Le determinanti delle competenze finanziarie

Le analisi empiriche sono state effettuate utilizzando le numerose infor- mazioni che l’indagine PISA rileva sui diversi aspetti del contesto personale, familiare e scolastico degli studenti. La scelta delle variabili si basa sul pre- supposto che, nella maggior parte dei Paesi OECD5_{, l’educazione finanziaria}

5 _{L’OECD (2017a) ha evidenziato che il gruppo di Paesi che prevede l’educazione finan-}

ziaria all’interno dei curricula istituzionali risulta limitato a Lituania, Olanda, Perù, Repub- blica Slovacca.

non è integrata tra le materie oggetto di studio nei curricula scolastici nazio- nali (OECD, 2017a). Di conseguenza, gli studenti sono obbligati ad acqui- sire queste competenze utilizzando fonti esterne alla scuola che, prevalente- mente, sono da ricercare nell’ambiente familiare e nelle loro caratteristiche motivazionali e attitudinali (Noon e Fogarty, 2007).

In aggiunta, sin dai primi lavori di Coleman et al. (1966) è stato mes- so in luce il legame significativo tra le competenze degli studenti e il loro background socio-economico. Questo legame è stato anche confermato da diverse studi che, a livello internazionale, hanno analizzato le determinanti delle competenze finanziarie nell’ambito dell’indagine PISA (OECD, 2014; Longobardi et al., 2017).

In questa ottica, per ognuno dei Paesi OECD partecipanti alla rilevazione, si cercherà di valutare l’effetto dell’esperienza in ambito finanziario model- lando il processo di produzione delle competenze finanziare mediante un set di covariate prevalentemente relative a caratteristiche socio-economiche e motivazionali degli studenti. In aggiunta a questi fattori, si è scelto di in- cludere il grado di competenza in matematica, in quanto diversi studi hanno messo in luce un ruolo significativo delle abilità matematiche sul livello di competenza finanziaria (OECD, 2013). In tabella 2 vengono riportate le va- riabili utilizzate nelle analisi, includendo anche la loro sintetica descrizione. In dettaglio, oltre all’indicatore di esperienza finanziaria (finexp) già de- scritto in precedenza, vengono considerate le seguenti variabili: il punteg- gio in financial literacy (finscore) e in matematica (matscore), lo stato di immigrato (immig_1_2), il genere dello studente (female), la lingua parlata a casa (langfor), un indice che esprime il livello di motivazione dello stu- dente6 _{(motivat), se lo studente è ripetente o meno (repeat), un elevato li-}

vello di istruzione, secondo la classificazione ISCED, raggiunto da almeno uno dei genitori (high_hisc), il possesso di un esiguo numero di libri a casa (few_book), la proporzione di studenti ripetenti nella scuola (avg_repeat), un indice che esprime il grado di ricchezza della famiglia (wealth)7_{, lo svolgi-}

6 _{L’indice MOTIVAT viene costruito dall’OECD sintetizzando, mediante Item Response}

Theory (IRT), le risposte fornite dagli studenti rispetto ad alcuni quesiti relativi alla motiva-

zione nel raggiungimento di alcuni obiettivi scolastici e personali (OECD 2017b). In partico- lare, vengono considerati le seguenti domande (variabili): 1) Voglio prendere voti alti in tutte o quasi tutte le materie (ST119Q01NA); 2) Quando mi diplomerò, voglio poter scegliere tra le migliori opportunità̀ che ci sono(ST119Q02NA); 3) Qualunque cosa faccia, voglio essere il/la migliore (ST119Q03NA); 4) Penso di essere una persona ambiziosa (ST119Q04NA); 5) Voglio essere fra i migliori studenti della mia classe (ST119Q05NA).

7 _{L’indice WEALTH viene costruito dall’OECD (OECD, 2017b) sintetizzando, me-}

diante Item Response Theory (IRT), le risposte degli studenti alla presenza in casa di: 1) cameretta personale (ST011Q02TA); 2) collegamento a Internet (ST011Q06TA); 3) televi-

mento di un’occupazione nel settore finanziario da parte di almeno uno dei genitori (profinpar)8_.

In appendice (tabella A1) sono riportate le principali statistiche descritti- ve di tutte le variabili utilizzate.

Tab. 2 – Variabili impiegate nelle analisi empiriche

Variabile Variabili in PISA database Descrizione

finscore PV1FLIT-PV10FLIT Punteggio PISA relativo alla performance degli

studenti in financial literacy (10 plausible values)

finexp FQ002Q01TA, FQ005Q01TA,

FQ006Q01TA Indice relativo all’esperienza finanziaria (0 = “no”; 1 = “sì”)

matscore PV1MATH-PV10MATH Punteggio PISA relativo alla performance degli

studenti in matematica (10 plausible values)

immig_1_2IMMIG Status di immigrato -prima o seconda generazio-

ne- (0 = “nativo”; 1 = “immigrato”)

female ST004D01T Genere (0 = “maschio”; 1 = “femmina”)

langfor ST022Q01TA Lingua parlata a casa differente da quella nazio-

nale (0 = “no”; 1 = “sì”)

motivat MOTIVAT Indice sintetico del grado di motivazione dello

studente

repeat REPEAT Studente ripetente (0 = “no”; 1 = “sì”)

high_hisc HISCED Livello di educazione più alto tra la madre e il

padre pari a ISCED 5 o 6 (0 = “no”; 1 = “sì”)

few_book ST013Q01TA Numero di libri a casa compreso tra 0 e 25 (0 =

“no”; 1 = “sì”)

avg_repeat REPEAT Proporzione di studenti ripetenti nella scuola

wealth WEALTH Indice sintetico di ricchezza della famiglia

profinpar OCOD_FAT, OCOD_MOTH Professione della madre o del padre relativa al

settore finanziario (0 = “no”; 1 = “sì”)

Fonte: elaborazione degli autori su dati PISA 2015

sore (ST012Q01TA); 4) automobile (ST012Q02TA); 5) bagno (ST012Q03TA); 6) telefo- no cellulare con accesso a Internet (ST012Q05TA); 7) computer (ST012Q06TA); 8) tablet (ST012Q07TA); 9) lettore di e-book (ST012Q08TA); tre beni specifici (country item) per ogni Paese (ST011D17TA; ST011D18TA; ST011D19TA).

8 _{La variabile è stata elaborata utilizzando la classificazione ISCO-08 (International}

3. Metodologia

Lo scopo del paper è di analizzare se e in quale misura l’esperienza degli studenti in ambito finanziario influisce sulla loro performance in financial

literacy. Una stima grezza di questo effetto può essere ottenuta mediante una

funzione di produzione dell’educazione (EPF):

(1) dove y_i rappresenta la performance in ambito finanziario dello studente i-esi- mo; F_i è l’indicatore dicotomico dell’esperienza finanziaria (finexp), mentre ε_i è la componente di errore stocastico. Il coefficiente β₁ calcolato in base a un approccio di regressione classico di tipo OLS consente di fare inferenza sul differenziale medio delle competenze finanziarie tra gli studenti con e senza esperienze finanziarie ma non permette di controllare per altri fattori che influenzano le prestazioni degli studenti. In questa luce, si adotta una specificazione “più ampia” della funzione EPF al fine di ottenere una stima rettificata dell’effetto dell’esperienza finanziaria, controllando per un vettore

x_i di caratteristiche studente:

(2) Per approfondire i risultati forniti dai modelli OLS, si cerca di ana- lizzare la “dinamica” di questo effetto rispetto ai diversi percentili della distribuzione del punteggio di alfabetizzazione finanziaria. Nello specifi- co, si stimano regressioni quantili non condizionate (UQR, Unconditional

Quantile Regressions; Firpo et al., 2009) attraverso regressioni RIF (Re- centered Influence Function) per valutare l’effetto dell’esperienza finanzia-

ria sui diversi quantili della distribuzione marginale del punteggio in finan-

cial literacy. In questo modo è possibile verificare se l’effetto è omogeneo

lungo tutto il campo di variazione del punteggio oppure si differenzia per studenti con punteggio medio-basso (che si trovano nella prima metà della distribuzione) e per studenti con punteggio medio-alto (nella seconda metà della distribuzione).

4. Risultati

4.1. L’effetto dell’esperienza in ambito finanziario analizzato attra-