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