1 / 31

The determinants of industrial agglomeration

The determinants of industrial agglomeration . Eleonora Olla and Raffaele Paci University of Cagliari, CRENoS. Outline. Introduzione Indici di concentrazione Metodologia e research question Analisi descrittiva Stima. 1. Introduzione Distribuzione totale degli addetti per SLL(2001).

oistin
Download Presentation

The determinants of industrial agglomeration

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. The determinants of industrial agglomeration Eleonora Olla and Raffaele PaciUniversity of Cagliari, CRENoS

  2. Outline • Introduzione • Indici di concentrazione • Metodologia e researchquestion • Analisi descrittiva • Stima

  3. 1. IntroduzioneDistribuzione totale degli addetti per SLL(2001)

  4. Differenza tra agglomerazione e concentrazione

  5. Modifiable Areal Unit Problem (MAUP)

  6. Indicatore di autocorrelazione spaziale I di Moran: Dove wij misura l’intensità della connessione esistente tra ogni coppia di regioni ij, xi e xjrappresentano 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.

  7. 2. Indici di concentrazione • Indice di Gini (indice utilizzato prima che venisse proposto l’indice EG) • Limiti dell’indice di Gini • Modello EG

  8. Indice di Ellison and Glaeser (1997) • 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 p 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 e è il termine di errore

  9. 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:

  10. dove xiè la quota dell’occupazione totale nell’area i. Per gna = 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 gna = 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.

  11. 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 knowledgespillovers sono inclusi nel modello EG tramite il parametro:

  12. Assumendo che: dove eklè una variabile casuale bernoulliana uguale ad 1 con probabilità gs che indica l’esistenza di spillovers tra ogni coppia di impianti, e uliè un indicatore della localizzazione dell’impianto l nell’area i.

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

  14. 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: 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.

  15. 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.

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

  17. Indice di Maurel e Sedillot (1999) • Calcolano la probabilità congiunta che due impianti si localizzino in una stessa regione • Sebbene le espressioni per gEG e gMS sono diverse, in valore atteso i due indicatori risultano uguali tra di loro • G’ rappresenta l’indice di concentrazione a livello geografico

  18. 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 regioni il 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.

  19. 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.

  20. 3. Metodologia e research question Micorfundations marshalliane: • Input sharing • Labor market pooling • Knowledge spillovers

  21. 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

  22. Stima (I)

  23. Stima (II)

  24. Stima (III)

More Related