ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA
Transcript
ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA
MATR. N. 0000347699 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA FACOLTA’ DI ECONOMIA – RIMINI CORSO DI LAUREA MAGISTRALE IN AMMINISTRAZIONE E CONTROLLO D’IMPRESA Il modello gravitazionale: un’applicazione al commercio internazionale Tesi finale in Modelli e Metodi Economici per l’Impresa RELATORE PRESENTATA DA Lorenzo Zirulia CORELATORE Chiara Battistini Massimiliano Castellani SESSIONE II ANNO ACCADEMICO 2009/10 INDICE: Ringraziamenti 1. Introduzione 2. Il modello gravitazionale: teoria e principali risultati 2.1. Dalle origini a oggi 2.2. Stima dell’equazione gravitazionale e analisi dei risultati degli studi precedenti 3. Commercio internazionale: un’applicazione del modello gravitazionale 3.1. La Banca Europea per gli Investimenti: l’istituzione che eroga i finanziamenti agevolati 3.2. Analisi descrittiva dei flussi di commercio internazionale e dei flussi di finanziamento 3.3. Analisi inferenziale 3.3.1. Variabili 3.3.2. Modello econometrico 3.3.3. Risultati 4. Conclusioni Bibliografia 2 Ringraziamenti Desidero innanzitutto ringraziare il professor Lorenzo Zirulia per i preziosi insegnamenti durante il corso di Modelli e Metodi Economici per l’Impresa, svolto nell’ultimo anno accademico della laurea magistrale e che mi ha fatto sviluppare l’interesse per l’econometria che poi ho approfondito con un corso opzionale in lingua inglese. La ringrazio inoltre per le numerose ore che ha dedicate alla mia tesi, per i consigli, per le correzioni. Ringrazio sentitamente il prof. Massimiliano Castellani e il dr. Pierpaolo Pattitoni che sono stati sempre disponibili a dirimere i miei dubbi durante la stesura di questo lavoro. Intendo poi ringraziare Global Export, sottolineando la particolare disponibilità della dr.ssa Elisabetta Leoni per avermi fornito fonti indispensabili per la realizzazione della tesi e per avermi introdotto nel mondo del commercio internazionale e per avermi suggerito l’interesse ai finanziamenti agevolati. Inoltre, vorrei esprimere la mia sincera gratitudine ai miei compagni di corso, in particolare quelli con i quali ho condiviso questi ultimi due anni e a Valentina. Infine, ho desiderio di ringraziare con affetto i miei genitori per il sostegno ed il grande aiuto che mi hanno sempre dato ed in particolare Daniel per essermi stato vicino ogni momento durante questi anni universitari. 3 1. Introduzione La presente tesi di laurea ha come oggetto il commercio internazionale e le sue determinanti. Essa ha lo scopo di individuare i fattori che negli ultimi anni hanno agevolato o meno i flussi di importazioni ed esportazioni tra alcuni paesi europei ed extra europei. La più interessante innovazione introdotto in questa ricerca è l’aver considerato i finanziamenti agevolati concessi dalla Banca Europea per gli Investimenti – BEI- a progetti in linea con i suoi scopi di politica economica. L’arco temporale sul quale si sviluppa l’analisi va dal 2007 al 2009 e il campione di paesi sottoposti a studio è composto da 30 stati. La ricerca si basa sulla costruzione di una base di dati e, in primis, sull’analisi descrittiva (capitolo 3.2) delle variabili di maggior interesse quale i flussi di importazioni ed esportazioni da un paese del campione verso i restanti paesi del campione per il periodo di riferimento e i flussi di finanziamenti agevolati concessi per il periodo di riferimento. Nel capitolo 3.1 verranno enunciati gli scopi e le modalità dei finanziamenti concessi e verrà presentata l’istituzione internazionale erogante. La ricerca continua poi entrando nel cuore dell’elaborato con una più approfondita analisi inferenziale (capitolo 3.3) attraverso un modello econometrico per la stima dei parametri che influenzano i flussi di commercio internazionale. Il modello di riferimento, e del quale vengono spiegate le origini e le derivazioni successive attraverso la rassegna della letteratura nel secondo capitolo, è il modello gravitazionale. Esso è tradizionalmente utilizzato nei lavori empirici sugli scambi bilaterali tra paesi, in quanto produce ottimi risultati nelle stime ed è in grado di spiegare - utilizzando la dimensione economica dei paesi coinvolti e la distanza tra loro - una parte significativa dei flussi di scambio. 4 L’equazione gravitazionale, nel presente elaborato, viene arricchita di altre variabili (capitolo 3.3.1) esplicative dei fattori che potrebbero influenzare il commercio internazionale quali: -Variabili di finanziamento -Variabili di contesto -Variabili correttive Il lavoro termina (capitoli 3.3.3 e 4) con il commento ai risultati ottenuti dalla regressione applicando il metodo dei minimi quadrati ordinari (capitolo 3.3.2) e con alcuni spunti per eventuali approfondimenti futuri. 5 2. Modello gravitazionale Nel presente capitolo viene passata in rassegna la letteratura economica precedente che fa riferimento al modello gravitazionale per il commercio partendo dalla sua prima formulazione e derivazione fino ad arrivare ai recenti studi empirici che lo hanno incoronato come valido strumento di analisi dei flussi di commercio bilaterale. 2.1. Dalle origini a oggi L'equazione gravitazionale è una formulazione popolare per l'analisi statistica dei flussi bilaterali tra le diverse entità geografiche. Deve il nome alla formula della "Legge di Gravitazione Universale" proposta da Newton nel 1687. Essa constatava che la forza di attrazione tra due oggetti i e j è data da: Fij = G MiM j (1) Dij2 dove la notazione è definita come segue: - Fij è la forza attrattiva; - M i e M j sono le masse; - Dij è la distanza tra i due oggetti; - G è una costante gravitazionale in funzione delle unità di misura per massa e forza. Nel 1962 Jan Tinbergen propose che una forma sostanzialmente analoga poteva essere applicata ai flussi di commercio internazionale. Tuttavia, da allora è stata applicata a tutta una serie di quelle che potremmo chiamare "interazioni sociali", tra cui la migrazione, il turismo e gli investimenti diretti 6 all’estero. Questa legge di gravità generale per le interazioni sociali può essere espressa all’incirca con la stessa notazione: Fij = G M iα M βj (2) Dijθ dove la notazione è definita come segue: - Fij è il "flusso" dall’origine i alla destinazione j. In alternativa, ~ Fij rappresenta il volume totale delle interazioni tra i e j ( cioè la ~ somma dei flussi in entrambe le direzioni: Fij = Fij + F ji ); - M i e M j sono le dimensioni economiche rilevanti dei due luoghi. Se F è misurato come un flusso monetario (per esempio i valori delle esportazioni), allora M è di solito il prodotto interno lordo (PIL) o il reddito nazionale lordo (RNL, ex PNL) di ciascuna località. Per flussi di persone, è più naturale misurare M con le popolazioni; - Dij è la distanza tra le località (di solito misurata da centro a centro). Si noti che si ritorna alla legge di Newton (equazione 1) se α = β =1 e θ = 2. Nella sua versione di base, il modello gravitazionale assume che solo la distanza e la dimensione siano importanti per il commercio. Il modello gravitazionale prevede che il volume degli scambi tra due paesi (regioni) sia: • direttamente correlato al reddito dei partners commerciali e • inversamente correlato alla distanza tra i partner commerciali. Benché non ci sia una corrispondenza diretta fra i modelli teorici più usati e le variabili che appaiono nelle equazioni gravitazionali, molti economisti hanno sostenuto che il 7 framework del modello gravitazionale è compatibile sia con il modello Heckscher-Ohlin-Samuelson, che con le teorie del commercio in presenza di concorrenza imperfetta (Anderson 1979; Bergstrand 1985; Deardorff 1985, 1998). Più recentemente, Andrew Rose (2004) riferendosi al modello gravitazionale, asseriva: “insolitamente, per l’economia, è anche un modello di successo, in due sensi. Primo, gli effetti stimati della distanza e dell’output sono sensati, economicamente e statisticamente significativi e ragionevolmente coerenti nei vari studi. Secondo, il modello gravitazionale spiega molta della variazione del commercio internazionale. In pratica, il modello appare affidabile e si adatta bene ai dati”. L'equazione di gravità può essere pensata come una sorta di rappresentazione stenografica di forze di domanda e offerta. Se il paese i è l'origine, M i rappresenta l'importo totale che è disposto a fornire a tutti i clienti. Mentre M j rappresenta l'importo totale di destinazione j domandato. La distanza agisce come una sorta di tassa "cuneo", imponendo così dei costi commerciali e di conseguenza si avranno più bassi flussi di scambio di equilibrio. A partire da Anderson (1979) sono stati fatti diversi tentativi per ricavare l'equazione di gravità formalmente. Sia M j l'importo del reddito che il paese j spende per tutte le merci provenienti da qualsiasi fonte i e sia sij la quota di spesa di M j sulle merci dal paese i, dove sij è compreso tra 0 e 1. Allora Fij = s ij M j dovrebbe aumentare se il paese i produce una vasta gamma di prodotti ( ni grande) e/o merci percepite di alta qualità ( µ i grande), inoltre dovrebbe diminuire a causa di barriere commerciali come la distanza Dij . Alla luce di questi argomenti: 8 sij = g ( µ i , ni , Dij ) (3) ∑l g (µ l , nl , Dlj ) dove la funzione g(·) dovrebbe essere crescente nei suoi primi due argomenti e decrescente nella distanza per tutti gli sij > 0 . Per proseguire, è necessario specificare una forma per g(). Un approccio (assunto da Bergstrand 1989) utilizza il modello Dixit e Stiglitz di concorrenza monopolistica tra imprese differenziate ma simmetriche. Questo modello definisce µ i = 1 e rende ni proporzionale a M i . Un secondo approccio (grazie a Anderson) assume un singolo bene da ogni paese, ni = 1 , ma consente al preferito parametro µ i di variare tra i paesi soggetti al vincolo di market-clearing (mercato di compensazione) che differiscono in modo tale da essere anche proporzionale alla dimensione dell'economia, M i . Entrambi gli approcci rendono i costi del commercio una funzione potenza della distanza. Lo sviluppo del primo approccio, quello sulla concorrenza monopolistica, endogeneizza il numero di varietà ni , rispetto a endogeneizzare il parametro di preferenza. Consentendo a ni e a µi di variare da un paese all'altro, sia n g ( µ i , ni ) = ∑v i=1 ( pijv / µ ijv )1−σ , dove v indica varietà particolari che sono sostituibili con un’elasticità di sostituzione data da σ . Se le merci dallo stesso paese sono differenziate ma della stessa qualità media e soggette alle stesse spese di trasporto, allora si può far cadere il pedige v e impostare g () = ni ( pij / µ ij )1−σ . Il passo successivo è mettere in relazione il prezzo di consegna (aggiustato per la qualità) al prezzo nel paese di origine e ai costi di trasporto tra l'origine e la destinazione. Si assume la seguente relazione: 9 pij / µ ij = ( pi / µ i ) Dijδ (4) Il prezzo di origine, p i , è spesso definito come il prezzo freeon-board o fob. Si noti che l’equazione considera sia l’effetto delle spese di trasporto basate sulla distanza sul prezzo di consegna, sia gli effetti della distanza sulla qualità percepita (dovuti a cause banali, quali danni durante il trasporto o, più speculativamente, pregiudizi a base culturale che sono correlati con la distanza). Nell'equazione di gravità base, si assumono differenze di prezzo. Si noti che questo non è così irrealistico come sembra a prima vista, infatti si richiede soltanto che i prezzi fob varino in proporzione alla qualità dei prodotti d'esportazione del paese, vale a dire pi / µ i ≈ k . Il numero di varietà in ciascun paese ni non è qualcosa che si può sperare di osservare direttamente. Piuttosto ci si avvale di una proprietà del modello di Dixit-Stiglitz: cioè, tutte le imprese sono delle stesse dimensioni. In tal caso, ni = M i / q dove q è la dimensione dell'impresa. Imponendo queste ultime ipotesi, definendo θ ≡ δ (σ − 1) ≥ 0 , si ottiene g () = M i D −θ /(qk σ −1 ) . Ciò implica quote di mercato per gli esportatori i nei paesi j di: sij = M i Dij−θ R j (5) dove R j = 1 /(∑l M l Dlj−θ ) . Dopo la sostituzione e il riordinando si ottiene un risultato che è molto vicino a quello che si era cercato per: Fij = R j MiM j Dijθ (6) La principale differenza è che ora il termine R j sostituisce la "costante di gravitazione", G. 10 Cosa accadrebbe in un mondo "senza-dimensione spaziale”, ossia nel quale θ = 0 . Poi R j = 1 / ∑l M l = 1 / M w e Fij* = M i M j / M w (l'indice w sta per "mondo"). L’equazione gravitazionale per il commercio internazionale ha rappresentato il punto fermo per gli studi empirici sul commercio internazionale realizzati sia da economisti che da politologi negli ultimi trent’anni. Si vedano in particolare i lavori di Bergstrand (1989); Brainard (1997); Hoekman (1996); Deardorff (1998); Francois e Hoekman (1999); Australian Productivity Commission (2000); Head and Ries (2001); Hanson e Xiang (2004). I modelli gravitazionali hanno sempre trovato largo uso nella stima dei flussi commerciali bilaterali. La semplicità della loro formulazione di base e la capacità di cogliere gli aspetti principali dell’interscambio tra coppie di paesi sono i fattori che hanno alimentato l’uso di questo tipo di modelli econometrici. In particolare, uno degli obiettivi cui sono stati prevalentemente indirizzati è stato quello relativo all’individuazione di un “livello normale” dello scambio commerciale tra coppie di paesi, date alcune grandezze di riferimento (nella formulazione base, un indicatore della grandezza economica dei due paesi e la loro distanza geografica). Questi “livelli normali” sono poi messi in rapporto con quelli reali, al fine di evidenziare gli effetti di fattori non inclusi nell’equazione di stima (la maggiore o minore apertura al commercio estero, la rilevanza degli accordi commerciali, i margini di crescita per i paesi emergenti, ecc.) sulla dinamica del commercio internazionale. Recentemente, Helpmanet e altri (2006) hanno derivato un’equazione di gravità da un modello di imprese eterogenee e l'importanza di questa derivazione si riferisce a tre questioni che i modelli di commercio precedenti non riuscivano a spiegare: • osservazioni zero-trade; 11 • flussi di scambi asimmetrici; • margine intensivo degli scambi: più paesi commerciano nel corso del tempo. Tradizionalmente, le osservazioni per le quali non si dispone di un riscontro numerico diverso da zero (zero-trade) non sono considerate nel campione, quindi si procede trasformando i restanti dati delle variabili quantitative in log e stimando con gli OLS su valori positivi, ma ciò produce risultati non corretti. Infatti recenti studi (Felbermayrand Kohler, 2005; Helpman, 2006), che hanno incluso i flussi commerciali non registrati nelle equazioni gravitazionali, hanno messo in luce che l’adesione all'WTO ha un forte, positivo e significativo effetto sulla formazione di relazioni commerciali bilaterali, che da analisi precedenti e senza osservazioni zero-trade non si evinceva. 2.2. Stima dell’equazione gravitazionale e analisi dei risultati degli studi precedenti La natura moltiplicativa dell'equazione di gravità implica che prendendo i logaritmi naturali si ottiene una relazione lineare tra i logaritmi dei flussi commerciali e i logaritmi delle dimensioni dell’economia e delle distanze: ln Fij = α ln M i + β ln M j − θ ln Dij + ρ ln R j + ε ij (7) L'inclusione del termine di errore ε ij ci offre una equazione che può essere stimata attraverso una regressione ai minimi quadrati OLS. Se le derivazioni precedenti sono corrette, ci aspettiamo di stimare α = β = ρ = 1 . In un tipico modello gravitazionale, il cui obiettivo consiste nello spiegare il livello di esportazioni verso un determinato paese, la variabile dipendente risulta sempre positiva, e si è dunque in presenza di un modello di regressione cosiddetta 12 censurata – censored (o modello noto come Tobit) cui non possono essere applicate le tradizionali stime OLS, che risultano inconsistenti (Greene, 1993). Le metodologie alternative di stima sono numerose, ma nella letteratura empirica recente ha largamente prevalso l’utilizzo della correzione a due stadi del modello OLS, così come proposta da Heckman (1979). Le dimensioni economiche dei paesi esportatori e importatori, M i e M j , sono di solito misurate con il prodotto interno lordo. I coefficienti stimati sono generalmente in prossimità del valore previsto di uno. Tuttavia, non è insolito ottenere valori che vanno da 0.7 a 1.1. Si noti che la teoria utilizzata per ricavare l'equazione di gravità prevede coefficienti pari a uno, e non si dispone di un'interpretazione per i coefficienti di diversi da uno. Ci sono ulteriori problemi con l’inclusione di ln M i e ln M j come regressori. In primo luogo, essi tendono a gonfiare l’ R 2 delle regressioni dal momento che è difficile immaginare un mondo in cui i grandi paesi non commercializzano di più in termini assoluti. In secondo luogo, dato che le esportazioni e le importazioni sono parte del PIL, esiste una relazione contabile costruita tra Fij e M i e M j . Alcuni studi hanno cercato di trattare con questa simultaneità, usando variabili strumentali per il PNL (così come popolazione). Una soluzione semplificativa consiste nell’imporre la previsione teorica di elasticità unitarie. Ciò implica che passando i termini di reddito a sinistra e sottraendo ln M i + ln M j − ln M w da entrambi i lati della (7), si ottiene ln( Fij / Fij* ) = ln M w + ρ ln R j − θ ln Dij + ε ij (8) La variabile dipendente misura la deviazione dei flussi commerciali effettivi dagli ideali flussi "senza-dimenione spaziale". La somma dei primi due termini sul lato destro sarà stimata come costante della regressione; ciò che è variabile in 13 R j è incluso nel termine di errore. Ci sono due test statistici che si possono verificare per vedere se i dati statisticamente respingono gli ideali flussi "senza-dimenione spaziale". Uno è il t-stat per la costante e l’altro è il t-stat su θ . La distanza è quasi sempre misurata con la “great circle formula” che utilizza latitudini e longitudini delle città più popolose. Questa formula approssima la forma della Terra come una sfera e calcola la distanza minima lungo la superficie. Per calcolare le distanze del secondo la “great circle formula” sono necessarie la longitudine e la latitudine del “centro economico" di ciascuna economia in studio e poi si applica la seguente formula per ottenere la misura della distanza in miglia: Dij = + [ ] 3962 .6 arccos {sin(Yi ) ⋅ sin(Y j ) + cos(Yi ) ⋅ cos(Y j ) ⋅ cos( X i − X j ) } [ ] (9) dove X è la longitudine in gradi moltiplicata per 57,3 per convertirla in radianti e Y è la latitudine moltiplicata per -57,3 (ammesso che si misuri in gradi ovest). Anche per i viaggi aerei, le distanze secondo la “great circle formula” probabilmente sottovalutano le vere distanze dal momento che non prendono in considerazione che la maggior parte dei voli evita il Polo Nord e che, per quanto riguarda i viaggi marittimi, si devono percorrere delle rotte indirette a causa dalla presenza di terra e di barriere di ghiaccio. In aggiunta, molte rotte aeree e marittime sono modellate da considerazioni economiche come "Economie Fulcro"1. Inoltre cartelli di navigazione internazionale, spesso stabiliscono costi di trasporto che soffrono di una scarsa relazione con la distanza percorsa. Inoltre, i costi di imballaggio, carico e scarico, sembrano essere principalmente costi fissi che non variano con la distanza. 1 Per Economie Fulcro si intendono i paesi di maggior importanza commerciale, paesi che influenzano il mondo economico e dai quali non si può prescindere, quali gli USA per esempio. 14 Riunite insieme, tutte queste considerazioni suggeriscono che la distanza potrebbe avere, per il commercio, un’importanza minore del previsto. Mentre sono molte le ragioni ex-ante per le quali ci si aspetta una relazione non troppo forte tra commercio e distanza, i fatti mostrano che la distanza impedisce drasticamente il commercio. Insieme con Anne-Celia Disdier dell'Università di Parigi, Keith Head dell’Università della Columbia ha condotto, alla fine degli anni 90, una meta-analisi di stime delle distanze dell’equazione gravitazionale da 595 regressioni riportate in circa 35 papers. I campioni vanno dal 1928 al 1995. I partner commerciali sono stati principalmente delle nazioni anche se alcuni risultati per il commercio delle province del Canada sono stati inclusi. L’effetto della distanza media risulta essere θˆ = 0.94 . Ciò significa che un raddoppio della distanza diminuirà il commercio della metà. Un indagine di Leamer e Levinsohn (1994) sull’evidenza empirica del commercio internazionale offre l'identificazione degli effetti della distanza sugli scambi bilaterali come uno dei "più chiari e robusti risultati empirici in economia". Questi autori si sono chiesti il perché gli economisti che si occupano del commercio non riescono ad accettare nella loro mente l'effetto della distanza. Una risposta è che gli esseri umani non sono disposti verso l'elaborazione dei numeri, e i risultati empirici rimangono poco convincenti se non accompagnati da un grafico. Il metodo grafico è una nuvola di punti F1 j / M j (quota di mercato j dell’esportatore 1) sull’asse verticale contro D1 j sull'asse orizzontale. Entrambi gli assi sono indicati in scala logaritmica. Una linea che attraversa in mezzo i dati con una pendenza pari a -1 (in scala log) viene indicata come riferimento per rivelare e confrontare la performance dell’esportatore 1 con 15 quella di altre economie comparabili (i = 2). Il divario tra le intercette dovrebbero essere pari a circa la dimensione relativa dei due paesi esportatori, ossia M 1 / M 2 . In alternativa, si potrebbe stimare l’equazione del modello (utilizzando i minimi quadrati ordinari, per esempio) e visionare il grafico nel quale vengono rappresentate le linee che meglio si adattano ai dati per ciascun paese esportatore. Alcuni economisti fra i quali D. Hummels e P. Krugman motivano l’importanza della distanza come segue: 1) La distanza è un proxy per i costi di trasporto. David Hummels ha sostenuto che i costi di trasporto marittimo (spese di trasporto e di assicurazione marittima) possono spiegare gran parte dell’incidenza negativa della distanza negli scambi; 2) La distanza indica il tempo trascorso durante la spedizione. Per le merci deperibili la probabilità di sopravvivere intatte è una funzione decrescente del tempo in transito. La deperibilità può essere interpretata in maniera abbastanza ampia da includere i seguenti rischi: a) danno o perdita del bene a causa di condizioni meteorologiche o maltrattamento ; b) decomposizione e deterioramento dei materiali organici; c) perdita del mercato. 3) Costi sincronizzati. Quando le fabbriche combinano input multipli nel processo produttivo, hanno necessita che questi arrivino in tempo o emergeranno delle discontinuità. Una possibilità è quella di utilizzare capannoni per mantenere le scorte di ogni input, ma questo approccio soffre di svantaggi vari (costi del terreno, obsolescenza tecnologica, cambiamenti della moda…). Avere la fonte degli input nelle vicinanze riduce i costi di sincronizzazione; 16 4) Costi di comunicazione. Secondo Paul Krugman, la distanza "approssima per la possibilità di contatto personale fra i gestori, i clienti, e così via; gli affari dipendono molto dalla capacità di scambiare informazioni in maniera meno formale, rispetto a quelle che possono essere inviate attraverso un filo [telefonico]"; 5) Costi di transazione. La distanza può anche essere correlata con i costi di ricerca delle opportunità commerciali e di creazione della fiducia tra i potenziali partner commerciali; 6) Distanza culturale. Spesso una maggiore distanza geografica è correlata ad una maggior differenza culturale. Le differenze culturali possono ostacolare il commercio in molti modi come attraverso una comunicazione inibita, generando incomprensioni, scontri di stili di negoziazione, ecc Le stime degli effetti della distanza ottenute con i modelli gravitazionali suggeriscono che un aumento dell’1% nella distanza tra paesi si associa ad una riduzione nel volume degli scambi compresa fra lo 0.7% e l’1%. Secondo le stime dei modelli gravitazionali, l’effetto negativo della distanza sugli scambi è significativo, ma si è rimpicciolito nel tempo, grazie alle moderne tecnologie di comunicazione e trasporto: ruote, vele, rotaie, telegrafi, motori a scoppio, automobili, telefoni, aeroplani, computer, fax, internet, fibra ottica,… sono tutte tecnologie che hanno aumentato i flussi commerciali. Ma la storia dimostra che fattori politici, come le guerre, possono influenzare la struttura degli scambi molto più delle innovazioni nei trasporti e nelle comunicazioni. Nel tempo si sono verificate due fasi di globalizzazione: • 1840–1914: i paesi beneficiarono di invenzioni come il motore a scoppio, le rotaie, il telegrafo e il telefono. Questa 17 fase è stata interrotta dalle guerre e dalla Grande Depressione • 1945–oggi: i paesi beneficiano di invenzioni come il telefono, gli aeroplani, i computer, internet, le fibre ottiche... Fino a poco tempo fa, molti paper avevano assunto implicitamente che R j fosse costante in tutti i paesi e che diventasse quindi l'intercetta dell'equazione di regressione. Tuttavia, R j è importante perché misura ciascun insieme di alternative dell’importatore. I paesi con molte vicine fonti di merci, cioè quelli con bassi valori di R j , importeranno meno da ogni particolare fonte. Alcuni studi hanno incluso R j come variabile denominandola "lontananza". Tuttavia alcune di queste misure differiscono dal teoricamente corretto R j in modi che potrebbero essere problematici. Per esempio, Helliwell (1998) misura la lontananza come REM j = ∑l Dlj / M l . Questa misura fa sì che la lontananza sia molto grande se considera paesi distanti (alto Dlj ) ma piccoli (basso M l ) paesi. Poiché la letteratura precedente di solito trovava θ ≈ 1 , una migliore misura della lontananza è 1 / (∑ M l ) / Dlj . Nell'ambito di questa misurazione l la dimensione di Paesi molto lontani diventa irrilevante. Anderson e van Wincoop (2003) hanno discusso nel loro studio come e se dovrebbe essere inclusa la lontananza nel modello gravitazionale. Per arricchire l’equazione gravitazionale e per far sì che includa altri elementi, oltre alla distanza e alla dimensione dell’economia, che influenzano gli scambi, la maggior parte dei ricercatori aggiungono altre variabili al modello, che però possiedono minori giustificazioni teoriche ma per cui l'esperienza passata ha dimostrato la loro capacità esplicativa 18 (come il reddito pro capite, l’adiacenza, la lingua in comune e i collegamenti coloniali, l’effetto frontiera…). Molti autori stimano l’equazione gravitazionale includendo il log del reddito pro-capite ( ln M / POP ) dei Paesi esportatori e importatori così come il log del reddito aggregato ( ln M ), in quanto direttamente correlata al volume di importazioni ed esportazioni. L'idea sottostante sembra essere che i paesi ad alto reddito commercializzino di più, in via generale, poichè: • producono più beni e servizi e quindi hanno più merci da vendere sul mercato estero; • generano più reddito dalla vendita di beni e servizi e quindi i loro residenti sono in grado di importare di più. Questo può essere dovuto alla presenza di superiori infrastrutture di trasporto (strade nel tessuto interno, grandi porti, aeroporti, ecc…) o di dazi più bassi. Un effetto compensativo è che questi paesi tendono ad essere più orientati ai servizi, ciò induce a ridurre il commercio di merci per un dato livello di PIL. I coefficienti stimati per il log del PIL pro-capite mostrano considerevoli variazioni, tra i vari studi, comprese nell’intervallo 0,2-1. Molti studi includono una variabile dummy per identificare coppie di Paesi adiacenti o contigui, cioè Paesi che condividono un confine, in questo modo si prende in considerazione nell’analisi l’effetto adiacenza. Il coefficiente stimato di solito si trova nelle vicinanze dello 0,5, ciò suggerisce che il commercio è circa il 65% in più se si condivide di una frontiera. Non è chiaro perché l’adiacenza dovrebbe avere importa se l’equazione già considera l’effetto distanza. Forse, la distanza da centro a centro sopravvaluta l’effettiva distanza: infatti paesi vicini spesso si dedicano a grandi volumi di commercio di frontiera. Esempi di questo 19 fenomeno sono Windsor-Detroit, Tijuana-San Diego, e Hong Kong-Shenzhen. Una spiegazione degli effetti della distanza che ostacolano il commercio, come visto in precedenza, consisteva nei costi di transazione causati dall’incapacità di comunicare e dalle differenze culturali. Le evidenze confermano infatti che esiste un effetto linguaggio comune tale per cui Paesi con la stessa lingua commercializzano di più tra loro; per la precisione, due Paesi che parlano la stessa lingua hanno scambi due o tre volte maggiori rispetto alle coppie che non condividono un linguaggio comune. Parte della ragione di questo effetto linguaggio comune risiede probabilmente nella condivisione della storia che ha causato la comune lingua dei due paesi. Infatti, le misure di legami coloniali sono anch’esse positivamente correlate con il commercio. La recente letteratura a partire da un articolo di John McCallum (1995) indaga se i confini nazionali sono ancora importanti per il commercio, ciò se esiste un effetto frontiera. In The Borderless World, Kenichi Ohmae di McKinsey ha affermato che i confini nazionali sono effettivamente scomparsi e, insieme con loro, la logica economica che li ha resi utili linee di demarcazione. L’esame di McCallum di modelli commerciali delle province canadesi ha confermato che le frontiere continuano ad essere molto importanti, perché la tipica provincia canadese commercializza 20 volte di più con le altre province che non con gli Stati americani di una data dimensione e distanza. Per questo motivo si ricorre spesso ad accordi tra Stati per levigare l’effetto frontiera, come ad esempio il Canada-US Free Trade Agreement che ha fatto crescere del 60% il commercio transfrontaliero tra i due paesi e ha fatto crollare gli effetti di confine a circa 12 di media per il commercio canadese. 20 In linea di massima, oltre alla distanza, anche i confini aumentano il tempo e i costi degli scambi. Gli effetti di frontiera possono anche essere calcolati senza conoscere i flussi commerciali intra-nazionali che sono disponibili solo per pochi paesi. Questo metodo, sviluppato da Shang Jin Wei, richiede le stime della distanza di ogni paese a se stesso. Head e Mayer hanno sviluppato un modo per misurare le distanze interne ed esterne in modo coerente e l’ha applicato al commercio europeo ricavandone, dalla ricerca, alti effetti di frontiera. Esistono diversi approcci per verificare l’importanza dei confini. Un approccio consiste nella discussione dei metodi e delle misure. Un altro approccio è quello di accettare il risultato e sostenere che questo focalizza la grande importanza delle istituzioni nazionali (legali, monetarie, sociali) che promuovono il commercio. Altri fattori oltre a quelli appena presentati sono importanti per il commercio internazionale: • Geografia: gli sbocchi al mare e l’assenza di barriere montuose rendono più facile i trasporti e dunque il commercio. • Imprese multinazionali: le imprese localizzate in paesi diversi importano ed esportano molti beni tra le loro affiliate. Secondo Keith Head, il commercio dipende dalle reti di imprese collegate. Queste reti si formano nel momento in cui i confini e le distanze impongono un aumento dei costi, perché sia i dazi che i costi di trasporto sono più elevati. Le imprese membra dei network sono incentrate sullo sviluppo di rapporti locali e questi forti legami generano scambi, in questo modo gli effetti di confine e di distanza sono di grandi dimensioni per le stesse ragioni. 21 Come precedentemente accennato, i Paesi spesso stipulano accordi con l’obiettivo di ridurre le formalità burocratiche e i dazi doganali e con l'intento quindi di agevolare gli scambi commerciali bilaterali. Queste “politiche Trade-Creating” possono essere di due tipi: • Accordi di libero scambio – Free Trade Agreement (FTA). Accordi che liberalizzano gli scambi regionali come il mercato comune dell'Europa e gli accordi di libero scambio del Nord America che hanno proliferato negli ultimi 20 anni e uno dei primari impieghi dell’equazione gravitazionale è stato quello di valutare il loro impatto. In media gli FTA sembrano incrementare il commercio di circa il 50%. Tuttavia, un recente studio di Frankel e Rose ha trovato che gli accordi di libero scambio portano ad una triplicazione degli scambi commerciali tra i partner. Il modello gravitazionale è in grado di quantificare gli effetti degli accordi commerciali sugli scambi, cioè se un accordo commerciale aumenta significativamente i volumi di commercio fra i paesi membri, rispetto a quanto si prevedrebbe dati i loro PIL e le distanze reciproche. Nel 1994, gli Stati Uniti hanno firmato un accordo di libero scambio con il Messico e il Canada: il North American Free Trade Agreement (NAFTA). Grazie al NAFTA e alla vicinanza del Messico e del Canada, il volume di scambi tra gli Stati Uniti e i paesi loro confinanti è maggiore, in rapporto al PIL, di quello tra gli Stati Uniti e i paesi europei. Tuttavia, nonostante l’accordo di libero scambio e l’utilizzo di una lingua comune tra Stati Uniti e Canada, la frontiera tra questi due paesi sembra responsabile di una riduzione del volume degli scambi. • Accordi monetari – Monetary Agreement (MA). Studi di come la volatilità del tasso di cambio incida sugli scambi hanno ottenuto risultati contrastanti. Uno studio recente, di 22 Frankel e Rose, rileva che i Paesi che condividono una moneta comune commercializzano tre volte di più tra di loro di quanto ci si aspetterebbe. Questo effetto è sorprendentemente grande e per questo non plausibile come regola generale. 23 3. Commercio internazionale: un’applicazione del modello gravitazionale Con questo capitolo entriamo nel merito della presente ricerca introducendo il concetto di finanziamento agevolato secondo la Banca Europea per gli Investimenti, successivamente viene quantificato il fenomeno, sia individualmente con l’analisi descrittiva, sia in relazione ai flussi di commercio internazionale e ad altre variabili esplicative attraverso la stima del modello gravitazionale. 3.1. La Banca Europea per gli Investimenti: l’istituzione che eroga i finanziamenti agevolati Il Gruppo BEI è composto dalla Banca europea per gli investimenti (BEI) e dal Fondo europeo per gli investimenti (FEI). Istituito nel 2000, fornisce un sostegno finanziario per la realizzazione delle politiche dell’Unione europea (UE). Al suo interno la BEI accorda prestiti bancari a lungo e medio termine, mentre il FEI effettua operazioni di capitale di rischio e offre garanzie alle piccole e medie imprese (PMI). Istituita nel 1958 dal trattato di Roma, la Banca europea per gli investimenti (BEI) è l'istituto di credito a lungo termine dell'Unione europea. Concede prestiti al settore pubblico e privato per finanziare progetti d’interesse europeo, specie nei seguenti campi: • coesione e convergenza delle regioni dell'UE • sostegno alle piccole e medie imprese • ambiente • ricerca, sviluppo e innovazione • trasporti • energia 24 La BEI opera nell'UE e in circa 140 paesi con cui l'UE ha concluso un accordo di cooperazione. Philippe Maystadt (Belgio) è diventato presidente della BEI il 1° gennaio 2000. La BEI, con sede nel Lussemburgo, è l’organismo di finanziamento dell’UE e appartiene agli Stati membri dell'Unione europea. Questi ne sottoscrivono congiuntamente il capitale secondo una ripartizione che riflette il peso economico di ciascuno nell’UE. Dotata di personalità giuridica propria e autonomia finanziaria all’interno del sistema comunitario, opera nell’ambito del quadro istituzionale dell’UE con la missione di sostenere le politiche dell’Unione attraverso attività svolte senza fini di lucro. La BEI non utilizza fondi del bilancio dell’UE. Si finanzia invece da sola mediante l’emissione di prestiti sui mercati finanziari. Poiché i suoi azionisti sono gli Stati membri dell'UE, la BEI beneficia sul mercato dei capitali del migliore rating di credito (tripla A), che le consente di mobilitare, a condizioni estremamente competitive, importanti volumi finanziari. Non avendo scopo di lucro, è in grado di offrire condizioni di credito altrettanto favorevoli. Non può tuttavia coprire più del 50% del costo totale di un singolo progetto. I progetti possono essere finanziati con due modalità differenti: • Prestiti globali: concepiti per accordare finanziamenti a progetti di dimensioni più piccole (con un costo complessivo fino a 15 milioni di euro). Essi consistono in linee di credito messe a disposizione dalla BEI a intermediari finanziari per finanziare progetti di piccole dimensioni a loro proprio rischio. Tali progetti sono il più delle volte realizzati da PMI (piccole e medie imprese); 25 Fonte: www.BEI.org • Prestiti diretti della BEI (o mutui individuali): concepiti per progetti aventi un costo di almeno15 milioni di euro. Essi sono strutturati secondo le esigenze specifiche del mutuatario. I mutui individuali richiedono una specifica analisi del progetto, incentrata sulla validità e sulla solidità tecnico-finanziaria del progetto stesso. Fonte: www.BEI.org La Banca investe in progetti accuratamente selezionati in base ai seguenti criteri: • devono concorrere al raggiungimento degli obiettivi generali dell'UE; • devono essere validi dal punto di vista economico, finanziario, tecnico ed ambientale; • devono contribuire ad attrarre altre fonti di finanziamento. Al di fuori della UE i progetti BEI si basano sulla cooperazione esterna dell'UE e le politiche di sviluppo. In particolare vertono su: 26 • Pre-adesione: Paesi candidati e potenzialmente candidati a far parte dell'UE • Strumento europeo di vicinato: Paesi che confinano a sud e ad est con l'UE (Mediterraneo, Russia…) • Sviluppo: Africa, Pacifico e Caraibi (ACP) e Repubblica del Sud Africa • Cooperazione economica: Asia e America latina (ALA) I finanziamenti nel quadro di questi progetti si concentrano su: • Sviluppo del settore privato • Sviluppo delle infrastrutture • Sicurezza dell'approvvigionamento energetico • Sostenibilità ambientale Lo Statuto della BEI – allegato come Protocollo al Trattato sull’Unione europea e al Trattato sul funzionamento dell’Unione europea – ne definisce il ruolo, l’ambito di attività e la struttura di governance. In base allo Statuto, gli Stati membri dell’UE sono azionisti della Banca e designano i membri dei suoi organi decisionali principali: Consiglio dei governatori, Consiglio di amministrazione e Comitato direttivo. La BEI risponde del proprio operato ai cittadini dell’UE e ai suoi interlocutori, compresi i soggetti interessati dai progetti finanziati, a prescindere dal luogo di origine e/o di residenza. La BEI dispone di un’articolata struttura di contabilità e controllo con un Comitato di verifica indipendente nominato dal Consiglio dei governatori al quale risponde direttamente, oltre che revisori esterni internazionali e funzioni di controllo interno e valutazione sotto la responsabilità del proprio Ispettorato generale. Il Chief Compliance Officer del Gruppo BEI veglia sull’osservanza interna delle disposizioni statutarie, delle regole applicabili, dei codici di condotta e delle norme professionali della BEI per prevenire i rischi in materia di conformità che 27 potrebbero derivare da disfunzioni della Banca, dei suoi organi decisionali o dei membri del suo personale nell’assolvimento dei loro obblighi. La BEI è un’istituzione “policy-driven”. Il Consiglio europeo e il Consiglio dei ministri dell’UE ne richiedono frequentemente il sostegno per le nuove politiche e iniziative dell’Unione. Il Consiglio dei governatori della Banca fornisce gli orientamenti generali e il Consiglio di amministrazione adatta le politiche della BEI in materia di prestiti attraverso nuove direttive di credito, aprendo nuovi ambiti di attività per consentire alla Banca di promuovere le politiche dell’UE. La BEI ha forti legami istituzionali e operativi con la Commissione europea che, in base allo Statuto della Banca, designa un membro del Consiglio di amministrazione della stessa. Prima di accordare un finanziamento, il Consiglio di amministrazione della BEI chiede alla Commissione europea un parere sulla conformità della richiesta di prestito con le politiche dell’UE. La BEI intrattiene stretti rapporti anche con le altre istituzioni dell’UE. Per quanto concerne il Parlamento europeo, mantiene un dialogo regolare sulle sue attività a sostegno degli obiettivi dell’UE partecipando sia alle sedute plenarie sia a incontri informativi con le commissioni parlamentari e i singoli deputati. La BEI sta inoltre rafforzando i legami con il Comitato economico e sociale dell’Unione europea, che funge da interfaccia tra le istituzioni comunitarie e la società civile. Come parte del quadro istituzionale dell’UE, la Banca è altresì soggetta alla giurisdizione della Corte di giustizia dell’Unione europea e all’esame della Corte dei conti europea sull’utilizzo dei fondi comunitari da essa gestiti. Infine, le sue attività rientrano nel mandato dell’Ufficio europeo per la lotta antifrode (OLAF) – istituito con i Regolamenti (CE) nn. 1073/1999 e 1074/1999 – e in quello del Mediatore europeo. 28 I trattati che istituiscono la Comunità europea e lo Statuto della BEI accordano a quest’ultima l’autonomia operativa e di bilancio necessaria a operare efficacemente come istituzione finanziaria. La BEI è un partner importante nel settore finanziario, soprattutto quando fa appello al mercato dei capitali e finanzia progetti. Opera inoltre di stretto concerto con le istituzioni finanziarie internazionali e le banche multilaterali e bilaterali di sviluppo, soprattutto quando agisce nel quadro delle politiche di aiuto allo sviluppo e di cooperazione esterna dell’UE. La BEI assicura la conformità del proprio operato con le politiche e le norme dell’UE. Nei Paesi in cui queste non sono applicabili, le utilizza come riferimento ottimale. Nella sua operatività corrente la BEI tiene anche conto dei criteri e delle prassi applicati dalla comunità bancaria e finanziaria, soprattutto per quanto concerne gli ambiti non direttamente coperti dalle norme dell’UE. Il Fondo europeo per gli investimenti (FEI) è stato istituito nel 1994 ed è l’istituzione finanziaria dell’UE specializzata nell’assistenza alle PMI. Finanzia fondi di capitale di rischio che investono in imprese in rapida crescita o appartenenti al settore delle nuove tecnologie. Offre inoltre garanzie a istituzioni finanziarie a copertura dei loro prestiti alle PMI. Al suo capitale partecipano la BEI (l’azionista di maggioranza, con il 62%), la Commissione europea (29%) e 26 banche e istituzioni finanziarie europee (9%). Istituito ai sensi dell’articolo 30 del Protocollo 11 del Trattato che istituisce la Comunità europea con personalità giuridica propria e autonomia finanziaria, il FEI è dotato di una struttura di governance composta da un Consiglio di amministrazione nominato dagli azionisti del FEI e da un Amministratore unico e un vice Amministratore unico responsabili della sua gestione ordinaria. 29 Il FEI dispone di un’articolata struttura di contabilità e controllo con un Comitato di verifica indipendente nominato dall’Assemblea generale degli azionisti alla quale risponde direttamente, oltre che revisori esterni internazionali e funzioni di controllo interno e valutazione sotto la responsabilità dell’Ispettorato generale del Gruppo BEI. L’ufficio del FEI per la compliance e il rischio operativo veglia sull’osservanza interna delle disposizioni statutarie, delle regole applicabili, dei codici di condotta e delle norme professionali del FEI per prevenire i rischi in materia di conformità che potrebbero derivare da disfunzioni del Fondo, dei suoi organi decisionali o dei membri del suo personale nell’assolvimento dei loro obblighi. 3.2. Analisi descrittiva dei flussi di commercio internazionale e dei flussi di finanziamento Prima di procedere con l’analisi econometria mi soffermo brevemente sull’analisi descrittiva delle due variabili sulle quali si focalizza questo studio e cioè sui flussi di commercio internazionale (suddivisi in flussi export e in flussi import) e sui flussi di finanziamenti erogati dalla BEI. Le analisi riportate nei prossimi capitoli, sia quella descrittiva che quella inferenziale, prendono in considerazione un campione di 30 Paesi selezionati casualmente tra quelli appartenenti alle otto macro aree finanziate dalla BEI; in quanto i progetti da essa sostenuti hanno degli obiettivi prefissati, come spiegato nel capitolo precedente, in termini di settori e aree di indirizzo dei capitali erogati. Di seguito vengono elencati i Paesi oggetto di studio suddivisi per aree geografiche di interesse: • Paesi dell’Africa, Caraibi, Pacifico + OCT: Etiopia, Figi, Guyana, Malawi e Rep.Dominicana; • Asia, America Centrale e Latina: Brasile, Cina e Messico; 30 • Europe dell’est, Caucaso meridionale e Russia: Russia; • Paesi EFTA: Norvegia e Svizzera; • Unione Europea: Austria, Bulgaria, Cipro, Danimarca, Finlandia, Francia, Germania, Irlanda, Italia, Malta, Portogallo, Regno Unito, Romania e Svezia; • Paesi Mediterranei: Algeria, Israele e Tunisia; • Sud Africa: Sud Africa; • Sud-Est Europa: Turchia. Flussi di commercio internazionale L’analisi dei flussi di esportazioni tra i trenta paesi del campione è limitata a tre anni e quindi è difficile e incauto dare un analisi del trend. L’unica cosa che è ricorrente in tutti i paesi e che quindi segue un fenomeno globale è che si registra un incremento tra il 2007 e il 2008 e successivamente un decremento nel 2009. Questo effetto è più evidente nei paesi che esportano maggiormente, mentre per i piccoli paesi o per i più conservatori, i flussi sono perlopiù stabili nel tempo. La Germania è il paese che esporta di più e da lunga distanza anche alla Cina (secondo posto), poi seguono Francia, Italia, Regno Unito e Russia. La maggior concentrazione di ammontare di export è prossima o inferiore ai 100 miliardi di dollari l’anno: a partire dalla Svizzera, dalla Norvegia e dall’Austria fino alle isole Figi. Anche i flussi di importazioni hanno seguito le dinamiche delle esportazioni, registrando i valori massimi nel 2008. La Germania, oltre a essere il maggior paese esportatore tra i 30 paesi del campione, è anche il maggior paese importatore ma l’export supera l’import di circa 50 miliardi di dollari nel 2008. L’export supera l’import anche per la Cina che detiene il quinto posto tra i paesi importatori mentre è seconda tra gli esportatori 31 con una differenza exp-imp esorbitante di circa 200 miliardi di dollari nel 2008. In controtendenza altri paesi europei importano più di quello che esportano: la Francia che è il secondo paese per importazioni ma ancor di più il Regno Unito che è al terzo posto, hanno una differenza imp-exp nell’ordine dei 100 miliardi di dollari nel 2008. L’Italia, che è il quarto maggior paese importatore, si trova in una situazione di pareggio imp-exp. A seguire i restanti paesi europei ed extra-europei si posizionano con un livello di importazioni in valore prossimo ai 100 miliardi di dollari l’anno. L’analisi che ho appena svolto si basa sui dati di Media, Mediana, Standard Deviation, Minimo e Massimo riportati nelle tabelle e riferiti ai flussi da un paese verso gli altri 29 del campione preso in considerazione. Flussi di finanziamenti erogati dalla BEI La Banca Europea per gli Investimenti, come già chiarito precedentemente, finanzia fino al 50% del costo totale previsto, progetti di investimento a medio lungo termine che posseggono i requisiti di ammissibilità e con un ambito tecnicamente ed economicamente ben definito e in linea con gli obiettivi perseguiti dall’istituzione. I flussi di finanziamenti agevolati, quindi l’ammontare di euro concessi in un'unica trance dalla BEI che è un istituzione autonoma dell’UE e che quindi e maggiormente concentrata sui paesi membri non tralasciando però anche altri paesi del mondo, li ho descritti e commentati raggruppando i paesi in Paesi-UE e Paesi Extra–UE e i Paesi Membri li ho ulteriormente considerati in due entità immaginarie, una più forte e una meno. Il cosiddetto gruppo dei paesi “più forti” è composto da quelli che ricevono ingenti somme dalla BEI (Germania, Italia, Francia, Regno Unito e Portogallo). Il gruppo dei paesi “meno 32 forti” è composto dai paesi UE di dimensioni sia geografiche che economiche più piccole come Malta, Cipro, Bulgaria e Romania ma anche da realtà economiche più conservatrici che rimangono ostili nel ricorrere a strumenti di debito (anche se “a buon mercato”) come Austria, Irlanda, Finlandia, Svezia e Danimarca. Per questi ultimi paesi l’ammontare di denaro concesso è minore ma più costante nel tempo e non subisce rilevanti variazioni che sono invece maggiormente ravvisate dei paesi “più forti” che negli ultimi tre anni hanno avuto un importante incremento dei finanziamenti. Tra i paesi extra-UE, che comunque vengono abbracciati tra gli obbiettivi di policy della BEI per svariate motivazioni che ho elencato nel paragrafo precedente, la Turchia riceve finanziamenti importanti, in relazione a quelli degli altri paesi non UE; presumibilmente in quanto paese candidato all’ingresso nell’UE. Tra i finanziamenti concessi dalla BEI per il 2007-2008-2009 l’Italia è il paese al quale viene concesso un ammontare maggiore finanziato e nel corso del 2008 ha scavalcato la Germania che nel 2007 la superava, per arrivare al 2009 con all’incirca lo stesso ammontare. Seguono Francia e Regno Unito. Il Portogallo in questa classifica era partito sesto nel 2007 per poi raggiungere nel 2008 e superare nel 2009 la Turchia, che ricordo esser un paese candidato ad entrare a far parte dell’Unione Europea ma ancora non facentene parte. A seguire gli altri paesi membri quali Austria, Romania, Finlandia, Irlanda, Danimarca, Svezia, Bulgaria…e i paesi extraUE. 33 Tabella n.1-Fonte: elaborazioni personali FLUSSI DI ESPORTAZIONI 2007 2008 Paese Media Mediana Standard dev Min Max Media Mediana Standard dev Min Max Algeria 603889888 11773530 1083469609 6568 4627196986 879086260 147155181 1539771642 23920 7082517299 Austria 3980544471 775534429 9180469694 222384 44915237000 3475589582 826110961 8988335440 53225 48702559000 Brasile 2492330433 764363995 4159694448 14723724 18342070986 2869972988 736101637 5862914376 2027880 29863442631 Bulgaria 397705439 93888718 617455212 171298 1977774000 370954811 97550751 600433801 87082 2093399000 Cina 12503433422 5296175458 18275784347 87366917 75047643000 13611404682 5686115037 19816355442 72428845 86711078000 Cipro 66205190 17608522 133492909 4895 583756000 47596987 17946179 74543321 12773 303496000 Danimarca 2546690377 697944258 4093844673 2977649 15046737000 2328584327 456424008 4296903254 3683449 17462725000 Etiopia 21906731 7827429 31119773 109 111569000 21597275 5214353 35626203 408 157920000 Figi 7734682 247030 28504834 2102 125158223 8002990 270611 32643445 109 157418345 Finlandia 2276075797 975505418 3022294857 315758 11504118000 1964881136 488774468 2979499407 162390 12005375000 Francia 11825171321 4375440175 20409431698 3377227 88900117000 10624706837 4055197757 20062608687 2108041 98292434000 Germania 26274344976 11399063736 30760332932 10714569 101710832454 23524353247 11926439990 30728838988 12493432 113901584835 Guyana 11815748 328681 23030044 2212 80642514 12205482 375680 30864369 1125 139528446 Irlanda 3350199584 809091874 6554202626 1377219 24439041000 2721851281 817369691 5924708173 1765572 24470279000 Israele 584524002 201134761 682114305 1555849 2243976000 604277717 170031522 699023997 41578 2269744000 Italia 10362586730 4040622444 15540588608 2258802 60790880000 9562763683 4287392133 15588669501 2729941 67808466000 Malawi 15800444 3801945 28099140 125 104515000 14872274 3081679 25906743 187 116818050 Malta 102448212 23875206 155822413 159703 543391000 131394244 37802551 215241564 363 980776000 Messico 662250661 256177481 1181433168 1816230 5110368000 792823961 260257597 1391728799 1419932 6248455000 Norvegia 3900600561 750392664 7597905170 181921 28457997154 4035425894 311052673 9160530247 156634 37457800489 Portogallo 901033755 219443413 1617715459 24547 5668187000 817350460 247606898 1581892688 3838 6238194000 Regno_Unito 8961860732 3944418399 13710040647 62341765 59560295000 7612580552 2738267571 13445093281 39361208 65135249000 Rep_Dominicana 35535789 6981635 59117780 3549 214114320 38016594 8656499 53895185 32652 152490017 Romania 1010673768 209529909 1691824455 25693 6053199589 970769013 129476123 1806723031 738 7023808000 52840530000 Russia 6831686995 1979523354 9676044956 300135 39576940000 7295218700 1911071475 11895093565 20582 Sud_Africa 1392470062 233477723 2352884255 208246 8317044779 1365301531 423901054 2592782092 360629 9234972954 Svezia 4125156001 1415491307 5250598222 11270095 19454572000 3787450584 1086554297 5395655665 4254702 20914525000 Svizzera 4654464092 854021617 8864611785 577301 41267373000 4330507920 825886840 9039989187 1938373 46353457000 Tunisia 488188806 28836149 1236308541 111836 5187246290 492459450 37986022 1231415105 20000 5573270015 Turchia 2496054113 1017096847 3373016308 1662539 13328399000 2242743959 732324683 3377779152 577066 14214263000 TOT 3762779426 477060870 7308402863 109 101710832454 3551824814 367476864 7407051692 109 113901584835 2009 TOT Paese Media Mediana Standard dev Min Max Media Mediana Standard dev Min Max Algeria 753593440 42684356 1748483875 18845 8418465692 745523196 42684356 277692139 6568 8418465692 Austria 2813868992 555461014 7435469018 118282 40403360000 3423334348 775534429 781262301 53225 48702559000 Brasile 2276779756 557791236 5320154473 1458319 28280982512 2546361059 736101637 710415677 1458319 29863442631 Bulgaria 298485647 45798967 508016511 93 1930820000 355715299 93888718 48082698 93 2093399000 Cina 11527293709 4714293009 17360010741 59322070 77501267000 12547377271 5296175458 1013554246 59322070 86711078000 Cipro 28528256 11571613 48886674 413 242555000 47443478 17608522 35420541 413 583756000 Danimarca 1823141506 371620312 3314338205 2168386 14562982000 2232805403 456424008 423516653 2168386 17462725000 Etiopia 24071091 4439998 49131842 287 214755559 22525032 5214353 7653212 109 214755559 Figi 6354576 78333 25588908 289 123430293 7364083 247030 2894386 109 157418345 Finlandia 1324035210 378029013 1892003667 181360 7426442000 1854997381 488774468 523029276 162390 12005375000 Francia 8205943810 3017729216 15419543895 3995954 75882124000 10218607323 4055197757 2274919221 2108041 98292434000 Germania 18384117794 8668302200 24409023372 4643329 88206761558 22727605339 11399063736 2986640521 4643329 113901584835 Guyana 8142381 269186 23004726 424 112733612 10721204 328681 3699118 424 139528446 Irlanda 2351294413 576733254 4914937972 297080 19297506000 2807781759 809091874 675202664 297080 24470279000 Israele 481764566 168577423 560357305 8079 1854213000 556855428 170031522 61769425 8079 2269744000 Italia 7341892419 3108869561 12372146550 6413333 55227495000 9089080944 4040622444 1505078689 2258802 67808466000 Malawi 15055078 3300547 27344313 766 118071000 15242599 3300547 909394 125 118071000 Malta 90086710 20209295 126156819 34279 400005323 107976389 23875206 37038681 363 980776000 Messico 606038177 191210960 1125417139 8791 4448935000 687037600 256177481 114641445 8791 6248455000 Norvegia 2820532814 242816935 6045248721 73830 23550086000 3585519756 311052673 1271810528 73830 37457800489 Portogallo 651436586 241062185 1263660227 1243 5012944645 789940267 241062185 159133165 1243 6238194000 Regno_Unito 5487878007 2243949317 9599893826 6685528 46223811000 7354106431 2738267571 1878210225 6685528 65135249000 Rep_Dominicana 26430340 7231464 46093238 218 159039361 33327574 7231464 5351890 218 214114320 Romania 846348173 112294000 1663465415 12353 7388584000 942596985 129476123 61939632 738 7388584000 52840530000 Russia 4890850823 737972804 8304044206 1106 34818909000 6339252173 1911071475 1479571946 1106 Sud_Africa 1011765271 212170120 1981101980 382277 8693253033 1256512288 233477723 251644721 208246 9234972954 Svezia 2671086163 727458004 3785745402 919077 14533525000 3527897583 1086554297 727144071 919077 20914525000 Svizzera 3683268447 736527190 7783360819 892714 39582402000 4222746820 825886840 555675339 577301 46353457000 Tunisia 380590570 28868082 961831313 280 4297559787 453746275 28868082 128251972 280 5573270015 Turchia 1692845699 576648352 2645173667 276658 11514649000 2143881257 732324683 344236416 276658 14214263000 TOT 2750784014 241939560 5897953703 93 88206761558 3355129418 283615077 745887065 93 113901584835 34 Tabella n.2-Fonte: elaborazioni personali FLUSSI DI IMPORTAZIONI 2007 2008 Paese Media Mediana Standard dev Min Max Media Mediana Standard dev Min Max Algeria 565099553 151270809 1021023758 2102 4613612972 903769051 222094938 1591975743 279769 6503786181 Austria 3766269951 604170694 11795839053 149130 64791419991 4210019183 749809246 12899776642 396153 70814265591 Brasile NA NA NA NA NA 2192807207 631654004 4137812404 30511 20040022368 Bulgaria 684688384 136733430 1201931063 1578 5143597212 824620892 138208923 1470205240 2014 6536103213 Cina 5236459506 1653937533 9236292410 758947 45384335446 6626864308 2147995161 11741978130 921217 55789930102 Cipro 181131616 48911980 279347805 125 884060914 233042857 57003668 339453861 362983 1139984831 Danimarca 2299812309 383074873 4550548538 28344 21011036307 2571278800 415909718 5017299514 74501 23194956072 Etiopia NA NA NA NA NA 137649826 42189007 339718855 187 1750434869 Figi NA NA NA NA NA 14357427 3440773 39844315 363 192543057 Finlandia 1911544984 339171148 3215827735 6568 11520404621 2174248942 418240377 3831216683 6843 15024900962 Francia 11336888184 4627196986 21024237337 2176825 101710832454 12813601304 5573270015 23398062937 602657 113901584835 Germania 19325443069 6018611000 24639961004 2023000 88900117000 22046114483 7795014000 27792190068 4673000 98292434000 Guyana 8410505 1352026 19903744 2671 87366917 8274807 1765572 17456953 408 76228273 Irlanda 1930717571 227648284 5373359732 225000 28613786088 1872809886 218726711 5271570633 1125 28337202375 Israele 816457333 185550000 1131731441 342000 3483373000 878435862 215274000 1302597746 20000 4244011000 Italia 9340036175 3268749681 17611365317 383859 86163827824 9836012833 3415969536 18156551255 300545 87906770181 Malawi NA NA NA NA NA 40055649 2340744 117449842 11866 585210589 Malta 127500285 11866062 274731885 109 1211163577 142474578 22016762 301513027 23920 1398354706 Messico NA NA NA NA NA 2494384038 423901054 6596503356 364045 34690315433 Norvegia 1854260912 345813648 3051284202 16569 11777748341 2043906941 494264966 3320094219 38244 12738627543 Portogallo 1217629407 453367936 2205681999 480567 10034035670 1315316394 506251496 2327664370 4071929 10401412091 Regno_Unito 11636828983 4231620058 19295910269 23555338 89151358403 11947956364 4317061915 18922436320 33130500 82685071841 Rep_Dominicana 100926105 9974563 219427481 4895 901098547 127568789 21160378 279663947 27692 1299201196 Romania 1656425347 271895201 2875922200 1520786 12029363314 1819777121 269648452 3157138411 109 13573372868 34768715531 Russia 3427875513 654166931 6451711326 269059 26549268502 4594960890 913489342 8681792949 240676 Sud_Africa 1212468890 302934132 2289912432 17782 9316859529 1274887245 306430520 2501556161 148426 9914010385 Svezia 3681295253 656730922 6191837240 22556 27986155929 4050750912 666079354 6701148605 4618 29875826497 Svizzera 4013497191 462709188 10111064165 82449 52541557299 4509433085 599510686 11744538793 58787 61112690793 Tunisia NA NA NA NA NA 643008112 126338186 1187813913 42457 4546315480 Turchia 3641517729 1190540484 5720071431 244179 23508494288 4080080359 1423867764 6949736867 1484 31364476862 TOT 3748882698 364444261 7067335708 109 101710832454 3547615605 417075048 7262873105 109 113901584835 2009 TOT Paese Media Mediana Standard dev Min Max Media Mediana Standard dev Min Max Algeria 871493661 243118663 1533141337 289 6159889273 780120755 222094938 256409411 289 6503786181 Austria 3337862599 557791236 10149381295 76438 55542127752 3771383911 604170694 1130102056 76438 70814265591 Brasile 1717721538 495913790 3312300498 8421 15911144513 1955264372 563783897 412755953 8421 20040022368 Bulgaria 510968012 93560203 867315101 424 3648612401 673425762 136733430 246625086 424 6536103213 Cina 6332056818 2290654046 11410723789 578874 55764084071 6065126877 2147995161 1111372634 578874 55789930102 Cipro 156972754 35092158 248645163 15798 849503707 190382409 48911980 37714733 125 1139984831 Danimarca 1886932808 322248044 3716766902 6622 17253368981 2252674639 383074873 537941897 6622 23194956072 Etiopia 133033115 28502523 362955160 1089 1920403823 135341470 35345765 11618153 187 1920403823 Figi 4465178 276658 14897491 218 79486325 9411302 1858716 12473412 218 192543057 Finlandia 1457069791 262876432 2554746346 5192 9785219817 1847621239 339171148 521228110 5192 15024900962 Francia 9940399861 3817858322 18369272814 33311 88206761558 11363629783 4627196986 2054064120 33311 113901584835 Germania 17232709828 7388584000 22377636504 3137000 77501267000 19534755793 7388584000 2220411636 2023000 98292434000 Guyana 8458539 2485696 14727847 93 59322070 8381283 1765572 2114098 93 87366917 Irlanda 1252129796 143166711 3499853065 16007 18868455141 1685219084 218726711 860191929 1125 28613786088 Israele 697567552 198050000 1076659974 38000 3520889000 797486916 198050000 96191959 20000 4244011000 Italia 8161616396 2962515061 14164013703 186521 68655906746 9112555135 3268749681 1767666917 186521 87906770181 Malawi 47959331 5453168 140424864 1106 691452354 44007490 3896956 11487511 1106 691452354 Malta 99489930 10424215 213053387 287 987421885 123154931 11866062 37038380 109 1398354706 Messico 2043844436 285731667 6066091019 291571 32528971963 2269114237 354816361 265206169 291571 34690315433 Norvegia 1522766687 494305634 2461106900 11801 9285346687 1806978180 494264966 358767533 11801 12738627543 Portogallo 1068830152 398900262 1948853220 1755406 8668302200 1200591984 453367936 157881323 480567 10401412091 Regno_Unito 8889977506 3499661593 14443043537 37078379 61756337368 10824920951 4231620058 2204912647 23555338 89151358403 Rep_Dominicana 103167490 13216542 240672035 18845 1216927965 110554128 13216542 24944677 4895 1299201196 Romania 1212646179 228214151 2117049960 923 9411049910 1562949549 269648452 439286495 109 13573372868 34768715531 Russia 2911850388 669378340 5547743225 81988 22859880130 3644895597 669378340 1317096556 81988 Sud_Africa 977173616 246640191 1986223506 72551 8325306418 1154843250 302934132 211499351 17782 9914010385 Svezia 2809702244 472033757 4720256456 2503 21472499555 3513916136 656730922 839899582 2503 29875826497 Svizzera 3826811448 428760650 9731867042 50343 50630930671 4116580575 462709188 873236470 50343 61112690793 Tunisia 487574040 105221623 924009227 60044 3832094697 565291076 115779904 131902343 42457 4546315480 Turchia 2851425005 1069688081 4766718668 7026 19718966641 3524341031 1190540484 893589953 1484 31364476862 TOT 2751822557 274304050 5817647835 93 88206761558 3349440286 364444261 640193611 93 113901584835 35 Tabella n.3-Fonte: elaborazioni personali FLUSSI DI FINANZIAMENTI BEI Paese 2007 2008 2009 TOT Media Mediana Standard dev. Algeria 4105090 0 0 4105090 1368363 0 1935158 Austria 1464148878 1928797915 2678720445 6071667238 2023889079 1928797915 500385032 Brasile 342090859 292611558 0 634702417 211567472 292611558 150958376 Bulgaria 1516256158 621799561 241307371 2379363090 793121030 621799561 534407389 Cina 684181719 0 164911289 849093008 283031003 164911289 291536568 Cipro 164203612 43891734 281135296 489230642 163076881 164203612 96857556 Danimarca 286164957 555214079 586473306 1427852341 475950780 555214079 134804251 Etiopia 0 42495062 0 42495062 14165021 0 20032364 Figi 0 0 0 0 0 0 0 Finlandia 838806787 1038771031 1592489569 3470067387 1156689129 1038771031 318787225 Francia 5648946360 6807850752 8748261464 21205058576 7068352859 6807850752 1278628051 Germania 8943273125 10123108331 13354856223 32421237679 10807079226 10123108331 1864828588 Guyana 0 0 0 0 0 0 0 Irlanda 472175161 658376006 1418636996 2549188163 849729388 658376006 409397597 Israele 164203612 48378932 113379694 325962238 108654079 113379694 47403148 Italia 7633553093 12113530907 13473087622 33220171621 11073390540 12113530907 2494856023 Malawi 0 44989027 0 44989027 14996342 0 21208031 Malta 54734537 219458669 0 274193206 91397735 54734537 93269035 Messico 0 73152890 0 73152890 24384297 0 34484603 Norvegia 0 0 0 0 0 0 0 Portogallo 2057881773 3888065106 5212795549 11158742429 3719580810 3888065106 1293486362 Regno_Unito 5692884162 5553420527 7525650025 18771954715 6257318238 5692884162 898651459 Rep_Dominicana 711549 28529627 44506259 73747435 24582478 28529627 18095656 Romania 239256294 1627580704 2049095967 3915932965 1305310988 1627580704 773206845 Russia 0 0 184283727 184283727 61427909 0 86872182 Sud_Africa 154625068 296336503 472878999 923840570 307946857 296336503 130185742 Svezia 975494038 1918687368 1578575803 4472757209 1490919070 1578575803 390013839 Svizzera 0 0 0 0 0 0 0 Tunisia 532224959 455010973 603616134 1590852065 530284022 532224959 60683325 Turchia 2945163461 3955301017 3683135664 10583600142 3527866714 3683135664 426751923 TOT 40815085255 52335358279 64007797402 157158240936 1746202677 294474031 595247623 3.3. Analisi inferenziale Come ribadito in precedenza, il presente lavoro ha l’obiettivo di fornire evidenze circa le determinanti del commercio internazionale con un focus sui finanziamenti agevolati erogati dalla BEI. L’analisi è di tipo inferenziale o quantitativa, cioè si avvale di un campione per potere fare affermazioni di carattere generale su tutta la popolazione attraverso la stima di un modello econometrico. Le fasi di una generica analisi statistica di questo genere sono le seguenti: 1. Formulare un modello (nel presente elaborato il modello scelto è l’equazione gravitazionale) in forma empiricamente 36 Min Max 0 1368363 1464148878 2023889079 0 211567472 241307371 793121030 0 283031003 43891734 163076881 286164957 475950780 0 14165021 0 0 838806787 1156689129 5648946360 7068352859 8943273125 10807079226 0 0 472175161 849729388 48378932 108654079 7633553093 11073390540 0 14996342 0 91397735 0 24384297 0 0 2057881773 3719580810 5553420527 6257318238 711549 24582478 239256294 1305310988 0 61427909 154625068 307946857 975494038 1490919070 0 0 455010973 530284022 2945163461 3527866714 0 11073390540 verificabile attraverso la scelta di alcuni aspetti fondamentali quali: a. Forma funzionale della relazione: nella maggior parte delle applicazioni econometriche (e anche in questa, grazie alle trasformazioni logaritmiche) si è soliti ricorrere ad una forma funzionale di tipo lineare. Tale scelta risponde essenzialmente alla necessità di rendere più semplici gli aspetti computazionali; b. Variabili da inserire: si tratta di definire l’insieme di variabili esplicative (dette “regressori”); c. Struttura probabilistica econometria consuetamente tradizionale utilizzata dei (e disturbi: anche l’ipotesi in di nell’analisi questa) è distribuzione normale dei termini di disturbo; 2. Stima del modello. I dati disponibili vengono utilizzati per generare stime del modello econometrico (nel presente lavoro viene utilizzato il metodo di stima dei minimi quadrati ordinari). La stima si concreta nell’ottenimento di valori per i parametri del modello; 3. Uso del modello. Il modello viene utilizzato per verificare la validità di teorie economiche, per produrre previsioni, per svolgere simulazioni di politica economica… 3.3.1. Variabili Come appena elencato la prima fase è quella di individuazione del modello. Il framework concettuale attinge a numerosi contributi offerti dalla letteratura internazionale e si traduce nella proposizione di un modello “gravitazionale esteso” al fine di spiegare quali siano i fattori alla base dei flussi di import bilaterali tra 30 Paesi. Il modello mette in relazione lineare la variabile dipendente (flussi di commercio internazionale) con quattro grandi tipologie di determinanti: 37 i. variabili di gravitazione: che si ispirano al tradizionale modello gravitazionale, come descritto nel secondo capitolo di questo elaborato, per spiegare gli scambi bilaterali tra paesi, ovvero le dimensioni economiche e le distanze fra i paesi presi in esame; ii. variabili di finanziamento: che incorporano i flussi di denaro erogati dalla Banca Europea per gli Investimenti sotto forma di prestiti individuali (per progetto superiori ai 25 milioni di euro) o intermediati-globali (per progetto inferiori ai 25 milioni di euro) a tasso e condizioni agevolate; iii. variabili di contesto: che incorporano alcuni aspetti che favoriscono/impediscono gli scambi internazionali quali barriere geografiche, culturali, accordi commerciali... iv. variabili correttive: che correggono tutte le variabili in valore per poter essere egualmente confrontabili (partita di potere d’acquisto) e cioè depurate dall’effetto dell’inflazione e dei diversi tassi di cambio dei paesi. L’analisi prende in considerazione gli anni 2007-2008-2009 (t) e il campione di 30 Paesi (i e j) ribaditi all’inizio del paragrafo 3.2. Al fine di implementare il modello econometrico, la variabile dipendente è rappresentata dai flussi di importazioni in valore (dollari), IMPijt, che il paese i scambia con il paese j nell’anno t. In particolare, i e j variano tra 1 e 30, essendo quest’ultimo il numero totale di Paesi del campione considerato; t varia tra 1 e 3 in quanto corrisponde agli anni compresi tra il 2007 e il 2009 per i quali sono disponibili i dati sul commercio estero. Le osservazioni complessive sono dunque pari a 30 x 29 x 3 cioè 2610 in quanto non esiste il flusso di importazioni da un Paese verso se stesso. La fonte utilizzata per questi dati è il database statistico United Nations Commodity Trade (UN ComTrade). Per quanto riguarda invece i fattori esplicativi, questi sono relativi alle tre tipologie già citate precedentemente: (i) variabili 38 di gravitazione, (ii) variabili di finanziamento, (iii) variabili di contesto, (iv) variabili correttive. i. Le variabili di gravitazione In accordo al tradizionale modello gravitazionale sono state introdotte delle variabili relative al Paese di origine e di destinazione e, in particolare, alla loro dimensione economica ed alla distanza geografica tra i due. Le variabili considerate sono le seguenti: - PILit e PILjt rappresenta il Prodotto Interno Lordo a prezzi correnti, in miliardi di Dollari Americani, all’anno t, del paese i e del paese j rispettivamente (nel modello gravitazionale rappresenta la “massa”). I valori sono basati sul PIL in moneta nazionale e sulle proiezioni del tasso di cambio fornite da esperti studiosi accreditati, per i mercati emergenti e per i paesi in via di sviluppo, mentre le proiezioni dei tassi di cambio per le economie avanzate sono stabiliti da assunzioni e ipotesi World Economic Outlook, dal quale database, elaborato dal Fondo Monetario Internazionale, ho prelevato i dati; - Distij, misura la distanza in metri tra il paese di origine i ed il paese di destinazione j. I dati sono di fonte FREIT (Forum for Research on empirical international trade) che fornisce le distanze secondo la “great circe formula” tra le capitali. ii. Le variabili di finanziamento Queste variabili sono effettivamente l’innovazione introdotta in questa ricerca in quanto i dati si trovavano allo stato grezzo e sono stati rielaborati e resi idonei a questo tipo di studio. I dati provengono dal sito della Banca Europea per gli Investimenti, la quale pubblica in dettaglio tutti i progetti in corso di valutazione e quelli già approvati e finanziati suddivisi per paesi e settori d’interesse. Per il suddetto studio la variabile che ne è derivata è: 39 -FINit e FINjt che misurano i flussi di finanziamenti agevolati, in valore nominale, ricevuti dal paese i e j rispettivamente in un dato anno (tra quelli presi in considerazione). E’ una variabile flusso e quindi misura il nuovi apporti ricevuti dal 2007 al 2009 e tralascia gli effetti dei finanziamenti avuti gli anni precedenti. Le somme vengono erogate in euro e per permettere la corretta analisi sono stati convertiti in dollari con il tasso di cambio medio annuale euro/dollaro pubblicato da Banca d’Italia. iii. Le variabili di contesto Per arricchire il modello di ulteriori fattori esplicativi si sono create alcune variabili dummy o binarie che evidenziano degli aspetti che potrebbero abbassare o innalzare le barriere all’internazionalizzazione: - D_confini, variabile binaria che assume valore unitario per coppie di Paesi che condividono una comune linea di confine, mentre assume valore zero per le restanti coppie di Paesi non confinanti; tale variabile ha il compito di catturare le relazioni commerciali privilegiate con i paesi immediatamente confinanti e quindi di facile accesso. Ho considerato come paesi confinanti anche il Regno Unito e l’Irlanda in quanto divisi solo dal mare essendo entrambi due isole. I dati sono di fonte FREIT (Forum for Research on empirical international trade); - D_lingua, che vale uno per coppie di paesi che condividono la stessa lingua madre, mentre vale zero per paesi che parlano tra loro con una lingua differente; tale variabile permette di misurare se rimanere ancorati alla propria lingua nazionale agevoli gli scambi o sarebbe opportuno istituire una lingua comune da utilizzare per gli scambi (come stà avvenendo per l’inglese); inoltre il fatto di avere una lingua comune ad un altro paese è strettamente legato alla storia delle colonizzazioni del passato. La fonte dei dati sono le pubblicazioni The World Factbook della CIA-Central Intelligence Agency; 40 - D_law, permette di attribuire importanza al fatto di essere Paesi Common law o Paesi Civil law o Paesi che accettano entrambi i regolamenti (come Cipro, Figi, Israele e Sud Africa). Il sistema del Common law è un modello di ordinamento giuridico, di matrice anglosassone, basato sulle decisioni giurisprudenziali più che sui codici e sui decreti governativi, esso è contrapposto al sistema del Civil law, l'altra branca della tradizione giuridica occidentale. Il Civil law è il modello di ordinamento giuridico dominante a livello mondiale ed è detto perciò anche "diritto continentale” o "diritto di tradizione romano-germanica" in quanto è basato su un ruolo importante dell'università (intesa come dottrina giuridica e educazione dei giuristi) e su un sistema di codici (intesi come aggregato omogeneo di leggi e norme). Questa variabile dummy assume il valore pari a uno se la coppia di paesi condivide uno stesso modello di ordinamento giuridico, mentre zero altrove. La fonte è Wikipedia; - D_isola, se almeno un Paese dei due presi in considerazione è un isola allora la variabile assumerà valore uguale a zero altrimenti sarà pari a uno; tale fattore ci permetterà di verificare se è vero che è più difficile commercializzare con un isola, per la quale sono possibili solo collegamenti via mare o aerei. La fonte è Wikipedia; - D_moneta, questa dummy ha valore pari a uno se gli scambi bilaterali tra i paesi avvengono con la medesima valuta, e zero altrove. Tale fattore, se significativo, mostrerà che l’incertezza dei tassi di cambio ai quali bisogna ricorrere per convertire la moneta nazionale in moneta estera (e di conseguenza i relativi costi aggiuntivi) condizionano il commercio, e dovrebbe andare a favore di tutti i paesi che hanno adottato l’euro fra i quali gli scambi dovrebbero essere agevolati. Per Cipro e Malta questa variabile ha valore zero nel 2007, mentre negli anni successivi assume anche valore pari a uno, in quanto avevano differenti monete nazionali prima di adottare l’euro dal 01/01/2008. I dati 41 sono stati raccolti dal Manuale interistituzionale di convenzioni redazionali dell’Ufficio delle pubblicazioni dell’Unione Europea; - D_fuso, questa variabile binaria ci mostra se il fatto di appartenere ad uno stesso fuso orario influenzi il commercio internazionale, infatti essa sarà pari a uno per le coppie di Paesi (per i paesi che si estendono per più fusi orari, si considera sempre il fuso orario della capitale) che condividono uno stesso orario, mentre sarà pari a zero se i due paesi hanno un orario differente. La fonte dei dati sono le pubblicazioni The World Factbook della CIA-Central Intelligence Agency; Legenda: UTC è il tempo coordinato universale, conosciuto anche come tempo civile, è il fuso orario di riferimento da cui sono calcolati tutti gli altri fusi orari del mondo ed è derivato dal tempo medio di Greenwich, e perciò talvolta è ancora chiamato GMT. - D_range6, questa variabile binaria è legata alla precedente in quanto considera sempre i fusi orari, ma essa ha valore di uno se i due paesi (si considera sempre il fuso orario della capitale per quei paesi che sono estesi per più fusi orari come la Russia, il Messico, il Brasile…) hanno una differenza di orario minore o uguale alle sei ore e ha valore di zero se per variazioni superiori. La fonte dei dati sono le pubblicazioni The World Factbook della CIA-Central Intelligence Agency; - D_continente, individua l’appartenenza dei due paesi che si scambiano beni e servizi ad uno stesso continente. Il continente americano viene considerato diviso in Nord e Sud America, quindi, in questo studio, vengono utilizzati 6 continenti di riferimento. Casi particolari sono la Russia e la Turchia in quanto appartenenti a due continenti, ma per assunzione, in questo studio vengono attribuiti al continente asiatico ed a quello europeo rispettivamente. La seguente dummy ha valore 42 uno se i due paesi sono dello stesso continente geografico e zero diversamente. La fonte è Wikipedia; - D_UE, quest’ultima variabile prende in considerazione l’appartenenza dei Paesi all’Unione Europea (soggetto politico a carattere sovranazionale ed intergovernativo che, dal 1º gennaio 2007, comprende 27 paesi membri indipendenti e democratici) per capire se questa favorisca o meno le importazioni ed esportazioni tra gli stati membri; la dummy è pari a uno se entrambe i due paesi sono stati membri mentre è pari a zero se uno o nessuno dei due paesi appartengono all’UE. I dati sono stati raccolti dal Manuale interistituzionale di convenzioni redazionali dell’Ufficio delle pubblicazioni dell’Unione Europea. L’analisi non si sviluppa solo su variabili di contesto binarie ma anche su mere variabili quantitative: - POPit e POPjt sono rispettivamente la popolazione del paese importatore e dell’esportatore (espressa in milioni) e sono variabili tipiche degli studi politologici sul commercio internazionale, in base ai quali dovrebbero avere un’influenza negativa sui flussi bilaterali e la ragione è che uno stato con una grande popolazione ha anche un grande mercato interno, che richiede ingenti quantità di beni e stimola quindi le imprese a produrre per il proprio mercato nazionale riducendo le esportazioni. I dati provengono dalla base di dati World Economic Outlook, elaborata dal Fondo Monetario Internazionale. iv. Le variabili correttive Sotto questa classificazione ho voluto esplicitare nel modello due fattori che alterano la parità di potere di acquisto di una stessa somma di denaro in diversi paesi alla stessa data. Questi fattori sono l’inflazione e il tasso di cambio: - INFi/jt è il rapporto tra gli indici medi annuali della variazione dei prezzi al consumo del paese importatore rispetto al paese 43 esportatore, e in riferimento al 2007-2008-2009. L’indice ha anno base 2000, cioè nel 2000 il suo valore è pari a 100. La fonte dei dati e il Fondo Monetario Internazionale, che pubblica la banca dati World Economic Outlook; - CAMi/jt rappresentano il rapporto tra i tassi di cambio medi annuali (2007-2008-2009) delle varie monete nazionali dei paesi importatori verso quelli degli esportatori, in dollari. Cioè il rapporto tra gli ammontari di valuta nazionale necessari per ricevere in cambio 1 dollaro americano nell’anno t. I tassi di cambio sono calcolati dall’Ufficio Italiano dei Cambi che dal 2008 è confluito in Banca d’Italia. 3.3.2. Modello econometrico Una volta esplicitate ampliamente le variabili del modello e prima di procedere con la stima dei parametri, argomento più in dettaglio cosa si intende per modello econometrico: • Un insieme di equazioni comportamentali che collegano tra loro più variabili economiche e una struttura di componenti casuali, detti termini di disturbo; • Un insieme di affermazioni relative alla qualità dei dati utilizzati per la stima del modello: per esempio la presenza o la rilevanza di errori di misurazione nelle variabili utilizzate; • La specificazione della distribuzione di probabilità dei disturbi e degli errori di misurazione nelle variabili considerate. Nei modelli econometrici il termine di disturbo, la c.d. parte stocastica o casuale del modello che si contrappone alla parte deterministica, è una variabile inosservabile che descrive l’effetto sulla variabile dipendente di tutto quello che non può essere ricompreso nella parte sistematica del modello. Questa variabile casuale per assunzione è distribuita secondo una legge di distribuzione gaussiana (o normale). 44 Il modello che è stato elaborato è fondamentalmente una versione dell’equazione gravitazionale per il commercio internazionale vista nel capitolo 2.1 estesa a variabili di finanziamento, di contesto e correttive. La natura moltiplicativa dell’equazione ci permette di ottenere una relazione lineare prendendo i logaritmi naturali delle variabili: ln IMPijt = c + α ln PILit + β ln PIL jt + χ ln POPit + δ ln POPjt + φ ln DISTij + + ϕ ln FIN it + γ ln FIN jt + ηD _ confiniij + ιD _ linguaij + κD _ lawij + + λD _ isolaij + µD _ monetaij + ϖD _ continenteij + πD _ ueij + + νD _ fusoij + οD _ rangeij + θ ln INFi / jt + ϑ ln CAM i / jt + ε ijt (10) Tale modello viene detto modello di regressione lineare semplice: la variabile dipendente viene fatta dipendere in modo lineare da grandezze esplicative ed è influenzata dal termine di disturbo. La presenza della componente stocastica implica che il modello debba essere trattato con tecniche inferenziali. L’aspetto fondamentale è quello della stima, cioè dell’utilizzazione di un campione di dati osservabili sulle variabili per determinare quale sia la configurazione della parte sistematica del modello meglio in grado di spiegare il comportamento campionario delle variabili endogene. Nel suddetto modello di regressione lineare, la variabile lnIMP, detta variabile dipendente o endogena è ipotizzata dipendere in modo lineare da un insieme di variabili che vengono dette variabili esplicative o regressori. In aggiunta si ipotizza che la variabile dipendente sia influenzata da un termine stocastico. I motivi dell’inserimento di un termine di disturbo stocastico nel modello di regressione lineare possono essere sintetizzati come segue: 1. il termine di disturbo rappresenta un elenco di asistematicità connesso al comportamento umano; 45 2. inoltre, il termine di disturbo può essere interpretato come la descrizione dell’effetto congiunto di un numero elevato di variabili che producono effetti ma che non sono suscettibili di misurazione e quindi non inseribili nella parte sistematica del modello; 3. infine, possono essere presenti errori di misurazione tra le variabili. Nel modello di regressione lineare a ciascuna osservazione associamo un termine di errore o termine di disturbo con le seguenti proprietà: valore atteso pari a zero, assenza di correlazione e costanza della varianza o omoschedasticità. A queste assunzioni di solito si aggiunge l’ipotesi di normalità dei disturbi che non è strettamente necessaria alla stima puntuale del modello. Nella versione più semplice del modello di regressione lineare MRL - le ipotesi avanzate sui regressori sono: • esogenità stretta dei regressori: cioè non si ha correlazione tra i regressori ed i termini di disturbo; • indipendenza lineare dei diversi regressori. Per la stima del nostro MRL il metodo utilizzato è quello dei minimi quadrati ordinari - OLS - che consiste nel trovare una retta che interpoli la nuvola di punti in modo tale da minimizzare la somma dei quadrati degli errori commessi interpolando linearmente la nuvola di punti. Date le assunzioni fatte in precedenza, lo stimatore OLS ha caratteristiche auspicabili quali: - lo stimatore OLS è non distorto quando si hanno regressori non stocastici o variabili casuali ortogonali (non correlate). Nel caso in cui si abbiamo regressori stocastici, per conservare la proprietà di non distorsione occorre ipotizzare e testare le proprietà prima elencate per il termine di errore; - lo stimatore di minimi quadrati è consistente; 46 - lo stimatore OLS è il più efficiente nella classe degli stimatori lineari non distorti (teorema di Gauss-Markov). Sviluppando ciò che si è detto al nostro caso pratico, cioè entrando nella fase due dell’analisi econometrica, la stima del modello è stata svolta su un pull di dati dal 2007 al 2009 cioè un insieme di dati cross-sectional, non time-serial. I risultati poi sono stati testati per verificare se era quello il modo migliore di considerare i dati o se fosse più corretto analizzare i singoli anni in modo separato. Dai risultati della prima regressione fatta sull’intera equazione (10) ho deciso di eliminare via via alcune variabili dummy insignificanti e che, essendo numerose, rischiavano di creare un problema di multicollinearità, cioè che le variabili esplicative fossero correlate tra di loro. Dopo una serie di tentativi le variabili binarie che ho evitato di considerare ulteriormente nelle analisi successive sono: -D_fuso: dummy di appartenenza allo stesso fuso orario; -D_law: dummy di condivisione di uno stesso modello di ordinamento giuridico; -D_UE: dummy degli stati membri dell’Unione Europea; Ora il modello di riferimento è il seguente: ln IMPijt = c + α ln PILit + β ln PIL jt + χ ln POPit + δ ln POPjt + + φ ln DISTij + ϕ ln FIN it + γ ln FIN jt + ηD _ confiniij + + ιD _ linguaij + µD _ monetaij + ϖD _ continenteij + + λD _ isolaij + οD _ rangeij + θ ln INFi / jt + ϑ ln CAM i / jt + ε ijt (11) 3.3.3. Risultati Analizzando i risultati della regressione, in primis mi soffermo sul significato dello Standard Error — SE (terza colonna) che corrisponde alla precisione della stima per quella determinata variabile. Se il valore dello SE è basso allora il coefficiente 47 stimato dal modello si discosta poco dalla realtà, è più veritiero e meno distorto. Grazie allo Standard Error sono in grado di condurre una serie si test di ipotesi che vanno sotto il nome di test di significatività. Il test di significatività ci permette di verificare un ipotesi nulla H0 alla base che corrisponde all’ipotesi che il valore del coefficiente per una variabile sia uguale a zero (e la corrispondente ipotesi alternativa H1) Ho:βi=0 per ogni i H1:βi≠0 per ogni i Se il test ci conferma l’ipotesi nulla allora la variabile indipendente è insignificante al fine dell’analisi; in quanto equivalente a zero non influenza la variabile dipendente sotto studio. L’ipotesi nulla contempla la mancanza di potere esplicativo del repressore. Come un qualsiasi test di ipotesi, la stima dei coefficienti è una variabile casuale distribuita come una t di Student e, utilizzando questo risultato distributivo, è possibile ricorrere ai valori tabulati dei quantili della distribuzione t di Student o anche detti t-critici o teorici per definire due regioni, una di accettazione e l’altra di rifiuto dell’iporesi nulla quando essa è vera, a seconda del livello di significatività prescelto, cioè la probabilità di commettere un errore di prima specie. In questo modo è possibile definire l’intervallo fiduciario per i valori stimati dei coefficienti centrato intorno alla sua stima puntuale e associato ad un livello fiduciario cioè ad un livello di rischio, incertezza che siamo disposti ad accettare nel affermare il falso. Il test di significatività consiste nel calcolare il valore del t- statistico in relazione alla nostra affermazione e compararlo con il t-critico del livello di significatività prescelto. Se il t-statistico è compreso tra — t-critico e + t-critico (oppure se è minore al t critico in valore assoluto), si accetta H0, altrimenti si rifiuta H0. 48 Per un livello di significatività al 10%, 5% e 1% i valori critici di riferimento della statistica sono in valore assoluto 1,64, 1,96 e 2,57 rispettivamente. Un metodo grafico per indicare il livello di significatività della stima è quello di attribuire delle “stelline” (vedi quinta colonna), dove *, ** e *** denotano la significatività al 10%, 5% e 1% rispettivamente, e dove le “stelline” non sono indicate significa che quel repressore è insignificante. Prima di procedere con l’interpretazione economica dei coefficienti, mi soffermo sull’ultima colonna della tabella che indica il p-value che è l’esatto livello di significatività statistica delle stime, cioè quanto l’ipotesi nulla alla base è plausibile, affidabile. Questo è un metodo alternativo al calcolo dei tstatistici per verificare la significatività dei coefficienti. Un altro test di ipotesi è l’F-test che verifica più ipotesi simultaneamente. Mi avvalgo di questo test per comprendere se nelle mie considerazioni che farò sul fenomeno oggetto di studio devo prendere in considerazione tre modelli separati oppure un unico modello che raggruppa tutti e tre gli anni sottoposti ad analisi. Per verificare questo costruisco due nuove variabile dummy: -D_2008 che ha valore uno per ogni osservazione del 2008 e zero altrove; -D_2009 che ha valore uno per ogni osservazione del 2009 e zero altrove e le introduco nel modello (11). Eseguendo l’analisi di regressione con il metodo dei minimi quadrati ordinari ricavo le stime del nuovo modello. I risultati dei coefficienti delle variabile costruite dalla moltiplicazione della variabile originaria per una dummy e delle stesse dummy li sottoporrò al test di ipotesi che verifica l’ipotesi nulla che tutti questi coefficienti siano contemporaneamente uguali a zero. L’ipotesi nulla alla base implica l’assenza assoluta di potere 49 esplicativo da parte delle singole regressioni annuali rispetto a quella che considera tutti e tre gli anni insieme, infatti i coefficienti delle variabili costruite dalla moltiplicazione con le dummy indicano la variazione del coefficiente originario che è quello del modello del 2007 dal coefficiente del 2008 per le variabili moltiplicative della dummy 2008 e dal coefficiente del 2009 per le variabili moltiplicative della dummy 2009. Se queste differenze rispetto al 2007 sono significative allora vale la pena analizzare i tre modelli separati altrimenti sarà sufficiente descrivere il modello complessivo per generalizzare il fenomeno. Dal p-value del Wald-test si evince che sia con distribuzione F di Fisher, sia con distribuzione Chi-quadro, l’ipotesi nulla è da accettare, quindi i coefficienti delle variabili che indicano le differenze del fenomeno nel 2008 e nel 2009 rispetto al 2007 non sono significative ed è per questo che occorre analizzare solo il modello pulled, tralasciando l’analisi separata dei singoli anni. Fin ad ora ho trattato l’importanza della significatività statistica senza entrare nel merito dell’interpretazione economica dei risultati, ma l’analisi econometrica che ho condotto è valida solo se sono rispettate le ipotesi sui termini di disturbo che ho elencato precedentemente e che permettono di avere uno stimatore BLUE: • Best: il coefficiente stimato è uno stimatore del vero valore del coefficiente; • Linear: il coefficiente stimato è uno stimatore lineare; • Unbiased: in media, il valore dei coefficienti stimati sarà uguale al vero valore dei coefficienti; • Estimators: lo stimatore OLS ha la minima varianza tra la classe degli stimatori corretti lineari. Per poter fare inferenza sui parametri dell’intera popolazione a partire da un campione di parametri, le assunzioni da verificare 50 sul termine d’errore inosservabile εijt sono sintetizzate come segue: • E(εijt) = 0; • Var(εijt) = σ2 < ∞ Omoschedasticità; • Cov (εit, εj ) = 0 No Autocorrelazione; • La matrice dei regressori è non stacastica o fissa in relazione al campione Variabili Casuali Ortogonali; • εijt ~ N(0, σ2) Distribuzione Gaussiana o Normale. Per verificare le assunzioni alla base del metodo OLS (ordinary least squares) eseguo alcuni test di diagnostica. Per testare la seconda assunzione e cioè l’omoschedasticità dei disturbi si può ricorrere al White Heteroskedasticity Test. L’ipotesi nulla sottostante è avere il termine d’errore non eteroschedastico e i risultati del test non avvalorano l’ipotesi e quindi l’ipotesi nulla viene rifiutata, quindi il modello ha errori eteroschedastici. Per risolvere e correggere la presenza di errori eteroschedastici nel modello è necessario rifare la stima dei parametri applicando la covarianza e gli errori standard consistenti per l’eteroschedasticità di White. Correggendo gli standard error cambia il t-statistico e il p-value quindi cambiano i test di significatività ma non le stime dei coefficienti che rimangono invariate. Una variabile che precedentemente era significativa ora può non esserlo più e viceversa. Un ulteriore test verifica se i disturbi sono non autocorrelati, che equivale ad affermare che non ci sono motivi ricorrenti nei residui, cioè sono casuali. Questa analisi è facoltativa in quanto avendo dati cross-sectional la probabilità di autocorrelazione dei dati è bassa. 51 Un test formale per autocorrelazione del primo ordine è il test Durbin-Watson (DW) oppure un altro test generale per autocorrelazione di ordine superiore è il test Breusch-Godfrey. Per entrambe l’ipotesi nulla è che i disturbi siano in correlati e come previsto l’ipotesi nulla viene non rifiutata e quindi l’assunzione sui termini di errori è rispettata. Infine un altro test non sostanziale è la verifica della distribuzione normale della parte non osservabile del modello. Con questa verifica si testa la prima e l’ultima delle assunzioni fatte in precedenza. Il test formale a questo scopo è il test di normalità di Bera Jarque. Questo calcola l’assimetria e la curtosi delle distribuzioni degli errori dei tre modelli (oltre a farne la rappresentazione grafica ad istogranimi) e questo ci permette di comparare i valori di assimmetria — skewness - e curtosi — kurtosis - delle distribuzioni degli errori dei tre modelli con i valori tipici di una distribuzione normale che è simmetrica quindi il valore dell’assimmetria è zero e quello della curtosi è pari a tre. Il test fornisce anche il p-value che ci restituisce l’affidabilità dell’ipotesi nulla sottostante che è proprio quella di avere disturbi normalmente distribuiti, inoltre ci è molto di aiuto la rappresentazione grafica in riferimento alla classica forma campanulare della curva gaussiana. I disturbi del modello non hanno una distribuzione normale ma questo non è un fattore di difficoltà in quanto la stima OLS, diversamente rispetto alla stima di massima verosimiglianza e al metodo dei momenti, non richiede alcuna assunzione sulla forma della distribuzione dei termini di disturbo. Una volta superati tutti i test di diagnostica possiamo verificare la bontà del modello attraverso l’R2 - R-squared che misura il coefficiente di correlazione dei residui al quadrato e denota quanta variabilità/varianza riusciamo a spiegare con il modello. 52 La capacità di fit statistico del nostro modello si può sottolineare anche con l’F-test riferito a tutta la regressione: maggiore è il suo valore e meglio il nostro modello rappresenta la realtà. Il modello ha un valore alto sia per l’R-squared che per l’Fstatistico e questi sono segnali positivi per il modello, anche se sarebbe opportuno fare delle considerazioni in merito al numero di parametri inclusi nel modello. L’analisi econometrica del MRL (11) riferito al pull di dati 2007-2008-2009 ha prodotto le seguenti stime dei coefficienti delle variabili (ricorrette per l’eteroschedasticità) che vengono riportate nella tabella con i relativi livelli di fiducia per poter commentare la significatività pratica ed economica dei risultati ottenuti. Tabella n.4-Fonte: elaborazioni personali Variabili Coefficienti C LNPIL_IT LNPIL_JT LNPOP_IT LNPOP_JT LNDIST_IJ LNFIN_IT_1 LNFIN_JT_1 D_CONFINI D_LINGUA D_ISOLA D_MONETA D_RANGE6 D_CONTINENTE LNINF_I_J LNCAM_I_J 3.713741 1.015764 1.198829 -0.024570 -0.049638 -0.859123 0.024554 0.021560 0.130174 1.023166 0.354573 -0.057551 0.316451 0.145632 0.146086 0.007935 I risultati dell’analisi Std. Error 1.084707 0.011171 0.010166 0.007820 0.007929 0.068055 0.003267 0.002555 0.095935 0.028247 0.048806 0.109387 0.051023 0.094229 0.017199 0.013244 t-Statistico P-value 3.423726 90.93262 117.9299 -3.141827 -6.260220 -12.62394 7.515351 8.439779 1.356896 36.22240 7.264941 -0.526126 6.202106 1.545511 8.493626 0.599117 econometrica *** *** *** *** *** *** *** *** *** *** *** *** 0.0006 0.0000 0.0000 0.0017 0.0000 0.0000 0.0000 0.0000 0.1749 0.0000 0.0000 0.5989 0.0000 0.1224 0.0000 0.5492 fondamentalmente confermano le evidenze sottolineate negli studi sul commercio internazionale che si avvalgono del modello gravitazionale, come discussi nel capitolo 2.2, ossia che la dimensione economica sia del paese importatore che del paese esportatore influenzano significatamene e positivamente gli scambi 53 internazionali; così come la distanza che è anch’essa significativa ma in relazione inversa al commercio. Le classiche variabili gravitazionali, sulle quali si fonda il modello originario, come la grandezza economica dell’esportatore e quella dell’ importatore, espresse dai rispettivi PIL, mostrano coefficienti significativi e che esercitano un rilevante impatto positivo sull’ammontare di beni scambiati fra i componenti delle coppie, infatti se il PIL di un paese aumenta del 1% allora anche i suoi flussi di commercio estero aumenteranno dell’1% circa. Una caratteristica interessante dei risultati concernenti queste due variabili è il coefficiente della variabile del paese esportatore di poco maggiore rispetto a quello dell’importatore. Questo è abbastanza comprensibile se pensiamo che solitamente sono i paesi più economicamente sviluppati e ricchi che non hanno timori nel rivolgersi all’estero per vendere i loro beni e servizi ed è anche vero che se si produce maggior ricchezza nel paese e questa supera le esigenze interne l’estero è l’unico interlocutore col quale scambiare se si vuole collocare i propri beni e servizi. La distanza ha un effetto significativo e negativo, come riscontrato nella precedente letteratura. Più precisamente se tra due paesi che si scambiano beni e servizi c’è una distanza maggiore dell’1% rispetto ad un'altra coppia di paesi, la prima coppia commercializzerà lo 0,9% in meno rispetto alla seconda. In base ai risultati di questo studio empirico, la distanza spaziale continua ad essere importante nell’era della globalizzazione, nell’era dell’azzeramento delle distanze virtuali fra paesi, e commercializzare con mete lontane rimane più difficoltoso e costoso che farlo con mete vicine, anche se i costi di trasporto sono generalmente inferiori a venti anni fa. Una motivazione logica che può aiutare a spiegare questi risultati deriva dal fatto che commerciare con paesi vicini non è soltanto più economico in termini di trasporto, ma è anche più facile quando si tratta di raccogliere le necessarie informazioni, soprattutto quando il 54 commercio deriva da produzioni delocalizzate, che implicano la necessità di un’ottima conoscenza del sistema normativo del paese ospitante. La popolazione può essere considerata separatamente, come solitamente fanno i politologi che già in studi precedenti hanno evidenziato che tale variabile ha un effetto significatamene negativo sul commercio. In questo studio l’effetto negativo è molto lieve, infatti se la popolazione di un paese importatore aumenta dell’1% ciò farà diminuire i suoi flussi commerciali internazionali dello 0,02% se ciò accade per il paese esportatore allora la diminuzione sarà dello 0,05%. L’incidenza negativa di questa variabile trova una sua spiegazione nel fatto che paesi con grandi mercati interni tendono ad esportare relativamente meno perché le imprese producono i loro prodotti soprattutto per il mercato nazionale. Gli economisti in genere usano una diversa specificazione del modello gravitazionale, che include il PIL pro capite al posto della considerazione separata del PIL complessivo e della popolazione. Facendo in questo modo si evince solo l’effetto netto tra ricchezza del paese e popolazione e si evince quale tra i due effetti opposti prevarica l’altro. Questi studi di solito riscontrano un impatto positivo del PIL procapite sul commercio bilaterale (Rose 2004, 2005) e cioè prevarica l’effetto grandezza economica rispetto a quella umana, come anche nel presente studio dove i coefficienti delle variabili riferite al PIL sono molto maggiori di quelli riferiti alla popolazione. Le variabili di finanziamento, che sono l’effettiva innovazione di questa ricerca, e quindi non posso attingere da studi pregressi per comparare i risultati ottenuti, rilevano un effetto secondo le mie attese. Infatti io mi aspettato di rilevare una relazione positiva e significativa tra finanziamenti agevolati e il commercio internazionale e così è stato ma la delusione è stata nell’incidenza del fenomeno. Infatti, i coefficienti stimati sono bassi e denotano che un aumento dell’1% dei finanziamenti 55 agevolati ricevuti da un paese (sia esso esportatore o importatore) si ripercuote sull’aumento di solo lo 0,02% dei flussi imp-exp di quel paese. Le variabili dummy di contesto sono state tutte formulate in modo da creare delle attese di influenza positiva delle stesse sul commercio internazionale e i risultati sono contrastanti. La presenza di confini in comune tra due paesi è una variabile che approssima la vicinanza degli stessi (e quindi potrebbe andare un po’ in conflitto di non collinearità con la variabile della distanza tra paesi) che è sempre stata presa in considerazione negli studi economici precedenti sul modello gravitazionale applicato al commercio, in quanto si è sempre dimostrato che gli scambi tra paesi vicini sono più agevoli e incentivati dal contesto. Ma nel presente elaborato ciò non viene evidenziato in quanto il coefficiente risulta non statisticamente significativo. La mia conclusione è che la distanza tra paesi è un fattore di grande importanza nel commercio, indipendentemente dal fatto di avere due paesi confinanti o meno. La lingua comune presenta un evidente incidenza positiva sul commercio fuori dai confini nazionali, come anche evidenziato da studi passati. Se due paesi che si scambiano beni e servizi parlano la stessa lingua nazionale, allora essi avranno l’1% in più scambi rispetto a due paesi con differenze linguistiche. Ciò significa che nonostante un riconoscimento, nella coscienza comune, dell’importanza della conoscenza delle lingue straniere e specialmente della lingua inglese (riconosciuta internazionalmente come lingua del commercio), ancora si registrano paesi miopi e nazionalisti e questo è un freno all’abbattimento delle barriere al commercio internazionale. La lingua però ha un duplice significato e viene anche utilizzata come proxy di più ampi legami culturali, che possono risultare importanti al fine di catturare i gusti dei consumatori stranieri, per stabilire buone relazioni con le istituzioni del paese partner e 56 per essere in sintonia con le procedure formali ed informali richieste da intensi flussi commerciali. Ne consegue che si commercializza di più con paesi più vicini culturalmente. L’appartenenza ad uno stesso continente non influenza gli scambi internazionali. Ciò implica che non esistono all’interno dei continenti delle realtà di aggregazione, dei network allargati, delle istituzioni che incentivino il commercio internazionale di quel continente. Questa considerazione generale dice molto sull’esistenza, la ragion d’essere e l’efficacia dell’Unione Europea che approssima i paesi appartenenti al continente Europa. Prendere in considerazione nel modello una dummy per indicare la difficoltà negli scambi che hanno inevitabilmente e ancor oggi le isole non è stato inutile, infatti il modello evidenzia che il commercio tra paesi non isole aumenta dello 0,35% i flussi commerciali internazionali e che quindi scambiare beni e servizi con un isola o tra due isole è più complesso. Una ragione potrebbe nascondersi nel fatto che ad un isola sono impossibilitati tutti i trasporti via terra, sia su ruota che su rotaia, per commercializzare con l’estero. Un altro fatto logistico in riferimento al commercio riguarda l’eccessiva differenza oraria (oltre le sei oltre le sei ore) tra due paesi che si scambiano beni e servizi. Infatti, se una coppia di paesi ha una differenza oraria inferiore o uguale alle sei ore allora avranno lo 0,30% in più di flussi commerciali. Questo è molto plausibile in quanto questa variabile è sintomo di grandi distanze tra paesi e in quanto ci sono delle effettive difficoltà nel comunicare con paesi che stanno smettendo di lavorare quando un altro incomincia e viceversa. L’ultima variabile dummy che ancora deve essere commentata è quella che si riferisce alla condivisione tra due paesi della stessa valuta di scambio. I parametri stimati per questa variabile hanno risultati fuori dalle mie aspettative razionali, infatti mi 57 attendevo che evitare i problemi di conversione della moneta, d’incertezza dei tassi di cambio… favorisse gli scambi internazionali ma il modello mostra che non ci sono sufficienti evidenze per affermare che la condivisione di una stessa moneta di scambio influenzi il commercio internazionale. In altre parole tale variabile è insignificante. E’ interessante commentare queste evidenze alla luce di un’altra variabile che è stata inserita nel modello come variabile correttiva per aggiustare il modello dalle differenze e variazioni dei tassi di cambio tra paesi. Le attese a tal proposito sono di un influenza negativa e significativa sui flussi commerciali in quanto se il tasso di cambio della valuta del paese importatore in dollari e maggiore del tasso di cambio della valuta del paese esportatore in dollari, allora l’importatore ha una moneta debole che ostacola gli scambi con paesi che non condividono la stessa moneta. Ma il modello, anche in questo caso mostra che il coefficiente di questa variabile è statisticamente pari a zero. La spiegazione dei risultati di queste due ultime differenti variabili analizzate è in disaccordo con le aspettative ma è concorde tra le due variabili che descrivono uno stesso fattore determinante nel commercio che è la valuta. La mia risposta a questi risultati è che il mercato dei tassi di cambio sia efficiente e che percepisca rapidamente tutte le possibilità di speculazione eliminandole e ristabilendo l’equilibrio. Per concludere un’altra variabile correttiva che è stata inserita nel modello, in quanto tutti i dati in valore sono espressi a prezzi correnti e non costanti quindi sono inficiati dagli effetti della variazione dei prezzi al consumo, è il rapporto tra i tassi d’inflazione dei diversi paesi. Il coefficiente di questa variabile è atteso positivo in quanto se l’importatore appartiene a un paese con un indice della variazione dei prezzi al consumo maggiore rispetto all’esportatore preferirà acquistare dall’estero piuttosto che nel suo paese d’origine (a parità di altri costi di trasporto, sdoganamento...). I risultati confermano un influenza positiva e 58 significativa di questa variabile, infatti l’aumento dell’1% del rapporto tra l’inflazione del paese importatore rispetto a quella del paese esportatore aumenterà dello 0,15% i flussi commerciali tra i due paesi. 59 4. Conclusioni I principali risultati ottenuti dalla presente tesi di laurea magistrale corrispondono in larga misura alle aspettative che sono state formulate sulla base della letteratura teorica ed empirica disponibile. Riassumendo schematicamente è possibile affermare che: • agiscono sui flussi di commercio internazionale i fattori considerati nell’ambito dei tradizionali modelli gravitazionali per il commercio. I risultati robusti che ne evincono sono che si hanno maggiori scambi tra paesi: o più grandi. In senso economico, cioè paesi più avanzati e ricchi a livello di nazione; e non in senso fisico in quanto paesi più vasti hanno anche maggiori distanze e ciò influenza negativamente il commercio; e neanche a livello di popolazione che influenza, seppur di poco, negativamente gli scambi con l’estero assecondandoli dal soddisfacimento dei bisogni del mercato interno; o più vicini. Geograficamente indipendentemente e in senso lato, dal fatto di essere due paesi confinanti. Ciò evidenzia che nonostante tanti anni di globalizzazione e tentativi di abbattimento delle distanze spaziali, attraverso la tecnologia, l’essere lontani è un costo sempre più incisivo negli scambi con l’estero; • le politiche della BEI, negli anni presi in considerazione, hanno effettivamente agevolato i paesi che ne hanno usufruito, contribuendo ad un, seppur moderato, incremento del commercio con l’estero dal lato sia delle esportazioni che importazioni; • il contesto culturale, istituzionale, territoriale, temporale, valutano e reale produce o meno effetti sul commercio internazionale: 60 o la lingua è ancora di ostacolo nei rapporti con l’estero, inoltre la variabile linguaggio cattura in se anche le distanze culturali e di usi e costumi tra paesi che anch’esse sfavoriscono gli scambi; o non esistono entità di aggregazione, istituzioni all’interno del medesimo continente che agevolino il commercio con altri paesi dello stesso continente e questo fa riflettere sulla ragion d’essere dell’Unione Europea che nonostante esista da tanti anni ancora non produce effetti generalizzabili a livello globale; o il commercio via terra è ancor oggi il mezzo preferibile negli scambi in quanto le isole faticano a commercializzare con l’estero; o un ampia distanza temporale è una barriera al commercio internazionale; o il mercato dei tassi di cambio si è dimostrato efficiente, tale da risultare indifferente per un paese commercializzare con un altro che abbia la stessa moneta o meno; o l’inflazione e un fattore da prendere in considerazione quando si mette in relazioni paesi diversi con diversi poteri di acquisto. Dai fattori analizzati ne sono risultati le appena elencate riflessioni che plasmano in modo più o meno significativo i comportamenti commerciali. Le relazioni commerciali tra gli stati sono relazioni complesse e di lungo periodo che possono essere influenzate da molti fattori, a livello degli stati, delle relazioni ed a quello sistemico; alcuni di questi fattori possono essere direttamente inclusi in modelli ben specificati, ma altri rimarranno probabilmente esogeni al modello, creando così problemi di distorsioni a causa di variabili omesse. 61 I futuri sviluppi di questo studio potrebbero andare alla ricerca di una miglior specificazione del modello. 62 Bibliografia Anderson, James E. 1979. “A Theoretical Foundation for the Gravity Equation”. American Economic Review 69(1): 106-116. Armington, Paul. 1969. “A Theory of Demand for Products Distinguished by Place of Production”. IMF Staff Papers 16(3): 159-176. Banca d’Italia. Settembre 2010. Ufficio Italiano dei Cambi www.uic.it Bergstrand, Jeffrey H. 1985. “The Gravity Equation in International Trade: Some Microeconomic Foundations and Empirical Evidence”. Review of Economics and Statistics 67(3): 474-481. Bergstrand, Jeffrey H. 1989. “The Generalized Gravity Equation, Monopolistic Competition, and the Factor-Proportions Theory in International Trade”. Review of Economics and Statistics 71(1): 143-153. Brun, Jean-François, Céline Carrère, Patrick Guillaumont, and Jaime de Melo. 2005. “Has Distance Died? Evidence from a Panel Gravity Model”. World Bank Economic Review 19(1): 99120. Central Intelligence Agency. Settembre 2010. The World Factbook - www.cia.gov/library/publications/the-world- factbook/fields/2098.html Costalli, Stefano. 2008. L’impatto della politica internazionale sui flussi commerciali nell’era della globalizzazione. IMT Institute for Advanced Studies. Deardorff, Alan V. 1998. “Determinants of Bilateral Trade: Does Gravity Work in a Neoclassical World?” In Jeffrey A. Frankel, ed., The Regionalization of the World Economy. Chicago: University of Chicago Press. European Investment Bank - www.eib.org 63 European Investment Found - www.eif.org Feenstra, Robert C. 2004. Advanced International Trade: Theory and Evidence. Princeton: Princeton University Press. Feenstra, Robert C., James R. Markusen and Andrew K. Rose. 2001. “Using the Gravity Equation to Differentiate among Alternative Theories of Trade”. Canadian Journal of Economics 34 (2): 430-447. FREIT Forum for Research on Empirical International Trade. 2010. International Trade Data - www.freit.org/TradeResources/TradeData.html Gordon, H. Hanson and Chong, Xiang. 2004. "The HomeMarket Effect and Bilateral Trade Patterns". American Economic Review, American Economic Association, vol. 94(4), pages 1108-1129, September. Haveman, Jon and Hummels, David. 2004. “Alternative Hypotheses and the Volume of Trade: The Gravity Equation and the Extent of Specialization”. Canadian Journal of Economics 37(1): 199-218. Head, Keith. 2003. Gravity for beginners. University of British Columbia Helpman, Elhanan. International Trade: 1987. “Imperfect Evidence from Competition Fourteen and Industrial Countries”. Journal of the Japanese and International Economies 1(1): 62-81. Helpman, Elhanan. 2006. "Trade, FDI, and the Organization of Firms". NBER Working Papers 12091, National Bureau of Economic Research, Inc. Helpman, Elhanan and Melitz, Marc and Rubinstein, Yona. 2006. "Trading Partners and Trading Volumes". DEGIT Conference Papers c011_022, DEGIT, Dynamics, Economic Growth, and International Trade. 64 Hoekman, Bernard. 1996. "Trade and Competition Policy in the WTO system". CEPR Discussion Papers 1501. International Monetary Fund. Aprile 2010. World Economic Outlook Database - www.imf.org/external/ns/cs.aspx?id=28 Kenichi, Ohmae. 1990. The Borderless World. McKinsey Kenneth A. Reinert. 2005. World Economy Gravity Models. School of Public Policy, George Mason University Krugman, Paul R. and Obstfeld, Maurice preparato da Bishop, Thomas (adattamento italiano di Crinò, Rosario). 2007. Economia Internazionale 1 Pearson. Mariotti, Sergio e Piscitello, Lucia. 2007. Eterogeneità e competitività internazionale delle imprese. Politecnico di Milano McCallum, John. 1995. "National Borders Matter: Canada-U.S. Regional Trade Patterns". American Economic Review, American Economic Association, vol. 85(3), pages 615-23, June. Newton, Isaac. 1687. Philosophiae Naturalis Principia Mathematica. Josephi Streater Redding, Stephen and Anthony J. Venables. 2004. “Economic Geography and International Inequality”. Journal of International Economics 62(1): 53-82. Tinbergen, Jan. 1962. Shaping the World Economy: Suggestions for an International Economic Policy. New York: The Twentieth Century Fund. Ufficio delle pubblicazioni dell’Unione Europea. Settembre 2010. Manuale interistituzionale di convenzioni redazionali http://publications.europa.eu/code UN ComTrade. Settembre 2010. United Nations Commodity Trade Statistic Database - www.comtrade.un.org 65 Vari autori. 2007. Evoluzione del commercio con l’estero per aree e settori Prometeia spa e ICE Istituto nazionale per il commercio estero. Wikipedia - www.wikipedia.org 66 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA FACOLTA’ DI ECONOMIA – RIMINI CORSO DI LAUREA MAGISTRALE IN AMMINISTRAZIONE E CONTROLLO D’IMPRESA Il modello gravitazionale: un’applicazione al commercio internazionale Tesi finale in Modelli e Metodi Economici per l’Impresa PRESENTATA DA Chiara Battistini RELATORE Lorenzo Zirulia CORELATORE Massimiliano Castellani SESSIONE II ANNO ACCADEMICO 2009/10 INDICE • • Introduzione Il modello gravitazionale: teoria e principali risultati – – • Dalle origini a oggi Stima dell’equazione gravitazionale e analisi dei risultati degli studi precedenti Commercio internazionale: un’applicazione del modello gravitazionale – – – La Banca Europea per gli Investimenti: l’istituzione che eroga i finanziamenti agevolati Analisi descrittiva dei flussi di commercio internazionale e dei flussi di finanziamento Analisi inferenziale • • • • Variabili Modello econometrico Risultati Conclusioni La Banca Europea per gli Investimenti • Istituita nel 1958 dal trattato di Roma, la BEI è l'istituto di credito a medio-lungo termine dell'Unione Europea. Concede prestiti per finanziare progetti d’interesse europeo, specie nei seguenti campi: – coesione e convergenza delle regioni dell'UE – sostegno alle piccole e medie imprese – ambiente – ricerca, sviluppo e innovazione – trasporti – energia • La BEI opera nell'UE e in circa 140 paesi con cui l'UE ha concluso un accordo di cooperazione. Campione e Variabili del modello • Paesi: – Paesi dell’Africa, Caraibi, Pacifico + OCT: Etiopia, Figi, Guyana, Malawi e Rep.Dominicana; – Asia, America Centrale e Latina: Brasile, Cina e Messico; – Europe dell’est, Caucaso meridionale e Russia: Russia; – Paesi EFTA: Norvegia e Svizzera; – Unione Europea: Austria, Bulgaria, Cipro, Danimarca, Finlandia, Francia, Germania, Irlanda, Italia, Malta, Portogallo, Regno Unito, Romania e Svezia; – Paesi Mediterranei: Algeria, Israele e Tunisia; – Sud Africa: Sud Africa; – Sud-Est Europa: Turchia. • Variabile dipendente: flussi di importazioni • Variabili indipendenti: – – – – Variabili Variabili Variabili Variabili di gravitazione di finanziamento di contesto correttive Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Risultati della regressione Variabili Coefficienti Std. Std. Error t-Statistico P-value C 3.713741 1.084707 3.423726 *** 0.0006 LNPIL_IT 1.015764 0.011171 90.93262 *** 0.0000 LNPIL_JT 1.198829 0.010166 117.9299 *** 0.0000 LNPOP_IT -0.024570 0.007820 -3.141827 *** 0.0017 LNPOP_JT -0.049638 0.007929 -6.260220 *** 0.0000 LNDIST_IJ -0.859123 0.068055 -12.62394 12.62394 *** 0.0000 LNFIN_IT_1 0.024554 0.003267 7.515351 *** 0.0000 LNFIN_JT_1 0.021560 0.002555 8.439779 *** 0.0000 D_CONFINI 0.130174 0.095935 1.356896 D_LINGUA 1.023166 0.028247 36.22240 *** 0.0000 D_ISOLA 0.354573 0.048806 7.264941 *** 0.0000 D_MONETA -0.057551 0.109387 -0.526126 D_RANGE6 0.316451 0.051023 6.202106 D_CONTINENTE 0.145632 0.094229 1.545511 LNINF_I_J 0.146086 0.017199 8.493626 LNCAM_I_J 0.007935 0.013244 0.599117 0.1749 0.5989 *** 0.0000 0.1224 *** 0.0000 0.5492 Conclusioni • Si hanno maggiori scambi tra paesi: – più grandi. In senso economico non in senso fisico e neanche a livello di popolazione; – più vicini geograficamente, indipendentemente dal fatto di essere due paesi confinanti; – più vicini culturalmente, e con una stessa lingua madre; – più vicini nel tempo – che possono usufruire dei mezzi di trasporto via terra. • Le politiche della BEI, negli anni presi in considerazione, hanno effettivamente agevolato i paesi che ne hanno usufruito. • Non esistono entità di aggregazione continentali che producano effetti sul commercio internazionale. • Il mercato dei tassi di cambio si è dimostrato efficiente. Ringraziamenti