Che materia stai cercando?

Anteprima

ESTRATTO DOCUMENTO

Contesto statico vs dinamico

Il limite di questa rappresentazione semplifica del modello è che si pone in un’ottica statica.

Il problema reale dell’individuo si pone in un contesto dinamico ciò che deve essere osservato è il flusso futuro

dei redditi futuri.

La scelta nel contesto dinamico viene fatta confrontando il valore (scontato a oggi) del flusso dei benefici e dei costi.

Critiche al modello di capitale umano di Becker 

L’istruzione ha un effetto casuale sul reddito attraverso l’accumulazione di capitale umano. (+ istruzione + reddito)

Viene messo in discussione il fondamento primo della teoria del capitale umano: l’ipotesi che l’istruzione aumenti

(causi) la produttività del lavoratore.

Una delle ipotesi cruciali del modello riguarda la corrispondenza tra produttività del lavoro e titolo di studio.

Le critiche mettono in dubbio questo legame.

2. Modello di Spence - (modello di signalling, 1973)

La domanda di partenza è:

Come fanno le imprese ad assicurarsi lavoratori più istruiti? Perché le imprese assumono e soprattutto pagano di più

individui più istruiti?

Questo perché:

- L’istruzione fornisce conoscenze importanti per il processo produttivo che aumentano la produttività

- L’istruzione è un segnale dell’abilità dei lavoratori, perché rivela informazioni.

Questo modello ci dice che c’è una correlazione positiva tra istruzione (S) e retribuzione (W) che si spiega con il fatto

che le imprese offrono salari più elevati a chi ha maggiore istruzione perché la scuola seleziona le persone più capaci

(o permette loro di segnalarsi).

L’istruzione come segnale di abilità non aumenta la produttività degli individui, ma la segnala in mercati caratterizzati

da INFORMAZIONE ASIMMETRICA.

L’assunzione del modello è che l’abilità dell’individuo NON è osservabile: dunque ci sono mercati del lavoro con

asimmetrie informative tra lavoratori ed imprese perché le imprese non conoscono l’abilità e quindi la produttività

del lavoratore; al momento dell’assunzione è molto costoso avere a che fare con lavoratori NON adatti al posto di

lavoro. (se si propone un buon posto è probabile che molti lavoratori non adatti facciano domanda)

Come si potrebbe risolvere il problema e attrarre solo lavorati “migliori”, più adatti al lavoro?

Una soluzione al problema della selezione avversa è l’uso di credenziali (= requisiti richiesti per poter essere

considerati per il posto di lavoro).

La credenziale più utilizzata è il livello di istruzione, l’impresa non osserva la vera qualità del lavoratore, la sua abilità,

ma osserva il suo livello di istruzione.

Se l’istruzione è correlata all’abilità, allora l’acquisizione di istruzione può operare come un segnale che gli individui

inviano alle imprese per rendere riconoscibile il proprio talento. Ù

L’istruzione agisce come segnale del talento innato (non direttamente osservabile e strettamente correlato alla

produttività) che gli individui più abili lanciano alle imprese.

[il ruolo dell’istruzione è quello di rivelare informazioni nascoste]

Le imprese utilizzano differenziali salariali per selezionare lavoratori più abili.

 L’uso dell’istruzione come segnale funziona quando effettivamente i più abili studiano di più e i meno abili

studiano di meno.

Quindi: 1) quando H (lavoratori più abili e produttivi) studiano di più

2) quando L (lavoratori meno abili e produttivi) studiano di meno.

Serve a questo punto una condizione necessaria (ma non sufficiente): istruirsi deve essere più costoso/faticoso per

gli L che per gli H.

Possiamo formalizzare il modello

Il modello di signalling spiega come le imprese possano estrarre il segnale relativo al talento (non osservabile) degli

individui.

Ipotesi del modello:

1. Il capitale umano (H) dipende dal talento (A), quindi per il generico individuo i-esimo vale HC = A

i i

2. Il talento non è osservabile, l’acquisizione di istruzione può operare come segnale per il talento: S = A (dove

i i

son S si indica il numero di anni di istruzione).

i

3. Esistono 2 tipologie di individui:

a. Abili, con abilità pari ad a : (H – high)

H

b. Poco abili, con abilità pari ad a (L – low) e con a < a

L L H

4. La produttività è indipendente dall’istruzione:

a. Gli H producono a indipendentemente da quanto studiano

H

b. Gli L producono a < a indipendentemente da quanto studiano.

L H 

5. Raggiungere un livello di istruzione S costa: C(S,a ) = S / a all’aumentare dell’abilità quindi diminuisce il

i i

costo, se a + c –

A questo punto si aprono due possibili scenari:

1- Assenza di segnali

2- Estrazione del segnale

Caso 1) Assenza di segnali

Le imprese non conoscono ex-ante la produttività degli individui. Gli abili sono una frazione (n) dell’intera forza

lavoro, i poco abili di conseguenza sono (1-n). +(1-n)∙a

A=n∙a

In assenza di informazioni sull’individuo, l’impresa assume un’abilità media: H L

A>a e A

L’abilità media è maggiore dell’abilità dei meno abili ed è minore dell’abilità dei più abili: L H

L’impresa, non potendo osservare l’abilità individuale, remunera ogni individuo allo stesso modo e fissa il

salario orario (W), uguale per tutti, pari a una costante moltiplicativa (φ) moltiplicata per l’abilità media della

= [ + ]

w A= na (1-n)a

ϕ ϕ

popolazione: H L

Gli individui abili percepiscono un salario inferiore a quello che percepirebbero se la loro caratteristica fosse

osservabile. I lavoratori meno abili percepiscono salari superiori rispetto a quelli che percepirebbero se

=

W a a

ϕ ϕ

l’impresa sapesse che sono poco abili: L L H H

Esempio numerico:

 Consideriamo una forza lavoro con n=0.4, ovvero 40% di abili, e (1-n)= 0.6 ovvero 60% di individui

meno abili.

 Ipotizziamo che l’abilità dei più abili sia pari a 200 e quella dei meno abili è pari a 100 (aH=200, aL=100)

 A=n∙a +(1-n)∙a

In assenza di informazioni sull’individuo l’impresa assume un’abilità media: H L

 L’abilità media della popolazione è 140 (= 0.4 ∙ 200 + 0.6 ∙100) dove a > 140 > a

H L

 ϕ

Se ipotizziamo anche che = 0.1 otteniamo un salario medio orario identico per i più abili e i meno

ϕ ∙ 140 = 0.1 ∙ 140 = 14

abili pari a: W =

 In assenza di segnali il salario:

o che percepiscono tutti i lavoratori quando l’impresa non può conoscere l’abilità individuale:

ϕ ∙ A = 0.1 ∙ 140 = 14

W =

o ϕ ∙ a = 0.1∙200 = 20

che i percepirebbero i più abili se l’impresa potesse riconoscerli: W = H

H

o ϕ ∙ a = 0.1 ∙ 100 = 10

che percepirebbero i meno abili se l’impresa li riconoscesse: W = L

L

 La non osservabilità dell’abilità individuale (in assenza di strumenti di riconoscimento) porta alla

riduzione dei divari retributivi e implica una redistribuzione da parte dei “molto abili” verso i “poco

abili”.

 Se l’abilità fosse osservabile, ciascun individuo riceverebbe una retribuzione proporzionale al suo

talento: o ϕ∙a (abili)

W = H

H

o W = ϕ∙a (meno abili)

L L

Caso 2) Estrazione del segnale

In questo contesto l’impresa per pagare retribuzioni più vicine all’effettiva produttività del lavoratore può usare

l’istruzione come SEGNALE e fare in modo che solo i più dotati di talento studino di più (ovvero, incentivare la

separazione dei tipi). Si vogliono quindi differenziare gli individui abili (H) dai non abili (L). L’impresa cercherà quindi

di sfruttare tutte le sue conoscenze per indurre gli individui abili a segnalarsi “credibilmente”.

Vediamo quindi ci capire meglio i comportamenti di individui e imprese.

Il meccanismo di selezione:

Ogni individuo massimizza la sua utilità confrontando i costi che affronta per acquisire istruzione con i benefici che

ne ricava.

I costi dipendono dal numero di anni di istruzione (aumentano all’aumentare degli anni) e dal livello di abilità.

Come abbiamo visto, si ipotizza che per gli individui meno abili sia più costoso studiare (per esempio essendo meno

abili devono studiare un numero maggiore di ora, o spendere soldi in ripetizioni etc..)

Il costo per gli individui abili è: C(S=1, a ) = 1 / a = c Per un individuo abile

 H H H costa meno acquisire

Il costo per gli individui non abili è: C(S= 1, a ) = 1 / a = c > c

 L L L H conoscenza.

a e a sono a

L H

S=1 quando gli denominatore perché

individui hanno all’aumentare dell’abilità

raggiunto la laurea il costo diminuisce.

Il comportamento degli individui Ogni individuo massimizza la sua utilità scegliendo il

numero di anni di istruzione. L’utilità aumenta

muovendosi verso l’alto sinistra, dove a pochi anni

di scuola (costosi!) corrispondono capacità di

guadagno elevate.

I due tipi di individui Gli individui più abili hanno curve di utilità più piatte

Comportamento delle imprese

L’impresa sa che ogni individuo sceglie il numero di anni di istruzione che massimizzano la sua utilità cercando di

studiare il minor numero di anni possibile perché studiare è costoso.

L’impresa sa che i due tipi di individui hanno funzioni di utilità diverse tra di loro.

Sfruttando le sue conoscenze, l’impresa attua una politica retributiva che prevede retribuzioni crescenti con il

numero di anni di istruzione ricevuta.

anni di istruzione W = β ∙ S

i i anni di istruzione

è la remunerazione

associata ad 1 anno costante moltiplicativa

scelta dell’impresa

in più di istruzione

L’impresa deve scegliere ottimamente “β” in modo tale sia in grado si “separare” gli individui secondo la loro abilità

non osservabile, ovvero che il tipo abile abbia un incentivo a scegliere S > S (maggiori anni di istruzione).

H L

Graficamente: Politica retributiva proporzionale al numero di anni di istruzione.

Funzione crescente degli anni di istruzione.

La capacità di guadagno in questo modello è data dalle imprese.

La curva di guadagno è diversa da quella di Becker perché in Becker era data

β ∙ S

W = i

i dal mercato (w = produttività marginale) ora è un’assunzione totalmente

diversa:

- Il mercato è inefficiente

- L’impresa scegli di far dipendere il salario dell’istruzione

- Sceglie la sua politica salariale, cioè sceglie un valore di β, in modo

da permetterle di attirare i più bravi (più abili= più produttivi, che è

quello che interessa a un’impresa che max P) pagandoli di più in

modo indiretto attraverso uno strumento osservabile correlato con

l’abilità (istruzione).

Il rispetto dei vincoli

La politica retributiva deve essere tale che solo per gli individui più abili sia conveniente investire in più istruzione.

Deve creare un differenziale salariale che sia:

- Maggiore dei costi per gli individui abili, che così investono (vincolo di partecipazione)

o Per i più abili deve essere conveniente sostenere il costo del segnale.

- Minore dei costi per gli individui meno abili, per cui quindi non c’è convenienza all’investimento

(vincolo di compatibilità degli incentivi).

o Per i meno abili non deve essere conveniente comportarsi da abili e acquisire il segnale.

- Deve cioè essere tale che solo per gli individui più abili sia conveniente investire nella laurea

triennale.

o Es: deve creare un differenziale salariale diploma/laurea triennale che sia maggiore dei costi

per gli individui (che cos’ investono) e sia minore dei costi per gli individui meno abili, per cui

quindi non c’è convenienza all’investimento.

- Come fa l’impresa a calcolare il valore ottimale di β alla luce di quanto sopra?

o Deve “internalizzare” le decisioni delle due tipologie di individuo, sapendo che la scelta del

lavoratore avviene confrontando il flusso attualizzato dalla differenza (benefici futuri – costi

futuri) generato dalle due diverse opzioni e scegliere quell’opzione che gli garantisce

un’utilità maggiore.

Questa politica salariale induce gli individui a rivelare in modo credibile le loro caratteristiche e genera il cosiddetto

EQUILIBRIO di SEPARAZIONE. L’equilibrio di separazione richiede l’utilità associata alla produzione di un segnale

differenziato per ciascun tipo di individuo domini le strategie alternative.

Funzione obbiettivo: max [U(Si)+wi- C(Si) ] e trascurando U(Si).

L’equilibrio di separazione richiede che:

1. L’individuo meno abile (L) non abbia convenienza a imitare il comportamento del più abile e a produrre il

segnale S (diploma) [vincolo di compatibilità degli incentivi].

0 W – C(S , a ) > W – C(S , a )

0 0 L 1 1 L

- Primo termine: utilità dell’individuo meno abile quando produce il segnale S (diploma)

0

- Secondo termine: utilità dell’individuo meno abile quando produce il segnale S (laurea)

1

2. L’individuo più abile (H) deve avere un incentivo a produrre il segnale S (laurea) [vincolo di

1

partecipazione] W – C(S a ) > W – C(S , a )

1 1, H 0 0 H

- Primo termine: utilità dell’individuo più abile quando produce il segnale S (laurea)

1

- Secondo termine: utilità associata alla produzione del segnale S da parte dell’individuo più abile.

0

Quindi: C(S ,a ) - C(S ,a ) > w - w > C(S ,a ) - C(S ,a )

1 L 0 L 1 0 1 H 0 H

Differenza

Costo per l’individuo non salariale Costo per l’individuo

abile di prendere la laurea Costo per l’individuo abile abile di NON

di prendere la laurea prendere la laurea

Costo per l’individuo

non abile di NON

prendere la laurea

Il differenziale retributivo deve essere in una posizione intermedia tra l’incremento di costi per l’individuo meno

abile e quello per l’individuo più abile.

In questo modo le imprese fissano il salario per incentivare a studiare gli abili e disincentivare i non abili.

Graficamente: - Individui più abili: curve di indifferenza più piatte

(fronteggiano costi inferiori)

- Individui più abili scelgono spontaneamente F

- Individui meno abili scelgono spontaneamente E

- Altrimenti entrambi si troverebbero su una curva di

indifferenza più bassa

- L’equilibrio non è Pareto-Efficiente perché si

impiegano risorse per acquisire un segnale che in se

è improduttivo.

Ci sono delle critiche al modello di Spence:

1. Empiricamente si osservano profili salariali diversi anche per lo stesso livello di istruzione.

2. Investono in istruzione anche lavoratori autonomi che NON devono essere selezionati da nessuno.

(non so se fatto)

Modello di signalling: una semplificazione

- Semplifichiamo ancora: ci sono solo due possibili livelli di istruzione, S=0 o S=1 (laurea e non-laurea,

master o non-master, etc.)

- Istruirsi a S=0 costa:

o C(S=0, a ) = 0 / a = 0 si per gli L sia per gli H

j j

- Istruirsi a S=1 costa:

o C(S=1, a ) = 1 / a = c per i bravi

H H H

o C(S=1, a ) = 1 / a = c > c per i non-bravi

L L L H

Con due livelli di istruzione, l’impresa paga un salario più elevato (W ) a quelli con un’istruzione S=1

h

- Dati questi salari è vero che gli H scelgono S=1 e gli

L scelgono S=0?

beneficio – - In alcuni casi si (separating equilibrium) e in altri

costo (se S=1) casi no (pooling equilibrium)

beneficio

beneficio – costo

costo (se S=0)

Equilibrio di separazione INDIVIDUI (L) Equilibrio di separazione INDIVIDUI (H)

Pooling equilibrium

- Questo risultato dipende da come abbiamo disegnato le curve (in particolare quelle di costo)

- Potrebbero esserci situazioni in cui la separazione non è possibile (pooling equilibrium)

- Le imprese quindi pagherebbero un salario uguale a tutti (la media tra w e w ).

H L

- Questo accade più spesso quando: beneficio –

o c e c sono simili costo (se S=1)

L H

o a e a sono simili beneficio

L H beneficio –

- Esempio: nei call centre laureati e diplomati ricevono lo stesso salario (a e a sono simili)

L H

costo (se S=0) costo

Dibattito

 Esiste comprovata evidenza empirica a sostegno della teoria della selezione (istruzione come credenziale)

 Il modello di selezione ha svolto un ruolo positivo nell’enfatizzare come l’istruzione

o non solo aggiunge capacità produttive ulteriori,

o ma influisce anche positivamente sulle attitudini, le motivazioni e su tutto ciò che rende il lavoratore

più produttivo

o la funzione di potenziamento della capacità produttiva e la funzione di selezione della scuola non si

escludano a vicenda. Il dibattito riguarda ora l’importanza relativa delle due teorie. Lezione 3

I Rendimenti dell’istruzione

Influenza causale e evidenze empiriche

Vedremo:

- Evidenze empiriche sui rendimenti dell’istruzione

- Problemi metodologici nella stima dei rendimenti

o Metodi per identificare una relazione causale tra istruzione e reddito

Riferimenti bibliografici:

1. Brucchi Luchino (2001), “Manuale di Economia del Lavoro”, Il Mulino (capitoli 19, 20)

2. Meghir and Palme (2005) "Educational Reform, Ability, and Family Background”

3. Duflo (2001), “Schooling and labor market consequences of school construction in Indonesia”

4. Angrist and Krueger (1991), “Does compulsory school attendance affect schooling and earning?”

5. Shultz (2001) “School Subsidies for the poor:evaluating the Mexican progresa poverty program”

Definizione: il cosiddetto rendimento dell’istruzione minceriano [Mincer, 1974] misura il differenziale salariale tra

individui che, a parità di altre caratteristiche osservabili, hanno un diverso livello d’istruzione.

Supponendo di osservare una retribuzione annua (Wi), gli anni di istruzione (Si) e altre variabili di controllo per un

campione di N individui (i = 1… N), il rendimento dell’istruzione (β) si calcola stimando una relazione lineare del tipo:

log(W ) = α + β S + γ X + ε equazione minceriana

i i i

Dove:

 α = mi da la media del salario. Sul salario devo sapere la media da dove parto. È una costante

 β = mi dice quanto si guadagna in più aggiungendo un anno di istruzione. (è quello che devo calcolare).

 X = “a parità di altre condizioni”. Sono tutte le caratteristiche osservabili dell’individuo “i” :

i o Età, ricchezza, genere, famiglia, ecc.

 ε = termine di errore.

Data la semplicità della stima e la relativa (e crescente) disponibilità di micro-dati nazionali, nel corso del tempo

molti studiosi hanno stimato il rendimento dell’istruzione per il loro paese.

Primo tra tutti Mincer (1974) stima un rendimento pari al 10% negli Stati Uniti.

In particolare:

1. In USA β = 10% (si guadagna il 10% in

più su ogni anno in più di studio)

2. In Europa β = 5-10% (un anno di

istruzione comporta un aumento

retributivo tra il 5 e il 10%)

3. In Italia β = 6,2% per gli uomini – β =

7,7% per le donne.

4. In UK β = 9,4% per gli uomini – β =

11,5% per le donne.

Ovviamente il rendimento dipende anche

dal mercato del lavoro.

Come avviene questo calcolo?

Ci sono diversi centri di statistica che raccolgono i dati su tutti gli individui e li mettono in un software che poi

fornisce il valore “β” che cerchiamo. 

Uno dei migliori metodi è il metodo OLS (ordinary last square) Questo metodo (metodo dei minimi quadrati)

calcola la regressione lineare nel modo più semplice. 

Abbiamo un certo numero di individui, di cui sappiamo quanto guadagnano e quanto hanno studiato il computer

così mi da una retta di regressione e mi dice quanto aumenta il salario relativamente all’aumentare degli anni di

istruzione. 

Y = α + β X S

Invece che il rendimento di un anno aggiuntivo di istruzione si può stimare il rendimento del possesso di un titolo di

studio più elevati rispetto ad uno più basso.

Infatti:

 L’investimento non ha ritorni se il ciclo di studi non è stato completato

 Il mercato premia il raggiungimento del titolo di studi, ma non gli anni di istruzione in se.

 Se si abbandona prima di completare un ciclo di studi gli anni spesi non hanno valore.

L’evidenza empirica (i risultati) ci dicono che:

 Un diplomato guadagna il 25-50% in più di un individuo con la solo scuola primaria.

 Un laureato guadagna l’8-15% in più di un diplomato

 Il rendimento si abbassa al crescere della scolarità media della popolazione.

Tornando all’equazione minceriana :

log(W ) = α + β S + γ X + ε

i i i β OLS?

chiediamoci: che cosa misura realmente

La stima di β ottenuta con il metodo OLS ci da una misura della correlazione tra Si e Wi, a parità di altre

caratteristiche osservabili

 è una misura corretta (non distorta) dell’effettivo rendimento dell’istruzione

 ci dice la relazione causa-effetto tra S e W, cioè ci permette di affermare che l’istruzione comporti

un aumento dei salari?

Dobbiamo porci il problema della causalità β distorta, cioè non corretta perché tiene conto del problema

Stimare l’equazione con OLS mi da una stima di

della causalità.

La stima OLS di β non è distorta se il valore atteso dell’errore è uguale a zero, cioè:

E [ ε|S , X ] = 0 detto anche SEA

i i

Significa che il termine di errore deve essere non correlato con i regressori: la media dell’errore è zero quando

nell’errore non ci sono tutte quelle variabili che influenzano contemporaneamente W e S.

Questa condizione è violata in due casi:

1. Ho un problema di VARIABILI OMESSE (cioè quando S è endogena). Possono esistere caratteristiche

individuali non osservabili, non misurabili (es. abilità e background famigliare) che influenzano sia i redditi

(W) lavorativi sia le decisioni di investimento in istruzione (S).

Se queste variabili non vengono inserite nella regressione, confluiscono nel termine di errore. Il termine di

errore diventa dunque correlato con la variabile S (è violata una delle due ipotesi su cui si basa la correttezza

della stima OLS)

 β è distorto, problema di endogeneità.

2. Ho un problema di ERRORE DI MISURAZIONE in S. Ad esempio non ho informazioni corrette sugli anni di

istruzione.

 β è distorto.

Problema dell’endogeneità di S

Possiamo descrivere funzione di produzione dell’istruzione e funzione del salario come un sistema a due equazioni:

(1) Si = ϕ z + μ

i i

(2) log(Wi) = γ Xi + β Si + ε i

Voglio stimare il rendimento di istruzione ma ci sono variabili che sono correlate con la scelta di istruzione. Se stimo

la 1° equazione e so che S dipende da altri fattori (z) S è endogena perché correlata con l’errore (ε ) dato che

i

all’interno di S ci sono variabili che la influenzano. 

L’endogeneità della variabile S deriva dalla sua correlazione con ε cov (ε , μ ) ≠ 0

i i i

 stima di β distorta

NB: l’endogeneità da variabili omesse invece si ha quando si omettono dal modello variabili che influenzano

contemporaneamente i redditi e la scelta di istruzione. Esempio: l’abilità (A).

ε = δAi + η

L’omissione di A, significa che: i i

cov (ε , μ ) ≠ 0 S è endogena

 i i

 L’evidenza empirica osservata suggerisce una relazione positiva tra istruzione e reddito.

 Ma sia il reddito che l’istruzione sono correlati a fattori addizionali difficili da controllare.

o L’istruzione dei genitori

o I tratti caratteriali

o La qualità della scuola frequentata

o Le relazioni con i compagni di classe

o La discriminazione…

 Per testare se la relazione sia causale, come suggerisce la teoria del capitale umano, dobbiamo utilizzare dei

metodi che permettono di identificare un effetto causale.

 Idealmente, il rendimento salariale di un anno aggiuntivo di istruzione dovrebbe misurarsi

o Considerando un individuo rappresentativo, e confrontando il suo salario se è dotato di S anni di

istruzione con quello che guadagna con S+1 anni di istruzioni (controfattuale), oppure

o Confrontando i salari di due individui rappresentativi identici in tutto, tranne che per 1 anno di

istruzione.

Esempio: Gruppo1 (3 individui) – Gruppo 2 (3 individui)

 G1 e G2 hanno le stesse abilità, genere, abilità dei genitori

 A G1 viene imposto l’obbligo del diploma. SG1=0

 A G2 viene imposto l’obbligo della laurea. SG2=1

SG2 > SG1

 Se tra 20 anni : SW2 > SW1

 Il differenziale salariale sarà dovuto effettivamente al numero di anni di istruzione,

perché per il resto i 2 gruppi di individui sono identici.

o Ma nessuna delle 2 opzioni è possibile in pratica (problema dell’inferenza causale)

o La seconda opzione è pero approssimabile mediante analisi di regressione.

Quindi:

 Ho una regressione lineare: y = α + β X + ε

 Ho un obbiettivo, stimare i ritorni dell’istruzione: W = α + β S + ε

 Se troviamo che:

o β > 0 vuol dire che W e S sono positivamente correlati, se aumenta S anche W aumenta

o β < 0 vuol dire che W e S sono negativamente correlati.

Usiamo dei metodi econometrici per stimare β in un mondo non distorto per capire com’è la relazione di causalità

tra W e S.

Ci sono 5 metodi:

1. Inserimento nella regressione delle variabili potenzialmente omesse (es. misure osservabili dell’abilità

individuale)

2. Studi sui gemelli

3. Difference in difference

4. Metodo delle Variabili Strumentali (IV)

5. Randomized Control Trial

1° Metodo: L’inserimento di numerosi controlli

 S può essere endogena per delle variabili che influenzano sia S che W.

 In assenza di un esperimento, se potessimo aggiungere ad una regressione tutti i possibili “fattori di

confondimento” riusciremmo a identificare l’effetto causale che ci interessa

o Non avremmo più variabili omesse nella stima

o Elimineremo la distorsione

 Crescente disponibilità di dataset con informazioni dettagliate su individui e loro storia (es. sesso, esperienza

lavorativa, istruzione genitori, regione di residenza, numero figli, etc.)

o Possibilità di includere anche misure di abilità individuale (test cognitivi, test IQ, etc.

Ciò significa scrivere l’equazione cosi: W = α + β S + γ Xi + ε

Ad esempio la regressione diventerà: W = α + β S + γ età + z genere + η IQ + ε

L’abilità è difficile da osservare. Negli studi

empirici si usa il quoziente intellettivo (IQ)

NB:  Controllare per queste variabili è equivalente a confrontare due campioni di soggetti con uguale esperienza,

sesso, area geografica, istruzione genitori, numero di figli, abilità cognitiva, etc. ma con scolarità diversa, e

vedere chi guadagna di più

 Idealmente vorremmo controllare per tutte le caratteristiche precedenti al trattamento, ossia confrontare

persone identiche al momento del trattamento.

 Tuttavia è molto improbabile che il ricercatore abbia dati sufficienti a controllare per tutti i casi di

confondimento (rimane eterogeneità non osservabile – es: abilità innata)

 Cosa può fare allora il ricercatore?

2° Metodo: Studio sui gemelli

 Utilizzo di dati relativi a fratelli o gemelli per disporre di dati su individui con lo stesso background familiare

 Nel caso di gemelli omozigoti, uguale patrimonio genetico

 Sotto l’hp che l’abilità/intelligenza sia genetica, è possibile eliminare dalla stima l’abilità non osservabile

utilizzando equazioni in differenze su campioni di fratelli gemelli

o se due gemelli con diversi livelli di istruzione hanno lo stesso livello di abilità, allora le differenze fra i

redditi dei due sono dovute a diversi livelli di istruzione e non a differenze di abilità

Supponiamo che i redditi siano determinati da:

Wij = α + α Aij + α FBij + α Xij + β Sij + ε

1 2 3 ij

o wij: redditi del gemello j (j=1,2) appartenente alla famiglia i

o A: abilità non osservabile

o FB: background familiare (istruzione reddito, occupazione, etc.)

o X: altre caratteristiche individuali S: anni di istruzione

 Stimiamo ora l’equazione in differenza.

Se prendiamo la differenza tra gemelli abbiamo:

W – W = α (A – A ) + α (FB – FB ) + α (X – X )+ β (S – S ) + (ε - ε )

i1 i2 1 i1 i2 2 i1 i2 3 i1 i2 i1 i2 i1 i2

Se i gemelli sono monozigoti ( e cresciuti insieme) abbiamo che:

 (A – A ) = 0 e (FB – FB ) = 0

i1 i2 i1 i2

 e plausibilmente (X – X ) = 0

i1 i2

 Quindi la differenza di salario è uguale a:

W – W = β (S – S ) + (ε - ε )

i1 i2 i1 i2 i1 i2

I regressori non sono correlati con l’errore e la stima OLS di β è non distorta.

 Se β > 0 vuol dire che effettivamente un anno in più di istruzione genera più salario e β non è distorta.

 Le stime di β dagli studi sui gemelli tipicamente suggeriscono tassi di rendimento dell’istruzione più bassi di

quelli trovati con OLS (il che suggerisce che la stima OLS è effettivamente distorta da “ability bias” variabili

omesse).

 I rendimenti dell’istruzione quando sono stati fatti gli studi erano del 4.9-5% quindi più bassi.

I limiti di questo metodo sono:

 In genere ci sono campioni piccoli

 Vi è un effetto identificato se gli anni di scolarizzazione tra i gemelli sono diversi (ma perché sono diversi?)

 La stima in differenze amplifica eventuali errori di misurazione nella variabile “anni di istruzione (S)”.

3° Metodo: Diff in Diff

Il metodo Difference in differenze (DID o diff-in-diff) utilizza eventi naturali che inducono una qualche forma di

randomizzazione nell’assegnazione al trattamento tra gli individui.

Ad esempio la modifica di legge, in una giurisdizione e non in un'altra o qualche disastro naturale che modifica la

policy in un’area ma non nell’altra (es: frequenza scolastica obbligatoria).

Per vedere l’effetto del trattamento si confrontano gli outcomes dei gruppi prima e dopo il trattamento.

Per stimare con il metodo DID si possono usare panel data (i campioni devono provenire dalle stesse popolazioni

prima e dopo la policy).

Le debolezze del DiD:

1. Selezione derivante da shock idiosincratici (relativi a un singolo individuo) temporanei. Lo stimare DID non

controlla shock che siano inosservabili, temporanei e individual-specific e che possono però influenzare la

decisione di partecipazione.

a. Esempio: vogliamo valutare l’effetto di un programma di training sui salari, dove la probabilità di

partecipare è più elevata se una riduzione temporanea del reddito si è verificata poco prima

programma di trainig.

b. Una crescita salariale maggiore caratterizzerà il gruppo dei tratti, anche senza la partecipazione al

programma di training perché prima del training il reddito era minore.

c. In questo contesto lo stimatore DID sovra-stimerà l’impatto del trattamento.

2. Macro trends diversi tra i due gruppi: l’identificazione dell’effetto di un intervento con lo stimatore DID si

basa sull’ipotesi che i trattai e controlli siano colpiti dagli stessi macro-shocks. Se non è così si ottengono

stime distorte e inconsistenti. Per esempio ciò avviene se nella valutazione di un programma di training

utilizziamo trattai e controlli che operano in diversi mercati del lavoro.

3. Composizione dei gruppi prima e dopo l’intervento: la composizione dei due gruppi non deve cambiare (ad

esempio dovuta a migrazioni)

Esempio di DiD: Meghir e Palme (2005)

Sono due economisti che studiano i rendimenti dell’istruzione. In questo studio gli autori valutano l’effetto di una

riforma svedese sul reddito.

La riforma, negli anni 40, ha aumentato l’obbligo scolastico, ha imposto un unico curriculum nazionale.

L’implementazione della riforma è stata graduale e quindi ha un disegno che permette la stima DID.

 Lo studio si concentra su due coorti, quella dei nati nel 1948 e quella dei nati nel 1953.

 Per un sottoinsieme di comuni svedesi (switching municipalities) queste due coorti sono state assegnate a

sistemi scolastici diversi: la coorte del 1948 al vecchio sistema scolastico, quella del 1953 al nuovo =>

variazione tra coorti.

 Contemporaneamente in alcune municipalità le due coorti sono entrambe state assegnate al vecchio sistema

scolastico, e in altre entrambe al nuovo => variazione tra comuni

 La strategia di identificazione DID si basa sul confronto della differenza di outcome tra le due coorti nelle

switching municipalities e la differenza di outcome tra le due coorti nelle municipalità che non hanno

adottato il nuovo sistema scolastico.

 La strategia empirica quindi si basa sull’assunto che in assenza della riforma, la differenza nell’outcome tra le

due coorti sarebbe stata identica in tutte le municipalità (condizionata alle caratteristiche osservabili)

 Sistema scolastico pre-riforma: prevedeva che i bambini svedesi frequentassero una basic compulsory school

fino al 6° anno

 Dal 7° anno, gli studenti con i voti migliori erano ammessi alla junior secondary school

 Gli studenti non ammessi potevano continuare uno o due anni nella basic compulsory e poi passare ad una

full-time education in una vocational school

 La scuola dell’obbligo durava 7 anni

 La junior secondary school era il prerequisito per accedere alla scuola superiore, che era il prerequisito per

accedere all’università

 La riforma ha esteso l’obbligo scolastico a 9 anni

 Gli studenti potevano scegliere tra tre indirizzi dopo il 6° anno (abolita la selezione sul voto): tra un indirizzo

più “accademico”, uno generale e uno più professionalizzante

 E’stata condotta una valutazione tra il 1949 e il 1962, quando il nuovo sistema è stato implementato in tutta

la nazione

 La riforma è stata introdotta gradualmente municipalità per municipalità

 Gli outcomes presi in considerazione sono il livello di istruzione (sia in anni che in livelli) e il reddito.

Il modello econometrico è il seguente:

Y = b + b d + b’ m + αr + γ’x + e

idm 0 1 i 2 i idm idm idm

 Y è l’outcome osservato per l’individuo “i”, della coorte (anno di nascita) “d” e nella municipalità “m”.

idm

 d è una variabile uguale a 1 o 0 a seconda della coorte di appartenenza dell’individuo i.

i

 m indica la municipalità dove l’individuo è andato a scuola

i

 r è uguale a 1 se l’individuo i appartiene a una coorte e a una municipalità dove è stata implementata la

idm

riforma.

 α è l’effetto della riforma

 x sono le caratteristiche dell’individuo

idm

 e è il termine di errore.

idm deltaS = α + β (di + mi) + ε

deltaS = α + 8,54 (di + mi) + ε

Probabilità di frequentare

più anni di scuola = 8,54

Per vedere se un coefficiente è significativo o no bisogna vedere 3 cose:

 

1. Segno: β > 0 S e W sono positivamente correlate / β < o S e W sono negativamente correlati

2. Significatività statistica: H ipotesi nulla.

0

Se H : β = 0 cioè che il coefficiente non è significativo per il modello

o

Se H : β ≠ 0 cioè che il coefficiente è significativo per il modello.

1

Vi sono delle soglie di tolleranza per la possibilità di commettere un errore (cioè rifiutare l’ipotesi nulla H 0

quando in realtà è vera), queste soglie sono scelte da noi (α) e possono essere 1%-5%-10%.

t = coefficiente stimato β / standard error ε = 8,54 / 1,67 =

 

Se > 2,< -2 il coefficiente è statisticamente significativo, rigetto H 0

 

Se < 2, > -2 il coefficiente non è statisticamente significativo, accetto H 0

[Considero 2 come valore perché è un valore soglia che gli statistici hanno scelto nella t di

student per decidere se accettare o no l’ipotesi nulla]

 

t = 8,54 / 1,67 = 5,11 (>2) il β è statisticamente significativo.

 p. value (non riportato nella tabella): se < 5% rigetto H0, β significativo

se > 5% non rigetto H0, βnon significativo.

L’effetto sull’istruzione del trattamento:

- La riforma ha aumentato la quota di individui che proseguivano negli studi di 8,5 punti percentuali (fino

all’obbligo)

- La riforma ha aumentato anche la percentuale di quelli che proseguivano oltre l’obbligo di 2,6 punti

percentuali

- Il numero di anni di istruzione è aumentato dello 0,3 anni

- L’intero effetto deriva dalle scelte di istruzione dei figli di padri non istruiti

- Tra i padri non istruiti, possiamo distinguere ulteriormente per abilità:

o I figli di padri non abili si sono limitati a raggiungere l’obbligo scolastico

o I figli di padri abili, oltre ad avere un effetto positivo della riforma sul raggiungimento dell’obbligo

sperimentano un sensibile incremento nella probabilità di andare oltre l’obbligo

3. Grandezza del coefficiente:

Coeff. 3.36% per individui con un padre poco istruito.

W = α ∙ 3,36 (di + mi) + ε

t = 3,36 / 0,91 = circa 3 > 2 coefficiente statisticamente significativo.

Coeff. 4,56% per individui con un padre non istruito ma abile

Coeff – 5,59% effetto della riforma sul salario per individui con padri molto istruiti (mettendo insieme tutti i

livelli di abilità). questo effetto è negativo, il salario si è ridotto perché la riforma ha aumentato la scuola

per tutti e questo ha provocato un effetto negativo su chi voleva continuare perché c’è

più gente che va a scuola.

Questo risultato è inaspettato e gli autori la spiegano come una riduzione della qualità

dell’istruzione. Cioè la riforma ha abolito la selezione di individui più bravi che già

avrebbero studiato.

L’effetto sul reddito del trattamento:

- L’effetto generale è stato modesto e poco significativo

- Ma c’è molta eterogeneità

- Per i figli di genitori non-istruiti, l’incremento è stato del

3.4%

- L’incremento sale al 4,5% per i figli di genitori non-istruiti

ma abili

- Il risultato più inaspettato è la riduzione del rendimento

per i figli di padri skilled (-5,6%).

- La diminuzione è confermata per maschi e femmine anche

se non c’è stata una riduzione di anni di istruzione

Interpretazione:

L’interpretazione degli autori è che c’è stata una riduzione della qualità dell’istruzione:

- i figli di genitori istruiti prima della riforma frequentavano l’academic junior secondary e l’accesso a questa

scuola era basato su una selezione rispetto ai voti conseguiti

La riforma ha abolito questa selezione e probabilmente ha ridotto la qualità dell’istruzione (attraverso un peer effect

negativo?) e di conseguenza il reddito guadagnato da questo sottogruppo

Duflo (2001) “ Schooling and labor market consequences of school construction in Indonesia”

Domanda di ricerca: gli investimenti in infrastrutture aumentano l’accumulazione di capitale umano?

Problema del rispondere a questa domanda:

- Le scuole non sono distribuite in modo causale tra i paesi, regioni, villaggi

- Paesi più ricchi e responsabili hanno una maggior probabilità di costruire più scuole

Y = α + β x + ε (anni di studio)

 

S = α + β infrastrutture + ε (investimenti) NO: perché β è distorto, cioè ci sono variabili come il PIL (ecc) che

sono correlate sia con S che con le infrastrutture.

Es: paesi più ricchi studiano di più e investono di più.

Duflo quindi per stimare ha trovato una riforma stilata nel 1973 in cui il governo indonesiano ha lanciato un

consistente programma per la costruzione di nuove scuole, the Sekolah Dasar IPRES program. Tra il 1973/74 e il

1978/79 più di 61.000 scuola primarie – una media di 2 per 1000 bambini – sono state costruite.

OBBIETTIVO: aumentare la partecipazione scolastica tra i ragazzi di 7/12 anni del 69% nel 1973 al 85% nel 1978.

Metodologia Diff-in-Diff

- La costruzione delle scuole varia per regione e anno di nascita

- Duflo (2001) sfrutta questo investimento nella costruzione delle scuole per testare se un maggior numero di

infrastrutture aumenta l’accumulazione di HC

- L’istruzione di un individuo che era abbastanza giovane da essere a scuola quando il programma è stato

lanciato dovrebbe essere piu’ alta dell’istruzione di individui piu’ vecchi e la differenza deve essere maggiore

nelle regioni che hanno costruito piu’ scuole

- EXPOSURE TO THE PROGRAM (TREATMENT) è determinato dalla regione di nascita a dalla data di nascita

- Trattamento è 1 se il ragazzo era abbastanza giovane da beneficiare del programma e nato in una regione

dove le scuole sono state costruite.

Esempio: o Trattati: ragazzi di 12 anni o meno nel 1974 (quindi nati nel 1963 o dopo)

o Controllo: ragazzi di 12 anni o più nel 1974 (nati nel 1962 o prima) – quando il programma è iniziato

nelle regioni che hanno ricevuto più scuole.

Regressione: S = α + β (t ∙ p )

di istruzione i,j,k i j t = individui che nel ’74 avevano meno di 12 anni.

i

I = individuo, p = regione con elevata costruzione di scuole (intensità del

j

j = regione, programma), numero di scuole costruite per regione. [1 high, 0 low]

k = anno di nascita. Cerchiamo β nelle tabelle:

β = 0.124 e SE = 0.025

confrontando nel ’74, 12-17 [C] vecchi e 2-6

[T] giovani.

β > 0 quindi un aumento delle infrastrutture

aumenta gli anni di istruzione (perché gli

individui “T” più giovani studiano di più).

Β è statisticamente significativo?

0.124 / 0.025 = > 2 quindi Sì e rigetto l’ipotesi

nulla.

B è grande 0.124 che significa che una scuola

costruita ogni 1000 bambini aumenta

l’istruzione di 0.124 anni per bambini trattati.

Per il campione di coloro che hanno un reddito β = 0.196, cioè che per questo campione l’investimento ha

aumentato l’istruzione di 0.196 anni. L’effetto di questo sui salari per gli individui nati dopo la costruzione delle

scuole è un aumento del salario del 1,5%.

I risultati:

- Nel 1978 i tassi di iscrizione hanno raggiunto l’84% per gli uomini e l’82% per le donne.

 WB l’ha menzionato come uno dei programmi di maggior successo!

- I ragazzi da 2-6 anni hanno ottenuto da 0.12 a 0.19 più anni di istruzione per ogni nuova scuola costruita

- Questo aumento è stato tradotto in un aumento dei salari dii 1.5-2.7% per ogni scuola costruita.

- Il programma è stato estremamente efficace.

4° Metodo: Instrumental Variables IV

Metodo delle variabili strumentali è un metodo che permette di risolvere l’endogeneità trovando eventi nel

mondo reale che modificano in modo esogeno (ossia indipendente dalle decisioni individuali) la partecipazione al

trattamento (anni di istruzione).

Nel caso della stima dei rendimenti dell’istruzione l’idea è quella di trovare fattori (strumenti) che influenzano il

numero di anni di istruzione ma non hanno effetti sul reddito.

Consideriamo di nuovo l’equazione base, ipotizzando che l’unica variabile omessa sia l’abilità innata A, che non

possiamo osservare. Wi= α + βSi + ε

= α + βSi + γAi + μi

Riusciamo comunque ad indentificare e stimare se esiste una variabile “Zi” (detta strumentale”) tale che:

- Cov (Zi, Sj) ≠ 0

- Cov (Zi, εi) = 0

Ossia abbiamo un effetto causale sugli anni di istruzione e non sia correlata con l’errore della regressione (ossia con

l’abilità) e abbia quindi un effetto sul reddito soltanto attraverso gli anni di istruzione.

Concettualmente, una variabile Zi con queste caratteristiche produce in modo “incontrollato” gli stessi effetti di un

esperimento “controllato”:

- Assegna in modo casuale i soggetti alle diverse dosi di trattamento

- Consente di comprare i risultati di soggetti che hanno dosi di trattamento diverse ma sono “uguali” rispetto

al resto.

Date queste equazioni:

o α + βS + ε

Wi= 0 i i (1)

o Si = α μ

+ δZ +

1 i (2)

i

Il parametro β (rendimento dell’istruzione) può essere stimato sostituendo Si osservato con i valori predetti (Si)

ottenuti dalla stima dell’equazione (2). Calcolo Si nella seconda equazione e la sostituisco nella prima. Questa

metodologia prende il nome di stima in due steps.

Le condizioni per avere una buona stima sono:

- che lo strumento “z” non sia influenzato da altre variabili nel modello

- che lo strumento “z” sia fortemente correlato con S ma non direttamente correlato con W. Ù

Otteniamo una stima non distorta di β e possiamo identificare l’effetto causale dell’istruzione sui redditi.

Vediamo adesso alcuni esempi di studi che hanno utilizzato il metodo 4.

- Angrist e Krueger (1991) – utilizzano il trimestre di nascita come strumento per gli anni di istruzione.

Il trimestre di nascita influisce sull’ammontare di istruzione date le leggi in vigore sulla scuola dell’obbligo:

 I bambini nati in Q4 (4 trimestre, es. 31 dicembre) entrano a scuola a 5.75 anni, invece i

bambini nati in Q1 (1 trimestre, es, 1 gennaio) entrano a 6.75 anni.

 La legge prevede l’obbligo scolastico fino al compimento del 16esimo compleanno

 I nati in Q1 possono lasciare la scuola dell’obbligo prima

 Quindi individui nati in diversi trimestri hanno in media una diversa durata dell’istruzione

obbligatoria.

Questa fonte di variazione in S non è correlata con altri fattori che influenzano i salari (è esogena), infatti i

salari degli individui nati nell’ultimo trimestre hanno sempre W maggiori.

Two-Stage Least Squares (2SLS) – stima in due step: prima si utilizza il trimestre per predire gli anni di

istruzione, poi si regredisce il salario sul valore predetto per stimare i rendimenti dell’istruzione.

α + βY Q + ε

-Primo step: Si = (Yic = anno di nascita e Q= trimestre di nascita)

ic i

α + S+ μ

-Secondo step: logWi = γ (S è quella calcolata nel primo step)

i

Il trimestre è legato agli anni di istruzione ma non è direttamente correlato al reddito.

Risultati sull’istruzione:

β è negativo

chi è nato in Q1 ha 0.124 anni in meno di istruzione

rispetto a chi è nati in Q4.

Per vedere se β è significativo calcoliamo: 

t = coeff / SE = -0.124/0.017 = - 7,29 < -2 quindi

rigettiamo l’ipotesi nulla e il coeff è significativo.

Risultati sul salario: Y=salario. -segno: β > 0 cioè se S aumenta

anche W aumenta

-significatività: t= 0.1007 / 0.033 >

2 quindi il coeff è significativo.

-un anno in più di istruzione

aumenta i salari del 10%.

Utilizzando il metodo OLS notiamo

che il β è distorto. (colonna 7)

Il trimestre di nascita è uno strumento valido: influenza l’ammontare di istruzione per motivi esogeni (leggi

sull’obbligo scolastico) e non attraverso l’abilità non osservabile.

 Persone nate in Q1 (che entrano a scuola più grandi e escono prima) ricevono circa

0.1 anni di istruzione in meno e hanno una probabilità di diplomarsi dell’1.9% inferiore

a quelli nati nel Q4

 Trimestre di nascita non è correlato con l’istruzione post-secondaria

Il rendimento di un anno di istruzione stimato con il metodo IV è maggiore rispetto a quello ottenuto con le

stime OLS ed è intorno al 10% a seconda delle specificazioni.

Critiche a Angrist e Krueger : il trimestre di nascita è considerato uno strumento debole (Bound et al. 1995)

 Si ha questo problema quando Cov (S,Z) è piccola (cioè, quando lo strumento è poco correlato

con la variabili endogena che si vuole instrumentare)

 In questo caso, la relazione tra trimestri di nascita e S è debole in alcune specificazioni e

diminuisce nelle coorti più recenti

 Questo porta ad altre distorsioni.

Esempi di altri strumenti

- La presenza o meno di un college nelle vicinanze della residenza del potenziale studente (Kane e Rouse ‘93 e

Card ‘93)

- Chiamata per la partenza per il Vietnam (assegnazione causale di un numero poi estratto) (Angrist e Krueger,

1992)

- Riforme nei sistemi scolastici e/o nella durata dell’istruzione obbligatoria (es. Harmon&Walker, 1995;

Oreopoulos, 2006; Meghir and Palme, 1999; Flabbi, 1997)

Esempi stime internazionali: paese OLS IV Strumento

Angrist & Krueger (1991) USA 6.3 8.1 Anno, stato e quadrim. di nascita

Angrist & Krueger (1992) USA 5.9 6.3 Draft lottery number

Card (1995) USA 7.3 13.2 Distanza dalla sede universitaria

Ichino&Winter-Ebmer (99) Germania 5.5 14 Dummy per padre in guerra

Meghir & Palme (1999) Svezia 2.8 3.6 Riforma curriculum scolastico

Kane & Rouse (1993) USA 8 9.1 Tasse di iscrizione e distanza dalla sede univ.

Harmon &Walker (1995) UK 6.1 15 Riforme nella durata dell’istruzione obbligatoria

Denny & Harmon (2000) Irlanda 8.0 13.6 Abolizione tasse scuola superiore

Oreopoulos (2006) UK, USA, CA 7.9 15 Riforme durata istruz. obbligatoria

Riassunto su stime IV:

- Il metodo delle variabili strumentali è un importante strumento per correggere la distorsione delle stime OLS

(molto utilizzato in economia applicata)

- Risolve il problema dell’endogeneità e permette di identificare un effetto causale in assenza di un

esperimento controllato

- MA ha dei Limiti

o Difficoltà a trovare un buono strumento

 Deve essere esogeno: non deve essere correlato con la variabile dipendente e con il termine

di errore

 Deve essere correlato significativamente con il regressore endogeno (altrimenti è debole)

5° Metodo: Randomized Control Trial (RCT)

Abbiamo visto

- Approccio tradizionale per testare l’efficacia di un programma è guardare a dati esistenti e testare l’effetto

di una variabile (X) su un outcome (Y).

Empiricamente vuol dire: Y= α + βX + μ

o Dove, ad esempio, testiamo l’effetto della ricchezza (X) sull’istruzione (Y) o l’effetto dell’istruzione

(X) sul salario (Y), etc…

o PROBLEMA: non è possibile capire la CAUSA e L’EFFETTO perché β è distorto: cioè se bambini più

ricchi sono più istruiti o se bambini più istruiti sono più ricchi

Esempio: qual è l’effetto di maggior istruzione sul reddito?

Problemi:

1. Variabili omesse “Omitted Variable Bias” – persone più intelligenti possono essere più istruite ma anche più

ricche per la loro intelligenza (e non per l’istruzione ricevuta)

2. “Reversed Causality” – la ricchezza aumenta l’istruzione o l’istruzione fa guadagnare di più?

Negli ultimi 15 anni si iniziò ad usare questo approccio, l’obbiettivo era capire come S influenza in modo causale W,

cioè dobbiamo essere sicuri che gli individui abbiano redditi diversi a causa di anni diversi di istruzione.

Sono studi che permettono di testare l’effetto di un programma su una specifica popolazione

- Includono raccolte dati originali

- È un metodo che proviene dalla medicina

- RCTs sono importanti per avere una evidenza rigorosa su ciò che funziona e ciò che non funziona.

Inferenza causale

- Per stimare l’effetto di un programma, dobbiamo essere sicuri che gli individui abbiamo cambiato il loro

comportamento a causa del programma (guadagnano di più perché più istruiti!)

In principio per stimare l’effetto causale confrontiamo:

Ommitted Variable / Selection : gli

Outcome di chi partecipa al programma  individui più intelligenti possono avere un

con l’outcome di chi non partecipa, e i maggiore salario e una maggiore

salari di chi va e di chi non va all’università probabilità di andare all’università.

Outcome della stessa persona prima e Cambiamenti dovuto ad altri fattori che

dopo il programma influenzano l’outcome. Es. età.

Obbiettivo: escludere che il cambiamento di comportamento / outcome sia dovuto a caratteristiche

individuali non osservate.

Come testare l’effetto del programma?

Vuol dire rispondere alle seguenti domande:

- Come un individuo che ha partecipato ad un programma si sarebbe comportato in assenza del programma?

- Come gli individui che non hanno partecipato al programma si sarebbero comportati se avessero

partecipato? Ogni individuo ha 2 outcome potenziali:

0

Yi = outcome senza trattamento 1

Yi = outcome con il trattamento

(salario senza uni) (salario con uni)

- Ti=1 se riceve trattamento, Ti=0 se non riceve il trattamento

- Il trattamento, T, può essere sia binario o continuo (avere fatto un training o no) o continuo (n. di ore di

training)

- Anche l’outcome Y può essere binario (la probabilità di essere occupato) o continuo (salari, reddito, etc.)

- Se l’individuo è trattato:

o 1

Yi (T=1) è osservato,

o 0

Yi (T=1) è il controfattuale (outcome di un individuo trattato se non avesse ricevuto il trattamento

- Se l’individuo NON è trattato:

o 0

Yi (T=0) è osservato,

o 1

Yi (T=0) è il controfattuale (outcome di un individuo NON trattato se avesse ricevuto il trattamento)

1 0

L’obbiettivo è testare l’effetto del trattamento (università) sull’outcome per ogni individuo: Δi=Yi –Yi

IMPOSSIBILE: in ogni momento solo uno dei due outcome è osservato.

Mai possiamo osservare il controfattuale, dato che non possiamo osservare la stessa persona in due stati del mondo

diversi COSA FARE?

È possibile stimare l’effetto medio del programma: outcome tra un gruppo di individui che ha partecipato al

programma (trattati) rispetto a un gruppo di individui simili che NON hanno partecipato al programma (controllo)

- Siamo interessati a capire: 1 0

E[Y |T=1] - E[Y |T=0]

0

Aggiungendo e sottraendo E[Y |T=1], l’outcome atteso per un individuo nel gruppo dei trattati se non fosse trattato

Otteniamo: 1 0 1 0 0

E[Y |T=1]-E[Y |T=0] = E[Y |T=1] - E[Y |T=0] - E[Y |T=1]+ E[Y0 |T=1]

Che si può riscrivere come:

- Selection bias = cattura la differenza negli outcome potenziali tra i trattati e i non trattati

- Per identificare il Treatment Effect on the treated => Selection bias = 0

- Selection bias è 0 quando gruppo dei trattati e di controllo sono casualmente selezionati da una popolazione

=> Randomized Experiments!

Esempio: giovani dai 15 ai 25 anni che vogliono capire se studiare fa diventare più ricchi

W = α + β S + ε

Se β > 0 allora si, S aumenta e W aumenta.

Il problema è che β è biased perché ci sono altri fattori che influenzano sia S che W, per esempio l’abilità.

Voglio che β mi dica l’effetto causale di S su W. Faccio quindi un RCT e divido la popolazione in due gruppi:

- (T) i trattati che vanno all’università

- (C) i controlli che non vanno all’università

Questi due gruppi per essere confrontati però devono essere simili.

 Per far si che T e C siano uguali (es: che abbiano lo stesso livello di intelligenza) devo allocare il

trattamento (l’università) in modo casuale.

Quindi seleziono in modo casuale chi va all’università così anche T e C sono simili.

In questo modo se gli individui non si selezionano nel trattamento (non scelgono loro di studiare) si può

confrontare il salario dei trattati con il salario dei controlli, perché questi due gruppi sono simili (hanno

lo stesso livello di abilità media e di altre caratteristiche).

Il nostro selection bias è zero se e solo se il trattamento (università) è allocato in modo casuale (random)

Se SB = 0 possiamo stimare l’effetto del trattamento quindi testare l’equazione:

α + β S + ε se e solo se è allocato casualmente β non è biased, cioè si può stimare.

W =

Usando dati originali si può fare la seguente regressione lineare (OLS) Y = outcome

Y = α + β T + ε T=0 se non trattato

T=1 se trattato

Problemi pratici con gli RCTs i1 i0

E β è E[Y – Y | T] = 1

A) Costi

B) Problemi etici

C) Validità internazionale dell’esperimento

1. Fallimento nel randomizzare

2. Fallimento nel seguire il protocollo (“partial compliance”)

- Individui nel gruppo di controllo (o dei trattati) escono dal programma => Diverso attrito tra T e C 3.

3. Effetti dell’esperimento

- Il comportamento degli individui puo’ cambiare solo perchè sanno di partecipare ad un’esperimento

(Hawthorne effect)

D) External Validity

- Campione non rappresentativo – RCT vengono generalmente fatti su piccoli campioni in paesi specifici

Paper (1) – Progresa program in Mexico di Shult (2001)

- Programma di grande successo implementato con RCT: Progresa/Oportunidades in Mexico (1997-

2003)

- L’obbiettivo era aumentare l’istruzione testando l’effetto di un trasferimento di reddito sulla

partecipazione scolastica

- Nel 2000, Progresa comprendeva circa 2.6 m. di famiglie (o 10% of di tutte le famiglie in Messico) e

operava in circa 50,000 villaggi rurali e in 31 Stati

- Budget: US$ 800 milioni, circa 0.2% del GDP (pil messicano)

- Risultato: Ha aumentato in modo significativo l’istruzione e la salute dei bambini con un incentivo

finanziario (“conditional cash”) per:

i. diminuire drop out scolastico;

ii. misure sanitarie preventive (vaccini)

iii. migliorare la nutrizione

- Usato come “role model” in tutto il mondo, es. Argentina, Colombia, Nicaragua, etc..

Il programma si proponeva di raggiungere i più povero in due modi: 

- Step 1: “Targer geografico”, ha identificato i villaggi più poveri dal censimento nazionale (totale

495 villaggi) 

- Step 2: “Target famiglie più povere” identifica le famiglie più povere sulla base dell’informazione

(tramite survey) relative al reddito solo alcune persone nelle famiglie sotto un certo livello di

povertà sono selezionabili per il programma circa 2/3 delle famiglie.

Obbiettivo: AUMENTARE LA PARTECIPAZIONE SCOLASTICA

- La maggior parte dei programmi per aumentare la partecipazione scolastica agiscono dal lato

dell’offerta – costruiscono scuole, aumentano le risorse per la scuola (salari degli insegnanti, più libri,

ecc)

- Progresa agisce sul lato della domanda. Programmi che si focalizzano sulla domanda di istruzione

possono avere target più specifici e magari chiudere il gap tra poveri e non poveri.

Il programma fornisce una somma di denaro + cibo mensilmente alle donne nelle famiglie selezionate se e solo se le

persone in queste famiglie vanno a scuola e usano i servizi sanitari (conditional cash transfer. CCT).

Le famiglie selezionate si dividono casualmente tra trattati e controllo, chi si trova nel gruppo dei tratti riceve 2 tipi di

incentivo:

1. Incentivo all’istruzione:

- Riceve fino a 305 pesos al mese (sono circa 20 euro) per ogni bambino nella scuola primari (3-9 anni)

se il bambino frequenta almeno l’85 delle lezioni

Il programma ha ridotto il costo economico di andare a scuola per i bambini della scuola primaria di circa 50-

75%.

2. Incentivo alla salute:

- Riceve 125 pesos al mese di trasferimento in cibo per famiglia (circa 8,5 euro),

se ogni bambino riceve 2-4 check-up, se ogni adulto riceve 1 check-up e le donne in gravidanza

ricevono 7 pre-and-post natal chek-up.

Shults ha testato l’effetto del Progresa sull’istruzione dei bambini.

Strategia empirica:

- Solo 2/3 dei villaggi sono stati selezionati per riceve il programma nei primi due anni (315 su 495) nel

1997.

- Gli altri 181 villaggi hanno ricevuto il programma nel terzo anno dal 2001

- I villaggi che hanno ricevuto il programma dall’inizio sono selezionati in modo casuale

(es. assicurandosi che i villaggi trattati e non trattati abbiano in media le stesse caratteristiche)

- Villaggi trattati (T) = che partecipano al programma nel 97/98

- Villaggi di controllo (C) = che non partecipano al programma, parteciperanno nel 2001. 

- Shults (2001) confronta per ogni classe, il tasso di frequenza dei villaggi trattati e di controllo la

differenza tra questi set di villaggi è solo che i trattati hanno ricevuto il programma progresa.

- I villaggi sono uguali in tutte le altre caratteristiche

- Possiamo quindi affermare che la differenza nel tasso di frequenza scolastica è causato dal

programma.

Stimiamo il seguente modello econometrico:

S = α ₀ + α ₁ P + α ₂E + α ₃P E + βX + ε

i i i i ji i

S = probabilità di andare a scuola per il bambino i

i

P = 1 se il bambino vive nel villaggio con il Progresa

i

E = 1 se il bambino è eligibile per il programma (povero)

i

P E = coefficiente di interesse – 1 se il bambino vive in un villaggio progresa e è eligibile per il trasferimento di denaro

i

X = altre variabili di controllo

ji

ε = errore

Risultati:

- Shults trova un aumento del 3.4% nel tasso di frequenza in media per tutti gli studenti della classe 1 e 8

- Il maggior incremento 14.8% è stato tra le ragazze che hanno finito la classe 6 (primary school)

- Progresa ha aumentato l’istruzione dei poveri di 0.66 anni.

- Altri effetti:

 

Salute riduzione dell’incidenza delle malattie tra i bambini di 0-5 anni

 

Nutrizione aumento del tasso di crescita dei bambini di 12-36 mesi

 

Povertà 45% di riduzione della povertà.

Paper (2) – Angest, Lang, Beopolus

Studenti universitari canadesi.

Obbiettivo: testare dei programmi (2) per aumentare la probabilità di finire l’università.

Programma: “STAR” – student accepment and retantion program

È un metodo randomizzato di controllo e l’outcome (Y) sono i voti (media esami) alla fine del 1° anno.

Tutte le matricole venivano divisi: 

- T1 = peer mentoring – 250 studenti che avevano un tutor che affiancava le matricole

- T2 = schema di incentivo (in denaro) per migliorare i voti. (es. se prendevano B 5000 dollari se prendevano

C 1000 dollari)

- T3 = peer tutoring (incentivo + tutor = T1 + T2)

- C = gruppo di controllo, nessun incentivo

Hanno funzionato solo T2 e T3 T1 da solo NO! 

GPA = α + β T + ε nel paper con 2 ** vuol dire che è significativo.

T1 = senza stellina quindi non è significativo

T2 = positivo e significativo

T3 = positivo e significativo

Si è notato un effetto più ampio per le donne rispetto agli uomini. Lezione 4

Rendimenti sociali dell’istruzione

Riferimento bibliografici: Lochner and Moretti (2004)

I rendimenti dell’istruzione un tentativo di classificazione

Privati Sociali

Per reddito - Salario (W) - Crescita (GDP o PIL)

Altre dimensioni - Salute - Salute

del benessere - Criminalità - Criminalità

Stime micro cioè di singolo Stime macro cioè di paese

(vediamo adesso)

individuo Y α + Βs + ε

=

(già visti) c c c

Y = α + Βs + ε

i i i

- I rendimenti sociali sul reddito per i paesi più istruiti crescono di più.

- I rendimenti sociali per le altre dimensioni del benessere:

Gli effetti dell’istruzione sono su:

 Criminalità

 Salute

1. Ritorni sulla criminalità

Vi è una relazione negativa tra istruzione e probabilità di delinquere.

Gli effetti sui salari sono: un anno in più di istruzione aumenta il salario ottenibile con attività legali del 6-10%.

Si riduce il valore del tempo dedicato a delinquere relativamente a quello dedicato ad

attività legali.

 

Quindi + S + W + beneficio marginale di lavorare

Aumenta la quantità di reddito cui si rinuncia in caso di arresto

Gli effetti sulle preferenze sono: il livello di istruzione può cambiare le preferenze, rendendo le persone meno

propense a delinquere perché più avverse al rischio.

Può anche modificare il costo psicologico di comportamenti illegale

L’evidenza empirica ci conferma che vi è

correlazione negativa tra il livello di

istruzione e la probabilità di delinquenza

Paper: Lochner e Moretti (2004), “The effect of education on crime: edivence from prison inmates, arrests, and

self-reports”

Obiettivo: l’effetto dell’istruzione sulla criminalità=> ritorni sociali dell’istruzione

studiano

Domanda di ricerca: si può ridurre la criminalità aumentando gli anni di istruzione dei criminali potenziali?

MA => è difficile stimare questa relazione.

Perché? Se stimiamo con il metodo OLS, non possiamo perché è una stima distorta in quanto vi possono essere

caratteristiche non osservabili “omitted variables” che sono correlate sia con S che con la criminalità.

(ad esempio la propensione criminale è correlata sia con S che con la criminalità)

Usano quindi un approccio di “variabili strumentali”, stima in due step.

Metodo: sfruttano una riforma nella scuola obbligatoria come strumento (Z) per la probabilità di ricevere istruzione.

Dati: dati individuali sui carcerati (FBI)

Z = stato di nascita 

(1) – S = α + γ + ε da qui stimiamo S e la mettiamo nell’equazione (2)

p

(2) – c = α + β S + μ

i

Dove :

- C è la criminalità, cioè la probabilità di commettere crimini dell’individuo “i”

- S sono gli anni di istruzione strumentati con lo stato di nascita.

- β cattura l’effetto dell’istruzione sulla probabilità di commettere crimini (c)

Sfruttano la riferma della scuola obbligatoria in diversi stati in US per strumentare gli anni di istruzione.

Quindi lo stato di nascita è lo strumento (z) usato per strumentare gli anni di istruzione metodo delle variabili

strumentali.

[ci aspettiamo che β sia < 0 e significativo]

È stata fatta una distinzione tra popolazione nera e bianca, per la popolazione bianca sugli anni di istruzione vediamo

che: β = - 0,11 è negativo quindi un anno in più di istruzione mi diminuisce la criminalità (c)

di 0,11 punti percentuali.

t = - 0.11 / 0.02 > 2 quindi è molto significativo. 

Per la popolazione nera è ancora più significativo: β = -0,47 quindi un anno di istruzione diminuisce la criminalità

(c) di 0,47 punti percentuali.

Risultati: -

- Livelli di istruzione più elevati riducono il tasso di criminalità

- Dividono per tipo di reato un aumento di un punto percentuale della quota dei maschi che conseguono un

diploma di scuola secondaria superiore riduce il numero di reati contro la persona dello 0.8% a quelli contro il

patrimonio dello 0.6%.

- Il risparmio dovuto alla riduzione dell’attività criminale è stimato pari a 2100 dollari (1996) per ogni ragazzo in

più che completa la scuola secondaria superiore.

- Questo risparmio è pari a circa il 20% dell’aumento di reddito associato con il conseguimento di un diploma di

scuola superiore. (rendimento privato associato al conseguimento di un diploma di maturità)

2. Ritorni sulla salute

 La cattiva salute riduce la quantità di ore lavorate (per anno e anni di lavoro). Il costo opportunità della

cattiva saluto è quindi il salario ed è tanto più elevato quanto maggiore è il grado di istruzione.

 Le persone più istruite hanno una migliore informazione e conoscenza circa i comportamenti nocivi alla

salute.

 

+ S + H: persone più istruite hanno una conoscenza migliore dei problemi legati alla salute.

 

+ S + W: individui più ricchi sono più sani perché possono curarsi di più.

  

+ S + W miglior qualità della vita.

L’evidenza empirica con dati ISTAT in Italia ci dice che la percentuale dei fumatori è correlata negativamente con

l’istruzione (S). Sono il 25% circa con la laurea, il 32% con il diploma, il 45% con la licenza media e il 55% con la

licenza elementare; notiamo che la percentuale dei fumatori diminuisce con l’istruzione. + S + Fumatori.

Per quanto riguarda le malattie croniche e gli incidenti domestici possiamo notare che sono correlate negativamente

con l’istruzione (S).

Le ragioni per l’intervento pubblico

Ci interessano i rendimenti sociali dell’istruzione perché:

- Giustificano l’intervento pubblico in maniera di istruzione

- Se i rendimenti sociali > 0 stato interviene con sussidi, riforme, borse di studio all’istruzione che

aumentano il benessere sociale.

- Se i rendimenti sociali < 0 scuola come segnale

- Lo stato finanzia e produce direttamente l’istruzione. L’intervento pubblico in materia di istruzione è quindi

più elevato.

Nello specifico le ragioni dell’intervento pubblico possono essere giustificate:

- Dalla presenza di fallimenti di mercato obiettivi allocativi

 Lo Stato ha il compito di potte rimedio ad alcuni fallimenti del mercato: esternalità, imperfezione nel

mercato dei capitali, rischio e simmetrie informative.

- Da ragioni di equità obiettivi redistributivi

 Lo Stato assolve la funzione di tutela di pari opportunità dei cittadini, come si legge nell’art. 34 della

costituzione.

Art. 34 della costituzione:

- La scuola è aperta a tutti

- L'istruzione inferiore, impartita per almeno otto anni, è obbligatoria e gratuita

- I capaci e meritevoli, anche se privi di mezzi, hanno diritto di raggiungere i gradi più alti degli studi

- La Repubblica rende effettivo questo diritto con borse di studio, assegni alle famiglie ed altre provvidenze,

che devono essere attribuite per concorso.

Ragioni dell’intervento pubblico in ambito di istruzione

A. Inefficienze del mercato (obbiettivi allocativi)

1. Esternalità positive

2. Imperfezioni nel mercato dei capitali

3. Informazione imperfetta

4. Insufficienze di offerta

5. Funzione di certificazione

B. Redistribuzione e equità (obiettivi redistributivi)

A) 1 – Esternalità positive

Benefici sociali oltre che privati (es. maggiore produttività e maggiore coesione sociale, meno reati, etc..)

Ci sono due tipi di esternalità:

 Di produzione: una forza lavoro più qualificata migliora la produttività del sistema (effetti

anche sulla crescita).

 Di consumo: la vita è più piacevole in un mondo più istruito.

In mercati privati, si sceglie indipendente dagli effetti esterni (scelte subottimali)

 Se il finanziamento è lasciato solo ai privati, queste esternalità non vengono riconosciute e si

rischia di investire troppo poco in istruzione.

Ripresa grafica del modello di Becker: - Adesso ci sono anche dei benefici

sociali, quindi la curva dei BM si

sposta verso destra.

- Lo stato può intervenire riducendo

i costi così i CM sociali sono più

D bassi.

- Passiamo quindi da A a D

- L’equazione finale con BM sociali e

intervento dello stato CM sociali è

in S**

S**

A) 2 – Imperfezioni nel mercato dei capitali

- La possibilità di scegliere l’investimento in istruzione richiede un mercato dei capitali efficiente ma nella

realtà non è così.

 

Rischio elevato di prestiti personali connessi all'istruzione il sistema bancario non si prende

questo rischio

- Necessità di intervento dello Stato che può assicurare i prestiti assumendosi le eventuali perdite

- L'assenza di intervento pubblico precluderebbe la carriera scolastica agli individui più poveri, non in grado di

offrire garanzie collaterali alle banche, con due effetti negativi a livello societario.

- Il primo riguarda l’efficienza

 Poiché i talenti sono distribuiti in maniera non correlata alla ricchezza, la società subisce una perdita

dall’impossibilità dei meno abbienti di proseguire gli studi

- Il secondo riguarda l’equità

 

Se i poveri sono preclusi dalla frequenza alla scuola distribuzione squilibrata del capitale umano.

A) 3 – Informazione imperfetta

- La scelta da parte degli individui sull’investimento in istruzione richiede la disponibilità di:

 informazione perfetta sui redditi futuri connessi ai diversi tipi di scolarità e ai titoli conseguiti

 informazioni circa la scelta del curriculum scolastico più adatto alle attitudini individuali.

- Nella realtà: informazione imperfetta sulla natura/qualità del prodotto o sulla reale consistenza dei benefici

futuri

- Rischio di miopia degli studenti o della loro famiglia

- Problema dell’informazione imperfetta particolarmente forte per coloro che provengono da famiglie meno

scolarizzate

- L’operatore pubblico deve fornire queste informazioni se vuole che il mercato funzioni efficientemente

 Informazione imperfetta spiega l’obbligo scolastico (non la produzione diretta)

Costi e benefici dell’istruzione, in presenza di informazione imperfetta

Se c’è sottostima del rendimento (C),

l’intervento pubblico può correggere

l’imperfezione spostando l’equilibrio

almeno in A: per esempio fornendo

informazioni corrette.

A) 4 – Insufficienze di offerta

- Distribuzione dell’offerta deve essere estesa su tutto il territorio nazionale

- L’offerta privata potrebbe non essere sufficiente a causare condizioni di monopolio in centri più abitati.

- A) 3 – Informazione imperfetta

A) 5 – Curricula omogenei / certificazione

- Alla fine di ogni ciclo scolastico viene rilasciata una certificazione che attesta il livello raggiunto

- Aiuta a risolvere problemi di asimmetria informativa presenti nel mercato del lavoro (di tipo adverse

selection)

- Lo Stato deve regolamentare il settore affinché i curricula scolastici siano omogenei e trasparenti

(produzione diretta o regolamentazione offerta privata)

B) Redistribuzione e equità

- L’istruzione come bene di merito

o Bene (o bisogno) meritorio è quel bene/servizio che lo Stato ritiene debba essere comunque

prodotto (o consumato), indipendentemente dal funzionamento del mercato

o Le preferenze sociali si sovrappongono a quelle individuali e si fissa un livello di consumo minimo

(scuola dell’obbligo)

 Giustifica l’obbligatorietà, non la produzione diretta.

- Finanziamento pubblico è giustificabile per:

o Equità verticale: l’istruzione come strumento per ridurre la disuguaglianza nel reddito

o Equità orizzontale: l’istruzione come strumento per garantire le stesse opportunità a tutti gli

individui con uguali preferenze e abilità (indipendentemente da fattori economici, classi sociali, ecc)

Modalità dell’intervento pubblico in istruzione

1. Finanziamento tramite tassazione:

- Parziale

- Totale

2. Produzione di istruzione:

- Pubblica

- Privata

1 – Finanziamento pubblico dell’istruzione

- Abbiamo visto forte intervento pubblico nell’istruzione

- Nella maggior parte dei paesi, l’istruzione obbligatoria è finanziata completamente dallo Stato

- Per istruzione secondaria/università il ruolo del finanziamento pubblico è minore ed esiste maggior

eterogeneità tra paesi.

Fino a che livello finanziare l’istruzione?

 

Istruzione primaria: rendimenti collettivi elevati (esternalità) giustifica un finanziamento completamente

a carico della collettività.

 Istruzione secondaria e universitaria invece presenta rendimenti individuali più elevati di quelli collettivi e

anche una sovra-rappresentazione di giovani provenienti dalle classi di reddito più elevate.

C’è quindi il rischio di effetti redistributivi di tipo regressivo. In tutti i paesi è solo parzialmente a carico della

collettività.

o La partecipazione finanziaria degli studenti universitari nella maggioranza dei paesi è accompagnata

dalla possibilità di accedere a borse di studio e prestiti sull’onore per i più meritevoli.

Effetti redistributivi del finanziamento pubblico dell’istruzione

- Il finanziamento pubblico dell’istruzione tramite tassazione ha possibili effetti di tipo redistributivo di segno

opposto: 1. Effetto progressivo per la progressività della tassazione e per la maggiore mobilità sociale

indotta dall’istruzione

2. Effetto regressivo per il fatto che, soprattutto nel caso dell’istruzione pubblica superiore e

universitaria, essa è finanziata da tutti, ma utilizzata da una minoranza, prevalentemente ad

alto reddito.

- Quale effetto prevalga dipende dal grado di progressività delle imposte e dalle modalità di accesso

all’istruzione 

o Nell’istruzione dell’obbligo a cui accedono tutti prevale l’effetto progressivo finanziamento

pubblico integrale

o Nell’istruzione superiore e universitaria, a cui accedono in genere individui con reddito medio-alto,

può prevalere l’effetto regressivo finanziamento pubblico parziale

 svantaggiati (pagano più imposte dei sussidi che ricevono) gli individui, in genere con redditi

bassi, che non continuano a studiare.

 avvantaggiati (pagano meno imposte rispetto ai sussidi che ricevono) gli individui, in genere

di reddito medio/alto, che continuano a studiare.

Il finanziamento dell’istruzione post secondaria

- Mentre il finanziamento dell’istruzione primaria è interamente a carico della collettività, finanziamento

pubblico dell’istruzione terziaria può comportare effetti redistributivi di tipo regressivo

- In diversi paesi si richiede una partecipazione significativa degli studenti iscritti attraverso il pagamento di

tasse di iscrizione

- Perché questo non si traduca in una limitazione delle opportunità degli individui provenienti da famiglie più

povere vengono spesso offerti sostegni economici agli studenti

- Schemi di sostegno agli studenti

o Prestiti d’onore

o Imposta del laureato

o Borse di studio per i più meritevoli

Rivediamo costi/benefici dell’istruzione in 2 periodi

 Immaginiamo due periodi di tempo (t0 e t1) e due individui rappresentativi

o Individuo non istruito con Rn (reddito per il non istruito) per due periodi (non ha costi di istruzione)

o Individuo istruito con costi di istruzione nel primo periodo, pari a CD (costi diretti) a Ri (reddito) nel

secondo periodo (con Ri>Rn)

Prestiti d’onore (loans)

 Superano il problema dei mercati finanziari imperfetti

 Lo Stato anticipa le risorse finanziarie (o garantisce quelle anticipate dalle banche) agli studenti

 Prestiti che dovranno essere restituiti (eventualmente a tasso agevolato), secondo un piano di

ammortamento, una volta terminati gli studi.

 Caratteristiche:

o Il rimborso (con interessi) si esaurisce quando l’onere è stato coperto

o L’onere del finanziamento dell’istruzione ricade sui diretti beneficiari

Imposta sui laureati (graduare tax)

 Schema di prestito rimborsabile con imposta (progressiva)

aggiuntiva sul reddito da lavoro una volta conclusi gli studi

 È una forma di socializzazione del rischio dell’investimento a

carico di coloro che hanno deciso di intraprenderlo

 Caratteristiche:

o La restituzione non si esaurisce quando l’onere è

stato coperto

o L’onere del finanziamento dell’istruzione ricade sui

diretti beneficiari

Borse di studio

 Il costo dell’istruzione (diretto e di mantenimento) è

interamente posto a carico della collettività.

 Il costo dovrebbe essere ripagato dalle maggiori tasse

pagate dagli studenti una volta conclusi gli studi grazie

alla maggiore probabilità di avere redditi elevati.

 Dovrebbero premiare il talento rispetto al reddito.

 Forte effetto redistributivo a favore degli studenti più

bravi: si ridistribuisce dai poveri ai ricchi?

Che mix di sostegno per raggiungere efficienza ed equità?

- Considerazioni di equità distributiva suggeriscono di optare per le borse piuttosto che per i prestiti, data la

maggiore avversione al rischio di chi proviene da famiglie a basso reddito (cfr. esperienza UK)

- Un sistema basato sui prestiti può scoraggiare le donne che potrebbero avere periodi di inattività più lunghi

(maternità)

o A meno che il prestito preveda specifiche condizioni di restituzione per le donne con figli.

- La tassa del laureato (introdotta in Svezia e Australia) permette di evitare che l’avversione al rischio elevata

delle famiglie più povere riduca l’investimento in istruzione (la restituzione del prestito è legata al reddito

futuro in modo progressivo)

I modelli prevalenti nei paesi OECD

- Non esiste un unico modello di finanziamento dell’istruzione terziario nei paesi OECD

- Possiamo classificare i paesi considerando due dimensioni:

o Quanto i costi vengano suddivisi tra famiglie e stato

o Quali e quanti sussidi pubblici gli studenti ricevono

Modello 1

- Paesi senza tasse universitarie (o, se ci sono, basse) e sistema di supporto agli studenti molto generoso.

- Sono principalmente i paesi Nordici (Danimarca, Finlandia, Islanda, Norvegia e Svezia) cui si aggiunge la

Turchia.

- Non esistono barriere finanziarie nell’accedere all’istruzione terziaria.

- La spesa pubblica in istruzione terziaria è sopra la media OECD, ma lo è anche la tassazione.

- La percentuale di laureati su immatricolati è al 69%.

- L’uguaglianza di opportunità, l’equità sociale sono i valori nazionali che giustificano questa scelta.

Modello 2

- Paesi con tasse universitarie elevate e un sistema di supporto agli studenti molto sviluppato e efficiente.

- Sono i paesi liberali: Australia, Canada, Olanda, UK e USA.

- Le barriere finanziare nell’accesso all’istruzione terziaria sono potenzialmente elevate, ma risolte attraverso

strumenti di sussidio meritocratici (il 69% degli studenti ha qualche forma di aiuto pubblico).

- La percentuale di laureati su immatricolati è al 65%

Modello 3

- Paesi con elevate tasse universitarie e sistema di supporto agli studenti meno sviluppato.

- Sono il Giappone e il Chile.

- Le barriere nell’accesso all’istruzione universitaria sono elevate e stringenti.

- Solo il 16% degli studenti beneficia di un sussidio pubblico.

- Sono tra i paesi che spendono meno in istruzione terziaria (% GDP)

Modello 4

- Paesi con basse tasse universitarie (<1200$) e sistema di supporto agli studenti poco sviluppato (meno del

40% degli studenti ne beneficia)

- Sono tutti gli altri paesi europei (Austria, Belgio, Francia, Irlanda, Italia, Portogallo e Spagna)

- Non ci sono barriere all’accesso dell’istruzione terziaria, e anche pochi aiuti agli studenti.

- La percentuale di laureati su immatricolati è bassa: il 47%.

- l’assenza di barriere finanziare non garantisce automaticamente un elevato tasso di accesso all’università.

Finanziamento dell’istruzione in Italia

- Scuola primaria e secondaria interamente finanziata dallo Stato e gratuita

- Università finanziata dallo Stato (con trasferimenti) e dagli utenti (con tasse universitarie)

o Né prestiti d’onore, ne imposta sui laureati

o Uso di borse di studio a parziale copertura dei costi diretti e indiretti

 Sorta di sussidi a fondo perduto, che non devono essere rimborsati

 Solo ai più meritevoli o privi di mezzi: forte effetto redistributivo a favore degli studenti

o Esonero dalle tasse

2 – Produzione in istruzione

- Finora ci siamo occupati del finanziamento dell’istruzione, vediamo ora le diverse modalità di intervento del

settore pubblico nel campo dell’istruzione

- Produzione pubblica o privata?

o L’alternativa presenta forti risvolti ideologici

Modalità di intervento

- PRODUZIONE PUBBLICA: Offerta/ produzione di servizi pubblici nelle scuole statali

- PRODUZIONE PRIVATA:

o Sovvenzione a scuole private

o Sovvenzione delle spese di istruzione sostenute dalle famiglie (buoni scuola o school vouchers)

Fornitura pubblica diretta

- Produzione diretta e (quasi) gratuita è la modalità più diffusa in Europa continentale

- Vantaggi:

o controllo diretto sulla qualità del servizio

o accesso garantito a tutti riducendo i rischi di discriminazione e/o di segregazione

- Svantaggi:

o Minore efficienza organizzativa, perché minore concorrenza

o Rischio di eccesso di offerta, perché manca il confronto con il mercato (inefficienza allocativa)

o Minore diversificazione offerta

Sovvenzione alle scuole private

- La sovvenzione delle scuole private è una pratica molto diffusa

- Nella quasi totalità dei casi si combina con un sistema di produzione diretta (sistema scolastico pubblico)

- Erogazione di sovvenzioni praticata quando sistema pubblico ha difficoltà a coprire tutta la domanda, oppure

la società è caratterizzata da divisioni religiose, culturali e linguistiche molto forti, che danno origine a

domande molto differenziate di istruzione Lezione 5

Gli effetti dell’istruzione sullo sviluppo economico

Riferimenti bibliografici:

- Cap. 4, Banerjee and Duflo, «Poor Economics»

- Glewwe, Kremer and Moulin (2007): "Textbooks and Test Scores: Evidence from a Prospective Evaluation in

Kenya”

- Duflo Hanna Ryan (2012), "Monitoring works: Getting teachers to come to school“

- Duflo, Dupas, Kremer (2011), “Peer Effects, Teacher Incentives, and the Impact of Tracking: Evidence from a

Randomized Evaluation in Kenya”

L’istruzione nei paesi in via di sviluppo

L’istruzione è uno degli strumenti più potenti per ridurre la povertà e diseguaglianza ed è alla base della crescita

economica.

Ma è difficile da stimare per problemi di endogeneità:

 A livello di famiglia / individuo: l’istruzione genera un reddito più alto? O un reddito elevato porta a maggiori

investimenti in istruzione?

Yi = α + βSi + ε dove Yi è la ricchezza

i

È difficile testare che se aumenta l’istruzione(S) anche la ricchezza (Y) aumenta (nesso causale) perché può

essere anche vero che famiglie più ricche investano di più in istruzione.

 A livello di paese: paesi più istruiti crescono di più o paesi che crescono di più investono di più in istruzione?

GDPi = α + βSi + ε dove GDPi è il PIL

i

Dato che paesi con GDP maggiore investono potenzialmente di più in istruzione si può dire che il β è distorto

A livello di micro paesi più poveri investono di meno perché hanno meno risorse ma non solo.

Chiaramente l’istruzione ha un effetto diretto sul benessere, dato che influenza l’income attraverso un

aumento della produttività.

Quindi possiamo confermare che la relazione tra scuola e reddito/outcomes sul mercato del lavoro è difficile

da studiare.

2 sugli 8 MDGs della WB hanno come obbiettivo l’aumento dell’istruzione e sono:

1. GOAL 2 “Ensure that, by 2015, childern everywhere will be able to complete a full course pf primary

schooling”

Obbiettivo del 2000 per il 2015, è stato potenzialmente raggiunto in quanto il tasso di iscrizione alla scuola

primaria è aumentato drasticamente ma non si è comunque raggiunta la copertura universale, è aumentato

dall’83% nel 2000 al 91% nel 2015.

2. GOAL 3 “Eliminate gender dispary in primary and secondary education” – assicurare che non vi siano

disparità di genere nell’istruzione.

L’obbiettivo è stato raggiunto per la scuola primaria ma non ancora per la secondaria.

Quindi l’istruzione è una priorità tra le policy dei governi!

 In india, 95% dei bambini ha una scuola alla distanza di mezzo miglio

 Molti paesi europei (Kenya, Uganda, Ghana, Lesotho) offrono l’istruzione primaria gratuita.

Nonostante questi progressi nell’aumento delle iscrizioni e nel numero di anni di istruzione dal 1960, 113 milioni di

bambini in età da scuola primaria non vanno a scuola: 94% di questi vive nei paesi in via di sviluppo.

Perché gli individui investono meno in istruzione nei paesi in via di sviluppo?

Analizziamo i costi e i benefici

Perché la gente investe meno in istruzione? Perché si guarda ai costi e ai benefici.

Benefici:

- L’istruzione aumenta la produttività e quindi il reddito futuro

- Vi è un impatto sulla salute ogni anno addizionale di scuola della madre è associato a un 5-10% di

riduzione della mortalità infantile.

- L’istruzione può velocizzare l’adozione di nuove tecnologie, ad esempio in agricoltura

- Individui più istruiti sono più attivi nella vita sociale civile

- L’istruzione porta benefici sociali come: meno crimini, crescita economica, etc..

Costi: - Costi diretti: tasse, uniformi, mezzi di trasporto, libri…

- Costi pubblici: sussidi del governo, mense a scuola, etc…

- Costi opportunità: mancato guadagno di non andare subito a lavorare

Problema: i benefici sono nel futuro e i costi sono nel presente, quindi alcuni bambini “ripagheranno” i genitori

dell’investimento futuro, altri no.

Dato che l’aspettativa di vita nei PVS è bassa, i benefici potrebbero non arrivare mai, quindi i costi sono spesso

maggiori dei benefici e la gente investe meno in istruzione.

Guardiamo inoltre dal lato della domanda e dell’offerta

Lato della domanda: (famiglie che chiedono S)

- Bassa domanda i genitori sanno che i benefici o i ritorni dell’istruzione sono bassi nei PVS

- Vi è una stretta relazione tra istruzione e mercato del lavoro

- Idea: l’istruzione è un investimento, quindi la gente investe in istruzione se sa di guadagnarci.

Lato dell’offerta:

- Scarsa qualità dell’istruzione

o World Abseenteism Survey (WB): si è stimato che gli insegnanti perdono in media 1 giorno di scuola

ogni 5 giorni in 6 paesi (Bangladesh, Ecuador, India, Indonesia, Peru, Uganda), quindi i bambini

vanno a scuola ma non imparano.

o Anche quando sono a scuola, gli insegnanti non vanno in classe (es: parlano con I colleghi, bevono il

the’, etc) => Come possono imparare i bambini?

o Infatti: in India 35% dei bambini in 7-14 grades non sono in grado di leggere un semplice paragrafo e

60% non sono in grado di leggere una storia e il 30$ non è in grado di svolgere semplici esercizi di

matematica (ASER report)

- Scuole private: minor tasso di assenteismo degli insegnanti e i bambini nelle scuole private vanno meglio ma

non si puo’ istruire solo un’elite…

Come incentivare gli investimenti in istruzione nei paesi poveri?

I ricercatori studiano e hanno studiato come aumentare l’investimento in istruzione nei paesi poveri

Questo può essere fatto riducendo i costi della scuola e aumentando i benefici

Potete pensare a degli interventi/progetti che riducono il costo della scuola e aumentano il beneficio?

I possibili interventi per ridurre il costo della scuola possono essere:

1. Eliminare le tasse scolastiche effetto: istruzione gratuita

Esempio: in Uganda con l’istruzione gratuita, l’iscrizione è aumentata da 2.6 milioni a 5.5 milioni in 4 anni

2. Distribuire le uniformi per ridurre le barriere finanziarie dei genitori

Esempio: in Kenya il costo dell’uniforme è $6 (reddito pro capite è $340), con l’esperimento di Kremer et al

(2002) con un RCT si forniscono le uniformi ad alcuni studenti e ad altri no. Dopo 5 anni si nota che i

ragazzi che hanno ricevuto le uniformi hanno raggiunto il 15% in più di anni di istruzione.

3. Aumentare il numero di scuole per ridurre i costi di trasporto

Esempio: esperimento di Duflo (2001) in Indonesia in cui crea un programma di costruzione delle scuole

4. Fornire libri di testo

Esempio: esperimento di Glewwe, Kremer and Moulin (2007) per ridurre il costo dei libri

[vediamo subito dopo]

I possibili interventi per aumentare i benefici

1. Interventi per migliorare l’apprendimento e ad esempio ridurre l’assenteismo degli insegnanti

Esempio: esperimento Duflo and Hanna (2005) [vediamo subito dopo]

2. Importante capire la composizione ideale della classe

Esempio: esperimento Duflo, Dupas and Kremer (2010)

Vediamo adesso nel dettaglio 3 interventi:

1 – Ridurre il costo dei libri, fornire libri di testo

Glewwe, Kremer and Moulin (2007), “Many Children left behind: Textbooks and test scores in Kenya”

Una vecchia lettura trova che aumentare gli inputs (libri) migliora le performance student.

Questi tre soggetti implementano un RCT per testare se fornire gratuitamente libri di testo (input) ha degli effetti

sull’iscrizione degli studenti e sulla loro performance accademica (voti).

Una NGO olandese ha fornito gratuitamente libri di testo alle scuole primarie nelle aree rurali del Kenya.

Le scuole primarie nelle aree rurali del Kenya difficilmente forniscono libri di testo agli studenti. I genitori infatti

devono comprarli e difficilmente possono permetterselo.

- Il progetto infatti aveva l’obbiettivo di ridurre il costo dell’istruzione per le famiglie e allo stesso tempo

migliorare la qualità dell’istruzione.

Programma:

- Programma implementato in Kenya occidentale in due distretti

- 100 scuole, ne le migliori, ne le peggiori, sono state selezionate dal Ministero

- Nel 1996, le 100 scuole, sono state casualmente assegnate a 4 gruppi di 25 scuole ciascuno

- Nel 1996, le 25 scuole nel gruppo 1 (T) hanno ricevuto i libri di testo per gli studenti nella scuola primaria.

- Gli altri gruppi hanno ricevuto i libri in un secondo momento (C)

Statistiche descrittive:

La prima cosa da fare è verificare che prima dell’intervento i gruppi di scuola siano identici.

Vediamo che nel confronto di voti tra (C) e (T) la differenza è circa zero, questo mi garantisce che le scuole trattate

siano state selezionate in modo casuale.

Cosa ci aspettiamo: dato che i libri ora sono disponibili, il tasso di istruzione dovrebbe aumentare dato che i genitori

sostengono costi minori e la performance dovrebbe migliorare visto che gli studenti possono studiare sui libri.

Empiricamente stimiamo: t = α + βP + ε

i,j,k,s s i,J,K,S

dove:

- t = voto

- i = studente

- j = classe

- k = materia: matematica, scienze, inglese

- s = scuola

- P = 1 se la scuola ha ricevuto i libri

Ci aspettiamo che β sia > 0

Dato che i libri sono stati assegnati in modo casuale la nostra variabile di interesse è esogena e

E[P e ] = 0

s i,j,k,s

Risultati:

Vi è stato un effetto negativo di β perché in media individui trattati riducono la propria istruzione.

A differenza delle aspettative per esempio trovano:

- Nessun effetto dei libri sulla frequenza, drop our e tasso di ripetizione

- Nessun effetto dei libri sui voti di inglese, matematica e scienze per la maggior parte degli studenti

- Solo i voti degli studenti che erano già in cima (20%) alla distribuzione dei voti sono migliorati.

β è negativo e non significativo.

Tutto questo perché:

- I libri erano troppo difficili per uno studente medio nell’area rurale del Kenya

- Gli studenti condividono i libri, quindi anche prima del programma avevano accesso ai libri

- Gli insegnanti non sono abituati ad insegnare con i libri e potrebbero non averli inseriti nel curriculum

scolastico

- Semplicemente che non è la mancanza di libri il problema ma qualcos’altro

- Molti altre RCT che forniscono “input” non hanno generato grandi effetti su iscrizione e performance

- In generale, il problema di molti paesi in via di sviluppo è il focus su istruire un élite’, cioè i governi tendono

ad istruire solo i più ricchi e i più abili.

- Solo gli studenti potenzialmente più bravi vengono incentivati a studiare

- Problema del “waste of talent” => molti talenti provenienti da background più difficili non vengono istruiti,

quindi si ha una perdita di talenti che avendo potenziale alto non studiano.

2 – Aumentare i benefici

PAPER: Duflo Hanna Ryan (2012), "Monitoring works: Getting teachers to come to school"

In molti paesi in via di sviluppo hanno aumentato e facilitato l’accesso alla scuola primaria, ma anche quando i

bambini vanno a scuola non è detto che stiano imparando evidenza empirica sul fatto che i bambini a scuola non

imparano.

Un altro problema è l’assenteismo degli insegnanti.

Gli insegnanti hanno un potere politico forte nei PVS specialmente nelle aree rurali, il che significa che è molto

difficile licenziare un insegnante anche se spesso assente.

In India, in un giorno casuale, circa il 65% dei ragazzi nella scuola primaria non sa leggere, e circa il 24% degli

insegnanti sono assenti durante le ore di scuola.

Perché è un problema di difficile risoluzione?

Questo paper studia un progetto innovativo per ridurre l’assenteismo degli insegnanti in India.

Obbiettivi sono:

- aumentare il monitoraggio degli insegnanti

- aumentare gli incentivi finanziari

Campione: 120 scuole, selezionate casualmente nel 2003 con 1 solo insegnate, che per definizione non poteva

essere monitorato, infatti quando assente la scuola è chiusa.

Le scuole primarie sono formate da 20 bambini e sono aperte 6 ore al giorno.

Progetto: -60 scuole (T) hanno ricevuto la macchina fotografica che stampa la data e l’orario di quando è stata

fatta la foto e l’incentivo

-60 scuole (C) gruppo di controllo che non riceve nulla

Intervento:

Il gruppo T o Per il monitoraggio: si distribuisce una macchina fotografica con istruzioni ad un bambino di fare la

foto con data e orario di quando è stata fatta la foto. La foto deve essere dell’insegnante con la

classe.

L’insegnante si definisce “non assente” se mostra 2 foto con almeno dell’inizio e della fine delle

lezioni con almeno 8 bambini. Le foto devono avere almeno 5 ore di distanza l’una dall’altra.

o Per l’incentivo: gli insegnanti avevano un salario di base di 1000 rupie (circa 23 dollari) al mese, se

fanno almeno 21 giorni di lezione. Per incentivare l’insegnamento gli economisti offrono un bonus di

50 rupie (circa 1,5 dollari) per ogni giorno in più oltre il 21esimo giorno, e meno 50 rupie per ogni

giorno di assenza.

Il gruppo C non riceve nessun intervento, nessun incentivo e monitoraggio, ma si raccolgono i dati prima e dopo

l’intervento.

Cosa fare:

1 – si controllano che le scuole trattate e le scuole di controllo siano simili prima dell’intervento.

Vediamo che : Trattati (T) Controlli (C) Differenza nelle medie

num. di studenti presenti 17,7 16 Simile, non significativo

test score insegnanti 34,9 33,62 Simile, non significativo

test score ragazzi 0,17 0,19 Simili .. etc

Caratteristiche simili nei due gruppi ci dice che la selezione delle scuole è avvenuta in modo casuale.

Equazione empirica: α + Βt + ε

Y = i i

i

Dove:

- Y può essere i = scuola e assenteismo insegnanti / ii = test score tra T e C

- Ti = 1 se la scuola ha ricevuto il trattamento

Cosa ci aspettiamo:

 α + Βt + ε

i attendance i = dove ci aspettiamo B > 0

I i

 α + Βt + ε

ii test score j,i = dove ci aspettiamo B > 0

i j,i

Risultati:

1. Gli insegnanti nelle scuole trattate sono più presenti, il tasso di assenteismo si è ridotto dal 44% al 22%

2. La frequenza dei bambini è aumentata, spinta da una miglior offerta

3. I voti sono migliorati e le ragazze sono migliorate più dei ragazzi

4. Aumento di studenti iscritti nelle scuole pubbliche

3 – Migliorare l’apprendimento

PAPER: Dupas, Duflo, Kremer (2011), "Peer Effects, Teacher Incentives, and the Impact of Tracking: Evidence from a

Randomized Evaluation in Kenya"

Ipotesi di partenza: gli studenti hanno una performance maggiore se messi insieme a studenti più bravi.

Si attua un meccanismo in cui si mettono insieme i più bravi con i più bravi e i meno bravi con i meno bravi, questo

meccanismo prendi il nome di “tracking” e permette agli insegnanti di svolgere lezione più in linea con le esigenze

degli studenti, quindi beneficiandoli.

Questo suggerisce che l’impatto del tracking dipende dagli incentivi degli insegnanti

Dupas, Duflo e Kremer fanno un esperimento in Kenya per rispondere a questa domanda di ricerca, per capire se

il tracking funziona.

Nel 2005, 121 scuole primarie in Kenya hanno ricevuto dei fondi per assumere un insegnante extra per la prima

elementare.

Le classi sono state divise in 2 sezioni: di cui una sezione con il nuovo insegnante.

- In 60 scuole selezionate casualmente, gli studenti sono stati divisi tra le sezioni in base ai loro risultati

scolastici = bravi e meno bravi

- In 61 scuola gli studenti sono stati assegnati casualmente alle due sezioni.

Statistiche descrittive:

La durata del programma è 18 mesi

Outcome di interesse sono i voti in matematica e inglese

αT + X β + ε

L’equazione: Y = j i,j i,j

i,j

Dove:

- Y è il voto dello studente i nella scuola j dopo 18 mesi

- Tj = 1 se j è la scuola trattata dove gli studenti sono stati suddivisi con il tracking

- Xi sono le caratteristiche demografiche dello studente i nella scuola j.

Risultati: - B > 0 -> quindi il tracking è una buona

cosa per aumentare i test score medi di

tutti gli studenti anche quelli nelle sezioni

dei “meno bravi”

Dopo 18 mesi di trattemento (tracking) gli

studenti nelle scuole (T) hanno voti medi

più alti di circa 0.139 (standard deviation)

Quindi: t = beta / SE = 0.139/0.078 ci dice

che è statisticamente significativo circa al

10%

Questo perché il tracking può rifocalizzare

l’attenzione degli insegnanti sullo studente

medio

Conclusioni:

- Gli studi discussi forniscono evidenza contrastante su come la domanda di istruzione risponde a una

riduzione nei costi, ma sembra rispondere agli incentivi

- Numerose ricerche hanno fatto luce su come aumentare l’istruzione nei PVS

- MA, rimangono aperte ancora molte domande per capire come aumentare il tasso di iscrizione, ridurre il

“gender gap” e migliorare la qualità della scuola

- Il potenziale degli RCT ci aiuterà a migliorare la nostra conoscenza su come aumentare l’istruzione dei paesi

in via di sviluppo Lezione 6

Rendimento scolastico e differenze tecniche

Riferimenti bibliografici:

- Fryer and Levitt, 2004, “Understanding the Black-White Test Score Gap in the first two years of School”, Review

of Economics and Statistics

- Fryer and Levitt 2013. “Testing for racial difference in the mental ability of young children”

- Burns, Corno, La Ferrara, 2016. “Interaction, prejudice and performance. Evidence from South Africa”

- Carlana, La Ferrara, Pinotti, 2015 “Shaping Educational Careers of immigrant children: Motivation, Cognitive

Skills and Teachers beliefs

Gap in “ability” tra bianchi e neri

Parliamo di gap nelle abilità (nel quoziente intellettivo).

La ricerca parte dal famoso sociologo americano Coleman che ha scritto un report commissionato nel 1960 dal US

Depart of education su l’uguaglianza in istruzione negli USA.

Il “Coleman Report” era di più di 700 pagine conteneva dati su più di 650.000 studenti (campione)

Il background degli studenti e il loro status sociale sembra essere molto più importante rispetto alla qualità della scuola

e degli insegnanti.

Questo report fu il primo studio a documentare le differenze etniche (bianchi e neri) nel rendimento scolastico e nelle

skills a parità di istruzione.

Non solo questo gap esiste ma si analizza che cresce anche con l’età degli studenti.

Questo sostanziale gap tra i test score degli studenti bianchi e neri è stato confermato da studi empirici fatti dal 68

all’81, si è svolto un semplice confronto tra le medie dei test scores e si vede che rileva che gli studenti neri prendono

voti più bassi rispetto ai bianchi in test standardizzati.


ACQUISTATO

10 volte

PAGINE

90

PESO

7.55 MB

AUTORE

LatiLeo

PUBBLICATO

+1 anno fa


DETTAGLI
Corso di laurea: Corso di laurea magistrale in management per l'impresa (MILANO - ROMA)
SSD:

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher LatiLeo di informazioni apprese con la frequenza delle lezioni di Economia dell'istruzione e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Cattolica del Sacro Cuore - Milano Unicatt o del prof Corno Lucia.

Acquista con carta o conto PayPal

Scarica il file tutte le volte che vuoi

Paga con un conto PayPal per usufruire della garanzia Soddisfatto o rimborsato

Recensioni
Ti è piaciuto questo appunto? Valutalo!

Altri appunti di Corso di laurea magistrale in management per l'impresa (milano - roma)

Riassunto esame Gestione delle Risorse Umane, prof. Manzolini, libro consigliato Risorse Umane. Persone, Relazioni e Valore, Costa
Appunto
Apppunti di Metodologie 2 (bilancio consolidato e analisi di bilancio) + temi d'esame svolti
Appunto
sunti Marketing Business to Business, prof. Tunisini
Appunto
Riassunto esame programmazione e controllo progredito prof. baraldi libro consigliato I Sistemi di controllo direzionale autore Baraldi
Appunto