MOVILIDAD INTERGENERACIONAL A MUY LARGO PLAZO:
FLORENCIA 1427-2011
La siguiente entrada es la traducción de un estudio publicado por Guglielmo Barone y Sauro Mocetti en las publicaciones del Banco de Italia. El articulo original está publicado en inglés, en el siguiente enlace, Estudio, de working papers, abril 2016 número 1060, con el titulo original. Y un resumen en inglés en Resumen del estudio en una publicación de la Unión Europea.
Temi di discussione
(Working papers)
Intergenerational mobility in the very long run:
Florence 1427-2011
El estudio intenta analizar la movilidad social entre personas, está circunscrito a la ciudad de Florencia, ja que, se disponen de datos desde 1427, cuando para financiar una guerra se realizo un padrón con la riqueza de los ciudadanos.
Las conclusiones a las que llegan es bastante sorprendente, en casi 600 años, apenas hay movilidad de riqueza, básicamente y de forma mayoritaria la escala de riqueza se ha mantenido estable dentro de los mismos apellidos. Y eso a pesar de los enormes cambios de todo tipo que se han producido en la zona en estos años. Ni el paso de 25 generaciones ha hecho variar substancialmente las clases sociales.
Esto nos hace reflexionar sobre que los cambios de verdad son más difíciles y profundos de generar de lo que habitualmente se suele pensar.
Los anexos no se han traducido. Y se recomienda verlos en el documento original.
MOVILIDAD INTERGENERACIONAL A MUY LARGO PLAZO:
FLORENCIA 1427-2011
Guglielmo
Barone¨ and Sauro Mocettiª
¨ Bank of Italy, Regional Economic Research
Division, Bologna and RCEA.
ª Bank of Italy, Regional Economic Research
Division, Bologna.
Resumen
Examinamos la movilidad intergeneracional a muy largo plazo, a través de generaciones que separadas por seis siglos. Explotamos un conjunto de datos único que contiene información detallada a nivel individual para todas las personas que vivían en la ciudad italiana de Florencia en 1427. Estos individuos se han asociado, utilizando sus apellidos, con sus pseudo descendientes que vivían en Florencia en 2011. Encontramos que la elasticidad es de aproximadamente 0,04, de las ganancias, es mucho más alta que la predicha por los modelos tradicionales de movilidad intergeneracional. También encontramos un papel aún más importante para la herencia de riqueza real y evidencia la persistencia en la pertenencia a ciertas profesiones de élite. Nuestros resultados se confirman cuando tomamos en cuenta la calidad de los pseudo-enlaces y cuando abordamos el posible sesgo de selectividad debido a las tasas de supervivencia diferenciales entre los apellidos. Argumentamos que la casi inmovilidad de la sociedad preindustrial y las ventajas posicionales en el acceso a ciertas profesiones podrían explicar (en parte) los efectos duraderos del estatus socioeconómico de los antepasados.
Contenido
1. Introducción................................................................................................................ 5
2. Estrategia empírica.................................. .................................................................. 8
3. Datos y análisis descriptivo.................................... .................................................. 10
3.1 Fuentes de datos.......................................................................................... 10
3.2 El origen y distribución de los apellidos...................................................... 11
3.3 Análisis descriptivo................................................................................. ... 12
4. Principales resultados........................................................................ ....................... 14
5. Robustez................................................................................................................... 16
5.1 Procedimientos de imputación y valores atípicos.........................................16
5.2 Robustez de los pseudo-enlaces...................................................................16
5.3 Sesgo de selectividad debido a las tasas de supervivencia de las familias. 18
6. Discusión de la persistencia a largo plazo................................................................ 20
6.1 Movilidad intergeneracional en el siglo XV............................................... 20
6.2 Dinastías en profesiones de élite................................................................. 21
7. Conclusiones............................................................................................................. 23
Referencias................................................................................................................... 24
Mesas ........................................................................................................................... 27
Cifras............................................................................................................................ 32
1. Introducción [1]♣
“El prestigio es un accidente que afecta al ser humano. Surge y decae inevitablemente. […] Llega a su fin en una sola familia dentro de cuatro generaciones sucesivas”
Ibn Jaldún
“Casi todas las ventajas o desventajas de ingresos de los antepasados desaparecen en tres generaciones”
Gary Becker y Nigel Tomes1
Casi todos los estudios teóricos y empíricos sobre la movilidad intergeneracional se han centrado en la correlación en el nivel socioeconómico entre dos generaciones sucesivas, padres e hijos, y han compartido una visión común de que las ventajas y desventajas económicas de los antepasados desaparecen en unas pocas generaciones[2]. En este artículo, cuestionamos este punto de vista y documentamos empíricamente la persistencia del estatus socioeconómico a través de generaciones separadas por seis siglos. Este resultado es aún más sorprendente: las enormes convulsiones políticas, demográficas y económicas que se han producido en la ciudad a lo largo de los siglos no lograron desatar el nudo gordiano de la herencia socioeconómica.
Vincular a personas que pertenecen a generaciones distantes entre sí es difícil debido a las limitaciones de los datos. En este artículo, explotamos un conjunto de datos único que contiene las principales variables socioeconómicas, a nivel individual, para las personas que vivían en la ciudad italiana de Florencia en 1427. Estos individuos, los antepasados, se han asociado, utilizando sus apellidos, a sus pseudo-descendientes que vivían en Florencia en el año 2011. Empíricamente, usamos un enfoque de mínimos cuadrados de dos etapas y dos muestras (TS2SLS): primero, usamos la muestra de ancestros y hacemos una regresión del logaritmo de ganancias en un conjunto completo de apellidos, y en algunas especificaciones, también en edad y género; En segundo lugar, observamos a los contribuyentes actuales presentes en los registros fiscales de Florencia de 2011 y hacemos una regresión del registro de sus ingresos con respecto a los de sus antepasados, como predice el apellido en el primer paso. La misma estrategia se ha repetido utilizando el logaritmo de riqueza real o variables ficticias para profesiones, en lugar del logaritmo de ganancias, como variables dependientes[3].
Encontramos que la elasticidad de los ingresos de los descendientes con respecto a los ingresos de los antepasados, es positiva y estadísticamente significativa, con una estimación puntual de alrededor de 0,04. Dicho de otra manera, ser descendientes de la familia Bernardi (en el percentil 90 de distribución de ingresos en 1427) en lugar de la familia Grasso (percentil 10 de la misma distribución) implicaría un aumento del 5% en los ingresos entre los contribuyentes actuales. La elasticidad de la riqueza intergeneracional es significativa y equivale aproximadamente a 0,02, aunque la magnitud del efecto implícito es aún mayor: el ejercicio del 10 al 90 implica más del 10% de diferencia en la riqueza real actual. Buscando no linealidades, encontramos alguna evidencia de la existencia de un suelo de vidrio que protege a los descendientes de la clase alta de caer en la escalera económica.
Estos resultados sugieren que la persistencia del estatus socioeconómico a largo plazo es mucho mayor de lo que se pensaba. Para racionalizar estos hallazgos, proporcionamos dos explicaciones. En primer lugar, mostramos que la movilidad intergeneracional en el siglo XV era mucho menor que en la actualidad: utilizando la metodología propuesta recientemente por Güell et al. (2015b), estimamos una elasticidad de ingresos intergeneracionales (entre dos generaciones sucesivas) entre 0,8 y 0,9, lo que representa una sociedad casi inmóvil en 1427. En segundo lugar, encontramos evidencia de dinastías en ciertas profesiones (de élite). Este último resultado es consistente con nuestra evidencia de referencia sobre la persistencia a largo plazo del estatus socioeconómico. Además, también destaca un canal potencial de herencia, relacionado con los mecanismos de mercado y no comerciales que rigen el acceso a ciertas profesiones, y ayuda a explicar por qué la elasticidad de los ingresos no necesariamente disminuye geométricamente, como se piensa comúnmente.
Nuestros hallazgos empíricos pueden sufrir dos posibles fuentes de sesgo. Primero, la fuerza de los pseudo-vínculos puede ser cuestionada, ya que trabajamos con generaciones que están separadas por seis siglos. Sin embargo, un amplio conjunto de comprobaciones de solidez, que incluyen las regresiones de placebo en las que reasignamos apellidos aleatoriamente a los descendientes y las regresiones que explotan apellidos raros y específicos de Florencia son en gran medida tranquilizadoras sobre la fuerza de los pseudo-vínculos. Si la hay, nuestra elasticidad estimada está sesgada a la baja. En segundo lugar, las tasas de supervivencia familiar y, por lo tanto, la probabilidad de encontrar descendientes de familias florentinas en el siglo XV entre los contribuyentes actuales, pueden variar entre familias. Si la variación en la tasa de supervivencia estuviera correlacionada con los ingresos y / o la riqueza actuales, esto sesgaría nuestras estimaciones. Para abordar este problema, simulamos las ganancias y las realizaciones de riqueza para familias perdidas (no observadas), asumiendo que los resultados económicos de sus descendientes son independientes de los de sus antepasados (es decir, estableciendo la elasticidad intergeneracional en el límite inferior de cero) y volvemos a ejecutar la línea de base regresiones. También adoptamos un enfoque de Heckman más estándar, que tiene en cuenta los sesgos de selectividad debidos a la tasa de supervivencia. Ambos ejercicios confirman cualitativamente nuestros principales hallazgos.
A nuestro leal saber y entender, somos los primeros en proporcionar evidencia sobre la movilidad intergeneracional a muy largo plazo, vinculando ancestros y descendientes que están separados por seis siglos (es decir, alrededor de 20 generaciones de 30 años cada uno). Este es el principal elemento de novedad del artículo. Rara vez se ha logrado vincular a las personas a lo largo de más de una generación. En ningún otro caso se ha estudiado un lapso de tiempo tan largo. Chan y Boliver (2013) mostraron una asociación estadísticamente significativa entre las posiciones de clase de abuelos y nietos, incluso después de tener en cuenta la posición de clase de los padres. Lindahl y col. (2015) utilizaron datos suecos que vinculan los ingresos individuales (y la educación) durante tres generaciones y encontraron que la persistencia es mucho más fuerte en tres generaciones de lo que se predice a partir de modelos simples para dos generaciones. Más similar a nuestro artículo, Collado et al. (2012) y Clark y Cummins (2014) explotaron la distribución de apellidos para estimar la movilidad social a largo plazo. Collado y col. (2012), utilizando datos de dos regiones españolas, encontró que el estatus socioeconómico a finales del siglo XX todavía depende del estatus socioeconómico de los tatarabuelos de uno; sin embargo, también sugirieron que la correlación desaparece después de cinco generaciones. Clark y Cummins (2014) utilizaron la distribución de apellidos raros en Inglaterra y encontraron una correlación significativa entre la riqueza de las familias que están separadas por cinco generaciones[4].
Nuestro análisis empírico también tiene otras fortalezas destacadas y elementos de novedad. Primero, consideramos diferentes resultados socioeconómicos, incluidos los ingresos, la riqueza y la pertenencia a una profesión. De hecho, la mayor parte de la evidencia empírica está centrada en los ingresos laborales, aunque la herencia de la riqueza ha atraído recientemente un renovado interés (Piketty, 2011; Piketty y Zucman, 2015). En segundo lugar, el nivel socioeconómico de los antepasados se ha predicho utilizando apellidos a nivel de ciudad, generando así vínculos más precisos entre generaciones con respecto a otros estudios que utilizan nombres o apellidos a nivel nacional. Además, la enorme heterogeneidad y el “localismo” de los apellidos italianos refuerzan aún más la calidad de los pseudo-enlaces y representan un escenario ideal para análisis que explotan el contenido informativo de los apellidos. En tercer lugar, las ciudades italianas ofrecen un trasfondo único para rastrear dinastías familiares e investigar la transmisión de las desigualdades a lo largo de los siglos. En el siglo XV, Florencia, reconocida unánimemente como la cuna del Renacimiento, ya era una sociedad avanzada y compleja, caracterizada por un alto nivel de desarrollo económico, una rica variedad de profesiones y una importante estratificación ocupacional. Hoy, Florencia sigue mostrando las mismas características y puede considerarse como una ciudad representativa de un país avanzado. Por tanto, nuestros resultados son, en principio, generalizables a otras sociedades prósperas y desarrolladas. En cuarto lugar, somos los primeros en proporcionar una medida de la movilidad de los ingresos (de dos generaciones) intergeneracional en una sociedad preindustrial.
El resto del documento está estructurado de la siguiente manera. La sección 2 presenta la estrategia empírica. La sección 3 proporciona información de antecedentes y describe los datos y las variables. La sección 4 muestra los principales resultados empíricos, mientras que la sección 5 examina los posibles sesgos debidos a la calidad de los pseudo-enlaces y a problemas de selectividad y otros problemas de solidez. La sección 6 sugiere algunos mecanismos detrás de la persistencia a largo plazo. Concluye la sección 7.
2. Estrategia empírica
El principal requisito al analizar la movilidad socioeconómica es un conjunto de datos adecuado que abarque generaciones. Desafortunadamente, un conjunto de datos tan adecuado no está fácilmente disponible, y esto es aún más cierto si consideramos las generaciones que están separadas por siglos. Para superar el problema, adoptamos un enfoque que combina información de dos muestras separadas (TS2SLS) y cuyas propiedades se analizan en Inoue y Solon (2010).
En la primera muestra, tenemos información sobre los resultados socioeconómicos de los antepasados (por ejemplo, el registro de ingresos), sus apellidos y algunas otras covariables, y ejecutamos la siguiente regresión:
Yªⁱ= δSªⁱ + γXªⁱ + μªⁱ (1)
Donde Yⁱ es el resultado de un individuo que vivió en Florencia en el siglo XV, Xªⁱ es un vector de control, incluyendo edad, edad al cuadrado y género, Sªⁱ es un conjunto de variables ficticias para cada apellido y μªⁱ es el término de error.
En la segunda muestra, tenemos información sobre pseudo descendientes, es decir, contribuyentes que actualmente viven en Florencia. Por razones de disponibilidad de datos, los datos se agregan a nivel de apellido. La regresión de interés es:
Yⁿₖ = β(δSⁿₖ) + ρXⁿₖ + μⁿₖ (2)
Donde Yⁿₖ es el resultado promedio de las personas con apellido que actualmente viven en Florencia, Xⁿₖ es, como se indicó anteriormente, un vector de control para la edad (promedio), la edad al cuadrado y género, δSⁿₖ es el registro de los resultados de los antepasados, imputado utilizando apellidos y el coeficientes de apellidos estimados en la ecuación (1), y μⁿₖ es el residual; el parámetro β es la estimación TS2SLS de la elasticidad intergeneracional. Para replicar la población original, las regresiones se ponderan por la frecuencia de los apellidos. Los errores estándar se han reiniciado con 1000 repeticiones para tener en cuenta el hecho de que se genera la clave de la regresión
En la segunda parte del artículo, complementamos la evidencia sobre las elasticidades de largo plazo con un ejercicio empírico dirigido a probar la persistencia en la pertenencia a las siguientes profesiones: abogados, banqueros, médicos y farmacéuticos y orfebres. Restringimos el análisis a ellos porque son profesiones prósperas que ya existían en 1427 y cuyos datos están actualmente disponibles públicamente (ver más sobre eso en la Sección 6.2). Al fusionar la información extraída de la distribución de apellidos en la provincia de Florencia con los registros públicos que contienen los apellidos de las profesiones mencionadas, construimos un conjunto de datos a nivel individual donde, para cada contribuyente, podemos definir una variable ficticia que indique si pertenece o no a una determinada profesión. Finalmente, para cada profesión, hacemos una regresión de esta variable ficticia sobre la proporción de antepasados en la misma profesión. Es decir, para cada profesión p (p = abogados, banqueros, médicos y farmacéuticos y orfebres), estimamos un modelo PROBIT cuya ecuación de estimación se lee como:
Pr{dⁱₖₚ = 1} = Φ ( γzₖₚ ) (3)
Donde dⁱₖₚ es una variable
ficticia que es igual a 1 si el individuo i con apellido k pertenece a la
profesión p en 2005 y 0 en caso contrario, zₖₚ es la proporción de antepasados
con apellido k perteneciente a la profesión p y Φ (.) es la función de la
distribución acumulativa de la distribución normal estándar. Dado que la
estimación combina datos a nivel individual para la variable dependiente y
datos agregados a nivel de apellido para la covariable, los errores estándar se
agrupan a nivel de apellido es una variable ficticia datos a nivel individual
para la variable dependiente y datos agregados a nivel de apellido para la
covariable, los errores estándar se agrupan a nivel de apellido (Moulton,
1990).
3. Datos y análisis descriptivo
3.1 Fuentes de datos
Florencia se originó como una ciudad romana y más tarde, después de un largo período como floreciente comuna comercial y bancaria medieval, fue el lugar de nacimiento del Renacimiento italiano. Según la Encyclopedia Britannica, políticamente, económica y culturalmente una de las ciudades más importantes del mundo desde los siglos XIV al XVI.[5] En 1427, en medio de una crisis fiscal provocada por las guerras prolongadas con Milán, los Priores de la República decretaron una encuesta fiscal completamente nueva que aplicado a los ciudadanos de Florencia ya los habitantes de los distritos florentinos (Censo de 1427, en adelante). Las evaluaciones se confiaron a una comisión de diez funcionarios y su personal, y se completaron en gran parte en unos pocos meses, aunque las revisiones continuaron durante 1428 y 1429. Ha sido reconocida como una de las encuestas fiscales más completas que se han realizado en la época premoderna. Europa Oriental. Las fuentes documentales se describen detalladamente en Herlihy y Klapisch-Zuber (1985).
El censo de 1427 representa nuestra primera muestra, que contiene información sobre el estado socioeconómico de los antepasados. De hecho, el conjunto de datos informa, para cada hogar, entre otras variables, el nombre y apellido del jefe de hogar, la ocupación a un nivel de 2 dígitos, los activos (es decir, el valor de los bienes inmuebles y de las inversiones públicas y privadas), la edad. y género. Los datos se enriquecieron con estimaciones de los ingresos atribuidos a cada persona en función de las ocupaciones y el grupo de habilidades asociado[6].
Los registros fiscales de Florencia 2011 representan nuestra segunda muestra, que contiene información sobre el estado socioeconómico de los pseudo descendientes. De los registros fiscales extraemos información sobre los ingresos y las principales características demográficas (edad y sexo). Las partidas de ingresos declaradas en las declaraciones de impuestos personales incluyen salarios y pensiones, ingresos por trabajo por cuenta propia, ingresos por bienes raíces y otras partidas de ingresos menores. Para cumplir con la protección de privacidad reglas, las variables se han colapsado a nivel de apellidos, y solo se han incluido apellidos con una frecuencia igual a 5 o superior. Definimos como ganancias el ingreso total neto de los ingresos inmobiliarios, mientras que la riqueza real se ha estimado a partir de los ingresos inmobiliarios.[7]
Examinar la persistencia a lo largo de los siglos en ciertas profesiones, como en la ecuación (3), requiere conjuntos de datos adicionales, porque los registros fiscales no contienen información sobre las profesiones. Procedemos de la siguiente manera. En primer lugar, tenemos datos a nivel individual sobre el universo de contribuyentes en la provincia de Florencia en 2005, para los cuales solo observamos apellidos, extraídos del Servicio de Impuestos Internos de Italia. En segundo lugar, fusionamos este conjunto de datos con los registros públicos que contienen los apellidos de abogados, banqueros, médicos, farmacéuticos y orfebres. Por ejemplo, supongamos que hay contribuyentes con un apellido determinado y que sabemos que hay p1 abogados y p2 banqueros con el mismo apellido. Asumimos, sin pérdida de generalidad, que las primeras p1 personas son abogados y los p2 segundos son banqueros (obviamente, con ∑ⁱ pⁱ < n). Los archivos públicos de estas profesiones son los siguientes: los banqueros son tomados de la ORgani SOciali ORSO archivo, que es administrado por el Banco de Italia y contiene información de registro sobre los miembros de los órganos de gobierno de los bancos (restringimos el análisis a los bancos toscanos, ya que Toscana es la región italiana donde se encuentra Florencia); abogados, médicos y farmacéuticos procedían de los archivos de las órdenes profesionales locales; finalmente, la base de datos del Registro Nacional de Empresas contiene información de registro sobre los miembros de los órganos de gobierno de las empresas y tiendas de orfebrería (nuevamente, nos enfocamos en los apellidos en el área de Florencia).
3.2 El origen y distribución de los apellidos
Los pseudo vínculos entre antepasados y sus descendientes se generan utilizando (implícitamente) la localización geográfica - ya que consideramos personas que viven en Florencia en ambas muestras - y explotando el contenido informativo de los apellidos.
Los apellidos italianos tienen algunas peculiaridades interesantes. Se heredan de una generación a la siguiente a través de la línea patril, y la mayoría de los italianos comenzaron a asumir apellidos hereditarios en el siglo XV. Algunos apellidos derivados de los nombres del padre de uno (patronímicos) mediante el uso del genitivo latino (p. Ej.Mattei significa hijo de Matteo)[8] o formado por la preposición de "di" / "de" seguido del nombre (por ejemplo, Di Matteo o De Matteo que significa el hijo de Matteo). El origen o residencia de la familia dio lugar a muchos apellidos, como el hábitat - Della Valle (es decir, "del valle") - lugares específicos - Romano (es decir, "Roman") - o puntos de referencia cercanos - Piazza (es decir, "plaza"). Las ocupaciones (o utensilios asociados con la ocupación) fueron también una fuente generalizada de apellidos, como Medici ("médicos"), Martelli ("martillo") o Forni ("hornos"). Finalmente, los apodos, que normalmente se refieren a atributos físicos, también dieron lugar a algunos apellidos, p. Ej. Basso ("corto") o Grasso ("gordo"). La enorme variedad de apellidos se vio amplificada por la extraordinaria diversidad lingüística de Italia. Las terminaciones de muchos apellidos son específicas de la región, como "-n" en Veneto (por ejemplo, Benetton), "-iello" en Campania (por ejemplo, Borriello), "-u" o "-s" en Cerdeña (por ejemplo, Soru y Marras) y "-ai" o "-ucci" en Toscana (por ejemplo, Bollai y Balducci).
Para nuestro objetivo, el contexto que analizamos tiene dos características sorprendentes. Primero, en Italia, hay una gran cantidad de apellidos, probablemente una de las mayores colecciones de apellidos de cualquier etnia en el mundo. Esto se asocia con una alta fraccionalización: por ejemplo, los primeros 100 apellidos más frecuentes solo representan el 7% de la población total, frente al 22% en Inglaterra. En segundo lugar, y como era de esperar, los apellidos presentes en nuestros datos son muy específicos de Florencia: en promedio, la relación entre la proporción de apellidos en Florencia y la cifra correspondiente a nivel nacional, que mide un índice de especialización centrado en 1, es casi 6. Por tanto, el contenido informativo del apellido es presumiblemente mucho más alto que en otros lugares, apoyando nuestra estrategia empírica en la identificación de los pseudo-enlaces.
La creación de pseudo-vínculos entre las dos muestras a través de apellidos se ha llevado a cabo con cierto grado de flexibilidad necesario para dar cuenta de ligeras modificaciones en los apellidos a lo largo de los siglos. Por ejemplo, los contribuyentes actuales con apellidos como “Mattei”, “De Matteo” o “Di Matteo” son todos considerados descendientes de “Matteo”.
3.3 Análisis descriptivo
En el censo de 1427, hay alrededor de 10,000 familias (1,900 apellidos), correspondientes a cerca de 40,000 individuos. Las estadísticas descriptivas reportadas en el Cuadro 1 se refieren a jefes de hogar. Las ganancias y la riqueza real fueron iguales, en promedio, a 36 y 291 florines, respectivamente. Además, las dos variables fueron caracterizadas por una distribución desigual entre las familias: el índice de Gini fue de casi el 40% para los ingresos y aproximadamente el 65% para la riqueza real. Los miembros de los gremios estaban en la cima de la escala económica y ocupaban posiciones influyentes en la sociedad y la política. Los gremios más poderosos eran los que se dedicaban a la fabricación o el comercio de lana y seda y los cambistas. De hecho, muchas familias florentinas eran banqueros exitosos (por ejemplo, Bardi, Medici y Peruzzi), y también eran conocidos en toda Europa, ya que establecieron casas bancarias en otras ciudades importantes como Londres, Ginebra y Brujas.
La Figura 1a agrupa las ocupaciones, proporcionando una imagen completa de la diversidad y estratificación ocupacional. Más de las dos quintas partes eran artesanos, como los que peinaban, cardaban y clasificaban lana, o carpinteros. Los empresarios y los miembros de gremios, a su vez, representaron casi una quinta parte de los trabajadores. La vibrante actividad económica favoreció el desarrollo de burócratas y profesionales con letras (casi una décima parte de los trabajadores) como abogados, jueces, médicos y farmacéuticos (la farmacia más antigua de Europa se estableció en Florencia). Otros grupos ocupacionales importantes fueron los de comerciantes y funcionarios del gobierno (por ejemplo, bomberos, pregoneros y soldados). En la parte inferior de la escala ocupacional, había trabajadores no calificados, como personas que golpeaban, limpiaban y lavaban la lana en bruto, trabajadores urbanos y sirvientes de familias particulares. Al mapear las ocupaciones en sectores de actividad (Figura 1b), casi la mitad de la muestra estaba empleada en la manufactura (principalmente fabricantes de productos de lana y cuero). Otros sectores importantes fueron el comercio, la alimentación y el vino y los servicios públicos. La participación de la agricultura, en cambio, fue muy pequeña, porque los datos no incluyen el campo, que es donde se concentra la actividad agrícola.
Para poco menos de la mitad de los apellidos incluidos en el censo de 1427, encontramos pseudo descendientes en los registros fiscales de 2011. Corresponden a unos 800 apellidos y 52.000 contribuyentes. En promedio, ganan unos 24.000 euros al año y se estima que la riqueza real supera los 160.000 euros (tabla 1). La Tabla 1 también muestra que las profesiones bajo escrutinio son profesiones de nicho, tanto en 1427 como en la década de 2000, representan una proporción muy pequeña de los trabajadores.
La Tabla 2 combina los registros de impuestos de 1427 y 2011 a través de los apellidos y proporciona una primera evaluación exploratoria de la persistencia: informamos para los 5 principales y los 5 ingresos más bajos entre los contribuyentes actuales (a nivel de apellido), el valor modal de la ocupación y los percentiles en la distribución de ingresos y riqueza en el siglo XV (los apellidos se sustituyen por letras mayúsculas por motivos de confidencialidad). Los que más ganan entre los contribuyentes actuales ya estaban en lo más alto de la escala socioeconómica hace 6 siglos: eran abogados o miembros de los gremios de lana, seda y zapatero; sus ganancias y riqueza siempre estuvieron por encima de la media. Por el contrario, los apellidos más pobres tenían ocupaciones menos prestigiosas y sus ingresos y riqueza estaban por debajo de la mediana en la mayoría de los casos.
Como se muestra en la ecuación (1), en la primera etapa, hacemos una regresión del logaritmo de los ingresos de los antepasados o el logaritmo de la riqueza real de los antepasados en las variables ficticias del apellido (y, en algunas especificaciones, los controles incluidos en el vector Xªⁱ) utilizando los datos del censo 1427. Encontramos que los apellidos representan alrededor del 10% de la variación total en el logaritmo de ganancias y el 17% de la variación total en el logaritmo de riqueza. Estos resultados apoyan la hipótesis de que los apellidos contienen información sobre el nivel socioeconómico. Los coeficientes de los apellidos estimados en la primera etapa se utilizan luego para predecir las ganancias de los antepasados y la riqueza real de los contribuyentes incluidos en los registros fiscales de 2011.
La Tabla 3 presenta nuestras estimaciones TS2SLS de la elasticidad de los ingresos entre generaciones, como se muestra en la ecuación (2). Consideramos tres especificaciones empíricas diferentes, la primera incluye solo las ganancias pronosticadas de los antepasados, la segunda y la tercera agregan género y género, edad y su cuadrado, respectivamente. Los controles en las regresiones de la primera etapa se ajustan en consecuencia. La elasticidad de los ingresos es bastante estable en todas las especificaciones, con una magnitud de alrededor de 0,04, y es estadísticamente significativa al nivel del 5%. La Tabla 3 también informa el coeficiente beta estandarizado y el coeficiente de rango. Según el primero, un aumento de una desviación estándar en las ganancias en logaritmos de los pseudo ancestros aumenta las ganancias en logaritmos de los pseudo descendientes en un 6% de su desviación estándar. El efecto, además de positivo y significativo, tampoco es despreciable desde el punto de vista económico. Dicho de otra manera, ser descendiente de una familia en el percentil 90 de distribución de ingresos en 1427, en lugar de una familia en el percentil 10 de la misma distribución, implicaría un aumento del 5% en las ganancias entre los contribuyentes actuales.
La Tabla 4 replica la estimación con respecto a la elasticidad riqueza real. El parámetro varía de 0.02 a 0.03 y, nuevamente, es altamente significativo. El coeficiente beta estandarizado es igual al 7% y es ligeramente mayor que en el caso de las ganancias. Los resultados de la regresión de rango-rango confirman una mayor persistencia de la riqueza, con respecto a los ingresos (y se obtienen hallazgos similares, incluso si restringimos la estimación a la misma muestra de familias). El ejercicio del 10 al 90 implica una diferencia del 12% en la riqueza real de hoy. La mayor inercia en el caso de la riqueza real es algo esperada, ya que la riqueza real se acumula a través del ingreso (neto del consumo) durante el ciclo de vida, pero también puede transmitirse directamente a las generaciones posteriores a través de legados o transferencias entre vivos.
Las elasticidades intergeneracionales son medidas de resumen útiles, pero pueden ocultar detalles interesantes sobre la movilidad intergeneracional en diferentes puntos de la distribución. Los investigadores han utilizado diferentes técnicas para relajar el supuesto de linealidad, incluyendo Spline (curva diferenciable definida en porciones mediante polinomio), términos de orden superior o regresiones cuantílicas. Desafortunadamente, el tamaño de la muestra a nuestra disposición nos impide aplicar estas técnicas, y nos basamos en matrices de transición más tradicionales y simples, dividiendo los resultados económicos de ancestros y descendientes en tres clases, según terciles (clases baja, media y alta). En la Tabla 5 reportamos la matriz de transición referida a ganancias. Para los que proceden de la clase baja, existen oportunidades bastante similares de pertenecer a una de las tres clases de destino. Para los que provienen de la clase alta, en cambio, la probabilidad de caer al fondo de la escala económica es relativamente baja. Se observa un “piso de vidrio” similar para la matriz de transición de riqueza (Cuadro 6); además, en este caso también observamos un “piso pegajoso”: más de dos quintas partes de los descendientes de la clase baja permanecen allí después de siglos.
Los resultados de las Tablas 3-6 sugieren que la persistencia del estatus socioeconómico a largo plazo es mucho mayor de lo que se pensaba anteriormente. Son aún más sorprendentes dados los enormes trastornos políticos, demográficos y económicos que se han producido en la ciudad a lo largo de los siglos. En el terreno político, Florencia ha pasado de la capital de una pequeña ciudad-estado (ver Figura 2) a una ciudad dentro de un Estado más grande (con la unificación italiana en 1861), cuya capital se encuentra en otro lugar. En cuanto a la demografía, la población se mantuvo bastante estable entre 1400 y 1800 y experimentó un gran aumento en los siglos XIX y XX (ver Figura 3a). Finalmente, el PIB per cápita se mantuvo básicamente plano en la era preindustrial, mientras que registró una tasa de crecimiento excepcionalmente alta durante el siglo XX (ver Gráfico 3b), acompañado de la revolución industrial, la terciarización y, finalmente, la revolución tecnológica.
Cabría preguntarse si estos resultados pueden generalizarse a otras sociedades. De acuerdo con la evidencia disponible, argumentamos que pueden extenderse cuidadosamente a otros países avanzados, presumiblemente en Europa Occidental, que comparten un patrón de desarrollo similar a largo plazo con Florencia. De hecho, Milanovic et al. (2011) mostraron que el ingreso interno bruto per cápita y el índice de Gini en Florencia en 1427 eran comparables a los de otras sociedades preindustriales de las que disponemos de datos, como Inglaterra, Gales y Holanda. Si se observan datos más recientes, según los datos de Eurostat, en 2013, el PIB estándar de poder adquisitivo por habitante en Toscana estaba ligeramente por encima de la media de la UE-28. Además, Güell et al. (2015a) aportaron pruebas sobre el grado de movilidad intergeneracional de todas las provincias italianas (los datos se refieren a 2005); según su evidencia, la elasticidad-ingreso (simulada) intergeneracional para la provincia de Florencia estaría entre 0,4 y 0,5, una cifra ligeramente inferior a la de Italia en su conjunto y ampliamente comparable a la de otros países avanzados, como Estados Unidos, Reino Unido y Francia (Corak, 2013)[9]. En resumen, Florencia no parece ser un caso polar en términos de desarrollo económico y desigualdad (estática y dinámica).
5. Robustez
5.1 Procedimientos de imputación y valores atípicos
La Tabla 7 proporciona un primer conjunto de comprobaciones de solidez. Primero, abordamos los procedimientos de imputación. En lo que respecta a las ganancias, los registros fiscales, como es bien sabido, pueden sufrir una grave subestimación debido a la evasión fiscal. En las primeras columnas, revisamos al alza las variables de los registros tributarios con los factores de corrección sugeridos por Marino y Zizza (2011)[10]. Los resultados se mantienen sin cambios, y esto puede explicarse por el hecho de que la evasión tributaria no se correlaciona con las pseudo ganancias de los antepasados. En lo que respecta a la riqueza, esta variable no se observa directamente en los registros fiscales de 2011 y se ha obtenido mediante un proceso de imputación en base a la renta inmobiliaria. En la tercera columna, realizamos una regresión directa de los ingresos inmobiliarios sobre la riqueza de los antepasados para evitar que nuestros resultados se vean impulsados por nuestro procedimiento de imputación. Los resultados básicamente no han cambiado.
En segundo lugar, abordamos la sensibilidad a los valores atípicos, ya que las distribuciones de ganancias y riqueza tienen colas largas que podrían impulsar los resultados. En la segunda y cuarta columnas, recortamos tanto la variable dependiente como la clave de la regresión en los niveles de 1% y 99%, y volvemos a estimar la ecuación (2), las estimaciones de elasticidades intergeneracionales positivas y significativas están completamente confirmadas .
5.2 Robustez de los pseudo-enlaces
Nuestra estrategia empírica se basa en el supuesto de que la probabilidad de que un El contribuyente (aleatoriamente) tomado del registro de impuestos de 2011 es descendiente de un contribuyente seleccionado (aleatoriamente) del Censo 1427 es estrictamente mayor si los dos comparten el mismo apellido. Dos hechos desafían nuestra hipótesis de trabajo. Primero, las personas que comparten el mismo apellido pueden no pertenecer a la misma familia. En segundo lugar, la ciudad de Florencia no es un sistema cerrado. Por ejemplo, bien puede suceder que un inmigrante, con el mismo apellido que los que vivían en Florencia en 1427, se estableciera en Florencia desde fuera en los siglos siguientes. Nuestra metodología trata erróneamente a este último como un pseudo descendiente del primero.
Empezamos señalando que nuestros pseudo-enlaces son más fiables con respecto a los adoptados en estudios anteriores, ya que son generados por apellidos que viven en la ciudad de Florencia. Por ejemplo, si los mismos datos estuvieran disponibles para todas las ciudades italianas, nuestra estrategia implicaría la predicción del estatus socioeconómico de los antepasados utilizando la interacción entre apellidos y ciudades. Podría decirse que este es un enfoque más exigente y más preciso para crear vínculos entre generaciones que el adoptado en estudios anteriores (es decir, apellidos a nivel nacional). Además, la enorme heterogeneidad y el “localismo” de los apellidos italianos refuerzan aún más la calidad de los pseudo-enlaces.
No obstante, proponemos tres pruebas destinadas a demostrar la solidez de nuestros hallazgos al procedimiento de imputación de linaje. La primera prueba se basa en la idea de que cuanto más común es un apellido, es probable que compartir el apellido sea menos informativo sobre el parentesco real. En las dos primeras columnas de la Tabla 8, volvemos a estimar la ecuación (3) ponderando las observaciones con la inversa de la frecuencia relativa en 1427, dando así más peso a los apellidos raros. Nuestros resultados se confirman y, en todo caso, se revisan al alza, en consonancia con el hecho de que la medición incorrecta de los vínculos familiares debería conducir a un sesgo de atenuación.
La segunda prueba explota hasta qué punto un apellido es específico de Florencia (la especificidad se mide como la relación entre el apellido compartido en Florencia y la cifra correspondiente a nivel nacional): la idea es que cuanto más un apellido es específico de Florencia, cuanto menos probable sea que el mismo apellido sea contaminado por patrones de inmigración y emigración. En las dos últimas columnas de la Tabla 8, dividimos nuestros parámetros clave interactuando con una variable ficticia que es igual a 1 para los apellidos florentinos más típicos (aquellos con un valor de la proporción por encima de la mediana) y 0 en caso contrario. Los resultados son tranquilizadores: las elasticidades son mayores (y significativas) para apellidos más específicos de Florencia.
Los dos ejercicios discutidos anteriormente prueban indirectamente la robustez de los pseudo-enlaces. Los complementamos con una prueba directa que es la siguiente. Nosotros reasignó aleatoriamente apellidos a los contribuyentes en 2011 y volvió a estimar las elasticidades intergeneracionales TS2SLS. Si las correlaciones positivas que detectamos no estuvieran relacionadas con el linaje (cuya medición podría verse afectada por error), surgen por casualidad, deberíamos encontrar que nuestras estimaciones no son estadísticamente diferentes de las derivadas de una reorganización aleatoria de apellidos. La Figura 4 muestra la distribución de la elasticidad de ganancias estimada para 1 millón de repeticiones. Las dos líneas verticales punteadas son los percentiles 95 y 99, mientras que la línea roja indica nuestra estimación basada en los apellidos observados. Estos resultados proporcionan una representación gráfica clara del contenido informativo de los apellidos y la bondad de los pseudo-enlaces: el valor p simulado en este ejercicio es inferior al 1%. La Figura 5 muestra los resultados correspondientes para la riqueza, donde el resultado de la prueba es aún más revelador.
Los coeficientes de interés están muy cerca de los resultados de la línea de base y, en todo caso, se revisan ligeramente al alza.
5.3 Sesgo de selectividad debido a la tasa de supervivencia de las familias
Como se dijo anteriormente, solo podemos hacer coincidir una submuestra de los apellidos en el censo 1427 con los registros de impuestos de 2011. Esto es claramente un reflejo de los procesos demográficos que están involucrados en el análisis de la movilidad intergeneracional a muy largo plazo: la tasa de supervivencia de las familias depende de la migración, la reproducción, la fertilidad y la mortalidad, que, a su vez, pueden diferir entre personas con diferentes antecedentes socioeconómicos.
En cuanto a la migración, algunas de las familias registradas en el censo de 1427 podrían haber decidido migrar durante los siglos siguientes. Dado que no son necesariamente una muestra aleatoria de la población original, esto podría sesgar nuestras estimaciones. Borjas (1987) proporcionó un modelo teórico que muestra que los migrantes provienen principalmente de la parte superior o inferior de la distribución de habilidades (es decir, ingresos). De manera análoga, la tasa de reproducción de una dinastía (es decir, la tasa de fertilidad / mortalidad) puede estar correlacionada con los ingresos y / o la riqueza. Jones y col. (2010) mostraron una relación negativa fuerte y robusta entre el ingreso y la fecundidad, aunque también argumentaron que, en las economías agrarias (preindustrialización), podría haber sido posible lo contrario, como se documenta, por ejemplo, en Clark y Cummins (2009). ). Por otro lado, es razonable esperar que las familias más ricas fueran las que estaban mejor equipadas para sobrevivir a lo largo de los siglos (y, por lo tanto, aquellas que pueden compararse con los registros fiscales actuales).
¿Cómo abordamos estos problemas? Primero, comparamos las distribuciones de ganancias y riqueza en 1427 entre las familias que aún están presentes en los registros tributarios de 2011 y las que no lo están para tener una valoración general de la relevancia del tema de selección. La Figura 6a muestra que las distribuciones de ingresos son bastante similares, aunque la densidad de familias desaparecidas tiene una mayor masa de probabilidad para el nivel más bajo de ingresos. En lo que respecta a la riqueza, las dos distribuciones se superponen (Figura 6b). La Tabla 9 confirma la inspección visual: con respecto a las familias desaparecidas, las sobrevivientes tuvieron un 6% más ganancias, mientras que la diferencia en la riqueza real no es significativa desde un punto de vista estadístico. En general, estas diferencias no parecen enormes y, por lo tanto, las preocupaciones sobre la selección se reducen un poco.
No obstante, a continuación, proponemos dos pruebas destinadas a abordar el sesgo de selectividad. El primero tiene como objetivo fijar un límite inferior para nuestras estimaciones con respecto al potencial sesgo de selectividad inducido por la migración selectiva. La prueba es la siguiente. Dado que la elasticidad suele estar acotada entre 0 y 1, suponemos que para las familias desaparecidas, la elasticidad es 0, lo que significa que las familias migradas pudieron cortar el nudo gordiano de la herencia socioeconómica. Tenga en cuenta que esta es la suposición más desfavorable que podemos hacer; además, esta hipótesis de trabajo tampoco es muy plausible, porque la evidencia disponible también muestra una persistencia socioeconómica significativa a través de generaciones entre los inmigrantes[11].
Agregamos estas familias desaparecidas a la muestra estimada, y habiendo asumido que la elasticidad es nula, imputamos sus ingresos / riqueza real en 2011 extrayendo aleatoriamente de una distribución logarítmica normal cuyos momentos se toman de la distribución correspondiente de las familias supervivientes. Luego, hacemos una regresión de la ecuación (2) en la muestra aumentada y repetimos este procedimiento (dibujo y regresión) 1 millón de veces. Los parámetros de interés siguen siendo significativos desde el punto de vista estadístico y económico: la elasticidad media estimada es igual a 0.016 * (con desviación estándar igual a 0.009) en el caso de ganancias y 0.010 *** (con desviación estándar igual a 0.004) para real riqueza. Estos parámetros representan un límite inferior para las estimaciones de elasticidad intergeneracional, en lo que respecta a la selección.
En segundo lugar, adoptamos una
corrección de Heckman de dos etapas más tradicional. En la primera etapa,
aprovechamos más información registrada en el censo de 1427. Es decir,
estimamos un modelo PROBIT con la tasa de supervivencia en función del tamaño
de la familia; este último debería tener un efecto positivo directo (y
mecánico) sobre la tasa de supervivencia. El supuesto de identificación es que
esta variable observada en 1427 no tiene un efecto directo sobre las ganancias
y la riqueza en 2011. Como cualquier restricción de exclusión, este supuesto no
puede probarse directamente. Sin embargo, la correlación entre el tamaño de la
familia y los ingresos y la riqueza en 1427 era cercana a cero y no era
estadísticamente significativa, lo que nos tranquiliza sobre su exogeneidad en
el procedimiento de Heckman de dos pasos. La Tabla 10 muestra que un tamaño
familiar más grande influye positivamente en la tasa de supervivencia y entra
con los signos esperados. En la segunda etapa, el término de selectividad es
estadísticamente significativo solo para la elasticidad de la riqueza y, lo que
es más importante, el Los coeficientes de interés están muy cerca de los
resultados de la línea de base y, en todo caso, se revisan ligeramente al alza.
6. Discusión de la persistencia a largo plazo
Los estudiosos de la movilidad intergeneracional suponen típicamente que las correlaciones entre generaciones disminuyen geométricamente (es decir, la correlación entre abuelos e hijos es el cuadrado de la correlación entre padres e hijos, la correlación entre bisabuelos e hijos es el cubo, etc.). Si esto fuera cierto, nuestras estimaciones, que se refieren a unas 20 generaciones, no serían consistentes con las estimaciones predominantes sobre la movilidad de los ingresos.[12] Algunos artículos recientes han cuestionado la suposición de que el proceso de transmisión intergeneracional del capital humano tiene una memoria de solo una período. De hecho, por ejemplo, los abuelos pueden transmitir directamente su capital cultural a sus nietos a través de la crianza de los hijos u otras formas de interacción. Del mismo modo, pueden transmitir directamente su riqueza a sus nietos. Sin embargo, incluso la hipótesis de la memoria de dos períodos no es suficiente, por sí sola, para explicar completamente nuestros hallazgos.
Una visión profunda y exhaustiva de los mecanismos subyacentes de la persistencia a largo plazo está más allá del alcance del artículo (y probablemente representa un área prometedora para trabajos futuros). Sin embargo, a continuación, discutimos dos explicaciones y proporcionamos la evidencia empírica relacionada para la persistencia observada a lo largo de los siglos.
6.1 Movilidad intergeneracional en el siglo XV
Una elasticidad de los ingresos (entre dos generaciones sucesivas) cercana a 1 en la era preindustrial puede ayudar a explicar por qué todavía encontramos cierto grado de herencia del estatus socioeconómico después de seis siglos. De hecho, en la era preindustrial, la persistencia en la posición social a lo largo de las generaciones se ha percibido como grande, mientras que algunos académicos tienden a creer que la industrialización y el surgimiento del capitalismo han traído una sociedad más fluida[13].
Para proporcionar algún apoyo empírico a esta afirmación, nos basamos en el enfoque de Güell et al. (2015b), quien desarrolló una nueva medida de movilidad intergeneracional que solo necesita datos transversales y se basa en el contenido informativo de los apellidos (ICS). Específicamente, el se define como ICS ≡ R²ₔ - R²ₔ. El primer término (R²ₔ) se obtiene de la regresión, yⁱₛ= b′D + el residual, donde yⁱₛ es el logaritmo de la renta del individuo con el apellido s y D es un vector S de las variables ficticias de apellido con D = 1 si el individuo tiene el apellido y Dₛ = 0 en caso contrario. El segundo término (R²ₕ) se obtiene de la regresión, yⁱₛ = b′H + donde H es un vector S de variables ficticias "falsas" que asignan apellidos aleatoriamente a las personas de manera que se mantenga la distribución marginal de los apellidos. Los autores demostraron que el ICS es una función que aumenta monótonamente de la elasticidad de los ingresos (más convencional) intergeneracional y dibuja dicha función para algunos parámetros de referencia.
Siguiendo esta metodología, estimamos que la elasticidad de los ingresos en el siglo XV estaba entre 0,8 y 0,9, lo que representa una sociedad cuasi inmóvil. Luego, comparamos estas cifras con las extraídas de Güell et al. (2015a) para la provincia de Florencia en 2005 y análogamente mapeado en elasticidad. Estos hallazgos se muestran en la Figura 7. Aunque deben interpretarse con cierta cautela, dada la naturaleza diferente de las fuentes de datos, respaldan la opinión de que, en el pasado, la movilidad intergeneracional era (mucho) más baja de lo que es hoy.
Si se supone que prevalecieron elasticidades cercanas a 1 hasta el siglo XX, es decir, antes de que los efectos de la revolución industrial se desplegaran por completo en Italia y antes de la escolarización masiva, se obtendría una elasticidad de ingresos a largo plazo a lo largo de seis siglos que es comparable a la nuestra.
6.2 Dinastías en profesiones de élite
Nuestra última evidencia empírica se refiere a la existencia de cierto grado de persistencia en ciertas profesiones (de élite). Por un lado, esto representa una perspectiva adicional (más allá de los ingresos y la riqueza) sobre la movilidad intergeneracional. Por otro lado, esta evidencia puede proporcionar información sobre los canales detrás de los procesos de movilidad intergeneracional.
Muchas instituciones sociales contribuyen a la herencia de estatus a lo largo de múltiples generaciones, especialmente en la parte inferior (por ejemplo, debido a la discriminación étnica o social) y en la parte superior (por ejemplo, la pertenencia a clubes exclusivos y / o profesiones de élite) de las jerarquías. En una sociedad de herencia de estatus perfecto (por ejemplo, un sistema de castas puro), los hijos, padres, abuelos y antepasados anteriores son idénticos en sus posiciones sociales y económicas; En esta sociedad, las correlaciones perfectas entre cada generación hacen que tipos alternativos de efectos intergeneracionales (por ejemplo, hijos-padres, hijos-abuelos, etc.) sean indistinguibles. Zylberberg (2014) subrayó la existencia de variables inobservables que son transmitidas por los padres. Los hijos de familias exitosas pueden preservar las altas perspectivas para sus descendientes, incluso cuando sus propios ingresos no son muy altos. En su marco teórico, las dinastías se mueven a través de carreras, en lugar de a través de niveles de ingresos, y una sociedad puede modelarse como un proceso de Markov en el que la matriz de transición es diagonal de bloques: solo se permite la movilidad dentro del bloque (p. versus el bloque de trabajos cognitivos). Esto es consistente con una elasticidad de ingresos que no declina geométricamente y con una sociedad caracterizada por alguna forma de transmisión dinástica de profesiones.
Desde el punto de vista empírico, examinamos si la probabilidad de que uno esté empleado en una determinada profesión de élite es mayor en la actualidad, cuanto más se empleaban los pseudo-ancestros en la misma profesión. Es decir, seleccionamos las profesiones de abogados, banqueros, médicos y farmacéuticos y orfebres. Consideramos solo estas profesiones por varias razones. Primero, debido a la disponibilidad de datos, nos vemos obligados a enfocarnos en profesiones que ya existían en 1427 y para las que actualmente tenemos acceso a datos disponibles públicamente. En segundo lugar, deben ser profesiones de élite o de nicho, en consonancia con el hecho de que debe haber variables inobservables que favorezcan el seguimiento de la carrera (por ejemplo, capital humano específico o privilegios gremiales). Como se muestra en la Figura 8, las ganancias en las profesiones seleccionadas son mayores que el promedio, tanto en 1427 como en la actualidad. En tercer lugar, la evidencia empírica disponible documenta la existencia de dinastías profesionales precisamente para (algunas de) estas profesiones[14].
Los resultados de la estimación de la ecuación (3) se presentan en la Tabla 11. En cada columna, consideramos cada profesión por separado, y encontramos una correlación positiva y estadísticamente significativa para abogados, banqueros y orfebres, y una positiva, pero no significativa, correlación para médicos y farmacéuticos. La magnitud del impacto es claramente pequeña. Un aumento de una desviación estándar en la variable independiente aumenta la variable dependiente en un 0,5%, 0,2% y 0,6% de su desviación estándar para abogados, banqueros y orfebres, respectivamente. Sin embargo, estos resultados son, de nuevo, sorprendentemente altos y sólidos si se evalúan a lo largo de seis siglos. Además, estos resultados son consistentes con la persistencia de los ingresos y, en particular, con una mayor persistencia en la parte superior de la distribución de los ingresos.
7. Conclusiones
Hemos examinado la movilidad intergeneracional a muy largo plazo, utilizando un conjunto de datos único que combina los registros fiscales de la ciudad italiana de Florencia en 1427 y en 2011, y aprovechando un entorno favorable para este tipo de análisis.
Hemos descubierto que la elasticidad de los ingresos, a lo largo de generaciones con seis siglos de diferencia, es positiva y estadísticamente significativa. Su estimación puntual es de aproximadamente 0,04, mucho más alta que la predicha por los modelos tradicionales de movilidad intergeneracional. También encontramos evidencia de una herencia de riqueza real aún más fuerte y de persistencia en ciertas profesiones de élite. El análisis descriptivo simple de las matrices de transición también indica la existencia de un piso de vidrio que protege a los descendientes de la clase alta de caer en la escala económica. Nuestros hallazgos sobre elasticidades son robustos a una serie de controles de sensibilidad, en particular a la imputación de linaje y al posible sesgo de selectividad debido a las tasas de supervivencia heterogéneas entre familias.
También proporcionamos dos explicaciones provisionales (y el apoyo empírico relacionado) para el nivel sorprendentemente bajo de movilidad: primero, la movilidad en el pasado era mucho menor que en la actualidad; en segundo lugar, el estatus social y otras variables no observables también pueden ser muy persistentes, lo que implica que la elasticidad de los ingresos podría no declinar geométricamente, como se piensa comúnmente.
En nuestra opinión, buscar la misma evidencia en diferentes ciudades o naciones y arrojar luz sobre el mecanismo subyacente detrás de la persistencia socioeconómica a largo plazo representan direcciones prometedoras para la investigación futura.
[1] ♣ Agradecemos a Antonio Accetturo, Anthony Atkinson, Rosario Ballatore, Miles Corak, Domenico De Palo, Marta De Philippis, Paul Gregg, Andrea Ichino, Paolo Naticchioni, Paolo Sestito, los participantes de la conferencia en AIEL, CIRET, SIE y SIEP y los participantes del seminario en el Banco de Italia, EUI, Universidad de Ferrara, Universidad de Florencia y Universidad de Trento por sus útiles comentarios; también agradecemos a Giovanna Labartino, Peter Lindert y Giovanni Pica, quienes amablemente compartieron datos sobre la distribución de apellidos entre provincias, datos sobre ingresos en 1427 y estimaciones de movilidad de ingresos intergeneracionales en Florencia en 2005, respectivamente; finalmente agradecemos a Riccardo Innocenti y Massimiliano Sifone de la oficina de estadística municipal de Florencia por proporcionarnos los registros fiscales por apellidos. Las opiniones expresadas en este documento deben referirse únicamente a los autores y no a las instituciones a las que están afiliados.
1 Ibn Jaldún fue uno de los más grandes historiadores árabes y se le considera uno de los fundadores padres de la sociología, historiografía y economía modernas; la cita se ha extraído de su influyente libro The Muqaddimah (1377). Becker y Tomes proporcionaron, en sus primeras contribuciones, el marco teórico que representó el pilar fundamental de la investigación sobre movilidad intergeneracional; la cita fue extraída de Becker y Tomes (1986).
[3] 3 Björklund y Jäntti (1997) fueron los primeros en aplicar el enfoque TS2SLS a la estimación de la movilidad intergeneracional. A partir de entonces, se ha adoptado la misma estrategia para muchos estudios de países, normalmente utilizando la ocupación, la educación y el sector de actividad para predecir los ingresos de los pseudo padres. Por el contrario, Aaronson y Mazumder (2008) utilizaron estado y año de nacimiento, mientras que Olivetti y Paserman (2015) explotaron la información transmitida por los nombres. Sin embargo, algunas de estas variables son en parte endógenas, ya que están relacionadas con las características de los padres, pero también pueden afectar directamente los resultados de los niños (por ejemplo, la educación de los padres o el estado de residencia), lo que lleva a un sesgo ascendente. Los apellidos, por el contrario, son marcadores que son más exógenos.
[4] En los datos utilizados por Clark y Cummins (2014), la riqueza se estima al momento de la muerte, ignorando las transferencias entre vivos. Nuestros datos, por el contrario, tienen la ventaja de estar disponibles cuando un individuo es un adulto. Además, podemos controlar la evolución de la variable de resultado en el ciclo de vida agregando la edad entre los controles.
[5] Los Medici, los gobernantes más reconocidos, reunieron para cortejar a los mejores artistas, escritores y científicos de la época, como Botticelli, Dante, Galileo, Leonardo da Vinci, Miguel Ángel y Maquiavelo.
[6] Peter Lindert (Universidad de Davis) amablemente proporcionó los datos sobre ingresos. Consulte el documento gpih.ucdavis.edu/files/BLW/Tuscany_1427.doc para obtener más información. Los mismos datos también se utilizaron en Milanovic et al. (2011) para un análisis sobre la desigualdad en las sociedades preindustriales.
[7] En concreto, de la Encuesta semestral de Renta y Riqueza de los Hogares realizada por el Banco de Italia (utilizamos los datos de 2000 a 2012), seleccionamos personas que viven en la provincia de Florencia, retrocedimos el logaritmo de activos reales por edad, género e ingresos del edificio (rentas reales e imputadas), y almacenamos los coeficientes. Luego, imputamos la riqueza real de las personas incluidas en los registros fiscales utilizando la edad, el sexo, los ingresos inmobiliarios y los coeficientes estimados y almacenados anteriormente.
[8] La gran cantidad de apellidos italianos que terminan en “-i” también se debe al hábito medieval de identificar familias por el nombre de los antepasados en plural (que tienen un sufijo “-i” en italiano).
[9] Güell y col. (2015a) no estiman la elasticidad intergeneracional, sino el indicador de Contenido Informativo del Apellido (ICS) que se relaciona monótonamente con la elasticidad intergeneracional. Las cifras reportadas se obtuvieron mapeando los valores de ICS en elasticidades usando la Figura 2 en Güell et al. (2015b). Consulte también la Sección 6.1 a continuación.
[10] Marino y Zizza (2011) compararon los ingresos de los registros fiscales con los recopilados mediante la Encuesta de ingresos y riqueza de los hogares. Este enfoque se basa en la hipótesis de que, dado que el cuestionario de la encuesta es polivalente y no es obligatorio responder, es probable que los encuestados no se sientan amenazados o sospechosos y, por tanto, respondan con sinceridad. Sobre esta base, proporcionaron, para cada tipo de ingreso, una aproximación de la evasión fiscal (medida por la diferencia entre los ingresos de la encuesta y los ingresos de la fuente fiscal).
[11] Borjas (1993) mostró que los ingresos de los estadounidenses de segunda generación se ven fuertemente afectados por las condiciones económicas de sus padres en sus países de origen. Según Card (2005), la transmisión intergeneracional de la educación es aproximadamente la misma para las familias de inmigrantes que para otras familias en los Estados Unidos.
[12] En Italia, según Mocetti (2007), la elasticidad de los ingresos intergeneracionales es igual a 0,5; Güell y col. (2015a) proporcionaron una estimación para la provincia de Florencia en el intervalo entre 0,4 y 0,5, un poco menos que para Italia en su conjunto.
[13]Ver Erikson y Goldthorpe (1992) y Piketty (2000) para una discusión de la teoría liberal y marxista sobre el grado de movilidad intergeneracional en la sociedad industrial. Véase Clark (2014) para obtener una imagen interesante de la movilidad social en varias sociedades (y en varios períodos históricos).
[14] Véase Lentz y Laband (1989) para médicos, Laband y Lentz (1992) para abogados y Mocetti (2016) para farmacéuticos.
Referencias
Aaronson, D. and B.
Mazumder (2008), Intergenerational economic mobility in the United States, 1940
to 2000, Journal of Human Resources,
43, pp. 139-172.
Becker, G.S. and N.
Tomes (1986), Human capital and the rise and the fall of families, Journal of Labor Economics, 4, pp. 1-39
Björklund A. and M.
Jäntti (1997), Intergenerational income mobility in
Black, S.E. and P.J.
Devereux (2011), Recent developments in intergenerational mobility, in O.
Ashenfelter and D. Card (eds.), Handbook
in Labor Economics, North
Holland.
Borjas, G.J. (1987),
Self-selection and the earnings of immigrants, American Economic Review,
77, pp. 531-553.
Borjas, G.J. (1993),
The intergenerational mobility of immigrants, Journal of Labor Economics,
11, pp. 113-135.
Card, D. (2005), Is
the new immigration really so bad? Economic
Journal, 115, pp. 300-323.
Chan, T.W. and V. Boliver (2013), The grandparents effect in social
mobility:
Evidence from British birth cohort studies, American Sociological Review, 78, pp. 662-678.
Chetty, R., N. Hendren, P. Kline and
opportunity? The geography of intergenerational
mobility in the
Ciapanna, E., M.
Taboga and
Clark, G. and
Collado, M.D., I.
Ortuño-Ortin and A. Romeu (2012), Long-run intergenerational social mobility
and the distribution of surnames, working paper, Universidad de Alicante.
Corak, M. (2013),
Income inequality, equality of opportunity, and intergenerational mobility, Journal of Economic Perspectives, 27,
pp. 79-102.
Erikson, R. and J.H. Goldthorpe (1992), The constant flux: A study of class
mobility in industrial
societies,
Güell, M., M.
Pellizzari, G. Pica and J.V. Rodriguez Mora (2015a), Correlating social
mobility and economic outcomes, unpublished paper.
Güell, M., J.V.
Rodriguez Mora and C.I. Telmer (2015b), Intergenerational mobility and the
informational content of surnames, Review
of Economic Studies,
82, pp. 693-735.
Herlihy, D. and C. Klapisch-Zuber (1985), Tuscans and their families: A study
of the Florentine
Catasto of 1427,
Inoue, A. and G. Solon
(2010), Two-sample instrumental variables estimators, Review of Economics and Statistics, 92, pp. 557-561.
Jones, L.E., A.
Schoonbroodt and M. Tertilt (2010), Fertility theories: Can they explain the
negative fertility-income relationship? In J.B. Shoven (ed.), Demography and the economy,
Laband, D.N. and B.F.
Lentz (1992), Self-recruitment in the legal profession, Journal of Labor Economics, 10, pp. 182-201.
Lentz, B.F. and D.N.
Laband (1989), Why so many children of doctors become doctors, Journal of Human Resources, 24, pp.
396-413.
Lindahl, M., M. Palme, S. Sandgren Massih and A.
Sjögren (2015), Long-term
intergenerational persistence of human capital: An
empirical analysis of four generations, Journal
of Human Resources, 50, pp. 1-33.
Marino, M.R. and R.
Zizza (2011), Personal income tax evasion in Italy: an estimate by taxpayer’s
type, in M. Pickhardt and A. Prinz (eds.), Tax
evasion and the shadow economy,
Cheltenham: Edward Elgar.
Milanovic, B., P.H.
Lindert and J.G. Williamson (2011), Pre-industrial inequality, Economic Journal, 121, pp. 255-272.
Mocetti, S. (2007),
Intergenerational earnings mobility in
Mocetti, S. (2016), Dynasties in professions and the role of rents and regulation: Evidence from Italian pharmacies, Journal of Public Economics, 133, pp.1-10.
Moulton, B. (1990), An
illustration of a pitfall in estimating the effects of aggregate variables on
micro unit, Review of Economics and
Statistics, 72, pp. 334-
338.
Olivetti, C. and D.M.
Paserman (2015), In the name of the son (and the daughter): Intergenerational
mobility in the United States, 1850-1940, American
Economic Review, 105, pp. 2695-2724.
Piketty, T. (2000),
Theories of persistent inequality and intergenerational mobility, in A.B.
Atkinson and F. Bourguignon (eds.), Handbook
of Income Distribution, 1, pp.
429-476, Amsterdam: North Holland.
Piketty, T. (2011), On
the long-run evolution of inheritance: France 1820-2050, Quarterly Journal of Economics, 126, pp. 1071-1131.
Piketty, T. and G.
Zucman (2015), Wealth and inheritance in the long run, in A.B. Atkinson and F.
Bourguignon (eds.), Handbook of Income
Distribution, 2, pp.
1303-1368,
Zylberberg, Y. (2014), Dynastic income mobility,
unpublished paper.
Tables
|
Table 1. Descriptive statistics |
|
|
|
Variable: |
Mean |
Standard |
|
|
|
deviation |
|
Panel A: 1427 Census |
|
|
|
Earnings
(florins) |
36.2 |
44.8 |
|
Real wealth
(florins) |
291.2 |
705.0 |
|
Age (years) |
45.92 |
16.46 |
|
Female (share) |
0.153 |
0.360 |
|
Lawyer (share) |
0.012 |
0.090 |
|
Banker (share) |
0.009 |
0.072 |
|
Medical doctor or pharmacist (share) |
0.039 |
0.141 |
|
Goldsmith (share) |
0.009 |
0.068 |
|
Panel B: 2000s
data |
|
|
|
Earnings
(euros) |
24,234 |
4,929 |
|
Real wealth
(euros) |
160,729 |
70,961 |
|
Age (years) |
58.39 |
3.03 |
|
Female (share) |
0.521 |
0.050 |
|
Lawyer (share) |
0.006 |
0.080 |
|
Banker (share) |
0.001 |
0.033 |
|
Medical doctor or pharmacist (share) |
0.010 |
0.101 |
|
Goldsmith (share) |
0.002 |
0.044 |
Source: In Panel A, data are taken from the 1427 Census. In Panel B,
data on earnings, real wealth, gender and age are taken from the Florence
statistical office (fiscal year 2011); data on professions are obtained
combining information taken from the Italian Internal Revenue Service (surnames
of the taxpayers for the province of Florence in 2005) and data from the
registry of the professional orders for lawyers (http://www.consiglionazionaleforense.it/site/home.html),
and for medical doctors and pharmacists (http://www.ordine-medici-firenze.it and
http://www.ordinefarmacisti.fi.it, respectively), data from the OR.SO. archive
for bankers and data from the National Business Register database for
goldsmiths.
|
|
Table 2. Persistence in families’ socioeconomic
status |
|
||
|
Surname |
Average |
Modal occupation |
Earnings |
Wealth |
|
|
Euros |
(1427) |
percentile |
percentile |
|
|
(2011) |
|
(1427) |
(1427) |
|
5
top earners in 2011: |
|
|
|
|
|
A |
146,489 |
Member of
shoemakers' guild |
97% |
85% |
|
B |
94,159 |
Member of wool guild |
67% |
73% |
|
C |
77,647 |
Member of silk
guild |
93% |
86% |
|
D |
73,185 |
Messer (lawyer) |
93% |
85% |
|
E |
64,228 |
Brick layer, sculptor, stone worker |
54% |
53% |
|
|
|
|
||
|
5
bottom earners in 2011: |
|
|
||
|
V |
9,702 |
Worker in combing, carding and sorting wool |
53% |
45% |
|
W |
9,486 |
Worker in combing, carding and sorting wool |
41% |
49% |
|
X |
9,281 |
Sewer of wool
cloth |
39% |
19% |
|
Y |
7,398 |
Medical doctor |
84% |
38% |
|
Z |
5,945 |
Member of
shoemakers' guild |
55% |
46% |
Source: Tax
records from the 1427 Census of Florence and from the Florence statistical
office (fiscal year 2011); surnames are not reported for privacy reasons.
|
Table 3. Earnings mobility: baseline |
|
||
|
Dependent
variable: |
Log of |
Log of |
Log of |
|
|
earnings |
earnings |
earnings |
|
Log
of ancestors’ earnings |
0.039** |
0.040** |
0.045** |
|
Standardized beta coefficient |
0.064 |
0.052 |
0.058 |
|
|
(0.017) |
(0.019) |
(0.022) |
|
Rank-rank
coefficient |
0.058** |
0.061** |
0.056** |
|
|
(0.027) |
(0.025) |
(0.025) |
|
Female |
NO |
YES |
YES |
|
Age and age
squared |
NO |
NO |
YES |
|
Observations |
806 |
806 |
806 |
|
R-squared |
0.007 |
0.025 |
0.048 |
Bootstrapped standard
errors in parentheses (1,000 replications); *** p<0.01, ** p<0.05, *
p<0.1.
|
Table 4. Real wealth
mobility: baseline |
|
||
|
Dependent
variable: |
Log of
wealth |
Log of
wealth |
Log of wealth |
|
Log
of ancestors’ wealth |
0.027*** |
0.026*** |
0.018** |
|
Standardized beta coefficient |
0.103 |
0.102 |
0.069 |
|
|
(0.008) |
(0.008) |
(0.008) |
|
Rank-rank
coefficient |
0.105*** |
0.105*** |
0.073** |
|
|
(0.031) |
(0.031) |
(0.030) |
|
Female |
NO |
YES |
YES |
|
Age and age
squared |
NO |
NO |
YES |
|
Observations |
679 |
679 |
679 |
|
R-squared |
0.018 |
0.020 |
0.110 |
Bootstrapped standard
errors in parentheses (1,000 replications); *** p<0.01, ** p<0.05, *
p<0.1.
|
Table 5. Earnings
mobility: transition matrix |
|
|||
|
Origin ↓ /
Destination→ |
|
Lower |
Middle class |
Upper |
|
|
||||
|
|
|
class |
|
Class |
|
Lower
class |
|
32.8 |
36.4 |
30.8 |
|
Middle class |
|
43.0 |
29.1 |
27.9 |
|
Upper class |
|
25.3 |
34.8 |
39.9 |
Table 6. Real wealth
mobility: transition matrix
|
Origin ↓ /
Destination→ |
Lower |
Middle
class |
Upper |
|
|
class |
|
Class |
|
Lower
class |
41.6 |
29.8 |
28.6 |
|
Middle class |
31.6 |
34.3 |
34.1 |
|
Upper class |
26.8 |
36.2 |
37.0 |
|
Table 7. Earnings
and real wealth mobility: robustness |
|
|||
|
Dependent
variable: |
Log of earnings |
Log of wealth |
||
|
Log of ancestors’ earnings/wealth |
0.065* |
0.061** |
0.023** |
0.016** |
|
|
(0.033) |
(0.030) |
(0.010) |
(0.008) |
|
Controls |
YES |
YES |
YES |
YES |
|
Specification |
Imputation |
Trimming |
Imputation |
Trimming |
|
|
procedure |
|
Procedure |
|
|
Observations |
806 |
790 |
679 |
667 |
|
R-squared |
0.068 |
0.048 |
0.085 |
0.101 |
In
column 1, earnings are corrected using the parameters estimated by Marino and
Zizza (2011); in column 3, we use real estate incomes instead of real wealth
imputed through the SHIW; columns 2 and 4 refer to the exclusion of the top and
bottom percentile of both the dependent and independent variables. Controls
include a dummy for female and age and age squared. Bootstrapped standard errors in
parentheses (1,000 replications); *** p<0.01, ** p<0.05, * p<0.1.
|
Table 8. Mobility
for rare and Florence-specific surnames |
|
|||
|
Dependent
variable: |
Log of |
Log of |
Log of |
Log of |
|
|
earnings |
wealth |
Earnings |
wealth |
|
Log of ancestors’ earnings/wealth |
0.076** |
0.019** |
|
|
|
|
(0.034) |
(0.009) |
|
|
|
× Less typical Florentine surnames |
|
|
0.021 |
0.014 |
|
|
|
|
(0.036) |
(0.010) |
|
× More typical Florentine surnames |
|
|
0.053* |
0.020* |
|
|
|
|
(0.027) |
(0.011) |
|
Controls |
YES |
YES |
YES |
YES |
|
Specification |
More weight to |
Differences by
low- high- |
||
|
|
rare surnames in 1427 Florence-specific surnames |
|||
|
Observations |
806 |
679 |
806 |
679 |
|
R-squared |
0.061 |
0.119 |
0.049 |
0.110 |
More
(less) typical Florentine surnames are those for which the ratio between the
surname share in Florence and the corresponding figure at the national level is
above (below) the median. Controls include a dummy for female and age and age
squared. Bootstrapped standard errors in parentheses (1,000 replications); ***
p<0.01, ** p<0.05, * p<0.1.
Table 9.
Earnings and wealth distribution by survival rate
|
|
Surviving |
Missing |
Difference |
|
|
families |
families |
|
|
Log
of ancestors’ earnings |
3.465 |
3.406 |
0.059** (0.026) |
|
Log of ancestors’
wealth |
4.628 |
4.504 |
0.124 (0.115) |
Surviving families refer to surnames that are present both in 1427
Census and in 2011 tax records; missing families are surnames existing in 1427
Census but not in 2011 tax records; standard errors in parenthesis; ***
p<0.01, ** p<0.05, * p<0.1.
|
Table 10. Heckman
corrected estimates |
|
|
|
Dependent
variable: |
Log of earnings |
Log of wealth |
|
Log of ancestors’ earnings/wealth |
0.047* |
0.025*** |
|
|
(0.027) |
(0.009) |
|
Controls |
YES |
YES |
|
Inverse Mills’
ratio |
0.008 |
0.226* |
|
|
(0.042) |
(0.130) |
|
Observations |
806 |
679 |
|
|
Probability of
surviving |
|
|
Size of the family in 1427 |
0.008*** |
0.003*** |
|
|
(0.001) |
(0.000) |
|
Observations |
1,895 |
1,895 |
Controls
include a dummy for female and age and age squared. Bootstrapped standard
errors in parentheses (1,000 replications); *** p<0.01, ** p<0.05, *
p<0.1.
Table 11.
Probability to belong to a given profession
|
Dependent
variable: |
Lawyer |
Banker |
Doctor or |
Goldsmith |
|
|
|
|
Pharmacist |
|
|
Share of ancestors in the same profession |
0.004*** |
0.001** |
0.001 |
0.004*** |
|
|
(0.001) |
(0.000) |
(0.002) |
(0.001) |
|
Observations |
133,193 |
133,193 |
133,193 |
133,193 |
|
R-squared |
0.000 |
0.000 |
0.000 |
0.000 |
Marginal
effects from a probit model are reported. Standard errors clustered at the
surname level in parentheses; *** p<0.01, ** p<0.05, * p<0.1.
|
|
RECENTLY PUBLISHED “TEMI” (*) |
|
N. 1037 |
– |
Deconstructing the gains from trade: selection of industries vs.
reallocation of |
|
|
|
workers,
by Stefano Bolatto and Massimo Sbracia (November 2015). |
|
N. 1038 |
– |
Young adults living with their parents and the influence of
peers, by
Effrosyni |
|
|
|
Adamopoulou and Ezgi Kaya
(November 2015). |
|
N. 1039 |
– |
Shoe-leather costs in the euro area and the
foreign demand for euro banknotes, by |
|
|
|
Alessandro Calza and Andrea
Zaghini (November 2015). |
|
N. 1040 |
– |
The macroeconomic effects of low and falling
inflation at the zero lower bound, by |
|
|
|
Stefano Neri and Alessandro Notarpietro (November 2015). |
|
N. 1041 |
– |
The use of fixed-term contracts and the
(adverse) selection of public sector workers, |
|
|
|
by Lucia Rizzica (November 2015). |
|
N. 1042 |
– |
Multitask agents and incentives: the case of teaching and research for
university |
|
|
|
professors,
by Marta De Philippis (November 2015). |
|
N. 1043 |
– |
Exposure to media and corruption perceptions, by Lucia Rizzica and Marco |
|
|
|
Tonello (November 2015). |
|
N. 1044 |
– |
The supply side of household finance, by Gabriele Foà, Leonardo Gambacorta, |
|
|
|
Luigi Guiso and Paolo Emilio Mistrulli (November 2015). |
|
N. 1045 |
– |
Optimal inflation weights in
the euro area, by
by Daniela Bragoli, Massimiliano |
|
|
|
Rigon and Francesco Zanetti
(January 2016). |
|
N. 1046 |
– |
Carry trades and exchange rate volatility: a TVAR approach, by Alessio Anzuini |
|
|
|
and Francesca Brusa (January 2016). |
|
N. 1047 |
– |
A new method for the correction of test scores manipulation by Santiago Pereda |
|
|
|
Fernández (January 2016). |
|
N. 1048 |
– |
Heterogeneous peer effects in education by by Eleonora Patacchini, Edoardo |
|
|
|
Rainone and Yves Zenou (January
2016). |
|
N. 1049 |
– |
Debt maturity and the liquidity of secondary debt markets, by Max Bruche and |
|
|
|
Anatoli Segura (January 2016). |
|
N. 1050 |
– |
Contagion and fire sales in banking networks, by Sara
Cecchetti, Marco Rocco and |
|
|
|
Laura Sigalotti (January 2016). |
|
N. 1051 |
– |
How does bank capital affect the supply of
mortgages? Evidence from a randomized |
|
|
|
experiment,
by Valentina Michelangeli and Enrico Sette (February 2016). |
|
N. 1052 |
– |
Adaptive models and heavy tails, by Davide Delle Monache and Ivan Petrella |
|
|
|
(February 2016). |
|
N. 1053 |
– |
Estimation of counterfactual distributions with
a continuous endogenous treatment, |
|
|
|
by Santiago Pereda Fernández (February 2016). |
|
N. 1054 |
– |
Labor force participation, wage rigidities, and inflation, by Francesco Nucci and |
|
|
|
Marianna Riggi (February 2016). |
|
N. 1055 |
– |
Bank internationalization and firm exports:
evidence from matched firm-bank data, |
|
|
|
by Raffaello Bronzini and Alessio
D’Ignazio (February 2016). |
|
N. 1056 |
– |
Retirement, pension eligibility and home
production, by Emanuele Ciani (February |
|
|
|
2016). |
|
N. 1057 |
– |
The real effects of credit crunch in the Great Recession: evidence
from Italian |
|
|
|
provinces, by Guglielmo Barone, Guido de Blasio and Sauro Mocetti (February |
|
|
|
2016). |
|
N. 1058 |
– |
The quantity of corporate credit rationing with
matched bank-firm data, by Lorenzo |
|
|
|
Burlon, Davide Fantino, Andrea
Nobili and Gabriele Sene (February 2016). |
|
N. 1059 |
– |
Estimating the money market microstructure with
negative and zero interest rates, |
|
|
|
by Edoardo Rainone and Francesco
Vacirca (February 2016). |
(*) Requests for copies should be sent to:
Banca
d’Italia – Servizio Studi di struttura economica e finanziaria – Divisione Biblioteca
e Archivio storico – Via Nazionale, 91 – 00184 Rome – (fax 0039 06 47922059). They are available on the Internet
www.bancaditalia.it.
"TEMI"
LATER PUBLISHED ELSEWHERE
2013
A. MERCATANTI,
A
likelihood-based analysis for
relaxing the exclusion
restriction in randomized experiments with imperfect compliance, Australian and New Zealand
Journal of Statistics, v. 55, 2,
pp.
129-153, TD No. 683 (August 2008).
F. CINGANO and P. PINOTTI, Politicians at
work. The private returns and social costs of political connections,
Journal of the European Economic Association, v. 11, 2, pp. 433-465, TD No. 709 (May 2009).
F. BUSETTI and J. MARCUCCI, Comparing forecast accuracy: a Monte Carlo investigation,
International Journal of Forecasting, v. 29, 1, pp. 13-27, TD No. 723 (September 2009).
D. DOTTORI, S. I-LING and F. ESTEVAN, Reshaping the schooling system: The role of
immigration, Journal of Economic Theory, v. 148, 5, pp. 2124-2149, TD No. 726 (October 2009).
A. FINICELLI, P. PAGANO and M. SBRACIA, Ricardian Selection, Journal of
International Economics, v. 89, 1, pp. 96-109, TD No. 728 (October 2009).
L. MONTEFORTE and G. MORETTI, Real-time
forecasts of inflation: the role of financial variables, Journal of
Forecasting, v. 32, 1, pp. 51-61, TD No.
767 (July 2010).
R. GIORDANO and P. TOMMASINO, Public-sector efficiency and political culture, FinanzArchiv, v.
69, 3, pp.
289-316, TD No. 786 (January 2011).
E. GAIOTTI, Credit availablility and
investment: lessons from the "Great Recession", European Economic
Review, v. 59, pp. 212-227, TD No. 793
(February 2011).
F. NUCCI and M. RIGGI, Performance
pay and changes in U.S. labor market dynamics, Journal of Economic Dynamics
and Control, v. 37, 12, pp. 2796-2813, TD
No. 800 (March 2011).
G. CAPPELLETTI, G. GUAZZAROTTI and P. TOMMASINO, What determines annuity demand at
retirement?, The Geneva Papers on Risk and Insurance – Issues and Practice,
pp. 1-26, TD No. 805 (April 2011).
A. ACCETTURO e L. INFANTE, Skills
or Culture? An analysis of the decision to work by immigrant women in Italy, IZA Journal of Migration, v.
2, 2, pp. 1-21, TD No. 815 (July 2011).
A. DE SOCIO, Squeezing
liquidity in a “lemons market” or asking liquidity “on tap”, Journal of
Banking and Finance, v. 27, 5, pp. 1340-1358, TD No. 819 (September 2011).
S. GOMES , P. JACQUINOT, M. MOHR and M. PISANI, Structural reforms and
macroeconomic performance in the euro
area countries: a model-based assessment, International Finance, v. 16, 1,
pp. 23-44,
TD No. 830 (October 2011).
G. BARONE and G. DE BLASIO, Electoral rules and voter turnout, International Review of Law and
Economics, v. 36, 1, pp. 25-35, TD No.
833 (November 2011).
O. BLANCHARD and M. RIGGI, Why are
the 2000s so different from the 1970s? A structural interpretation of changes in the macroeconomic effects of
oil prices, Journal of the European Economic Association, v. 11, 5, pp. 1032-1052, TD No. 835 (November 2011).
R. CRISTADORO and D. MARCONI, Household
savings in China, in G. Gomel, D. Marconi, I. Musu, B. Quintieri (eds), The
Chinese Economy: Recent Trends and Policy Issues, Springer-Verlag, Berlin,
TD No. 838 (November 2011).
A. ANZUINI, M. J. LOMBARDI and P. PAGANO, The impact of monetary policy shocks on
commodity prices, International Journal of Central Banking, v. 9, 3, pp.
119-144, TD No. 851 (February 2012).
R. GAMBACORTA and M. IANNARIO, Measuring job satisfaction with CUB models, Labour, v. 27, 2, pp.
198-224, TD No. 852 (February 2012).
G. ASCARI and T. ROPELE, Disinflation
effects in a medium-scale new keynesian model: money supply rule versus interest rate rule, European
Economic Review, v. 61, pp. 77-100, TD No. 867 (April 2012)
E. BERETTA and S. DEL PRETE, Banking consolidation and bank-firm credit relationships: the role of
geographical features and relationship
characteristics, Review of Economics and Institutions, v. 4, 3, pp. 1-46, TD No.
901 (February 2013).
M. ANDINI, G. DE BLASIO, G. DURANTON and W. STRANGE, Marshallian labor market pooling: evidence
from Italy, Regional Science and
Urban Economics, v. 43, 6, pp.1008-1022, TD No. 922 (July 2013).
G. SBRANA and A. SILVESTRINI, Forecasting aggregate demand: analytical comparison of top-down and
bottom-up approaches in a multivariate
exponential smoothing framework, International Journal of Production Economics, v. 146, 1, pp.
185-98, TD No. 929 (September 2013).
A. FILIPPIN, C. V, FIORIO and E. VIVIANO, The effect of tax enforcement on tax morale, European Journal
of Political Economy, v. 32, pp.
320-331, TD No. 937 (October 2013).
2014
G. M. TOMAT, Revisiting poverty and welfare
dominance, Economia pubblica, v. 44, 2, 125-149, TD No. 651 (December 2007).
M. TABOGA, The riskiness of corporate bonds, Journal of Money, Credit and
Banking, v.46, 4, pp. 693-713,
TD No. 730 (October 2009).
G. MICUCCI and P. ROSSI, Il ruolo delle tecnologie di prestito nella ristrutturazione dei debiti
delle imprese in crisi, in A.
Zazzaro (a cura di), Le banche e il credito alle imprese durante la crisi,
Bologna, Il Mulino,
TD No. 763 (June 2010).
F. D’AMURI, Gli effetti
della legge 133/2008 sulle assenze per malattia nel settore pubblico,
Rivista di politica economica, v. 105, 1, pp. 301-321, TD No. 787 (January 2011).
R. BRONZINI and E. IACHINI, Are
incentives for R&D effective? Evidence from a regression discontinuity approach, American Economic Journal :
Economic Policy, v. 6, 4, pp. 100-134, TD No. 791 (February 2011).
P. ANGELINI, S. N ERI and F. PANETTA, The interaction between capital requirements
and monetary policy, Journal of Money, Credit and Banking, v. 46, 6, pp.
1073-1112, TD No. 801 (March 2011).
M. BRAGA, M. P ACCAGNELLA and M. PELLIZZARI, Evaluating students’ evaluations of
professors, Economics of Education Review, v. 41, pp. 71-88, TD No. 825 (October 2011).
M. FRANCESE and R. MARZIA, Is
there Room for containing healthcare costs? An analysis of regional spending differentials in
TD No. 828 (October 2011).
L. GAMBACORTA and P. E. MISTRULLI, Bank heterogeneity and interest rate setting: what lessons have we learned since Lehman Brothers?, Journal
of Money, Credit and Banking, v. 46, 4, pp. 753-778,
TD No. 829 (October 2011).
M. PERICOLI, Real term structure and
inflation compensation in the euro area, International Journal of Central
Banking, v. 10, 1, pp. 1-42, TD No. 841
(January 2012).
E. GENNARI and G. MESSINA, How
sticky are local expenditures in
V. DI GACINTO, M. GOMELLINI, G. MICUCCI and M. PAGNINI, Mapping local productivity
advantages in
A. ACCETTURO, F. MANARESI, S. MOCETTI and E. OLIVIERI, Don't Stand so close to me: the
urban impact of immigration, Regional
Science and Urban Economics, v. 45, pp. 45-56, TD No. 866 (April 2012).
M. PORQUEDDU and F. VENDITTI, Do food commodity prices have asymmetric effects on euro area inflation, Studies in Nonlinear Dynamics
and Econometrics, v. 18, 4, pp. 419-443, TD No. 878 (September 2012).
S. FEDERICO, Industry dynamics and
competition from low-wage countries: evidence on
F. D’AMURI and G. PERI, Immigration,
jobs and employment protection: evidence from
TD No. 886 (October 2012).
M. TABOGA, What is a prime bank? A euribor-OIS spread perspective,
International Finance, v. 17, 1, pp.
51-75, TD No. 895 (January 2013).
G.
CANNONE and D. FANTINO, Evaluating the efficacy of european regional
funds for R&D, Rassegna italiana di valutazione, v. 58, pp. 165-196, TD No. 902 (February 2013).
L. GAMBACORTA and F. M. SIGNORETTI, Should monetary policy lean against the wind? An analysis based on a DSGE model with banking, Journal of
Economic Dynamics and Control, v. 43, pp. 146-74,
TD No. 921 (July 2013).
M. BARIGOZZI, CONTI A.M. and M. LUCIANI, Do euro area countries respond
asymmetrically to the common monetary
policy?, Oxford Bulletin of Economics and Statistics, v. 76, 5, pp. 693-714,
TD No. 923 (July 2013).
U. ALBERTAZZI and M. BOTTERO, Foreign
bank lending: evidence from the global financial crisis, Journal of
International Economics, v. 92, 1, pp. 22-35, TD No. 926 (July 2013).
R. DE BONIS and A. SILVESTRINI, The Italian financial cycle: 1861-2011, Cliometrica, v.8, 3, pp.
301-334,
TD No. 936 (October 2013).
G.
BARONE and S. MOCETTI, Natural disasters, growth and institutions:
a tale of two earthquakes, Journal of Urban Economics, v. 84, pp. 52-66, TD No. 949 (January 2014).
D. PIANESELLI and A. ZAGHINI, The
cost of firms’ debt financing and the global financial crisis, Finance
Research Letters, v. 11, 2, pp. 74-83, TD
No. 950 (February 2014).
J.
LI and G. ZINNA, On bank credit risk: sytemic or
bank-specific? Evidence from the
A. ZAGHINI, Bank bonds: size, systemic
relevance and the sovereign, International Finance, v. 17, 2, pp. 161-183, TD No. 966 (July 2014).
G. SBRANA and A. SILVESTRINI, Random switching exponential smoothing and
inventory forecasting, International Journal of Production Economics, v.
156, 1, pp. 283-294, TD No. 971 (October
2014).
M. SILVIA, Does issuing equity help R&D
activity? Evidence from unlisted Italian high-tech manufacturing firms, Economics of Innovation and New
Technology, v. 23, 8, pp. 825-854, TD No. 978 (October 2014).
2015
M. BUGAMELLI, S. FABIANI and E. SETTE, The age of the dragon: the effect of imports
from China on firm-level prices, Journal of Money, Credit and Banking, v.
47, 6, pp. 1091-1118, TD No. 737 (January 2010).
R. BRONZINI, The effects of extensive and
intensive margins of FDI on domestic employment: microeconomic evidence from
G. BULLIGAN, M. MARCELLINO and F. VENDITTI, Forecasting economic activity with targeted
predictors, International Journal of Forecasting, v. 31, 1, pp. 188-206, TD No. 847 (February 2012).
A. CIARLONE, House price cycles in emerging economies, Studies in Economics and
Finance, v. 32, 1,
TD No. 863 (May 2012).
D. FANTINO, A. MORI and D. SCALISE, Collaboration between firms and universities
in
TD No. 884 (October 2012).
D. DEPALO, R. GIORDANO and
evidence from quantile decomposition analysis, Empirical Economics, v. 49, 3, pp.
985-1115, TD
No. 907 (April 2013).
G.
BARONE and G. NARCISO, Organized crime and business subsidies:
Where does the money go?, Journal of Urban Economics, v. 86, pp. 98-110, TD No. 916 (June 2013).
P.
ALESSANDRI and B. NELSON, Simple banking: profitability and the yield
curve, Journal of Money, Credit and Banking, v. 47, 1, pp. 143-175, TD No. 945 (January 2014).
M.
TANELI and B. O HL, Information acquisition and learning from
prices over the business cycle, Journal of Economic Theory, 158 B, pp.
585–633, TD No. 946 (January 2014).
R. AABERGE and A. BRANDOLINI, Multidimensional poverty and inequality, in A. B. Atkinson and F.
Bourguignon (eds.), Handbook of Income Distribution, Volume 2A, Amsterdam,
Elsevier,
TD No. 976 (October 2014).
V. CUCINIELLO and F. M. SIGNORETTI, Large banks,loan rate markup and monetary policy, International
Journal of Central Banking, v. 11, 3, pp. 141-177, TD No. 987 (November 2014).
M. FRATZSCHER, D. RIMEC, L. SARNOB and G. ZINNA, The scapegoat theory of exchange rates: the
first tests, Journal of Monetary
Economics, v. 70, 1, pp. 1-21, TD No. 991 (November 2014).
A. NOTARPIETRO and S. SIVIERO, Optimal
monetary policy rules and house prices: the role of financial frictions, Journal of Money, Credit and
Banking, v. 47, S1, pp. 383-410, TD No. 993 (November 2014).
R. ANTONIETTI, R. BRONZINI and G. CAINELLI, Inward
T. CESARONI, Procyclicality of credit rating
systems: how to manage it, Journal of Economics and Business, v. 82. pp.
62-83, TD No. 1034 (October 2015).
M. RIGGI and F. VENDITTI, The time varying effect of oil
price shocks on euro-area exports, Journal of Economic Dynamics and
Control, v. 59, pp. 75-94, TD No. 1035
(October 2015).
FORTHCOMING
G. DE BLASIO, D. FANTINO and G. PELLEGRINI, Evaluating the impact of innovation
incentives: evidence from an
unexpected shortage of funds, Industrial and Corporate Change, TD
No. 792 (February 2011).
A. DI CESARE, A. P. STORK and C. DE V RIES , Risk
measures for autocorrelated hedge fund returns, Journal of Financial
Econometrics, TD No. 831 (October 2011).
E. BONACCORSI DI PATTI and E. SETTE, Did the securitization market freeze affect
bank lending during the financial
crisis? Evidence from a credit register, Journal of Financial
Intermediation, TD No. 848 (February 2012).
M. MARCELLINO, M. PORQUEDDU and F. VENDITTI, Short-Term GDP Forecasting with a mixed
frequency dynamic factor model with
stochastic volatility, Journal of Business & Economic Statistics,
TD No. 896 (January 2013).
M. ANDINI and G. DE BLASIO, Local development that money cannot buy:
F BRIPI, The role of regulation on entry:
evidence from the Italian provinces, World Bank Economic Review, TD No. 932 (September 2013).
G. ALBANESE, G. DE BLASIO and P. S ESTITO, My parents taught me. evidence on the family
transmission of values, Journal
of Population Economics, TD No. 955 (March 2014).
A. L. MANCINI, C. MONFARDINI and S. PASQUA, Is a good example the best sermon?
Children’s imitation of parental
reading, Review of Economics of the Household, TD No. 958 (April 2014).
R. BRONZINI and P. PISELLI, The impact of R&D subsidies on firm innovation, Research
Policy, TD No.
960 (April 2014).
L. BURLON, Public expenditure distribution, voting, and growth, Journal of
Public Economic Theory, TD
No. 961 (April 2014).
L. BURLON and M. VILALTA- BUFI, A new
look at technical progress and early retirement, IZA Journal of Labor
Policy, TD No. 963 (June 2014).
A. BRANDOLINI and
G. ZINNA, Price pressures on
A. CALZA and A. ZAGHINI, Shoe-leather costs in the euro area and the foreign demand for euro banknotes, International Journal of Central Banking, TD No. 1039 (De
