1 On the sources of convergence: A close look at the Spanish regions (Angel de la Fuente) A cura di De Rose Daniela A.A

2 Introduzione How well can we explain cross-regional (or cross-national) differences in growth patterns and income levels in terms of a simple aggregate model built around a neoclassical production function with a common level of technical efficiency? La risposta della recente letteratura di crescita è fairly well. Il paper va oltre il modello neoclassico standard per verificare levoluzione delle ineguaglianze nelle regioni spagnole.

3 Obiettivi La visione dominante della recente letteratura di crescita sulla convergenza regionale sembra essere che lo sviluppo dei redditi regionali, nei paesi industrializzati, sia caratterizzato da un coefficiente di beta convergenza piuttosto basso. Nel paper esaminato si sfida tale visione ottimistica, sulla base di unanalisi dellesperienza spagnola. Tale obiettivo è raggiunto sviluppando e valutando un semplice modello di crescita descrittivo che tenga conto della diffusione tecnologica e delle differenze cross-regional nei livelli di TFP (total factor productivity).

4 Organizzazione del lavoro Breve discussione sul processo di convergenza regionale in Spagna e presentazione dei risultati di un modello benchmark (non strutturale)., Introduzione di un modello di crescita descrittivo che incorpori diffusione tecnologica, rate effects del capitale umano ed effetti fissi regionali. Presentazione dei risultati empirici ed estensione delle disuguaglianze inesplorate a lungo termine.

5 Primo sguardo ai dati della Spagna Informazioni disponibili: Serie bi-annuali sul gross value added regional e sul lavoro per il periodo Serie annuali sullo stock di capitale fisico regionale,sui flussi di investimento e sulla composizione della forza lavoro per il periodo

Fig. 1. -convergence in productivity among the Spanish regions, 1955–1991. Fig. 2. Unconditional beta convergence among the Spanish regions, 1964–1991

7 A benchmark model Modello non-strutturale basato su variabili dummy che catturano empiricamente la componente permanente delle differenze di produttività cross-regional. Levoluzione della produttività regionale relativa è descritta da: (1) x i :effetti specifici regionali Iterando lequazione (1) si ottiene: (2) Dove: u it : media ponderata dei disturbi annuali

9 A benchmark model RISULTATI: La regressione di convergenza incondizionata (colonna 1) produce un valore di vicino al 2%. I tassi di convergenza condizionata (colonna 2) risultano più elevati (variano dal 3% al 12,7%), ma verso differenti livelli di steady-states.

10 A benchmark model La figura riportata in basso, rafforza i risultati ottenuti: le regioni spagnole, infatti, sembrano essere molto vicine al loro livello di stato stazionario, il quale, però, differisce notevolmente tra le stesse regioni.

11 Analisi empirica Per superare i limiti derivanti dal precedente modello, si considera un semplice modello empirico ottenuto integrando la funzione di produzione standard con una funzione di progresso tecnologico che tenga conto di : Diffusione tecnologica Rate effects del capitale umano Effetti fissi regionali, postulando che i livelli dei TFP (total factor productivity) inosservati possano differire tra le regioni.

12 Analisi empirica Si assume una funzione di produzione aggregata Cobb-Douglas: (3) Dove: In questa espressione: Y= produzione regionale aggregata K= stock (privato) di capitale fisico H= stock di capitale umano per lavoratore L= lavoro B= stochastic Solow residual (labour-augmenting) o indicatore dei TFP

13 Analisi empirica Occorre stimare una espressione che combini leq. (3) con tutte le variabili espresse in tassi di crescita e con una funzione di progresso tecnologico che descriva levoluzione dei TFP nel tempo. Prendendo i logaritmi della (3), (4) e le loro variazioni temporali, si ottiene: (5) Per stimare leq. (5) si assume che la variabile (espressa in log), sia data dalla somma di tre componenti: a it : indice di efficienza tecnologica trasferibile (6) z it : componente ciclica r i : effetto fisso regionale

14 Si assume che z it sia proporzionale al tasso regionale di disoccupazione: (7) Per completare la specificazione occorre endogenizzare il tasso di progresso tecnologico, esprimendolo nella seguente forma: (8) dove è la media nazionale di a it e è il gap tecnologico tra la regione i e la media. Si assume, inoltre, che il tasso medio del progresso tecnologico sia uguale ad una costante esogena più un trend: (9) Analisi empirica

15 Analisi empirica Si definisce il differenziale tecnologico della regione i rispetto alla media nazionale mediante lequazione: (10) dove è una variabile di disturbo iid; denota lo stock di capitale umano per lavoratore nella regione i misurato in differenze log con la media nazionale, Sommando (9) e (10) si ottiene il tasso di progresso tecnologico nella regione i durante il periodo t: (11) In particolare, risolvendo per nella (4) e utilizzando la (6) e la (7), si ha: (12)

16 Analisi empirica Poiché si lavora con medie interregionali, si omette dalla (12) il pedice i: (13) Sottraendo la (13) dalla (12), si ottiene il gap tecnologico trasferibile: (14) dove le tildes denotano le deviazioni dalla media nazionale e, in particolare, con

17 Analisi empirica Infine, combinando la (12) con le precedenti espressioni e introducendo le dummy variables (DREGi) per catturare gli effetti fissi regionali,,si giunge ad una specificazione completa in termini di variabili osservate e coefficienti da stimare: (15) Dove il sottoindice v denota la regione di riferimento e è il coefficiente della i th dummy regionale.

18 Analisi empirica

19 Risultati empirici In questa sezione si analizzano i risultati delle stime delle differenti varianti dellequazione ( 15 ), utilizzando dati panel, per le regioni spagnole, nel periodo Trattandosi, per la maggior parte, di serie bi-annuali, si considerano 13 osservazioni per regione. In particolare, si regredisce il tasso annuale medio di crescita del capitale di ogni sottoperiodo sul tasso di crescita medio annuale dei fattori e sui livelli di output e di stock di fattori allinizio di ogni sottoperiodo.

21 Risultati empirici senza effetti fissi I risultati ottenuti senza considerare effetti fissi regionali sono piuttosto positivi e concordanti con le aspettative precedenti. Tuttavia è possibile notare due aspetti peculiari: Permane un rilevante termine di errore che sembra avere una sistematica componente regionale. Il modello stimato non può generare un tasso di convergenza elevato. Un semplice modo per risolvere tali problemi è inserire le dummies regionali.

22 Risultati empirici senza effetti fissi La figura in basso suggerisce considerazioni settoriali, in particolare: residui positivi ed elevati nella capitale, Madrid, e nelle isole (Baleares, Canarias) residui negativi ed elevati soprattutto nelle regioni settentrionali (Asturias, Cantabria, Castilla y Leon)

24 Risultati empirici con effetti fissi Comparando le diverse colonne della tabella 4 si nota che i coefficienti della funzione di produzione e il tasso medio di progresso tecnologico sono pressoché identici in tutti i casi. Lintroduzione degli effetti fissi regionali produce un drammatico effetto sulle stime di e : Il rate effect del capitale umano, misurato da,assume in [7] un valore negativo e insignificante La velocità della diffusione tecnologica, misurata da, subisce un drammatico incremento,dal 6.8% al 22% per anno.

26 Risultati empirici con effetti fissi Tenendo conto dello stock dei fattori, dei flussi e della diffusione tecnologica la dispersione inesplorata di lungo termine, dei livelli di produttività regionale, si riduce tra 1/3 e 1/2. Inoltre, il processo di diffusione tecnologica tra le regioni risulta essere straordinariamente rapido e generato da un tasso di convergenza nei livelli di reddito ( ) che supera il 12%. Tale risultato, ottenuto come media ponderata di e, risulta essere influenzato prevalentemente dal tasso di convergenza dellefficienza tecnologica.

27 Conclusioni Unimportante frazione delle disparità produttive osservate nelle regioni spagnole deriva dalle differenze negli stock di fattori. La graduale riduzione di queste inesplorate differenze nei TFP (total factor productivity) ha giocato un ruolo fondamentale nel processo di convergenza. QUINDI E necessario andare oltre il modello neoclassico standard per spiegare le dinamiche della crescita.