N. 1048 - Effetti eterogenei del gruppo dei pari nelle scelte relative all'istruzione

Go to the english version Cerca nel sito

di Eleonora Patacchini, Edoardo Rainone e Yves Zenou gennaio 2016

Il lavoro sviluppa un modello empirico per stimare il ruolo delle reti sociali (social networks) nel determinare le scelte di istruzione, in particolare il numero di anni di formazione. Lo studio si focalizza sul differente ruolo giocato in questo processo decisionale dai legami di lunga durata e da quelli più brevi. Nel modello, l’incentivo di ciascun soggetto ad aumentare il tempo investito in attività formative può essere funzione anche del tempo speso in formazione dagli agenti con cui ha un legame (si tiene cioè conto della possibile esistenza dei cosiddetti peer effects). Tali incentivi possono inoltre essere differenti in base alla persistenza del legame stesso.

Il modello viene stimato utilizzando la National Longitudinal Study of Adolescent Health, una indagine statunitense che ha il vantaggio di riportare le informazioni sulla struttura dei social networks e che conseguentemente consente di utilizzare le tecniche di econometria dei networks per identificare l’eventuale presenza dei peer effects.

Nello studio, tali tecniche vengono peraltro generalizzate in modo da poter includere peer effects eterogenei nell’analisi.

Si riassumono di seguito i principali risultati empirici del lavoro.

I legami duraturi hanno un effetto significativo nel determinare il numero di anni di studio completati dall’individuo. In particolare, all’aumentare degli anni di formazione dei soggetti facenti parte del suo gruppo di pari, si allunga il periodo di formazione del soggetto. Al contrario, i legami brevi non hanno nessun effetto su questa scelta. L’evidenza è coerente con l’ipotesi che la convergenza delle preferenze e l’emergere di norme sociali richiedono interazioni di lungo termine.

Entrambe le tipologie di legame hanno inoltre un effetto significativo nel determinare il rendimento scolastico dello studente. In particolare, la sua performance è positivamente correlata con quella dei soggetti inclusi nel suo social network.

Utilizzando tecniche di simulazione e metodi Bayesiani, si mostra come i principali risultati siano robusti rispettivamente ad errori di misurazione del network e alla possibile endogeneità dello stesso.