📈 economics

Targeting Efficiency in Means Testing: A Comparison of Money-Metric and Counting Approaches

Questo articolo dimostra che, nell'utilizzare dati familiari identici, un approccio di aggregazione basato su una metrica monetaria supera significativamente un approccio basato sul conteggio in termini di efficienza di targeting per i test di reddito medio, stabilendo la struttura dell'aggregazione come un determinante critico delle prestazioni della protezione sociale.

Autori originali: Federico Perali, Martina Menon, Eva Sierminska

Pubblicato 2026-08-04

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Federico Perali, Martina Menon, Eva Sierminska

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate di essere il capo cuoco di una mensa per poveri enorme, che cerca di sfamare le persone più affamate della città. Avete una lista di ingredienti (denaro, risparmi, salute, dimensione del nucleo familiare) che potrebbero dirvi chi è veramente affamato. Ma ecco la parte difficile: come mescolate questi ingredienti per decidere chi riceve una ciotola? Sommate il valore di tutto ciò che possiedono, come un calcolatore finanziario? O contate semplicemente quanti "eventi negativi" ci sono nella loro lista, come una checklist di sventure? Questo è il cuore di un campo chiamato means testing (verifica dei mezzi), ovvero il processo che i governi usano per capire chi merita aiuto. La grande domanda non è solo quali informazioni raccogliamo, ma come le combiniamo. Se mescoliamo gli ingredienti nel modo sbagliato, potremmo accidentalmente nutrire persone che hanno la pancia piena, lasciando invece i veri affamati in attesa. Questo articolo approfondisce esattamente questo problema, confrontando due diversi "ricette" per decidere chi riceve la zuppa.

I ricercatori, Federico Perali, Martina Menon ed Eva Sierminska, hanno allestito un esperimento affascinante per vedere quale ricetta funzioni meglio. Non hanno solo tirato a indovinare; hanno utilizzato dati reali provenienti da 7.951 nuclei familiari italiani per testare due approcci distinti. Il primo approccio è l'Indice Monetario-Metrico. Pensate a questo come a un sofisticato frullatore per smoothie. Ci buttate dentro reddito, risparmi, salute e dimensione della famiglia, e il frullatore mescola tutto in un unico numero fluido. Capisce che un dollaro vale di più per una persona sola rispetto a una famiglia di cinque, e può compensare un po' di cattiva salute con molti risparmi. È un approccio "cardinale", il che significa che tratta il benessere come una scala continua dove le cose possono annullarsi a vicenda.

Il secondo approccio è il Metodo del Conteggio. Immaginate questo come una cartella del "bingo della sfortuna". Invece di frullare tutto, contate semplicemente quanti riquadri potete spuntare. Hai avuto un basso reddito? Spunta. Non hai risparmi? Spunta. Qualcuno è malato? Spunta. Se spunti abbastanza caselle (diciamo tre su cinque), sei dichiarato povero. Questo metodo tratta ogni casella come un fatto separato e immutabile. Non permette ai tuoi risparmi di "compensare" la tua cattiva salute; si limita a contare i colpi ricevuti.

Il documento sottopone questi due metodi a un rigoroso stress test. Hanno fornito a entrambi i metodi le stesse identiche informazioni sulle stesse famiglie: stesso reddito, stessi beni, stessa salute, stesse dimensioni familiari. L'unica cosa che cambiava era la "ricetta" per combinare i dati. Per vedere chi avesse ragione, hanno confrontato i risultati con un gruppo di riferimento di persone che erano realmente in difficoltà (definite da basso reddito, incapacità di risparmiare e difficoltà auto-percepite).

I risultati sono stati chiari e sorprendenti, sebbene con una importante sfumatura. L'approccio Monetario-Metrico (il frullatore) è stato generalmente migliore nel trovare le persone giuste, ma non era perfetto. Ha commesso errori, specificamente "errori di Tipo II", il che significa che ha effettivamente lasciato fuori un numero significativo di persone che avevano realmente bisogno di aiuto (circa il 38% in alcuni test). Tuttavia, l'approccio del Conteggio (la cartella del bingo) è stato molto più capriccioso e spesso peggiore in questo compito specifico. Man mano che i ricercatori aggiungevano più categorie alla cartella del bingo (come "disoccupazione" o "pensione"), il metodo del conteggio ha iniziato a perdere un numero enorme di persone povere, escludendo quasi tutti coloro che non rientravano in un profilo di miseria molto specifico e ristretto.

In uno scenario specifico, i due metodi erano statisticamente in parità nel numero totale di errori. Ma anche in caso di pareggio, commettevano tipi di errori differenti. Il metodo monetario-metrico era molto più bravo a evitare gli "errori di Tipo I" (dare la zuppa a chi non ne aveva bisogno), mentre il metodo del conteggio era molto peggiore in questo. Quando i ricercatori hanno pesato entrambi i tipi di errore in modo uguale, l'approccio monetario-metrico ha generalmente offerto una prestazione più equilibrata e affidabile, mentre l'approccio del conteggio è diventato estremamente sensibile al numero di caselle presenti sulla cartella.

Uno dei risultati più interessanti riguardava la visione della pensione. Il metodo del conteggio trattava l'essere pensionati come una "casella negativa" da spuntare, segnalando automaticamente molte persone in pensione come povere, anche se la loro pensione era sufficiente per vivere. L'approccio monetario-metrico, invece, guardava al denaro effettivo che entrava da quella pensione e decideva: "Ok, hanno reddito sufficiente, non sono poveri". Il metodo del conteggio giudicava essenzialmente le persone in base alla loro etichetta (pensionato), mentre l'approccio monetario-metrico le giudicava in base alla loro situazione reale.

Gli autori suggeriscono che il metodo del conteggio sia troppo rigido. È come cercare di giudicare un film complesso contando solo quante volte il protagonista piange; si rischia di perdere l'intera storia. L'approccio monetario-metrico, mescolando tutto insieme, crea un quadro più accurato della vita reale di un nucleo familiare. Sebbene il metodo del conteggio possa essere più semplice da amministrare, il documento dimostra che porta a errori di esclusione molto più elevati — lasciando i veri bisognosi al freddo — o costringe a un compromesso in cui bisogna far entrare molti soggetti non aventi diritto per riuscire a intercettare i poveri.

In definitiva, lo studio suggerisce che se vogliamo costruire reti di sicurezza sociale giuste ed efficienti, specialmente in luoghi come l'Unione Europea dove i paesi stanno cercando di coordinare i propri sistemi, dovremmo orientarci verso l'approccio del "frullatore". Non si tratta solo di avere più dati; si tratta di avere un modo più intelligente per mescolarli. L'approccio monetario-metrico non ha bisogno di informazioni segrete che il metodo del conteggio non possiede; semplicemente elabora le informazioni condivise in un modo che rispetta la complessità della vita reale, assicurando che le persone che sono veramente in difficoltà ricevano l'aiuto di cui hanno bisogno con meno errori complessivi.

Sintesi Tecnica: Efficienza del Targeting nel Means Testing

Problematica
L'efficacia degli strumenti di means-testing per la protezione sociale dipende da due scelte progettuali critiche: la selezione delle informazioni da raccogliere sulle famiglie e il metodo utilizzato per aggregare tali informazioni in criteri di ammissibilità. Mentre la letteratura ha ampiamente dibattuto i meriti relativi di diversi fondamenti informativi (ad esempio, reddito rispetto ad attività o indicatori multidimensionali), la seconda scelta — come combinare le dimensioni della deprivazione — ha ricevuto un esame comparativamente minore. Questo documento affronta tale lacuna indagando se diverse strutture di aggregazione, applicate a un identico fondamento informativo, producano risultati di targeting sistematicamente differenti. Nello specifico, confronta un indice monetario-metrico, che aggrega le dimensioni in modo cardinale basandosi sulla teoria del benessere, con una misura di povertà basata sul conteggio, che tratta le dimensioni come binarie e non compensabili. La questione centrale è se questi due approcci siano strumenti intercambiabili per identificare i beneficiari aventi diritto o se la struttura di aggregazione sia essa stessa un determinante primario dell'efficienza del targeting.

Metodologia
Lo studio impiega un disegno sperimentale controllato utilizzando dati a livello di nucleo familiare tratti dal 2010 Survey of Household Income and Wealth (SHIW) dell'Italia, condotto dalla Banca d'Italia. Il campione comprende 7.951 nuclei familiari.

Fondamento Informativo: Entrambi gli approcci utilizzano un set identico di dimensioni: reddito disponibile ( $Y$ ), ricchezza finanziaria ($FW$), ricchezza non finanziaria ($NFW$) e quattro caratteristiche normative del nucleo familiare: salute precaria ($HE$), genitorialità single ($SP$), disoccupazione ( $U$ ) e pensionamento ($RE$).
L'Approccio Monetario-Metrico: Questo metodo aggrega le dimensioni in un unico indicatore cardinale del benessere. Converte la ricchezza netta in un valore di rendita annua e la combina con il reddito disponibile. Fondamentalmente, applica scale di equivalenza (sia basate sui dati che ibride) per regolare la composizione del nucleo familiare e le caratteristiche normative (ad esempio, disabilità, genitorialità single). Ciò garantisce la comparabilità interpersonale e consente la compensazione tra le dimensioni (ad esempio, l'alto livello di attività può compensare un basso reddito). L'indice risultante è Completamente Comparabile Cardinalmente (CFC).
L'Approccio del Conteggio: Basato sulla metodologia di Alkire-Foster (2011), questo approccio identifica i nuclei familiari come deprivati dimensione per dimensione rispetto a specifici cutoff. Costruisce una matrice di deprivazione in cui i nuclei familiari sono classificati come poveri se il loro conteggio di deprivazioni pesato supera una soglia ( $K$ ). In questo quadro, le dimensioni sono trattate come binarie; non vi è alcuna aggregazione cardinale prima dell'identificazione e non viene generata alcuna classificazione del benessere interpersonale.
Costruzione del Benchmark: Per valutare la performance del targeting, gli autori costruiscono un gruppo di "benchmark poveri" esogeno. Un nucleo familiare è incluso in questo benchmark solo se soddisfa simultaneamente tre condizioni: (1) basso reddito da lavoro disponibile equivalente (al di sotto del 40° percentile), (2) bassa capacità di risparmio (incapacità di risparmiare o prelievo dai risparmi) e (3) difficoltà economiche auto-riferite ("con molte difficoltà").
Metriche di Performance: Lo studio misura gli errori di Tipo I (errori di inclusione: nuclei non poveri erroneamente classificati come aventi diritto) e gli errori di Tipo II (errori di esclusione: nuclei poveri erroneamente privati del sostegno). L'efficienza del targeting è definita come il metodo che minimizza l'incidenza congiunta di questi due errori, assegnando un peso uguale a entrambi.

Contributi Chiave

Quadro Comparativo Unificato: Il documento sviluppa un quadro trasparente che isola l'effetto puro della struttura di aggregazione sulla performance del targeting. Mantenendo costanti l'informazione, le soglie di deprivazione e le scale di equivalenza in entrambi i metodi, lo studio attribuisce le differenze nei risultati esclusivamente alla regola di aggregazione (cardinale vs binaria/non compensabile).
Valutazione Empirica degli Errori di Targeting: Gli autori forniscono una misura empirica diretta della performance politica stimando gli errori di inclusione e di esclusione sotto diverse soglie di ammissibilità e conteggi di dimensioni, andando oltre i confronti teorici verso l'efficienza pratica del targeting.
Implicazioni per l'Armonizzazione delle Politiche: Lo studio documenta le conseguenze di queste differenze metodologiche per l'armonizzazione dei criteri di ammissibilità della protezione sociale, particolarmente nel contesto dell'Unione Europea dove i sistemi si affidano attualmente ad approcci disparati.

Risultati
L'analisi empirica produce diversi risultati robusti:

Superiorità dell'Approccio Monetario-Metrico: L'approccio monetario-metrico fornisce costantemente errori di targeting totali sostanzialmente inferiori rispetto all'approccio del conteggio. Esso ottiene un migliore equilibrio tra errori di inclusione ed esclusione in varie specifiche.
Sensibilità alla Dimensionalità: L'approccio del conteggio è altamente sensibile al numero di dimensioni considerate. All'aumentare delle dimensioni, la capacità del metodo di conteggio di identificare correttamente i poveri diminuisce drasticamente (aumentando gli errori di esclusione), mentre gli errori di inclusione possono scendere vicino allo zero. Al contrario, l'approccio monetario-metrico rimane più stabile indipendentemente dalla dimensionalità.
Ruolo delle Attività (Assets): L'incorporazione delle informazioni sulle attività (finanziarie e non finanziarie) riduce significativamente gli errori di inclusione per entrambi i metodi, ma è particolarmente efficace nel quadro monetario-metrico. Ignorare le attività porta a una classificazione errata sistematica e a un maggiore tasso di dispersione (leakage).
Trattamento dell'Eterogeneità: L'approccio del conteggio tratta le caratteristiche normative (come il pensionamento o la genitorialità single) come esplicite dimensioni di deprivazione, categorizzando i nuclei familiari in base allo status indipendentemente dai loro reali livelli di risorse. L'approccio monetario-metrico integra queste caratteristiche attraverso scale di equivalenza, valutando l'esito di tali status sul benessere. Di conseguenza, i due metodi identificano profili di nuclei familiari "poveri" marcatamente diversi; ad esempio, il metodo del conteggio identifica una proporzione molto più alta di nuclei pensionati come poveri rispetto al metodo monetario-metrico, che tiene conto del reddito da pensione.
Significatività Statistica: La differenza nei tassi di errore totale tra i due approcci è statisticamente significativa (superando gli otto errori standard nella maggior parte delle specifiche), confermando che la struttura di aggregazione è un determinante di primo ordine della performance.

Significatività e Rivendicazioni
Il documento sostiene che la struttura di aggregazione è un determinante di primo ordine della performance del means-testing, indipendentemente dal contenuto informativo utilizzato. I risultati suggeriscono che l'approccio monetario-metrico offre una base più affidabile e coerente con la teoria per la costruzione di criteri di ammissibilità unificati.

Gli autori argomentano che l'aggregazione "atematica" delle deprivazioni binarie del conteggio su dimensioni incommensurabili non riesce a fornire un ordinamento interpersonale completo del benessere, portando a elevati errori di esclusione e a un targeting instabile all'aumentare delle dimensioni. Al contrario, l'approccio monetario-metrico, basato sulla teoria del benessere e sulle scale di equivalenza, preserva la comparabilità interpersonale e consente scambi compensativi tra le dimensioni.

Per i decisori politici, specialmente nel contesto della modernizzazione e dell'armonizzazione dei sistemi di protezione sociale (ad esempio, all'interno dell'UE), il documento conclude che la scelta della struttura di aggregazione non è neutrale. Uno strumento monetario-metrico non richiede necessariamente dati superiori per superare i metodi di conteggio; piuttosto, esso elabora le informazioni condivise in modo più efficace rispettando la natura cardinale del benessere e l'eterogeneità dei bisogni delle famiglie. Questo vantaggio strutturale lo rende uno strumento più coerente per minimizzare gli errori di targeting e garantire un accesso equo ai trasferimenti sociali.

Articoli simili