Laurea magistrale in statistica economia e impresa
Politica economica corso avanzato - a.a. 2012-2013
L’indicatore di attività economica
regionale - RegiosS
Federica Benni
Lezione del 23 Maggio 2013
1
Gli indicatori di sviluppo economico:
 sono un utile strumento per i policy-maker per
conoscere ed analizzare le singole realtà territoriali;
 di fondamentale importanza per lo studio dello
sviluppo locale;
 permettono di analizzare le caratteristiche del
ciclo economico locale e di avere un’istantanea delle
condizioni economiche congiunturali di ciascun
territorio.
2
I dati regionali disponibili
Il prodotto interno lordo è la variabile comunemente
utilizzata come indicatore della crescita economica di un
Paese o di una regione ma:
l’Istat produce le statistiche dei conti economici territoriali
con notevole ritardo e a cadenza annuale.
Però a livello regionale è disponibile un ampio set di
variabili a frequenza elevata.
3
I dati regionali
•Indagine sulla fiducia delle imprese (fonte Istat - ex Isae);
•Indagine sulla fiducia dei consumatori (fonte Istat – ex Isae);
•Esportazioni e importazioni (fonte Istat);
•Rilevazione sulle forze di lavoro (fonte Istat);
•Demografia delle imprese (fonte Unioncamere);
•Immatricolazioni di automobili (fonte Unrae);
•Prezzi al consumo (fonte Istat).
4
Indagini sulla fiducia
Rilevazione imprese manifatturiere ed estrattive:
Indagine mensile riferita al mese corrente;
 18 domande finalizzate ad ottenere una valutazione
dell’andamento dell’economia corrente e sulle aspettative delle
imprese per il prossimo futuro in relazione alle principali variabili
aziendali.
Rilevazione sulla fiducia dei consumatori:
Indagine mensile riferita al mese corrente;
15 domande riguardanti l’opinione dei consumatori sulla
situazione economica generale e personale;
Serie storiche calcolate per le quattro ripartizioni geografiche
(Nord Ovest, Nord Est, Centro e Mezzogiorno).
5
Dati Istat
Esportazioni - Importazioni :
Serie mensili scaricabili dal sito dell’Istat;
Dati disponibili dal 1991 e aggiornati con circa due-tre mesi di
ritardo rispetto alla data corrente.
Rilevazione sulle forze di lavoro:
Rilevazione continua, i dati vengono raccolti in tutte le settimane
dell’anno;
Dati diffusi con frequenza trimestrale.
Prezzi al consumo:
Dati a frequenza mensile, pubblicati quindici giorni dopo la fine
del mese di riferimento.
6
Dati regionali
Demografia delle imprese:
Serie trimestrali delle imprese attive, iscritte e cessate presenti
sul territorio;
Dati pubblicati quindici giorni dopo la fine del periodo di
riferimento e disponibili on-line sul sito di Infocamere.
Immatricolazioni di automobili:
Dati mensili disponibili con un ritardo di circa un mese rispetto
alla data corrente.
7
Giudizi situazione economica
Previsioni situazione economica
Previsioni disoccupazione
Giudizi situazione econ. famiglia
Previsioni situazione econ. fam.
Bilancio finanziario familiare
Possibilità di risparmio
Convenienza risparmio
Intenzioni acquisto beni durevoli
Immatricolazioni auto
Imprese attive
Imprese iscritte
Import export Imprese cessate
Prod. industriale tedesca
Prod. industriale francese
Tasso di cambio reale effettivo
Mercato del Prod. industriale italiana
lavoro
Prezzi al consumo
Fiducia delle imprese
Giacenza prodotti finiti
Stato della liquidità
Ordini dall’interno
Ordini dall’estero
Ordini in generale
Produzione
Tendenza liquidità
Tendenza economia
Tendenza ordini
Tendenza prezzi
Tendenza produzione
Esportazioni regione
Importazioni regione
Esportazioni macroarea
Tasso di occupazione
Tasso di disoccupazione
Tasso di attività
Occupati totali
Occupati industria
Occupati nei servizi
Fiducia dei consumatori
Variabili utilizzate nell’analisi
Demografia
imprese
Variabili
nazionali e
internazionali
8
Trasformazioni effettuate
• Variabili dell’indagine sulla fiducia delle imprese e dei consumatori:
standardizzazione.
• Prezzi al consumo e dati contesto internazionale
1) Differenze prime,
2) Standardizzazione.
• Immatricolazioni di automobili
1) Variazione anno/anno,
2) Standardizzazione.
9
Trasformazioni effettuate
• Dati commercio estero:
1) Destagionalizzare i dati,
2) Variazione anno/anno,
3) Standardizzazione delle serie.
• Dati mercato del lavoro
1) Destagionalizzare i dati,
2) Serie degli occupati variazione anno/anno,
3) Standardizzazione delle sei serie.
• Dati movimprese
1) Destagionalizzare i dati,
2) Variazione anno/anno,
3) Standardizzazione.
10
Fondamenti metodologici
 Modelli dinamici fattoriali
- Diffusion Indexes (Stock e Watson, 1998)
 Criteri informativi
- Panel Information Criteria (Bai e Ng, 2002)
 Algoritmo EM (Expectation Maximization)
- Stock e Watson 2002
11
Modelli dinamici fattoriali
(Stock e Watson, 1998)
 Siano:
- yt la serie storica della variabile oggetto di studio
- Xt una serie storica N-dimensionale che contiene
informazioni utili per prevedere yt+1
 Xt viene definita dalla struttura fattoriale:
X t   t Ft  et
X it  'it Ft  eit
(1)
i=1,...,N e t=1,...,T
12
Modelli dinamici fattoriali
(Stock e Watson, 1998)
Se l’obiettivo è individuare E ( yt 1 X t ) , allora:
yt 1   tFt   t 1
dove
(2)
E( t 1 X t , yt ,  t , X t 1 , yt 1 ,  t 1 ...)  0
13
Modelli dinamici fattoriali
(Stock e Watson, 1998)
Modello fattoriale statico: Λt=Λ0 , et serialmente
incorrelati, Ft ed {eit} mutuamente incorrelati ed i.i.d.;
Modello fattoriale statico approssimato: i fattori
idiosincratici possono essere “debolmente” correlati tra
le serie;
Modello fattoriale dinamico statico: è una riscrittura di
un modello fattoriale dinamico standard in modo da
rendere statica la matrice dei punteggi fattoriali.
14
Modelli dinamici fattoriali
(Stock e Watson, 1998)
Si assuma che:
 Xt panel bilanciato
 Λ t=Λ 0
 eit serialmente indipendenti
15
Modelli dinamici fattoriali
(Stock e Watson, 1998)
 Minimizzare
1 N T
'
2
VNT ( F ,  0 ) 
(
X


F
)

it
i0 t
NT i 1 t 1
(3)
 Individuare lo stimatore F̂t che minimizza il
quadrato degli scarti, dove
N
~
Fˆt   i 0 X it
i 1
(4)
16
Modelli dinamici fattoriali
(Stock e Watson, 1998)
~ ~
 ( F , ) sono gli elementi che minimizzano la
funzione obiettivo e soddisfano le seguenti
condizioni:
1
 ~ ~'   T ~

i 0    Ft Ft    Ft X it 
 t 1
  t 1

~
T
1

~  ~ ~'   N ~
Ft    i 0 i 0    i 0 X it 
 i 1
  i 1

N
(5)
(6)
17
Criterio Informativo
(Bai e Ng, 2002)
 Sia F̂ k la matrice stimata per un numero k di
fattori;
2
N T
1
k
k' ˆ k
ˆ
V
k
,
F

X


(7)
 Sia

it
i Ft
NT i 1 t 1
la funzione obiettivo da minimizzare;




 Allora, la scelta del numero corretto k di fattori andrà
effettuata minimizzando una funzione del tipo


PC k   V k , Fˆ k  kg N , T 
(8)
in cui g è funzione sia di N che di T.
18
Criterio Informativo






(Bai e Ng, 2002)
 N  T   NT 
k
ˆ
IC p1 k   ln V k , F  k 
 ln

 NT   N  T 
 N T 
k
2
ˆ
IC p 2 k   ln V k , F  k 
 ln C NT
 NT 
IC p 3 k   ln V k , Fˆ k
2
 ln C NT
 k  2
 C NT



dove
2
C NT
 minN , T 
19
Algoritmo EM
(Stock e Watson, 2002)
 Funzione obiettivo da minimizzare:
N
T
V F ,     I it ( X it  'i Ft ) 2
*
(9)
i 1 t 1
dove Iit=1 se Xit è un valore osservato e Iit =0 altrimenti
 La j-esima iterazione è calcolata come:



ˆ , F ,   E ˆ ˆ V F ,   | X *
Q X * , Fˆ , 
F ,

(10)
20
Algoritmo EM
(Stock e Watson, 2002)
 La serie mensile non osservata Xit viene misurata solo al tempo
aggregato Xqit , dove:
Xqit= (1/11)*(Xi,t-11+Xi,t-11+…..+Xit)
per t= 12, 24, 36…
e Xqit è un dato mancante per tutti gli altri valori di t
 Nella j-esima iterazione gli elementi del panel stimato sono
costruiti come:
Xˆ it  X it
se Xit è osservato e Xˆ it  ˆ'i Fˆt  eˆit altrimenti.
21
Individuazione numero dei fattori
1) load c:\Emilia.txt;
x =Emilia;
lags = 0;
fact = 4;
2) icp1 = log(vkf)+fact*((n+t)/(n*t))*log((n*t)/(n+t));
icp2 = log(vkf)+fact*((n+t)/(n*t))*log(c2nt);
icp3 = log(vkf)+fact*(log(c2nt)/c2nt);
3) x = x(1:t,:);
[t,n] = size(x);
[factors, lam, ma] = factloa(x,fact,lags);
vartot = trace(diag(ma));
explvar = zeros(fact,1);
for j = 1:fact;
explvar(j) = ma(n*(1+lags)-j+1)/vartot;
22
Numero di fattori estratti
L’informazione
sintetizzata in:
contenuta
nelle
38
variabili
è
stata
 4 fattori: Emilia-Romagna, Friuli Venezia Giulia, Lazio,
Abruzzo;
 3 fattori: Piemonte, Trentino Alto Adige, Veneto, Toscana,
Umbria, Marche, Basilicata;
 2 fattori: Lombardia, Calabria, Puglia, Sardegna, Valle
d’Aosta;
 1 fattore: Liguria, Molise, Campania, Sicilia.
23
Costruzione dell’indicatore di attività
economica regionale
Fase 1 :
 Ristimare il modello fattoriale inserendo i valori del Pil
annuale e delle 38 variabili, applicando l’algoritmo EM per
interpolare la serie del tasso di crescita del Pil.
Fase 2 :
 Riapplicare l’algoritmo EM considerando le ultime osservazioni
del Pil a frequenza mensile come dati mancanti;
 Proiettare i tassi di crescita del Pil a frequenza mensile fino a
dicembre 2012 e aggiungere questi dati ai valori ottenuti dalla
precedente interpolazione.
24
-10,0
giu-03
set-03
dic-03
mar-04
giu-04
set-04
dic-04
mar-05
giu-05
set-05
dic-05
mar-06
giu-06
set-06
dic-06
mar-07
giu-07
set-07
dic-07
mar-08
giu-08
set-08
dic-08
mar-09
giu-09
set-09
dic-09
mar-10
giu-10
set-10
dic-10
mar-11
giu-11
set-11
dic-11
mar-12
giu-12
set-12
dic-12
Indicatore di attività economica
(Emilia-Romagna)
Indicatore attività economica - Emilia-Romagna
6,0
4,0
2,0
0,0
-2,0
-4,0
-6,0
-8,0
Fonte: nostre elaborazioni su dati Isae, Istat, Unioncamere e Anfia
25
Bibliografia
Bai J., Ng S. (2002), Determining the Number of Factors in
Approximate Factor Models, Econometrica Vol. 70, No. 1, pp. 191221.
Benni F., Brasili A. (2007), Un indicatore sintetico di attività
economica per le regioni italiane, Rivista di Economia e Statistica
del Territorio, n.2 maggio-agosto 2006, Ed. Franco Angeli.
Stock J.H., Watson M.W. (1998), Diffusion Indexes, NBER,
Working Paper No. 6702.
Stock J.H., Watson M.W. (2002), Macroeconomic Forecasting
Using Diffusion Indexes, Journal of Business and Economic
Statistics Vol. 20, pp. 147-162.
Sito RegiosS: http://www.regioss.it/
26