• Non ci sono risultati.

Gli impatti complessivi della formazione e per caratteristiche dei destinatari La Tabella 8 riporta gli effetti medi sui trattati (ATET) del complesso degli interventi di

6.I risultati delle analisi di impatto con dati amministrativi

6.3. Impatti occupazionali degli interventi di formazione

6.3.1. Gli impatti complessivi della formazione e per caratteristiche dei destinatari La Tabella 8 riporta gli effetti medi sui trattati (ATET) del complesso degli interventi di

formazione. In Appendice 5- Al capitolo 6 è riportata la Figura 31 Bilanciamento pre e post abbinamento per la formazione – variabile occupazione a 12 mesi. Come si vede, il bilanciamento sul propensity score appare buono; una volta accoppiate le unità tra gruppo di trattati e quello di controllo, le caratteristiche sembrano bilanciarsi bene.

In termini generali, la formazione nel suo complesso (analizzando insieme i diversi tipi di interventi formativi) non sembra produrre nessun impatto significativo sulla probabilità di occupazione per coloro che hanno usufruito dell’intervento, né a breve né a medio termine (12 mesi). Le stime sono confermate da entrambi i modelli utilizzati; in entrambi i casi a 12 mesi la differenza nel tasso di occupazione tra i destinatari e i non destinatari diviene positiva, anche se molto bassa (1 punto percentuale), ma non risulta statisticamente significativa, come non lo sono le altre stime a 3,6 e 9 mesi.

Tabella 8 Stime degli effetti medi sui trattati (ATET) della Formazione con PSM

Formazione Stime ATET (trattati vs controlli) Std. Err.

Nn=25

Occupazione a 3 mesi -0,0015 0,0122

Occupazione a 6 mesi -0,0144 0,0123

Occupazione a 9 mesi -0,0139 0,0125

Occupazione a 12 mesi 0,0053 0,0124

Nn=35

Occupazione a 3 mesi 0.0025 0.0121

Occupazione a 6 mesi -0.0112 0.0122

Occupazione a 9 mesi -0.0102 0.0124

Occupazione a 12 mesi 0.0084 0.0123

Numero di osservazioni 144795

Note: * significatività statistica al 10%; ** significatività statistica al 5%; *** significatività statistica all’1%.

Le stime derivano da un Propensity Score Matching (PSM) secondo la tecnica del Nearest-Neighborg con accoppiamento fissato a 25 e 35 unità. Per il calcolo del Propensity Score si è stimato un modello di regressione logistica. Il vettore di covariate (Xi) è definito da:il genere, l’età, il titolo di studio, la cittadinanza, la storia lavorativa mensile fino a 24 mesi prima, le province di residenza e dummies temporali relative agli anni d’inizio intervento per i trattati e di iscrizione alla DID per i non trattati.

Fonte: Elaborazione Ismeri su dati amministrativi JOBAgency, COMarche e dati SIFORM

Abbiamo cercato quindi di capire meglio se questi risultati medi generali sono il risultato di effetti diversificati per tipologie di destinatari e per tipologie di intervento. Di seguito presentiamo i risultati sugli impatti per diversi target di partecipanti (Tabella 9), mentre nel paragrafo successivo evidenziamo le differenziazioni tra i diversi tipi di interventi formativi.

Quando si va a distinguere il campione tra uomini e donne l’effetto nullo visto in precedenza trova spiegazione negli effetti eterogenei e contrastanti che derivano dalla formazione FSE sugli uomini e le donne.

La Tabella mostra per gli uomini che gli impatti sono negativi, statisticamente significativi solo a 6 e 9 mesi, ma si riassorbono nel lungo periodo dove tornano statisticamente non diversi da zero. Per le donne si hanno al contrario effetti positivi e significativi sia nel breve periodo che a 12 mesi. A 12 mesi, per le donne, che sono la maggioranza dei destinatari, aver partecipato ad un corso di formazione fa aumentare la probabilità di essere occupate di circa 4 punti percentuali rispetto a coloro che sono simili ma che non hanno seguito il corso.

Se ci focalizziamo sulle differenze in base all’età, in particolare sulle differenze tra giovani under 30 e gli over 30 otteniamo anche in questo caso impatti discordanti tra loro. Per i giovani, la probabilità di essere occupati (fino a 6 mesi) è inferiore a quella del gruppo di controllo, per poi azzerarsi a 9 e 12 mesi. Per gli adulti partecipanti agli interventi invece l’effetto è positivo e sempre statisticamente significativo. Per gli over 30 l’aver partecipato alla formazione ha garantito una probabilità di essere occupati sempre superiore a quella del gruppo di contro, pari a 1,4 punti percentuali (pp.) a 3 mesi, 7 pp. a 6 mesi, 4 pp. a 9 mesi e quasi 6 pp. a 12 mesi rispetto agli over 30 che non hanno partecipato. I risultati non variano nelle due varianti utilizzate per l’abbinamento statistico.

Se guardiamo il titolo di studio, per coloro che hanno conseguito il diploma superiore o livelli più bassi, gli interventi non sembrano aver sortito effetti significativi: vi sono effetti negativi nel breve, ma di bassa intensità e tendono a scomparire, inoltre la seconda variante del modello non rileva questi effetti. Per i laureati o possessori di titolo post laurea, l’aver partecipato ai programmi formativi non ha avuto effetti nel breve periodo, ma si evince un effetto positivo a 12 mesi, pari a 5 punti percentuali.

Infine, distinguendo il campione in base alla cittadinanza troviamo ulteriori risultati interessanti e non scontati. Gli interventi impattano sulla probabilità di coloro che hanno partecipato rispetto ai controlli in modo diverso. Beneficiano dei corsi di formazione gli stranieri che si vedono aumentare statisticamente la probabilità di occupazione di quasi 8 punti percentuali a 6 mesi, di circa 6 a 9 mesi e di 5 punti percentuali a 12 mesi dal termine della formazione. Per i partecipanti italiani, invece, si registra un effetto negativo nel breve periodo (a sei mesi, 9 mesi), ma questo effetto si riassorbe dopo 12 mesi.

Tabella 9 Stime degli effetti medi sui trattati (ATET) della Formazione con PSM – per

Numero di osservazioni 68440 76355

Formazione

Numero di osservazioni 40028 104767

Formazione

Fino Diploma Superiore Laurea o più

Nn=25

Numero di osservazioni 116563 28232

Formazione

Numero di osservazioni 111785 33010

Note: * significatività statistica al 10%; ** significatività statistica al 5%; *** significatività statistica all’1%.

Le stime derivano da un Propensity Score Matching (PSM) secondo la tecnica del Nearest-Neighborg con accoppiamento fissato a 25 e 35 unità. Per il calcolo del Propensity Score si è stimato un modello di regressione logistica. Il vettore di covariate (Xi) è definito da:il genere, l’età, il titolo di studio, la cittadinanza, la storia lavorativa mensile fino a 24 mesi prima, le province di residenza e dummies temporali relative agli anni d’inizio intervento per i trattati e di iscrizione alla DID per i non trattati.

Fonte: Elaborazione Ismeri su dati amministrativi JOBAgency, COMarche e dati SIFORM

6.3.2. Confronto tra gli impatti occupazionali degli interventi di ITS-IFTS-OSS e la