I RENDIMENTI DELL’ISTRUZIONE E DELLA FORMAZIONE XLIX Riunione Scientifica della SIEDS San Benedetto del Tronto, 24-26 maggio 2012 I RENDIMENTI DELL’ISTRUZIONE E DELLA FORMAZIONE Matilde Bini (Università Europea di Roma), Marco Centra (Isfol), Andrea Cutillo (Istat), Valentina Gualtieri (Isfol)
Struttura della presentazione Il contesto e l’obiettivo I dati e gli aspetti metodologici I risultati dell’analisi empirica
Il contesto ► L’Italia presenta degli evidenti deficit sui livelli di scolarizzazione nel confronto con i paesi dell’UE ► L’Italia presenta degli evidenti deficit sui rendimenti dell’istruzione in termini di occupabilità nel confronto con i paesi dell’UE ► In Italia il mercato del lavoro offre pochi posti di lavoro qualificati e solo una quota ridotta di questi interessa le persone con titolo universitario IL PARADOSSO: alla scarsità relativa di alti livelli d’istruzione e a tassi d’occupazione delle persone con titolo universitario inferiori alla media europea dovrebbe corrispondere un maggior rendimento del titolo di studio…In Italia i rendimenti economici dell’investimento in istruzione sono più bassi degli altri Paesi EU. ► In Italia si osserva una riduzione progressiva dei rendimenti dell’investimento in istruzione (Naticchioni et al., 2010)
25-64enni in possesso di un titolo universitario, 2010 (%) 18-64enni occupati per livello d’istruzione, 2010 (%) Source: Eurostat, EU Labour Force Survey
Tasso di occupazione per livello di istruzione – persone di 25-64 anni, 2010 Source: Eurostat, EU Labour Force Survey
Relazione tra gli occupati di 25-64 anni con titolo universitario con qualifiche ISCO 1-2 e gli occupati di 25-64 anni con qualifiche ISCO 1-2 , 2010 Fonte: DB-Eurostat 2010 In Italia i posti di lavoro qualificati sono il 18% del totale e solo il 54 % di questi sono ricoperti da persone con istruzione universitaria
Obiettivo Stimare empiricamente il rendimento retributivo del capitale umano in diversi punti della distribuzione dei redditi da lavoro in modo da cogliere gli elementi di eterogeneità del rendimento stesso rispetto al livello del reddito La tesi Il capitale umano, misurato in termini di titolo di studio formazione on the job (sia formale che informale) ed esperienza professionale, ha un impatto differenziato su diversi punti della distribuzione dei redditi da lavoro Lo strumento La regressione quantile permette di stimare il rendimento retributivo del capitale umano nei diversi punti della distribuzione dei redditi da lavoro. La regressione OLS (basata sulla tendenza centrale dei dati) è meno informativa, poiché non cattura gli effetti “locali”.
I dati: Isfol - Indagine QDL 2010 La rilevazione ha cadenza quadriennale, la prima indagine è stata svolta nel 2002 e l’ultima rilevazione è stata condotta a cavallo tra il 2010 e il 2011… E’ una delle indagini del PSN È un’indagine campionaria La popolazione di riferimento è costituita dalle persone OCCUPATE di età non inferiore a 16 anni (fornita dall’Istat con la RCFL 2010) Le interviste sono di tipo individuale: i quesiti del questionario si riferiscono ad un determinato individuo (occupato) La numerosità campionaria è 5000 occupati residenti sul territorio italiano Il piano di campionamento è a tre stadi con la stratificazione delle unità di primo stadio La fase di stima ha previsto la messa a punto di stimatori calibrati (le informazioni ausiliarie sono l’area di residenza, il genere, la classe d’età, il titolo di studio, il numero di componenti in famiglia, la tipologia contrattuale, le classi professionali, il settore d’attività economica, l’orario di lavoro) L’indagine è di tipo telefonico
I dati: Isfol - Indagine QDL 2010 Tramite l’indagine si intendono reperire informazioni sui seguenti ambiti: la descrizione del lavoro e del posto di lavoro le competenze, la formazione e l’ apprendimento sul posto di lavoro la presenza di molestie, soprusi e discriminazioni sul posto di lavoro la salute e la sicurezza sul posto di lavoro la conciliabilità tra lavoro e impegni familiari e sociali la soddisfazione del lavoro gli aspetti retributivi le caratteristiche familiari e socio-anagrafiche
Il Modello: LA REGRESSIONE QUANTILE Tiene conto della forma distributiva della y perché consente di lavorare localmente su vari punti della distribuzione. Stima l’intera distribuzione dei quantili condizionati di y, così da poter studiare l’influenza delle variabili esplicative sulla forma della distribuzione di y. In analogia con il modello di regressione lineare classico dove, assunto la media di yi condizionata ad xi è dato da e il vettore dei β è stimato col metodo dei minimi quadrati Si può definire il modello di regressione quantile dove, assunto il τ-esimo quantile di yi condizionato ad xi è dato da Il vettore dei parametri β è stimato sempre come un problema di minimo espresso come un problema di programmazione lineare (Buchinsky, 1998)
Il Modello: LA REGRESSIONE QUANTILE In analogia alla OLS, dove la media può essere vista come la soluzione di minimizzazione degli scarti al quadrato, è possibile definire ogni singolo quantile come la soluzione del seguente problema di minimo (Koenker and Basset, 1978) Per ogni quantile τ il coefficiente stimato indica, per una unità di variazione della x a cui è associato, di quanto varia il τ-esimo quantile della y a parità di tutte le rimanenti covariate (Koenker, 2004) La stima degli standard error in questo modello regressivo è ottenuta tramite metodi basati su ricampionamenti bootstrap (Koenker, 1994).
Il Modello: LA REGRESSIONE QUANTILE Altre vantaggiose caratteristiche della regressione quantile sono (Buchinsky, 1998): Fornisce stime robuste del vettore dei coefficienti, non sensibili ad outliers nei valori della variabile dipendente. Quando i termini di errore non sono normalmente distribuiti, gli stimatori forniti dalla regressione quantile possono essere più efficienti degli stimatori dei minimi quadrati. Lo stimatore utilizzato, basato su una combinazione lineare di stimatori delle varie regressioni quantili, è sempre più efficiente dello stimatore dei minimi quadrati.
Le stime, la variabile dipendete, i regressori Le stime sono prodotte generando modelli sempre più ricchi di informazioni in modo da verificare come i coefficienti delle variabili esplicative principali (proxy di capitale umano) si modificano all’aumentare delle caratteristiche inserite nel modello. La base di partenza è il classico modello che stima i rendimenti del capitale umano (Mincer, 1958), adattato alle informazioni disponibili. Successivamente a variabili di HC si aggiungono variabili strutturali di controllo e informazioni sull’occupazione svolta. Infine, il modello “completo” è riprodotto sui soli lavoratori dipendenti. Variabile dipendente: logaritmo del reddito netto mensile da lavoro Regressori: Modello 1: livello d’istruzione, formazione on the job, formazione informale, experience, experience al quadrato, tenure, area geografica di residenza, genere Modello 2: Modello 1 + carattere dell’occupazione, orario di lavoro, professione, settore di attività economica, forma giuridica dell’impresa Modello 3: Riproduce il modello 2 per la sottopopolazione dei dipendenti
I risultati
Statistiche descrittive Retribuzione netta mensile per livello di istruzione Fonte: Terza Indagine Isfol-QDL
Statistiche descrittive Gini=0.300 Gini=0.322 Gini=0.240 Gini=0.209 Distribuzione della retribuzione netta mensile per livello d’istruzione Fonte: Terza Indagine Isfol-QDL
I modello Categorie omesse: Nessun titolo/licenza elementare; Donna; Mezzogiorno; 15 anni o più di esperienza nell'attuale lavoro La stima degli standard error è ottenuta tramite metodi di ricampionamenti bootstrap
II modello Categorie omesse: Nessun titolo/licenza elementare; Donna; Mezzogiorno; 15 anni o più di esperienza nell'attuale lavoro; autonomoprofesssione non qualificata; ente privato; agricoltura La stima degli standard error è ottenuta tramite metodi di ricampionamenti bootstrap
III modello (dipendenti) Categorie omesse: Nessun titolo/licenza elementare; Donna; Mezzogiorno; 15 anni o più di esperienza nell'attuale lavoro; autonomoprofesssione non qualificata; ente privato; agricoltura La stima degli standard error è ottenuta tramite metodi di ricampionamenti bootstrap
I modello VS II modello
II modello VS III modello
RIFERIMENTI BIBLIOGRAFICI M. BUCHINSKY (1998), Recent advances in quantile regression model: a practical guideline for empirical research, “The Journal of human resources”, 33, pp. 88-126 R. KOENKER, G. BASSET (1978), Quantile regression, “Econometria”, 46, part 1, pp. 33-50 R. KOENKER (1994), Confidence interval for regression quantile, in Mandl and Huskova (eds.), “Proceedings of the fifth Prague symposium on Asymptotic statistics”, Physica, pp. 349-359 P. NATICCHIONI, A. RICCI, E. RUSTICHELLI (2010), Far away from a skill-biased change: falling educational wage premia in Italy," Applied Economics, Taylor and Francis Journals, vol. 42(26), pages 3383-3400.
Grazie per l’attenzione!