Appunti delle lezioni di Economia dello Sviluppo con la Prof. Lucia Corno

Economia dello sviluppo

Come si misura lo sviluppo economico?

Lo sviluppo economico si misura tramite la diffusione di servizi, istruzione, nutrizione, abbigliamento, giustizia. Tuttavia, il benessere materiale è un prerequisito ma non è l'unico. Il benessere materiale si misura con il PIL pro capite. La Banca Mondiale classifica i paesi in:

• Low income con PIL pro capite < 995$
• Low middle income con PIL pro capite 996-3945$
• Upper middle income con PIL pro capite 3946-12195$
• High income con PIL pro capite > 12195$

Circa il 10% della popolazione mondiale vive con meno di 1,9$ al giorno e la metà vive in Africa sub sahariana in aree rurali. Il divario tra ricchi e poveri si è ampliato nel tempo. Mentre nel 1960 il 20% dei paesi più ricchi era 18 volte il PIL del 20% dei più poveri, nel 1995 il PIL del 20% dei più ricchi è 35 volte il PIL del 20% dei più poveri. (Nel 1820 il massimo rapporto era di tre volte).

Il 70% della popolazione mondiale (low-middle) ha il 16% del reddito totale e i paesi più popolati sono più poveri. (Ad esempio, la Norvegia è 150 volte più ricca del Bangladesh).

Nel tempo ha prevalso una teoria nonché l'approccio macro: aumentare il PIL di alcuni paesi fa beneficiare anche quelli più poveri, quindi era una teoria sul focus della crescita. Per far diminuire la povertà in Africa del 50%, l'Africa avrebbe dovuto crescere almeno per un +5,6%, cosa che non si è verificata, quindi gli economisti si sono spostati su un approccio micro.

Y reddito = Capitale fisico K + capitale umano H + progresso tecnologico A

Alcuni economisti hanno dedotto che l'80% del divario tra i paesi è spiegato dalle differenze di capitale umano, e dai tassi di risparmio. Mentre altri economisti dicono che la crescita non può essere spiegata solamente da questi due fattori. Quindi, oltre alla crescita bisogna guardare allo sviluppo umano, necessario quindi un approccio micro.

Le organizzazioni internazionali come la World Bank e le Nazioni Unite raccolgono dati a livello micro su vari indicatori come istruzione, nutrizione, sanità. Nel 2000 sono stati definiti dalla World Bank e dalle Nazioni Unite i Millennium Development Goals, i cui obiettivi erano:

• Eliminazione di povertà e fame
• Raggiungere l'istruzione per tutti
• Ridurre malattie come malaria e HIV

Sulla base di questi goal è stato creato un indice da Amartya Sen e Mahub Ul Haq chiamato Human Development Index e dal 1990 è usato dalle Nazioni Unite per misurare il livello di sviluppo umano nei paesi in via di sviluppo. L'indice si costruisce avendo a disposizione di info circa:

1. Aspettative di vita alla nascita X
2. Istruzione Y
3. Reddito procapite pesato per la PPA W (reddito) = Vi - Vimin / Vmax - Vmin

Poverty Line: nel 2003 era di 1,08$ al giorno. Gli LSMS coprono 158 paesi riscontrabili nella World Bank. La linea della povertà doveva essere una linea rappresentativa dei poveri nei paesi in via di sviluppo, ovvero dei soggetti che vivono con meno di 1,08 dollari al giorno e non possono acquisire 2000 calorie al giorno. Nel 2015 la World Bank ha aggiornato la poverty line a 1,90$ al giorno.

I limiti della poverty line sono:

• Sottostima dei poveri nei paesi in via di sviluppo
• Aggiornamento troppo lento
• È troppo generalista, ad esempio non c'è separazione tra aree urbane e aree rurali

Head Count Ratio: indica la percentuale di poveri in una popolazione conoscendo:

• Y reddito
• I individui
• P poverty line
• M popolazione totale
• m reddito medio

LIMITI:

1. Non vale il principio del trasferimento: se si trasferisce ricchezza dai poveri ai molto poveri l'indice non cambia
2. Chi è immediatamente sotto la soglia è povero mentre chi è sopra è ricco

Poverty Gap Ratio che tiene conto della distanza di tutti gli individui dalla poverty line per colmare la lacuna dei trasferimenti.

La correlazione tra GDP e Human Development Index è molto forte come tra PIL pro capite e istruzione o tra PIL e mortalità infantile.

Come si misura l'efficacia dei programmi nei paesi in via di sviluppo?

La domanda sorge dal fatto che vi sono stati enormi finanziamenti verso questi paesi senza averne una misura sull'impatto e, visto l'elevato costo, gli economisti avevano tentato di rispondere a questa domanda con una correlazione lineare, ma da questa regressione lineare non si riesce però a distinguere causa ed effetto poiché: l'effetto della riduzione dell'HIV, per esempio, potrebbe essere determinata da altri fattori infatti i villaggi che adottano la nuova campagna sono a prescindere più virtuosi. Quindi nasce il problema della causalità: capire se un programma ha causato un outcome che ci interessa.

Ma il problema non è solamente quello della causalità ma anche:

1. Reverse causality: è B che genera Y o Y che genera B
2. Omitted variable bias: problema delle variabili omesse

Quindi nasce una necessità di stimare causa ed effetto per dare giusti consigli di policy. Una prima soluzione è l'utilizzo di Randomized Control Trial ovvero esperimenti randomizzati con gruppo di controllo. È un approccio alternativo che studia l'efficacia dei programmi di sviluppo, importanti per capire cosa funziona e cosa no e allocare le risorse nel miglior modo. Gli RCT servono per risolvere il problema causa/effetto detto anche inferenza causale. Stimare l'effetto di un programma significa capire come gli individui che ricevono il programma si sarebbero comportati in assenza del programma e viceversa: affinché i gruppi scelti siano simili devono essere scelti in modo casuale: infatti se ad esempio:

• Prendo come variabile discriminante chi ascolta la radio verso chi non la ascolta ho il problema delle variabili omesse
• Se prendo come variabile discriminante il tempo ovvero outcome prima e dopo la campagna non posso realizzare nessuna stima a causa del tempo trascorso

Con gli RCT non si verificano più i due problemi di reverse causality e omitted variable poiché usiamo un'allocazione casuale del trattamento quindi se scriviamo una regressione possiamo stimare Y.

Problemi di un RCT

1. Costo
2. Contaminazione di gruppi o problema della validità interna
3. Problema della validità esterna: l'esperimento viene fatto in un contesto specifico e i risultati non sono generalizzabili
4. Problemi etici: non si può attribuire a qualcuno il trattamento mentre ad altri no. Da una parte il problema viene risolto dal fatto che le risorse sono limitate e quindi il modo più fair per attribuirle sarebbe in modo casuale

Le soluzioni al problema etico sono:

• Phase in: Il trattamento viene effettuato in varie fasi con una distribuzione del programma anche al gruppo di controllo ma in un secondo momento. La raccolta dati deve essere fatta prima di distribuire il trattamento all'altro gruppo.
• Encouragement design: si incentiva o si pubblicizza il trattamento solo ad un gruppo casuale di individui.

Altro metodo per testare l'efficacia dei programmi di sviluppo è il metodo Difference in Difference: sfrutta gli eventi naturali per allocare un trattamento, ad esempio riforma della scuola si suddivide il gruppo di trattati e controllo tra prima e dopo riforma. Quindi il metodo sfrutta gli eventi naturali che assegnano il trattamento in modo casuale. L'evento è esogeno e non dipende da caratteristiche dell'individuo. L'assunzione di questo metodo è molto forte ovvero che niente cambia prima o dopo l'intervento ma solo la policy. Un'altra assunzione è che il gruppo dei non trattati sia il più simile possibile al gruppo dei trattati ad eccezione del trattamento che avviene solo in un gruppo quindi deve essere rispettato il common trend, il cambiamento osservato tra non trattati sia uguale al cambiamento controfattuale dei trattati.

Istruzione

L'accumulazione di capitale umano è alla base della crescita, il problema è capire se l'istruzione genera un aumento del reddito quindi crescita o viceversa. La relazione tra istruzione e reddito è di difficile intuizione come anche l'impatto causale della scuola sul reddito. Due degli 8 Millennium Development Goals hanno come obiettivo la crescita dell'istruzione. A seguito dei MDG l'istruzione primaria è diventata gratuita e il 91% dei bambini è iscritto a scuola ma ancora 57 milioni di bambini sono esclusi. Si trovano in Africa sub sahariana con disparità di genere per cui i maschi studiano di più.

Gli indicatori dell'istruzione sono:

• Alfabetismo: % di persone che leggono, scrivono e capiscono
• Enrolment: n bambini iscritti / n bambini in età di scuola primaria

Il trend è molto simile sia per la scuola secondaria sia per i tassi di alfabetismo. Il problema della disparità di genere è motivato da un fatto culturale ma anche da prospettive lavorative, infatti ci sono più possibilità lavorative per i maschi che studiano di più, ad eccezione di due paesi come il Lesoto e Botswana in cui l'istruzione è più diffusa tra le donne a causa del lavoro maschile nelle miniere.

Nei paesi più poveri quindi si studia di meno poiché:

• Età lavorativa precoce
• Mancanza di insegnanti
• L'istruzione è un investimento per le famiglie

Quindi le famiglie scelgono di istruire i figli in termini di costi-benefici:

• Benefici: reddito maggiore, lavoro migliore, maggiore salute, minori crimini
• Costi: diretti come tasse, costo opportunità in termini di tempo per altre attività, costi governativi

Il problema è che i costi si sostengono subito mentre i benefici saranno nel futuro quindi sono al momento della scelta incerti.

Domanda e offerta di istruzione nei paesi in via di sviluppo

Nel lato dell'offerta vi è scarsa qualità infatti nel World Absenteeism Survey è riscontrato che gli insegnanti perdono 1 giorno su 5 di lavoro in Bangladesh, India, Indonesia e Uganda, anche se sono presenti in classe. Infatti in India il 35% dei bambini nella scuola secondaria non sa leggere e il 60% non sa la matematica.

Come aumentare l'investimento in istruzione? Aumentando i benefici e riducendo i costi:

• Eliminazione delle tasse scolastiche: in Uganda con l'abolizione delle fees c'è stato un aumento da 2,6 a 5,5 in soli 4 anni
• Distribuzione gratuita delle uniformi: ad esempio in Kenya il costo dell'uniforme è di 6$ con un PIL di 340$. La policy effettuata da Kremer nel 2002 ha portato dopo 5 anni all'aumento di studenti che hanno finito la scuola di un più 15%
• Distribuzione gratuita dei libri di testo
• Aumentare gli incentivi per i genitori, insegnanti e studenti
• Interventi per ridurre l'assenteismo
• Capire come distribuire il numero di alunni nelle classi

Paper 1: Schoults 2004: "School subsidies for the poor, evaluating the Mexican Progresa poverty program"

È il programma di welfare più famoso al mondo, si chiama PROGRESA, ed effettuato in Messico dal 1997. Questo programma è un conditional cash transfer per incentivare l'istruzione e ha coperto 2,6 mila famiglie e 50.000 villaggi su 31 stati con un costo del 0,2 % del PIL del Messico.

La selezione del campione è avvenuta in due step:

1. Selezione geografica: identificando i villaggi più poveri tramite un censimento
2. Selezione interna: all'interno dei villaggi più poveri sono selezionate le famiglie più povere

Incentivo: trasferimento mensile in denaro e in cibo se e solo se ogni bambino della famiglia frequenta almeno l'85% o più delle lezioni nella scuola primaria e nella scuola secondaria per tre anni.

- Incentivo economico: se viene seguita la condizione ogni bambino della famiglia che va a scuola riceve 305 pesos fino a 625 pesos.

- Incentivo alla salute: sono dati 125 pesos in cibo se riceve dai 2-4 check-up annuali e se le donne in gravidanza effettuano 7 visite pre-post nascita.

Disegno sperimentale

2/3 dei villaggi sono stati selezionati in modo casuale per l'intervento nel 1997 (315 su 495)

1/3 i restanti 91 hanno ricevuto il programma nel terzo anno

Trattati: villaggi nel programma

Non trattati: villaggi non nel programma

Stima equazione Si probabilità di andare a scuola per i Pi: 1 se proviene da un villaggio trattato Ei: 1 se proviene da una famiglia povera PiEi effetto del trattamento su un bambino che proviene da un villaggio eligibile e da famiglia eligibile.

Il coefficiente di interesse è quindi alfa 3, infatti nelle tabelle dei risultati troviamo che:

• Per la classe 6 il trattamento PROGRESA ha aumentato l'enrollment del 11,1 %
• Per la classe 6 il trattamento ha ridotto la disparità tra uomini e donne con un incremento del 14,8% per le donne

Paper 2: Paper Duflo 2001 "Schooling and labor market consequence of school construction in Indonesia"

Gli investimenti in infrastrutture aumentano il livello di istruzione? L'incremento di istruzione può generare redditi alti?

Il problema che sorge usando un modello livello di istruzione dati X investimenti è il problema delle variabili omesse ovvero che sicuramente i villaggi più virtuosi investono sicuramente di più in infrastrutture e probabilmente hanno anche individui più istruiti. La soluzione è quindi un programma di costruzione delle infrastrutture che genera una variazione esogena nell'istruzione.

Ed è quello che è stato fatto dal programma INPRES in Indonesia nel 1973-74, sono state costruite circa 60.000 scuole primarie raddoppiando lo stock di scuole esistenti sviluppando in media 2 scuole ogni 1000 bambini per un costo di 5 miliardi di USD (1,5% del PIL ). Nella costruzione va presa in considerazione la variazione temporale delle scuole e il numero di scuole costruite dipende dal numero di bambini in età da scuola primaria non iscritti a scuola nel 1972 con l'obiettivo di aumentare l'enrolment per i bambini dai 7-12 anni. Nel 1973 l'enrolment era del 69% mentre nel 1978 era del 83% quindi il programma si può dire che abbia funzionato.

Metodologia: Difference in Difference

Ovvero:

1. Variazione regionale
2. Prima e dopo l'intervento

Duflo sfrutta questo investimento istituzionale in infrastrutture per testare se l'aumento di infrastrutture genera un aumento di istruzione.

L'ipotesi è che l'istruzione degli individui che erano abbastanza giovani quando è iniziato il programma deve essere maggiore di quello degli individui più vecchi che invece non hanno beneficiato del programma. Il trattamento spetta in base a due criteri:

• Regione di nascita
• Data di nascita

Sarà quindi trattato il bambino abbastanza piccolo da beneficiare del programma e nato in una regione dove il programma è stato implementato.

Nel 1974 i bambini nati prima del 1962 avevano più di 12 anni e quindi usciti dalla scuola, che sarà il gruppo di controllo. I bambini nati dopo il 1962 invece beneficiano del trattamento.

L'ipotesi del common trend è verificata, nel senso che in assenza del programma il cambiamento sul tasso di istruzione non sarebbe stato diverso nelle regioni con o senza trattamento.

Dalla tabella 3 ricaviamo che in media i ragazzi trattati studiano il 12% in più dei ragazzi che non hanno ricevuto il trattamento. L'analisi si è estesa anche 20 anni dopo: come l'istruzione ha inciso sui salari? È stato verificato che gli studenti che hanno studiato di più guadagnano il 26% in più.

Stima equazione

Quindi beta è il coefficiente che indica l'effetto causale di un aumento di infrastrutture sugli anni di istruzione. All'equazione si può aggiungere un termine zXj ovvero un controllo delle caratteristiche della regione j per essere più precisi.

Risultati del programma: è stato riscontrato un beta statisticamente significativo, ovvero che il rapporto tra il coefficiente e il suo standard error è maggiore di 2. Quindi sia per gli anni di istruzione che per il salario il coefficiente beta è statisticamente significativo il che significa che l'incremento di infrastrutture determina un aumento di istruzione e a sua volta un maggiore reddito. Mentre nel gruppo di controllo il coefficiente beta trovato non è statisticamente significativo.

Paper 3: Duflo, Hanna, Ryan 2012 "Monitoring works: getting teachers to come to school"

Studia una politica innovativa per studiare l'assenteismo, rivolto a scuole con un solo insegnante in aree rurali dell'India.

Intervento: ad ogni insegnante viene data una macchina fotografica che stampa data e ora di quando è stata scattata la foto. Ogni insegnante prende uno stipendio di 1000 rupie per 21 giorni lavorativi al mese. Per ogni giorno oltre il 21 prende un bonus di 50 rupie mentre per ogni giorno in meno vengono tolte 50 rupie. I giorni di lavoro vengono contati tramite le foto scattate, nelle quali si devono vedere l'insegnante e gli studenti all'inizio e alla fine della giornata con una differenza oraria di almeno 5 ore e almeno 8 studenti.

Metodologia: Randomize Trial Control

Su 120 scuole, 60 sono state casualmente trattate quindi ogni insegnante riceve una macchina fotografica, mentre le altre 60 fanno da gruppo di controllo.

Stima dell'equazione

Con risultati evidenti che il numero di giorni di lavoro è maggiore nel gruppo dei trattati. L'assenteismo si è ridotto dal 44% al 22%, la frequenza dei bambini è aumentata dal fatto che l'offerta stessa di istruzione è aumentata, inoltre i voti standardizzati degli studenti hanno mostrato miglioramenti significativi.