Esportazioni e produttività: un’analisi panel sulle imprese manifatturiere italiane Filippo Oropallo - Stefania Rossetti L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Roma 21-22 Novembre 2011 Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Esportazioni e produttività: un’analisi panel sulle imprese manifatturiere italiane Sommario 1) Obiettivi del lavoro 2) Background 3) Descrizione dei dati 4) Stima della TFP 5) Risultati (Test di Granger e conditioned matching) 6) Conclusioni Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Obiettivi del lavoro Scopo del paper è verificare empiricamente la relazione causale tra produttività ed esportazioni a livello di impresa. L’analisi viene svolta su un panel di imprese manifatturiere italiane (esportatrici e non) nel periodo 2001-2008 per le quali viene stimata una misura di produttività totale dei fattori (Tfp). Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Background La correlazione positiva tra produttività (più in generale performance) ed esportazioni delle imprese è una regolarità empirica ampiamente documentata nella letteratura su diversi paesi 1) Un primo filone sottolinea le difficoltà che un’impresa deve affrontare per affacciarsi sui mercati esteri e in particolare l’esistenza di costi irrecuperabili (sunk cost); quindi le imprese più perfomanti si autoselezionano. (Bernard e Jensen, 1995; Melitz, 2003) 2) Una seconda spiegazione sottolinea invece il ruolo delle esportazioni come fattore di crescita e di successo delle imprese. La competizione internazionale stimola le imprese a migliorare la produttività, inoltre nei mercati esteri possono acquisire competenze e tecnologie più avanzate (learning by exporting). (Clerides et al. 1998). 3) I due meccanismi non si escludono a vicenda, perciò la questione è soprattutto empirica. Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Background (2) 1) Molti contributi trovano conforto all’ipotesi che le imprese più produttive si autoselezionano e non rilevano significativi vantaggi in termini di produttività dall’attività di esportazione (Arnold e Hussinger, 2005; Wagner J. 2007) 2) Effetti significativi del learning by exporting si riscontrano per altri lavori che riguardano lo studio della performance delle imprese in alcuni paesi quali Cina, alcuni paesi africani e Italia (Bigsten et al. 2004, Castellani 2002). Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Descrizione dei dati Il panel di bilanci di imprese contiene 76.464 imprese, società di capitali, attive dal 2001 al 2008. Fonti di dati (abbinate a livello micro): -Registro Asia (incl. demografia di impresa ed eventi) -Bilanci civilistici -Dati Commercio Estero -Dati occupazione (fonte Oros) Il dataset contiene 8 osservazioni per ogni impresa, per un totale di 611.712 record. Il panel di imprese rappresenta il 32 per cento delle imprese con più di 10 addetti attive al 2008, con una copertura di poco inferiore al 30 per cento in termini di addetti. Questo sottoinsieme non è rappresentativo delle imprese di grandi dimensioni oltre i 500 addetti, per tale motivo è stato chiamato panel di piccole e medie imprese. Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Descrizione dei dati (2) Copertura in termini di addetti ATTIVITÀ ECONOMICHE Industria estratt. ed energ. Manifattura tradizionale Offerta specializzata Alta intensità R&S Economie di scala Costruzioni Commercio Servizi di trasporto e postali Alberghi e ristoranti Servizi di inform. e comunic. Servizi finanziari e immob. Servizi alle imprese Servizi alle famiglie Totale 10-49 50-249 250 e oltre Totale 34,0 33,0 38,5 45,6 41,1 25,8 36,6 27,5 19,8 43,7 23,0 27,4 29,2 32,3 27,6 45,6 43,3 40,6 43,1 36,1 31,8 31,8 38,1 30,3 20,7 34,3 45,7 38,8 4,0 18,6 12,6 10,0 12,7 12,9 6,2 42,5 20,6 4,3 26,3 41,0 19,8 16,0 33,4 33,8 23,2 30,8 26,8 25,6 36,7 22,8 19,6 21,1 28,3 38,0 29,5 Problematiche: -Cambiamento di stato Esclusione delle imprese coinvolte in eventi di trasformazione -Autoselezione e attrition bias Introduzione di un correttivo (in fase di stima) basato su una funzione di sopravvivenza delle impresa tra il 2001-2008 Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Descrizione dei dati (principali indicatori) Sotto insieme delle imprese manifatturiere Imprese esportatrici (a) Livelli Numero 16.471 Addetti 25,8 Produttività del lavoro (000€) 47,4 Costo del lavoro unitario (000€) 36,0 Intensità di capitale (000€) 34,4 Intensità di capitale immateriale (000€) 1,1 Fatturato esportato (%) 26,8 Esportazioni per addetto (000€) 46,1 Integrazione verticale (% di V.A. su Fatt.) 25,6 Redditività lorda (%) 21,3 Redditività degli investimenti (%) 5,6 Rapporto di indebitamento (%) 40,0 Non esportatrici Totale 14.216 15,3 39,2 32,3 23,3 0,6 0,0 0,0 33,0 11,8 4,5 37,2 30.687 19,0 43,4 34,3 28,9 0,8 4,0 6,4 28,5 16,9 5,2 38,9 16,5 5,8 26,8 7,9 -4,0 -4,3 -43,9 -63,8 -21,5 -100,0 -100,0 -100,0 -31,7 15,3 5,5 27,2 6,2 -3,5 -3,9 -32,4 -57,4 -17,9 24,3 4,4 18,0 -28,2 Variazioni percentuali Produttività del lavoro Total factor productivity Costo del lavoro unitario Addetti Addetti al 2009 Integrazione verticale Redditività lorda Redditività degli investimenti Rapporto di indebitamento Esportazioni Fatturato esportato Esportazioni per addetto Esportazioni al 2009 (a) imprese sempre esportatrici dal 2001 al 2008 14,4 5,3 27,6 4,9 -3,2 -3,7 -25,1 -53,2 -15,6 41,6 11,8 31,8 -28,0 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Stima della TFP (1) Due metodi alternativi per la stima TFP Due metodi alternativi per la stima TFP 1) Stima ad effetti fissi di una funzione di produzione stocastica di tipo translog (approssimazione del secondo ordine dello sviluppo in serie di Taylor di una funzione non nota) ln Yit 0 1 ln Lit 2 (ln Lit ) 2 3 ln K it 4 (ln K it ) 2 5 ln Lit ln K it t ui it TFPi fe exp( ui ) Problemi: (1) Simultaneity, (2) Selection bias 2) Metodo di stima proposto da Olley and Pakes (1996) Metodo a due stadi che usa una funzione di investimento come proxy degli shock di produttività non osservati e produce stime robuste Ha il vantaggio di assegnare un valore alla Tfp variabile nel tempo ln Yit 0 1 ln Lit 21 ln K it 22 (ln K it ) 2 23 (ln K it ) 3 31 ln I it 32 (ln I it ) 2 33 (ln I it ) 3 41 ln K it ln I it 42 (ln K it ln I it ) 2 43 (ln K it ln I it ) 3 settoreit clad it t it Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Stima della TFP (2) Simultaneity & Selection bias Al secondo stadio il problema del selection bias viene corretto introducendo un indicatore di sopravvivenza, come informazione ausiliaria, in funzione degli addetti, dei livelli di capitale, degli investimenti e del settore di attività economica. L’indicatore medio di sopravvivenza, calcolato su un dataset completo in cui sono presenti anche le imprese che nel periodo osservato (2001-2008) risultano cessate, è pari al 79,1%. Esso varia per ogni impresa a seconda del valore assunto dalle variabili esplicative della funzione di sopravvivenza. Stima finale della TFP (OP) TFPitop exp(ln Yit (ˆ0 ˆ1 ln Lit ˆ2 ln Kit it )) Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Stima della TFP (3) Translog – fixed effect Stima O.P. – Primo stadio coefficiente standard error t ln(L) 1,580 0,0129 122,8 ln(L) 0,853 0,003 340,7 ln(K) (lnL)2 0,153 0,0087 17,5 0,380 0,039 9,680 0,136 0,0016 85,7 ln(K) (lnK)2 -0,022 0,003 -7,090 coefficiente standard error 2 (lnK) ln(L)ln(K) τ2 t 3 0,031 0,0005 63,8 (lnK) 0,001 0,000 8,300 -0,166 0,0013 -129,0 0,085 0,018 4,700 0,027 0,0023 11,6 ln(I) (lnI)2 0,000 0,001 0,080 (lnI) 0,000 0,000 0,290 ln(I)ln(K) (ln(I)ln(K))2 -0,011 0,001 -7,680 0,000 0,000 5,390 3 0,000 0,000 -4,920 τ3 0,013 0,0023 5,8 τ4 0,049 0,0023 21,2 τ5 0,065 0,0023 27,7 3 τ6 0,123 0,0023 52,8 (ln(I)ln(K)) τ7 0,167 0,0024 70,9 medium size 0,079 0,003 24,9 τ8 0,135 0,0024 57,2 large size 0,123 0,006 21,5 β0 6,831 0,0468 146,1 τ2 0,031 0,004 8,3 τ3 0,015 0,004 3,8 31904 τ4 0,042 0,004 11,1 0,50 τ5 0,053 0,004 13,9 R2 between 0,88 0,104 0,004 27,4 R2 Overall τ6 0,82 τ7 0,147 0,004 38,5 corr(u_i, Xb) (a) 0,36 costante 7,266 0,167 43,6 N. oss. R2 within Frazione della var. u_i (b) 0,6 test u_i=0 (b) 9,9 Fonte: Elaborazione su dati Istat, Registro statistico delle imprese attive, N. oss. R2 corretto Statistiche del commercio con l'estero e dati amministrativi (a) Correlazione tra le variabili dipendenti e l'effetto fisso (eterogeneità latente). (b) L'effetto fisso è sign. diverso da zero ed è pari al 60 della variabilità non spiegata dal modello. Roma, 21-22 Novembre 2011 241561 0,80 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Metodi e stime (4) Stima O.P. – Secondo stadio Stime della Total Factor Productivity (valori mediani) 2001 2002 2003 2004 2005 2006 2007 2008 Roma, 21-22 Novembre 2011 TFP (fe) 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997 TFP (op) 0,959 0,979 0,960 0,984 0,991 1,038 1,083 1,014 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Test di Granger (1) 1) Date due variabili in serie storica X e Y, X causa nel senso di Granger Y se i suoi valori ritardati aiutano ad ottenere una previsione dei valori correnti di Y migliore di quella che si otterrebbe usando i valori ritardati della stessa Y. 2) Stima di due equazioni (rispettivamente per la produttività e per le esportazioni) utilizzando come esplicative le ritardate delle due variabili. Test di significatività dei parametri stimati per le ritardate della variabile non dipendente. 3) Due rappresentazioni della variabile esportazioni: dummy, quota di fatturato esportato. Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Test di Granger (2) La condizione di impresa esportatrice (Export (t-1, t-2)) influenza la Tfp(t) ? TFP TFP d_exp(t-1) = 0 f_exp(t-1) = 0 F( 1, 30553) 3,72 F( 1, 30552) 0,26 Prob > F 0,05 Prob > F 0,61 d_exp(t-2) = 0 f_exp(t-2) = 0 F( 1, 30553) 0,94 F( 1, 30552) 2,37 Prob > F 0,33 Prob > F 0,12 I risultati del test mostrano che questa ipotesi in generale non è verificata (il parametro è significativamente diverso da zero in un solo caso). Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Test di Granger (3) La Tfp(t-1, t-2) influenza lo status di exporter (t) ? Dummy exporter Quota di export tfp_op(t-1)=0 tfp_op(t-1) = 0 chi2( 1) = Prob > chi2 = 14,66 0,00 tfp_op(t-2) = 0 chi2( 1) = Prob > chi2 = F( 1, 30596) 1,20 Prob > F 0,27 tfp_op(t-2) = 0 11,08 0,00 F( 1, 30596) 4,28 Prob > F 0,04 In questo caso i risultati del test confortano l’ipotesi che la dinamica della produttività totale influenza la performance sui mercati esteri. Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Conditioned matching (1) 1) Verificare cosa succede alla produttività (outcome) di un gruppo di imprese “trattate” (esportatrici) rispetto a quella di un gruppo di imprese di controllo (non esportatrici) 2) Nello scegliere il gruppo di controllo si tiene conto del fatto che le imprese “trattate” non vengono individuate in modo casuale ma vi sono processi di autoselezione 3) Gruppo di controllo il più possibile simile a quello trattato con riferimento alla probabilità di essere esportatore (propensione al trattamento o propensity score), la selezione del gruppo di controllo viene fatta utilizzando una funzione di distanza rispetto alla dimensione e una dummy geografica Roma, 21-22 Novembre 2011 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Conditioned matching (2) Test sulle differenze della tfp media tra exporters e non exporters Livello Tfp 1.15 1.10 1.05 1.00 0.95 Imprese esportatrici 0.90 Imprese non esportatrici 0.85 2002 Variable tfp_op Untreated Treated Total 2003 2004 Sample 2005 2006 2007 Controls Difference S.E. T-stat Unmatched 1,028 0,996 ATT (Average treatment 1,028 effect on the treated) 1,023 _bs_1 (bootstrap) 66.808 66.808 144.458 144.458 0,032 0,005 0,005 0,001 0,003 0,003 44,27 1,86 1,80 211.266 Roma, 21-22 Novembre 2011 Treated 2008 211.266 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale Conditioned matching (3) Test sulle differenze della variazione media della tfp tra exporters e non exporters Variazione della Tfp a 1 anno 8% 6% 4% 2% 0% -2% -4% Imprese esportatrici -6% Imprese non esportatrici -8% 2003 Variable tfp_gr1 2004 2005 2006 2007 Sample Unmatched ATT Treated 0,011 0,011 Untreated Treated 57.194 122.778 57.194 122.778 Total 179.972 179.972 Roma, 21-22 Novembre 2011 2008 Controls 0,012 0,010 _bs_1 (bootstrap) Difference -0,001 0,001 0,001 S.E. 0,001 0,002 0,002 T-stat -1,61 0,64 0,78 L’analisi dei dati di impresa per la conoscenza del sistema produttivo italiano: il ruolo della statistica ufficiale CONCLUSIONI Il lavoro analizza il nesso causale tra esportazioni e produttività a livello micro su un panel di imprese manifatturiere italiane per il periodo 2001-2008. La relazione positiva tra le due variabili risulta ampiamente confermata utilizzando diverse misure di efficienza delle imprese e in particolare una stima robusta della Tfp Per verificare il rapporto di causalità tra le due variabili è stato effettuato innanzitutto il test di Granger: i risultati ottenuti suggeriscono un legame forte che va dalla produttività alle esportazioni, ovvero che le imprese esportano in quanto sono più produttive In un secondo set di analisi è stato condotto un esperimento al fine di confrontare i livelli e la crescita della produttività totale delle imprese esportatrici con quelli di un gruppo di controllo di imprese non esportatrici selezionate attraverso procedure di conditioned matching. Anche i risultati di questo esperimento non confortano l’idea che vi siano significativi effetti di learning by exporting. SVILUPPI FUTURI: Aggiornamento del panel Verifiche del nesso di causalità a livello di singolo settore manifatturiero