ANCI-CNC Quaderni DEF

Transcript

QUADERNI REGIONALI N. 1 - ANNO 205
APPLICAZIONE DEL PROGETTO FI.LO.
AI COMUNI DELLA SARDEGNA
Consorzio Anci-Cnc per la fiscalità locale
Introduzione
La realtà è molto complessa, ed è assai difficile descriverla, identificarla, essa è composta di molti elementi e da svariate relazioni che la collegano.
La realtà, qualunque realtà, (sociale, economica, biologica, numerica astronomica, fisica etc.) è in
parte rappresentabile tramite i sistemi.
Quando si è in grado di riconoscere soggetti od oggetti e definire le loro relazioni con l’ambiente
circostante abbiamo un sistema, cioè un insieme di elementi che stanno insieme, che hanno precise caratteristiche e relazioni che li distinguono da tutti gli altri sistemi.
Prendiamo per esempio il sistema di mercato ed abbiamo l’opportunità di utilizzare, per descriverne la complessità una splendida pagina delle “Lezioni di politica sociale” di Luigi Einaudi che riporto di seguito.
“Il mondo vero è qualcosa di così complicato e vario e mutevole che per ordinare le idee e vederci un po’ chiaro, è necessario affrontare la sua descrizione ad un passo per volta. Così si è fatto sin
qui per il mercato. Ma tutti coloro i quali vanno alla fiera sanno che questa non potrebbe aver luogo
se, oltre ai banchi dei venditori i quali vantano a gran voce la bontà della loro merce, ed oltre la folla
dei compratori che ammira la bella voce, ma prima vuole prendere in mano le scarpe per vedere se sono di cuoio o di cartone, non ci fosse qualcos’altro: il cappello a due punte della coppia dei carabinieri che si vede passare sulla piazza, la divisa della guardia municipale che fa tacere due che si sono presi a male parole, il palazzo del municipio, col segretario ed il Sindaco, la Pretura e la conciliatura, il
notaio che redige contratti, l’avvocato a cui si ricorre quando si crede di essere a torto imbrogliati in
un contratto, il parroco, il quale ricorda i doveri del buon cristiano, doveri che non bisogna dimenticare nemmeno sulla fiera. E ci sono le piazze, le une dure e le altre fangose che conducono dai casolari della campagna al centro, ci sono le scuole dove i ragazzi vanno a studiare. E tante altre cose ci
sono, che, se non ci fossero, anche quella fiera non si potrebbe tenere o sarebbe tutta diversa da quel
che effettivamente è”.
Anche per i comuni si può applicare il concetto di sistema, e spesso ciò accade: quante volte diciamo o scriviamo il sistema degli enti locali, il sistema dei comuni appunto per indicare in due parole
una complessità.
Una rappresentazione statistica dei soggetti e delle relazioni (finanziarie economiche e sociali) che
costituiscono il sistema dei Comuni è la finalità del progetto FI.LO. (Finanza Locale).
Si tratta, in altri termini, di trovare un filo che collega i conti dei Comuni sia tra di loro e sia
con l’esterno, individuato con una appropriata rappresentazione economica del territorio relativo all’ente locale.
3
I bilanci dei Comuni contengono molte informazioni, finanziarie, economiche sociali, fiscali,
distributive ed altre, e quindi rappresentano la base fondamentale per avere una esauriente conoscenza della situazione complessiva dei Comuni. Ma serve anche avere una idea chiara di come la
ricchezza si distribuisce nei territori comunali, che rapporti si instaurano tra questa ricchezza, le altre variabili socio-economiche e gli strumenti fiscali (aliquote ICI, tasse etc), e come varia la produttività locale.
La statistica è nata come una scienza al servizio dello Stato (statistica amministrativa) per svilupparsi come un mezzo per approfondire la conoscenza in grande (raccolta, organizzazione ed elaborazione dei dati) e poi fornire la base per prendere decisioni in vista di determinati obiettivi.
La statistica fornisce, i numeri scientifici per mettere assieme i molti pezzi e le loro relazioni di
cui è composto un sistema per rappresentare, tramite indici e funzioni, l’intero insieme che si vuole conoscere e nel quale si devono operare delle scelte.
Le statistiche del progetto FI.LO. hanno la duplice finalità di fornire un quadro dell’importanza quantitativa della finanza comunale a livello locale, regionale e nazionale e modelli econometrici
che individuano la ricchezza comunale, e come le variabili -economiche condizionano le scelte dell’aliquota ICI.
L’aggregato istituzionale di riferimento è quindi il comune di qualsiasi dimensione.
All’interno di tale aggregato saranno attuate delle opportune distinzioni fra città metropolitane,
grandi, medi e piccoli comuni, allo scopo di evidenziare come la variazione della popolazione e del territorio generano problemi diversi ed esigenze specifiche di sviluppo economico, civile e sociale.
La prima informazione riguarda quanto vale, in termini economici assoluti, il comparto dei comuni sia su scala nazionale, che regionale. Si tratta di sommare i loro bilanci preventivi e consuntivi,
organizzati secondo un criterio che fornisca sia il totale delle entrate, delle uscite e dei saldi, e sia il totale delle principali voci che compongono le entrate e le uscite stesse.
Questi dati consentono di cogliere l’andamento generale della finanza locale in un periodo ritenuto opportuno e l’individuazione della evoluzione dei fenomeni finanziari ed economici più importanti come i saldi e alcune particolari voci di entrata e spesa.
I valori totali e quelli di dettaglio saranno rapportati ai dati economici nazionali (PIL, investimenti, occupazione, etc.) e regionali.
Questo confronto permetterà di stabilire quanto “pesa” l’aggregato economico dei comuni sull’economia nazionale e su quella regionale e che ruolo svolge nella distribuzione del benessere locale, nella socialità, nello sviluppo, e nella assistenza, e quanta autonomia finanziaria è sotto la responsabilità
dell’amministrazione comunale.
I lavori di Silvia Fedeli (Università La Sapienza di Roma), di Carlo Andrea Bollino e Paolo Polinori (Università di Perugia), pubblicati in questo primo quaderno regionale, riguardano l’applicazione del progetto FI.LO. ai comuni della Sardegna. Sono studi caratterizzati da un alto livello scientifico
e dal necessario rigore formale indispensabili quando si vogliono avere informazioni importanti che però non sono disponibili con dati ufficiali, ma rintracciabili per dirla con gli autori (Bollino e Polinori),
“attraverso stime di natura preliminare, robuste ed affidabili” oppure (Fedeli) che “probabilità esistono
di collocare la scelta dell’aliquota ICI di un comune in un certo intervallo di valori, in base agli anda4
menti passati di variabili socio-economiche come ad esempio il PIL pro-capite territoriale, i trasferimenti
statali e regionali, l’addizionale IRPEF e quella dell’elettricità”.
A quali domande risponde il progetto FI.LO.? Ecco alcune risposte:
Quali sono i comuni sardi che nel 2001 hanno avuto nel proprio territorio la migliore “performance economica? Bollino e Polinori rispondono: Portoscuso, Ottana, Sarroch che presentano un valore aggiunto per abitante che tocca i 40.000 Euro e che hanno la caratteristica di essere inclusi in un territorio prevalentemente idustriale.
Fra i comuni più popolosi dell’isola quali sono quelli che presentano un valore aggiunto più alto?
Nuoro con 23.600 Euro, Oristano e Cagliari con 22.000 Euro.
E per provincia? A Sassari il primato spetta a Golfo Aranci, con oltre 26.000 Euro, segue Palau
con 20.000 Euro.
Sono pubblicate, in apposite tavole distinte per le province sarde esistenti nel 2001, i valori aggiunti
per abitante, il rapporto percentuale con valore aggiunto regionale e la graduatoria dei comuni sardi.
Come si è comportato il rapporto spese/entrate? Fedeli risponde
Il rapporto tra spese ed entrate ha avuto un trend significativamente discendente.
Nel 1998 le spese rappresentavano il 6.1% in più delle entrate, nel 2002 la percentuale delle spese rispetto alle entrate si è ridotto allo 0.7%. Nel quinquennio (1998-2002) a livello nazionale la punta
massima del rapporto spese/entrate dei comuni italiani è stato dell’1.8%.
Questi dati, riportati in modo impressionistico servono per mettere in evidenza come il filo che
collega i bilanci al territorio, accende le “spie dello sviluppo”, così definite da un articolo di Marino
Massaro, pubblicato su “Il sole 24 ore” del 16 ottobre 2005, in riferimento agli indicatori del progetto
FI.LO.. Le informazioni statistiche su scala comunale, associate secondo la sussidarietà a quelle provinciali, regionali e nazionali, completano ed integrano il quadro statistico di base per una realistica
analisi dello sviluppo locale e per ricercare traiettorie di crescita territoriale e verificarne la loro compatibilità su scala regionale e nazionale.
I dati evidenziano, in ogni caso, un chiaro risultato positivo dello sforzo delle amministrazioni
comunali sarde per correggere gli squilibri finanziari fra entrate ed uscite.
La dimensione regionale della banca dati dei comuni e dei modelli econometrici relativi al PIL comunale ed ai condizionamenti provocati dalle variabili territoriali all’aliquota dell’ICI è necessaria per
elaborare specifiche analisi economiche territoriali e ricercare il miglior rapporto fra le politiche fiscali e
quelle per lo sviluppo locale.
La scala regionale del progetto FI.LO. sarà mantenuta nel futuro con opportuni accordi con le
ANCI Regionali e le stesse Regioni.
Un coerente esempio è la prima convenzione che l’ANCI-CNC ha siglato con la Regione Emilia
Romagna e l’ANCI Emilia Romagna che prevede una collaborazione fra i dati dei comuni elaborati dalla Regione e dall’ANCI regionale ed i modelli statistici del progetto FI.LO. al fine di studiare lo svilup5
po economico territoriale. Il prossimo quaderno regionale tratterà i risultati di tale collaborazione che ci
auguriamo di estendere con le ANCI regionali alle altre Regioni Italiane.
Un debito di riconoscimento agli esperti Fedeli, Bollino, Polinori, per la loro serietà e preparazione scientifica. Una menzione è doverosa, per le necessarie informazioni fornite, dell’Istituto Tagliacarne e della Società ANCITEL per la elaborazione dei dati regionali e del il Ministero dell’Interno e
dell’ISTAT per i dati sui bilanci dei comuni. Segnalo anche la collaborazione e l’impegno per la pubblicazione dei quaderni la Sig.ra Elena Curci dell’ANCI-CNC. Devo tuttavia riconoscere un debito specifico alla Sig.ra Uliana Ventura dell’ANCI-CNC che ha seguito l’intera attività del progetto FI.LO. con
la consueta accuratezza e velocità.
L’intero progetto FI.LO., i relativi lavori, studi e pubblicazioni non si sarebbero potuti realizzare
senza una volontà specifica dell’ANCI e dell’ANCI-CNC
Roma, 13 ottobre 2005
Alfredo Straini
Vice Direttore ANCI-CNC
& Responsabile del progetto FI.LO.
6
Le scelte in tema di tassazione patrimoniale
in Sardegna
Silvia Fedeli
1. Introduzione
La banca dati del progetto FI.LO. ha acquisito i bilanci consuntivi dei comuni italiani relativi al 2002. Ciò permette considerazioni interessanti sotto vari aspetti. In questo studio ci concentriamo sulle scelte in tema di tassazione patrimoniale da parte dei comuni della Sardegna.
L’imposta commisurata al valore delle proprietà immobiliari, nella maggior parte dei sistemi fiscali moderni, è destinata ai governi locali perché in linea di principio è lo strumento
più adatto a mettere in relazione i benefici associati all’erogazione di servizi pubblici locali ai
costi sostenuti dalla collettività che ne usufruisce. Anche in Italia, l’ICI in vigore dal 1993, rappresenta la principale fonte di finanziamento della maggior parte dei comuni, contribuendo
in misura rilevante all’autonomia finanziaria degli stessi.1
Dall’analisi effettuata lo scorso anno (Fedeli e Giannoni, 2004) è emersa una estrema variabilità del gettito ICI tra comuni. Tale variabilità è associata alla collocazione geografica, oltrechè, come abbiamo evidenziato nella relazione per il 1998-2002 (Fedeli, 2005), alle dimensioni demografiche dei comuni stessi. Pertanto, l’analisi econometrica si presta allo studio delle scelte attuate dai comuni di una stessa regione in tema di tassazione patrimoniale, come
conseguenza dei vincoli di bilancio e delle condizioni socio-economiche, demografiche e urbanistiche, che essi si trovano ad affrontare.
Qui analizziamo il caso della Sardegna nel periodo 1998-2002, periodo del quale la banca dati del progetto Fi.Lo. dispone non solo dei dati dei bilanci consuntivi dei comuni forniti
da Ministero dell’Interno, ma anche delle informazioni Istat sui comuni sardi (oltre al numero abitanti, abbiamo, per esempio, i dati sulla composizione per tipologia delle abitazioni al
censimento 1991) raccolte nella banca dati Geostat dell’Istituto Tagliacarte, dei dati del valore
aggiunto provinciale nei vari anni (anch’essi forniti dall’istituto Tagliacarne) e delle aliquote
ICI dal 1998 al 2003 raccolte dall’ANCI-Cnc.
Nelle tabelle seguenti riportiamo alcune statistiche di interesse estratte dalla banca dati
utilizzata per l’indagine. In primo luogo, il numero di comuni sardi suddivisi per provincia
presenti nella banca dati in ciascun anno (tabella 1). Nella tabella 2 riportiamo la distribuzione dei comuni per fasce di popolazione, che, ricordiamo, sono individuate nel modo seguente: FASCIA 1 comprende i comuni con meno di 5000 abitanti; FASCIA 2 quelli la cui popolazione è tra 5000 e 10000 abitanti; FASCIA 3 i comuni con popolazione tra 10000 e 50000 abitanti; FASCIA 4 comuni la cui popolazione è maggiore di 50000 abitanti; FASCIA 5 comprende il solo comune metropolitano (Cagliari).2
1
Un filone importante di ricerca (a partire da Oates, 1969, ma vedi anche Oates, 1972 e 1993) si è concentrato sulla verifica di fenomeni di capitalizzazione dell’imposta sul valore degli immobili.
2 Le tabelle 1 e 2 sono state estratte dalla banca dati. Il motivo per cui i totali dei comuni non coincidono (per esempio nella tabella 2 il totale dei comuni osservati risulta 364 mentre nella tabella 1, lo stesso anno, il totale dei comuni risulta 375)
è dovuto al fatto che quell’anno 11 comuni non hanno indicato la popolazione residente e pertanto non sono classificabili per fasce demografiche.
7
TABELLA 1. DISTRIBUZIONE DEI COMUNI SARDI PER PROVINCIA
anno
1998
1999
2000
2001
2002
2003
CA
109
105
105
108
108
108
NU
99
92
92
98
100
100
OR
78
77
77
78
78
78
SS
89
88
88
89
89
89
Totale
375
362
362
373
375
375
TABELLA 2. DISTRIBUZIONE DEI COMUNI SARDI PER FASCIA DI POPOLAZIONE
anno
1999
2000
2001
2002
2003
FASCIA1
FASCIA2
FASCIA3
FASCIA4
FASCIA5
Meno di 5000
abitanti
Tra 5000 e
10000 abitanti
Tra 10000 e
50000 abitanti
Più di 50000
abitanti
Comune
metropolitano
(CAGLIARI)
301
299
300
301
301
36
36
36
36
36
24
24
24
24
24
2
2
2
2
2
1
1
1
1
1
Totale
364
362
363
364
364
Nelle tabelle 3 e 4 successive riportiamo i valori a consuntivo e i rapporti di composizione nel quinquennio considerato, rispettivamente delle entrate (accertamenti) e delle spese
(impegni).
Possiamo subito osservare che in termini di squilibri finanziari la Sardegna dopo un riallineamento ai valori osservati a livello nazionale, negli ultimi anni del quinquennio ha migliorato rispetto all’aggregato nazionale. Considerando, infatti, il rapporto tra spese ed entrate notiamo che esso nel 1998 era pari a 1,061, nel 1999 a 1.020, nel 2000 a 1,0298, nel 2001 a 1,012
e nel 2002 a 1,0078. In altri termini, lo scarto tra impegni e accertamenti è passato dal 6,1% del
1998 allo 0,78% del 2002 (il valore nazionale era 1,1% in entrambi gli anni e il massimo dello
scarto, a livello nazionale, si è avuto nel 2000 con 1,88%). Ciò è dovuto gli andamenti delle
componenti di entrata e di spesa dell’aggregato dei comuni sardi che si mostrano diversi da
quelli osservati per l’aggregato nazionale dei comuni descritto nella relazione per il periodo
1998-2002 (cf. Fedeli, 2005).
Ciò viene messo in evidenza nelle figure 1-4 successive, che riportano gli andamenti di
spese ed entrate in livelli e in rapporto al valore aggiunto della Sardegna. Rispetto agli andamenti nazionali (cf. Fedeli, 2005) notiamo che, dal lato delle spese, mentre il 2001 è l’anno che
a livello nazionale mostra un incremento delle spese di investimento in conseguenza dell’aumento del contributo ordinario finalizzato ad esse, previsto dalla legge finanziaria per il 2001,
in Sardegna il picco delle spese in conto capitale è nel 1999 a fronte, dal lato delle entrate, di
un sostanziale incremento (anche in termini di valore aggiunto regionale) di quelle derivanti
da alienazioni, trasferimenti di capitale e riscossione di crediti. Tale voce di entrata ha avuto
un incremento anche nel 2002, finalizzato anch’esso alle spese per investimento. Le spese correnti mostrano andamenti in linea coll’inflazione e, anche in termini di valore aggiunto locale, sono pressoché costanti nel quinquennio (cf. figura 1 e figura 2). Dal lato delle entrate, quelle tributarie mostrano una crescita minore di quella osservata a livello nazionale, soprattutto
nel 2002, l’ultimo anno di rilevazione, quando osserviamo a livello nazionale un rilevante incremento delle entrate tributarie (che, rispetto al PIL, passano da 1,44% nel 2001 a 1,73% nel
2002) a fronte della riduzione dei contributi e trasferimenti correnti (che, rispetto al PIL, passano da 1,52% nel 2001 a 1,27% nel 2002) e delle entrate extratributarie (che, rispetto al PIL,
8
passano da 0,82% nel 2001 a 0,77% nel 2002). La Sardegna, mostra, in termini reali, due picchi
delle entrate totali rispetto al valore aggiunto locale nel 1999 e nel 2002. Ciò riflette, come accennato, l’andamento delle entrate da alienazioni, trasferimenti di capitale e riscossione di crediti. Inoltre, in controtendenza rispetto ai valori nazionali, la Sardegna mostra anche un aumento dei contributi e trasferimenti correnti nel 2002 dopo un quadriennio (1998-2001) di una
loro sostanziale riduzione in termini reali. Inoltre entrate tributarie ed extratributarie rimangono pressoché stazionarie (in termini di PIL locale) anch’esse in controtendenza rispetto agli
andamenti osservati a livello nazionale (cf. Fedeli, 2005).
TABELLA 3 LE ENTRATE (ACCERTAMENTI) DEI COMUNI DELLA SARDEGNA:
LIVELLI E RAPPORTI DI COMPOSIZIONE DELLE ENTRATE NEL PERIODO 1998-2002
Descrizione
Titolo
Titolo
Titolo
Titolo
Titolo
I
I
I
I
I
-TOT.
-TOT.
-TOT.
-TOT.
-TOT.
ENTR.
ENTR.
ENTR.
ENTR.
ENTR.
Titolo II -TOT. ENTR.
anno
Accertamenti
(milioni di
euro)
Accertamenti/
TOT,gen
Entrate
Add. comunale sul consumo di energia elettrica
Add. IRPEF
Add. IRPEF
Add. IRPEF
Add. IRPEF
I.C.I. con ali quota ordinaria
Tasse
Tasse
Tasse
Tasse
Tasse
1998
1999
2000
2001
2002
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
19,342156
19,609051
24,551207
23,968985
25,031752
5,786524
14,262282
21,750734
24,189578
157,420924
168,207033
175,959645
192,898190
214,151425
99,150795
113,113422
120,721479
130,831218
140,256057
319,429358
343,969655
379,413317
387,438945
419,740384
1,05%
0,88%
1,22%
1,10%
1,03%
0,26%
0,71%
1,00%
0,99%
8,58%
7,59%
8,75%
8,84%
8,80%
5,40%
5,10%
6,01%
5,99%
5,77%
17,40%
15,51%
18,88%
17,75%
17,25%
Contr. e trasf. corr.dallo stato
Contr. e trasf. corr.dalla Re gione
Contr. e trasf. corr.dalla Re gione per funz. Delegate
DA CONTR. E TRASF. CORR.
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
387,582060
392,810232
351,250552
375,986913
394,389339
226,954033
225,280723
255,961784
256,638207
272,987646
67,927554
62,440391
80,426157
86,514370
97,421160
687,164197
686,632904
693,457069
725,204964
772,960009
21,12%
17,72%
17,48%
17,22%
16,21%
12,37%
10,16%
12,73%
11,76%
11,22%
3,70%
2,82%
4,00%
3,96%
4,00%
37,44%
30,97%
34,50%
33,22%
31,77%
TRIBUTARIE
TRIBUTARIE
TRIBUTARIE
TRIBUTARIE
TRIBUTARIE
9
Proventi dei servizi pubblici
Titolo III -TOT. ENTR. EXTRATRIBUTARIE
Titolo IV -TOT. ENTR. DA ALIENAZ.,TRASF. CAPITALI e DA
CREDITI
CREDITI
CREDITI
CREDITI
CREDITI
Titolo V -TOT. ENTR. DA ACCENSIONI DI PRESTITI
Titolo VI -TOT. ENTR. DA SERVIZI PER CONTO DI TERZI
TOT. GENERALE DELLE ENTR.
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
109,290698
131,507064
128,464822
131,826170
129,869027
141,323614
163,188588
165,162268
183,334577
182,541759
5,95%
5,93%
6,39%
6,04%
5,34%
7,70%
7,36%
8,22%
8,40%
7,50%
1998
439,853049
23,97%
1999
580,889567
26,20%
2000
460,071282
22,89%
2001
573,955286
26,29%
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
790,167688
129,943415
301,019134
172,905609
140,048792
101,780968
123,862602
146,837826
138,876508
172,846261
171,189983
1835,377505
2217,373210
2009,914488
2183,193426
2432,880977
32,48%
7,08%
13,58%
8,60%
6,41%
4,18%
6,75%
6,62%
6,91%
7,92%
7,04%
100,00%
100,00%
100,00%
100,00%
100,00%
RISCOS.
RISCOS.
RISCOS.
RISCOS.
RISCOS.
TABELLA 4. LE SPESE (IMPEGNI) DEI COMUNI DELLA SARDEGNA: LIVELLI E
RAPPORTI DI COMPOSIZIONE DELLE SPESE NEL PERIODO 1998-2002
Descrizione
anno
impegni (milioni impegni/TOT
di euro)
spese
TITOLO I - SPESE CORRENTI
1998
1114,593368
57,22%
1999
1144,382985
50,60%
2000
1202,670530
58,11%
2001
1254,867943
56,78%
2002
1290,373635
52,63%
TITOLO II - SPESE IN C/CAPITALE
1998
646,019531
33,16%
1999
860,258030
38,03%
2000
635,754341
30,72%
2001
683,015744
30,90%
2002
913,696573
37,27%
TITOLO III - SPESE PER RIMBORSO DI PRESTITI
1998
65,946749
3,39%
1999
110,564648
4,89%
2000
93,032350
4,49%
2001
98,888321
4,47%
2002
76,344083
3,11%
TITOLO IV - SPESE PER SERVIZI PER CONTO DI TERZI
1998
122,985470
6,31%
1999
146,409023
6,47%
10
2000
138,265503
6,68%
2001
173,192563
7,84%
2002
171,464802
6,99%
TOTALE GENERALE DELLE SPESE
1998
1947,927073
100%
1999
2261,791883
100%
2000
2069,722725
100%
2001
2210,196270
100%
2002
2451,879096
100%
FIGURA 1: LE SPESE (IMPEGNI) DELLA SARDEGNA NEL QUINQUENNIO 1998-2002.
(LIVELLI IN MILIONI DI EURO)
2500
TOTALE SPESE
2250
2000
1750
1500
SPESE CORRENTI
1250
SPESE C/CAPITALE
1000
750
500
250
0
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
1998
1999
2000
2001
2002
FIGURA 2: LE SPESE (IMPEGNI) DELLA SARDEGNA NEL QUINQUENNIO 1998-2002
(RAPPORTI SUL VALORE AGGIUNTO SARDO)
10.00°
TOTALE SPESE/PIL
8.00%
6.00%
SPESE CORRENTI/PIL
SPESE C/CAPITALE/PIL
4.00%
2.00%
0.00
1998
1999
2000 2001
2002
1998
1999
2000
2001
2002
1998 1999
2000 2001
2002
11
FIGURA 3: LE ENTRATE (ACCERTAMENTI) DELLA SARDEGNA NEL QUINQUENNIO
1998-2002. (LIVELLI IN MILIONI DI EURO)
2500
TOTALE ENTRATE
2250
2000
1750
1500
1250
1000
750
CONTR. E TRASF CORR.
ENTRATE DA ALIENAZ .,
TRASF. CAPITALI
E DA RISCOS. CREDIT
ENTRATE TRIB.
ENTRATE
EXTRATRIB.
500
ACCENSIONE PREST.
250
0
1998 1999 2000 2001 2002 1998 '99 2000 2001 2002 1998 1999 2000
2001 2002 1998 1999 2000 2001 2002 1998 1999 2000 2001 2002
1998 1999 2000 2001 2002
FIGURA 4: LE ENTRATE (ACCERTAMENTI) DELLA SARDEGNA NEL QUINQUENNIO
1998-2002 IN RAPPORTO AL VALORE AGGIUNTO SARDO.
TOTALE ENTRATE
10.00%
9.00%
8.00%
7.00%
6.00%
5.00%
4.00%
ENTRATE DA
ALIENAZ.,TRASF. CAPITALI
E DA RISC.CREDITI
CONTR. E TRASF CORR
3.00%
ENTRATE TRIB.
2.00%
1.00%
0.00%
12
ENTRATE
EXTRATRIB.
1998 1999 2000 2001 2002 1998 '99 2000 2001 2002 1998 1999 2000
ACCENS.PRESTITI
2001 2002 1998 1999 2000 2001 2002 1998 1999 2000 2001 2002 1998 1999 2000 2001 2002
Tali andamenti, tuttavia, riflettono il fatto che la Sardegna, in quanto regione a statuto
speciale, presenta peculiarità (rispetto alle regioni a statuto ordinario, che sono la maggioranza nell’universo dei comuni e che perciò influenzano la media) analoghe almeno in parte ad
altre regioni istituzionalmente simili. Questo fatto rende particolarmente interessante lo studio dell’uso dell’autonomia tributaria da parte dei comuni sardi anche nell’ottica del processo di devoluzione delle funzioni ai comuni appartenenti alle regioni a statuto ordinario. Nella sezione successiva studieremo pertanto le caratteristiche dell’autonomia impositiva dei comuni in Sardegna in relazione all’imposta comunale sugli immobili.
2. Il modello econometrico
L’uso che i comuni sardi fanno della loro, pur limitata, autonomia tributaria, non può
prescindere dalla considerazione degli andamenti dei gettiti e dell’aliquota del principale tributo a ciò finalizzato. Nella tabella 3 abbiamo visto che, in termini di composizione delle entrate, il gettito dell’Ici si è mantenuto a livelli stabili nel quinquennio considerato. Le tabelle
successive riportano informazioni relative alla distribuzione per comuni dell’aliquota ordinaria dell’ICI in Sardegna, distinguendo (tabella 5) tutti i livelli assunti dalla stessa nei comuni della regione. La tabella 6 riporta la frequenza (ossia il numero di comuni), i valori medi, massimi e minimi per provincia. La tabella 7 riporta la media dell’aliquota ordinaria e di
quella applicata all’abitazione principale, aggregando i comuni per fascia di popolazione di
appartenenza.
Possiamo subito osservare che la media dell’aliquota ordinaria dell’ICI, che non si presenta troppo differenziata tra le province, è piuttosto variabile per fascia di popolazione. La
tabella 7, che riporta i valori per il periodo 1998-2003, mostra inoltre che, per quanto riguarda
le fasce di popolazione, il comune di Cagliari (l’unico metropolitano, in fascia 5) a differenza
dei comuni metropolitani nazionali non è tra i comuni sardi quello ad aliquota ordinaria più
elevata (cf. Fedeli e Giannoni 2004), mentre i comuni della fascia 1 sono quelli con la media
più bassa in tutto il quinquennio. Per quanto riguarda la distribuzione per province, i comuni delle province di Cagliari e Sassari sono quelli con la media delle aliquote più elevata nel
quinquennio, mentre i comuni delle province di Nuoro e Oristano hanno, in media, potuto
praticare aliquote più basse in tutto il periodo. Ricordiamo comunque che la Sardegna, così
come le altre regioni a statuto speciale, si pone al di sotto della media nazionale dell’aliquota
ordinaria applicata dai comuni italiani che è aumentata nel quinquennio passando da 5,44%0
nel 1998 a 5,76%0 nel 2002 (cf. Fedeli e Giannoni, 2004).
13
Numero di comuni per ciascun anno di osservazione
4
4.2
4.25
4.3
4.4
4.5
4.6
4.75
5
5.2
5.5
5.6
5.7
5.75
6
6.1
6.5
6.7
6.75
6.8
7
Totale
1999
2000
2001
2002
2003
162
1
1
1
1
45
1
1
95
1
13
1
1
2
32
1
2
1
1
1
8
152
145
134
134
1
1
1
43
1
1
1
1
39
1
1
1
2
39
1
1
98
2
15
1
95
98
95
19
19
17
1
43
1
4
1
49
1
4
49
1
9
50
1
11
1
1 3
1
19
1
2 2
372
376
371
374
372
1998 1999
Cagliari
Nuoro
Sassari
Oristano
14
109
4.81
7
4
99
4.48
7
4
89
4.85
7
4
78
4.41
6
4
105
4.94
7
4
93
4.59
7
4
89
4.91
7
4
77
4.49
6
4
2000
2001
2002
108
5.02
7
4
98
4.65
7
4
89
5.00
7
4
78
4.53
6
4
108
5.06
7
4
100
4.73
7
4
89
5.14
7
4
78
4.55
6
4
109
5.06
7
4
99
4.73
7
4
90
5.14
7
4
78
4.55
6
4
n. comuni
media
m ax
min
n. comuni
media
max
min
n. comuni
media
max
min
n. comuni
media
max
min
1
39
12
osservati
osservati
osservati
osservati
FASCIA
1999
2000
2001
2002
2003
aliquota ICI ordinaria
aliquota ICI abitazione principale
anno
4.53
4.36
4.61
4.38
4.66
4.35
4.73
4.33
4.76
4.42
5.09
4.50
5.23
4.43
5.26
4.41
5.36
4.16
5.37
4.51
5.38
4.41
5.48
4.51
5.67
4.44
5.78
4.41
6.01
4.46
FASCIA 4
6.00
5.00
6.00
4.88
6.38
5.25
6.25
5.00
6.25
5.00
FASCIA 5
4.5
4.3
4.5
4.3
5.7
4.3
6
4.3
5
4.3
FASCIA 1
Meno di 5000 abitanti
FASCIA 2
Tra 5000 e 10000 abitanti
FASCIA 3
Tra 10000 e 50000 abitanti
Comune metropolitano (Cagliari)
Per studiare i fattori che determinano il comportamento dei comuni sardi nella scelta
dell’aliquota Ici abbiamo utilizzato un modello di tipo pooled ordered probit con dummy temporali,3 nell’ ipotesi che la scelta dell’aliquota ICI4 da parte del comune i-esimo al tempo t sia il
risultato di un processo decisionale non direttamente osservabile, di cui, tuttavia osserviamo
il risultato finale, ossia l’aliquota di anno in anno effettivamente applicata dal comune i.
Con tale tipo di modelli possiamo stimare le determinanti della probabilità che un comune scelga un livello dell’aliquota ordinaria dell’ICI piuttosto che un altro. A tal fine, individuiamo gli intervalli di aliquote ICI da analizzare. Nella tabella 8 individuiamo 4 intervalli
di aliquote. Il primo intervallo, denominato Liv.ICI_0, individua tutti quei comuni per cui si
osserva l’applicazione dell’aliquota ordinaria dell’ICI al livello minimo del 4‰. Liv.ICI_1 individua tutti i comuni per cui si è osservata l’applicazione di un aliquota dell’ICI compresa tra
(strettamente maggiore del) 4‰ e (minore o uguale a) 5‰; Liv.ICI_2 individua i comuni che
hanno applicato un’aliquota ICI tra (strettamente maggiore del) 5‰ e (minore o uguale a) 6‰.
Infine, Liv.ICI_3 comprende i comuni per cui si è osservato un’aliquota dell’ICI ordinaria compresa tra (strettamente maggiore del) 6‰ e (minore o uguale a) 7‰, che è il massimo livello
applicabile.5 La tabella 8 mostra l’evoluzione della variabile dipendente dal 1999 al 2003, ri-
3 Sono stati sottoposti a verifica empirica anche la specificazione stimata da Fedeli e Giannoni (2004) per l’universo dei
comuni italiani (che analizzava le scelte dei comuni circa gli incrementi dell’aliquota ordinaria), nonchè le specificazioni
standard, secondo l’approccio di tipo pooled time-series cross-section e di tipo panel (con fixed e random effect). L’acquisizione di un’annualità di consuntivi ha permesso la stima significativa di un modello probit ordinato con la variabile dipendente pari ai livelli dell’aliquota ordinaria dell’ICI (che presenta il vantaggio di essere naturalmente ordinata), malgrado
il numero più limitato di osservazioni, rispetto all’universo dei comuni italiani, di osservazioni.
4 Ricordiamo che il campo di variazione dell’aliquota ordinaria dell’ICI è tra il 4‰ e il 7‰, in assenza di delibera comunale si applica il 4‰.
5 In altri termini, nella classe di modelli a variabile latente del tipo ordered probit, la variabile dipendente, deve essere suddivisa in categorie naturalmente ordinate, come specificato in Greene(2003). Se indichiamo con Liv.ICIit* la variabile latente, che
indica i livelli dell’aliquota ordinaria dell’Ici nel comune i al tempo t e con Xit l’insieme di variabili che possono aver influenzato la scelta di ciascun comune i al tempo t, il processo a variabile latente di tipo ordered probit è rappresentabile come:
Liv.ICIit*= Xitb + eit
dove Xit è il vettore ossia l’insieme delle variabili indipendenti che influenzano la probabilità di scegliere l’aliquota entro
un determinato intervallo, _it _ N (0,1)) rappresenta l’errore nel modello e la variabile osservata Liv.ICIit viene determinata da Liv.ICIit* con la regola seguente
0
Li v.ICI it =
1
2
3
se
se
se
se
Li v. ICI it * = 4 % 0
4 % 0 Li v.ICI it * 5 % 0
5 % 0 Li v. ICI it * 6 % 0
6 % 0 Li v.ICI it * 7 % 0
dove i valori scelti per rappresentare le categorie dei livelli dell’aliquota ICI sono arbitrari.
15
portando il numero di comuni presenti in ciascun intervallo, la media dell’aliquota ordinaria
dell’ICI, e i valori massimo e minimo nell’intervallo.
Dalla tabella 8 risulta che gran parte dei comuni sardi applicano aliquote inferiori al 5‰,
ossia si collocano nei due intervalli più bassi della variabile dipendente, e che il numero dei
comuni in tali classi è decrescente nel tempo, mentre aumenta nel tempo, in misura variabile,
il numero di comuni negli intervalli più alti.
ANNO
1999 2000 2001 2002 2003
n. di comuni osservati per ciascun anno
162
152
145
136
134
145
139
142
136
4.83
5
4.25
4.83
5
4.25
4.84
5
4.2
4.84
5
4.25
4.85
5
4.25
46
59
71
70
70
5.85
6
5.5
5.87
6
5.5
5.85
6
5.5
5.85
6
5.2
5.85
6
5.2
11
6.89
7
6.5
364
17
6.82
7
6.1
373
20
6.83
7
6.1
375
30
6.81
7
6.1
378
37
6.80
7
6.1
377
n. di comuni osservati per ciascun anno 145
Media
Max
Min
n. di comuni osservati per ciascun anno o
Media
Max
Min
n. di comuni osservati per ciascun anno o
Media
Max
Min
Per individuare le determinanti delle scelte dei comuni (le variabili indipendenti) abbiamo sottoposto a verifica empirica l’insieme delle variabili presenti nella banca dati del progetto Fi.Lo., ossia le variabili fiscali come risultano dai bilanci consuntivi, le variabili socioeconomiche, quali ad esempio il valore aggiunto provinciale, nonché i dati sulla composizione per tipologia delle abitazioni nei comuni sardi.
La scelta finale delle variabili indipendenti da includere nelle stime è stata effettuata in
base ai seguenti criteri. Innanzitutto, tutte le variabili di bilancio dal lato delle entrate (normalizzate sul totale delle spese, considerate come indicatore delle esigenze di bilancio) e quelle socio-economiche disponibili per i comuni sono state sottoposte a verifica empirica per poter individuare eventuali correlazioni tra loro e con la variabile dipendente.6 Abbiamo inoltre
ipotizzato che tutte le variabili economiche e finanziarie, considerate con il lag di un anno, siano esogene.7
Su tali basi sono state sottoposte a verifica empirica specificazioni alternative del modello. In ciascuna specificazione, laddove le variabili non fossero state a priori correlate, sono sempre state considerate quelle variabili che catturano l’eventuale impatto di politiche redistribu6
In appendice, nella tabella A2, riportiamo la matrice di correlazione, nonchè le statistiche descrittive (tabella A1) delle
variabili risultate significative nella stima finale in cui, in cui oltre alle poste di bilancio sono state incluse variabili dicotomiche (dummy) indicative delle province, delle cinque fasce di popolazione e temporali.
7 Laddove le poste di bilancio risultavano fortemente correlate abbiamo deciso sia in base a considerazioni statistiche sia
in considerazione della maggiore o minore possibilità di manovra da parte del comune sulle variabili via via considerate. La tabella di correlazione tra tutte le variabili sottoposte a verifica non è stata riportata, ma è disponibile su richiesta.
16
tive perseguibili tramite l’ICI stessa, ossia le detrazioni e la presenza di una politica per l’abitazione principale attuata con aliquota Ici diversa da quella ordinaria. Vedremo che nessuna di
queste è risultata significativa nel quinquennio, mentre la percentuale nel comune di “case vacanze” risulta particolarmente importante per la Sardegna. Inoltre è sempre stato incluso in
ogni specificazione del modello, risultando sempre significativo, il Pil procapite provinciale
dell’anno precedente. Questa variabile serve per verificare l’influenza delle condizioni economiche locali nelle scelte dei comuni. Ci si potrebbe attendere che la crescita dell’economia locale influenzi positivamente la scelta di elevate aliquote ICI, se il comune è attento a non gravare l’economia locale con imposte elevate quando il Pil locale è basso, l’opposto si potrebbe
verificare laddove prevalgano difficoltà finanziarie del comune stesso tali da giustificare una
pressione fiscale elevata anche in presenza di redditi medi bassi. Infine è sempre stata sempre
inclusa (e in varie forme, vedi sotto) la variabile che cattura l’andamento dell’addizionale Irpef
che costituisce l’altro importante strumento discrezionale a disposizione dei comuni.
Per quanto riguarda le poste di entrata dei bilanci normalizzate sul totale delle spese, tra
le diverse specificazioni del modello la migliore performance è stata ottenuta includendo la variabile relativa all’andamento degli accertamenti dell’ICI derivanti dall’applicazione dell’aliquota ordinaria, dell’addizionale dell’energia elettrica e dei contributi e trasferimenti correnti
sia statali sia regionali (ricordiamo che tutti i gettiti, normalizzati sul totale delle spese, sono
quelli dell’anno precedente). L’addizionale IRPEF, che è forse l’imposta che offre maggiori possibilità di manovra ai comuni (per esempio, non tutti decidono di utilizzarla e l’aliquota può
variare tra comuni), poiché quantitativamente bassa rispetto agli altri gettiti,8 è risultata sempre significativa nella specificazione in forma binaria. In altri termini abbiamo costruito una variabile dicotomica, dummy_adirpef, che assume valore 1 in quei comuni che l’anno precedente
hanno avuto gettiti positivi dall’addizionale Irpef e valore 0 in tutti gli altri casi. Osserviamo
che nel 1999 solo 39 comuni sardi l’hanno utilizzata, nel 2000 i comuni sono diventati 76, nel
2001 e nel 2002 i comuni sono passati, rispettivamente, a 90 e 96. Il segno atteso di questa variabile (ma analogo comportamento lo attendiamo dalle altre poste delle entrate tributarie) in
relazione ad alti livelli dell’aliquota ICI è presumibilmente positivo se gli strumenti sono percepiti come complementari, mentre sarebbe negativo gli strumenti possono essere considerati
alternativi o sostituti. Per quanto riguarda la quota dei trasferimenti dallo Stato e dalla Regione al comune sul totale generale delle uscite che il comune ha avuto nell’anno precedente, ci
aspettiamo un segno negativo per livelli elevati dell’aliquota ICI, per cui la riduzione dei trasferimenti aumenterebbe la probabilità che un comune scelga l’aliquota più elevata.
La stima del modello finale è in appendice insieme ai test effettuati per valutare la bontà delle stesse (tabella A3). Qui riportiamo, nella tabella 9, la stima dell’impatto marginale delle variabili indipendenti su ciascuna categoria della variabile dipendente. Osserviamo innanzitutto che la direzione degli effetti delle variabili indipendenti sulla probabilità che un comune si collochi in uno dei diversi intervalli dell’aliquota ICI assume lo stesso segno nei 3 intervalli in cui l’aliquota è più elevata (il discrimine dei livelli di aliquota è determinato dall’intervallo che fissa l’aliquota al minimo, Liv.ICI_0, che ha segno opposto). Osserviamo inoltre che l’impatto marginale di ciascuna variabile cambia in modo non trascurabile tra intervalli.
Circa l’interpretazione dei risultati, consideriamo, per esempio, la probablità che un comune sardo scelga l’aliquota ordinaria dell’Ici al valore minimo 4‰ (la stima dell’impatto
quantitativo delle variabili indipendenti su Liv.ICI_0 è nella colonna 2 della tabella 9). Osserviamo che tale scelta è determinata dal fatto che l’anno precedente il livello dei contributi e
8
Ricordiamo che l’addizionale Irpef introdotta nel 1999 non venne applicata immediatamente da tutti i comuni, ma, come mostrato nella tabella 3, ha subito nel tempo un incremento rilevante raggiungendo l’1% circa del valore aggiunto sardo nel 2001 e nel 2002.
17
trasferimenti correnti dallo stato e dalla regione siano stati positivi (all’aumentare dei trasferimenti aumenta anche la probabilità che un comune scelga l’aliquota minima). Tale probabilità aumenta anche se l’anno precedente l’ICI non ha reso bene (il coefficiente è -0,304), così come l’addizionale Irpef è stata poco utilizzata (l’impatto stimato è pari a -0,139), se nel comune ci sono poche abitazioni destinate a case vacanze, se l’economia non è andata bene (in tal
caso possiamo considerare quali indicatori della congiuntura economica, non solo il Pil procapite provinciale, ma anche il gettito dell’addizionale dell’energia elettrica). Risultano anche
significativi con segno negativo i comuni delle province di Cagliari e Sassari che indicano che
i comuni in tali province sono inversamente correlati alla probabilità di scegliere l’aliquota minima rispetto ai comuni delle province di Oristano e Nuoro che sono stati presi come riferimento. Risulta inoltre che la probabilità di scelta dell’aliquota minima è più elevata per i comuni più piccoli (con meno di 5000 abitanti, FASCIA1) che sono i soli delle fasce considerate
che per Liv.ICI_0 non presentano segno negativo.
TABELLA 9. STIMA DEGLI EFFETTI MARGINALI SUI 4 LIVELLI
DELLA VARIABILE DIPENDENTE
Liv.ICI_0
Liv.ICI_1 Liv.ICI_2 Liv.ICI_3
contr.e trasf. corr.stat t -1
Tot.S . t -1
0,741
-0,216
-0,416
-0,109
contr.e trasf. corr.regione t -1
Tot. S. t -1
0,182
-0,053
-0,102
-0,027
-0,304
-0,139
0,089
0,021
0,171
0,089
0,045
0,029
-0,014
0,172
-0,168
-0,271
-0,770
-0,00003
0,004
-0,021
0,010
-0,086
0,224
0,00001
0,008
-0,113
0,116
0,219
0,432
0,00002
0,002
-0,039
0,043
0,137
0,113
0,00001
Cagliari
Sassari
Dummy temporali
-0,115
-0,079
0,024
0,018
0,071
0,047
0,021
0,014
1999
2000
2001
2002
0,014
0,030
0,057
0,079
-0,004
-0,009
-0,019
-0,027
-0,008
-0,017
-0,031
-0,042
-0,002
-0,004
-0,008
-0,010
ICI t-1
Tot.S. t-1
Dummy Add. Irpef
Add. energia elettrica t -1
Tot.S. t -1
FASCIA1
FASCIA3
FASCIA4
Quota case vacanze
PIL pro-capitet-1
Dummy provinciali
Riguardo alle stime ottenute nella tabella 9 circa l’impatto delle variabili indipendenti
sulla probabilità che i comuni sardi scelgano uno dei 3 livelli di aliquota ordinaria dell’ICI più
elevati (ossia Liv.ICI_1, Liv.ICI_2 e Liv.ICI_3) possiamo dare la seguente interpretazione. Considerando per primi gli impatti delle variabili fiscali, osserviamo che una riduzione dei contributi e trasferimenti correnti statali dell’anno precedente, ceteris paribus, ha al margine un effetto di -21% su Liv.ICI_1, mentre ha un impatto del 41% sulla probabilità che il comune si
9
Ricordiamo che la somma degli effetti marginali di ciascuna variabile indipendente è pari a 0.
18
ponga su Liv.ICI_2 e di -11% sul livello 3.9
contr.e trasf. corr.reg. t -1
La variabile
, che rappresenta la quota dei contributi e trasferiTot.S. t -1
menti correnti dalla Regione al comune sul totale generale delle Spese dei comuni nell’anno
precedente, assume lo stesso segno della quota dei trasferimenti statali ossia ha il segno negativo negli ultimi 3 intervalli, indicando chiaramente che la sua riduzione aumenta la probabilità che il comune si ponga negli intervalli di aliquota più elevati. Notiamo tuttavia che
per quanto la Sardegna sia una regione a statuto speciale e, in quanto tale, usufruisca di contributi e trasferimenti correnti dalla Regione sostanzialmente più elevati dei comuni nelle regioni a statuto ordinario, l’impatto più consistente sul livello dell’aliquota Ici è determinato
dai contributi e trasferimenti correnti statali.
La figura 5, che rappresenta graficamente la distribuzione degli impatti percentuali delle poste di bilancio sulla probabilità che il comune scelga uno dei livello di aliquota ordinaria
dell’Ici, mostra differenze non trascurabili tra gli impatti marginali dei contributi e trasferimenti correnti statali e regionali.
FIGURA 5. IMPATTI PERCENTUALI DELLE POSTE DI BILANCIO SULLA
PROBABILITÀ CHE IL COMUNE SCELGA UN DETERMINATO LIVELLO DI
ALIQUOTA ORDINARIA DELL'ICI
Trasf.Corr.Stat.(t-1)
60%
Trasf.Corr.Reg.(t-1)
40%
Gettito ICI (t-1)
Dummy_adirpef
20%
0%
-20%
-40%
-60%
Liv.ICI_0
(aliquota = 4‰)
Liv.ICI_1
(4‰ < aliquota < 5‰);
Liv.ICI_2
(5‰ ≤ aliquota < 6‰)
Liv.ICI_3
(6‰ ≤ aliquota ≤ 7‰)
La figura 5 riporta anche gli impatti marginali per ciascun livello di aliquota Ici delle altre due componenti di bilancio significative (l’addizionale per l’energia elettrica non è stata riportata in figura poiché il suo impatto marginale è trascurabile rispetto alle altre). Emerge che
le componenti delle entrate tributarie risultate statisticamente rilevanti hanno segno opposto
a quello dei contributi e trasferimenti correnti. In particolare, la variabile
ICI t-1
, ovvero la
Tot.S . t-1
quota degli accertamenti ICI sul totale generale delle spese dell’anno precedente, risulta influenzare positivamente, la probabilità che l’aliquota scelta dal comune sia rivolta ai 3 livelli
più elevati, mentre, come già accennato, ha segno negativo per i comuni con aliquota minima.
La variabile dicotomica, Dummy_adirpef che descrive la presenza o meno di gettiti positivi
da addizionale Irpef nell’anno precedente, presenta lo stesso segno degli accertamenti Ici e
dell’addizionale per l’energia elettrica. Ciò indica la non sostituibilità tra gli strumenti tributari. Per quanto riguarda l’addizionale per l’energia elettrica, come accennato, va considerato
il fatto che essa può essere considerata anche come indicatore dell’economia locale. In tal senso, il livello scelto dell’aliquota ordinaria è influenzato nella stessa direzione dai gettiti dell’addizionale dell’energia elettrica nell’anno precedente e dal PIL procapite provinciale dell’anno precedente. Emerge un comportamento anti-ciclico dei comuni sardi nella scelta del19
l’aliquota ICI rispetto alla congiuntura economica locale, come conferma il segno delle coefficiente delle due variabili – entrambe assumono segno negativo al livello più basso di aliquota e positivo in tutti gli altri casi – per quanto molto limitato nell’entità.
Circa l’appartenenza dei comuni alle diverse province e fasce di popolazione, è importante notare la significatività e il segno dei comuni che si trovano nelle province di Cagliari e Sassari poiché essi sono effettivamente quelli ad aliquota media più elevata (rispetto ai comuni di Nuoro e Oristano), per cui si presentano con segno negativo al livello
0 e positivo negli altri 3 casi. Tra le fasce di popolazione risultano significative, con segni
non concordi (vedi figura 6) i comuni della fascia 1 (con popolazione inferiore a 5mila abitanti), della fascia 3 (10mila- 50mila abitanti) e della fascia 4 (con popolazione superiore a
50mila abitanti). Il segno positivo di una determinata fascia per un determinato livello di
aliquota, indica la maggiore probabilità che i comuni di quella fascia si pongano su quel livello. Pertanto, come già osservato, risulta che i comuni in fascia 1 hanno più alta probabilità di trovarsi al livello del 4‰, al contrario quelli della fascia 3 hanno più alta probabilità di distribuirsi ai 3 livelli superiori, la fascia 4 ha segni negativi nei primi due livelli e positivi altrimenti.
Fascia 4
Fascia 3
10%
Fascia 1
0%
-10%
-20%
Liv.ICI_0
Liv.ICI_1
Liv.ICI_2
Liv.ICI_3
(5‰ ≤ aliquota < 6‰)
(6‰ ≤ aliquota ≤ 7‰)
-30%
(aliquota = 4‰)
(4‰ < aliquota < 5‰);
Come già accennato, la politica sull’abitazione principale e le detrazioni non sono risultate significative, indicando chiaramente che in Sardegna i comuni non perseguono con
l’Ici scopi redistributivi. Ciò tuttavia non è sorprendente, per quanto in controtendenza rispetto alla stima di Fedeli e Giannoni (2004) relativa all’universo dei comuni italiani, perché, come abbiamo già osservato, la Sardegna applica aliquote mediamente più basse della media nazionale e presenta peculiarità immobiliari rispetto alle altre regioni, come conferma il segno assunto dalla percentuale di case vacanze che è negativo per il livello minimo e positivo altrimenti. Ciò può significare che la presenza di case vacanze e quindi di
possibilità di gettiti ulteriori su tale base è percepita come complementare all’Ici ordinaria.
In altri termini laddove l’Ici rende bene essa viene sfruttata al meglio e in tutte le sue possibilità.
20
3. Conclusioni
Dopo avere analizzato alcune delle caratteristiche principali delle entrate e delle spese
dei comuni sardi nel quinquennio 1998-2002, ci siamo concentrati sugli effetti dell’interazione
tra differenti livelli di governo dal punto di vista dei comuni verificando come variazioni del
livello dei trasferimenti dal centro e dalla regione, insieme agli altri strumenti di bilancio, nonchè alle caratteristiche (economiche, demografiche…) dei comuni sardi, possano influenzare
la scelta delle aliquote più importanti per l’autonomia impositiva dei comuni.
La probabilità che la scelta dei comuni sardi sia rivolta a livelli elevati dell’aliquota ordinaria aumenta se l’anno precedente sono ridotti i trasferimenti statali e regionali, se l’addizionale IRPEF ha dato gettiti positivi, se il gettito derivante dall’ICI ha “reso” bene, ma anche
se il reddito procapite è elevato e l’economia locale è andata bene. La probabilità che i comuni scelgano il livello più basso dell’aliquota ordinaria dell’ICI è, viceversa, associata positivamente al gettito dei trasferimenti statali e regionali e negativamente a quelli delle altre imposte risultate significative così come all’andamento del PIL procapite. Sembrerebbe quindi che
i comuni che scelgono l’aliquota minima dell’ICI siano quelli a cui il provento dell’ICI non
rende abbastanza, come nel caso dei comuni più piccoli nella fascia 1, che risulta significativa
e con impatto marginale positivo per Liv.ICI_0. L’importanza, per le scelte dei comuni, dell’andamento dell’economia locale è dimostrata non solo dalla significatività del Pil procapite,
ma anche dal segno (concorde a quello del Pil) dell’addizionale per l’energia elettrica, che può
essere considerato più un indicatore delle condizioni economiche che non di gettito (che è in
genere irrilevante, costituendo a stento l’1% delle entrate dei comuni, cf. tabella 3).
Sarebbe interessante – laddove i dati fossero disponibili e la serie fosse più lunga nel
tempo – approfondire tali risultati alla luce di altri fenomeni, quali ad esempio, la presenza o
meno di un ciclo elettorale e l’influenza del “colore politico” della Giunta comunale e regionale sulle scelte relative alla tassazione patrimoniale.
4. Rioferimenti bibliografici
Fedeli S. e Giannoni M. (2004) Un modello empirico per la scelta delle aliquote ICI dei Comuni italiani 1998-2001,
in VI RAPPORTO SULLA FISCALITÀ LOCALE, cap.5, (a cura del Consorzio ANCI C.N.C. per la fiscalità locale), Soc. Tipografica romana, Roma
Fedeli S. (2005) “I bilanci consuntivi dei comuni italiani: rapporto sulla finanza locale (1998-2002) ”, in corso di pubblicazione su VII RAPPORTO SULLA FISCALITÀ LOCALE, (a cura del Consorzio ANCI C.N.C. per
la fiscalità locale), Soc. Tipografica romana, Roma.
Greene, W. H., (2003) ECONOMETRIC ANALYSIS, 5th edition, Prentice Hall, New Jersey.
Oates, W. E., (1969). The effects of property taxes and local public spending on property values: an empirical
study of tax capitalization and the Tiebout hypotesis Journal of Political Economy
Oates, W. E., (1993) Fiscal decentralization and economic development, National Tax Journal 46 237–243.
Oates, W. E., (1972), FISCAL FEDERALISM, Harcourt Brace Jovanovich, New York.
21
5. APPENDICE 1
TABELLA A1: STATISTICHE DESCRITTIVE DELLE VARIABILI SIGNIFICATIVE
22
0.1856
0.0788
0.2268
0.2107
0.3113
0.3580
0.2778
0.1184
0.3462
0.1947
0.0900
0.1199
0.1759
0.1224
0.0861
0.0331
0.0027
0.0465
0.0698
contr.e trasf. corr.regione t-1
Tot.S. t-1
ICI t-1
Tot.S. t-1
Dummy_
AdiRPEF
Tot.S. t-1
FASCIA1
FASCIA3
FASCIA4
casevac
PIL_pc(t-1)
CA
NU
OR
SS
t1
t2
t3
t4
t5
1.000
Liv.ICI
Tot.S. t -1
Liv.ICI
(obs=1812)
-
-
-
-
-
-
-
-0.0951
-0.0210
0.0332
-0.0828
0.1658
-0.1137
0.1205
0.0452
0.0464
-0.1874
-0.2902
-0.0275
-0.0329
0.0258
0.3887
-0.0298
-0.0479
0.2669
1.0000
contr.e trasf. corr.stat t-1
Tot.S. t -1
0.1686
-0.0296
-0.0145
-0.0964
-0.0282
-0.0462
-0.0480
-0.0271
-0.0480
0.0920
-0.0648
-0.0253
-0.0680
0.0809
0.0821
-0.0044
0.2444
1.0000
contr.e trasf. corr.regione t-1
Tot.S. t-1
0.1071
-0.0071
-0.0139
-0.0586
-0.0276
0.0534
-0.0770
-0.0739
-0.0125
0.1763
0.2344
0.0278
0.0721
-0.1461
0.2780
0.0186
1.0000
ICI t -1
Tot.S. t -1
0.1266
0.1078
0.0559
-0.0719
-0.2186
-0.0780
-0.1099
-0.0308
0.0803
0.1853
0.0216
0.0283
0.1313
-0.2039
0.1155
1.0000
Dumm y_
AdiRPEF
0.0005
0.0481
0.1257
-0.1653
-0.0091
0.1177
-0.1163
-0.1113
0.0989
0.1346
0.2258
0.0684
0.2380
-0.3938
1.0000
Add. energia elettrica t-1
Tot.S. t-1
0.0004
0.0004
-0.0003
-0.0003
-0.0003
0.0191
0.1456
0.1018
-0.2450
-0.0071
-0.0125
-0.1624
-0.5806
1.0000
FASCIA1
-0.0002
-0.0002
0.0001
0.0001
0.0001
0.0263
-0.0732
-0.0685
0.1062
0.0257
-0.0094
-0.0198
1.0000
FASCIA3
-0.0001
-0.0001
0.0000
0.0000
0.0000
0.0387
-0.0337
-0.0377
0.0297
0.0277
-0.0023
1.0000
FASCIA4
-0.0007
-0.0012
0.0003
0.0003
0.0014
0.1324
-0.0411
-0.0184
-0.0693
0.0776
1.0000
casevac
0.4266
0.4452
-0.0457
-0.2434
-0.5836
0.3172
-0.2455
-0.2234
-0.2704
1.0000
PIL_pc (t-1 )
0.2749
0.0682
0.0690
0.0690
0.0690
0.2697
0.2486
0.2778
1.0000
CA
-
-
-
-
-0.2531
0.0653
0.0627
0.0627
0.0627
-0.2483
-0.2288
1.0000
NU
-0.2265
0.0562
0.0568
0.0568
0.0568
-0.2222
1.0000
OR
-0.2458
0.0609
0.0617
0.0617
0.0617
1.0000
SS
-0.2501
-0.2501
-0.2497
-0.2497
1.0000
t1
-0.2501
-0.2501
-0.2497
1.0000
t2
0.2501
0.2501
1.0000
t3
-
-0.2505
1.0000
t4
t5
1
TABELLA A2. CORRELAZIONE DI TUTTE LE VARIABILI RISULTATE SIGNIFICATIVE
23
APPENDICE 2: I RISULTATI DEL MODELLO
La tabella A3 riporta le stime finali del modello pooled ordered probit con dummy temporali
e i test effettuati. Tali risultati della sono interessanti soprattutto per l’individuazione dell’andamento dei regressori significativi per la scelta del livello dell’aliquota ordinaria dell’ICI da
parte dei comuni sardi in considerazione degli strumenti disponibili ai comuni stessi e delle
altre variabili considerate. Tale andamento che, nella tabella A3, può essere ricavato dai coefficienti stimati (colonna 2 della tabella), indica che la probabilità che un comune scelga l’aliquota ICI ai livelli più elevati è significativamente influenzata, per quanto riguarda le poste di
bilancio dei comuni, dai trasferimenti statali e regionali, dai gettiti dell’ICI ottenuti con l’applicazione dell’aliquota ordinaria e dai gettiti dell’addizionale sull’energia elettrica dell’anno
precedente, dalla presenza o meno di gettiti positivi dell’addizionale IRPEF l’anno precedente. Le politiche discrezionali dei comuni circa le politiche sull’abitazione principale e il livello
di detrazione non sono mai risultate significative. La percentuale di case vacanze sui comuni
risulta invece significativa per la decisione relativa alla scelta del livello dell’aliquota ordinaria. È interessante osservare anche la significatività del PIL provinciale procapite, delle fasce
demografiche e dei comuni delle province di Cagliari e Sassari.
La tabella riporta anche la stima dei valori di soglia (cut1, cut2 e cut3) tra un intervallo
di aliquota e l’altro. Il fatto che essi assumano un valore positivo vuol dire che le variabili indipendenti influenzano sostanzialmente nella stessa direzione le probabilità che l’aliquota cada nei 3 intervalli di aliquota più elevata. In altri termini, il discrimine dei livelli di aliquota è
determinato dall’intervallo che fissa l’aliquota al minimo, mentre il segno positivo di cut1,
cut2 e cut3 (riferiti alla stima di Liv.ICI_1, Liv.ICI_2 e Liv.ICI_3) ci dice che la probabilità che
i comuni scelgano i livelli di aliquota Ici superiori al minimo (per quanto l’impatto marginale
cambi in modo non trascurabile tra intervalli) è influenzata nella stessa direzione dalle variabili indipendenti (ossia i coefficienti assumono lo stesso segno).
24
TABELLA A3- PRINCIPALI RISULTATI DELLE STIME ECONOMETRICHE
PER LA SARDEGNA (1998-2003)
VARIABILE
DIPENDENTE=Liv.ICI
Modello pooled ordered probit con
dummy temporali (unbalanced)
Coefficiente Std.Err.
Z
Tot.S . t -1
-1.997
0.518
-3.85
contr.e trasf. corr.regione t -1
Tot. S. t -1
-0.489
0.178
-2.75
0.819
0.399
0.214
0.079
3.83
5.08
0.038
-0.504
0.508
1.007
2.073
0.000
0.008
0.106
0.130
0.189
0.250
0.000
4.98
-4.74
3.92
5.34
8.29
2.52
0.324
0.219
0.076
0.101
4.23
2.16
ICI t-1
Tot.S. t-1
Dummy Add. Irpef
Tot.S. t -1
FASCIA1
FASCIA3
FASCIA4
Quota case vacanze
PIL pro-capite t-1
Dummy provinciali
Cagliari
Sassari
Dummy temporali
-0.2
-0.037
0.187
-0.54
-0.081
0.149
-1.17
-0.151
0.129
-2.14
-0.208
0.097
0.940385 (Ancillary
1.593472
0.942864 parameters
2.886338
3.968904
0.947415
per Ordered probit Estimates (Robust S.E.):
Numero di comuni = 375
Numero di osservazioni = 1812
Wald chi2(16) = 601.52
Prob > chi2 = 0
Log pseudo-likelihood= -1849.2812
Pseudo R2=0.1499
1999
2000
2001
2002
_cut1
_cut2
_cut3
TEST
25
Il valore aggiunto su scala comunale
per la Regione Sardegna nel 2001
Primi Risultati
Carlo Andrea Bollino e Paolo Polinori
1. Introduzione1
La riforma del titolo V della Costituzione italiana ha come obiettivo fondamentale l’aumento del grado di autonomia in capo alle amministrazioni locali, favorendo l’implementazione di interventi di politica economica mirati alle singole realtà territoriali proponendo,
quindi, un totale cambiamento nel modo di esercitare i poteri. Il passaggio che si prospetta è
verso un modello meno verticistico e centralizzato che favorisca una maggiore apertura a diversi soggetti nel processo di elaborazione delle politiche.
L’ampliamento “verso il basso” dei centri decisionali provoca, come naturale conseguenza, il cambiamento ed il mutamento dei fabbisogni conoscitivi. Con l’affermazione del
principio di sussidarietà, a cui si ispira la riforma del titolo V, le esigenze conoscitive non si limitano più, infatti, ad una scala regionale o provinciale ma si indirizzano verso maglie territorialmente più minute, fino a coincidere con il Comune, che costituisce la minima, e prioritaria, unità amministrativa che si interfaccia con il cittadino.
Il cambiamento di prospettiva, relativamente alla creazione di nuove esigenze conoscitive influenza, inoltre, la “pertinenza” dell’informazione statistica stessa (Trivellato 2002) ed
in tal senso mutamenti istituzionali come quello della riforma del Titolo V determinano cambiamenti rilevanti in tutti i settori. Ciò che cambia non è solo il livello territoriale su cui “giocano” gli attori politici, ma anche i rapporti prioritari tra i diversi livelli come esplicitamente
previsto dal principio di sussidiarietà.
In questo scenario il progetto “Fi.Lo – Finanza locale”, promosso e condotto da ANCI.Cnc, mira proprio a colmare il vuoto informativo che sovente gli enti locali si trovano a
fronteggiare proponendo in questo, ed in precedenti lavori (Bollino et al. 2004a, 2004b), una
metodologia di lavoro capace di tener conto delle mutate esigenze conoscitive attraverso la
produzione di informazioni statistico-economiche rilevanti su scala comunale.
Ma non è solo dall’approvazione della riforma del titolo V che le indagini “micro-territoriali” traggono legittimazione; più in generale, infatti, il ruolo dell’informazione statistica su
scala sub-regionale e sub-provinciale trova conforto anche nell’analisi storica dello sviluppo
economico italiano come testimoniato dall’analisi dello sviluppo locale che ha più volte posto
in risalto la notevole variabilità esistente tra le diverse traiettorie di sviluppo emerse nel panorama nazionale2.
1
Il presente contributo estende alla regione Sardegna la metodologia adottata per le province italiane, le Città Metropolitane e per i comuni dell’Umbria. Gli autori ringraziano ANCITEL, ANCI.CNC. il GRTN e l’Enel per aver concesso l’utilizzo dei dati nel presente lavoro. Un ringraziamento va alla Dott.sa Porta dell’Istat per gli utili suggerimenti forniti nel
corso del lavoro. Resta inteso che l’utilizzo fatto di tali suggerimenti ed indicazioni è di esclusiva e piena responsabilità
degli autori che ne rispondono per errori ed inesattezze.
2 Le indagini mirate alla ricostruzione dei dati di “performance” su scala comunale si prefiggono l’indiscusso obiettivo di
contribuire a migliorare proprio la comprensione di questa diversità consentendo di indagare il ruolo della prossimità
(Carcangiu et Al., 1999).
27
In realtà, si è spesso trattato di congetture o intuizioni penetranti, piuttosto che di risultati di analisi statisticamente documentate, proprio per mancanza sistematica di dati. Di conseguenza, nel passato la mancanza di adeguati indicatori di performance dotati di un apprezzabile grado di omogeneità, quali il Pil, il valore aggiunto (VA) o il reddito disponibile (RD)
ha reso necessario l’adozione di altre proxy deputate ad informare sui livelli di sviluppo raggiunto nelle aree così finemente identificate. Va ricordato che solo dal giugno 2003, anche alla luce di queste considerazioni e sulla spinta della domanda istituzionale, e non solo, di informazioni a scala sub-provinciale, l’Istat pubblica il valore aggiunto calcolato per sistemi locali del lavoro3 (SLL), segnando un passo ufficiale importante nella produzione di indicatori
a maglia territoriale fine. L’importanza è insita nel fatto che una copertura come quella ISTAT
assicura l’omogeneità dei dati necessaria ad analisi comparative, nel tempo e nello spazio,
estese a tutto il territorio nazionale.
In questo lavoro, proponiamo un ulteriore avanzamento, centrato su una proposta metodologica parzialmente innovativa, della produzione di dati a maglia territoriale fine: la stima
di indicatori su scala comunale, con l’intento di colmare l’indisponibilità di “dati ufficiali”, attraverso stime di natura preliminare, robuste e affidabili. Il lavoro risulta articolato come segue.
Dopo una breve rassegna, non esaustiva, relativa alla costruzione di indicatori di performance
economica su scala comunale (par. 2), si presenta la metodologia applicata su scala comunale
(par. 3). I dati così ottenuti vengono convalidati ed utilizzati in forma descrittiva (par. 4). Alcune breve considerazioni metodologiche chiudono il contributo (par. 5). In appendice si riportano le note metodologiche e le tavole statistiche relative ai comuni della Sardegna.
2. Indicatori a livello comunale
2.1. La metodologia
La produzione d’informazioni statistiche relative alla performance economica delle diverse realtà territoriali, ad integrazione delle fonti ufficiali, vanta una lunga tradizione nel nostro Paese, sin dai primi tentativi di costruzione di conti regionali negli anni sessanta e settanta, segnatamente per le regioni meridionali, da parte della SVIMEZ.
Un più recente filone di ricerca, basato sull’ottimizzazione delle metodologie di inferenza statistica, ha affrontato il problema della ricostruzione di variabili di performance economica, segnatamente il valore aggiunto, a crescenti livelli di disaggregazione territoriale, dalle
regioni, alle province, alle microaree a livello sub-provinciale4. Tali analisi costituiscono l’ultimo tassello di una serie di ricerche e pubblicazioni che trovano i principali momenti costitutivi nel progetto Cofin 1999 “Indicatori e modelli statistici per l’analisi territoriale” e nel progetto “Fi.Lo – Finanza locale”, finanziato da ANCI.Cnc, che ne ha rappresentato il naturale
proseguimento. Ricordiamo che attraverso questa procedura è stato possibile ottenere una disaggregazione territoriale e settoriale del VA ricostruendo il dato regionale e provinciale, da
confrontarsi con la nuova disponibilità di serie storiche statistiche di fonte ufficiale ISTAT, relative appunto alla contabilità regionale e provinciale.
Da questa base dati (Bollino et Al. 2003, 2004a), si è potuto, in un primo momento, risalire alla costruzione del VA per le Città Metropolitane per il periodo 1991-2001 (Bollino et Al.
2004b), e quindi ai comuni dell’Umbria (Bollino e Polinori, 2005) mentre in questo contributo
l’operazione è stata estesa alla scala comunale limitatamente alla regione Sardegna per il 2001.
3
La composizione dei SLL sardi è riportata, in appendice, nella tavola B.5.
Si ricordano in tal senso: Bollino 1998, Bollino et Al. (2003, 2004a, 2004b), Bollino e Polinori (2004, 2005) Bigerna e Polinori. 2004.
4
28
In via preliminare, occorre sottolineare tre principali avvertenze per il lettore: la prima
relativa agli intenti del presente contributo, la seconda inerente alla metodologia di stima e la
terza relativa all’indicatore stimato.
In primo luogo, il presente contributo non ha l’obiettivo di soppiantare il ruolo delle istituzioni preposte alla costruzione e diffusione delle statistiche ufficiali. L’intento è unicamente
quello di offrire al dibattito scientifico ed istituzionale una procedura che può, entro limiti che
saranno evidenziati nella parte metodologica, fornire indicazioni utili in termini di caratterizzazione economica di un territorio amministrativamente circoscritto.
In secondo luogo, la metodologia adottata consente una stima indiretta del VA. Questo approccio unisce principalmente due vantaggi: (i) la possibilità di giungere a dei risultati apprezzabili senza far ricorso al metodo diretto di stima, che implica l’utilizzo pieno e sistematico di rilevazioni appositamente predisposte, costose economicamente e temporalmente; (ii) la necessità di
ricostruire il comportamento del fenomeno (creazione VA) in un contesto temporale o spaziale
differente da quello disponibile mediante informazioni appropriate, comporta un’esplicita caratterizzazione delle ipotesi relative alla correlazione tra fenomeno e indicatore sintetico (Bollino et
Al. 2004a). Sull’altro piatto della bilancia lo svantaggio di avere la sola possibilità di “georeferenziare” il dato senza ad esempio distinguere, tra individui o tra famiglie di un dato comune.
Infine, relativamente all’indicatore stimato, occorre chiarire che la variabile oggetto di
analisi è il VA, piuttosto che qualche forma di reddito individuale o famigliare. L’avvertenza
è quindi quella che, a differenza dei lavori che saranno poi richiamati qui non si giunge a definire una ricchezza netta che fa in media capo alla famiglia o all’individuo di un dato Comune, ma una ricchezza complessiva, al cui interno sono inclusi i trasferimenti fiscali ed il pagamento delle imposte. Tale entità differenziale chiaramente non è costante tra i Comuni, ma varia al variare di almeno tre fattori: (i) reddito del comune, (ii) struttura demografica del comune e (iii) composizione relativa nella formazione del VA ad esempio tra VA da lavoro autonomo e VA da lavoro dipendente.
2.2. Una breve rassegna non esaustiva
Come già anticipato, vi sono state diverse proposte metodologiche per la ricostruzione di
dati economici con indicatori. Ricordiamo, fra i primi contributi più significativi, Marbach
(1985), che ha proposto la ricostruzione dei redditi comunali. La metodologia allora utilizzata,
s’incentrava sul reddito disponibile delle famiglie, assumendone come elementi costitutivi:
a)
b)
c)
d)
e)
f)
retribuzione lorde dei lavoratori dipendenti (+);
redditi dei lavori dipendenti (+);
redditi dei capitali ripartiti tra redditi di terreni agricoli
redditi da fabbricati, interessi, utili e dividendi (+);
trasferimenti familiari (+);
imposte indirette (-).
Tale aggregato era poi sottoposto a confronti con i dati sugli impieghi ed incrociato con
i dati dei consumi finali delle famiglie (ISTAT) ed i dati del risparmio (Banca d’Italia) per verificarne l’attendibilità. Tali aggregati a livello regionale erano disaggregati utilizzando delle
serie statistiche comunali suddivise in variabili indipendenti (i) ed in variabili di controllo (ii),
rispettivamente:
a)
b)
c)
popolazione residente;
consumi di energia elettrica per usi domestici
autovetture immatricolate
29
d)
e)
spese telefoniche delle utenze private
redditi dichiarati ai fini impositivi.
La scelta, adottata allora, di operare unicamente attraverso indicatori relativi alla domanda trovava una forte giustificazione nelle perplessità che circondavano i metodi di definizione del Pil. Non bisogna dimenticare che nel 1981, come sottolinea lo stesso Marbach, il Pil
era definito unicamente partendo dalle imprese con un numero di addetti superiori a 20 ignorando, quindi, il 93,1% delle imprese ed il 34,5% degli addetti. Inoltre dato l’obiettivo dell’opera, stima dei redditi comunali, tale lacuna si sarebbe distribuita sul territorio nazionale in modo irregolare, visto il diverso peso di questa tipologia d’imprese nelle diverse aree, definendo
un ulteriore fonte di distorsione. Oggi, come ricordato in precedenza, le stime del Pil, seppure
con cadenze temporali e periodicità diverse, coprono l’intera distribuzione dimensionale delle
imprese e questo ha contribuito a rimuovere gran parte delle perplessità sopra ricordate. Eventuali dubbi possono rimanere oggi sull’attendibilità e sull’utilizzo dei conti territoriali regionali. A puro titolo esemplificativo si ricordi come nel conto delle risorse e degli impieghi la definizione residuale del movimento dei beni e servizi dalla regione verso l’estero non concorre alla verifica della coerenza e della consistenza della stima degli altri aggregati.
A questo fondamentale lavoro, che tra gli altri aveva il non trascurabile pregio dell’omogeneità e diffusione coprendo l’intero territorio nazionale, se ne sono affiancati, o ne sono
derivati, diversi altri (tabella 2.1) che si differenziano per indicatore ricostruito, metodologia
adottata e, ovviamente, il territorio di riferimento.
Tabella 2.1 - Applicazioni di procedure di stima di indicatori di ricchezza comunale
Ente
Base dati
Area
Periodo
Metodo
Sistan comune di
Brescia
Siatel
Approccio
Brescia
2000
Analitico indiretto
Da informazioni
fiscali
Indicatore
YD netto = YD
fiscale+TR non
imponibili
IRPET
Enel, ACI, SIP,
Operatori al
minuto
Toscana
Umbria
Marche
1986 - 1991
Analitico indiretto
Stima e 2 stadi
Da domanda
YD netto per
disaggregazone
CREF - Osservatorio
permanente
dell'economia del
Friuli Venezia Giulia
Enel, ACI, SIP,
Operatori al
minuto, ISTAT
Udine
1995
Analitico indiretto
Stima e 2 stadi
Da domanda
YD netto per
disaggregazone
Bruno Bracalente et
Al.
Indagine
campionaria,
Sviluppumbria,
INPS, CCIAA,
ISTAT,
Regione
Umbria,
1987-1991
Analitico mediante
ricostruzione delle
singole fonti di
reddito
Da domanda - misto
YD famigliare
Dal lato dellíofferta
VA
Da domanda - misto
Reddito
mensile
procapite
Umbria
Usai R.
ISTAT
Sardegna
1991
Analitico indiretto
mediante
disaggregazione
successiva
Mura P.B.
ISTAT Banco
di Sardegna
Sardegna
1991
Analitico indiretto
Stima e 2 stadi
Dalla seppur breve e non esaustiva rassegna, emerge come il lavoro di Marbach abbia
fatto scuola. Eccezion fatta per il lavoro del gruppo Sistan del comune di Brescia (2003), che
ha operato su di un piano fiscale, gli altri contributi richiamano esplicitamente il lavoro edito
dal Banco del Santo Spirito, con delle limitate modifiche o con meticolosi approfondimenti come nel caso del lavoro di Bracalente per l’Umbria. Relativamente alla regione Sardegna vanno segnalati, a conoscenza degli autori, almeno i lavori di Usai (1998) e Mura (1996).
30
Il primo (Usai, 1998) è quello più attinente al presente contributo poiché consiste nella
stima del VA comunale con un procedimento di disaggregazione che parte dal VA regionale,
passa a quello provinciale e poi attraverso un set di indicatori comunali settorialmente disaggregati (addetti, unità locali e consumi elettrici) giunge a definire il VA comunale. Il secondo
(Mura, 1996) è più riconducibile agli altri lavori regionali utilizzando una procedura di stima
a due stadi che utilizza l’informazione regionale di tutte le regioni italiane per desumere le informazione rilevanti a livello comunale per la Sardegna. Appare evidente, infine, la forte connotazione di questi metodi dal lato della domanda, se si fa eccezione per il lavoro di Usai, e
questo costituisce uno dei principali distinguo della metodologia qui proposta.
3. Ricostruzione dati e validazione
3.1 Le tecniche di disaggregazione
La scelta dell’unità territoriale di riferimento e la relativa disponibilità dell’informazione
statistica rappresentano due importanti momenti di verifica nelle analisi economiche territoriali. Evidentemente i due aspetti sono fortemente interconnessi poiché già la stessa definizione di
un’area d’indagine che non si riconosca nelle usuali ripartizione amministrative, o che coincida
con l’unità amministrativa più piccola, richiede la disponibilità di dati ed informazioni che possono o essere desunti da una survey ad hoc, o derivare da indagini dirette che attingono da molteplici di fonti statistiche di tipo amministartivo che devono essere raccordate, oppure essere
frutto di ricostruzioni efficienti sfruttando banche dati statistiche (Bollino et Al. 2003, 2004a,
2004b; Bollino e Polinori, 2004). Ovviamente, l’obiettivo comune di tutte le procedure è la caratterizzazione del territorio in chiave economica. Notiamo che l’ultimo dei tre percorsi sopra ricordati, assodata la disponibilità gli indicatori a livello disaggregato, ha il suo punto cruciale nella stima che consentirà di caratterizzare, economicamente, l’unità territoriale d’interesse.
L’utilizzo di tecniche di ricostruzione del comportamento indagato in scala geografica
differente da quello disponibile mediante informazioni appropriate comporta, dunque, un’esplicitazione delle ipotesi relative alla correlazione fra fenomeno e indicatore. In tal senso l’individuazione del set di indicatori su base comunale rappresenta la condizione sine qua non per
giungere ad una scomposizione accurata dei VA delle province nei rispettivi VA comunali. La
scelta cruciale qui adottata è di considerare il reddito prodotto nella area territoriale, ovvero il
valore aggiunto, dal lato dell’offerta. Conseguentemente, gli indicatori utilizzati sono coerenti con il momento produttivo della formazione del reddito, attraverso lo studio dei fattori di
produzione impiegati per l’appunto nella produzione del valore aggiunto.
Rimandando all’Appendice i dettagli relativi alla procedura econometrica adottata, che
è simile a quelle già sperimentate nel passaggio dalla scala nazionale a quella regionale e da
questa a quella provinciale, va chiarito che le informazioni necessarie possono essere distinte
in due grosse categorie. Il primo insieme è rappresentato dalle variabili che a livello aggregato costituiscono i regressori inclusi nella equazione di trasferimento delle informazioni fra indicatore e variabile indicata (ci riferiamo ai regressori della matrice X della A.3). Il secondo insieme è invece indicativo del processo stocastico generatore dei dati ed è funzionale al riproporzionamento del termine d’errore aggregato tra le unità territoriali di livello inferiore (cfr
equazioneA.7). La scelta degli indicatori è dunque, nel primo caso, chiaramente vincolata dalla necessaria omogeneità di questi con i regressori adottati nella relazione aggregata nel rispetto della “consistent aggregation”. Gli indicatori in questione sono relativi all’occupazione
(L) ed ai consumi energetici (E) essendo il VA espresso a livello aggregato come:
VA = Φ (L, E, z)
(1)
31
con z che è un insieme di variabili di controllo. La (1) postula dunque una relazione aggregata (a livello provinciale) fra VA e l’occupazione interna ed i consumi elettrici. Queste
stesse variabili, su scala comunale, costituiscono gli indicatori necessari per la previsione ottimale del VA comunale (Tabella 3.1)5.
Tabella 3.1- Statistiche descrittive primo set d'indicatori per líanno 2001
Indicatori
Consumi Elettrici (E)
Occupati interni (L)
min 1 Q 2 Q 3 Q
max
media dev.st c.v
0.021 0.538 1.483 5.106 3313.139 21.244 186.961 8.8
22.5 216.8 506.8 1046.5 66867.4 1527.9 5088.6 3.3
N.B: I consumi sono in mln di Kwh gli occupati in unit‡
Fonti: Enel ed Istat.
L’errore che scaturisce dalla relazione aggregata (provinciale) deve essere riproporzionato al livello territoriale inferiore. Data la notevole eterogeneità insita a livello comunale, l’ipotesi sottostante è di eteroschedasticità dell’errore della stima econometria della (1). Questa
ipotesi si traduce in un riproporzionamento attraverso variabili capaci di: (i) cogliere l’eterogeneità esistente sulla scala comunale; (ii) catturare l’informazione estranea alla relazione (1),
ma allo stesso tempo rilevante ai fini della determinazione del VA. La relazione (1) lascia intendere un meccanismo di formazione del VA fondato prevalentemente sul settore industriale, basandosi la relazione sul lavoro e sul grado di intensità elettrica. Il percorso seguito ha
portato all’individuazione di tre variabili che, permanendo “sul lato dell’offerta”, hanno consentito un riproporzionamento ispirato ai due principi (i) e (ii) sopra elencati. Le tre variabili
calcolate sono: (a) tasso strutturale di funzione turistica (TFST); (b) unità di lavoro standard su
residenti per il settore agricolo (ULS); (c) indice di terziarizzazione degli addetti (IT). La prima delle tre variabili ha la finalità di dare importanza alla infrastrutturazione turistica di un
certo comune nell’ambito del riproporzionamento dell’errore aggregato. La seconda svolge lo
stesso ruolo nel confronto dell’agricoltura, mentre l’ultima rappresenta una proxy del peso del
settore terziario nell’economia comunale.
Tabella 3.2 - Statistiche descrittive secondo set d'indicatori per líanno 2001
Indicatori min
1Q
2Q
3Q
ma x media dev.st
c.v
TFST
0.00002 0.00015 0.00031 0.00066 0.07619 0.00265 0.00839 3.16357
ULS
0.00000 0.00108 0.00188 0.00337 0.02860 0.00265 0.00271 1.02048
IT
0.00002 0.00034 0.00064 0.00175 0.17947 0.00265 0.01130 4.26182
Completato il set di indicatori necessario per l’estensione della metodologia su scala comunale il passo seguente è rappresentato dalla procedura di stima e validazione.
3.2 La stima dei parametri provinciali
L’esperienza già acquisita nella omogenizzazione delle base dati e la ricostruzione delle
serie mancanti su scala provinciale e regionale hanno consentito di condurre una serie di procedure di stima con l’obiettivo di testare la validità e solidità della metodologia proposta. Rin-
5 Come si vede il valore medio dei consumi elettrici (per altri usi) cade nel quarto quartile della distribuzione. Ciò è dovuto alla forte concentrazione nei consumi con i due comuni più energivori (Portoscuso e Sarroch) che da soli rappresentano il 57,3% del consumo regionale mentre i primi cinque comuni concentrano il 74,2% dei consumi elettrici. A fronte di una simile asimmetria la metodologia proposta sembra fornire risultati comunque robusti.
32
viando alle citate pubblicazioni per una lettura approfondita, qui si richiamano sommariamente i risultati già conseguiti.
a)
Disaggregazione territoriale delle serie di contabilità nazionale ISTAT, relative alle venti regioni amministrative con una classificazione settoriale NACE-CLIO a ventitre branche. Il periodo di stima e validazione è stato il 1980-1996.
b)
Estensione del periodo di stima (1980-2002) nelle venti regioni amministrative, con la riduzione del numero di branche dapprima a venti e successivamente a sei.
c)
Disaggregazione a livello provinciale, con stima e validazione per il periodo 1990-2002,
con una classificazione a 6 branche, come nella procedura al punto (b).
La regressione è stata stimata al livello aggregato di partenza (cfr equaz A.3) provinciale. Nel determinare il valore dei coefficienti della relazione aggregata si sono seguite diverse
opzioni di stima, differenziate per le osservazioni incluse nella regressione ed in particolare si
sono stimati molteplici modelli tra i quali i maggiormente esplicativi sono risultati i seguenti:
– (ITA) tutte le province italiane;
– (CSnoM) tutte le province italiane del centro sud, escluse quelle al cui interno sono
presenti le città metropolitane.
In tutti i modelli i regressori erano quelli relativi all’occupazione interna ed ai consumi
energetici, mentre la variabile dipendente è costituita dal VA. Nella tabella_3.3 si riportano solo i modelli più significativi.
Tabella 3.3 - Stima dei parametri per la scala provinciale
Modello
Variabile dipendente
Costante
Log E
Log L
R2
0.93
N: Numero osservazioni
F-test
193.07
I valori sono trasformati nel logaritmi
Mod. ITA
Parametro
3.2710
(0.636)*
0.1955
(0.063)*
0.8050
(0.1628)*
721
Mod. CS no Metro
3.2576
(0.489)*
0.0990
(0.028)*
0.8381
(0.101)*
0.95
371
55.02
I risultati delle stime evidenziano le differenze ottenute nei coefficienti stimati con i 2
modelli, la scelta tra questi poggia sulla capacità esplicativa degli stessi, oltre che sulle indicazioni diagnostiche.
Le capacità esplicative sono state valutate sia nei termini della capacità di ricostruzione del
dato provinciale (Tabella 3.4), e sia, e sta qui il primo elemento di novità, nei termini di ricostruzione dei dati per SLL. I coefficienti ottenuti dalle stime provinciali sono stati infatti impiegati come previsori ottimali dei VA per i SLL sfruttando l’informazione ufficiale di fonte Istat.
Tabella 3.4 - Statistiche rapporto
effettivo/stimato modello CSnoM
Valore minimo
0.953
Valore massimo
1.061
1° Quartile
0.970
2° Quartile
0.988
3° Quartile
1.011
Valore medio
0.997
Dev. St
0.041
C.V.
0.041
33
3.3 La validazione a livello di SLL
Questo elemento aggiuntivo della tradizionale procedura di validazione e stima rappresenta una verifica importante, condotta ad un livello mesoeconomico, utilizzando un unità
geografica funzionale che non corrisponde a nessuna rappresentazione giuridico- amministrativa. I dati utilizzati sono riportati nella tabella 3.5 mentre per brevità non si riportano i risultati estesi ma solo la media del rapporto effettivo su stimato che è di 1.02 con un valore minimo di 0,91 ed un valore massimo di 1.15.
Tabella 3.5 - SLL anno 2001
SLL
73
2
73
3
73
4
73
5
73
6
73
7
73
8
73
9
74
0
74
1
74
2
74
3
74
4
74
5
74
6
74
7
74
8
74
9
75
0
75
1
75
2
75
3
75
4
34
E
ALGHERO
70.72
ARZACHENA
54.37
BENETUTTI
1.71
BONO
4.06
BONORVA
4.70
BUDDUSO'
13.18
CASTELSARDO
6.48
LA MADDALENA
40.78
OLBIA
137.91
OSCHIRI
4.30
OZIERI
29.31
PERFUGAS
8.82
POZZOMAGGIORE
25.81
SANTA TERESA GALLURA
17.53
SASSARI
322.47
TEMPIO PAUSANIA
42.82
THIESI
20.01
VALLEDORIA
36.62
BITTI
6.74
BOSA
15.93
BUDONI
21.63
FONNI
10.83
ISILI
25.93
L
13407
6638
1260
1586
1269
2262
1647
5252
23834
1856
7786
1916
1347
2450
87254
10147
2991
3112
2074
4669
3647
2399
4884
VA
SLL
E
L
500.8
755
JERZU
13.87
229.4
756
LANUSEI
16.86
33.5
757
MACOMER
86.87
3824
6134
8522
37227
VA
106.3
214.3
271.7
1502.
3
50.8
758
NUORO
107.49
41.9
759
OROSEI
34.94
62.5
760
SINISCOLA
85.32
53.4
761
SORGONO
14.85
189.2
762
TORTOLI'
938.6
763
CAGLIARI
7113
30.67
213.7
2743.6 18506 6997.
5
4
9
63.5
764
IGLESIAS
3474.9
3588
4011
4465
109.1
135.2
142.0
30787 1186.
5
270.9
765
MURAVERA
40.12
60.1
766
PULA
30.27
45.8
767
SANLURI
42.64
75.2
768
SANT'ANTIOCO
13.37
2996.
6
769
SENORBI'
17.06
342.1
770
SILIUS
15.60
106.2
771
VILLACIDRO
85.56
107.8
779
ALES
6.72
61.6
780
GHILARZA
14.84
165.2
781
MOGORO
3.61
103.2
782
ORISTANO
130.83
67.4
783
SAMUGHEO
4.78
171.9
784
TERRALBA
51.32
6
5501
3577
9723
3342
3787
2042
13420
2475
5210
1308
33206
1750
6238
153.2
102.9
327.1
114.9
107.0
64.2
404.9
77.7
162.0
39.3
1253.
9
55.7
220.7
4. La “previsione” del valore aggiunto su scala comunale per la Sardegna.
L’applicazione della metodologia qui proposta presenta un importante novità6 nella sua
estensione alla scala comunale, mancando ovviamente un termine di raffronto della bontà dei
risultati ottenuti. Le uniche modalità di verifica in qualche modo indiretta sono rappresentate (cfr. parf. 4.1) dalla bontà dell’accostamento del VA stimato a quello di unità territoriali sovra-comunali7. Ci riferiamo alla possibilità di riaggregare il VA stimato a livello dei SLL e confrontarlo con i dati pubblicati dall’ISTAT.
Questo passaggio è interpretabile quindi come una vera e propria previsione fuori dal
campione (out of sample) trasferita da un contesto temporale ad un contesto spaziale-geografico. Sfruttando la relazione alle scale sovra-comunali, e gli indicatori su scala comunale, si attua quindi una vera e propria previsione del VA comunale.
4.1 La “previsione” del VA comunale per il 2001
Selezionato il modello sulla base delle informazioni discusse, il passo conclusivo è
quello di ricostruire il valore dei VA comunali sfruttando le informazioni presentate nei precedenti paragrafi. Chiaramente non essendo a questo livello possibile una validazione diretta, data l’indisponibilità di termini di raffronto per la scala comunale, è possibile sfruttare nuovamente l’informazione relativa ai SLL, questa volta riaggregando i valori comunali
ricostruiti. È bene ricordare che la metodologia, consente la completa additività, poiché per
costruzione:
ΣVacom=Vapv
(2)
E quindi permette di tenere conto di queste realtà in sede ricostruzione stessa e di verifica su scala provinciale. La performance registrata è di assoluto interesse (tabella 4.1), come
evidenziato dalla tabella 4.1.
Tabella 4.1 - Ricostruzione VA SLL, rapporto effettivo su stimato
Sistemi Locali del Lavoro
Effettivo/Stimato Sistemi Locali del Lavoro Effettivo/Stimato
732
733
734
735
736
737
738
739
740
741
742
743
ALGHERO
ARZACHENA
BENETUTTI
BONO
BONORVA
BUDDUSO'
CASTELSARDO
LA MADDALENA
OLBIA
OSCHIRI
OZIERI
PERFUGAS
1.05
0.99
1.00
1.00
0.89
1.00
0.88
1.00
1.05
0.98
1.00
1.00
755
756
757
758
759
760
761
762
763
764
765
766
JERZU
LANUSEI
MACOMER
NUORO
OROSEI
SINISCOLA
SORGONO
TORTOLI'
CAGLIARI
IGLESIAS
MURAVERA
PULA
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
0.91
1.00
1.00
6 Tale peculiarità caratterizza anche il passaggio dalle province alle aree metropolitane. Di fatto questa novità rappresenta l’obbiettivo finale stesso del percorso di ricerca illustrato nel paragrafo 2., obbiettivo rappresentato dalla stima del VA
comunale.
7 Di fatto la ricostruzione del VA provinciale come somma dei VA comunali stimati porta a risultati assolutamente corretti
per il vincolo di additività stesso previsto dalla metodologia (Bollino, 1998; Bollino et Al. 2004a).
35
744
745
746
747
748
749
750
751
752
753
754
POZZOMAGGIORE
SASSARI
TEMPIO PAUSANIA
THIESI
VALLEDORIA
BITTI
BOSA
BUDONI
FONNI
ISILI
1.00
1.00
1.05
0.93
1.01
1.00
0.89
0.89
1.00
1.00
0.92
767
768
769
770
771
779
780
781
782
783
784
SANLURI
SANT'ANTIOCO
SENORBI'
SILIUS
VILLACIDRO
ALES
GHILARZA
MOGORO
ORISTANO
SAMUGHEO
TERRALBA
0.91
1.00
0.97
1.00
1.00
0.89
1.00
1.00
1.00
1.00
1.02
Come si può vedere dalla tabella 4.1 i valori comunali riaggregati secondo i SLL portano a degli scostamenti che al massimo sono dell’11% nel caso di Bitti e Bosa e Castelsardo ma in ben 30 casi (su 46) l’aggregazione porta ad un valore coincidente a quello fornito
dall’Istat.
Dalle stime effettuate si vede come il “gruppo” eminente (grafico 4.1) includa comuni prevalentemente industriali come Portoscuso Sarroch ed Ottana mentre il capoluogo regionale si attesta all’ottavo posto. Degli altri capoluoghi di provincia figurano nei primi
dieci anche Nuoro (sesto) ed Oristano (settimo). Se prendiamo in considerazione i dieci comuni popolosi dell’isola vediamo come questi presentino dei livelli di VA per abitante abbastanza eterogenei con dei valori compresi tra i 23600 euro di Nuoro ed i 9552 di Quartu
Sant’Elena.
Grafico 4.1: VA per abitante (Primi dieci)
40000
35000
Eurolire 1995
30000
25000
20000
15000
10000
36
PALAU
ISILI
CAGLIARI
ORISTANO
NUORO
GOLFO
ARANCI
ELMAS
SARROCH
PORTOSCUSO
0
OTTANA
5000
Grafico 4.2: VA per abitante (Ultimi dieci)
450 0
400 0
350 0
Eurolire 1995
300 0
250 0
200 0
150 0
100 0
SIRIS
ESCALAPLANO
TRIEI
SELEGAS
GUASILA
VILLA SAN
PIETRO
ILLORAI
SIURGUS
DONIGALA
SIMALA
0
ASSOLO
500
Grafico 4.3: VA per abitante nei dieci comuni più popolosi
25000
Eurolire 1995
20000
15000
10000
SELARGIUS
IGLESIAS
CARBONIA
ORISTANO
NUORO
ALGHERO
OLBIA
QUARTU
SANT'ELENA
SASSARI
0
CAGLIARI
5000
Passando a considerare le singole province il grafico 4.4 riporta i primi quattro comuni
per ogni provincia della regione.
37
Grafico 4.4: VA per abitante nei primi quattro comuni per provincia
40000
35000
Eurolire 1995
30000
25000
20000
15000
10000
SIMAXIS
ALES
SANTA
ORISTANO
CAGLIARI
ELMAS
SARROCH
PORTOSCUSO
ONANI
LANUSEI
ISILI
NUORO
THIESI
MUROS
PALAU
0
GOLFO
5000
SS SS SS SS NU NU NU NU CA CA CA CA OR OR OR OR
Nella provincia di Sassari il primato spetta nell’ordine a Golfo Aranci, palau Muros, e
Thiesi con dei valori che degradano dai 25200 euro del primo comune ai quasi 18000 di Chiesi; nel mentre nel cagliaritano figurano i tre comuni industriali ed il capoluogo come già evidenziato nel grafico 4.1. Nella provincia di Nuoro, oltre al capoluogo abbiamo Isili, Lanusei
ed Onani con dei valori compresi tra i 23700 ed i 17200 euro per abitante. Infine nella provincia di Oristano oltre al capoluogo abbiamo i comuni di Ales, Santa Giusta e Simaxis con dei
valori che vanno dai 22300 euro del capoluogo ai circa 15000 di Simaxis.
I valori comunali completi sono riportati (Appendice B) nelle Tavole provinciali B.1 – B.4
che include il VA per abitante, il numero indice (N.I. fatto 100 il valore regionale) e il ranking
dei comuni sardi.
5. Conclusioni
In questo lavoro è stata proposta la disaggregazione spaziale del valore aggiunto attraverso le procedure indirette di stima. La specificazione della regressione di interpolazione, testata in prevalenza per la decomposizione dei dati organizzati in serie storica è rilevante nella dimensione spaziale. La metodologia proposta in questa sede appare atta a colmare l’indisponibilità di “dati ufficiali”, con stime di natura preliminare, ma robuste e affidabili, sulla base di appropriati indicatori opportunamente disponibili su base provinciale, sub-provinciale
e comunale.
Già trasferita su scala metropolitana, dove la metodologia ha consentito di giungere per
la prima volta alla stima del valore aggiunto delle 14 città metropolitane italiane, in questo
contributo si è attuata una estensione della stessa su scala comunale per la Sardegna.
In questo senso il presente contributo vuole fungere da stimolo alla promozione di analisi atte a dare risposte che, come ricordato all’inizio, dopo la riforma del titolo V non hanno
unicamente una motivazione scientifica ma rispondono alle nuove esigenze istituzionali e politiche.
38
BIBLIOGRAFIA
Berrettoni P., Delogu R., Pappalardo C., Piselli P, (1999), Una ricostruzione omogenea di dati regionali: conti
economici e reddito disponibile delle famiglie 1970-1995, Temi di discussione banca d’Italia 346.
Bigerna S., Polinori P., (2004), Disparità territoriali in Italia: una lettura su scala regionale e provinciale attraverso il ruolo del capitale sociale ed umano. Primi risultati, Atti del XXIX CONGRESSO GEOGRAFICO ITALIANO, Palermo, 14 - 16 Settembre, Patron Editore Bologna
Bollino C.A., (1998), Econometric interpolation of Regional Time Series, Statistica Applicata, n.1.
Bollino C.A., Pieroni L., e Polinori P., (2003), Proposte Metodologiche ed Analisi dei Criteri per la costruzione di indicatori di sviluppo economico territoriale: primi risultati applicativi, accettato alla XXIII Conferenza Italiana di Scienze Regionali, Perugia, 8-10 Ottobre.
Bollino C.A., Pieroni L., e Polinori P., (2004a), Proposte metodologiche per la costruzione d’indicatori di sviluppo economico e territoriale, SR – Rivista Italiana di Scienze Regionali Nr. 1, pp 3-51.
Bollino C.A., Pieroni L., e Polinori P., (2004b), Proposte metodologiche ed analisi dei criteri per la costituzione d’indicatori di sviluppo economico territoriale: le aree metropolitane, VI Rapporto sulla fiscalità locale 2004, Consorzio ANI-CNC per la fiscalità locale, Roma.
Bollino C.A., Polinori P., (2004), L’efficienza produttiva delle province italiane: il ruolo del capitale pubblico
ed umano, XXV Conferenza Annuale dell’Associazione Italiana di Scienze Regionali Novara 6 – 8 Ottobre.
Bollino C.A., Polinori P., (2005), Il valore aggiunto su scala comunale: la Regione Umbria 2001-2003. Quaderni
del Dipartimento di Economia, Finanza e Statistica n. 15, -Giugno 2005-, Università degli Studi di Perugia.
Bracalente B., Cossignani M., (1989), Reddito e consumo nei comuni dell’Umbria, Protagon, Perugia.
Bracalente B., (a cura di) (1995), Redditi, consumi e previsioni della popolazione nei comuni dell’Umbria, Regione dell’Umbria.
Carcangiu R., Sistu G. e Usai S., (1999) Struttura Socio-Economica dei comuni della Sardegna. Suggerimenti
da un’Analisi Cluster, Contributi di ricerca CRENoS 99/3.
Chow G., Lin A.L., (1971), “Best linear unbiased interpolation, distribution of time series by related series”,
The Review of Economics and Statistics, n.53.
Di Fonzo T., (1987), “Procedure ottimali per la stima di serie trimestrali: modelli alternativi ed evidenze empiriche”, comunicazione presentata alla giornata di studio “I conti economici trimestrali”, Roma, 29
gennaio.
Frale C., (1998), Stime comunali del reddito disponibile: la provincia di Udine, Congiuntura –Osservatorio
permanente dell’economia del Friuli Venezia Giulia-, Nr. 3.
Forni M., Lippi M., On the dynamic specification of aggregated models, in Barker T., Pesaran M.H. (a cura
di) Disaggregation in Econometrics Modelling, Routledge, London.
Irpet (1994), Il reddito disponibile nei comuni di Toscana, Umbria e Marche anni 1986/91, Economia Toscana –Note di congiuntura-, Anno 9, Nr. 3.
Marbach G., (a cura di), (1985), Il reddito nei Comuni italiani 1982, Quaderni del Banco di Santo Spirito, Utet,
Torino.
Mura P.B. (1996), Una stima a livello comunale dei redditi e dei consumi famiglie in Sardegna, in Osservatorio economico e finanziario della Sardegna, Rapporto 1996, pp. 141-168.
Sistan Comune di Brescia –Unità di Staff Statistica, (2003), Criteri e metodi di stima del reddito delle famiglie
bresciane, Rapporto di Ricerca 17/2003.
Sforzi F., (a cura di), (1997), I sistemi locali del lavoro 1991, Istat –Argomenti n. 10, Istat, Roma.
Stressoldo M., (1993), Reddito delle famiglie a livello comunale metodi di stima e di analisi, Documenti
CREF, Nr. 8.
Trivellato U. (2002), Qualità dell’informazione statistica ufficiale e esigenze informative di regioni e città, SESTA CONFERENZA NAZIONALE DI STATISTICA Roma, 6-7-8 novembre 2002
Usai R., (1998), Una stima del valore aggiunto al costo dei fattori, per grandi settori economici, nei comuni
della Sardegna, in Osservatorio economico e finanziario della Sardegna, Rapporto 1998, pp. 125-150.
39
APPENDICE
A - NOTA METODOLOGICA
La prassi che si intende adottare, confortata dall’esperienza maturata, è di valutare in
maniera preliminare, informale e qualitativa la rilevanza degli indicatori proposti, l’adeguatezza del contenuto informativo e la validità della relazione ipotizzata fra fenomeno e indicatore. Al contrario, la valutazione dell’efficienza strumentale delle procedure utilizzate non
può che essere formulata sulla base di precise ipotesi inferenziali, relative alla struttura stocastica dell’incertezza della correlazione fra fenomeno e indicatore (Chow-Lin,1971, Di Fonzo,
1987). In tal senso il modello di riferimento è caratterizzato da: (i) una relazione econometrica
fra fenomeno e indicatori, e (ii) una metodologia di inferenza dei parametri incogniti. Appare
evidente che lo stimatore GLS della regressione a livello aggregato e che la struttura degli errori a livello aggregato dipende dalle ipotesi sulla struttura degli errori a livello disaggregato.
In particolare, i valori disaggregati sono il risultato della somma della stima ottenuta applicando i coefficienti della stima aggregata alle osservazioni disaggregate degli indicatori e di
un termine di correzione che tiene conto degli errori della stima aggregata opportunamente
ponderati mediante la matrice di covarianza degli errori disaggregati. Questo secondo termine di “aggiustamento” costituisce la caratteristica determinante della metodologia, poiché incorpora in maniera pienamente coerente le informazioni sulla struttura stocastica del problema, ossia le informazioni contenute nella matrice di covarianza degli errori, diversamente dai
metodi di aggiustamento arbitrario di tipo meccanico o polinomiale. Bollino (1998) ha approfondito l’analisi della metodologia descritta in precedenza, tentando di evidenziare che essa
contiene un potenziale elemento di arbitrarietà nella procedura di trattazione del modello di
regressione, che è opportuno esplicitare. È opportuno chiarire, infatti, che la procedura atta ad
ottenere, dalla relazione fra fenomeno e indicatore, un modello di regressione che soddisfi le
usuali ipotesi classiche, è costituita da due fasi:
– trasformazione della struttura degli errori;
– aggregazione.
Tuttavia, la terminologia usualmente utilizzata tende ad interpretare lo stimatore come
il risultato della regressione su dati aggregati, valida in sé. In realtà, la relazione a livello aggregato non esiste, essendo solamente il risultato di una manipolazione dei dati disponibili,
finalizzata al calcolo di regressione, mentre la “vera” relazione econometrica è quella postulata a livello disaggregato. In questo senso, la metodologia usualmente utilizzata può essere
considerata, al più come un espediente per ottenere una formula dello stimatore calcolabile
con modalità relativamente facili, sulla base di ipotesi arbitrarie circa la struttura degli errori.
Dalla considerazione precedente discende che il metodo usualmente utilizzato non è l’unico
logicamente possibile, né in generale il più efficiente in quanto trascura ulteriori informazioni sulla variabile dipendente. Nel presente passaggio, che conduce alla definizione dei redditi comunali Sardi, il ruolo del termine di aggiustamento assume un’importanza ancora maggiore per l’elevato livello di eterogeneità che pervade la relazione disaggregata.
La metodologia
Il modello di riferimento è caratterizzato da: (a) una relazione econometrica fra fenomeno e indicatori; (b) una metodologia d’inferenza dei parametri incogniti.
La specificazione presuppone che, a livello disaggregato, sia valido un modello di relazione econometrica lineare:
40
y = x_+u
(A.1)
dove8:
y è un vettore (nt*1) di valori non osservabili del fenomeno,
x è una matrice (nt*k) di osservazioni degli indicatori,
t è il numero di osservazioni temporali
n è il numero di caratteristiche spazialmente disaggregate.
In generale, nel modello lineare di regressione vale l’ipotesi:
E(u) = 0 e Cov(u) = v
(A.2)
Sia B una matrice di dimensione (t*nt) capace di trasformare le osservazioni disaggregate
in osservazioni aggregate B=(It⊗i’n) dalla specificazione dell’equazione (1) possiamo scrivere:
Y = X_+U
(A.3)
sotto i seguenti vincoli di aggregazione:
Y = By,
X = Bx,
U = Bu
e, naturalmente, le condizioni sul valore atteso e sulla matrice di varianza e covarianza
hanno la seguente formulazione:
E(U) = O, e Cov(U) = BvB = V
(A.4)
Lo stimatore efficiente di _, secondo il metodo GLS applicato all’equazione (3), è dato da
(Chow et Al., 1971; Bollino, 1998):
β = (X’V-1X)-1X’V-1Y
(A.5)
La previsione ottimale di y, dato il vincolo di aggregazione Y = By, è:
y = x_+GU
(A.6)
β)
G = vB’(BvB’)-1 e: U = (Y-Xβ
(A.7)
dove:
Dalle equazioni (5) e (6) appare evidente che _ è lo stimatore GLS della regressione a livello aggregato, tale che la struttura degli errori a livello aggregato dipende dalle ipotesi sulla struttura degli errori a livello disaggregato. Per questo motivo, i valori disaggregati sono il
risultato: (i) della stima ottenuta applicando i coefficienti stimati a livello aggregato; (ii) di un
termine di correzione che tiene conto degli errori della stima aggregata opportunamente ponderata mediante la matrice di covarianza degli errori disaggregati (Bollino, 1998). Questo (ii)
secondo termine di aggiustamento (7) costituisce la caratteristica determinante della metodologia, poiché incorpora in maniera coerente le informazioni sulla struttura stocastica del problema, ossia le informazioni contenute nella matrice di covarianza degli errori V9, diversamente dai metodi di aggiustamento arbitrario di tipo meccanico o polinominale.
8 Dal punto di vista della notazione, le variabili maiuscole sono quelle riferite al fenomeno aggregato, mentre le variabili
minuscole sono riferite al fenomeno disaggregato spazialmente.
9 Si noti che nel caso classico, dato dall’ipotesi v = s2I, con una struttura di errori omoschedastici e indipendenti, la (7) diventa: G = vB¢(BvB¢)-1 = 1/nB. Gli errori aggregati sono quindi ripartiti proporzionalmente nella stima a livello disaggregato sulla base delle informazioni contenute nella matrice di varianza e covarianza
41
I dati utilizzati e le tecniche di ricostruzione.
Il lavoro di ricostruzione di variabili di performance su scala territoriale in serie storiche
richiede molteplici informazioni per strutturare la batteria d’indicatori correlati alla performance, indicatori che devono possedere caratteristiche rilevanti quali:
[1] correlazione spazialmente e temporalmente significativa con la performance economica;
[2] disponibilità alle diverse scale territoriali;
[3] omogeneità di rilevazione, nel tempo e nello spazio, all’interno di ogni serie.
Relativamente al primo punto la letteratura fornisce un valido supporto nella definizione degli indicatori da utilizzare nei processi di disaggregazione della variabile di performance, supporto in chiave tecnica e teorica. Nelle precedenti applicazioni del metodo effettuate dagli autori ottime risposte sono state fornite da variabili di occupazione (occ), da variabili relative al consumo di energia elettrica (consen) e da variabili climatiche (clim) quali
le temperature minime (tmin) e massime (tmax) atte a correggere i livelli dei consumi energetici. Cruciale è la prerogativa che devono soddisfare questi indicatori ovvero l’esistenza
di una relazione stabile temporalmente e spazialmente tra indicatore e variabile di performance (endogena).
L’esistenza della relazione (3) è fondamentale per assicurare che la regressione aggregata abbia significato (Berrettoni et Al. 1999). Di fatto quello che si “richiede-ipotizza” è l’omogeneità della suddetta relazione a livello territoriale ovvero:
_i = _ per ogni i
(A.8)
dove _i è il parametro a livello disaggregato e _ è il parametro a livello aggregato, ipotesi che sottostà alla condizione di “consistent aggregation” (Forni et Al., 1990).
Di fatto due sono gli aspetti rilevanti che si richiedono: [1] un buon accostamento a livello aggregato; [2] verifica della stazionarietà della variabile endogena e degli indicatori o almeno della cointegrazione tra le serie adottate10.
In ogni modo, a supporto dei criteri statistici per la selezione degli indicatori, rimane
sempre il ruolo delle considerazioni e delle esperienze maturate dal gruppo di ricerca e l’effettiva disponibilità di indicatori idonei al compito preposto. Un’analisi, come quella condotta in questo contesto, che si prefigge di esplorare diverse scale territoriali necessariamente deve affrontare e risolvere i molteplici problemi relativi alla scarsità e disomogeneità delle informazioni statistiche. Partendo dall’esperienza maturata nelle precedenti ricerche e adottando gli indicatori su indicati si delinea una situazione sulla disponibilità dei dati riepilogata
nella tabella A.1 dalla quale emerge come questa batteria di indicatori è reperibile fino alla scala provinciale senza grosse difficoltà mentre difficoltà serie si incontrano per le unità sub-provinciali se si fa eccezione per le rilevazioni ISTAT sui SLL e le rilevazioni relative ai consumi
elettrici di fonte GRTN ed ENEL.
10
Ciò nonostante le stime dello stadio aggregato risulteranno comunque distorte, specialmente in piccoli campioni, ma
tale distorsione sarà tanto minore quanto maggiore è il grado d’accostamento (Berrettoni et al. 1999)
42
Tabella A.1 - Fonti Statistiche
Livello regionale
Variabile
Fonte
Consumi elettrici
GRTN
Occupazione
ISTAT- SVIMEZ
Occupazione
ISTAT
Popolazione
ISTAT- SVIMEZ
Popolazione
ISTAT
Climatiche
UCEA - AAM
Valore Aggiunto
ISTAT- SVIMEZ
Valore Aggiunto
ISTAT
Livello provinciale
Variabile
Fonte
Consumi elettrici
GRTN
Occupazione
ISTAT
Occupazione
INPS
Popolazione
ISTAT
Climatiche
UCEA - AAM
Valore aggiunto
ISTAT
Valore aggiunto
Ist. Tagliacarne
Livello Sistemi Locali del Lavoro
Consumi elettrici*
ENEL
Occupazione
ISTAT
Valore aggiunto
ISTAT
Livello Comuni della Sardegna
Consumi elettrici*
ENEL
Occupazione**
ISTAT
* Solo per i comuni Sardi
** Ricostruiti
Periodo
1977 2002
1980 2001
1995 2002
1980 2001
1995 2002
1980 2003
1980 2001
1995 2002
Periodo
1977 2002
1995 2000
1990 1998
1995 2000
1980 2003
1995 2000
1990 1999
2001 2003
1996 2003
1996 2000
2001 2003
2001 2001
Relativamente alle scale regionali e provinciali si rimanda alla bibliografia per le tecniche di ricostruzione dei dati mancanti e le modalità di omogeneizzazione delle diverse fonti
statistiche (Bollino et Al 2003, 2004a, 2004b).
43
B - TAVOLE
Tavola B.1. - VA comunale anno 2001 Provincia di Cagliari.
Comune
PORTOSCUSO
SARROCH
ELMAS
CAGLIARI
CASTIADAS
SANLURI
GONNESA
SESTU
MONASTIR
VILLASIMIUS
DOMUS DE MARIA
SILIUS
MURAVERA
PULA
SAN SPERATE
ASSEMINI
DECIMOMANNU
VILLASOR
NARCAO
CARBONIA
QUARTUCCIU
NURAMINIS
SANT'ANTIOCO
UTA
SAMATZAI
CARLOFORTE
MONSERRATO
CALASETTA
VILLACIDRO
SELARGIUS
IGLESIAS
BUGGERRU
SENORBI'
SERDIANA
DOLIANOVA
QUARTU SANT'ELENA
MARACALAGONIS
DONORI'
SAN NICOLO' GERREI
ORTACESUS
USSANA
SIDDI
SERRENTI
VILLASPECIOSA
GONNOSFANADIGA
LUNAMATRONA
GUSPINI
COLLINAS
USSARAMANNA
VILLAMASSARGIA
VILLAPERUCCIO
SERRAMANNA
BARRALI
VILLAPUTZU
VILLANOVAFORRU
DECIMOPUTZU
SANTADI
SILIQUA
SOLEMINIS
BURCEI
BARUMINI
SETTIMO SAN PIETRO
GESICO
GIBA
ARBUS
PISCINAS
SANT'ANDREA FRIUS
PIMENTEL
44
va/ab* Rank N.I
38937
36692
28573
21812
18339
16811
16356
16277
15210
14695
14241
14005
13499
13061
12896
12136
12018
11638
11633
11576
11383
11116
11079
11063
11019
10854
10562
10555
10453
10446
10407
10324
10232
10122
9761
9552
9522
9438
9386
9287
9270
9111
9069
8981
8939
8812
8735
8707
8613
8558
8452
8434
8373
8205
8184
8123
8099
8058
8058
8022
8013
7912
7908
7822
7757
7757
7749
7732
1
3
4
8
13
25
28
29
35
39
40
42
45
48
51
63
66
75
77
78
80
89
91
92
94
98
104
105
110
111
113
117
120
122
134
141
142
145
147
153
154
161
163
168
170
173
175
177
181
184
190
191
195
208
209
211
212
214
215
217
218
224
226
231
234
235
236
239
307.0
289.3
225.3
172.0
144.6
132.5
128.9
128.3
119.9
115.8
112.3
110.4
106.4
103.0
101.7
95.7
94.7
91.8
91.7
91.3
89.7
87.6
87.3
87.2
86.9
85.6
83.3
83.2
82.4
82.4
82.0
81.4
80.7
79.8
76.9
75.3
75.1
74.4
74.0
73.2
73.1
71.8
71.5
70.8
70.5
69.5
68.9
68.6
67.9
67.5
66.6
66.5
66.0
64.7
64.5
64.0
63.8
63.5
63.5
63.2
63.2
62.4
62.3
61.7
61.2
61.1
61.1
61.0
Comune
CAPOTERRA
SINNAI
VILLAMAR
PERDAXIUS
SAN GAVINO MONREALE
TRATALIAS
FURTEI
SAN GIOVANNI SUERGIU
SAN VITO
BALLAO
SANT'ANNA ARRESI
PAULI ARBAREI
ARMUNGIA
DOMUSNOVAS
TURRI
SUELLI
MUSEI
FLUMINIMAGGIORE
TUILI
SEGARIU
PABILLONIS
SARDARA
GESTURI
VILLASALTO
LAS PLASSAS
TEULADA
SETZU
VILLANOVAFRANCA
NUXIS
GONI
SAMASSI
MASAINAS
MANDAS
SAN BASILIO
GUAMAGGIORE
GENURI
VALLERMOSA
SIURGUS DONIGALA
VILLA SAN PIETRO
GUASILA
SELEGAS
va/ab* Rank N.I.
7661
7580
7564
7456
7442
7407
7338
7311
7274
7217
7181
7138
7084
6919
6816
6768
6752
6697
6650
6633
6307
6291
6210
6196
5942
5724
5677
5671
5588
5512
5470
5138
5092
4812
4730
4646
4635
4428
4316
4198
4192
244
248
249
253
254
255
256
259
260
264
266
268
271
279
280
287
289
292
294
295
305
307
314
315
321
332
333
334
337
339
341
353
354
360
362
364
365
369
372
373
374
60.4
59.8
59.6
58.8
58.7
58.4
57.8
57.6
57.3
56.9
56.6
56.3
55.9
54.5
53.7
53.4
53.2
52.8
52.4
52.3
49.7
49.6
49.0
48.8
46.8
45.1
44.8
44.7
44.1
43.5
43.1
40.5
40.1
37.9
37.3
36.6
36.5
34.9
34.0
33.1
33.0
SARDEGNA
12685
100
SASSARI
NUORO
ORISTANO
CAGLIARI
13621
12212
12013
12426
107
96
95
98
*N.B .: Tutti i valori sono eurolire 1995
N.B.: I valori comunali completi
Sono riportati (appendice B) nelle
Tavole provinciali B.1 - B.4 che
Include il VA per abitante, il numeRo indice (N.I. fatto 100 il valore
Regionale) e la graduatoria dei
Comuni Sardi.
Tavola B.2. - VA comunale anno 2001 Provincia di Sassari.
Comune
va/ab* Rank N.I.
GOLFO ARANCI
PALAU
MUROS
THIESI
CALANGIANUS
ARZACHENA
PORTO TORRES
OLBIA
STINTINO
CODRONGIANOS
TEMPIO PAUSANIA
SASSARI
AGLIENTU
OZIERI
LOIRI PORTO SAN PAOLO
AGGIUS
TRINITA' D'AGULTU E VIGNOLA
PATTADA
BADESI
SANT'ANTONIO DI GALLURA
LUOGOSANTO
BORUTTA
ANELA
TELTI
ALGHERO
GIAVE
ARDARA
LA MADDALENA
CARGEGHE
CHEREMULE
PERFUGAS
BUDDUSO'
LURAS
BENETUTTI
CASTELSARDO
PLOAGHE
BERCHIDDA
ITTIREDDU
MONTELEONE ROCCA DORIA
TULA
VALLEDORIA
TORRALBA
OSSI
POZZOMAGGIORE
ITTIRI
SANTA MARIA COGHINAS
FLORINAS
MONTI
MORES
SILIGO
BONORVA
BANARI
ROMANA
VILLANOVA MONTELEONE
OSCHIRI
NULVI
BORTIGIADAS
BESSUDE
VIDDALBA
SORSO
BONNANARO
TISSI
NUGHEDU SANNICOLO'
MARA
OLMEDO
BULTEI
TERGU
25200
19983
18928
17971
17829
17729
17583
17387
17238
16942
16437
15882
15527
15239
15039
14176
13052
12477
12461
12103
12023
11772
11764
11645
11293
11184
11162
11060
10990
10679
10575
10483
10412
10368
10352
10319
10268
10159
10094
10018
9936
9855
9825
9809
9657
9479
9393
9367
9359
9339
9323
9258
9215
9211
9204
9174
8995
8859
8680
8630
8587
8502
8472
8426
8384
8328
8241
8134
5
10
11
14
15
16
17
19
20
23
27
31
32
34
36
41
49
56
57
64
65
72
73
74
83
85
86
93
96
102
103
107
112
114
115
118
119
121
123
127
130
131
132
133
138
144
146
148
149
151
152
155
156
157
158
159
166
172
178
180
182
186
188
192
194
198
204
210
198.7
157.5
149.2
141.7
140.6
139.8
138.6
137.1
135.9
133.6
129.6
125.2
122.4
120.1
118.6
111.8
102.9
98.4
98.2
95.4
94.8
92.8
92.7
91.8
89.0
88.2
88.0
87.2
86.6
84.2
83.4
82.6
82.1
81.7
81.6
81.4
81.0
80.1
79.6
79.0
78.3
77.7
77.5
77.3
76.1
74.7
74.0
73.8
73.8
73.6
73.5
73.0
72.6
72.6
72.6
72.3
70.9
69.8
68.4
68.0
67.7
67.0
66.8
66.4
66.1
65.7
65.0
64.1
Comune
USINI
SEDINI
MARTIS
PUTIFIGARI
OSILO
SEMESTENE
PADRIA
SENNORI
URI
CHIARAMONTI
BONO
COSSOINE
ALA' DEI SARDI
PADRU
BULZI
ESPORLATU
NULE
BOTTIDDA
ERULA
LAERRU
BURGOS
ILLORAI
va/ab* Rank N.I.
8063
8005
7985
7873
7856
7805
7663
7157
7011
6760
6742
6588
6255
6231
6185
5811
5727
5448
5243
5171
4612
4329
213
219
220
228
230
233
243
267
274
288
290
298
311
312
316
328
331
342
350
352
366
371
63.6
63.1
63.0
62.1
61.9
61.5
60.4
56.4
55.3
53.3
53.2
51.9
49.3
49.1
48.8
45.8
45.1
43.0
41.3
40.8
36.4
34.1
SARDEGNA
12685
100
SASSARI
NUORO
ORISTANO
CAGLIARI
13621
12212
12013
12426
107
96
95
98
N.B .: Tutti i valori sono eurolire 1995
45
Tavola B.3. - VA comunale anno 2001 Provincia di Nuoro
Comune
OTTANA
NUORO
ISILI
LANUSEI
ONANI
MACOMER
DORGALI
SORGONO
SAN TEODORO
JERZU
TORTOLI'
BORORE
ORANI
BUDONI
SEUI
BOLOTANA
OROSEI
OLIENA
ARITZO
SINISCOLA
OLZAI
FLUSSIO
SUNI
BOSA
ONIFERI
ORGOSOLO
TONARA
NORAGUGUME
BIRORI
TINNURA
BITTI
LACONI
SARULE
MAMOIADA
MAGOMADAS
ESCOLCA
SERRI
OROTELLI
NURRI
VILLAGRANDE STRISAILI
GERGEI
ILBONO
OSIDDA
TIANA
GAVOI
ORROLI
CARDEDU
VILLANOVA TULO
BELVI
ARZANA
MONTRESTA
FONNI
GAIRO
POSADA
ORUNE
IRGOLI
LOCULI
GIRASOLE
LEI
LULA
NURALLAO
LODINE
SINDIA
SILANUS
TORPE'
BARI SARDO
OVODDA
LOTZORAI
46
va/ab* Rank N.I.
38899
23647
20482
17439
17214
16882
16488
16212
15328
13562
13474
12930
12868
12606
12539
12442
12267
12007
12004
11839
11633
11288
11161
10965
10493
10339
10027
10021
10002
9938
9737
9683
9596
9493
9354
9124
9066
8993
8673
8583
8457
8331
8330
8326
8310
8243
8221
8215
8053
7933
7909
7889
7739
7734
7728
7669
7597
7582
7542
7508
7330
7313
7261
7222
7210
7128
7045
6960
2
6
9
18
21
24
26
30
33
44
46
50
52
53
55
58
61
68
69
70
76
84
87
97
106
116
125
126
128
129
135
137
139
143
150
160
164
167
179
183
189
196
197
199
200
203
206
207
216
223
225
227
237
238
240
241
246
247
250
251
257
258
261
263
265
269
272
276
Comune
va/ab* Rank N.I.
306.7 LOCERI
6945 277
186.4 ELINI
6933 278
161.5 NURAGUS
6811 281
137.5 PERDASDEFOGU
6811 282
135.7 GADONI
6793 283
133.1 BORTIGALI
6769 286
130.0 TERTENIA
6736 291
127.8 GENONI
6658 293
120.8 DUALCHI
6536 300
106.9 ORTUERI
6309 304
106.2 GALTELLI
6288 309
101.9 ONIFAI
6258 310
101.4 ATZARA
6223 313
99.4 USSASSAI
6096 317
98.8 BAUNEI
6043 318
98.1 MEANA SARDO
6013 319
96.7 SEULO
5820 326
94.7 SAGAMA
5816 327
94.6 AUSTIS
5751 330
93.3 OLLOLAI
5637 335
91.7 SADALI
5621 336
89.0 DESULO
5547 338
88.0 ULASSAI
5502 340
86.4 URZULEI
5404 343
82.7 TALANA
5279 349
81.5 ESTERZILI
5037 357
79.1 LODE'
4960 358
79.0 TETI
4850 359
78.8 MODOLO
4769 361
78.3 OSINI
4570 367
76.8 TRIEI
4170 375
76.3 ESCALAPLANO
4035 376
75.6
74.8
73.7
71.9
71.5
70.9
68.4
67.7
66.7
65.7
65.7 SARDEGNA
12685
65.6
65.5 SASSARI
13621
65.0 NUORO
12212
64.8 ORISTANO
12013
64.8 CAGLIARI
12426
63.5
62.5
62.4
62.2
61.0
61.0
60.9
60.5
59.9
59.8
59.5
59.2
57.8
57.7
57.2
56.9
56.8
56.2
55.5
54.9
54.8
54.7
53.7
53.7
53.6
53.4
53.1
52.5
51.5
49.7
49.6
49.3
49.1
48.1
47.6
47.4
45.9
45.8
45.3
44.4
44.3
43.7
43.4
42.6
41.6
39.7
39.1
38.2
37.6
36.0
32.9
31.8
100
107
96
95
98
Tavola B.4. - VA comunale anno 2001 Provincia di Oristano
Comune
ORISTANO
ALES
SANTA GIUSTA
SIMAXIS
SANTU LUSSURGIU
BIDONI'
GHILARZA
SAN VERO MILIS
ARBOREA
CABRAS
NARBOLIA
MILIS
BAULADU
SIAMANNA
NURACHI
CUGLIERI
SIAMAGGIORE
RIOLA SARDO
TRAMATZA
MARRUBIU
TRESNURAGHES
SOLARUSSA
ZEDDIANI
ZERFALIU
VILLANOVA TRUSCHEDU
SENEGHE
ABBASANTA
VILLAURBANA
PALMAS ARBOREA
BARATILI SAN PIETRO
FORDONGIANUS
SIAPICCIA
PAU
OLLASTRA
BORONEDDU
BONARCADO
ARDAULI
SENNARIOLO
ALBAGIARA
SORRADILE
GONNOSNO'
NUGHEDU SANTA VITTORIA
NEONELI
URAS
ULA' TIRSO
BARADILI
SCANO DI MONTIFERRO
SAN NICOLO' D'ARCIDANO
SAMUGHEO
BUSACHI
PAULILATINO
TERRALBA
NORBELLO
BARESSA
SENIS
POMPU
MOGORO
SINI
ALLAI
ASUNI
MOGORELLA
GONNOSTRAMATZA
VILLA SANT'ANTONIO
USELLUS
CURCURIS
SEDILO
SODDI'
va/ab* Rank N.I.
22296
18572
16963
14850
14767
13995
13198
12541
12422
12293
12191
12011
11816
11463
11328
11310
11116
11110
11012
10799
10730
10693
10463
10462
10035
9692
9559
9081
8998
8939
8925
8755
8711
8535
8472
8422
8291
8269
8232
7981
7971
7859
7813
7663
7625
7498
7235
7095
7044
7004
6781
6769
6628
6621
6538
6380
6351
6318
6293
6288
6005
5921
5907
5901
5846
5795
5390
7
12
22
37
38
43
47
54
59
60
62
67
71
79
81
82
88
90
95
99
100
101
108
109
124
136
140
162
165
169
171
174
176
185
187
193
201
202
205
221
222
229
232
242
245
252
262
270
273
275
284
285
296
297
299
301
302
303
306
308
320
322
323
324
325
329
344
175.8
146.4
133.7
117.1
116.4
110.3
104.0
98.9
97.9
96.9
96.1
94.7
93.1
90.4
89.3
89.2
87.6
87.6
86.8
85.1
84.6
84.3
82.5
82.5
79.1
76.4
75.4
71.6
70.9
70.5
70.4
69.0
68.7
67.3
66.8
66.4
65.4
65.2
64.9
62.9
62.8
62.0
61.6
60.4
60.1
59.1
57.0
55.9
55.5
55.2
53.5
53.4
52.3
52.2
51.5
50.3
50.1
49.8
49.6
49.6
47.3
46.7
46.6
46.5
46.1
45.7
42.5
Comune
AIDOMAGGIORE
RUINAS
MORGONGIORI
GONNOSCODINA
NURECI
MASULLAS
VILLA VERDE
TADASUNI
SIMALA
ASSOLO
SIRIS
va/ab* Rank N.I.
5356
5345
5325
5320
5190
5081
5050
4659
4438
4375
3650
345
346
347
348
351
355
356
363
368
370
377
42.2
42.1
42.0
41.9
40.9
40.1
39.8
36.7
35.0
34.5
28.8
SARDEGNA
12685
100
SASSARI
NUORO
ORISTANO
CAGLIARI
13621
12212
12013
12426
107
96
95
98
47
Tavola B .5. ñ I SLL della Sardegna
48
Codice SLL
SL L
732
ALGHERO
733
ARZACHENA
734
BENETUTTI
735
BONO
736
BONORVA
737
BUDDUSO'
738
CASTELSARDO
739
LA MADDALENA
740
OLBIA
741
OSCHIRI
742
OZIERI
743
PERFUGAS
744
POZZOMAGGIORE
745
SANTA TERESA
GALLURA
Comuni
ALGHERO
OLMEDO
PUTIFIGARI
VILLANOVA MONTELEONE
ARZACHENA
LUOGOSANTO
SANT'ANTONIO DI GALLURA
BENETUTTI
BULTEI
NULE
ANELA
BONO
BOTTIDDA
BURGOS
ESPORLATU
ILLORAI
BONORVA
GIAVE
SEMESTENE
ALA' DEI SARDI
BUDDUSO'
PADRU
CASTELSARDO
TERGU
LA MADDALENA
PALAU
MONTI
OLBIA
TELTI
GOLFO ARANCI
LOIRI PORTO SAN PAOLO
BERCHIDDA
OSCHIRI
ARDARA
ITTIREDDU
MORES
NUGHEDU SAN NICOLO'
OZIERI
PATTADA
TULA
BULZI
CHIARAMONTI
LAERRU
MARTIS
PERFUGAS
SEDINI
ERULA
COSSOINE
MARA
MONTELEONE ROCCA DORIA
PADRIA
POZZOMAGGIORE
ROMANA
AGLIENTU
Codice SLL
SL L
746
SASSARI
747
TEMPIO PAUSANIA
748
THIESI
749
VALLEDORIA
750
BITTI
751
BOSA
752
BUDONI
Comuni
CARGEGHE
CODRONGIANOS
FLORINAS
ITTIRI
MUROS
NULVI
OSILO
OSSI
PLOAGHE
PORTO TORRES
SASSARI
SENNORI
SORSO
TISSI
URI
USINI
STINTINO
AGGIUS
BORTIGIADAS
CALANGIANUS
LURAS
TEMPIO PAUSANIA
BANARI
BESSUDE
BONNANARO
BORUTTA
CHEREMULE
SILIGO
THIESI
TORRALBA
TRINITA' D'AGULTU E VIGNOLA
VALLEDORIA
BADESI
VIDDALBA
SANTA MARIA COGHINAS
BITTI
LODE'
LULA
ONANI
OSIDDA
BOSA
FLUSSIO
MAGOMADAS
MODOLO
MONTRESTA
SAGAMA
SUNI
TINNURA
CUGLIERI
SCANO DI MONTIFERRO
SENNARIOLO
TRESNURAGHES
BUDONI
SAN TEODORO
TORPE'
49
50
Codice SLL
SL L
753
FONNI
754
ISILI
755
JERZU
756
LANUSEI
757
MACOMER
758
NUORO
Comuni
FONNI
GAVOI
OLLOLAI
LODINE
ESCOLCA
GENONI
GERGEI
ISILI
LACONI
NURAGUS
NURALLAO
NURRI
ORROLI
SERRI
VILLANOVA TULO
ESTERZILI
JERZU
OSINI
PERDASDEFOGU
SADALI
SEUI
SEULO
TERTENIA
ULASSAI
USSASSAI
ARZANA
ELINI
GAIRO
ILBONO
LANUSEI
LOCERI
VILLAGRANDE STRISAILI
CARDEDU
BIRORI
BORORE
BORTIGALI
DUALCHI
LEI
MACOMER
NORAGUGUME
SILANUS
SINDIA
BOLOTANA
DORGALI
MAMOIADA
NUORO
OLIENA
OLZAI
ONIFERI
ORANI
ORGOSOLO
OROTELLI
ORUNE
OTTANA
SARULE
Codice SLL
SL L
759
OROSEI
760
SINISCOLA
761
SORGONO
762
TORTOLI'
763
CAGLIARI
Comuni
GALTELLI
IRGOLI
LOCULI
ONIFAI
OROSEI
POSADA
SINISCOLA
ARITZO
ATZARA
AUSTIS
BELVI
DESULO
GADONI
MEANA SARDO
ORTUERI
OVODDA
SORGONO
TETI
TIANA
TONARA
BARI SARDO
BAUNEI
GIRASOLE
LOTZORAI
TALANA
TORTOLI'
TRIEI
URZULEI
ASSEMINI
BARRALI
BURCEI
CAGLIARI
CAPOTERRA
DECIMOMANNU
DECIMOPUTZU
DOLIANOVA
DONORI'
MARACALAGONIS
MONASTIR
NURAMINIS
PIMENTEL
QUARTU SANT'ELENA
SAMATZAI
SAN SPERATE
SANT'ANDREA FRIUS
SARROCH
SELARGIUS
SERDIANA
SERRAMANNA
SESTU
SETTIMO SAN PIETRO
SINNAI
SOLEMINIS
USSANA
UTA
VILLASOR
VILLASPECIOSA
QUARTUCCIU
ELMAS
MONSERRATO
51
52
Codice SLL
SL L
764
IGLESIAS
765
MURAVERA
766
PULA
767
SANLURI
768
SANT'ANTIOCO
769
SENORBI'
Comuni
BUGGERRU
CARBONIA
CARLOFORTE
DOMUSNOVAS
FLUMINIMAGGIORE
GIBA
GONNESA
IGLESIAS
MUSEI
NARCAO
NUXIS
PERDAXIUS
PORTOSCUSO
SAN GIOVANNI SUERGIU
SANTADI
SANT'ANNA ARRESI
SILIQUA
TRATALIAS
VILLAMASSARGIA
MASAINAS
VILLAPERUCCIO
PISCINAS
MURAVERA
SAN VITO
VILLAPUTZU
VILLASIMIUS
CASTIADAS
DOMUS DE MARIA
PULA
TEULADA
VILLA SAN PIETRO
BARUMINI
COLLINAS
FURTEI
GENURI
GESTURI
LAS PLASSAS
LUNAMATRONA
PAULI ARBAREI
SAMASSI
SANLURI
SEGARIU
SERRENTI
SETZU
SIDDI
TUILI
TURRI
USSARAMANNA
VILLAMAR
VILLANOVAFORRU
VILLANOVAFRANCA
CALASETTA
SANT'ANTIOCO
GESICO
GUAMAGGIORE
GUASILA
MANDAS
ORTACESUS
SELEGAS e
SUELLI
SENORBI'
SIURGUS DONIGALA
Codice SLL
SL L
770
SILIUS
771
VILLACIDRO
779
ALES
780
GHILARZA
781
MOGORO
Comuni
ESCALAPLANO
ARMUNGIA
BALLAO
GONI
SAN BASILIO
SAN NICOLO' GERREI
SILIUS
VILLASALTO
ARBUS
GONNOSFANADIGA
GUSPINI
PABILLONIS
SAN GAVINO MONREALE
SARDARA
VALLERMOSA
VILLACIDRO
ALBAGIARA
ALES
ASSOLO
ASUNI
BARADILI
BARESSA
GONNOSCODINA
GONNOSNO'
GONNOSTRAMATZA
MORGONGIORI
NURECI
PAU
VILLA SANT'ANTONIO
SENIS
SIMALA
SINI
USELLUS
VILLA VERDE
CURCURIS
ABBASANTA
AIDOMAGGIORE
ARDAULI
BIDONI'
BORONEDDU
GHILARZA
NEONELI
NORBELLO
NUGHEDU SANTA VITTORIA
PAULILATINO
SEDILO
SORRADILE
TADASUNI
ULA' TIRSO
SODDI'
MASULLAS
MOGORO
POMPU
SIRIS
53
54
Codice SLL
782
SL L
ORISTANO
783
SAMUGHEO
784
TERRALBA
Comuni
BARATILI SAN PIETRO
BAULADU
BONARCADO
CABRAS
MILIS
NARBOLIA
NURACHI
OLLASTRA
ORISTANO
PALMAS ARBOREA
RIOLA SARDO
SANTA GIUSTA
SANTU LUSSURGIU
SAN VERO MILIS
SENEGHE
SIAMAGGIORE
SIAMANNA
SIMAXIS
SOLARUSSA
TRAMATZA
VILLANOVA TRUSCHEDU
VILLAURBANA
ZEDDIANI
ZERFALIU
SIAPICCIA
ALLAI
BUSACHI
FORDONGIANUS
MOGORELLA
RUINAS
SAMUGHEO
ARBOREA
MARRUBIU
SAN NICOLO' D'ARCIDANO
TERRALBA
URAS
Finito di stampare nel mese di ottobre 2005
dalla Società Tipografica Romana s.r.l.
Via Carpi, 19 - 00040 Pomezia (Roma)

ANCI-CNC Quaderni DEF

Transcript

Documenti analoghi

Cosa sono i servizi e

Case study comune di chieri[modalità compatibilità]

CORRISPETTIVI – IL METODO DI SCORPORO E

Graduatoria provvisoria

usucapione - Comunita` Montana del Catria e Nerone

La Chiesa di Dior

abolita TASI su abitazione principale di

Avviso di rettifica bando di selezione SARDEGNA ELLEDUE PLUS

del programma televisivo «Le Iene» (in onda su Italia 1) avrebbero

di - I.T.I.S. "E. Fermi"