UNIVERSITÀ DEGLI STUDI DI NAPOLI

“PARTHENOPE” DIPARTIMENTO DI STUDI ECONOMICI

Le determinanti del capitale sociale in Italia

Damiano Fiorillo

WORKING PAPER N. 9.2008

JULY 2008

CORE Metadata, citation and similar papers at core.ac.uk

Provided by Research Papers in Economics

Redazione: Dipartimento di Studi Economici Università degli studi di Napoli “Parthenope” Via Medina, 40 80132 Napoli Tel. +39-081-5474736 – fax +39-081-5474750

La Redazione ottempera agli obblighi previsti dall’Art. 1 del D.L.L. 31.8.1945, n. 660.

Copie della presente pubblicazione possono essere richieste alla segreteria del Dipartimento.

Le determinanti del capitale sociale in Italia

Damiano Fiorillo°

Abstract

Il presente lavoro studia il processo d’accumulazione del capitale sociale in Italia. Il paper utilizza come concetto di capitale sociale le relazioni interpersonali e come principali misure empiriche di questa definizione la partecipazione attiva e passiva in organizzazioni sociali e la frequenza con cui s’incontrano gli amici, e si sviluppa lungo le linee seguenti. Applica una metodologia di statistical matching al dataset MULTISCOPO dell’Istat e al dataset SHIW-HA della Banca d’Italia per costruire dati cross section ripetuti, sulla base dei quali è analizzato il processo d’accumulazione del capitale sociale in Italia. I risultati ottenuti per l’Italia, come per gli Stati Uniti, mostrano come l’istruzione e il reddito familiare sono variabili rilevanti nella determinazione delle diverse misure di capitale sociale. Contrariamente agli Stati Uniti, la disuguaglianza del reddito non è una variabile rilevante nell’accumulazione di capitale sociale in Italia. Altra determinante significativa è la partecipazione religiosa, per la quale è lecito suggerire che essa possa risultare abbastanza interessante quale variabile strumentale con cui considerare e trattare il problema dell’identificazione econometrica specificato in Durlauf (2002, F469). Keywords: statistical matching, capitale sociale JEL classification: C21, C25, Z13 Abstract

This paper studies the accumulation of social capital in Italy. Social interactions are taken as a robust definition of social capital. The following empirical proxies are used: active and passive participation in various kinds of organisations and frequency of contact with friends. In order to merge information from different datasets, such as ISTAT’s (Italian Central Statistical Office) Multiscopo survey and Bank of Italy’s SHIW (Household Surveys of Income and Wealth), a statistical matching methodology is implemented to build repeated cross section data. The main results can be summed up as follows. Firstly, participation turns out to be a “normal good”, like in Alesina and La Ferrara (2000), as active and passive participation is positively related to household income. Secondly, unlike in previous works for the US (Alesina and La Ferrara, 2000; Costa and Khan, 2003), income inequality is found not to matter for the accumulation of social capital. Finally, some potential instrumental variables correlated with social capital accumulation and uncorrelated with household income are found, possibly providing means to deal with Durlauf’s econometric identification problem.

Keywords: statistical matching, social capital °Università di Napoli “Parthenope”. E-mail: damiano.fiorillo@uniparthenope.it

1

“What the empirical social capital literature ultimately needs is more matter and less art”

Durlauf e Fafchamps (2005)

1. Introduzione

Le relazioni interpersonali, le norme sociali e la fiducia, raggruppate sotto il termine di capitale sociale, hanno acquisito in anni recenti una grande attenzione nella scienza economica al punto che Bowles e Gintis hanno affermato che “social capital, like Voltaire’s God, would have to have been invented had it not existed” (Bowles e Gintis, 2002, p. F120). Tuttavia, se da un lato, molti studi empirici hanno analizzato il ruolo del capitale sociale in fenomeni economici, considerandolo come un missing link1, dall’altro lato, pochi lavori applicati hanno investigato in che modo esso si accumula. Precedenti investigazioni empiriche sulle determinanti del capitale sociale sono state condotte per gli Stati Uniti utilizzando dati della National Opinion Research Center’s General Social Survey (GSS) (Brehm e Rahn, 1997; Alesina e La Ferrara, 2000; Gleaser et al., 2002; Costa e Kahn, 2003).

Obiettivo del presente studio è di analizzare le determinanti del capitale sociale in Italia adoperando quale concetto di capitale sociale le relazioni interpersonali e quali indicatori la partecipazione passiva e attiva in organizzazioni sociali, come associazioni di volontariato, ecologiche, culturali, partiti politici e sindacati. Per ragioni essenzialmente legate alla disponibilità dei dati si considera anche la frequenza con cui s’incontrano gli amici: un indice ancora poco usato in lavori applicati. Per mia conoscenza, questa è la prima analisi empirica per Italia che lega misure di partecipazione interpersonale e sociale a misure di caratteristiche individuali e comunitarie, ivi compreso il reddito.

A differenza degli Stati Uniti in cui la GSS contiene una varietà d’indicatori sul comportamento economico, sociale e politico dei rispondenti americani, in Italia informazioni sul comportamento economico degli individui sono ricavabili dalla Survey del Reddito e della Ricchezza delle Famiglie della Banca d’Italia (SHIW), mentre informazioni sul comportamento sociale, culturale, politico ecc… sono desumibili dalle Indagini Multiscopo sulle Famiglie, Aspetti della Vita Quotidiana, dell’Istituto Nazionale di Statistica. Nel lavoro, al fine di ottenere un dataset contenente tutte le informazioni riguardanti la partecipazione attiva e passiva, la frequenza di incontri con gli amici, le caratteristiche individuali e le caratteristiche comunitarie dei rispondenti italiani si fa ricorso alla metodologia dello statistical matching, con cui, sulla base di variabili comuni ad entrambi le survey, le 1 Si veda Durlauf e Fafchamps (2005), per un approfondimento della letteratura sul capitale sociale e Fiorillo (2007), per una rassegna critica dei lavori empirici su legame tra il capitale sociale e le performance macroeconomiche.

2

informazioni disponibili nel dataset SHIW sono abbinate alle informazioni utilizzabili nel dataset Multiscopo, in modo da ottenere un dataset rappresentativo della popolazione di interesse.

L’Italia pur essendo una società omogenea con un comune sistema legale, amministrativo, giudiziario e fiscale, è la nazione in cui i sociologi per primi hanno studiato il capitale sociale, ed i suoi effetti economici, e per primi hanno sostenuto le tesi secondo cui: (i) il capitale sociale è la causa del minore sviluppo economico delle regioni del sud; (ii) la sua accumulazione ha carattere di path dependence ovvero è un processo ereditato dal passato contraddistinto da tempi lunghi e percorsi obbligati (Banfield, 1958; Putnam, 1993). Mentre la prima tesi ha dato impulso a studi empirici2 diretti ad analizzare gli effetti del capitale sociale sullo sviluppo, la seconda tesi ha originato un ampio e vivace dibattito critico tra gli studiosi3 che non ha prodotto un simile impulso agli studi applicati4, i quali si sono limitati a fornire una “geografia del capitale sociale in Italia”senza entrare nel merito dei fattori che sono alla base della sua accumulazione. Analizzare questi fattori è di grande interesse sia dal punto di vista teorico sia da quello metodologico.

Dal punto di vista teorico, Putnam (1993) sostiene che le relazioni interpersonali all’interno delle organizzazioni sociali generano esternalità positive quali lo sviluppo della fiducia e di amministrazioni pubbliche efficienti. Le relazioni all’interno delle organizzazioni sociali generano fiducia nella società, poiché rafforzano meccanismi sanzionatori in cui incorrono i trasgressori in caso di defezione; rinsaldano le norme sociali di reciprocità generalizzata; facilitano meccanismi di reputazione e definiscono schemi culturali utilizzabili per future cooperazioni (Putnam, 1993, p. 204). Inoltre, le amministrazioni pubbliche sono rafforzate, non indebolite, dalla presenza di numerose organizzazioni sociali. In tale circostanza, i cittadini richiedono governi migliori, servizi pubblici più efficienti e sono disposti ad agire collettivamente per raggiungere i loro comuni obiettivi (Putnam, 1993, p. 215). Infine, le relazioni e le organizzazioni sociali sono d’aiuto in ambienti d’asimmetria informativa, come nel caso specifico del mercato del lavoro (Pistaferri, 1999).

Dal punto di vista metodologico, Dulauf (2002) e Durlauf e Fafchamps (2005) argomentano che la letteratura empirica sul legame tra il capitale sociale e la crescita economica presenta problemi d’omissione di variabile (exchangeability) e d’identificazione econometrica, suggerendo che “Data at lower levels of aggregation […] are likely to be more amenable to persuasive analysis, provided the issues of exchangeability and identification can be addressed adequately” (Durlauf e Fafchamps, 2005, p. 1685). In altri termini, secondo gli autori, la

2 Si vedano Helliwell e Putnam (1995), Forni e Paba (2000), Guiso et al. (2004), de Blasio e Nuzzo (2005), Degli Antoni (2006), Rizzi e Popara (2006). 3 Si vedano Bagnasco (1994), Levi (1996), Tarrow (1996). 4 Si vedano Arrighetti et al. (2003), Micucci e Nuzzo (2005), Righi e Turi (2007), Sabatini (2007).

3

letteratura empirica ha prestato scarsa attenzione all’endogeneità del capitale sociale e alla relativa individuazione di variabili strumentali. Al riguardo una strategia, suggerita da Durlauf, è quella di rivolgere maggiore attenzione all’accumulazione di capitale sociale al fine di individuare le variabili con cui strumentare il capitale sociale in equazioni di output, in cui esso ne è una determinante (Durlauf, 2002, p. F469).

Il presente lavoro considera con attenzione i suggerimenti di Durlauf allo scopo di (i) accertare se alcune variabili solitamente considerate come influenzate dal capitale sociale (in particolare il reddito procapite) a loro volta ne possano determinano l’accumulazione; (ii) esplorare la possibilità che alcune variabili determinanti l’accumulazione del capitale sociale si possano configurare come variabili strumentali valide nel senso di Durlauf.

In letteratura, i lavori di Alesina e La Ferrara (2000) e di Costa e Khan (2003) per primi hanno analizzato le determinanti del capitale sociale con riferimento agli Stati Uniti. Come in quei lavori, il presente studio, quindi, analizza in che modo le caratteristiche individuali e le caratteristiche della comunità influenzano la decisione individuale di partecipare ad un’organizzazione sociale e di frequentare gli amici5. Il lavoro, inoltre, valuta anche gli studi empirici più recenti condotti sugli Stati Uniti nell’individuazione delle variabili indipendenti.

I risultati ottenuti per l’Italia, come per egli Stati Uniti, mostrano come l’istruzione e il reddito familiare sono variabili rilevanti nella determinazione delle diverse misure di capitale sociale. L’evidenza riguardo al reddito rende, in particolare, poco credibile l’utilizzazione pura e semplice di variabili di partecipazione come proxy empiriche robuste di capitale sociale nel senso di Durlauf. Differentemente dagli Stati Uniti, la disuguaglianza del reddito non è una variabile rilevante nell’accumulazione di capitale sociale. Altre determinanti significative sono alcuni fattori culturali e sociali, quali la lettura dei quotidiani e la partecipazione religiosa. Quest’ultima, per la quale è lecito supporre un’assenza di correlazione con il reddito e le variabili ad esso connesse, rappresenta una variabile strumentale valida con cui considerare e trattare il problema dell’identificazione econometrica specificato in Durlauf (2002, F469).

Il lavoro è articolato come segue. La sezione 2 definisce la strategia empirica. La sezione 3 descrive i dataset e la metodologia dello statistical matching. La sezione 4 presenta le determinanti del capitale sociale mentre la sezione 5

5 Alesina e La Ferrara (2002) studiano per gli Stati Uniti anche le determianti empiriche della fiducia interpersonale. Essi mostrano che la fiducia è legata alle caratteristiche individuali (età, istruzione, reddito familiare) ed è più bassa nelle comunità in cui è più elevata la disuguaglianza del reddito. Questa conclusione, sostanzialmente simile a quella mostrata in Alesina e La Ferrara (2000), rafforza la scelta di utilizzare la partecipazione come proxy empirica in grado di dare conto anche dell’impegno civico e della fiducia.

4

fornisce risultati descrittivi. La sezione 6 mostra i risultati empirici. L’ultima sezione conclude.

2. La strategia empirica

In questo lavoro il capitale sociale è concepito come le relazioni sociali esistenti in una comunità, in grado di produrre esternalità economiche positive (Coleman, 1988; Putnam, 1993; Woolcock, 1998; Portes 1998; Durlauf e Fafchamps 2005). Esso è misurato attraverso 1) la partecipazione in organizzazioni sociali, 2) l’attività gratuita svolta in organizzazioni sociali, 3) la frequenza d’incontri con gli amici. Seguendo Alesina e La Ferrara (2000) e Costa e Khan (2003), la decisione individuale è modellata come una funzione delle caratteristiche individuali e delle caratteristiche della comunità

La strategia empirica del paper è la seguente: i) applica una metodologia di statistical matching alle Indagini Multiscopo sulle Famiglie, Aspetti della Vita Quotidiana, dell’Istituto Nazionale di Statistica, e alle Survey del Reddito e della Ricchezza delle Famiglie della Banca d’Italia al fine di ottenere un dataset congiunto considerabile quale campione rappresentativo della popolazione italiana; ii) seleziona le variabili indipendenti che possono influenzare il capitale sociale sulla base degli studi esistenti e della disponibilità dei dati; iii) attua analisi descrittive delle misure di capitale sociale adottate; iv) utilizza equazioni Probit in cui s’ipotizza che il capitale sociale per l’individuo i nella comunità c sia descritto dal seguente modello

Y*,ic= Xicβ + Zcγ + Rcδ + Tλ + εt (1)

dove Xic è il vettore delle caratteristiche individuali, Zc è il vettore delle variabili di comunità (contenente l’eterogeneità in termini di reddito), Rc è una dummy per la regione in cui l’individuo risiede, T è una dummy dell’anno, ed εit è il termine di errore normalmente distribuito. Y*,ic è la variabile “latente” non osservata. Denotato Yic la variabile dipendente osservata, allora

Yic= 0 se Y*,ic ≤ 0 Yic = Y*,ic se Y*,ic > 0

(2)

Il modello Probit (1) – (2) è stimato considerando i dati a livello individuale e prendendo la regione come dimensione della comunità. Si è interessati al vettore dei coefficienti β e γ al fine di ottenere indicazioni riguardo alle determinanti individuali e comunitarie del capitale sociale.

5

3. I dataset utilizzati e la metodologia del matching statistico

Nei paragrafi successivi si descrive brevemente i dataset usati (§ 3.1), la metodologia dello statistical matching (§ 3.2) e la tecnica utilizzata nel lavoro (§ 3.3).

3.1. I Dataset utilizzati

Lo studio usa i micro-dati dell’Archivio Storico della Survey del Reddito e della Ricchezza delle Famiglie della Banca d’Italia (SHIW-HA) e i micro-dati dell’Indagine Multiscopo sulle Famiglie dell’Istituto Nazionale di Statistica (MULTISCOPO).

La Banca d’Italia ha condotto la SHIW annualmente dal 1965 al 1987 (eccetto che per il 1985). Dal 1987 la cadenza della Survey è biennale (eccetto che per il 1998) e riguarda un campione rappresentativo di circa 8.000 famiglie e 24.000 individui. La SHIW fornisce informazioni dettagliate su reddito, risparmio, consumo e ricchezza delle famiglie italiane così come informazioni sulle caratteristiche personali di ciascun membro della famiglia come, l’età, il genere, l’educazione, il luogo di residenza, etc…

In quest’applicazione si usano i dati sulle caratteristiche personali e sul reddito totale della famiglia per gli anni 1993, 1995, 1998 e 2000 considerando come unità d’analisi l’individuo. Dal reddito totale familiare si calcola, a livello regionale, la mediana del reddito e l’indice di Gini quale misura della disuguaglianza di reddito.

L’Istituto Nazionale di Statistica ha avviato il nuovo corso della MULTISCOPO nel 1993. Ogni anno un campione rappresentativo di circa 20.000 famiglie e 60.000 individui è rilevato al fine di ottenere informazioni sugli aspetti fondamentali della vita quotidiana e sui relativi comportamenti6.

L’indagine, in particolare, domanda agli intervistati se, negli ultimi dodici mesi, hanno partecipato a riunioni o svolto attività gratuita per un’organizzazione sociale quale un’associazione di volontariato, ecologica e culturale, un partito politico, un sindacato. L’indagine, inoltre, chiede ai rispondenti se, e in che frequenza, hanno incontrato gli amici. Le risposte a questi quesiti costituiscono le variabili dipendenti del presente studio. Infine, dell’ampio flusso d’informazione della survey si fa ricorso ai dati riguardanti le caratteristiche personali, il tempo libero, l’abitazione di proprietà, la lettura dei quotidiani, gli stili di vita, il luogo di

6 I principali contenuti informativi dell’indagine MULTISCOPO sono: famiglia, abitazione, luogo di residenza, istruzione e formazione, lavoro domestico ed extradomestico, spostamenti quotidiani, tempo libero e partecipazione sociale, stili di vita e condizioni di salute, uso dei servizi sanitari, micro-criminalità, funzionamento dei servizi di pubblica utilità (Si veda per un approfondimento Indagine MULTISCOPO sulle Famiglie, Manuale Utente).

6

residenza e la microcriminalità per gli anni 1993, 1995, 1998 e 2000 considerando come unità di analisi l’individuo7.

3.2. Statistical Matching

Lo Statistical matching è una metodologia con cui informazioni disponibili da due o più dataset possono essere combinate tra loro per consentire analisi che altrimenti non sarebbero possibili da un unico database.

Si considerino due dataset e si supponga che contengano due file: il file A ed il file B. Per realizzare un match statistico tra questi file, è necessario che informazioni comuni sulle unità siano disponibili in ciascun file. Sia XA l’insieme di variabili misurate sul file A, ed XB l’insieme di variabili misurate sul file B. Si assume che questi due insiemi di variabili possano essere trasformati in un insieme comune di caratteristiche. Indichiamo queste caratteristiche che sono misurate per gli individui in entrambi i dataset come il vettore X = (X1, …, XP). Le rimanenti variabili in ognuno dei file, su cui non vi è sovrapposizione, sono indicate come Y = (Y1, …, YQ) nel file A e come Z = (Z1, …, ZR) nel file B. L’obiettivo dello statistical matching è di creare un file, il file C in cui ciascun record contenga tutte le variabili X, Y e Z. Per ciascuna unità nel file A, è individuata una unità simile nel file B, dove la similarità è valutata in termini di una funzione delle variabili X. Le variabili Z nel file B sono poi attribuite al matching record del file A, dando origine ad un record completo di dati (X, Y, Z) (Rodgers, 1984)8.

Lo Statistical matching si basa su un’assunzione semplice, secondo cui i campioni da abbinare siano rappresentativi della popolazione d’interesse, e su un’assunzione implicita: le variabili Y e Z siano indipendenti data un’osservazione della variabile X, in altre parole la distribuzione condizionale di Y, dato X, sia indipendente dalla distribuzione condizionale di Z, dato X (Ipotesi d’Indipendenza Condizionale). Questa ipotesi comporta in pratica, innanzitutto, che le distribuzioni delle variabili X, Y e Z del risultante file statisticamente abbinato siano identiche alle distribuzioni empiriche delle variabili X, Y e Z dei file originari. In seconda istanza, che l’unico test per valutare la validità di una tecnica di matching sia quello basato sulla distribuzioni marginali delle variabili. “Usually a statistical match is said to be successful if the marginal and joint empirical distributions of Z and Y as they are observed in the donor sample are nearly the same in the statistically matched file (Rässler, 2002, p. 23).

7 Le Indagini MULTISCOPO, relative agli anni considerati, presentano la stessa strategia di campionamento ed il medesimo disegno campionario. Per un approfondimento si veda il Manuale Utente delle Indagini: anno 1993, appendice C, pp. 1-2; anno 1995, appendice B, pp. 287-289: anno 1998, appendice C, pp. 60; anno 2000, appendice C, pp. 1-2. 8 Per una sintesi esauriente delle metodologie di statistical matching si veda Rässler (2002) e D’Orazio et al. (2006).

7

3.3. Statistical matching con residuo casuale

Nel presente studio, il dataset A è la MULTISCOPO ed il dataset B è la SHIW-HA. Entrambi i campioni sono rappresentativi della popolazione italiana e sono simili rispetto al periodo di tempo preso in esame e al tipo di questioni domandate. Divergono rispetto alla dimensione avendo la MULTISCOPO una numerosità maggiore9.

Nell’individuazione delle variabili comuni ad entrambi i dataset si seguono i seguenti criteri: i) le variabili comuni selezionate sono classificate in modo simile in entrambe le survey; ii) le variabili comuni selezionate sono osservate per tutti gli individui nei campioni; iii) le variabili comuni selezionate sono considerate determinanti importanti della partecipazione sociale nella MULTISCOPO. Poiché la partecipazione sociale è investigata dal tredicesimo anno d’età, si escludono gli individui con meno di 13 anni. Quindi, il campione della MULTISCOPO è costituito da 47378 individui nel 1993, 51989 nel 1995, 67009 nel 1998 e 50618 nel 2000; mentre il campione della SHIW-HA è rappresentato da 20793 individui nel 1993, 20778 nel 1995, 18089 nel 1998 e 19557 nel 2000.

Le variabili comuni, X, ad entrambi i dataset selezionate sono: genere, età, istruzione, numero dei componenti della famiglia, numero di figli, regione di residenza, condizione professionale, settore di attività e proprietà dell’abitazione.

Quale analisi di base, si confrontano le medie delle variabili comuni selezionate. Per il genere, l’età, l’istruzione, il numero dei componenti della famiglia, il numero di figli e la regione di residenza, non si riscontrano differenze tra i due dataset. Per la condizione professionale, il settore di attività e la proprietà dell’abitazione si rinvengono alcune differenze tra le due survey solo per gli anni 1993 e 1995. In particolare, nella MULTISCOPO gli occupati sono sovra-rappresentati, così come il settore privato ed i proprietari d’abitazione, mentre nella SHIW-HA sono sovra-stimati i pensionati ed il settore pubblico.

Il passo successivo è quello di compiere il matching statistico tra i due campioni. L’approccio utilizzato è quello dell’imputazione di regressione con residuo casuale: un residuo è aggiunto ad una regressione delle variabili da imputare sulle variabili comuni10. In questo caso, una regressione dei MQO del reddito familiare è condotta sull’insieme delle variabili comuni nel dataset SHIW-HA. Il residuo casuale è, poi, “aggiunto” al prodotto tra l’insieme delle variabili comuni nel dataset MULTISCOPO ed i coefficienti stimati ottenuti nella regressione dei MQO nella SHIW-HA. L’output così conseguito individua i valori imputati. In questo modo, ciascun individuo della MULTISCOPO ha attribuito il reddito familiare predetto di un simile individuo della SHIW-HA. 9 Si veda Del Boca et al. (2005) riguardo all’implementazione di un’altra tecnica di matching per abbinare statisticamente i dataset SHIW e Multiscopo. 10 Per una descrizione di questa metodologia si veda Rubin (1986) e Little (1988). Per una analisi approfondita Rässler (2002, pp. 96-101).

8

Infine, si procede alla valutazione del matching statistico confrontando, per ognuno degli anni considerati, la distribuzione condizionata del reddito familiare, date l’età, il livello d’istruzione e la ripartizione territoriale, nella Survey SHIW-HA e nel dataset finale (variabili della MULTISCOPO più il reddito familiare)11. Si osserva che le distribuzioni marginali del reddito familiare sono quasi le stesse nel file donante e nel file statisticamente abbinato.

4. Accumulazione di capitale sociale

La selezione delle variabili indipendenti è effettuata sulla base della disponibilità dei dati e dei lavori esistenti, sia quelli più remoti (Alesina e La Ferrara 2000; Costa e Khan 2003; Glaeser et al. 2002) sia quelli più recenti12 (Iyer et al. 2005; Rupasingha et al 2006). Le variabili indipendenti sono:

Femmina, poiché le donne sono più coinvolte nelle faccende domestiche e nella cura dei bambini, esse potrebbero partecipare e svolgere meno attività gratuita. (Alesina e La Ferrara, 2000). Tuttavia, l’effetto netto è incerto dipendendo anche da altre variabili come l’età e l’istruzione.

Coniugato, gli individui sposati sono probabilmente più impegnati in attività sociali che gli individui singoli (Rupasingha et al 2006). Ciò nonostante l’effetto netto è incerto, poiché dipende da altre variabili come la presenza e l’età dei figli.

Età dei figli (0-5), (6-12), (13-17), poiché l’attività di crescita dei bambini è time consuming, ci si aspetta che la presenza di bimbi piccoli (0-5 anni) riduca la partecipazione (Alesina e La Ferrara, 2000), l’attività gratuita e la frequenza degli incontri con gli amici, mentre l’accumulazione può aumentare in presenza di bambini più grandi d’età, quale conseguenza della socializzazione (Rupasingha et al 2006).

Età, la partecipazione e le amicizie si accumulano e si sviluppano con l’età, quindi, è plausibile attendersi che il capitale sociale aumenti con l’età (Iyer et al. 2005). Alesina e La Ferrara (2000) mostrano che le persone più anziane partecipano in gruppi sociali più dei giovani, probabilmente perché hanno più tempo a disposizione. Tuttavia, Glaeser et al. (2002) sostengono che l’investimento in capitale sociale può declinare con l’età poiché si riduce la vita attesa su cui l’investimento produce il suo rendimento. Ipotesi che Rupasingha et al (2006) riscontrano empiricamente. Nel presente lavoro si sottopone a verifica l’ipotesi del ciclo vitale dell’accumulazione di capitale sociale includendo cinque dummy d’età.

11 Le distribuzioni sono disponibili su richiesta. 12 Entrambi gli studi utilizzano per gli Stati Uniti dati non GSS. In particolare Iyer et al. usano la Social Capital Community Benchmark Survey 2000, mentre Rupasingha et al fanno ricorso alla Country Business Patterns compilata dal Bureau of the Census.

9

Istruzione, l’associazione tra l’istruzione (capitale umano) e il capitale sociale è un risultato ben documentato in letteratura (Alesina e La Ferrara 2000; Glaeser et al. 2002; Iyer et al. 2005; Rupasingha et al 2006). In questo studio l’associazione dell’istruzione con le misure di capitale sociale adottate è testata suddividendo l’educazione in cinque variabili dummy.

Reddito totale, reddito mediano e disuguaglianza, un alto reddito totale può indurre gli individui a lavorare meno ore lasciando loro più tempo per la partecipazione passiva e attiva e la frequenza d’incontri con amici. Inoltre, un più elevato reddito mediano può indicare che più una comunità è ricca più investe in capitale sociale. Alesina e La Ferrara (2000) mostrano che la partecipazione passiva è crescente nel reddito familiare e nel reddito mediano (a livello di aree metropolitane). Un’elevata disuguaglianza di reddito, invece, può ridurre l’accumulazione di capitale sociale (Alesina e La Ferrara 2000; Costa e Khan, 2003) Se i premi della società sono distribuiti sempre più in modo ineguale, le persone possono sentirsi sfruttate e quindi ridurre la loro fiducia negli altri cittadini (Rupasingha et al 2006). Seguendo Alesina e La Ferrara (2000), Costa e Khan (2003) e Rupasingha et al (2006) il presente lavoro utilizza l’indice di Gini quale misura della disuguaglianza di reddito.

Partecipazione al mercato del lavoro, lo stato lavorativo, il tipo ed il settore d’impiego possono influenzare il livello del capitale sociale (Iyer et al. 2005; Glaeser et al. 2002; Rupasingha et al 2006). Da un lato, poiché gli individui con occupazioni di livello più elevato ricevono un reddito da lavoro maggiore, il costo dell’accumulazione in capitale sociale aumenta. Dall’altro lato, il luogo di lavoro può essere una fonte di network e d’altre forme d’impegno civico che aumentano i benefici dell’accumulazione in capitale sociale. In questo studio, lo stato lavorativo, il tipo ed il settore d’impiego sono esaminati per mezzo di tre variabili dummy.

Proprietà dell’abitazione, lettura dei quotidiani, frequenza religiosa, DiPasquale e Gleaser (1999) sostengono che i proprietari hanno un incentivo a migliorare la comunità in cui vivono al fine di proteggere il loro investimento e perché la proprietà è una barriera alla mobilità. Glaeser et al. (2002) affermano che i proprietari allo scopo di incrementare il valore della loro proprietà locale hanno incentivi ad investire in forme di capitale complementare al capitale residenziale, come le organizzazioni civiche. Patnam (1993, p. 109) argomenta che i giornali, specialmente in Italia, sono il mezzo più valido per diffondere le informazioni sugli avvenimenti e sui problemi del luogo. I lettori sono meglio informati dei non lettori e per questo più preparati a partecipare a decisioni riguardanti la comunità. Secondo Platteau (1994, pp. 767-771) le credenze religiose hanno un ruolo centrale nel processo di generazione e mantenimento delle norme morali intese come regole che prendono in considerazione l’interesse altrui e che sono in parte internalizzate dagli individui. Considerata l’attività gratuita una regola morale a cui l’individuo si conforma perché è intrinsecamente premiante in sé, è ammissibile ipotizzare che più le credenze religiose siano radicate nell’individuo maggiore sia l’aderenza alla

10

norma e, quindi, maggiore il tempo donato alla comunità d’appartenenza. Nel presente lavoro, la proprietà dell’abitazione, la lettura dei quotidiani e la partecipazione religiosa sono analizzate ricorrendo a tre variabili dummy.

Stato di salute, l’effetto dello stato di salute percepito sull’accumulazione di capitale sociale è incerto. Da una parte, infatti, ci si aspetta che il capitale sociale aumenti con il miglioramento della percezione dell’individuo riguardo al proprio stato di salute. Tuttavia, dall’altra parte, l’accumulazione di capitale sociale potrebbe aumentare se gli individui considerano la partecipazione passiva e attiva e la frequenza d’incontri con amici, un modo per ottenere condivisione, informazioni, servizi, aiuto materiale attraverso cui migliorare il proprio stato di benessere. Nel lavoro, la percezione dello stato di salute è osservata per mezzo di una variabile dummy.

Microcriminalità, l’impatto della microcriminalità sull’accumulazione di capitale sociale è incerto. Invero, da una parte ci si attende che il capitale sociale si riduca all’aumentare di fenomeni di criminalità (scippi e borseggi) subiti, dall’altra parte questi eventi possono indurre le persone con preferenze di tipo sociale a partecipare di più, in modo attivo e passivo, in organizzazioni sociali. . Nell’applicazione, la microcriminalità è misurata ricorrendo ad una variabile dummy.

Parcheggio, traffico, inquinamento, sono fattori ambientali connessi al luogo in cui il rispondente risiede. L’intuizione è che questi fattori passano influenzare i pattern di capitale sociale. Le variabili considerare sono analizzate ricorrendo a tre dummy.

5. Risultati descrittivi

Statistiche descrittive e semplici correlazioni tra le misure di capitale sociale e la misura d’eterogeneità del reddito sono mostrate nella tabella 1. La definizione di tutte le variabili è riportata nell’appendice.

Il panel A della tabella 1 mostra che la partecipazione più diffusa è quella in un’associazione culturale: il 10 percento dei rispondenti dichiara di prendere parte a quest’organizzazione sociale. La partecipazione alle riunioni sindacali è la seconda categoria più popolare, con un tasso dell’8 percento, seguita dalle riunioni in

11

Tabella. 1. STATISTICHE DESCRITTIVE E CORRELAZIONI

Panel A: Statistiche Descrittive

Media Deviazione Standard Minimo Massimo Osservazioni

Partecipa in ass. volontariato 0.07 0.25 0 1 210665 Partecipa in ass. ecologiche 0.02 0.14 0 1 210266 Partecipa in ass. culturali 0.10 0.30 0 1 210757 Partecipa in partiti 0.04 0.20 0 1 211358 Partecipa in sindacati 0.08 0.28 0 1 210935 Attività gratuita in ass. volontariato 0.08 0.28 0 1 211160 Attività gratuita in altre associazioni 0.03 0.18 0 1 210971 Attività gratuita in partiti 0.02 0.13 0 1 211138 Attività gratuita in sindacati 0.02 0.13 0 1 211055 Amici 0.24 0.43 0 1 215564 Femmina 0.52 0.50 0 1 216993 Coniugato 0.58 0.49 0 1 216993 Età14-20 0.10 0.30 0 1 216993 Età21-30 0.17 0.38 0 1 216993 Età31-40 0.18 0.37 0 1 216993 Età41-50 0.16 0.37 0 1 216993 Età51-65 0.21 0.41 0 1 216993 Età≥66 0.17 0.38 0 1 216993 Educ0 anni 0.06 0.25 0 1 216993 Educ5 anni 0.25 0.43 0 1 216993 Educ8 anni 0.32 047 0 1 216993 Educ13 anni 0.30 0.46 0 1 216993 Educ18 anni 0.06 0.25 0 1 216993 Ncomp 3.26 1.31 0 12 216993 Figli≤5 0.13 0.39 0 4 216993 Figli6-12 0.20 0.48 0 4 216993 Figli 13-17 0.23 0.50 0 4 216993 Reddito familiare predetto (ln) 10.64 0.46 8.68 12.22 216993 Occupato 0.43 0.49 0 1 216993 Dipendente 0.31 0.46 0 1 216993 Servizi pubblici 0.09 0.29 0 1 216993 Mediana reddito familiare (ln)) 10.55 0.24 10.05 10.98 216993 Gini 0.35 0.03 0.25 0.44 216993 Proprietà_casa 0.72 0.45 0 1 216993 Quotidiani 0.25 0.43 0 1 212787 Partecipazione religiosa 0.27 0.44 0 1 212603 Ottima salute 0.45 0.50 0 1 213792 Microcriminalità 0.03 0.17 0 1 216555 Parcheggio 0.39 0.49 0 1 215259 Traffico 0.23 0.42 0 1 214895 Inquinamento 0.30 0.46 0 1 215059

12

Panel B: Correlazioni

Partecipa in

ass.di volontariato

Partecipa in ass. ecologiche

Partecipa in ass. culturali

Partecipa in partiti

Partecipa in sindacati

Gini -0.0290*** -0.0083*** -0.0330*** 0.0055 -0.0252***

Attività gratuita in ass.di volontariato

Attività gratuita in ass. non di

volontariato

Attività gratuita in partiti

Attività gratuita in sindacati

Gini -0.0383*** -0.0398*** -0.0028 -0.0087***

Amici Mediana reddito familiare (ln)

Gini 0.0309*** -0.5620***

Note: la descrizione delle variabili è riportata in appendice. Il Panel A contiene le statistiche descrittive. Il Panel B mostra le correlazioni tra le misure di capitale sociale e la misura d’eterogeneità del reddito. Il simbolo*** denota che il coefficiente è significativo al livello dell’ 1 percento.

Tabella. 2. TREND NELLE MISURE DI CAPITALE SOCIALE E NELL’INDICE DI GINI

Panel A. Trend nelle misure di capitale sociale, 1993-2000 (valori medi)

1993 1995 1998 2000 Periodo

Partecipa in ass. di volontariato 0,06 0,07 0,06 0,07 0,07

Partecipa in ass. ecologiche 0,02 0,02 0,02 0,02 0,02

Partecipa in ass.cultural 0,10 0,11 0,09 0,10 0,10

Partecipa in partiti 0,05 0,05 0,04 0,04 0,04

Partecipa in sindacati 0,08 0,09 0,08 0,08 0,08 Attività gratuita in ass. di volontariato 0,08 0,09 0,08 0,09 0,08

Attività gratuita in ass. non di volontariato 0,03 0,03 0,03 0,04 0,03

Attività gratuita in partiti 0,02 0,02 0,01 0,02 0,02

Attività gratuita in sindacati 0,02 0,02 0,02 0,02 0,02

Amici 0,26 0,26 0,22 0,24 0,24

Panel B. Trend nella misura di eterogeneità del reddito (valori medi)

1993 1995 1998 2000

Ginia 0,35 0,35 0,34 0,34 0.35

a) coefficiente di Gini calcolato sul reddito familiare totale nella regione dove il rispondente vive.

13

Figura 1. PERCENTUALE DI INDIVIDUI CHE IN CIASCUNA REGIONE PARTECIPANO AD ALMENO UNA TRA

LE RIUNIONI DI ASSOCIAZIONI DI VOLONTARIATO, ECOLOGICHE, CULTURALI, PARTITI POLITICI E SINDACATI. 1993-2000.

associazioni di volontariato, 7 percento, e dei partiti politici, 4 percento. Solo il 2 percento del campione partecipa a riunioni di associazioni ecologiche.

L’attività gratuita più ampia è quella per un’associazione di volontariato con un tasso dello 0,08, seguita da quella per un’altra associazione con un tasso dello 0,03. L’attività gratuita per un partito politico e per un sindacato hanno, rispettivamente, un tasso dello 0.02.

Non si evince una notevole variazione nei tassi di partecipazione e di attività gratuita: la deviazione standard delle variabili è compresa tra lo 0.13 e lo 0.30.

Riguardo alla frequenza con cui s’incontrano gli amici, in media il 24 percento dei rispondenti dichiara di incontrarsi più volte a settimana, con una deviazione standard rilevante di 0.43. La media dell’indice di Gini è di 0.35 con una deviazione standard di 0.03.

14

Figura 2. PERCENTUALE DI INDIVIDUI CHE IN CIASCUNA REGIONE SVOLGONO ATTIVITÀ GRATUITA PER

ALMENO UNA TRA ASSOCIAZIONI DI VOLONTARIATO, NON VOLONTARIATO, PARTITI POLITICI E SINDACATI. 1993-2000.

Il panel B della tabella 1 esibisce le correlazioni tra le misure di capitale sociale e la misura d’eterogeneità del reddito. In prevalenza le correlazioni sono negative e quantitativamente non significative; questo, tuttavia, non sarà più del tutto vero quando si effettuerà l’analisi multivariata.

La tabella 2 mostra il trend nelle misure di capitale sociale e nell’indice di Gini. Una debole tendenza emerge nella partecipazione in associazioni di volontariato e culturali, nell’attività gratuita in associazioni di volontariato e in altre associazioni e, infine, nella frequenza con cui s’incontrano gli amici più volte a settimana. Una sostanziale stabilità si riscontra, invece, per le altre misure di capitale sociale così come per l’indice di Gini.

Le figure 1, 2 e 3 illustrano la distribuzione geografica della partecipazione e dell’attività gratuita in almeno un gruppo sociale e del coefficiente di Gini, riportando le medie campionarie a livello regionale.

15

Figura 3. COEFFICIENTE DI GINI. 1993-2000. Le figure 1 e 2 mostrano la distribuzione della partecipazione e dell’attività

gratuita. Esse sono la percentuale d’individui che in ciascuna regione partecipano e svolgono attività gratuita per almeno un gruppo sociale (media dal 1993 al 2000).

Si può notare un’Italia divisa in due. Precisamente, queste misure sono molto alte nelle regioni del Nord Est (inclusa l’Emilia Romagna), alte nelle regioni del Centro-Nord Ovest (con l’eccezione della Liguria), basse nelle restanti regioni del Centro e del Sud, e molto basse in alcune di queste ultime regioni (Abruzzo, Molise, Campania e Sicilia).

La figura 3 esibisce la distribuzione del coefficiente di Gini, media dal 1993 al 2000, calcolato a livello di regione. Questa figura evidenzia un comportamento piuttosto interessante, quando confrontata con le figure 1 e 2: la disuguaglianza di reddito è più elevata nelle regioni del Sud (in particolare in Campania, Calabria e Sicilia) e più bassa nelle regioni del Nord Est (inclusa l’Emilia Romagna), vale a

16

dire nelle regioni dove la partecipazione e l’attività gratuita sono, rispettivamente, più basse e più alte.

6. Evidenze empiriche

I risultati del modello Probit (1)–(2) sono riportati nelle tabelle 3, 4 e 5 in cui sono mostrati gli effetti marginali Probit, calcolati sulla media delle variabili indipendenti, e gli errori standard (indicati in parentesi), corretti per l’eteroschedasticità e il clustering dei residui a livello regionale. L’usuale notazione (*) denota il livello di significatività. Per ragioni di chiarezza espositiva, i risultati sono presentati nel seguente ordine: partecipazione attiva, partecipazione passiva e frequenza d’incontri con amici più volte a settimana. Inoltre, non si riportano le stime riguardanti l’anno. Il percorso delle dummy temporali mostra un trend in linea con quello riportato nella tabella 2.

6.1. Partecipazione attiva

Innanzi tutto, le femmine svolgono probabilmente meno attività gratuita rispetto ai maschi, mentre le persone sposate prestano meno lavoro volontario degli individui caratterizzati da altri stati civili, tranne che per un partito politico e un sindacato. Ne scaturisce che in associazioni di volontariato e in altre associazioni, il lavoro non pagato è fornito probabilmente da maschi celibi, mentre nei gruppi partito politico e sindacato, il lavoro volontario è prestato probabilmente da maschi coniugati.

In secondo luogo, i coefficienti marginali delle dummy dell’età indicano una relazione non lineare tra l’età e la probabilità di svolgere attività gratuita per un’associazione di volontariato, un partito politico ed un sindacato. La probabilità di diventare un volontario, per questi gruppi sociali, aumenta con l’età fino alla classe di riferimento, compresa tra 41 e 50 anni, e poi si riduce. Le stime non cambiano, quando s’introduce un effetto benessere. Controllando per le persone che dichiarano di essere in ottimo stato di salute (Ottima salute), il declino persiste.

Esaminando in particolare un’associazione di volontariato, si evidenzia che un aumento di una deviazione standard della variabile riguardante l’età superiore a 65 anni riduce la partecipazione attiva di 1.5 punti percentuali, una riduzione che è circa un quinto della media dell’attività gratuita per un’associazione di volontariato. L’evidenza che l’attività gratuita, ceteris paribus, presenta una relazione ad u-rovesciata lungo il ciclo vitale conferma, per un’associazioni di volontariato, i risultati della letteratura sul lavoro volontario fornita da Menchik e Weisbrod (1987), Day e Devlin (1996), rispettivamente, per gli Stati Uniti ed il Canada.

17

Tabella. 3. STIME PROBIT DELLA PARTECIPAZIONE ATTIVA

Attività gratuita in ass.

volontariato

Attività gratuita in altre

associazioni

Attività gratuita in partiti

Attività gratuita in sindacati

Femmina -0.0130*** (0.0021)

-0.0118*** (0.0009)

-0.0126*** (0.0005)

-0.0100*** (0.0005)

Coniugato -0.0056*** (0.0018)

-0.0020** (0.0010)

0.0018** (0.0007)

0.0010*** (0.0003)

Età14-20 -0.0121*** (0.0037)

-0.0032** (0.0014)

-0.0066*** (0.0007)

-0.0081*** (0.0004)

Età21-30 -0.0083*** (0.0022)

-0.0060*** (0.0015)

-0.0053*** (0.0008)

-0.0073*** (0.0003)

Età31-40 -0.0062*** (0.0018)

-0.0046** (0.0009)

-0.0034*** (0.0008)

-0.0036*** (0.0005)

Età51-65 -0.0029 (0.0021)

-0.0033** (0.0015)

-0.0026*** (0.0007)

-0.0000 (0.0005)

Età≥66 -0.0390*** (0.0023)

-0.0159*** (0.0011)

-0.0074*** (0.0005)

-0.0029*** (0.0007)

Educ5 anni 0.0510*** (0.0044)

0.0219*** (0.0052)

0.0057*** (0.0021)

0.0075*** (0.0016)

Educ8 anni 0.0871*** (0.0066)

0.0402*** (0.0053)

0.0110*** (0.0019)

0.0142*** (0.0025)

Educ13 anni 0.1353*** (0.0092)

0.0627*** (0.0066)

0.0187*** (0.0032)

0.0188*** (0.0034)

Educ18 anni 0.2147*** (0.0157)

0.1254*** (0.0125)

0.0322*** (0.0061)

0.0241*** (0.0056)

Ncomp -0.0010 (0.0013)

-0.0002 (0.0006)

-0.0004* (0.0002)

-0.0004** (0.0002)

Figli≤5 -0.0097*** (0.0018)

-0.0029*** (0.0011)

-0.0009 (0.0007)

0.0000 (0.0004)

Figli6-12 0.0029* (0.0017)

0.0004 (0.0009)

0.0005 (0.0005)

0.0013*** (0.0003)

Figli 13-17 0.0050*** (0.0016)

0.0010 (0.0010)

0.0006 (0.0004)

0.0011** (0.0004)

Reddito familiare predetto (ln) 0.0132*** (0.0036)

0.0087*** (0.0018)

0.0024*** (0.0010)

-0.0009 (0.0009)

Occupato -0.0111*** (0.0041)

-0.0015 (0.0013)

-0.0008 (0.0010)

-0.0008 (0.0008)

Dipendente -0.0078*** (0.0026)

-0.0051*** (0.0009)

0.0006 (0.0012)

0.0117*** (0.0013)

Servizi pubblici 0.0239*** (0.0042)

0.0106*** (0.0013)

0.0051*** (0.0007)

0.0090*** (0.0011)

Mediana reddito familiare (ln) -0.0005 (0.0226)

-0.0141 (0.0129)

-0.0041 (0.0081)

0.0018 (0.0055)

Gini 0.1468* (0.0761)

-0.0789 (0.0522)

-0.0034 (0.0140)

-0.0158 (0.0104)

Proprietà_casa 0.0053 (0.0033)

0.0014 (0.0011)

-0.0001 (0.0007)

0.0002 (0.0007)

Quotidiani 0.0192*** (0.0018)

0.0071*** (0.0013)

0.0118*** (0.0006)

0.0065*** (0.0006)

Partecipazione religiosa 0.0274*** (0.0045)

0.0052*** (0.0012)

-0.0037*** (0.0008)

-0.0018*** (0.0006)

Ottima salute -0.0066*** (0.0011)

-0.0030*** (0.0009)

-0.0019*** (0.0004)

-0.0018*** (0.0003)

Microcriminalità 0.0156*** (0.0043)

0.0051*** (0.0011)

0.0030** (0.0014)

0.0041*** (0.0009)

Parcheggio 0.0071*** (0.0021)

0.0035*** (0.0010)

0.0024*** (0.0008)

0.0019*** (0.0006)

Traffico -0.0014 (0.0022)

-0.0016* (0.0009)

0.0009 (0.0006)

-0.0012*** (0.0004)

Inquinamento 0.0039 (0.0026)

0.0008 (0.0011)

0.0008 (0.0008)

0.0001 (0.0004)

18

Tabella. 3. STIME PROBIT DELLA PARTECIPAZIONE ATTIVA (CONTINUA)

Attività gratuita in ass.

volontariato

Attività gratuita in altre

associazioni

Attività gratuita in partiti

Attività gratuita in sindacati

Regioni SI SI SI SI Anni SI SI SI SI Osservazioni 205359 205177 205340 205258 Pseudo R2 0.0861 0.0866 0.1099 0.1429 Log likelihood -54521.239 -28495.607 -15889.115 -14941.026

Note. La variabile dipendente è l’attività gratuita per: un’associazione di volontariato, un’altra associazione, un partito politico e un sindacato (negli ultimi 12 mesi). I coefficienti riportati sono effetti marginali calcolati sulla media delle variabili indipendenti. Gli errori standard riportati in parentesi sono corretti per l’eteroschedasticità ed il clustering dei residui a livello regionale. Il campione è una cross-section ripetuta per gli anni 1993, 1995, 1998, 2000. Per una descrizione di tutte le variabili utilizzate si rimanda all’appendice. I simboli *, **, *** denotano che il coefficiente è statisticamente differente da zero a livello del 1, del 5 e del 10 percento.

La probabilità di essere un volontario aumenta con il livello d’istruzione: all’aumentare del titolo d’istruzione le persone svolgono significativamente più attività gratuita rispetto alle persone prive di qualsiasi titolo. In particolare, un aumento di una deviazione standard della variabile laurea aumenta la partecipazione attiva per un’associazione di volontariato di 5.4 punti percentuali, un aumento che è circa due terzi della media della l’attività gratuita per un’associazione di volontariato.

La relazione positiva tra l’istruzione e l’attività gratuita può essere considerata una delle esternalità positive dell’istruzione formale (Day e Devlin 1996, p. 44). Una possibile interpretazione di questa relazione è quella secondo cui un elevato livello d’istruzione, generalmente, si combina con un più alto livello di relazioni sociali. Un livello elevato d’educazione implica una consapevolezza delle proprie abilità sociali e, quindi, un più alto livello di relazioni interpersonali per influenzare outcomes socio-politici (Verba e Nie 1987). Un livello migliore d’istruzione, inoltre, rafforza le abilità civiche e i valori condivisi (Brady et al., 1995). Infine, una più elevata educazione comporta la consapevolezza che attraverso l’impegno e la cooperazione è possibile ottenere benefici positivi (Iyer et al. 2003).

Le persone con figli d’età compresa tra 0 e 5 anni prestano meno lavoro volontario per un’associazione di volontariato e un’altra associazione, mostrando un vincolo temporale connesso alla crescita dei bambini. Gli individui con figli d’età compresa tra 6 e 17 anni offrono più attività gratuita per un’associazione di volontariato e un sindacato. Per un’associazione di volontariato, il risultato si può giustificare sostenendo l’argomentazione secondo cui gli individui potrebbero essere coinvolti nell’attività di volontariato dai loro figli adolescenti. Per un sindacato, invece, si può asserire che la presenza di figli adolescenti induca gli individui a donare più tempo al fine di migliorare la propria posizione lavorativa.

19

Il reddito familiare è una determinante importante della decisione di offrire lavoro gratuito per una associazione di volontariato, un’altra associazione ed un partito politico. Per questi gruppi si riscontra una relazione positiva tra la probabilità di essere volontario e il reddito familiare: come il reddito familiare cresce, cresce la probabilità di offrire lavoro gratuito. L’attività gratuita per queste organizzazioni sociali è quindi un bene normale. La relazione positiva tra la probabilità di essere volontario e il reddito familiare, riscontrata per le associazioni di volontariato, conferma nuovamente i risultati conseguiti da Menchik e Weisbrod (1987), Day e Devlin (1996), nella letteratura sul lavoro volontario.

Lo stato lavorativo, il tipo e il settore d’impiego sono altrettanto rilevanti nella decisione di offrire lavoro volontario. In particolare, lo status di occupato riduce il lavoro volontario prestato in un’associazione di volontariato, mentre per gli altri gruppi sociali il coefficiente non è significativo. Essere, poi, occupato come dipendente riduce la partecipazione attiva in un’associazione di volontariato e in un’altra associazione, mentre aumenta quella in un sindacato. Inoltre, le persone che sono impiegate nella pubblica amministrazione svolgono più attività gratuita in ognuna delle organizzazioni sociali considerate. Questa evidenza mostra, da un lato, il vincolo temporale che affrontano le persone occupate, rispetto ai non occupati, impegnate in un’associazione di volontariato ed in un’altra associazione. Al contempo, tuttavia, l’accumulazione di capitale sociale da parte degli occupati è benefica, poichè il luogo di lavoro è fonte di network. Riguardo, invece, al tempo offerto ad un sindacato, appare confermata l’indicazione che gli individui pongano in essere questo comportamento al fine di difendere e migliorare i propri interessi sul posto di lavoro.

I risultati riguardanti sia l’impatto della mediana del reddito familiare sia dell’indice di Gini sulla formazione di capitale sociale non sono convincenti: il coefficiente della mediana del reddito familiare a livello regionale non è statisticamente significativo in nessuna delle organizzazioni sociali, mentre il coefficiente di Gini è inaspettatamente positivo e significativo a livello del 10 percento per una associazione di volontariato. Quest’ultimo risultato sembra indicare che le comunità più ineguali probabilmente prestano più attività gratuita per un’associazione di volontariato. Tuttavia, l’impatto è modesto: un aumento di una deviazione standard dell’indice di Gini incrementa l’attività gratuita di circa 0.50 punti percentuali, un aumento che è circa un ventesimo della media della l’attività gratuita per un’associazione di volontariato. Ad ogni modo, l’evidenza è in contrasto con quell’ottenuta per gli Stati Uniti da Costa e Khan (2003).

Anche gli effetti della proprietà dell’abitazione in cui si vive sull’accumulazione di capitale sociale non supportano le evidenze di DiPasquale e Gleaser (1999) e Glaeser et al. (2002) riscontrati per gli Stati Uniti. Il coefficiente marginale della variabile Proprietà_casa è non significativo per tutte le organizzazioni sociali analizzate. L’evidenza, invece, che riguarda la lettura dei quotidiani sostiene le predizioni di Putnam (1993): il coefficiente marginale della

20

variabile Quotidiani è positivo e altamente significativo per tutti i gruppi sociali. Seguendo Putnam (1993), se si considera questa variabile quale proxy del senso civico, ne deriva che più elevato è il senso civico degli individui, più elevata è la probabilità di offrire attività gratuita per ognuna delle organizzazioni sociali analizzate.

Le persone che si recano in chiesa almeno una volta a settimana, offrono probabilmente più attività gratuita in un’associazione di volontariato e in un’altra associazione, e meno lavoro gratuito in un partito e un sindacato. Riguardo ad un’associazione di volontariato, in particolare, un aumento di una deviazione standard della partecipazione religiosa aumenta la partecipazione attiva di 1.2 punti percentuali, un incremento che è circa un sesto della media della l’attività gratuita per un’associazione di volontariato. Il risultato segnala che le credenze religiose hanno un ruolo rilevante nell’internalizzare comportamenti pro-sociali premianti in se. Inoltre, gli individui che percepiscono il proprio stato di salute come il migliore donano significativamente meno attività gratuita in ognuno dei gruppi sociali considerati. Tenuto conto della complessità della domanda13, l’evidenza segnalare che al migliorare della percezione dello stato di salute, aumenta l’accumulazione di partecipazione attiva.

La microcriminalità esercita un’influenza positiva sull’attività gratuita offerta in ognuna dei gruppi sociali così come la facilità di parcheggio. I problemi di traffico appaiono, invece, esercitare un impatto negativo sul lavoro gratuito prestato soltanto ad un sindacato. Infine, I regressori non mostrati includono diciotto dummy regionali. Le persone che vivono nel Nord Ovest dell’Italia offrono significativamente più lavoro gratuito per un’associazione di volontariato e un’altra associazione, mentre le persone che risiedono nell’Italia centrale offrono significativamente più lavoro volontario per un partito politico e un sindacato.

6.2. Partecipazione passiva

Molte variabili che sono importanti determinanti dell’attività gratuita sono rilevanti anche per la partecipazione passiva.

Alla maniera dell’attività gratuita, le persone che partecipano in associazioni di volontariato, ecologiche e culturali sono probabilmente maschi celibi. Gli individui, invece, che partecipano a riunioni di partiti politici e sindacati sono probabilmente maschi coniugati. Inoltre, per i partiti politici e i sindacati, la distribuzione delle dummy d’età mostra un andamento ad u-rovesciata lungo il ciclo

13 Lo stato di salute percepito può anche rappresentare una valutazione complessa da parte del rispondente che considera l’attuale condizione di salute e quella storica della famiglia (Zimmer et al., 2000).

21

Tabella. 4. STIME PROBIT DELLA PARTECIPAZIONE PASSIVA

Partecipa in ass.

volontariato

Partecipa in ass.

ecologiche

Partecipa in ass. culturali

Partecipa in partiti

Partecipa in sindacati

Femmina -0.0095*** (0.0024)

-0.0031*** (0.0004)

-0.0364*** (0.0020)

-0.0364*** (0.0014)

-0.0349*** (0.0018)

Coniugato -0.0071*** (0.0014)

-0.0042** (0.0005)

-0.0058** (0.0013)

0.0042*** (0.0007)

0.0087*** (0.0010)

Età14-20 -0.0062** (0.0026)

0.0030*** (0.0012)

0.0230*** (0.0054)

-0.0175*** (0.0012)

-0.0452*** (0.0011)

Età21-30 -0.0054*** (0.0020)

-0.0021** (0.0009)

-0.0037 (0.0035)

-0.0104*** (0.0011)

-0.0330*** (0.0012)

Età31-40 -0.0057*** (0.0017)

-0.0009 (0.0007)

-0.0026 (0.0028)

-0.0078*** (0.0010)

-0.0158*** (0.0014)

Età51-65 -0.0032 (0.0019)

-0.0038** (0.0004)

0.0002 (0.0031)

-0.0037*** (0.0010)

-0.0023 (0.0017)

Età≥66 -0.0307*** (0.0016)

-0.0111*** (0.0006)

-0.0289*** (0.0025)

-0.0148*** (0.0018)

-0.0092*** (0.0027)

Educ5 anni 0.0421*** (0.0048)

0.0085*** (0.0026)

0.0429*** (0.0064)

0.0135*** (0.0026)

0.0188*** (0.0036)

Educ8 anni 0.0730*** (0.0054)

0.0206*** (0.0029)

0.0930*** (0.0074)

0.0257*** (0.0031)

0.0346*** (0.0051)

Educ13 anni 0.1130*** (0.0078)

0.0365*** (0.0038)

0.1651*** (0.0107)

0.0476*** (0.0050)

0.0463*** (0.0069)

Educ18 anni 0.1812*** (0.0132)

0.0849*** (0.0107)

0.3012*** (0.0192)

0.0831*** (0.0089)

0.0551*** (0.0090)

Ncomp -0.0003 (0.0012)

-0.0013*** (0.0002)

-0.0044*** (0.0012)

0.0004 (0.0006)

0.0004 (0.0006)

Figli≤5 -0.0058*** (0.0014)

-0.0024*** (0.0006)

-0.0081*** (0.0007)

-0.0019** (0.0010)

-0.0010** (0.0011)

Figli6-12 0.0003 (0.0016)

0.0002 (0.0007)

0.0020 (0.0015)

0.0005 (0.0010)

0.0033*** (0.0009)

Figli 13-17 0.0036** (0.0015)

0.0015** (0.0006)

0.0093*** (0.0014)

0.0011 (0.0008)

0.0049*** (0.0014)

Reddito familiare predetto (ln)

0.0127*** (0.0036)

0.0063*** (0.0006)

0.0337*** (0.0030)

0.0004 (0.0016)

-0.0090*** (0.0025)

Occupato -0.0116*** (0.0038)

-0.0047*** (0.0006)

-0.0107*** (0.0025)

0.0026 (0.0020)

0.0179*** (0.0032)

Dipendente -0.0035* (0.0020)

-0.0012** (0.0005)

-0.0098 (0.0018)

-0.0031* (0.0018)

0.0859*** (0.0045)

Servizi pubblici 0.0204*** (0.0028)

0.0103*** (0.0014)

0.0332*** (0.0034)

0.0143*** (0.0020)

0.0515*** (0.0043)

Mediana reddito familiare (ln)

0.0150 (0.0184)

-0.0019 (0.0057)

-0.0075 (0.0250)

-0.0233** (0.0117)

-0.0164 (0.0144)

Gini 0.1041* (0.0601)

0.0183 (0.0522)

0.0479 (0.0443)

0.0123 (0.0308)

-0.0038 (0.0392)

Proprietà_casa 0.0026 (0.0029)

-0.0012** (0.0005)

0.0017 (0.0020)

0.0050*** (0.0011)

0.0070*** (0.0016)

Quotidiani 0.0157*** (0.0017)

0.0050*** (0.0008)

0.0246*** (0.0023)

0.0245*** (0.0012)

0.0133*** (0.0018)

Partecipazione religiosa 0.0220*** (0.0037)

-0.0008 (0.0006)

-0.0147*** (0.0027)

-0.0039* (0.0022)

-0.0037** (0.0015)

Ottima salute -0.0048*** (0.0011)

-0.0009** (0.0004)

-0.0114*** (0.0017)

-0.0039*** (0.0007)

-0.0059*** (0.0012)

Microcriminalità 0.0120*** (0.0040)

0.0015 (0.0014)

0.0214** (0.0028)

0.0056** (0.0026)

0.0077** (0.0028)

Parcheggio 0.0063*** (0.0015)

0.0023*** (0.0006)

0.0090*** (0.0018)

0.0055*** (0.0011)

0.0072*** (0.0017)

Traffico -0.0021 (0.0015)

0.0003 (0.0007)

-0.0045** (0.0023)

0.0021* (0.0012)

-0.0035* (0.0018)

Inquinamento 0.0030* (0.0015)

-0.0017* (0.0010)

0.0021 (0.0025)

0.0026** (0.0011)

0.0022** (0.0011)

22

Tabella. 4. STIME PROBIT DELLA PARTECIPAZIONE PASSIVA (CONTINUA)

Partecipa in ass.

volontariato

Partecipa in ass.

ecologiche

Partecipa in ass. culturali

Partecipa in partiti

Partecipa in sindacati

Regioni SI SI SI SI SI Anni SI SI SI SI SI Osservazioni 204893 204509 204988 205535 205146 Pseudo R2 0.0791 0.0874 0.1104 0.1123 0.1967 Log likelihood -46450.796 -18326.257 -59274.195 -32264.062 -47311.649

Note. La variabile dipendente è una dummy uguale ad 1 se il rispondente partecipa in: un’associazione di volontariato, un’associazione ecologica, un’associazione culturale, un partito politico e un sindacato (negli ultimi 12 mesi). I coefficienti riportati sono effetti marginali calcolati sulla media delle variabili indipendenti. Gli errori standard riportati in parentesi sono corretti per l’eteroschedasticità ed il clustering dei residui a livello regionale. Il campione è una cross-section ripetuta per gli anni 1993, 1995, 1998, 2000. Per una descrizione di tutte le variabili utilizzate si rimanda all’appendice. I simboli *, **, *** denotano che il coefficiente è statisticamente differente da zero a livello del 1, del 5 e del 10 percento.

vitale, che conferma le evidenze empiriche riscontrate per gli Stati Uniti da Glaeser et al. (2002), Iyer et al. (2005), Rupasingha et al (2006).

Gli anni di scuola sono positivamente associati con la partecipazione passiva. I coefficienti sono significativi al livello del 1 percento per tutte le organizzazioni sociali. L’evidenza, convalida un risultato ormai consolidato in letteratura (Alesina e La Ferrara, 2000; Glaeser et al. 2002; Iyer et al. 2005; Rupasingha et al, 2006). In particolare, un aumento di una deviazione standard della variabile laurea aumenta la partecipazione per un’associazione di volontariato e un’associazione culturale, rispettivamente, di 4.5 e 7.5 punti percentuali, un aumento che è circa due terzi della media della partecipazione per un’associazione di volontariato, e circa tre quarti della media della partecipazione per un’associazione culturale.

L’attività di crescita dei bambini riduce il tempo disponibile per la partecipazione: il coefficiente marginale della variabile che cattura se il rispondente ha bambini d’età inferiore a 5 anni è negativo e significativo in tutte le organizzazioni sociali. Inoltre, fatta eccezione per un partito politico, il coefficiente marginale della variabile che considera i figli d’età compresa tra i 13 e i 17 anni, è positivo e significativo. Una possibile spiegazione di questo risultato può fare riferimento all’eventualità che le persone che dichiarano di partecipare in associazioni di volontariato, ecologiche e culturali siano coinvolte in queste attività dai loro figli adolescenti. Riguardo ad un sindacato, appare rinnovata l’argomentazione avanzata per la partecipazione attiva, vale a dire che la presenza di figli adolescenti induca gli individui a donare più tempo al fine di migliorare la propria posizione lavorativa.

La partecipazione in associazioni di volontariato, ecologiche e culturali è crescente nel reddito familiare e suggerisce che, per questi gruppi sociali, la partecipazione è un bene normale. La partecipazione in sindacati, invece, è

23

decrescente nel reddito familiare evidenziando che, per questo gruppo, la partecipazione è un bene inferiore. Riguardo al tempo trascorso a lavoro, il vincolo temporale è stringente per gli occupati che partecipano in associazioni di volontariato, ecologiche e culturali. Inoltre, per gli occupati nel settore pubblico, che prendono parte ai gruppi precedenti, emerge anche il ruolo di socializzazione svolto dal luogo di lavoro e che si traduce in un incremento delle relazioni sociali. Per un sindacato, piuttosto, il vincolo temporale non opera, rilevando, ancora una volta, la partecipazione strumentale degli individui coinvolti in questo gruppo sociale.

Per quanto è inerente al reddito mediano della regione di residenza, si rileva un pattern unicamente per un partito politico: la variabile entra nella regressione con segno negativo e significativo al livello del 5 percento, evidenziando che le comunità meno ricche partecipano probabilmente di più a riunioni di partiti politici. Il coefficiente di Gini, inoltre, è positivo e significativo a livello del 10 percento ancora e soltanto per una associazione di volontariato. Nuovamente l’impatto è limitato: un aumento di una deviazione standard dell’indice di Gini incrementa la partecipazione di circa 0.30 punti percentuali, un aumento che è circa un venticinquesimo della media della partecipazione per un’associazione di volontariato. Un’evidenza, in ogni caso, in contrasto con quella ottenuta per gli Stati Uniti da Alesina e La Ferrara (2000).

La proprietà dell’abitazione entra nelle regressioni sulla partecipazione in partiti politici e in sindacati con un coefficiente marginale positivo e significativo, dando supporto ai risultati di DiPasquale e Gleaser (1999) e Glaeser et al. (2002). Come già riscontrato per l’attività gratuita, il coefficiente marginale della variabile quotidiani è positivo e significativo a livello del 1 percento per tutti i gruppi sociali, così come anche il coefficiente marginale della variabile relativa alla percezione dello stato di salute come il migliore (Ottima salute) è negativo e molto significativo in tutte le organizzazioni sociali.

Inoltre, la partecipazione religiosa aumenta la probabilità di partecipare ad associazioni di volontariato e riduce la probabilità di frequentare riunioni di partiti politici e sindacati. Riguardo alla prima organizzazione, in particolare, un aumento di una deviazione standard della partecipazione religiosa aumenta la partecipazione di circa 1 punto percentuale, un incremento che è circa un settimo della media della partecipazione per un’associazione di volontariato.

Infine, la microcriminalità esercita un’influenza positiva sulla partecipazione in quasi tutti i gruppi sociali così come la facilità di parcheggio. Più contrastata è l’evidenza riguardo le variabili concernenti i problemi di traffico e di inquinamento.

I regressori non mostrati riguardanti le dummy regionali indicano che le persone che vivono nel Nord Ovest dell’Italia partecipano significativamente di più a riunioni d’associazioni di volontariato, ecologiche, culturali, di partiti politici e sindacati.

24

6.3. Frequenza d’incontri con gli amici

I risultati empirici delle determinanti della probabilità di incontrare gli amici più volte a settimana sono presentati distinguendo tra maschi e femmine, seguendo il seminale lavoro di Costa e Khan (2003). Innanzitutto, diversamente dalla partecipazione passiva e attiva, la frequenza di incontri con amici è decrescente nell’età, sia per i maschi che per le femmine, con i gruppi di età compresi tra 21-30 e 31-40 anni che incontrano con più probabilità gli amici. La probabilità di incontrare gli amici più volte a settimana, inoltre, è crescente nel livello d’istruzione. Tuttavia, per i maschi soltanto i livelli più elevati d’educazione sono statisticamente significativi.

L’attività di crescita dei bambini piccoli è vincolante tanto per gli uomini quanto per le donne. Quest’ultime, inoltre, preferiscono trascorrere il tempo libero con i loro figli più grandi piuttosto che incontrare gli amici: i coefficienti marginali delle dummy Figli6-12 e Figli13-17 sono negativi e significativi al livello del 1 percento. Per i maschi, la frequenza d’incontro con gli amici è un bene inferiore: all’aumentare del reddito familiare si riduce la probabilità di incontrare gli amici più volte a settimana. Questa, poi, aumenta con lo status d’occupato per i maschi, mentre si riduce con lo status d’occupato per le femmine. Quest’ultima evidenza è in linea con quella ottenuta da Costa e Khan (2001) per gli Stati Uniti. Né il reddito mediano né il coefficiente di Gini sono statisticamente significativi. La proprietà dell’abitazione in cui si vive aumenta la probabilità di incontrare gli amici per entrambi i sessi, mentre la partecipazione religiosa svolge un ruolo effettivo solo per i maschi, così come la lettura dei quotidiani e la percezione dello stato di salute quale il migliore risultano determinanti significative e positive soltanto per le donne.

Riguardo alle dummy regionali - i regressori non mostrati - risulta che le persone che vivono nell’ Italia del Nord Est e del Centro incontrano gli amici più volte a settimana probabilmente di più delle persone che vivono nelle altre aree geografiche del paese.

25

Tabella. 5. STIME PROBIT DELLA FREQUENZA DI INCONTRARE GLI AMICI PIÙ VOLTE A SETTIMANA

Tutti Maschi Femmine Femmina 0.0173***

(0.0040)

Coniugato -0.0018 (0.0089)

-0.0117 (0.0113)

-0.0068 (0.0067)

Età14-20 -0.0131 (0.0159)

- 0.0432*** (0.0143)

0.0180 (0.0190)

Età21-30 0.0814*** (0.0136)

0.0556** (0.0147)

0.1086*** (0.0134)

Età31-40 0.0432*** (0.0068)

0.0359*** (0.0100)

0.0540*** (0.0043)

Età51-65 -0.0102** (0.0042)

-0.0018 (0.0069)

-0.0169*** (0.0051)

Età≥66 -0.0464*** (0.0071)

-0.0248*** (0.0074)

-0.0608*** (0.0103)

Educ5 anni 0.0198*** (0.0056)

0.0059 (0.0073)

0.0227*** (0.0064)

Educ8 anni 0.0347*** (0.0069)

0.0109 (0.0090)

0.0426*** (0.0094)

Educ13 anni 0.0612*** (0.0080)

0.0323*** (0.0107)

0.0726*** (0.0110)

Educ18 anni 0.0851*** (0.0099)

0.0485*** (0.0134)

0.1020*** (0.0153)

Ncomp -0.0078 (0.0025)

-0.0072*** (0.0029)

-0.0099*** (0.0028)

Figli≤5 -0.0402*** (0.0080)

-0.0265*** (0.0096)

-0.0572*** (0.0068)

Figli6-12 -0.0117** (0.0054)

-0.0113 (0.0072)

-0.0134*** (0.0042)

Figli13-17 -0.0116*** (0.0043)

-0.0061 (0.0042)

-0.0177*** (0.0052)

Reddito familiare predetto (ln) -0.0169*** (0.0057)

-0.0197** (0.0084)

-0.0071 (0.0076)

Occupato 0.0064** (0.0028)

0.0334*** (0.0046)

-0.0279*** (0.0043)

Dipendente 0.0126*** (0.0028)

0.0126*** (0.0035)

0.0193*** (0.0045)

Servizi pubblici -0.0058 (0.0055)

0.0083 (0.0064)

-0.0109* (0.0065)

Mediana reddito familiare (ln) -0.0234 (0.0474)

-0.0274 (0.0540)

-0.0202 (0.0509)

Gini 0.0574 (0.0787)

0.0851 (0.1137)

0.0309 (0.0714)

Proprietà_casa 0.0177*** (0.0037)

0.0133** (0.0050)

0.0201*** (0.0038)

Quotidiani 0.0035 (0.0039)

-0.0029 (0.0038)

0.0102* (0.0057)

Partecipazione religiosa 0.0083*** (0.0027)

0.0160*** (0.0042)

0.0015 (0.0041)

Ottima salute 0.0076*** (0.0029)

0.0031 (0.0035)

0.0116*** (0.0034)

Microcriminalità 0.0057 (0.0051)

-0.0126 (0.0096)

0.0190** (0.0087)

Parcheggio -0.0016 (0.0025)

0.0008 (0.0034)

-0.0040 (0.0032)

Traffico -0.0048 (0.0041)

-0.0080 (0.0057)

-0.0027 (0.0044)

Inquinamento -0.0021* (0.0031)

-0.0048 (0.0045)

0.0001

26

(0.0041)

Tabella. 5. STIME PROBIT DELLA FREQUENZA DI INCONTRARE GLI AMICI PIÙ VOLTE A SETTIMANA (CONTINUA)

Tutti Maschi Femmine

Regioni SI

SI SI Anni SI SI

SI Osservazioni 206519 99594

106925 Pseudo R2 0.0145 0.0131 0.020 Log likelihood -120668.13 -57719.663

-62667.556

Note. La variabile dipendente è una dummy uguale ad 1 se il rispondente incontra gli amici più volte a settimana (nel tempo libero). I coefficienti riportati sono effetti marginali calcolati sulla media delle variabili indipendenti. Gli errori standard riportati in parentesi sono corretti per l’eteroschedasticità ed il clustering dei residui a livello regionale. Il campione è una cross-section ripetuta per gli anni 1993, 1995, 1998, 2000. Per una descrizione di tutte le variabili utilizzate si rimanda all’appendice. I simboli *, **, *** denotano che il coefficiente è statisticamente differente da zero a livello del 1, del 5 e del 10 percento.

6.4. Sommario dei risultati

L’analisi multivariata dei dati indica che numerose sono le regolarità empiriche nell’accumulazione dei diversi indici di capitale sociale.

Riguardo al sesso e allo stato civile, appare chiaro che sia per la partecipazione attiva sia per la partecipazione passiva, i maschi celibi e/o coniugati forniscono più partecipazione, mentre le femmine incontrano più frequentemente gli amici più volte a settimana.

Relativamente all’età è evidente che sia per la partecipazione attiva sia per la partecipazione passiva, con eccezione delle associazioni ecologiche e culturali, il gruppo d’età che fornisce più partecipazione è quello compreso tra 41 e 50 anni, ossia il gruppo di riferimento. Questo risultato segnala una relazione ad u-rovesciata lungo il ciclo vitale che conferma, per quanto concerne l’attività gratuita, i risultati empirici di Menchik e Weisbrod (1987), Day e Devlin (1996), mentre per quanto si riferisce alla partecipazione, le evidenze di Glaeser et al. (2002), Iyer et al. (2005), Rupasingha et al (2006). Circa la frequenza degli incontri con gli amici, il gruppo d’età compreso tra 21 e 30 anni è quello che incontra più frequentemente gli amici più volte a settimana. Questo esito può essere spiegato dagli incontri più frequenti che si verificano durante gli studi universitari da parte della popolazione giovane.

Ancora, sia per la partecipazione attiva e passiva sia per la frequenza d’incontri con gli amici c’è evidenza di un effetto monotonico del livello d’istruzione. L’evidenza conferma un risultato ormai consolidato in letteratura: “It is widely believed that education generates significant positive externalities […] in a society and its impact on building social capital can also be considered as part of these positive externalities (Rupasingha et al, 2006, p. 99).

27

Coerentemente con quanto evidenziato da Alesina e La Ferrara (2000), l’attività di crescita dei figli piccoli (d’età inferiore a 6 anni) riduce la partecipazione attiva e passiva e la frequenza di incontri con gli amici. La presenza di figli adolescenti (d’età compresa tra 13 e 17 anni) aumenta la partecipazione attiva e passiva in associazioni di volontariato, ecologiche, culturali e sindacati, evidenziano l’operare di due distinti comportamenti: il primo legato all’accesso a network sociali, il secondo connesso a motivazioni più strumentali legate al posto di lavoro.

Considerazioni allo stesso modo nette si possono fare per il reddito familiare: entra nelle regressioni con il segno atteso ed è quasi sempre significativo. Pertanto, di nuovo, in conformità con i risultati di Alesina e La Ferrara (2000), la partecipazione attiva in associazioni di volontariato, altre associazioni, partiti politici, e la partecipazione passiva in associazioni di volontariato, ecologiche e culturali sono “beni normali”.

Il vincolo occupazionale opera per la partecipazione attiva e passiva in associazioni di volontariato, ecologiche e culturali nonché per la frequenza con cui le donne incontrano frequentemente gli amici. Essere occupato, poi, nei servizi pubblici è fonte di accumulazione di relazioni sociali tranne che per la frequenza d’incontri con gli amici da parte delle femmine.

Per quanto riguarda il reddito mediano della regione di residenza e l’indice di Gini si può dire ben poco. Il reddito mediano è spesso negativo tuttavia significativo solo per la partecipazione a partiti politici. L’indice di Gini è spesso positivo e per la partecipazione attiva e passiva in associazioni di volontariato è anche significativo. È comunque evidente che per ragioni di dati queste variabili non si applicano a livello di aggregazione territoriale considerata rilevante da Alesina e La Ferrara.

In conformità con quanto ipotizzato da Putnam (1993), la lettura dei quotidiani è positiva e significativa sia par la partecipazione attiva sia per la partecipazione passiva. Lo stesso non può dirsi riguardo alle ipotesi di DiPasquale e Gleaser (1999) e Glaeser et al. (2002): l’abitazione di proprietà è assai poco significativa e in tre casi (partiti politici, sindacati e frequenza di incontri con amici) è significativa e positiva.

Inoltre, a proposito della partecipazione religiosa, si registra sia una relazione positiva e significativa con la partecipazione attiva e passiva in associazioni di volontariato sia una correlazione negativa e significativa con la partecipazione attiva e passiva in partiti politici e sindacati. Infine, sia per la partecipazione attiva che passiva, lo stato di salute percepito come il migliore riduce la partecipazione medesima. Questi ultimi risultati denotano che più ricerche su questi aspetti sono opportune.

28

7. Conclusioni

La difficoltà di ricerca sulle determinanti del capitale sociale in Italia può essere a ragione attribuita alla disponibilità di dati.

Il presente lavoro utilizza le informazioni sul reddito familiare dell’Archivio Storico della Survey del Reddito e della Ricchezza delle Famiglie della Banca d’Italia abbinandole statisticamente alle informazioni sugli aspetti fondamentali della vita quotidiana dell’Indagine Multiscopo sulle Famiglie dell’Istat, nell’obiettivo di analizzare empiricamente l’accumulazione di capitale sociale in Italia. Il lavoro misura il capitale sociale come i) l’attività gratuita prestata in quattro organizzazioni sociali (associazioni di volontariato, altre associazioni, partiti politici, sindacati); ii) la partecipazione a riunioni di cinque organizzazioni sociali (associazioni di volontariato, ecologiche culturali, partiti politici, sindacati); iii) la frequenza d’incontri con gli amici più volte a settimana.

I risultati mostrati nel lavoro sono in linea con gli studi empirici condotti sugli Stati Uniti riguardo all’età, al capitale umano e al reddito familiare. Una più elevata istruzione e un reddito maggiore possono, quindi, fare fronte alla scarsa accumulazione di capitale sociale in una società omogenea quale l’Italia. Nuova evidenza è connessa ad alcuni fattori culturali e sociali, quali la lettura dei quotidiani e la partecipazione religiosa. Queste variabili si rivelano significative nello spiegare la partecipazione attiva e passiva in organizzazioni sociali.

I risultati dell’analisi sono degni d’attenzione anche per il ruolo del capitale sociale nel processo di sviluppo economico. In primo luogo, poiché il capitale umano ha un ruolo rilevante nell’accumulazione della partecipazione attiva e passiva, futuri lavori empirici sulla crescita dovrebbero considerare capitale umano e capitale sociale non più indipendenti, ponendosi concretamente il problema che l’istruzione è positiva sia perché aumenta le abilità sia perché aumenta il capitale sociale. Un aspetto già enfatizzato da Iyer et al. (2005). In secondo luogo, poiché esiste effettivamente un ruolo significativo del reddito procapite nella determinazione di diverse variabili di partecipazione, questo risultato rende poco credibile l’utilizzazione di variabili di partecipazione attiva e passiva come proxy empiriche robuste di capitale sociale nel senso di Durlauf (2002), Durlauf e Fafchamps (2005). In particolare, sembra davvero rischioso considerare il capitale sociale una variabile esogena nel processo di sviluppo economico. Infine, per quanto concerne invece la possibilità che alcune variabili determinanti l’accumulazione di capitale sociale si possano configurare come variabili strumentali valide nel senso di Durlauf, si può fare la seguente considerazione. Poiché nel presente lavoro non si è stimata alcuna relazione causale che andasse dal capitale sociale allo sviluppo non è possibile dire, a questo riguardo, nulla di conclusivo. Tuttavia, è lecito suggerire che la variabile come la “partecipazione religiosa” possa risultare abbastanza interessante in questo ambito. A priore essa, infatti, non dovrebbe essere

29

sistematicamente correlata con il livello del reddito e potrebbe soddisfare le indicazioni specificate in Durlauf (2002, F469).

Alcune questioni restano aperte e si prestano a sviluppi successivi. Nel lavoro né il reddito mediano a livello regionale né il coefficiente di Gini sono in prevalenza significativi. Una possibile spiegazione, data sopra, è legata al livello di aggregazione territoriale delle variabili. Ad ogni modo, nuove ricerche in grado di fare maggiore chiarezza sul legame tra la disuguaglianza di reddito e il capitale sociale sono opportune, così come auspicate sono nuove investigazioni riguardo all’età. In particolare, l’andamento ad u-rovesciata dell’attività gratuita in un’associazione di volontariato può indicare che l’individuo è indotto a svolgere attività gratuita da due diverse motivazioni. Una motivazione di consumo, tesa a supportare la sua utilità, ed una motivazione d’investimento, finalizzata ad incrementare le sue prospettive occupazionali e di reddito. Se questo fosse il caso, l’accumulazione di capitale sociale quale fenomeno complesso richiede ulteriori approfondimenti sia degli aspetti economici quanto degli aspetti culturali e sociali.

,

30

Bibliografia

[1]Alesina A., La Ferrara E. (2000), Participations in heterogeneous communities, Quarterly Journal of Economics, CXV, 847-904.

[2]Alesina A., La Ferrara E. (2002), Who trusts others?, Journal of Public Economics, 85, 207-234

[3]Arrighetti A., Lasagni A., Seravalli G. (2003), Capitale sociale, associazionismo economico e istituzioni: indicatori statistici di sintesi, Rivista di Politica Economica, 93(7/8), 47-88.

[4]Bagnasco A., (1994), Regioni, tradizione civica, modernizzazione italiana: un commento alla ricerca di Putnam, Stato e Mercato, 40.

[5]Banca d’Italia, Archivio storico dell’Indagine sui bilanci delle famiglie italiane, anni 1989-2000, Roma.

[6]Banfield E. G., (1958), The moral basis of a backword society, Free Press, New York.

[7]Bowles S., Gintis H., (2002), Social capital and community governance, Economic Journal, 112, F419-F436.

[8]Brady H. E., Verba S., Schlozman K. L., (1995), Beyond Ses: a resource model of political participation, American Political Science Review, 89, 271-294.

[9]Brehm J., Rahn W., (1997), Individual-level evidence for the causes and consequences of social capital, American Journal of Political Science, 41, 999-1023.

[10]Coleman J., (1988), Social capital in the creation of human capital, American Journal of Sociology, 94, 95-120.

[11]Costa D. L., Kahn M. E., (2001), Understanding the decline in social capital, 1952-1998, NBER Working Paper, 8295.

[12]Costa D. L., Kahn M. E., (2003), Understanding the decline in social capital, 1952-1998, Kyklos, 56, 17-46.

[13]de Blasio G., Nuzzo G., (2005), Il capitale sociale à la Putnam e le regioni italiane: un’analisi empirica”, Scienze Regionali, 1.

[14]Day K. M., Devlin R. A., (1996), Volunteerism and crowding out: Canadian econometrics evidence, Canadian Journal of Economics, 29, 37-53.

[15]Degli Antoni G., (2006), Capitale sociale e crescita economica: una verifica empirica a livello regionale e provinciale, Rivista Italiana degli Economisti, XI(3), 363-393.

[16]Del Boca D., Locatelli M., Vuri D., (2005), Child-care choices by working mothers:

31

the case of Italy, Review of Economics of the Household, 3, 453-477.

[17]DiPasquale D., Gleaser E. L., (1999), Incentives and social capital: are homeowners better citizens?, Journal of Urban Economics, 45, 354-364.

[18]D’Orazio M., Di Zio M., Scanu M., (2006), Statistical matching: theory and practise, Wiley, West Sussex, England.

[19]Durlauf S.N., Fafchamps M., (2005), Social capital, in Aghion P., Durlauf S.N., (eds.) Handbook of Economic Growth, vol. 1B, Elseiver North-Holland, Amsterdam, 1639-1699. [20]Durlauf S.N., (2002), On the empirics of social capital, Economic Journal, 112, F459-F479.

[21]Fiorillo D., (2007), Relazioni sociali, norme sociali e fiducia: un’analisi sulla letteratura empirica, Economia & Lavoro, 2, 207-232.

[22]Forni M., Paba S. (2000), The sources of local growth: evidence from Italy, Giornale degli Economisti e Annali di Economia, 59, 1-49.

[23]Gleaser E.L., Laibson D., Sacerdote B. (2002), An economic approach to social capital, Economic Journal, 112, F437-F458.

[24]Green, W. H. (2003), Econometric Analysis, 5th ed., Upper Saddle River, Prentice Hall, New Jersey.

[25]Green, W. H. (2008), Discrete Choice Modelling, in Millis T., Patterson K., (eds.), Handbook of Econometrics: Vol. 2, Applied Econometrics, Part 4.2, Palgrave, London, forthcoming.

[26]Guiso, L., Sapienza, P., Zingales, L. (2004), The role of capital social in financial development, American Economic Review, 94(3), 526-556.

[27]Helliwell J. F., Putnam R., (1995), Economic growth and social capital in Italy, Eastern Economic Journal, 21(3), 295-307.

[28]Iyer S., Kitson M., Toh B., (2005), Social capital, economic growth and regional development, Regional Studies, 39(8), 1015-1040.

[29]Istituto Nazionale di Statistica (ISTAT), Indagine MULTISCOPO sulle famiglie, aspetti della vita quotidiana, anni 1993-2001, Roma.

[30]Levi M., (1996), Social and unsocial capital: a review essay of Robert Putnam “Making Democracy Work”, Politics & Society, 24, 45-55.

[31]Little R. J. A., (1988), Missing-data adjustments in large surveys, Journal of Business & Economic Statistics, 6, 287-296.

[32]Mátyás L, Sevestre P., (1996), The econometrics of panel data, Kluwer Academic Publishers.

32

[33]Menchik P. L., Weisbrod B. A., (1987), Volunteer labour supply, Journal of Public Economics, 32, 159-183.

[34]Micucci G., Nuzzo G., (2005), La misurazione del capitale sociale: un’analisi sulle regioni italiane, in Signorini F., Omicciolo M., Economie locali e competizione globale, Bologna, il Mulino, 207-250.

[35]Pistaferri L., (1999), Informal networks in the italian labor market, Giornale degli Economisti e Annali di Economia, 58(3-4), 355-375.

[36]Platteau J. E., (1994), Behind the market stage where real societies exist, part II: the role of moral norms, Journal of Development Studies, 30(3), 753-817.

[37]Portes A., (1998), Social capital: its origins and applications in modern sociology, American Review of Sociology, 24, 1-24.

[38]Putnam R. (with Robert Leonardi and Raffaella Nanetti), (1993), Making democracy work, Princeton NJ: Princeton University Press. (trad. it. La tradizione civica nelle regioni italiane, Milano, Mondadori, 1997)

[39]Rässler S., (2002), Statistical matching, Springer, New York.

[40]Righi A., Turi M., (2007), Una matrice di indicatori per il benchmarking del capitale sociale nelle regioni italiane, Scienze Regionali, 6(2), 111-136.

[41]Rizzi P., Popara S., (2006), Il capitale sociale: un’analisi sulle province italiane, Rivista di Economia e Statistica del Territorio, 1, 67-86.

[42]Rodgers W. L., (1984), An evaluation of statistical matching, Journal of Business & Economic Statistics, 2, 91-102

[43]Rubin B. R., (1986), Statistical matching using file concatenation with adjusted weights and multiple imputations, Journal of Business & Economic Statistics, 4, 87-94.

[44]Rubin B. R., (1987), Multiple imputation for nonresponse in surveys, Wiley, New York.

[45]Rupasingha A., Goetz S. J., Freshwater D., (2006), The production of social capital in US counties, Journal of Socio-Economics, 35, 83-101.

[46]Sessa C., (1998), I beni relazionali nelle province italiane: una metodologia di misurazione, Economia & Lavoro, 2, 27-48.

[47]Sabatini F., (2007), Un atlante del capitale sociale italiano, QA, Rivista dell’Associazione Rossi Doria, 2007(1), 41-73.

[48]Tarrow S., (1996), Making social science work across space and time: a critical review on Robert Putnam’ Making Democracy Work, American Review of Political Science Review, 9.

[49]Verba S., Nie N. H., (1987), Participation in America. Political democracy and

33

social equality, Chicago: The University of Chicago Press.

[50]Zimmer Z., Nativided J., Lin H., Chayovan N., (2000), A cross-national examination of the determinants of self-assessed health, Journal of Health and Social Behavior, 41, 465-481.

[51]Woolcock M., (1998), Social capital and economic development: toward a theoretical synthesis and political framework, Theory and Society, 27, 151-208.

34

APPENDICE A

Di seguito è riportata la descrizione delle variabili utilizzate. Partecipa in ass. di volontariato: dummy uguale ad 1 se il rispondente ha

partecipato a riunioni di associazioni o gruppi di volontariato negli ultimi 12 mesi. Partecipa in ass. ecologiche: dummy uguale ad 1 se il rispondente ha

partecipato a riunioni di associazioni ecologiche negli ultimi 12 mesi. Partecipa in ass. culturali: dummy uguale ad 1 se il rispondente ha

partecipato a riunioni di associazioni culturali, ricreative o di altro tipo negli ultimi 12 mesi.

Partecipa in partiti: dummy uguale ad 1 se il rispondente ha partecipato a riunioni di partiti politici negli ultimi 12 mesi.

Partecipa in sindacati: dummy uguale ad 1 se il rispondente ha partecipato a riunioni sindacali negli ultimi 12 mesi.

Attività gratuita in ass. di volontariato: dummy uguale ad 1 se il rispondente ha svolto attività gratuita per un’associazione di volontariato negli ultimi 12 mesi.

Attività gratuita in altre associazioni: dummy uguale ad 1 se il rispondente ha svolto attività gratuita per un’associazione non di volontariato negli ultimi 12 mesi.

Attività gratuita in partiti: dummy uguale ad 1 se il rispondente ha svolto attività gratuita per un partito politico negli ultimi 12 mesi.

Attività gratuita in sindacati: dummy uguale ad 1 se il rispondente ha svolto attività gratuita per un sindacato negli ultimi 12 mesi.

Amici: dummy uguale ad 1 se il rispondente incontra gli amici più volte a settimana (nel tempo libero).

Femmina: dummy uguale ad uno se il rispondente è femmina. Coniugato: dummy uguale ad uno se il rispondente è coniugato Età14-20: dummy uguale ad uno se il rispondente ha tra 14 e 20 anni. Età21-30: dummy uguale ad uno se il rispondente ha tra 21 e 30 anni. Età31-40: dummy uguale ad uno se il rispondente ha tra 31 e 40 anni. Età41-50: dummy uguale ad uno se il rispondente ha tra 41 e 50 anni.

Variabile di riferimento. Età51-65: dummy uguale ad uno se il rispondente ha tra 51 e 65 anni. Età≥66: dummy uguale ad uno se il rispondente ha più di 65 anni. Educ0 anni: dummy uguale ad uno se il rispondente non ha istruzione.

Variabile di riferimento. Educ5 anni: dummy uguale ad uno se il rispondente ha completato la scuola

elementare. Educ8 anni: dummy uguale ad uno se il rispondente ha completato la scuola

media inferiore.

35

Educ13 anni: dummy uguale ad uno se il rispondente ha completato la scuola media superiore.

Educ18 anni: dummy uguale ad uno se il rispondente ha completato l’Università.

Ncomp: numero dei componenti della famiglia. Figli≤5: dummy uguale ad 1 se il rispondente ha figli di età inferiore o

uguale a 5 anni. Figli6-12: dummy uguale ad 1 se il rispondente ha figli di età compresa tra 6

e 12 anni. Figli13-17: dummy uguale ad 1 se il rispondente ha figli di età compresa tra

13 e 17 anni. Reddito familiare predetto (ln): logaritmo naturale del reddito familiare

predetto. Occupato: dummy uguale ad 1 se il rispondente è occupato. Dipendente: dummy uguale ad 1 se il rispondente è occupato alle

dipendenze. Servizi pubblici: dummy uguale ad 1 se il rispondente è occupato nel settore

dei servizi pubblici. Mediana reddito familiare (ln): logaritmo naturale della mediana del

reddito familiare nella regione dove il rispondente vive. Gini: coefficiente di Gini calcolato sul reddito familiare nella regione dove il

rispondente vive. Ottima salute: dummy uguale ad 1 se il rispondente percepisce il proprio

stato di salute come il migliore. Partecipazione religiosa: dummy uguale ad 1 se il rispondente si reca in

chiesa o in un altro luogo di culto una volta a settimana. Quotidiani: dummy uguale ad 1 se il rispondente legge i quotidiani tutti i

giorni della settimana. Proprietà_casa: dummy uguale ad 1 se il rispondente è proprietario

dell’abitazione in cui vive. Microcriminalità: dummy uguale ad 1 se il rispondente ha subito scippi e

borseggi. Parcheggio: dummy uguale ad 1 se il rispondente dichiara che non vi è

difficoltà di parcheggio nella zona in cui vive. Traffico: dummy uguale ad 1 se il rispondente dichiara che non vi è un

problema di traffico nella zona in cui vive. Inquinamento: dummy uguale ad 1 se il rispondente dichiara che non vi è

inquinamento dell’aria nella zona in cui vive.

36

37

38