Alla voce homeless<\/em>, per\u00f2, il Rapporto non \u00e8 in grado di pubblicare nessuna cifra: il dato \u00e8 sconosciuto. I motivi di questo vuoto informativo sono da ricercare, da una parte, nella mancanza di definizioni condivise e applicate uniformemente nelle statistiche nazionali; dall\u2019altra, nella natura sfuggente del fenomeno.<\/p>\n Per risolvere la prima difficolt\u00e0, FEANTSA, la federazione europea delle associazioni nazionali che lavorano con i senza casa, ha proposto una classificazione in due versioni, una estesa<\/a> e una light <\/em>(tav.1), che comincia ad essere adottata da parecchi soggetti. Da notare la differenza fra \u201croofless<\/em>\u201d (senzatetto in senso stretto, cio\u00e8 persone che vivono per strada o in rifugi di emergenza) e \u201chomeless<\/em>\u201d (persone senza casa, che vivono in ostelli, alloggi temporanei, centri di accoglienza, detenuti, pazienti cronici di ospedali, ecc.). La seconda categoria, chiaramente, include anche la prima.<\/p>\n I dati sono discontinui e quasi tutti ottenuti attraverso stime. Per fare qualche esempio, la banca dati sul fenomeno dei giovani senza fissa dimora nel Regno Unito<\/a> stimava in 103.000 i giovani (di et\u00e0 fra 16 e 24 anni) senza casa o a rischio fra il 2016 e il 2017.<\/p>\n Ad aprile 2019 si \u00e8 realizzato il primo tentativo<\/a> di definire il numero e la struttura demografica dei senzatetto e i senza casa in 403 comuni della Repubblica Ceca (54% della popolazione residente), con estrapolazioni per coprire i comuni che si sono rifiutati di partecipare. Tra rilevazioni dirette, acquisizione di dati da registri amministrativi ed estrapolazioni, il dato risultante \u00e8 21.220 adulti e 2.680 minori, su una popolazione di poco superiore a 10 milioni.<\/p>\n Una ricostruzione<\/a> della popolazione nascosta<\/em> dei senza dimora in alcune aree del Belgio rurale, per quanto limitata a sole 74 unit\u00e0, ha contribuito a fare luce sulla natura anche non metropolitana e non urbana del fenomeno. Il poco che si riesce a sapere permette di sfatare alcuni luoghi comuni, mostrando come anche i giovani, e, in misura minore, le donne, sono colpiti da eventi che li buttano in mezzo alla<\/em> strada<\/em>.<\/p>\n In questi, come in decine di altri studi sull\u2019argomento, in Europa e non solo, la scarsit\u00e0 di dati e la difficolt\u00e0 della misurazione sono due elementi che tornano di continuo. I senza dimora sono indubbiamente un soggetto statisticamente sfuggente, e fanno parte di quelle cosiddette \u201cpopolazioni difficili da raggiungere\u201d (Hard to reach populations<\/em>) sulle quali si \u00e8 accumulata una letteratura consistente.<\/p>\n Perch\u00e9 alcuni soggetti sono di \u201cdifficile raggiungimento\u201d? In alcuni casi, la popolazione di interesse ha una numerosit\u00e0 relativamente bassa, il che rende molto costosa un’indagine; in altri casi, i suoi membri sono difficili da identificare; ci\u00f2 che hanno in comune non \u00e8 facile da rilevare ed \u00e8 registrato solo raramente.<\/p>\n Hard to reach populations<\/em> \u00e8 quindi un \u201ctermine -ombrello\u201d, usato per riferirsi a gruppi molto diversi e che sfuggono alla rilevazione statistica tradizionale per motivi anche diametralmente opposti tra loro. Si applica infatti, oltre che ai senza fissa dimora, ai gruppi minoritari, come comunit\u00e0 etniche, gay e lesbiche; pu\u00f2 essere usato per riferirsi a “popolazioni nascoste”, ovvero gruppi di persone che non desiderano essere trovate o contattate, come tossicodipendenti o delinquenti e perfino super ricchi, che non vogliono esporsi; mentre altre volte pu\u00f2 riferirsi a segmenti rari <\/em>della popolazione, come le persone con specifiche disabilit\u00e0.<\/p>\n Per raggiungere statisticamente le popolazioni difficili sono gi\u00e0 disponibili diverse soluzioni. Una \u00e8 il campionamento a due strati, che parte dalla popolazione generale e isola al suo interno quella con le caratteristiche rare ricercate, la quale viene quindi a sua volta campionata. Altri approcci alternativi, di campionamento indiretto, sono il Time-Location; il Respondent-Driven (RDS) e il Capture-Recapture (o Contact-Recontact) (Marpsat e Razafindratsima 2010<\/a>).<\/p>\n L\u2019idea alla base del Time-Location \u00e8 che la popolazione di interesse frequenta un certo numero di luoghi che, al contrario, non sono molto visitati dal resto della popolazione, come mense, rifugi, centri che offrono docce o vestiti puliti ecc. ai senzatetto. Sono questi luoghi ad essere campionati, dopo di che \u00e8 possibile\u00a0 formare \u00a0un campione delle persone che li frequentano.<\/p>\n Il metodo RDS (campionamento guidato dai rispondenti) assomiglia al metodo snowball <\/em>(si accede a un piccolo gruppo della popolazione da studiare, che facilita il contatto con pi\u00f9 persone del tipo giusto da intervistare, che a loro volta forniscono accesso ad altri, e cos\u00ec via),<\/em> ma, in determinate condizioni, consente di produrre stimatori pi\u00f9 imparziali.<\/p>\n Gli approcci Capture-Recapture derivano il loro nome dal loro uso originario per la stima del numero di una popolazione di animali allo stato brado. Sono stati applicati a popolazioni umane mobili, come i lavoratori agricoli migranti. La tecnica si basa su almeno due osservazioni (o fonti) indipendenti e presuppone che la popolazione rester\u00e0 stabile durante il periodo di osservazione, senza nuovi ingressi, n\u00e9 uscite.<\/p>\n I problemi sono molti, per via di difficolt\u00e0 di campionamento, come impossibilit\u00e0 di determinare l\u2019universo di riferimento, autoselezione del campione, mancata copertura o copertura insufficiente, o necessit\u00e0 di frame<\/em> di campionamento speciali, oppure per l\u2019alto numero di mancate risposte e per errori nella rappresentazione e nella restituzione finale (Smith 2012<\/a>). Smith specifica che le popolazioni Hard to reach<\/em>, oltre alle dimensioni ridotte, sono caratterizzate da mancanza di molte delle informazioni identificative necessarie per il campionamento, difficolt\u00e0 di contatto e riluttanza a cooperare (sia nel senso di rifiuto o vergogna a identificarsi come membri della popolazione target, sia nel senso di non voler partecipare una volta identificati). Gli homeless<\/em> sono difficili da intercettare per una serie di caratteristiche spesso compresenti, come la povert\u00e0, la mancanza di un recapito anche solo telefonico, l\u2019analfabetismo o il semianalfabetismo anche funzionale o digitale, la mobilit\u00e0 geografica, l\u2019illegalit\u00e0 (delinquenti oppure stranieri senza documenti), o l\u2019appartenenza a minoranze allofone di piccole dimensioni, quindi non riconosciute.<\/p>\n Quanto all\u2019Italia, nel 2014 \u00e8 stata realizzata la seconda indagine sulla condizione delle persone che vivono in povert\u00e0 estrema, a seguito di una convenzione tra Istat, Ministero del Lavoro e delle Politiche Sociali, Federazione italiana degli organismi per le persone senza dimora e Caritas Italiana. L\u2019indagine ha adottato un approccio metodologico che trova il suo fondamento teorico nel campionamento indiretto. E cos\u00ec, per lo studio delle persone senza dimora, la base di campionamento \u00e8 stata rappresentata dalle prestazioni fornite (pasti distribuiti e posti letto) presso le mense e accoglienze notturne in 158 comuni italiani. Si stimano in 50.724 le persone senza dimora che, nei mesi di novembre e dicembre 2014, hanno utilizzato almeno un servizio di mensa o accoglienza notturna nei comuni in cui \u00e8 stata condotta l\u2019indagine. Tale ammontare corrisponde al 2,43 per mille della popolazione regolarmente iscritta presso i comuni considerati, valore in aumento rispetto a tre anni prima, quando era il 2,31 per mille (47 mila 648 persone). Il collettivo osservato dall\u2019indagine include tuttavia anche individui non iscritti in anagrafe o residenti in comuni diversi da quelli dove si trovano a gravitare. Circa i due terzi delle persone senza dimora (il 68,7%) dichiarano di essere iscritte all\u2019anagrafe di un comune italiano, valore che scende al 48,1% tra i cittadini stranieri e raggiunge il 97,2% tra gli italiani. A questa rilevazione si collega la sperimentazione di cui parlano Francesca Inglese e Alessandra Masi, in un working pape<\/em>r appena uscito (https:\/\/www.istat.it\/it\/archivio\/233227<\/a>), nel quale le due ricercatrici propongono una metodologia per la stima della homelessness <\/em>applicata a Torino utilizzando le Unit\u00e0 di strada, che, anche senza un\u2019esplicita richiesta di\u00a0aiuto, svolgono direttamente sul territorio attivit\u00e0 di supporto alle persone che vivono in uno stato di marginalit\u00e0 sociale. La sfida affrontata nella fase di progettazione dell\u2019indagine \u00e8 stata l\u2019individuazione delle condizioni che rendessero possibile l\u2019applicazione della metodologia basata sul campionamento indiretto \u2013 gi\u00e0 adottata nella rilevazione nazionale svolta presso i servizi di mensa e accoglienza notturna \u2013 e la messa a punto di strumenti specifici che permettessero di tenere sotto controllo il rischio dei conteggi multipli e quello della sotto-copertura della popolazione.<\/p>\n
![\"\"](\"https:\/\/eticaeconomia.it\/wp-content\/uploads\/2019\/09\/Schermata-09-2458757-alle-22.44.43.png\")
<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"