Gender and Well-Being COST ACTION A 34

Transcript

1 Gender and Well-Being Interactions between Work, Family and Public Policies COST ACTION A 34 Third Symposium: Production and Distribution of Well-Being into the Family: Strategies of Remunerated and Nonremunerated Labour and Consumption Patterns 25 th -27 th June 2007 University of Barcelona Barcelona-Spain Please, do not quote without author s permission

2 Elisabetta ADDIS DENTRO LA SCATOLA NERA Il reddito tra caratteristiche sociali e difficoltà a parlarne 1 In parte per scelta dell autrice, in parte come effetto della divisione del lavoro nel gruppo di ricerca, questo lavoro si trova ad affrontare quattro nodi problematici. Il primo ordine di problemi è di carattere introduttivo. Si tratta infatti di capire le implicazioni del numero sostanzioso di risposte mancanti alle domande sul reddito e valutare se e quanto questa relativa assenza di risposte inficia la bontà dei dati CoFiD. Bontà che è data sia dalle caratteristiche statistiche di questi dati che dalla loro capacità di provocare ipotesi e generare risposte. Il secondo ordine di problemi è quello di fornire una descrizione della distribuzione del reddito di coloro che hanno risposto al nostro questionario. Qualcuno doveva pur farlo, tipicamente un economista, io sono una delle economiste del gruppo. Il terzo ordine di problemi è il mio interesse specifico a questo progetto, la mia, vera e propria, curiosità scientifica: è vero o non è vero le donne che non svolgono lavoro retribuito hanno lo stesso potere all interno della coppia per quanto riguarda le decisioni di allocazione del reddito tra consumo e risparmio, e anche di composizione della spesa e composizione del portafoglio? Se esistesse una differenza, essa avrebbe rilevanza macroeconomica, perché la allocazione della spesa influenza la domanda aggregata, e anche rilevanza microeconomica, perché la composizione della spesa e del portafoglio orienta la produzione di beni e prodotti finanziari. A questa domanda non si dà risposta a priori in nessun modello formulato dagli economisti. Rispondere a questo quesito è un po il centro di questo intero progetto di ricerca, e infatti è il tema della ricerca di Gambardella sotto l ottica sociologica e di quella di Bettio e Caretta. Tuttavia la loro narrazione deve focalizzare maggiormente sull analisi fattuale di come le coppie decidono. La non-partecipazione alle forze di lavoro, l essere casalinghe, è solo uno dei molti fattori che determinano il modello di gestione delle risorse. Io voglio invece mettere specificamente a tema la questione della autonomia delle casalinghe nella gestione del reddito. Il quarto ordine di problemi, che si è evidenziato mentre perseguivo il precedente, è questo: che cosa è in grado di dirci la metodologia che usiamo correntemente e che usiamo in questo libro per dare una risposta alla domanda precedente? Questi problemi si intersecano nell analisi dei dati, ma cercherò di esporli separatamente in maniera chiara. 1. I dati CoFiD sono affidabili? Sono buoni? A mio parere i dati della nostra indagine sono abbastanza buoni, anche se è vero che molti degli intervistati non hanno risposto alle domande riguardanti il reddito familiare, il reddito personale, il reddito del partner. Sono abbastanza buoni anche perché questa reticenza può essere trasformata in una fonte di ipotesi su temi che hanno molto a che vedere con l impostazione della nostra ricerca sociologica-economica, così come l abbiamo esposta anche nel lavoro preliminare pubblicato su Inchiesta. Accade molto spesso nelle indagini CATI che gli intervistati non rispondano alle domande riguardanti il loro reddito personale o familiare. In sede di preparazione del questionario lo avevamo previsto, ed infatti è avvenuto. Intanto, mancate risposte e a cosa? 1 Ringrazio per la ottima collaborazione i dott. Luigi Giamboni e Marta Meleddu. Ringrazio i professori Robert Waldmann, Paola Villa, che per il referaggio accurato e stimolante, e Carla Facchini per utili suggerimenti. 1

3 Nel nostro questionario abbiamo due domande che chiedono tre informazioni: reddito familiare, reddito personale e reddito del partner. 2 La tabella 1 mostra che ci sono 1048 persone che non hanno indicato il reddito familiare, 1264 non hanno risposto al reddito personale, 1250 non dicono il reddito del partner (v. tab. 1). Ma coloro che non dichiarano nessuno dei tre sono 833, e cioè il 33,32% del totale. Solo rispetto a costoro siamo nel buio quantitativo completo. Ci sono invece 181 persone (il 7,24% del campione, ma il 17,27% di coloro che non rispondono al reddito familiare) che non rispondono al reddito familiare, ma hanno risposto a quello personale. Il 34,25% di essi, dichiara di guadagnare meno di 500 euro. Vi sono 1250 persone, la metà del totale, che non dichiarano il reddito del partner; le percentuali di non risposta al reddito familiare hanno il medesimo andamento nelle due serie, il che fa supporre che l ignoranza del reddito del partner sia uno dei motivi principali che fa si che non venga dichiarato il reddito della famiglia. Tabella 1. Tabulazione incrociata di reddito personale, dichiara non dichiara il reddito familiare e dichiara/non dichiara il reddito del partner reddito mensile (netto) dichiara non dichiara Totale dichiara non dichiara personale il reddito familiare il reddito del partner Totale non risponde - non so % 83% 51% 17% 84% 51% meno di 500 euro % 6% 9% 15% 3% 9% da 501 a 700 euro % 2% 6% 10% 2% 6% da 701 a euro % 3% 10% 16% 3% 10% da a euro % 4% 14% 24% 4% 14% da a euro % 2% 7% 11% 3% 7% più di euro % 1% 4% 6% 2% 4% Totale % 100% 100% 100% 100% 100% A me pare quindi che nel complesso l informazione sul reddito che abbiamo raccolto tramite la nostra CATI non sia così scarsa, anche perché in statistica l informazione è come a Modena il maiale, non si butta via niente. Le non-risposte al reddito sono, per esempio, ben altra cosa, e ben meglio per noi, rispetto ai contatti terminati quelli che non avevano tempo e voglia di rispondere ad un intervista telefonica. Dei contatti terminati non sappiamo proprio nulla, hanno chiuso il telefono e basta. I nostri missing invece sono persone che comunque ci hanno regalato un po del loro tempo per rispondere al resto del questionario, anche se hanno omesso di rispondere specificamente alle domande sul reddito. Una rassicurazione circa il fatto che i nostri dati sono una rappresentazione sufficientemente fedele di quel che succede nella realtà può esserci data paragonandoli ad altre fonti derivate da metodi di campionamento e tecniche di intervista più accurati, come per 2 Sono le domande 22 e 56, e quest ultima con riferimento a se stessi e al partner. 2

4 esempio i dati SHIW 3. La figura 1 mette a confronto la distribuzione del reddito personale nei dati CoFiD e quella nei dati SHIW. Figura 1 La distribuzione dei redditi individuali (netti mensili) per sesso. Un confronto tra l indagine CoFid e l indagine SHIW 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% meno di 500 da 501 da 701 a 700 a 1000 da 1001 a 1500 da 1501 a 2000 più di 2000 M Cofid F Cofid F Cofid F shiw M Cofid M shiw Gli andamenti sono molto simili per le due fonti di dati. Sia nei dati CoFiD che nei dati SHIW vediamo che esiste un solido centro in cui tra il 40% e il 50% degli uomini e delle donne guadagnano tra i 700 e i 1000 euro al mese. Del rimanente, la maggior parte dei maschi guadagna più di 1000 euro, e la maggior parte delle femmine meno di 700 euro. L analisi di ceto deve prendere in considerazione le reti di relazioni in cui l individuo è situato, e quindi la famiglia, la professione ecc., non limitarsi al singolo individuo, e deve prendere in esame, ma anche altre variabili di status sociale e di cultura. Tuttavia è interessante notare che, se ci limitiamo a considerare i redditi monetari individuali, notiamo l esistenza di un consistente ceto medio formato da circa la metà degli uomini e delle donne, che guadagna tra 700 e 1000 euro al mese, e poi di un proletariato a larga prevalenza femminile, che guadagna meno di 700 euro al mese, e quindi di e una classe agiata a larghissima prevalenza maschile che ha accesso a redditi superiori ai 2000 euro: in questa fascia di reddito prevalenza maschile. Per quanto riguarda il reddito familiare, abbiamo provato a disarticolare i redditi a seconda del livello di istruzione raggiunto da ciascuno dei coniugi, come riportato dalla Tabella 2. Le coppie in cui ambedue i coniugi sono laureati sono il 7% del totale, entrambi diplomati il 26% e entrambi diploma di scuola media inferiore il 15% e elementare il 10%, quindi nel complesso le coppie col medesimo livello sono il 58%. Delle restanti il 18% vede la donna più istruita, e il 23% vede l uomo più istruito. Se si va ad analizzare le coppie con posizione simmetrica, si percepisce immediatamente il differenziale salariale tra i sessi : per esempio, le coppie in cui lui è laureato e lei diplomata (144 coppie) hanno circa la stessa numerosità delle coppie in cui lei è laureata e lui diplomata (146 coppie). Tuttavia, fatte a 100 le coppie della fascia di reddito più alta, le prime sono solo l 11%n del totale e le seconde il 23%. La probabilità di essere nella fascia di reddito più elevata è molto più alta se ad essere 3 Si tratta dell indagine Survey of Household Income and Wealth, indagine amministrata a cadenza biennale dalla Banca d Italia, anche noti come dati Banca d Italia in letteratura. Noi utilizziamo l anno

5 Tabella 2. Distribuzione del reddito secondo il livello di istruzione della coppia Dati CofiD Taba Fascia di reddito mensile netto della famiglia (in euro) Tipologia istruzione uomo e donna non risponde meno di 700 da 701 a 1000 da a 1300 da a 1500 da a 1750 da a 2100 da a 2500 da 2501 a 3000 da a 3900 più di 3900 totale entrambi elementari 99 9% 16 34% 33 25% 46 24% 18 11% 7 4% 9 5% 7 3% 1 1% 1 1% 1 1% % uomo elementari - donna medie 24 2% 4 9% 5 4% 4 2% 3 2% 3 2% 2 1% 2 1% 1 1% 0 0% 0 0% 48 2% uomo elementari - donna diploma/laurea 6 1% 1 2% 1 1% 5 3% 1 1% 4 2% 1 1% 1 0% 0 0% 0 0% 1 1% 21 1% uomo medie - donna elementari 70 7% 3 6% 15 11% 13 7% 9 6% 6 4% 4 2% 0 0% 0 0% 1 1% 1 1% 122 5% entrambi medie % 13 28% 29 22% 37 19% 37 23% 33 20% 29 15% 25 12% 15 8% 10 11% 2 3% % uomo medie - donna diploma 90 9% 1 2% 13 10% 23 12% 16 10% 16 10% 22 11% 29 14% 11 6% 5 6% 3 4% 229 9% uomo diploma - donna elementari/medie % 4 9% 14 11% 23 12% 24 15% 28 17% 24 12% 29 14% 17 9% 3 3% 1 1% % entrambi diploma % 3 6% 18 14% 32 17% 42 26% 47 29% 65 33% 76 36% 76 41% 27 30% 14 19% % uomo diploma - donna laurea 68 6% 0 0% 1 1% 1 1% 3 2% 7 4% 19 10% 13 6% 19 10% 7 8% 8 11% 146 6% uomo laurea - donna elementari/medie 2 0% 0 0% 0 0% 0 0% 1 1% 1 1% 3 2% 2 1% 2 1% 3 3% 2 3% 16 1% uomo laurea - donna diploma 67 6% 0 0% 0 0% 3 2% 4 2% 4 2% 8 4% 9 4% 19 10% 13 14% 17 23% 144 6% entrambi laurea 66 6% 0 0% 0 0% 2 1% 3 2% 7 4% 10 5% 17 8% 25 13% 20 22% 23 32% 173 7% non risponde 31 3% 2 4% 4 3% 2 1% 0 0% 1 1% 1 1% 0 0% 0 0% 0 0% 0 0% 41 2% totale % % % % % % % % % % % % 4

6 laureato è il marito, non la moglie. All altro estremo della distribuzione, le donne hanno la possibilità di emergere dalle fasce più basse della distribuzione, quelle di reddito familiare sotto i 1300 euro, sposando un laureato. Invece, sposare una laureata non è garantisce che la famiglia abbia redditi oltre i 1300 euro, e vi sono coppie con moglie laureata anche nella fascia sotto i 1000 euro, 1% del totale della fascia. Tutti questi fenomeni, in Italia, hanno anche come è ampiamente noto una forte componente territoriale. Il grafico 2 mostra la distribuzione delle famiglie del campione residenti al nord e residenti al sud, per fasce di reddito. Figura 2. Percentuale di famiglie per fascia di reddito, al nord e al sud del paese. percentuale 10% 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% meno di 700 da 701 a 1000 da a 1300 da a 1500 da a 1750 da a 2100 da a 2500 da 2501 a 3000 Fascia di reddito mensile netto della famiglia da a 3900 più di 3900 SUD NORD La distribuzione per fasce di reddito mostra come al sud i redditi siano sistematicamente inferiori. Nella fasce al di sotto dei 1500 euro mensili si colloca il 24% delle famiglie del sud, e solo il 17% di quelle del nord Italia. Nelle fasce al disopra dei 2500 euro si colloca il 13% delle famiglie al sud e il 16% di quelle del nord. Ne consegue una bimodalità della distribuzione più marcata nel sud, e una conseguente maggiore esiguità del ceto con fascia di reddito medio nel sud. E in questo contesto che dobbiamo collocare il problema delle non risposte sulle domande relative al reddito. 2. Perché non ci hanno risposto? Dalle illazioni alle ipotesi Perché alcuni degli intervistati non hanno risposto alle domande sul reddito? Per rispondere questa domanda abbiamo a disposizione almeno tre approcci strategici. Primo, possiamo utilizzare l informazione che gli intervistati stessi ci hanno dato nelle loro risposte. Ci hanno detto molte cose di sé, quanti anni hanno, se sono maschi o femmine, quanti matrimoni hanno contratto, quanti figli hanno, con chi vivono, ci hanno informato cioè su alcune loro rilevanti caratteristiche. Sono schedati. Noi potremmo usare questa informazione sommandola all informazione che gli intervistati con le loro stesse caratteristiche ci hanno dato, imputando ai reticenti lo stesso reddito che hanno in media i non-reticenti con le stesse caratteristiche campionarie. Questa tecnica statistica è chiamata 5

7 inputing ma è una tecnica che può essere usata solo con molta cautela, perché è invece possibile, appunto, che i non rispondenti non abbiano le stesse caratteristiche. Se i nostri dati sono missing perché una parte delle informazioni sono state cancellate per errore dal file di dati, allora l inputing da un altro set di dati sarebbe una tecnica accettabile, ma nel nostro caso non persuade. La strada per estrarre informazione dai dati mancanti, nel nostro caso, è quella di cercare una spiegazione nella descrizione delle caratteristiche di coloro che non rispondono. Questa descrizione verrà presentata qui di seguito. Secondo, se anche tutti coloro che hanno certe caratteristiche di età sesso ecc. fossero reticenti, potremmo utilizzare altre fonti di informazione, cioè delle indagini affini. Potremmo fare cioè il cosiddetto matching di data set diversi, e imputare ai nostri dati mancanti il reddito che hanno in media persone con le stesse caratteristiche in un altro dataset, previa verifica del fatto che i redditi dei non-missing corrispondano ai redditi delle persone con le stesse caratteristiche nell altro dataset. Questo sarebbe già un miglioramento rispetto alla tecnica precedente, visto che questa tecnica aggiunge informazione fresca presa da un altro dataset, mentre la tecnica precedente non aggiunge alcuna informazione fresca. Noi abbiamo a disposizione la SHIW, in cui la Banca d Italia rileva il reddito e il risparmio insieme ad altre caratteristiche individuali (età, sesso, ecc.), e che fornisce i dati sul sito in maniera gratuita. La SHIW non ha risposte mancanti sul reddito grazie al fatto che le interviste SHIW sono faccia a faccia e noi li abbiamo solo perché la nostra è un questionario CATI, allora possiamo pensare di fare matching, e attribuire ai nostri dati mancanti il reddito SHIW corrispondente alle caratteristiche. Ma se invece chi non voleva rispondere a domande sul reddito è stato semplicemente escluso da quel campione, o si è autoescluso, questa seconda tecnica non è opportuna, perché ci farebbe saltare il nocciolo del problema: perché non ci hanno risposto? La terza strategia è quella di rispettare al massimo l informazione che ci danno non rispondendo. Se il nostro gruppo di lavoro si aspettava fin dall inizio numerose mancate risposte alla domanda sul reddito, ci sarà ben stato un motivo. Possiamo interrogarci su questo motivo, chiederci che cos è che noi sappiamo, rispetto al denaro, e rispetto ai motivi per cui qualcuno non dica quanto guadagna. Per esempio, sappiamo che in Italia non chiediamo mai a nessuno se lo incontriamo ad un party quanto guadagna, mentre in America accade che venga chiesto e che si risponda. Da questo nostro interrogarci sul perché non ci hanno risposto possiamo derivare delle ipotesi testabili su questi stessi dati 4. Ci sono due principali ragioni per cui gli intervistati non hanno risposto alla domanda sul reddito: che non lo sapevano (che identifichiamo come ipotesi 1), o che non volevano farcelo sapere (che identifichiamo come ipotesi 2). Consideriamo la prima ipotesi: non lo sapevano. Possiamo ipotizzare che ci siano persone che possono non sapere qual è il reddito proprio, su base mensile? E il reddito complessivo della famiglia? Chi potrebbero essere queste persone? Innanzitutto, vi sono le persone il cui reddito è oggettivamente incerto. Il lavoratore dipendente conosce il proprio reddito netto mensile perché lo percepisce come un flusso costante di quantità omogenee, e non ha costi, o li ha bassi e fissi (costi di trasporto, ecc.). Il lavoratore autonomo deve calcolare il reddito finale sottraendo i costi dai ricavi. Sia i costi che i ricavi gli pervengono in quantità discrete e con andamento discontinuo nel tempo. Ci sono eventi una tantum che hanno un costo o un ricavo elevato. Relativamente ai ricavi, i costi sembrerebbero più controllabili e prevedibili se non voglio comprare o fare una certa cosa non ne sopporto il costo - ma in una attività autonoma ciò non è completamente vero. Consideriamo una piccola impresa di servizi, che usa delle fotocopiatrici, una officina legata all auto, un negozio di pasticceria calcolare in modo certo quanto costerà su base annuale 4 Sono debitrice di alcuni stimoli a questa impostazione alle due lezioni sul trattamento dei dati mancanti offerte nel maggio 2006 dal prof. C. Filippucci al Master in Statistica Applicata dell Università di Sassari coordinato dal prof. G. Garau. 6

8 la manutenzione e riparazione del macchinario adoperato ha un elemento di variabilità legato alla frequenza dei guasti, al prezzo delle parti di ricambio, alla velocità dell intervento. La prima ipotesi che possiamo formulare (ipotesi 1A) è quindi che, se guardiamo ai due gruppi, coloro che rispondono e coloro che non rispondono alla domanda sul reddito familiare e/o personale, tra coloro che non rispondono vi sarà una componente significativamente maggiore di lavoratori autonomi 5, o anche, visto che i nostri intervistati sono per la maggior parte femmine, persone il cui partner è, in una percentuale significativamente maggiore, lavoratore autonomo. Passiamo poi a considerare il fatto che il ricavato di un attività è anch esso variabile per coloro che hanno interfaccia diretta con il mercato. Per esempio, per alcune categorie di lavoratori, sia autonomi che dipendenti, vi è una grande variabilità del reddito dovuta al fatto che la loro attività presenta fisiologicamente dei picchi periodici. E il caso dei lavoratori in imprese legate al turismo, di imprese che si occupano di altri beni il cui consumo ha carattere stagionale perché legato a festività o ad eventi a carattere estemporaneo (organizzazione di mostre, convegni, sagre, manifestazioni sportive). Per tutti costoro, calcolare il reddito mensile richiede una operazione abbastanza complessa, che è quella di sommare su base annuale i loro ricavi, sottrarre i loro costi, e dividere per 12. Un operazione, questa, che non è alla portata di molte persone che pure hanno ottenuto la licenza media, ma che, col tempo, hanno completamente disimparato l aritmetica anche abbastanza elementare, mantenendo in uso, di tutte le funzioni matematiche di cui l educazione aveva equipaggiato il loro cervello, solamente la funzione addizione-sottrazione che serve a calcolare il resto. La funzione moltiplicazione e quella divisione sono intraprese solo con difficoltà, con moltiplicatori/divisori piccoli. Da questo ragionamento deriva un altra ipotesi (che identifichiamo come 1B) che ne deriva è che coloro che non conoscono il reddito familiare non lo conoscono perché non hanno gli strumenti aritmetici per calcolarlo, perché il loro livello di istruzione è relativamente più basso. Un altra possibilità (che identifichiamo come 1C) è che le persone non sappiano il reddito familiare perché non lo guadagnano loro, e non viene loro detto. Per verificare questa ipotesi bisogna andare a vedere cosa rispondono alle domande sul reddito proprio e del partner. Questa ipotesi può essere verificata se coloro che non ci forniscono il reddito familiare ci dicono il reddito proprio, ma non ci dicono quello del partner, perché non lo sanno. Si può andare a vedere anche se ci sono nella famiglia altri redditi, che potrebbero essere ancora meno noti al rispondente rispetto a quelli del partner. Analogamente, l ipotesi 1C risulta probabilmente vera se chi risponde non ha un reddito proprio, non ha un conto corrente cointestato, o non lo gestisce. Naturalmente, è possibile che le ipotesi 1A, 1B e 1C siano vere allo stesso momento, cioè che la non risposta sia legata al lavoro autonomo proprio o del partner, e all incapacità del rispondente di calcolarlo mettendo insieme i vari pezzi di informazione, alcuni dei quali vengono loro celati, magari anche non di proposito. Un diverso insieme di possibilità è dato dall ipotesi 2, ovvero che i rispondenti sappiano il reddito familiare ma non ce lo vogliono far sapere. Non ce lo vogliono far sapere perché? Ritengono di guadagnare troppo poco, e si vergognano (ipotesi 2A); oppure, ritengono di guadagnare troppo rispetto a quanto dichiarano al fisco, e per il sicuro non vogliono far sapere la differenza (ipotesi 2B); o ancora, qualsiasi cosa guadagnino, hanno paura che la informazione che ci danno venga usata contro di loro, non dal fisco ma per 5 Per significativamente maggiore intendiamo significativamente in senso statistico. Verifichiamo cioè il livello di probabilità con cui è possibile estrarre da ciascuna delle due popolazioni, dichiaranti e non dichiaranti il reddito, un campione contenente lo stesso numero di lavoratori autonomi, o di partner autonomi. 7

9 esempio semplicemente da un agente di televendite (ipotesi 2C). Innanzitutto, tutti costoro non rispondono neanche alle domande 56 a e b. La verifica dell ipotesi 2A ci mette in una situazione leggermente più complicata, perché in sede di verifica l ipotesi 2A può confondersi con l ipotesi 1B, a causa della correlazione tra basso reddito e basso livello di istruzione. In altre parole, se scoprissimo che sono le persone meno istruite a non dirci il loro reddito, non sappiamo se lo facciano perché guadagnano così poco che si vergognano, oppure perché non sanno fare il calcolo di quanto guadagnano. Riassumendo, possiamo fare due gruppi di ipotesi relativamente alle persone che non rispondono alla domanda sul reddito familiare: non lo sanno o non ce lo vogliono far sapere. Se non lo sanno, ci aspettiamo un forte correlazione con il bassi livelli di istruzione e l essere casalinghe, con l essere lavoratori autonomi, con l avere partners che sono autonomi. Se invece non ce lo vogliono far sapere, ci aspettiamo che siano persone di tutti i livelli di istruzione, e che, oltre alla domanda sul reddito individuale, non rispondano a nessun altra domanda sul reddito. Abbiamo quindi le seguenti ipotesi: - 1A: non lo sanno, perché sono autonomi, e quindi non dicono né il reddito personale né quello familiare; - 1B: non lo sanno perché hanno il partner autonomo, e quindi ci dicono il reddito personale ma non quello familiare; - 1C: non lo sanno perché sono autonomi o hanno il partner autonomo, e non hanno il livello di istruzione che li rende capaci di calcolarlo; - 1D: non lo sanno perché non gli viene detto il reddito di un altro familiare; - 2A: non ce lo vogliono far sapere perché guadagnano poco (e si vergognano di quanto poco guadagnano) ; - 2B: non ce lo vogliono far sapere perché guadagnano molto (e non si vergognano di quanto guadagnano, ma temono che noi possiamo in qualche modo tramare per portarglielo via) ; - 2C: non ce lo vogliono far sapere perchè temono che possiamo in qualche modo tramare per portarglielo via, qualunque esso sia. Come mostra la tabella 2, abbiamo riscontrato una elevata correlazione tra il non rispondere al reddito familiare (variabile: nored) e l avere il partner autonomo, tra il non rispondere e l avere basso livello di istruzione, e tra il non rispondere e l essere casalinghe. Pertanto, possiamo andare a verificare se le ipotesi di tipo 1 non ci dicono il reddito perché non lo sanno sono compatibili con i dati che abbiamo. Purtroppo non abbiamo abbastanza informazione, nel nostro questionario, per dirimere tra le ipotesi di tipo 2. Una ricerca futura potrebbe occuparsi in particolare del problema della reticenza sul reddito con delle interviste face to face o con dei questionari dedicati. Tabella 3. Correlazioni tra la non risposta al reddito familiare, l essere casalinghe, l avere basso livello di istruzione e partner autonomo. Casalinghe Basso livello d'istruzione Partner autonomo Nored No Si Totale No Si Totale No Si Totale No ,99% 51,79% 58,10% 59,65% 56% 58,10% 60,16% 51,22% 58,10% Si ,01% 48,21% 41,90% 40,35% 44% 41,90% 39,84% 48,78% 41,90% Totale % 100% 100% 100% 100% 100% 100% 100% 100% Pearson chi2(1) = Pr = Pearson chi2(1) = Pr = Pearson chi2(1) = Pr = Fisher's exact = Fisher's exact = Fisher's exact = sided Fisher's exact = sided Fisher's exact= sided Fisher's exact =

10 La correlazione con la non risposta sul reddito è evidente dalle tre tabulazioni incrociate che presentiamo nella tabella 2, specie per quanto riguarda casalinghe e persone con partner autonomo. Le casalinghe sono il 31,49% del nostro campione, le femmine sono il 67,72%, e le casalinghe sono quindi il 46,36% delle femmine del campione 6. Gli autonomi o autonome sono invece il 14,16% del campione, e le persone con partner autonomo sono invece il 26,49% del campione. Per l esattezza, la tabulazione incrociata ci dice che le casalinghe con partner autonomo sono 214, e sono il 61,14% delle persone il cui partner è autonomo, 7. Nel 48,21% delle coppie con la donna casalinga non viene dichiarato il reddito familiare, mentre le mancate risposte scendono al 39,01% nelle coppie con la donna noncasalinga. Anche l incrocio tra non dichiarare il reddito familiare e non dichiarare nulla, e avere il partner autonomo è fortemente significativo, con percentuali di non-dichiaranti della stessa grandezza: il 48,78% delle persone con partner autonomo non risponde alle domande sul reddito, mentre tra le persone con basso livello di istruzione la percentuale dei non rispondenti, con il 44%, è appena più bassa che negli altri due casi. Anche le statistiche di significatività riportate in basso nella tabella sono appena meno robuste nel caso delle persone con basso livello di istruzione, ma non tali da escludere la relazione. Non abbiamo invece trovato correlazione significativa tra il non rispondere al reddito familiare e l essere lavoratori autonomi. Ecco quindi che l oggetto della mia curiosità scientifica, le casalinghe, si mostra rilevante anche per spiegare il problema che mi era stato assegnato, e cioè il perché i dati sono della qualità che sono rispetto ai missing. La tabulazione incrociata della tabella 2 suggerisce che l essere casalinghe, l avere un basso livello di istruzione e l avere un partner autonomo siano correlati con il non rispondere alla domanda sul reddito familiare, e ci orienta quindi verso l ipotesi che le casalinghe non sanno il reddito. E difficile gestire un reddito senza averne neppure la conoscenza. E qui nasce anche il quarto ordine di problemi, quello metodologico, ma quanto possiamo fidarci della tabulazione incrociata? 3. Alcune considerazioni sul metodo della nostra ricerca In questo libro facciamo largo uso della tabulazione incrociata, ma presentiamo anche conclusioni derivate da logit e probit. Esistono anche metodi molto più sofisticati. Nel nostro caso, i metodi possibili per rispondere alla domanda: è vero che l essere casalinghe determina il non dichiarare il reddito, sono almeno quattro: la tabulazione incrociata; la regressione semplice; la regressione probit; il test di Hotelling 8. Credo sia corretto soffermarci in questo contributo, che è preliminare al lavoro complessivo, a rendere conto di come abbiamo scelto il livello di sofisticazione statistica che riteniamo accettabile per risultati interpretabili. Si tratta, sempre e comunque, di eseguire dei test statistici che paragonano i due campioni da noi estratti (in questo caso quello di coloro che non rispondono alla domanda sul 6 ricordiamo che, come descritto nella nota metodologica di C. Facchini in questo volume per quanto riguarda le caratteristiche del campione: hanno risposto al telefono una proporzione maggiore di donne e una proporzione maggiore di inattivi rispetto a quanto ci si sarebbe potuto aspettare da un campione scelto a caso, date le caratteristiche ISTAT. 7 Anche se l incrocio casalinga/partner autonomo è al limite esterno della significatività al 95%Testata con i test chi2 e Fisher. 8 Il test di Hotelling consente di paragonare equazioni di regressione ai minimi quadrati su due gruppi di dati per esempio, coloro che dichiarano e non dichiarano il reddito. Si tratta di un test F di significatività congiunta di tutte le variabili che si prende in considerazione. In altre parole, si tratta di regredire ciascuna variabile non dicotomica separatamente sull indicatore «NON RISPONDE AL REDDITO» che prende il valore 1. 9

11 reddito e quello di coloro che rispondono), per verificare: a) se appartengono o meno alla medesima popolazione; b) quale altre variabili aumentano la probabilità che una persona con determinate caratteristiche appartenga a uno dei due gruppi. La base di paragone risiede sempre nella presenza di correlazione bassa o alta - nei dati rilevati per i due gruppi. Se la tabulazione non mostra correlazione, non c è manipolazione che potrà introdurla. Usare un livello di metodologia più sofisticato ha dei vantaggi di accuratezza ma ha anche dei prezzi: si perde pubblico, ovvero più si sale in livello di sofisticazione più si perde la possibilità di essere capiti da chi legge, di avere lettori. Chiunque abbia fatto un corso elementare di statistica può valutare la bontà di una tabella di correlazione. Per capire che cosa effettivamente ci dicono o non ci dicono i test, come il test F di Hotelling, bisogna avere un livello di preparazione che per quelli della mia età è da specialisti, magari per un odierno dottorando di econometria è pane quotidiano. Tra i due estremi, ci stanno le regressioni univariate e o di altro tipo. Il punto di partenza è la cross-tabulazione. Come è noto la tabulazione incrociata conta quanti punti-dato hanno congiuntamente le caratteristiche espresse da due variabili. Il test Chi2 misura la distanza fra i risultati ottenuti e l ipotesi nulla che non vi sia connessione tra l avere l una caratteristica e l avere anche l altra. Un Chi2 significativo indica una correlazione tra le due caratteristiche. Se la correlazione è assente, non c è manipolazione che ci consenta legittimamente di introdurla. Il problema nasce solo se troviamo correlazione. In questo caso potremmo trovarci di fronte al caso in cui una terza caratteristica sta influenzando nella stessa direzione ambedue le altre. In questo caso la correlazione esiste, ma è una correlazione spuria. La regressione semplice bivariata ai minimi quadrati con costante consente di verificare la associazione tra due variabili in modo analogo alla tabulazione incrociata. Il metodo comporta di regredire la variabile che esprime una certa caratteristica su una costante e sulla variabile che esprime la seconda caratteristica e verificare se il test t di student indica significatività. Se il t è maggiore del cut-off point che segna il limite dell intervallo di confidenza, di solito 95%, ciò indica che la variabile del lato destro ha un effetto significativo sulla variabile del lato sinistro dell equazione. Tabella 4. Regressione bivariata casalinghe/non dichiarano il reddito regress cas nored Source SS df MS Number of obs = 2493 F( 1, 2491) = Model 4, , Prob > F = Residual 533, , R-squared = Adj R-squared = Total 537, , Root MSE = cas Coef. Std. Err. t P> t nored 0, , , _cons 0, , , L informazione che ci dà la tabella 3 è la stessa di quella contenuta nella prima colonna della tabella 2. Ci conferma che esiste una correlazione fortemente significa tra il non dichiarare il reddito familiare ed essere casalinga, perché la statistica t è superiore al cut-off point convenzionale (che è circa 2). Il vantaggio di questo approccio è che con l aggiunta di altre variabili sul lato destro si può verificare se ciò altera sia il valore del coefficiente sia la significatività, mettendo in evidenza come la correlazione sia influenzata da tutte le variabili. 10

12 Se si usa questo approccio, bisogna ricordare che il coefficiente fornisce si una qualche misura della grandezza dell effetto, a patto però che non sia stata omessa nessuna variabile del lato destro che possa avere effetto su quella del lato sinistro. Il lato destro dovrebbe idealmente contenere tutte le variabili sono candidate ad avere effetto sulla variabile del lato sinistro. Purtroppo anche quando si hanno a disposizione banche dati sofisticate questo succede di rado. Senza questa completezza, l unica cosa che possiamo accertare è la presenza di correlazione e il segno. Ma nel nostro caso noi non possiamo usare la regressione multipla con il metodo dei minimi quadrati, perché anche la variabile sul lato sinistro è una variabile dicotomica, cioè la risposte a una domanda si/no. Per lo stesso motivo non possiamo neppure utilizzare il test di Hotelling. Se sul lato sinistro abbiamo una variabile dicotomica, possiamo soltanto misurare la probabilità che la variabile dipendente abbia valore si/no a seconda del valore si/no delle variabili del lato destro. Le regressioni probit, che sono regressioni basate sulla massima verosimiglianza, non sui minimi quadrati ordinari, consentono appunto di misurare se vi è una probabilità significativamente maggiore che una certa caratteristica dei dati sia associata ad altre. La limitazione di questo metodo è che i coefficienti della probit non misurano gli effetti marginali di una variabile sull altra, come nei minimi quadrati ordinari. 9 Possiamo quindi verificare con una probit se è vero che la probabilità di non dichiarare il reddito aumenta se una persona è casalinga. Se specifichiamo l equazione come rappresentato dalla parte sinistra della tabella 4 apparirebbe di si, perché nella terza colonna possiamo leggere che la probabilità per la variabile casalinghe (cas) che il coefficiente sia 0,2 è di 0,001, significativo all uno per mille 10. Tabella 5. Gli effetti della omissione della variabile "sesso" sui coefficienti delle altre variabili Probit estimates Number of obs = 2489 Probit estimates Number of obs = 2489 LR chi2(9) = LR chi2(10)= Prob > chi2 = Prob > chi2 = Log likelihood = Pseudo R2= Log likelihood = Pseudo R2 = nored Coef. Stand.Err. z P> z nored Coef. Stand.Err. z P> z cas 0, , ,24 0,001 cas 0, , ,25 0,212 eta -0, , ,8 0,066 eta -0, , ,34 0,179 ele 0, , ,94 0,053 ele 0, , ,51 0,131 prof -0, , ,32 prof -0, , ,08 0,278 dip -0, , ,3 0,769 dip -0, , ,58 0,561 lau -0, , ,4 0,662 lau -0, , ,77 0,44 nordo 0, , ,42 0,674 nordo 0, , ,32 0,76 norde -0, , ,3 0,793 norde -0, , ,28 0,777 sud 0, , ,19 0,028 sud 0, , ,18 0,029 cost -0, , ,8 0,421 sesso 0, , ,58 0 cost -0, , ,83 0,005 9 Per misurare tale effetto marginale sono state proposte le d-probit, che è ugualmente basata sulla massima verosimiglianza, e consentirebbe di dare una interpretazione anche dei coefficienti, ma sotto una serie di assunzioni restrittive. 10 Le altre variabili sono: età (eta), titolo di studio rispettivamente elementare (ele) di scuola professionale (prof), di scuola media superiore (dip) di laurea (lau), nordo (nordovest) norde(nordest), sud (sud) cost (parte costante propria della relazione stimata) e sesso femminile (sessof). I coefficienti vanno letti come differenza percentuale rispetto all avere il diploma di scuola media inferiore, all abitare in centro Italia, all avere sesso maschile. 11

13 Ma in realtà, il risultato di questa prima specificazione è dovuto una correlazione spuria. Infatti non era stata inserita la variabile dicotomica che indica il sesso delle persone. La parte destra della tabella 4 riporta la stima probit della medesima equazione, cui è stata aggiunta la variabile dicotomica che assume valore 1 per il sesso femminile. Il coefficiente sulla variabile casalinghe è diminuito in valore, e soprattutto, ha perso la sua significatività (P=0,212), che invece è stata raccolta dalla variabile sesso femminile. Dunque, in questa seconda specificazione, non è l essere casalinghe, è l essere donne che determina il non rispondere sul reddito. E anche la significatività di tutte le altre variabili ne risulta compromessa (P>0,05). Perché succede questo? Perché, come mostra la tabella n. 6, le variabili che sono presenti nella specificazione sono quelle stesse che influenzano la probabilità di essere casalinga. Esse influenzano il non dichiarare il reddito attraverso l essere casalinga, e la variabile sesso raccoglie la significativa dell una e delle altre. Tabella 6. Regressione Probit: quali fattori influenzano l essere casalinga? Probit estimates Number of obs = 2489 LR chi2(8) = Prob > chi2 = Log likelihood = Pseudo R2 = Cas Coef. Std. Err. z P> z eta -0, , ,88 0,061 ele 0, , ,85 0 prof -0, , ,43 0,001 dip -0, , ,32 0 lau -1, , ,31 0 nordo 0, , ,39 0,164 norde -0, , ,35 0,728 sud 0, , ,55 0 cost -0, , ,65 0,513 Perché riassumere tutto questo percorso? Perché qua giunti abbiamo molto ridimensionato, se non addirittura demolito, i risultati sia della tabulazione incrociata nella tabella 2 sia i risultati della prima regressione nella tabella 3. Nonostante questo, non avrei problemi a continuare ad affermare che l essere casalinga è un fattore che determina il non dichiarare il reddito familiare. L applicazione della regressione probit ci ha permesso di capire che i fattori che determinano la non dichiarazione del reddito sono gli stessi che fanno si che una donna in età lavorativa si astenga dalla partecipazione. In che senso allora possiamo dire che l uso di metodologie più sofisticate ha aumentato la nostra capacità di conoscere? Vi è stata negli ultimi due decenni una evoluzione straordinaria nelle tecniche statistiche e nella loro fruibilità da parte dello studioso medio. Grazie ai PC e ai pacchetti statistici ora siamo tutti in grado di applicazioni metodologiche impensabili dieci o venti anni fa. E non è evidentemente consentito esimersi dall usarle, salvo trovare un altro studioso che usandole sugli stessi dati falsifica facilmente i nostri risultati. Tuttavia insieme alla diffusione dei nuovi metodi non si è diffusa sufficientemente la consapevolezza della fragilità dei loro risultati. Per il mio scomparso maestro, Paolo Sylos Labini, le tabulazioni incrociate erano pezze d appoggio robuste per intessere un interpretazione che univa elementi statistici, storici, sociologici e politici e li trasformava in discorso, in presa di posizione su com era il mondo e verso dove bisognava andare. Una volta che, seguendo le sue orme, abbiamo imparato l econometria, abbiamo imparato che trovare pezze d appoggio per dire con certezza com è che va il mondo è 12

14 diventato estremamente difficile. Per esempio, nel caso che i dati siano raccolti mediante questionario, la bontà della nostra ipotesi interpretativa dipende strettamente dalla bontà del questionario, ovvero se si è chiesto davvero tutto ciò che può avere effetto su ciascuna delle variabili che si analizzano. Se cioè si è adottato un punto di vista abbastanza ampio da comprendere tutte le variabili rilevanti. E quindi evidente come la conoscenza sia questione di punto di vista: l ipotesi ha influenzato la formazione del dato, sono le esperienze precedenti che il ricercatore/trice ha fatto, inclusa la letteratura scientifica che ha letto, che gli forniscono la base di ipotesi su cui costruire il questionario, che a sua volta limita poi la sua possibilità di falsificare ipotesi. In questo contesto non c è più l affermazione della quale si può dire con certezza che è vera, il massimo che possiamo ottenere è la stima robusta su un determinato set di dati. C è un onesto stato dell arte, che i professanti una disciplina sono tenuti a conoscere, ad applicare, avendo perso per sempre la possibilità di una fiducia positivista nelle proprie affermazioni. Nel nostro caso, un onesto stato dell arte ci obbliga a considerare nel suo complesso il questionario che abbiamo prodotto in interazione con le altre ricercatrici del gruppo, considerare l informazione che contiene, e, consci di avere apposto ai dati anche una nostra ipotesi interpretativa, presentare quella che a noi sembra la lettura più convincente, dicendo che è quella che abbiamo scelto ed è una di quelle giuste: ma non necessariamente l unica. 4. Il problema delle casalinghe Dalla descrizione che ci viene fornita dalla probit sembrerebbe che le casalinghe fossero tali a seguito di una serie di fattori che sembrano indicare svantaggio sociale basso titolo di studio, residenza nelle aree meno sviluppate economicamente, basso reddito monetario. Abbiamo voluto verificare se questo svantaggio viene confermato anche da alcune altre informazione indiretta contenuta in altre risposte. La tabella 6 mostra che le famiglie che contengono una casalinga ritengono di cavarsela meglio di quelle che non contengono una casalinga, e anche che risparmiano di più. Questa evidenza è in accordo con l idea che il lavoro domestico delle donne è una aggiunta al reddito familiare che andrebbe contabilizzata, perché ha effetti anche sul reddito monetario delle famiglie: le famiglie con una persona addetta alla produzione domestica infatti risparmiano nell acquisto di servizi sostitutivi (vedi Addabbo, 2003). A conferma di questa interpretazione, la tabella mostra che le famiglie in cui vi è una casalinga non ricorrono all aiuto domestico retribuito nella stessa misura delle famiglie in cui non vi è una persona casalinga. 13

15 Tabella 7. Alcune informazioni sulle famiglie con casalinghe 7.1 come "se la no si casalinghe % cava" la famiglia casalinghe % Totale non risponde 5 0% 3 0% 8 con molte difficoltà % % 333 con qualche difficoltà % % 940 senza partic problemi % % 961 Bene % 65 8% 258 Totale % % risparmi famiglia lo scorso anno (2002) si casalinghe % no casalinghe % Totale non risponde 62 4% 16 2% 78 no, nessun risparmio % % 1711 no, abbiamo contratto 36 2% 23 3% 59 Si, ma meno di % % 558 Si, tra e % 13 2% 72 Si, oltre euro 22 1% 0 0% 22 Totale % % aiuto retribuito per cura casa, persone si casalinghe % no casalinghe % Totale non risponde 16 1% 5 1% 21 Mai % % 2003 saltuariamente 146 9% 53 7% 199 una volta alla settim 121 7% 18 2% 139 più volte alla settim 78 5% 11 1% 89 tutti i giorni 46 3% 3 0% 49 Totale % % regime patrimoniale si casalinghe % no casalinghe % Totale non risponde 87 5% 27 3% 114 da sempre comunione % % 1734 da sempre separazione % % 625 passati dalla c alla s 16 1% 7 1% 23 passati dalla s alla c 2 0% 2 0% 4 Totale % % 2500 Le statistiche sono le seguenti: 7.1 Pearson chi2(4) = Pr = Fisher's exact = 0.000; 7.2 Pearson chi2(5)= Pr=0.00 Fisher's exact =0.000; 7.3 Pearson chi2(4)= Pr=0.000 Fisher's exact =0.000; 7.4 Pearson chi2(5)= Pr =0.000 Fisher's exact =0.000 La indicazione della comunione o separazione dei beni è stata richiesta dal questionario come indicatore di una maggiore o minore autonomia femminile nella gestione economica. In realtà l indicatore è piuttosto ambiguo, perché la separazione dei beni può indicare sia la volontà di autonomia di una donna in un matrimonio dove ambedue hanno solidi redditi sia la volontà dell unico percettore di reddito, di solito il maschio, di non 14

16 condividere automaticamente la gestione del patrimonio con la consorte. E può anche essere in fondo, indipendentemente dal reddito dei coniugi, una indicazione di come le persone coinvolte vivono quel particolare rapporto di coppia. Per quel che indica, notiamo nella tabella 2 che le famiglie con donne casalinghe tendono in maggiore percentuale al regime di separazione dei beni. 5. Una descrizione complessiva delle relazioni tra le variabili Ciò che presento in questa ultima parte è il risultato della applicazione per quanto possibile onesta di uno stato dell arte ai due problemi sopra menzionati. Si tratta di arrivare ad una descrizione statistica sulla base dei dati che abbiamo, primo, di quali sono i fattori che determinano la non dichiarazione del reddito, e, secondo, in che modo le famiglie con una donna casalinga si differenziano dalle famiglie in cui la donna lavora. Sulla base di quanto detto prima sulla circa la necessità di avere informazioni su tutti i fattori che determinano un fenomeno, senza variabili omesse, dobbiamo cercare di utilizzare tutta l informazione contenuta nel questionario. Dobbiamo cioè cercare di costruire una probit che contenga tutte quelle variabili che, incrociate con la variabile di cui studiamo la probabilità, risultano significative. Infatti la presenza di queste variabili in una regressione avrà effetto sui coefficienti delle altre variabili. Tuttavia, se usiamo come regressori tutte le modalità delle variabili che ci derivano dalle risposte, una quarantina di regressori, rischiamo di ottenere risposte fuorvianti. Alcune domande del questionario sono state giustamente formulate in modo da fornire una grana sottile di informazione, ma questo livello di disaggregazione potrebbe offuscare la significatività effettiva di una determinata condizione, se tale condizione è indicata da più risposte. Per esempio, noi possiamo ipotizzare che il benessere economico della famiglia influenzi la risposta alla domanda 23, Tutto considerato, come se la cava la famiglia? A questa domanda è stata data una gradazione in quattro risposte (con molte difficoltà, con qualche difficoltà, senza particolari problemi, bene. Se noi cerchiamo la correlazione tra il non rispondere al reddito e ciascuna di queste variabili separatamente, questa correlazione potrebbe essere statisticamente debole. Ma se invece raggruppiamo le risposte in due grandi categorie omogenee se la cava male ovvero se la cava bene e utilizziamo queste due variabili aggregate nella regressione, allora potremmo riuscire ad identificare una correlazione che l eccessiva disaggregazione delle quattro modalità ci aveva precedentemente impedito di scorgere. Analogamente, possiamo identificare delle relazioni utilizzando l accorgimento di costruire variabili ex-novo accorpando insieme più di una risposta. Sempre se l ipotesi è quella che il benessere economico della famiglia influenzi la decisione di risposta, noi possiamo per esempio costruire un indicatore del benessere della famiglia raggruppando insieme coloro che rispondono nelle prime modalità alle domanda 23 (come se la cava la famiglia) 24 (nella sua famiglia siete riusciti a risparmiare?). Costoro, la cui famiglia se la cava con difficoltà e non riescono a risparmiare possiamo definirli POVERI, e possiamo andare a verificare se la povertà così definita è significativamente correlata con la non risposta. Ancora più effettiva risulta questa strategia se oltre che raccogliere informazione da due o più risposte, noi ripartiamo i dati invece che in due sole, in tre categorie. Questo ci consente di omettere dal lato destro della regressione la categoria di valori intermedi, e di utilizzare come regressori le due categorie che contengono i valori estremi. Se effettivamente è il benessere economico che determina la non risposta, e la correlazione è positiva, noi dovremmo scoprire una correlazione positiva tra il non rispondere e l avere un reddito basso, e negativa e significativa tra il non rispondere e l avere il reddito alto. Questa correlazione risulterà più chiara per avere omesso tra i regressori i redditi medi. 15

17 In applicazione delle considerazioni finora svolte, abbiamo fatto degli accorpamenti di informazione anche tra più di una risposta. Alle precedenti variabili CASALINGA (cas), AUTONOMO e PARTNERAUTONOMO (pautonomo)si sono aggiunte le seguenti: - in relazione congiuntamente alla domanda 23 e 24 abbiamo creato tre ceti, POVERI, RICCHI e CETOMEDIO: POVERI sono definiti come coloro che rispondono 1 alla 23 e 1 o 2 alla 24, il CETOMEDIO risponde 2 alla 23 e 3 alla 24, i RICCHI rispondono 3 o 4 alla 23 e 4 o 5 alla in relazione alla domanda 27 ( Come affronterebbe un imprevisto ) abbiamo creato una dicotomica STANNOBENE e STANNOMALE: STANNOBENE se userebbero risparmi propri e della famiglia e STANNOMALE se taglierebbero le spese o ricorrerebbero a un prestito. - in relazione alla domanda 33 abbiamo creato gli IABBIENTI (hanno beni immobili, chiunque li gestisca) e INONABBIENTI, che non possiedono altri immobili - in relazione alla domanda 34 (chi gestisce i beni mobili comuni) abbiamo creato le due variabili FABBIENTI (hanno beni mobili, chiunque li gestisca) e FNOABBIENTI (non ci sono beni mobili). - per gettare luce sulla possibilità che le/i rispondenti non conoscano il reddito familiare perché la famiglia comprende anche persone aggiuntive rispetto alla coppia, di cui non conoscono il reddito, si sono sfruttate le risposte sul denaro passato ai figli. Considerando l occupazione e il reddito dei figli abbiamo creato FGLABBIENTI e FGLNABBIENTI. Avendo verificato che queste variabili sono significativamente correlate con la nonrisposta del reddito, abbiamo stimato un buon numero di probit, che hanno sempre sul lato sinistro la variabile non risponde al reddito familiare (variabile nored) oppure non risponde né al reddito familiare né personale né del partner (variabile nothing) e sul lato destro invece hanno in arie combinazioni le variabili di cui sopra. Tra tutte queste probit, quella che presento nella tabella 7) è quella che mi pare contenere una descrizione più accurata dei dati, e si riferisce ai fattori che fanno si che un intervistato non dica nulla circa il reddito vuoi personale vuoi familiare. 11 Ciò non vuol dire che io creda che davvero siano poveri, ricchi e ceto medio, potevo anche chiamarli A B e C oppure quaglie tacchini e polli). 16

18 Tabella 8. La stima probit più convincente tra quelle stimate P robit estim ates N um ber of obs = 2121 L R chi2(16) = P rob > chi2 = L og lik elihood = P seud o R 2 = nothing Coef. Std. Err. z P> z cas -0, , ,44 0,659 p autonom o 0, , ,17 0,000 iabbienti -0, , ,69 0,000 fn oabbienti 0, , ,46 0,014 stannomale -0, , ,37 0,018 ricchi -0, , ,35 0,019 p overi -0, , ,70 0,089 eta 0, , ,31 0,131 ele 0, , ,48 0,439 p rof -0, , ,62 0,373 dip 0, , ,11 0,633 lau -0, , ,43 0,463 nordo 0, , ,19 0,589 norde -0, , ,04 0,672 sud 0, , ,14 0,005 sessof 0, , ,54 0,011 const , ,07 0,000 In questa regressione come in altre regressioni sufficientemente articolate le casalinghe rimangono completamente esonerate da ogni colpa: non è il fatto di essere casalinga in quanto tale che provoca la non-risposta al reddito, ma è il fatto di essere donne del sud. Infatti il coefficiente sulla variabile cas, casalinghe, non è significativo (P> z =0,659) ma se lo fosse sarebbe addirittura negativo, mentre sono positivi e significativi i coefficienti della variabile sud e della variabile sesso femminile. La variabile autonomo non è mai risultata significativa quando tra le variabili di controllo nella regressione erano incluse anche le normali variabili anagrafiche (età istruzione collocazione geografica). L essere lavoratore autonomo quindi non è una determinante della non risposta. Contrariamente a quanto da me ipotizzato, il fatto che il flusso di reddito degli autonomi sia meno regolare probabilmente non determina una loro ignoranza del proprio reddito. Se le persone possiedono beni, mobili o immobili, la probabilità che non rispondano diminuisce in maniera significativa. Ma se dividiamo il gruppo dei non rispondenti in 3 parti anziché in 2, notiamo che sono sia i più ricchi che i più poveri ad avere una significativamente minore probabilità di non rispondere, rispetto al ceto medio. Il livello di istruzione non sembra fare una differenza. E vero tuttavia che la gestione del patrimonio delle famiglie con casalinghe è affidata al partner: infatti nella regressione probit della variabile gestisce l altro (risposta in modalità 2 alla domanda 36) sulla stessa batteria di variabili anagrafiche inclusa la variabile casalinga vede questa variabile sempre fortemente significativa. Ma la variabile gestisce l altro non risulta essere indipendentemente significativa nella regressione probit della variabile non risponde sul reddito. I risultati della regressione dell equazione gemella fatta con variabile dipendente non rispondono al reddito familiare anziché con quella non rispondono a nessuno dei due sono sostanzialmente simili in significatività e segno. Le equazioni stimate con le variabili in negativo anziché in positivo (cioè usando INOINABBIENTI anziché IABBIENTI ecc.,) confermano, come atteso, i risultati mostrati nella regressione della tabella 7, mostrando cioè coefficienti di segno opposto ma simile significatività. 17

19 5. Conclusioni e implicazioni di policy Con riferimento ai quattro nodi problematici cui ho fatto riferimento nell introduzione, mi pare di poter sintetizzare il lavoro in quattro proposizioni. 1) I dati CoFiD sono sufficientemente buoni. Infatti sono dati innovativi, ma si conformano ad altre fonti di dati, e ci permettono di fare delle ipotesi falsificabili interessanti e nuove circa il funzionamento interno delle famiglie. 2) Abbiamo visto che i CoFiD corrispondono negli andamenti ai dati SHIW, e ambedue i dataset descrivono una situazione della distribuzione del reddito asimmetrica tra uomini e donne, intorno a un core di 1000 euro al mese. 3) I nostri dati sono compatibili con l ipotesi che le persone di sesso femminile in età lavorativa con un basso livello di istruzione, che vivono al sud, e hanno un partner autonomo, non conoscono il reddito della famiglia in cui vivono. Spesso queste persone non fanno parte delle forze di lavoro. Ne inferiamo che l orizzonte decisionale in cui operano queste persone è molto diverso da quello delle persone di sesso maschile, occupate, con alto livello di istruzione, che abitano al nord e hanno come partner un lavoratore dipendente. Ne deriva che questi due tipi di persone avranno modalità di reazione presumibilmente molto diverse davanti a qualsiasi tipo di shock, anche ai cambiamenti costituiti dai provvedimenti di politica economica, come per esempio la legge finanziaria. Questa è anche la principale implicazione di policy di questo lavoro. 4) La risposta al quarto ordine di problemi è che l affinamento della metodologia è necessario e ineludibile, ma abbiamo anche appreso che mentre cresce l affinamento del metodo di misura decresce la nostra possibilità di fidarci dei legami che stabiliamo tra le varie grandezze come se fossero certezze. Dovrebbe anche crescere in parallelo il nostro sano scetticismo sulla robustezza sia delle nostre affermazioni che delle affermazioni altrui ottenute con i medesimi state of the art strumenti metodologici, e soprattutto dovrebbe crescere la cautela con cui usiamo i risultati nei dibattiti relativi alle policy, per formulare le policy medesime. Bibliografia essenziale. Addis, E.[2004] Economia, genere, donne, denaro in Famiglia, Genere e relazioni economiche numero monografico di Inchiesta, a cura di C. Facchini, ottobre-dicembre. Bonke, J. and Browning, M. [2003] The distribution of well-being and income within the household, University of Copenhagen. Department of Economics, Centre for Applied Microeconometrics, Working Paper n Browning. and Chiappori, P-A. [1998] Efficient Intra-Household Allocations: A General Characterization and Empirical Tests, «Econometrica»,n.66, pp McElroy, M.J. and M.B. Horney, [1981]Nash Bargained household decision-making, «International Economic review», n.22, pp Ferrer-I-Carbonell, A.[2002] Subjective Questions to Measure Welfare and Well-being, Tinbergen Institute Discussion Paper, n.020/3. Pahl, J. [1989] Money and Marriage, Hampshire, MacMillan Education. Phipps, S. and P. Burton [1995] Sharing within families: implications for the measurement of poverty in Canada The Canadian Journal of Economics, Vol.28, No.!. Feb.,1995, pp

20 Phipps, S. and P. Burton [1998] What s mine is yours?the influence of Male and Female Incomes on patterns of Household Expenditure «Economica», n. 65. Plug, E.J.S., van Praag, B.M.S. [1998], Similarity in response behavior between household members: An application to income evaluation. «Journal of Economic Psychology», n. 19, pp Rapoport, B., Sofer, C., and Solaz, A. [2003], Household Production in a Collective Model: Some New Results, TEAM Working Paper, Université Paris 1-Panthéon-Sorbonne. Sen, Amartya [1990] Gender and cooperative conflict in I. Tinker (a cura di) Persistent Inequalities: Women and World Development, New York, Oxford University Press, pp Woolley, F. and J. Marshall [1999] Family:Economics of, The Elgar Companion to Feminist Economics, Chentenham, UK, Edward Elgar. 19