Diapositiva 1

Esportazioni e produttività:
un’analisi panel sulle imprese
manifatturiere italiane
Filippo Oropallo - Stefania Rossetti
L’analisi dei dati di impresa per la conoscenza del
sistema produttivo italiano: il ruolo della statistica
ufficiale
Roma 21-22 Novembre 2011
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Esportazioni e produttività: un’analisi panel sulle imprese
manifatturiere italiane
Sommario
1) Obiettivi del lavoro
2) Background
3) Descrizione dei dati
4) Stima della TFP
5) Risultati (Test di Granger e conditioned matching)
6) Conclusioni
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Obiettivi del lavoro
Scopo del paper è verificare empiricamente la relazione
causale tra produttività ed esportazioni a livello di
impresa. L’analisi viene svolta su un panel di imprese
manifatturiere italiane (esportatrici e non) nel periodo
2001-2008 per le quali viene stimata una misura di
produttività totale dei fattori (Tfp).
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Background
La correlazione positiva tra produttività (più in generale
performance) ed esportazioni delle imprese è una regolarità
empirica ampiamente documentata nella letteratura su
diversi paesi
1) Un primo filone sottolinea le difficoltà che un’impresa deve
affrontare per affacciarsi sui mercati esteri e in particolare
l’esistenza di costi irrecuperabili (sunk cost); quindi le imprese più
perfomanti si autoselezionano. (Bernard e Jensen, 1995; Melitz,
2003)
2) Una seconda spiegazione sottolinea invece il ruolo delle
esportazioni come fattore di crescita e di successo delle imprese.
La competizione internazionale stimola le imprese a migliorare la
produttività, inoltre nei mercati esteri possono acquisire
competenze e tecnologie più avanzate (learning by exporting).
(Clerides et al. 1998).
3) I due meccanismi non si escludono a vicenda, perciò la
questione è soprattutto empirica.
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Background (2)
1) Molti contributi trovano conforto all’ipotesi che le imprese più
produttive si autoselezionano e non rilevano significativi
vantaggi in termini di produttività dall’attività di esportazione
(Arnold e Hussinger, 2005; Wagner J. 2007)
2) Effetti significativi del learning by exporting si riscontrano per
altri lavori che riguardano lo studio della performance delle
imprese in alcuni paesi quali Cina, alcuni paesi africani e Italia
(Bigsten et al. 2004, Castellani 2002).
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Descrizione dei dati
Il panel di bilanci di imprese contiene 76.464 imprese, società di
capitali, attive dal 2001 al 2008.
Fonti di dati (abbinate a livello micro):
-Registro Asia (incl. demografia di impresa ed eventi)
-Bilanci civilistici
-Dati Commercio Estero
-Dati occupazione (fonte Oros)
Il dataset contiene 8 osservazioni per ogni impresa, per un totale
di 611.712 record.
Il panel di imprese rappresenta il 32 per cento delle imprese con
più di 10 addetti attive al 2008, con una copertura di poco
inferiore al 30 per cento in termini di addetti. Questo sottoinsieme
non è rappresentativo delle imprese di grandi dimensioni oltre i
500 addetti, per tale motivo è stato chiamato panel di piccole e
medie imprese.
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Descrizione dei dati (2)
Copertura in termini di addetti
ATTIVITÀ
ECONOMICHE
Industria estratt. ed energ.
Manifattura tradizionale
Offerta specializzata
Alta intensità R&S
Economie di scala
Costruzioni
Commercio
Servizi di trasporto e postali
Alberghi e ristoranti
Servizi di inform. e comunic.
Servizi finanziari e immob.
Servizi alle imprese
Servizi alle famiglie
Totale
10-49
50-249
250 e oltre
Totale
34,0
33,0
38,5
45,6
41,1
25,8
36,6
27,5
19,8
43,7
23,0
27,4
29,2
32,3
27,6
45,6
43,3
40,6
43,1
36,1
31,8
31,8
38,1
30,3
20,7
34,3
45,7
38,8
4,0
18,6
12,6
10,0
12,7
12,9
6,2
42,5
20,6
4,3
26,3
41,0
19,8
16,0
33,4
33,8
23,2
30,8
26,8
25,6
36,7
22,8
19,6
21,1
28,3
38,0
29,5
Problematiche:
-Cambiamento di stato  Esclusione delle imprese coinvolte in
eventi di trasformazione
-Autoselezione e attrition bias  Introduzione di un correttivo (in
fase di stima) basato su una funzione di sopravvivenza delle
impresa tra il 2001-2008
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Descrizione dei dati (principali indicatori)
Sotto insieme delle imprese manifatturiere
Imprese
esportatrici (a)
Livelli
Numero
16.471
Addetti
25,8
Produttività del lavoro (000€)
47,4
Costo del lavoro unitario (000€)
36,0
Intensità di capitale (000€)
34,4
Intensità di capitale immateriale (000€)
1,1
Fatturato esportato (%)
26,8
Esportazioni per addetto (000€)
46,1
Integrazione verticale (% di V.A. su Fatt.)
25,6
Redditività lorda (%)
21,3
Redditività degli investimenti (%)
5,6
Rapporto di indebitamento (%)
40,0
Non
esportatrici
Totale
14.216
15,3
39,2
32,3
23,3
0,6
0,0
0,0
33,0
11,8
4,5
37,2
30.687
19,0
43,4
34,3
28,9
0,8
4,0
6,4
28,5
16,9
5,2
38,9
16,5
5,8
26,8
7,9
-4,0
-4,3
-43,9
-63,8
-21,5
-100,0
-100,0
-100,0
-31,7
15,3
5,5
27,2
6,2
-3,5
-3,9
-32,4
-57,4
-17,9
24,3
4,4
18,0
-28,2
Variazioni percentuali
Produttività del lavoro
Total factor productivity
Costo del lavoro unitario
Addetti
Addetti al 2009
Integrazione verticale
Redditività lorda
Redditività degli investimenti
Rapporto di indebitamento
Esportazioni
Fatturato esportato
Esportazioni per addetto
Esportazioni al 2009
(a) imprese sempre esportatrici dal 2001 al 2008
14,4
5,3
27,6
4,9
-3,2
-3,7
-25,1
-53,2
-15,6
41,6
11,8
31,8
-28,0
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Stima della TFP (1)
Due metodi alternativi per la stima TFP
Due metodi alternativi per la stima TFP
1) Stima ad effetti fissi di una funzione di produzione stocastica
di tipo translog (approssimazione del secondo ordine dello sviluppo in
serie di Taylor di una funzione non nota)
ln Yit   0  1 ln Lit   2 (ln Lit ) 2   3 ln K it   4 (ln K it ) 2   5 ln Lit ln K it   t  ui   it
TFPi fe  exp( ui )
Problemi: (1) Simultaneity, (2) Selection bias
2) Metodo di stima proposto da Olley and Pakes (1996)
Metodo a due stadi che usa una funzione di investimento come
proxy degli shock di produttività non osservati e produce stime robuste
Ha il vantaggio di assegnare un valore alla Tfp variabile nel tempo
ln Yit   0  1 ln Lit   21 ln K it   22 (ln K it ) 2   23 (ln K it ) 3   31 ln I it   32 (ln I it ) 2   33 (ln I it ) 3 
  41 ln K it ln I it   42 (ln K it ln I it ) 2   43 (ln K it ln I it ) 3  settoreit  clad it   t   it
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Stima della TFP (2)
Simultaneity & Selection bias
Al secondo stadio il problema del selection bias viene corretto introducendo
un indicatore di sopravvivenza, come informazione ausiliaria, in funzione degli
addetti, dei livelli di capitale, degli investimenti e del settore di attività
economica. L’indicatore medio di sopravvivenza, calcolato su un dataset
completo in cui sono presenti anche le imprese che nel periodo osservato
(2001-2008) risultano cessate, è pari al 79,1%. Esso varia per ogni impresa a
seconda del valore assunto dalle variabili esplicative della funzione di
sopravvivenza.
Stima finale della TFP (OP)
TFPitop  exp(ln Yit  (ˆ0  ˆ1 ln Lit  ˆ2 ln Kit   it ))
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Stima della TFP (3)
Translog – fixed effect
Stima O.P. – Primo stadio
coefficiente
standard error
t
ln(L)
1,580
0,0129
122,8
ln(L)
0,853
0,003
340,7
ln(K)
(lnL)2
0,153
0,0087
17,5
0,380
0,039
9,680
0,136
0,0016
85,7
ln(K)
(lnK)2
-0,022
0,003
-7,090
coefficiente standard error
2
(lnK)
ln(L)ln(K)
τ2
t
3
0,031
0,0005
63,8
(lnK)
0,001
0,000
8,300
-0,166
0,0013
-129,0
0,085
0,018
4,700
0,027
0,0023
11,6
ln(I)
(lnI)2
0,000
0,001
0,080
(lnI)
0,000
0,000
0,290
ln(I)ln(K)
(ln(I)ln(K))2
-0,011
0,001
-7,680
0,000
0,000
5,390
3
0,000
0,000
-4,920
τ3
0,013
0,0023
5,8
τ4
0,049
0,0023
21,2
τ5
0,065
0,0023
27,7
3
τ6
0,123
0,0023
52,8
(ln(I)ln(K))
τ7
0,167
0,0024
70,9
medium size
0,079
0,003
24,9
τ8
0,135
0,0024
57,2
large size
0,123
0,006
21,5
β0
6,831
0,0468
146,1
τ2
0,031
0,004
8,3
τ3
0,015
0,004
3,8
31904
τ4
0,042
0,004
11,1
0,50
τ5
0,053
0,004
13,9
R2 between
0,88
0,104
0,004
27,4
R2 Overall
τ6
0,82
τ7
0,147
0,004
38,5
corr(u_i, Xb) (a)
0,36
costante
7,266
0,167
43,6
N. oss.
R2 within
Frazione della var. u_i (b)
0,6
test u_i=0 (b)
9,9
Fonte: Elaborazione su dati Istat, Registro statistico delle imprese attive,
N. oss.
R2 corretto
Statistiche del commercio con l'estero e dati amministrativi
(a) Correlazione tra le variabili dipendenti e l'effetto fisso (eterogeneità latente).
(b) L'effetto fisso è sign. diverso da zero ed è pari al 60 della variabilità non spiegata dal modello.
Roma, 21-22 Novembre 2011
241561
0,80
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Metodi e stime (4)
Stima O.P. – Secondo stadio
Stime della Total Factor Productivity (valori mediani)
2001
2002
2003
2004
2005
2006
2007
2008
Roma, 21-22 Novembre 2011
TFP (fe)
0,997
0,997
0,997
0,997
0,997
0,997
0,997
0,997
TFP (op)
0,959
0,979
0,960
0,984
0,991
1,038
1,083
1,014
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Test di Granger (1)
1) Date due variabili in serie storica X e Y, X causa nel senso di
Granger Y se i suoi valori ritardati aiutano ad ottenere una
previsione dei valori correnti di Y migliore di quella che si
otterrebbe usando i valori ritardati della stessa Y.
2) Stima di due equazioni (rispettivamente per la produttività e
per le esportazioni) utilizzando come esplicative le ritardate
delle due variabili. Test di significatività dei parametri stimati
per le ritardate della variabile non dipendente.
3) Due rappresentazioni della variabile esportazioni: dummy,
quota di fatturato esportato.
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Test di Granger (2)
La condizione di impresa esportatrice (Export (t-1, t-2)) influenza la Tfp(t) ?
TFP
TFP
d_exp(t-1) = 0
f_exp(t-1) = 0
F( 1, 30553)
3,72
F( 1, 30552)
0,26
Prob > F
0,05
Prob > F
0,61
d_exp(t-2) = 0
f_exp(t-2) = 0
F( 1, 30553)
0,94
F( 1, 30552)
2,37
Prob > F
0,33
Prob > F
0,12
I risultati del test mostrano che questa
ipotesi in generale non è verificata (il
parametro è significativamente diverso
da zero in un solo caso).
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Test di Granger (3)
La Tfp(t-1, t-2) influenza lo status di exporter (t) ?
Dummy exporter
Quota di export
tfp_op(t-1)=0
tfp_op(t-1) = 0
chi2( 1) =
Prob > chi2 =
14,66
0,00
tfp_op(t-2) = 0
chi2( 1) =
Prob > chi2 =
F( 1, 30596)
1,20
Prob > F
0,27
tfp_op(t-2) = 0
11,08
0,00
F( 1, 30596)
4,28
Prob > F
0,04
In questo caso i risultati del test
confortano l’ipotesi che la dinamica
della produttività totale influenza la
performance sui mercati esteri.
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Conditioned matching (1)
1) Verificare cosa succede alla produttività (outcome) di
un gruppo di imprese “trattate” (esportatrici) rispetto a
quella di un gruppo di imprese di controllo (non
esportatrici)
2) Nello scegliere il gruppo di controllo si tiene conto del
fatto che le imprese “trattate” non vengono
individuate in modo casuale ma vi sono processi di
autoselezione
3) Gruppo di controllo il più possibile simile a quello
trattato con riferimento alla probabilità di essere
esportatore (propensione al trattamento o propensity
score), la selezione del gruppo di controllo viene fatta
utilizzando una funzione di distanza rispetto alla
dimensione e una dummy geografica
Roma, 21-22 Novembre 2011
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Conditioned matching (2)
Test sulle differenze della tfp media tra exporters e non exporters
Livello Tfp
1.15
1.10
1.05
1.00
0.95
Imprese esportatrici
0.90
Imprese non esportatrici
0.85
2002
Variable
tfp_op
Untreated
Treated
Total
2003
2004
Sample
2005
2006
2007
Controls
Difference
S.E.
T-stat
Unmatched
1,028
0,996
ATT (Average treatment 1,028
effect on the treated) 1,023
_bs_1 (bootstrap)
66.808
66.808
144.458
144.458
0,032
0,005
0,005
0,001
0,003
0,003
44,27
1,86
1,80
211.266
Roma, 21-22 Novembre 2011
Treated
2008
211.266
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
Conditioned matching (3)
Test sulle differenze della variazione media della tfp tra exporters e
non exporters
Variazione della Tfp a 1 anno
8%
6%
4%
2%
0%
-2%
-4%
Imprese esportatrici
-6%
Imprese non esportatrici
-8%
2003
Variable
tfp_gr1
2004
2005
2006
2007
Sample
Unmatched
ATT
Treated
0,011
0,011
Untreated
Treated
57.194
122.778
57.194
122.778
Total
179.972
179.972
Roma, 21-22 Novembre 2011
2008
Controls
0,012
0,010
_bs_1 (bootstrap)
Difference
-0,001
0,001
0,001
S.E.
0,001
0,002
0,002
T-stat
-1,61
0,64
0,78
L’analisi dei dati di
impresa per la
conoscenza del sistema
produttivo italiano: il
ruolo della statistica
ufficiale
CONCLUSIONI
Il lavoro analizza il nesso causale tra esportazioni e produttività a livello micro su
un panel di imprese manifatturiere italiane per il periodo 2001-2008.
La relazione positiva tra le due variabili risulta ampiamente confermata
utilizzando diverse misure di efficienza delle imprese e in particolare una stima
robusta della Tfp
Per verificare il rapporto di causalità tra le due variabili è stato effettuato
innanzitutto il test di Granger: i risultati ottenuti suggeriscono un legame forte
che va dalla produttività alle esportazioni, ovvero che le imprese esportano in
quanto sono più produttive
In un secondo set di analisi è stato condotto un esperimento al fine di
confrontare i livelli e la crescita della produttività totale delle imprese esportatrici
con quelli di un gruppo di controllo di imprese non esportatrici selezionate
attraverso procedure di conditioned matching. Anche i risultati di questo
esperimento non confortano l’idea che vi siano significativi effetti di learning by
exporting.
SVILUPPI FUTURI:
Aggiornamento del panel
Verifiche del nesso di causalità a livello di singolo settore manifatturiero