Crescita d impresa, dimensione ed età nelle imprese high-tech.

Transcript

1 UNIVERSITÀ POLITECNICA DELLE MARCHE DIPARTIMENTO DI ECONOMIA Crescita d impresa, dimensione ed età nelle imprese high-tech. Massimo G. Colombo, Barbara Ermini QUADERNI DI RICERCA n. 233 Aprile 2005

2 Comitato scientifico: Renato Balducci Marco Crivellini Marco Gallegati Alberto Niccoli Alberto Zazzaro Collana curata da Massimo Tamberi

3 Sintesi In questo articolo viene stimato l impatto della dimensione e dell età dell impresa sulla crescita di 310 imprese italiane ad elevata tecnologia. La relazione tra crescita, dimensione ed età viene valutata sia per l intero campione che con riguardo al settore di appartenenza e a diverse classi di età delle imprese nel tentativo di individuare eventuali pecualiarità nel pattern di crescita attribuibili a fattori industry-specific o alla fase del ciclo di vita delle imprese. I risultati ottenuti evidenziano una relazione negativa tra la crescita e la dimensione dell impresa che spinge a rifiutare la Legge di Gibrat. Il fattore età non ha generalmente un impatto significativo sulla crescita delle imprese high-tech esaminate in questo lavoro; unica eccezione si rileva nel caso delle giovani imprese la cui crescita è influenzata positivamente dal fattore età. Quest ultimo risultato contrasta con quanto implicato dal modello di Jovanovich (1982) e con l evidenza empirica dominante. Indirizzo: Massimo G. Colombo, Dipartimento di Ingegneria Gestionale, Politecnico di Milano; Ermini Barbara, Dipartimento di Economia, Università Politecnica delle Marche.

4 Indice 1 Introduzione 1 2 Il modello econometrico 3 3 I dati e le variabili esplicative 6 4 I risultati L intero campione I raggruppamenti settoriali Le classi di eta Un quadro d insieme Osservazioni conclusive 19

5 Crescita d impresa, dimensione ed età nelle imprese high-tech. Massimo G. Colombo, Barbara Ermini 1 Introduzione Nel 1931 Robert Gibrat pubblica Les Inegalitè Economique in cui viene formulata la ben nota Legge degli Effetti Proporzionali secondo la quale il saggio di crescita delle imprese è indipendente dalla loro dimensione iniziale 1. I contributi di Hart e Prais (1956), Simon e Bonini(1958) e di Hymer e Pashigian (1962) producono evidenza econometrica a sostegno di tale tesi. La ricerca empirica successiva ha tuttavia messo a dura prova l ipotesi di un processo di crescita di natura puramente stocastico. Nella maggior parte dei lavori emerge infatti che le imprese più piccole presentano tassi di crescita più alti e variabili rispetto alle imprese di maggiore dimensione (Mansfield, 1962; Hall, 1987) ma non mancano neppure risultati di segno contrario (Singh e Wittington, 1975): appare, in definitiva, che la dimensione iniziale dell impresa ha effetti generalmente non neutrali sulla dimensione futura dell impresa. Questo scostamento tra le predizioni della Legge di Gibrat e l evidenza empirica ha costituito lo stimolo per la ricerca, anche a livello teorico, di modelli che potessero fornire un interpretazione coerente con le caratteristiche più comunemente osservate del processo di crescita dell impresa. Il modello a cui più frequentemente si fa riferimento nella letteratura è quello di Jovanovich (1982), in cui vengono introdotti meccanismi di passive learning per descrivere la dinamica evolutiva di un impresa all interno di un dato settore industriale. In questo modello, particolare rilievo assumono fattori quali l eterogeneità d impresa ed elementi idiosincratici derivanti dall incertezza relativa ai parametri di costo e al livello di efficienza innata di ciascuna im- 1 Si legge in Hart (1962, pag. 30) the determinants of the growth of firms tend to change the size of firms by randomly distributed proportions. Some forces make for an increase, some forces make for a decrease, but all act randomly in the sense that there is no tendency to favour or disfavour firms of any particular size. 1

6 presa 2. Seguendo Jovanovich, la fase iniziale del ciclo di vita di una impresa può essere vista come un periodo di intenso e rapido apprendimento della propria capacità ed abilità in quanto le imprese, alla nascita, possiedono una conoscenza imperfetta del reale livello di efficienza innata che si rende manifesta solo con l avvio dell impresa. In virtù di questa incertezza, le imprese nascono generalmente piccole e, successivamente, adeguano la propria dimensione in relazione agli esiti della performance di mercato. Il modello di Jovanovich prevede, infatti, che le risorse fluiscano verso le imprese più efficienti, che quindi sopravvivono e crescono; al contrario, le meno efficienti, dopo una fase di declino, saranno destinate ad uscire dal mercato. In questo contesto, dimensione ed età d impresa possono essere considerati indicatori degli esiti del processo di apprendimento dell efficienza. Come implicazione empiricamente testabile del modello deve valere che le imprese più piccole e giovani, condizionatamente alla sopravvivenza, presentino tassi di crescita più sostenuti rispetto a quelle più mature e più grandi: ossia, l età e la dimensione risultano negativamente correlate con la crescita, in maniera più marcata proprio nella fase iniziale del ciclo di vita dell impresa. Numerose sono le conferme di queste predizioni da parte dell indagine sul campo (Evans, 1987a e 1987b; Dunne e Hughes, 1994; Audretsch et al., 2004 per una ricca e accurata survey dei contributi empirici) tanto che Geroski (1995, pag.434) indica come un fatto stilizzato l evidenza che Both firm size and age are correlated with the survival and growth of entrants. La rilevanza di questi fattori nel determinare il processo di crescita d impresa viene, nel presente contributo, valutata con riguardo ad un campione di imprese italiane ad elevata tecnologia. Nell apparato produttivo di un paese industrializzato questo settore riveste un ruolo strategico sia perchè di recente esso ha costituito, negli Stati Uniti in particolare, un motore importante di crescita e creazione di nuovi posti di lavoro sia perchè esso rappresenta un bacino fondamentale di promozione e sedimentazione di conoscenze avanzate e di generazione di innovazioni radicali, fondamentali per l efficienza dinamica del sistema economico. Alla luce di ciò e in considerazione del fatto che la realtà italiana delle nuove imprese ad alta tecnologia risulta poco nota e analizzata, appare interessante contribuire a colmare il vuoto conoscitivo sui meccanismi che regolano la crescita delle imprese di questo settore, almeno relativamente ad alcune sue caratteristiche. In aggiunta, vista la particolare natura di tale settore, è possibile che la dinamica dimensionale delle imprese high-tech presenti elementi di peculiarità rispetto a quanto comunemente emerso analizzando le imprese di altri 2 Altri interessanti formulazioni dei modelli di apprendimento sono presenti in Lippman e Rumelt, 1982; Hopenhayn,

7 settori. Alcuni contributi hanno sottolineato come la Legge di Gibrat venga generalmente rifiutata quando si esamina il processo di crescita delle imprese che operano in settori contraddistinti da elevati sunk costs, forti economie di scala ed alta intensità di capitale (Audretsch, 1995; Mata, 1994; Dunne e Hughes, 1994; Harhoff et al., 1998); al contrario, le deviazioni dalla Legge di Gibrat sono minime od inesistenti quando si analizzano imprese attive nel settore dei servizi a piccola scala (Santarelli, 1997; Audretsch et al., 2004). Inoltre, in settori giovani e innovativi è stato riscontrato che l età esercita un impatto positivo sulla crescita dell impresa (Das, 1995), un risultato contrastante con quanto previsto dal modello di Jovanovich (1982). Infine, si è osservato che la validità della Legge di Gibrat varia in relazione alla fase del ciclo di vita dell impresa: l impatto della dimensione sulla crescita è fortemente significativo nei primi anni di vita dell impresa mentre è meno marcato, o non significativo, nel caso di imprese mature (Lotti et al, 2001). Alcuni di questi fattori potrebbero condizionare anche il pattern di crescita delle imprese high-tech italiane: anche in tal caso, ad esempio, siamo in presenza di un settore relativamente giovane che al suo interno ricomprende rami di attività con caratteristiche industry-specific ben diverse tra loro 3. Questa eventualità viene approfondita studiando la relazione tra crescita, dimensione ed età sia a livello di intero campione che distinguendo le imprese in base all appartenenza al settore della manifattura o dei servizi high-tech. In aggiunta, la robustezza dei risultati emersi viene testata anche in relazione a diverse classi di età del campione di imprese. Sotto il profilo metodologico, l analisi della crescita d impresa viene affrontata con un approccio panel in grado di far emergere l eventuale eterogeneità non osservata a livello di impresa. Quest ultima, oltre a cogliere il diverso grado di efficienza e di abilità dell impresa, può riflettere la diversa complessità tecnologica che si riscontra all interno dei numerosi settori che operano nel comparto della tecnologia avanzata. Nel prossimo paragrafo, viene presentata la specificazione empirica del modello impiegato per la stima della crescita delle imprese ad elevata tecnologia mentre il paragrafo 3 è dedicato alla descrizione dei dati. Di seguito, vengono esposti i risultati econometrici e, infine, le osservazioni conclusive. 2 Il modello econometrico Il modello di Jovanovic (1982) che lega dimensione, età e crescita implica che la dimensione al tempo t + 1 dipende dalla dimensione al tempo t e dall età 3 Si pensi, ad esempio, alla diversa dimensione minima efficiente richiesta dalla manifattura bio-tech rispetto a quella tipica dei servizi di software. 3

8 al tempo t. Questa relazione può essere esplicitata nel seguente modo: ln S t+1 = ln F (A t, S t ) + u t (1) ossia, in termini logaritmici, la dimensione S al tempo t + 1 è una generica funzione F di S t, la dimensione al tempo t, e di A t, l età al tempo t e di un disturbo casuale u t, distribuito normalmente con media zero e indipendente da S t e A t. Tra le specificazioni più comunemente adottate per la funzione F vi sono l espansione logaritmica al secondo ordine, proposta inizialmente da Evans (1987a,b), e quella log-lineare del primo ordine preferita, ad esempio, da Bloningen e Tomlin (2001), Mata (1994) e Contini e Revelli (1989) 4. Se, a fini espositivi, adottiamo un approccio à la Evans (1987a,b), che, di fatto, include anche l altro, la precedente equazione può essere scritta: ln S t+1 = α 0 + α 1 ln S t + α 2 ln A t + α 3 (ln S t ) 2 + α 4 (ln A t ) 2 + +α 5 (ln S t )(ln A t ) + u t (2) Sottraendo da entrambi i lati il termine ln S t e specificando questa relazione per la generica impresa i, l equazione 2 rappresenta un modello empirico di crescita dimensionale d impresa: ln S it+1 ln S it = α 0 + (α 1 1) ln S it + α 2 ln A it + α 3 (ln S it ) 2 + +α 3 (ln S it ) 2 + α 4 (ln A it ) 2 + α 5 (ln S it )(ln A it ) + u it (3) La formulazione sviluppata da Evans consente agevolmente di valutare l impatto della dimensione e dell età iniziale sulla crescita a partire dalle derivate parziali della funzione. Indicando con E S la derivata parziale della funzione di crescita F rispetto alla dimensione: E S = lnf lns e, similmente, con E A la derivata parziale della funzione di crescita F rispetto all età: E A = lnf (5) lna le predizioni dei principali modelli teorici possono agevolmente essere testati come ipotesi riguardanti E S e E A. Se vale la legge di Gibrat E S è nulla; diversamente, il modello di Jovanovic implica che E A sia negativa. 4 Oltre a queste formulazioni, segnaliamo anche quella adottata da McPherson (1996) che comprende i termini lineari e quadratici di età e dimensione e l intera serie delle combinazioni risultanti dalla loro interazione. 4 (4)

9 Se, come suggerito da Jovanovic, l età e la dimensione sono indicatori sufficienti a cogliere la differenza non osservata nei livelli innati di efficienza delle diverse imprese, lo stimatore dei minimi quadrati ordinari (OLS) risulta appropriato per stimare i coefficienti della funzione di crescita e l equazione 3 rappresenta adeguatamente il modello di crescita di ciascuna impresa. Al contrario, se vi è motivo di ritenere che vi sia eterogeneità non osservata tra le imprese e, soprattutto, che questa non si rifletta completamente nella dimensione e nell età, il modello di crescita va modificato per tener conto della specificità d impresa (Mata, 1994; Das, 1995; Liu et al., 1999; Heshmati, 2001). A tal fine, si può osservare che il termine di errore può essere scomposto in due componenti: u it = µ i + ν it (6) dove µ i è un elemento time-invariant individuale e non osservabile che tiene conto di ogni effetto specifico d impresa non incluso nella regressione e ν it è il restante termine di disturbo. Con questo accorgimento, il modello può essere riscritto: ln S it+1 ln S it = α 0 + (α 1 1) ln S it + α 2 ln A it + α 3 (ln S it ) 2 + +α 3 (ln S it ) 2 + α 4 (ln A it ) 2 + α 5 (ln S it )(ln A it ) + +µ i + ν it (7) Per la stima di questo modello di crescita la letteratura panel (Greene, 1993; Baltagi, 1995; Verbeek, 2000) propone, principalmente, due metodologie: Modello ad Effetti Fissi (FE) o Modello ad Effetti Casuali (RE). La scelta tra essi riflette quanto ipotizzato circa la natura dell effetto fisso e della correlazione tra quest ultimo e gli altri regressori che determina, in ultima analisi, le proprietà di efficienza, correttezza e consistenza delle stime stesse. Il Modello FE risulta più appropriato qualora si assuma che i µ i siano parametri fissi individuali da stimare mentre i restanti ν it siano dei disturbi stocastici IID(0, σ 2 ν); questa metodologia è robusta alla presenza di correlazione tra l effetto fisso e le variabili esplicative. Nel modello FE viene stimato ogni singolo effetto fisso e quindi, proporzionalmente alla dimensione campionaria, questo modello è più dispendioso in termini di coefficienti da stimare. La perdità di gradi di libertà associata all uso del modello FE può essere evitata se si può assumere che i µ i abbiano un comportamento random. In questo caso, la stima viene sviluppata ipotizzando che il termine d errore consista di due componenti: una componente specifica invariante nel tempo, µ i IID(0, σ 2 µ i ) e la componente dell usuale termine di errore ν it incorrelato nel tempo; esse sono mutualmente incorrelate e indipendenti, per 5

10 tutti i t esaminati, da ciascun regressore. Tra i vantaggi del RE vi è la possibilità di valutare l impatto di regressori time-invariant, negata all interno della specificazione FE; quest ultimo, tuttavia, consente di catturare l effetto non osservabile di variabili e fattori firm-specific che, come nel nostro caso, entrano a far parte del modello di crescita e possono considerarsi buone proxy dell abilità imprenditoriale e dell efficienza manageriale 5. Per selezionare il modello statistico più appropriato a rappresentare la dinamica di crescita delle imprese del nostro campione sono stati condotti alcuni tests, riportati in appendice, da cui risulta che per l intero campione e per i sottocampioni analizzati il modello FE è da preferire all OLS e al modello RE. In definitiva, questi tests confermano la presenza di eterogeneità non osservata che può essere correttamente delineata solo con un approccio ad effetti fissi e, per tanto, nel seguito soffermeremo la nostra attenzione sui risultati di queste stime. 3 I dati e le variabili esplicative Le imprese esaminate in questo lavoro sono state estratte dal database RITA (Ricerche sull Imprenditoria nelle Tecnologie Avanzate), sviluppato presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano. Esso rappresenta la più completa fonte di informazione sulle nuove imprese italiane ad alta tecnologia, includendo dati su quasi 400 imprese, e su circa 1000 dei loro fondatori. Tali imprese risultano fondate dopo il 1980, sono indipendenti all atto della fondazione sia nella proprietà che nella gestione e, infine, sono attive o nei settori manifatturieri (componentistica elettronica, informatica, apparati di telecomunicazione, strumentazione elettronica, aerospazio, biotecnologia e chimica-farmaceutica) o nei settori dei servizi (software, servizi di telecomunicazione, e-commerce, Internet service providers, servizi multimediali ed editoria elettronica) dell alta tecnologia. Il database è stato creato nel 1999 inviando un questionario ad una popolazione di circa 2000 giovani imprese high-tech orientate alla crescita individuate attingendo ad una pluralità di fonti: liste di appartenenza ad associazioni di categoria (ANEE, ANIEE, AIIP, Assoprovider, AIAD, ANASIN), riviste specializzate, ricerche effettuate sul WEB, precedenti studi sul tema. Le imprese che effettivamente costituiscono il campione RITA sono quelle che, 5 Sul ruolo di proxy svolto dagli effetti fissi si confronti, tra gli altri, Baltagi (1995, capitolo 2). Va sottolineato che con questi modelli si esaminano gli effetti dell eterogeneità d impresa legati all intercetta ma si mantiene l ipotesi che la legge di crescita sia invariante per le imprese. Per una trattazione in cui anche i coefficienti della funzione di crescita possono differire tra le diverse unità di osservazione si rimanda a Cefis et al., (2002). 6

11 conformi ai criteri di selezione del campione sopra menzionati, hanno fornito informazioni sull azienda e sui relativi fondatori 6. La banca dati è stata aggiornata nel corso del 2002 attraverso un nuovo questionario. Tale aggiornamento include dati fino al Tra il 1999 ed il 2002 il campione si è ridotto: alcune imprese sono uscite dai mercati high-tech, altre hanno cessato l attività, altre ancora sono state acquisite o non hanno fornito le informazioni richieste cosicchè il numero di imprese considerato varia nel corso degli anni. Ai fini della presente ricerca, si è sfruttata la natura longitudinale del database in quanto l analisi delle determinanti del processo di crescita è stata sviluppata attraverso metodologie di stima di tipo panel. Per implementare questo approccio, dal database RITA è stato estratto l insieme delle imprese per le quali risultavano disponibili almeno due osservazioni temporalmente consecutive sul tasso di crescita annuale della dimensione d impresa 7. Infine, per assicurare una adeguata numerosità campionaria, l analisi è stata riferita al periodo compreso tra il 1990 e il Al termine di tale screening sono state individuate 310 imprese utili ai fini della presente ricerca; il panel così selezionato risulta essere sbilanciato, ossia la durata del periodo di osservazione è diversa per le varie imprese. Va osservato che sebbene l insieme delle imprese rilevate non sia casuale 8, la banca dati RITA si configura come una fonte assai ricca di informazioni che può essere di grande aiuto per delineare un quadro completo e affidabile della realtà delle nuove imprese dei settori dell alta tecnologia. Infatti, questo database presenta dati originali sia su aspetti economico-finanziari che sulle caratteristiche dei fondatori delle imprese high-tech; la stessa classificazione dei settori è più particolareggiata e le informazioni presenti nella banca dati più complete di quanto sia generalmente disponibile nelle pubblicazioni sta- 6 Successivamente, con tali imprese è stata condotta una serie di interviste sia telefoniche che dirette allo scopo di verificare l accuratezza delle risposte fornite nel questionario e di completare lo stesso in caso di informazioni mancanti. 7 Da questo computo è stata esclusa l osservazione relativa all anno di fondazione in quanto non si ha certezza sulla durata dell attività dell impresa nel corso del primo anno e, pertanto, si sarebbe rischiato di considerare omogeneamente il risultato occupazionale di una impresa attiva sul mercato da, ad esempio, 12 mesi con quello di una fondata solo verso la fine dell anno e, quindi, con esigenze di personale limitate ad una esperienza lavorativa di soli pochi mesi. Di conseguenza, l utilizzo del dato occupazionale relativo all anno di fondazione avrebbe potuto generare dinamiche di crescita dimensionale d impresa poco attendibili e confrontabili fra loro. 8 Del resto, poichè vi è un assenza di statistiche ufficiali affidabili in questo campo, non è possibile individuare con esattezza l universo delle imprese high-tech italiane e, così, non vi è alcun modo di verificare con esattezza quanto il campione sia rappresentativo di tale popolazione. 7

12 Tabella 1: Definizione delle variabili e statistiche descrittive. Tutto il Campione. Variabile Definizione Media Std. Dev. Quartile N I II III addetti log. del numero di addetti eta log. dell età dell impresa addetti2 quadrato di addetti eta2 quadrato di eta addeta prodotto di addetti e eta crescita variaz. annuale di addetti Fonte: elaborazioni database RITA, Politecnico di Milano tistiche ufficiali, in special modo per ciò che concerne i settori che definiamo come Internet-based (e-commerce, ISP e servizi multimediali). In considerazione di questi aspetti e della presenza di una elevata eterogeneità con riguardo alle variabili rilevanti, si ritiene che questo database, e il campione di imprese da esso estratto, sia adeguato per testare le pricipali implicazioni teoriche postulate con riguardo alla individuazione delle determinanti del processo di crescita d impresa 9. Poichè il campione include i dati delle sole imprese attive alla data dell inizio della prima indagine, realizzata nel 1999, non è stato possibile tenere adeguatamente in considerazione e correggere eventuali effetti da distorsione campionaria 10 in quanto non si ha traccia di quelle imprese che, fondate prima del 1999, non sono sopravvissute fino a questa data. Per quanto, dunque, le nostre conclusioni vadano correttamente attribuite alle sole imprese sopravvissute, va tuttavia sottolineato che generalmente l evidenza empirica ha mostrato che l eventuale distorsione, introdotta dall assenza di opportune correzioni econometriche per l attrito campionario, non altera qualitativamente i risultati complessivi 11. Inoltre, sebbene non vi sia unanimità di giudizio, si ritiene che l impiego di panel sbilanciati riduca gli effetti di questa distorsione Per ulteriori informazioni sul database RITA si rimanda a Colombo et al., Mansfield (1962) per primo ha evidenziato la presenza di un sample selection bias nella stima dei modelli di crescita visto che la sopravvivenza d impresa è influenzata dai medesimi fattori che incidono sulla sua crescita. 11 Mata (1994) sottolinea esplicitamente questo aspetto osservando che ciò accade sia, ovviamente, quando le stime negano la presenza di correlazione tra l equazione di sopravvivenza e quella di crescita (Hall, 1987; Evans, 1987a; Almus e Nerlinger, 1999), sia quando è vero il contrario (Evans,1987b) e sia nei casi in cui la sopravvivenza non dipende dai fattori che determinano la crescita (Dunne e Hughes, 1990 ). 12 Das (1995, pag.114), ad esempio, sostiene che sample selection bias, if any, is minimised by using an unbalanced panel that contains informantion on entrants and exiters as long as they survived. The factors that affect growth of an existing firms are also likely to determine entry and exit choices of firms... ; per un parere contrario si confronti Verbeck e Nijman (1992). Inoltre, Verbeek (2000, pag.345) afferma che Note that because the fixed effects estimator allows selection to depend upon α i and upon ɛ it (nda, l usuale 8

13 Tabella 2: Definizione delle variabili e statistiche descrittive. Manifattura. Variabile Definizione Media Std. Dev. Quartile N I II III addetti log. del numero di addetti eta log. dell età dell impresa addetti2 quadrato di addetti eta2 quadrato di eta addeta prodotto di addetti e eta crescita variaz. annuale di addetti Fonte: elaborazioni database RITA, Politecnico di Milano Tabella 3: Definizione delle variabili e statistiche descrittive. Servizi. Variabile Definizione Media Std. Dev. Quartile N I II III addetti log. del numero di addetti eta log. dell età dell impresa addetti2 quadrato di addetti eta2 quadrato di eta addeta prodotto di addetti e eta crescita variaz. annuale di addetti Fonte: elaborazioni database RITA, Politecnico di Milano Passando ad analizzare gli indicatori impiegati per la stima del processo di crescita dell impresa, la variabile endogena che si vuol interpretare, ossia il tasso di crescita d impresa (crescita), è stata definita come la variazione del logaritmo della dimensione in due anni successivi; approssimativamente, esso rappresenta il tasso di crescita annuale. La dimensione d impresa (addetti) è definita come il logaritmo del numero di occupati; (addetti2) è il suo quadrato 13. Infine, l eta dell impresa (eta) è il logaritmo del numero di anni trascorsi dalla fondazione dell impresa stessa e (eta2) il suo quadrato. La variabile (addeta) rappresenta il termine di interazione tra età e dimensione. Nelle tabelle da 1 fino a 5 sono riportate le statistiche descrittive delle precedenti variabili per l intero campione e distinguendo in base al settore di appartenenza e alla classe di età delle imprese. In generale, in base all evidenza empirica dominante (Evans, 1987a,b; Variyam e Kraybill, 1992; Mata, 1994; Dunne e Hughes, 1994; Audretsch et al., 1999; Goddard et al., 2002), è atteso un impatto negativo della dimensione e dell età sulla crescita dell impresa che segnala la tendenza da parte random error) in a time invariant way, it is more robust against selection bias than the random effects estimator. 13 In letteratura sono stati impiegati anche altri indicatori (ad esempio, assets e fatturato) per la dimensione d impresa e, talvolta, i risultati hanno mostrato alta sensibilità a questa scelta (Cfr. Heshmati, 2001). In questo lavoro, si è scelta come variabile dimensionale il numero di occupati in base a considerazioni circa il tipo di dati campionari a disposizione e la presunta maggior affidabilità e attendibilità di tale indicatore (Cfr. Liu et al., 1999). 9

14 Tabella 4: Definizione delle variabili e statistiche descrittive. Imprese giovani (0-6 anni). Variabile Definizione Media Std. Dev. Quartile N I II III addetti log. del numero di addetti eta log. dell età dell impresa addetti2 quadrato di addetti eta2 quadrato di eta addeta prodotto di addetti e eta crescita variaz. annuale di addetti Fonte: elaborazioni database RITA, Politecnico di Milano Tabella 5: Definizione delle variabili e statistiche descrittive. Imprese mature (7 o più anni). Variabile Definizione Media Std. Dev. Quartile N I II III addetti log. del numero di addetti eta log. dell età dell impresa addetti2 quadrato di addetti eta2 quadrato di eta addeta prodotto di addetti e eta crescita variaz. annuale di addetti Fonte: elaborazioni database RITA, Politecnico di Milano delle imprese più piccole e più giovani a crescere più velocemente di quelle più grandi e mature. In tal modo, verrebbe negata la validità della Legge di Gibrat e confermato il modello di Jovanovich (1982). Eventuali scostamenti da tali risultati, per quanto detto nell introduzione, potrebbero essere interpretati alla luce dell importanza che fattori industry-specific o aspetti legati al ciclo di vita rivestono in seno al processo di crescita dell impresa (Audretsch et al., 2004; Lotti et al., 2001; Das, 1995). Di questa possibilita si è tenuto conto stimando il modello di crescita, da un lato, delle imprese attive nella manifattura (manifattura ITC e non ITC) e nei servizi (servizi software, di editoria elettronica e di rete) e, dall altro, delle imprese giovani (con meno di 7 anni) e di quelle più mature (di 7 anni e oltre). 4 I risultati. Nelle tabelle da 6 a 10 sono riportati i risultati della stima della relazione tra crescita, dimensione ed età per l intero campione, per gruppo settoriale di appartenenza distinguenda tra imprese manifatturiere e di servizi e per le due classi di età 0-6 anni e oltre 7 anni 14. Come anticipato al paragrafo 2, questi 14 Una simile classificazione è stata adottata anche da Evans (1987a,b). Inoltre, Mata (1994) osserva che il periodo di incubazione, adottando come criterio la dimensione, è 10

15 Tabella 6: Stima ad effetti fissi del modello di crescita. Intero Campione. Modello I Modello II Coeff. Coeff. addetti *** *** (-17.26) (-6.61) eta ** ** (2.16) (2.45) addetti *** (2.81) eta (-1.42) addeta * (-2.32) R2 corretto H0( ): tutti coeff. Nulli *** *** H0( ):termini quadrati e interazione nulli 3.86 *** Osservazioni Gruppi NB: ogni stima include la costante e le dummies annuali. Le stime OLS sono robuste all eteroschedasticità (correzione di White). Test t in parentesi. *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90 % indica test F o di Wald; indica test chi-quadro. risultati sono stati ottenuti assumendo che l eterogeneità non osservata abbia natura di effetti fissi firm-specific, ossia adottando la metodologia FE che si è dimostrata statisticamente più appropriata a rappresentare la dinamica di crescita delle imprese del nostro campione. Due sono le forme funzionali del modello di crescita esaminate: il Modello I è il semplice modello di regressione dei tassi di crescita annuali sul logaritmo della dimensione e dell età mentre il Modello II testa la potenziale non linearità degli effetti esercitati dalle precedenti variabili attraverso l inclusione e l aggiunta al Modello I dei termini quadratici di dimensione ed età e la loro interazione. Ogni regressione, infine, include delle dummies annuali introdotte come controlli per la congiuntura economica in ciascun anno. Commentiamo di seguito, in paragrafi distinti, i risultati ottenuti per l intero campione e per ciascun raggruppamento settoriale. 4.1 L intero campione Relativamente all intero campione, la stima FE (vedi tabella 6) produce coefficienti delle variabili di rilievo tutti significativi ad eccezione del termine quadratico dell età; tests sulla significatività congiunta dei regressori spingono a preferire, rispetto al modello I, la forma funzionale non lineare per più lungo di 4 anni: anche in considerazione di ciò la scelta di 6 anni pare un adeguato compromesso per assumere che l impresa abbia raggiunto una fase di relativa stabilità. 11

16 Tabella 7: Stima ad effetti fissi del modello di crescita. Manifattura. Modello I Modello II Coeff. addetti *** *** (-11.60) (-3.86) eta (0.34) (0.099 addetti (0.15) eta (0.14) addeta (-0.70) R2 corretto H0( ): tutti coeff. nulli *** *** H0( ): coeff. termini quadrati e interazione nulli 0.20 Osservazioni Gruppi NB: ogni stima include la costante e le dummies annuali. Le stime OLS sono robuste all eteroschedasticità (correzione di White). Test t in parentesi. *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90 % indica test F o di Wald; indica test chi-quadro. Tabella 8: Stima ad effetti fissi del modello di crescita. Servizi. Modello I Modello II Coeff. addetti *** *** (-13.75) (-5.44) eta * ** (1.75) (2.31) addetti ** (2.53) eta (-1.54) addeta * (-1.70) R2 corretto H0( ): tutti coeff. nulli *** *** H0( ): coeff. termini quadrati e interazione nulli ** Osservazioni Gruppi NB: ogni stima include la costante e le dummies annuali. Le stime OLS sono robuste all eteroschedasticità (correzione di White). Test t in parentesi. *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90 % indica test F o di Wald; indica test chi-quadro. 12

17 Tabella 9: Stima ad effetti fissi del modello di crescita. Imprese giovani. Modello I Modello II Coeff. Coeff. addetti *** *** (-8.89) (-4.08) eta * (1.94) (0.80) addetti * (1.72) eta (0.20) addeta (-1.30) R2 corretto H0( ): tutti coeff. nulli 16.2 *** *** H0( ): coeff. termini quadrati e interazione nulli 1.09 Osservazioni Gruppi NB: ogni stima include la costante e le dummies annuali. Le stime OLS sono robuste all eteroschedasticità (correzione di White). Test t in parentesi. *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90 % indica test F o di Wald; indica test chi-quadro. Tabella 10: Stima ad effetti fissi del modello di crescita. Imprese mature. Modello I Modello II Coeff. Coeff. addetti *** *** (-14.63) (-4.44) eta (-0.07) (0.01) addetti ** (2.50) eta (0.25) addeta ** (-2.40) R2 corretto H0( ): tutti coeff. nulli *** *** H0( ): coeff. termini quadrati e interazione nulli 2.44 * Osservazioni Gruppi NB: ogni stima include la costante e le dummies annuali. Le stime OLS sono robuste all eteroschedasticità (correzione di White). Test t in parentesi. *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90 % indica test F o di Wald; indica test chi-quadro. 13

18 descrivere il processo di crescita 15. Passando a considerare l impatto delle singole variabili sulla crescita, si osserva che il coefficiente lineare della dimensione è negativo mentre quello quadratico è positivo. Al contrario, il coefficiente lineare dell età è, sorprendentemente, positivo mentre quello quadratico è negativo anche se, come osservato in precedenza, non significativo. Il termine misto, infine, è negativo. La presenza dei termini quadratici e di quello di interazione fà sì che gli effetti di età e dimensione siano non lineari sulla crescita e ulteriori calcoli, rispetto al semplice esame dei coefficienti, sono necessari per comprendere il ruolo svolto da tali fattori in seno al processo di crescita. La tabella 11 riporta l impatto sulla crescita di dimensione ed età come risulta dal calcolo degli effetti marginali sulla crescita valutati, in base ai valori stimati delle derivate parziali delle precedenti variabili, in corrispondenza dei valori medi, del punto di minimo, di massimo e dei quartili (primo quartile, mediana e terzo quartile) dell intera distribuzione campionaria dei regressori esaminati 16 ; questi valori indicano la variazione percentuale nel tasso di crescita atteso per effetto di una variazione percentuale della dimensione e dell età. Rispetto alla dimensione, i valori così ottenuti, sempre significativi con una eccezione in corrispondenza del punto di massimo, confermano i principali risultati emersi in letteratura: le imprese più piccole crescono più velocemente negando la validità della Legge di Gibrat. L intensità dell impatto della dimensione sulla crescita diminuisce all aumentare di quest ultima ma l effetto negativo caratterizza tutta la distribuzione campionaria. Suscita tuttavia perplessità il fatto che la dimensione attuale eserciti un effetto così elevato sulla crescita: in corrispendenza della media campionaria, un incremento dell 1% della dimensione determina un decremento pari al 0.57% del tasso di crescita annuale atteso 17. Nonostante il forte impatto positivo e significativo del termine lineare dell età, la derivata parziale della crescita rispetto all età è, ad eccezione del valore assunto in corrispondenza del minimo, sempre negativa suggerendo che tendenzialmente valgono le ipotesi avanzate da Jovanovic sulla rilevanza degli effetti di learning nel processo di crescita. Tuttavia, queste conclusioni vanno valutate con estrema cautela in relazione, principalmente, al fatto che i risultati appaiono sempre statisticamente non significativi. In aggiunta, va 15 Oltre al test riportato in tabella, sono stati condotti i test di azzeramento congiunto dei due termini dell età e, in aggiunta a questi regressori, del termine misto: entrambi hanno rifiutato significativamente l ipotesi nulla. Così facendo si è voluto valutare più approfonditamente l appropriatezza dello sviluppo al secondo ordine della variabile età. 16 L effetto della derivata del termine misto è stato calcolato sempre con riguardo al valore medio campionario della variabile di cui non si calcola l elasticità. 17 Anche Heshmati (2001) ottiene valori dell elasticità sistematicamente più alti usando il modello FE rispetto a quelli corrispondenti ai modelli OLS e RE. 14

19 Tabella 11: Effetti della dimensione e dell età sulla crescita d impresa. Tutto il campione. Variabile media min max I quartile mediana III quartile Dimensione s.e. (0.032)*** (0.081)*** (0.044)*** (0.033)*** (0.035)*** Età s.e NB: *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90% osservato che essi sembrano sensibili alla selezione del modello in quanto, se ci si limitasse ad approssimare il processo di crescita col Modello I, l età avrebbe un impatto positivo sulla crescita. 4.2 I raggruppamenti settoriali Per capire se il risultato relativo all intero campione nasconde delle specificità di settore, le precedenti stime sono state ripetute per i due sottocampioni delle imprese appartenenti al ramo manifatturiero da un lato e dei servizi dall altro: i risultati sono presentati nelle tabelle 7 e Un primo commento riguarda la forma funzionale che meglio si adatta ai dati. Come per l intero campione, la funzione di crescita delle imprese appartenenti al settore dei servizi è più propriamente delineata dal Modelo II; il contrario vale per le imprese manifatturiere. Entrambi i modelli rifiutano la Legge di Gibrat come chiaramente indicato, nel modello della manifattura, dal segno negativo del coefficiente della dimensione e, per le imprese dei servizi, dai valori degli effetti marginali riportati nella tabella 12. Va in aggiunta notato che l impatto sulla crescita della dimensione è leggermente maggiore nel comparto manifatturiero, che non nei servizi: presumibilmente, nel manifatturiero hanno maggior rilievo gli effetti di economie di scala e, quindi, più sentita è la necessita, per l impresa, di affrettarsi verso il raggiungimento di una dimensione efficiente per superare lo svantaggio di un eventuale sotto-dimensionamento iniziale Come ulteriore approfondimensto, l analisi è stata ripetuta anche distinguendo il comparto della manifattura ICT e non ICT all interno del più generico settore manifatturiero e, in seno all agglomerato servizi, distinguendo tra editoria elettronica, software e servizi Internet. Al di là di talune differenze circa la forma specifica funzionale maggiormente idonea a descrivere i dati, i risultati che si ottengono per questi sub-campioni ricalcano quelli del più generico settore di appartenenza. Il lettore interessato può disporne su richiesta 19 Incerte sul proprio futuro, le imprese infatti preferiscono adottare una logica try and see di ingresso sul mercato scegliendo, a tal fine, una dimensione ridotta che viene successivamente adeguata in relazione alla performance di mercato. 15

20 Tabella 12: Effetti della dimensione e dell età sulla crescita d impresa. Servizi. Variabile media min max I quartile mediana III quartile Dimensione s.e *** 0.092*** *** 0.039*** 0.040*** Età s.e NB: *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90% Più confuso è il contributo dell età al processo di crescita. Questa variabile presenta un coefficiente positivo nel modello della manifattura che contrasta con le predizioni del modello di Jovanovic; tuttavia, il test di Student non consente di rifiutare l ipotesi nulla di azzeramento ai livelli convenzionali di significatività. Nel caso dei servizi, la regressione produce un coefficiente positivo e significativo per il termine lineare dell età mentre quello quadratico è non significativo. Dall esame degli effetti parziali sulla crescita (tabella 12) calcolati per diversi valori campionari assunti dalla variabile dell età e in corrispondenza della media campionaria della dimensione, si nota che l età esercita una influenza positiva sulla crescita nei primissimi anni di vita dell impresa mentre in seguito l impatto è sempre negativo e in linea con quanto ipotizzato dal modello di Jovanovic. Tuttavia, come accadeva anche per l intero campione, questo impatto è non significativo Le classi di eta Allo scopo di chiarire ulteriormente il ruolo svolto da dimensione ed età all interno del nostro campione, è stata testata anche la presenza di eventuali differenze o peculiarità nel processo di crescita delle imprese giovani, presenti cioè sul mercato da sei anni o meno, rispetto a quello che contraddistingue le imprese che chiameremo mature, che hanno cioè almeno sette anni. Una prima differenza tra le due categorie di imprese riguarda l appropriatezza del modello di regressione per l analisi: mentre il comportamento delle imprese mature viene adeguatamente descritto dal modello II, per le giovani il modello I appare in base ai test di selezione dei regressori il più corretto. Passando a considerare il contributo della dimensione alla crescita, per entrambe le due classi di età d impresa non emergono sostanziali novità rispetto ai risultati 20 Anche in tal caso, se si fosse trascurato l impatto del termine quadratico ripiegando sulla specificazione lineare semplice, si sarebbe ottenuto un effetto positivo e significativo dell età. Questa sensibilità dei risultati alla scelta funzionale del modello di crescita suggerisce cautela nel rifiutare a-priori la non linearità degli effetti della dimensione e dell età che andrebbe invece più accuratamente valutata. 16

21 Tabella 13: Effetti della dimensione e dell età sulla crescita d impresa. Imprese mature. Variabile media min max I quartile mediana III quartile Dimensione s.e *** 0.114*** *** 0.038*** 0.044*** Età s.e NB: *,**,*** indicano livelli di significatività, rispettivamente, al 99, 95 e 90% sopra ottenuti confermando che la relazione negativa tra dimensione e crescita, la quale implica il rifiuto della legge di Gibrat, risulta robusta a diverse specificazioni funzionali e a diverse classificazioni delle imprese all interno del campione. Ciò nonostante va sottolineato che il confronto tra i valori delle derivate parziali di entrambi i modelli rivela che gli effetti della dimensione sono generalmente più marcati per le imprese giovani; l unica eccezione, come si evince dal valore dell elasticità in corrispondenza del minimo e del primo quartile riportato nella tabella 13, riguarda le imprese con meno di 4 addetti che è appunto il valore corrispondente al primo quartile. Il quadro interpretativo della relazione tra crescita ed età presenta invece delle peculiarità rispetto a quanto osservato in precedenza. Nel caso delle imprese mature, l età non sortisce alcun effetto significativo sulla crescita: ciò è vero non solo con riguardo al valore dell elasticità ma anche relativamente ai singoli coefficienti del termine lineare e di quello quadratico nonchè con riferimento alla loro significatività congiunta (il relativo F-test, pari a 0.47, accetta la restrizione che i coefficienti di eta e eta2 siano nulli). Con maggior sorpresa, esaminando quanto accade nel caso delle imprese giovani, si rileva che la derivata parziale dell età è costantemente positiva e significativa; questo risultato, per quanto meno comune, non è nuovo in letteratura (Storey, 1994, Das, 1995 e Heshmati, 2001) e verrà commentato nel prossimo paragrafo. 4.4 Un quadro d insieme. Quanto emerso dalle stime sopra esaminate attesta che, complessivamente, la crescita dimensionale delle 310 nuove imprese ad alta tecnologia esaminate in questo lavoro non può considerarsi frutto di un processo stocastico. In particolare, la Legge di Gibrat che teorizza indipendenza tra la dimensione finale d impresa e quella iniziale va rifiutata poichè si osserva un legame negativo tra dimensione e crescita d impresa. Questo risultato, che emerge a livello di intero campione, appare robusto a ripartizioni per settore e per classi di età delle imprese. Emerge, tuttavia, che il rifiuto della Legge 17

22 di Gibrat è più marcato nel settore manifatturiero e in relazione al processo di crescita delle imprese più giovani. Più incerto il ruolo svolto dal fattore età in seno al processo di crescita. Coerentemente con le predizioni del modello di Jovanovic (1982), questa variabile esercita effetti marginali di segno negativo sulla crescita per l intero campione, per i servizi e per le imprese mature. Tuttavia, l impatto è sempre non significativo. Ugualmente non robusto ma positivo è l effetto dell età che emerge con riguardo al settore manifatturiero. Infine, l unica categoria sulla quale l età influisce in modo statisticamente significativo è quella delle imprese giovani che presentano un processo di crescita correlato positivamente con l età. Una possibile spiegazione di ciò viene offerta da Storey (1994, pag.147) che osserva come l effetto positivo dell età... could reflect the general difficulties of growing in the early period of a new firms life, when a greater emphasis is placed on survival e pertanto solo dopo che l impresa si è garantita un minimo di condizioni tali da assicurare o per lo meno aumentare la probabilità di sopravvivenza inizia ad esaminare e cercare di sviluppare le proprie potenzialità di crescità 21. Tuttavia, questa spiegazione non pare del tutto condivisibile con riguardo alle imprese del nostro campione. Infatti, combinando i risultati che emergono per le imprese giovani con quelle mature si deve concludere che la fase di investimento nella sopravvivenza ha una durata relativamente breve poichè l urgenza di crescere in rapporto all età è una istanza che si manifesta ben presto e sortisce i suoi effetti entro un arco di sei anni come testimoniato dal fatto che per le imprese mature questa variabile non ha un impatto significativo; in aggiunta, come sottolineato in Agarwal e Audretsch (2001), la crescita dovrebbe essere considerata una condizione essenziale per rafforzare e migliorare le capacità di sopravvivenza dell impresa. Più interessante per l interpretazione dell impatto positivo dell età sulla crescita è invece quanto suggerito da Das (1995). Secondo questo autore, la motivazione di un tale risultato va ricercato nel fatto che il tempo necessario affinchè un settore raggiunga la maturità varia considerevolmente a seconda del prodotto esaminato (Klepper e Graddy, 1990). Das, osservando che il settore dell hi-tech, al quale appartengono anche le imprese da lui analizzate, può ritenersi ancora giovane, suggerisce che queste unità produttive presentano un processo di apprendimento contraddistinto da rendimenti marginali crescenti con l aumentare del tempo di presenza sul mercato; diversamente, i rendimenti sono decrescenti per imprese attive in settori maturi. 21 In tal senso, non si può escludere che questo risultato, più che mostrare l impatto dell età sulla crescita, colga gli effetti della selezione campionaria di cui in questo lavoro, per la particolare natura e procedura di raccolta dei dati a nostra disposizione, non si è potuta verificare econometricamente la presenza. 18

23 Connesso a ciò, vi è la considerazione che la consapevolezza e l apprezzamento da parte dei consumatori circa un nuovo prodotto/servizio potrebbe risultare crescente all aumentare dell età dell impresa anche come riflesso di un miglioramento e accrescimento della reputazione dell impresa stessa, in termini di affidabilità e stabilità, conseguente alla sua permanenza nel mercato. Das (1995, pag.123), ad esempio, sostiene che The marginal returns from such reputation building is likely to be quite high in an infant industry leading to a positive impact of age on its growth. L importanza di questi fattori industry-specific acquista maggior rilievo se esaminata alla luce della particolare composizione campionaria delle imprese considerate in questo lavoro che, rispetto a studi precedenti, comprende un ampia quota di imprese operanti nei servizi ICT. Non va sottovalutata, infatti, l elevata incidenza delle esternalità di rete in questo ramo di attività e, di conseguenza, non si deve dimenticare che il valore di tali servizi per il consumatore dipende anche dal grado di adozione e condivisibilità con altri utenti del medesimo servizio, ossia dalla sua diffusione nel mercato (Economides, 1996). In tal senso, è presumbile che vi sia bisogno di un certo periodo di presenza e visibilità sul mercato necessario al raggiungimento di una soglia consistente del numero di utenti affichè i benefici dell esternalità si manifestino autonomamente: questa spiegazione appare coerente con la positività e significatività del coefficiente dell età nel processo di crescita delle sole imprese giovani Osservazioni conclusive Prendendo le mosse dalla verifica della Legge di Gibrat, i risultati econometrici hanno dimostrato, coerentemente con quanto emerso nella maggior parte degli studi empirici disponibili, che la crescita delle 310 nuove imprese italiane ad alta tecnologia esaminate in questo lavoro è influenzata negativamente dalla dimensione posseduta all inizio del periodo rispetto al quale viene misurata la crescita. Adeguati controlli mettono in luce che questo risultato non risente della composizione settoriale o di quella per classe di età del campione. 22 A sostegno e verifica di ciò, il modello di regressione è stato testato con riguardo alle seguenti ulteriori restrizioni campionarie delle imprese: giovani-manifatturiero, giovaniservizi, mature-manifatturiero e mature-servizi. I risultati relativi alla sola clessificazione giovani e mature vengono replicati per il settore dei servizi. Al contrario, entrambe le stime per il manifatturiero producono un coefficente non significativo per l età; va però osservato che la classificazione giovani-manifatturiero presenta una ridotta numerosità campionaria che si traduce anche in un test F relativo all intero modello debolmente significativo, il che induce ad una certa cautela nel soppesare questi effetti. 19