2. Concentrazione territoriale e autocorrelazione spaziale degli IDE

Transcript

1 DISTRETTI INDUSTRIALI, ECONOMIE DI AGGLOMERAZIONE E INVESTIMENTI ESTERI IN ITALIA Raffaello Bronzini * 1. Introduzione La teoria economica ha riconosciuto da tempo che le economie di agglomerazione sono in grado di migliorare la produttività delle imprese e favorire processi di concentrazione territoriale dell attività produttiva (Marshall, 1890). Nel decennio passato queste idee hanno rappresentato il punto di partenza per numerosi studi a carattere teorico (Krugman, 1991; Fujita et al., 1999). In accordo con la teoria, molti lavori empirici hanno analizzato l effetto delle economie di agglomerazione sulle scelte localizzative degli investitori esteri verificando se le aree più agglomerate attraevano investimenti dall estero. Tuttavia, nonostante la numerosità dei contributi, alcuni aspetti della relazione tra agglomerazione e investimenti non sono stati ancora affrontati. In particolare, non ci sono stati tentativi sistematici tesi a verificare se le economie di agglomerazione sono sector specific oppure se anche la concentrazione territoriale di imprese appartenenti a settori diversi, innescando economie di diversificazione, attrae investimenti esteri, né a verificare il legame tra i distretti industriali e gli investimenti provenienti dall estero. In questo lavoro si esamina la relazione tra agglomerazione e investimenti diretti esteri (IDE), nelle regioni e province italiane, distinguendo tra le economie di agglomerazione sector specific e le esternalità derivanti dalla diversificazione settoriale e verificando se gli investitori esteri sono attratti dalle aree distrettuali. Ulteriore obiettivo dell analisi è quello di indagare sul ruolo che svolge la dimensione delle imprese sulla capacità delle aree geografiche di attrarre gli IDE. Un aspetto * Banca d Italia, Servizio Studi. Il lavoro riflette esclusivamente le opinioni dell autore senza coinvolgere l Istituto di appartenenza. Desidero ringraziare per i loro preziosi commenti: Matteo Bugamelli, Giovanni Ferri, Giovanni Iuzzolino, L. Federico Signorini e, in particolare, Massimo Omiccioli.

2 2 Raffaello Bronzini trascurato dalla verifiche empiriche, ma che assume un rilievo particolare nella realtà italiana per il peso che hanno le piccole e medie imprese soprattutto in aree economicamente svantaggiate come il Mezzogiorno. Il lavoro è basato su un nuovo data set sugli investimenti diretti esteri nelle regioni e province italiane reso disponibile dall Ufficio Italiano Cambi. Un vantaggio del data set è la struttura panel dei dati regionali - disponibili per regione e settore - che nell analisi econometrica consente di tenere conto di eventuali variabili omesse o non osservabili a livello regionale e settoriale tramite gli effetti fissi. Peraltro la disponibilità di dati territoriali a differente livello di aggregazione geografica permette di arricchire l analisi econometrica e irrobustirne i risultati. Il presente lavoro si distingue dai precedenti studi sugli IDE territoriali in Italia per una serie di aspetti 1. Innanzitutto si verifica se la diversificazione settoriale e la dimensione delle imprese influenzano le scelte degli investitori esteri, oltre a esaminare l effetto delle economie di agglomerazione sector specific. In secondo luogo si verifica l ipotesi che le regioni e le province a maggiore grado di distrettualità attraggono investimenti dall estero. Infine il lavoro utilizza un nuovo data set che permette di condurre un analisi econometrica di tipo panel. Il lavoro è strutturato come segue. Nel secondo paragrafo è condotta un analisi descrittiva della distribuzione territoriale degli IDE in entrata. Nel terzo paragrafo si discute la letteratura teorica ed empirica sulle economie di agglomerazione e gli investimenti esteri. Nel paragrafo successivo si descrive il modello econometrico, mentre nel paragrafo 5 sono mostrati i risultati delle stime. Il paragrafo 6 conclude. 2. Concentrazione territoriale e autocorrelazione spaziale degli IDE 2.1 I dati regionali e provinciali sugli IDE I dati sugli investimenti diretti esteri (IDE) nelle regioni e province italiane, esaminati in questo lavoro, si riferiscono al periodo compreso tra il 1994 e il I semestre 2000 e sono di fonte UIC. Secondo la metodologia standard si definiscono diretti gli investimenti che stabiliscono un interesse 1 cfr. Basile (2001) e Mariotti e Piscitello (1994).

3 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 3 durevole tra un impresa residente all estero e un impresa residente in Italia. Ricadono quindi nella categoria degli investimenti diretti le acquisizioni di imprese italiane da parte di imprese estere - anche parziali purché al disopra di una quota minima e le fusioni (Merger and Acquisition), così come l insediamento di imprese estere o di stabilimenti di proprietà estera sul territorio italiano (investimenti greenfield). I dati qui impiegati, raccolti dall UIC sulla base delle dichiarazioni bancarie ai fini della compilazione della bilancia dei pagamenti, non permettono di distinguere tra investimenti greenfield e le M&A, hanno però il vantaggio di indicare la provincia e la regione in cui è localizzata l unità produttiva cui si riferisce l investimento 2. In Italia l incidenza degli investimenti esteri sul PIL è stata nel 1999 meno della metà della media dei paesi Ocse; 1 per cento a fronte del 2,5 dei paesi Ocse (OCSE, 2000). Tra le quattro ripartizioni geografiche il rapporto tra gli IDE e il PIL risulta massimo nel Nord-Ovest, con circa l 1,5 per cento nel 2000 e pari a circa lo 0,5 nel Nord Est e Centro; nel Mezzogiorno il rapporto scende ulteriormente (allo 0,03 per cento; fig. 1). Inserire qui la fig. 1 Nel Nord-Ovest lo stock accumulato tra il 1994 e il primo semestre del 2000 supera i miliardi di lire, pari a oltre il 70 per cento del totale nazionale e superiore di cinque volte il valore degli investimenti localizzati rispettivamente nelle regioni del Nord-Est e del Centro (tav. 1). Nel Mezzogiorno i valori registrati appaiono particolarmente contenuti, pari a 872 miliardi. Per le quattro macroaree, i principali paesi di provenienza sono quelli europei, in particolare quelli esterni all Unione Monetaria, guidati dal Regno Unito, e quelli del continente americano 3. Rispetto alla media nazionale, i paesi europei al di fuori dell Unione Monetaria sono relativamente più importanti per il Nord-Est, i paesi dell Unione Monetaria per le regioni centrali, mentre i paesi geograficamente più distanti, localizzati in America e Asia, hanno un peso relativo maggiore per le regioni meridionali. 2 In questo lavoro si farà riferimento sempre agli investimenti in entrata al lordo dei disinvestimenti; dove non altrimenti specificato si tratta di stock calcolati cumulando i flussi di investimenti lordi. 3 Il maggior peso del Regno Unito potrebbe dipendere dal fatto che le principali filiali delle imprese multinazionali extra-europee hanno la loro sede in Europa nel Regno Unito, e che quest ultimo è registrato come paese di provenienza dell investimento.

4 4 Raffaello Bronzini Da un punto di vista settoriale, gli investimenti seguono un profilo relativamente omogeneo tra le macroaree (tav. 2). Il complesso dell attività manifatturiera e i servizi finanziari e assicurativi assorbono circa il 70 per cento degli investimenti effettuati sull intero territorio nazionale e nelle regioni del Nord, e circa il 60 nel Centro-Sud. Nel Centro, quote superiori alla media nazionale sono registrati nei settori finanziario e assicurativo, pubblico ed edile. 2.2 Concentrazione territoriale e autocorrelazione spaziale degli IDE La concentrazione territoriale degli IDE appare molto elevata a livello regionale e ancor più a livello provinciale. Le prime tre regioni (Lombardia, Piemonte e Lazio) assorbono oltre il 60 per cento del totale dello stock accumulato nel periodo (tav. 3); le province di Milano, Roma e Torino detengono oltre la metà del totale degli investimenti esteri (tav. 4). A parte alcune eccezioni, costituite dalle province di Treviso, Ravenna e Aosta, gli investimenti provinciali appaiono relativamente bassi in rapporto al PIL. L esame della concentrazione degli IDE in rapporto al valore aggiunto, per provincia e per regione, tramite le curve di concentrazione di Lorenz e gli indici di Gini, permette di arricchire l analisi descrittiva (fig. 2). Innanzitutto gli investimenti totali in rapporto al PIL appaiono più concentrati se esaminati da un punto di vista provinciale che regionale. In secondo luogo, la concentrazione territoriale registrata nel settore dei servizi risulta superiore a quella del comparto manifatturiero. Infine, la concentrazione a livello territoriale tende ad aumentare tra il 1994 e il L elevata concentrazione registrata a livello provinciale e nei servizi suggerirebbe che le grandi aree urbane esercitano un forte potere di attrazione sugli investimenti provenenti dall estero, soprattutto nel comparto dei servizi. Inserire qui la fig. 2 La relazione tra gli investimenti e il territorio non si esaurisce con l analisi della concentrazione territoriale. A parità di concentrazione, infatti, gli investimenti di aree territoriali vicine potrebbero seguire comportamenti omogenei, mostrando insieme alti o bassi investimenti. In questo caso il fenomeno indicherebbe una distribuzione territoriale

5 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 5 complessivamente più agglomerata rispetto al caso in cui tale omogeneità non ci fosse. Per dare conto di questo fenomeno, che l indice di concentrazione non è in grado di misurare, è necessario ricorrere all analisi dell autocorrelazione spaziale con la quale si verifica se una determinata variabile segue nello spazio un comportamento omogeneo. Ad esempio, un autocorrelazione spaziale positiva degli IDE indica che province geograficamente vicine presentano insieme alti o bassi valori di investimenti; al contrario un autocorrelazione negativa suggerisce una sorta di concorrenza tra le province geograficamente vicine che presentano valori dissimili di IDE. Per verificare l autocorrelazione spaziale è necessario dapprima definire la spatial weight matrix, in cui ciascun elemento w i,j della matrice misura la vicinanza della provincia i alla provincia j. Ad esempio: nella matrice di contiguità w i,j =1 se le province i e j confinano e w i,j =0 altrimenti; invece nella matrice delle distanze w i,j è pari all inverso della distanza chilometrica tra ogni coppia di province. Queste due tipologie di matrici saranno quelle che utilizzeremo per la verifica dell autocorrelazione spaziale tramite il test Moran I 4. La verifica sarà condotta sul rapporto tra gli IDE e il valore aggiunto provinciale calcolati come valori medi sul periodo. Per il totale delle province il test di Moran I indica l esistenza di una dipendenza spaziale del fenomeno (tav. 5). Sia con la matrice di contiguità sia con quella delle distanze emerge un autocorrelazione spaziale positiva degli IDE; nelle province geograficamente prossime gli investimenti tendono quindi ad assumere andamenti simili. Tuttavia, come si può notare dalla tavola, questo fenomeno interessa le province meridionali, ma non quelle del Centro-Nord, per le quali la statistica non appare significativa. In altre parole sembrerebbe che nel Centro-Nord gli investimenti tendano a distribuirsi sul territorio in modo più uniforme rispetto agli investimenti nel meridione. L analisi degli IDE territoriali condotta in questo paragrafo ha messo il luce come gli IDE siano molto concentrati sul territorio nazionale, soprattutto nel settore dei servizi; un effetto che risentirebbe dell'attrazione delle grandi aree urbane. In secondo luogo, sembrerebbe che i fattori geografici, come la distanza tra le unità territoriali, siano significativi nello 4 Moran (1948). Per una discussione dell autocorrelazione spaziale e del test di Moran I cfr. tra gli altri Anselin (1988) e il numero speciale dell International Regional Science Review, vol. 20, n. 1-2 (1997). Il test di Moran I è condotto sotto l'ipotesi di normalità della statistica Z (cfr. oltre).

6 6 Raffaello Bronzini spiegare la distribuzione degli investimenti esteri tra le unità territoriali: province vicine hanno simili livelli di investimenti esteri in rapporto al PIL. Con l analisi econometrica approfondiremo questi aspetti. 3. La letteratura di riferimento 3.1 Distretti industriali ed economie di agglomerazione: i riferimenti teorici Tradizionalmente le economie di agglomerazione esaminate dalla teoria derivano dalla vicinanza geografica di imprese che appartengono alla stessa industria. Tra i principali meccanismi che producono questo tipo di esternalità, denominate anche MAR externalities dai lavori di Marshall Arrow e Romer (cfr. Gleaser et al., 1992), la teoria individua gli spillover tecnologici e la disponibilità di una forza lavoro specializzata. Il primo meccanismo si basa sull idea che la prossimità geografica e i contatti informali facilitano la trasmissione di conoscenza tra le imprese e tra i lavoratori. La rapida diffusione della conoscenza tra imprese concentrate nello spazio, grazie anche all effetto della mobilità della forza lavoro, favorirebbe i processi innovativi, costituendo un traino alla crescita della produttività. Il secondo meccanismo si basa sui vantaggi legati alla creazione di un mercato locale di lavoratori specializzati. Sia le imprese che i lavoratori sarebbero attirati da queste aree; i primi per la disponibilità di un abbondante offerta di lavoro specializzata, i secondi perché la numerosità delle imprese riduce il rischio di rimanere senza occupazione. Ceteris paribus questo processo riduce il premio per il rischio incluso nel salario, aumenta l offerta di lavoro e avvantaggia le imprese che pagano un salario minore ai lavoratori. Un secondo tipo di vantaggio derivante dall agglomerazione di imprese appartenenti allo stesso settore è rappresentato dalle esternalità positive che si generano all interno dei distretti industriali. Rispetto alle MAR externalities le economie di tipo distrettuale presentano, tuttavia, alcune peculiarità che sono legate alle caratteristiche specifiche delle aree distrettuali. Innanzitutto i distretti sono costituiti da sistemi produttivi specializzati in cui assume rilievo la filiera produttiva e non solo il settore merceologico. Nel distretto le imprese sono specializzate in differenti fasi della produzione e sono collegate tra loro da intensi rapporti di sub fornitura: questa profonda divisione del lavoro è uno degli aspetti peculiari dei distretti che favoriscono l efficienza dell intero sistema di produzione

7 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 7 locale. Un ulteriore elemento distintivo delle aree distrettuali è rappresentato dallo stretto legame tra il tessuto produttivo e il tessuto sociale. All interno delle aree distrettuali gli agenti condividono gli stessi valori sociali; questa condivisione favorisce i rapporti di collaborazione tra le imprese e tra i lavoratori e in ultimo potenzia l efficienza del sistema produttivo. Nei distretti infine sono favoriti i processi di innovazione e l adozione di nuove tecnologie grazie alla rapida circolazione delle informazioni e alla forte concorrenza, ma anche di collaborazione, tra le imprese (Pyke et al., 1990; Signorini, 2000). I fattori elencati potrebbero indurre le imprese estere a investire in misura relativamente maggiore nelle aree distrettuali. L insediamento di un impresa estera in un distretto, come l acquisizione di imprese distrettuali da parte di imprese estere, permetterebbe infatti a queste ultime di assorbire lo stock di conoscenza accumulato nelle imprese distrettuali, di beneficiare dei canali di trasmissione di conoscenza attivi all interno del distretto, che in esso risultano particolarmente rapidi ed efficaci, e infine di disporre di una fitta rete di sub fornitori e di manodopera qualificata. Oltre alle economie di agglomerazione collegate a un settore produttivo o a una filiera, la letteratura ha messo in evidenza come ulteriori esternalità positive possano nascere dalla concentrazione territoriale di imprese appartenenti a settori differenti. Questo tipo di economie di diversificazione, chiamate esternalità à la Jacobs (1969), sono basate sull idea che la diversità e la varietà di imprese vicine nello spazio sono in grado di promuovere i trasferimenti di conoscenza e la crescita della produttività. La teoria suggerisce quindi che le aree geografiche più diversificate settorialmente otterranno performance migliori grazie alla trasmissione delle innovazioni e della conoscenza tra le imprese appartenenti a settori diversi. Infine, alcuni autori sottolineano come la dimensione delle imprese localizzate in un area territoriale possa avere effetti sulla produttività complessiva dell area. Porter (1990), ad esempio, sostiene che la concorrenza locale traina la crescita perché spinge le imprese a innovare o adottare più rapidamente le nuove tecnologie. Ne consegue che nei mercati concorrenziali basati sulle piccole imprese i flussi di conoscenza e la crescita della produttività saranno più rapidi 5. Questi ulteriori fattori 5 Per i lavori empirici sulle economie di diversificazione, le esternalità à la Porter e la crescita della produttività cfr.: Gleaser et al (1992), Henderson et al. (1995), Dekle (2002), Cingano e Schivardi (2003).

8 8 Raffaello Bronzini potrebbero spingere gli imprenditori esteri a investire nelle aree più diversificate o in quelle dove prevalgono le imprese di piccole dimensioni. 3.2 Economie di agglomerazione e IDE nella letteratura empirica In base alla teoria economica gli investimenti esteri sono indirizzati verso i paesi o le regioni che permettono di massimizzare i profitti attesi degli investitori. Pertanto nella letteratura empirica i flussi di IDE in entrata sono posti in funzione di una serie di caratteristiche del paese o regione ricevente che si suppongono in grado di espandere i profitti riducendo i costi di produzione o aumentando i ricavi. In generale, i modelli empirici assumono la forma y i =ß'X i, dove y i indica gli IDE localizzati nel paese o regione i e X i è un vettore di appropriate variabili esplicative riferite all'area che riceve gli investimenti 6. Le variabili esplicative utilizzate nella letteratura comprendono, tra le altre, alcune proxy della dimensione del mercato (PIL o PIL pro-capite), la dotazione di infrastrutture, i costi del lavoro, il livello di tassazione e gli incentivi pubblici. Poiché le economie di agglomerazione sono ritenute capaci di ridurre i costi di produzione e quindi di espandere i profitti, molti lavori econometrici utilizzano misure dell agglomerazione come variabili esplicative 7. Nel complesso, i risultati delle verifiche empiriche tendono a confermare la capacità dell agglomerazione di attrarre gli IDE nelle aree geografiche esaminate, che possono variare da aree relativamente estese, come le nazioni o gli stati USA, fino alle 27 province della Cina o alle 11 regioni del Regno Unito. Le analisi empiriche che verificano l effetto dell agglomerazione si trovano ad affrontare due questioni di carattere metodologico. La prima riguarda la scelta di una misura appropriata dell agglomerazione geografica. Su questo punto la letteratura menzionata non segue un approccio unitario, ma al contrario utilizza un ampio ed eterogeneo insieme di indicatori. Ad esempio, da un lato alcuni lavori misurano l agglomerazione con variabili che non sono sector specific: Coughlin et al. (1991) e Wei et al. (1999) usano proxy della densità, misurata dal rapporto 6 Coughlin (1998) presenta un'ampia rassegna della letteratura sugli IDE negli USA. 7 Coughlin et al. (1991), Wheeler e Mody (1992), Woodward (1992), Head et al. (1994, 1995), Braunerhjelm e Svensson (1996), Billington (1999), Wei et al. (1999), Basile (2001), Belderbos and Caree (2001).

9 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 9 tra l occupazione manifatturiera o la popolazione e la superficie dell area; altri considerano il peso del settore manifatturiero misurato con il numero totale di stabilimenti (Woodward, 1992 e Basile, 2001), o con il peso del settore manifatturiero sul PIL (Wheeler e Mody, 1992 e Billington, 1999); altri ancora includono la dotazione di infrastrutture o gli IDE accumulati in precedenza (Wheeler and Mody, 1992). D altra parte, alcuni studi tendono a considerare le esternalità che derivano dalla concentrazione nello spazio di imprese appartenenti allo stesso settore produttivo, in accordo con la letteratura sulle MAR externalities, impiegando variabili che misurano l agglomerazione sector specific. In Braunerhjelm e Svensson (1996) si utilizza un indice di specializzazione settoriale, mentre in Head et al. (1994, 1995) il numero di stabilimenti di imprese estere dello stesso settore già presenti sul territorio. Nonostante il numero di studi che esaminano la relazione tra IDE e agglomerazione scarsa attenzione è stata dedicata alla verifica del ruolo svolto dalle esternalità à la Jacobs o à la Porter, collegate alle caratteristiche della struttura produttiva dell area in termini di diversificazione settoriale delle aree di riferimento e di dimensione media delle imprese. La seconda questione metodologica riguarda la capacità del modello empirico di distinguere l effetto della dotazione regionale di fattori produttivi da quello delle economie di agglomerazione. Infatti, come hanno messo in luce Head et al. (1995) sia le imprese estere che quelle nazionali potrebbero essere attratte dalle regioni che presentano una dotazione di fattori produttivi più favorevole. Quindi la significatività dell agglomerazione nelle stime potrebbe cogliere la correlazione tra la localizzazione di imprese nazionali e imprese estere indotta dalla disponibilità di fattori produttivi, invece di dimostrare l effetto delle esternalità derivanti dall agglomerazione. Per superare questo problema Head et al. (1995), studiando gli IDE negli USA effettuati da imprese giapponesi, inseriscono come variabile di controllo della dotazione di fattori produttivi la distribuzione geografica degli stabilimenti nazionali (il numero di stabilimenti di imprese USA per settore e stato), argomentando che la distribuzione geografica degli stabilimenti nazionali di un settore incorpora tutte le informazioni rilevanti sulla distribuzione degli input usati intensamente da quel settore. Inoltre suggeriscono di introdurre nelle stime effetti fissi geografici e settoriali per tenere conto di tutte le caratteristiche non incluse nel modello. Nonostante l importanza di questo aspetto, nella maggiore parte dei lavori empirici citati non si controlla esplicitamente per l effetto della dotazione fattoriale sugli IDE. Nella nostra analisi

10 10 Raffaello Bronzini cercheremo di tenerne conto tramite la normalizzazione della variabile dipendente. 4. Il modello econometrico 4.1 Il modello regionale e l effetto distretto La variabile dipendente del modello econometrico sono gli investimenti diretti esteri, in ciascuna regione e settore, in rapporto al valore aggiunto della corrispondente regione e settore. La normalizzazione della variabile dipendente soddisfa l esigenza di tenere distinto l effetto dell agglomerazione da quello della dotazione regionale di fattori produttivi. Le imprese tendono a distribuirsi nello spazio sulla base della disponibilità di fattori produttivi; le regioni con maggiori dotazioni fattoriali saranno anche quelle dove maggiore sarà l agglomerazione sia di imprese nazionali che di imprese estere, e quindi dove maggiori saranno gli investimenti dall estero. Nell analisi econometrica è fondamentale poter distinguere l effetto della dotazione dei fattori da quello dell agglomerazione produttiva. Head e Ries (1995) suggeriscono di inserire una variabile di controllo per la dotazione dei fattori che permetta di isolare l effetto dell agglomerazione 8. Nel nostro modello il valore aggiunto settoriale è la variabile che controlla per la dotazione fattoriale della regione: il valore aggiunto settoriale di ciascuna regione approssima la distribuzione dei fattori produttivi nello spazio poiché le imprese tenderanno a localizzarsi nelle regioni più dotate di input da impiegare nel processo di produzione e in queste regioni l offerta sarà maggiore. Il valore aggiunto tuttavia non è stato inserito come variabile esplicativa nel modello perché risultava correlato con alcuni regressori. Si è scelto quindi di scalare gli IDE per il valore aggiunto, per ciascun settore e regione, e utilizzare questo rapporto come variabile dipendente 9. La normalizzazione per il valore aggiunto ha un ulteriore scopo: quello di controllare per le acquisizioni. Per effetto delle acquisizioni di 8 Nel loro modello la variabile di controllo è il numero di stabilimenti di imprese nazionali 9 In una regressione log-lineare degli investimenti esteri sul valore aggiunto, la normalizzazione equivale a vincolare il coefficiente del valore aggiunto all unità. Se il vero coefficiente fosse maggiore di uno il modello risulterebbe mispecificato. In varie stime effettuate il coefficiente del valore aggiunto non è mai risultato significativamente diverso dall unità. Il modello non sembra perciò soffrire di mispecificazione per questo aspetto.

11 settoriali) + ε i,j (1) Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 11 imprese nazionali da parte di imprese estere, il numero di imprese presenti in una regione risulta correlato con il livello di investimenti esteri in entrata nella stessa regione. La normalizzazione degli IDE per il valore aggiunto regionale permette di controllare anche per la correlazione indotta dalle acquisizioni e isolare l influenza delle economie di agglomerazione sugli IDE 10. La variabile dipendente è calcolata sullo stock di investimenti diretti esteri in entrata, al lordo dei disinvestimenti, accumulati dal 1994 al I semestre del 2000, per ciascuna regione e settore. Il modello stimato sui dati regionali assume la seguente forma: (IDEVAG) i,j = α 1 (Specializzazione) i,j + α 2 (Diversità) i,j + α 3 (Small) i,j + α 4 (Big) i,j + α 5 (Distretti Sforzi) i,j + α 6 (Distretti Iuzzol) i,j + α 7 (Distretti Iuzzol2) i,j + α 8 (Infrastrutture) i,j + α i,j (Effetti fissi regionali e dove i e j indicano rispettivamente le 20 regioni e i 10 settori industriali. La prima ipotesi sottoposta a test è che le esternalità positive derivanti dall agglomerazione geografica di imprese appartenenti allo stesso settore, le così dette MAR externalities, attraggano gli investimenti dall estero. Una misura di questo tipo di economie esterne è rappresentato da un indice standardizzato di specializzazione settoriale (Gleaser et al. 1992): Specializzazione = (IS-1)/(IS+1); dove IS=(N i,j / j N i,j )/(N Italia, j / j N Italia,j ), N i,j è l occupazione nella regione i e settore j. La variabile che misura la specializzazione settoriale è una variabile standardizzata che varia tra 1 e 1 (cfr. Paci e Usai, 2000). La seconda ipotesi è che la diversità settoriale di un area geografica produca esternalità positive, ad esempio perché induce spillovers intersettoriali di conoscenza (esternalità à la Jacobs). Peraltro gli spillovers 10 Nel modello di Mariotti e Piscitello (1994) si propone una normalizzazione simile per gli stessi motivi.

12 12 Raffaello Bronzini tecnologici non sono le uniche esternalità che possono derivare dalla diversificazione: gli IDE potrebbero essere attratti perché la concentrazione geografica di imprese che producono beni e servizi differenziati è in grado di ridurre i costi di transazione e quindi espandere i profitti delle imprese localizzate in quelle stesse aree. Il nostro modello non consente di distinguere tra le due fonti di economie esterne che qui consideriamo rientrare all interno di una ampia categoria di economie di agglomerazione non-sector specific. Come proxy di questo tipo di esternalità utilizziamo l indice di Herfindahl relativo (cfr. Henderson, 1995): Diversità i,j = (Herfindahl i,j /Herfindahl Italia,j ); 2 dove Herfindahl i,j = s ; j* j i, j* s 2 i,j*=(n i,j* )/ j* j (N i,j*). Per la regione i e settore j, l indice è misurato su tutti i settori escluso j (j* j). Elevati valori dell indice indicano regioni meno differenziate pertanto la teoria economica predice un segno negativo del relativo coefficiente 11. Il terzo aspetto preso in esame è se, e in che misura, la dimensione media delle imprese presenti nelle aree geografiche sia in grado di attrarre investimenti dall estero. Da un lato Porter (1990) sostiene che mercati concorrenziali favoriscono l innovazione e la diffusione delle informazioni; quindi nelle regioni in cui prevalgono le piccole imprese gli spillover tecnologici sarebbero maggiori e più elevati potrebbero essere gli investimenti esteri. D altro lato, le grandi imprese potrebbero influenzare i flussi di capitali dall estero poiché, in un contesto di informazione imperfetta, la quota di grandi imprese localizzate in un area potrebbe segnalare l efficienza di un area ed elevare la sua reputazione 12. Tramite questo effetto dimostrativo, insieme a potenziali backward o forward linkages, le grandi imprese potrebbero incoraggiare gli investimenti dall estero. Per verificare queste ipotesi abbiamo introdotto due variabili esplicative: Small = (Quota di occupati nelle imprese con meno di 200 dipendenti) i,j /(Quota di occupati nelle imprese con meno di 200 dipendenti) Italia,j. 11 La diversità è stata calcolata includendo anche i servizi. 12 Mariotti e Piscitello (1994) sottolineano l importanza di questo effetto dimostrativo sugli IDE in contesti di informazione imperfetta.

13 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 13 Big = (Quota di occupati nelle imprese con più di 1000 dipendenti) i,j /(Quota di occupati nelle imprese con più di 1000 dipendenti) Italia,j. In vari studi i distretti industriali sono emersi come sistemi locali efficienti, a più alta propensione all export e maggiore produttività 13. Le economie di tipo distrettuale, capaci di migliorare la perfomance delle imprese nei distretti, potrebbero indurre gli imprenditori esteri a investire nelle aree distrettuali. La verifica di quest ipotesi non è tuttavia esente da ostacoli, indotti dalla complessità del fenomeno distretto e dalla conseguente difficoltà di qualificare in modo univoco un area come distrettuale 14. Una prima definizione di distretto, che permette di distinguere tra aree distrettuali e non distrettuali, è quella proposta da Sforzi che si basa sulle caratteristiche dei sistemi locali del lavoro; in particolare la specializzazione settoriale e la prevalenza di piccole e medie imprese 15. Facendo riferimento alla definizione di Sforzi (1990), impiegheremo come misura del grado di distrettualità di una regione la quota di addetti distrettuali sul totale degli addetti regionali: Distretti Sforzi i = ( j Addetti distretti ij )/( j Addetti ij ) dove per ciascuna regione i, gli addetti nei distretti sono gli occupati nei settori di specializzazione j di ciascun comune, appartenente a i, qualificato come distretto dall algoritmo Sforzi-Istat (considerando solo i settori dell industria in senso stretto). La definizione Sforzi-Istat tuttavia, soprattutto per l oggetto di questo lavoro, appare troppo restrittiva. Infatti per essere definito distrettuale dall algoritmo Sforzi-Istat un sistema locale del lavoro (SLL) deve essere specializzato nel settore manifatturiero; l algoritmo quindi esclude i sistemi locali centrati sulle grandi aree urbane in cui è rilevante la presenza del settore terziario, ma dove le economie di agglomerazione possono esercitare un forte potere di attrazione per gli investitori, in particolare per quelli esteri 16. Inoltre, l algoritmo Sorzi-Istat esclude dai Vedi i contributi di Bagella (1998), Bronzini (2000), Fabiani et al. (2000). Per un analisi di questa problematica si veda tra gli altri Cannari e Signorini (2000). Cfr. Sforzi (1990). Ad esempio, l algoritmo Sforzi-Istat non individua come distretto il sistema locale specializzato nei mezzi di trasporto centrato su Torino.

14 14 Raffaello Bronzini distretti quei SLL in cui prevalgono le grandi imprese, ma dove non si può escludere la presenza di economie di agglomerazione. Una definizione alternativa a quella di Sforzi che non soffre dei limiti elencati è quella proposta da Iuzzolino (2002) in cui un distretto è definito come: un insieme continuo di aree territoriali specializzate in un macro settore produttivo, corrispondente a una filiera, e che presenta un elevato grado di agglomerazione. Per approfondimenti sull algoritmo di Iuzzolino si rimanda al lavoro citato, qui preme sottolineare che questo metodo non impedisce di qualificare come distretti né le aree urbane né quelle in cui prevale la grande impresa, come invece succede con il metodo Sforzi 17. Come ulteriore indicatore del grado di distrettualità utilizzeremo quindi la quota di addetti distrettuali sul totale regionale calcolata con l algoritmo proposto da Iuzzolino: Distretti Iuzzol i = ( j Addetti distretti ij )/( j Addetti ij ) dove i=regione, j=settore; si considerano solo gli occupati nei macro settori di specializzazione di ciascun comune dell industria in senso stretto qualificato come distretto dall algoritmo Iuzzolino 18. Il terzo e ultimo indicatore impiegato si differenzia dal precedente per il fatto di essere calcolato per ciascuna regione e anche per ciascun settore: Distretti Iuzzol2 ij = (Addetti distretti ij )/(Addetti Totali ij ) dove i=regione, j=settore; anche in questo caso si considerano solo gli occupati nei macro settori di specializzazione di ciascun distretto dell industria in senso stretto. Una delle determinanti localizzative degli investimenti esteri largamente utilizzata nelle analisi empiriche è rappresentata dalle infrastrutture che, essendo capaci di ridurre i costi di produzione e di trasporto, rappresentano un potenziale fattore di attrazione dei flussi di investimento. Nel complesso l evidenza empirica tende a confortare questa ipotesi mostrando una significatività dell impatto (Coughlin, 1991; Wheleer et al., 1992; Wei et al., 1999; Basile, 2001). In accordo con la 17 Un ulteriore caratteristica è che l agglomerazione è misurata sulle filiere produttive e non sui singoli settori merceologici. 18 Per approfondimenti vedi l appendice.

15 ε i,j (2) Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 15 letteratura citata, le infrastrutture sono quindi inserite nel modello come ulteriore variabile esplicativa. 4.2 Il modello provinciale Il modello stimato sui dati provinciali è simile a quello regionale con alcune differenze indotte dalle caratteristiche dei dati. Innanzitutto, non essendo disponibili i dati settoriali a questo livello di disaggregazione territoriale, il modello è stimato sulla cross-section di 95 province per il totale dell economia (industria e servizi). In secondo luogo, per tenere conto dell autocorrelazione spaziale emersa nell analisi descrittiva, il modello è stato stimato introducendo la variabile dipendente ritardata nello spazio. L equazione stimata è la seguente: (IDEVAG) i = α 1 (IDEVAG_Spatial lagged) i + α 2 (Diversità) i + α 3 (Small) i + α 4 (Big) i + α 5 (Distretti Sforzi) i + α 6 (Distretti Iuzzol) i + α 7 (Distretti Iuzzol2) i α 8 (Infrastrutture) i + α g (Effetti fissi geografici) + 5. La strategia di stima e i risultati Il modello regionale è stato stimato nei logaritmi. L assenza di investimenti esteri in alcune regioni e settori ha indotto a stimare un modello Tobit con il metodo della massima verosimiglianza sotto l ipotesi di normalità degli errori. Il controllo per gli effetti fissi è stato effettuato con dummy additive La stima di massima verosimiglianza di un modello Tobit con effetti fissi non produce stime consistenti dei parametri per T fisso e N (cfr. ad esempio Baltagi, 1995; Arellano e Honoré, 2001). Il problema econometrico è quello dei modelli con variabile dipendente discreta (logit, probit) ed effetti fissi in cui il numero di parametri aumenta con il numero di osservazioni e non esiste la possibilità di "eliminare" gli effetti fissi trasformando il modello come nel caso lineare. Honoré (1992) propone uno stimatore semi parametrico di modelli Tobit con effetti fissi consistente e asintoticamente normale. Tuttavia, allo stesso tempo dimostra, con un esperimento Monte Carlo, che la distribuzione asintotica dello stimatore è una buona approssimazione di quella (continues)

16 16 Raffaello Bronzini Il modello provinciale è stato stimato nei logaritmi sulla crosssection delle 95 province esistenti nel A causa dell endogeneità della variabile dipendente ritardata nello spazio, le stime che la includono sono effettuate con variabili strumentali (Anselin, 1988) utilizzando come strumento le infrastrutture ritardate nello spazio tramite la matrice della contiguità 20. I dati sugli IDE sono disponibili dal 1994; per evitare eventuali problemi di endogeneità dei regressori le variabili esplicative, con la sola eccezione delle infrastrutture, si riferiscono al Alcune statistiche descrittive del campione regionale sono mostrate nella tavola 6. I risultati del modello regionale sono riportati nella tav. 7. Le tre variabili distrettuali essendo correlate tra loro sono state inserite nelle stime una alla volta. Poiché il grado di distrettualità è una caratteristica che all interno della stessa regione ha una bassa varianza intersettoriale non sono stati inseriti in questa prima fase gli effetti fissi regionali, ma solo quelli settoriali. Nelle prime tre colonne della tavola il modello è stato stimato solo con le variabili che misurano il grado di distrettualità, gli effetti fissi settoriali e le dummies area: le variabili distrettuali appaiono significative con segno positivo. Tuttavia, nel modello allargato (colonne 4-6) solo la variabile Distretti Iuzzol risulta significativa, insieme alla specializzazione settoriale e al peso delle imprese di grandi dimensioni. La presenza di imprese di piccole dimensioni e la diversificazione settoriale non sembrerebbero avere effetti sugli investimenti. Nella letteratura le infrastrutture sono considerate un fattore importante capace di attrarre gli investimenti dall estero. Nelle colonne (7)- (9) il modello include questa ulteriore variabile che risulta altamente effettiva solo se N 200, mentre per N piccolo la distribuzione asintotica non approssima adeguatamente quella effettiva. D'altra parte i risultati di Heckman (1981) inducono a non sopravvalutare la distorsione indotta da stime di MV condotta con dummy additive in queste classi di modelli. Egli dimostra infatti, con esperimenti Monte Carlo, che le stime di MV di un modello probit statico con effetti fissi presenta una distorsione trascurabile se N non è troppo grande in rapporto a T (negli esperimenti N=100 e T=8). Sulla base di questi risultati Arellano (2000) suggerisce di stimare con il metodo della massima verosimiglianza i modelli non lineari con effetti fissi se il rapporto N/T è finito e non troppo elevato. Poichè nel nostro caso la struttura del panel rientra in quest'ultima categoria (i=20 e j=10), seguendo Braunerhjelm P., Svensson R. (1996) si è deciso di stimare il modello con il metodo della massima verosimiglianza e con dummy additive. 20 Gli investimenti e le infrastrutture ritardati nello spazio sono apparse variabili molto correlate tra di loro, con un coefficiente di correlazione pari a circa 0,78.

17 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 17 significativa e con segno positivo. La specializzazione settoriale rimane molto significativa, mentre le variabili distrettuali perdono di significatività. Dal complesso dei risultati ottenuti non sembra emergere una robusta relazione tra i flussi di investimenti in entrata e i distretti industriali, mentre la specializzazione risulta significativamente correlata agli IDE. Può essere interessare verificare se la specializzazione settoriale in regioni considerate come altamente distrettuali ha un effetto differenziale significativo: in altre parole se le aree specializzate e anche distrettuali attraggono più investimenti dall estero rispetto alle regioni che sono solo specializzate. Nelle prime tre colonne della tav. 8 sono presentati i risultati del modello stimato con le variabili interazione tra la specializzazione e dummy distretto che assumono valore pari a uno nelle regioni altamente distrettuali 21. Non sembra che le aree specializzate e distrettuali presentino una maggiore capacità di attrazione degli IDE rispetto alle aree solo specializzate: le sole variabili significative che emergono dalle stime rimangono la specializzazione e le infrastrutture. Nelle colonne 4-7 si mostrano i risultati delle stime con gli effetti fissi regionali e con i regressori che variano tra settori. I risultati sulle variabili distrettuali rimangono immutati: sia le variabili interazioni che il grado di distrettualità (Distretti Iuzzol2 ) non sono significative. La specializzazione rimane molto significativa, mentre cambiano i risultati che riguardano la diversificazione settoriale che ora è significativa e con il segno negativo atteso: ad una maggiore diversificazione, misurata da un minor valore dell indice di Herfindhal, corrispondono maggiori investimenti dall estero. Risultati qualitativamente simili si ottengono se si modificano le soglie delle variabili che misurano la dimensione delle imprese (da 200 a 50 addetti per Small e da 1000 a 500 per Big), se si escludono le regioni in cui la concentrazione degli investimenti è più elevata (in particolare Lombardia, Lazio e Piemonte) e infine modificando le soglie critiche per la definizioni delle dummy distretto nei modelli di tavola 8. I risultati delle stime del modello provinciale sono riportati nella tavola 9. Nelle prime due colonne il modello comprende, insieme alle 21 La variabile è calcolata come interazione tra la specializzazione e una dummy distretto che assume valore pari a 1 se la corrispondente variabile continua che misura il grado di distrettualità supera il terzo quartile. L utilizzo di soglie differenti per la dummy distretto non ha modificato i risultati.

18 18 Raffaello Bronzini dummies regionali, le infrastrutture, che risultano significative con segno positivo, e le variabili che misurano il grado di distrettualità che non appaiono significative. Nelle successive colonne (3-6) sono riportati i risultati del modello completo stimato prima con la variabile che misura il peso delle grandi imprese e poi con quella che quantifica il peso delle piccole imprese; essendo molto correlate tra loro le due variabili sono state inserite separatamente nelle stime. Nei modelli 3 e 4 emerge solo l effetto delle infrastrutture, mentre dai modelli 5-6 risulta che gli IDE sono scoraggiati se nella province prevalgono le piccole imprese. La perdita di significatività del coefficiente delle infrastrutture potrebbe dipendere dalla presenza di multicollinerità; le infrastrutture e la quota di piccole imprese risultano infatti correlati negativamente 22. Nella tavola 10 il modello include la variabile dipendente ritardata nello spazio che, essendo endogena, rende necessaria la stima con variabili strumentali. Seguendo le indicazioni di Anselin (1988), abbiamo scelto come strumento una variabile esplicativa ritardata nello spazio: le infrastrutture ci è sembrata la variabile appropriata data la sua elevata correlazione con la dipendente ritardata (pari a 0,78) 23. In questi modelli le dummy regionali sono state sostituite con quattro dummy area a causa della loro correlazione con la dipendente ritardata nello spazio. I risultati della stima con variabili strumentali appaiono relativamente simili a quelli ottenuti fino ad ora. Le proxy del grado di distrettualità non sono significative, mentre l unica variabile statisticamente significativa risultano le infrastrutture nel modello ridotto (colonne 1-2). Nel complesso la verifica econometrica porta ad escludere la presenza di significative relazioni tra le aree distrettuali e gli investimenti esteri: il grado di distrettualità basato sull algoritmo di Sforzi non risulta mai significativo, probabilmente anche per il fatto di escludere dai distretti le aree urbane e quelle in cui sono presenti le grandi imprese. Alcune evidenze emergono dal grado di distrettualità misurato con l algoritmo di Iuzzolino (2002); tuttavia tali risultati non sembrano robusti all inclusione nel modello di ulteriori variabili esplicative, come ad esempio le infrastrutture. 22 Con un coefficiente di correlazione pari a Per ritardare le variabili nello spazio si è utilizzata la matrice delle contiguità.

19 Distretti industriali, economie di agglomerazione e investimenti esteri in Italia 19 Le infrastrutture appaiono nel complesso significativamente correlate con gli IDE, un risultato coerente con quelli emersi in numerosi lavori empirici. Inoltre gli IDE sembrerebbero attratti dalla specializzazione settoriale delle regioni: più un area è specializzata in un settore e più tende ad attrarre investimenti esteri in quel settore. Un evidenza che supporta l ipotesi della presenza di MAR externalities emersa anche in altri studi (Braunerhjelm e Svensson, 1996). Questo risultato, in apparente contrasto con la non significatività dell effetto distretto, è da mettere in relazione con il fatto che i distretti sono considerati aree specializzate in intere filiere produttive e non solo in singoli settori. Sembrerebbe perciò che per gli investitori esteri siano più rilevanti i vantaggi derivanti dalla concentrazione territoriale di imprese appartenenti allo stesso settore, grazie agli spillover tecnologici o alla disponibilità di manodopera specializzata, e meno importanti i vantaggi derivanti dalla concentrazione di imprese collegate tra loro da rapporti di filiera, i così detti forward and backward linkages. Nel modello regionale, inoltre, la diversificazione settoriale appare in grado di attrarre investimenti dall estero: nelle regioni che presentano un offerta di beni e di servizi differenziata gli investimenti esteri risultano maggiori. Gli IDE in un area non sembrano invece dipendere dalla dimensione delle imprese: nella gran parte dei modelli stimati le quote relative di imprese di grandi e di piccole dimensioni non hanno una relazione statisticamente significativa con gli IDE. 6. Conclusioni In questo lavoro si sono esaminati gli investimenti esteri in entrata nelle regioni e province italiane nel periodo L analisi descrittiva ha messo in luce come gli investimenti esteri siano fortemente concentrati sul territorio, con una quota marginale assorbita dalle regioni meridionali. La concentrazione territoriale appare inoltre più elevata nei servizi ed esaminando le aree più piccole come le province: un indice del forte potere di attrazione esercitato dalle grandi aree urbane sugli investitori esteri. L analisi econometrica ha permesso di verificare l effetto di alcune caratteristiche della struttura produttiva locale sugli investimenti esteri come la specializzazione, il grado di distrettualità, la dotazione di infrastrutture, la diversificazione settoriale e la dimensione delle imprese.

20 20 Raffaello Bronzini La specializzazione produttiva è un fattore che emerge fortemente correlato con gli investimenti in entrata: le aree più specializzate attraggono più investimenti dall estero; un risultato a sostegno delle teorie sulle MAR externalities che si ritrova nelle precedenti analisi empiriche. I risultati porterebbero invece ad escludere la presenza di un effetto distretto sugli investimenti esteri: nella maggior parte delle regressioni il grado di distrettualità non risulta significativo, anche se misurato con metodi alternativi. Se da un lato i distretti si presentano come aree territoriali efficienti, con imprese mediamente più produttive e con una maggiore propensione all export, dai risultati ottenuti essi non sembrano attrarre gli investimenti dall estero. Una delle possibili spiegazioni potrebbe risiedere nel fatto che i distretti rappresentano aree socioeconomiche autocontenute relativamente chiuse all esterno. Il forte legame tra il tessuto produttivo e quello sociale potrebbe favorire l imprenditoria locale, ma rappresentare un ostacolo per soggetti imprenditoriali esterni al distretto come quelli esteri. Se l investitore estero fosse considerato un estraneo dalla comunità locale, i vantaggi informativi derivanti dall essere localizzato in un distretto, così come i vantaggi derivanti dalla disponibilità di una abbondante manodopera locale, verrebbero a cadere. Gli imprenditori esteri non beneficerebbero quindi di quei vantaggi localizzativi che secondo la teoria favoriscono le imprese distrettuali 24. Un ulteriore indicazione che emerge è che gli stretti legami tra le imprese della stessa filiera produttiva, tipici dei distretti industriali, non sembrano rilevanti per gli investitori esteri, mentre sembrano contare i vantaggi derivanti dalla concentrazione territoriale di imprese dello stesso settore produttivo. In accordo con un ampia evidenza empirica, le infrastrutture appaiono un fattore importante per attrarre gli investimenti dall estero. Le aree più dotate di infrastrutture sono anche quelle con la maggiore presenza di imprese estere. Inoltre, la diversificazione settoriale risulta significativamente correlata con gli IDE: le aree in cui si riscontra una maggiore varietà di offerta di beni e servizi attraggono più investimenti dall estero. 24 Alcune evidenze empiriche sulla chiusura delle aree distrettuali rispetto agli investitori esteri si ritrovano in Mariotti e Mutinelli (2001), La formazione di gruppi multinazionali nei distretti, in Brioschi e Cainelli, Diffusione e caratteristiche dei gruppi di piccole e medie imprese nelle aree distrettuali, Milano: Giuffré Editore, 2001.