In questo paragrafo verr`a esemplificato il procedimento che ha portato alla identificazione e costruzione di tutte le covariate poi utilizzate in fase di sti- ma.
Prima di affrontare questo, per`o, mi sembra necessario discutere quella che `e la relazione temporale tra le covariate e la transizione d’interesse.
Il tempo rappresenta uno degli elementi concettuali fondamentali di un’indagine di tipo panel: si hanno le caratteristiche degli individui ma anche quando queste sono state acquisite o modificate e quindi, in un’ottica causale, capire
se queste modificazioni portano alla modificazione anche del tasso di tran- sizione. Ci´o implica che dare o non dare la possibilit`a alle variabili di modi- ficare il loro valore in corso di stima pu´o portare a distorsioni e in ogni caso a riferire gli eventi a caratteristiche diverse da quelle che le hanno realmente influenzate. Avendo definito univocamente l’intervallo temporale di riferi- mento resta automaticamente definito l’intervallo che identifica il passato del processo e che andr`a a costituire parte fondamentale nell’identificazione del modello. Guardando alle covariate utilizzate si possono identificare quattro
gruppi di significato: caratteristiche individuali, caratteristiche famigliari,
contesto sociale e storia del processo lavorativo.
Le variabili che, indipendentemente dal gruppo di appartenenza, hanno un legame diretto con l’avanzare del tempo e che possono cambiare il loro val- ore man mano che il processo si evolve vengono dette tempo-dipendenti e richiedono una procedura apposita per la costruzione.
3.3.1
Costruzione delle variabili tempo-dipendenti
Per la definizione di un modello di durata `e necessario definire un asse tem- porale sul quale osservare l’evoluzione del processo: risulta fondamentale infatti l’identificazione esatta del momento nel quale si verifica la transizione per poter identificare la durata stessa.
Molte delle variabili che si utilizzano per capire quali sono i meccanismi sot- tostanti determinati fenomeni sono una rappresentazione di fenomeni sociali complessi che naturalmente si evolvono. Per poter capire quali sono i riflessi di questi cambiamenti `e necessario che anche la rappresentazione che di loro si fa abbia la capacit`a di evolversi parallelamente e in sincronia rispetto ai cambiamenti che realmente osserviamo.
Le variabili tempo dipendenti sono cos´ı dette appunto perch´e, per costruzione, il loro valore viene modificato in corrispondenza di determinati istanti tem- porali. Tali istanti vengono identificati attraverso i momenti (le date) in cui si verificano i cambiamenti del processo parallelo a quello in studio del quale si vuole verificare l’effetto.
Consideriamo un episodio di disoccupazione che inizia nel settembre del 1994 e termina in aprile 1995, quando l’individuo trova lavoro.
Vogliamo valutare l’effetto che una ricerca pi`u o meno attiva pu`o aver avuto sul fatto che l’individuo abbia trovato lavoro. Immaginiamo che nel 1994 l’in- dividuo abbia attuato solo 2 delle 4 strategie a disposizione mentre nel 1995 decida di essere pi`u attivo e attuarle tutte indiscriminatamente. L’utilizzo di una variabile che in corrispondenza di gennaio 1995 cambia valore passando da 2 a 4 permette di valutare se questo cambiamento si riflette anche in una
modificazione significativa della probabilit`a di transizione.
Questo concetto si attua nel metodo dell’ episode- splitting [Blossfeld,Rohwer,1995] che consiste nel dividere l’episodio in pi`u pezzi in corrispondenza dei momen- ti nel tempo, interni alla durata osservata, nei quali si verificano eventi legati all’effetto che si vuole analizzare. Nell’esempio appena proposto il metodo si risolvere nello spezzare l’episodio originario in due parti, una che va da set- tembre a dicembre 1994 e l’altra che va da gennaio a aprile 1995. L’episodio originario resta comunque identificato creando una sorta di struttura gerar- chica che permetta di identificare, in ordine temporale, tutti i pezzi apparte- nenti allo stesso episodio. Praticamente si ottiene una matrice dati tanto pi`u grande di quella originaria quanti pi`u effetti si vogliono trattare come tem- po dipendenti con delle variabile aggiuntive che permettano di mantenere le relazioni tra gli episodi originari e quelli splittati.
Per la costruzione della variabile tempo-dipendente si utilizzer`a una sorta di contatore temporale interno che scandisce il tempo del processo da un’orig- ine fissata fino alla durata massima osservata. La variabile viene indicizzata attraverso questo contatore e cambia il suo valore quando il momento scan- dito dal contatore corrisponde a quello in cui abbiamo effettuato lo split: `e proprio qui infatti che la situazione `e cambiata e la variabile deve cogliere proprio questo cambiamento.
In fase di stima questo tipo di covariate permette di valutare la variazione indotta nel rischio di periodi in cui si possedeva o meno una determinata caratteristica ovvero di valutare se il periodo di ricerca attiva ha una prob- abilit`a maggiore di sfociare in un lavoro rispetto a quello in cui la ricerca `e stata meno attiva.
Questo metodo prevede in realt`a due specificazione, una con split variabili e una con split fissi; i due tipi possono essere utilizzati congiuntamente e vengono definiti a seconda che tutti gli episodi vengano splittati a date fisse che vengano splittati a date dipendenti da un altro fenomeno e quindi in momenti diversi se appartenenti a individui diversi.
In questo lavoro il tempo `e misurato in mesi ma le altre variabili costruite hanno come riferimento temporale per la conoscenza degli eventuali cambi- amenti l’anno che intercorre tra le 2 interviste. In conseguenza di ci`o gli episodi sono stati splittati con cadenza annuale ovvero ogni 12 mesi nella misura della durata. La sola variabile che non ha osservato lo stesso proced- imento `e quella relativa al vivere o meno in coppia poich´e `e stato possibile ricostruire le date, mese e anno, di inizio e fine della convivenza. in questo caso lo split `e variabile e avviene per ogni episodio in corrispondenza del mese e dell’anno in cui la caratteristica varia.