La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Struttura e dinamica dei sistemi economici Alcuni strumenti dindagine Fabio Pammolli

Presentazioni simili


Presentazione sul tema: "Struttura e dinamica dei sistemi economici Alcuni strumenti dindagine Fabio Pammolli"— Transcript della presentazione:

1 Struttura e dinamica dei sistemi economici Alcuni strumenti dindagine Fabio Pammolli

2 QUALE MODELLO ORGANIZZATIVO

3 IMT LAB RACCOLTA, INTEGRAZIONE ED ELABORAZIONE DATI IMT Lab

4 Ambiti di applicazione (esempi) Istituzioni Demografia Regioni Micro dati longitudinali (lavoratori, famiglie, imprese, produzione, commercio…) Micro dati, Regioni, Istituzioni

5 Quale ruolo per analisi esplorative Sistemi dipendenti dagli stati vs. sistemi che registrano cambiamenti qualitativi e nelle leggi di trasformazione. Metodi di pattern recognition in senso lato. Assunzioni sulla razionalità degli agenti economici vs. modelli stocastici. Modelli distributivi consegnati dalla teoria vs. modelli distributivi reali. Problemi di aggregazione, ruolo e status di eventi rari

6 Strumenti Analisi esplorativa Metodi topologici Metodi grafici e visualizzazione Analisi di aggregazione e distribuzione nei sistemi economici Metodi stocastici Analisi econometriche Test econometrici Causalità

7 METODI TOPOLOGICI Dulmage–Mendelsohn Decomposition I C C C TT C Principali proprietà strutturali del grafo Rappresentazione stilizzata della dinamica della rete di accordi nel comparto biotech, 1981-

8 METODI TOPOLOGICI Studio della crescita di grafi (reti di contratti, flussi di commercio estero….) CospOr TransOr CospOr CospDev TransDev CospDev H 1 CoreH 2 Fringe Nodi trasversali e co-specializzati

9 METODI TOPOLOGICI Dulmage–Mendelsohn Decomposition Numero di imprese per categoria relazionale.

10 Network dei brevetti co-assegnati METODI GRAFICI E VISUALIZZAZIONE

11 Analisi delle corrispondenze: Detentori di brevetti europei e classi terapeutiche METODI GRAFICI E VISUALIZZAZIONE

12 METODI STOCASTICI Analisi della dimensione e della crescita

13 Analisi delle corrispondenze: Detentori di brevetti statunitensi e classi terapeutiche METODI GRAFICI E VISUALIZZAZIONE

14 Esempi di Zipfs Law: distribuzione della frequenza delle parole in un testo (Zipf, 1949) distribuzione delle dimensioni delle città (Gabaix, 1999) METODI STOCASTICI Analisi della dimensione e della crescita

15 Dimensione e Crescita in letteratura: Dimensione: La dimensione ha distribuzione lognormale Crescita: La crescita segue le ipotesi di Gibrat Tasso di crescita: Il tasso di crescita ha un distribuzione almeno esponenziale (Laplace) o addirittura con code più pesanti. Una distribuzione con code grasse associa a eventi rari (sulle code) una probabilità maggiore di quella associata a un Gaussiana. METODI STOCASTICI Analisi della dimensione e della crescita

16 Modello di crescita proporzionale Assunzioni del modello: Al tempo t(0) ci sono N(0) (nellesempio N(0)=2) classi con n(0) unità( nellesempio 5) Larea di ogni cerchio è proporzionale alla dimensione dellunità e la dimensione di ogni classe è la somma delle aree delle unità che la costituiscono (see Assumption 5). Al tempo t+1 si crea una una nuova unità. Con probabilità b la nuova unità è assegnata ad una nuova classe (classe 3 nellesempio). Con probabilità 1-b la nuova unità è assegnata a una classe esistente con probabilità proporzionale al numero di unità nella classe (nellesempio una nuova unità viene assegnata alla classe 1 con probabilità 3/5 o alla classe 2 con prababilità 2/5. METODI STOCASTICI Analisi della dimensione e della crescita

17 Legge di Gibrat METODI STOCASTICI Analisi della dimensione e della crescita

18 METODI STOCASTICI Analisi della dimensione e della crescita Simulazione di P(g|K) in Matlab

19 METODI STOCASTICI Analisi della dimensione e della crescita %K number of units for class %N number of classes K=[10;100;1000]; sigmaxi=[1;sqrt(5.13);sqrt(100)]; N=10000; muxi=2.44; mueta=(0.016); sigmaeta=sqrt(0.36); xi1 = (lognrnd(muxi,sigmaxi(1),K(1),N)); eta1= (lognrnd(mueta,sigmaeta, K(1),N)); SK1=xi1; S1K1=xi1.*eta1; gK1=sum(S1K1)./sum(SK1); lgK1=log(gK1); %stgK1=(lgK1-mean(lgK1))*sqrt(K(1)); [yK1,xK1]=hist(lgK1,100); yK1=yK1/sum(yK1); %stx1= (xK1-mean(gK1))*sqrt(K(1)); plot(xK1,log(yK1),'r.') hold on xi2 = (lognrnd(muxi,sigmaxi(1),K(2),N)); eta2= (lognrnd(mueta,sigmaeta, K(2),N)); SK2=xi2; S1K2=xi2.*eta2; gK2=sum(S1K2)./sum(SK2); lgK2=log(gK2); %stgK2=(lgK2-mean(lgK2))*sqrt(K(2)); [yK2,xK2]=hist(lgK2,100); yK2=yK2/sum(yK2); %stx2= xK2-mean(xK2); plot(xK2,log(yK2),'b.') hold on xi3 = (lognrnd(muxi,sigmaxi(1),K(3),N)); eta3= (lognrnd(mueta,sigmaeta, K(3),N)); SK3=xi3; S1K3=xi3.*eta3; gK3=sum(S1K3)./sum(SK3); lgK3=log(gK3); %stgK3=(lgK3-mean(lgK3))*sqrt(K(3)); [yK3,xK3]=hist(lgK3,100); yK3=yK3/sum(yK3); plot(xK3,log(yK3),'g.') legend('K=10','K=100','K=1000') hold off K=100; N=10000; muxi=2.44; mueta=(0.016); sigmaeta=sqrt(0.36); xi1 = (lognrnd(muxi,sigmaxi(1),K,N)); eta1= (lognrnd(mueta,sigmaeta, K,N)); SK1=xi1; S1K1=xi1.*eta1; gK1=sum(S1K1)./sum(SK1); [yK1,xK1]=hist(log(gK1),100); yK1=yK1/sum(yK1); plot(xK1,log(yK1),'r.') hold on xi2 = (lognrnd(muxi,sigmaxi(2),K,N)); eta2= (lognrnd(mueta,sigmaeta, K,N)); SK2=xi2; S1K2=xi2.*eta2; gK2=sum(S1K2)./sum(SK2); [yK2,xK2]=hist(log(gK2),100); yK2=yK2/sum(yK2); plot(xK2,log(yK2),'b.') hold on xi3 = (lognrnd(muxi,sigmaxi(3),K,N)); eta3= (lognrnd(mueta,sigmaeta, K,N)); SK3=xi3; S1K3=xi3.*eta3; gK3=sum(S1K3)./sum(SK3); [yK3,xK3]=hist(log(gK3),100); yK3=yK3/sum(yK3); plot(xK3,log(yK3),'g.') legend('Vxi=1','Vxi=5.13','Vxi=50') Script in Matlab

20 PDF del tasso di crescita standardizzato per quattro diversi livelli di aggregazione: PIL per paese, imprese farmaceutiche, imprese manifatturiere, prodotti farmaceutici. METODI STOCASTICI Analisi della dimensione e della crescita Fitting attraverso una mistura esponenziale di gaussiane.

21 METODI STOCASTICI Analisi della dimensione e della crescita Modello teorico per il tasso di crescita

22 METODI STOCASTICI Analisi della dimensione e della crescita Le code della distribuzione del tasso di crescita possono essere approssimate (ad ogni livello di aggregazione) da una power law con esponente = 3 Code della distribuzione del tasso di crescita standardizzato per quattro diversi livelli di aggregazione: PIL per paese, imprese farmaceutiche, imprese manifatturiere, prodotti farmaceutici.

23 METODI STOCASTICI Analisi della dimensione e della crescita Corpo della distribuzione del tasso di crescita standardizzato per quattro diversi livelli di aggregazione: PIL per paese, imprese farmaceutiche, imprese manifatturiere, prodotti farmaceutici. La distribuzione Laplace si adatta al tasso di crescita empirico solo per un range ristretto.

24 Variabilità cross country: il tasso di crescita METODI STOCASTICI Analisi della dimensione e della crescita

25 METODI STOCASTICI Analisi della dimensione e della crescita Log Variabilità cross country: la dimensione

26 Dati empirici: Dimensione dei prodotti e delle aziende nel settore farmaceutico METODI STOCASTICI Analisi della dimensione e della crescita Si nota che, a differenza di quanto avviene per i prodotti, per le aziende la distribuzione lognormale (γ=0) non non riesce a spiegare il fenomeno della coda pesante nella distribuzione della dimensione.

27 La relazione tra varianza e tasso di crescita ha un comportamento approssimativamente power-law σ (S) S -β (S) dove S è la dimensione delle imprese e β (S) 0.2 è un esponente che dipende da S. β (S) mostra crossover da β(0) = 0 a β () = 1/2. Per un insieme realistico di β(S) è approssimativamente costante e può variare tra 0.14 a 0.2 a seconda del numero medio di unità nelle imprese. METODI STOCASTICI Analisi della dimensione e della crescita Relazione tra dimensione e varianza del tasso di crescita

28 . Il problema della selezione Per valutare leffetto causale di un programma di trattamento (una riforma scolastica, una cura medica, un sostegno ai disoccupati) sugli individui è possibile confrontare i risultati degli individui «trattati» con i «non trattati». ESEMPIO -> Domanda di ricerca: Trascorrere un periodo in ospedale migliora lo stato di salute dellindividuo? Risposta: Se confrontiamo lo stato di salute degli individui usciti dallospedale con quelli mai entrati in ospedale, possiamo trarre unindicazione delleffetto del «trattamento» a condizione che non ci sia un selection bias. È tuttavia altamente probabile che il sottoporsi alle cure ospedaliere sia influenzato in primo luogo dallo stato di salute iniziale, quindi anche se lospedalizzazione migliora effettivamente lo stato di salute, un semplice confronto fra individui trattati e non trattati non consente di identificare leffetto causale.. Soluzione al problema della selezione: assegnamento casuale Se attraverso un esperimento naturale fosse possibile selezionare in modo casuale gli individui sottoposti al trattamento, leffetto causale sarebbe identificabile in quanto lassegnamento casuale renderebbe il trattamento indipendente dai risultati possibili. ANALISI ECONOMETRICA Identificazione delleffetto causale

29 Strumenti fondamentali per leconometria applicata 1.Modelli di regressione con variabili di controllo 2.Metodi con variabili strumentali 3.Strategie difference-in-differences ANALISI ECONOMETRICA Identificazione delleffetto causale

30 1)Modelli di regressione con variabili di controllo Sotto quali condizioni un coefficiente di regressione può essere interpretato come effetto causale? - Ipotesi di indipendenza condizionale: Condizionatamente alle caratteristiche osservabili lassegnazione al trattamento è indipendente sia dalloutcome sotto trattamento che dalloutcome senza trattamento. In altre parole le variabili di controllo devono essere scelte in modo da isolare leffetto della variabile oggetto di studio dalle interdipendenze con le altre. ANALISI ECONOMETRICA Identificazione delleffetto causale

31 2) Metodi di variabili strumentali Se la variabile di cui si vuole stimare leffetto è «endogena», ovvero è correlata a una variabile rilevante nel determinare loutcome ma non inclusa nella regressione (per esempio perché non osservabile), la stima del coefficiente di regressione è distorta e leffetto causale non è identificato. Per identificare leffetto causale si ricorre ad uno «strumento», ovvero una variabile correlata alla variabile endogena ma incorrelata alla variabile omessa. ESEMPIO -> Si vuole stimare leffetto degli anni di scuola sul salario. Gli anni di scuola potrebbero essere correlati allabilità, variabile non osservabile che influenza il salario. Un possibile strumento è rappresentato dal trimestre di nascita: negli USA alcune persone possono essere costrette ad andare a scuola per un tempo superiore ad altre, e questo potrebbe essere funzione del trimestre di nascita (Angrist-Kruger, 1991). ANALISI ECONOMETRICA Identificazione delleffetto causale

32 3) Strategie Difference-in-Differences Si utilizzano per identificare leffetto di un intervento/una misura attraverso il confronto fra un gruppo di trattamento ed un gruppo di controllo. Si calcola la media della variabile outcome (y) per entrambi i gruppi (y T, y C ), prima e dopo lentrata in vigore della riforma (y 0, y 1 ), poi si procede a calcolare la differenza fra le differenze delle medie: EFFETTO CAUSALE: (y T1 – y C1 ) – (y T0 – y C0 ). ESEMPIO -> Si vuole stimare leffetto di un irrigidimento delle condizioni di accesso ai sussidi di disoccupazione sui flussi in uscita dal claimant pool: lesempio del Regno Unito con lintroduzione del «Jobseekers Allowance», Ottobre 1996 (Manning 2009, Petrongolo 2010). Gruppo di treatment: percettori di sussidio nel terzo trimestre 1996 che fuoriescono dal pool nel trimestre successivo (dopo lintroduzione della riforma). Gruppo di controllo: percettori di sussidio nel secondo trimestre 1996 che fuoriescono dal pool nel trimestre successivo (prima ancora della riforma). Si sottrae al tasso di flusso in uscita relativo al gruppo di trattamento quello relativo al gruppo di controllo. Al risultato di questa differenza si sottrae la medesima differenza calcolata sul 1995 (o sul 1997 o su entrambi) per eliminare possibili effetti di stagionalità. ANALISI ECONOMETRICA Identificazione delleffetto causale


Scaricare ppt "Struttura e dinamica dei sistemi economici Alcuni strumenti dindagine Fabio Pammolli"

Presentazioni simili


Annunci Google