The determinants of industrial agglomeration

Eleonora Olla and Raffaele PaciUniversity of Cagliari, CRENoS

Outline

• Introduzione• Indici di concentrazione• Metodologia e research question • Analisi descrittiva• Stima

1. IntroduzioneDistribuzione totale degli addetti per SLL(2001)

Differenza tra agglomerazione e concentrazione

Figura 1

a b

3 3  

 

  3  

3 3   3   3

        3  

Modifiable Areal Unit Problem (MAUP)

Figura 2

c d

12

6 3

3

Indicatore di autocorrelazione spaziale I di Moran:

2

1

N

ij i jij

N

ii

w x x x xN

IS x x

Dove wij misura l’intensità della connessione esistente tra ogni coppia di regioni ij, xi e xj rappresentano le variabili da analizzare nella regione i e j, N è la dimensione del campione.Per N grande la I di Moran standardizzata Z(I) si distribuisce come una normale standardizzata, quindi per un valore di Z(I) non significativo non si può rifiutare l’ipotesi nulla di assenza di autocorrelazione spaziale, mentre un valore positivo o negativo significativo indicherà la presenza di autocorrelazione positiva o negativa.

2. Indici di concentrazione

• Indice di Gini (indice utilizzato prima che venisse proposto l’indice EG)

• Limiti dell’indice di Gini• Modello EG

• Ogni j-esima industria è composta da K imprese• M unità geografiche • Assunzione del modello: la k-esima impresa sceglie la sua

localizzazione in modo tale da massimizzare il profitto, che deriva dalla localizzazione nell’area i

• dove è una variabile casuale che indica la profittabilità della localizzazione nell’area i per un’impresa data da caratteristiche osservabili e non osservabili dell’area v; g cattura gli effetti di spillover generati dalle imprese precedentemente localizzate in quell’area, e è il termine di errore

1 1log log ,...,ki i i k kig v v

Indice di Ellison and Glaeser (1997)

Variabile casuale che cattura gli effetti dei natural advantages, che sono stabiliti all’inizio del processo quando si assegnano le risorse ambientali ad ogni area. Il suo valore atteso indica la profittabilità media della localizzazione nell’area i, mentre la varianza rappresenta la sensibilità dei profitti al buon posizionamento.

L’importanza dei natural advantages è catturata dal parametro:

0,1na

i

dove xi è la quota dell’occupazione totale nell’area i.

Per na = 0 le caratteristiche di un’area non producono alcun effetto sulla profittabilità delle imprese di localizzarsi in quell’area, la scelta di localizzazione sarà quindi indipendente e la probabilità che un’impresa si localizzi nell’area i sarà pari a xi.

Per na = 1 le caratteristiche dell’area sono talmente importanti da far sì che tutte le imprese si localizzino nell’area che presenta le migliori condizioni naturali.

var 1naii i

ij

x x

Il modello EG presuppone che l’esistenza di knowledge spillovers tra impianti sia una relazione simmetrica e transitiva, che deriva dal processo di decisione di localizzazione, in cui il k-esimo impianto sceglie dove localizzarsi tenendo in considerazione solo la localizzazione dei precedenti k-1 impianti.

Si avrà quindi un equilibrio di un modello di aspettative razionali, in cui la distribuzione finale degli impianti è indipendente dall’ordine in cui gli impianti scelgono dove localizzarsi.

I knowledge spillovers sono inclusi nel modello EG tramite il parametro:

0,1s

dove ekl è una variabile casuale bernoulliana uguale ad 1 con probabilità s che indica l’esistenza di spillovers tra ogni coppia di impianti, e uli è un indicatore della localizzazione dell’impianto l nell’area i.

log log 1ki i kl li kil k

e u

Assumendo che:

EG si basano su una misura della concentrazione geografica per ogni j-esima industria:

2

1

M

j i ii

G s x

dove si è la quota dell’occupazione per industria dell’area i, e xi è la quota dell’occupazione totale dell’area i.

G rappresenta un indice di Herfindhal relativo, che può assumere un valore compreso tra 0 e 2, avrà valore 0 se l’occupazione dell’industria j si distribuisce nel territorio allo stesso modo dell’occupazione totale di tutte le industrie

Per stabilire che tipo di relazioni esistono tra il valore atteso di G e i parametri che caratterizzano l’importanza dei natural advantages e degli spillover sulla scelta di localizzazione delle imprese, EG ottengono dal modello di scelta di localizzazione la seguente equazione:

2

1

1 1M

ii

E G x H

na s na s

2k

k

H z

H è l’indice di Herfindahl della distribuzione della dimensione degli impianti per industria, zk è la quota dell’occupazione di un’industria per la k-esima impresa.

• L’equazione precedente mostra la presenza di una equivalenza tra gli effetti dei natural advantages e degli spillover sul livello di concentrazione atteso.

• Risulta quindi possibile costruire un indice di concentrazione che tiene conto delle differenze nelle caratteristiche delle industrie, senza conoscere quale combinazione di natural advantages o spillover è responsabile dell’agglomerazione di ogni industria.

• L’indice EG di concentrazione geografica è quindi costruito in questo modo:

2

1

2

1

1

1 1

M

j i ji

j M

i ji

G x H

x H

Cod_sll Nome_sll settore930 TOT H s x g x^2 indiceEG1 Bardonecchia 81 3260 6.06E-06 0.000256 0.000197 3.48E-09 3.88E-08 0.0005222 Cirie' 671 29852 0.002122 0.001805 1E-07 3.26E-063 Ivrea 688 38063 0.002175 0.002301 1.58E-08 5.29E-064 Pinerolo 818 34241 0.002586 0.00207 2.67E-07 4.28E-06… … … … … … … … …

686 Terralba 79 3170 0.00025 0.000192 3.38E-09 3.67E-08ITALIA 316284 16541393 1 1 0.000519 0.017654

Calcolo dell'indice EG

Indice di Maurel e Sedillot (1999)• Calcolano la probabilità congiunta che due impianti si

localizzino in una stessa regione • Sebbene le espressioni per EG e MS sono diverse,

in valore atteso i due indicatori risultano uguali tra di loro

• G’ rappresenta l’indice di concentrazione a livello geografico

Indice di Devereux, Griffith e Simpson (1999)

Problema per N>K (più regioni che impianti). Se due settori presentano:

• uno stesso numero di regioni della stessa dimensione,• un diverso numero di impianti anch’essi della stessa

dimensione• e ripartiti uniformemente tra un sottoinsieme di

regioniil valore dell’indice MS sarebbe maggiore nel settore con

il minor numero di impianti, anche se in tutti e due i casi sono assenti forze agglomerative.

È compreso tra -1 e 1.K* = min(N, K) ovvero K* è pari al valore minimo tra il numero delle

regioni N e quello degli impianti K. La concentrazione geografica è misurata rispetto al numero massimo di regioni che possono contenere impianti definito da K*.

• Questo indice non è derivato da un modello probabilistico.• La concentrazione geografica, corrispondente all’espressione

nella prima sommatoria, e quella a livello di impianto, data dal secondo termine nella parentesi, sono calcolate rispetto a una ipotesi di equidistribuzione dell’occupazione tra le regioni e tra gli impianti; ciò equivale ad utilizzare una misura di concentrazione assoluta e non relativa.

3. Metodologia e research question

Micorfundations marshalliane:• Input sharing• Labor market pooling • Knowledge spillovers

Determinanti Proxies Livello settori Fontimanifattura servizi

Y Y 3digitbanca dati CRENoS

sulle domande di brevetto all'EPO

Y Y 2digit ISTAT: microdati

Net productivity of labour Y Y 3digitISTAT: conti economici

delle imprese

Y Y 2digit ISTAT: microdati

Manufactured inputsper $ of shipment

Y Y 3digitISTAT: conti economici

delle imprese

Nonmanufactured inputsper $ of shipment

Y Y 3digitISTAT: conti economici

delle imprese

Energy per $ shipment Y N 3digit

ISTAT: consumi energetici

delle imprese industriali

Natural resources per $ shipmentWater per $ shipment

open Open Y N 3digit

ISTAT: annuario statistico italiano,

ch.7 commercio con l'estero

input sharing

natural advantages

Settori economici

knowledge spilloversInnovations per $ of shipment

for small and big firms

labour market pooling

Doctorates/Master/Bachelor's degree

4. Analisi descrittiva

• Unità geografica: 686 SLL;• Periodo temporale: 2001;• Settori economici: 182, di cui 101

manifatturieri e 81 dei servizi;• Classificazione: ATECO91 3-digit

Tabella 1 - Italia. Il numero dei SLL per ripartizione geografica (1981-1991-2001).

 

           

Ripartizione geograficaNumero

SLL 1981

NumeroSLL

1991

NumeroSLL

2001

Differenza1991-1981

Differenza2001-1991

Differenza2001-1981

             

Italia Nord-occidentale 228 140 114 -88 -26 -114

Italia Nord-orientale 177 143 119 -34 -24 -58

Italia Centrale 160 136 128 -24 -8 -32

Italia Meridionale 262 237 203 -24 -34 -59

Italia Insulare 128 128 122 0 -6 -6

Italia 955 784 686 -171 -98 -269

             

Fonte: ISTAT 2005

Tabella 2 - Italia. Dimensione dei SLL per Ripartizione geografica. Territorio, popolazione e dimensione media (2001).

               

  Territorio Popolazione Dimensione media

Ripartizione geografica n° SLL Comuni kmq   Comuni/SLL kmq/SLL Pop/SLL

               

       

Italia Nord-occidentale 114 3061 57946 14938562 27 508 131040

Italia Nord-orientale 119 1480 61978 10634820 12 521 89368

Italia Centrale 128 1003 58348 10906626 8 456 85208

Italia Meridionale 203 1790 73264 13914865 9 361 68546

Italia Insulare 122 767 49793 6600871 6 408 54106

Italia 686 810130132

8 56995744 12 439 83084

               

Fonte: Elaborazione su dati ISTAT

ATECO Nome settore indice EG ATECO Nome settore indice EG52 Commercio al dettaglio 0.001 34 Fabbricazione di autoveicoli 0.06450 Commercio, manutenzione e riparazione di autoveicoli 0.001 73 Ricerca e sviluppo 0.03555 Alberghi e ristoranti 0.002 19 Preparazione e concia del cuoio 0.03451 Commercio all'ingrosso 0.003 17 Industrie tessili 0.034

60+61+62 Trasporti 0.003 24 Fabbricazione di prodotti chimici 0.026

Settori industriali che presentano valori dell'indice EG per settori 2digit maggiori e minori

Valori bassi dell'indice EG Valori alti dell'indice EG

ATECO Nome settore indice EG ATECO Nome settore indice EG672 Attivita' ausiliarie delle assicurazioni e dei fondi 0.000 621 Trasporti aerei di linea 0.437742 Attivita' in materia di architettura, di ingegneria ed 0.000 263 Fabbricazione di piastrelle e lastre in ceramica 0.351527 Riparazione di beni di consumo personali e per la casa 0.000 612 Trasporti per vie d'acqua interne 0.349930 Altre attivita' dei servizi 0.001 191 Preparazione e concia del cuoio 0.223521 Commercio al dettaglio in esercizi non specializzati 0.001 223 Riproduzione di supporti registrati 0.191

Settori industriali che presentano valori dell'indice EG per settori 3digit maggiori e minori

Valori bassi dell'indice EG Valori alti dell'indice EG

nome variabile definizione fonte anno MEDIA SD MAX MIN Obs.

indiceEG variabile dipendente 2001 0.034 0.059 0.437 0.000 182

patent2001 patent applicationsCRENoS's

database of EPO's patent applications

2001 20.411 45.124 306.471 0.000 182*

prod.2001 labour productivity ISTAT 2001 44.093 26.870 217.570 12.763 177

acqM2001

the ratio of the cost of products

purchased to the value of shipment

ISTAT 2001 0.420 0.234 0.936 0.014 177

acqS2001

the ratio of the cost of services

purchased to the value of shipment

ISTAT 2001 0.268 0.145 0.818 0.015 177

energy2001

the ratio of the cost of energy

purchased to the value of shipment

ISTAT 2001 0.026 0.030 0.178 0.001 97

open2001 degree of openess ISTAT 2001 0.806 0.810 6.334 0.026 92*compresi i settori che presentano valore 0

Statistica descrittiva delle variabili esplicative

Stima (I)

variabili dipendenti Coeff. P-valuelnpatent -0.213 0.000lnprod -0.709 0.000lnacqm -0.100 0.798lnacqs 0.725 0.010lnsize 0.331 0.002lnopen 0.434 0.000R^2 0.955obs. 92

Regressione OLS. Indice EG variabile dipendente.Manifattura. Anno 2001

Stima (II)

variabili dipendenti Coeff. P-valuelnprod -0.330 0.098lnacqm 0.896 0.000lnacqs 2.185 0.000lnsize 0.452 0.028R^2 0.908obs. 76

Regressione OLS. Indice EG variabile dipendente.Servizi. Anno 2001

Stima (III)

variabili dipendenti Coeff. P-valuelnprod 1.073 0.000lnacqm 0.450 0.000lnacqs 0.979 0.000lnsize 0.394 0.000cons -7.120 0.000R^2 0.435obs. 177

Regressione OLS. Indice EG variabile dipendente.Manifattura e Servizi. Anno 2001