Massimo Armenise, Luigi De Iaco, Marianna Mantuano e Roberta Mosca - Le politiche di coesione a sostegno delle imprese

Le politiche di coesione a sostegno delle impreseun’analisi controfattuale e ipotesi evolutive

Massimo Armenise, Luigi De Iaco, Marianna Mantuano e Roberta Mosca([email protected]) ([email protected]) ([email protected]) ([email protected])

ConvegnoStatistiche per le politiche di sviluppo a supporto dei decisori pubblici

Roma, 7 luglio 2015

Le politiche di coesione a sostegno delle imprese: un’analisicontrofattuale e ipotesi evolutiveLuigi De Iaco – Roma , 7 luglio 2015

Obiettivi del lavoro ed avvertenze

1

L’obiettivo del lavoro è esplicitato abbastanza chiaramente nel titolo: valutare (quantitativamente) gli effetti delle politiche europee di coesione a sostegno delle imprese tramite la tecnica del controfattuale

Avvertenze: il lavoro è ad uno stadio preliminare ed è sicuramente migliorabile, sia da un punto di vista metodologico, sia nell’affinamento della banca dati costruita ed utilizzata.Certamente osservazioni o suggerimenti sarebbero molto graditi e consentirebbe di migliorarlo

Schema della presentazione

• Letteratura sull’argomento e contesto di applicazione

• Costruzione della banca dati utilizzata

• Metodologia utilizzata e Risultati ottenuti

• Limiti e Conclusioni


2

3

Letteratura sull’argomento e contesto di applicazione


4

Definizione di effetto ed errori comuni nella misurazione degli effetti

Effetto della politica: differenza tra il valore osservato della variabile risultato dopo l’attuazione della politica (fattuale) ed il valore che si sarebbe osservato in assenza della politica (controfattuale)

Errori frequenti

Pre-post: la differenza tra la variabile risultato prima e dopo il trattamento non costituisce l’effetto della politica dal momento che si ignora la dinamica spontanea, cioè cosa sarebbe successo comunque indipendentemente dalla politica

Con-senza: la differenza tra la variabile risultato dei trattati e dei non trattati non costituisce l’effetto della politica dal momento che si ignorano le differenze di partenza tra i due gruppi

In questi due casi non si può determinare alcun nesso di causalità tra l’intervento di politica pubblica ed il suo impatto sulle variabili risultato


5

Letteratura sui metodi quantitativi per la valutazione della politiche pubbliche

La letteratura sull’argomento si suddivide in due percorsi metodologici:

Metodo sperimentale: l’ispirazione proviene dalle discipline medico-scientifiche per testare l’efficacia dei nuovi farmaci (Clinical trials)

Metodi non sperimentali: mirano a stimare il controfattuale tramite opportune metodologie statistiche. I principali metodi non sperimentali sono:

• Il metodo differenze nelle differenze• Analisi di regressione• Statistical Matching (abbinamento statistico)• Regression discontinuity design• Utilizzo delle variabili strumentali• Analisi delle serie storiche interrotte


6

Contesto di applicazione: incentivi alle imprese in Italia

Contratti di programma: introdotti nel 1986, stipulati tra PA e grandi imprese, consorzi di PMI o rappresentanze dei distretti industriali, per finanziare specifici progetti caratterizzati da un elevato grado di innovazione e da incrementi dell’occupazione

Legge 488/92: per incentivare gli investimenti produttivi delle imprese industriali e di servizi, soprattutto localizzate nel mezzogiorno, attraverso contributi a fondo perduto od a condizioni molto agevolate

La tendenza più recente va nella direzione di incentivare le imprese per favorire nuove assunzioni o la R&S indipendentemente dal settore, dalla localizzazione e dalla dimensione

Ma in tutti questi anni non c’è stato uno sviluppo parallelo di applicazioni sulla valutazione quantitativa degli effetti della politica pubblica relativa agli incentivi alle imprese tramite il controfattuale…


Torna all’indice

7

Costruzione della banca dati utilizzata


8

Costruzione della banca dati

Uso combinato di tre banche dati (contributo innovativo):

• Frame-SBS dal 2010 al 2012: risultato della fusione di fonti statistiche (Asia imprese, Asia occupazione, Registro annuale del costo del lavoro per impresa) e fonti amministrative (Bilanci civilistici, Studi di settore, Modello unico, Modello Irap). Informazioni sulla struttura e sulla performance delle imprese

• ASIA imprese dal 2007 al 2009

• OpenCoesione: che riporta informazioni su tutti i progetti finanziati dalle politiche di coesione tramite il Fondo europeo per lo sviluppo (FESR), il Fondo sociale europeo (FSE) ed il Fondo per lo Sviluppo e la Coesione (FSC): soggetto Programmatore ed Attuatore, data di inizio e fine del progetto, la sua natura, il tema di appartenenza, l’importo finanziato, lo stato di avanzamento dei pagamenti, ecc. Ad oggi sono monitorati più di 890 mila progetti, i cui finanziamenti ammontano a più di 90 miliardi di euro, anche se i pagamenti sono pari a poco più di 40 miliardi di euro


9

Costruzione della banca dati

Data set utilizzato (potenziale informativo enorme)

• Dal portale OpenCoesione (le cui informazioni sono state estratte nel febbraio del 2013) sono state prese in considerazione le sole società di capitale che hanno ricevuto un finanziamento europeo nell’ambito della politica di coesione per un solo progetto iniziato e concluso nell’anno 2011 (perché il Frame-SBS è solo dal 2010 al 2012).

• Le imprese così selezionate sono state linkate con le imprese del Frame-SBS tramite il codice fiscale

• Infine tramite ASIA imprese dal 2007 al 2009 il date set è stato depurato dalle imprese che avevano ottenuto finanziamenti negli anni precedenti al 2011

Il data set creato ha un potenziale informativo enorme e fornisce informazioni sulle imprese attive che hanno ricevuto un finanziamento europeo, su quando lo hanno ricevuto e per cosa, su dove sono ubicate, su quali sono i settori di attività economica di appartenenza e soprattutto su quali sono le loro caratteristiche sia di struttura che di performance


Centro Nord MezzogiornoNon trattati 1249712 350,48

Trattati 217 270

Non trattati 937 418

Trattati 24636567 1812582

Non trattati 14,50 13,40

Trattati 18,50 12,20

Non trattati 10,80 10,60

Trattati 11,70 11,20

Non trattati 5 4

Trattati 161 16

Non trattati -5057 -6623

Trattati 1217329 151431

Non trattati -0,15 -0,22

Trattati 3074009 3469444

Numero addetti - variazione assoluta

Valori

Variabili Trattamento

Osservazioni

Fatturato (milioni di euro)

Età

Fatturato per addetto (log)

Numero di addetti medo

Valore aggiunto (milioni di euro) - variazione assoluta

10

Le imprese che ottengono un finanziamento hanno una dinamica del valore aggiunto e dell’occupazione dal 2010 al 2012 opposta rispetto a quelle che non lo ottengono, indipendentemente dalla localizzazione

Primi risultati descrittivi sulle imprese trattate e non trattate ricavati dall’integrazione delle banche dati (unità di misura!)

Le imprese che ottengono un finanziamento sono più grandi in termini sia di fatturato che di addetti rispetto quelle che non lo ottengono, indipendentemente dalla localizzazione


Torna all’indice

11

Metodologia utilizzata e risultati ottenuti


12

Costruzione del gruppo di controllo tramite lo Statistical matching

• Una volta individuate le imprese trattate (cioè che abbiano ricevuto un finanziamento), per poter effettuare la misurazione degli effetti del finanziamento, è necessario cercare le imprese che non abbiano ricevuto il finanziamento (non trattate) che siano più simili possibile alle trattate (Statistical matching).

• La misura utilizzata per definire simili due imprese è il propensity score, definito come la probabilità che una unità (cioè l’impresa), trattata o non trattata, venga assegnata al trattamento date le sue caratteristiche osservabili prima del trattamento. Le caratteristiche osservabili in base alle quali sono state cercate le imprese simili riguardano la struttura (età, settore di attività economica, localizzazione, dimensione) e la performance (fatturato per addetto, costo del lavoro per addetto, valore aggiunto)

• L’analisi è stata suddivisa in due parti in base alla localizzazione del progetto: da una parte le regioni in obiettivo «Convergenza» (Mezzogiorno e soprattutto la Puglia le cui imprese hanno ricevuto la maggior parte dei finanziamenti del Mezzogiorno) e dall’altra le regioni in obiettivo «Competitività regionale ed occupazione» (Centro-Nord)


13

Stima del Propensity score: il modello Logit stimato

dove:

x1= età dell’impresa

x2= età dell’impresa al quadrato

x3= logaritmo del fatturato per addetto

x4= logaritmo del costo del lavoro per addetto

x5= logaritmo degli addetti

Ds = dummy settoriali definite in base all’intensità della tecnologie del settore di

appartenenza

Per i=1,2 dove 1=Puglia, 2=Centro Nord

Tutte le variabili sono riferite al 2010, cioè all’anno precedente al trattamento


𝑷ሺ𝑿ሻ𝒊 = 𝒆𝜶+𝜷𝟏𝒙𝟏+𝜷𝟐𝒙𝟐+𝜷𝟑𝒙𝟑+𝜷𝟒𝒙𝟒+𝜷𝟓𝒙𝟓+𝜷𝟔𝑫𝒔𝟏 + 𝒆𝜶+𝜷𝟏𝒙𝟏+𝜷𝟐𝒙𝟐+𝜷𝟑𝒙𝟑+𝜷𝟒𝒙𝟒+𝜷𝟓𝒙𝟓+𝜷𝟔𝑫𝒔

Sono stati stimati due modelli Logit: uno per la regione Puglia ed uno per le regioni del Centro Nord

coefficiente p-value coefficiente p-value

eta -0,0120 0,595 -0,0260 0,001

eta2 -0,0007 0,265 0,0003 0,002

ln fatturato_addetto 0,3611 0,000 0,2471 0,001

ln costo_lav_addetto 0,1130 0,000 0,1398 0,000

ln addetti 0,7900 0,000 0,8379 0,000

6 dummy livello tecnologia Tutte significative e con coefficienti positivi

costante -11,7493 0,000 -13,6667 0,000

Numero di osservazioni 102739 1215151

Regione Puglia Centro NordVariabili di controllo

Variabile dipendente: probabilità di ottenere un finanziamento date le condizioni precedenti al finanziamento

14

La probabilità di ottenere un finanziamento è correlata positivamente al costo del lavoro ed al fatturato per addetto: l’interpretazione potrebbe essere che imprese che dispongono di lavoratori più produttivi e qualificati hanno maggiori probabilità di ottenere finanziamenti, assunto che salari e stipendi più elevati siano corrisposti a lavoratori più produttivi e qualificati

Risultati della stima del propensity score

La probabilità di ottenere un finanziamento è legata positivamente alla dimensione dell’impresa in termini di addetti: più grande è l’impresa, maggiore è la probabilità di ottenere un finanziamento


La probabilità di ottenere un finanziamento è legata negativamente all’età dell’impresa, ad indicare che le start up o le imprese più giovani vengono maggiormente premiate dai finanziamenti

Stimatore DiD t test Stimatore DiD t test

Occupazione 3,59 1,94 9,06 0,82

Valore aggiunto 166000 2,29 635 0,84

Fatturato 0,02 0,23 0,00 0,03

Tasso di crescita dell'occupazione 0,24 4,84 0,06 1,22

Regione Puglia Centro NordVariabili

15

Misurazione degli effetti


Una volta individuato il gruppo di controllo tramite il propensity score matching, avendo abbinato le unità simili tramite il metodo del Nearest neighbor matching (abbinamento sull’unità più vicina), si può procedere a misurare gli effetti sulla performance delle imprese del finanziamento ricevuto come differenza ex post tra le imprese trattate e non trattate. Alternativamente si può utilizzare uno stimatore DiD (difference in difference)

I risultati mostrano come le imprese che hanno ricevuto un finanziamento registrano un aumento significativo delle performance in termini di occupazione (tasso di crescita e livello) e di valore aggiunto in Puglia, cioè le politiche di coesione a sostegno delle imprese hanno un impatto positivo sulla performance delle stesse. Anche per il Centro Nord i risultati mostrano un nesso ci causalità positivo tra finanziamenti alle imprese e loro performance, ma lo stimatore DiD non risulta significativo

16

L’intensità del finanziamento: fattore da non trascurare

Una volta individuato il nesso di causalità tra finanziamenti della politica di coesione alle imprese e performance delle stesse, si vuole fare un ulteriore passo in avanti e tener conto dell’intensità del finanziamento ricevuto: l’intensità del finanziamento molto verosimilmente non è indifferente per le performance delle imprese

L’analisi è stata limitata solo ad alcuni Temi di OpenCoesione, dal momento che stime effettuate su tutti i Temi non hanno fornito risultati significativi probabilmente a causa dell’eterogeneità dei settori.

I Temi scelti (che sono anche i più numerosi) sono:• Competitività delle imprese ed Occupazione (50+164 imprese):

variabili considerate, in quanto significative: variazione assoluta e tasso di variazione degli addetti

• Ricerca ed innovazione (167 imprese). variabili considerate, in quanto significative: tasso di variazione degli addetti e del fatturato per addetto


17

Generalized propensity score• Il metodo utilizzato per tener conto dell’intensità del finanziamento è il

Generalized propensity score (Hirano e Imbens, 2004), nel quale la variabile trattamento non è dicotomica ma continua

• Il Gps è un metodo di analisi di impatto che tiene conto dei soli soggetti trattati (senza gruppo di controllo) ricercando le similarità tra i soggetti in base alle variabili osservabili che determinano l’intensità del trattamento.

• L’assunzione è che sia l’intensità del trattamento a determinare i risultati conseguiti dai soggetti.

• I risultati ottenuti tramite la stima del Gps non saranno presentate in quanto le variabili esplicative sono state scelte solo strumentalmente alla creazione di gruppi confrontabili in termini di caratteristiche pretrattamento

• La presentazione dei risultati è perciò effettuata tramite delle Funzioni di risposta, che mostrano l’effetto medio sulle variabili utilizzate man mano he aumenta l’intensità del trattamento


18

Funzioni di risposta per i Temi Occupazione e competitività delle imprese

La funzione di risposta (in blu al centro), tra le bande di confidenza sopra e sotto in verde e rosso, risulta crescente sia per la variazione assoluta che percentuale degli addetti: ciò vuol dire che l’intensità del finanziamento ricevuto dall’impresa ha un impatto positivo sull’occupazione della stessa


Variazione assoluta degli addetti Tasso di variazione degli addetti

19

Funzioni di risposta per il Tema Ricerca ed innovazione

La funzione di risposta indica che la dose di finanziamento ha un impatto negativo sull’occupazione ed un impatto positivo sul fatturato per addetto: evidentemente i progetti che finanziano la ricerca e l’innovazione generano principalmente un miglioramento dell’efficienza e dei risultati economici delle imprese


Tasso di variazione degli addetti Tasso di variazione fatturato per addetto

Torna all’indice

20

Limiti e conclusioni


21

Limiti principali: lavoro migliorabile e di prospettiva

• Il principale e più grosso limite dell’analisi è costituito dalla disponibilità di serie storiche troppo brevi, a causa del fatto che il Frame-SBS è disponibile solo per gli anni dal 2010 al 2013

Gli effetti del finanziamento alle imprese non si esaurisce l’anno successivo al finanziamento e sarebbe importante avere a disposizione anche numerosi anni prima del finanziamento in modo da ottenere una stima del propensity score più attendibile

• Bisognerebbe utilizzare meglio le informazioni presenti sul portale OpenCoesione (come ad esempio lo stato di avanzamento dei pagamenti effettuati)


22

Conclusioni• È stata effettuata un’analisi controfattuale volta alla misurazione degli effetti delle

politiche di coesione a sostegno delle imprese sulla loro performance

• Data set ricavato dalla fusione di tre grosse banche dati: Frame-SBS, ASIA imprese ed OpenCoesione. Questo è certamente un contributo originale alla letteratura sull’argomento (Data set più completo possibile)

• Metodologie utilizzate: Propensity score matching e Generalized propensity score (anche questa costituisce un contributo originale alla letteratura e permette di tener conto dell’intensità dei finanziamenti)

• Risultati ottenuti: Le imprese ottengono un miglioramento delle loro performance in seguito ai finanziamenti ricevuti. Le performance migliorano all’aumentare dell’intensità del finanziamento ricevuto. Ma le serie storiche sono troppo brevi ed i risultati poco affidabili

• Analisi di prospettiva: i risultati non sono la cosa più importante del lavoro presentato. La cosa importante è l’idea che c’è di utilizzare un Data set con un potenziale informativo enorme ed in prospettiva, con serie storiche più lunghe, si potranno ottenere dei risultati molto affidabili

• Un’ulteriore prospettiva potrebbe essere l’analisi degli effetti sul territorio della politica di coesione a sostegno delle imprese: questa analisi potrà essere condotta solo quando sarà territorializzato il Frame, che ora è per impresa. Su questo l’Istat già sta lavorando…


Torna all’indice

24

Grazie per l’attenzione

Fine

Massimo Armenise: [email protected] Luigi De Iaco: [email protected] Marianna Mantuano: [email protected] Roberta Mosca:

[email protected]


mailto:[email protected]




Education

Massimo Armenise, Luigi De Iaco, Marianna Mantuano e Roberta Mosca - Le politiche di coesione a sostegno delle imprese