Cambiamento tecnologico e dinamica dell’occupazione

Mercato del lavoro e nuove tecnologie

2. Cambiamento tecnologico e dinamica dell’occupazione

La relazione che lega il fenomeno della routinizzazione delle mansioni e la dinamica dell’occupazione può essere esaminata a livello di settore e professione, facendo riferimento ad un contesto informativo molto dettagliato in grado di tenere in considera- zioni e aspetti legati sia alla specializzazione e alla performance del tessuto produttivo che alla composizione della forza lavoro.

In particolare, Gualtieri et al (2019) hanno utilizzato una banca dati longitudinale che integra i) le informazioni sulla condizione occupazionale e le caratteristiche socio-demografiche degli individui derivate dalla Rilevazione Continua sulle Forze di Lavoro (RCFL) dell’ISTAT ii) le informazioni relative ad un indice di routinizzazione delle mansioni in scala 0-100 misurato per ogni singola professione a 4 digit e ricavato dalla Indagine Campionaria sulle Professioni (ICP) condotta da INAPP iii) i dati di bilancio su investimenti, produttività, spese in R&D ottenute dall’archivio AIDA Bureau-Van Dyik sulle società di capitali.

La disponibilità del dataset RCFL-ICP-AIDA per il periodo 2005-2016 permette di con- durre una serie di elaborazioni descrittive ed econometriche che illustrano la crescen- te polarizzazione del mercato del lavoro in Italia per effetto della diffusione del cam- biamento tecnologico task biased.

A tale conclusione si perviene esaminando innanzitutto la variazione dell’occupazione per tre principali categorie di lavoratori, distinte in funzione del livello di competenze/qualifiche (high, medium, low)2_{. La pervasività con cui la recente crisi econo-}

mico-finanziaria ha condizionato il funzionamento del mercato del lavoro suggerisce inoltre di suddividere l’analisi in due sotto-periodi: 2006-2010 e 2011-2016. L’obiettivo è quello di isolare per quanto possibile gli elementi congiunturali di natura economica dalle implicazioni strutturali del cambiamento tecnologico.

La figura 1 mostra cosi che nel periodo 2005-2010 vi è stato un moderato aumento dell’occupazione per i gruppi a media e alta qualifica, mentre vi è una contrazione delle prospettive di occupazione per le basse qualifiche. Una dinamica di polarizzazione è invece riconoscibile negli anni 2011-2016: ciò si evince dal fatto che aumenta l’occupazione degli individui qualificati e di quelli con basse qualifiche, mentre si riduce il lavoro di coloro che sono mediamente qualificati.

1. Il presente capitolo è tratto da Guarascio, D., Gualtieri, V., & Quaranta, R. (2018). Does routinization affect occu- pation dynamics? Evidence from the ‘Italian O* Net’data. INAPP Working paper series. Si rimanda alla pubblica- zione originale per maggiori dettagli.

2. L’identificazione di questi gruppi fa riferimento alla prima cifra (o digit) delle classificazioni CP2001 e CP2011: il gruppo ad alta qualifica include “manager”, “professionisti scientifici” e “professionisti tecnologici” ; il gruppo di media qualifica comprende “impiegati”, “impiegati di servizio” e “operai specializzati” (cioè il 4°, 5° e 6° gruppo di 1 cifra); quello di bassa qualifica comprende “operai” e “professionisti non specializzati”.

L’evoluzione dell’occupazione può essere illustrata anche in rapporto ai diversi quan- tili della distribuzione dell’indice RTI, in modo tale da tenere in considerazione più esplicita gli effetti della ripetitività delle singole mansioni.

La figura 2 permette di identificare anche in questo caso due tendenze piuttosto diverse in relazione al periodo di riferimento. Come in precedenza, non si registra alcuna dinamica significativa nel corso del periodo 2006-2010: l’occupazione cresce nel primo e nel terzo quintile della distribuzione RTI, mentre diminuisce nel secondo e nel quinto (alti livelli di mansioni routinarie).Tra il 2011 e il 2016, quindi, le occupazioni caratterizzate da un alto livello di ripetitività (4° e 5° quintili della distribuzione RTI)

Figura 1. Dinamica dell’occupazione per livello di competenze (high, medium e low)

Figura 2. Dinamica dell’occupazione per grado di routinarietà delle mansioni (RTI)

Fonte: elaborazione su dati RCFL e ICP

-3 -1 1 3 5 Tas so di v ar iaz ione del l'oc cupaz ione ( 2005- 2010)

High Medium Low

-3 -1 1 3 5 Tas so di v ar iaz ione del l'oc cupaz ione ( 2011- 2016)

High Medium Low

-4 -2 0 2 4 6 Tas so di v ar iaz ione del l'oc cupaz ione ( 2005- 2010)

1° quintile 2° quintile 3° quintile 4° quintile 5° quintile

-5 -3 -1 1 3 5 Tas so di v ar iaz ione del l'oc cupaz ione ( 2011- 2016)

139

sono notevolmente penalizzate in termini di dinamiche occupazionali.

Il quadro descrittivo può essere arricchito da un’analisi econometrica volta a stimare la relazione che connette il grado di ripetitività delle mansioni (indice RTI) e la variazione dell’occupazione nelle professioni nel corso del periodo 2006-2016, tenendo in considerazione una serie di variabili che esemplificano il ruolo delle caratteristiche socio-demografiche della forza lavoro, la specializzazione produttiva e gli indici di performance delle imprese, la propensione ad investire in R&D e altri controlli

La tabella 1 mostra le stime pooled ols di un modello di regressione in cui la variabile dipendente è appunto la variazione annuale dell’occupazione (in logaritmo) per cia- scuna combinazione di professione-settore-anno di cui si compone il dataset RCFL- CPI-AIDA3_.

Adottando diverse specificazioni econometriche e replicando le stime per i due sot- to-periodi, nella tabella 1 emerge chiaramente che le professioni connotate da un alto grado di routinarietà (indice RTI) sono significativamente penalizzate in termini di dinamica occupazionale soprattutto nel periodo 2011-2016, mentre tale correlazione negativa appare più debole in valore assoluto e significatività statistica per gli anni 2006-20114_.

3. Formalmente, si tratta di applicare tecniche di stima OLS - eseguite su due periodi di tempo distinti (2005-2010 e 2011-2016) - alla seguente equazione di regressione:

dove, è la variazione annuale dell’occupazione (differenza logaritmica) per occupazione i, settore k e anno t. Il grado di ‹routinarietà relativa› è catturato dall’indicatore RTI che assume valore 1 se la cella occupazione-settore cade nel quarto o quinto quintile della distribuzione RTI e 0 altrimenti. Nel primo sotto-periodo (2005-2010), le occupazioni sono classificate in base alla distribuzione RTI con riferimento alle informazioni relative ai compiti del 2007, mentre il secondo periodo (2011-2016) è analizzato rispetto alle informazioni relative ai compiti del 2012. La matrice X include una serie di controlli sul livello di occupazione riferiti al periodo precedente rispetto a quello caratterizzante la variabile dipendente: variazione dell’occupazione, in modo da controllare la persistenza delle dinamiche occupazionali a livello occupazionale; variazione del logaritmo dei salari mediani; quota sul totale dell’occupazione settoriale di donne, giovani lavoratori (15-34 anni), lavoratori con laurea e contratto a tempo determinato. La matrice Y comprende invece controlli a livello settoriale, sempre riferiti al periodo precedente, che riportano informazioni (a livello settoriale) circa l’evoluzione dei ricavi (variabile che consente di catturare la dinamica della domanda a livello di settore-occupazione), dello stock di capitale (che potrebbe essere sostitutivo o complementare al lavoro in funzione delle caratteristiche tecnologiche dei settori) e della spesa in R&S (variabile che mira a cogliere il ruolo della tecnologia e dell’innovazione). Queste ultime variabili sono incluse per controllare le potenziali eterogeneità in termini di dinamiche economiche e di innovazione a livello industriale che potrebbero contribuire a plasmare la grandezza e la direzione del rapporto RTI-impiego. Per entrambi i sotto periodi, l’equazione è stimata adottando una procedura graduale. In primo luogo, testiamo la specificazione più semplice regredendo la variazione dell’occupazione rispetto al solo RTI. In questo modo, possiamo verificare se le differen- ze significative in termini di dinamiche occupazionali sono rilevabili confrontando le occupazioni di routine con il resto del campione. Come secondo passo, includiamo i controlli del livello di occupazione X e le dummy temporali. Nella terza specificazione, aggiungiamo i controlli di livello industriale Y.

4. Vale la pena sottolineare alcuni elementi di interesse che riguardano le altre variabili di controllo, incluse nell’e- sercizio di regressione sebbene non mostrate nella Tabella 1 per esigenze di sintesi. In particolare, tra il 2011 e il 2016, le professioni con una quota relativamente elevata di giovani lavoratori si rivelano invece relativamente deboli in termini occupazionali, mentre è vero il contrario per quanto riguarda la quota di lavoratori a tempo determinato in ogni combinazione settore-professione. Si evidenzia inoltre una correlazione positiva tra la variabile dipendente e la variazione dei salari a t-1 (periodo 2011-2016), un risultato che a sua volta potrebbe riflettere l’operare di un modello di crescita che influisce positivamente sia sull’occupazione che sui salari.

Il quadro descrittivo può essere arricchito a un analisi econometrica volta a stimare la relazione che connette il grado di ripetitività delle mansioni (indice RTI) e la variazione dell’occupazione nelle professioni nel corso del periodo 2006-2016, tenendo in considerazione una serie di variabili che esemplificano il ruolo delle caratteristiche socio- demografiche della forza lavoro, la specializzazione produttiva e gli indici di performance delle imprese, la propensione ad investire in R&D e altri controlli

La tabella 1 mostra le stime pooled ols di un modello di regressione in cui la variabile dipendente è appunto la variazione annuale dell’occupazione (in logaritmo) per ciascuna combinazione di professione-settore-anno di cui si compone il dataset RCFL-CPI-AIDA3_.

Adottando diverse specificazioni econometriche e replicando le stime per i due sotto- periodi, nella Tabella 1 emerge chiaramente che le professioni connotate da un alto grado di routinarietà (indice RTI) sono significativamente penalizzate in termini di dinamica occupazionale soprattutto nel periodo 2011-2016, mentre tale correlazione negativa appare più debole in valore assoluto e significatività statistica per gli anni 2006-20114_.

3_{Formalmente, si tratta di applicare tecniche di stima OLS - eseguite su due periodi di tempo distinti (2005-2010 e}

2011-2016) - alla seguente equazione di regressione:

∆𝑁𝑁𝑖𝑖,𝑘𝑘,𝑡𝑡 = 𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖+ 𝑋𝑋𝑖𝑖,𝑘𝑘,𝑡𝑡−1 + 𝑌𝑌𝑖𝑖,𝑘𝑘,𝑡𝑡−1 + 𝜀𝜀𝑖𝑖,𝑘𝑘,𝑡𝑡

dove, ∆𝑁𝑁𝑖𝑖,𝑘𝑘,𝑡𝑡 è la variazione annuale dell'occupazione (differenza logaritmica) per occupazione i, settore k e anno t. Il grado di 'routinarietà relativa' è catturato dall’indicatore RTI che assume valore 1 se la cella occupazione-settore cade nel quarto o quinto quintile della distribuzione RTI e 0 altrimenti. Nel primo sotto-periodo (2005-2010), le occupazioni sono classificate in base alla distribuzione RTI con riferimento alle informazioni relative ai compiti del 2007, mentre il secondo periodo (2011-2016) è analizzato rispetto alle informazioni relative ai compiti del 2012. La matrice X include una serie di controlli sul livello di occupazione riferiti al periodo precedente rispetto a quello caratterizzante la variabile dipendente: variazione dell'occupazione, in modo da controllare la persistenza delle dinamiche occupazionali a livello occupazionale; variazione del logaritmo dei salari mediani; quota sul totale dell'occupazione settoriale di donne, giovani lavoratori (15-34 anni), lavoratori con laurea e contratto a tempo determinato. La matrice Y comprende invece controlli a livello settoriale, sempre riferiti al periodo precedente, che riportano informazioni (a livello settoriale) circa l'evoluzione dei ricavi (variabile che consente di catturare la dinamica della domanda a livello di settore-occupazione), dello stock di capitale (che potrebbe essere sostitutivo o complementare al lavoro in funzione delle caratteristiche tecnologiche dei settori) e della spesa in R&S (variabile che mira a cogliere il ruolo della tecnologia e dell'innovazione). Queste ultime variabili sono incluse per controllare le potenziali eterogeneità in termini di dinamiche economiche e di innovazione a livello industriale che potrebbero contribuire a plasmare la grandezza e la direzione del rapporto RTI-impiego. Per entrambi i sotto periodi, l'equazione è stimata adottando una procedura graduale. In primo luogo, testiamo la specificazione più semplice regredendo la variazione dell'occupazione rispetto al solo RTI. In questo modo, possiamo verificare se le differenze significative in termini di dinamiche occupazionali sono rilevabili confrontando le occupazioni di routine con il resto del campione. Come secondo passo, includiamo i controlli del livello di occupazione X e le dummy temporali. Nella terza specificazione, aggiungiamo i controlli di livello industriale Y.

4_{Vale la pena sottolineare alcuni elementi di interesse che riguardano le altre variabili di controllo,}

incluse nell’esercizio di regressione sebbene non mostrate nella Tabella 1 per esigenze di sintesi. In particolare, tra il 2011 e il 2016, le professioni con una quota relativamente elevata di giovani lavoratori si rivelano invece relativamente deboli in termini occupazionali, mentre è vero il contrario per quanto riguarda la quota di lavoratori a tempo determinato in ogni combinazione settore-professione. Si evidenzia inoltre una correlazione positiva tra la variabile dipendente e la variazione dei salari a t-1 (periodo 2011- 2016), un risultato che a sua volta potrebbe riflettere l’operare di un modello di crescita che influisce positivamente sia sull'occupazione che sui salari.

3_{Formalmente, si tratta di applicare tecniche di stima OLS - eseguite su due periodi di tempo distinti (2005-2010 e}

2011-2016) - alla seguente equazione di regressione:

∆𝑁𝑁𝑖𝑖,𝑘𝑘,𝑡𝑡 = 𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖+ 𝑋𝑋𝑖𝑖,𝑘𝑘,𝑡𝑡−1 + 𝑌𝑌𝑖𝑖,𝑘𝑘,𝑡𝑡−1 + 𝜀𝜀𝑖𝑖,𝑘𝑘,𝑡𝑡

4_{Vale la pena sottolineare alcuni elementi di interesse che riguardano le altre variabili di controllo,}

Tabella 1. Dinamica dell’occupazione vs RTI e controlli. Stime Pooled Ols 2005-2010 2011-2016 Modello base Controlli a livello di cat. occupazionale Controlli a livello di industria Modello base Controlli a livello di cat. occupazionale Controlli a livello di industria RTI (0/1) -0.0116 -0.0334** -0.0017 -0.0451** -0.0530** -0.0522** [0.00654] [0.0133] [0.0224] [0.0143] [0.0164] [0.016] Osservazioni 14467 10518 4233 11997 8680 6933

Nota: la prima colonna riporta i risultati della specificazione più semplice nell’ambito della quale la variazione dell’occupazione è regredita rispetto al solo RTI. La seconda colonna fa riferimento al modello comprendente i controlli del livello di occupazione X e le dummy temporali. La terza colonna vede infine l’inclusione dei controlli di livello industriale Y. Errori

standard nelle parentesi: * p<0.10, ** p<0.05, *** p<0.010

I risultati delle elaborazioni econometriche sono dunque coerenti nel supportare l’ipo- tesi che le professioni connotate dalla prevalenza di attività di routine tendono ad es- sere penalizzate da un punto di vista delle prospettive occupazionali, rispetto a quelle associate ad un minore grado di ripetitività e codificazione nel processo produttivo (siano esse cognitive o manuali). Le implicazioni del cambiamento tecnologico task biased sul mercato del lavoro italiano appaiono inoltre crescenti nel tempo, manife- standosi con una significatività statistica e un valore assoluto più elevati negli anni 2011-2016 piuttosto che nel periodo precedente, 2005-2010.

Nel documento Capitolo 12. Reddito di Cittadinanza: caratteristiche, beneficiari e prime valutazioni (pagine 135-138)