La trasmissione
intergenerazionale delle
diseguaglianze
Michele Raitano
Università di Roma “La Sapienza”
Indice







Definizione, approcci di studio e obiettivi.
I canali di trasmissione delle diseguaglianze.
La persistenza intergenerazionale dei titoli di
studio: il caso italiano.
La misurazione del grado di persistenza
delle diseguaglianze dei redditi.
Il legame fra diseguaglianza corrente e
intergenerazionale.
Un focus sul canale “reddito familiare”.
L’analisi empirica del legame fra
“background familiare” e prospettive dei figli
nella UE15.
2
La mobilità sociale






Il processo mediante il quale gli individui si
muovono attraverso diversi status socioeconomici.
Mobilità intra ed intergenerazionale.
La diseguaglianza intergenerazionale, in quale
misura la posizione nella distribuzione dei
redditi si trasmette di genitore in figlio.
Si studia la trasmissione fra genitori e figli di
posizioni sociali diversamente definite.
L’approccio sociologico: la mobilità della classe
sociale di appartenenza.
L’approccio economico: la mobilità dei redditi.
3
Mobilità sociale:
efficienza ed equità





I pregi della mobilità sociale: efficienza ed
equità (eguaglianza di opportunità).
L’allocazione ottimale dei talenti.
L’eguaglianza di opportunità: meriti e
circostanze.
Ma nei fatti come divido M e C? Come le
elites possono riprodurre vantaggi
ampliando i titoli di studio?
Diseguaglianza intergenerazionale e
eguaglianza di opportunità: concetti non
perfettamente sovrapponibili.
4
I canali di trasmissione
intergenerazionale delle diseguaglianze
Non trasmissione in un unico punto del tempo, ma
processo con molteplici snodi. I principali: le scelte di
istruzione e l’entrata e la dinamica sul mercato del
lavoro.
4 canali (con molteplici meccanismi) agiscono spesso in
interazione e influenzano tratti individuali rilevanti per
il successo futuro (i.e. comportamenti, salute,
preferenze, istruzione, soft skills).
1.
Genetico: abilità cognitive e non. Ma esiste
ereditarietà?
2.
Economico: reddito e ricchezza, vincoli di liquidità e
menù di scelta. Ma l’effetto dei trasferimenti monetari?
3.
Familiare/culturale: informazioni e cure; valore non
monetario dell’istruzione; gusti e preferenze; abilità
non cognitive e avversione al rischio (soft skills).
4.
Sociale: area di residenza; network sociali; omogamia
coniugale.
5
Il ruolo dell’istruzione
I 4 canali influenzano l’investimento in capitale umano, ritenuto
strumento per indebolire le diseguaglianze
intergenerazionali.
Ma forte impatto del background familiare sulle scelte di
istruzione.
Istruzione intesa anche come proxy della persistenza delle
diseguaglianze di reddito.
Alcune motivazioni della correlazione intergenerazionale dei
titoli di studio:







trasmissione genetica di abilità e capacità cognitive;
peer effect;
diversa attenzione prestata dai genitori agli studi dei figli;
modelli di ruolo e imitazione;
disponibilità economica e vincoli al credito;
differente rischio – e avversione al rischio! –
dell’investimento in istruzione;
salari e rendimenti differenziati per background.
6
La comparazione internazionale della
persistenza dei livelli di istruzione
Grado di correlazione ovunque elevato, ma fortemente differenziato fra
paesi, sia che si consideri la correlazione fra anni di istruzione che fra
titoli studio.
Livello di istruzione in crescita generalizzata, ma vantaggio relativo per
chi ha un background migliore sostanzialmente stabile (mobilità
assoluta e relativa).
Italia paese a basso livello di capitale umano e ad alta persistenza.
Tab. 1: Distribuzione della popolazione in base al più alto titolo di studio conseguito nei paesi dell’Unione Europea nel 2007 per classe d’età.
35-39
Al massimo
secondaria
inferiore
Belgio
20,2
Bulgaria
17,4
Rep. Ceca
5,7
Danimarca
16,8
Germania
13,8
Estonia
8,0
Irlanda
23,8
Grecia
29,6
Spagna
42,0
Francia
22,8
Italia
41,3
Cipro
19,7
Lettonia
9,2
Lituania
6,0
Lussemburgo
33,3
Ungheria
15,9
Malta
66,8
Paesi Bassi
20,7
Austria
14,6
Polonia
9,4
Portogallo
69,4
Romania
13,3
Slovenia
15,7
Slovacchia
5,4
Finlandia
13,5
Svezia
9,3
Regno Unito
25,6
Media UE15
26,4
Media UE12
16,0
Media UE27
21,8
Fonte: elaborazioni su dati EUROSTAT
55-59
Secondaria
superiore
Laurea
40,1
59,2
80,2
43,7
59,8
58,7
38,4
45,4
23,5
43,6
42,8
42,6
69,0
61,9
38,1
65,6
20,4
45,4
65,4
69,9
15,2
75,4
57,8
82,1
42,2
57,0
40,8
42,7
61,9
51,3
39,8
23,3
14,1
39,5
26,4
33,3
37,9
25,0
34,5
33,7
15,9
37,7
21,8
32,1
28,5
18,6
12,8
33,9
19,9
20,7
15,5
11,3
26,5
12,5
44,3
33,7
33,7
30,8
22,1
26,9
Al massimo
secondaria
inferiore
47,3
30,0
15,4
27,1
18,5
13,4
54,8
57,9
68,4
43,8
60,8
50,3
18,6
12,7
46,1
25,9
85,0
35,7
29,3
20,8
84,0
37,0
28,3
18,0
31,1
21,2
31,8
43,9
29,6
37,5
Secondaria
superiore
Laurea
27,7
50,2
74,8
43,7
57,7
52,8
26,0
25,8
14,1
38,6
28,0
31,5
59,9
60,8
37,9
58,7
6,8
36,8
55,4
67,2
6,7
52,8
54,7
70,2
40,3
51,1
41,0
35,4
53,4
43,4
25,0
19,8
9,9
29,2
23,8
33,8
19,2
16,2
17,6
17,6
11,1
18,1
21,4
26,5
16,0
15,4
8,1
27,5
15,3
12,0
9,3
10,1
17,0
11,8
28,6
27,6
27,2
20,8
17,0
19,1
7
Etiopia (rurale)
Cina (rurale)
Kirgyzstan
Danimarca
Malesia
Gran Bretagna
Irlanda del Nord
Finlandia
Nuova Zelanda
Nepal
Norvegia
Paesi Bassi
Rep. Ceca
Slovacchia
Bangladesh
Timor Est
Ucraina
Ghana
Svezia
Estonia
Belgio
Filippine
Vietnam
Polonia
Sud Africa
Irlanda
Svizzera
Stati Uniti
Pakistan
Sri Lanka
Ungheria
Egitto
Slovenia
Italia
Indonesia
Nicaragua
Colombia
Brasile
Cile
Panama
Ecuador
Perù
La correlazione degli anni di
istruzione
Fig. 1: Indice di correlazione di Pearson degli anni di istruzione di genitori e figli in diversi paesi
Fonte: elaborazioni da Hertz et. al (2007)
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
8
La persistenza dei titoli di studio
in Italia
Decrescita molto lenta e non lineare della
correlazione genitori/figli.
Fig. 3: Coefficiente di correlazione di Spearman dell'istruzione dei figli per titolo di studio dei genitori, per coorte di nascita dei
figli, in Italia. Fonte: elaborazioni su dati ISFOL PLUS06
0.55
0.5
0.45
0.4
0.35
0.3
0.25
1941-1945
1946-1950
Titolo di studio del padre
1951-1955
1956-1960
1961-1965
Titolo di studio della madre
1966-1970
1971-1975
1976-1980
Titolo di studio più elevato dei genitori
9
Le tavole di mobilità dei titoli di
studio in Italia
Incremento della mobilità assoluta, ma mobilità relativa
ancora limitata.
Il fenomeno della “retrogressione” dei titoli di studio.
Tab. 2: Frequenze campionarie pesate dei titoli di studio dei figli condizionatamente a quelli dei padri (percentuali di riga), per anno di nascita dei
figli.
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Titolo di studio del padre
Licenza elementare
Licenza media
Diploma secondario superiore
Laurea
Distribuzione dei figli
Coorti di figli nati nel periodo 1971-1980
Titolo di studio del figlio
Licenza elementare
Licenza media
4,3
45,4
0,5
26,2
1,3
10,3
0,0
0,7
2,0
27,8
Coorti di figli nati nel periodo 1961-1970
Titolo di studio del figlio
Licenza elementare
Licenza media
5,9
52,2
1,2
26,8
0,4
13,7
0,0
1,0
3,8
39,1
Coorti di figli nati nel periodo 1951-1960
Titolo di studio del figlio
Licenza elementare
Licenza media
15,9
44,5
1,2
20,0
0,2
5,4
0,0
0,0
11,8
36,1
Coorti di figli nati nel periodo 1941-1950
Titolo di studio del figlio
Licenza elementare
Licenza media
44,3
29,2
10,0
19,5
0,2
16,7
3,2
2,3
36,8
26,6
Diploma
41,1
57,1
56,7
34,4
49,8
Laurea
9,2
16,2
31,7
64,9
20,4
Distribuzione
dei padri
36,2
34,2
23,4
6,3
100,0
Diploma
36,3
56,1
55,0
30,6
42,9
Laurea
5,7
15,9
30,9
68,4
14,2
Distribuzione
dei padri
60,0
22,5
12,8
4,8
100,0
Diploma
33,7
61,5
49,7
22,0
39,1
Laurea
5,8
17,3
44,7
78,0
13,0
Distribuzione
dei padri
72,6
16,8
7,1
3,5
100,0
Diploma
21,4
48,9
45,6
26,0
25,7
Laurea
5,0
21,6
37,5
68,4
10,9
Distribuzione
dei padri
80,7
8,9
7,1
3,2
100,0
10
… e le opportunità di laurearsi?
Vantaggio relativo non diminuito, eccetto che per i
(sempre meno numerosi) figli di genitori con
diploma elementare.
Fig. 4 : Rapporto fra la probabilità di conseguire la laurea per chi ha un padre laureato rispetto a chi ha un padre con con
titolo di studio inferiore, per coorte di nascita del figlio, in Italia. Fonte: elaborazioni su dati ISFOL-PLUS 2006
16
14
12
10
8
6
4
2
0
1941-1945
1946-1950
1951-1955
Padre laureato/padre elementare
1956-1960
1961-1965
Padre laureato/padre media
1966-1970
1971-1975
1976-1980
Padre laureato/padre diplomato
11
Background e percorso
scolastico
Tabella 3a: Frequenze campionarie pesate del conseguimento degli obiettivi scolastici per titolo di studio del padre (valori percentuali); campione
dei “figli” non più studenti appartenenti alla coorte di nascita 1940-1980.
Titolo di studio
del padre
Quanti si iscrivono
alle superiori?
Percorso scolastico
Quale diploma?
Fra gli iscritti,
quanti
conseguono il diploma?
Fra i diplomati,
Fra chi si iscrive,
quanti
quanti
si iscrivono all’università? conseguono la laurea
Liceo
Al massimo
scuola media
Diploma secondario
superiore
Laurea
Totale
55,9
79,2
Tecnico
Qualifica
professionale professionale
triennale
15,4
71,1
13,5
93,7
95,0
38,5
56,8
4,7
67,2
62,5
99,3
61,9
99,5
83,2
74,1
24,2
22,9
64,7
3,0
11,1
87,5
50,3
81,4
56,0
41,1
46,6
Fonte: elaborazioni su dati ISFOL-PLUS 2005-043
12
La significatività del background in
ogni snodo del processo formativo
Tab. 4: Scelte di prosecuzione del percorso di studio per background familiare; stime logit (campione di chi ha superato lo stadio precedente)
Iscrizione alla secondaria
superiore
Coeff.
P value
Età
-0,0249
0,000
Femmina
-0,3547
0,000
Genitori con al più
-2,4513
0,000
diploma elementare
Genitori con al più
diploma secondario
-1,1889
0,000
inferiore
Almeno un
1,9315
0,000
genitore laureato
Numero di fratelli
-0,2344
0,000
Presenza di
0,3990
0,000
entrambi i genitori
Costante
4,5680
0,000
Diploma liceale
Numero di osservazioni
25.727
Fonte: elaborazioni su dati ISFOL-PLUS 2006
Conseguimento
del diploma
Diploma
liceale?
Iscrizione
all'università
Conseguimento
della laurea
110/110
e 110 e lode
Coeff.
0,0099
0,1768
P value Coeff. P value Coeff. P value
0,000 -0,0004 0,786 0,0118 0,000
0,001 0,0662 0,066 -0,2694 0,000
Coeff.
0,0028
0,4012
P value
0,138
0,000
Coeff.
0,0018
0,4873
P value
0,436
0,000
-1,6323
0,000
-1,4844
0,000
-0,8834
0,000
-0,2279
0,000
-0,1642
0,039
-0,9802
0,000
-0,8932
0,000
-0,5252
0,000
-0,1590
0,007
-0,1795
0,018
1,8292
0,000
1,4002
0,000
0,7516
0,000
0,6946
0,000
0,1061
0,140
-0,1377
0,000
-0,0822
0,000
-0,0171
0,194
-0,0390
0,020
-0,0274
0,218
0,3890
0,000
0,3259
0,000
0,2630
0,000
0,3595
0,000
-0,1022
0,368
2,8199
0,000
-0,4318
0,000
0,3419 0,001
1,9213 0,000
16.738
20.008
18.375
0,6847
0,000
1,2509 0,000
10.005
-1,1010 0,000
0,4633 0,000
6.205
13
L’approccio sociologico alle
diseguaglianze intergenerazionali
L’approccio sociologico:
 La definizione delle classi
occupazionali.
 Le matrici di transizione: mobilità
assoluta e fluidità sociale.
 I risultati delle comparazioni
internazionali: Italia “paese
persistente”.
14
L’approccio economico alle
diseguaglianze intergenerazionali
L’approccio economico:
 La stima della relazione loglineare e
l’elasticità ß: il grado di persistenza media.
 L’analisi della transizione per quintili: la
variazione della mobilità lungo la
distribuzione.
 Ma la disponibilità di panel adeguati
complica le stime.
15
Elasticità e coefficiente di
correlazione intergenerazionale
ln YF     ln YP  u
Indicatore standard il coefficiente β, ovvero
l’elasticità intergenerazionale del reddito. β =0,
indipendenza, β =1, totale immobilità.
Da quali determinante è influenzato l’indicatore
sintetico?
Indicatori sintetici o matrici?
I problemi di misurazione


Collegamento fra condizioni dei genitori e figli.
Necessità di datasets adeguati:







retrospettivi (ma non rilevo reddito, solo sue proxy);
panel lunghi che coprano 2 generazioni;
cross section ripetute con info retrospettive (per
2S2SLS).
Variabili di osservazione: classi sociali, istruzione o
reddito.
Quale reddito? Lavoro, di coppia, disponibile (conta
anche la struttura familiare).
Correlazioni solo padri-figli?
La procedura di stima “a due campioni”.
17
L’associazione fra redditi di
generazione successive



Devo preoccuparmi solo del reddito
permanente? La vulnerabilità di Y dipende da
background?
Serve la correlazione con il reddito
permanente. Posso stimarlo da dati puntuali?
Due fonti di distorsione (il II è più grave):



Errori transitori (fluttuazioni di Yp) => quanto a lungo
li rilevo?
Deviazioni dal reddito di lungo periodo di Yf misurati
troppo da giovani =>in quale fascia d’età lo rilevo?
Per uomini distorsione minima a 35-40, per le donne
non c’è regolarità.
Le stime sono molto sensibili alle risposte:
esiste “l’eccezionalismo americano”?
18
I risultati delle stime di ß sui
salari
Fig. 5: Elasticità intergenerazionali dei redditi stimate per alcuni paesi.
Fonte: elaborazioni da Corak (2006), Piraino (2007) e Mocetti (2007b)
0.69
0.7
0.6
0.5
0.50
0.51
Regno Unito
Italia
0.47
0.41
0.4
0.32
0.3
0.27
0.2
0.15
0.18
0.19
Finlandia
Canada
0.17
0.1
0.0
Danimarca
Norvegia
Svezia
Germania
Francia
Stati Uniti
Brasile
19
La mobilità nei diversi quintili
Tab. 5: Probabilità per un figlio maschio di essere nello stesso quintile di reddito del genitore
1° Quintile
2° Quintile
3° Quintile
4° Quintile
5° Quintile
Fonte: Jannti et al. 2006
Danimarca
0,247
0,249
0,224
0,223
0,363
Finlandia
0,278
0,216
0,219
0,229
0,347
Norvegia
0,282
0,238
0,215
0,221
0,354
Svezia
0,262
0,225
0,223
0,217
0,374
Regno Unito
0,297
0,228
0,188
0,247
0,346
Stati Uniti
0,422
0,283
0,256
0,252
0,36
Tab. 6: Probabilità per un figlio maschio di muoversi fra quintili estremi rispetto alla posizione del padre
Dal primo al quinto
Dal quinto al primo
Fonte: Jannti et al. 2006
Danimarca
0,144
0,153
Finlandia
0,113
0,151
Norvegia
0,119
0,146
Svezia
0,109
0,159
Regno Unito
0,124
0,091
Stati Uniti
0,079
0,095
20
La correlazione fra diseguaglianza
corrente e intergenerazionale





La chiave di lettura: dispersione dei redditi
legata ai rendimenti dell’investimento in HK;
aumenta ineq corrente e, dato l’impatto del
background sulle scelte formative, anche quella
intergenerazionale.
Vale per tutti i paesi? Esiste un’anomalia
italiana?
Canali di political economy?
Ineq corrente dipende da soft skills (in senso
lato) facilmente trasmissibili, con processo che si
auto-alimenta? E chi decide quali soft skills
contano davvero?
Si apre uno spazio per la policy intervenendo
21
sulla distribuzione corrente?
L’influenza del reddito familiare sulle
prospettive dei figli: la teoria
Indipendentemente dalla dimensione del
legame, è importante chiedersi, anche ai fini di
policy, che ruolo svolge il reddito familiare e
attraverso quali elementi influenza le
prospettive future.

Due principali teorie motivano l’esistenza di un
legame causale:
1.
La teoria dell’investimento familiare (Becker e
Tomes 1979, 1986); diversi meccanismi, ma si
concentra sul solo canale istruzione.
2.
La teoria del buon genitore: stress parentale e
modelli di ruolo (trasmissione delle dotazioni
comportamentali).
Molto complicato stimare empiricamente la
relazione causale: influenza degli altri fattori di
22
background e di variabili non osservabili.

Reddito familiare e prospettive dei
figli: i fatti stilizzati





La letteratura mostra che, anche considerate le altre
variabili di background, i figli dei più abbienti hanno
vantaggio lungo molteplici dimensioni – salute,
comportamenti, soft skills, abilità cognitive, istruzione,
performance lavorativa – e anche se il singolo effetto
può risultare di entità limitata l’effetto cumulato è
significativo.
Ma conta lo specifico momento dell’infanzia in cui si è
poveri? Conta anche il reddito transitorio?
Ci sono effetti non lineari?
Conta il tipo di reddito percepito? Perché si osserva
forte correlazione intergenerazionale nell’essere welfare
recipients?
Β semplici correlazioni, esiste un effetto causale di Yp?
23
Il modello teorico: effetti diretti e
indiretti
Fig. 1: Mechanisms of intergenerational transmission of inequalities
Family background

Educational
attainments
Labour market
outcomes: occupations
and employability
Earnings
24
Gli effetti intergenerazionali dello status
di origine nella UE: l’analisi empirica






L’obiettivo è verificare se le condizioni socioeconomiche della famiglia di origine siano un
predittore significativo di alcuni outcomes dei figli.
L’analisi viene condotta mediante i micro-dati
dell’indagine EU-SILC 2005 che contiene una sezione
monografica con informazioni retrospettive.
Il ruolo del “canale socio-economico” viene analizzato
mediante proxy: gruppo occupazionale dei genitori.
Analisi su alcuni paesi di UE15.
In linea con quanto osservato in letteratura, ci si
concentra sugli individui della fascia d’età 35-49.
Stima di effetti diretti e indiretti di background,
mediati da istruzione e esiti raggiunti su LM.
25
Occupazioni dei genitori e
prospettive dei figli
1.
2.
3.
4.
Effetto su istruzione.
Sulle retribuzioni a parità di
istruzione.
Sull’occupazione raggiunta a parità
di istruzione.
Sulle retribuzioni a parità di
istruzione e gruppo occupazionale.
26
La mobilità occupazionale (1)
Germany
France
Spain
Italy
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
46.2
27.9
18.8
34.2
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
61.9
36.1
18.7
48.0
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
66.6
33.0
16.6
54.4
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
58.4
29.0
16.8
47.2
Offspring occupation
White-collar
33.8
41.8
33.9
37.0
Offspring occupation
White-collar
27.6
40.5
32.2
32.5
Offspring occupation
White-collar
26.8
49.2
38.0
33.4
Offspring occupation
White-collar
34.5
52.7
37.5
39.9
Manager
20.0
30.3
47.3
28.8
Parents' distribution
42.8
40.1
17.1
100.0
Manager
10.6
23.4
49.1
19.5
Parents' distribution
54.2
34.1
11.7
100.0
Manager
6.6
17.9
45.5
12.3
Parents' distribution
67.1
25.9
7.0
100.0
Manager
7.1
18.3
45.7
12.9
Parents' distribution
64.8
28.4
6.8
100.0
27
La mobilità occupazionale (2)
United
Kingdom
Ireland
Denmark
Finland
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
57.8
37.4
19.5
42.7
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
56.7
33.5
21.7
41.6
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
59.1
42.0
25.2
45.9
Parental occupation
Blue-collar
White-collar
Manager
Offspring's distribution
Blue-collar
57.6
37.5
13.2
45.0
Offspring occupation
White-collar
23.2
26.9
26.1
25.1
Offspring occupation
White-collar
23.9
39.4
25.1
31.0
Offspring occupation
White-collar
24.8
33.3
27.7
28.6
Offspring occupation
White-collar
23.8
35.9
29.3
28.4
Manager
19.0
35.7
54.4
32.3
Parents' distribution
44.5
100.0
100.0
100.0
Manager
19.4
27.1
53.2
27.4
Parents' distribution
41.9
44.4
13.7
100.0
Manager
16.2
24.7
47.1
25.5
Parents' distribution
42.6
37.5
20.0
100.0
Manager
18.6
26.6
57.5
26.6
Parents' distribution
54.1
31.9
14.0
100.0
28
La mobilità occupazionale
relativa
Germany
France
Spain
Italy
United
Kingdom
Ireland
Denmark
Tab. 4: Odds ratios of the intergenerational mobility tables among occupations; offspring: males aged 35-54.
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
2.93
0.87
White-collar
0.86
1.28
Manager
0.40
0.90
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
4.88
0.89
White-collar
0.90
1.30
Manager
0.23
0.87
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
7.48
0.76
White-collar
0.79
1.53
Manager
0.17
0.86
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
6.05
0.96
White-collar
0.76
1.51
Manager
0.22
0.69
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
3.47
0.91
White-collar
1.01
0.98
Manager
0.28
1.11
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
3.37
0.73
White-collar
0.82
1.79
Manager
0.36
0.76
Offspring occupation
Parental occupation
Blue-collar
White-collar
Blue-collar
2.92
0.88
White-collar
1.02
1.29
Manager
0.34
0.88
Manager
0.39
0.91
2.79
Manager
0.23
0.85
5.07
Manager
0.18
0.83
6.87
Manager
0.17
0.87
6.68
Manager
0.32
1.00
3.15
Manager
0.40
0.68
3.64
Manager
0.39
0.76
3.38
29
Occupazione dei genitori e
istruzione dei figli
Tab. 5: Ordered probit regressions on the association between parental background and educational attainment1. Individuals aged 35-54.
Germany
France
Spain
Italy United Kingdom Ireland
Denmark
Finland
Parental occupation
Estimated coefficients
-0.353*** -0.349*** -0.684*** -0.567***
-0.356***
-0.351*** -0.271*** -0.264***
Blue-collar
Manager
0.521*** 0.694*** 0.775*** 0.723***
0.449***
0.632*** 0.669*** 0.655***
Marginal fixed effects to attain a tertiary degree (computed in the average point)
Blue-collar
-0.140*** -0.093*** -0.222*** -0.119***
-0.128***
-0.120*** -0.081*** -0.096***
Manager
0.204*** 0.223*** 0.278*** 0.191***
0.170***
0.238*** 0.228*** 0.252***
Number of observations
4,105
3,098
4,670
6,821
2,385
1,126
1,077
1,926
1
The dependent variable is the individual’s educational attainment, coded through six increasing ISCED educational levels. Reference modality for parental occupation is
“parents working at most as white-collar”. Control variables are: age, immigrant status, number of siblings and a dummy if the individual lived with both parents when he/she
was 14. * p<0.10; ** p<0.05; *** p<0.01. Source: elaborations on EU-SILC 2005 data
30
Il background incide anche a
parità di istruzione? (M e F)
Background premia. Gross (net in It & ES) annual income gaps by parental occupations, controlling for offspring
education. Individuals aged 35-49. N.B.: Lighter colours are n.s. at 95% level.
Source: elaborations on EU-SILC 2005 data
30.0
26.7
25.0
20.0
18.9
18.3
18.1
15.0
12.2
10.4
10.0
8.9
8.3
8.6
6.5
6.4
5.0
3.8
5.8
4.7
2.0
0.0
-3.0
-5.0
Germany
France
Spain
Italy
Parent white collar
UK
Ireland
Denmark
Finland
Parent manager
31
Ma l’effetto è mediato da quale
occupazione raggiungono i figli?
Tab. 6: Ordered probit regressions on the association between parental background and occupation, being kept constant offspring’s education1. Males aged 35-54.
Germany
France
Spain
Italy United Kingdom Ireland
Denmark Finland
Parental occupation
Estimated coefficients
Blue-collar
-0.291*** -0.466*** -0.506*** -0.429*** -0.376*** -0.299*** -0.302*** -0.267***
Manager
0.230*** 0.325*** 0.403*** 0.289***
0.341***
0.276** 0.351*** 0.520***
Marginal fixed effects to attain a managerial occupation (computed in the average point)
Blue-collar
-0.090*** -0.107*** -0.065*** -0.064*** -0.125*** -0.090*** -0.088*** -0.074***
Manager
0.076*** 0.083*** 0.058*** 0.047***
0.121***
0.090** 0.111*** 0.164***
Number of observations
4,077
3,125
4,697
6,668
2,349
1,117
1,068
1,873
1
The dependent variable is the individual’s occupational group (coded through three increasing modalities: blue-collars, white-collars and managers). Reference modality for
parental occupation is “parents working at most as white-collar”. Control variables are: age, immigrant status, potential experience, squared potential experience and two
dummies for educational attainments (at most lower secondary or tertiary graduated). * p<0.10; ** p<0.05; *** p<0.01. Source: elaborations on EU-SILC 2005 data
32
Ma resistono effetti di background anche a
parità di istruzione e occupazione? (M e F)
Background premia. Gross (net in It & ES) annual income gaps by parental occupations, controlling for offspring
education and occupation. Individuals aged 35-49. N.B.: Lighter colours are n.s. at 95% level.
Source: elaborations on EU-SILC 2005 data
16.0
14.8
14.0
11.7
12.0
9.9
10.0
8.2
8.0
6.3
6.0
4.9
5.1
4.0
2.8
2.0
0.8
0.9
0.2
0.0
-0.4
-0.6
-2.0
-2.3
-2.6
-3.1
-4.0
-6.0
Germany
France
Spain
Italy
Parent white collar
UK
Ireland
Denmark
Finland
Parent manager
33
Il background incide anche a parità
di istruzione e occupazione? (males)
Tab. 9: Estimated coefficients of OLS regressions on annual gross labour income (net in Italy and Spain) by parental occupation1. Males aged 35-54.
Parental occupation
Germany
France
Spain
Italy
United Kingdom
Ireland
Denmark
Finland
Model A – Not controlling for offspring educational and occupational attainments
White-collar
0.018
0.113***
0.140***
0.136***
0.157***
0.016
0.009
-0.048
Manager
0.109***
0.227***
0.280***
0.358***
0.389***
0.331***
0.109*
0.190***
Manager ≠ White-collar
**
**
***
***
***
***
no
***
Number of observations
3,748
2,892
4,176
6,384
2,095
967
1,012
1,742
Model B - Controlling for offspring education
White-collar
-0.002
0.084***
0.086***
0.093***
0.120***
-0.036
-0.015
-0.089**
Manager
0.038
0.124***
0.174***
0.237***
0.298***
0.188**
0.017
0.067
Manager ≠ White-collar
no
no
**
***
***
***
no
***
Number of observations
3,748
2,892
4,176
6,384
2,095
967
1,012
1,742
Model C - Controlling for offspring education and occupation
White-collar
-0.048*
0.015
0.039*
0.053***
0.057*
-0.042
-0.064
-0.085**
Manager
-0.047
-0.029
0.063*
0.162***
0.163***
0.135*
-0.083
-0.025
Manager ≠ White-collar
no
no
no
***
***
**
no
no
Number of observations
3,705
2,877
4,166
6,314
2,070
966
1,005
1,725
Model D - Controlling for offspring education, occupation, number of yearly working months and weekly working hours
White-collar
-0.056***
0.040*
0.044**
0.027*
0.053*
-0.052
-0.027
-0.012
Manager
-0.044*
0.022
0.070**
0.150***
0.150***
0.180***
-0.087*
0.028
Manager ≠ White-collar
no
no
no
***
***
***
no
no
Number of observations
3,454
2,717
3,956
6,000
2,001
918
962
1,601
1
Reference modality for parental occupation is “parents working at most as white-collar”. Control variables are: age, immigrant status, potential experience, squared potential
experience and a dummy if annual labour income from self-employment is higher than employment income; in models B-D, two dummies for educational attainments (at most
lower secondary or tertiary graduated) are included. In model C and D two dummies on offspring’s occupational groups (manager or white-collar) are added and in model D
number of yearly working months and weekly working hours are also included. F-tests on the difference between parental white-collar and parental manager coefficients are
included in the table and stars mean a statistically significant refuse of the Ho hypothesis regarding the equality of estimated coefficients. * p<0.10; ** p<0.05; *** p<0.01.
Source: elaborations on EU-SILC 2005 data
34
Ulteriori riflessioni




Rilevanti non linearità: conta l’interazione
fra origine e destinazione. Diversi
vantaggi a seconda di mobilità
ascendente e discendente? Italia e UK.
Soffitto di vetro e/o “effetto figlio
ciuccio”?
Per l’Italia forte ruolo di lavoro autonomo.
Effetto differenziato dei canali di ingresso
al lavoro a seconda delle origini.
35
Ma da cosa può dipendere l’effetto
residuale di background?
Una possibile serie di elementi (influenzati dai 4 canali) con
diverse implicazioni di policy:







Limiti del modo in cui sono rilevate istruzione (e sua qualità)
e occupazione.
Quindi, differenze in discipline studiate e Atenei frequentati.
Ma è qualità effettiva o segnalata?
Ma è “meritocratico” l’accesso alle diverse “qualità” di
istruzione? O alle diverse posizioni interne ai gruppi
occupazionali?
Minor “costo” di ricerca e attesa della “buona occupazione”.
Ruolo dei social networks (anche solo come migliori
informazioni) in accesso e dinamica di carriera (path
dependency di questa).
Lavoro autonomo e/o trasmissione “informale” di capitale
umano.
Rilevanza di soft skills dipendenti dal background.
36