L9_EPI16_GM
Transcript
L9_EPI16_GM
6.3.5 IL MODELLO GRAVITAZIONALE DEL COMMERCIO A SURVEY: HO (1933-49), LINDER (1961) AND HK (1987) HO (1933-49) [differenze nelle dotazioni fattoriali]: Più i paesi sono diversi più commerciano (un paese grande commercia di più con un paese piccolo). Più un paese è diverso dal ROW più commercia (il commercio è totale). Linder (1961) [domanda rappresentativa]: I paesi più sono simili e più commerciano (i paesi con livelli similari di reddito pro-capite esprimono preferenze e funzioni di domanda similari) HK (1985) [effetto varietà]: I paesi con più alti livelli di reddito commerciano di più di quelli con più bassi livelli di reddito (producono e domandano più varietà all’allentarsi del vincolo di bilancio, vedi concorrenza monopolistica). NB: Linder è all’opposto di HO. HK è conciliabile. Pierluigi Montalbano – University of Rome “La Sapienza” QUALE RUOLO PER LA GEOGRAFIA ECONOMICA? Il modello H-O non considera il ruolo della distanza e degli altri fattori geografici I paesi del modello HO sono realtà immateriali senza localizzazione geografica definita RAGIONI: Il Modello H-O non spiega il commercio bilaterale ma il commercio totale Il Modello H-O spiega quali prodotti si suppone un paese apporti all’offerta mondiale di beni disponibili per il ROW ma non spiega se il paese in questione esporterà i suoi prodotti verso il Giappone o la Francia. Pierluigi Montalbano – University of Rome “La Sapienza” Perchè conta la distanza geografica? Linemann (1966) identifica 3 categorie di costi associati con il «fare affari» a distanza: Costi di trasporto: misurati come la quota fra il valore CIF (cost of insurance and freight) delle importazioni ed il valore FOB (free on board) delle esportazioni bilaterali (il modo più semplice di misurare tali costi). Costi legati al tempo: deperibilità ed, in generale, il cambiamento delle condizioni derivanti dalla distanza temporale. Costi legati a «cultural unfamiliarity»: assenza di familiarità con culture, abitudini, usi, costumi e lingue distanti dalle proprie (misurabili in termini di maggiori costi necessari per «fare affari» con culture ed istituzioni distanti dalle proprie). Pierluigi Montalbano – University of Rome “La Sapienza” DA HK (1985) A GM Secondo l’ipotesi HK un paese povero commercia di più con un paese ricco [secondo Linder due paesi poveri e due paesi ricchi commerciano preferibilmente tra di loro]; Linemann (1966), Bergstrand (1985) e Deardorff (1997) sottolineano il ruolo della distanza; Mettendo insieme questi elementi: il commercio bilaterale fra due paesi dovrebbe essere positivamente influenzato dai rispettivi livelli di reddito e negativamente dalla loro distanza. Pierluigi Montalbano – University of Rome “La Sapienza” Applicazioni empiriche del commercio • L’equazione gravitazionale – Per spiegare l’ammontare di commercio bilaterale si utilizza l’equazione gravitazionale del commercio. – L’economista olandese e premio Nobel Jan Tinbergen, studioso anche di fisica, pensò al commercio tra Paesi come alla forza di gravità tra corpi. • Gli oggetti con una massa maggiore o che sono tra loro più vicini hanno un’attrazione gravitazionale superiore. – L’equazione gravitazionale per il commercio afferma che i Paesi con un PIL maggiore o che sono tra loro più vicini hanno un volume di commercio bilaterale maggiore. Pierluigi Montalbano – University of Rome “La Sapienza” Newton’s law of gravity: Ma Mb F d – Where: • • • • M = mass of the given object eg. planet F = force D = distance between the objects ≈ r G = a constant M aMb F =G r2 L’equazione gravitazionale nel commercio – Usiamo un’equazione simile per misurare il commercio tra due Paesi. – Anziché la massa, usiamo il PIL di ciascun Paese. – La distanza viene misurata in vari modi (e.g., cultural unfamiliarity). – C’è anche un termine costante che indica la relazione tra il termine gravitazionale e il commercio. – Il termine costante può essere interpretato come una sintesi degli effetti di tutti i fattori, diversi dalla distanza e dalla dimensione, che influenzano la quantità di commercio tra due Paesi PIL1 PIL2 Commercio = B n dist Pierluigi Montalbano – University of Rome “La Sapienza” La derivazione dell’equazione gravitazionale – Le esportazioni dal Paese 1 al Paese 2 saranno uguali ai beni disponibili nel Paese 1 (PIL1) per la dimensione relativa del Paese 2 (Share2 = PIL2/PILw) – diviso i costi di trasporto: PIL1Share2 1 PIL1PIL2 Commercio = = n n PIL dist dist W Si noti che è simile all’equazione gravitazionale di Newton. 1/PILW è il termine costante. Pierluigi Montalbano – University of Rome “La Sapienza” L’Equazione di Gravità GE consiste in una singola equazione X ij = φij 1−σ M jMi M= Massa economica Φ = distanza/ costi di commercio Una versione stimabile estesa alla politica commerciale è la seguente: Xij = δ0 Yiδ1 (Yi/Li)δ2 Yjδ3 (Yj/Lj)δ4 Dij-δ5 Pijδ6 Ove: - Xij sono i flussi bilaterali fra “i” e “j”; - Yi ed Yj sono i PIL totali ; - Yi/Li ed Yj/Lj sono i PIL pro-capite; - Dij è la distanza/costi di commercio - P è la politica commerciale; - δ0 è la costante di regressione. Pierluigi Montalbano – University of Rome “La Sapienza” La versione log-lineare • Specificazione log-lineare (stimabile con OLS): ln X ij = ln G + a1 ln M i + a2 ln M j + a3φij + a4 N ij + a5Vij + ε ij { 144 42444 3 14243 { { a0 ≡ constant economic attractors • Questioni da affrontare: – Il modello spiega bene il commercio? – I coefficienti hanno i valori attesi? – La specificazione OLS è corretta? Controlli: – R-2 – Test variabili omesse e non linearità – Test correlazione seriale degli errori Source: De Benedictis & Taglioni (2011) distance policy iid Linea di regressione, osservazioni campionarie ed errori E(y|x) = β0 + β1x .{ u4 y y4 y3 y2 y1 u2 {. .} u3 } u1 . x1 x2 x3 Economics 20 - Prof. Anderson x4 x 12 Stima dei parametri • A partire dall’intuizione della retta di regressione, si può formalizzare il problema di minimizzazione nel seguente modo: • Si tratta di scegliere i parametri in grado di minimizzare gli scostamenti quadratici dalla media: n n 2 2 i i 0 1 i i =1 i =1 ∑ (uˆ ) ˆ ( =∑ y −β Economics 20 - Prof. Anderson ˆ −β x ) 13 In forma matriciale • y = Xb + u • y= • • • • • ,X= , b= , u= y è il vettore n × 1 della variabile dipendente, X è la matrice n × k delle variabili indipendenti, b è il vettore k × 1 dei coefficienti da stimare u è il vettore n × 1 vector della componente stocastica Si assume normalmente che la prima variabile esplicativa sia una costante, così che la prima colonna di X è composta di 1. Lecture 1 Ipotesi di omoschedasticità degli errori y f(y|x) . . E(y|x) = β + β x 0 1 Normal distributions x1 x2 Economics 20 - Prof. Anderson 15 Test di ipotesi yi = β0 + β1Xi1 + … + βkXik + ui H0: βj = 0 Non rigetto null H1: βj > 0 Rigetto null Rigetto null (1 − α) α/2 -c 0 Economics 20 - Prof. Anderson α/2 c 16 Esempio lhwi = β 0 + β 1 malei + β 2 agei + β 3 agei2 + β 4 ed1i + β 5 ed 2 i + β 6 ed 3i + β 7 marriedi + u i Source | SS df MS -------------+-----------------------------Model | 5063.42183 7 723.345976 Residual | 12314.5694 57954 .212488687 -------------+-----------------------------Total | 17377.9912 57961 .299822143 Number of obs F( 7, 57954) Prob > F R-squared Adj R-squared Root MSE = 57962 = 3404.16 = 0.0000 = 0.2914 = 0.2913 = .46096 -----------------------------------------------------------------------------lhp | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------male | .2320701 .0038844 59.74 0.000 .2244567 .2396834 age | .0660152 .0014805 44.59 0.000 .0631135 .068917 age2 | -.0007384 .0000178 -41.54 0.000 -.0007733 -.0007036 ed1 | .836585 .0074516 112.27 0.000 .8219799 .8511901 ed2 | .4015777 .0067962 59.09 0.000 .3882572 .4148982 ed3 | .2343165 .0069181 33.87 0.000 .2207569 .2478761 married | .0536715 .0046008 11.67 0.000 .0446539 .0626892 _cons | .1834291 .0297663 6.16 0.000 .1250871 .2417712 ------------------------------------------------------------------------------ UK Labour Force Survey from 2001 Economics 20 - Prof. Anderson 17 Bontà della regressione Ogni osservazione può essere divisa in una parte spiegata e da una parte non spiegata dalla retta di regressione : yi = yˆ i + uˆi Possiamo definire : ∑ ( y − y ) è la somma totale degli scarti (SST) ∑ ( yˆ − y ) è la parte spiegata (SSE) ∑ uˆ è la parte residua (SSR) 2 i 2 i 2 i SST = SSE + SSR Economics 20 - Prof. Anderson 18 R2 Come si fa a stimare se la linea di regressione approssima bene il campione di dati? Si calcola la frazione della somma totale dei quadrati degli scarti (SST) spiegata dal modello Tale misura si definisce R2 R2 = SSE/SST = 1 – SSR/SST Economics 20 - Prof. Anderson 19 Economics 20 - Prof. Anderson 20 Dummies • Una variablie dummy è una variabile qualitativa • Può assumere due soli valori 0/1 (binaria o dicotomica) • Ex: dummy sesso (= 1 se maschio, 0 femmina); dummy geo (= 1 se Sud, 0 Nord); ALS (=1 firmato accordo; 0 non firmato); ecc. Economics 20 - Prof. Anderson 21 Rapp. grafica δ0 > 0 y y = (β0 + δ0) + β1x d=1 { δ0 slope = β1 d=0 β } 0 y = β0 + β1x x Economics 20 - Prof. Anderson 22 • Il GM ha solidi fondamenti teorici ma perchè è particolarmente utile? • E’ flessibile e permette di introdurre variabili rilevanti in termini di policy (e.g. forme di integrazione regionale) • L’equazione tipicamente stimata è perciò la seguente: Ln ( X ij ) = α 0 + α 1 Ln (GDPi ) + α 2 Ln ( Pop i ) + α 3 Ln (GDP j ) + α 4 Ln ( Pop j ) + α 5 Ln ( Dist ij ) + α 6 PolicyDumm yij + α 7 Borderij + α 8 Language ij • Il GM è stato applicato ad una grande varietà di casi, dando tipicamente risultati molto robusti: • Wang & Winters (1991), Economic Policy – trade potential between E. Europe and the EU • Winters & Soloaga – estimates of trade creation and trade diversion • McCallum (1995) – border effects of trade (US-Canada) • Rose & Van Wincoop (2001) – impact of currency union • Augier, Gasiorek & Lai-Tong (2004, 2005) – impact of rules of origin • Baltagi et.al, (2007), on RTAs and FDI; Egger and Pfaffermayer (2004), on FDI. • Dutt & Traca (2008), on corruption Pierluigi Montalbano – University of Rome “La Sapienza” Tabella 5.4– Stima dell’equazione di gravità (forma ridotta) Dependent Variable: XIJ Method: Least Squares Sample: 1 1050 Included observations: 1050 White Heteroskedasticity-Consistent Standard Errors & Covariance XIJ= C(1)+ C(2)* GDPI+ C(3)* GDPJ+ C(4)* GDPPCI+ C(5)* GDPPCJ+ C(6) * DISTIJ+ C(7)* DLANG+ C(8)* DEA+ C(9)* DEEA+ C(10) * DCEFTA+ C(11)* DEXPCEFTA+ C(12)* DPTABAL+ C(13) * DAUSHUN+ C(14)* DOTTOM+ C(15)* DFED+ C(16)* DCMEA+ C(17) * DEXEFTA Coefficient Std. Error t-Statistic Prob. C(1) C(2) GDPI C(3) GDPJ C(4) GDPPCI C(5) GDPPCJ C(6) DISTIJ C(7) DLANG C(8) DEA C(9) DEEA C(10) DCEFTA C(11) DEXPCEFTA C(12) DPTABAL C(13) DAUSHUN C(14) DOTTOM C(15) DFED C(16) DCMEA C(17) DEXEFTA -13.54813 0.907147 0.859149 0.405797 0.129501 -0.970067 0.367059 0.605435 0.493529 0.638271 0.406087 1.050751 0.450100 1.753095 1.835609 1.185828 0.252283 0.743469 0.025425 0.025056 0.051779 0.046897 0.042282 0.158372 0.074574 0.083110 0.187147 0.199544 0.266870 0.156416 0.343384 0.230608 0.171681 0.107644 -18.22286 35.67902 34.28921 7.837156 2.761378 -22.94267 2.317700 8.118595 5.938260 3.410524 2.035076 3.937320 2.877576 5.105354 7.959876 6.907154 2.343677 0.0000 0.0000 0.0000 0.0000 0.0059 0.0000 0.0207 0.0000 0.0000 0.0007 0.0421 0.0001 0.0041 0.0000 0.0000 0.0000 0.0193 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.879297 0.877427 0.951803 935.8250 -1429.449 Mean dependent var S.D. dependent var Akaike info criterion Schw arz criterion 5.004417 2.718633 2.755141 2.835390 Il modello gravitazionale è popolare Source: De Benedictis & Taglioni (2011) Uso e limiti del GM • E’ di facile applicazione: consiste in una singola regressione lineare • E’ di pratico uso: si può facilmente estendere a considerare il ruolo di fattori qualitativi o di policy e può utilizzare base dati di grande dimensione • Limiti: – Il problema delle variabili omesse (MRT, costi relativi, catene del valore, ecc.) – Il problema della distorsione da selezione (eterogeneità paesi; flussi pari a zero, ecc.) – Il problema della dinamica (persistenza) – Il problema dell’Interdipendenza (effetto paesi terzi; la struttura a rete dei flussi commerciali globali, ecc.) Source: De Benedictis & Taglioni (2011) Il lato sinistro dell’equazione di gravità • Dati: – Beni, servizi, IDE, ecc. – Flussi singoli: valori medi o somma X+M determinano coefficienti distorti (perché i flussi commerciali non sono bilanciati) • Valori nominali e reali: – L’eq. di gravità è un’equazione di spesa aggregata non un’equazione di domanda (Baldwin and Taglioni, JEI 2007) – Assenza di deflatori appropriati: no good price indices for trade data. Their use risks to be an additional source of biases and spurious estimations – CIF vs. FOB: • Eterogeneità d’impresa: – Non tutte le imprese sono esportatrici e non tutte esportano verso tutti i partner – Flussi pari a zero sono una fonte di informazione (ma sono incompatibili con OLS) Source: De Benedictis & Taglioni (2011) L’evidenza empirica 1. L’impatto della distanza si mantiene nel tempo. De Menil e Maurel (1994) hanno calcolato per il periodo 1924-26 in Europa un coefficiente per la distanza pari a –70 (inferiore a molte delle stime attuali). Ciò rafforza l’idea che non si tratti solo di costi di trasporto ma di fattori più generali di «non familiarità» ancora presenti 2. Il c.d. «effetto di confine» Mc Callum (1995) e Helliwell (1996) dimostrarono che, controllando per la dimensione del mercato e la distanza geografica, il commercio fra le provincie canadesi rimane 22 volte maggiore del commercio fra Canada e USA (le province canadesi sono spesso più distanti fra loro che con gli USA e circa l’85% della popolazione canadese vive a meno di 100 miglia dal confine USA). Tale fatto empirico diviene famoso come “Mc Callum Border Puzzle” (uno dei 6 puzzles principali della macroeconomia internazionale secondo Obstfeld e Rogoff, 2001). Successivamente, Anderson and van Wincoop (2003) sciolgono il «puzzle» controllando per il “Multilateral Resistance Term” (MRT). © P. Montalbano, 2011 Distanza e confini Copyright © 2007 Paravia Bruno Mondadori Editori. All rights reserved. 2-29 Distanza e confini (cont.) Copyright © 2007 Paravia Bruno Mondadori Editori. All rights reserved. 2-30 L’equazione gravitazionale per il Canada e gli Stati Uniti • La figura 6.9 mostra i dati sul valore di commercio tra le province canadesi e gli stati USA nel 1993. • Si usa un esponente di 1,25 sulla variabile distanza sulla base dei risultati di altri studi empirici. • L’asse orizzontale riporta il termine gravitazionale in scala logaritmica. – Un valore maggiore indica o un PIL maggiore per la provincia o lo stato interessato o una distanza più ridotta tra essi. • L’asse verticale mostra il valore delle esportazioni nel 1993 tra una provincia canadese e uno stato USA e viceversa. L’equazione gravitazionale per il Canada e gli Stati Uniti • Anche l’asse verticale è in scala logaritmica. • Ogni punto nel riquadro A rappresenta il flusso di commercio e il termine gravitazionale tra uno stato e una provincia. • Una coppia con un termine gravitazionale maggiore presenta più commercio. – Ciò sostiene la teoria dell’equazione gravitazionale • La stima dell’equazione ci restituisce un termine costante pari a 93. – Quando il termine gravitazionale è pari a 1, la quantità prevista di commercio tra stato e provincia è di 93 milioni di dollari. L’equazione gravitazionale per il Canada e gli Stati Uniti Figura 6.9 Il commercio interno in Canada • L’equazione gravitazionale dovrebbe funzionare bene anche nel prevedere il commercio all’interno di un Paese, o commercio intra-nazionale. • Il riquadro B della figura 6.9 rappresenta il valore delle esportazioni e il termine gravitazionale tra due province canadesi. • C’è una forte relazione positiva tra il termine gravitazionale tra le due province e il loro commercio. • La stima di questa equazione restituisce un termine costante pari a 1300. – Quando il termine gravitazionale è pari a 1, la quantità di commercio prevista è di 1,3 miliardi di dollari. Il commercio interno in Canada Figura 6.9 Il commercio interno in Canada • Prendendo il rapporto tra questi due termini costanti (1300/93 = 14), troviamo che in media il commercio interno al Canada è 14 volte quello internazionale. • Il numero è ancora maggiore se consideriamo un anno precedente l’accordo di libero scambio. – Nel 1988, il commercio intra-nazionale all’interno del Canada era 22 volte maggiore • Il fatto che ci sia così tanto commercio interno al Canada riflette tutte le barriere al commercio internazionale tra Paesi (il c.d. MRT). MRT e «L’Effetto Confine» • Il commercio bilaterale fra il paese i ed il paese j non dipende esclusivamente dalle barriere commerciali bilaterali ma anche dal c.d. multilateral resistance term • In pratica per ogni livello di barriere bilaterali, maggiori barriere multilaterali riducono il prezzo relativo delle esportazioni del paese i verso j causando un incremento delle esportazioni bilaterali. Maggiore MRT sia per i sia per j aumenta il commercio bilaterale fra i e j. Es. Australia e Nuova Zelanda dovrebbero sperimentare un commercio bilaterale relativamente alto poiché entrambi i paesi scontano un’alta resistenza multilaterale dovuta alla situazione di relativa marginalità rispetto al commercio globale ATT: il MRT risolve il «McCullogh border puzzle» (essendo sia Canada, sia USA paesi relativamente aperti al commercio globale, il commercio bilaterale tende ad essere relativamente minore (enfatizzando l’effetto confine). Pierluigi Montalbano – University of Rome “La Sapienza” Il problema dei costi relativi • Il paese terzo influenza il commercio bilaterale (il c.d. third country effect) Rest of the World Country A Country B Source: De Benedictis & Taglioni (2011) La mappa del commercio mondiale 2 Fonte: De Benedictis et al., (GEJ, 2014) La corretta specificazione dell’equazione gravitazionale Xijt = ϕ ijt1−σ FEjt FEit FEij • Modello ad effetti fissi con costante: – Dummies time-varying per tutti i paesi esportatori ed importatori – Dummy time invariant per ogni coppia di paesi • Pros: – Semplice da stimare – Tiene adeguatamente conto del MRT (problema dei costi relativi) – Permette stime non distorte degli effetti di Policy • Cons: – Dimensionalità delle stime (specialmente nei modelli settoriali) N+N possono tradursi in migliaia di variabili dummy aggiuntive – Non è possibile identificare separatemente gli effetti dovuti a fattori specifici time variant relativi ai paesi esportatori ed importatori (collinearità) – Esclusivamente i fattori che variano bilateralmente possono essere identificati Il lato destro dell’eq. di gravità. La specificazione conta ! VARIABLES limport limport limport lgdp i 0.704*** 0.957*** 0.803*** lgdp j 0.777*** 1.051*** 1.003*** ldistance -0.897*** -1.014*** -1.067*** -1.089*** border 0.406*** 0.537*** 0.587*** 0.564*** FTA 0.146** -0.172*** -0.632*** -0.717*** 0.266*** Constant -16.64*** -25.54*** Observations -19.85*** limport 28.56*** 13.02*** 10831 10831 10831 10831 10831 0.55 0.732 0.785 0.815 0.928 R-squared time effects no yes exporter and importer time invariant fe no exporter and importer time-varying fe time invariant pair fe no no no yes yes no no no no no yes no no no no yes yes Note: (*) significant at 10% level; (**) significant at 5% level; (***) significant at 1% level. Source: De Benedictis & Taglioni (2011) limport Come si stima l’effetto della policy nell’eq. gravitazionale? 3 strategie possibili: Variabile Dummy: si aggiunge una dummy per esistenza o meno di ALS nella specificazione gravitazionale standard log lineare Variabile continua: si quantifica una misura di «margine preferenziale» e si aggiunge come variabile continua nell’eq. gravitazionale; Matching: senza imporre una forma funzionale, si combinano osservazioni simili con e senza politica e si calcola la differenza nei flussi di commercio (rimuovendo con l’eq. di gravità la c.d. «distorsione da selezione») © P. Montalbano, S. Nenci, 2011