Lavoro, Oltre Cultura

Classi sociali nelle elezioni 2018 e 2019: un’analisi bayesiana del voto

Come hanno votato le classi sociali? Una volta, la divisione tra chi ha molto e chi ha poco era alla base delle differenze tra partiti, e i “partiti di classe” dominavano. Da quando negli anni ’90 una classe dirigente in pieno delirio di onnipotenza ha dichiarato la fine della Storia (e del conflitto), c’è stato un continuo   sgretolamento del senso di identità comune tra chi appartiene ad una stessa classe sociale. La scena è stata conquistata da partiti “pigliatutto”, pronti ad attuare un programma oppure il suo contrario, e da partiti “di  notabili”, meri esecutori, ormai guidati direttamente dai Berlusconi o dai Trump che perseguono propri interessi.

Sappiamo che una classe in sè che esiste nella società non sempre diventa una classe per sè, coscente dei suoi interessi e capace di organizzarli in forma di partito. E oggi, tra sinistra di destra e nazionalismi, è sempre più difficile dire chi rappresenta chi. Ci dicono che i poveri sono tutti razzisti (cosa già confutata, si veda per esempio qui) e che gli interessi degli imprenditori coincidono con quelli dei salariati.

Quindi, abbiamo provato a indagare coi dati la questione di chi rappresenta chi – e di chi non è rappresentato affatto. Useremo la statistica bayesiana per fare luce sulla questione: col teorema di Bayes, si parte da un’ipotesi a priori e la si modifica guardando la realtà dei dati. Così faremo. La nostra ipotesi di base è che possiamo individuare nei voti una logica che dipende dal portafogli. Quello che ci faremo dire dai dati è come si muovono questi voti tra i vari partiti italiani, confrontando le elezioni politiche del 2018 e quelle europee del 2019.

L’analisi

Questa analisi, insomma, si basa su una stima di come hanno votato le diverse classi di reddito, nel Nord, nel Centro, e nel Sud. Non ci basiamo su nessun sondaggio: consideriamo soltanto le schede nelle urne e le dichiarazioni dei redditi 1. La spiegazione dei dettagli matematici è in fondo dell’articolo, ma il succo è questo: proviamo a far corrispondere il voto di una certa classe di reddito con quante schede sono effettivamente state contate, e cerchiamo l’ipotesi che funziona meglio sui migliaia di comuni considerati. Dal momento che per ciascun comune sappiamo sia quante persone appartengono a ogni fascia di reddito, sia quanti voti ha preso  un certo partito, troviamo le percentuali cha fanno “quadrare i conti” per tutti i partiti (e per l’astensione).

Come ogni analisi statistica ci sono delle puntualizzazioni da fare. La prima è che non abbiamo certezza sul rapporto causa-effetto: l’ipotesi proposta è quella più semplice, rasoio di Occam alla mano. Se nei comuni dove ci sono 1000 ricchi in più, un partito prende 1000 voti in più, supponiamo sia perchè sta pescando voti da quella classe.

Per questo motivo, non consideriamo comuni sopra i 100 000 abitanti, cercando di eliminare ogni possibile fattore di confusione. L’analisi proposta si basa infatti su una divisione ISTAT comune per comune: ma i grossi comuni hanno una distribuzione di voto e di classe particolare, ma sono troppo pochi per fare un’analisi separata (sono 45 sui 7800 considerati). Tutte le conclusioni che proponiamo valgono perciò solo per i comuni sotto i 100 000 abitanti.

[Eliminare dall’analisi un subset così importante come le grandi città sopra i 100.000 abitanti non è una scelta indolore ai fini dei risultati. Parliamo di 45 città contenenti oltre 14 milioni di abitanti, con un connotato di voto e di vissuto ben preciso rispetto al resto del Paese. Ci permette però di rivolgerci all’altra Italia: la provincia. Così bistrattata e dimenticata dai  grandi e piccoli partiti di ogni posizionamento che concentrano sempre più i propri sforzi sulle grandi città, spesso questa fetta del Paese viene lasciata a sè stessa sempre più in balia dei mass media generalisti e meno esposti ai grandi cambiamenti, nel bene o nel male.
n.d.r.]

Infine, non consideriamo le regioni Val D’Aosta e Trentino Alto Adige: la presenza di partiti locali autonomi rende lo scenario politico in queste regioni radicalmente diverso. Divideremo quindi l’Italia in tre aree: Nord (senza Val D’Aosta e Trentino), Centro e Sud.

Le classi considerate

Iniziamo mostrando cosa intendiamo per classe di reddito. Nonostante i dati ISTAT ci consentirebbero di analizzare altre distinzioni di classe, come esempio salariati e non, sarebbe difficile distinguere il lavoro autonomo, ma di fatto salariato, di una finta partita IVA da quello di chi paga decine di persone. Per questo motivo ci siamo basati unicamente su una versione semplificata delle fascie di reddito ISTAT. Distinguiamo quindi cinque classi di reddito:

  • Chi guadagna sotto i 15 mila euro annui, fascia di reddito bassa. Qui troviamo per esempio pensionati con la “minima” – la media nazionale dei redditi da pensione è 14.665 euro – così come molti lavoratori, principalmente salariati. Ricordiamo che la soglia di povertà in Italia si aggira sui 9 mila euro annui: questa fascia di reddito comprende anche loro. In ognuna delle tre aree considerate, è la classe più popolosa: 6 milioni di persone al Nord, 5 al centro e quasi 7 al Sud.
  • Chi sta tra i 15 e i 26 mila euro: fascia medio-bassa. In questa fascia in generale ci aspettiamo di trovare  il grosso dei lavoratori salariati: il lavoratore dipendente medio in Italia guadagna 17.370 euro: “Il reddito medio da lavoro dipendente raggiunge il picco di circa 20.490 euro in corrispondenza della classe prossima al pensionamento e scende rapidamente a 16.360 euro tra gli ultrasessantacinquenni”. Sono la seconda fascia più popolosa: 5 milioni di persone al Nord, tra i 3 e 4 sia al Centro che al Sud. 2
  • Chi sta tra i 26 e i 55 mila euro: fascia medio-alta. Middle class e upper-middle class: rientrano in questa fascia tipicamente lavoratori in proprio – il reddito medio di un lavoratore autonomo è di circa 36 mila euro l’anno – e categorie professionali specializzate. Per esempio, il reddito medio di un ingegnere è di 37 mila euro l’anno 3. Questa classe è la più piccola tra le tre viste finora, e include circa 4 milioni di persone al Nord, meno di 3 al centro e 2 al Sud.
  • Infine distinguiamo due fascie “alte”: i redditi tra i 55 e i 75 mila euro e i redditi oltre i 75 mila euro. Imprenditori, professionisti di alto livello. Ognuna conta meno di mezzo milione di persone in ogni area considerata. Notiamo come le barre d’errore che mostreremo nei risultati siano più larghe in questa fascia, dal momento che è meno numerosa; ma ci permetteranno comunque di verificare alcuni risultati.
  • Infine, abbiamo stimato il numero di elettori non contribuenti, semplicemente confrontando numero di elettori e numero di dichiarazioni dei redditi. In questa classe ci aspettiamo quindi di trovare giovani, studenti, inattivi, disoccupati di lungo corso, e lavoratori costretti al lavoro nero. Sono circa 1 milione sia al Nord che al Centro; al Sud raggiungono invece l’impressionante numero di 4 milioni e mezzo di persone.

Risultati

Prima di tutto, questa analisi conferma molti fatti noti. Il Movimento 5 Stelle alle politiche del 2018 è stato il partito scelto dalle classi lavoratrici di reddito medio-basso, specialmente al Sud. Stimiamo che al Sud, nella fascia 15-26 mila euro annui, il M5S abbia sfiorato il 60% sugli aventi diritto; al Nord, nella stessa fascia, avrebbe raccolto tra il 30% e il 40% degli aventi diritto – circa come la Lega. Inoltre, il Movimento nel 2018 aveva attirato i voti dei non contribuenti – quindi giovani e/o disoccupati di lungo corso – in tutta Italia.

Alle Europee del 2019, il M5S ha perso tutti questi voti. Giovani e inattivi sembra abbiano abbandonato in massa il M5S. Al Nord in questa fascia i Cinque Stelle passano da oltre il 40% a meno del 10%. Ma se al Nord

una parte di questi voti è andata alla Lega, al Sud i voti della fascia di reddito medio-basso in fuga dal M5S sono andati al non voto. Con il Movimento che passa dal 60% al 20% degli aventi diritto in questa fascia, nè la Lega nè altri guadagnano granchè. In particolare nessun voto in fuga da questa fascia medio- bassa sembra venire intercettato Partito Democratico.

Infatti, il PD si conferma in gran parte d’Italia come il partito delle classi alte e medio-alte; in particolare al Nord, dove nella fascia medio-alta stiamiamo il PD oltre il 40% degli aventi diritto, e nella fascia più alta sembra essere attorno al 50%.

È interessante notare come sia cambiato tra 2018 e 2019 il voto al PD. Il Partito Democratico, che ha    salutato il risultato delle Europee come un successo, incrementa i proprio voti perlopiù nelle classi alte e medio alte, dove già si trova la maggior parte del suo elettorato. L’eccezione è al Centro, che include le regioni “rosse”, dove circa metà della fascia medio-bassa ha votato PD nel 2018. Ma proprio questo evidenzia come nella fascia medio-bassa il PD perda ovunque. Nelle regioni rosse, dove per ragioni storiche il PD ancora raccoglie voti dei redditi medio-bassi, li sta sempre più perdendo, per guadagnarne invece nelle fascie di    reddito più alte.

È specialmente interessante il caso del Nord. Qui la fascia upper class con reddito tra i 55 e il 75 euro annui che nel 2018 aveva votato Forza Italia si è trasferita in buona parte sul Partito Democratico. FI era evidentemente il partito di riferimento di questa fascia al Nord: stimiamo percentuali tra il 40% e il 60% degli aventi diritto per il 2018. Tuttavia, nel 2019 Berlusconi vede questi consensi dimezzati; ne gode il PD, che guadagna circa dieci punti percentuali. Scopriamo quindi che il cosiddetto “successo” del PD alle Europee conferma la direzione di questo partito, che rappresenta sempre di più gli interessi delle classi medio-alte del paese.

È infatti evidente come la fascia sotto i 15 mila euro di reddito sembra non essere minimamente parte dell’elettorato del Partito Democratico. È importante notare però che neanche gli altri partiti, alle Europee del 2019, sono riusciti a raccogliere il voto delle fascie più basse. Al Nord, dove tra 15 e 26 mila euro la Lega raggiunge il 50%, nella classe più bassa non arriva al 20%. Alle Politiche del 2018, il M5S nel Centro e al Sud aveva conquistato qualche voto in questa fascia; ma dopo un anno di governo – in cui, per esempio, si è svelato come il “reddito di cittadinanza” assomigli in realtà a una versione peggio finanziata dell’Hartz IV tedesco, e sia cioè coercitivo e precarizzante – questi voti sono fuggiti dal Movimento per tornare perlopiù nell’astensione. Tra chi se la passa peggio, il non voto la fa da padrone.

 

Nord
### Politiche 2018

### Europee 2019

Centro

### Politiche 2018### Europee 2019

Sud

### Politiche 2018### Europee 2019

Appendice metodologica

L’analisi presentata si basa, matematicamente, su quanto segue. Prendiamo in considerazione un certo insieme di partiti. Nel nostro caso, abbiamo considerato i maggiori 8 partiti in ogni elezione. A questi, aggiungiamo un ultimo, fondamentale, partito: il partito dell’astensione, come lo chiamano i media: semplicemente, il numero di elettori meno quello dei voti. In questo modo sappiamo che la somma delle loro percentuali di voto deve dare il 100%.

Facciamo lo stesso con le classi di reddito: identifichiamo le nostre cinque classi di reddito e aggiungiamo la classe dei non contribuenti, in modo che la loro somma dia il numero di elettori.

Ora, consideriamo un solo comune, dove il partito i ha preso voti Vi  e la classe j ha Xmembri. Ipotizziamo che per ogni partito valga:

Vi ∼ N (∑j pj,iXj, σ)

ovvero, il numero di voti presi dal partito i si distribuisce come una gaussiana, con varianza (rumore) σ e media ∑j pj,iXj . (L’alternativa di modellare i Vi come distribuzione multinomiale è stata scartata per semplicità di calcolo.) Questi pj,i sono quello che cerchiamo: la frazione dei membri della classe i che ha votato il partito j. Ora, sappiamo che – dal momento che consideriamo anche il partito dell’astensione – deve valere

i pj,i = 1

per ogni classe j. Per questo motivo, la distribuzione a priori dei nostri p per una certa classe j sarà una Dirichlet:

pj ∼ Dir(α)

dove i valori in α sono tutti identici. Il valore di α regola quanto i partiti si differenziano gli uni dagli altri all’interno della stessa classe. A questo punto ci basta assumere una distribuzione a priori per σ che privilegi livelli di rumore bassi (una Cauchy tagliata a 0) e abbiamo fatto. Affidiamo a Markov chain Monte Carlo, implementato in pymc3, il compito di arrivare a convergenza, trovando i valori di pj che “fittano” meglio i dati per tutti i comuni considerati.

 

  1. Rapporto annuale 2017: la situazione del paese.
  2. Condizioni di vita, reddito e carico fiscale delle famiglie. 6 dicembre 2018
  3. Rapporto 2018 sulle libere professioni, curato dall’Osservatorio sulle libere professioni.
Corrado Monti on Twitter
Corrado Monti
Ricercatore alla ISI Foundation di Torino. Studio coi dati come come le interazioni online influenzino le nostre opinioni.