L

1
Lindicatore di attività economica regionale
-RegiosS, Cycles Trends
Laurea magistrale in statistica economia e
impresa Politica economica corso avanzato a.a.
2008-2009

• Lezione di
• Federica Benni
• 21 Novembre 2008

2
Gli indicatori di sviluppo economico

• sono un utile strumento per i policy-maker per
  conoscere ed analizzare le singole realtà
  territoriali
• di fondamentale importanza per lo studio dello
  sviluppo locale
• permettono di analizzare le caratteristiche del
  ciclo economico locale e di avere unistantanea
  delle condizioni economiche congiunturali di
  ciascun territorio.

3
I dati regionali disponibili

• Il prodotto interno lordo è la variabile
  comunemente utilizzata come indicatore della
  crescita economica di un Paese o di una regione
  ma
• lIstat produce le statistiche dei conti
  economici territoriali con notevole ritardo e a
  cadenza annuale.
• Però a livello regionale è disponibile un ampio
  set di variabili a frequenza elevata.

4
I dati regionali

• Indagine sulla fiducia delle imprese (fonte
  Isae)
• Indagine sulla fiducia dei consumatori (fonte
  Isae)
• Esportazioni e importazioni (fonte Istat)
• Rilevazione sulle forze di lavoro (fonte Istat)
• Demografia delle imprese (fonte Unioncamere)
• Immatricolazioni di automobili (fonte Anfia)
• Prezzi al consumo (fonte Istat).

5
Indagini Isae

• Rilevazione imprese manifatturiere ed estrattive
• Indagine mensile riferita al mese corrente
• 18 domande finalizzate ad ottenere una
  valutazione dellandamento delleconomia corrente
  e sulle aspettative delle imprese per il prossimo
  futuro in relazione alle principali variabili
  aziendali.
• Rilevazione sulla fiducia dei consumatori
• Indagine mensile riferita al mese corrente
• 15 domande riguardanti lopinione dei consumatori
  sulla situazione economica generale e personale
• Serie storiche calcolate per le quattro
  ripartizioni geografiche (Nord Ovest, Nord Est,
  Centro e Mezzogiorno).

6
Dati Istat

• Esportazioni
• Serie mensili scaricabili dal sito dellIstat
• Dati disponibili dal 1991 e aggiornati con circa
  due mesi di ritardo rispetto alla data corrente.
• Importazioni
• Serie trimestrali scaricabili dal sito
  dellIstat
• Dati disponibili dal 1991 e aggiornati con circa
  tre mesi di ritardo rispetto alla data corrente.
• Rilevazione sulle forze di lavoro
• Rilevazione continua, i dati vengono raccolti in
  tutte le settimane dellanno
• Dati diffusi con frequenza trimestrale.
• Prezzi al consumo
• Dati a frequenza mensile, pubblicati quindici
  giorni dopo la fine del mese di riferimento.

7
Dati regionali

• Demografia delle imprese
• Serie trimestrali delle imprese attive, iscritte
  e cessate presenti sul territorio
• Dati pubblicati quindici giorni dopo la fine del
  periodo di riferimento e disponibili on-line sul
  sito di Infocamere.
• Immatricolazioni di automobili
• Dati mensili disponibili con un ritardo di circa
  un mese rispetto alla data corrente.

8
Variabili utilizzate nellanalisi
9
Trasformazioni effettuate

• Variabili ISAE fiducia delle imprese e dei
  consumatori standardizzazione.
• Prezzi al consumo e dati contesto internazionale
• 1) Differenze prime,
• 2) Standardizzazione.
• Immatricolazioni di automobili
• 1) Variazione anno/anno,
• 2) Standardizzazione.

10
Trasformazioni effettuate

• Dati commercio estero
• 1) Mensilizzare le importazioni,
• 2) Destagionalizzare i dati,
• 3) Variazione anno/anno,
• 4) Standardizzazione delle serie.
• Dati mercato del lavoro
• 1) Destagionalizzare i dati,
• 2) Serie degli occupati variazione anno/anno,
• 3) Standardizzazione delle sei serie.
• Dati movimprese
• 1) Destagionalizzare i dati,
• 2) Variazione anno/anno,
• 3) Standardizzazione.

11
Mensilizzazione delle serie
Le importazioni sono state mensilizzate
effettuando una disaggregazione temporale,
utilizzando come variabile di riferimento le
esportazioni (Chow-Lin).
Caricamento della serie da mensilizzare e di
riferimento t,n size(expmese) impmese
zeros(t,n) for i120 Y imptrime(,i) x
expmese(,i) Scelta dei parametri per la
mensilizzazione Type of aggregation ta1
Frequency conversion s3 Method of
estimation type0 Name of ASCII file for
output file_sal'td.sal' Chiamata della
funzione loutput è immagazzinato nella
variabile res reschowlin(Y,x,ta,s,type)
Calling printing function output1 Include
series td_print(res,file_sal,output) edit
td.sal Calling graph function
td_plot(res) one res.y impmese(,i)
one end dlmwrite('c\software\aggregation\imp
mese.out',impmese, '')
12
Destagionalizzazione delle serie
Esempio
series title "ATTIVE" start 1991.1
name "ATTIVE" file attive.dat
regression variables(easter6)
variables(const) automdl maxorder
(3 1) maxdiff (1 1) or diff (1 0)
acceptdefault no checkmu yes
ljungboxlimit 0.99 mixed yes print
(none bestfivemdl autochoice) savelog
automodel pickmdl mode both method
best file "X12amod1.mdl" fcstlim
25.0 bcstlim 25.0 qlim 15.0
overdiff 0.99 identify all
outofsample yes forecast save
(forecasts)
13
Fondamenti metodologici

• Modelli dinamici fattoriali
• - Diffusion Indexes (Stock e Watson, 1998)
• Criteri informativi
• - Panel Information Criteria (Bai e Ng, 2002)
• Algoritmo EM (Expectation Maximization)
• - Stock e Watson 2002

14
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Siano
• - yt la serie storica della variabile oggetto
  di studio
• - Xt una serie storica N-dimensionale che
  contiene
• informazioni utili per prevedere yt1
• Xt viene definita dalla struttura fattoriale

15
Modelli dinamici fattoriali (Stock e Watson,
1998)
Se lobiettivo è individuare ,
allora dove
16
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Modello fattoriale statico , et serialmente
  incorrelati, Ft ed eit mutuamente incorrelati
  ed i.i.d.
• Modello fattoriale statico approssimato i
  fattori idiosincratici possono essere
  debolmente correlati tra le serie
• Modello fattoriale dinamico statico è una
  riscrittura di un modello fattoriale dinamico
  standard in modo da rendere statica la matrice
  dei punteggi fattoriali.

17
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Si assuma che
• Xt panel bilanciato
• eit serialmente indipendenti

18
Modelli dinamici fattoriali (Stock e Watson,
1998)

• Minimizzare
• Individuare lo stimatore che minimizza il
  quadrato degli scarti, dove

19
Modelli dinamici fattoriali (Stock e Watson,
1998)

• sono gli elementi che minimizzano la
  funzione obiettivo e soddisfano le seguenti
  condizioni

20
Criterio Informativo (Bai e Ng, 2002)

• Sia la matrice stimata per un numero k
  di fattori
• Sia
• la funzione obiettivo da minimizzare
• Allora, la scelta del numero corretto k di
  fattori andrà effettuata minimizzando una
  funzione del tipo
• in cui g è funzione sia di N che di T.

21
Criterio Informativo (Bai e Ng, 2002)

dove
22
Algoritmo EM (Stock e Watson, 2002)

• Funzione obiettivo da minimizzare
• dove Iit1 se Xit è un valore osservato e Iit
  0 altrimenti
• La j-esima iterazione è calcolata come

23
Algoritmo EM (Stock e Watson, 2002)

• La serie mensile non osservata Xit viene
  misurata solo al tempo aggregato Xqit , dove
• Xqit (1/12)(Xi,t-12Xi,t-11..Xit) per t
  12, 24, 36
• e Xqit è un dato mancante per tutti gli altri
  valori di t
• Nella j-esima iterazione gli elementi del panel
  stimato sono costruiti come
• se Xit è osservato e
  altrimenti.

24
Individuazione numero dei fattori
1) load c\Emilia.txt x Emilia lags
0 fact 4 2) icp1 log(vkf)fact((nt)/(
nt))log((nt)/(nt)) icp2
log(vkf)fact((nt)/(nt))log(c2nt) icp3
log(vkf)fact(log(c2nt)/c2nt) 3) x
x(1t,) t,n size(x) factors, lam,
ma factloa(x,fact,lags) vartot
trace(diag(ma)) explvar zeros(fact,1)
for j 1fact explvar(j)
ma(n(1lags)-j1)/vartot
25
Numero di fattori estratti

• Linformazione contenuta nelle 39 variabili è
  stata sintetizzata in
• 4 fattori Emilia-Romagna, Lazio, Calabria
• 3 fattori Piemonte, Trentino Alto Adige,
  Veneto, Friuli Venezia Giulia, Toscana, Umbria,
  Marche, Puglia, Basilicata, Sardegna
• 2 fattori Lombardia, Abruzzo
• 1 fattore Valle dAosta, Liguria, Molise,
  Campania, Sicilia.

26
Costruzione dellindicatore di attività economica
regionale

• Fase 1
• Ristimare il modello fattoriale inserendo i
  valori del Pil annuale e delle 39 variabili,
  applicando lalgoritmo EM per interpolare la
  serie del tasso di crescita del Pil.
• Fase 2
• Riapplicare lalgoritmo EM considerando le
  ultime 18 osservazioni del Pil a frequenza
  mensile come dati mancanti
• Proiettare i tassi di crescita del Pil a
  frequenza mensile fino a giugno 2008 e aggiungere
  questi dati ai valori ottenuti dalla precedente
  interpolazione.

27
Indicatore di attività economica (Emilia-Romagna)
Fonte nostre elaborazioni su dati Isae, Istat,
Unioncamere e Anfia
28
Bibliografia
Bai J., Ng S. (2002), Determining the Number of
Factors in Approximate Factor Models,
Econometrica Vol. 70, No. 1, pp. 191-221. Benni
F., Brasili A. (2007), Un indicatore sintetico di
attività economica per le regioni italiane,
Rivista di Economia e Statistica del Territorio,
n.2 maggio-agosto 2006, Ed. Franco Angeli. Chow
G. C., Lin A. (1971), Best linear unbiased
interpolation, distribution and extrapolation of
time series by related series, The review of
economics and statistics, Vol. 53, n. 4
372-375. Stock J.H., Watson M.W. (1998),
Diffusion Indexes, NBER, Working Paper No.
6702. Stock J.H., Watson M.W. (2002),
Macroeconomic Forecasting Using Diffusion
Indexes, Journal of Business and Economic
Statistics Vol. 20, pp. 147-162. Sito RegiosS
http//www.regioss.it/