Impresa sociale

Note

1. What are human rights? 

2. L’accezione di lavoro utilizzata dall’Istat in questo caso è molto ampia e comprende qualunque attività svolta in cambio di una retribuzione o di un compenso monetario, anche se irregolare.

3. Data warehouse del 9° Censimento generale dell’industria e dei servizi 2011: http://dati-censimentoindustriaeservizi.istat.it/

4. Tale percentuale è però decisamente inferiore rispetto al 65% che si registra per il totale delle organizzazioni nonprofit.

5. Si noti, però, che in termini assoluti il numero di donne che si rivolge all’Help Center di Napoli è in totale molto più basso rispetto a quello degli altri due Help Center.

6. Si veda (Cameron, Trivedi, 2010) per una descrizione dettagliata dei modelli ZINB e delle loro applicazioni. Si noti che tali modelli, oltre alla ricordata caratteristica di overdispersion, assumono che per la variabile dipendente del modello di regressione si verifichi una situazione di esiti pari a zero in “eccesso” (da cui zero-inflation). Nel caso in esame, la possibilità di esiti in eccesso si verifica per il valore 1 anziché zero; tuttavia, ciò non comporta alcun cambiamento nell’impostazione del modello, una volta che la variabile “accessi spontanei” sia stata riscalata sottraendo la costante 1 a ciascuna osservazione.

7. Le macro-categorie di richiesta utilizzate nelle analisi di regressione sono ricavate dalle categorie riportate nella Tabella 6. Esse coincidono nel caso dell’accoglienza e dell’orientamento al lavoro mentre derivano da aggregazione negli altri due casi. In particolare, la macro-categoria “Beni e Servizi” include le categorie “Beni”, “Servizi” e “Assistenza sanitaria”; la macro-categoria “Assistenza burocratica” include le categorie “Assistenza burocratico-legale” e “Segretariato sociale”.

8. Chiaramente la probabilità predetta calcolata in relazione alla caratteristica individuale di volta in volta in esame è ottenuta a parità delle altre condizioni, ovvero inserendo nel modello di regressione le altre caratteristiche individuali a disposizione come controlli.

Bibliografia

Boeri T., Braga M., Corno L. (2009), “L’economia invisibile dei senza casa”, in Gnocchi R. (a cura di), Homelessness e dialogo interdisciplinare. Analisi a confronto tra modelli diversi, Carocci, Roma.

Braga M., Corno L. (2011), “Being Homeless: Evidence from Italy”, Giornale degli Economisti e Annali di Economia, 70(3), pp. 33-73.

Busch-Geertsema V., Edgar W., O’Sullivan E., Pleace N. (2010), Homelessness and Homeless Policies in Europe: Lessons from Research, a report produced for the European Consensus Conference on Homelessness, 9-10 December 2010, FEANTSA, European Commission. 

Cameron A.C., Trivedi P.K. (2010), Microeconometrics using Stata, revised edition, Stata Press, College Station, USA.

Chamberlain C., MacKenzie D. (1992), “Understanding contemporary homelessness: issues of definition and meaning”, Australian Journal of Social Issues, 27(4), pp. 274-297.

European Commission (2013), Confronting Homelessness in the European Union, Commission Staff Working Document, SWD(2013) 42 final, accompanying the document “Towards Social Investment for Growth and Cohesion - including implementing the European Social Fund 2014-2020”, Social Investment Package, Bruxelles. 

Istat (2014), La ricerca nazionale sulla condizione delle persone senza dimora in Italia, Collana Letture statistiche – Metodi, Roma. 

Istat (2015), Le persone senza dimora, Roma. 

ONDS (2015), Rapporto Annuale 2014, ONDS Osservatorio Nazionale sul Disagio e la Solidarietà nelle Stazioni Italiane, EC edizioni, Roma. 

Zandonai F., Rensi S. (2015), “Per chi e per quanti opera la cooperazione sociale?”, in Euricse, Economia cooperativa. Rilevanza, evoluzione e nuove frontiere della cooperazione italiana, Terzo Rapporto Euricse, Trento.