Scarica il documento - Women mean business and economic growth
Transcript
Scarica il documento - Women mean business and economic growth
PROGRESS ACTION GRANTS European Commission- DG Justice Women Mean Business and Economic Growth— Promoting Gender Balance on Company Boards DEPARTMENT FOR EQUAL OPPORTUNITIES-PRESIDENCY OF COUNCIL OF MINISTERS in partnership with DONDENA RESEARCH CENTER ON SOCIAL DYNAMICS, UNIVERSITA’ BOCCONI WP 3. Analisi dei Processi di Selezione (VERSIONE ITALIANA) Il processo di selezione gioca un ruolo fondamentale nella promozione delle donne in posizioni apicali. Anche se ogni processo competitivo dovrebbe essere neutrale rispetto al genere e le donne dovrebbero essere valutate solo in base alle loro capacità indipendentemente dal genere, questo non è sempre ciò che succede, perché le donne sono tipicamente svantaggiate rispetto agli uomini nei processi di selezione. Questa parte del progetto contribuisce alla nostra conoscenza sui processi di selezione e il loro ruolo nella promozione della leadership femminile. Si compone di uno studio teorico basato sulla letteratura di economia di genere e discriminazione statistica e di uno studio sperimentale, focalizzato su come i CV di uomini e donne sono selezionati da un pool di valutatori. Basandoci sulle predizioni dell’analisi teorica, disegniamo un esperimento per comprendere la presenza e la natura di discriminazione statistica a sfavore delle donne e, più precisamente, il ruolo dei segnali, cioè delle caratteristiche individuali contenute in un CV che sono trasmesse e catturate dai valutatori, e il ruolo delle differenze di genere in essi contenute. 1. Analisi teorica……………………………………1 2. Analisi sperimentale ……………………………8 Il processo di selezione e le quote di genere: una semplice analisi teorica Dicembre 2014 1 Introduzione Presentiamo un semplice modello teorico che spiega il ruolo delle quote di genere in un contesto di discriminazione statistica, che impedisce che le donne e gli uomini siano trattati in modo equo nei processi di assunzione e promozione. Poniamo la nostra attenzione sul processo di selezione, in cui tipicamente le donne sono svantaggiate rispetto agli uomini. Il nostro modello si concentra su come le caratteristiche degli individui vengono trasmesse e acquisite dai valutatori, e sull’esistenza di differenze di genere. In questo contesto, il nostro modello mostra che l’introduzione di quote di genere può essere una politica efficace. In pratica, le quote possono rappresentare un incentivo per le donne ad aumentare la loro produttività e a trasmettere le loro caratteristiche al comitato selettivo in modo più accurato. Il nostro semplice modello si basa sulle teorie della discriminazione statistica (Phelps, 1972 Coate e Loury 1993, Moro e Norman, 2004 e un modello specifico per genere, Lazear e Rosen, 1990), che suggeriscono che, in un contesto di informazioni imperfetta, le imprese non penalizzano le donne in quanto tali, ma perché ritengono che l’assunzione o la promozione di una donna possa ridurre i loro profitti (Francois, 1998). Questo è dovuto ad esempio ai costi della maternità o a una divisione non equa degli impegni familiari, che si traduce in un carico di lavoro domestico più elevato per le donne rispetto agli uomini. Le aspettative si auto realizzano. Anche quando i due gruppi sono identici ex ante (Arrow, 1973) le caratteristiche che gli individui di sesso maschile riescono a trasmettere sembrano essere comprese meglio da parte delle imprese, mentre le informazioni inviate dalle donne sono soggette a stereotipi di genere. Le ragioni che spiegano questo meccanismo non sono ancora state approfondite in letteratura. La nostra analisi teorica contribuisce a distinguere l’azione di diversi elementi: (i) la discriminazione in favore di un genere nel processo di assunzione / selezione, (ii) la qualità delle informazioni inviate, e (iii) la capacità delle imprese, dominate generalmente da una leadership di sesso maschile, di riconoscerle. Quest’ultimo elemento sarà fondamentale per capire la discriminazione statistica e le sue conseguenze sulla domanda di lavoro e l’occupazione. 1 Sulla base delle previsioni fornite dall’analisi teorica, metteremo in atto un esperimento per capire l’esistenza e la natura della discriminazione statistica nei confronti delle donne. 2 2. I processi di selezione sono neutrali rispetto al genere? Esiste un’ampia evidenza empirica a riprova che il processo di selezione non è neutrale. Il principio generale secondo cui si preferiscono persone che sono simili a sé è chiamato omofilia (McPherson et al., 2001): "le persone simili entrano in contatto con una probabilità superiore rispetto a quanto avviene tra le persone dissimili". Questo principio è fondamentale per il funzionamento dei legami di rete di qualsiasi genere. Questo concetto, ben noto fin dall’antichità1 , è stato ampiamente sviluppato dagli scienziati sociali a partire dagli anni ‘20 e ‘30 i quali hanno introdotto l’espressione di "birds of a feather flock together"(Lazarsfeld e Merton, 1954). Il genere è stato riconosciuto come uno dei principali elementi dell’omofilia. Una conseguenza interessante di questo principio applicata alle reti manageriali (Ibarra, 1992 e 1995) è che, se gli ambienti di lavoro sono molto segregati rispetto al genere, le donne hanno un accesso limitato o sono escluse dalle reti organizzative, le quali a loro volta possono contribuire agli avanzamenti carriera (poiché aiutano la diffusione delle informazioni, la formazione di alleanze, ecc). Gli ambienti professionali segregati rispetto al genere inducono a una forte omofilia.2 Anche in assenza di una chiara preferenza per le persone dello stesso sesso, può verificarsi una discriminazione nella selezione, poiché in generale è più facile che gli individui valutino positivamente persone con un background simile. Il genere può essere uno di questi criteri di identificazione. Dopo aver fornito una letteratura sociologica e psicologica a sostegno di questa idea, Cornell e Welch (1996) mostrano che, anche quando i datori di lavoro non hanno preferenze per persone simili a loro, favoriscono la promozione di persone dello stesso tipo, in quanto possono giudicare meglio le qualità occupazionali dei candidati a loro sconosciute quando i candidati appartengono allo stesso gruppo. In altre parole, essi possono distinguere meglio individui “buoni” e “cattivi” all’interno di una popolazione di persone simili. Di conseguenza, l’errore di misurazione per un dato valutatore si riduce quando le persone considerate hanno un background culturale simile. Queste diverse valutazioni possono essere giustificate da differenze di lingua, di stili di comunicazione e di percezioni che rendono più facile valutare le competenze personali e attitudinali per una persona dello stesso genere. Questo concetto è stato studiato da un’ampia letteratura socio-linguistica: le differenze verbali e di stili di comunicazione non verbale tra gruppi di diversa razza o 1 La gente "ama quelli che sono come loro" (Aristotele, Retorica e Nicomachea); "la somiglianza genera amicizia" (Platone, Fedro). 2 Si veda anche il concetto di clonazione culturale (Essed, 1996). 2 genere può influenzare i risultati economici e sociali (Dindia e Canarie, 2006; Scollon et al., 2011). Queste barriere di comunicazione tra i generi presenti sul posto di lavoro (Angier e Axelrod, 2014) possono produrre discriminazioni nel mercato del lavoro (Lang, 1996) e possono influenzare il processo di selezione delle donne a posizioni di vertice (Flabbi et al., 2014). Studi empirici hanno cercato di capire se le caratteristiche e il sesso dei selezionatori influenza il successo dei candidati. Lavy (2008) confronta i voti ottenuti dagli studenti negli esami finali durante l’ultimo anno delle scuole superiori in Israele quando l’identità dello studente è conosciuta e quando non lo è. L’autore sostiene che il genere dei selezionatori ha un impatto sui voti ottenuti nei test in cui l’identità dello studente non è nota. La discriminazione nel processo di valutazione è stata analizzata anche da Bagues e Perez Villadoniga (2012), i quali mostrano che, in un quadro multidimensionale di discriminazione statistica in cui l’accuratezza dei valutatori dipende da quanto sono esperti in ciascun ambito, i candidati che si distinguono nello stesso campo del valutatore tendono ad essere preferiti. Questo perché i valutatori sono in grado di valutare la conoscenza dei candidati in modo più accurato negli ambiti in cui sono più informati, e quindi riterranno più importanti le caratteristiche fornite in queste sfere. I risultati di questa analisi suggeriscono che, se gli uomini e le donne si distinguono sistematicamente in ambiti diversi, i datori di lavoro uomini preferiscono gli impiegati uomini alle donne, anche se sono ugualmente produttivi. Nell’ambito delle differenze di genere, Bagues e Zinovyeva (2010), usando un esperimento sul campo basato sulle promozioni nel sistema universitario spagnolo tra 2002 e il 2006, trovano che una percentuale maggiore di valutatori donne aumenta le probabilità di successo dei candidati a posizioni di professore ordinario di sesso femminile. Gli autori trovano che in un comitato composto da sette membri, ogni ulteriore donna aumenta le possibilità di successo dei candidati a posizioni di professore ordinario di sesso femminile del 14%. 3 Goldin e Rouse (2000) trovano che passare ad audizioni in cui non è osservabile il candidato (coperto da una tenda) nelle principali orchestre americane aumenta la probabilità che le donne avanzino nel processo di assunzione e che siano infine assunte. In un articolo precedente, Blank (1991) trova che gli articoli scritti da donne hanno una probabilità più alta di essere accettati se il processo di revisione è tale da non rendere nota l’identità del candidato al valutatore e viceversa, anche se l’effetto non è statisticamente significativo. Broder (1993) trova invece un risultato opposto: le reviewer donne di borse NFS negli USA danno una valutazione inferiore alle proposte scritte da donne rispetto a quelle scritte da uomini. Allo stesso modo, Bell (2005) rileva che i dirigenti di sesso femminile hanno 3 Lo stesso risultato non vale per le promozioni a posizioni di professore associato. Si noti, inoltre, che in uno studio precedente sugli esami pubblici spagnoli, Bagues e Esteve-Volart (2010) trovano che un candidato femmina (maschio) ha una probabilità significativamente inferiore di essere assunto tutte le volte in cui lei (lui) è assegnato in modo casuale a un comitato in cui la quota di valutatori femmine (maschi) è relativamente maggiore, poiché i valutatori donne tendono a sovrastimare la qualità dei candidati di sesso maschile. 3 probabilità significativamente più elevate di essere promosse in imprese con un amministratore delegato o un presidente del consiglio di amministrazione di sesso femminile. Matsa e Miller (2010) trovano che la presenza di donne nel consiglio di amministrazione durante gli anni precedenti ha un effetto positivo e significativo sulla quota femminile nel top management.4 Graves e Powell (1996) mostrano che la somiglianza di sesso è positivamente correlata alle decisioni di selezione. 3 Un semplice modello Consideriamo lavoratori di genere maschile e femminile. Gli uomini appartengono al gruppo e le donne al gruppo . Assumiamo che sia la proporzione di individui del gruppo e (1 − ) la proporzione di indiviui del gruppo . Ogni lavoratore ha una certa produttività, che dipende dal proprio investimento in sforzo lavorativo. Assumiamo che questo sia alto o basso. La produttività è osservata in modo imperfetto. I lavoratori mandano un segnale della loro produttivià ai datori di lavoro: per gli uomini e per le donne. I due gruppi differiscono nella precisione con cui comunicano loro produttività. In particolare, seguendo le evidenze empiriche presentate nella sezione precedente, si assume che laddove la percentuale dei datori di lavoro dello stesso sesso del lavoratore è più alta, il lavoratore riesce a comunicare meglio la sua abilità. Quindi, se la proporzione di uomini (donne) tra i datori di lavoro è maggiore, anche le informazioni sulla produttività degli uomini (delle donne) saranno più accurate. Definiamo la percentuale di uomini dirigenti nel comitato selezionatore e la percentuale di donne, con + = 1. Assumiamo che sia decrescente nella percentuale di donne dirigenti e crescente in quella di uomini dirigenti (cioè = ( ) e 1 () 0 e 2 () 0), mentre l’opposto accade per ( = ( ) e 1 () 0 e 2 () 0 ). Assumiamo anche che e sono identici = ( ) = = ( )Possiamo riscrivere tutte le funzioni in funzione di . Precisamente, = ( ) e 0 () 0 0 () 0 e = ( ) con Seguendo Conde Ruiz, Ganuza e Profeta (2014), possiamo mostrare che il gruppo che ha la proporzione maggiore di dirigenti ha più incentivi a investire in sforzo e riceverà un salario più elevato. Quale è l’impatto delle quote di genere? Consideriamo la percentuale di donne dirigenti ( ), e dunque il livello di e che massimizza il totale della produzione. Se introduciamo una policy che riduce il numero di uomini nel comitato selezionatore (cioè aumenta e si riduce), allora abbiamo due effetti opposti. Da un lato aumenta la preci4 Al contrario Neergaard et al. (2008) trovano che i manager donne hanno più stereotipi di genere rispetto agli uomini riguardo alle caratteristiche necessarie per essere un manager di successo, ovvero supportano più degli uomini il "Think manager- Think male hypothesis", il che implica che le donne possono essere indotte a discriminare altre donne ancora di più rispetto agli uomini. 4 sione del segnale dalle donne (aumenta il loro incentivo ad investire in sforzo), dall’altro, riducendo la precisione del segnale degli uomini, si riduce l’incentivo ad investire. Quindi, se partiamo da un’economia in cui tutti i dirigenti sono uomini, l’introduzione di una quota di genere (cioè un aumento di ) sarà efficiente se il primo effetto domina sul secondo. Quando possiamo assicurare che dopo l’introduzione delle quote di genere la produzione totale aumenta? Questo succederà quando tutte le donne avranno incentivo ad investire in sforzo, mentre nessun uomo cambierà la propria decisione di investire oppure no. Quindi, una quota ∗ è ottimale se = (∗ ) ≥ and = (∗ ) ≥ dove è il livello soglia di alto sforzo b ) (i.e. uomini esercitano alto sforzo) e In una situazione in cui ( b ) (donne esercitano basso sforzo) l’introduzione di una quota e b ( è efficiente se e ) ≥ and = ( e ) ≥ = ( L’introduzione di una quota è un miglioramento di efficienza se gli uomini continuano ad esercitare alto sforzo ( ) e le donne si spostano verso l’equilibrio di alto sforzo ( ). E’ importante notare che le condizioni per ottenere questo risultato sono raggiunte più facilmente se: i) l’elasticità della funzione = ( ) a cambiamenti di è piccola per livelli bassi di , e ii) l’elasticità della funzione = ( ) a cambiamenti di è grande per livelli bassi di . Ovvero, quando l’introduzione di una donna in un comitato formato da uomini difficilmente riduce la precisione delle informazioni inviate dagli uomini e ha un grande impatto sulla precisione delle informazioni inviate dalle donne. Queste sono le condizioni per le quali le quote di genere migliorano l’efficienza. 4 Conclusioni Abbiamo costruito un semplice modello teorico che dimostra che le quote di genere possono essere efficienti, poiché migliorano la decisione delle donne di investire nel lavoro, aumentare la produttività e migliorare la precisione delle informazioni che inviano al comitato di selezione. Sono a questo punto necessarie prove sperimentali per dimostrare l’esistenza di una discriminazione di genere nelle caratteristiche inviate da candidati uomini e donne a valutatori di genere diverso. References [1] Angier, M. and Axelrod, B. (2014) Realizing the power of talented women, Mc Kinsey Quarterly 3:107-115. 5 [2] Arrow, K. J. (1973) “The Theory of Discrimination” in O. Ashenfelter and A. Rees (eds), Discrimination in Labor Markets, Princeton University Press. [3] Bagues, M. F. and Esteve-Volart, B., 2010, “Can Gender Parity Break the Glass Ceiling? Evidence from a Repeated Randomized Experiment”, Oxford University Press, Review of Economic Studies, 77: 1301-1328. [4] Bagues, M. and Perez-Villadoniga, M. J., 2012, “Why Do I Like People Like Me?”, Journal of Economic Theory, 148(3): 1292-1299. [5] Bagues, M. and Zinovyeva, N.2010, Does gender matter for academic promotion? Evidence from a randomized natural experiment, FEDEA WP 2010/15 [6] Bell, L. , 2005, Women-Led Firms and the Gender Wage Gap in Top Executive Jobs, IZA DP 1689 [7] Blank, R. M. (1991), “The Effects of Double-Blind versus Single-Blind Reviewing: Experimental Evidence from The American Economic Review”, American Economic Review, 81 (5), 1041—1067. [8] Broder, I. E., 1993, Review of NSF Economics Proposals: Gender and Institutional Patterns”, American Economic Review, 83: 964-970. [9] Coate, S. and Loury, G. C. (1993) “Will Affirmative-Action Policies Eliminate Negative Stereotypes?,” American Economic Review 83(5): 12201240. [10] Conde Ruiz, JI, Ganuza, J.and Profeta, P. (2014) Affirmative Action and Statistical Discrimination, mimeo [11] Cornell, B. and Welch, I., 1996, Culture Information and Screening Discrimination, Journal of Political Economy 104 (3): 542-571. [12] Essed, P. 1996, Diversity: Gender, Color and Culture. Amherst: University of Massachusetts Press [13] Flabbi, L., Macis, M., Moro, A. and Schivardi, F. (2014) Do female executives make a difference? The impact of female leadership on gender gaps and firm performance, mimeo [14] Francois, P. (1998) “Gender Discrimination without Gender Difference: Theory and Policy Responses,” Journal of Public Economics 68: 1-32. [15] Goldin, C. and Rouse. C., 2000, Orchestrating impartiality: the impact of ‘blind’auditions on female musicians, American Economic Review, 90: 715-741. 6 [16] Graves, L. M. and Powell, G. N., 1996, Sex similarity, quality of the employment interview and recruiters’ evaluation of actual applicants, Journal of Occupational and Organizational Psychology, 69: 243-261. [17] Ibarra, H., 1992, Homophily and differential returns: sex differences in network structure and access in an advertising firm, Administartive Science Q. 37:422-47. [18] Ibarra, H., 1995, Race, opportunity and diversity of social circles in managerial networks, Academy Management Review 38:673-703. [19] Lavy, V. (2008), “Do Gender Stereotypes Reduce Girls’ Human Capital Outcomes? Evidence from a Natural Experiment”, Journal of Public Economics, 92, 2083—2105. [20] Lazarsfeld, P., and R. K. Merton., 1954, Friendship as a Social Process: A Substantive and Methodological Analysis. In Freedom and Control in Modern Society, Morroe Berger, Theodore Abel, and Charles H. Page, eds. New York: Van Nostrand, 18—66. [21] Lang, K. (1986) A language theory of discrimination, The Quarterly Journal of Economics: 363-382. [22] Lazear, E. and Rosen, S. (1990) “Male-Female Wage Differentials in Job Ladders,” Journal of Labor Economics 8(1): 106-123. [23] Matsa, D. A. and Miller, A., 2010, “Chipping Away at the Glass Ceiling: Gender Spillovers in Corporate Leadership”, American Economic Review, 101(3): 635-639. [24] McPherson, M. et al., 2001, Birds of a Feather: Homophily in Social Networks, Annual Review of Sociology, 27: 415-444. [25] Moro, A. and Norman, P. (2004) “A General Equilibrium Model of Statistical Discrimination,” Journal of Economic Theory 114(1): 1-30. [26] Neergaard, H. et al., 2008, “Revisiting the think manager-think male syndrome in an egalitarian culture”, Academy of Management Conference. [27] Phelps, E. (1972) “The Statistical Theory of Racism and Sexism,” American Economic Review 62: 659-661. [28] Scollon, R., Suzanne, W. and Rodney, J. (2011) Intercultural communication: A discourse approach, John Wiley and Sons. 7 Esiste una discriminazione di genere nella scelta dei candidati? Evidenze sperimentali in Italia Giulia Ferrari, Ross MacMillan, Paola Profeta Dondena, Università Bocconi 1. Introduzione I processi di selezione dei candidati per posizioni lavorative rivestono un ruolo importante nella promozione delle donne a posizioni di vertice. Le donne sono tipicamente svantaggiate rispetto agli uomini. La selezione dovrebbe essere neutrale rispetto al genere (gender-neutral) e le donne dovrebbero essere valutate sulla base delle loro capacità, ma questo non sempre avviene (si veda il capitolo precedente per un’analisi della letteratura in materia). Abbiamo condotto una ricerca sperimentale per meglio comprendere come il genere sia rilevante nella valutazione dei curriculum per l’assunzione, la promozione e la retribuzione. I risultati suggeriscono l'esistenza e chiariscono la natura di una discriminazione statistica che impedisce un trattamento equo di donne e uomini nel processo di selezione. In particolare, l’esperimento si propone di analizzare come le caratteristiche individuali presenti in un CV vengano trasmesse e comprese dal selezionatore, e se questo implichi uno svantaggio per le donne nei processi di mobilità. 1.1 Quadro concettuale La discriminazione statistica nei confronti delle donne nel corso dei processi di selezione e promozione è ampiamente documentata nell’ambito delle scienze sociali e del management. Nel campo psicologico, Anders, Steinpreis e Ritzke (1999) hanno preso in considerazione l’importanza del nome dei candidati nella valutazione dei CV. I loro risultati indicano che i selezionatori di entrambi i generi preferiscono candidati di genere maschile, nonostante l’esperimento “sia stato predisposto per impedire risposte innescate dalla conoscenza del genere dei candidati”. A parità di competenze, è maggiore la probabilità di preferire un candidato maschio rispetto ad uno femmina, indipendentemente dal genere del selezionatore. Inoltre, i selezionatori di entrambi i generi ritengono più adeguati i candidati maschi di quelli femmine, a parità di esperienze di lavoro, d’insegnamento e di ricerca. Un altro esempio è dato dal famoso studio di Goldin e Rouse (2000) sulle audizioni “cieche” delle migliori orchestre americane. Gli autori dimostrano che le donne hanno una probabilità più alta di proseguire nel processo di selezione e di essere assunte qualora i selezionatori non possano osservare a priori il genere dei musicisti. In un’altra ricerca, Blank (1991) ottiene risultati analoghi: gli articoli scritti da donne hanno una probabilità maggiore di essere accettati se il processo di revisione è “doppio-cieco”, nonostante l’effetto non sia statisticamente significativo1. L’aspetto cruciale evidenziato da queste ricerche è che il genere, quando dichiarato o dedotto dal nome, è un elemento importante che penalizza le donne nel processo di mobilità lavorativa. Altre ricerche hanno come obiettivo quello di capire se le caratteristiche e il genere dei selezionatori influenzino il successo dei candidati. Lavy (2008) ad esempio confronta i voti ottenuti 1 Broder (1993) trova invece un risultato opposto: le reviewer donne di borse NFS negli USA danno una valutazione inferiore alle proposte scritte da donne rispetto a quelle scritte da uomini. 8 dagli studenti negli esami finali durante l’ultimo anno delle scuole superiori in Israele nel caso in cui l’identità dello studente sia nota al valutatore oppure no. L’autore sostiene che il genere dei selezionatori ha un impatto sui voti ottenuti nei test in cui non è nota l’identità dello studente. Bagues e Perez Villadoniga (2012) dimostrano che i selezionatori tendono a preferire candidati che si distinguono per caratteristiche simili alle loro (ad es. un livello di istruzione elevato). Gli autori ritengono che questo avvenga perché i selezionatori sono in grado di valutare in modo più accurato le conoscenze dei candidati per gli aspetti che loro stessi conoscono meglio e quindi considerino certe caratteristiche più importanti di altre. Gli studi di Bagues et al. suggeriscono che, se uomini e donne si distinguono in modo sistematico per caratteristiche diverse, i datori di lavoro maschi preferiranno impiegati maschi rispetto alle femmine, anche se ugualmente produttivi, perché considerano più importanti attributi meno ricorrenti nel genere femminile. Le ricerche precedenti hanno analizzato l’esistenza di una discriminazione di genere nel processo di selezione e di assunzione. Tuttavia, non sono ancora state approfondite le conseguenze della discriminazione di genere sull’interpretazione delle informazioni fornite dai CV dei candidati e sulla retribuzione loro offerta. 1.2 Obiettivo La nostra ricerca sperimentale mira a verificare l’esistenza e comprendere la natura della discriminazione nei confronti delle donne nei processi di selezione e di promozione a posizioni manageriali. Il nostro studio contribuisce alla letteratura esistente analizzando l’esistenza di una selezione di genere da parte di un gruppo di selezionatori composto da maschi e femmine; in secondo luogo, indaghiamo se i selezionatori considerano in modo diverso per uomini e donne le caratteristiche riguardanti la qualifica e il livello d’istruzione fornite dai candidati. Infine, osserviamo se i risultati dei processi di selezione e di promozione (in altre parole, la retribuzione offerta) rispecchiano tali differenze. Basandoci sui dati raccolti attraverso l’esperimento in laboratorio, la nostra analisi empirica si propone di rispondere alle seguenti domande di ricerca: 1) Esiste una discriminazione di genere nei processi di selezione/assunzione? 2) Esistono differenze di genere nel modo in cui i selezionatori valutano le informazioni fornite dai candidati (ovvero: istruzione, esperienza lavorativa, e posizione attuale) nei processi di selezione/assunzione? 3) In caso affermativo, si osservano anche differenze nella retribuzione offerta ai candidati? 4) In che modo il genere dei selezionatori influenza questi meccanismi? Il lavoro è strutturato nel modo seguente: la sezione 2 descrive il setting dell’esperimento, i criteri di selezione dei soggetti sperimentali e il questionario somministrato. La sezione 3 analizza i dati raccolti, le variabili individuate e i metodi statistici utilizzati. La sezione 4 espone i risultati dell’analisi univariata e multivariata dei dati raccolti, mentre la sezione 5 conclude e considera ulteriori spunti di ricerca. 2. L’esperimento 2.1. Setting Gli esperimenti sono stati condotti su 250 studenti nel BELLS (Bocconi Experimental Laboratory for the Social Sciences), un laboratorio in cui vengono condotti regolarmente esperimenti in tutti gli ambiti delle scienze sociali. I soggetti sono stati selezionati da una lista preesistente di studenti frequentanti alla data dell’esperimento (novembre 2014), registrati come volontari tramite il software cloud-based del BELLS. 9 L’unica caratteristica richiesta ai partecipanti era un livello avanzato di inglese: i soggetti sono stati invitati via e-mail a partecipare ad uno studio “sui criteri di valutazione dei curriculum vitae (d’ora in poi definiti CV)”. Una volta accettato di partecipare allo studio, il sistema comunicava loro che alla fine dell’esperimento avrebbero ricevuto un compenso di 10€. Il campione finale di partecipanti (d’ora in poi definiti selezionatori) è composto da 109 soggetti di genere femminile (43.6%) e 141 (56.4%) di genere maschile, di età compresa tra i 19 e i 24 anni. 2.2 Il questionario Abbiamo condotto l’esperimento in due turni separati (si veda tabella 1 per una breve descrizione). Nel corso del primo turno abbiamo mostrato ai selezionatori 16 CV fittizi, appartenenti a candidati partecipanti ad una selezione per un impiego e per una promozione. Abbiamo progettato per ciascun genere 8 CV contenenti una combinazione di informazioni riguardanti la posizione attuale (manager o professionisti), l’esperienza lavorativa (5 o 10 anni) e il livello di istruzione (laurea o dottorato di ricerca/master). Al CV seguiva una breve descrizione dell’impiego e tre domande. Abbiamo predisposto posizioni differenti per ogni candidato, mentre le domande erano le stesse per tutti. Nel secondo turno abbiamo invertito il genere dei candidati, mantenendo tutte le altre caratteristiche costanti. Dopo aver valutato i CV dei candidati (disposti in ordine alfabetico per cognome) e letto la descrizione della posizione, i selezionatori valutavano l’idoneità (probabilità di assunzione) di ogni candidato in merito ad una posizione specifica su una scala a cinque categorie (da “certamente sì” a “certamente no”). In seguito si chiedeva quale caratteristica del candidato avesse maggiormente influenzato la loro decisione precedente: livello d’istruzione, esperienza lavorativa, posizione attuale, oppure altro. Infine, i selezionatori dovevano indicare la retribuzione offerta al candidato all’interno di un intervallo predefinito (il questionario completo si trova nell’Appendice). Tabella 1: Combinazioni delle caratteristiche dei candidati # Candidato 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Genere M M M M M M M M F F F F F F F F Turno 1 Posizione Attuale Esperienza Lavorativa Professionista 5 anni Professionista 5 anni Professionista 10 anni Professionista 10 anni Manager 5 anni Manager 5 anni Manager 10 anni Manager 10 anni Professionista 5 anni Professionista 5 anni Professionista 10 anni Professionista 10 anni Manager 5 anni Manager 5 anni Manager 10 anni Manager 10 anni Livello d’istruzione Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master # Candidato 1 2 3 4 5 6 7 Genere F F F F F F F Turno 2 Posizione Attuale Esperienza Lavorativa Professionista 5 anni Professionista 5 anni Professionista 10 anni Professionista 10 anni Manager 5 anni Manager 5 anni Manager 10 anni Livello d’istruzione Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea 10 8 9 10 11 12 13 14 15 16 F M M M M M M M M Manager Professionista Professionista Professionista Professionista Manager Manager Manager Manager 10 anni 5 anni 5 anni 10 anni 10 anni 5 anni 5 anni 10 anni 10 anni Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master Laurea Dottorato/Master 3. Dati, variabili e strategia analitica Ai fini della nostra analisi, abbiamo costruito un dataset “person-period” longitudinale. In particolare, il nostro campione è composto da 4,000 osservazioni, ovvero il prodotto tra le variabili raccolte per ciascuno dei 16 candidati e il totale dei 250 selezionatori. Le variabili disponibili per ciascun candidato sono: il genere (dedotto inequivocabilmente dal nome maschile o femminile del candidato), il livello d’istruzione (Laurea o Dottorato di ricerca / Master), gli anni di esperienza lavorativa (5 o 10 anni), la professione (Professionista o Manager) e i valori minimi e massimi di retribuzione annua lorda previsti per l’impiego per il quale i candidati fanno domanda. Inoltre, per ciascun candidato, il dataset contiene 3 variabili di outcome: il livello di certezza con cui i selezionatori assumerebbero un candidato, la caratteristica più importante che ha influenzato la loro decisone e la retribuzione annua lorda che gli offrirebbero nel caso in cui decidessero di assumerlo. Per valutare se esiste una discriminazione statistica tra uomini e donne nel processo di selezione, abbiamo implementato una serie di modelli di regressione multivariata. Ciascun modello ha come obiettivo quello di rispondere a una specifica domanda di ricerca. Il modello 1 analizza la probabilità che i selezionatori siano "certi" di assumere il candidato rispetto alle altre quattro possibilità. Poiché la probabilità osservata riguarda una variabile binaria, abbiamo applicato un modello logit ad intercette casuali. Le variabili esplicative in questo modello sono il genere, le caratteristiche del candidato (tenendo l’istruzione come categoria di riferimento) e le interazioni tra il genere e le caratteristiche del candidato. Un secondo modello valuta se la retribuzione (relativa) offerta al candidato dipende dal livello di certezza con cui i selezionatori lo assumerebbero e dai criteri utilizzati per prendere questa decisione. In questo caso, la variabile dipendente è continua (stipendio relativo misurato in euro), quindi usiamo un modello di regressione lineare per valutare se esiste un’associazione significativa tra lo stipendio offerto e le variabili di interesse, ovvero il genere, la certezza di assunzione, e le caratteristiche del candidato. Infine, siamo interessati a calcolare lo svantaggio relativo delle donne in termini di retribuzione offerta nel caso in cui i selezionatori decidano di assumerle. Utilizziamo quindi un terzo modello di regressione lineare in cui consideriamo come variabile dipendente la retribuzione e come variabile esplicativa la probabilità di assunzione, al netto del genere. Innanzitutto, interpretiamo il coefficiente relativo alla "certezza di assumere" come il vantaggio marginale (calcolato in euro) in termini di stipendio che i selezionatori offrirebbero ai candidati che decidono di assumere, indipendentemente dal livello di certezza con cui li assumerebbero. In seguito, per ottenere lo svantaggio relativo delle donne, moltiplichiamo questo termine per la somma dei coefficienti che si riferiscono agli effetti principali e alle interazioni. 11 4. Risultati 4.1. Analisi descrittiva La tabella 2 presenta una descrizione sintetica dei risultati del nostro esperimento: in media, i selezionatori sono leggermente più propensi ad assumere una donna rispetto a un uomo (50.3% contro 49.7%). Tuttavia, essi tendono anche a non assumere donne più frequentemente degli uomini, in particolare quando si dichiarano certi di questa scelta, con uno scarto dell’1,6%. Per quanto riguarda le informazioni che i selezionatori utilizzano nel decidere se assumere o meno il candidato, notiamo che il livello di istruzione conta più frequentemente nella selezione degli uomini, così come la categoria residuale “Altro”. In media, l’esperienza lavorativa è più importante nella scelta di assumere le donne, mentre la posizione attuale è utilizzata in modo uguale per le donne e per gli uomini. Infine, se i selezionatori decidono di assumere il candidato, il salario medio offerto alle donne è in media leggermente inferiore (- € 88) rispetto a quello offerto agli uomini. Tabella 2: percentuali di risposte date dai selezionatori per genere dei candidati Donne Probabilità di assumere un candidato(%) Certamente sì Probabilmente sì Non so Probabilmente no Certamente no Caratteristiche (%) Livello d’istruzione Esperienza lavorativa Posizione attuale Atro Retribuzione (€, media) Uomini 50.8 49.8 49.5 50.1 51.6 49.2 50.2 50.5 49.9 48.4 48.7 51.1 49.9 48.7 120,354 51.3 48.9 50.2 51.3 120,442 4.2. Analisi multivariata Modello 1 I risultati del primo modello di regressione indicano che la probabilità di assumere un candidato non è sbilanciata a favore di un genere. In altre parole quando è stato chiesto ai selezionatori di scegliere se assumere o meno un candidato, essi non hanno considerato il genere come una caratteristica discriminatoria (vedi Tabella 3 per i dettagli sui coefficienti di regressione). Ciononostante, il modello 1 suggerisce che la variabile dipendente (certezza di assumere un candidato) è influenzata principalmente dai criteri utilizzati nel processo di selezione. In particolare, il segno negativo dei coefficienti relativi alle caratteristiche del candidato e alle caratteristiche in interazione con il genere indica che le donne sono sistematicamente penalizzate rispetto agli uomini quando la selezione è basata sull’esperienza di lavoro, sulla posizione corrente, e su altri criteri (infatti, i coefficienti delle interazioni sono tutti negativi). Al contrario, esse risultano avvantaggiate quando il livello d'istruzione (la categoria di riferimento per questa variabile) è considerato come la caratteristica più importante che ha portato i selezionatori a decidere se assumere o meno i candidati. Tabella 3: Effetti del genere e delle caratteristiche dei candidati sulla probabilità di assunzione. Coefficienti di regressione logistica Modello 1 Donna (Rif: Uomo) Coefficiente 0.37 p-value 0.020 12 Criteri (Rif: Livello d’istruzione) Esperienza Lavorativa Posizione Attuale Altro Donna* Esperienza Lavorativa Donna * Posizione Attuale Donna *Altro Costante -0.62 0.07 -1.21 -0.44 -0.42 -0.98 -1.09 0.000 0.600 0.001 0.044 0.030 0.100 0.000 Modello 2 I nostri risultati indicano che la retribuzione relativa che i selezionatori offrirebbero ai candidati non dipende solo dal livello di certezza con cui li assumerebbero (con un compenso più elevato se decidono di assumere con certezza, β = 0.11), ma anche dai criteri che essi hanno usato per arrivare a tale decisione (si veda la Tabella 4 per i dettagli su coefficienti di regressione). Quando la decisione di assumere un candidato si basa sull’esperienza lavorativa, sulla posizione attuale, e su altri criteri, le donne tendono a essere penalizzate anche in termini di stipendio. Di conseguenza, l’effetto negativo sulla retribuzione risulta mediato dalla probabilità di essere assunti. Tabella 4: Effetti della certezza di assunzione e delle caratteristiche dei candidati sul salario relativo. Coefficienti di regressione lineare Modello 2 Assunzione certa Donne (Rif: Uomini) Criteri (Rif: Livello d’istruzione) Esperienza Lavorativa Posizione Attuale Altro Donna* Esperienza Lavorativa Donna * Posizione Attuale Donna *Altro Costante Coefficiente 0.110 -0.004 p-value 0.000 0.510 -0.021 0.008 -0.028 0.013 -0.002 0.017 1.180 0.000 0.170 0.013 0.113 0.817 0.302 0.000 Modello 3 Se l’esperienza lavorativa è il criterio considerato come più importante nella decisione di assumere o meno il candidato, alle donne in media è offerta una retribuzione del 18,4% inferiore rispetto agli uomini (= 0,10 * 0,08%), il che significa una riduzione dell'importo di 2439 € (= € 13.234 * 18,4%). Se la decisione è basata sulla posizione attuale, le donne ottengono un compenso del 7,2% inferiore rispetto agli uomini (= 0,012 * 0,084%), corrispondente ad uno svantaggio in termini di stipendio relativo di 948 € (= € 13.234 * 7,2%). Infine, se il criterio utilizzato è "altro", il divario salariale tra uomini e donne raggiunge il 27,6% (= .17 * .11%), pari ad un importo inferiore di € 9.577 rispetto agli uomini (= € 13.234 * 27,6%). Tabella 5: Vantaggio marginale in termini di retribuzione offerta dai selezionatori ai candidati che assumerebbero con certezza e effetti lineari delle caratteristiche dei candidati sulla probabilità che i selezionatori siano certi di assumere il candidato. Modello 3 Assunzione certa Donna (Rif: Uomo) Coefficiente 13,234.9 -308.6 p-value 0 0.517 13 Donna (Rif: Uomo) Criteri (Rif: Livello d’istruzione) Esperienza Lavorativa Posizione Attuale Altro Donna* Esperienza Lavorativa Donna * Posizione Attuale Donna *Altro Costante Coeff. Lineare 0.07 p-value 0.008 -0.10 0.01 -0.17 -0.08 -0.08 -0.11 0.27 0.000 0.614 0.000 0.021 0.016 0.106 0.000 5. Conclusioni Il nostro esperimento in laboratorio verifica l'esistenza e la natura di una discriminazione statistica nei processi di selezione in ambito lavorativo. In sintesi, abbiamo chiesto a 250 selezionatori di valutare 16 differenti CV di candidati che fanno domanda per posizioni di livello superiore, le cui caratteristiche in termini di genere, istruzione, posizione attuale ed esperienza lavorativa sono assegnate in modo casuale. In seguito, è stato chiesto ai selezionatori di indicare con quale livello di certezza avrebbero / non avrebbero assunto ciascuno dei candidati, quale è stata la caratteristica più importante che ha influenzato la loro decisione e l'ammontare della retribuzione (entro un intervallo specificato) che avrebbero loro offerto in caso di assunzione. Sulla base delle risposte fornite dai selezionatori, i nostri risultati suggeriscono che, in media, le donne non sono svantaggiate rispetto agli uomini nella probabilità di essere assunte in quanto tali. Tuttavia, i selezionatori hanno dato importanza diversa alle caratteristiche fornite dai candidati nei loro CV per uomini e donne. In particolare, le donne risultano sistematicamente più svantaggiate rispetto agli uomini quando i selezionatori decidono di assumere un candidato sulla base dell’esperienza di lavoro, la posizione attuale e per altri motivi. Inoltre, i risultati del nostro studio indicano che la discriminazione di genere presente nel processo di assunzione ha anche un effetto indiretto (ovvero attraverso le caratteristiche dei candidati) sulla retribuzione offerta. Infatti, l'importo offerto dipende non solo dal livello di certezza di assumere un candidato (con importi superiori offerti a coloro che sarebbero certamente assunti), ma anche dai criteri utilizzati dai selezionatori nel loro processo decisionale. Di conseguenza, le donne tendono a essere svantaggiate anche in termini di retribuzione offerta. I nostri dati ci permetterebbero anche di analizzare se la discriminazione statistica nei confronti delle donne dipende dal genere dei selezionatori. Tuttavia, queste informazioni al momento sono disponibili solo per un campione ristretto di selezionatori. Le stime del modello che include questa variabile, sebbene indichino una preferenza maschile per i maschi, presentano una significatività statistica molto bassa. Abbiamo comunque in programma di ripetere lo stesso esperimento su un campione di selezionatori sufficientemente ampio da permetterci di implementare modelli di regressione in cui anche il genere di selezionatori viene preso in considerazione come variabile esplicativa. Bibliografia Bagues, M. F., & Pérez Villadóniga, M. J. (2012). Why do I like people like me? Journal of Economic Theory, 148(3): 1292-1299. Bagues, M. F., & Zinovyeva, N. (2010). Does gender matter for academic promotion? Evidence from a randomized natural experiment, FEDEA WP 2010/15 14 Blank, R. M. (1991). The effects of double-blind versus single-blind reviewing: Experimental evidence from the American Economic Review. The American Economic Review, 1041-1067. GOLDIN, C., & RoUsE, C. (2000). Orchestrating impartiality: The Impact of “Blind” Auditions on Female Musicians. The American Economic Review, 90(4), 715-741. Lavy, V. (2008). Do gender stereotypes reduce girls' or boys' human capital outcomes? Evidence from a natural experiment. Journal of Public Economics, 92(10), 2083-2105. Steinpreis, R. E., Anders, K. A., & Ritzke, D. (1999). The impact of gender on the review of the curricula vitae of job applicants and tenure candidates: A national empirical study. Sex roles, 41(78), 509-528. 15