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
Scarica

le determinanti dell`iscrizione all`università delle donne in