Grandi aspettative: le determinanti dell’iscrizione all’Universita’ delle donne in Europa Chiara Pronzato (con Alessandra Casarico e Paola Profeta) ISTAT, 16 settembre 2011 Introduzione Domande di ricerca • Le prospettive di carriera influenzano la scelta di iscriversi all’Universita’? • Per entrambi uomini e donne? Contributi del paper • Modello economico che spiega i meccanismi di scelta di investire in istruzione • Analisi empirica basata sui dati EU-SILC per gli anni 2004-2009 Introduzione • Importanza dell’istruzione delle giovani donne – “Quiet revolution” (Goldin, 2006) – Potere decisionale nella famiglia (Iyigun e Walsh, 2007; Chiappori et al, 2008) – Attaccamento al mercato del lavoro (Carneiro et al, 2007; Bratti, 2003) – Sviluppo dei bambini (Haveman e Wolfe, 1995; Guryan et al, 2008) • Impatto delle caratteristiche del mercato del lavoro sulla scelta di investire in istruzione (Bozick, 2009; Petronongolo and San Segundo, 2002; Betts and Farland,1995) Il modello economico • Un modello a due periodi • Le donne sono eterogenee per talento • E impiegano un certo tempo per istruirsi αi • Primo periodo – Ciascuna donna decide se investire in istruzione – Se investe, guadagna un salario, per il periodo 1- αi: Ws1 – Se non investe, guadagna un salario, per tutto il periodo: Wu, Wu < Ws1 • Secondo periodo – Tutte le donne hanno un’interruzione nella carriera – E le donne piu’ istruite possono essere promosse con una certa probabilita’ Ws2 > Ws1 Il modello economico • Confrontando l’utilita’ attesa per una donna istruita con l’utilita’ attesa per una donna non istruita • Si definisce un livello-soglia dell’abilita’ α, secondo la quale solo le donne con αi < α scelgono di istruirsi • Ne consegue che – Migliori prospettive di carriera riducono il livello-soglia α aumentando la probabilita’ che una donna si istruisca – Interruzioni di carriera piu’ lunghe aumentano il livello-soglia α riducendo la probabilita’ che una donna si istruisca Dalla teoria ai dati • Testiamo le due ipotesi del modello: le ragazze studiano di piu’ se – E’ piu’ alta la probabilita’ di fare carriera – Sono piu’ brevi i periodi di interruzione del lavoro • Studiamo le scelte di giovani donne in Europa • Per prima cosa, costruiamo alcuni indicatori regionali • E poi analizziamo come influenzano la decisione di investire in istruzione delle ragazze rispetto ai ragazzi European Union Survey on Income and Living Conditions (EU-SILC, 2004-2009) • Ragazze/i, tra i 17 e i 21 anni, che hanno terminato la scuola secondaria nell’anno dell’intervista o in quello precedente University Observations Regions Countries Observations per region Waves per region Women 0.600 11,052 93 23 119 4.0 Men 0.438 11,466 94 23 122 4.0 Modello econometrico La scelta di istruirsi dopo la scuola secondaria e’ data da Yi = Wrt β + Lrt φ + Zi γ + St δ+ εi Interruzioni della carriera Possibilita’ di carriera Famiglia Dummy errore anni Il termine di errore e’ definito come εi = ur + νi Componente regionale Componente casuale La decisione di studiare e’ presa ed osservata una sola volta, rendendo i nostri dati cross-sectional dal punto di vista individuale. Pero’, possiamo sfruttare la natura panel degli indicatori regionali Lrt e Wrt che possono essere osservati nel tempo nelle diverse regioni europee Specificazioni econometriche Assumiamo il componente regionale dell’errore fisso nel tempo, distribuito normalmente, ed indipendente dalle altre variabili incluse nel modello (RE) Assumiamo il componente regionale dell’errore fisso nel tempo, potenzialmente correlato con le variabili incluse nel modello (FE) 1) 2) • Utilizziamo un modello probabilistico lineare – – Con standard error robusti E corretti per tener conto della non-indipendenza delle osservazioni all’interno della stessa regione Indicatori regionali • Gli indicatori regionali sono ricavati da EU-SILC, utilizzando i pesi campionari dell’indagine • E sono calcolati riferendosi alle donne laureate tra i 25 e i 45 anni Managerial positions (%) Working parents (%) Self employment (%) Women 24.8 (10.9) 67.9 (17.9) 8.5 (4.7) Men 38.9 (12.6) 96.7 (4.5) 14.1 (6.9) 0 20 40 60 80 Donne con responsabilita’ di supervisione GR DK FI SE NO LT SK EE HU DE CZ CY BG LV ES PL BE IT IS LU IE FR AT 0 5 10 15 20 25 Donne con attivita’ imprenditoriali NO DK EE SE SK FI LV LT FR BG LU PL HU IS BE IE CY DE ES CZ AT GR IT 0 20 40 60 80 100 Mamme che lavorano CZ HU DE EE FI AT LV IE PL LU ES GR LT IT BG DK FR BE SE IS SK CY NO Variabili di controllo Age Mother: tertiary education Mother: secondary education Mother works Father: tertiary education Father: secondary education Household income Number of siblings Living with only one parent Living on her/his own Interview in Jan-Mar Interview in Apr-June Interview in Oct-Dec Year 2005 Year 2006 Year 2007 Year 2008 Year 2009 Women 19.3 0.301 0.468 0.729 0.301 0.468 30,610 1.03 0.169 0.124 0.148 0.510 0.249 0.175 0.203 0.182 0.180 0.167 Men 19.4 0.330 0.464 0.741 0.330 0.464 33,280 1.11 0.165 0.065 0.166 0.495 0.253 0.159 0.216 0.193 0.172 0.174 Risultati WOMEN Age Mother: tertiary Mother: secondary Mother works Father: tertiary Father: secondary Household income Number of siblings Living with one parent Living on her own Interview in Jan-Mar Interview in Apr-June Interview in Oct-Dec Year 2005 Year 2006 Year 2007 Year 2008 Year 2009 Fe/male unemployment rate Wo/men in managerial positions Fe/male self employment Working mo/fathers Constant Observations Beta -0.031 0.191 0.101 0.022 0.142 0.084 0.002 -0.011 0.041 0.132 0.028 0.039 0.035 0.026 0.013 0.044 0.036 0.046 0.035 0.059 0.070 0.019 0.610 RE St err 0.007 0.015 0.014 0.012 0.017 0.013 0.002 0.004 0.014 0.026 0.020 0.021 0.025 0.013 0.015 0.021 0.021 0.018 0.021 0.017 0.024 0.006 0.148 Sig *** *** *** * *** *** MEN Beta -0.028 0.193 0.105 0.023 0.145 0.088 0.003 -0.012 0.044 0.144 0.014 0.012 0.044 0.030 0.004 0.030 0.022 0.034 -0.013 0.028 0.069 0.016 0.703 *** *** *** * ** ** * ** * *** *** *** *** 11,052 FE St err 0.007 0.015 0.013 0.012 0.017 0.013 0.002 0.004 0.014 0.026 0.023 0.024 0.025 0.012 0.014 0.020 0.021 0.018 0.025 0.017 0.029 0.008 0.150 Sig *** *** *** * *** *** *** *** *** * ** * * ** ** *** Beta -0.025 0.205 0.096 0.028 0.196 0.067 0.007 -0.022 0.048 0.263 0.033 0.034 0.035 0.004 0.000 0.006 0.012 -0.008 0.052 0.020 0.003 0.026 0.388 RE St err 0.009 0.021 0.017 0.013 0.023 0.019 0.002 0.005 0.018 0.033 0.015 0.014 0.017 0.018 0.018 0.020 0.024 0.019 0.020 0.012 0.021 0.016 0.207 Sig *** *** *** ** *** *** *** *** *** *** ** ** ** *** * * Beta -0.023 0.21 0.1 0.028 0.2 0.072 0.007 -0.022 0.052 0.274 0.03 0.022 0.035 0.005 -0.001 -0.002 0.009 -0.011 0.034 0.007 -0.016 0.011 0.499 11,466 FE St err 0.008 0.02 0.017 0.013 0.023 0.019 0.002 0.006 0.018 0.032 0.017 0.017 0.017 0.019 0.018 0.02 0.025 0.02 0.02 0.011 0.025 0.016 0.217 Sig *** *** *** ** *** *** *** *** *** *** * ** * ** Ulteriori analisi 1) Mobilita’ degli studenti - osservati, per lo piu’, studenti che vivono a casa dei genitori - quante/i ragazze/i hanno lasciato casa? Come differiscono da quelli che rimangono a casa? (componente panel da EU-SILC) - le/i ragazze/i a casa vivono, in media, in contesti “migliori” e provengono da famiglie meno abbienti 2) Matrimonio inclusi anche gli indicatori maschili (femminili) nell’equazione femminile (maschile) 3) Informazione sui genitori mancante analisi ripetute per campioni di ragazze/i con almeno un genitore o entrambi i genitori conviventi 4) Distorsione dovuta ad un panel corto (Arellano and Bonhomme, 2010) split-panel jacknife method (Dhaene and Jochmans, 2010) Conclusioni • Misure generalmente pensate per favorire l’occupazione e la carriera delle donne come, per esempio, una maggiore diffusione dei servizi di cura per bambini o azioni affermative, possono influenzare positivamente anche le scelte di istruzione delle ragazze • Il corso di studi scelto e’ una dimensione importante di cui non si e’ potuto tener conto in questo studio