli studenti iscritti a un corso di laurea
o a un Ateneo, le caratteristiche socio-economiche medie del bacino di utenza di un Ateneo, la
sua organizzazione didattica, la qualità o la motivazione del suo corpo docente, la qualità dei suoi
servizi di supporto all’insegnamento, ma anche le caratteristiche medie degli studenti che hanno
partecipato al test nei diversi gruppi di lauree e nei diversi Atenei. Per questa ragione, sebbene utili
come sintetica misura descrittiva, gli effetti fissi stimati non possono essere presi come misura di
uno specifico fattore, sia esso la qualità media di un corso di laurea o di un Ateneo, oppure il valore
aggiunto che un corso di laurea o un Ateneo mediamente offrono agli studenti che lo frequentano.
Per mantenere un buon livello di precisione e ridurre l’accusa di data mining, le specificazioni che
ho impiegato sono relativamente parsimoniose e includono come covariate solo un sottoinsieme delle
variabili raccolte in fase di sperimentazione del TECO. In particolare, esse includono soprattutto
quelle variabili il cui effetto sui punteggi sembra essere di maggiore interesse o più facilmente
predicibile dal punto di vista qualitativo. Per semplicità e facilità di interpretazione ho anche
evitato di considerare interazioni tra le variabili utilizzate. La scelta precisa di quali variabili
inserire, ed esattamente in che forma, è il risultato di una fase preliminare e piuttosto laboriosa di
ricerca della specificazione più adatta che, per brevità, non descrivo.
La tabella 43 presenta i risultati per il punteggio riscalato nel modulo PT. La colonna pt1 si
riferisce alla specificazione con le sole covariate di base (genere, età, anzianità dal diploma, tipo
di diploma, voto di diploma e media dei voti nel corso di laurea), la colonna pt2 si riferisce alla
specificazione che aggiunge alle covariate di base una serie di indicatori binari per essere studente
lavoratore, non parlare l’italiano a casa, non essere cittadino italiano, e per la distanza dall’Ateneo
(la categoria di riferimento è residente nello stesso comune dell’Ateneo), la colonna pt3 si riferisce
25
alla specificazione che aggiunge alle covariate in pt2 una serie di indicatori binari per il titolo di
studio e la professione dei genitori (la categoria di riferimento è entrambi diplomati e impiegati), la
colonna pt4 si riferisce alla specificazione che aggiunge alle covariate in pt3 una serie di indicatori
binari per il gruppo a cui appartiene il corso di laurea dello studente (come sempre, il gruppo di
riferimento è Giurisprudenza), e la colonna pt5 si riferisce alla specificazione più ricca che aggiunge
alle covariate in pt4 una serie di indicatori binari per l’Ateneo di appartenenza dello studente
(come sempre, l’Ateneo di riferimento è La Sapienza). Questi effetti fissi misurano il ruolo di
fattori inosservabili, specifici a un corso di laurea e a un Ateneo, che influenzano il punteggio
medio nei test. Gli errori standard su cui si basa il sistema di asterischi di fianco ai coefficienti
stimati (*: valore-p < .1; **: valore-p < .05; ***: valore-p < .01) sono robusti in presenza di
eteroschedasticità di forma ignota. Le statistiche riportate nella parte inferiore della tabella sono la
numerosità campionaria (N), il numero di covariate del modello escluso il termine costante (df m),
l’R2 aggiustato per i gradi di libertà (r2 a), la statistica F per la significatività della regressione
(F), e l’errore quadratico medio della regressione (rmse).
Le tabelle 44 e 45 sono del tutto analoghe alla tabella 43, eccetto per l’intestazione delle colonne,
e presentano i risultati delle stime OLS rispettivamente per il punteggio riscalato nel modulo SRQ
e per il punteggio totale nel TECO.
Per tutti e tre i punteggi, i coefficienti stimati hanno quasi sempre il segno atteso e sono
spesso statisticamente signficativi. In particolare, risultano negativi e statisticamente significativi i
coefficienti associati con gli indicatori binari per l’avere un diploma di istituto tecnico/professionale
o altro liceo, essere cittadino non italiano, non parlare l’italiano a casa, ed essere residenti fuori
della regione sede dell’Ateneo. Il coefficiente associato con l’indicatore per il genere femminile
è negativo e statisticamente significativo nel caso del punteggio SRQ e del punteggio totale, ma
non nel caso del punteggio PT. Risultano invece sempre positivi e statisticamente significativi i
coefficienti associati con il voto di diploma e la media dei voti nel corso di laurea. I coefficienti
associati con gli indicatori dello status familiare (titolo di studio e professione dei genitori) hanno
anch’essi generalmente il segno atteso (cioè positivi per i titoli di studio o le professioni più elevati)
ma non sono statisticamente significativi, né individualmente (con l’unica eccezione del coefficiente
associato con il padre dirigente nel punteggio SRQ e nel punteggio totale) né congiuntamente.
Infatti, i test F per l’inclusione del gruppo di variabili legate al titolo di studio o alla professione
dei genitori non portano a rifiutare l’ipotesi nulla che tali variabili non abbiano capacità esplicativa
addizionale. Le stime rivelano inoltre un buon adattamento ai dati, con un R2 aggiustato che per
26
la specificazione più ricca è pari a oltre il 9% nel caso del punteggio PT, ed è pari al 14% nel caso
del punteggio SRQ e raggiunge addirittura il 18% nel caso del punteggio totale.
Riassumendo, le variabili che risultano più importanti e maggiormente significative dal punto di
vista statistico sono l’età, il genere, il tipo di diploma di scuola media superiore, il voto di diploma,
il voto medio nel corso di laurea, la cittadinanza italiana, l’uso a casa di una lingua diversa da quella
italiana, e la residenza fuori regione. Quanto osservato per gli indicatori dello status familiare non
deve sorprendere. Poiché quest’ultimo aiuta a predire il tipo di diploma di scuola media superiore, il
voto di diploma e il voto medio nel corso di laurea, una volta che queste variabili sono state inserite
nel modello di regressione si riduce fino ad annullarsi la significatività statistica degli indicatori di
status familiare.
Se, per il punteggio totale, si considera la specificazione più ricca (tot5) e si esaminano le
stime degli effetti fissi per il gruppo di lauree, emerge una distinzione netta tra le lauree dei gruppi
scientifici e quelle dei gruppi umanistici. Per le prime gli effetti fissi tendono a essere positivi e
statisticamente significativi, per le seconde essi tendono invece a essere negativi e statisticamente
significativi. Due esempi estremi sono, da un lato, i gruppi MatFisStat e Medicina con effetti fissi
positivi rispettivamente pari a 33,0 e 35,1 punti, e dall’altro il gruppo Formazione con un effetto
fisso negativo pari a quasi 90 punti.
Se poi, sempre per la specificazione tot5, si esaminano le stime degli effetti fissi di Ateneo,
emerge allora un’altra distinzione netta: quella tra Atenei del Centro-Nord esclusi quelli dell’area
romana (Bologna, Firenze, Milano, Padova, Piemonte Orientale e Udine) e Atenei del Sud-Isole
(Napoli, Salento, Messina e Cagliari). Per i primi gli effetti fissi sono sempre positivi e statisticamente significativi, mentre per i secondi essi sono sempre negativi e sono statisticamente significativi
nel caso di Napoli, Salento e Messina. In base al valore stimato degli effetti fissi, gli Atenei “migliori”
sono Milano, Bologna, Milano e Udine (con effetti fissi positivi pari rispettivamente a 46,5 punti,
46,7 punti e 51 punti), mentre quelli “peggiori” sono Messina e Salento (con effetti fissi negativi
pari rispettivamente a 66 e 67 punti). Per quanto riguarda il confronto tra i due Atenei dell’area
romana, l’effetto fisso di Tor Vergata ǹegativo, ma non è statisticamente significativo nel caso del
punteggio PT e lo è solo al 5% nel caso del punteggio SRQ e del punteggio totale.
La figure 6 presenta tutti i possibili diagrammi di dispersione delle stime degli effetti fissi di
gruppo di lauree per i punteggi nei moduli PT e SRQ e per il punteggio totale, e consente quindi
di visualizzare in medo immediato la natura della relazione che lega ciascuna possibile coppia di
27
effetti fissi. Per esempio, il quadrante in alto al centro presenta il diagramma di dispersione delle
stime degli effetti fissi di gruppo di lauree per il punteggio SRQ (sull’asse delle ascisse) e per il
punteggio PT (sull’asse delle ordinate), mentre quello in alto a destra presenta il diagramma di
dispersione delle stime degli effetti fissi di gruppo di lauree per il punteggio totale (sull’asse delle
ascisse) e per il punteggio PT (sull’asse delle ordinate). L’origine corrisponde sempre al gruppo
Giurisprudenza, mentre i simboli utilizzati indicano la macro-area a cui appartiene ciascun gruppo
di lauree: Sanitaria (Sa), Scientifica (Sc), Sociale (So) e Umanistica (U). Le figura 7 è del tutto
analoga, ma si riferisce agli effetti fissi di Ateneo. In questo caso, l’origine corrisponde alla Sapienza,
mentre i simboli utilizzati indicano l’area territoriale a cui appartiene ciascun Ateneo: Nord (N),
Centro (C) e Sud-Isole (SI). I due grafici mostrano chiaramente la forte correlazione positiva tra gli
effetti fissi nei punteggi del TECO, specialmente quelli associati con i gruppi di lauree, e la posizione
di svantaggio delle lauree umanistiche e degli Atenei del Sud-Isole ad esclusione di Cagliari.
Occorre notare che, anche dopo l’inclusione di effetti fissi per il gruppo di lauree e l’Ateneo,
le specificazioni che ho adottato in questo lavoro sono inevitabilmente restrittive. Questo fatto
può essere visto come un pregio perchè consente di sintetizzare le relazioni osservate attraverso
un numero limitato di coefficienti di semplice interpretazione. Può però anche essere visto come
un difetto perchè si impongono a priori forme funzionali rigide e si confina l’eterogeneità tra i
gruppi di lauree e gli Atenei alla sola intercetta del modello. Per catturare meglio l’eterogeneità
tra gruppi di lauree e Atenei, ho tentato di stimare modelli di regressione separati per i diversi
Atenei con indicatori binari per i gruppi di lauree (o macro-area disciplinare) e per i diversi gruppi
di lauree (o macro-aree disciplinari) con indicatori binari per gli Atenei. I risultati di queste
specificazioni più flessibili sono disponibili su richiesta ma sono scarsamente illuminanti. Infatti,
anche a causa del ridotto numero di osservazioni per ciascuna combinazione di gruppo di lauree e
Ateneo, i coefficienti stimati variano in modo sostanziale tra gruppi di lauree e Atenei rendendo
quindi difficile l’individuazione di chiare tendenze.
6.3
Problemi di autoselezione
In che misura i problemi di autoselezione discussi nella sezione 5.4 possono modificare le conclusioni che emergono dalle sezione 6.2? Possiamo in particolare pensare che l’autoselezione degli
studenti impedisca di interpretare in modo causale i coefficienti associati al tipo di scuola media
superiore frequentata o alla distanza dalla sede dell’Ateneo? Possiamo poi pensare che essa distorca
l’interpretazione degli effetti fissi per gruppo di lauree o Ateneo?
28
Per esempio, possiamo pensare che l’effetto fisso positivo di Bologna, a fronte di un tasso di
partecipazione al test molto basso per questo Ateneo, non rifletta la qualità intrinseca di questo
Ateneo ma sia invece il risultato di una scarsa partecipazione al test degli studenti peggiori? Possiamo pensare che l’effetto fisso negativo di Napoli, a fronte di un tasso di partecipazione che anche
in questo caso è molto basso, non rifletta la qualità intrinseca di questo Ateneo ma sia invece il
risultato di una scarsa partecipazione al test degli studenti migliori?
Rispondere a queste domande non è facile in assenza di un modello, applicabile a tutti i gruppi
di lauree e a tutti gli Atenei, che descriva in modo soddisfacente sia il processo di autoselezione
degli idonei attraverso il duplice filtro della preiscrizione e della effettiva partecipazione al test, sia
l’effetto di questo processo sui punteggi nel test. Un modello di questo tipo è chiaramente difficile
da specificare. Esso sarebbe inoltre sottoposto a critiche legittime perché inevitabilmente basato
su una serie di assunzioni non facilmente giustificabili, la cui credibilità può quindi essere messa in
discussione.
Ciò detto, sembra ragionevole partire dall’ipotesi che l’effetto dell’autoselezione sia simile per
tutti gli Atenei. La domanda è, allora, se ci sono elementi per supporre che l’autoselezione elimini soprattutto gli studenti peggiori (autoselezione positiva) oppure se dobbiamo ritenere più
plausibile che essa elimini invece soprattutto gli studenti migliori (autoselezione negativa). Le conclusioni dell’analisi sarebbero molto diverse nei due casi. Per esempio, ritornando al caso degli
Atenei di Bologna e Napoli, caratterizzati entrambi da un basso tasso di partecipazione al test,
un’autoselezione positiva avrebbe l’effetto di rendere migliori i loro risultati medi nel TECO rispetto
ad altri Atenei, come Piemonte Orientale e Udine, caratterizzati da un alto tasso di partecipazione
al test. Un’autoselezione negativa avrebbe invece l’effetto opposto. L’evidenza presentata nelle
sezioni 4 e 5, in particolare circa il ruolo svolto dal tipo di scuola media superiore frequentata e
dalla media dei voti nel corso di laurea, sembra indicare che l’autoselezione sia positiva piuttosto
che negativa. Una parte dell’effetto fisso sarebbe quindi da attribuire alla maggiore qualità media
degli studenti partecipanti al TECO nei gruppi di laurea o negli Atenei caratterizzati da un minore
tasso di partecipazione al test.
La tabella 46 mostra i risultati della stima di un modello di autoselezione che consiste di due
equazioni, la prima per la probabilità di partecipazione al TECO e la seconda per il valore atteso
del punteggio totale nel TECO per coloro che hanno partecipato al test. I risultati della stima della
prima equazione sono essenzialmente gli stessi di quelli presentati nella tabella 29, il che non deve
sorprendere visto che l’unica differenza tra di essi è il fatto che quelli nella tabella 29 sono stati
29
ottenuti utilizzando dati che comprendono anche i 45 studenti il cui test è stato annullato. Per
semplicità, mi limito quindi a riportare i risultati della stima della seconda equazione. L’approccio
e il metodo di stima a due stadi che ho impiegato sono quelli proposti da Heckman (1979), e quindi
sono soggetti alle critiche che di solito vengono sollevate in questo caso. Le statistiche riportate
nella parte inferiore della tabella sono la numerosità campionaria (N), il numero di idonei non
partecipanti o con test annullato (N cens), il numero di covariate nella seconda equazione escluso
il termine costante (df m), la stima del coefficiente sull’inverse Mills ratio nella seconda equazione
(lambda), la stima della correlazione tra gli errori nella prima e nella seconda equazione (rho), e la
stima della deviazione standard degli errori nella seconda equazione (sigma). Si noti che lambda è
uguale al prodotto di rho e sigma.
I risultati della tabella 46 vanno confrontati con quelli della tabella 45, i quali possono invece
essere interpretati come stime di un modello a due parti analogo a quello proposto da Duan et
al. (1983). Per le prime tre specificazioni, le differenze tra le stime corrispondenti ai due diversi
modelli (modello di autoselezione e modello a due parti) sono sostanziali, il che indica l’importanza
del problema dell’autoselezione per queste specificazioni. Per le ultime due specificazioni, invece,
le differenze tra le stime corrispondenti ai due diversi modelli sono minime. Questo suggerisce
che il problema, causato dall’autoselezione, di una possibile distorsione dei coefficienti associati
alle caratteristiche individuali degli studenti può essere superato se si utilizza una specificazione
sufficientemente ricca da includere effetti fissi per il gruppo di lauree o l’Ateneo.
6.4
Regressione quantilica
L’analisi di questa sezione rappresenta un complemento e un’estensione di quella nella sezione 6.2,
dove l’attenzione si è incentrata sulle differenze nei valori medi dei punteggi nel TECO. In questa
sezione utilizzo invece la regressione quantilica per analizzare come cambia la distribuzione condizionata dei punteggi (o, più precisamente, il suo 10mo, 25mo, 50mo, 75mo e 90mo percentile)
al cambiare delle caratteristiche osservate degli studenti controllando comunque, anche alla luce
dei risultati nella sezione 6.3, per le caratteristiche inosservate del corso di laurea e dell’Ateneo di
appartenenza dello studente attraverso un insieme di effetti fissi per gruppo di lauree e Ateneo.
Le tabelle 47, 48 e 49 presentano i risultati ottenuti per la specificazione più ricca nella
sezione 6.2, cioè quella che oltre alle covariate di base include un insieme di indicatori binari per il
gruppo di lauree e per l’Ateneo di appartenenza, separatamente per il 10mo, il 25mo, il 50mo, il
75mo e il 90mo percentile dei punteggi. Le statistiche riportate nella parte inferiore della tabella
30
sono la numerosità campionaria (N), il numero di covariate del modello escluso il termine costante
(df m), il percentile campionario della variabile dipendente (q v), la somma delle deviazioni assolute
della variabile dipendente dal suo percentile stimato (sum adev), e la somma delle deviazioni assolute della variabile dipendente dal suo percentile campionario (sum rdev). Una comune misura di
bontà dell’adattamento, analoga all’R2 di un modello di regressione lineare e allo pseudo R2 di un
modello logit, è dato da 1 - sum adev/sum rdev. L’intercetta rappresenta il percentile del punteggio
per uno studente di 23 anni, maschio, con anzianità di 4 anni dal diploma, voto di diploma pari a
80/100, media dei voti nel corso di laurea pari a 26/30, diploma di maturità scientifica, residente
nello stesso comune dell’Ateneo, cha parla l’italiano a casa, cittadino italiano, studente a tempo
pieno (non lavoratore), con padre e madre entrambi diplomati, iscritto a un corso di laurea del
gruppo Giurisprudenza presso l’Ateneo La Sapienza di Roma.
I risultati ottenuti sono estremamente interessanti perché mostrano come molte delle variabili
considerate abbiano in realtà effetti diversi a percentili diversi della distribuzione dei punteggi. Per
brevità mi concentrerò sulla tabella 49, relativa al punteggio totale nel TECO, ma considerazioni
simili valgono anche per tabelle 47 e 48, relative ai punteggi riscalati nei moduli PT e SRQ.
Il coefficiente negativo associato con l’età è sempre statisticamente significativo ma tende a
ridursi in valore assoluto all’aumentare del percentile considerato. Il coefficiente negativo associato
con l’indicatore per il genere femminile tende invece a crescere in valore assoluto e a diventare
statisticamente sempre più significativo all’aumentare del percentile considerato. Al contrario, il
coefficiente negativo associato alla provenienza da un istituto tecnico o professionale si riduce in
valore assoluto ai percentili superiori della distribuzione dei punteggi dove, in generale, l’effetto del
tipo di scuola media superiore frequentata è minore. Il coefficiente negativo associato alla distanza
dalla sede dell’Ateno tende a comportarsi in modo molto simile, è cioè molto forte ai percentili
inferiori ma tende a ridursi cessando di essere statisticamente significativo ai percentili superiori.
Gli effetti fissi negativi dei gruppi Formazione e Arte, e quello positivo del gruppo MatFisStat,
sono particolarmente forti ai percentili superiori. All’aumentare del percentile considerato si riduce
inoltre il vantaggio relativo (effetto fisso positivo) degli Atenei di Bologna, Piemonte Orientale e
Udine, e lo svantaggio relativo (effetto fisso negativo) degli Atenei di Napoli e Tor Vergata, mentre
si accentua lo svantaggio relativo dell’Ateneo di Messina. Infine, per quanto riguarda il confronto
tra i due Atenei dell’area romana, lo svantaggio relativo di Tor Vergata si riduce e cessa di essere
statisticamente significativo all’aumentare del percentile considerato.
31
7
Conclusioni
L’analisi dei dati del TECO mostra l’esistenza di una relazione sistematica e statisticamente significativa tra i punteggi nel test e una serie di caratteristiche osservate degli studenti partecipanti
quali l’età, il genere, l’anzianità dal diploma, il voto di diploma, la media dei voti nel corso di
laurea, la lingua parlata a casa e la cittadinanza.
In generale, le stime di regressione (minimi quadrati ordinari e regressioni quantiliche) evidenziano un’associazione negativa dei punteggi con l’età, il genere femminile, la provenienza da un liceo
diverso da quello classico o scientifico o da un istituto tecnico/professionale, il parlare a casa una
lingua diversa dall’italiano, e la cittadinanza non italiana. Esse evidenziano inoltre un’associazione
positiva con l’anzianità dal diploma, il voto di diploma e la media dei voti nel corso di laurea.
L’intensità di queste associazioni e la loro significatività statistica possono essere diverse per le
due componenti del test (modulo PT e modulo SRQ) e variano anche per percentili diversi della
distribuzione dei punteggi.
Le caratteristiche osservate degli studenti partecipanti contribuiscono però solo in piccola parte
a spiegare la variabilità riscontrata nei punteggi e lasciano un ampio margine residuale che è da
ricondurre da un lato a caratteristiche inosservate degli studenti, dall’altro a caratteristiche inosservate del corso di laurea e dell’Ateneo di appartenza degli studenti.
Dalla stima degli effetti complessivi delle caratteristiche inosservate (o “effetti fissi”) dei gruppi
di lauree e degli Atenei, emerge una duplice distinzione: da un lato tra gruppi di lauree scientifiche e
gruppi di lauree umanistiche, dall’altro tra Atenei del Centro-Nord (esclusi quelli dell’area romana)
e Atenei del Sud-Isole. Il punteggio medio di studenti con identiche caratteristiche osservate è
infatti più alto per i gruppi di lauree scientifiche (in particolare per il gruppo Matematica, Fisica e
Statistica) e per gli Atenei del Centro-Nord (in particolare per Bologna e Udine), e più basso per i
gruppi di lauree umanistiche (in particolare per il gruppo Beni culturali e il gruppo Formazione) e
per gli Atenei del Sud-Isole (in particolare per Messina e Salento).
In assenza di autoselezione degli studenti, questi effetti fissi potrebbero essere interpretati come
una misura della qualità intrinseca di un gruppo di lauree o di un Ateneo. In realtà, una loro
interpretazione in questo senso è resa difficile dal fatto che solo una frazione degli idonei (in alcuni
casi una piccola frazione) si è effettivamente presentata a sostenere il test e che i tassi di partecipazione si differenziano notevolmente per gruppo di lauree e per Ateneo, e variano al variare delle
caratteristiche degli studenti. Gli effetti fissi stimati potrebbero quindi riflettere, almeno in parte,
32
l’autoselezione dei partecipanti al test.
Ciò detto, la prima sperimentazione del TECO può essere considerata un notevole successo visto
che, in meno di un anno, l’ANVUR è riuscita ad amministrare il test, raccogliendo al tempo stesso
una gran mole di informazione quantitativa utile per una conoscenza migliore del sistema universitario italiano e mettendo a punto un’infrastruttura eventualmente utilizzabile successivamente, e
produrre una prima analisi dei risultati ottenuti.
Se, come ipotizzato, il TECO fosse reso obbligatorio per tutti gli studenti universitari italiani
si ridurrebbero i problemi di autoselezione degli idonei che affliggono la prima sperimentazione,
ma rimarrebbero i problemi connessi all’elicitazione di uno sforzo adeguato da parte degli studenti
partecipanti e alle differenze tra Atenei e corsi di laurea nel grado di regolarità degli studenti. È
importante quindi individuare forme di incentivo che, senza distorcere gli esiti del test, incoraggino
gli studenti a impegnarsi al massimo.
33
Riferimenti bibliografici
ANVUR (2014), mimeo.
CAE (2013). “CLA+. Item analysis report”, mimeo, ottobre 2013.
Duan N., Manning W., Morris C., e Newhouse J. (1983), “A comparison of alternative models for the
demand for medical care”, Journal of Business and Economic Statistics, 1, 115–126.
Heckman J. (1979), “Sample selection bias as a specification error”, Econometrica, 77, 153–161.
Kostoris Padoa Schioppa F. (2012). “Ragioni, criteri e modalità di realizzazione di un test sulle competenze
effettive di carattere generalistico dei laureandi italiani”, mimeo, agosto 2012.
Kostoris Padoa Schioppa F. (2013). “Preliminary results of TECO in 2013”, mimeo, dicembre 2013.
34
Table 1: Numero di idonei per Ateneo e genere.
--------------------------------------------|
Genere
Ateneo |
F
M |
Totale
-----------+----------------------+---------BO |
1,603
1,042 |
2,645
CA |
350
197 |
547
FI |
1,503
954 |
2,457
LE |
385
170 |
555
ME |
234
124 |
358
MI |
1,571
1,003 |
2,574
NA |
1,815
1,161 |
2,976
PD |
1,215
703 |
1,918
PO |
354
152 |
506
RM1 |
3,585
2,223 |
5,808
RM2 |
569
511 |
1,080
UD |
284
164 |
448
-----------+----------------------+---------Totale |
13,468
8,404 |
21,872
---------------------------------------------
Table 2: Numero di idonei per gruppo di lauree e genere.
----------------------------------------------------|
Genere
Gruppo di lauree |
F
M |
Totale
-------------------+----------------------+---------Agro-alimentare |
137
224 |
361
Architettura |
679
457 |
1,136
Arte |
308
104 |
412
Beni culturali |
419
104 |
523
Biologia |
468
337 |
805
Chimica |
141
137 |
278
Comunicazione |
325
185 |
510
Economia |
683
667 |
1,350
Farmacia |
824
284 |
1,108
Filosofia |
251
171 |
422
Formazione |
414
17 |
431
Geografia |
188
64 |
252
Giurisprudenza |
2,770
1,549 |
4,319
Ingegneria |
346
873 |
1,219
Lettere |
517
164 |
681
Lingue |
986
187 |
1,173
MatFisStat |
251
578 |
829
Medicina |
1,172
928 |
2,100
Odontoiatria |
115
129 |
244
Politico |
373
305 |
678
Psicologia |
922
186 |
1,108
Sociale |
306
62 |
368
Storia |
92
143 |
235
Territorio |
575
470 |
1,045
Veterinaria |
206
79 |
285
-------------------+----------------------+---------Totale |
13,468
8,404 |
21,872
-----------------------------------------------------
35
Table 3: Distribuzione degli idonei per macro-area disciplinare e area territoriale dell’Ateneo di
appartenenza.
---------------------------------------------------------|
Area Ateneo
Macro-area |
Centro
Nord Sud-Isole |
Totale
-------------+---------------------------------+---------Sanitaria |
13.62
22.84
19.39 |
17.09
Scientifica |
31.68
19.17
19.07 |
26.01
Sociale |
35.69
41.35
45.49 |
39.09
Umanistica |
19.02
16.64
16.05 |
17.82
-------------+---------------------------------+---------Totale |
100.00
100.00
100.00 |
100.00
----------------------------------------------------------
Table 4: Distribuzione degli idonei per gruppo di lauree e area territoriale dell’Ateneo di appartenenza.
---------------------------------------------------------------|
Area Ateneo
Gruppo di lauree |
Centro
Nord Sud-Isole |
Totale
-------------------+---------------------------------+---------Agro-alimentare |
.97
3.82
.83 |
1.65
Architettura |
6.66
1.71
5.50 |
5.19
Arte |
3.19
.55
.00 |
1.88
Beni culturali |
2.50
2.92
1.44 |
2.39
Biologia |
3.58
5.36
1.89 |
3.68
Chimica |
1.13
1.14
1.83 |
1.27
Comunicazione |
2.70
2.06
1.67 |
2.33
Economia |
7.44
4.26
5.09 |
6.17
Farmacia |
2.04
8.59
8.90 |
5.07
Filosofia |
1.53
2.26
2.59 |
1.93
Formazione |
1.64
1.96
2.86 |
1.97
Geografia |
1.38
1.14
.56 |
1.15
Giurisprudenza |
12.94
25.17
31.47 |
19.75
Ingegneria |
7.13
2.77
4.80 |
5.57
Lettere |
4.00
2.85
1.04 |
3.11
Lingue |
4.83
4.88
7.39 |
5.36
MatFisStat |
5.01
2.50
2.07 |
3.79
Medicina |
10.08
9.59
8.34 |
9.60
Odontoiatria |
.98
1.30
1.26 |
1.12
Politico |
3.11
4.04
1.92 |
3.10
Psicologia |
6.40
4.06
2.71 |
5.07
Sociale |
1.85
.99
2.07 |
1.68
Storia |
1.23
1.03
.72 |
1.07
Territorio |
7.16
1.69
2.14 |
4.78
Veterinaria |
.53
3.36
.88 |
1.30
-------------------+---------------------------------+---------Totale |
100.00
100.00
100.00 |
100.00
----------------------------------------------------------------
36
Table 5: Età media degli idonei (eta), percentuale dei nati tra il 1988 e il 1991 (nato8891), e
percentuale dei nati tra il 1990 e il 1991 (nato9091) per Ateneo.
---------------------------------------------------------Ateneo |
eta
nato8891
nato9091
----------+----------------------------------------------BO |
23.4
92.6
79.6
CA |
24.8
80.3
66.5
FI |
23.3
93.2
78.8
LE |
24.4
86.7
80.2
ME |
24.3
77.7
64.2
MI |
23.4
93.4
80.6
NA |
23.1
87.0
74.2
PD |
23.6
92.4
78.4
PO |
25.3
81.2
68.6
RM1 |
23.9
86.0
69.7
RM2 |
23.6
90.6
71.0
UD |
23.4
90.2
83.3
----------+----------------------------------------------Totale |
23.6
89.1
75.0
----------------------------------------------------------
Table 6: Età media degli idonei al conseguimento del diploma di scuola media superiore (eta d) e
anzianità media dal diploma per Ateneo (anzian).
-------------------------------------Ateneo |
eta_d
anzian
----------+--------------------------BO |
19.1
4.3
CA |
19.1
5.6
FI |
19.1
4.2
LE |
19.4
5.0
ME |
18.9
5.4
MI |
19.1
4.3
NA |
17.8
5.3
PD |
19.1
4.4
PO |
19.4
5.9
RM1 |
19.0
4.8
RM2 |
19.0
4.5
UD |
19.2
4.2
----------+--------------------------Totale |
18.9
4.7
--------------------------------------
37
Table 7: Voto medio di diploma per gruppo di lauree e genere.
---------------------------------------|
Genere
Gruppo di lauree |
F
M Totale
-------------------+-------------------Agro-alimentare | 82.4
80.2
81.0
Architettura | 82.4
80.3
81.5
Arte | 76.0
73.2
75.3
Beni culturali | 78.3
74.7
77.6
Biologia | 81.5
75.0
78.7
Chimica | 86.1
82.3
84.3
Comunicazione | 77.6
75.3
76.8
Economia | 84.4
79.7
82.1
Farmacia | 85.8
79.9
84.3
Filosofia | 84.4
80.7
82.9
Formazione | 77.3
75.8
77.2
Geografia | 78.4
74.4
77.4
Giurisprudenza | 84.0
81.0
82.9
Ingegneria | 86.1
85.2
85.4
Lettere | 82.9
80.0
82.2
Lingue | 79.8
76.6
79.3
MatFisStat | 85.3
82.5
83.4
Medicina | 90.3
86.8
88.7
Odontoiatria | 87.7
82.7
85.0
Politico | 79.5
76.7
78.3
Psicologia | 80.2
77.5
79.8
Sociale | 78.8
75.0
78.2
Storia | 80.6
77.8
78.9
Territorio | 80.4
80.2
80.3
Veterinaria | 85.0
80.8
83.9
-------------------+-------------------Totale | 82.8
80.9
82.1
----------------------------------------
38
Table 8: Voto medio di diploma per Ateneo e genere.
------------------------------|
Genere
Ateneo |
F
M Totale
----------+-------------------BO | 85.2
82.1
84.0
CA | 86.6
85.5
86.2
FI | 83.3
82.3
82.9
LE | 86.5
86.3
86.4
ME | 88.0
85.7
87.2
MI | 82.6
79.6
81.4
NA | 87.7
84.8
86.6
PD | 85.3
84.2
84.9
PO | 83.5
80.4
82.6
RM1 | 75.9
75.2
75.6
RM2 | 85.6
82.2
84.0
UD | 84.7
81.5
83.5
----------+-------------------Totale | 82.8
80.9
82.1
-------------------------------
Table 9: Numero di idonei per tipo di diploma di scuola media superiore e genere.
---------------------------------------------|
Genere
Diploma |
F
M |
Totale
------------+----------------------+---------Tecn/Prof |
1,456
1,587 |
3,043
Classico |
3,980
1,647 |
5,627
Scientif |
4,868
3,974 |
8,842
Altro liceo |
1,472
298 |
1,770
Altro istit |
931
407 |
1,338
. |
761
491 |
1,252
------------+----------------------+---------Totaleal |
13,468
8,404 |
21,872
----------------------------------------------
39
Table 10: Distribuzione degli idonei per gruppo di lauree e tipo di diploma di scuola media superiore.
------------------------------------------------------------------------------------------------|
Diploma
Gruppo di lauree | Tecn/Prof
Classico
Scientif Altro lic Altro ist
Mancante |
Totale
-------------------+------------------------------------------------------------------+---------Agro-alimentare |
41.27
6.37
35.73
3.05
11.63
1.94 |
100.00
Architettura |
9.68
19.63
53.87
4.67
5.72
6.43 |
100.00
Arte |
11.41
27.43
28.16
12.14
10.92
9.95 |
100.00
Beni culturali |
8.60
39.20
22.37
15.68
8.60
5.54 |
100.00
Biologia |
18.14
14.91
50.93
6.96
5.84
3.23 |
100.00
Chimica |
19.78
16.55
48.20
2.88
5.04
7.55 |
100.00
Comunicazione |
18.63
18.43
28.63
12.55
9.22
12.55 |
100.00
Economia |
31.19
12.74
40.89
2.96
7.19
5.04 |
100.00
Farmacia |
11.55
19.77
54.60
5.60
5.14
3.34 |
100.00
Filosofia |
5.92
41.00
33.18
9.48
6.40
4.03 |
100.00
Formazione |
19.49
11.37
15.55
37.12
13.23
3.25 |
100.00
Geografia |
45.63
9.92
14.29
13.10
4.37
12.70 |
100.00
Giurisprudenza |
10.37
42.60
32.23
6.60
5.60
2.59 |
100.00
Ingegneria |
13.62
10.17
66.28
1.23
3.45
5.25 |
100.00
Lettere |
5.29
48.75
27.02
9.84
3.52
5.58 |
100.00
Lingue |
13.81
20.46
28.47
19.27
6.39
11.59 |
100.00
MatFisStat |
21.95
9.17
56.21
1.45
3.38
7.84 |
100.00
Medicina |
3.05
31.29
54.76
1.95
3.24
5.71 |
100.00
Odontoiatria |
5.74
25.00
58.61
2.46
4.10
4.10 |
100.00
Politico |
20.50
26.40
25.07
11.50
6.64
9.88 |
100.00
Psicologia |
8.39
26.26
34.66
18.50
5.87
6.32 |
100.00
Sociale |
22.55
20.38
20.92
19.02
11.68
5.43 |
100.00
Storia |
12.77
34.47
31.06
7.66
7.66
6.38 |
100.00
Territorio |
16.56
14.07
42.58
7.18
10.05
9.57 |
100.00
Veterinaria |
11.58
21.75
53.33
4.56
6.67
2.11 |
100.00
-------------------+------------------------------------------------------------------+---------Totale |
13.91
25.73
40.43
8.09
6.12
5.72 |
100.00
-------------------------------------------------------------------------------------------------
Table 11: Distribuzione degli idonei per Ateneo e tipo di diploma di scuola media superiore.
----------------------------------------------------------------------------------------|
Diploma
Ateneo | Tecn/Prof
Classico
Scientif Altro lic Altro ist
Mancante |
Totale
-----------+------------------------------------------------------------------+---------BO |
14.10
22.34
45.90
2.16
10.93
4.57 |
100.00
CA |
19.20
23.22
38.94
11.70
4.57
2.38 |
100.00
FI |
15.79
18.15
40.05
10.95
12.13
2.93 |
100.00
LE |
20.18
29.55
28.83
13.87
5.95
1.62 |
100.00
ME |
11.73
31.56
36.59
10.61
5.31
4.19 |
100.00
MI |
16.12
27.62
38.50
10.92
5.09
1.75 |
100.00
NA |
10.92
32.49
41.77
8.47
5.38
.97 |
100.00
PD |
18.67
19.29
42.70
11.68
6.83
.83 |
100.00
PO |
27.87
16.80
32.41
12.25
9.29
1.38 |
100.00
RM1 |
8.76
29.80
38.65
5.94
1.50
15.34 |
100.00
RM2 |
14.07
24.44
47.04
5.56
6.67
2.22 |
100.00
UD |
27.46
12.95
37.95
9.15
10.27
2.23 |
100.00
-----------+------------------------------------------------------------------+---------Totale |
13.91
25.73
40.43
8.09
6.12
5.72 |
100.00
-----------------------------------------------------------------------------------------
40
Table 12: Distribuzione degli idonei secondo la distanza tra il comune di residenza e quello sede
dell’Ateneo di appartenenza.
-------------------------------------------------------------Ateneo |
dist0
dist1
dist2
dist3
----------+--------------------------------------------------BO |
15.0
13.2
31.7
40.1
CA |
22.9
54.3
22.1
.7
FI |
20.3
24.5
41.2
14.0
LE |
10.5
58.2
28.5
2.9
ME |
32.7
21.5
15.4
30.4
MI |
22.5
21.5
42.5
13.4
NA |
28.3
46.2
22.2
3.4
PD |
9.7
20.3
55.9
14.0
PO |
23.5
5.3
45.7
25.5
RM1 |
43.5
16.0
15.7
24.8
RM2 |
45.1
25.6
11.9
17.4
UD |
11.8
31.3
29.5
27.5
----------+--------------------------------------------------Totale |
27.4
24.4
29.3
18.9
--------------------------------------------------------------
Table 13: Percentuale che a casa non parla l’italiano per Ateneo e genere.
------------------------------|
Genere
Ateneo |
F
M Totale
----------+-------------------BO |
1.4
1.4
1.4
CA |
1.4
1.5
1.5
FI |
2.7
2.8
2.8
LE |
2.6
2.9
2.7
ME |
1.7
1.6
1.7
MI |
1.7
2.8
2.1
NA |
2.4
2.6
2.5
PD |
1.6
1.7
1.6
PO |
4.5
5.9
4.9
RM1 |
4.9
5.5
5.1
RM2 |
1.9
3.1
2.5
UD |
7.4
5.5
6.7
----------+-------------------Totale |
2.9
3.3
3.1
-------------------------------
41
Table 14: Distribuzione degli idonei per gruppo di lauree e tipo di partecipazione al TECO: non
preiscritto (N), preiscritto non venuto (PRN), preiscritto venuto con test valido (PRV), preiscritto
venuto con test annullato (PRVA).
--------------------------------------------------------------------------|
TECO
Gruppo di lauree |
N
PRN
PRV
PRVA |
Totale
-------------------+--------------------------------------------+---------Agro-alimentare |
48.48
13.02
38.50
.00 |
100.00
Architettura |
57.75
18.22
23.94
.09 |
100.00
Arte |
58.01
26.46
15.53
.00 |
100.00
Beni culturali |
58.13
14.34
27.15
.38 |
100.00
Biologia |
53.17
14.91
31.80
.12 |
100.00
Chimica |
43.53
17.99
38.13
.36 |
100.00
Comunicazione |
59.22
14.90
25.69
.20 |
100.00
Economia |
53.48
11.78
34.44
.30 |
100.00
Farmacia |
54.51
9.75
35.56
.18 |
100.00
Filosofia |
57.11
17.06
25.59
.24 |
100.00
Formazione |
60.79
9.51
29.70
.00 |
100.00
Geografia |
59.13
19.84
21.03
.00 |
100.00
Giurisprudenza |
67.93
11.76
20.24
.07 |
100.00
Ingegneria |
43.40
18.46
37.98
.16 |
100.00
Lettere |
51.98
19.97
27.90
.15 |
100.00
Lingue |
65.56
14.49
19.69
.26 |
100.00
MatFisStat |
36.91
15.68
46.80
.60 |
100.00
Medicina |
64.52
16.57
18.71
.19 |
100.00
Odontoiatria |
63.52
18.44
18.03
.00 |
100.00
Politico |
54.57
15.49
29.65
.29 |
100.00
Psicologia |
64.71
17.87
17.24
.18 |
100.00
Sociale |
64.95
13.04
21.47
.54 |
100.00
Storia |
62.13
13.19
24.26
.43 |
100.00
Territorio |
43.92
18.09
37.42
.57 |
100.00
Veterinaria |
58.25
8.77
32.63
.35 |
100.00
-------------------+--------------------------------------------+---------Totale |
58.07
14.96
26.76
.21 |
100.00
---------------------------------------------------------------------------
42
Table 15: Distribuzione degli idonei per Ateneo e tipo di partecipazione al TECO.
------------------------------------------------------------------|
TECO
Ateneo |
N
PRN
PRV
PRVA |
Totale
-----------+--------------------------------------------+---------BO |
80.64
5.37
13.91
.08 |
100.00
CA |
64.17
12.07
23.58
.18 |
100.00
FI |
59.34
12.29
28.12
.24 |
100.00
LE |
64.50
7.03
28.29
.18 |
100.00
ME |
49.44
13.13
36.59
.84 |
100.00
MI |
58.08
10.68
31.00
.23 |
100.00
NA |
68.35
11.79
19.62
.24 |
100.00
PD |
65.75
5.47
28.62
.16 |
100.00
PO |
24.70
11.86
63.04
.40 |
100.00
RM1 |
41.53
29.72
28.53
.22 |
100.00
RM2 |
71.11
11.94
16.94
.00 |
100.00
UD |
29.02
6.70
64.06
.22 |
100.00
-----------+--------------------------------------------+---------Totale |
58.07
14.96
26.76
.21 |
100.00
-------------------------------------------------------------------
43
Table 16: Numero di preiscritti (N(preiscr)) e tasso di preiscrizione (mean(preiscr)) per gruppo
di lauree.
------------------------------------------------Gruppo di lauree |
N(preisc) mean(preiscr)
-------------------+----------------------------Agro-alimentare |
186
51.5
Architettura |
480
42.3
Arte |
173
42.0
Beni culturali |
219
41.9
Biologia |
377
46.8
Chimica |
157
56.5
Comunicazione |
208
40.8
Economia |
628
46.5
Farmacia |
504
45.5
Filosofia |
181
42.9
Formazione |
169
39.2
Geografia |
103
40.9
Giurisprudenza |
1,385
32.1
Ingegneria |
690
56.6
Lettere |
327
48.0
Lingue |
404
34.4
MatFisStat |
523
63.1
Medicina |
745
35.5
Odontoiatria |
89
36.5
Politico |
308
45.4
Psicologia |
391
35.3
Sociale |
129
35.1
Storia |
89
37.9
Territorio |
586
56.1
Veterinaria |
119
41.8
-------------------+----------------------------Totale |
9,170
41.9
-------------------------------------------------
Table 17: Numero di preiscritti (N(preiscr)) e tasso di preiscrizione (mean(preiscr)) per Ateneo.
---------------------------------------Ateneo |
N(preiscr) mean(preiscr)
----------+----------------------------BO |
512
19.3
CA |
196
35.8
FI |
999
40.7
LE |
193
35.0
ME |
181
50.6
MI |
1,067
41.6
NA |
937
31.5
PD |
657
34.3
PO |
373
74.9
RM1 |
3,396
58.5
RM2 |
310
28.8
UD |
318
71.0
----------+----------------------------Totale |
9,139
41.8
----------------------------------------
44
Table 18: Percentuale di preiscritti che lavorano per Ateneo e genere.
------------------------------Ateneo |
F
M Totale
----------+-------------------BO | 14.4
16.1
15.0
CA |
9.4
11.4
10.2
FI | 10.9
8.0
9.7
LE |
9.8
12.2
10.7
ME |
8.1
6.9
7.7
MI | 23.8
22.4
23.3
NA | 10.9
10.3
10.6
PD | 13.4
10.3
12.3
PO | 15.1
18.2
16.0
RM1 | 14.3
14.8
14.5
RM2 | 17.4
11.9
14.7
UD | 12.7
6.2
10.4
----------+-------------------Totale | 14.4
13.6
14.1
-------------------------------
Table 19: Media dei voti dei preiscritti nel corso di laurea per macro-area disciplinare e genere.
---------------------------------|
Genere
Macro-area |
F
M Totale
-------------+-------------------Sanitaria | 27.1
27.0
27.0
Scientifica | 26.4
26.2
26.3
Sociale | 26.3
26.0
26.2
Umanistica | 27.6
28.0
27.7
-------------+-------------------Totale | 26.7
26.4
26.6
----------------------------------
45
Table 20: Media dei voti dei preiscritti nel corso di laurea per gruppo di lauree e genere.
---------------------------------------|
Genere
Gruppo di lauree |
F
M Totale
-------------------+-------------------Agro-Alimentare | 26.8
26.3
26.5
Architettura | 27.0
27.1
27.0
Arte | 27.5
27.9
27.6
Beni culturali | 27.6
28.0
27.7
Biologia | 26.2
26.1
26.2
Chimica | 26.1
26.2
26.2
Comunicazione | 26.0
25.8
25.9
Economia | 25.7
25.3
25.5
Farmacia | 26.5
26.0
26.4
Filosofia | 28.9
28.5
28.7
Formazione | 27.2
27.1
27.2
Geografia | 26.3
26.4
26.3
Giurisprudenza | 26.5
26.5
26.5
Ingegneria | 25.4
25.5
25.5
Lettere | 28.0
28.0
28.0
Lingue | 26.9
27.6
27.0
MatFisStat | 26.1
26.6
26.4
Medicina | 27.7
27.6
27.6
Odontoiatria | 28.2
27.4
27.7
Politico | 26.4
26.1
26.2
Psicologia | 26.8
25.8
26.6
Sociale | 26.4
26.4
26.4
Storia | 28.3
28.5
28.4
Territorio | 26.7
26.2
26.5
Veterinaria | 27.2
26.6
27.0
-------------------+-------------------Totale | 26.7
26.4
26.6
----------------------------------------
Table 21: Media dei voti dei preiscritti nel corso di laurea per area territoriale dell’Ateneo e genere.
---------------------------------|
Genere
Area Ateneo |
F
M Totale
-------------+-------------------Centro | 26.8
26.3
26.6
Nord | 26.5
26.4
26.5
Sud-Isole | 27.0
26.8
26.9
---------------------------------Totale | 26.7
26.4
26.6
----------------------------------
46
Table 22: Media dei voti dei preiscritti nel corso di laurea per Ateneo e genere.
------------------------------|
Genere
Ateneo |
F
M Totale
----------+-------------------BO | 27.4
27.1
27.3
CA | 27.1
27.2
27.1
FI | 26.8
26.4
26.7
LE | 27.3
26.5
27.0
ME | 26.9
27.0
27.0
MI | 26.7
26.6
26.7
NA | 26.9
26.8
26.8
PD | 26.7
26.4
26.6
PO | 26.3
25.5
26.1
RM1 | 26.6
26.1
26.3
RM2 | 27.0
26.5
26.7
UD | 25.9
26.3
26.1
------------------------------Totale | 26.7
26.4
26.6
-------------------------------
47
Table 23: Stime di modelli logit per la probabilità di preiscrizione.
-----------------------------------------------------------------------------Variabile |
iscr1
iscr2
iscr3
iscr4
-------------------------+---------------------------------------------------Eta |
.002
.003
.001
-.027**
Femmina |
-.014
-.003
.128***
.068**
Anzianita diploma |
-.026**
-.029***
-.021*
.003
Voto diploma |
-.004***
-.003***
-.003***
.007***
Tecn/Prof |
-.022
-.005
-.051
-.097**
Classico |
-.035
-.054
.117***
.059
Altro liceo |
-.166***
-.161***
-.035
-.124**
Altro istit |
-.300***
-.277***
-.256***
-.137**
Fuori comune |
-.157***
-.137***
.035
Fuori provincia |
-.201***
-.210***
-.073*
Fuori regione |
-.219***
-.193***
-.123***
Agro-Aliment |
.957***
.953***
Architettura |
.438***
.468***
Arte |
.378***
.333***
Beni culturali |
.386***
.227**
Biologia |
.658***
.546***
Chimica |
1.060***
.938***
Comunicazione |
.416***
.295***
Economia |
.656***
.570***
Farmacia |
.617***
.554***
Filosofia |
.474***
.398***
Formazione |
.366***
.406***
Geografia |
.391***
.095
Ingegneria |
1.070***
.924***
Lettere |
.619***
.404***
Lingue |
.085
-.144*
MatFisStat |
1.338***
1.168***
Medicina |
.157***
.011
Odontoiatria |
.231*
.240*
Politico |
.598***
.431***
Psicologia |
.116
-.090
Sociale |
.189
.333**
Storia |
.292**
.332**
Territorio |
1.021***
.783***
Veterinaria |
.485***
.595***
BO |
-1.755***
CA |
-.819***
FI |
-.810***
LE |
-.867***
ME |
-.255**
MI |
-.586***
NA |
-1.157***
PD |
-1.001***
PO |
.916***
RM2 |
-1.350***
UD |
.684***
Constant |
-.286***
-.153***
-.732***
-.002
-------------------------+---------------------------------------------------N |
21872
21872
21872
21872
k |
11
14
38
49
ll_0 | -14874
-14874
-14874
-14874
ll | -14766
-14746
-14401
-13525
chi2 |
204
239
896
2314
r2_p | .00729
.00861
.0318
.0907
bic |
29641
29632
29182
27539
------------------------------------------------------------------------------
48
Table 24: Numero di partecipanti (N(partec)) e tasso di partecipazione tra gli idonei
(mean(partecip)) e tra i preiscritti (mean(prepart)) per gruppo di lauree.
------------------------------------------------------------------Gruppo di lauree |
N(partec) mean(partecip)
mean(prepart)
-------------------+----------------------------------------------Agro-alimentare |
139
38.5
74.7
Architettura |
273
24.0
56.9
Arte |
64
15.5
37.0
Beni culturali |
144
27.5
65.8
Biologia |
257
31.9
68.2
Chimica |
107
38.5
68.2
Comunicazione |
132
25.9
63.5
Economia |
469
34.7
74.7
Farmacia |
396
35.7
78.6
Filosofia |
109
25.8
60.2
Formazione |
128
29.7
75.7
Geografia |
53
21.0
51.5
Giurisprudenza |
877
20.3
63.3
Ingegneria |
465
38.1
67.4
Lettere |
191
28.0
58.4
Lingue |
234
19.9
57.9
MatFisStat |
393
47.4
75.1
Medicina |
397
18.9
53.3
Odontoiatria |
44
18.0
49.4
Politico |
203
29.9
65.9
Psicologia |
193
17.4
49.4
Sociale |
81
22.0
62.8
Storia |
58
24.7
65.2
Territorio |
397
38.0
67.7
Veterinaria |
94
33.0
79.0
-------------------+----------------------------------------------Totale |
5,898
27.0
64.3
-------------------------------------------------------------------
49
Table 25: Numero di partecipanti (N(partec)) e tasso di partecipazione tra gli idonei
(mean(partecip)) e tra i preiscritti (mean(prepart)) per Ateneo.
---------------------------------------------------------Ateneo |
N(partec) mean(partecip)
mean(prepart)
----------+----------------------------------------------BO |
370
14.0
72.3
CA |
130
23.8
66.3
FI |
697
28.4
69.8
LE |
158
28.5
80.2
ME |
134
37.4
74.0
MI |
804
31.2
74.5
NA |
591
19.9
62.7
PD |
552
28.8
84.0
PO |
321
63.4
84.3
RM1 |
1,670
28.8
49.2
RM2 |
183
16.9
58.7
UD |
288
64.3
90.6
----------+----------------------------------------------Totale |
5,898
27.0
64.3
----------------------------------------------------------
50
Table 26: Distribuzione dei partecipanti al test per titolo di studio dei genitori separatamente per
Ateneo.
------------------------------------------------------------------|
Titolo madre
Ateneo |
Nessuno
Diploma
Laurea Post-laur |
Totale
-----------+--------------------------------------------+---------BO |
16.25
46.56
32.23
4.96 |
100.00
CA |
43.55
33.06
18.55
4.84 |
100.00
FI |
23.07
46.86
24.09
5.99 |
100.00
LE |
38.78
44.90
14.97
1.36 |
100.00
ME |
26.72
40.46
25.95
6.87 |
100.00
MI |
19.37
45.82
27.09
7.72 |
100.00
NA |
20.79
44.50
30.24
4.47 |
100.00
PD |
30.26
45.57
20.48
3.69 |
100.00
PO |
34.28
49.06
12.58
4.09 |
100.00
RM1 |
18.08
47.77
27.31
6.84 |
100.00
RM2 |
16.20
56.98
22.35
4.47 |
100.00
UD |
29.71
52.90
13.77
3.62 |
100.00
-----------+--------------------------------------------+---------Totale |
22.81
46.83
24.71
5.65 |
100.00
-------------------------------------------------------------------
------------------------------------------------------------------|
Titolo padre
Ateneo |
Nessuno
Diploma
Laurea Post-laur |
Totale
-----------+--------------------------------------------+---------BO |
21.31
40.44
32.51
5.74 |
100.00
CA |
41.46
39.84
12.20
6.50 |
100.00
FI |
27.84
41.11
25.36
5.69 |
100.00
LE |
38.78
44.22
14.97
2.04 |
100.00
ME |
24.03
39.53
31.78
4.65 |
100.00
MI |
21.30
43.62
28.83
6.25 |
100.00
NA |
18.93
45.44
28.23
7.40 |
100.00
PD |
32.41
43.46
19.89
4.24 |
100.00
PO |
38.80
43.53
13.56
4.10 |
100.00
RM1 |
18.68
46.36
27.99
6.98 |
100.00
RM2 |
21.11
48.89
25.00
5.00 |
100.00
UD |
27.08
54.51
13.72
4.69 |
100.00
-----------+--------------------------------------------+---------Totale |
24.31
44.59
25.18
5.91 |
100.00
-------------------------------------------------------------------
51
Table 27: Distribuzione dei partecipanti al test per tipo di diploma di scuola media superiore
condizionatamente al titolo di studio dei genitori.
------------------------------------------------------------------------------|
Diploma studente
| Tecn/Prof
Classico
Scientif Altro lic Altro ist |
Totale
------------+-------------------------------------------------------+---------Titolo madre
Nessuno |
26.24
18.66
35.01
12.04
8.05 |
100.00
Diploma |
16.75
22.92
46.11
8.04
6.17 |
100.00
Laurea |
5.37
37.45
48.93
5.15
3.09 |
100.00
Post-laurea |
8.47
29.64
49.19
6.51
6.19 |
100.00
------------+-------------------------------------------------------+---------Titolo padre
Nessuno |
27.56
17.85
35.69
11.22
7.68 |
100.00
Diploma |
15.28
24.67
45.42
8.25
6.37 |
100.00
Laurea |
6.89
35.39
49.17
4.86
3.70 |
100.00
Post-laurea |
6.98
29.21
53.02
6.67
4.13 |
100.00
------------+-------------------------------------------------------+---------Totale |
15.67
25.98
44.44
8.03
5.89 |
100.00
-------------------------------------------------------------------------------
Table 28: Distribuzione dei partecipanti al test per tipo di diploma di scuola media superiore
condizionatamente alla professione dei genitori.
-----------------------------------------------------------------------------|
Diploma studente
| Tecn/Prof
Classico
Scientif Altro lic Altro ist |
Totale
-----------+-------------------------------------------------------+---------Professione madre
Dirigente |
7.54
35.42
47.60
5.56
3.88 |
100.00
Impiegato |
15.13
23.97
45.45
8.84
6.60 |
100.00
Operaio |
23.93
20.93
38.35
10.28
6.52 |
100.00
Inoccup |
19.20
22.63
43.54
8.42
6.21 |
100.00
-----------+-------------------------------------------------------+---------Professione padre
Dirigente |
8.17
36.20
46.87
5.08
3.68 |
100.00
Impiegato |
13.15
24.53
48.15
8.41
5.77 |
100.00
Operaio |
26.26
18.64
37.36
9.81
7.92 |
100.00
Inoccup |
21.94
24.17
36.39
10.00
7.50 |
100.00
-----------+-------------------------------------------------------+---------Totale |
15.67
25.98
44.44
8.03
5.89 |
100.00
-------------------------------------------------------------------------------
52
Table 29: Stime di modelli logit per la probabilità di partecipazione al test tra gli idonei.
-----------------------------------------------------------------------------Variabile |
part1
part2
part3
part4
-------------------------+---------------------------------------------------Eta |
.006
.007
.005
-.042***
Femmina |
-.130***
-.127***
-.012
-.056
Anzianita diploma |
-.039***
-.041***
-.033***
.012
Voto diploma |
.006***
.006***
.007***
.010***
Tecn/Prof |
.077
.070
-.014
-.118**
Classico |
-.103***
-.102***
.074*
.086**
Altro liceo |
-.073
-.079
.038
-.077
Altro istit |
-.144**
-.138**
-.133*
-.143**
Fuori comune |
-.022
-.027
.018
Fuori provincia |
-.006
-.033
-.105**
Fuori regione |
-.233***
-.192***
-.228***
Agro-Aliment |
.947***
.915***
Architettura |
.235***
.479***
Arte |
-.248*
-.095
Beni culturali |
.446***
.481***
Biologia |
.654***
.625***
Chimica |
.904***
1.001***
Comunicazione |
.425***
.328***
Economia |
.760***
.783***
Farmacia |
.799***
.779***
Filosofia |
.323***
.340***
Formazione |
.580***
.630***
Geografia |
.120
.036
Ingegneria |
.863***
.971***
Lettere |
.411***
.408***
Lingue |
.025
-.032
MatFisStat |
1.276***
1.347***
Medicina |
-.109
-.157**
Odontoiatria |
-.130
-.072
Politico |
.593***
.562***
Psicologia |
-.155*
-.106
Sociale |
.210
.393***
Storia |
.314**
.478***
Territorio |
.920***
.959***
Veterinaria |
.704***
.720***
BO |
-.819***
CA |
-.142
FI |
-.109*
LE |
.059
ME |
.480***
MI |
.232***
NA |
-.561***
PD |
.026
PO |
1.655***
RM2 |
-.801***
UD |
1.706***
Constant |
-.891***
-.844***
-1.352***
-1.254***
-------------------------+---------------------------------------------------N |
21872
21872
21872
21872
k |
11
14
38
49
ll_0 | -12750
-12750
-12750
-12750
ll | -12679
-12663
-12315
-11767
chi2 |
117
149
838
1685
r2_p | .00552
.00676
.0341
.0771
bic |
25468
25467
25009
24024
------------------------------------------------------------------------------
53
Table 30: Stime di modelli logit per la probabilità di partecipazione al test tra i preiscritti.
-----------------------------------------------------------------------------Variabile | prepart1
prepart2
prepart3
prepart4
-------------------------+---------------------------------------------------Eta |
.017
.017
.023
-.022
Femmina |
-.242***
-.257***
-.215***
-.214***
Anzianita diploma |
-.031
-.031
-.033*
.015
Voto diploma |
.017***
.016***
.016***
.006**
Media voti |
.010
.013
.056***
.065***
Lavoratore |
-.207***
-.221***
-.240***
-.263***
Tecn/Prof |
.213***
.169**
.087
-.099
Classico |
-.150***
-.129**
-.056
.035
Altro liceo |
.128
.117
.190**
.080
Altro istit |
.206*
.144
.133
-.082
Fuori comune |
.194***
.168***
-.005
Fuori provincia |
.333***
.274***
-.055
Fuori regione |
-.124*
-.086
-.261***
Agro-Aliment |
.387**
.334*
Architettura |
-.233**
.225*
Arte |
-.901***
-.471***
Beni culturali |
.179
.502***
Biologia |
.234*
.381***
Chimica |
.206
.638***
Comunicazione |
.219
.363**
Economia |
.581***
.833***
Farmacia |
.708***
.822***
Filosofia |
-.257
-.079
Formazione |
.595***
.671***
Geografia |
-.402*
-.108
Ingegneria |
.152
.713***
Lettere |
-.227*
.089
Lingue |
-.178
.019
MatFisStat |
.550***
1.042***
Medicina |
-.532***
-.287***
Odontoiatria |
-.668***
-.387*
Politico |
.214
.440***
Psicologia |
-.484***
-.139
Sociale |
.089
.306
Storia |
.041
.203
Territorio |
.253**
.791***
Veterinaria |
.718***
.616**
BO |
1.085***
CA |
.745***
FI |
.765***
LE |
1.505***
ME |
1.028***
MI |
1.188***
NA |
.479***
PD |
1.722***
PO |
1.865***
RM2 |
.302**
UD |
2.494***
Constant |
.784***
.681***
.581***
-.158*
-------------------------+---------------------------------------------------N |
9170
9170
9170
9170
k |
14
17
41
52
ll_0 |
-5975
-5975
-5975
-5975
ll |
-5865
-5836
-5698
-5396
chi2 |
212
265
507
973
r2_p |
.0184
.0232
.0463
.0968
bic |
11857
11828
11771
11267
------------------------------------------------------------------------------
54
Table 31: Percentuale di femmine (femmina), età media (eta), voto medio di diploma (voto),
percentuale che non usa l’italiano a casa (nonital) e percentuale di residenti extra-regione (dist3)
tra gli idonei al test, separatamente per Ateneo.
-------------------------------------------------------------------------------Ateneo |
femmina
eta
voto
nonital
dist3
----------+--------------------------------------------------------------------BO |
60.6
23.4
84.0
1.4
40.1
CA |
64.0
24.8
86.2
1.5
.7
FI |
61.2
23.3
82.9
2.8
14.0
LE |
69.4
24.4
86.4
2.7
2.9
ME |
65.4
24.3
87.2
1.7
30.4
MI |
61.0
23.4
81.4
2.1
13.4
NA |
61.0
23.1
86.6
2.5
3.4
PD |
63.3
23.6
84.9
1.6
14.0
PO |
70.0
25.3
82.6
4.9
25.5
RM1 |
61.7
23.9
75.6
5.1
24.8
RM2 |
52.7
23.6
84.0
2.5
17.4
UD |
63.4
23.4
83.5
6.7
27.5
----------+--------------------------------------------------------------------Totaleal |
61.6
23.6
82.1
3.1
18.9
--------------------------------------------------------------------------------
|
Table 32: Percentuale di femmine (femmina), età media (eta), voto medio di diploma (voto),
percentuale che non usa l’italiano a casa (nonital) e percentuale di residenti extra-regione (dist3)
tra i preiscritti al test, separatamente per Ateneo.
-------------------------------------------------------------------------------Ateneo |
femmina
eta
voto
nonital
dist3
----------+--------------------------------------------------------------------BO |
62.3
23.1
82.4
7.4
41.2
CA |
59.7
24.8
86.5
4.1
1.5
FI |
58.8
23.2
84.6
6.8
12.6
LE |
62.4
24.3
89.3
7.6
1.5
ME |
68.0
23.5
87.2
3.3
30.9
MI |
62.0
23.1
82.2
5.0
13.1
NA |
59.7
22.9
88.5
7.7
2.3
PD |
64.7
23.4
86.1
4.7
13.9
PO |
71.1
24.6
82.8
6.6
23.6
RM1 |
60.2
23.7
75.7
8.7
23.7
RM2 |
51.6
23.3
84.0
8.7
14.1
UD |
64.5
23.1
83.9
9.4
26.4
----------+--------------------------------------------------------------------Totale |
61.1
23.5
81.8
7.3
18.3
--------------------------------------------------------------------------------
55
Table 33: Percentuale di femmine (femmina), età media (eta), voto medio di diploma (voto),
percentuale che non usa l’italiano a casa (nonital) e percentuale di residenti extra-regione (dist3)
tra i partecipanti al test, separatamente per Ateneo.
-------------------------------------------------------------------------------Ateneo |
femmina
eta
voto
nonital
dist3
----------+--------------------------------------------------------------------BO |
61.1
23.1
82.8
7.8
38.1
CA |
58.5
24.6
87.0
3.1
.8
FI |
57.2
23.1
85.5
6.6
11.8
LE |
60.8
24.3
90.0
4.4
1.9
ME |
67.9
23.3
87.9
3.0
31.3
MI |
61.8
23.1
82.5
4.2
11.8
NA |
57.5
23.0
89.2
7.3
2.9
PD |
63.9
23.4
86.5
4.2
13.2
PO |
69.8
24.4
82.7
6.5
24.6
RM1 |
54.9
23.6
75.7
7.6
21.4
RM2 |
50.8
23.0
85.1
7.7
10.9
UD |
63.2
23.1
83.7
9.7
24.0
----------+---------------------------------------------------------------------Totale |
59.2
23.4
82.8
6.4
16.6
--------------------------------------------------------------------------------
Table 34: Statistiche descrittive dei punteggi nel TECO separatamente per genere.
---------------------------------------------------------------------------------------Genere |
N
mean variance
p25
p50
p75 skewness kurtosis
---------------------------------------------------------------------------------------pt_scale
F |
3473
1000
36693
852
988
1124
.272
3.01
M |
2380
998
44923
852
988
1124
.273
2.76
-------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
---------------------------------------------------------------------------------------srq_scale
F |
3473
989
39437
837
978
1118
-.659
3.77
M |
2380
1015
40411
907
1048
1118
-.716
4.14
-------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
---------------------------------------------------------------------------------------tot_scale
F |
3473
995
24203
881
1013
1089
-.240
3.15
M |
2380
1007
26921
910
1017
1121
-.217
3.20
-------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
----------------------------------------------------------------------------------------
56
Table 35: Correlazione tra i punteggi nel TECO, la media dei voti nel corso di laurea e il voto di
diploma.
----------------------------------------------------------------| pt_scale
srq_scale tot_scale voto_dip
media
-------------+------------------------------------------------pt_scale |
1.0000
srq_scale |
.2633
1.0000
tot_scale |
.7953
.7942
1.0000
voto_dip |
.1372
.1513
.1815
1.0000
media |
.1780
.1704
.2192
.2909
1.0000
-----------------------------------------------------------------
Table 36: Statistiche descrittive dei punteggi nel TECO per tipo di diploma di scuola media
superiore.
---------------------------------------------------------------------------------------------Diploma |
N
mean variance
p25
p50
p75 skewness kurtosis
--------------------------------------------------------------------------------------------pt_scale
Tecn/Prof |
879
963
39813
784
988
1124
.184
2.72
Classico |
1433
1026
38659
852
988
1124
.221
2.92
Scientif |
2462
1006
38667
852
988
1124
.306
2.89
Altro liceo |
451
986
38247
852
988
1124
.382
3.21
Altro istit |
325
1007
43552
852
988
1124
.386
2.90
------------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
--------------------------------------------------------------------------------------------srq_scale
Tecn/Prof |
879
967
37702
837
978
1118
-.518
3.50
Classico |
1433
1021
34408
907
1048
1118
-.786
4.40
Scientif |
2462
1015
39598
907
1048
1188
-.687
4.03
Altro liceo |
451
955
40746
837
978
1118
-.570
3.57
Altro istit |
325
1004
40614
837
1048
1118
-.434
3.05
------------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
--------------------------------------------------------------------------------------------tot_scale
Tecn/Prof |
879
965
25244
847
983
1086
-.272
3.11
Classico |
1433
1023
22120
943
1020
1122
-.330
3.22
Scientif |
2462
1011
24230
913
1018
1120
-.087
3.03
Altro liceo |
451
971
26194
876
982
1085
-.198
3.42
Altro istit |
325
1006
25965
882
1016
1092
-.030
2.99
------------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
---------------------------------------------------------------------------------------------
57
Table 37: Statistiche descrittive dei punteggi nel TECO per macro-area disciplinare.
---------------------------------------------------------------------------------------------Macro-area |
N
mean variance
p25
p50
p75 skewness kurtosis
---------------------------------------------------------------------------------------------pt_scale
Sanitaria |
924
1014
41458
852
988
1124
.257
2.80
Scientifica |
2021
984
40607
852
988
1124
.357
2.98
Sociale |
1980
1008
39787
852
988
1124
.187
2.85
Umanistica |
928
1001
37135
852
988
1124
.291
3.08
-------------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
---------------------------------------------------------------------------------------------srq_scale
Sanitaria |
924
1028
39920
907
1048
1188
-.702
3.71
Scientifica |
2021
1007
40284
907
1048
1118
-.538
3.52
Sociale |
1980
995
39233
907
1048
1118
-.804
4.21
Umanistica |
928
963
38791
837
978
1118
-.771
4.40
-------------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
---------------------------------------------------------------------------------------------tot_scale
Sanitaria |
924
1021
27015
915
1019
1154
-.298
3.02
Scientifica |
2021
996
25422
881
989
1089
-.109
3.11
Sociale |
1980
1001
24685
911
1017
1120
-.341
3.20
Umanistica |
928
982
24139
879
984
1086
-.205
3.59
-------------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
----------------------------------------------------------------------------------------------
58
Table 38: Statistiche descrittive del punteggio nel modulo PT per gruppo di lauree.
-------------------------------------------------------------------------------------------------Gruppo di lauree |
N
mean variance
p25
p50
p75 skewness kurtosis
-----------------+-------------------------------------------------------------------------------Agro-Alimentare |
139
981
48108
852
988
1124
.228
2.86
Architettura |
272
990
33816
852
988
1124
.442
3.05
Arte |
64
975
43719
852
988
1124
.257
2.92
Beni culturali |
142
986
31523
852
988
1056
.282
3.44
Biologia |
256
998
45053
852
988
1124
.154
2.76
Chimica |
106
968
38375
852
920
1124
.414
2.61
Comunicazione |
131
989
38141
852
988
1124
-.114
2.44
Economia |
465
982
35075
852
988
1124
.122
2.80
Farmacia |
394
980
40380
852
988
1124
.22
2.72
Filosofia |
108
1032
40449
852
1056
1124
.28
3.31
Formazione |
128
933
28960
784
920
1056
.225
2.71
Geografia |
53
986
39544
852
988
1124
-.323
2.30
Giurisprudenza |
874
1022
42390
852
988
1192
.243
2.90
Ingegneria |
463
980
39475
852
988
1124
.332
2.82
Lettere |
190
1039
37751
920
1056
1192
.242
2.99
Lingue |
231
1000
35246
852
988
1124
.236
2.90
MatFisStat |
388
1028
46688
852
988
1192
.294
2.74
Medicina |
393
1057
41635
920
1056
1192
.235
2.77
Odontoiatria |
44
1007
39106
818
988
1124
.503
3.29
Politico |
201
1015
48581
852
988
1192
.105
2.50
Psicologia |
191
1021
29108
920
988
1124
.201
2.81
Sociale |
79
986
39945
852
988
1124
.468
2.72
Storia |
57
1037
44262
852
1056
1192
.489
2.78
Territorio |
391
939
32362
784
920
1056
.437
3.70
Veterinaria |
93
983
33609
852
988
1124
.381
2.89
-----------------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
--------------------------------------------------------------------------------------------------
59
Table 39: Statistiche descrittive del punteggio nel modulo SRQ per gruppo di lauree.
-------------------------------------------------------------------------------------------------Gruppo di lauree |
N
mean variance
p25
p50
p75 skewness kurtosis
-----------------+-------------------------------------------------------------------------------Agro-Alimentare |
139
987
31622
907
978
1118
-.407
3.44
Architettura |
272
1022
32544
907
1048
1118
-.365
3.14
Arte |
64
955
35681
837
978
1048
-1.24
6.97
Beni culturali |
142
970
34192
837
978
1118
-.648
4.30
Biologia |
256
1015
39116
907
1048
1118
-.458
3.65
Chimica |
106
1023
37456
907
1048
1118
-1.03
5.47
Comunicazione |
131
966
38803
837
978
1118
-.224
2.92
Economia |
465
999
42443
907
1048
1118
-.855
4.73
Farmacia |
394
971
40599
837
978
1118
-.433
2.98
Filosofia |
108
1004
31192
907
1048
1118
-.492
2.60
Formazione |
128
873
44099
767
907
1048
-.68
4.32
Geografia |
53
882
45874
767
907
1048
-.41
2.73
Giurisprudenza |
874
998
40221
907
1048
1118
-.905
4.23
Ingegneria |
463
1022
33525
907
1048
1188
-.318
2.98
Lettere |
190
986
32118
837
978
1118
-.601
4.25
Lingue |
231
970
36196
837
978
1118
-.545
3.24
MatFisStat |
388
1055
39150
907
1048
1188
-.483
2.79
Medicina |
393
1087
30526
978
1118
1188
-.944
5.26
Odontoiatria |
44
1024
56343
837
1118
1188
-1.36
5.48
Politico |
201
997
34020
907
978
1118
-.488
3.06
Psicologia |
191
1039
26799
978
1048
1118
-1.17
7.34
Sociale |
79
930
42271
767
978
1118
-.257
2.33
Storia |
57
985
63131
907
1048
1118
-1.54
5.90
Territorio |
391
933
50608
767
978
1118
-.561
3.38
Veterinaria |
93
1025
42006
907
1048
1188
-.427
2.70
-----------------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
--------------------------------------------------------------------------------------------------
60
Table 40: Statistiche descrittive del punteggio totale nel TECO per gruppo di lauree.
--------------------------------------------------------------------------------------------------Gruppo di lauree |
N
mean variance
p25
p50
p75 skewness kurtosis
------------------+-------------------------------------------------------------------------------Agro-Alimentare |
139
984
27161
880
1014
1119
-.349
3.25
Architettura |
272
1006
19123
915
1015
1088
-.134
3.60
Arte |
64
965
25994
880
982
1070
-.885
4.74
Beni culturali |
142
978
18429
881
984
1052
.0739
3.55
Biologia |
256
1006
25843
896
1014
1118
.02
2.89
Chimica |
106
995
22972
883
1001
1090
-.533
3.94
Comunicazione |
131
978
24451
879
1014
1086
-.504
3.42
Economia |
465
991
24576
882
986
1089
-.409
3.36
Farmacia |
394
975
26830
876
983
1088
-.167
2.85
Filosofia |
108
1018
22907
930
1018
1122
-.126
3.03
Formazione |
128
903
24879
811
882
1017
-.315
3.82
Geografia |
53
934
27082
813
978
1053
-.196
2.22
Giurisprudenza |
874
1010
25423
913
1018
1121
-.339
3.21
Ingegneria |
463
1001
21503
883
1014
1089
.0224
2.96
Lettere |
190
1013
21525
914
986
1121
-.0429
3.01
Lingue |
231
985
21839
880
985
1087
-.158
2.97
MatFisStat |
388
1041
28054
915
1052
1155
-.0899
2.71
Medicina |
393
1072
22221
983
1085
1189
-.372
3.59
Odontoiatria |
44
1015
30281
915
1020
1156
-.484
3.46
Politico |
201
1006
26661
911
1018
1122
-.267
2.74
Psicologia |
191
1030
16218
948
1019
1121
-.221
3.41
Sociale |
79
958
26880
844
948
1082
.116
2.86
Storia |
57
1011
33639
882
1019
1119
-.0861
3.96
Territorio |
391
936
26020
812
948
1052
-.146
2.99
Veterinaria |
93
1004
27180
911
1020
1122
-.182
2.39
------------------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
---------------------------------------------------------------------------------------------------
61
Table 41: Statistiche descrittive dei punteggi nel TECO per area territoriale.
------------------------------------------------------------------------------------------Area |
N
mean variance
p25
p50
p75 skewness kurtosis
----------+-------------------------------------------------------------------------------pt_scale
Centro |
2899
993
39733
852
988
1124
.331
2.93
Nord |
1953
1028
40047
852
1056
1192
.162
2.95
Sud-Isole |
1001
963
37983
852
988
1056
.32
2.89
----------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
----------+-------------------------------------------------------------------------------srq_scale
Centro |
2899
1001
39423
907
1048
1118
-.579
3.69
Nord |
1953
1020
36875
907
1048
1188
-.712
4.09
Sud-Isole |
1001
954
44901
837
978
1118
-.794
3.92
----------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
----------+-------------------------------------------------------------------------------tot_scale
Centro |
2899
997
25137
882
1016
1090
-.175
3.19
Nord |
1953
1024
23749
916
1020
1122
-.284
3.2
Sud-Isole |
1001
959
26236
847
951
1083
-.203
3.17
----------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
-------------------------------------------------------------------------------------------
62
Table 42: Statistiche descrittive dei punteggi nel TECO per Ateneo.
---------------------------------------------------------------------------------------Ateneo |
N
mean variance
p25
p50
p75 skewness kurtosis
---------------------------------------------------------------------------------------pt_scale
BO |
368
1040
39413
920
1056
1192
.297
2.88
CA |
129
991
39567
852
988
1124
.252
2.92
FI |
691
1016
39414
852
988
1124
.265
2.87
LE |
157
941
37677
784
920
1056
.407
3.2
ME |
131
927
36610
784
920
1056
.375
2.81
MI |
798
1037
41333
920
1056
1192
.078
2.87
NA |
584
971
37567
852
988
1124
.302
2.84
PD |
549
1024
40724
852
988
1124
.251
2.9
PO |
319
1017
38334
852
988
1124
.115
3.15
RM1 |
1657
974
38657
852
988
1124
.382
3.02
RM2 |
183
984
42281
852
988
1124
.272
2.81
UD |
287
1020
37072
852
1056
1124
.271
3.14
-------+-------------------------------------------------------------------------------Totale |
5853
999
40033
852
988
1124
.272
2.91
---------------------------------------------------------------------------------------srq_scale
BO |
368
1056
33222
978
1048
1188
-.645
4.51
CA |
129
981
35508
907
978
1118
-.674
3.6
FI |
691
1033
36758
907
1048
1188
-.668
4.03
LE |
157
939
43318
837
978
1118
-.954
4.22
ME |
131
924
40107
767
907
1048
-.459
3.75
MI |
798
1032
37961
907
1048
1188
-.836
4.33
NA |
584
960
48224
837
978
1118
-.837
3.9
PD |
549
1027
37235
907
1048
1188
-.677
4.07
PO |
319
973
37582
837
978
1118
-.638
4.18
RM1 |
1657
978
39897
837
978
1118
-.545
3.5
RM2 |
183
978
42978
837
978
1118
-.419
3.68
UD |
287
1028
29667
907
1048
1118
-.477
3.13
-------+-------------------------------------------------------------------------------Totale |
5853
999
39989
907
1048
1118
-.676
3.91
---------------------------------------------------------------------------------------tot_scale
BO |
368
1048
22506
950
1052
1155
-.275
3.6
CA |
129
986
23470
881
986
1087
-.103
3.18
FI |
691
1025
23554
915
1019
1122
-.129
3.15
LE |
157
940
26526
845
950
1020
-.404
3.64
ME |
131
926
22802
813
911
1018
.228
3.19
MI |
798
1035
24460
917
1052
1154
-.371
3.11
NA |
584
965
27117
876
980
1086
-.256
3.07
PD |
549
1025
25198
916
1020
1123
-.292
3.28
PO |
319
995
22216
882
983
1117
-.134
3.33
RM1 |
1657
976
24863
879
983
1086
-.175
3.21
RM2 |
183
981
26983
847
983
1120
-.0554
2.85
UD |
287
1024
19689
948
1021
1120
-.218
3.35
-------+-------------------------------------------------------------------------------Totale |
5853
1001
25339
883
1016
1119
-.224
3.18
----------------------------------------------------------------------------------------
63
Table 43: Stime di modelli di regressione lineare per il punteggio riscalato nel modulo PT.
-----------------------------------------------------------------------------------------------Variabile |
pt1
pt2
pt3
pt4
pt5
-------------------------+---------------------------------------------------------------------Eta |
-1.471
-.612
.090
-.608
-5.190*
Femmina |
-9.209*
-8.345
-7.961
-6.089
-7.563
Anzianita diploma |
-1.321
-2.040
-2.251
-1.486
3.818
Voto diploma |
1.364***
1.336***
1.350***
1.215***
1.427***
Media voti |
15.483***
14.688***
14.543***
15.104***
15.261***
Tecn/Prof | -32.626***
-32.126***
-28.604***
-28.567***
-34.270***
Classico |
12.164*
12.768*
11.770*
6.655
12.277*
Altro liceo | -15.568
-16.636*
-14.358
-12.812
-14.709
Altro istit |
-1.572
-2.596
-1.342
3.197
-2.508
Lavoratore |
-1.029
-1.425
-2.540
-6.988
Lingua non ital |
-34.094***
-34.371***
-34.542***
-32.259***
Cittad non ital |
-93.345***
-90.848***
-94.484***
-100.035***
Fuori comune |
-3.098
.141
.187
3.479
Fuori provincia |
8.225
10.993
13.797**
-2.631
Fuori regione |
-10.712
-9.032
-8.825
-21.980***
Madre non dipl |
-4.002
-3.886
-3.222
Madre laureata |
2.136
2.992
.722
Madre assente |
-40.207**
-40.479**
-30.592*
Padre non dipl |
-2.289
-2.473
-2.353
Padre laureato |
-2.953
-3.799
-5.033
Padre assente |
-12.471
-12.013
-7.449
Madre dirig |
-7.951
-9.112
-2.204
Madre operaia |
-16.676**
-17.125**
-12.815
Madre inoccup |
-22.326***
-20.941***
-9.380
Padre dirig |
10.237
9.475
7.742
Padre operaio |
1.919
3.014
1.659
Padre inoccup |
-5.352
-4.772
-4.506
Agro-Aliment |
-35.918*
-45.189**
Architettura |
-37.633***
-34.806***
Arte |
-51.697*
-49.866*
Beni culturali |
-43.666***
-42.969***
Biologia |
-19.101
-24.179
Chimica |
-44.523**
-51.061***
Comunicazione |
-3.581
-9.261
Economia |
-10.289
-8.740
Farmacia |
-42.234***
-40.896***
Filosofia |
-26.343
-32.023
Formazione |
-79.494***
-70.699***
Geografia |
-4.290
-7.186
Ingegneria |
-29.676**
-16.568
Lettere |
-13.457
-17.176
Lingue |
-15.944
-13.220
MatFisStat |
6.287
8.160
Medicina |
4.874
6.844
Odontoiatria |
-41.264
-21.872
Politico |
18.591
21.667
Psicologia |
1.261
4.238
Sociale |
-12.270
-1.871
Storia |
-8.345
-16.283
Territorio |
-74.720***
-68.859***
Veterinaria |
-53.433***
-63.517***
BO |
40.620***
CA |
-22.919
FI |
22.343**
LE |
-76.245***
ME |
-71.720***
MI |
44.132***
NA |
-46.001***
PD |
36.847***
PO |
40.506***
RM2 |
-22.503
UD |
41.008***
Constant | 998.892***
1001.495***
1008.840***
1027.865***
1019.193***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
11
17
29
53
64
r2_a |
.0514
.0586
.0605
.0721
.094
F |
29.6
23.5
14.5
10.1
11
rmse |
195
194
194
193
190
------------------------------------------------------------------------------------------------
64
Table 44: Stime di modelli di regressione lineare per il punteggio riscalato nel modulo SRQ.
-----------------------------------------------------------------------------------------------Variabile |
srq1
srq2
srq3
srq4
srq5
-------------------------+---------------------------------------------------------------------Eta |
-6.549***
-6.019**
-5.290**
-4.222*
-10.634***
Femmina | -34.821***
-33.713***
-32.945***
-22.653***
-23.642***
Anzianita diploma |
1.375
.754
.366
-.289
7.150***
Voto diploma |
1.578***
1.612***
1.609***
1.098***
1.271***
Media voti |
14.345***
13.563***
13.371***
16.699***
16.518***
Tecn/Prof | -35.647***
-33.598***
-29.302***
-22.637***
-28.750***
Classico |
2.494
2.021
-.112
8.021
14.978**
Altro liceo | -47.282***
-48.280***
-45.315***
-22.947**
-23.539**
Altro istit |
-7.558
-7.080
-4.984
8.531
.851
Lavoratore |
7.040
7.660
10.371
6.961
Lingua non ital |
-40.380***
-40.892***
-37.722***
-34.855***
Cittad non ital |
-80.455***
-79.806***
-84.675***
-92.330***
Fuori comune |
-20.130***
-15.885**
-10.971
-11.434
Fuori provincia |
-4.128
-.239
4.485
-15.904**
Fuori regione |
-24.266***
-21.776***
-20.172**
-36.909***
Madre non dipl |
-2.468
-.572
.192
Madre laureata |
6.959
5.233
2.351
Madre assente |
-26.110
-23.254
-14.372
Padre non dipl |
-4.321
-1.855
-1.949
Padre laureato |
-4.138
-6.615
-8.941
Padre assente |
-10.849
-11.050
-7.987
Madre dirig |
-9.228
-7.655
.469
Madre operaia |
-7.987
-6.504
-1.741
Madre inoccup |
-15.864**
-14.289**
-.518
Padre dirig |
22.909***
21.137***
19.151**
Padre operaio |
.949
1.547
-.074
Padre inoccup |
5.711
7.301
7.621
Agro-Aliment |
-10.834
-23.102
Architettura |
17.449
23.336*
Arte |
-45.198*
-42.635*
Beni culturali |
-34.816**
-30.251*
Biologia |
23.675*
21.494
Chimica |
32.699*
32.033*
Comunicazione |
2.792
-5.935
Economia |
28.592**
34.476***
Farmacia |
-22.941*
-14.567
Filosofia |
-29.816
-30.162*
Formazione |
-106.327***
-105.146***
Geografia |
-75.199***
-65.560**
Ingegneria |
30.984***
47.578***
Lettere |
-42.632***
-41.232***
Lingue |
-17.813
-10.832
MatFisStat |
53.730***
57.751***
Medicina |
55.337***
64.018***
Odontoiatria |
-7.516
25.890
Politico |
28.937**
36.728***
Psicologia |
50.487***
50.890***
Sociale |
-31.955
-14.192
Storia |
-42.641
-47.531
Territorio |
-56.194***
-49.383***
Veterinaria |
15.237
8.304
BO |
53.087***
CA |
-22.279
FI |
45.778***
LE |
-56.837***
ME |
-60.134***
MI |
49.260***
NA |
-65.259***
PD |
50.430***
PO |
11.733
RM2 |
-31.020**
UD |
61.800***
Constant | 1020.540***
1032.382***
1031.520***
1011.241***
998.117***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
11
17
29
53
64
r2_a |
.0707
.0791
.0814
.109
.142
F |
38.8
29.2
18.1
14.8
16.4
rmse |
193
192
192
189
185
------------------------------------------------------------------------------------------------
65
Table 45: Stime di modelli di regressione lineare per il punteggio totale nel TECO.
-----------------------------------------------------------------------------------------------Variabile |
tot1
tot2
tot3
tot4
tot5
-------------------------+---------------------------------------------------------------------Eta |
-4.010*
-3.315*
-2.600
-2.416
-7.913***
Femmina | -21.988***
-21.000***
-20.424***
-14.343***
-15.573***
Anzianita diploma |
.030
-.640
-.940
-.885
5.487**
Voto diploma |
1.471***
1.474***
1.479***
1.156***
1.349***
Media voti |
14.912***
14.123***
13.955***
15.898***
15.885***
Tecn/Prof | -34.125***
-32.848***
-28.940***
-25.589***
-31.496***
Classico |
7.311
7.376
5.810
7.317
13.605***
Altro liceo | -31.402***
-32.435***
-29.814***
-17.865**
-19.109**
Altro istit |
-4.568
-4.839
-3.165
5.860
-.830
Lavoratore |
2.987
3.099
3.895
-.034
Lingua non ital |
-37.214***
-37.610***
-36.114***
-33.538***
Cittad non ital |
-86.911***
-85.341***
-89.589***
-96.193***
Fuori comune |
-11.628**
-7.886
-5.406
-3.997
Fuori provincia |
2.037
5.365
9.129*
-9.280*
Fuori regione |
-17.514***
-15.428**
-14.524**
-29.471***
Madre non dipl |
-3.225
-2.220
-1.506
Madre laureata |
4.569
4.133
1.556
Madre assente |
-33.123**
-31.833**
-22.453*
Padre non dipl |
-3.304
-2.164
-2.151
Padre laureato |
-3.546
-5.207
-6.987
Padre assente |
-11.681
-11.553
-7.742
Madre dirig |
-8.604
-8.398
-.883
Madre operaia |
-12.317*
-11.799*
-7.264
Madre inoccup |
-19.098***
-17.620***
-4.955
Padre dirig |
16.572***
15.304**
13.444**
Padre operaio |
1.432
2.278
.789
Padre inoccup |
.169
1.254
1.547
Agro-Aliment |
-23.405*
-34.170**
Architettura |
-10.076
-5.716
Arte |
-48.422**
-46.220**
Beni culturali |
-39.237***
-36.603***
Biologia |
2.245
-1.379
Chimica |
-5.925
-9.522
Comunicazione |
-.382
-7.582
Economia |
9.156
12.880
Farmacia |
-32.589***
-27.726***
Filosofia |
-28.068*
-31.073**
Formazione |
-92.816***
-87.827***
Geografia |
-39.732*
-36.347
Ingegneria |
.656
15.510*
Lettere |
-28.039**
-29.191**
Lingue |
-16.928
-12.068
MatFisStat |
29.992***
32.944***
Medicina |
30.105***
35.438***
Odontoiatria |
-24.307
2.099
Politico |
23.785**
29.221***
Psicologia |
25.877**
27.566***
Sociale |
-22.098
-8.011
Storia |
-25.458
-31.868
Territorio |
-65.439***
-59.097***
Veterinaria |
-19.072
-27.581*
BO |
46.869***
CA |
-22.597
FI |
34.056***
LE |
-66.472***
ME |
-65.926***
MI |
46.698***
NA |
-55.633***
PD |
43.636***
PO |
26.088***
RM2 |
-26.768**
UD |
51.395***
Constant | 1009.771***
1017.005***
1020.241***
1019.616***
1008.717***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
11
17
29
53
64
r2_a |
.0935
.106
.11
.137
.179
F |
50.8
38.9
24.1
17.3
19.9
rmse |
152
151
150
148
144
------------------------------------------------------------------------------------------------
66
Table 46: Stime di modelli con autoselezione per il punteggio totale nel TECO.
-----------------------------------------------------------------------------------------------Variabile |
tot1
tot2
tot3
tot4
tot5
-------------------------+---------------------------------------------------------------------Eta |
2.329
.927
-2.596
-2.400
-7.904***
Femmina | -131.298
-95.774
-20.438***
-14.367***
-15.587***
Anzianita diploma | -33.398
-24.319
-.939
-.891
5.485***
Voto diploma |
6.820
5.238
1.479***
1.156***
1.348***
Tecn/Prof |
30.777
8.087
-28.909***
-25.519***
-31.453***
Classico | -84.458
-56.167
5.810
7.317
13.608***
Altro liceo | -98.855
-82.892
-29.819***
-17.878**
-19.115**
Altro istit | -131.207
-90.853
-3.188
5.837
-.840
Media voti |
13.981*
14.038***
13.954***
15.902***
15.888***
Lavoratore |
5.061
3.785
3.113
3.937
-.016
Lingua non ital | -37.394
-37.187
-37.631***
-36.128***
-33.547***
Cittad non ital | -84.971
-85.429
-85.302***
-89.574***
-96.178***
Fuori comune |
-26.819
-7.881
-5.394
-3.996
Fuori provincia |
2.627
5.369
9.130*
-9.278*
Fuori regione |
-163.902
-15.425**
-14.513**
-29.456***
Madre non dipl |
-3.224
-2.211
-1.504
Madre laureata |
4.576
4.141
1.564
Madre assente |
-36.297*
-37.872*
-25.767
Padre non dipl |
-3.313
-2.176
-2.157
Padre laureato |
-3.543
-5.200
-6.982
Padre assente |
-14.528
-16.972
-10.710
Madre dirig |
-8.601
-8.403
-.888
Madre operaia |
-12.335*
-11.838*
-7.284
Madre inoccup |
-19.103***
-17.640***
-4.968
Padre dirig |
16.548***
15.258**
13.418**
Padre operaio |
1.455
2.314
.809
Padre inoccup |
.195
1.314
1.575
Agro-Aliment |
-23.468*
-34.202**
Architettura |
-10.123
-5.726
Arte |
-48.488**
-46.264**
Beni culturali |
-39.164***
-36.573***
Biologia |
2.198
-1.411
Chimica |
-5.879
-9.491
Comunicazione |
-.413
-7.608
Economia |
9.131
12.868
Farmacia |
-32.545***
-27.695***
Filosofia |
-28.220*
-31.163**
Formazione |
-92.865***
-87.845***
Geografia |
-39.774*
-36.357*
Ingegneria |
.685
15.531*
Lettere |
-28.082**
-29.213**
Lingue |
-16.903
-12.059
MatFisStat |
29.985***
32.947***
Medicina |
30.122***
35.450***
Odontoiatria |
-24.202
2.126
Politico |
23.841**
29.268**
Psicologia |
25.838**
27.548**
Sociale |
-22.409
-8.184
Storia |
-25.596
-31.951
Territorio |
-65.461***
-59.107***
Veterinaria |
-18.979
-27.537*
BO |
46.839***
CA |
-22.551
FI |
34.055***
LE |
-66.401***
ME |
-65.901***
MI |
46.732***
NA |
-55.602***
PD |
43.646***
PO |
26.091***
RM2 |
-26.740**
UD |
51.525***
Constant | -1311.29
-571.360
1020.264***
1019.670***
1008.726***
-----------------------------------------------------------------------------------------------lambda | 1963.617
1366.562
2.917
5.908
3.359
rho |
1
1
.0195
.0401
.0234
sigma |
1964
1367
150
147
143
-------------------------+---------------------------------------------------------------------N |
21827
21827
21827
21827
21827
N_cens |
15974
15974
15974
15974
15974
df_m |
14
17
29
53
64
------------------------------------------------------------------------------------------------
67
Table 47: Stime di modelli di regressione quantilica per il punteggio riscalato nel modulo PT.
-----------------------------------------------------------------------------------------------Variable |
pt10
pt25
pt50
pt75
pt90
-------------------------+---------------------------------------------------------------------Eta |
-4.399
-6.934**
-8.176***
-2.164
-6.421
Femmina |
9.135
11.789
-6.638
-23.420***
-46.371***
Anzianita diploma |
3.485
5.306*
5.303*
.460
4.680
Voto diploma |
1.213***
1.766***
1.340***
1.544***
1.632***
Media voti |
13.060***
14.111***
13.514***
16.945***
20.778***
Tecn/Prof | -45.274***
-35.475***
-32.241***
-26.928**
-36.036**
Classico |
17.853
1.203
15.547*
20.066**
17.311
Altro liceo | -13.711
-33.928**
-15.750
-7.837
-3.277
Altro istit | -19.969
-35.009**
-6.499
17.498
30.514
Lavoratore | -12.789
-15.770
-5.857
-10.344
15.892
Lingua non ital | -47.498***
-44.635***
-21.283
-19.468
-27.816
Cittad non ital | -69.576**
-97.046***
-113.016***
-91.284***
-90.701**
Fuori comune |
4.853
-9.074
5.474
9.840
-2.131
Fuori provincia |
-.664
-8.358
-2.875
4.242
-3.666
Fuori regione | -22.651*
-33.124***
-24.702**
-17.467
-19.288
Madre non dipl |
-3.420
.001
-7.636
9.729
-2.407
Madre laureata |
3.863
-2.294
-5.407
16.665
15.265
Madre assente | -17.953
-34.098
-18.702
-33.454
-57.617
Padre non dipl |
-4.122
5.998
-1.928
-4.337
4.860
Padre laureato |
-3.856
5.453
1.679
-16.538
-13.603
Padre assente |
-7.247
-13.326
3.036
-3.299
-24.010
Madre dirig | -12.925
-11.683
1.865
-7.533
-3.548
Madre operaia |
-6.041
-28.628**
-17.447*
-14.175
-11.482
Madre inoccup | -16.996
-21.997**
-7.889
-10.977
.916
Padre dirig |
-9.557
1.768
7.173
23.264**
9.604
Padre operaio |
3.245
1.577
6.610
9.925
-8.639
Padre inoccup |
-3.782
-9.468
1.073
-9.452
-39.774*
Agro-Aliment | -62.469**
-67.292***
-38.664*
-44.802*
-64.670*
Architettura |
3.803
-37.435**
-31.673*
-43.000**
-49.605*
Arte | -44.970
-35.876
-40.626
-39.730
-75.529
Beni culturali | -16.930
-14.861
-29.467
-63.984**
-84.042**
Biologia | -45.768**
-40.828**
-29.527*
9.750
.788
Chimica | -16.182
-50.531*
-59.047**
-87.873***
-35.618
Comunicazione | -12.224
-12.082
2.109
12.331
-23.764
Economia |
4.406
-7.486
-4.941
-17.218
-24.722
Farmacia | -35.874*
-54.065***
-37.587**
-41.346**
-53.082**
Filosofia | -32.744
-3.357
-43.137*
-28.965
-57.880
Formazione | -16.622
-46.761*
-65.160***
-71.364**
-111.986***
Geografia | -25.921
-27.088
11.317
37.391
-1.032
Ingegneria | -15.189
-34.086**
-17.360
-9.851
-21.306
Lettere | -10.930
-18.016
-3.383
-24.353
-53.045*
Lingue | -16.803
-8.452
-20.576
-18.327
-25.806
MatFisStat |
17.221
-17.439
11.192
20.489
24.498
Medicina |
-8.762
-11.586
14.567
14.561
26.222
Odontoiatria | -29.048
-42.197
-8.515
-9.673
-45.967
Politico |
5.793
3.302
25.501
31.452
17.434
Psicologia |
32.493
11.947
22.786
9.923
-48.862
Sociale |
-.519
-19.755
1.656
-8.662
64.580
Storia | -28.512
-41.538
-32.451
-15.990
26.031
Territorio | -38.911*
-62.713***
-55.952***
-78.334***
-112.595***
Veterinaria | -45.582
-63.936**
-64.470**
-84.762***
-71.559*
BO |
38.850**
32.487**
38.670***
55.827***
14.203
CA | -33.535
-36.209
.953
-34.148
-49.004
FI |
29.126*
29.840**
27.581**
20.691
7.184
LE | -55.002*
-68.201***
-65.216***
-78.557***
-89.856***
ME | -56.688*
-76.147***
-66.444***
-82.634***
-103.294***
MI |
44.005***
42.703***
57.472***
58.667***
22.045
NA | -24.518
-42.612***
-49.559***
-37.101**
-67.293***
PD |
35.720**
25.489*
40.335***
49.924***
35.686*
PO |
42.866**
52.279***
54.709***
34.993*
24.263
RM2 | -47.423*
-44.316**
-16.373
-2.263
-19.885
UD |
62.240***
51.186***
53.157***
25.438
28.215
Constant | 774.852***
896.277***
999.652***
1128.885***
1300.758***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
64
64
64
64
64
q_v |
784
852
988
1124
1260
sum_adev |
358533
678227
881089
722596
408291
sum_rdev |
382659
717560
920337
762579
435581
------------------------------------------------------------------------------------------------
68
Table 48: Stime di modelli di regressione quantilica per il punteggio riscalato nel modulo SRQ.
-----------------------------------------------------------------------------------------------Variable |
srq10
srq25
srq50
srq75
srq90
-------------------------+---------------------------------------------------------------------Eta |
-8.070*
-14.096***
-11.835***
-9.066***
-8.021***
Femmina | -17.293*
-24.756***
-23.955***
-27.325***
-33.134***
Anzianita diploma |
3.420
9.916***
8.433***
6.262**
8.122***
Voto diploma |
1.460***
1.221***
1.367***
1.332***
1.150***
Media voti |
17.167***
19.412***
17.633***
14.906***
13.121***
Tecn/Prof | -21.559
-38.976***
-35.256***
-29.906***
-28.321***
Classico |
37.326***
27.336***
8.296
5.756
3.462
Altro liceo | -13.626
-12.572
-29.435**
-30.390***
-23.132*
Altro istit |
4.601
-16.197
.258
4.435
13.255
Lavoratore |
3.868
4.658
7.701
2.700
-2.304
Lingua non ital | -25.558
-33.022**
-36.322***
-43.647***
-31.096**
Cittad non ital | -136.286***
-135.132***
-117.079***
-31.902
-44.944
Fuori comune | -11.880
-4.597
-5.266
-11.129
-9.317
Fuori provincia | -22.117*
-13.709
-14.066*
-16.677**
-10.478
Fuori regione | -56.522***
-34.836***
-28.687***
-36.340***
-16.824
Madre non dipl |
-2.356
-7.684
3.838
5.077
-7.605
Madre laureata |
17.947
-6.295
6.048
2.605
2.678
Madre assente |
-1.558
-35.082
-20.658
-18.048
-7.657
Padre non dipl | -20.425
7.479
-2.895
-6.807
4.534
Padre laureato | -15.680
-16.091
-6.820
-6.240
-17.170*
Padre assente | -30.946
-3.394
-9.910
-19.750
-18.412
Madre dirig |
-4.193
16.123
-7.432
-6.538
-2.235
Madre operaia |
-1.352
6.951
-4.288
-3.306
-5.099
Madre inoccup |
8.742
2.711
-5.933
-9.161
2.173
Padre dirig |
17.925
26.647**
19.064**
5.906
18.538*
Padre operaio |
2.856
-6.986
2.606
3.654
-7.290
Padre inoccup | -11.134
-.130
32.738***
4.053
-6.326
Agro-Aliment |
-3.067
18.576
-44.413**
-62.988***
-23.642
Architettura |
51.021**
54.301***
5.663
6.846
8.915
Arte |
-6.998
-24.515
-37.910
-69.886***
-67.134**
Beni culturali |
13.183
-5.396
-43.205**
-53.068***
-58.335**
Biologia |
33.522
29.955
-5.921
14.823
32.454*
Chimica |
66.193*
66.870**
28.543
3.026
-37.922
Comunicazione | -12.862
-20.394
-28.023
3.026
21.554
Economia |
58.274***
49.630***
27.517**
28.852**
25.377*
Farmacia | -19.221
-6.614
-37.657***
-4.203
-8.476
Filosofia | -31.607
-43.234
-38.482*
-26.576
-32.716
Formazione | -121.487***
-125.609***
-118.352***
-87.541***
-103.938***
Geografia | -75.683
-46.011
-56.705*
-86.739***
-39.726
Ingegneria |
71.840***
63.573***
25.200*
25.826**
43.835***
Lettere | -29.793
-33.697
-59.344***
-43.656***
-34.715*
Lingue | -25.994
-.161
-22.594
-22.258
-7.380
MatFisStat |
36.442
76.089***
40.405***
63.321***
56.849***
Medicina |
92.768***
91.563***
47.326***
50.115***
36.438**
Odontoiatria |
31.038
-1.953
27.759
73.270**
4.171
Politico |
53.635*
57.458**
25.848
9.770
12.337
Psicologia | 103.401***
102.768***
32.442*
9.050
4.076
Sociale |
-4.407
-44.102
-28.990
-12.372
-2.748
Storia | -57.193
-27.926
-30.861
-11.080
-37.120
Territorio | -82.553***
-39.416**
-68.227***
-41.942***
-14.642
Veterinaria |
10.716
-9.067
9.162
13.794
-1.902
BO |
70.024***
55.233***
48.956***
46.974***
36.636**
CA | -28.209
-2.828
-25.370
-35.667*
-37.777
FI |
42.322**
49.984***
50.780***
39.475***
42.344***
LE | -73.048**
-68.611***
-53.745***
-32.028*
-66.009***
ME | -57.242*
-23.453
-62.220***
-81.654***
-65.492***
MI |
45.072**
62.625***
57.756***
45.231***
47.091***
NA | -86.983***
-78.680***
-44.869***
-37.150***
-48.535***
PD |
37.351*
59.337***
46.518***
54.738***
52.635***
PO |
21.728
15.436
17.715
6.275
3.173
RM2 | -35.399
-36.031
-24.455
-33.035**
-15.838
UD |
93.568***
78.162***
52.261***
35.372**
30.197*
Constant | 756.020***
862.952***
1022.355***
1142.993***
1229.386***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
64
64
64
64
64
q_v |
767
907
1048
1118
1258
sum_adev |
412385
707946
835104
625541
327624
sum_rdev |
462124
780238
914382
675110
351717
------------------------------------------------------------------------------------------------
69
Table 49: Stime di modelli di regressione quantilica per il punteggio totale nel TECO.
-----------------------------------------------------------------------------------------------Variable |
tot10
tot25
tot50
tot75
tot90
-------------------------+---------------------------------------------------------------------Eta | -11.777***
-6.674***
-9.424***
-8.412***
-6.990***
Femmina |
-3.667
-10.940*
-11.710**
-20.754***
-26.693***
Anzianita diploma |
9.164***
3.557
6.866***
6.737***
3.781
Voto diploma |
1.723***
1.492***
1.478***
1.388***
1.025***
Media voti |
13.926***
15.454***
16.321***
15.059***
17.138***
Tecn/Prof | -37.179***
-34.029***
-37.177***
-25.895***
-16.317*
Classico |
21.057***
16.237**
17.777***
14.036**
6.411
Altro liceo | -16.550
-14.691
-30.812***
-22.006**
10.997
Altro istit | -18.377
-6.587
-9.452
-6.134
33.788***
Lavoratore | -16.498*
1.995
4.291
-2.163
-3.730
Lingua non ital | -32.987**
-41.856***
-25.210**
-21.513**
-43.638***
Cittad non ital | -118.328***
-128.975***
-93.145***
-81.892***
-62.312***
Fuori comune |
-3.952
-17.211**
-7.686
.974
1.401
Fuori provincia | -10.862
-13.373*
-11.605*
-6.596
-6.620
Fuori regione | -43.001***
-46.988***
-30.285***
-16.848**
-10.729
Madre non dipl |
-7.710
-15.175**
-3.363
5.633
15.182*
Madre laureata | -13.349
-5.470
5.131
6.158
12.357
Madre assente | -28.405
-31.548
-9.894
-41.795**
-25.120
Padre non dipl |
-7.956
5.504
-2.557
-1.484
-7.439
Padre laureato |
-5.603
-10.801
-7.353
-5.950
-4.799
Padre assente | -19.953
-7.784
-16.225
.022
6.033
Madre dirig |
-8.430
6.878
-4.279
1.345
-12.383
Madre operaia | -21.002**
-16.121*
-3.913
-3.772
-5.612
Madre inoccup | -16.056*
-7.392
-4.628
-5.276
-9.183
Padre dirig |
13.431
15.498*
13.438*
17.338**
14.862*
Padre operaio |
9.533
5.996
7.017
3.574
-10.221
Padre inoccup |
2.708
10.433
-3.045
3.008
1.225
Agro-Aliment | -20.367
-20.484
-18.867
-36.633**
-65.436***
Architettura |
18.405
18.106
-18.269
-24.662*
-8.372
Arte | -30.135
-33.343
-45.065**
-33.287
-59.157**
Beni culturali |
2.408
-6.986
-40.543**
-65.381***
-85.351***
Biologia | -12.293
-4.631
-14.797
11.606
16.228
Chimica |
1.242
14.915
-.126
-17.692
-29.022
Comunicazione | -15.706
-5.128
-3.696
-15.399
-19.409
Economia |
18.003
15.068
20.923**
7.501
9.371
Farmacia | -34.794**
-32.270***
-24.304**
-23.659**
-20.217
Filosofia | -26.845
-21.688
-31.857*
-33.040*
-40.425*
Formazione | -75.357***
-89.920***
-72.537***
-65.360***
-100.770***
Geografia | -42.227
-29.766
-12.914
-42.869
-37.026
Ingegneria |
9.380
21.147*
9.647
15.427
3.946
Lettere | -25.651
-17.101
-34.160**
-29.805**
-26.250
Lingue | -10.529
-4.167
-18.480
-14.032
-30.664*
MatFisStat |
1.316
23.482*
34.845***
46.178***
44.692***
Medicina |
35.566**
44.594***
32.926***
40.699***
23.751*
Odontoiatria | -29.024
32.782
-.757
14.483
-.505
Politico |
41.955**
55.625***
36.330***
24.883*
19.038
Psicologia |
60.628***
36.751**
23.606*
21.195
-8.525
Sociale |
8.800
-13.712
-25.029
-12.693
37.579
Storia | -31.235
-39.200
-27.135
-15.533
-25.530
Territorio | -79.837***
-62.085***
-51.344***
-54.658***
-61.517***
Veterinaria | -42.764*
-30.333
-22.756
-26.634
-28.614
BO |
49.821***
55.684***
42.030***
49.228***
43.025***
CA | -24.585
-17.737
-25.568
-40.551**
-32.756*
FI |
19.954*
47.768***
31.509***
26.316***
31.013***
LE | -97.667***
-59.130***
-59.509***
-69.601***
-51.944***
ME | -51.649**
-47.584**
-72.702***
-73.785***
-76.913***
MI |
37.809***
48.518***
48.437***
60.960***
39.200***
NA | -88.121***
-49.106***
-51.283***
-41.742***
-43.381***
PD |
30.176**
33.831***
46.947***
50.990***
55.035***
PO |
40.113***
28.829**
7.006
28.265**
11.252
RM2 | -52.130***
-35.810**
-17.752
-10.885
-10.831
UD |
56.691***
64.780***
53.954***
55.859***
30.999**
Constant | 844.740***
913.242***
1011.421***
1093.185***
1188.918***
-------------------------+---------------------------------------------------------------------N |
5853
5853
5853
5853
5853
df_m |
64
64
64
64
64
q_v |
807
883
1016
1119
1191
sum_adev |
298752
536530
662016
518549
281952
sum_rdev |
342458
605111
737147
574821
312523
------------------------------------------------------------------------------------------------
70
.3
.4
.1
Density
.2
.3
Density
.2
.1
0
0
0
5
10
pt
15
20
0
5
10
srq
15
20
Figure 1: Istogrammi dei punteggi originari nei moduli PT e SRQ.
71
Femmina
Total
0
.002
Density
.004
.006
Maschio
500
1000
1500
500
1000
1500
500
1000
1500
Punteggio PT riscalato
Figure 2: Istogrammi del punteggio riscalato nel modulo PT per genere.
72
Femmina
Total
.002
.001
0
Density
.003
.004
Maschio
0
500
1000
1500 0
500
1000
1500 0
500
1000
1500
Punteggio SRQ riscalato
Figure 3: Istogrammi del punteggio riscalato nel modulo SRQ per genere.
73
Femmina
Total
0
.001
Density
.002
.003
Maschio
500
1000
1500
500
1000
1500
500
1000
Punteggio totale TECO
Figure 4: Istogrammi del punteggio totale per genere.
74
1500
20
15
PT
10
5
0
0
5
10
SRQ
15
20
Figure 5: Diagramma a nuvola dei punteggi nei moduli PT e SRQ.
75
-100
0
100
C
C
So
Punteggio
PT
U
UU
So
So
U
U
Sa
U Sc
So
100
0
Sa
Sc
Sa
Sc
So
Sc
So
Sc Sc Sa So
Sc
Sa
Sc
U
U
Sc
Sc
Sa
So
So
USo So
Sc
Sa
Sc
Sc
So
Sc
Sa
Sc
Sc
Sc
Sa
So
Sc
0
U
UU
U
Sa
U Sc Sc
Sa
-50
Sa
Sc
Sc So C
So
So
Sc
Sa
Sc
Sc
C
Punteggio
SRQ
USoSo
U
U
U
So
Sc
Sa
So
Sa
So
So
Sa U
Sc
U
U
cu
Sc U U
U
-100 So
So
Sa
Sc So
So
C
C
Sa
Sc
SoSo
SoSc
Sa
Sc
So Sc
So
Sc
U
Sa
Sa
U USc
cu
U
U
U
Sc
ScSo
Sa
Sc
Sc Sc
USoSo
Sa
Sa U U
U U
Sc
U
Sc
So
50
0
Punteggio
totale
-50
So
-50
0
50
-100
50
-100
-50
0
50
Figure 6: Effetti fissi di gruppo di laurea nella specificazione all5. Sa: macro-area Sanitaria (gruppi
di lauree Farmacia, Medicina, Odontoiatria, Veterinaria), Sc: macro-area Scientifica (gruppi di
lauree Agro-alimentare, Architettura, Biologia, Chimica, Ingegneria, Matematica Fisica e Statistica,
Territorio, e alcune lauree del gruppo Beni culturali), So: macro-area Sociale (gruppi di lauree
Comunicazione, Economia, Formazione, Geografia, Giurisprudenza, Politico, Psicologia e Sociale),
U: macro-area Umanistica (gruppi di lauree Arte, Filosofia, Formazione, Geografia, Lettere, Lingue,
Storia, e gran parte delle lauree del gruppo Beni culturali).
76
-50
0
50
N
N N
N
C
C SI
CSI
SI
SI
SI
SI
N
C NN
N
SISI
SI
N
NN
C
N
N
SI
C
SI
-50
SI
C
N
N
N
C
SI
SI SI
50
Punteggio
totale
C SI
0
-50
SI
SI
SI
SISI
0
-100
N
Punteggio
SRQ
SI
C
-100
-50
SI
SI
N
C NN
0
-50
50
C
0
Punteggio
PT
50
N
NN
N
50
-50
0
50
Figure 7: Effetti fissi di gruppo di Ateneo nella specificazione all5. N: Nord (Milano, Padova,
Piemonte Orientale, Udine), C: Centro (Bologna, Firenze, Roma “La Sapienza” (RM1), Roma
“Tor Vergata”), SI: Sud-Isole (Cagliari, Messina, Napoli “Federico II”, Salento).
77