Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Modelli di stima per macro-indicatori dello.

Slides:



Advertisements
Presentazioni simili
1 Lindicatore di attività economica regionale - Lindicatore di attività economica regionale - RegiosS Federica Benni Lezione del 23 Maggio 2013 Laurea.
Advertisements

Corso di esperimentazione di fisica 1 Il metodo dei minimi quadrati
X Conferenza nazionale di statistica Unità di valutazione degli investimenti pubblici Roma, 16 dicembre 2010 COME RENDERE LA STATISTICA IMPORTANTE PER.
L’ Indicatore Anticipatore Il nuovo sistema per la stima in corso d’anno e la stima trimestrale della spesa in Conto Capitale della PA UVER – Area Monitoraggio.
Dipartimento di Economia
1 La natura della contabilità direzionale
LA MICROSEGMENTAZIONE DEL MERCATO
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Analisi Fattoriale Tecnica utilizzata per studiare, riassumere e semplificare le relazioni in un insieme di variabili.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Paesi emergenti analisi congiunturale Pavia, 12 marzo 2009 Pavia, 12 marzo 2009.
di Istruzione e Formazione Professionale
IL BUDGET COME INSIEME COORDINATO DI DECISIONI ANTICIPATE
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
PREVISIONI REGIONALI DEL MERCATO DEL LAVORO Alessandra Righi ISTAT.
ISTAT, 16 giugno 2010 Unità di valutazione degli investimenti pubblici DATI TERRITORIALI E POLITICHE DI SVILUPPO: PRODURRE, UTILIZZARE E DIFFONDERE INFORMAZIONI.
Presentazione dei lavori per tipologia di base dati e area tematica
ALCUNI METODI STATISTICI PER LA SELEZIONE DELLE VARIABILI NELL’ANALISI DISCRIMINANTE Eliminazione di variabili con contributo discriminatorio statisticamente.
L’econometria della funzione di produzione Cobb-Douglas
MODELLO DI REGRESSIONE LINEARE MULTIPLA
Dip. Economia Politica e Statistica
E(’)= Riassumendo: ipotesi per OLS Modello lineare
1 Lindicatore di attività economica regionale - Lindicatore di attività economica regionale - RegiosS, Cycles & Trends Federica Benni Lezione del 17 Maggio.
LAUREA MAGISTRALE IN STATISTICA ECONOMIA E IMPRESA Politica Economica Corso Avanzato A.A Analisi delleconomia italiana: ciclo economico nazionale.
L’indicatore di attività economica regionale -RegiosS, Cycles & Trends
LAUREA MAGISTRALE IN STATISTICA ECONOMIA E IMPRESA Politica Economica Corso Avanzato Analisi delleconomia italiana: ciclo economico nazionale e delle regioni.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
XXVII Conferenza Italiana di Scienze Regionali - Pisa, 12/14 Ottobre 2006 AISRE XVII Conferenza Scientifica Annuale Pisa, Ottobre 2006 Un indicatore.
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Corso di Impatto Ambientale Modulo A: Pianificazione Energetica
Confronti tra fonti Corso in Fonti, metodi e strumenti per lanalisi dei flussi turistici A.A Prof.ssa Barbara Baldazzi Corso di Laurea PROGEST.
La congiuntura dellindustria manifatturiera in Toscana 4° trimestre 2007 e anno 2007 Firenze, 18 marzo 2008 Riccardo Perugi Unioncamere Toscana - Ufficio.
Quale valore dobbiamo assumere come misura di una grandezza?
Statistica economica (6 CFU)
Area Innovazione Sociale 1 1 IV ConferenzaPAR Bologna, 20 gennaio 2012 Raffaele Tomba Il Bilancio sociale di ambito distrettuale Agenzia sanitaria e sociale.
Statistica economica (6 CFU)
“Analisi delle serie storiche e applicazioni”
STATISTICA PER LE DECISIONI DI MARKETING
Monitoraggio e previsione della Spesa Sociale
Statistica economica (6 CFU)
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 13 1.
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
Statistica economica (6 CFU)
Prof. Cerulli – Dott.ssa Gentili
La situazione economica della Toscana Il quadro macro e meso economico del 2002 IRPET Istituto Regionale Programmazione Economica Toscana Unioncamere.
Capitolo 3 (parte seconda)
Sono enti pubblici dotati di autonomia funzionale […] che svolgono, nell'ambito della circoscrizione territoriale di competenza […] funzioni di interesse.
SEMINARIO DI DIREZIONE Verona novembre 2010 Verona Fiere – Palaexpo Viale del lavoro 8 Sessione Welfare: Comunicazioni di Fabio Bastianelli e Roberto.
Il Controllo di gestione
Regressione Lineare parte 1
MEF Gli Strumenti di Analisi e Previsione del MEF – Forum P.A. 08 Maggio 2006 I Modelli di previsione economica territoriale del Dipartimento per le Politiche.
L’indicatore di attività economica regionale -RegiosS, Cycles & Trends
L’impiego della Programmazione Lineare nel settore agro-alimentare: punti di forza e limiti Il modello teorico Applicazioni operative Punti di forza e.
L’INDICATORE DI ATTIVITÀ ECONOMICA REGIONALE PER LA STIMA DEGLI EFFETTI ECONOMICI DEI TERREMOTI Cristina Brasili Dipartimento di Statistica “P. Fortunati”
Strumenti statistici in Excell
Riassumendo: ipotesi per OLS 1.Modello lineare 2.X e Y sono frutto di osservazioni indipendenti 3.X è di rango pieno 4.I residui hanno media = 0 5.I residui.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
METODOLOGIE PER LA VALUTAZIONE “ATTIVA” DEGLI STUDI D’IMPATTO AMBIENTALE SETTORI AMBIENTALI SPECIFICI Paolo Giuntarelli Università degli Studi di Teramo.
Paesi emergenti analisi congiunturale Pavia, 23 marzo 2010 Pavia, 23 marzo 2010.
I modelli di valutazione delle opzioni su tassi
Topic 10 1 Programmazione e Controllo L’ELABORAZIONE DEL BUDGET DELLE VENDITE: MOMENTO FONDAMENTALE NEL PROCESSO DI ELABORAZIONE DEL BUDGET.
TRATTAMENTO STATISTICO DEI DATI ANALITICI
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
ISTITUTO PROFESSIONALE SASSETTI-PERUZZI Sede coordinata di Scandicci A.S Classe VA Economia politica Prof.ssa Nicoletta Grossi.
MRP Material Requirements Planning. MRP n Formalizzato da Joseph Orlicky nel 1975 n Codici a domanda indipendente e a domanda dipendente.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
10/5/061 Lez. 12 Previsioni di traffico Generalità Previsioni di scenario.
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
ROMA 23 GIUGNO 2016 SPAZIO CONFRONTI Primo Rapporto statistico sull’area metropolitana romana – Anno 2016 SPAZIO CONFRONTI La statistica utile Programmazione.
Transcript della presentazione:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Modelli di stima per macro-indicatori dello sviluppo regionale: unapplicazione alla Regione Emilia-Romagna Tesi di Dottorato di: MARCO OPPI Coordinatore e Tutor: Chiar.mo Prof. ROBERTO FANFANI

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Premesse: Gli indicatori dello sviluppo economico e della produttività di un territorio, sono da sempre le variabili principe attraverso le quali impostare le analisi e le azioni di politica economica. Tali indicatori devono essere resi disponibili ai policy maker tempestivamente e disaggregati –nel tempo analisi congiunturale; –nello spazio analisi dello sviluppo territorio locale.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Individuare un indicatore della produttività regionale che si renda disponibile in anticipo e con una maggiore frequenza rispetto a quello pubblicato dallIstat: –lIstat produce le statistiche dei conti economici regionali con un ritardo di circa due anni e a cadenza annuale –si proporrà un indicatore disponibile a cadenza mensile disponibile con un ritardo di pochi mesi Obiettivi:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Obiettivi: Individuare un indicatore della produttività provinciale che si renda disponibile in anticipo e con una maggiore frequenza rispetto a quello pubblicato dallIstat: –lIstat produce le statistiche dei conti economici provinciali con un ritardo di oltre due anni e a cadenza annuale –si proporrà un indicatore disponibile a cadenza trimestrale disponibile con un ritardo di pochi mesi

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Strumenti: Modelli fattoriali dinamici –Diffusion Indexes (Stock e Watson, 1998) Criteri informativi –Panel Information Criteria (Bai e Ng, 2002) Criteri di disaggregazione temporale di una serie storica –Chow e Lin, 1971

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Struttura teorica: modelli fattoriali dinamici Ambito: previsione di aggregati economici avendo a disposizione panel caratterizzati da –grandi dimensioni cross-section (N) –grandi dimensioni time-series (T)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Siano: – y t la serie storica della variabile oggetto di studio; – X t una serie storica N-dimensionale che contiene informazioni utili alla previsione di y t+1. Si ipotizzi poi che X t possa essere rappresentato da una struttura fattoriale:, i=1,...N e t=1,...T (1)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Sia lobiettivo quello di individuare allora:, (2)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: modello fattoriale statico:, e t serialmente incorrelati, F t ed {e it } mutuamente incorrelati ed i.i.d.; modello fattoriale statico approssimato: i fattori idiosincratici possono essere debolmente correlati tra le serie; modello fattoriale dinamico statico o stacked: è una riscrittura di un modello fattoriale dinamico standard in modo da rendere statica la matrice dei punteggi fattoriali;

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: 1.facendo ipotesi sui parametri e la forma distributiva della componente idiosincratica, e specificando il processo stocastico secondo cui evolvono i fattori nel tempo; 2.considerare una trasformazione del modello (1) che preveda anche ritardi delle N serie storiche nella matrice X.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Si assuma: - X t panel bilanciato - Λ t =Λ 0 - e it serialmente indipendenti

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Minimizzare: (3) ossia individuare tale da minimizzare il quadrato degli scarti, dove (4) e dove

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: sono gli elementi che minimizzano la (3) e soddisfano le condizioni di primo ordine (5) (6)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: Applicando tale struttura ad una realtà in cui: –N,T, T/N 0; –r << N, k r; –allaumentare di N e T, anche r e k tendono a divergere ma molto più lentamente di N e T; –sono contemplate variazioni nei parametri a causa del cambiamento strutturale delle serie o a causa di errori nelle serie;

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Diffusion Indexes: –se esiste, la dipendenza seriale e temporale delle componenti idiosincratiche è debole, ma nessuna restrizione è fatta relativamente alla dipendenza tra le componenti idiosincratiche e i fattori. Allora, la stima dei fattori ottenuta tramite la (4) è consistente e se, nella (2) si considera β invariante nel tempo, la stima di tali fattori può essere utilizzata per prevedere efficientemente i valori di y.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Panel Information Criteria: Corretta identificazione del modello (scelta di k), nel caso di modelli fattoriali dinamici che abbiano a che fare con panel di grandi dimensioni seriali e temporali Funzione di perdita g che tenga in considerazione contemporaneamente sia N che T

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Panel Information Criteria: Sia la matrice dei fattori stimata per un numero k di fattori; sia (7) la funzione obiettivo da minimizzare; allora, la scelta del corretto k, andrà effettuata minimizzando una funzione del tipo (8) in cui, appunto, g è funzione sia di N che di T

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Panel Information Criteria: (9) (10) (11) dove (12)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Disaggregazione temporale: Siano: –Y (nx1) la serie trimestrale della variabile di interesse; –y (3nx1) la serie mensile da stimare; –x (3nxp), x = [x1, x2,...,xp] una matrice di p variabili disponibili ad entrambe le frequenze; si supponga che la serie mensile y soddisfi una relazione multivariata con le p variabili suddette e cioè y=xβ+u, E(u)=0 e E(uu)=v (13) sia C (nx3n) una matrice tramite la quale si possono aggregare le 3n osservazioni mensili nelle n osservazioni trimestrali; a seconda della variabile si avrà:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Disaggregazione temporale: – per variabili di stock; – per variabili di flusso; – per indici;

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Disaggregazione temporale: allora, se la relazione tra y e i regressori è stabile e vale indifferentemente sia a livello mensile che annuale (o viceversa) potremo scrivere che, (14)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Disaggregazione temporale: in questo modo, linferenza su β è effettuata a partire dalla relazione annuale, ricavando lo stimatore GLS, (15) successivamente tale coefficiente viene utilizzato per ricavare il previsore del dato mensile sotto il vincolo Y=Cy e quindi, (16)

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Valore Aggiunto ai prezzi base al netto dei servizi di intermediazione finanziaria indirettamente misurati (SIFIM), ossia il PIL al netto dell IVA, delle imposte indirette nette sui prodotti e delle imposte sulle importazioni (serie annuale a prezzi 1995) Panel di 42 variabili economiche disponibili per il territorio regionale a cadenza mensile o trimestrale con una buona tempestività, per il periodo che va da Ottobre 1992 a Settembre 2004: –Importazioni ed esportazioni (Istat); –Rilevazione trimestrale (continua) delle forze lavoro (Istat);

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: –Indagine sulla fiducia delle imprese (ISAE); –Indagine sulla fiducia dei consumatori (ISAE); –Registro delle imprese (InfoCamere); –Indici dei prezzi al consumo, Indici della produzione industriale nazionali e internazionali, Immatricolazioni di auto.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Si ipotizzi che: –esista un legame tra il panel e il VA; –il panel sia generato da una struttura fattoriale latente; allora: panel diffusion indexes fattori VA mensile

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Considerando una matrice stacked dei dati che contempla anche 2 ritardi delle variabili di partenza ; Individuando il corretto numero di fattori attraverso il criterio informativo proposto da Bai e Ng Si è pervenuti alla stima di un modello caratterizzato 4 componenti fattoriali che sintetizzano il 50% della variabilità complessiva del panel di partenza.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Correlazione del primo fattore con il panel

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Correlazione del secondo fattore con il panel

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Correlazione del terzo fattore con il panel

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Correlazione del quarto fattore con il panel

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Individuare il fattore che meglio approssima landamento delleconomia e del VA ; Attraverso la metodologia di Chow e Lin attribuire landamento di tale fattore al VA annuo in modo da ottenere un VA a cadenza mensile.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Primo fattore e tasso di variazione annuo del VA

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: VA mensile

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Ricavare una stima del VA mensile sulla base della relazione tra lo stesso e i 4 fattori stimati ; Rendere disponibile al policy maker valori aggiornati dellindicatore di produttività.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore regionale: Indicatore della produttività regionale:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Indicatore di produttività regionale [VA mensile] (Gennaio 1993 – Settembre 2004) Set di variabili disponibili sia a livello regionale che provinciale (stesso periodo): –Importazioni ed esportazioni; –Imprese attive; –Popolazione totale residente; –Indice di vecchiaia e Indice di dipendenza totale; –Occupati e Tasso di disoccupazione.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Se esiste, a livello regionale, una relazione tra il VA e alcune delle variabili a disposizione; Se tale relazione è stabile e vale indifferentemente anche a livello provinciale; Allora posso ricavare una stima del VA provinciale mediante la metodologia di Chow e Lin.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Individuare una relazione consistente a livello regionale tra il VA e le serie a disposizione:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Stima del VA pro-capite provinciale tramite la metodologia di Chow e Lin (II trimestre 1993 – III trimestre 2004); Stima del VA pro-capite provinciale applicando i parametri della regressione regionale alle variabili provinciali senza porre alcun vincolo (II trimestre 1993 – III trimestre 2004); Aggregazione del VA a livello annuale per operare un confronto con il dato ufficiale dellIstat.

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Bologna:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Ferrara:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Forlì-Cesena:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Modena:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Parma:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Piacenza:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Ravenna:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Reggio Emilia:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Rimini:

Università degli Studi di Bologna – Dottorato di Ricerca in Economia e Statistica Agroalimentare – XVII ciclo Lindicatore provinciale: Differenze di scala; Discordanze nella dinamica; La relazione individuata a livello regionale non si è rivelata stabile a livello provinciale, ovvero le variabili utilizzate, pur rappresentando buoni regressori a livello regionale, non sono adatte ad individuare una relazione col VA a livello provinciale.