La trasmissione intergenerazionale delle disuguaglianze
by user
Comments
Transcript
La trasmissione intergenerazionale delle disuguaglianze
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