.. Le politiche regionali dell’UE e la convergenza economica: un’analisi degli effetti spaziali C. Brasili, F. Bruno, A. Saguatti Indice 1. Rilevanza ed obiettivi della ricerca 2. La β-convergenza come misura di convergenza economica 3. Perché l’econometria spaziale? 4. Descrizioni dei dati 5. Risultati della Exploratory Spatial Data Analysis 6. Specificazione del modello 7. Risultati 8. Implicazioni di politica economica Rilevanza ed obiettivi della ricerca • Atto Unico Europeo (1986): la politica di sviluppo regionale diventa un’area di policy comunitaria (Titolo V: art. 130A-130E) • Le grandi ambizioni di integrazione europea poggiano sull’obiettivo di maggiore coesione economica e sociale • L’importanza crescente della Politica di Coesione dell’UE suscita interrogativi circa la sua sostenibilità politica e finanziaria • Crescente bisogno di valutarne l’efficacia in termini di convergenza economica Obiettivo della ricerca Esiste un processo di convergenza economica tra le regioni dell’UE-15? Applicazione di un modello di β-convergenza condizionata e con effetti spaziali Teoria neoclassica della crescita e previsioni di convergenza Convergenza assoluta le economie più povere crescono più velocemente di quelle più ricche fino a raggiungere gli stessi livelli di benessere Teoria neoclassica della crescita e previsioni di convergenza Convergenza condizionata economie con parametri strutturali diversi convergono verso lo stesso tasso di crescita ma non verso lo stesso livello di benessere Modelli di β-convergenza condizionata it a b ln( yit ) X it it 0 0 • β-convergenza – Relazione inversa tra il tasso di crescita del reddito pro capite ed il suo livello iniziale – Catching up dei livelli di reddito pro capite • Condizionata – I differenziali di crescita sono spiegati in relazione a condizionamenti ulteriori rispetto al solo livello iniziale di reddito pro capite β-convergenza Svantaggi Vantaggi • Nessuna evidenza di • Quantificazione della velocità di un trend nella crescita convergenza in un delle economie unico parametro (Quah, 1993) • Le stime tendono ad assumere sempre un valore prossimo a 0,2 (Quah, 1995) • Difficilmente rivela l’esistenza di regimi multipli • Possibilità di superare i problemi dati dalla dimensione spaziale dei dati, attraverso le tecniche di econometria spaziale Perché l’econometria spaziale? È l’insieme delle tecniche necessarie a trattare le peculiarità determinate dalla dimensione geografica all’interno delle analisi statistiche delle scienze regionali (Atzeni et al. 2004) • Riconoscimento della rilevanza del contributo della Nuova Geografia Economica • Individuazione delle strutture spaziali della crescita economica • Superamento di problemi nella stima causati da effetti spaziali come la dipendenza e l’eterogeneità spaziali (inefficienza e distorsione) Gli effetti spaziali • Eterogeneità: non omogeneità delle osservazioni nello spazio Modello con regimi spaziali (es. Centro-Periferia) • Dipendenza: Esistenza di una relazione funzionale tra ciò che accade in un punto dello spazio e ciò che accade in altri luoghi Spatial lag: ritardo spaziale della variabile dipendente Cross-regressive: ritardi spaziali delle esplicative Spatial error: ritardo spaziale degli errori La matrice dei pesi spaziali 0 w 12 W ... wN 1 w12 0 ... wN 2 ... w1N ... w2 N ... ... ... 0 Descrive la struttura delle interazioni spaziali wij* (k ) 0 * 2 wij (k ) 1 / d ij * wij (k ) 0 se i j , k se d ij D(k ) se d ij D(k ) e wij wij* / j wij* per k 1, ..., 3 La matrice dei pesi spaziali • Attraverso la matrice dei pesi spaziali (W) si mette in relazione una variabile osservata con le osservazioni di quella stessa variabile in altre unità spaziali. • Ciò avviene tramite l’operatore spatial lag (ritardo spaziale): w x W x ij j i j I Dati L’analisi si concentra su 196 regioni di livello NUTS 2 (Eurostat), di 15 Paesi europei. Periodo di riferimento: 1980-2006 Fonte dei dati Cambridge Econometrics Regional Database http://www.camecon.com/ Dati – variabile dipendente Il reddito delle regioni è misurato in termini di PIL pro capite (Euro a prezzi 2000), espresso in logaritmi ed in scarti rispetto alla media dell’UE-15: ln( yi ) ln( y EU ) Variabile dipendente (y): it it UE ,t dove e it [ln( yit ) ln( yit )] / 0 UE ,t [ln( yUE ,t ) ln( yUE ,t )] / 0 •Coerente con il criterio di eleggibilità ai fondi dell’Ob. 1 •Limita gli effetti del ciclo economico eliminando i trend comuni •Rende minimo l’impatto di eventuali outliers. Dati – Variabili condizionanti • TOT_EMP Tasso di occupazione regionale (1980) Occupati totali (migliaia) / Popolazione totale (migliaia) * 100 • AGR_EMP Quota di occupazione agricola (1980) Occupati in agricoltura (migliaia) / Occupati totali (migliaia) * 100 Exploratory Spatial Data Analysis Evidenza di eterogeneità spaziale Exploratory Spatial Data Analysis L’indice I di Moran rileva una dipendenza spaziale positiva nella distribuzione del PIL pro capite iniziale E(I)=-0.0051 and p-value=0.000 Il Moran Scatterplot mostra due gruppi di regioni (rich-rich; poorn n poor) Modello con due regimi spaziali Moran ' s I w ( y y )( y n i 1 j 1 S ij n i 2 ( y y ) i i 1 j y) Exploratory Spatial Data Analysis Regioni Obiettivo 1 1994 - 1999 Regioni non Obiettivo 1 1994 - 1999 Ipotesi: Coincidenza tra periferia geografica ed economica Costruzione di due club di convergenza Specificazione del modello 1. Stima OLS di un modello di β-convergenza condizionata 2. Test di autocorrelazione spaziale sui residui 3. Eventuale stima ML di un modello di β-converg. condizionata con effetti spaziali Fonte: Anselin, 2005 Passo 1: Stima OLS it a bGDPit0 1TOT _ EMPit0 2 AGR _ EMPit0 it Costante (a) -0,00904 (0,003) GDP (b) -0,01917 (0,000) TOT_EMP (ψ1) 0,00032 (0,000) AGR_EMP (ψ2) -0,00039 (0,000) Tasso di convergenza (β) % 2,7 Half life (anni) 36 R2 0,2995 Adjusted R2 0,2886 Jarque-Bera test 248,75 (0,000) Breusch-Pagan test 3,1162 (0,374) ˆ ln( 1 bˆ ) / Half life ln( 2) / Passo 2: Test sui residui Test Q(1)=554 km Mdn=1044 km (p-value) Q(3)=1597 km (p-value) (p-value) Test I di Moran (sui residui) 0,1142 (0,017) 0,0996 (0,001) 0,0903 (0,000) LM-Lag test 6,3514 (0,012) 10,352 (0,001) 12,1379 (0,000) LM-Error test 3,4991 (0,061) 7,3779 (0,007) 8,026 (0,005) Robust LMLag test 3,9643 (0,046) 2,9777 (0,084) 4,1439 (0,042) Robust LMError test 1,1120 (0,292) 0,0036 (0,953) 0,032 (0,858) Passo 3: stima ML di un modello spaziale autoregressivo 4 modelli diversi sono stati inizialmente stimati: 1)Modello SAR 2)Modello SAR con lag spaziali di tutti i regressori (GDP, AGR_EMP, TOT_EMP) 3)Modello SAR con lag spaziale di GDP e TOT_EMP 4)Modello SAR con lag spaziale di GDP Criterio di scelta: valore minimo di AIC, valore massimo di loglikelihood, maggiore significatività dei parametri Passo 3: stima ML di un modello spaziale autoregressivo it a OB1 DiOB1 a NN 1 DiNN 1 (bOB1 DiOB1 b NN 1 DiNN 1 )GDPi 0 ( 1 OB1 ( 2 DiOB1 1 OB1 NN 1 DiOB1 2 DiNN 1 )TOT _ EMPi 0 NN 1 DiNN 1 ) AGR _ EMPi 0 ( OB1 DiOB1 NN 1 DiNN 1 )WGDPi 0 Wit it g •Di è una variabile dummy che identifica le regioni Obiettivo 1 e non Obiettivo 1; •WΓi è il lag spaziale della crescita economica dell’i-esima regione nel periodo 1980-2006; •WGDPi è il lag spaziale del PIL dell’i-esima regione nel 1980. Risultati e conclusioni Obiettivo 1 (p-value) non Obiettivo 1 (p-value) Costante (a) -0,00312 (0,426) -0,01505 (0,000) GDP (b) -0,02824 (0,000) -0,01569 (0,000) TOT_EMP (ψ1) -0,00002 (0,846) 0,00043 (0,000) AGR_EMP (ψ2) -0,00029 (0,000) -0,00019 (0,037) 0,02282 (0,000) -0,00521 (0,089) WGDP (φ) Spatial par. (ρ) 0,35186 (0,001) Conv. rate (β) % 5,3 1,6 Half life (years) 24,5 44 Risultati e conclusioni Obiettivo 1 (p-value) non Obiettivo 1 (p-value) TOT_EMP (ψ1) -0,00002 (0,846) 0,00043 (0,000) AGR_EMP (ψ2) -0,00029 (0,000) -0,00019 (0,037) 0,02282 (0,000) -0,00521 (0,089) WGDP (φ) Obiettivo 1 • Maggiore significatività: – Occupazione agricola – Lag del PIL pro capite non Obiettivo 1 • Maggiore significatività: – Occupazione totale Risultati e conclusioni • Polarizzazione dello sviluppo: permanenti di reddito pro capite disparità • Velocità di convergenza più alta per le Regioni OB1 Obiettivo 1 ( =5,3%) • Coincidenza tra periferia arretratezza economica geografica e • Importanza degli effetti di spillover spaziali (ρ=0.35), specialmente in relazione alle regioni Obiettivo 1 (φ=0.023) Implicazioni di politica economica • Valutazione indiretta positiva della Politica di Coesione regionale • Necessità di tenere in considerazione l’importanza degli effetti di spillover spaziali, attraverso: – Un approccio “di area” (non solo regionale) alla Politica Strutturale europea; – Investimenti specifici; – Forte coordinamento tra vicini che hanno caratteristiche strutturali simili; – Individuazione e valorizzazione dei punti di forza di ciascuna Regione, per stimolare gli effetti di spillover. Sviluppi futuri • Sviluppo dell’analisi di convergenza attraverso il condizionamento del modello ai dai relativi ai Fondi Strutturali regionali; • Tema della multicollinearità nelle stime; • Approccio con dati panel; • Studio di nuove specificazioni della matrice dei pesi spaziali. Bibliografia • • • • • • • • ABREU M., DE GROOT H. L. F., and FLORAX R. J. G. M. (2005). Space and growth: a survey of empirical evidence and methods, Région et Développement 21, 13-44. ANSELIN L. (1988). Spatial Econometrics: Methods and Models. Dordrecht, Boston, London: Kluwer Academic Publishers. BAUMONT C., ERTUR C., LE GALLO J. (2001). “A Spatial Econometric Analysis of Geographic Spillovers and Growth for European Regions, 1980-1995”, Working Paper n.200104, LATEC UMR-CNRS 5118, Université de Bourgogne. BRASILI C., (2005) (a cura di). Cambiamenti strutturali e convergenza economica nelle regioni dell’Unione Europea. CLUEB. DALL’ERBA S., LE GALLO J., (2007). “Regional Convergence and the Impact of European Structural Funds over 1989-1999: A Spatial Econometric Analysis”, Discussion Paper 01-07, Regional Economics Applications Laboratory, University of Illinois. ERTUR C., LE GALLO J., BAUMONT C., (2006). “The European Regional Convergence Process, 1980-1995: Do Spatial Regimes and Spatial Dependence Matter?”, International Regional Science Review, vol. 29, pp. 3-34. LÓPEZ-BAZO E., VAYÀ E., ARTIS M. (2004). “Regional Externalities and Growth: Evidence from European Regions”, Journal of Regional Science, 44, pp. 43-73. RAMAJO J., MARQUEZ M. A., HEWINGS G. J. D., SALINAS M. M., (2008). “Spatial Heterogeneity and Regional Spillovers in the European Union: Do cohesion policies encourage convergence across regions?”, European Economic Review, n. 52, pp. 551-567.