INTRODUZIONE: I DATI MACROECONOMICI Il turismo è un

INTRODUZIONE: I DATI MACROECONOMICI
Il turismo è un’importante risorsa economica per numerose aree territoriali. Per comprendere:
- come si distribuiscono sul territorio le attività turistiche,
- quali sono le aree che esibiscono più alta vocazione al turismo,
- dove si concentrano le infrastrutture di supporto, - dove il turismo crea più occupazione,
-quale sia la qualità effettiva dell’offerta turistica,
- dove si collochi il patrimonio artistico-storico-ambientale
occorre, adottando il punto di vista delle scienze economiche, utilizzare strumenti adeguati per
valutare le attività connesse al turismo.
In questo laboratorio, oltre ad individuare alcuni aspetti particolari dello studio del turismo in
economia, verranno fornite informazioni sulle fonti e sui dati utili per studiare le dimensioni
economiche del turismo e gli indicatori sintetici per interpretarli e per comprendere le dinamiche
del settore turistico.
Prima di entrare nel dettaglio degli indicatori sintetici utili all’analisi del settore turistico e alle fonti
in cui reperire i dati è utile sapere come vengono classificati i dati macroeconomici.
INQUADRAMENTO, FORMATO, CARATTERISTICHE E PROPRIETÀ
1. COME SONO ORGANIZZATI I DATI ECONOMICI
•
Serie storiche (dati a sviluppo temporale)
•
Cross section (dati a sviluppo longitudinale)
•
Panel
Serie storiche
I dati in serie storica sono ad esempio il PIL (prodotto interno lordo) di cui abbiamo 4
osservazioni per anno per 50 anni. Questi dati vengono monitorati con frequenza diversa:
- i dati reali (PIL, Consumi, Investimenti, Produzione industriale, …) hanno una frequenza di
rilevamento trimestrale, eccetto per la Produzione Industriale che è rilevata mensilmente;
- i dati monetari (prezzi, moneta, salari, tassi di cambio, …) vengono monitorati con
frequenza mensile;
- i dati finanziari vengono monitorati con frequenza giornaliera e/o oraria.
1
La diversità della frequenza di monitoraggio è dovuta alle diverse proprietà dei dati. Nel caso
del PIL, ad esempio, grandi variazioni di questa variabile sono un processo complesso che
richiede molto tempo per verificarsi; diversamente da ciò le serie storiche che vengono
utilizzate in finanza sono caratterizzate da una volatilità più alta e i fenomeni sono più
frequenti.
Dati Cross section
I dati cross section sono dati a sviluppo spaziale e sono dati che vengono prodotti dall’ISTAT
quando esegue il censimento (ogni 10 anni, sempre nell’anno 1). Un esempio potrebbe essere
quello del censimento delle industrie, momento in cui l’ISTAT intervista tutte le imprese
presenti sul territorio nazionale nell’anno 1 (dati sulle imprese nel territorio dal 1971 al 2001).
Dati Panel
I dati panel hanno sia la profondità spaziale sia temporale. Degli esempi possono essere i
bilanci delle aziende (banca dati AIDA) per cui è possibile confrontare le performance
dell’impresa con se stessa nel tempo e con le altre.
2. TIPOLOGIE DI DATI I: DATI CENSUARI E CAMPIONARI
Dati Censuari
I dati censuari sono dati che esauriscono completamente un fenomeno, questo presuppone
che l’ISTAT intervisti tutta la popolazione.
Dati Campionari
I dati campionari si riferiscono ad un campione, dove per campione si intende un
sottoinsieme della popolazione totale. Una caratteristica rilevante del campione è che deve
essere rappresentativo, questo è legato al fatto che il totale della popolazione non è
omogeneo per cui nel campione devono essere rispettate le proporzioni (oss. esistono delle
società che si occupano di costruire il campione). È il sistema utilizzato per i sondaggi.
OSS. Il dato censuario sarebbe preferibile a quello campionario però ma è difficile da
ottenere per cui è poco usato, infatti l’ISTAT lo fa ogni 10 anni.
• esempi censuari:
o
numero imprese e addetti (Censimento industria e servizi Istat)
2
o
dimensione media delle abitazioni (Censimento popolazione e abitazioni
Istat)
• esempi campionari:
3.
o
Produzione industriale
o
Indici sull’andamento dei prezzi
TIPOLOGIE
DI
DATI
II:
DATI
AMMINISTRATIVI,
QUANTITATIVI
E
QUALITATIVI
(classificazione di INSEE Parigi)
Dati Amministrativi.
I dati amministrativi sono un sottoprodotto degli atti amministrativi, ossia sono il risultato
secondario di un atto amministrativo e sono tipicamente censuari.
Degli esempi possono essere:
o
le statistiche di commercio estero tratte da bollette doganali
o
statistiche dell’attività edilizia: attraverso le concessioni di ristrutturazione
l’ISTAT costruisce delle statistiche sull’attività edilizia del territorio
o
trasporti: dal dato relativo al pagamento del bollo auto è possibile costruire
delle statistiche sulle immatricolazioni degli autoveicoli
o
movimenti turistici: partendo dai pernottamenti nelle strutture ricettive,
effettuate per ragioni di sicurezza l’ISTAT può costruire delle statistiche sul turismo
(ad esempio il dato sulle presenze turistiche in un comune)
Questi dati sono caratterizzati da alcuni aspetti positivi che sono legati al fatto che risultano
importanti a livello microeconomico e locale.
Presentano, però, anche delle criticità. Le principali criticità sono:
-
natura amministrativa dell’informazione che può risultare distorta (es piani regolatori
in edilizia, o statistiche su commercio estero);
-
disomogeneità tra tempo e spazio
-
errori di misurazione e qualità ente amministrativo che li raccoglie
-
cambiamenti legislativi
Dati Quantitativi.
I dati quantitativi sono appositamente costruiti e/o misurati per quantificare un fenomeno per
questo tipicamente sono espressi da un numero.
3
Possono essere sia censuari (ad esempio PIL, numero addetti,…) sia campionari (ad esempio
inflazione, produzione industriale, indice dei prezzi al consumo,…).
I vantaggi di questo tipo di dato sono:
- permettono di quantificare un fenomeno, per cui è possibile identificare il fenomeno (Inflazione
 al 2%);
- sono oggettivi e per questo permettono di fare confronti (es. Inflazione dell’Italia con inflazione
della Germania oppure evoluzione dell’inflazione in Italia nel tempo). In generale sono molto
affidabili.
Le criticità date dalla definizione degli schemi ponderazione e dai possibili cambiamenti di
struttura nel tempo
Dati Qualitativi.
I dati qualitativi sono tipicamente da natura campionaria e derivano dalle indagini su
“aspettative, giudizi, propensioni, previsioni” degli operatori che possono essere:
o
imprenditori su: stato di produzione, ordini, scorte, volume affari
o
famiglie su loro situazione economica, propensione a risparmiare o
consumare
Questi dati hanno scale di solito ordinali, per cui non hanno un’immediata traduzione in un
numero e le risposte solitamente sono chiuse: alto/normale/basso; aumento/stabilità/diminuzione;
sì/no/forse.
Una caratteristica importante è che hanno una qualche propensione ad autorealizzarsi in toto o
parzialmente. Ad esempio ipotizziamo di avere un campione di 30 studenti a cui si chiede di
esprimere una valutazione sul corso che stanno seguendo, se rispondono che sono molto contenti
del corso è probabile che il primo appello sarà più semplice.
Un altro esempio: quando un’indagine ISTAT di alta qualità dice che tutti gli imprenditori sono
ottimisti sul futuro dell’economia, gli operatori di mercato rimangono influenzati positivamente
e si potrebbe verificare una crescita dei mercati finanziari. (Esempi: Inchieste Isae (ex Isco)).
Gli aspetti positivi sono che:
o
garantiscono risposte rapide e semplici, perché sono indagini moto snelle e
veloci
o
forniscono informazioni su fenomeni non quantificabili
o
danno una qualche percezione di fenomeni “impalpabili” come le aspettative
4
Le Criticità sono relative a:
soggettività delle risposte, che può essere pericolosa dato che la risposta data
o
da un individuo è soggettiva
o
qualità del campione
o
difficoltà a ricavarne misure quantitative
4. LA MISURAZIONE DEL DATO I: VARIABILI A PREZZI CORRENTI E A PREZZI
COSTANTI
Se ipotizziamo che: VR tyear = VN t / Ptyear =100 , dove
VR tyear
indica il Valore Reale assunto dalla
variabile nel periodo t e misurato in base ai prezzi dell’anno di riferimento “year”, VN è il
corrispondente Valore Nominale al tempo t e Ptyear =100 è il valore assunto al tempo t da un indice di
prezzo avente “base” (ossia valore convenzionale pari a 100) nell’anno “year”.
Il dato a prezzi costanti fornisce la misura corretta della dimensione di un fenomeno e della sua
evoluzione nel tempo, “depurando” i risultati dai puri effetti di crescita dei prezzi. Importante è la
gestione degli anni base e il corretto utilizzo dei Coefficienti di rivalutazione monetaria forniti
dall’ISTAT
5. LA MISURAZIONE DEL DATO II: TASSI DI CRESCITA E LORO ALGEBRA
Per quanto riguarda i Tassi di variazione percentuali (ad es. calcolo dell’inflazione a partire da
indici di prezzo, crescita economica come tasso di crescita % del PIL) è importante la scelta del
periodo di riferimento e possiamo avere:
• Variazioni congiunturali: forniscono una “fotografia istantanea” dell’andamento di un
fenomeno. Sono ottenute confrontando l’ultimo dato disponibile con quello del periodo
precedente: ∆ X t =
%
X t − X t −1
× 100 . I problemi si hanno nel momento in cui esiste un
X t −1
fenomeno di stagionalità nei dati.
• Variazioni tendenziali: sono preferibili in presenza di stagionalità, e sono utilizzate di solito
a livello istituzionale. Sono ottenute confrontando l’ultimo dato disponibile con quello del
medesimo periodo dell’anno precedente: ∆ X t =
%
X t − X t −k
, con k=12 nel caso di dati
X t −k
mensili, k=4 per dati trimestrali ecc.
5
Possiamo poi avere variazioni medie annue (con dati a bassa frequenza) in cui si perde la
dinamica congiunturale infra-annuale ed è pericolo per le previsioni.
Le variazioni percentuali possono essere calcolate sia a partire dal dato in livelli, sia da quello in
forma di numero indice.
Oss. Nel caso di dati trasformati in forma logaritmica le variazioni percentuali possono essere
ben approssimate dalle semplice variazioni assolute
Trappole e spigolature:
o
il delta percentuale vale anche su dati percentuali
o
L’effetto netto di una crescita del x% seguita da una riduzione del x% non è
nullo, ma ovviamente positivo
o
se un fenomeno cresce del x% (1%) al mese la crescita in un anno non e’
12*x% (12%), ma superiore (12.7%)
o
Un po’ di algebra in proposito:
Se ho 0.3% al mese e voglio la crescita su 12 mesi:
Se ho 3.7% in 12 mesi e voglio la crescita ogni mese:
{[(0.3 / 100) + 1]12 − 1}×100 = 3.7%
[(3.7 / 100) + 1] 112 − 1 ×100 = 0.3%




6. LA MISURAZIONE DEL DATO III
I dati possono essere in forma di numero assoluto con una propria unità di misurazione (es. tassi di
cambio, livello del PIL) oppure in forma percentuale (es. tassi di disoccupazione o tassi di
interesse).
A volte vengono trasformati in forma logaritmica (di solito mediante logaritmo naturale: (ln(Xt)) ed
è utile per “schiacciare” l’andamento della serie di dati e gestire il noisee e per semplificare alcuni
calcoli (ad es. tassi di variazione %, o calcolo di elasticità)
I dati grezzi (es. Indice dei prezzi al consumo = IPC
Febbraio
= 138) non trasmettono informazioni
economiche rilevanti, allora è utile introdurre il concetto di numero indice. Il numero indice è un
numero puro, non ha un’unità di misura di riferimento e permette di fare confronti.
6
I Numeri indice (es. indici di PIL)
• Sono una trasformazione di un dato originario
• Sono valori espressi come % di un valore base
• Rendono possibili confronti tra dati disomogenei
• Non hanno unità di misura propria; ma sono numeri puri espressi in base 100
• Possono essere costruiti a partire da qualsiasi tipo di dato
• Rendono agevole il calcolo di variazioni percentuali (confronti nel tempo) o le comparazioni
longitudinali o tra fenomeni.
• Passando dal dato originario al numero indice non si altera la dinamica della serie nel tempo
I Numeri indice compositi. (es. indici di prezzo o produzione industriale) sono ottenuti
“combinando” in modo ponderato informazioni su singoli dati, o singoli indici. Per costruire un
indice composito di prezzo a partire da singoli prezzi e usando le quantità come pesi è possibile
∑ (p h,t × q h,base )
utilizzare il Sistema di Laspeyres: Indice =
h
∑ (p h,base × q h,base )
h
Esempio: Indice dei Prezzi al consumo ISTAT basato su 1041 beni e servizi (nel 2006),
raggruppati in 562 “posizioni rappresentative”, voci, gruppi, categorie, capitoli di spesa.
Monitorato su un campione di 86 comuni (nel 2006) capoluogo di provincia o regione.
40000 punti vendita .
Nella costruzione del numero indice possono esserci problemi legati a cambiamenti strutturali e
ai pesi dell’indice, problemi di rappresentatività e di armonizzazione con norme europee
Costruzione indice composito a partire da singoli indici: media ponderata di indici di partenza.
Esempio: Indice della produzione industriale ISTAT
Basato su un campione di 5100 imprese circa, aggregando gli indici di Laspeyres di 548 voci di
prodotto, in classi, gruppi, divisioni, sottosezioni e sezioni.
Pesi basati sul Valore aggiunto al costo dei fattori
Oss. Problema nella definizione dei pesi
7
i.Base primo periodo: Indice1t =(Xt/X1)×100
ii.Base ultimo periodo: Indice Tt =(Xt/XT)×100
iii.Base generico periodo i: Indice it =(Xt/Xi)×100
Oss. Per il cambiamento da i a j del periodo base del numero indice e ricongiungimento tra le
due diverse basi:
j
a) Indice t =( Indice it / Indice ij )×100
j
b) oppure applicare i tassi di variazione di Indice t a Indice it
7. ALTRE OPERAZIONI SUI DATI
•
Operazioni elementari
o
Rapporto. Utile per a) triangolarizzare i dati (es. i tassi di cambio), b)
collegare grandezze nominali, reali e deflatori, c) normalizzare e percentualizzare
dati (U=(N/FL)-1))
o
Differenza. a) In caso di grandezze logaritmiche è la controparte di un
rapporto, b) utile per “deflazionare” grandezze percentuali (Es equazione di
Fisher: i r = i n − π )
o
Prodotto. Utile per a) triangolarizzare i tassi di cambio, b) collegare
grandezze nominali, reali e deflatori, c) costruire medie ponderate.
o
Somma. Utile per costruire medie ponderate, In caso di grandezze
logaritmiche è la controparte di un prodotto.
8. NORMALIZZAZIONI E STANDARDIZZAZIONI:
Le Normalizzazioni e Percentualizzazioni trasformazioni del dato grezzo che:
o
servono a “schiacciare” le scale di misurazione
o
talvolta impongono loro veri e propri limiti superiori e inferiori
(Compressione dati nell’intervallo [0-1])
o
rendono confrontabili (e quindi economicamente interpretabili) soprattutto in
senso longitudinale i dati
o
Esempi:
dati espressi in termini pro-capite
Dati espressi rispetto a superficie
Tasso di disoccupazione
8
•
Tassi di variazione
Numeri indice
Benchmarking
o
Si “pone uguale a 100” la media di una serie di dati, o il loro totale, o un loro
elemento di spicco (il capoluogo).
o
•
E’ un po’ come costruire un numero indice nello “spazio” e non nel “tempo”
Standardizzazioni:
o
Media zero e varianza unitaria
9