Quali sono le competenze STEM
8.2 Le Professionalità STEM nel mercato del lavoro in Lombardia
In questo paragrafo viene presentata una panoramica dell’offerta di professionalità STEM nel mercato lavoro lombardo. I dati delle Forze Lavoro Istat, vengono utilizzati per misurare lo stock di professionalità STEM presenti in Lombardia; i dati provenienti dall’anagrafe degli studenti (MIUR) forniscono indicazioni sui flussi di nuovi laureati. Nella Figura 8-1 viene presentata l’incidenza delle professionalità STEM tra laureati e diplomati per varie caratteristiche demografiche e occupazionali. I diplomati STEM hanno un’incidenza maggiore tra gli uomini (43% contro il solo 12% tra le donne) e tra i giovani in età compresa tra i 18 e 34 anni (tra cui sono un terzo del totale). Sono quasi un terzo anche tra i diplomati stranieri provenienti da altri paesi europei (31%) e legger-mente meno tra i diplomati con cittadinanza italiana (28%). Inoltre i diplomati STEM sono un terzo degli occupati nel settore delle costruzioni e più di un terzo nell’industria in senso stretto.
Per quanto riguarda i laureati, le professionalità STEM sono ugualmente più diffuse tra gli uomini (34%) rispetto alle donne (13%). Si nota come i laureati STEM siano pari al 20% tra i giovani, mentre sono il 26% tra gli anziani. La Figura A8-1 mostra la distribu-zione per classi di età per le professionalità STEM e non-STEM. Tra i laureati STEM hanno un peso rilevante gli individui in età compresa tra i 45 e i 64 anni, con una quota pari al 37%, mentre i laureati STEM più giovani (tra i 25 e i 34 anni) sono solo il 27%. Il relativo invecchiamento delle forze lavoro STEM potrebbe condurre nei prossimi anni all’intensificarsi della domanda di nuovi laureati (replacement demand) per la sostituzione delle professionalità STEM in uscita dalle forze lavoro.
126 La classificazione adottata riprende quella proposta in un altro studio (Shapiro, Ostergaard e Hougaard, 2015).
180
Anche tra i laureati, l’incidenza delle professionalità STEM si concentra nel settore dell’industria in senso stretto, dove rappresentano quasi un occupato su due. Questo sottolinea il legame tra il settore manifatturiero e le competenze di tipo scientifico.
Figura 8-1 - Incidenza Laureati e diplomati STEM per caratteristiche demografiche e occupazionali in Lombardia, 2015
Fonte: elaborazioni Éupolis Lombardia su dati ISTAT, Rilevazione Continua sulle Forze di Lavoro. Note: (1) Per i diplomati la fascia dei giovani comprende gli individui che hanno da 16 a 34 anni. (2) I dati per lau-reati nel settore agricolo, e per i laulau-reati nel settore delle costruzioni non sono riportati avendo un errore relativo superiore al 30%. Per dettagli sulla classificazione dei diplomi e delle lauree STEM fare riferimento allegato al
capi-tolo 8.
Confrontando le performance occupazionali tra professionalità STEM e non-STEM (Fi-gura 8-2), si osserva come sia i laureati che i diplomati in discipline tecnico-scientifiche hanno tassi di occupazione più alti e tassi di disoccupazione più bassi dei loro rispettivi colleghi laureati e diplomati in altre discipline. In particolare tra i laureati STEM, il tasso di disoccupazione è estremante basso (3%) rispetto alla media per tutta la popolazione. Esistono però delle importanti differenze di genere: facendo riferimento alle Figura A8-2, si vede come le laureate in discipline scientifiche non hanno le stesse performance in termini occupazionali degli uomini. Le laureate STEM hanno un tasso di occupazione inferiore di 1 p.p. e un tasso di disoccupazione superiore di mezzo p.p. rispetto alle
lau-43% 13% 32% 26% 25% 28% 30% 21% 16% 40% 39% 28% 22% 34% 13% 20% 23% 26% 23% 23% 21% 47% 19% 19% 0% 10% 20% 30% 40% 50% Uomo Donna Da 21 a 34 anni (1) Da 35 a 54 anni 55 e oltre Italiana Straniero UE Straniero extra-UE Agricoltura (2) Industria in senso stretto Costruzioni (2) Commercio Altre attivita Se ss o Età Ci tta d in an za Se tt o re Diplomati Laureati
181 reate in altre discipline. Tenendo presente che questi dati sono aggregati di coorti diffe-renti127, una minor partecipazione e un minor taso di occupazione delle donne STEM nel mercato del lavoro implica un non pieno utilizzo del capitale umano e delle competenze STEM femminili.
Figura 8-2 - Tasso di occupazione, disoccupazione e inattività per Laureati e Diplomati STEM e Non-STEM in Lombardia, 2015
Fonte: elaborazioni Éupolis Lombardia su dati ISTAT, Rilevazione Continua sulle Forze di Lavoro. Note: Campione di-plomati individui con età maggiore uguale ai 16 anni, per i laureati individui con età maggiore uguale ai 21 anni. I dati MIUR offrono una visione completa del flusso di nuovi laureati in discipline scien-tifiche, in procinto di entrare nel mercato del lavoro lombardo. La Figura 8-3, che riporta l’andamento dei valori assoluti e della quota percentuale dei laureati STEM per gli ultimi 10 anni accademici disponibili, mostra due distinti trend: la percentuale di laureati in materie tecnico-scientifiche evidenzia un progressivo calo sino al 2009, per poi aumen-tare moderatamente sino al 2014128. Il calo nel primo periodo è principalmente imputa-bile ad una riduzione della quota di maschi laureati in discipline STEM, mentre la mo-desta crescita nel secondo periodo è associata ad un aumento della quota di femmine laureate in discipline STEM.
127 Tra le giovani diplomate e laureate in percorsi STEM, un maggior tasso di inattività potrebbe essere con-nesso ad una più alta durata degli studi.
128 I laureati in valori assoluti sono cresciuti in entrambe le aree, ma a tassi diversi.
4,7% 8,4% 3,0% 6,8% 19,8% 31,4% 18,4% 28,7% 76,4% 62,8% 79,2% 66,4% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% Laureati non-STEM Diplomati non-STEM Laureati STEM Diplomati STEM Tasso di disoccupazione Tasso di inattività Tasso di occupazione
182
Figura 8-3 –Laureati in Lombardia, per indirizzo di studi e anno accademico
Fonte: elaborazioni Éupolis Lombardia su dati MIUR - Anagrafe Nazionale Studenti (ANS). Dati aggiornati al 05/10/2016. Note: i dati fanno riferimento sia ai laureati in lauree triennali che lauree specialistiche e a ciclo unico
residenti in Lombardia. Per la classificazione si veda la Tabella A8-3
Per l’interpretazione del calo percentuale di laureati STEM nel primo periodo bisogna tenere presente, la riforma del sistema universitario avviata in quegli anni con il “pro-cesso di Bologna” attraverso l’introduzione di due cicli di studi (triennale e magistrale). La riforma ha comportato una riduzione del costo dell’investimento in istruzione, un aumento delle immatricolazioni e un cambiamento nelle scelte STEM e non-STEM degli studenti. Tuttavia, all’aumento delle immatricolazioni in percorsi di studio STEM non ha fatto seguito un pari aumento dei laureati a causa dei maggiori tassi di drop-out (ab-bandono degli studi).
Box 8-1 - I rendimenti delle discipline scientifiche nel mondo del lavoro
La letteratura economica che analizza i rendimenti dell’istruzione terziaria ha messo in evidenza l’esistenza di un premio salariale rispetto a chi possiede un diploma di istruzione secondaria. Le differenze salariali esistono però anche tra i vari indirizzi di studio terziari (OECD, 2016b). Tra i paesi OCSE, gli indirizzi di studio caratterizzati da salari più elevati sono tradizionalmente: in-gegneria, manifattura e costruzioni; scienze sociali, economia e giurisprudenza; scienze, matema-tica e informamatema-tica. In Italia, le retribuzioni sono più alte della media per i laureati in medicina e i laureati in scienze, matematica e informatica (OCED, 2016b p.121).
Per indagare i rendimenti delle discipline scientifiche nel mercato del lavoro lombardo, in questo paragrafo abbiamo utilizzato l’Indagine campionaria Istat sull’inserimento professionale dei lau-reati (2015). Il campione comprende i laulau-reati nel 2011, intervistati nel corso del 2015. Agli inter-vistati sono stati posti diversi quesiti sul loro percorso di studi, sul loro stato occupazionale (com-presa la retribuzione netta mensile) e sul loro background famigliare.
L’analisi empirica, attraverso la stima di un modello di regressione lineare, consente di stimare i rendimenti dei diversi indirizzi di studi, controllando allo stesso tempo per altre variabili che influenzano i redditi. Tuttavia, un ulteriore fattore di distorsione è rappresentato dalle diverse probabilità occupazionali associate a ciascun percorso di studi (come discusso precedentemente) e al fatto che il salario è osservato solo per coloro che sono occupati. Per tener conto di questo aspetto la strategia empirica utilizza un modello econometrico di selezione à la Heckman che permette di stimare il rendimento dell’istruzione tenendo in considerazione la selezione del cam-pione tra occupati e non occupati nei diversi percorsi di studio (Heckman, 1979)129.
129 La procedura di Heckman permette di incorporare nella stima dell’equazione dei salari la distorsione indotta dalla selezione del campione. Il modello prevede la stima congiunta di due equazioni: un’equazione
0 2.000 4.000 6.000 8.000 10.000 12.000 21% 22% 23% 24% 25% 26%
STEM (Quota %) STEM (Valori Assoluti, asse dx)
183 Sono state stimate diverse specificazioni, sia utilizzando il modello OLS sia utilizzando il modello à la Heckman. I risultati delle diverse specificazioni130 sono riportata nelle Tabella A8-5 e nella tabella Tabella A8-6 (stime modello di Heckman). In questo box sono riportate le stime del mo-dello à la Heckman, dato che i modelli OLS presentano stime distorte dei rendimenti dei titoli di studio. Le stime (Tabella A8-6) suggeriscono la presenza di una selezione negativa del campione degli occupati131, ovvero le caratteristiche dei laureati che implicano una maggior probabilità di essere occupati sono associate a retribuzioni più basse. Una possibile interpretazione è che parte dei laureati più abili, e quindi con retribuzioni potenziali più alte, non siano occupati perché conti-nuano i propri studi.
Figura B 8-1 – Rendimenti dopo 4 anni dalla Laurea nel mercato del lavoro Lombardo, per indirizzi di laurea- 2015
Fonte: elaborazioni Éupolis Lombardia su microdati Istat Indagine sull’Inserimento professionale dei laureati.
dei redditi e un’equazione di selezione. L’equazione di selezione (un modello probit standard) stabilisce le de-terminanti di essere occupato o meno, calcolando allo stesso tempo un parametro (𝜆), pari al reciproco del rapporto di Mills. Questo parametro cattura l’effetto delle caratteristiche non osservabili che influiscono sia sulla probabilità di essere o meno occupati sia sui redditi. Le due equazioni possono essere stimate congiun-tamente usando il metodo della massima verosomiglianza, assumendo che i termini di errore delle due equazioni seguano una distribuzione bivariata normale, con varianza e covarianza costante.
130 Sono state adottate tre differenti specificazioni. Nelle prime due specificazione si è utilizzata come regres-sore una dummy per le facoltà STEM (con stem=1 e non stem=0), mentre nella terza delle dummy per tutti gli indirzzi di studi. Per quanto riguarda le variabili di controllo, nella prima specificazione sono state uti-lizzate l’età (in classi), il genere, voto di laurea, la formazione post-laurea, esperienza lavorativa precedente, il capitale sociale della famiglia. Nella seconda e nella terza specificazione sono state aggiunte altre variabile di controllo quali la professione (high/medium/low-skilled) e il tipo di lavoro (lavoratore dipendente in-determinato, determinato o autonomo). Una volta aggiunti i controlli per il tipo di occupazione, i ritorni delle facoltà STEM sono risultati inferiori.
131 Le stime presentate nella Tabella A5.6 in appendice, riportano un lambda di Heckman negativo (-0,85) e statisticamente significativo (questo suggerisce che nei dati sia effettivamente presente un fenomeno di se-lezione. Il salario atteso condizionato può essere espresso come segue: 𝐸{𝑤𝑖| 𝑒𝑖= 1} = 𝑥1𝑖′ 𝛽1+ 𝜎12𝜆(𝑥2𝑖′ 𝛽2). Un lambda con segno negativo suggerisce che le stime OLS (𝛽1) siano sovrastimate rispetto alle stime con-dizionate alla probabilità di essere occupati (𝑒𝑖= 1).
8% 15% 11% 8% 19% 14% -11% -18% -19% -21% -30% -20% -10% 0% 10% 20% 30%
Tutti gli indirizzi STEM Medico Ingegneria Economico Chimico-farmaceutico Statistica Giuridico Insegnamento Letterario Educazione fisica Facolta non-STEM Facolta STEM
184
Note: I ritorni riportati rappresentano i coefficienti stimati da una regressione con variabile dipendente il logaritmo del reddito netto mensile. L’indirizzo “politico sociale” è la categoria di riferimento. Il modello è stato stimato utiliz-zando la procedura di Heckman per la sample selection; per maggiori dettagli sul modello e alle altre variabili di
con-trollo fare riferimento allallegato al capitolo 8.
I risultati riportati nella Figura B8.1 mostrano i rendimenti dei singoli titoli di studio, sia degli indirizzi STEM nel loro complesso. Le laurea STEM complessivamente mostrano un premio sa-lariale del 8% rispetto alle lauree non-STEM.
Considerando singolarmente ogni laurea, gli indirizzi STEM 132 (Statistica, Chimico-farmaceutica e ingegneria) mostrano un rendimento superiore che varia tra 8% e 15% rispetto alla categoria di riferimento (Scienze politiche). In termini di rendimenti anche i laureati nelle discipline Econo-miche (rendimento maggiore del 14% rispetto al gruppo politico sociale) e i laureati nel gruppo Medico (rendimento del 19%) mostrano rendimenti relativamente elevati133.