Una sintesi dei risultati in termini di probabilità predette per ciascuna macro-categoria di richiesta e sulla base dei modelli8 contenuti nella Tabella 8 è fornita nel Grafico 1. Da questa elaborazione, che consente di quantificare le diverse probabilità ,emerge che, con riferimento all’accoglienza, la probabilità di esprimere una richiesta risulta pari al 91,1% a Napoli a fronte del 38% a Roma e del 15,3% a Firenze. Diversamente, le differenze nelle probabilità di richiedere accoglienza sono più contenute in relazione alla provenienza. Per quanto riguarda l’orientamento al lavoro, invece, la probabilità di fare richiesta è decisamente più alta per gli utenti di Firenze (70%) rispetto a quelli di Roma (39,7%), ma soprattutto rispetto a quelli di Napoli (4,4%). In relazione alla provenienza, la probabilità più alta di fare richiesta di orientamento al lavoro si registra per gli utenti dell’America del Sud (57,4%); tra gli utenti provenienti da altre aree geografiche non emergono significative differenze e la probabilità è inferiore al 40%. Infine, confrontando uomini e donne, si nota che la sia la probabilità di far richiesta di accoglienza che di orientamento al lavoro è più alta per le donne (rispettivamente 50,2% e 41,1%) rispetto agli uomini (rispettivamente 41,6% e 37,9%).
Grafico 1. Probabilità di fare una richiesta per Help Center, provenienza e genere (Campione A) [Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 8. Fonte: elaborazioni su dati ANThology 2014].
Sempre con riferimento al Campione A, i Grafici 2 e 3 riportano le probabilità predette di richiedere rispettivamente accoglienza e orientamento al lavoro, mostrando come esse varino al variare dell’età per quattro utenti-tipo: “uomo UE”, “uomo extra-UE”, “donna UE” e “donna extra-UE”. Nello specifico, nel caso dell’accoglienza, il Grafico 2 mostra un andamento tendenzialmente ad “U” rispetto all’età della probabilità per tutti e quattro gli utenti-tipo (confermando quanto emerge dai segni degli odds ratios nella Tabella 8 per le variabili relative all’età). In altri termini, la probabilità diminuisce al crescere dell’età, fino a raggiungere un minimo in corrispondenza di circa 35 anni, per poi cominciare ad aumentare piuttosto rapidamente al crescere dell’età. D’altra parte, per ogni livello dell’età, la probabilità di richiedere accoglienza per l’utente-tipo “uomo UE” risulta minore rispetto a quella degli altri utenti-tipo (con un range compreso tra meno del 40% e circa il 70%). Il contrario vale per l’utente-tipo “donna UE” (con un range compreso tra circa il 50% e l’80%).
Nota: Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 8, in cui la provenienza degli utenti è però indicata in relazione all’appartenenza all’area dell’Unione Europea (UE ed extra-UE). Fonte: elaborazioni su dati ANThology 2014.
Grafico 2. Probabilità di esprimere una richiesta di accoglienza in base al genere e alla provenienza ed in relazione all’età [Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 8, in cui la provenienza degli utenti è però indicata in relazione all’appartenenza all’area dell’Unione Europea (UE ed extra-UE). Fonte: elaborazioni su dati ANThology 2014].
Nel Grafico 3 emerge, invece, che l’andamento della probabilità di richiedere orientamento al lavoro in relazione all’età per i quattro utenti-tipo assomiglia ad una “U-rovesciata”. In particolare, le curve delle probabilità raggiungono un massimo in corrispondenza di circa 40 anni. Inoltre, anche in questo caso, il profilo di probabilità più basso è quello dell’utente-tipo “uomo UE” mentre quelli degli altri utenti-tipo tendono a coincidere.
Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 8, in cui la provenienza degli utenti è indicata in relazione all’appartenenza all’area dell’Unione Europea (UE ed extra-UE). Fonte: elaborazioni su dati ANThology 2014.
Grafico 3. Probabilità di esprimere una richiesta di orientamento al lavoro in base al genere e alla provenienza ed in relazione all’età [Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 8, in cui la provenienza degli utenti è indicata in relazione all’appartenenza all’area dell’Unione Europea (UE ed extra-UE). Fonte: elaborazioni su dati ANThology 2014].
Analogamente al primo blocco di risultati relativi alle stime sul Campione A, la Tabella 9 riporta i risultati relativi alle stime di modelli logit sul Campione B, in termini di odds ratios per le diverse macro-categorie di richiesta, aggiungendo lo stato civile e la condizione abitativa tra i regressori dei quattro modelli. Il Grafico 4, sulla base delle stime del modello riportato in Tabella 9, mostra le probabilità predette in relazione allo stato civile e alla condizione abitativa degli utenti. Da un lato i risultati suggeriscono che, in generale, l’esperienza di una rottura dei legami familiari (l’essere divorziato o separato) si associa a probabilità più alte di esprimere ogni categoria di richiesta. D’altra parte, il versare in una condizione abitativa disagiata corrisponde ad una maggiore probabilità di richiedere sia accoglienza che beni e servizi a fronte di una minore probabilità di richiedere orientamento al lavoro. Ad esempio, la probabilità predetta di richiedere orientamento al lavoro è pari al 55,8% per chi dispone di una sistemazione sicura ed adeguata, mentre per i senza tetto essa raggiunge soltanto il 31,5%.
Tabella 9. Modelli di regressione sulla probabilità di esprimere una richiesta (Campione B)
Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 9. Fonte: elaborazioni su dati ANThology 2014.
Grafico 4. Probabilità di esprimere una richiesta (suddivisione in base alla categoria) per condizione abitativa e stato civile [Probabilità predette calcolate sulla base dei risultati dei modelli di regressione riportati nella Tabella 9. Fonte: elaborazioni su dati ANThology 2014].span>
Conclusioni
Nonostante l’abbondante letteratura economica e sociologica dedicata alle tematiche della povertà e della disuguaglianza, il fenomeno della povertà estrema, nelle sue diverse forme, ha ricevuto sinora una scarsa attenzione. Il motivo principale di questo gap nella letteratura è da ricondurre alla mancanza di dati che consentano di misurare la povertà estrema ed indagarne le cause. A sua volta, tale penuria di dati è dovuta alla difficoltà di condurre indagini su una popolazione che in buona parte vive in condizioni abitative disagiate e che, di conseguenza, non è facile da intercettare.
Lo scopo di questo studio è stato quello di contribuire allo studio della povertà estrema in Italia, facendo uso dei dati raccolti attraverso la piattaforma informatica ANThology, utilizzata da diverse strutture pubbliche e private che offrono servizi di accoglienza e orientamento sociale in Italia, tra le quali quelle dell’Osservatorio Nazionale sul Disagio e la Solidarietà nelle Stazioni Italiane (ONDS). Nello specifico, sono state proposte alcune analisi econometriche sulla base di un dataset di natura sezionale relativo agli utenti che nel 2014 hanno usufruito dei servizi di tre Help Center dell’ONDS (Firenze, Roma e Napoli). Tale dataset, oltre ad informazioni sugli accessi e le richieste effettuate dagli utenti, fornisce informazioni su alcune caratteristiche individuali di base (età, genere, provenienza) e, per un sottoinsieme di utenti, anche sullo stato civile e la condizione abitativa.
Le analisi descrittive hanno suggerito, innanzitutto, che gli uomini sono tendenzialmente più giovani rispetto alle donne. Per quanto riguarda la provenienza, le percentuali più alte si registrano per gli utenti provenienti dai paesi dell’UE e per quelli africani. Inoltre, gli utenti africani e asiatici risultano in media più giovani degli utenti provenienti da altre aree geografiche.
Il primo obiettivo dello studio è stato quello di fornire un’analisi del numero di accessi spontanei per utente in relazione alle caratteristiche individuali. Attraverso modelli di regressione di conteggio si è trovata evidenza di una relazione a “U-rovesciata” tra l’età e il numero di accessi spontanei effettuati da un utente. Inoltre, confermando i risultati dell’analisi descrittiva, è emerso che le donne hanno effettuato un numero di accessi inferiore rispetto agli uomini. In relazione agli Help Center cui gli utenti si sono rivolti, il numero di accessi per utente risulta essere rispettivamente più basso per Firenze e più alto per Napoli, prendendo come riferimento gli utenti di Roma. Infine, il numero di accessi spontanei sembra essere in media più alto per gli utenti che versano in una condizione di disagio abitativo, rispetto a quelli che dispongono di una sistemazione adeguata e sicura.
Il secondo obiettivo dello studio è stato quello di stimare la probabilità per un utente di esprimere specifici tipi di richiesta presso gli Help Center, in relazione alle caratteristiche individuali. In proposito, i risultati più interessanti riguardano la probabilità di richiedere accoglienza e orientamento al lavoro. In primo luogo, sia la probabilità di richiedere accoglienza che quella di richiedere orientamento al lavoro è risultata più alta per le donne rispetto agli uomini. Per quanto concerne le differenze tra utenti che si sono rivolti a Help Center diversi, è emersa una probabilità di richiedere accoglienza più alta per gli utenti di Napoli rispetto a quella degli altri due centri. Nel caso dell’orientamento al lavoro, invece, la probabilità più alta è quella degli utenti di Firenze. Tali risultati appaiono coerenti con le attività cui i singoli centri dedicano maggiore attenzione: l’Help Center di Firenze si caratterizza per un focus specifico sull’orientamento al lavoro, diversamente dall’Help Center di Napoli, che ha maggiore esperienza nel fornire soluzioni relative all’accoglienza. L’Help Center di Roma, invece, si occupa di entrambe le problematiche e non si distingue, pertanto, per una particolare attenzione ad una delle due. Inoltre, è stato analizzato l’andamento delle probabilità di fare richiesta di accoglienza e di orientamento al lavoro al variare dell’età per quattro utenti-tipo definiti in base al genere e alla provenienza. Nel caso dell’accoglienza, è emerso che la probabilità diminuisce solo lievemente al crescere dell’età nell’intervallo 20-35, mentre cresce sempre più rapidamente con l’età, una volta superata la soglia dei 35 anni. Al contrario, la probabilità di fare richiesta di orientamento al lavoro cresce lentamente con l’età nell’intervallo 20-40, per poi diminuire rapidamente all’aumentare dell’età dopo la soglia dei 40 anni. L’evidenza è in linea con l’ipotesi che gli utenti più anziani siano più propensi a richiedere accoglienza, presumibilmente per le maggiori difficoltà (in termini di resistenza fisica e abilità) a trovare una sistemazione al di fuori del circuito degli Help Center rispetto ai giovani. D’altra parte, appare plausibile che i giovani siano più attivi (o meno scoraggiati) nella ricerca di un’occupazione.
Lo studio della probabilità che un utente dell’Help Center faccia diversi tipi di richiesta in base allo stato civile ha poi messo in luce che l’esperienza di rottura familiare sembra essere associata ad una maggiore probabilità di avanzare qualunque tipo di richiesta. Del resto, non è difficile immaginare che a seguito di una separazione familiare possa sorgere la necessità di trovare una nuova sistemazione e/o un nuovo lavoro e il bisogno di assistenza legale o anche di beni e servizi. Diversamente, vivere in condizioni di disagio abitativo sembra associarsi, da un lato, con una maggiore probabilità di fare richiesta di accoglienza e di beni e servizi e, dall’altro, con una minore probabilità di richiedere orientamento al lavoro. Questi risultati sono coerenti con l’approccio housing first, secondo cui la priorità di chi versa in condizioni di disagio abitativo è soddisfare bisogni primari (avere un tetto sopra la testa o un pasto) piuttosto che risolvere problemi di inclusione lavorativa.
Nel complesso, la natura sezionale dei dati utilizzati e la disponibilità di un numero limitato di caratteristiche individuali degli utenti degli Help Center di stazione non ha consentito di avanzare ipotesi di causalità tra di esse ed il numero di accessi effettuati dagli utenti, da un lato, e la probabilità di fare diverse tipologie di richiesta, dall’altro. Tuttavia, è stato possibile indagare le relazioni tra le diverse variabili in termini di associazioni, ottenendo dei risultati interessanti, che appaiono peraltro in linea con quanto recentemente segnalato dalla Commissione Europea, nell’ambito del Social Investment Package (European Commission, 2013). La Commissione ha infatti sottolineato che ad essere colpiti da gravi forme di esclusione sociale sono gli individui a basso reddito (migranti, anziani, giovani, minoranze etniche, lavoratori low-skilled) che non ricevono adeguato supporto da parte dei sistemi di protezione sociale e che le determinanti della povertà estrema possono essere anche di natura strutturale (legate al mercato del lavoro e a quello immobiliare) e istituzionale (sistemi di welfare nazionali). In questo contesto, conoscere meglio l’estensione e le caratteristiche della popolazione dei poveri “estremi” è di fondamentale importanza per definire misure di policy efficaci, che favoriscano percorsi di reinserimento lavorativo e sociale per chi vive ai margini estremi della società, così estremi da risultare invisibile persino nelle statistiche relative ai poveri. Alla luce di queste osservazioni, appare ancora più evidente il potenziale offerto dalla piattaforma ANThology per raccogliere dati e condurre analisi sui fenomeni di povertà estrema. Sebbene la metodologia di raccolta dati della rete ONDS sia in fase di perfezionamento e ci sia ancora molto lavoro da fare per ottenere informazioni quantitativamente e qualitativamente significative ed attendibili, essa costituisce un’importante base di partenza per futuri sviluppi di ricerca.
Eleonora Romano Sapienza Università Roma - ONDS