L

1
Lindicatore di attività economica regionale -
RegiosS
Laurea magistrale in statistica economia e
impresa Politica economica corso avanzato - a.a.
2012-2013

• Federica Benni
• Lezione del 23 Maggio 2013

2
Gli indicatori di sviluppo economico

• sono un utile strumento per i policy-maker per
  conoscere ed analizzare le singole realtà
  territoriali
• di fondamentale importanza per lo studio dello
  sviluppo locale
• permettono di analizzare le caratteristiche del
  ciclo economico locale e di avere unistantanea
  delle condizioni economiche congiunturali di
  ciascun territorio.

3
I dati regionali disponibili

• Il prodotto interno lordo è la variabile
  comunemente utilizzata come indicatore della
  crescita economica di un Paese o di una regione
  ma
• lIstat produce le statistiche dei conti
  economici territoriali con notevole ritardo e a
  cadenza annuale.
• Però a livello regionale è disponibile un ampio
  set di variabili a frequenza elevata.

4
I dati regionali

• Indagine sulla fiducia delle imprese (fonte Istat
  - ex Isae)
• Indagine sulla fiducia dei consumatori (fonte
  Istat ex Isae)
• Esportazioni e importazioni (fonte Istat)
• Rilevazione sulle forze di lavoro (fonte Istat)
• Demografia delle imprese (fonte Unioncamere)
• Immatricolazioni di automobili (fonte Unrae)
• Prezzi al consumo (fonte Istat).

5
Indagini sulla fiducia

• Rilevazione imprese manifatturiere ed estrattive
• Indagine mensile riferita al mese corrente
• 18 domande finalizzate ad ottenere una
  valutazione dellandamento delleconomia corrente
  e sulle aspettative delle imprese per il prossimo
  futuro in relazione alle principali variabili
  aziendali.
• Rilevazione sulla fiducia dei consumatori
• Indagine mensile riferita al mese corrente
• 15 domande riguardanti lopinione dei consumatori
  sulla situazione economica generale e personale
• Serie storiche calcolate per le quattro
  ripartizioni geografiche (Nord Ovest, Nord Est,
  Centro e Mezzogiorno).

6
Dati Istat

• Esportazioni - Importazioni
• Serie mensili scaricabili dal sito dellIstat
• Dati disponibili dal 1991 e aggiornati con circa
  due-tre mesi di ritardo rispetto alla data
  corrente.
• Rilevazione sulle forze di lavoro
• Rilevazione continua, i dati vengono raccolti in
  tutte le settimane dellanno
• Dati diffusi con frequenza trimestrale.
• Prezzi al consumo
• Dati a frequenza mensile, pubblicati quindici
  giorni dopo la fine del mese di riferimento.

7
Dati regionali

• Demografia delle imprese
• Serie trimestrali delle imprese attive, iscritte
  e cessate presenti sul territorio
• Dati pubblicati quindici giorni dopo la fine del
  periodo di riferimento e disponibili on-line sul
  sito di Infocamere.
• Immatricolazioni di automobili
• Dati mensili disponibili con un ritardo di circa
  un mese rispetto alla data corrente.

8
Variabili utilizzate nellanalisi
9
Trasformazioni effettuate

• Variabili dellindagine sulla fiducia delle
  imprese e dei consumatori standardizzazione.
• Prezzi al consumo e dati contesto internazionale
• 1) Differenze prime,
• 2) Standardizzazione.
• Immatricolazioni di automobili
• 1) Variazione anno/anno,
• 2) Standardizzazione.

10
Trasformazioni effettuate

• Dati commercio estero
• 1) Destagionalizzare i dati,
• 2) Variazione anno/anno,
• 3) Standardizzazione delle serie.
• Dati mercato del lavoro
• 1) Destagionalizzare i dati,
• 2) Serie degli occupati variazione anno/anno,
• 3) Standardizzazione delle sei serie.
• Dati movimprese
• 1) Destagionalizzare i dati,
• 2) Variazione anno/anno,
• 3) Standardizzazione.

11
Fondamenti metodologici

• Modelli dinamici fattoriali
• - Diffusion Indexes (Stock e Watson, 1998)
• Criteri informativi
• - Panel Information Criteria (Bai e Ng, 2002)
• Algoritmo EM (Expectation Maximization)
• - Stock e Watson 2002

12
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Siano
• - yt la serie storica della variabile oggetto
  di studio
• - Xt una serie storica N-dimensionale che
  contiene
• informazioni utili per prevedere yt1
• Xt viene definita dalla struttura fattoriale

13
Modelli dinamici fattoriali (Stock e Watson,
1998)
Se lobiettivo è individuare ,
allora dove
14
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Modello fattoriale statico , et
  serialmente incorrelati, Ft ed eit mutuamente
  incorrelati ed i.i.d.
• Modello fattoriale statico approssimato i
  fattori idiosincratici possono essere
  debolmente correlati tra le serie
• Modello fattoriale dinamico statico è una
  riscrittura di un modello fattoriale dinamico
  standard in modo da rendere statica la matrice
  dei punteggi fattoriali.

15
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Si assuma che
• Xt panel bilanciato
• eit serialmente indipendenti

16
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Minimizzare
• Individuare lo stimatore che minimizza il
  quadrato degli scarti, dove

17
Modelli dinamici fattoriali (Stock e Watson,
1998)

• sono gli elementi che minimizzano la
  funzione obiettivo e soddisfano le seguenti
  condizioni

18
Criterio Informativo (Bai e Ng, 2002)

• Sia la matrice stimata per un numero k
  di fattori
• Sia
• la funzione obiettivo da minimizzare
• Allora, la scelta del numero corretto k di
  fattori andrà effettuata minimizzando una
  funzione del tipo
• in cui g è funzione sia di N che di T.

19
Criterio Informativo (Bai e Ng, 2002)

dove
20
Algoritmo EM (Stock e Watson, 2002)

• Funzione obiettivo da minimizzare
• dove Iit1 se Xit è un valore osservato e Iit
  0 altrimenti
• La j-esima iterazione è calcolata come

21
Algoritmo EM (Stock e Watson, 2002)

• La serie mensile non osservata Xit viene
  misurata solo al tempo aggregato Xqit , dove
• Xqit (1/11)(Xi,t-11Xi,t-11..Xit) per t
  12, 24, 36
• e Xqit è un dato mancante per tutti gli altri
  valori di t
• Nella j-esima iterazione gli elementi del panel
  stimato sono costruiti come
• se Xit è osservato e
  altrimenti.

22
Individuazione numero dei fattori
1) load c\Emilia.txt x Emilia lags
0 fact 4 2) icp1 log(vkf)fact((nt)/(
nt))log((nt)/(nt)) icp2
log(vkf)fact((nt)/(nt))log(c2nt) icp3
log(vkf)fact(log(c2nt)/c2nt) 3) x
x(1t,) t,n size(x) factors, lam,
ma factloa(x,fact,lags) vartot
trace(diag(ma)) explvar zeros(fact,1)
for j 1fact explvar(j)
ma(n(1lags)-j1)/vartot
23
Numero di fattori estratti

• Linformazione contenuta nelle 38 variabili è
  stata sintetizzata in
• 4 fattori Emilia-Romagna, Friuli Venezia
  Giulia, Lazio, Abruzzo
• 3 fattori Piemonte, Trentino Alto Adige,
  Veneto, Toscana, Umbria, Marche, Basilicata
• 2 fattori Lombardia, Calabria, Puglia,
  Sardegna, Valle dAosta
• 1 fattore Liguria, Molise, Campania, Sicilia.

24
Costruzione dellindicatore di attività economica
regionale

• Fase 1
• Ristimare il modello fattoriale inserendo i
  valori del Pil annuale e delle 38 variabili,
  applicando lalgoritmo EM per interpolare la
  serie del tasso di crescita del Pil.
• Fase 2
• Riapplicare lalgoritmo EM considerando le
  ultime osservazioni del Pil a frequenza mensile
  come dati mancanti
• Proiettare i tassi di crescita del Pil a
  frequenza mensile fino a dicembre 2012 e
  aggiungere questi dati ai valori ottenuti dalla
  precedente interpolazione.

25
Indicatore di attività economica (Emilia-Romagna)
Fonte nostre elaborazioni su dati Isae, Istat,
Unioncamere e Anfia
26
Bibliografia
Bai J., Ng S. (2002), Determining the Number of
Factors in Approximate Factor Models,
Econometrica Vol. 70, No. 1, pp. 191-221. Benni
F., Brasili A. (2007), Un indicatore sintetico di
attività economica per le regioni italiane,
Rivista di Economia e Statistica del Territorio,
n.2 maggio-agosto 2006, Ed. Franco Angeli. Stock
J.H., Watson M.W. (1998), Diffusion Indexes,
NBER, Working Paper No. 6702. Stock J.H., Watson
M.W. (2002), Macroeconomic Forecasting Using
Diffusion Indexes, Journal of Business and
Economic Statistics Vol. 20, pp. 147-162. Sito
RegiosS http//www.regioss.it/