rivista italiana di economia demografia e statistica - Sieds

120
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
53.73%
19.78% 18.66%
NO, PERCHE'
7.84%
Volume LXV n. 1 – Gennaio-Marzo 2011
Cercare subito un lavoro
Corso di formazione
Poca propensione
per gli studi universitari
Problemi economici
Alla domanda «Le facoltà universitarie a carattere scientifico sono poco scelte
dagli studenti. Secondo te, perché?» ciascun intervistato ha indicato una
motivazione, ritenuta la più significativa; la motivazione più frequentemente
espressa è stata “Mancanza di solide basi scientifico-matematiche acquisite dallo
studente”, seguita da “Consapevolezza di non essere portato per tale tipo di studi”.
La bassa iscrizione in facoltà a carattere scientifico sembra, quindi, essere legata a
carenze di base degli studenti della scuola di secondo grado, nell’ambito
matematico.
3. Modelli di regressione logistica
Al fine di ottenere un modello statistico in grado di rappresentare e testare la
dipendenza della “propensione all’iscrizione universitaria” da fattori predittivi, sulla
base della natura delle variabili rilevate, si è ritenuto opportuno, tra i possibili
approcci metodologici, scegliere il modello di regressione logistica (Kleimbaum,
2002), essendo la variabile risposta di tipo dicotomico. In particolare sono stati
stimati due modelli statistici: il primo, volto a formalizzare la dipendenza della
propensione all’iscrizione universitaria da variabili riferite allo studente, alla sua
carriera scolastica e all’influenza esercitata dalla famiglia e dai coetanei; il secondo,
volto ad individuare, per i soli studenti propensi all’iscrizione, i fattori legati alla
scelta della tipologia di facoltà universitaria.
Come è noto, la regressione logistica è un caso particolare di modello lineare
generalizzato avente come funzione link la funzione «logit». Si tratta di un modello
di regressione applicato nei casi in cui la variabile dipendente y sia, appunto, di tipo
dicotomico riconducibile ai valori 0 e 1. La probabilità che la variabile y assuma
valore 1 è funzione dei regressori x = ( 1, x1,
x2
,..., xk
) , P(Y=1| X=x). In particolare
si ha
π
( x)
exp
=
1+
exp
( β 0 + β1x1
+ ... + β k xk
)
( β + β x + ... + β x )
0
1
1
k
k
.