Che materia stai cercando?

Distretti industriali e economie di agglomerazione

La teoria economica ha riconosciuto da tempo che le economie di agglomerazione sono in grado di migliorare la produttività delle imprese e favorire processi di concentrazione territoriale dell’attività produttiva. Nel decennio passato queste idee hanno rappresentato il
punto di partenza per numerosi studi a carattere teorico. In questo lavoro si esamina la relazione tra agglomerazione... Vedi di più

Esame di Economia del territorio docente Prof. D. Marino

Anteprima

ESTRATTO DOCUMENTO

2 Raffaello Bronzini

trascurato dalla verifiche empiriche, ma che assume un rilievo particolare

nella realtà italiana per il peso che hanno le piccole e medie imprese

soprattutto in aree economicamente svantaggiate come il Mezzogiorno.

Il lavoro è basato su un nuovo data set sugli investimenti diretti

esteri nelle regioni e province italiane reso disponibile dall’Ufficio Italiano

Cambi. Un vantaggio del data set è la struttura panel dei dati regionali -

disponibili per regione e settore - che nell’analisi econometrica consente di

tenere conto di eventuali variabili omesse o non osservabili a livello

regionale e settoriale tramite gli effetti fissi. Peraltro la disponibilità di dati

territoriali a differente livello di aggregazione geografica permette di

arricchire l’analisi econometrica e irrobustirne i risultati.

Il presente lavoro si distingue dai precedenti studi sugli IDE

1

territoriali in Italia per una serie di aspetti . Innanzitutto si verifica se la

diversificazione settoriale e la dimensione delle imprese influenzano le

scelte degli investitori esteri, oltre a esaminare l’effetto delle economie di

agglomerazione sector specific. In secondo luogo si verifica l’ipotesi che le

regioni e le province a maggiore grado di distrettualità attraggono

investimenti dall’estero. Infine il lavoro utilizza un nuovo data set che

permette di condurre un’analisi econometrica di tipo panel.

Il lavoro è strutturato come segue. Nel secondo paragrafo è condotta

un’analisi descrittiva della distribuzione territoriale degli IDE in entrata.

Nel terzo paragrafo si discute la letteratura teorica ed empirica sulle

economie di agglomerazione e gli investimenti esteri. Nel paragrafo

successivo si descrive il modello econometrico, mentre nel paragrafo 5

sono mostrati i risultati delle stime. Il paragrafo 6 conclude.

2. Concentrazione territoriale e autocorrelazione spaziale degli

IDE

2.1 I dati regionali e provinciali sugli IDE

I dati sugli investimenti diretti esteri (IDE) nelle regioni e province

italiane, esaminati in questo lavoro, si riferiscono al periodo compreso tra il

1994 e il I semestre 2000 e sono di fonte UIC. Secondo la metodologia

standard si definiscono diretti gli investimenti che stabiliscono un interesse

__________

1 cfr. Basile (2001) e Mariotti e Piscitello (1994).

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 3

durevole tra un’impresa residente all’estero e un’impresa residente in Italia.

Ricadono quindi nella categoria degli investimenti diretti le acquisizioni di

imprese italiane da parte di imprese estere - anche parziali purché al

disopra di una quota minima – e le fusioni (Merger and Acquisition), così

come l’insediamento di imprese estere o di stabilimenti di proprietà estera

sul territorio italiano (investimenti greenfield). I dati qui impiegati, raccolti

dall’UIC sulla base delle dichiarazioni bancarie ai fini della compilazione

della bilancia dei pagamenti, non permettono di distinguere tra investimenti

greenfield e le M&A, hanno però il vantaggio di indicare la provincia e la

regione in cui è localizzata l’unità produttiva cui si riferisce

2

l’investimento .

In Italia l’incidenza degli investimenti esteri sul PIL è stata nel 1999

meno della metà della media dei paesi Ocse; 1 per cento a fronte del 2,5 dei

paesi Ocse (OCSE, 2000). Tra le quattro ripartizioni geografiche il

rapporto tra gli IDE e il PIL risulta massimo nel Nord-Ovest, con circa

l’1,5 per cento nel 2000 e pari a circa lo 0,5 nel Nord Est e Centro; nel

Mezzogiorno il rapporto scende ulteriormente (allo 0,03 per cento; fig. 1).

Inserire qui la fig. 1

Nel Nord-Ovest lo stock accumulato tra il 1994 e il primo semestre

del 2000 supera i 51.000 miliardi di lire, pari a oltre il 70 per cento del

totale nazionale e superiore di cinque volte il valore degli investimenti

localizzati rispettivamente nelle regioni del Nord-Est e del Centro (tav. 1).

Nel Mezzogiorno i valori registrati appaiono particolarmente contenuti,

pari a 872 miliardi.

Per le quattro macroaree, i principali paesi di provenienza sono

quelli europei, in particolare quelli esterni all’Unione Monetaria, guidati

3

dal Regno Unito, e quelli del continente americano . Rispetto alla media

nazionale, i paesi europei al di fuori dell’Unione Monetaria sono

relativamente più importanti per il Nord-Est, i paesi dell’Unione Monetaria

per le regioni centrali, mentre i paesi geograficamente più distanti,

localizzati in America e Asia, hanno un peso relativo maggiore per le

regioni meridionali.

__________

2 In questo lavoro si farà riferimento sempre agli investimenti in entrata al lordo dei disinvestimenti;

dove non altrimenti specificato si tratta di stock calcolati cumulando i flussi di investimenti lordi.

3 Il maggior peso del Regno Unito potrebbe dipendere dal fatto che le principali filiali delle imprese

multinazionali extra-europee hanno la loro sede in Europa nel Regno Unito, e che quest’ultimo è

registrato come paese di provenienza dell’investimento.

4 Raffaello Bronzini

Da un punto di vista settoriale, gli investimenti seguono un profilo

relativamente omogeneo tra le macroaree (tav. 2). Il complesso dell’attività

manifatturiera e i servizi finanziari e assicurativi assorbono circa il 70 per

cento degli investimenti effettuati sull’intero territorio nazionale e nelle

regioni del Nord, e circa il 60 nel Centro-Sud. Nel Centro, quote superiori

alla media nazionale sono registrati nei settori finanziario e assicurativo,

pubblico ed edile.

2.2 Concentrazione territoriale e autocorrelazione spaziale degli IDE

La concentrazione territoriale degli IDE appare molto elevata a

livello regionale e ancor più a livello provinciale. Le prime tre regioni

(Lombardia, Piemonte e Lazio) assorbono oltre il 60 per cento del totale

dello stock accumulato nel periodo (tav. 3); le province di Milano, Roma e

Torino detengono oltre la metà del totale degli investimenti esteri (tav. 4).

A parte alcune eccezioni, costituite dalle province di Treviso, Ravenna e

Aosta, gli investimenti provinciali appaiono relativamente bassi in rapporto

al PIL.

L’esame della concentrazione degli IDE in rapporto al valore

aggiunto, per provincia e per regione, tramite le curve di concentrazione di

Lorenz e gli indici di Gini, permette di arricchire l’analisi descrittiva (fig.

2). Innanzitutto gli investimenti totali in rapporto al PIL appaiono più

concentrati se esaminati da un punto di vista provinciale che regionale. In

secondo luogo, la concentrazione territoriale registrata nel settore dei

servizi risulta superiore a quella del comparto manifatturiero. Infine, la

concentrazione a livello territoriale tende ad aumentare tra il 1994 e il

1998. L’elevata concentrazione registrata a livello provinciale e nei servizi

suggerirebbe che le grandi aree urbane esercitano un forte potere di

attrazione sugli investimenti provenenti dall’estero, soprattutto nel

comparto dei servizi. Inserire qui la fig. 2

La relazione tra gli investimenti e il territorio non si esaurisce con

l’analisi della concentrazione territoriale. A parità di concentrazione,

infatti, gli investimenti di aree territoriali vicine potrebbero seguire

comportamenti omogenei, mostrando insieme alti o bassi investimenti. In

questo caso il fenomeno indicherebbe una distribuzione territoriale

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 5

complessivamente più agglomerata rispetto al caso in cui tale omogeneità

non ci fosse. Per dare conto di questo fenomeno, che l’indice di

concentrazione non è in grado di misurare, è necessario ricorrere all’analisi

dell’autocorrelazione spaziale con la quale si verifica se una determinata

variabile segue nello spazio un comportamento omogeneo. Ad esempio,

un’autocorrelazione spaziale positiva degli IDE indica che province

geograficamente vicine presentano insieme alti o bassi valori di

investimenti; al contrario un’autocorrelazione negativa suggerisce una

sorta di concorrenza tra le province geograficamente vicine che presentano

valori dissimili di IDE.

Per verificare l’autocorrelazione spaziale è necessario dapprima

definire la spatial weight matrix, in cui ciascun elemento w della matrice

i,j

misura la vicinanza della provincia i alla provincia j. Ad esempio: nella

matrice di contiguità w =1 se le province i e j confinano e w =0

i,j i,j

altrimenti; invece nella matrice delle distanze w è pari all’inverso della

i,j

distanza chilometrica tra ogni coppia di province. Queste due tipologie di

matrici saranno quelle che utilizzeremo per la verifica

4

dell’autocorrelazione spaziale tramite il test Moran I . La verifica sarà

condotta sul rapporto tra gli IDE e il valore aggiunto provinciale calcolati

come valori medi sul periodo.

Per il totale delle province il test di Moran I indica l’esistenza di una

dipendenza spaziale del fenomeno (tav. 5). Sia con la matrice di contiguità

sia con quella delle distanze emerge un’autocorrelazione spaziale positiva

degli IDE; nelle province geograficamente prossime gli investimenti

tendono quindi ad assumere andamenti simili. Tuttavia, come si può notare

dalla tavola, questo fenomeno interessa le province meridionali, ma non

quelle del Centro-Nord, per le quali la statistica non appare significativa. In

altre parole sembrerebbe che nel Centro-Nord gli investimenti tendano a

distribuirsi sul territorio in modo più uniforme rispetto agli investimenti nel

meridione.

L’analisi degli IDE territoriali condotta in questo paragrafo ha messo

il luce come gli IDE siano molto concentrati sul territorio nazionale,

soprattutto nel settore dei servizi; un effetto che risentirebbe dell'attrazione

delle grandi aree urbane. In secondo luogo, sembrerebbe che i fattori

geografici, come la distanza tra le unità territoriali, siano significativi nello

__________

4 Moran (1948). Per una discussione dell’autocorrelazione spaziale e del test di Moran I cfr. tra gli

altri Anselin (1988) e il numero speciale dell’International Regional Science Review, vol. 20, n. 1-

2 (1997). Il test di Moran I è condotto sotto l'ipotesi di normalità della statistica Z (cfr. oltre).

6 Raffaello Bronzini

spiegare la distribuzione degli investimenti esteri tra le unità territoriali:

province vicine hanno simili livelli di investimenti esteri in rapporto al PIL.

Con l’analisi econometrica approfondiremo questi aspetti.

3. La letteratura di riferimento

3.1 Distretti industriali ed economie di agglomerazione: i riferimenti

teorici

Tradizionalmente le economie di agglomerazione esaminate dalla

teoria derivano dalla vicinanza geografica di imprese che appartengono alla

stessa industria. Tra i principali meccanismi che producono questo tipo di

esternalità, denominate anche MAR externalities dai lavori di Marshall

Arrow e Romer (cfr. Gleaser et al., 1992), la teoria individua gli spillover

tecnologici e la disponibilità di una forza lavoro specializzata. Il primo

meccanismo si basa sull’idea che la prossimità geografica e i contatti

informali facilitano la trasmissione di conoscenza tra le imprese e tra i

lavoratori. La rapida diffusione della conoscenza tra imprese concentrate

nello spazio, grazie anche all’effetto della mobilità della forza lavoro,

favorirebbe i processi innovativi, costituendo un traino alla crescita della

produttività. Il secondo meccanismo si basa sui vantaggi legati alla

creazione di un mercato locale di lavoratori specializzati. Sia le imprese

che i lavoratori sarebbero attirati da queste aree; i primi per la disponibilità

di un’abbondante offerta di lavoro specializzata, i secondi perché la

numerosità delle imprese riduce il rischio di rimanere senza occupazione.

Ceteris paribus questo processo riduce il premio per il rischio incluso nel

salario, aumenta l’offerta di lavoro e avvantaggia le imprese che pagano un

salario minore ai lavoratori.

Un secondo tipo di vantaggio derivante dall’agglomerazione di

imprese appartenenti allo stesso settore è rappresentato dalle esternalità

positive che si generano all’interno dei distretti industriali. Rispetto alle

MAR externalities le economie di tipo distrettuale presentano, tuttavia,

alcune peculiarità che sono legate alle caratteristiche specifiche delle aree

distrettuali. Innanzitutto i distretti sono costituiti da sistemi produttivi

specializzati in cui assume rilievo la filiera produttiva e non solo il settore

merceologico. Nel distretto le imprese sono specializzate in differenti fasi

della produzione e sono collegate tra loro da intensi rapporti di sub

fornitura: questa profonda divisione del lavoro è uno degli aspetti peculiari

dei distretti che favoriscono l’efficienza dell’intero sistema di produzione

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 7

locale. Un ulteriore elemento distintivo delle aree distrettuali è

rappresentato dallo stretto legame tra il tessuto produttivo e il tessuto

sociale. All’interno delle aree distrettuali gli agenti condividono gli stessi

valori sociali; questa condivisione favorisce i rapporti di collaborazione tra

le imprese e tra i lavoratori e in ultimo potenzia l’efficienza del sistema

produttivo. Nei distretti infine sono favoriti i processi di innovazione e

l’adozione di nuove tecnologie grazie alla rapida circolazione delle

informazioni e alla forte concorrenza, ma anche di collaborazione, tra le

imprese (Pyke et al., 1990; Signorini, 2000).

I fattori elencati potrebbero indurre le imprese estere a investire in

misura relativamente maggiore nelle aree distrettuali. L’insediamento di

un’impresa estera in un distretto, come l’acquisizione di imprese

distrettuali da parte di imprese estere, permetterebbe infatti a queste ultime

di assorbire lo stock di conoscenza accumulato nelle imprese distrettuali, di

beneficiare dei canali di trasmissione di conoscenza attivi all’interno del

distretto, che in esso risultano particolarmente rapidi ed efficaci, e infine di

disporre di una fitta rete di sub fornitori e di manodopera qualificata.

Oltre alle economie di agglomerazione collegate a un settore

produttivo o a una filiera, la letteratura ha messo in evidenza come ulteriori

esternalità positive possano nascere dalla concentrazione territoriale di

imprese appartenenti a settori differenti. Questo tipo di economie di

diversificazione, chiamate esternalità à la Jacobs (1969), sono basate

sull’idea che la diversità e la varietà di imprese vicine nello spazio sono in

grado di promuovere i trasferimenti di conoscenza e la crescita della

produttività. La teoria suggerisce quindi che le aree geografiche più

diversificate settorialmente otterranno performance migliori grazie alla

trasmissione delle innovazioni e della conoscenza tra le imprese

appartenenti a settori diversi.

Infine, alcuni autori sottolineano come la dimensione delle imprese

localizzate in un’area territoriale possa avere effetti sulla produttività

complessiva dell’area. Porter (1990), ad esempio, sostiene che la

concorrenza locale traina la crescita perché spinge le imprese a innovare o

adottare più rapidamente le nuove tecnologie. Ne consegue che nei mercati

concorrenziali basati sulle piccole imprese i flussi di conoscenza e la

5

crescita della produttività saranno più rapidi . Questi ulteriori fattori

__________

5 Per i lavori empirici sulle economie di diversificazione, le esternalità à la Porter e la crescita della

produttività cfr.: Gleaser et al (1992), Henderson et al. (1995), Dekle (2002), Cingano e Schivardi

(2003).

8 Raffaello Bronzini

potrebbero spingere gli imprenditori esteri a investire nelle aree più

diversificate o in quelle dove prevalgono le imprese di piccole dimensioni.

3.2 Economie di agglomerazione e IDE nella letteratura empirica

In base alla teoria economica gli investimenti esteri sono indirizzati

verso i paesi o le regioni che permettono di massimizzare i profitti attesi

degli investitori. Pertanto nella letteratura empirica i flussi di IDE in entrata

sono posti in funzione di una serie di caratteristiche del paese o regione

ricevente che si suppongono in grado di espandere i profitti riducendo i

costi di produzione o aumentando i ricavi. In generale, i modelli empirici

assumono la forma y =ß'X , dove y indica gli IDE localizzati nel paese o

i i i

regione i e X è un vettore di appropriate variabili esplicative riferite

i 6

all'area che riceve gli investimenti .

Le variabili esplicative utilizzate nella letteratura comprendono, tra

le altre, alcune proxy della dimensione del mercato (PIL o PIL pro-capite),

la dotazione di infrastrutture, i costi del lavoro, il livello di tassazione e gli

incentivi pubblici.

Poiché le economie di agglomerazione sono ritenute capaci di

ridurre i costi di produzione e quindi di espandere i profitti, molti lavori

econometrici utilizzano misure dell’agglomerazione come variabili

7

esplicative . Nel complesso, i risultati delle verifiche empiriche tendono a

confermare la capacità dell’agglomerazione di attrarre gli IDE nelle aree

geografiche esaminate, che possono variare da aree relativamente estese,

come le nazioni o gli stati USA, fino alle 27 province della Cina o alle 11

regioni del Regno Unito.

Le analisi empiriche che verificano l’effetto dell’agglomerazione si

trovano ad affrontare due questioni di carattere metodologico. La prima

riguarda la scelta di una misura appropriata dell’agglomerazione

geografica. Su questo punto la letteratura menzionata non segue un

approccio unitario, ma al contrario utilizza un ampio ed eterogeneo insieme

di indicatori. Ad esempio, da un lato alcuni lavori misurano

l’agglomerazione con variabili che non sono sector specific : Coughlin et al.

(1991) e Wei et al. (1999) usano proxy della densità, misurata dal rapporto

__________

6 Coughlin (1998) presenta un'ampia rassegna della letteratura sugli IDE negli USA.

7 Coughlin et al. (1991), Wheeler e Mody (1992), Woodward (1992), Head et al. (1994, 1995),

Braunerhjelm e Svensson (1996), Billington (1999), Wei et al. (1999), Basile (2001), Belderbos

and Caree (2001).

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 9

tra l’occupazione manifatturiera o la popolazione e la superficie dell’area;

altri considerano il peso del settore manifatturiero misurato con il numero

totale di stabilimenti (Woodward, 1992 e Basile, 2001), o con il peso del

settore manifatturiero sul PIL (Wheeler e Mody, 1992 e Billington, 1999);

altri ancora includono la dotazione di infrastrutture o gli IDE accumulati in

precedenza (Wheeler and Mody, 1992). D’altra parte, alcuni studi tendono

a considerare le esternalità che derivano dalla concentrazione nello spazio

di imprese appartenenti allo stesso settore produttivo, in accordo con la

letteratura sulle MAR externalities, impiegando variabili che misurano

l’agglomerazione sector specific. In Braunerhjelm e Svensson (1996) si

utilizza un indice di specializzazione settoriale, mentre in Head et al.

(1994, 1995) il numero di stabilimenti di imprese estere dello stesso settore

già presenti sul territorio. Nonostante il numero di studi che esaminano la

relazione tra IDE e agglomerazione scarsa attenzione è stata dedicata alla

verifica del ruolo svolto dalle esternalità à la Jacobs o à la Porter, collegate

alle caratteristiche della struttura produttiva dell’area in termini di

diversificazione settoriale delle aree di riferimento e di dimensione media

delle imprese.

La seconda questione metodologica riguarda la capacità del modello

empirico di distinguere l’effetto della dotazione regionale di fattori

produttivi da quello delle economie di agglomerazione. Infatti, come hanno

messo in luce Head et al. (1995) sia le imprese estere che quelle nazionali

potrebbero essere attratte dalle regioni che presentano una dotazione di

fattori produttivi più favorevole. Quindi la significatività

dell’agglomerazione nelle stime potrebbe cogliere la correlazione tra la

localizzazione di imprese nazionali e imprese estere indotta dalla

disponibilità di fattori produttivi, invece di dimostrare l’effetto delle

esternalità derivanti dall’agglomerazione. Per superare questo problema

Head et al. (1995), studiando gli IDE negli USA effettuati da imprese

giapponesi, inseriscono come variabile di controllo della dotazione di

fattori produttivi la distribuzione geografica degli stabilimenti nazionali (il

numero di stabilimenti di imprese USA per settore e stato), argomentando

che la distribuzione geografica degli stabilimenti nazionali di un settore

incorpora tutte le informazioni rilevanti sulla distribuzione degli input usati

intensamente da quel settore. Inoltre suggeriscono di introdurre nelle stime

effetti fissi geografici e settoriali per tenere conto di tutte le caratteristiche

non incluse nel modello. Nonostante l’importanza di questo aspetto, nella

maggiore parte dei lavori empirici citati non si controlla esplicitamente per

l’effetto della dotazione fattoriale sugli IDE. Nella nostra analisi

10 Raffaello Bronzini

cercheremo di tenerne conto tramite la normalizzazione della variabile

dipendente.

4. Il modello econometrico

4.1 Il modello regionale e l’effetto distretto

La variabile dipendente del modello econometrico sono gli

investimenti diretti esteri, in ciascuna regione e settore, in rapporto al

valore aggiunto della corrispondente regione e settore.

La normalizzazione della variabile dipendente soddisfa l’esigenza di

tenere distinto l’effetto dell’agglomerazione da quello della dotazione

regionale di fattori produttivi. Le imprese tendono a distribuirsi nello

spazio sulla base della disponibilità di fattori produttivi; le regioni con

maggiori dotazioni fattoriali saranno anche quelle dove maggiore sarà

l’agglomerazione sia di imprese nazionali che di imprese estere, e quindi

dove maggiori saranno gli investimenti dall’estero. Nell’analisi

econometrica è fondamentale poter distinguere l’effetto della dotazione dei

fattori da quello dell’agglomerazione produttiva. Head e Ries (1995)

suggeriscono di inserire una variabile di controllo per la dotazione dei

8

fattori che permetta di isolare l’effetto dell’agglomerazione . Nel nostro

modello il valore aggiunto settoriale è la variabile che controlla per la

dotazione fattoriale della regione: il valore aggiunto settoriale di ciascuna

regione approssima la distribuzione dei fattori produttivi nello spazio

poiché le imprese tenderanno a localizzarsi nelle regioni più dotate di input

da impiegare nel processo di produzione e in queste regioni l’offerta sarà

maggiore. Il valore aggiunto tuttavia non è stato inserito come variabile

esplicativa nel modello perché risultava correlato con alcuni regressori. Si

è scelto quindi di scalare gli IDE per il valore aggiunto, per ciascun settore

9

e regione, e utilizzare questo rapporto come variabile dipendente .

La normalizzazione per il valore aggiunto ha un ulteriore scopo:

quello di controllare per le acquisizioni. Per effetto delle acquisizioni di

__________

8 Nel loro modello la variabile di controllo è il numero di stabilimenti di imprese nazionali

9 In una regressione log-lineare degli investimenti esteri sul valore aggiunto, la normalizzazione

equivale a vincolare il coefficiente del valore aggiunto all’unità. Se il “vero” coefficiente fosse

maggiore di uno il modello risulterebbe mispecificato. In varie stime effettuate il coefficiente del

valore aggiunto non è mai risultato significativamente diverso dall’unità. Il modello non sembra

perciò soffrire di mispecificazione per questo aspetto.

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 11

imprese nazionali da parte di imprese estere, il numero di imprese presenti

in una regione risulta correlato con il livello di investimenti esteri in entrata

nella stessa regione. La normalizzazione degli IDE per il valore aggiunto

regionale permette di controllare anche per la correlazione indotta dalle

acquisizioni e isolare l’influenza delle economie di agglomerazione sugli

10

IDE . La variabile dipendente è calcolata sullo stock di investimenti diretti

esteri in entrata, al lordo dei disinvestimenti, accumulati dal 1994 al I

semestre del 2000, per ciascuna regione e settore. Il modello stimato sui

dati regionali assume la seguente forma:

α α

(IDEVAG) = (Specializzazione) + (Diversità ) +

i,j 1 i,j 2 i,j

α α α

(Small) + (Big) + (Distretti Sforzi) +

3 i,j 4 i,j 5 i,j

α α

(Distretti Iuzzol) + (Distretti Iuzzol2) +

6 i,j 7 i,j

α α

(Infrastrutture) + (Effetti fissi regionali e

8 i,j i,j

ε

settoriali) + i,j (1)

dove i e j indicano rispettivamente le 20 regioni e i 10 settori industriali.

La prima ipotesi sottoposta a test è che le esternalità positive

derivanti dall’agglomerazione geografica di imprese appartenenti allo

stesso settore, le così dette MAR externalities, attraggano gli investimenti

dall’estero. Una misura di questo tipo di economie esterne è rappresentato

da un indice standardizzato di specializzazione settoriale (Gleaser et al.

1992):

Specializzazione = (IS-1)/(IS+1);

dove IS=(N /∑ N )/(N , /∑ N ), N è l’occupazione nella regione i e

i,j j i,j Italia j j Italia,j i,j

settore j. La variabile che misura la specializzazione settoriale è una

variabile standardizzata che varia tra –1 e 1 (cfr. Paci e Usai, 2000).

La seconda ipotesi è che la diversità settoriale di un’area geografica

produca esternalità positive, ad esempio perché induce spillovers

intersettoriali di conoscenza (esternalità à la Jacobs). Peraltro gli spillovers

__________

10 Nel modello di Mariotti e Piscitello (1994) si propone una normalizzazione simile per gli stessi

motivi.

12 Raffaello Bronzini

tecnologici non sono le uniche esternalità che possono derivare dalla

diversificazione: gli IDE potrebbero essere attratti perché la concentrazione

geografica di imprese che producono beni e servizi differenziati è in grado

di ridurre i costi di transazione e quindi espandere i profitti delle imprese

localizzate in quelle stesse aree. Il nostro modello non consente di

distinguere tra le due fonti di economie esterne che qui consideriamo

rientrare all’interno di una ampia categoria di economie di agglomerazione

non-sector specific . Come proxy di questo tipo di esternalità utilizziamo

l’indice di Herfindahl relativo (cfr. Henderson, 1995):

Diversità = (Herfindahl /Herfindahl );

i,j i,j Italia,j

∑ 2 2

s ;

dove Herfindahl = s =(N )/∑ (N ).

i,j i,j* i,j * j*≠j i,j*

i , j *

j * j

Per la regione i e settore j, l’indice è misurato su tutti i settori escluso

j (j*≠j). Elevati valori dell’indice indicano regioni meno differenziate

pertanto la teoria economica predice un segno negativo del relativo

11

coefficiente .

Il terzo aspetto preso in esame è se, e in che misura, la dimensione

media delle imprese presenti nelle aree geografiche sia in grado di attrarre

investimenti dall’estero. Da un lato Porter (1990) sostiene che mercati

concorrenziali favoriscono l’innovazione e la diffusione delle

informazioni; quindi nelle regioni in cui prevalgono le piccole imprese gli

spillover tecnologici sarebbero maggiori e più elevati potrebbero essere gli

investimenti esteri. D’altro lato, le grandi imprese potrebbero influenzare i

flussi di capitali dall’estero poiché, in un contesto di informazione

imperfetta, la quota di grandi imprese localizzate in un’area potrebbe

12

segnalare l’efficienza di un’area ed elevare la sua reputazione . Tramite

questo effetto dimostrativo, insieme a potenziali backward o forward

linkages, le grandi imprese potrebbero incoraggiare gli investimenti

dall’estero. Per verificare queste ipotesi abbiamo introdotto due variabili

esplicative:

Small = (Quota di occupati nelle imprese con meno di 200

dipendenti) /(Quota di occupati nelle imprese con meno di 200 dipendenti)

i,j

.

Italia,j

__________

11 La diversità è stata calcolata includendo anche i servizi.

12 Mariotti e Piscitello (1994) sottolineano l’importanza di questo effetto dimostrativo sugli IDE in

contesti di informazione imperfetta.

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 13

Big = (Quota di occupati nelle imprese con più di 1000

dipendenti) /(Quota di occupati nelle imprese con più di 1000 dipendenti)

i,j

.

Italia,j In vari studi i distretti industriali sono emersi come sistemi locali

13

efficienti, a più alta propensione all’export e maggiore produttività . Le

economie di tipo distrettuale, capaci di migliorare la perfomance delle

imprese nei distretti, potrebbero indurre gli imprenditori esteri a investire

nelle aree distrettuali. La verifica di quest’ipotesi non è tuttavia esente da

ostacoli, indotti dalla complessità del fenomeno “distretto” e dalla

conseguente difficoltà di qualificare in modo univoco un’area come

14

distrettuale .

Una prima definizione di distretto, che permette di distinguere tra

aree distrettuali e non distrettuali, è quella proposta da Sforzi che si basa

sulle caratteristiche dei sistemi locali del lavoro; in particolare la

15

specializzazione settoriale e la prevalenza di piccole e medie imprese .

Facendo riferimento alla definizione di Sforzi (1990), impiegheremo come

misura del grado di distrettualità di una regione la quota di addetti

distrettuali sul totale degli addetti regionali: ∑

Distretti Sforzi = (∑ Addetti distretti )/( Addetti )

i j ij j ij

dove per ciascuna regione i, gli addetti nei distretti sono gli occupati nei

settori di specializzazione j di ciascun comune, appartenente a i, qualificato

come distretto dall’algoritmo Sforzi-Istat (considerando solo i settori

dell’industria in senso stretto).

La definizione Sforzi-Istat tuttavia, soprattutto per l’oggetto di

questo lavoro, appare troppo restrittiva. Infatti per essere definito

distrettuale dall’algoritmo Sforzi-Istat un sistema locale del lavoro (SLL)

deve essere specializzato nel settore manifatturiero; l’algoritmo quindi

esclude i sistemi locali centrati sulle grandi aree urbane in cui è rilevante la

presenza del settore terziario, ma dove le economie di agglomerazione

possono esercitare un forte potere di attrazione per gli investitori, in

16

particolare per quelli esteri . Inoltre, l’algoritmo Sorzi-Istat esclude dai

__________

13 Vedi i contributi di Bagella (1998), Bronzini (2000), Fabiani et al. (2000).

14 Per un analisi di questa problematica si veda tra gli altri Cannari e Signorini (2000).

15 Cfr. Sforzi (1990).

16 Ad esempio, l’algoritmo Sforzi-Istat non individua come distretto il sistema locale specializzato nei

mezzi di trasporto centrato su Torino.

14 Raffaello Bronzini

distretti quei SLL in cui prevalgono le grandi imprese, ma dove non si può

escludere la presenza di economie di agglomerazione.

Una definizione alternativa a quella di Sforzi che non soffre dei

limiti elencati è quella proposta da Iuzzolino (2002) in cui un distretto è

definito come: un insieme continuo di aree territoriali specializzate in un

macro settore produttivo, corrispondente a una filiera, e che presenta un

elevato grado di agglomerazione. Per approfondimenti sull’algoritmo di

Iuzzolino si rimanda al lavoro citato, qui preme sottolineare che questo

metodo non impedisce di qualificare come distretti né le aree urbane né

quelle in cui prevale la grande impresa, come invece succede con il metodo

17

Sforzi . Come ulteriore indicatore del grado di distrettualità utilizzeremo

quindi la quota di addetti distrettuali sul totale regionale calcolata con

l’algoritmo proposto da Iuzzolino: ∑

Distretti Iuzzol = (∑ Addetti distretti )/( Addetti )

i j ij j ij

dove i=regione, j=settore; si considerano solo gli occupati nei macro settori

di specializzazione di ciascun comune dell’industria in senso stretto

18

qualificato come distretto dall’algoritmo Iuzzolino .

Il terzo e ultimo indicatore impiegato si differenzia dal precedente

per il fatto di essere calcolato per ciascuna regione e anche per ciascun

settore:

Distretti Iuzzol2 = (Addetti distretti )/(Addetti Totali )

ij ij ij

dove i=regione, j=settore; anche in questo caso si considerano solo gli

occupati nei macro settori di specializzazione di ciascun distretto

dell’industria in senso stretto.

Una delle determinanti localizzative degli investimenti esteri

largamente utilizzata nelle analisi empiriche è rappresentata dalle

infrastrutture che, essendo capaci di ridurre i costi di produzione e di

trasporto, rappresentano un potenziale fattore di attrazione dei flussi di

investimento. Nel complesso l’evidenza empirica tende a confortare questa

ipotesi mostrando una significatività dell’impatto (Coughlin, 1991;

Wheleer et al., 1992; Wei et al., 1999; Basile, 2001). In accordo con la

__________

17 Un’ulteriore caratteristica è che l’agglomerazione è misurata sulle filiere produttive e non sui

singoli settori merceologici.

18 Per approfondimenti vedi l’appendice.

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 15

letteratura citata, le infrastrutture sono quindi inserite nel modello come

ulteriore variabile esplicativa.

4.2 Il modello provinciale

Il modello stimato sui dati provinciali è simile a quello regionale con

alcune differenze indotte dalle caratteristiche dei dati. Innanzitutto, non

essendo disponibili i dati settoriali a questo livello di disaggregazione

territoriale, il modello è stimato sulla cross-section di 95 province per il

totale dell’economia (industria e servizi). In secondo luogo, per tenere

conto dell’autocorrelazione spaziale emersa nell’analisi descrittiva, il

modello è stato stimato introducendo la variabile dipendente ritardata nello

spazio. L’equazione stimata è la seguente:

α α

(IDEVAG) = (IDEVAG_Spatial lagged) + (Diversità) +

i 1 i 2 i

α α α

(Small) + (Big) + (Distretti Sforzi) +

3 i 4 i 5 i

α α

(Distretti Iuzzol) + (Distretti Iuzzol2 )

6 i 7 i

α α

(Infrastrutture) + (Effetti fissi geografici) +

8 i g

ε i,j (2)

5. La strategia di stima e i risultati

Il modello regionale è stato stimato nei logaritmi. L’assenza di

investimenti esteri in alcune regioni e settori ha indotto a stimare un

modello Tobit con il metodo della massima verosimiglianza sotto l’ipotesi

di normalità degli errori. Il controllo per gli effetti fissi è stato effettuato

19

con dummy additive .

__________

19 La stima di massima verosimiglianza di un modello Tobit con effetti fissi non produce stime

consistenti dei parametri per T fisso e N→∞ (cfr. ad esempio Baltagi, 1995; Arellano e Honoré,

2001). Il problema econometrico è quello dei modelli con variabile dipendente discreta (logit,

probit) ed effetti fissi in cui il numero di parametri aumenta con il numero di osservazioni e non

esiste la possibilità di "eliminare" gli effetti fissi trasformando il modello come nel caso lineare.

Honoré (1992) propone uno stimatore semi parametrico di modelli Tobit con effetti fissi

consistente e asintoticamente normale. Tuttavia, allo stesso tempo dimostra, con un esperimento

Monte Carlo, che la distribuzione asintotica dello stimatore è una buona approssimazione di quella

(continues)

16 Raffaello Bronzini

Il modello provinciale è stato stimato nei logaritmi sulla cross-

section delle 95 province esistenti nel 1991. A causa dell’endogeneità della

variabile dipendente ritardata nello spazio, le stime che la includono sono

effettuate con variabili strumentali (Anselin, 1988) utilizzando come

strumento le infrastrutture ritardate nello spazio tramite la matrice della

20

contiguità .

I dati sugli IDE sono disponibili dal 1994; per evitare eventuali

problemi di endogeneità dei regressori le variabili esplicative, con la sola

eccezione delle infrastrutture, si riferiscono al 1991. Alcune statistiche

descrittive del campione regionale sono mostrate nella tavola 6.

I risultati del modello regionale sono riportati nella tav. 7. Le tre

variabili distrettuali essendo correlate tra loro sono state inserite nelle stime

una alla volta. Poiché il grado di distrettualità è una caratteristica che

all’interno della stessa regione ha una bassa varianza intersettoriale non

sono stati inseriti in questa prima fase gli effetti fissi regionali, ma solo

quelli settoriali.

Nelle prime tre colonne della tavola il modello è stato stimato solo

con le variabili che misurano il grado di distrettualità, gli effetti fissi

settoriali e le dummies area: le variabili distrettuali appaiono significative

con segno positivo. Tuttavia, nel modello allargato (colonne 4-6) solo la

variabile Distretti Iuzzol risulta significativa, insieme alla specializzazione

settoriale e al peso delle imprese di grandi dimensioni. La presenza di

imprese di piccole dimensioni e la diversificazione settoriale non

sembrerebbero avere effetti sugli investimenti.

Nella letteratura le infrastrutture sono considerate un fattore

importante capace di attrarre gli investimenti dall’estero. Nelle colonne (7)-

(9) il modello include questa ulteriore variabile che risulta altamente

____________________________________________________________

effettiva solo se N≥200, mentre per N piccolo la distribuzione asintotica non approssima

adeguatamente quella effettiva. D'altra parte i risultati di Heckman (1981) inducono a non

sopravvalutare la distorsione indotta da stime di MV condotta con dummy additive in queste classi

di modelli. Egli dimostra infatti, con esperimenti Monte Carlo, che le stime di MV di un modello

probit statico con effetti fissi presenta una distorsione trascurabile se N non è troppo grande in

rapporto a T (negli esperimenti N=100 e T=8). Sulla base di questi risultati Arellano (2000)

suggerisce di stimare con il metodo della massima verosimiglianza i modelli non lineari con effetti

fissi se il rapporto N/T è finito e non troppo elevato. Poichè nel nostro caso la struttura del panel

rientra in quest'ultima categoria (i=20 e j=10), seguendo Braunerhjelm P., Svensson R. (1996) si è

deciso di stimare il modello con il metodo della massima verosimiglianza e con dummy additive.

20 Gli investimenti e le infrastrutture ritardati nello spazio sono apparse variabili molto correlate tra di

loro, con un coefficiente di correlazione pari a circa 0,78.

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 17

significativa e con segno positivo. La specializzazione settoriale rimane

molto significativa, mentre le variabili distrettuali perdono di

significatività.

Dal complesso dei risultati ottenuti non sembra emergere una

robusta relazione tra i flussi di investimenti in entrata e i distretti

industriali, mentre la specializzazione risulta significativamente correlata

agli IDE. Può essere interessare verificare se la specializzazione settoriale

in regioni considerate come altamente distrettuali ha un effetto

differenziale significativo: in altre parole se le aree specializzate e anche

distrettuali attraggono più investimenti dall’estero rispetto alle regioni che

sono solo specializzate. Nelle prime tre colonne della tav. 8 sono presentati

i risultati del modello stimato con le variabili interazione tra la

specializzazione e dummy distretto che assumono valore pari a uno nelle

21

regioni altamente distrettuali . Non sembra che le aree specializzate e

distrettuali presentino una maggiore capacità di attrazione degli IDE

rispetto alle aree solo specializzate: le sole variabili significative che

emergono dalle stime rimangono la specializzazione e le infrastrutture.

Nelle colonne 4-7 si mostrano i risultati delle stime con gli effetti

fissi regionali e con i regressori che variano tra settori. I risultati sulle

variabili distrettuali rimangono immutati: sia le variabili interazioni che il

grado di distrettualità (Distretti Iuzzol2 ) non sono significative. La

specializzazione rimane molto significativa, mentre cambiano i risultati che

riguardano la diversificazione settoriale che ora è significativa e con il

segno negativo atteso: ad una maggiore diversificazione, misurata da un

minor valore dell’indice di Herfindhal, corrispondono maggiori

investimenti dall’estero.

Risultati qualitativamente simili si ottengono se si modificano le

soglie delle variabili che misurano la dimensione delle imprese (da 200 a

50 addetti per Small e da 1000 a 500 per Big), se si escludono le regioni in

cui la concentrazione degli investimenti è più elevata (in particolare

Lombardia, Lazio e Piemonte) e infine modificando le soglie critiche per la

definizioni delle dummy distretto nei modelli di tavola 8.

I risultati delle stime del modello provinciale sono riportati nella

tavola 9. Nelle prime due colonne il modello comprende, insieme alle

__________

21 La variabile è calcolata come interazione tra la specializzazione e una dummy distretto che assume

valore pari a 1 se la corrispondente variabile continua che misura il grado di distrettualità supera il

terzo quartile. L’utilizzo di soglie differenti per la dummy distretto non ha modificato i risultati.

18 Raffaello Bronzini

dummies regionali, le infrastrutture, che risultano significative con segno

positivo, e le variabili che misurano il grado di distrettualità che non

appaiono significative. Nelle successive colonne (3-6) sono riportati i

risultati del modello completo stimato prima con la variabile che misura il

peso delle grandi imprese e poi con quella che quantifica il peso delle

piccole imprese; essendo molto correlate tra loro le due variabili sono state

inserite separatamente nelle stime. Nei modelli 3 e 4 emerge solo l’effetto

delle infrastrutture, mentre dai modelli 5-6 risulta che gli IDE sono

scoraggiati se nella province prevalgono le piccole imprese. La perdita di

significatività del coefficiente delle infrastrutture potrebbe dipendere dalla

presenza di multicollinerità; le infrastrutture e la quota di piccole imprese

22

risultano infatti correlati negativamente .

Nella tavola 10 il modello include la variabile dipendente ritardata

nello spazio che, essendo endogena, rende necessaria la stima con variabili

strumentali. Seguendo le indicazioni di Anselin (1988), abbiamo scelto

come strumento una variabile esplicativa ritardata nello spazio: le

infrastrutture ci è sembrata la variabile appropriata data la sua elevata

23

correlazione con la dipendente ritardata (pari a 0,78) . In questi modelli le

dummy regionali sono state sostituite con quattro dummy area a causa

della loro correlazione con la dipendente ritardata nello spazio.

I risultati della stima con variabili strumentali appaiono

relativamente simili a quelli ottenuti fino ad ora. Le proxy del grado di

distrettualità non sono significative, mentre l’unica variabile

statisticamente significativa risultano le infrastrutture nel modello ridotto

(colonne 1-2).

Nel complesso la verifica econometrica porta ad escludere la

presenza di significative relazioni tra le aree distrettuali e gli investimenti

esteri: il grado di distrettualità basato sull’algoritmo di Sforzi non risulta

mai significativo, probabilmente anche per il fatto di escludere dai distretti

le aree urbane e quelle in cui sono presenti le grandi imprese. Alcune

evidenze emergono dal grado di distrettualità misurato con l’algoritmo di

Iuzzolino (2002); tuttavia tali risultati non sembrano robusti all’inclusione

nel modello di ulteriori variabili esplicative, come ad esempio le

infrastrutture.

__________

22 Con un coefficiente di correlazione pari a -0.55.

23 Per ritardare le variabili nello spazio si è utilizzata la matrice delle contiguità.

Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 19

Le infrastrutture appaiono nel complesso significativamente

correlate con gli IDE, un risultato coerente con quelli emersi in numerosi

lavori empirici. Inoltre gli IDE sembrerebbero attratti dalla

specializzazione settoriale delle regioni: più un’area è specializzata in un

settore e più tende ad attrarre investimenti esteri in quel settore.

Un’evidenza che supporta l’ipotesi della presenza di MAR externalities

emersa anche in altri studi (Braunerhjelm e Svensson, 1996). Questo

risultato, in apparente contrasto con la non significatività dell’effetto

distretto, è da mettere in relazione con il fatto che i distretti sono

considerati aree specializzate in intere filiere produttive e non solo in

singoli settori. Sembrerebbe perciò che per gli investitori esteri siano più

rilevanti i vantaggi derivanti dalla concentrazione territoriale di imprese

appartenenti allo stesso settore, grazie agli spillover tecnologici o alla

disponibilità di manodopera specializzata, e meno importanti i vantaggi

derivanti dalla concentrazione di imprese collegate tra loro da rapporti di

filiera, i così detti forward and backward linkages.

Nel modello regionale, inoltre, la diversificazione settoriale appare

in grado di attrarre investimenti dall’estero: nelle regioni che presentano

un’offerta di beni e di servizi differenziata gli investimenti esteri risultano

maggiori. Gli IDE in un’area non sembrano invece dipendere dalla

dimensione delle imprese: nella gran parte dei modelli stimati le quote

relative di imprese di grandi e di piccole dimensioni non hanno una

relazione statisticamente significativa con gli IDE.

6. Conclusioni

In questo lavoro si sono esaminati gli investimenti esteri in entrata

nelle regioni e province italiane nel periodo 1994-2000. L’analisi

descrittiva ha messo in luce come gli investimenti esteri siano fortemente

concentrati sul territorio, con una quota marginale assorbita dalle regioni

meridionali. La concentrazione territoriale appare inoltre più elevata nei

servizi ed esaminando le aree più piccole come le province: un indice del

forte potere di attrazione esercitato dalle grandi aree urbane sugli

investitori esteri.

L’analisi econometrica ha permesso di verificare l’effetto di alcune

caratteristiche della struttura produttiva locale sugli investimenti esteri

come la specializzazione, il grado di distrettualità, la dotazione di

infrastrutture, la diversificazione settoriale e la dimensione delle imprese.


PAGINE

41

PESO

124.27 KB

AUTORE

Atreyu

PUBBLICATO

+1 anno fa


DESCRIZIONE DISPENSA

La teoria economica ha riconosciuto da tempo che le economie di agglomerazione sono in grado di migliorare la produttività delle imprese e favorire processi di concentrazione territoriale dell’attività produttiva. Nel decennio passato queste idee hanno rappresentato il
punto di partenza per numerosi studi a carattere teorico. In questo lavoro si esamina la relazione tra agglomerazione e investimenti diretti esteri (IDE), nelle regioni e province italiane, distinguendo tra le economie di agglomerazione sector specific e le esternalità derivanti dalla diversificazione settoriale e verificando se gli investitori esteri sono attratti dalle aree distrettuali. Ulteriore obiettivo dell’analisi è quello di indagare sul ruolo che svolge la dimensione delle imprese sulla capacità delle aree geografiche di attrarre gli IDE.


DETTAGLI
Corso di laurea: Corso di laurea magistrale in architettura
SSD:
A.A.: 2011-2012

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Atreyu di informazioni apprese con la frequenza delle lezioni di Economia del territorio e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Mediterranea - Unirc o del prof Marino Domenico.

Acquista con carta o conto PayPal

Scarica il file tutte le volte che vuoi

Paga con un conto PayPal per usufruire della garanzia Soddisfatto o rimborsato

Recensioni
Ti è piaciuto questo appunto? Valutalo!

Altri appunti di Economia del territorio

Risorse culturali ed ambientali - Profili di politica economica
Dispensa
Politche economiche
Dispensa
Regional economics dynamics
Dispensa