La valutazione delle Borse di Lavoro erogate dal POR FSE ...luglio2016.europa.marche.it/Portals/0/Documenti/0Indagine sugli... · Attività di valutazione in itinere del POR Marche

La valutazione delle Borse di Lavoro erogate dal

POR FSE 2007-2013 della Regione Marche

Novembre 2012

Attività di valutazione in itinere del POR Marche FSE ob. 2 2007/2013

ATI Fondazione G.Brodolini – Istituto per la Ricerca Sociale

2

Sommario

1. Introduzione .............................................................................................................................................. 3

2. L'individuazione del gruppo dei trattati e del gruppo dei non trattati ...................................................... 6

3. Le variabili-risultato ................................................................................................................................. 10

3.1 La misurazione delle variabili risultato .............................................................................................. 11

4. La stima degli effetti ................................................................................................................................ 12

4.1 L'eterogeneità degli effetti ................................................................................................................ 15

5. Considerazioni conclusive........................................................................................................................ 17

Allegati ............................................................................................................................................................. 18

Allegato 1: Criterio B ................................................................................................................................ 18

Allegato 2: Criterio A ................................................................................................................................ 22



3

1. Introduzione

La programmazione POR FSE 2007-2013 della Regione Marche prevede - quale strumento di politica attiva

del lavoro - l'erogazione di borse lavoro per facilitare l’ingresso nel mercato del lavoro dei diplomati e dei

laureati, in particolare nelle piccole e medie imprese, privilegiando allo stesso tempo percorsi finalizzati

all’innovazione di processo e di organizzazione. Secondo i dati SIFORM disponibili al 31.12.2011, nell'arco

della programmazione FSE 2007-2013, oltre 30 milioni di euro, pari a quasi un quinto del totale, sono stati

impegnati per progetti di work experience nelle Marche.

Più nello specifico, gli obiettivi alla base della progettazione di questo intervento di politica attiva del lavoro

possono essere così riassunti:

• Promuovere azioni di inserimento professionale che favoriscano l’entrata nel mercato del lavoro dei più

giovani1;

• Realizzare azioni specifiche per coniugare gli interventi di incentivazione alle imprese con interventi di

supporto all’incrocio domanda-offerta ed all’inserimento in azienda.

Questo studio intende verificare se le borse di lavoro rappresentano davvero un incentivo per i giovani

marchigiani in possesso di una laurea o quantomeno di un diploma per inserirsi nel mercato del lavoro, an-

che nell’attuale fase recessiva. La principale questione è identificare l’effetto dell'intervento sul risultato,

isolandolo da ciò che sarebbe accaduto comunque, per la presenza di altri fattori non attribuibili

all’intervento che influenzano il successo occupazionale dei giovani diplomati e laureati. Per individuare il

cambiamento indotto dalla partecipazione ad una borsa lavoro è necessario un disegno valutativo di tipo

controfattuale, che stima l’effetto della borsa lavoro come differenza tra il successo occupazionale che si

osserva in sua presenza e quanto si sarebbe osservato in sua assenza.

Seppur in maniera sintetica, si sintetizza la questione da un punto di vista formale. Si consideri il caso in cui

la variabile-risultato Y (ad esempio, occupato o no) sia definita nel modo seguente: Yi :{0,1} t.c. con Yi = 0 se

i non è occupato e Yi = 1 se i è occupato. Allo stesso tempo, distinguiamo se l’individuo è stato sottoposto al

trattamento (Yi1) oppure no (Yi

0). L’effetto è definito come la differenza δ tra il valore della variabile-

risultato osservata dopo che le unità trattate sono state esposte alla policy (T = 1) ed il valore che la stessa

variabile avrebbe assunto se le medesime unità non fossero state esposte alla policy (T = 0). In termini for-

mali si è soliti esprimere l’obiettivo della valutazione in termini del valore atteso E (cioè la media)

ATT: E( δ | T = 1) = E (Yi 1 - Yi

0 | T = 1) = E ( Yi1| T = 1) – E ( Yi

0 | T = 1)

Questa è la quantità di maggior interesse dal punto di vista di politica economica, che prende il nome di Ef-

fetto Medio sui Trattati (Average Effect of the Treatment on the Treated, ATT). L’effetto da stimare è defini-

to come differenza tra i valori assunti dalla variabile-risultato di cui uno è il valore osservato (valore fattua-

le, E (Yi1|T=1)); l’altro è ipotetico, cioè è il valore che si sarebbe osservato tra gli stessi soggetti se questi

non fossero stati esposti alla politica (valore controfattuale, E(Yi0 | T=1)). Quest'ultimo non è mai diretta-

1 In realtà, l'unico vincolo relativo all'età per l'ottenimento di una borsa lavoro è quello di non aver compiuto 65 anni.



4

mente osservabile per i trattati. Da qui, il problema metodologico di come ottenere una stima dell'effetto

accettabile, cioè non distorta dalle differenze di partenza tra i due gruppi (autoselezione).

Ci si potesse muovere in ambito sperimentale, l’assegnazione degli individui ai due gruppi (trattati e non

trattati) sarebbe casuale, ad esempio con un sorteggio; in tal modo la variabile-risultato sarebbe indipen-

dente dall’assegnazione al trattamento e ciò assicurerebbe l’omogeneità dei due gruppi di soggetti sia ri-

spetto alle caratteristiche osservabili (età, sesso, titolo di studio,ecc) sia rispetto alle caratteristiche non os-

servabili (o latenti) quali ad esempio la motivazione nella ricerca del lavoro, le abilità, l’intelligenza, ecc.. In

questo caso l’effetto casuale medio ATT è ottenuto tramite semplice differenza tra i risultati medi rilevati

nei due gruppi. In ambito non sperimentale la stima dell’effetto casuale medio ATT ottenuto tramite la dif-

ferenza tra valori medi osservati nei due campioni è affetta da distorsione, per la presenza di errori siste-

matici causati da avvenimenti esogeni al programma e dal processo di autoselezione dei partecipanti.

Per eliminare tali distorsioni nella situazione non sperimentale si ricorre a quasi-esperimenti. Esistono me-

todi che si differenziano in base alle tecniche statistiche e in base ai dati disponibili. Tra questi si ricordano

l’abbinamento statistico (propensity score matching), in cui si cerca un gruppo di controllo simile ai trattati

in base a caratteristiche osservabili; la differenza nelle differenze (difference-in-differencies), qualora si di-

sponga di informazioni sulla variabile-risultato prima e dopo l’intervento; l’esperimento naturale (instru-

mental variable), con cui si sfrutta un qualche fenomeno correlato al risultato indirettamente attraverso

una variabile chiave indipendente; la discontinuità attorno ad una soglia (regression discontinuity design),

laddove vi sia un “razionamento” dell’intervento in base a un qualche criterio ordinabile: le persone nelle

vicinanze del valore soglia si assume siano simili.

Non esiste un metodo controfattuale superiore agli altri, poiché ogni tipo di test controfattuale ha una sua

validità entro determinate assunzioni, che rappresentano vincoli metodologici standard da rispettare. Esi-

stono solo test effettuati correttamente (con un qualsiasi metodo) o no. Il ricorso all’uno o all’altro metodo

dipende esclusivamente dalla natura dei dati e dalle domande valutative. Si ribadisce inoltre che

l’effettuazione di test controfattuali (che dovrebbe essere maggiormente praticata nella valutazione delle

politiche pubbliche) deve essere intesa non come un giudizio di valore sull’intervento svolto, ma come una

solida base su cui ragionare ed apprendere dall’esperienza per poi intervenire sul disegno delle politiche,

quando queste siano ripetibili.

Nel nostro specifico caso il disegno valutativo ricorre all’ultimo metodo citato (RDD - Regression Disconti-

nuity Design), sfruttando il fatto che l’intervento di politica attiva noto come “borse lavoro” e “borse ricer-

ca” prevede un razionamento: le persone che fanno domanda sono ordinabili in base ad un punteggio, al di

sotto del quale la domanda non è accettata. Questo quasi-esperimento è pertanto diverso da quello con-

dotto lo scorso anno sulle azioni formative, che era imperniato sull’abbinamento statistico. Tali sperimenta-

zioni sono coerenti con l’obiettivo dell’Autorità di Gestione di dotarsi di un insieme di metodologie robuste

e parsimoniose (quindi di facile accessibilità e lettura) per monitorare l’efficacia delle politiche pubbliche

realizzate.

Nell'interpretazione dei risultati occorre tener presente che questo metodo controfattuale RDD fornisce ri-

sultati validi per il sottogruppo della popolazione considerata (i soggetti attorno alla soglia) ma incorre in

limiti di generalizzazione a tutta la popolazione ( l'intera platea di soggetti che hanno partecipato all'espe-



5

rienze delle borse lavoro). Si parla in questo caso di un metodo con forte validità interna e di limitata validi-

tà esterna.

Di seguito, pertanto, si descriverà la metodologia utilizzata nell'analisi valutativa, ovvero nell’ordine: come

sono stati identificati i due gruppi (ammessi e non ammessi); quali sono le variabili-risultato oggetto di os-

servazione e misurazione e da quali fonti informative; se vi sono effetti direttamente imputabili all'inter-

vento delle borse lavoro.



6

2. L'individuazione del gruppo dei trattati e del gruppo dei non trattati

I borsisti sono stati scelti attraverso una graduatoria. Questo fa sì che ad ogni candidato sia stato assegnato

un punteggio (in base alle Linee Guida dell’AdG) e che esista una soglia di ammissibilità: i candidati che su-

perano la soglia hanno diritto a ricevere la borsa, i candidati che si posizionano al di sotto ne sono esclusi.

Questo permette di utilizzare il modello di esperimento controfattuale basato sull’idea di discontinuità

(RDD). In termini formali, dato un punteggio G (che è una variabile discreta ordinabile), si ha:

P (T= 1 | G ≥ soglia) = 1 e P (T= 0 | G < soglia) = 1

Se G raggiunge o supera la soglia, T è sempre uguale a 1; viceversa se G è inferiore alla soglia T è sempre

uguale a zero. Si misura l'effetto del trattamento per gli individui che hanno valori di G vicini alla soglia. In

simboli, sono gli individui compreso nell'intervallo:

soglia - φ < G < soglia + φ

dove φ è il limite di un intervallo: quanto più piccolo è φ tanto più attorno alla soglia si crea una situazione

simile alla randomizzazione. I candidati immediatamente sopra sono sostanzialmente equivalenti ai candi-

dati immediatamente sotto la soglia e, in queste condizioni, si può assumere che l'assegnazione al tratta-

mento è come se fosse affidata al caso. Quindi i candidati appena sotto la soglia rappresentano una buona

approssimazione per il controfattuale e qualsiasi discontinuità nel valore atteso in corrispondenza della so-

glia può essere interpretata come evidenza dell’effetto causale dell’aver ricevuto la borsa. L’ampiezza della

soglia va determinata empiricamente, in base alla numerosità delle osservazioni.

Illustrati gli aspetti teorici, specifichiamo nel dettaglio i passi operativi che hanno condotto all'individuazio-

ne dei due gruppi da utilizzare nell'analisi controfattuale.

L'archivio di partenza (estratto dal SIFORM) è rappresentato dall'elenco di tutti coloro che hanno presenta-

to una domanda per l'ottenimento di una borsa di lavoro; tale archivio consta di 3.935 osservazioni. Per il

59,3% del totale (2.334 osservazioni) risulta disponibile il punteggio attribuito in occasione della valutazione

della domanda di partecipazione; per questi dati è allora possibile costruire una graduatoria ordinata delle

domande. Gli ammessi sono 1.730, mentre quelli non ammessi 604. Nella tavola successiva si può apprez-

zare la consistenza dei due gruppi a seconda che si tratti di borse di lavoro indirizzate ai laureati o ai diplo-

mati.

Borse per diplomati Borse per laureati Totale

Non ammesso 212 392 604

Ammesso 1.162 568 1.730

Totale 1.374 960 2.334



7

Per circoscrivere il periodo di osservazione, si sono individuati gli ammessi e i non ammessi che hanno pre-

sentato la domanda di ammissione al corso nello stesso periodo, il 20092; ciò naturalmente ha comportato

un assottigliamento delle consistenze, come evidenziato nella tavola successiva.



Ammesso 1.049 354 1.403

Totale 1.236 443 1.679

Sui due gruppi sono state effettuate alcune ulteriori operazioni di verifica. Anzitutto, relativamente agli

ammessi, sono state prese in considerazione quelle domande per le quali il sistema informativo della Re-

gione Marche forniva sia una data di avvio che una di termine; in altre parole, sono stati considerati esclusi-

vamente i beneficiari che, una volta ammessi all'intervento, hanno terminato l'attività formativa, escluden-

do pertanto sia coloro che alla data di estrazione degli archivi risultavano ancora in essere sia coloro che in-

vece risultavano ritirati. In secondo luogo, sono state effettuate verifiche volte a rilevare l'esistenza di

eventi multipli. Infatti, per gli ammessi accade che un laureato, avendone i requisiti, abbia inoltrato sia una

domanda per una borsa di lavoro indirizzata ai laureati sia una per i diplomati; per i non ammessi occorre

invece verificare che non abbiano presentato una successiva domanda, questa volta valutata positivamen-

te. Infine, per gli ammessi è stata verificata la coerenza interna delle informazioni desumibili dall'archivio

regionale in termini di consequenzialità delle date di presentazione, avvio e termine della esperienza for-

mativa. Tale operazione ha portato alla luce l'esistenza di un certo numero di ammessi che presentavano,

ad esempio, una data di conclusione della borsa lavoro uguale a quella di avvio; pertanto, sono stati esclusi

dall'analisi.

Nella tavola successiva si ripresenta la consistenze dei gruppi al netto della ripulitura dei dati. Complessi-

vamente, quello degli ammessi è rappresentato da 1.136 unità, mentre quello dei non ammessi da 266 uni-

tà.



Ammesso 843 293 1.136

Totale 1.020 382 1.402

Di seguito, invece, si riporta la distribuzione dei punteggi, per tipologia di borsa lavoro erogata.

2 Per coloro che sono stati ammessi è desumibile una data di avvio e una data di termine, contrariamente - come è na-

turale che sia - per i non ammessi.



8

0.0

1.0

2.0

3.0

4.0

5D

ensi

ty

20 40 60 80 100Punteggio in graduatoria

Borse per diplomati

0.0

1.0

2.0

3.0

4.0

5D

ensi

ty

20 40 60 80 100Punteggio in graduatoria

Borse per laureati

Rimane a questo punto da determinare di quanto discostarsi dalla soglia di discontinuità (fissata a 60 punti)

al fine di isolare le persone più simili, tenendo presente il vincolo della robustezza della stima. Si sono spe-

rimentati due criteri: col primo, si sono considerati tutti i soggetti (ammessi e non ammessi) con un punteg-

gio compreso nell’intervallo di 15 punti intorno alla soglia di discontinuità, mentre col secondo è stato fissa-

to un intervallo di 10 punti.

Si riporta la numerosità del gruppo degli ammessi e dei non ammessi nei due casi, a seconda che si tratti di

una borsa lavoro rivolta a diplomati oppure a laureati. Con il criterio A, il numero di soggetti compresi am-

monta a 971 unità, di cui i non ammessi, ossia il gruppo di controllo, sono 158 unità (16,3%); col criterio B i

soggetti sono 681 unità e il gruppo di controllo mantiene la stessa proporzione del 16%.

Criterio A:

+/- 15 dalla soglia di discontinuità

Criterio B:


Borse per

diplomati

Borse per

laureati Totale

Borse per

diplomati

Borse per

laureati Totale

Non ammesso 100 58 158 67 42 109

Ammesso 613 200 813 427 145 572

Totale 713 258 971 494 187 681

I due gruppi non differiscono molto in termini di caratteristiche socio-anagrafiche. Concentrando l'atten-

zione sul criterio A, si possono notare alcune lievi differenze. Rispetto agli ammessi, il gruppo di controllo si

caratterizza per una maggiore quota di stranieri e per una minore incidenza di donne e di soggetti giovani

con al massimo 29 anni. I gruppi non sono omogenei dal punto di vista territoriale, in quanto i bandi di gara

provinciali sono avvenuti in periodi diversi: ma l’appartenenza territoriale verrà considerata come controllo

nelle stime.



9

Tabella 1 - Le caratteristiche socio-anagrafiche del gruppo degli ammessi e dei non ammessi, a seconda del criterio (%).

Criterio A:


Criterio B:


Non ammessi Ammessi Totale Non ammessi Ammessi Totale

% donne 64,6 68,4 67,7 63,3 63,9 63,8

% stranieri 4,4 1,2 1,8 3,7 1,4 1,9

% giovani 63,9 67,0 66,4 64,2 67,2 66,7

% diplomati 49,4 50,4 50,2 47,7 50,1 49,7



10

3. Le variabili-risultato

L'analisi controfattuale serve a verificare se l'intervento di politica attiva erogato dalla Regione Marche sia

stato efficace, migliorando le probabilità di trovare lavoro per i beneficiari della borsa lavoro. Ma questa de-

finizione di efficacia può avere dimensioni multiple e con le Comunicazioni Obbligatorie essa può essere

estesa ad ulteriori domande valutative. Un arco ampio di domande valutative può aiutare a comprendere

se gli effetti della misura agiscono non solo su un’unica dimensione dell’efficacia, ma su un insieme di carat-

teristiche legate all’intensità o qualità dell’esperienza lavorativa. Ad esempio, ci si può interrogare non solo

sulla probabilità di trovare lavoro, ma anche sulla probabilità di trovarlo rapidamente; o di trovare un lavo-

ro a tempo indeterminato.

Queste domande di valutazione devono essere tradotte in variabili-risultato, cioè variabili che possano es-

sere osservate e misurate. Gli studi sull'efficacia degli interventi di politiche attive del lavoro concentrano

l'attenzione su un numero limitato di dimensioni quali ad esempio la condizione di occupazione ad un certo

intervallo di tempo dalla conclusione dell'attività formativa (tipicamente a 6 e a 12 mesi dell'intervento);

più raramente si considerano altre variabili-risultato come ad esempio, vedi sopra, la durata della ricerca di

un lavoro a seguito dell'attività svolta.

Il Prospetto successivo riporta il ventaglio delle variabili-risultato che si è provato ad osservare e misurare

nella valutazione. Essa inoltre specifica l'arco temporale lungo il quali sono stati osservati gli eventi di av-

viamento e di cessazione riferibili ai due gruppi, ammessi e non ammessi. Il periodo di osservazione ha una

durata di 12 mesi; tuttavia per gli ammessi esso inizia il giorno seguente alla data di termine della borsa la-

voro; per i non ammessi comincia il giorno seguente alla data di presentazione della domanda. I due gruppi

vengono necessariamente osservati in periodi parzialmente differenti, ma ciò non dovrebbe influire sulla

stima degli effetti data la persistenza di un mercato del lavoro regionale stabilmente depresso. Infatti, il

tasso di occupazione passa dal 63,8% del 2009 al 63,6% del 2010 e al 62,8% del 2011; quello di disoccupa-

zione scende leggermente nel passaggio dal 2009 al 2010 (dal 6,6% al 5,7%) per poi nuovamente aumenta-

re nel 2011 (6,7%).

Prospetto- Domande valutative e Variabili risultato

Condizione occupazionale a 6 e a 12 mesi dall'inizio del periodo di osservazione

Occupati a tempo indeterminato a 12 mesi dall'inizio del periodo di osservazione

Persone che hanno avuto almeno un’esperienza di lavoro nel periodo di osservazione

Numero di settimane (o mesi) lavorate nel periodo di osservazione

Intervallo di tempo trascorso tra l'inizio del periodo di osservazione e il primo avviamento al lavoro

Intervallo di tempo trascorso fra l'inizio del periodo di osservazione e il primo avviamento a tempo indeterminato

Durata del primo avviamento successivo all'inizio del periodo di osservazione



11

3.1 La misurazione delle variabili risultato

Dopo aver determinato l’intervallo temporale di osservazione e la variabili – risultato, rimane da chiarire in

che modo esse sono state osservate e misurate, e qual è la fonte informativa utilizzata.

La scelta di individuare il gruppo degli ammessi e quello dei non ammessi fra coloro che hanno presentato

una domanda per l'ottenimento di una borsa lavoro nel corso del 2009 ha di fatto comportato l'inutilizzabi-

lità di un'indagine telefonica assistita tramite CATI , per due motivi. In primo luogo, costringere l'intervista-

to a "tornare parecchio indietro nel tempo" avrebbe comportato un sensibile incremento degli errori di

memoria con il rischio di distorcere le stime dell’effetto, rendendo così vano lo sforzo valutativo. In secon-

do luogo, l'indagine telefonica non avrebbe permesso di rilevare le variabili-risultato per tutti i soggetti in-

clusi, vuoi per eventuali rifiuti di partecipare all'indagine, vuoi per mancato reperimento dell’intervistato

(nel caso in cui il numero di telefono in elenco potrebbe essere errato o non più attivo). Detto altrimenti,

con l'indagine telefonica si sarebbe corso il rischio di diminuire il numero di osservazioni (appena sufficien-

te) e di rendere meno robusti i risultati .

Per questi motivi, si è deciso di utilizzare le Comunicazioni Obbligatorie ai Centri per l’Impiego. I vantaggi

del loro utilizzo sono evidenti dal momento che riportano dati oggettivi e che consentono di ricostruire la

sequenza degli eventi di un carriera lavorativa (avviamenti, proroghe o trasformazioni, cessazioni), elimi-

nando i rischi legati agli errori di memoria. Inoltre, la disponibilità di dati puntuali sulle esperienze lavorati-

ve consente di aumentare il ventaglio delle variabili-risultato soggette ad analisi, riducendo in tal modo i

problemi legati all'utilizzo delle interviste telefoniche.

L'uso delle Comunicazioni Obbligatorie non è esente da svantaggi dato che registrano il lavoro dipendente e

parasubordinato, ma non il lavoro autonomo o irregolare. Tuttavia, relativamente almeno al lavoro auto-

nomo, si tratta di un inconveniente risolvibile tramite la consultazione degli archivi delle Camere di Com-

mercio. È quanto è stato fatto in questo caso, sottoponendo a controllo presso il Registro Imprese Union-

camere marchigiano tutti i soggetti del gruppo che non risultavano titolari di una comunicazione obbligato-

ria nel periodo di osservazione: se ne sono recuperati quattro titolari di una partita Iva, il che è normale

trattandosi di giovani alle prime esperienze di lavoro. Rimangono inoltre esclusi coloro che prestano la pro-

pria opera presso un'impresa familiare senza la formalizzazione di un rapporto d lavoro dipendente. Un al-

tro svantaggio è dato dal fatto che l'archivio regionale delle Comunicazioni Obbligatorie non consente di

seguire i trasferimenti di residenza in altra regione; nel caso specifico, se un soggetto appartenente ad uno

dei due gruppi si trasferisce al di fuori del territorio marchigiano modificando la propria residenza e trova

da lavorare presso un'azienda della nuova regione di residenza, il relativo avviamento al lavoro non sarà

contenuto nella banca dati delle Comunicazioni Obbligatorie della Regione Marche. Si tratta comunque di

numeri piccolissimi.

In conclusione, i vantaggi derivanti dall'utilizzo di questa fonte informativa sono numerosi – tra l’altro il loro

uso comporta un costo molto basso, essendo informazioni già in possesso della PA - e superano gli svantag-

gi. Sono uno strumento appropriato in relazione agli obiettivi di valutazione rispetto alle interviste telefoni-

che, quando si richiedono informazioni su episodi lontani nel tempo, per i quali è elevato il rischio di errori

di memoria.



12

4. La stima degli effetti

Individuate le variabili-risultato e misurate come spiegato nel paragrafo precedente, per ciascuna di esse si

imposta uno specifico test di regressione per stimarne l’effetto. Poiché tali variabili sono espresse in unità

di misura differenti, occorrono modelli di regressione appropriati3. Per non appesantire l’esposizione di

problemi tecnici, si riportano le regressioni in appendice e si commentano nel testo i principali risultati.

Partiamo dalle medie delle variabili-risultato osservate e misurate a seconda che si tratti di soggetti am-

messi e non ammessi. Già da questa primo risultato sembra che l'erogazione della borsa lavoro abbia sorti-

to gli effetti desiderati dal momento che per tutte le variabili-risultato osservate gli ammessi conseguono

performance largamente più soddisfacenti di quelle che caratterizzano i non ammessi. La differenza tra i

due gruppi (ATT) è positiva e supera i test di significatività statistica (t-test). Ad esempio, se si considera la

condizione occupazionale a 12 mesi dall'inizio del periodo di osservazione in relazione al Criterio A4, la pro-

babilità di essere occupato per gli ammessi è maggiore di 17 punti percentuali di chi non ha beneficiato

dell'intervento. Si può apprezzare che questo risultato si rafforza, come ci si attendeva, quando si restringe

l’intervallo attorno alla soglia ( Criterio B): ciò conferma l’assunzione del RDD che più le persone sono vicine

alla soglia, più sono simili e meno incidono le distorsioni.

Un breve commento per l’ATT negativo nel caso delle settimane di ricerca del lavoro: anche in questo caso

l’ATT negativo è indice di un effetto favorevole per i borsisti, poichè indica un minor numero di settimane di

ricerca e quindi una maggior facilità nel trovare impiego.

Tabella 2 - Livelli delle variabili-risultato per ammessi e non ammessi, a seconda del Criterio ( %).

Criterio A: +/- 15 dalla soglia di discontinuità

Criterio B: +/- 10 dalla soglia di discontinuità

Ammesso Non

ammesso ATT Ammesso

Non ammesso

ATT

Condizione occupazionale a 12 mesi dall'inizio del periodo di osservazione

42,4% 25,3% 17,1% 41,4% 22,9% 18,5%

Occupati a tempo indeterminato a 12 mesi dall'ini-zio del periodo di osservazione

34,4% 15,0% 19,4% 35,8% 16,0% 19,8%


36,5% 23,4% 13,1% 36,7% 22,0% 14,7%

Persone che hanno avuto almeno un’esperienza di lavoro nel periodo di osservazione

69,0% 57,0% 12,0% 69,5% 52,3% 17,2%

N. di settimane lavorate nel periodo di osservazione 28,2 20,9 7,2 27,5 20,2 7,3

N. di settimane intercorse dall'inizio del periodo di osservazione al primo lavoro

11,0 14,9 -3,9 10,8 16,4 -5,6

N. di settimane intercorse dall'inizio del periodo di osservazione al primo lavoro a tempo indeterminato

18,6 19,9 -1,3 18,3 21,7 -3,4

Durata del primo avviamento nell'intervallo di os-servazione (settimane)

20,1 14,0 6,1 20,1 14,0 6,1

3 Brevemente, quanto la variabile-risultato è dicotomica (es: ha trovato un lavoro o no), si ricorre ad un modello probit che opera sulla sua trasfor-mata logaritmica; quando la variabile è discreta (numero di settimane lavorate) si può ricorrere al una regressione lineare multipla (in cui i coeffi-cienti sono espressi in settimane, come la variabile dipendente) o al modello di Poisson di tipo log-level, in cui cioè la variabile dipendente è loga-ritmica e i coefficienti si leggono direttamente come punti percentuali; quando la variabile è una durata (giorni di ricerca di un posto di lavoro) si ricorre ad un modello semi-parametrico COX che esprime la probabilità di sopravvivenza della ricerca o di uscita dalla disoccupazione in caso di suc-cesso. Le durate possono essere espresse in settimane o in mesi.

4 In tutte le operazioni di regressione il criterio A corrisponde alla variabile “sog1” e il criterio B alla variabile “sog2”.



13

Questa prima stima dell’ATT è ottenuta imponendo che sul risultato abbia influito solo il trattamento, cioè

la partecipazione alla borsa. Possiamo ritenerci soddisfatti o essa si può migliorare, prendendo contempo-

raneamente in considerazione anche altri fattori che potrebbero influire sul risultato, oltre al trattamento?

Ovviamente possiamo e dobbiamo migliorarla, utilizzando tutte le informazioni a disposizione, al fine di

controllore la parità di condizioni tra ammessi e no in base alle informazioni osservabili. Infatti è possibile

che la differenza nella performance fra ammessi e non ammessi sia dovuta a fattori diversi dal solo tratta-

mento, quali il genere, l’età, il titolo di studio, la cittadinanza, l’esperienza lavorativa precedente, il territo-

rio. La performance degli ammessi può essere influenzata non solo dal trattamento subito, ma dalla pre-

senza di altri fattori che agevolano il loro inserimento nel mercato del lavoro.

Per isolare l’ATT il contributo di questi fattori sul risultato si inseriscono nelle regressioni altre variabili di

controllo, il che consente di misurare la relazione tra la variabile-risultato e la variabile trattamento (am-

messi o non ammessi) a parità di condizioni5, rendendo più precisa la stima dell’effetto attribuibile al solo

trattamento.

La tabella 3 riporta il risultato dell’effetto (ATT) a parità di altre condizioni osservabili (genere, età, ecc.). Si

consideri la condizione occupazionale a 12 mesi col criterio A: gli ammessi hanno una probabilità maggiore

di 15,9 punti percentuali dei non ammessi di essere occupati dopo 12 mesi dall'inizio del periodo di osser-

vazione. L’effetto del trattamento rimane positivo e consistente, ma si ridimensiona leggermente rispetto

al 17,1% della stima effettuata considerando solo il trattamento. In sostanza le altre condizioni osservabili

(età, genere, esperienze precedenti) abbassano in media di 1,2% l’effetto del trattamento. Questo rimane

di gran lunga la spiegazione più forte della diversa performance registrata sul mercato del lavoro tra i due

gruppi.

Osservando le altre variabili risultato, per gli ammessi si mantengono effetti marcati attribuibili al solo trat-

tamento. I beneficiari hanno una probabilità maggiore di 20,7 punti percentuali di trovare un lavoro qual-

siasi dopo il termine dell'attività formative (22% col criterio B); di 19,5 punti di essere occupato a tempo

indeterminato a 12 mesi dalla conclusione dell'intervento (25,1% con criterio B).

Relativamente a questo set di variabili, occorre mettere in evidenza un dato. In tutte e due le situazioni, si

ha un effetto a 6 mesi più marcato di quello che si registra a 12 mesi. Detta in altri termini, l'efficacia della

borsa lavoro è maggiore nel periodo immediatamente seguente il termine dell'intervento, mentre con il

passare del tempo l’effetto tende ad indebolirsi.

5 Nei modelli di regressione sono state utilizzati le seguenti variabili (dette anche covariate, o controlli): il genere, la nazionalità, l'età, il titolo di stu-dio, la provincia di residenza, l'esperienza lavorativa pregressa (misurata nell'anno precedente la data di presentazione), la frequenza di attività formative nel periodo di osservazione, la tipologia di borsa lavoro considerata (per diplomati o per laureati). Quando la variabile –risultato è in for-ma dicotomica (1, 0) , come detto, si usa il modello di regressione probit. Quando si tratta di durate, si usano modelli semi-logaritmici o di COX. Ciò va tenuto presente nella lettura dei coefficienti associati alle covariate, che vanno interpretati in base all’unità di misura della variabile dipendente (cioè la variabile-risultato).



14

Tabella 3 - Effetti medi sui beneficiari della borsa lavoro ricavati attraverso la regressione Probit (ATT).

Criterio A: +/- 15 dalla soglia di

discontinuità

Criterio B: +/- 10 dalla soglia di

discontinuità

ATT P-value ATT P-value

Condizione occupazionale a 12 mesi dall'inizio del periodo di osservazione 15,9 0,004 15,1 0,002

Occupati a tempo indeterminato a 12 mesi dall'inizio del periodo di osservazione 19,5 0,017 25,1 0,042

Condizione occupazionale a 6 mesi dall'inizio del periodo di osservazione 16,4 0,001 16,0 0,007

Persone che hanno avuto almeno un’esperienza di lavoro nel periodo di osserva-zione 20,7 0,000 22,0 0,001

N.B.: valori statisticamente significativi indicati in neretto

Consideriamo l'efficacia della borsa lavoro in termini di numero di settimane lavorate nel periodo di osser-

vazione. L’effetto ottenuto senza covariate era che gli ammessi lavoravano 7,2 settimane più degli ammes-

si. Anche L'ipotesi sottoposta a verifica è confermata: i beneficiari delle borse hanno una più alta probabi-

lità di permanere nella condizione di occupato, pari a 6,7 settimane (ovvero il 25% in più di settimane di la-

voro) se si considera la Criterio A e a 5,95 (+27%) se si esamina il Criterio B.

Tabella 4 - Effetti medi sui beneficiari della borsa lavoro ricavati attraverso la regressione lineare multipla (ATT)

Criterio A: +/- 15 dalla soglia di discontinuità

Criterio B: +/- 10 dalla soglia di discontinuità


Numero di settimane lavorate nel periodo di osservazione 6,7 0,006 5,95 0,047


Arriviamo, infine, al terzo blocco di variabili-risultato, che riguardano la misurazione degli effetti delle borse

in termini di durata della ricerca di lavoro. In questo caso la variabile risultato è espressa come un tasso di

rischio di cambiare stato (hazard ratio), cioè in questo caso di passare da disoccupato a occupato. Prima

uno esce dall’osservazione (è un drop-out) , ovvero ha un hazard ratio alto, più ha una alta probabilità di

trovare un lavoro. Il modello di regressione semi-parametrico Cox assume che il rischio sia uguale per tutti,

che non dipenda dal tempo di esposizione, e che vari solo in funzione delle covariate indicanti il trattamen-

to, il genere, ecc6.

Esaminiamo la prima variabile (Criterio A). L'hazard Ratio, ossia l'ATT, assume un valore di 1.813; ciò signifi-

ca che chi ha ricevuto il trattamento ha l'81,3% di probabilità in più di uscire dal periodo di disoccupazione

rispetto a chi non ha beneficiato. Medesima considerazione vale in relazione al tempo intercorso dall'inizio

del periodo di osservazione al primo lavoro a tempo indeterminato: in questo caso il risultato che si ottiene

a favore dei beneficiari della borsa lavoro è davvero molto più consistente di quello ricavato a proposti dei

non ammessi; tuttavia, questa notevole differenza sconta il fatto che molti beneficiari hanno continuato a

lavorare presso l'impresa ospitante successivamente alla conclusione del periodo di formazione, attraverso

6 I coefficienti sono espressi in termini di rapporto tra due funzioni di rischio: trattato / non trattato, uomo / donna, ecc. Pertanto se l’ATT è di 1.886, significa che i trattati hanno: (1.886 -1) *100 = 88,6% di probabilità di trovare un lavoro prima dei non trattati. Se invece il rapporto fosse dello 0.65, i trattati avrebbero: (0.65 – 1)*100 = -35% di probabilità di trovare lavoro prima dei non trattati.



15

la trasformazione della borsa lavoro in un rapporto di lavoro vero e proprio, spesso a tempo indeterminato.

Risultati del tutto equivalenti si hanno poi se si considera la Criterio B.

Infine, in relazione alla terza variabile esaminata (durata del primo rapporto di lavoro) , le stime non risul-

tano significative entro il margine del 5% del p-value, e non vengono riportate.

Tabella 5 - Effetti medi sui beneficiari della borsa lavoro ricavati attraverso la regressione di Cox (ATT).

Criterio A: +/- 15 dalla soglia di di-

scontinuità

Criterio B: +/- 10 dalla soglia di di-

scontinuità


N. di settimane intercorse dall'inizio del periodo di osservazione al primo lavoro

1,813 0,000 1,886 0,000

N. di settimane intercorse dall'inizio del periodo di osservazione al primo lavoro a tempo indeterminato

3,284 0,024 3,028 0,002


4.1 L'eterogeneità degli effetti

Abbiamo fin qui illustrato il notevole effetto delle borse di lavoro su una batteria di risultati riguardanti

l’occupabilità dei partecipanti, anche al netto di una serie di fattori intervenienti su tali risultati. Chi ha be-

neficiato di una borsa lavoro ha un vantaggio su chi non ha beneficiato. Tale vantaggio, rappresentato dalla

differenza tra le medie tra ammessi e non ammessi alle borse intorno alla soglia (ATT), è ottenuto a parità

di condizioni, cioè tenendo sotto controllo l’influenza di fattori noti quali l’età, il genere, il titolo di studio, la

provincia: si tratta quindi di un effetto depurato dell’influenza delle altre variabili osservabili, che - abbiamo

argomentato – non sono tali da stravolgere l’effetto trattamento. Per completezza, ci soffermiamo breve-

mente sull'eterogeneità degli effetti delle borse lavoro, per vedere di quanto essi sono diversi a seconda

delle caratteristiche socio-anagrafiche degli ammessi e dei non ammessi. A tal proposito la tavola successi-

va riporta - relativamente al Criterio B più restrittivo – i coefficienti delle variabili di controllo utilizzate nei

modelli di regressione risultate statisticamente significative7.

Gli effetti variano sistematicamente a seconda di due sole caratteristiche: la prima ha a che fare con l'espe-

rienza lavorativa pregressa, rilevata prima della data di presentazione della domanda di borsa lavoro; la se-

conda con la frequenza di altri corsi di formazione nell'intervallo di osservazione.

L’ aver avuto esperienze lavorative precedenti conta in modo considerevole: in tutte le prove questo fatto-

re assume un forte valore positivo e aumenta la probabilità di essere occupato a 6 o a 12 mesi dall'inizio del

periodo di osservazione; conferisce maggiori chance di essere occupato a tempo indeterminato al termine

del periodo di osservazione. Chi ha un’esperienza lavorativa alle spalle sperimenta un minor rischio di per-

manere in uno stato di disoccupazione.

Il secondo fattore, ossia la frequenza di attività di formazione nel periodo di osservazione, incide in modo

anch'esso rilevante: ad esempio chi ha questa caratteristica ha un probabilità maggiore di essere occupato

a 6 a 12 mesi dall'inizio del periodo di osservazione. Tuttavia, la partecipazione ad un'attività formativa ri-

7 Tali coefficienti sono nella unità di misura del modello di regressione usato e ne viene spiegato in testo il significato.



16

duce il tempo da dedicare alla ricerca del lavoro e alla possibilità di svolgere un'occupazione; ecco il motivo

per cui chi ha frequentato attività formative permane più a lungo nello stato di non occupazione o in quello

di occupazione non standard; ciò si ripercuote anche sulla minore possibilità di essere occupati a 6 mesi,

così come sul più basso numero di settimane lavorate.

Le altre variabili incidono assai raramente sulle performance dei beneficiari, e ciò significa che non vi sono

discriminazioni dovute al genere o all’età o al titolo di studio. In generale, si può affermare che eccezion fat-

ta per chi ha un'esperienza lavorativa pregressa e per chi ha partecipato a corsi di formazione, gli effetti

delle borse lavoro sono piuttosto neutrali a seconda della altre caratteristiche socio-anagrafiche. In altre

parole, per la maggior parte delle variabili-risultato esaminate non vi è alcuna differenza sostanziale a se-

conda del genere o dell'età, così come a seconda del titolo di studio, della nazionalità o del tipo di borsa la-

voro erogata.

Tabella 6 - I fattori che incidono sugli effetti delle borse lavoro. Criterio B.

Variabile-risultato ATT Uomo Età Residenza: Macerata

Corso di formazione

Esperienza lavorativa pregressa


Marginal effects

0.183

Occupati a tempo indetermi-nato a 12 mesi dall'inizio del periodo di osservazione

Marginal effects

-0.142

0.062


Marginal effects

0.127

Persone che hanno avuto al-meno un’esperienza di lavoro nel periodo di osservazione

Marginal effects

-0.095 0.193 0.219

N. di settimane lavorate nel periodo di osservazione

Coeffi-ciente

-0.441

N. di settimane intercorse dall'inizio del periodo di os-servazione al primo lavoro

Haz. Ra-tio

0.721

1.720

N. di settimane intercorse dall'inizio del periodo di os-servazione al primo lavoro a tempo indeterminato

Haz. Ra-tio

0.615

2.822 1.935

Durata del primo avviamento nell'intervallo di osservazione (settimane)

Haz. Ra-tio



17

5. Considerazioni conclusive

In questo studio abbiamo valutato - attraverso un approccio controfattuale - l'efficacia di un intervento di

politica attiva del lavoro realizzato dalla Regione Marche nella programmazione 2007-2013 del FSE, ovvero

le borse lavoro, rivolte in particolar modo a giovani diplomati e laureati. A tal fine sono stati considerati i

soggetti che hanno richiesto di beneficiare dell’intervento nel 2009. La presenza di una graduatoria ha per-

messo di individuare i due gruppi (ammessi e non ammessi) attorno ad una soglia di discontinuità; tale so-

glia è stata sperimentata con due criteri, uno più restrittivo dell’altro. Il Criterio A considera tutti i soggetti

(ammessi e non ammessi) il cui punteggio è compreso entro un raggio di 15 punti dalla soglia di discontinui-

tà, mentre il Criterio B restringe il raggio a 10 punti dalla soglia di discontinuità. E’ stato quindi possibile mi-

surare l’effetto dell’intervento con la tecnica quasi-sperimentale nota come interruzione attorno ad una

soglia (regression discontinuity design).

Le variabili-risultato sono state osservate e misurate attraverso le Comunicazioni Obbligatorie. Il dato am-

ministrativo è una fonte informativa di indubbia utilità anche nella costruzione di situazioni controfattuali,

in quanto consente di ricostruire puntualmente la sequenza degli episodi lavorativi di una determinata per-

sona.

L'analisi - effettuata mediante opportuni modelli di regressione - evidenzia sensibili effetti positivi per chi

ha beneficiato della borsa lavoro, per tutte le dimensioni di performance lavorativa considerate e per tutti e

due i Criteri di soglia. Per limitarsi al parametro più utilizzato anche in altri studi, la condizione occupaziona-

le a 12 mesi, l’effetto delle borse lavoro consiste in una probabilità maggiore del 15-16% (a seconda del cri-

terio) rispetto ai non ammessi di trovare occupazione.

Per quanto riguarda l'eterogeneità degli effetti, emergono due fattori in grado di influenzare i risultati ge-

nerali: l'esperienza lavorativa pregressa e la partecipazione a corsi di formazione nel periodo di osservazio-

ne. È comunque importante rilevare che l’effetto delle borse di lavoro non è influenzato da discriminazioni

di genere o di età.

In definitiva, l'analisi ha evidenziato come la partecipazione ad un'esperienza di borsa lavoro ha implicazioni

rilevanti nel migliorare le chances occupazionali. Tuttavia, tenendo presente i limiti accennati di questo tipo

di esperimento (RDD), e cioè che esso ha forte validità interna ma presenta una validità esterna limitata, si

ribadisce che i risultati sono corretti per il sottogruppo della popolazione considerato (i soggetti attorno alla

soglia), ma è necessaria cautela se li si volesse generalizzare a tutta la popolazione (in questo caso l'intera

platea di soggetti che hanno partecipato all'esperienze delle borse lavoro). In altre parole, i dati mostrano

che esiste un effetto positivo fra gli ammessi e i non ammessi scelti intorno alla soglia, ma da essi non può

derivare l'affermazione generale che le borse lavoro avrebbero funzionato anche prendendo in considera-

zione gruppi diversi.



18

Allegati

Allegato 1: Criterio B

Variabile dipendente: occupato/non occupato a 12 mesi dall'inizio del periodo di osservazione

Probit regression, reporting marginal effects Number of obs = 594 Wald chi2(11) = 47.09 Prob > chi2 = 0.0000 Log pseudolikelihood = -369.1903 Pseudo R2 = 0.0644 ------------------------------------------------------------------------------ | Robust cond12a | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .1509325 .0601193 2.32 0.020 .816498 .033101 .268764 mas*| .0400317 .0431445 0.93 0.352 .361953 -.04453 .124593 ita*| .1603167 .1245998 1.11 0.268 .981481 -.083894 .404528 eta | .0211638 .0189904 1.11 0.265 28.5993 -.016057 .058384 eta2 | -.0004567 .0002804 -1.63 0.104 877.239 -.001006 .000093 dip*| .0656256 .0588428 1.11 0.266 .496633 -.049704 .180955 codp~2*| -.0688818 .1208671 -0.55 0.584 .040404 -.305777 .168013 codp~3*| .043806 .0485915 0.90 0.370 .589226 -.051432 .139044 bor_dip*| -.0277705 .0613289 -0.45 0.649 .685185 -.147973 .092432 cor_oss*| .0934819 .0802517 1.19 0.235 .072391 -.063809 .250772 lavora~1*| .1826926 .0403971 4.44 0.000 .493266 .103516 .26187 ---------+-------------------------------------------------------------------- obs. P | .3804714 pred. P | .3679514 (at x-bar) ------------------------------------------------------------------------------


Probit regression, reporting marginal effects Number of obs = 594 Wald chi2(11) = 27.68 Prob > chi2 = 0.0036 Log pseudolikelihood = -367.09474 Pseudo R2 = 0.0360 ------------------------------------------------------------------------------ | Robust cond6a | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .1602001 .0539231 2.67 0.007 .816498 .054513 .265887 mas*| -.0244863 .0413187 -0.59 0.555 .361953 -.10547 .056497 ita*| -.0184652 .1516859 -0.12 0.902 .981481 -.315764 .278834 eta | -.0227603 .0176483 -1.29 0.197 28.5993 -.05735 .01183 eta2 | .000278 .0002555 1.09 0.277 877.239 -.000223 .000779 dip*| .0210562 .0563378 0.37 0.709 .496633 -.089364 .131476 codp~2*| -.0678922 .1124778 -0.57 0.566 .040404 -.288345 .15256 codp~3*| -.0314485 .0465263 -0.68 0.498 .589226 -.122638 .059741 bor_dip*| -.0502367 .0602263 -0.84 0.400 .685185 -.168278 .067805 cor_oss*| -.0949444 .0719272 -1.23 0.219 .072391 -.235919 .04603 lavora~1*| .1266718 .039245 3.20 0.001 .493266 .049753 .203591 ---------+-------------------------------------------------------------------- obs. P | .3400673 pred. P | .3329215 (at x-bar) ------------------------------------------------------------------------------



19

Variabile dipendente: attività lavorativa nel periodo di osservazione

Probit regression, reporting marginal effects Number of obs = 594 Wald chi2(11) = 63.46 Prob > chi2 = 0.0000 Log pseudolikelihood = -347.1643 Pseudo R2 = 0.0851 ------------------------------------------------------------------------------ | Robust con pos | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .2196135 .0692896 3.24 0.001 .816498 .083808 .355419 mas*| .0003173 .0418012 0.01 0.994 .361953 -.081612 .082246 ita*| .0777652 .1728695 0.46 0.642 .981481 -.261053 .416583 eta | -.0170394 .017865 -0.95 0.341 28.5993 -.052054 .017975 eta2 | .0001172 .000258 0.45 0.650 877.239 -.000388 .000623 dip*| .0283025 .0567966 0.50 0.618 .496633 -.083017 .139622 codp~2*| -.1880151 .1192672 -1.63 0.104 .040404 -.421774 .045744 codp~3*| -.0953871 .0475377 -1.97 0.049 .589226 -.188559 -.002215 bor_dip*| -.0244634 .0582435 -0.42 0.676 .685185 -.138618 .089692 cor_oss*| .1933176 .0564011 2.71 0.007 .072391 .082773 .303862 lavora~1*| .2186627 .038614 5.48 0.000 .493266 .142981 .294345 ---------+-------------------------------------------------------------------- obs. P | .6632997 pred. P | .67665 (at x-bar) ------------------------------------------------------------------------------

Variabile dipendente: occupato/non occupato a tempo indeterminato a 12 mesi dall'inizio del periodo di

osservazione

Probit regression, reporting marginal effects Number of obs = 226 Wald chi2(11) = 32.60 Prob > chi2 = 0.0006 Log pseudolikelihood = -122.10061 Pseudo R2 = 0.1539 ------------------------------------------------------------------------------ | Robust co~a_int | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .2514618 .0840551 2.03 0.042 .889381 .086717 .416207 mas*| -.1425518 .0646756 -2.10 0.035 .371681 -.269314 -.01579 ita*| -.3290644 .2744904 -1.17 0.242 .986726 -.867056 .208927 eta | .0099782 .0398521 0.25 0.802 27.323 -.06813 .088087 eta2 | .000219 .0006416 0.34 0.733 784.04 -.001039 .001477 dip*| .1189745 .0952763 1.23 0.217 .50885 -.067764 .305713 codp~2*| .3429901 .2913377 1.14 0.255 .017699 -.228021 .914002 codp~3*| .0534578 .0768435 0.69 0.493 .663717 -.097153 .204068 bor_dip*| -.0247901 .1010217 -0.25 0.805 .685841 -.222789 .173209 cor_oss*| -.3322932 .0452595 -3.08 0.002 .084071 -.421 -.243586 lavora~1*| .0626513 .0658754 0.94 0.345 .60177 -.066462 .191765 ---------+-------------------------------------------------------------------- obs. P | .3362832 pred. P | .3062183 (at x-bar) ------------------------------------------------------------------------------



20

Variabile dipendente: settimane lavorate nel periodo di periodo di osservazione

Poisson regression Number of obs = 394 Wald chi2(11) = 23.64 Prob > chi2 = 0.0144 Log pseudolikelihood = -3821.607 Pseudo R2 = 0.0353 ------------------------------------------------------------------------------ | Robust dur_pos | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | .2516244 .1302992 1.93 0.053 -.0037573 .5070062 mas | -.0223598 .0747777 -0.30 0.765 -.1689215 .1242018 ita | -.181669 .1440959 -1.26 0.207 -.4640917 .1007538 eta | -.0137995 .0254796 -0.54 0.588 -.0637385 .0361395 eta2 | .0002168 .0003492 0.62 0.535 -.0004676 .0009012 dip | .0216356 .1002225 0.22 0.829 -.1747969 .2180681 codpro_2 | -.3028717 .286614 -1.06 0.291 -.8646248 .2588815 codpro_3 | .0434583 .0771415 0.56 0.573 -.1077362 .1946529 bor_dip | .0083077 .1053199 0.08 0.937 -.1981156 .214731 cor_oss | -.440629 .1567227 -2.81 0.005 -.7477999 -.1334581 lavorato1 | .0767213 .0704743 1.09 0.276 -.0614057 .2148483 _cons | 3.396387 .4638725 7.32 0.000 2.487213 4.30556 ------------------------------------------------------------------------------

Variabile dipendente: tempo intercorso fra l'inizio del periodo di osservazione e il primo avviamento

Cox regression -- Breslow method for ties No. of subjects = 594 Number of obs = 594 No. of failures = 394 Time at risk = 3458.289474 Wald chi2(11) = 72.09 Log pseudolikelihood = -2335.2288 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | 1.885657 .2987905 4.00 0.000 1.382248 2.572404 mas | .9915721 .1022995 -0.08 0.935 .8100405 1.213785 ita | 1.015144 .4182183 0.04 0.971 .4527412 2.276172 eta | .9672495 .0456188 -0.71 0.480 .8818464 1.060923 eta2 | 1.000146 .0007141 0.20 0.838 .9987473 1.001547 dip | 1.111569 .1517772 0.77 0.439 .8505712 1.452654 codpro_2 | .6521005 .2192611 -1.27 0.204 .3373712 1.260437 codpro_3 | .7214616 .08266 -2.85 0.004 .576353 .9031042 bor_dip | .9475568 .1329579 -0.38 0.701 .7197266 1.247507 cor_oss | 1.258363 .1677039 1.72 0.085 .9690922 1.63398 lavorato1 | 1.720317 .1680318 5.55 0.000 1.420586 2.083289 ------------------------------------------------------------------------------



21

Variabile dipendente: tempo intercorso fra l'inizio del periodo di osservazione e l'avviamento a tempo in-

determinato

Cox regression -- Breslow method for ties No. of subjects = 594 Number of obs = 594 No. of failures = 100 Time at risk = 6251.25 Wald chi2(11) = 50.81 Log pseudolikelihood = -608.242 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | 3.027861 1.487139 2.26 0.024 1.156291 7.928753 mas | .6147396 .1416774 -2.11 0.035 .3913065 .9657513 ita | .2879984 .1393451 -2.57 0.010 .1115694 .7434217 eta | 1.116686 .0936078 1.32 0.188 .9474974 1.316086 eta2 | .9986781 .0011888 -1.11 0.266 .9963509 1.001011 dip | 1.600206 .4636257 1.62 0.105 .9068976 2.823537 codpro_2 | 1.478788 1.221945 0.47 0.636 .2927823 7.469074 codpro_3 | 1.365542 .3320779 1.28 0.200 .847826 2.199397 bor_dip | .8951669 .3030327 -0.33 0.744 .4610568 1.738015 cor_oss | .3340609 .2034085 -1.80 0.072 .1012819 1.101842 lavorato1 | 1.934902 .4104151 3.11 0.002 1.27676 2.932302 ------------------------------------------------------------------------------

Variabile dipendente: durata del primo lavoro intercorso nel periodo di osservazione

Cox regression -- Breslow method for ties No. of subjects = 394 Number of obs = 394 No. of failures = 120 Time at risk = 1741.776316 Wald chi2(10) = 19.11 Log pseudolikelihood = -524.69577 Prob > chi2 = 0.0389 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | .6597265 .199645 -1.37 0.169 .3645651 1.193858 mas | .8497121 .1336003 -1.04 0.300 .6243632 1.156395 ita | 1.351274 .6505097 0.63 0.532 .5259822 3.47149 eta | 1.057774 .0695673 0.85 0.393 .9298469 1.203302 eta2 | .9990369 .0009199 -1.05 0.295 .9972355 1.000842 dip | 1.17067 .3160944 0.58 0.559 .6896049 1.987324 codpro_2 | 1.71e-19 . . . . . codpro_3 | 1.290663 .2292559 1.44 0.151 .9112066 1.828137 bor_dip | 1.027953 .2684436 0.11 0.916 .6161507 1.714981 cor_oss | 2.822036 1.031572 2.84 0.005 1.378519 5.777129 lavorato1 | .8900171 .1406359 -0.74 0.461 .6529739 1.213112 ------------------------------------------------------------------------------



22

Allegato 2: Criterio A


Probit regression, reporting marginal effects Number of obs = 851 Wald chi2(11) = 53.17 Prob > chi2 = 0.0000 Log pseudolikelihood = -543.85734 Pseudo R2 = 0.0459 ------------------------------------------------------------------------------ | Robust cond12a | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .1591027 .0508911 2.90 0.004 .814336 .059358 .258847 mas*| .0262089 .0367398 0.72 0.474 .323149 -.0458 .098218 ita*| .1278213 .1194245 0.98 0.329 .982374 -.106247 .361889 eta | -.008449 .0156783 -0.54 0.590 28.4912 -.039178 .02228 eta2 | .0000169 .0002293 0.07 0.941 866.759 -.000432 .000466 dip*| .0081396 .0477414 0.17 0.865 .501763 -.085432 .101711 codp~2*| -.0785783 .0943842 -0.80 0.425 .043478 -.263568 .106411 codp~3*| .0155184 .0434238 0.36 0.721 .621622 -.069591 .100627 bor_dip*| -.0707755 .051454 -1.38 0.166 .696827 -.171623 .030073 cor_oss*| .0689397 .063228 1.10 0.269 .083431 -.054985 .192864 lavora~1*| .1596529 .0338212 4.67 0.000 .480611 .093365 .225941 ---------+-------------------------------------------------------------------- obs. P | .3924794 pred. P | .3850794 (at x-bar) ------------------------------------------------------------------------------


Probit regression, reporting marginal effects Number of obs = 851 Wald chi2(11) = 32.14 Prob > chi2 = 0.0007 Log pseudolikelihood = -529.98684 Pseudo R2 = 0.0293 ------------------------------------------------------------------------------ | Robust cond6a | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .1644278 .0454944 3.25 0.001 .814336 .07526 .253595 mas*| -.0124071 .035355 -0.35 0.726 .323149 -.081702 .056887 ita*| -.075404 .1317499 -0.59 0.556 .982374 -.333629 .182821 eta | -.0252569 .0148993 -1.69 0.090 28.4912 -.054459 .003945 eta2 | .0003043 .0002167 1.40 0.160 866.759 -.00012 .000729 dip*| .0194251 .0457575 0.42 0.671 .501763 -.070258 .109108 codp~2*| -.03124 .0930775 -0.33 0.742 .043478 -.213669 .151189 codp~3*| -.0459725 .041816 -1.11 0.269 .621622 -.12793 .035985 bor_dip*| -.0613003 .0502784 -1.23 0.218 .696827 -.159844 .037244 cor_oss*| -.0410715 .0590962 -0.68 0.497 .083431 -.156898 .074755 lavora~1*| .1072068 .0328081 3.26 0.001 .480611 .042904 .17151 ---------+-------------------------------------------------------------------- obs. P | .3407756 pred. P | .3353246 (at x-bar) ------------------------------------------------------------------------------



23

Variabile dipendente: attività lavorativa nel periodo di osservazione

Probit regression, reporting marginal effects Number of obs = 851 Wald chi2(11) = 74.88 Prob > chi2 = 0.0000 Log pseudolikelihood = -500.04527 Pseudo R2 = 0.0761 ------------------------------------------------------------------------------ | Robust con pos | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .2072582 .0589331 3.61 0.000 .814336 .091752 .322765 mas*| .0044641 .0350598 0.13 0.899 .323149 -.064252 .07318 ita*| -.0556893 .1358484 -0.39 0.696 .982374 -.321947 .210569 eta | -.0257089 .0146401 -1.75 0.080 28.4912 -.054403 .002985 eta2 | .000264 .0002108 1.25 0.211 866.759 -.000149 .000677 dip*| .008653 .0452608 0.19 0.848 .501763 -.080056 .097362 codp~2*| -.0963611 .0936147 -1.07 0.286 .043478 -.279843 .08712 codp~3*| -.1107425 .0411624 -2.62 0.009 .621622 -.191419 -.030066 bor_dip*| -.0471091 .0477755 -0.97 0.331 .696827 -.140747 .046529 cor_oss*| .2548068 .0367737 4.61 0.000 .083431 .182732 .326882 lavora~1*| .1907513 .0320662 5.77 0.000 .480611 .127903 .2536 ---------+-------------------------------------------------------------------- obs. P | .6674501 pred. P | .6818366 (at x-bar) ------------------------------------------------------------------------------

Variabile dipendente: occupato/non occupato a tempo indeterminato a 12 mesi dall'inizio del periodo di

osservazione

Probit regression, reporting marginal effects Number of obs = 334 Wald chi2(11) = 40.13 Prob > chi2 = 0.0000 Log pseudolikelihood = -185.01569 Pseudo R2 = 0.1167 ------------------------------------------------------------------------------ | Robust co~a_int | dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ] ---------+-------------------------------------------------------------------- T*| .1946104 .0638569 2.39 0.017 .88024 .069453 .319768 mas*| -.082863 .053314 -1.51 0.132 .326347 -.187356 .02163 ita*| -.4767323 .2286483 -1.75 0.080 .988024 -.924875 -.02859 eta | .0532347 .0249521 2.13 0.033 27.5749 .004329 .10214 eta2 | -.0006251 .0003726 -1.67 0.094 802.108 -.001355 .000105 dip*| .101212 .0745685 1.35 0.176 .482036 -.04494 .247364 codp~2*| .0391927 .2394612 0.17 0.867 .020958 -.430143 .508528 codp~3*| .0615889 .0620156 0.97 0.331 .673653 -.059959 .183137 bor_dip*| -.052677 .0795474 -0.67 0.502 .667665 -.208587 .103233 cor_oss*| -.325038 .0338337 -3.74 0.000 .092814 -.391351 -.258725 lavora~1*| .0480998 .0517723 0.93 0.354 .571856 -.053372 .149572 ---------+-------------------------------------------------------------------- obs. P | .3203593 pred. P | .2854318 (at x-bar) ------------------------------------------------------------------------------



24

Variabile dipendente: settimane lavorate nel periodo di periodo di osservazione

Poisson regression Number of obs = 568 Wald chi2(11) = 33.72 Prob > chi2 = 0.0004 Log pseudolikelihood = -5392.1574 Pseudo R2 = 0.0353 ------------------------------------------------------------------------------ | Robust dur_pos | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | .269801 .1005347 2.68 0.007 .0727566 .4668454 mas | -.0090195 .0609478 -0.15 0.882 -.1284749 .110436 ita | -.0490837 .1871489 -0.26 0.793 -.4158887 .3177214 eta | -.0172727 .0211964 -0.81 0.415 -.058817 .0242715 eta2 | .0002481 .0002884 0.86 0.390 -.0003171 .0008134 dip | .0127602 .0801748 0.16 0.874 -.1443796 .1698999 codpro_2 | -.2028312 .2015521 -1.01 0.314 -.5978661 .1922037 codpro_3 | .0262365 .0656398 0.40 0.689 -.1024153 .1548882 bor_dip | -.0719085 .0834175 -0.86 0.389 -.2354039 .0915868 cor_oss | -.389768 .1025829 -3.80 0.000 -.5908268 -.1887092 lavorato1 | .0555244 .0562312 0.99 0.323 -.0546868 .1657355 _cons | 3.428839 .4113117 8.34 0.000 2.622683 4.234995 ------------------------------------------------------------------------------

Variabile dipendente: tempo intercorso fra l'inizio del periodo di osservazione e il primo avviamento

Cox regression -- Breslow method for ties No. of subjects = 851 Number of obs = 851 No. of failures = 568 Time at risk = 4920.460526 Wald chi2(11) = 83.84 Log pseudolikelihood = -3574.1984 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | 1.813266 .2370604 4.55 0.000 1.40339 2.342852 mas | 1.027448 .0906319 0.31 0.759 .8643205 1.221364 ita | .7688621 .2627912 -0.77 0.442 .3934723 1.50239 eta | .9531193 .0363085 -1.26 0.208 .8845477 1.027007 eta2 | 1.000434 .0005727 0.76 0.448 .9993125 1.001558 dip | 1.057109 .1150652 0.51 0.610 .8540183 1.308495 codpro_2 | .8381431 .1894722 -0.78 0.435 .5381384 1.305396 codpro_3 | .6916093 .0720449 -3.54 0.000 .5638858 .848263 bor_dip | .8745531 .1020209 -1.15 0.251 .6958079 1.099216 cor_oss | 1.44028 .141499 3.71 0.000 1.188014 1.746113 lavorato1 | 1.622921 .1312529 5.99 0.000 1.385023 1.901682 ------------------------------------------------------------------------------



25

Variabile dipendente: tempo intercorso fra l'inizio del periodo di osservazione e l'avviamento a tempo in-

determinato

Cox regression -- Breslow method for ties No. of subjects = 851 Number of obs = 851 No. of failures = 142 Time at risk = 8944.835526 Wald chi2(11) = 64.16 Log pseudolikelihood = -918.10683 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | 3.283838 1.244571 3.14 0.002 1.562347 6.902176 mas | .7307959 .1401745 -1.64 0.102 .5017952 1.064304 ita | .2718484 .1216644 -2.91 0.004 .1130774 .6535484 eta | 1.068154 .0747551 0.94 0.346 .9312412 1.225196 eta2 | .9992094 .0009971 -0.79 0.428 .9972569 1.001166 dip | 1.344479 .3204583 1.24 0.214 .8426927 2.145058 codpro_2 | .8534043 .6268977 -0.22 0.829 .2022438 3.601093 codpro_3 | 1.31092 .281469 1.26 0.207 .8606244 1.996818 bor_dip | .8184333 .2179759 -0.75 0.452 .4856016 1.379388 cor_oss | .3554096 .1636543 -2.25 0.025 .1441382 .8763534 lavorato1 | 2.0089 .3528889 3.97 0.000 1.423751 2.834541 ------------------------------------------------------------------------------

Variabile dipendente: durata del primo lavoro intercorso nel periodo di osservazione

Cox regression -- Breslow method for ties No. of subjects = 568 Number of obs = 568 No. of failures = 162 Time at risk = 2478.388158 Wald chi2(11) = 29.42 Log pseudolikelihood = -757.81984 Prob > chi2 = 0.0019 ------------------------------------------------------------------------------ | Robust _t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- T | .6273853 .1764422 -1.66 0.097 .3615325 1.088733 mas | .8972602 .1291949 -0.75 0.452 .6766365 1.18982 ita | 1.539016 .5301916 1.25 0.211 .7834366 3.023308 eta | 1.044805 .0646482 0.71 0.479 .9254783 1.179516 eta2 | .9991468 .0008832 -0.97 0.334 .9974172 1.000879 dip | 1.135151 .2440744 0.59 0.555 .7447884 1.730114 codpro_2 | 1.885151 1.175544 1.02 0.309 .5553325 6.399396 codpro_3 | 1.225384 .1939177 1.28 0.199 .8986056 1.670996 bor_dip | 1.071432 .2268209 0.33 0.744 .7075644 1.622418 cor_oss | 3.199652 .9325242 3.99 0.000 1.807273 5.664761 lavorato1 | .9260986 .1235252 -0.58 0.565 .7130532 1.202797 ------------------------------------------------------------------------------

Documents

La valutazione delle Borse di Lavoro erogate dal POR FSE ...luglio2016.europa.marche.it/Portals/0/Documenti/0Indagine sugli... · Attività di valutazione in itinere del POR Marche