Economia dell’Istruzione

Introduzione all’economia dell’istruzione: qualche riferimento bibliografico

Bosi P. (2006), Corso di scienza delle finanze, Bologna, Il Mulino, pp. 453-470. Checchi D., (1999), Istruzione e mercato, Bologna, Il Mulino, cap. 2 (pp. 33-44).

2

Contenuti

• Introduzione all’economia dell’istruzione

• La Human Capital Theory:

1. elementi microeconomici;

2. elementi macroeconomici.

• Altri approcci allo studio dell’economia dell’istruzione

3

Introduzione all’economia dell’istruzione

• Perché gli economisti si occupano di istruzione? Istruzione come bene economico

• Quali sono le motivazioni che giustificano un intervento pubblico nel settore dell’istruzione? 1. Motivazioni di efficienza

2. Motivazioni di equità

4

Istruzione come bene economico

• Oggetto di studio da parte di diverse discipline (sociologia, antropologia, …)

• Servizio multidimensionale: tre funzioni 1. Trasmissione di conoscenze e abilità

2. Socializzazione

3. Custodia

• Differenze con i processi educativi informali della vita quotidiana: 1. Selezione degli argomenti oggetto di insegnamento

2. Organizzazione curriculare

5

Istruzione come bene economico

È necessario l’intervento pubblico? L’istruzione non è non rivale e non escludibile. Ma:

1. Motivazioni di efficienza

2. Motivazioni di equità

Come si finanzia il servizio?

1. Finanziamento pubblico vs finanziamento privato

Come di organizza la produzione?

1. Public production vs public provision 6

Istruzione come bene economico

Effetti economici dell’istruzione:

1. Punto di vista dell’offerta

2. Punto di vista della domanda

Sia sotto il profilo microeconomico che macroeconomico

7

Motivazioni dell’intervento pubblico: ragioni di efficienza

• Esternalità positive: riguardano sia il lato del consumo (popolazione istruita e vita sociale), sia il lato della produzione (popolazione più qualificata e produttività del lavoro)

• Asimmetria informativa:

1. sulla natura e qualità del bene (experience good)

2. adverse selection sul mercato del lavoro: funzioni di signalling e screening

8

Motivazioni dell’intervento pubblico: ragioni di efficienza

• Insufficienza di offerta: universalità del servizio vs fenomeni di cream-skimming o offerta monopolistica (produzione pubblica)

• Funzioni di certificazione: necessità di regolamentazione per ottenere curricula omogenei con funzioni di segnalazione

• Investimento rischioso, con possibili fallimento dei mercati finanziari (prestiti d’onore, borse di studio, ecc.)

9

Motivazioni dell’intervento pubblico: ragioni di equità

• Egualitarismo specifico e bene di merito (diritto all’istruzione di base come diritto primario)

• Equità orizzontale: stesse opportunità di partenza

• Equità verticale: redistribuzione di ricchezza e mobilità sociale

10

Tra obiettivi di efficienza e di equità può esserci un trade-off, nel senso che maggiori spese per gli studenti più capaci possono aumentare l’efficienza a scapito dell’equità.

Analogamente una spesa uniforme può essere desiderabile da un punto di vista equitativo ma non efficiente.

Tuttavia, in certi casi, il perseguimento dell’equità può portare a un aumento dell’efficienza (in una popolazione più istruita vi sarà meno criminalità) e il perseguimento dell’efficienza può portare a un aumento dell’equità (con borse di studio ai più meritevoli e bisognosi).

Motivazioni dell’intervento pubblico: efficienza vs equità

11

Il finanziamento dell’istruzione

• Istruzione primaria obbligatoria

Ragioni di efficienza e di equità (consumo obbligatorio del servizio): necessità di un finanziamento integralmente pubblico e fornitura sostanzialmente gratuita.

• Istruzione superiore facoltativa

La funzione di certificazione giustifica l’intervento pubblico.

Ciò non implica l’opportunità di un finanziamento integralmente pubblico perché l’istruzione secondaria ha maggiormente la caratteristica di investimento in capitale umano: finanziamento pubblico limitato a coprire i vantaggi indivisibili connessi alle esternalità + tassa, a carico dell’utenza, per coprire i restanti costi.

12

A livello microeconomico:

• Analisi della domanda: perché gli individui acquisiscono istruzione?

• Analisi dell’offerta: come si determina l’offerta ottima di istruzione?

• Quali sono gli effetti economici che si determinano se gli individui sono istruiti? Ad esempio, effetti sul mercato del lavoro

HCT: aspetti microeconomici

13

HCT: aspetti microeconomici

• L’analisi della domanda di istruzione è affrontata dalla HCT come una scelta di investimento: l’istruzione accresce la produttività futura e garantisce maggiori redditi o migliori probabilità di trovare lavoro.

• La scelta dell’ammontare ottimo di istruzione dipende dal confronto fra beneficio atteso e costo dell’acquisizione di istruzione, secondo i rendimenti privati e sociali netti

14

Rendimento privato

Tasso interno di rendimento di un progetto (TIR): tasso r che annulla il VAN

2 periodi:

• : Costo unitario dell’istruzione

• : Costo opportunità

• : Differenziale di reddito ottenuto studiando più a lungo

• : Tempo dedicato all’istruzione

)(1

1)( 11

ttt

tpriv

priv

tttt

WBS

Wr

r

WWBS

tB

tW

1 tW

tS15

Scelta tra investire risorse in istruzione o sul mkt del credito (1+R) arbitraggio:

RWBS

Wr

ttt

tpriv

1

)(1 1

Rendimento privato

16

Rendimento sociale

• + costo pubblico dell’istruzione

• + maggiori imposte pagate da lavoratori istruiti (empirically neglected)

• + esternalità positive (difficili da stimare empirically neglected)

tE

m

t

n

mtt

soc

t

m

t

t

soc

ttt

r

WW

r

EWB

1 111 )1()1(

17

• Problema empirico: la stima dei rendimenti privati e sociali richiede almeno dati sul reddito di tutto l’arco della vita degli agenti

• Per il rendimento privato, una stima è ottenibile a partire campione rappresentativo di individui con diversi tassi di scolarità per osservare il ciclo dei loro redditi

• Sotto alcune ipotesi semplificatrici è possibile stimare la c.d. equazione Minceriana:

priv

m mrWW loglog 18

Problemi e limiti dell’approccio proposto

19

• La stima non tiene conto degli elementi legati all’istruzione come bene di consumo, cioè degli aspetti legati all’utilità di acquisire istruzione in sé (benefici non monteari)

• La stima non tiene conto del valore delle esternalità e degli altri aspetti legati al rendimento sociale

• Problemi legati a imperfezioni nel mercato del lavoro e a differenziali salariali non spiegati solo con differenze nei tassi di scolarità (es. diverse abilità innate)

Problemi e limiti dell’approccio proposto

Limiti

- istruzione come bene di consumo

- benefici non monetari

- mkt del lavoro non perfetto

- differenziali salariali dovuti anche ad altri

fattori (es. diverse abilità innate)

Prudenza nel formulare prescrizioni di politica

economica

20

Offerta

Si tratta di risolvere il problema della fornitura ottimale di istruzione (sia in termini di quantità che in termini di organizzazione) data la educational production function (Lazear, 2001):

ΔHit = f (Ai , Sit, Eit, Hit)

Dove:

Ai= abilità e talento individuale (non osservabile)

Sit = tempo dedicato allo studio

Eit = risorse scolastiche

Hit = capitale umano iniziale (background della famiglia) 21

Offerta

I problemi dell’offerta riguardano, ad esempio, la formazione ottimale delle classi, e, in particolare:

1. Il processo di selezione degli studenti nelle varie scuole

2. Il mix di studenti all’interno della classe sulla base delle loro abilità (i migliori solo con i migliori? O misti? N.b: vale il peer effect)

3. La dimensione ottimale delle classi

In tutti i casi occorre considerare che l’equilibrio spontaneo può non essere pareto-efficiente (e quindi richiedere l’intervento pubblico), e non essere equo , con un possibile trade-off fra gli obiettivi del policy maker

22

Offerta: grado di selettività del sistema scolastico (Benabou, 1996)

• Il problema da risolvere è definire in che modo gli studenti vengono selezionati dalle scuole, che si suppone abbiano un numero di posti limitati

• L’equilibrio spontaneo produce una divisione degli studenti fra studenti migliori (nelle scuole migliori) e studenti peggiori (nelle scuole peggiori). EQUILIBRIO di STRATIFICAZIONE

• Se la selezione migliori/peggiori è effettuata in base al reddito piuttosto che al merito, allora l’equilibrio è inefficiente dal punto di vista paretiano 23

Offerta

• L’intervento pubblico è volto allora ad assicurare che il processo di selezione delle scuole premi effettivamente il merito piuttosto che la disponibilità a pagare delle famiglie

• Ma anche così, l’equilibrio di stratificazione (a questo punto efficiente) non è equo: la stratificazione della struttura scolastica determina una stratificazione della struttura dei redditi e una cristallizzazione della distribuzione della disuguaglianza a livello complessivo

24

Istruzione e crescita. HCT aspetti macroeconomici

• I modelli che affrontano il legame tra istruzione e crescita economica fanno riferimento ai c.d. modelli di crescita endogena

• Si contrappongono al modello di crescita esogena (Solow, 1956): la crescita determinata dall’accumulazione del capitale e dagli aumenti della produttività attraverso il progresso tecnico, ma il progresso tecnico è considerato esogeno

• I modelli di crescita endogena spiegano invece i processi di accumulazione di capitale e il progresso tecnico, fornendo relazioni «funzionali» su come si determina la crescita (da cui «endogeno»)

25

Istruzione e crescita

26

1. la crescita è influenzata dall’accumulazione di capitale umano nel corso del tempo (Lucas 1988);

2. la crescita dipende dallo stock di capitale umano esistente in dato periodo di tempo: questo permetterebbe di facilitare l’innovazione tecnologica (Romer 1990) oppure i processi di imitazione e quindi di apprendimento di nuove tecnologie (Nelson e Phelps 1966).

Istruzione e crescita: problemi e limiti

Problemi:

• Cosa si intenda effettivamente per capitale umano aggregato:

1. Problemi di misurazione

2. Scelta della proxy per approssimare il concetto di capitale umano

• Se e in che misura, la relazione fra crescita e accumulazione di capitale umano debba esser considerata come fenomeno permanente o transitorio, visto che il rendimento si abbassa al crescere del livello di istruzione acquisita: al margine, possibile effetto nullo sulla crescita

27

Economia dell’istruzione: altri approcci

Sostanzialmente, due filoni:

• Equality of Opportunity (Roemer, 1998);

• Capabilities e Functionings (Sen, 1980)

Si tratta di filoni non specificatamente dedicati all’economia dell’istruzione (si sviluppano a partire dalle teorie normative della giustizia e della redistribuzione) però forniscono una cornice concettuale diversa rispetto alla HCT

28

I Livelli Essenziali delle Prestazioni per l’istruzione: proposte per la definizione e

l’applicazione per la scuola Secondaria di I grado secondo l’approccio Equality of Opportunity

paper per la XXIV Riunione Annuale dell’Associazione Italiana di Ingegneria Gestionale

Milano, 17-18 Ottobre 2013

Gianna Barbieri* Giuseppe Catalano° Giulia Peruzzi°

*DG servizi statistici-MIUR °DIAG La sapienza Università di Roma

Contenuti

1. Gli obiettivi

2. Il framework teorico

3. La strategia di analisi

4. I risultati

5. Osservazioni conclusive

30

Gli obiettivi (1)

• L’ obiettivo principale: definizione dei Livelli Essenziali delle Prestazioni (LEP) nel campo dell’istruzione.

• LEP come obiettivi o parametri minimi che il processo formativo dovrebbe assicurare (input e outcome)

• LEP come base per la determinazione del fabbisogno standard (art. 117, Cost; L. n. 42/2009)

31

Gli obiettivi (2)

• la letteratura esistente ha affrontato il problema secondo due direttrici:

i. definendo i LEP in termini di input (Barbieri et Al., 2013; Ferretti et Al., 2012;

Bordignon e Fontana, 2010);

ii. risolvendo il problema della standardizzazione del costo di produzione (Di Giacomo et Al., 2012; Agasisti e Sibiano, 2013)

• LEP come outcome: obiettivi minimi di apprendimento che il percorso formativo dovrebbe assicurare.

32

Gli obiettivi (3)

• Modelli tradizionali (HCT) e trade-off fra efficienza ed equità (Lazear, 2001, Checchi, 2005)

• Letteratura Equality of Opportunity: maggior attenzione all’equità e alle politiche compensative (Roemer, 1998; Betts e Roemer, 2005; Schuetz et Al., 2008)

33

Gli obiettivi (4)

• Due obiettivi:

i. tenere conto delle diverse condizioni di partenza e di individuare LEP, misurati in termini di livelli di apprendimento minimo ottenibile;

ii. determinare una distribuzione delle risorse scolastiche che equalizzi le opportunità (Roemer, 1998).

34

Il framework teorico (1)

• Individui descritti da due gruppi di fattori (Roemer, 1998, 2005):

i. il set di circostanze;

ii. Lo sforzo individuale;

• L’introduzione di questa classificazione in gruppi, consente la c.d. “tipizzazione” della popolazione

35

Il framework teorico (2)

Seguendo Roemer (1998),e riprendendo la formalizzazione in contesto probabilistico (Li Donni et Al., 2012):

• Dati:

popolazione finita di individui 𝑖, con 𝑖 = 1, … ,𝑁)

l’insieme delle circostanze, 𝑂𝑖, osservabili e non

lo sforzo individuale, 𝑒𝑖.

• La popolazione può essere ripartita in tipi 𝑡 con 𝑡 = 1,… , 𝑇

• L’esito è funzione delle circostanze 𝑂𝑖 , dello sforzo 𝑒𝑖 , e di una politica di assegnazione delle risorse pubbliche al soggetto, φ ∈ Φ, 𝑣 = 𝑓(𝑂𝑖 , 𝑒𝑖 , 𝜑).

36

Il framework teorico (3)

• Il principio egualitario applicato alla distribuzione dei mezzi e delle opportunità, piuttosto che agli esiti o alle acquisizioni individuali. L’obiettivo è «livellare il campo» (Roemer, 1998).

• La concezione EOp combina, quindi, il principio liberale con quello egualitario (Checchi, Peragine, 2010).

37

Problemi aperti (1): definire circostanze, politiche e sforzo

• suddivisione nelle due categorie: circostanze e sforzo(Ramos e Van de Gaer, 2012)

• individuare il set di politiche pubbliche

• si è assunto che:

i. il set di circostanze individuali comprenda variabili individuali e relative

al background familiare e al contesto economico-sociale ii. il set delle politiche comprenda gli inputs scolastici e le variabili

istituzionali

• sforzo individuale e impegno non osservabili 38

Problemi aperti (2): approccio ex ante versus ex post

• Ogni differenza dovuta alle circostanze deve essere compensata (compensation principle)

• La compensazione può avvenire seguendo due approcci (Fleurbaey e Peragine, 2011): ex ante ed ex post

• misure parametriche e non, di determinazione dello sforzo nel caso di approccio ex post: utilizzate entrambe (Roemer, 1993; Björklund, 2011)

39

Problemi aperti (3): metodi di tipizzazione

• Usualmente, scelta ad hoc delle variabili che compongono il set di circostanze (Schuetz et al., 2008; Betts e Roemer, 2005; Checchi e Peragine, 2010).

• Principali vantaggi: i. semplicità nell’individuazione dei tipi

ii. facilità nell’adattarsi all’effettiva disponibilità di variabili.

• Principali Svantaggi (Rosa Dias, 2009; Li Donni et al., 2012): i. sottostima della disuguaglianza (Ferreira e Gignoux, 2011);

ii. potenziali distorsioni statistiche (Fleurbaey, 2008; Lefranc et al., 2009; Rosa Dias, 2010). 40

La strategia di analisi (1)

• I problemi legati alla tipizzazione costruita con selezione ad hoc delle variabili vengono superati attraverso l’utilizzo dei metodi a classi latenti (Goodman, 1974; McCutcheon, 1987; Dayton e McReady, 1988; Magidson e Vermunt, 2004).

• I metodi a classi latenti: stimano variabili che non possono essere osservate direttamente a partire da un insieme di indicatori osservabili

41

La strategia di analisi (2)

• Nella stima dei tipi si è utilizzato un modello a classi latenti con covariate (Magidson e Vermunt, 2004)

• Dati: 𝒀𝒊 ∈ ℝ𝑘 = vettore 𝑘-dimensionale delle risposte dell’individuo 𝑖, all’intero set dei 𝐾 indicatori osservabili, con 𝑘 = 1, … , 𝐾 𝑋𝑖 = variabile latente sottostante, di cui una particolare classe latente è chiamata 𝑡 e il numero delle classi latenti 𝑇 𝒁𝒊 ∈ ℝ𝑗 = vettore 𝑗-dimensionale delle risposte dell’individuo 𝑖 al set delle 𝐽 covariate esogene, con 𝑗 = 1,… , 𝐽.

• Il modello è descritto dalla seguente equazione, che formula la struttura probabilistica delle risposte agli indicatori :

𝑓 𝒀𝒊|𝒁𝒊 = 𝑃 𝑋𝑖 = 𝑡|𝒁𝒊

𝑇𝑡=1 𝑓 𝒀𝒊 |𝑋𝑖 = 𝑡

42

La strategia di analisi (3)

• Attraverso l’equazione precedente è possibile definire i parametri del modello, e da questi ultimi, assegnare gli individui 𝑖 alle classi latenti (o tipi), calcolando la c.d.

probabilità di appartenenza alla classe a posteriori,

𝑃 𝑋𝑖∗ 𝒀𝒊∗; 𝒁𝒊∗) =𝑃 𝑋𝑖∗=𝑡 𝒁𝒊∗)𝑃 (𝒀𝒊∗|𝑋𝑖∗=𝑡;𝒁𝒊∗)

𝑃 (𝒀𝒊∗|𝒁𝒊∗)

• La regola di assegnazione più comune è quella c.d. modale

43

La strategia di analisi (4)

• Per le elaborazioni è stato utilizzato il Dataset INVALSI sugli apprendimenti relativo all’a.s. 2011/2012

• campione rappresentativo delle regioni italiane, relativo alla scuola secondaria di I grado di 39.425 osservazioni

• Gli indicatori: variabile categoriche, dicotomiche e non, costruite a partire dalle variabili rilevate nei questionari somministrati da INVALSI

44

Risultati (1)

Indicatori utilizzati

45

Variabile Descrizione

GENERE Sesso

REGOLARE Scostamento fra età effettiva dello studente e età che dovrebbe avere se non avesse

accumulato ritardi o bocciature nella sua carriera scolastica

CITT2 Cittadinanza

NUCLEO3 Composizione del nucleo familiare. Numerosità e “tradizionalità”

LIBRI Libri in casa

SP_DOM Spazi domestici: la possibilità di disporre di uno spazio dedicato e individuale per lo

studio a casa

PC PC e internet: la disponibilità di un pc o di un collegamento internet a casa

AIUTATO Possibilità della famiglia di aiutare il figlio nello studio qualora lui lo richieda

PARED Titolo di studio della famiglia (assume il valore massimo tra quello dei due genitori)

HISEI Stato occupazionale della famiglia (assume il valore massimo fra quelli dei genitori)

CONT_SCOL Sintetizza la sicurezza dell’ambiente scolastico

SPAZISCOL Descrive l’adeguatezza percepita delle strutture scolastiche con riferimento a pulizia,

luminosità, riscaldamento, ecc...

GENERE REGOLARE

CITT2 SP_DOMLIBRINUCLEO3 PC AIUTATO HISEIPARED CONT_SCOL

X= Variabile

latente defiinita

come

“Circostanze

individuali”

SPAZISCOL

Modello stimato

Risultati (2)

• cinque tipi di studenti

• correlazione diretta fra

vantaggio e apprendimento

Caratterizzazione dei Tipi

Apprendimenti dell’italiano per tipo

46

Classe 1- tipo

low

Classe 2 tipo low-

imm

Classe 3 tipo

middle-low

Classe 4 tipo

middlehigh Classe 5 tipo high

CITT2

italiano e

straniero II gen

straniero

(soprattutto I

generazione) italiano italiano Italiano

NUCLEO3

famiglie non

tradizionali e

numero anche

molto elevato di

componenti

famiglia

tradizionale ma

numero medio alto

di componenti

famiglia

tradizionale e

numero medio di

componenti

famiglia

tradizionale e

numero medio di

componenti

famiglia

tradizionale e

numero medio di

componenti

LIBRI

numero di libri

basso e

bassissimo

numero di libri

basso

numero di libri

medio basso

numero di libri

medio

numero di libri

medio alto

SP_DOM no sì sì sì Sì

PC no sì sì sì Sì

AIUTATO scarso Scarso sì sì Sì

PARED

basso e

bassissimo medio-basso medio-basso medio Elevato

HISEI

basso e

bassissimo medio basso medio medio-elevato Elevato

CONT_SCO sfavorevole Sfavorevole favorevole favorevole Favorevole

SPAZISCOL

non

soddisfacente Soddisfacente soddisfacente soddisfacente Soddisfacente

Tipi minimo massimo media Mediana

Low 29,83 301,34 174,22 173,65

Low_imm 29,83 316,69 171,98 173,65

Middle-low 67,69 338,97 192,60 195,22

Middle-high 52,24 384,81 209,30 208,51

High 52,24 384,81 221,15 222,61

totale 29,83 384,81 200,47 204,02

Risultati (3)

Tre gruppi:

1. Regioni con popolazione «in

svantaggio»:

2. Regioni con popolazione

«intermedia»

3. Regioni con popolazione «in

vantaggio»

Distribuzione percentuale della popolazione per tipi e regioni italiane

47

Low Low_imm Middle-low Middle-high High Total

Abruzzo (2) 0,11 0,08 0,20 0,44 0,16 1,00

Basilicata (1) 0,12 0,01 0,25 0,45 0,16 1,00

Calabria (1) 0,16 0,03 0,21 0,43 0,17 1,00

Campania (1) 0,16 0,01 0,32 0,38 0,12 1,00

Emilia Romagna (2) 0,08 0,12 0,18 0,43 0,18 1,00

Friuli-Venezia Giulia (3) 0,08 0,10 0,15 0,48 0,19 1,00

Lazio (2) 0,09 0,07 0,14 0,47 0,23 1,00

Liguria (3) 0,08 0,11 0,13 0,47 0,21 1,00

Lombardia (2) 0,09 0,11 0,20 0,42 0,17 1,00

Marche (2) 0,08 0,11 0,21 0,44 0,16 1,00

Molise (1) 0,13 0,04 0,22 0,44 0,16 1,00

Piemonte (2) 0,10 0,12 0,22 0,42 0,14 1,00

Provincia Autonoma di

Bolzano (3) 0,08 0,14 0,10 0,44 0,23 1,00

Provincia Autonoma di

Trento (3) 0,06 0,08 0,18 0,51 0,17 1,00

Puglia (1) 0,16 0,02 0,32 0,36 0,13 1,00

Sardegna (1) 0,19 0,02 0,28 0,39 0,12 1,00

Sicilia (1) 0,18 0,03 0,28 0,39 0,13 1,00

Toscana (2) 0,08 0,11 0,16 0,46 0,18 1,00

Umbria (3) 0,09 0,14 0,16 0,44 0,17 1,00

Valle d'Aosta (3) 0,07 0,08 0,26 0,41 0,18 1,00

Veneto (2) 0,09 0,11 0,23 0,44 0,14 1,00

Totale 0,11 0,08 0,22 0,43 0,16 1,00

Risultati e composizione dei LEP(4)

• Il valore preso a riferimento per la ricomposizione dei LEP, è il valore mediano, seguendo l’ipotesi di Roemer (1993), e componendolo secondo 4 criteri (n.b: lo sforzo è indipendente dalle circostanze)

• Si segue il modello di Björklund (2011) e si costruisce il LEP come valore stimato attraverso una regressione OLS. Le variabili dipendenti: circostanze e variabil proxy dello sforzo (n.b: la distribuzione dello sforzo è dipendente dalle circostanze)

48

Risultati e composizione

dei LEP (5)

Regione ipotesi 1 ipotesi 2 ipotesi 3 ipotesi 4 dati osservati

Abruzzo (3) 204,08 204,71 202,97 202,97 202,97

Basilicata (1) 201,97 197,95 202,97 202,97 202,97

Calabria (2) 201,83 197,95 202,97 202,97 192,62

Campania (2) 199,19 197,95 202,97 202,97 197,71

Emilia-Romagna (3) 202,42 203,47 208,44 202,97 202,97

Friuli-Venezia Giulia (2) 203,45 203,47 208,44 202,97 202,97

Lazio (2) 204,33 203,47 208,44 202,97 202,97

Liguria (3) 204,74 204,71 202,97 202,97 202,97

Lombardia (3) 202,43 203,47 208,44 202,97 202,97

Marche (1) 202,70 203,47 208,44 202,97 208,44

Molise (1) 202,57 197,95 202,97 202,97 202,97

Piemonte (3) 201,72 203,47 208,44 202,97 202,97

Provincia Autonoma di

Bolzano (2) 202,34 204,71 202,97 202,97 192,62

Provincia Autonoma di

Trento (3) 204,28 204,71 202,97 202,97 202,97

Puglia (1) 198,97 197,95 202,97 202,97 202,97

Sardegna (2) 202,00 197,95 202,97 202,97 197,71

Sicilia (2) 200,73 197,95 202,97 202,97 192,62

Toscana (1) 202,43 203,47 208,44 202,97 208,44

Umbria (1) 203,29 204,71 202,97 202,97 202,97

Valle d'Aosta (3) 204,04 204,71 202,97 202,97 202,97

Veneto (3) 201,90 203,47 208,44 202,97 202,97

Proposte per i LEP per l’italiano

49

Approccio Roemer

Risultati e composizione dei LEP (5)

stimato

osservato (sul campione

ridotto)

osservato (sul campione

rappresentativo)

Abruzzo 204,69 205,58 201,39

Basilicata 204,16 203,68 201,02

Calabria 201,30 198,25 189,49

Campania 198,60 198,33 191,89

Emilia-Romagna 209,09 208,57 202,69

Friuli-Venezia Giulia 214,45 212,82 208,13

Lazio 207,11 207,36 204,35

Liguria 209,40 211,77 206,73

Lombardia 209,61 209,66 204,95

Marche 208,54 209,93 204,73

Molise 201,60 200,43 197,04

Piemonte 206,92 209,49 204,44

Provincia Autonoma di Bolzano 211,19 208,54 201,41

Provincia Autonoma di Trento 213,77 211,16 206,24

Puglia 202,01 202,20 196,23

Sardegna 197,86 198,12 193,40

Sicilia 199,75 198,96 189,26

Toscana 209,06 208,55 202,13

Umbria 207,33 207,57 203,10

Valle d'Aosta 208,53 209,11 206,70

Veneto 210,25 210,85 205,39

50

Approccio Econometrico

Osservazioni conclusive (1)

• Differenze dei risultati attesi anche piuttosto significative rispetto ai valori osservati.

• Questi scostamenti possono essere ricondotti a due gruppi di fattori:

i. variabili di sforzo individuale sul risultato ottenuto;

ii. variabili riconducibili all’insieme delle politiche pubbliche e delle risorse impiegate

51

Osservazioni conclusive (2)

• È quindi necessario inserire il vettore delle politiche pubbliche e i dati statistici sui sistemi scolastici regionali

• Definizione dei LEP come passaggio intermedio di un meccanismo dinamico il cui punto centrale è stabilire una distribuzione diversificata delle risorse (equalizzazione del set di opportunità ex ante, piuttosto che raggiungimento di certi obiettivi ex post)

52

• Il lavoro ha affrontato il problema dei LEP cercando di superare alcuni gap nella letteratura esistente

• In particolare

i. ragionando in termini di outcomes piuttosto che in termini di inputs

ii. utilizzando un framework teorico (EOp) diverso dalla letteratura tradizionale (HCT)

iii. utilizzando metodi a classi latenti per l’individuazione dei tipi

iv. utilizzando un vasto e ricco dataset (INVALSI 2011/2012)

53

Osservazioni conclusive (3)

• Sotto il profilo istituzionale e guardando all’ottica del policy maker:

i. la tipizzazione dovrebbe consentire di conoscere più approfonditamente le caratteristiche della popolazione studentesca e le opportunità che ha a disposizione

ii. i LEP calcolati potrebbero fornire misure di benchmark o misure obiettivo più eque e realistiche

iii. Attraverso questa metodologia, è possibile costruire criteri di ripartizione delle risorse che garantiscano l’equalizzazione delle opportunità di partenza

54

Osservazioni conclusive (4)