Misurare l’uguaglianza di genere a livello regionale in Italia
2 Dati e Metod
Il processo di costruzione dell’R-GEI segue, strutturalmente, quello utilizzato da EIGE per la costruzione degli indicatori nazionali [6]. Tuttavia, l’aspetto più complesso di questo processo riguarda gli aspetti relativi alla regionalizzazione dei 31 indicatori di gender gap che l’EIGE ha identificato per misurare l’uguaglianza di genere a livello nazionale nei vari domini e sottodomini del GEI. Infatti, la possibilità di utilizzare gli indicatori GEI nella costruzione del R-GEI dipende da due questioni: il significato a livello sub-nazionale dell’indicatore utilizzato e la disponibilità di fonti dati rappresentative a livello regionale. Se da un lato, infatti, alcuni indicatori non hanno senso a livello subnazionale (es. percentuale di donne in consigli di amministrazione di società quotate, o percentuale di donne in Parlamento), dall’altro alcuni indicatori sono calcolati a partire da campioni che, pur essendo rappresentativi della popolazione a livello nazionale, non lo sono a livello regionale.
Le 31 variabili in uso per la costruzione del GEI derivano da 6 diverse fonti di dati, 4 delle quali sono indagini campionarie mentre le restanti 2 sono database ufficiali. In particolare, vengono utilizzate:
• Indagine sulle forze di lavoro (LFS – fonte: Eurostat)
• Indagine sulle condizioni di lavoro in Europa (EWCS – fonte: Eurofound) • Indagine su reddito e condizioni di vita (EU-SILC – fonte: Eurostat) • Indagine europea sulla salute (EHIS - Eurostat)
• Database Eurostat e dall’EIGE Gender Statistics
Tutte le 31 variabili dell’EIGE sono state analizzate e, ove necessario e possibile, sostituite ricorrendo a indicatori alternativi ma il più possibile coerenti con il significato originario delle variabili sostituite.
Il dominio che ha richiesto la revisione più significativa è quello del Potere: in effetti, in una prospettiva regionale, la maggior parte degli indicatori originali perde la sua rilevanza. Se consideriamo il sottodominio del potere politico, è evidente che includere la percentuale di ministri donne in un indicatore subnazionale non è rilevante. Di conseguenza, le variabili legate al potere politico sono state sostituite da misure più locali / regionali considerando ad esempio la quota di donne nei consigli regionali, tra gli assessori comunali/regionali (fonte: Ministero dell'Interno italiano). Inoltre, le variabili collegate al Potere Economico sono state revisionate a causa dell'indisponibilità dei dati EIGE originali a livello NUTS2 e al loro debole significato a livello regionale. Di conseguenza, questo sottodominio è stato compilato dal calcolo della quota di donne che coprono posizioni manageriali (fonte di nuovi dati: Istituto Nazionale della Previdenza Sociale - INPS). Nessuna alternativa è stata invece trovata per il sottodominio di Potere sociale.
Il secondo problema che dovrebbe essere affrontato è la rappresentatività delle fonti dati utilizzate nel GEI a livello NUTS2. Tre delle quattro indagini (ad es. LFS, EU-SILC, EHIS) sono fornite da Eurostat e le dimensioni e lo schema del campione garantiscono la
178 di Bella E., Leporatti L., Gandullia L. e Maggino F.
rappresentatività a livello NUTS2. Al contrario, il numero di osservazioni campionate per EWCS non è sufficiente per ottenere stime regionali affidabili (nel 2015 il numero di osservazioni è stato di 1.402 per tutta l'Italia).
Date queste premesse, nel framework R-GEI utilizziamo i micro-dati dell'indagine derivati da LFS (ultimo trimestre 2013-2014-2015) e EU-SILC (2013-2014-2015). Non abbiamo usato i dati dell’indagine EHIS poiché i micro-dati si riferiscono solo all'anno 2015. Per quanto riguarda il dominio del Tempo, a causa della non rappresentatività dei dati EWCS a livello regionale, la maggior parte delle variabili collegate a questo dominio saranno basate sull'indagine Istat "Aspetti della Vita Quotidiana" (AVQ 2013-2014- 2015). L'AVQ verrà anche utilizzata per valutare il sottodominio del comportamento in salute (stili di vita). Le informazioni ricavate dalle banche dati di Eurostat sono state invece sostituite da quelle derivate dall'Istat.
Dopo le correzioni sopra descritte: 10 delle 31 variabili utilizzate nell’R-GEI si basano esattamente sulla definizione e sulla fonte dati GEI; 14 sono invece basate su una definizione il più possibile simile a quella adottata nel GEI ma che utilizza dati rappresentativi a livello regionale; 7 sono state escluse dall’analisi a causa dell'impossibilità di trovare un indicatore sufficientemente prossimo a quello originale. L’aggregazione delle variabili così create in sotto-domini, domini e nell’indicatore sintetico R-GEI è stata poi effettuata utilizzando la metodologia proposta dall’EIGE [6].
3 Risultati
La Tabella 1 e le Figure 1 e 2 riportano i risultati dell’indicatore R-GEI come media geometrica nei tre anni considerati (2013-2014-2015) per ogni regione italiana e per l'intera nazione ("Italia"). Si noti che l'EIGE fornisce le stime del GEI solo per gli anni 2005, 2010, 2012 e 2015. Pertanto, un confronto diretto tra i nostri calcoli e le stime del GEI è possibile solo per l'anno 2015. A fronte di un valore GEI per l’Italia pari a 62,10, le nostre stime conducono a un valore leggermente superiore (65,3). Le divergenze sono da attribuirsi alle differenze nel set di indicatori utilizzato e al complesso effetto del coefficiente correttivo utilizzato nella metodologia GEI e R-GEI [6].
Le Figure 1 e 2 forniscono i cartogrammi per l'indicatore R-GEI (Figura 1) e per ciascuno dei sei domini (Figura 2) (valori medi nel triennio 2013-2015). Considerando, in un primo momento, l'indicatore R-GEI, possiamo notare che la tipica distinzione Nord- Sud che spesso si verifica quando si effettuano studi socio-economici è confermata anche in termini di diseguaglianza di genere. La regione caratterizzata dal minor livello di uguaglianza di genere è la Calabria (47,1) mentre la regione più virtuosa è l’Emilia Romagna (70,7).
Se osserviamo il dominio del lavoro, i valori variano da 56,2 (Sicilia) a 78,9 (Valle d'Aosta). Le regioni meridionali sono quelle con la più bassa parità di genere, ma differenze rilevanti insistono anche nelle regioni settentrionali. La Liguria, ad esempio, si attesta a 69,3, valore tipico delle regioni dell'Italia centrale. In generale, il dominio che sembra risentire meno delle differenze territoriali è quello della salute; al contrario, ampie differenze Nord-Sud persistono sull’ambito economico (lavoro e denaro). In generale, il dominio dove si registrano livelli di diseguaglianza maggiore resta quello del potere.
4 Conclusioni
Il presente contributo riporta sinteticamente i risultati della costruzione di un indicatore di uguaglianza di genere a livello regionale per l’Italia. I risultati hanno evidenziato, come atteso, un notevole svantaggio in termini di uguaglianza di genere per le regioni meridionali, soprattutto in ambito economico. Per quanto di nostra conoscenza, questo è il primo documento che tratta di un’analisi regionale dell’uguaglianza di genere in Italia. La scelta di avvalersi dell’impostazione di EIGE consente di inserire questo lavoro in un contesto ormai strutturato e ben noto a livello internazionale. La lettura territoriale dei dati sull’uguaglianza di genere è sempre più importante per definire politiche pubbliche differenziate volte alla riduzione dei gender gap riscontrati. Lavori futuri si svilupperanno in due direzioni. Se da un lato è necessaria una più attenta riflessione sulla selezione degli indicatori regionali da usare in sostituzione di quelli nazionali, dall’altro si intende confrontare la procedura di costruzione dell’indicatore sintetico proposta da EIGE con nuove procedure - per esempio le tecniche proprie degli insiemi parzialmente ordinabili (poset) - proposte in forma ancora iniziale in [7].
REGIONE R-GEI Indicatori R-GEI per dominio
(NUTS2) Work Money Knowledge Health Time Power
Valle d'Aosta 57,1 78,9 84,9 48,3 92,1 59,6 27,5
Piemonte 67,6 76,2 84,2 58,5 93,9 59 55,9
Lombardia 70,6 75,1 88,1 62,4 94,2 57,5 65
Liguria 61,2 69,3 82,3 56,6 93,5 54,1 41,4
Veneto 62,3 74,9 81,8 60,7 94,2 60 35,6
Trentino Alto Adige 65,1 75,8 85,7 60,2 95,1 61,3 42,4
Friuli Venezia Giulia 67,4 73,1 84,4 58,7 93,1 56,6 59,1
Emilia Romagna 70,7 77 86,4 62,1 93,7 56,4 66,4 Abruzzo 56 69,7 73,4 60,3 92,1 48,9 28,6 Toscana 67,3 74,9 83,9 57,5 95,3 57,4 57,6 Umbria 65,1 72,3 79,9 58,1 94,1 55,4 53,3 Lazio 64,7 72,2 81,6 55,9 93,9 54,1 54,2 Marche 66,2 75 82,1 61,2 93,6 52,3 54,3 Molise 53 65,2 63,2 61,6 92,9 49,3 24,8 Campania 54,2 60,1 61,8 55 92,4 42,8 39,5 Basilicata 53 63,9 63,8 58,3 92,7 48,3 27,3 Puglia 55,2 58,6 65,6 56 91,8 46,9 38,8 Calabria 47,1 59,1 62 54,5 88,4 42,7 19,7 Sardegna 49,5 64,5 72,7 49,4 92,7 58,6 17,6 Sicilia 57,2 56,2 61,9 55 93,2 41 57,8 Italia 64,1 70,4 79,3 59,4 93,7 54,8 50,2
Media Geometrica per Macro Area (NUTS1)
Nord Ovest 63,9 74,8 84,8 56,2 93,4 57,5 45,1
Nord Est 64,9 74,6 83,9 59,9 94,1 59,3 44,7
Centro 64,8 73,5 81,1 59,1 93,8 54 50,8
Sud 52,6 61 64,3 55,6 92 46,8 29,8
Tabella 1: Media geometrica dell’indicatore R-GEI per gli anni 2013, 2014, 2015 e dei domini per regione (NUTS2), Macro Area (NUTS1) e valore complessivo per l’Italia.
180 di Bella E., Leporatti L., Gandullia L. e Maggino F.
Figura 1: R-GEI nelle regioni italiane
Riferimenti bibliografici
[1] ONU (2015). Resolution adopted by the General Assembly on 25 September 2015, A/RES/70/1.
[2] Plantenga, J., Remery, C., Figueiredo, H., & Smith, M. (2009). Towards a European Union gender equality index. Journal of European Social Policy, 19(1):19-33. [3] World Economic Forum (2017). The Global Gender Gap Report 2016, Report
WEF.
[4] UN-Devolpment Program (2017). 2016 HDR Report, UNDP.
[5] EIGE - European Institute for Gender Equality (2017a). Gender Equality Index 2017: Measuring gender equality in the European Union 2005-2015, EIGE Report. [6] EIGE - European Institute for Gender Equality (2017b). Gender Equality Index
2017: Methodological Report, EIGE Report.
[7] Di Bella E., Leporatti L. Maggino F. e Gandullia L. (2018). A Poset based indicator of gender equality at sub-national level, in: Capecchi S. Di Iorio F, Simone R. (Edt.),
ASMOD 2018 - Proceeding of the Internazional Converence on Advances in Statistical Modeling of Ordinal Data, Federico II University Press, 109-116.