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

Risultati (Test di Granger e conditioned matching) Conclusioni 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 Obiettivi del lavoro Background Descrizione dei dati Stima della TFP Risultati (Test di Granger e conditioned matching) 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) 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

Descrizione dei dati (2) 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 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

Descrizione dei dati (principali indicatori) 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

Stima della TFP (1) Due metodi alternativi per la stima TFP 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) 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 Roma, 21-22 Novembre 2011

Stima della TFP (2) Simultaneity & Selection bias 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) Roma, 21-22 Novembre 2011

Stima della TFP (3) Translog – fixed effect Stima O.P. – Primo stadio 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 Roma, 21-22 Novembre 2011

Metodi e stime (4) Stima O.P. – Secondo stadio 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) 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 (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. 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. 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) ? 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) ? 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) 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) 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 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

Conditioned matching (2) 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 Roma, 21-22 Novembre 2011

Conditioned matching (3) 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 Roma, 21-22 Novembre 2011

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