Le determinanti del match fra domanda e offerta di lavoro in Italia

Istruiti e competenti?
Le determinanti del match fra domanda e offerta di lavoro in Italia
Gian Carlo Cainarca♦, Francesca Sgobbi♣
Agosto 2008 – Versione preliminare
XXIII Convegno Nazionale di Economia del Lavoro
Facoltà di Economia – Università degli Studi di Brescia
11-12 settembre 2008
1a Sessione tematica
♦
♣
DIST, Università di Genova, Viale Causa, 13 - 16145 Genova
e-mail [email protected], tel. +39.010.3532070, fax +39.010.3532948
DIMI, Università di Brescia, Via Branze, 38 - 25123 Brescia
e-mail [email protected], tel. +39.030.371.5644, fax +39.030.370.2448
Istruiti e competenti?
Le determinanti del match fra domanda e offerta di lavoro in Italia
1. Introduzione
La letteratura internazionale testimonia che l’educational mismatch, ossia l’incontro
imperfetto fra domanda e offerta di istruzione scolastica nel mercato del lavoro, è un fenomeno ben radicato sia nei Paesi industrializzati (Sloane, 2003) sia in quelli di più recente sviluppo (Yue e Yang, 2006). La presenza di tale squilibrio induce a interrogarsi
sulle ragioni del mancato allineamento fra domanda ed offerta di competenze, ossia se
questo debba essere attribuito a carenze sul versante delle imprese o su quello dei lavoratori o, ancora, se non derivi piuttosto da problemi di misurazione del fenomeno stesso
(Green e McIntosh, 2007).
L’evidenza proposta in letteratura suggerisce che il mancato allineamento fra
domanda e offerta di lavoro dipende da frizioni sul versante della domanda, oltre che
dai tradizionalmente più esplorati vincoli sul lato dell’offerta di lavoro (Cainarca e
Sgobbi, 2008a). In questa prospettiva, l’indagine e le riflessioni associate all’educational mismatch assumono particolare importanza anche ai fini di comprendere le potenziali fonti di competitività della struttura industriale di un Paese. Per quanto concerne
l’Italia, l’analisi delle determinanti dell’educational mismatch può aiutare a comprendere l’apparente paradosso posto dalla ricorrente denuncia della mancanza di laureati e, al
contempo, dell’allarme per la “fuga dei cervelli” all’estero. Nel nostro Paese l’educational mismatch è stato tuttavia oggetto di scarsa attenzione e gli studi che consentono
di quantificarne le dimensioni su base nazionale sono limitati a pochi casi (Istat, 2005;
Brynin et al., 2006; Cainarca e Sgobbi, 2008b). Più numerose sono le indagini focalizzate sul segmento più “pregiato” del mercato del lavoro, quello relativo ai laureati1, che
tuttavia riguarda una quota minoritaria del mercato del lavoro nazionale, pari a circa il
12% degli addetti, ed è inoltre sbilanciata verso le coorti di lavoratori più giovani
Un contributo per arricchire l’evidenza empirica disponibile sull’educational mismatch in Italia è offerto dall’indagine Isfol “Organizzazione, Apprendimento e Competenze” (OAC, Tommasini, 2007). L’archivio OAC, costruito attraverso oltre 3.600 interviste con addetti del settore privato in Italia eseguite tramite la tecnica del Computer
Assisted Personal Interviewing nella primavera del 2004, consente infatti di quantificare
il fenomeno dell’educational mismatch in Italia, evidenziandone le peculiarità. I dati
OAC confermano anche per il caso italiano la contemporanea presenza di overeducation
1
Si vedano ad esempio i contributi di Di Pietro e Urwin, 2006; Checchi et al., 2004; Allen e van der Velden, 2001; Boero et al., 2001.
1
(che coinvolge il 14,08% degli addetti) e di undereducation, rilevata per il 17,12%
dell’universo esaminato (Cainarca e Sgobbi, 2008b). Il caso italiano si distingue per due
peculiarità. In primo luogo, i livelli di matching, mediamente pari al 68,80%, sono significativamente più elevati rispetto a quelli riportati dalla letteratura internazionale, che
si aggirano attorno al 60% (Hartog, 2000). Inoltre, il prevalere dei lavoratori sottoqualificati rispetto agli overeducated, fenomeno raramente riscontrato in altri Paesi industrializzati, rende difficile nel caso italiano imputare il mancato allineamento fra domanda e offerta di lavoro a un’eccessiva qualificazione degli addetti.
A più riprese la letteratura ha suggerito che la rilevazione di un disallineamento
fra titoli di studio richiesto e offerto potrebbe non corrispondere a un effettivo mancato
incontro fra domanda e offerta di lavoro (Green e McIntosh, 2007): il mismatch educativo potrebbe celare una transitoria assenza di informazioni fra datori di lavoro e addetti,
oppure riflettere l’eterogenea distribuzione delle competenze nella popolazione, indipendentemente dai traguardi scolastici raggiunti. Prendendo spunto da tali considerazioni, il contributo utilizza la base di dati OAC per esplorare le determinanti dell’educational mismatch in Italia e per verificare se esso sia riconducibile alla cattiva circolazione delle informazioni nel mercato del lavoro, oppure se dietro titoli di studio analoghi si
celino lavoratori dalle capacità marcatamente differenti.
Il contributo è articolato in quattro ulteriori paragrafi. Il paragrafo 2 delinea il
dibattito in cui si colloca l’articolo e, sulla base della letteratura, individua i quesiti di
ricerca su cui si centra l’indagine empirica proposta. Il paragrafo 3 presenta i dati
dell’archivio OAC, utilizzati nell’indagine empirica. Quest’ultima è presentata nel paragrafo 4, mentre l’ultimo paragrafo discute i risultati emersi.
2. Letteratura e ipotesi di ricerca
Nella letteratura internazionale l’espressione educational mismatch indica usualmente il
mancato allineamento fra il livello degli studi raggiunto da un lavoratore e quello richiesto dal datore di lavoro per ricoprire una determinata posizione organizzativa. Di conseguenza, se si ricorre al titolo di studio per misurare il livello di istruzione individuale, un
lavoratore risulterà overeducated quando il titolo posseduto sarà superiore al titolo richiesto e undereducated nella situazione inversa.
La presenza di educational mismatch è stata riscontrata in tutti i Paesi industrializzati, seppur con intensità e caratteristiche diverse. Ai fini di ricostruire un quadro sintetico, è utile riferirsi alla meta-analisi di 25 studi proposta da Groot e Maassen van den
Brink (2000). Prendendo in considerazione i soli risultati riconducibili all’approccio
2
soggettivo2, cui fanno riferimento i dati utilizzati nel presente lavoro, l’incidenza media
dell’overeducation risulta pari al 28,6% e quella dell’undereducation al 15,5%. Gli studi condotti a livello nazionale evidenziano la sistematica e significativa maggiore incidenza dell’overeducation nei Paesi anglofoni rispetto a quelli dell’Europa continentale
(Sloane, 2003). I valori assunti dall’overeducation appaiono sempre più elevati per Stati
Uniti, Canada e Regno Unito (tra il 17 e il 42%), rispetto a quelli di Germania, Paesi
Bassi e Spagna (tra il 17 e il 28%).
In ragione forse della specularità del fenomeno, l’undereducation è stato oggetto
di minor attenzione in letteratura3. L’incidenza dell’undereducation è particolarmente
alta nel caso spagnolo, dove Alba-Ramirez (1993) la riconosce per il 23% degli addetti4,
rilevando una relazione positiva fra undereducation, anzianità di lavoro e training. In
modo analogo, e coerentemente con l’ipotesi di sostituibilità fra le componenti formali e
“informali” del capitale umano, Sloane et al. (1999) riscontrano anche per il Regno Unito una relazione positiva fra esperienza, anzianità di lavoro, livello di competenza e undereducation, mentre relazioni inverse valgono nel caso dell’overeducation. In particolare, se fra gli addetti con meno di due anni di esperienza gli undereducated rappresentano il 10%, oltre i 20 anni di esperienza la percentuale sale al 24%. Viceversa, a meno
di due anni dall’ingresso nel mercato del lavoro l’overeducation riguarda il 43% degli
addetti, mentre oltre i 20 anni di esperienza tale percentuale si riduce al 25%.
La dinamica dell’educational mismatch in funzione del ciclo di vita del lavoratore e del cambiamento tecnologico e organizzativo che coinvolge le attività produttive
costituisce un tema in larga parte ancora inesplorato, anche a causa della scarsa disponibilità di dati atti a verificare le proposizioni teoriche. In linea generale, diversi autori
hanno verificato la maggiore incidenza dell’overeducation al principio della carriera lavorativa (Dolton e Vignoles, 2000; Hartog, 2000). Un’overeducation di natura temporanea appare compatibile con l’interpretazione dell’educational mismatch quale disequilibrio transitorio fra domanda e offerta, che viene risolto quando lavoratori e imprese dispongono di maggiori informazioni per ottimizzare il matching (Jovanovic, 1979). La
teoria della mobility career spiega la maggiore incidenza dell’overeducation al principio
della carriera lavorativa affermando che individui con qualifica superiore a quella ri2
Ai fini della rilevazione dei livelli di istruzione o di qualificazione richiesti e posseduti da un lavoratore
per svolgere una determinata mansione si utilizzano due diverse logiche, basate rispettivamente su (i) criteri soggettivi, incentrati sull’auto-valutazione da parte del lavoratore, e (ii) criteri oggettivi, basati sul
giudizio di un osservatore.
3
Letta nella prospettiva della teoria del capitale umano, l’undereducation appare coerente con l’ipotesi di
sostituibilità fra istruzione scolastica e addestramento o altre tipologie di formazione on-the-job. Evidenze
in tal senso sono offerte da Alba-Ramirez per la Spagna (1993), Sloane et al. (1999) per il Regno Unito e
Büchel e Mertens (2004) per il caso tedesco.
4
Ancor più elevata (33%) è la percentuale di lavoratori spagnoli undereducated rilevata in uno studio
successivo relativo a dati del 1991 (García-Serrano e Malo, 1996).
3
chiesta hanno maggiori probabilità di scalare le gerarchie aziendali: accettare una posizione per la quale si è sovra-qualificati rappresenterebbe quindi una sorta di investimento nell’attesa di maggiori ritorni futuri (Sicherman e Galor, 1990; Sicherman, 1991). Alla prova dei fatti, tuttavia, la teoria della mobility career ha incontrato più smentite che
conferme (Robst, 1995; Büchel e Mertens, 2004) e il persistere di uno “zoccolo duro” di
overeducation e undereducation anche fra individui al termine della vita lavorativa induce a sospettare una reale eterogeneità fra le competenze degli addetti non rispecchiata
dal titolo di studio (Green et al., 2002; Green e McIntosh, 2007), oppure un effettivo
malfunzionamento dei mercati del lavoro (Borghans et al., 2001; Green e McIntosh,
2007). A tale proposito, alcuni autori hanno proposto di distinguere fra individui “genuinamente” sovra-qualificati, che effettivamente svolgono mansioni per le quali il titolo di studio e gli skill offerti appaiono ridondanti, e lavoratori solo “apparentemente”
sovra-qualificati, o perché le competenze offerte risultano effettivamente inferiori a
quelle degli addetti con analogo titolo di studio, oppure come risultato di una scelta personale volta a dedicare maggior tempo o sforzo ad attività extra-lavorative (Green et al.,
2002; Chevalier, 2003; Green e McIntosh, 2007).
La corrispondenza fra titolo di studio e competenze agite costituisce un punto
critico nel dibattito sull’educational mismatch. Solo una correlazione significativa giustifica infatti i costi di un sistema educativo volto ad assicurare al mondo delle imprese
la disponibilità delle competenze necessarie. Viceversa, l’educational mismatch e la sua
evoluzione lungo il ciclo di vita del lavoratore non costituirebbero motivo di preoccupazione per gli attori istituzionali, a meno di ricadute sulla motivazione degli addetti. Le
critiche rivolte all’educational mismatch come indicatore di un effettivo squilibrio sul
mercato del lavoro sono quindi in larga misura riconducibili all’imperfetta capacità di
quest’ultimo di rappresentare in modo adeguato lo skill mismatch (Borghans et al.,
2001), nella sua dimensione sia statica sia dinamica5. Nonostante le rilevanti implicazioni in termini di policy, non esiste infatti ancora evidenza conclusiva che consenta di
affermare il carattere transitorio o permanente del mismatch in funzione dell’età degli
addetti. In particolare, gli studi esistenti suggeriscono un impatto significativo, ma di
portata ridotta, del livello di competenze offerte sul grado di matching degli addetti
(Green e McIntosh, 2007).
Alla luce degli stimoli proposti dalla letteratura, il presente lavoro indaga le determinanti della probabilità di undereducation e overeducation nel mercato del lavoro
5
Per quanto riguarda la dimensione dinamica, il titolo di studio potrebbe essere utilizzato dal datore di
lavoro come segnale delle potenzialità del candidato, piuttosto che degli skill effettivamente posseduti.
Inoltre, tanto l’acquisizione quanto l’obsolescenza degli skill continuano anche al di fuori del sistema scolastico. In particolare, il titolo di studio non è una misura a-temporale del livello di competenze acquisite:
a parità di titolo erogato possono infatti variare nel tempo i contenuti dell’offerta formativa, dando origine
al cosiddetto fenomeno del grade drift.
4
italiano. In particolare, si vuole offrire nuova evidenza empirica in risposta ai seguenti
quesiti.
i) Essere competenti ed essere istruiti sono davvero due situazioni diverse? In altre parole, l’eterogeneità della prestazione espressa da individui differenti a parità di titolo
di studio è in grado di spiegare la collocazione dei lavoratori in mansioni per le quali
essi risultano sovra o sotto-qualificati?
ii) La cattiva circolazione delle informazioni nel mercato del lavoro è una spiegazione
convincente dell’educational mismatch? La permanenza degli addetti nel mercato
del lavoro conduce a un effettivo miglioramento della qualità del match fra titolo di
studio domandato e offerto?
3. I dati
La base di dati OAC dell’Isfol consente di individuare la presenza del mismatch educativo fra i lavoratori italiani del settore privato e di valutare le determinanti di tale disallineamenti, tenendo anche conto dell’eterogenea distribuzione di capacità e competenze
a parità di titolo di studio. L’indagine, condotta nella Primavera del 2004 su un campione di 3.605 addetti, esamina le competenze espresse dai lavoratori nell’ambito della
propria mansione e delle caratteristiche del posto di lavoro (Tommasini, 2007). Alcune
statistiche rilevanti sono riportate in Tabella 1.
L’individuazione del grado di educational mismatch è resa possibile dalla presenza della seguente domanda nel questionario: “Se qualcuno dovesse fare domanda per
occupare la sua posizione, che qualificazione scolastica dovrebbe possedere secondo
lei?” La domanda prevedeva le seguenti risposte: Licenza di scuola elementare, Licenza di scuola media, Scuola dell’obbligo e un anno di formazione professionale, Scuola
dell’obbligo e due anni di formazione professionale, Scuola dell’obbligo e tre anni di
formazione professionale, Diploma di maturità tecnica, Diploma di maturità liceale,
Laurea, Laurea e corso di perfezionamento, Laurea e master, Laurea e dottorato di ricerca. La valutazione dell’educational mismatch risulta dal confronto fra gli anni di studio
corrispondenti alla qualificazione richiesta e quelli necessari a conseguire il titolo di
studio effettivamente posseduto dall’intervistato. La misura utilizzata è quindi di tipo
soggettivo6 (Chevalier, 2003; Allen e Van den Velden, 2005).
6
Le diverse modalità per rilevare il livello di istruzione o di qualificazio-ne richiesto per svolgere una determinata mansione sono riconducibili alle due logiche contrapposte dei criteri soggettivi, incentrati
sull’auto-valutazione da parte del lavoratore, e dei criteri oggettivi, basati sul giudizio di un osservatore.
Nel primo caso si richiede al lavoratore di indicare il livello di istruzione ritenuto necessario per ricoprire
la mansione (il confron-to con il titolo di studio segnala l’overeducation o l’undereducation) o se, in alternativa, si ritenga overeducated (undereducated) (Allen e van der Velden, 2005). I criteri oggettivi misurano il mismatch attraverso l’analisi puntuale dei compiti lavorativi, confrontati con mansionari dettagliati
5
Tabella 1. L’archivio OAC: statistiche essenziali
Variabile
Titolo di studio
Genere
Classi di età
[anni]
Qualifica
Classe dimensionale impresa
[addetti]
Area geografica di residenza
Licenza di scuola elementare
Licenza di scuola dell’obbligo
Diploma di scuola professionale
Diploma di maturità
Laurea
Post-laurea
Maschi
Femmine
15-29
30-44
45-64
Operai
Impiegati
Dirigenti/Quadri
1-49
50-99
100-499
≥ 500
n.r.
Nord-Ovest
Nord-Est
Centro
Sud e Isole
Totale
N
%
84
794
538
1.709
397
83
2.253
1.352
691
1.711
1.203
1.534
1.034
1.037
1.847
268
537
751
202
956
1.017
798
834
2,33
22,02
14,92
47,41
11,01
2,30
62,50
37,50
19,17
47,46
33,37
42,55
28,68
28,77
51,23
7,43
14,90
20,83
5,60
26,52
28,21
22,14
23,13
3.605
100,00
Fonte: Archivio OAC, Isfol
Il titolo di studio posseduto risulta allineato rispetto al titolo richiesto nel 68,8%
dei casi, una percentuale superiore rispetto al 60% mediamente rilevato negli altri Paesi
industrializzati (Hartog, 2000). I lavoratori che si ritengono overeducated rispetto alla
mansione svolta sono pari al 14,1%, mentre il 17,1% si ritiene undereducated. Molto
marcati appaiono i contrasti tra classi di età differenti: mentre il matching si mantiene
sempre attorno al 69%, undereducation e overeducation registrano, rispettivamente, una
drastica crescita e riduzione all’aumentare dell’età dell’intervistato: al di sotto dei 35
anni, l’incidenza degli overeducated risulta superiore a quella degli undereducated. I
valori di overeducation fra i lavoratori italiani sono comunque, per ciascuna fascia di
età, circa la metà di quelli misurati attraverso criteri soggettivi da Dekker et al. (2002)
nel caso olandese. La non trascurabile percentuale di overeducated anche fra i lavoratori
più anziani (6,5% dell’universo osservato al di sopra dei 55 anni) dimostra comunque
che, almeno per una quota di individui, la sovra-qualificazione può rivestire caratteri di
quali la Standard Occupational Classification (Regno Unito) o il Dictionary of Occupational Titles (Stati
Uniti), oppure mediante rilievo statistico.
6
permanenza. Pur confermando che l’overeducation in Italia è sostanzialmente allineata
ai livelli riportati in letteratura per i Paesi dell’Europa continentale, i dati Isfol mostrano
inoltre la superiore incidenza dell’undereducation rispetto all’overeducation7.
Il questionario Isfol propone inoltre agli intervistati un elenco di 44 compiti e
comportamenti organizzativi che richiedono l’esercizio di skill e competenze appartenenti a diversi domini di conoscenza. Questi ultimi spaziano dal sapere tecnico proprio
della mansione alle abilità fisiche, alla gestione delle relazioni, alla capacità di pianificazione e controllo, alla leadership, all’autonomia. In corrispondenza di ciascun compito il lavoratore è chiamato a valutarne la pertinenza rispetto alla propria mansione e, in
caso affermativo, a indicare la frequenza con cui riesce a svolgerlo in maniera efficace
lungo una scala Likert da 1 (“Praticamente sempre”) a 7 (“Raramente”). Il giudizio espresso rappresenta quindi la percezione soggettiva della distanza fra la qualità della
prestazione fornita per un certo compito e il “livello ottimo” di riferimento che il lavoratore autodefinisce sulla base delle proprie esperienze, del confronto con i colleghi, delle
richieste formulate in maniera esplicita o implicita dal datore di lavoro. Il presente contributo assume il giudizio soggettivo sull’efficacia con cui il singolo addetto porta a
termine i compiti assegnati nell’ambito della propria mansione a valutazione delle competenze espresse. A parità di titolo di studio e di occupazione, quindi, l’efficacia della
prestazione fornita consente di tener conto dell’eterogeneità degli addetti sotto il profilo
delle competenze.
4. L’analisi empirica
L’esplorazione empirica dei quesiti di ricerca si è sviluppata attraverso due passi distinti. In primo luogo, un’analisi delle componenti principali ha consentito di riportare a un
numero limitato di fattori i giudizi formulati dai lavoratori intervistati sull’efficacia delle competenze espresse attraverso la propria mansione. In secondo luogo, sono state valutate le determinanti della probabilità di risultare overeducated piuttosto che undereducated rispetto al caso base di match fra titolo di studio richiesto e offerto attraverso stime multivariate di tipo logit8.
7
Tale evidenza trova riscontro in ambito internazionale solo in alcuni studi sulle realtà spagnola (AlbaRamirez, 1993; García-Serrano e Malo, 1996) e olandese (Dekker et al. 2002; Hartog e Oosterbeek, 1988)
e delinea una situazione paradossale in cui ai laureati che non trovano piena valorizzazione in termini di
collocazione occupazionale e di retribuzione si contrappongono schiere di lavoratori che ritengono la propria preparazione scolastica inferiore a quanto richiesto dalla mansione.
8
Green e McIntosh (2007) stimano le determinanti della probabilità di overeducation o undereducation
attraverso modelli bivariati, ossia valutano la probabilità di overeducation rispetto al caso base di match o
undereducation e, analogamente, la probabilità di undereducation rispetto al caso base di match o overeducation. Tale approccio è ritenuto tuttavia insoddisfacente, poiché accomuna nel caso base osservazioni
che per ipotesi si ritengono influenzate da variabili differenti.
7
La matrice ruotata dei componenti, riportata in Tabella 2, evidenzia che le 44
competenze esaminate dall’indagine OAC sono state ricondotte a sette fattori, i quali
spiegano complessivamente il 44% della varianza osservata nei dati. Tal fattori sono
stati interpretati, rispettivamente, come la capacità di utilizzare in modo competente le
tecniche tipiche della mansione occupata e di valutarne la corretta applicazione da parte
del lavoratore o dei colleghi (Technical_Competence); la capacità di gestire i rapporti
fra l’unità organizzativa in cui opera l’addetto e l’esterno, inteso sia come altre parti
dell’organizzazione sia come ambiente esterno all’organizzazione (Border_management); l’attitudine all’auto-attivazione per individuare opportunità e gestire rischi e problemi (Entrepreneurship); la padronanza di competenze generali quali la lettura, la scrittura e l’alfabetizzazione matematica (Literacy); la capacità di cooperare all’interno di un
gruppo di lavoro (Teamwork); l’abilità nell’affrontare in autonomia i problemi tipici
della mansione (Self_management); l’attitudine a svolgere attività che richiedano destrezza o forza fisica (Physical_Skills).
I sette fattori individuati rientrano fra le variabili indipendenti utilizzate nella
stima della probabilità di over- o undereducation. In particolare, al fine di verificare se
la diversa distribuzione delle competenze fra i lavoratori è una determinante significativa dell’educational mismatch, le stime logit multivariate sono state applicate a due modelli differenti, i cui risultati sono riportati in Tabella 3. Il Modello I include fra i regressori le variabili utilizzate per stratificare il campione e altre variabili tipicamente
utilizzate in letteratura per spiegare l’educational mismatch. Il primo gruppo include
sesso, classe di età, area geografica di residenza, livello di istruzione, gruppo occupazionale e settore di attività degli addetti. Il secondo gruppo di variabili include le dimensioni di impresa, l’esperienza maturata presso il datore di lavoro al momento dell’intervista, la durata della formazione complessivamente ricevuta dopo l’ingresso nel mercato
del lavoro e la tipologia di contratto (a tempo parziale o a tempo determinato). A tali determinanti, il Modello II aggiunge i sette fattori di efficacia delle competenze espresse
individuati attraverso l’analisi delle componenti principali. Il confronto fra il Modello I
e il Modello II dovrebbe quindi essere in grado di evidenziare se l’eterogenea distribuzione delle competenze fra soggetti con analogo titolo di studio è effettivamente in grado di spiegare l’educational mismatch osservato anche fra i lavoratori italiani.
8
Tabella 2. Analisi fattoriale sull’efficienza delle competenze espresse
Fattore
Competenze
Prestare molta attenzione ai dettagli
Trattare con le persone e interagire con loro
Analizzare in profondità dei problemi complessi
Scrivere lunghi documenti in una forma ortograficamente
e grammaticalmente corretta
Lavorare duramente, anche senza un supervisore
Risolvere problemi o difetti (personali o altrui)
Organizzare il proprio tempo
Unirsi ad uno sforzo di gruppo
Essere sicuro che le cose sono corrette (personali o altrui)
Rilevare quando ci sono errori (con riferimento al suo lavoro o a quello
Aiutare altri membri della squadra di lavoro
Conoscere o comprendere come l’organizzazione funziona
Sapere come usare/operare con strumenti, attrezzature,
macchinari
Avere una buona resistenza psico-fisica o una buona concentrazione
Lavorare senza suggerimenti o consigli
Avere una conoscenza (o una comprensione) specialistica
Controllare le cose affinché non vi siano errori (personali
o altrui)
Persuadere o influenzare gli altri
Trattare e gestire problemi con poca guida e assistenza
Scrivere delle note o riempire dei moduli in forma corretta
da un punto di
Essere affidabile nell’esecuzione di un lavoro
Completare dei lavori nel tempo pattuito
Prendere delle iniziative
Fare efficaci discorsi o presentazioni o parlare in pubblico
Utilizzare un personal computer o altri strumenti computerizzati
Pensare in avanti
Technical
competence
0,645
0,286
0,068
Border
management Entrepreneurship
0,026
0,104
-0,014
0,249
0,182
0,288
Literacy
0,004
0,057
0,226
SelfTeamwork management
0,069
0,127
0,263
0,131
0,154
0,363
Physical
skills
0,059
0,117
-0,043
0,109
0,315
0,203
0,347
0,147
0,698
0,400
-0,051
0,071
-0,039
0,133
0,026
-0,143
0,064
0,270
0,417
0,066
0,208
0,456
0,062
0,051
-0,027
0,065
0,051
0,102
0,205
0,322
0,196
0,700
0,176
0,204
0,522
0,288
0,166
0,131
0,041
-0,134
0,075
-0,006
0,059
0,041
0,017
0,430
0,148
-0,022
0,104
0,269
0,127
0,072
0,050
0,368
0,725
0,041
0,036
-0,033
0,033
0,221
0,131
0,281
0,144
0,313
0,207
0,054
0,462
0,186
0,041
0,137
0,202
0,086
0,157
0,534
0,259
0,340
0,066
0,009
0,077
0,094
0,154
0,236
0,041
0,065
0,137
0,132
-0,036
0,003
0,251
0,526
0,383
0,103
0,053
0,076
0,664
0,019
0,026
0,022
0,489
0,128
0,220
0,129
0,327
0,040
0,062
0,155
0,103
0,154
0,057
0,076
0,373
0,585
0,024
-0,063
0,049
0,093
0,705
0,563
0,052
0,101
0,283
0,142
0,117
0,068
0,631
-0,029
0,131
0,143
0,542
-0,091
0,594
0,126
0,141
0,042
0,238
0,091
-0,036
0,042
0,083
0,025
0,172
0,100
0,034
0,282
0,073
-0,120
0,044
-0,038
-0,037
-0,029
0,268
0,146
0,191
0,133
0,153
0,595
0,426
0,123
-0,084
0,090
-0,079
0,081
0,152
0,015
continua
9
Tabella 1 – continuazione
Pianificare la propria attività
0,249
Svolgere attività di consulenza, di consigliere, di cura degli altri
0,029
Pianificare l’attività di altre persone
0,026
Vendere un prodotto o un servizio
0,188
Conoscere particolari prodotti o servizi connessi al proprio lavoro
0,287
Mandare avanti le cose nonostante le stesse diventino più
complicate e difficili
0,190
Pensare alla soluzione di problemi
0,140
Leggere e comprendere brevi documenti quali report, lettere o memo
0,049
Leggere e comprendere lunghi documenti quali report,
manuali, articoli o libri
-0,013
Ascoltare attentamente i colleghi
0,131
Eseguire calcoli con i decimali, con le percentuali o con le
frazioni
0,112
Accuratezza e abilità nell’usare mani e dita
0,129
Avere la forza fisica per spingere, tirare o trasportare oggetti o strumenti
0,099
Leggere informazioni scritte sotto forma di moduli, avvisi
e segnalazioni
0,090
Eseguire calcoli utilizzando procedure matematiche o statistiche avanzate
0,093
Prendere decisioni strategiche per il futuro della sua organizzazione
0,089
Istruire addestrare o insegnare alle persone individualmente o in gruppo.
-0,083
Fare da consulente e prendersi cura del cliente
0,097
Matrice delle componenti ruotate
Metodo di estrazione: Analisi delle componenti principali
Metodo di rotazione: Varimax con normalizzazione Kaiser
0,058
0,625
0,060
0,059
0,090
0,040
0,624
0,655
0,549
0,158
0,100
0,104
0,197
0,105
0,109
0,053
0,159
-0,077
0,038
0,031
-0,109
-0,054
0,016
0,118
0,232
0,409
0,087
0,058
0,000
0,100
0,057
0,032
0,587
0,642
0,089
0,105
0,093
0,107
0,124
0,105
0,027
0,027
0,080
0,253
0,714
0,138
0,005
-0,035
0,236
0,055
0,120
0,376
0,671
0,139
0,095
0,468
0,135
-0,051
-0,077
0,056
0,269
0,158
0,051
0,031
0,558
0,098
-0,048
0,033
0,069
0,083
0,128
0,776
0,074
0,074
-0,008
0,093
0,035
0,802
0,023
0,246
0,579
0,131
0,052
0,123
0,335
-0,027
0,493
-0,003
0,090
0,147
0,614
-0,016
0,172
-0,009
0,073
0,140
0,545
0,568
0,118
0,102
0,056
0,146
0,214
-0,022
0,060
-0,021
0,113
0,064
10
Tabella 3. Le determinanti della probabilità di overeducation e undereducation.
Stime multivariate
Modello I
Undereducation Overeducation
vs Match
vs Match
Costante
lg_size
Tenure
Anni_formazione
Donne
Technical_Competence
Border_management
Entrepreneurship
Literacy
Teamwork
Self_Ctrl
Physical_Skills
Titolo di studio (baseline: diploma post-laurea)
Scuola dell'obbligo
Scuola professionale
Diploma di maturità
Laurea
Classe di età (baseline: 45-64 anni)
15-29
30-44
Occupazione (baseline: impiegati amministrativi)
Dirigenti e direttori
Professionisti
Tecnici
Figure specializzate
Addetti ai servizi alla persona
Addetti alle vendite e ai relativi servizi
Conduttori di impianti e macchinari
Personale non qualificato
Per settore (baseline: Commercio)
Manifatturiero: tradizionali
Manifatturiero: scale intensive
Manifatturiero: science based
Alberghi e ristoranti
Trasporti e magazzinaggio
Comunicazioni e ICT
Intermediazione finanziaria e monetaria
Immobiliari, noleggio, ricerca
Tipologia di contratto
Part-time
Tempo determinato
-2loglikelihood
χ2 (g.l.)
McFadden
β
-5,401 ***
0,080 ***
0,007
0,184 **
-0,179
5,397
5,234
2,844
2,257
β
0,969 **
-0,038
-0,022 **
-0,054
-0,165
***
***
***
**
-5,336
-2,705
-2,837
-1,389
-0,839 ***
-0,222 *
0,013
0,116
0,747
0,698
0,346
-0,719
-1,227
-0,486
-1,223
-1,287
-0,264
-0,126
0,400
0,503
-0,304
0,378
0,564
0,444
***
**
*
***
**
***
***
-0,481
-1,219
-0,106
1,378
0,070
1,206
2,129
2,166
*
***
**
-0,154
-0,365
-0,528
0,208
-0,137
-0,608
-0,470
-0,516
-0,525 ***
0,239
0,295
0,195
**
**
Modello II
Undereducation vs Overeducation vs
Match
Match
***
***
***
***
**
***
***
***
***
***
*
**
**
*
**
4845,890
1225,229 (62) ***
0,202
β
-5,456
0,082
0,006
0,153
-0,150
-0,151
0,163
-0,024
0,056
-0,037
0,018
-0,075
5,485
5,296
2,837
2,252
***
***
*
***
***
β
1,171
-0,045
-0,021
0,022
-0,226
-0,013
-0,254
0,054
-0,304
0,104
0,046
0,176
***
***
***
**
-5,655
-2,907
-2,917
-1,398
-0,802 ***
-0,225 **
-0,059
0,140
0,702
0,637
0,355
-0,638
-1,239
-0,434
-1,111
-1,165
-0,447
-1,218
-0,164
1,135
0,259
1,093
1,795
1,852
-0,285
-0,139
0,389
0,486
-0,335
0,322
0,511
0,407
***
**
*
***
*
***
***
**
*
**
*
-0,535 ***
0,273
***
*
**
*
***
***
*
***
***
***
***
***
**
***
***
***
***
***
-0,200
-0,340
-0,529 **
0,198
-0,114
-0,516 **
-0,448
-0,505 **
0,277
0,210
4773,634
1297,555 (76) ***
0,214
Sono incluse dummies di localizzazione geografica
*** p<0,001; ** p<0,050 * p<0,100
11
Entrambi i modelli stimati sono caratterizzati da elevato fitting fra i dati e la
forma funzionale prescelta (in entrambi i casi, p<0,001) e da un sufficiente potere esplicativo delle variabili dipendenti (Mc Fadden pseudo R2 pari, rispettivamente, a 0,202 e
0,214). In ogni caso, la bassa variazione nello pseudo R2 fra i due modelli suggerisce
che, nonostante numerosi fattori risultino significativi, la diversità nell’efficacia delle
componenti espresse spiega in misura solo marginale il mismatch nel mercato del lavoro
fra titolo di studio richiesto e offerto. L’impatto contenuto delle competenze espresse è
testimoniato anche dalla ridotta variazione dei coefficienti dei regressori stimati in entrambi i modelli.
5. Discussione e conclusioni preliminari
Seppur semplice, l’analisi empirica proposta consente di evidenziare alcuni risultati di
notevole interesse. In primo luogo, differenze nella prestazione fornita costituiscono determinanti spesso significative nel giustificare il mancato allineamento fra titolo di studio richiesto e offerto. Il peso dei coefficienti appare tuttavia estremamente ridotto rispetto a quello delle variabili legate al capitale umano degli addetti e alle caratteristiche
della mansione e dell’impresa. Almeno nel settore privato del mercato del lavoro italiano, l’eterogeneità delle competenze offerte dai lavoratori non consente di spiegare, se
non in misura marginale, l’educational mismatch. In particolare, non desta stupore rilevare che l’eccellenza nelle competenze tecniche riduce la probabilità di essere sottoqualificati, mentre la capacità di gestire i confini con altre unità organizzative o altre organizzazioni, tipica delle figure manageriali e quindi sviluppata attraverso i successivi
progressi lungo le gerarchie dell’organizzazione, corrisponda più frequentemente a individui sotto-qualificati piuttosto che a soggetti overeducated. L’impatto negativo e significativo assunto dal fattore Literacy sulla probabilità di overeducation segnala la disponibilità delle imprese italiane a valorizzare la mansione degli addetti che sanno dimostrare competenza nell’utilizzo degli strumenti di lettura, scrittura e calcolo numerico. L’impatto positivo del lavoro di squadra e delle competenze legate alla manualità e
alla forza e resistenza fisica sulla probabilità di sovra-qualificazione suggerisce che tali
attività si concentrano nelle mansioni meno qualificate, dove maggiore è l’incidenza di
overeducation. I fattori maggiormente legati all’autonomia degli addetti (Entrepreneurship e Self_Ctrl) non risultano invece determinanti significative della probabilità di educational mismatch.
L’esperienza maturata presso il datore di lavoro non influenza la probabilità di
occupare una posizione per cui si è undereducated, ma riduce in misura significativa la
probabilità di essere sovra-qualificati rispetto alla probabilità di un matching corretto.
Al contrario, l’esperienza complessiva nel mercato del lavoro non appare una determi-
12
nante significativa dell’allineamento fra titolo di studio richiesto e offerto9. Tale risultato suggerisce un ridotto effetto di segnalazione dell’esperienza complessiva presso datori di lavoro potenziali e sottolinea la necessità di una comunicazione diretta e prolungata
fra datore di lavoro e addetto affinché le qualità di quest’ultimo vengano correttamente
apprezzate. In entrambi i modelli la formazione successiva all’ingresso nel mondo del
lavoro influenza significativamente la probabilità di undereducation: le aziende italiane
sembrano quindi preferire la formazione come uno strumento per colmare le lacune scolastiche dei dipendenti, piuttosto che per sfruttare il potenziale di apprendimento degli
addetti con titolo di studio più elevato.
I risultati in Tabella 3 mostrano che minore è l’età degli addetti, più bassa è la
probabilità che essi occupino una posizione per la quale risultano sovra-qualificati. Viceversa, la probabilità di overeducation non è influenzata dall’età dell’addetto. Tale risultato, verificato sia nel Modello I sia nel Modello II, e quindi a prescindere dal livello
delle competenze espresse, smentisce l’ipotesi ampiamente sostenuta in ambito pubblicistico di una crescente difficoltà dei giovani italiani a trovare una collocazione nel
mondo del lavoro in linea con il proprio investimento in istruzione e meriterà pertanto
ulteriori approfondimenti nell’attività di ricerca futura.
Riferimenti bibliografici
Alba-Ramırez, A. (1993). Mismatch in the Spanish labor market. Journal of Human Resources. 28(2): 259–278.
Allen, J., van der Velden, R. (2001). Educational mismatches versus skill mismatches:
effects on wages, job satisfaction and on-the-job search. Oxford Economic Papers
53(3): 434–452.
Allen, J., van der Velden, R. (2005). The Role of Self-Assessment in Measuring Skills.
Paper for the Jacobs Foundation Conference “Interdisciplinary and Cross-National
Perspectives on Skill Formation and the Reform of Vocational and Professional
Training”. 14-16 Aprile. Marbach.
Boero G., A. McNight, R. Naylor, Smith J. (2001), “Graduates and Graduate Labour
Markets in the UK and Italy”, Lavoro e Relazioni industriali, 2, 131-172.
Borghans L., Green F., Mayhew K. (2001), “Skill measurement and economic analysis:
an introduction”, Oxford Economic Papers, 3, 375-384.
Brynin, M., Lichtwardt, B., Longhi, S. (2006). “Overqualification: Major or Minor Mismatch?”. ISER Working Paper 2006-17. Colchester: University of Essex.
9
Tale risultato non è mostrato in Tabella 3, ma è disponibile presso gli autori.
13
Büchel, F., Mertens, A. (2004). “Overeducation, Undereducation and the Theory of Career Mobility”. Applied Economics. 36(8) (2004), 803-816.
Cainarca G.C., Sgobbi F., “Il difficile incontro fra domanda e offerta di saperi:
un’analisi sui dati italiani”, Sviluppo & Organizzazione, in corso di pubblicazione,
2008.
Cainarca G.C., Sgobbi F., “Quanto paga studiare? La relazione fra istruzione e retribuzione in Italia”, Economia Politica – Journal of Analytical and Institutional Economics, 2008, in corso di pubblicazione.
Checchi D., Iacus S., Negri I., Porro G. (2004), Formazione e percorsi lavorativi dei
laureati dell’Università degli Studi di Milano, Working Paper 4.2004, Dipartimento
di Economia Politica e Aziendale, Università di Milano.
Chevalier, A. (2003), “Measuring overeducation”, Economica, 70: 509–531.
Dekker, R., de Grip, A., Heijke, H. (2002). “The effects of training and overeducation
on career mobility in a segmented labour market”. International Journal of Manpower. 23(2): 106–125.
Di Pietro G., Urwin P. (2006), “Education and skills mismatch in the Italian graduate
labour market”, Applied Economics , 38(1), 79-94.
Dolton, P., Vignoles, A. (2000). “The incidence and effects of overeducation in the UK
graduate labour market”. Economics of Education Review. 19: 179–198.
García-Serrano, C., Malo, M.A. (1996). “Desajuste educativo y movilidad laboral en
España”. Revista de Economía Aplicada. 11: 105-131.
Green, F., McIntosh, S., Vignoles, A. (2002). “The utilization of education and skills:
Evidence from Great Britain”. The Manchester School. 70(6): 792–811.
Green F., McIntosh S. (2007), “Is there a genuine under-utilization of skills amongst the
over-qualified?”, Applied Economics, 39(4), 427-439.
Groot, W., Maassen van den Brink, H. (2000). “Overeducation in the labour market: A
meta analysis”. Economics of Education Review. 19(2): 149–158.
Hartog, J. (2000). “Over-education and earning: where are we, where should we go?”,
Economics of Education Review. 19, 131-147, 2000.
Hartog, J., Oosterbeek, H. (1988). Education, allocation and earnings in the Netherlands: Overschooling?. Economics of Education Review. 7(2): 185–194.
Istat (2005). Rapporto annuale. La situazione del Paese nel 2005. Roma: Istat.
Jovanovic B. (1979), “Job Matching and the Theory of Turnover”, The Journal of Political Economy, 87(5-1), 972-990.
Robst, J. (1995). “College quality and overeducation”. Economics of Education Review.
14: 221–228.
14
Sicherman, N. (1991). “ ‘Overeducation’ in the labour market”. Journal of Labor Economics. 9(2): 101–122.
Sicherman, N., Galor, O. (1990). “A theory of career mobility”. Journal of Political Economy. 98(1): 169-92.
Sloane, P.J. (2003). “Much ado about nothing? What does the over-education literature
really tell us?”, in Büchel, F., de Grip, A., Mertens, A. (a cura di). Overeducation in
Europe: Current Issues in Theory and Policy. Edward Elgar: Cheltenham: 11-48.
Sloane, P., Battu, H., Seaman, P. (1999). “Overeducation, undereducation and the British labour market”. Applied Economics. 31: 1437–1453.
Tomassini M. (a cura di) (2007), Organizzazione, apprendimento, competenze. Indagine
sulle competenze nelle imprese industriali e di servizi in Italia. Roma: Isfol.
Yue C., Yang J. (2006), “Over-Education or Under- Education: Some Evidence from
Chinese Graduates”, International Conference on Economics of Education: Major
Contributions and Future Directions, Dijon, France, 20-23 June.
15