La Teoria della Complessità Economica di Hausmann e Hidalgo: un’Analisi Empirica sulle Regioni Italiane dal 1991 al 2011

Carlo Varrasi
Studente nel Corso di Laurea in Economia Aziendale e Management presso l’Università Commerciale Luigi Bocconi

SOMMARIO
INTRODUZIONE: LE VIE ALLA PROSPERITA’ ...................................................................................6 1 - LE TEORIE TRADIZIONALI SULLO SVILUPPO ECONOMICO ........................................................8 1.1 I MODELLI CLASSICI .............................................................................................................8 1.2 IL MODELLO DI HARROD-DOMAR ......................................................................................10 1.3 I MODELLI POST-HARROD: KALDOR E SOLOW ...................................................................11 1.4 I MODELLI DI CRESCITA ENDOGENA...................................................................................13 1.5 GLI SVILUPPI RECENTI ........................................................................................................14 2 - LA TEORIA DELLA COMPLESSITA’ ECONOMICA ......................................................................17 2.1 IL PRODOTTO COME VEICOLO DI CONOSCENZA ................................................................17 2.2 LO SVILUPPO ECONOMICO COME CRESCITA CONOSCITIVA ..............................................18 2.3 COME MISURARE LA CONOSCENZA? .................................................................................19 2.4 IL CONCETTO DI COMPLESSITA’ .........................................................................................20 2.5 MISURARE ATTRAVERSO LA COMPLESSITA’: DIVERSITA’ ED UBIQUITA’ ............................21 2.6 ECONOMIC COMPLEXITY INDEX E PRODUCT COMPLEXITY INDEX .....................................22 2.7 UTILIZZARE ECI E PCI: COMPARARE IL PRESENTE E PREDIRE IL FUTURO ............................23 2.8 IL PRODUCT SPACE: RAPPRESENTARE LO SVILUPPO DELLA COMPLESSITA’ .......................26 2.9 LO STUDIO DI HAUSMANN E HIDALGO COME TEORIA ECONOMICA .................................27 2.10 I LIMITI DELLA TEORIA DI HAUSMANN E HIDALGO ..........................................................29 3 - LA COMPLESSITA’ DELLE REGIONI ITALIANE ...........................................................................32 3.1 GLI OSTACOLI AD UNO STUDIO REGIONALE DELLA COMPLESSITA’ ...................................32 3.2 CALCOLO ED ANALISI DEGLI ECI REGIONALI .......................................................................32 3.3 PREVISIONI SULLA FUTURA CRESCITA DELLE REGIONI ITALIANE .......................................36 3.4 UNA NUOVA INTERPRETAZIONE DEL DIVARIO TRA NORD E SUD ......................................39 APPENDICE 1: MODELLO DI STIMA DELLA CRESCITA ATTESA A 20 ANNI DEL PIL PRO CAPITE REGIONALE ...................................................................................................................................43 APPENDICE 2: RICONGIUNZIONE ATECO – SITC4 ........................................................................46 BIBLIOGRAFIA...............................................................................................................................55

“Verum scire est scire per causas”
Anonima rielaborazione in latino di Aristotele, IV Secolo a.C., Fisica, I, 1, 184a,10

INTRODUZIONE: LE VIE ALLA PROSPERITA’
L’ideale della prosperità racchiude in sé il sogno dell’uomo di uno stato di benessere, agio e completa soddisfazione di ogni bisogno materiale. Anche se, dal punto di vista antropologico e sociologico, si potrebbe ritenere che la ricerca della prosperità sia una spinta alla base di ogni individuo e società, essa non era obiettivo esplicito delle collettività tradizionali: sia nel mondo classico, sia nel mondo medioevale, l’eccesso di agiatezza e di ricchezze erano, di norma, fermamente condannati da religione, letteratura e filosofia. Due nomi tra tutti: in primo luogo Aristotele, il quale, nella sua Politica, attacca la spirale della “ricchezza infinita” descrivendola come “proiezione innaturale dell’avidità umana”1 e la contrappone alla giusta sobrietà della mera soddisfazione dei bisogni naturali; in secondo luogo, Dante, il quale, nel canto XV del Paradiso, incolpa la sopravvenuta abbondanza e ricchezza di Firenze della corruzione dei costumi, degli odi e degli scontri che hanno interessato la città2. Pressoché ignorato dallo studio teorico, condannato dalla moralità dominante, negato da una realtà di guerre, carestie e miseria, l’ideale della prosperità è rimasto per secoli perlopiù confinato nei sogni utopici popolari e letterari di un “paese di Cuccagna”, dall’infinita ricchezza di cibo e di piaceri. Solo con il passaggio all’epoca moderna e la democratizzazione della politica, avviene il riconoscimento della ricerca della prosperità come fondamentale compito dello Stato e di ogni cittadino, attraverso l’esplicitazione in molte delle Costituzioni moderne: il concorso al “progresso materiale o spirituale della società” nella Costituzione italiana3, la promozione del “general Welfare” in quella americana4 o il “Wohle des deutschen Volkes” della Costituzione tedesca5. Affinché la prosperità, però, non rimanga solo un ideale, lo studio economico degli ultimi due secoli si è dedicato intensamente all’analisi di quali siano le determinanti alla base dello sviluppo economico delle società, per dare alla politica gli strumenti per perseguire il benessere comune.

Tommaso D’Aquino, Lorenzo Alberto Perotto (a cura di) (1996), Commento alla Politica di Aristotele, Bologna, Edizioni Studio Domenicano, p.116 2 Dante Alighieri (XIV sec), Commedia, Paradiso, Canto XV, vv. 88-148 3 Costituzione della Repubblica Italiana (1946), Principi Fondamentali, art. 4, comma 2 4 United States Constitution (1787), Preamble to the United States Constitution 5 Grundgesetz für die Bundesrepublik Deutschland (1949), IV a. Gemeinsamer Ausschuß, art. 56
1

6

Le risposte all’interrogativo sulle cause dello sviluppo economico sono state molto differenti nella storia e, spesso, contrastanti. Un approccio innovativo e dalle profonde implicazioni viene dalla teoria della complessità economica, frutto, in particolare, degli studi del Professor Ricardo Hausmann e del Professor César A. Hidalgo. Come riconosciuto6, tra gli altri, da Justin Lin, Chief Economist presso la Banca Mondiale, lo studio della complessità economica rappresenta uno strumento importante per comprendere ciò che realmente muove la crescita del PIL e ciò che permette o impedisce ad un paese sottosviluppato di raggiungere il benessere delle nazioni più avanzate: in altri termini, si tratta di un fondamentale contributo allo studio dei disequilibri economici del mondo moderno, con la speranza che possa aiutare la loro comprensione e la loro soluzione. Questo elaborato presenterà la teoria di Hausmann e Hidalgo e ne proporrà un’applicazione concreta al caso empirico delle regioni italiane.

6“

The ECI can play a very important role. It can help identify the role of developing countries” Justin Lin, Cambridge, MA, 2011

7

1 - LE TEORIE TRADIZIONALI SULLO SVILUPPO ECONOMICO
Per spiegare la differenza tra paesi avanzati, paesi emergenti in forte crescita e paesi arretrati che sembrano bloccati e senza speranze, ossia rintracciare quali siano i fattori che guidano le società e le nazioni verso la prosperità, lo studio economico ha proposto diverse teorie: la prima parte dell’elaborato si dedicherà alla presentazione dei principali modelli al riguardo, dal XIX secolo ad oggi. 1.1 I MODELLI CLASSICI Tra le teorie classiche, spicca lo studio dell’economista inglese Adam Smith. Il modello dell’autore parte dalla considerazione del lavoro come determinante fondamentale della produzione economica e del valore dei beni: di conseguenza, la crescita economica è descritta da Smith come un fenomeno strettamente legato alla produttività del lavoro stesso. Secondo Smith, esistono solamente due modi per incrementare la produttività del lavoro: “by increasing either the number of its productive labourers, or the productive powers of those labourers who had before been employed”7. La prima ipotesi è fondamentalmente legata alla crescita della popolazione e, quindi, alla capacità di sostentamento di nuovi individui da parte della nazione (ossia al suo capitale). La seconda, invece, è correlata sia alla divisione del lavoro, la quale aumenta la “destrezza” dei lavoratori e riduce il tempo perso per passare da un’attività all’altra, sia alla capacità del capitale (macchinari ed utensili) di ridurre il lavoro effettivo degli operai. In entrambi i casi, secondo Smith, fondamentale è il processo di accumulazione del capitale: esso permette un aumento della popolazione produttiva, crea maggiore domanda di beni, facilita il progresso tecnologico, aumenta la produttività del singolo lavoratore e crea un circolo virtuoso, dai benefici marginali crescenti, che può portare una nazione alla prosperità. In ultima istanza, la crescita economica dipende dalla rapidità dell’accumulazione di capitale in un paese, a sua volta determinata, secondo Smith, dalla quantità della ricchezza di un paese che viene reinvestita (ossia la propensione al

Smith, A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Penn State Electronic Classics Series Publication, 280-281
7

8

risparmio, in termini moderni), rispetto alla quantità che va a costituire profitto o rendita (definiti dispregiativamente come “idleness”8). Il modello di Smith è rivisto in chiave critica da un altro economista classico, David Ricardo, il quale smentisce di fatto il concetto di una crescita continua e crescente guidata dall’accumulazione del capitale, ma vede lo sviluppo economico come un processo di naturale raggiungimento di un equilibrio di stato stazionario, il quale è intrinsecamente determinato dall’interazione tra tre variabili fondamentali: profitti, lavoro e capitale. Secondo Ricardo, “There cannot, then, be accumulated in a country any amount of capital which cannot be employed productively, until wages rise so high in consequence of the rise of necessaries, and so little consequently remains for the profits of stock, that the motive for accumulation ceases”9. L’accumulazione del capitale segue il risparmio, a sua volta determinato dai profitti dei capitalisti; allo stesso tempo, la crescente difficoltà per la nazione nel fornire i beni di sussistenza per la popolazione, a causa della scarsità della terra e delle risorse, determina rigidità dell’offerta di lavoro: perciò, all’aumentare del capitale accumulato e della produzione, i salari degli operai devono necessariamente aumentare, riducendo i profitti e rallentando progressivamente l’accumulazione del capitale. Il riconoscimento di profitti marginali decrescenti determina quindi che, nel lungo periodo, una nazione raggiungerà un punto di equilibrio, in cui i profitti sono nulli e il capitale non può più crescere. L’unico meccanismo di crescita a lungo periodo è, secondo Ricardo, l’innovazione tecnologica, che contrasta i ritorni decrescenti sul capitale e permette ad una nazione di superare il proprio stato stazionario. Karl Marx, nella propria opera “Il Capitale”, presenta un modello di crescita economica sostanzialmente sovrapponibile a quello ricardiano: il profitto capitalista (chiamato “plusvalore”) sostiene la crescita economica, ma con forza decrescente, fino al raggiungimento di un punto di equilibrio definitivo; in quel momento, il capitalismo, incapace di crescere e privato dei propri stessi profitti derivanti dallo sfruttamento del lavoro, entrerà in crisi, permettendo la nascita dell’era socialista.

Smith, A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Penn State Electronic Classics Series Publication, 276 9 Ricardo, D., Sraffa, P. (a cura di) (1951), The Works and Correspondence of David Ricardo, Vol. 1 Principles of Political Economy and Taxation, 21.2
8

9

1.2 IL MODELLO DI HARROD-DOMAR Negli anni ’30-’40, Roy Harrod ed Evsey Domar sviluppano, in modo indipendente, un modello che sarà un riferimento per le teorie economiche a venire. Spezzando con la tradizione, Harrod abbandona il concetto di equilibrio economico generale “statico” e definisce il proprio modello come “dinamico”: l’equilibrio non consiste in un determinato livello di produzione stabile, bensì in un tasso di crescita costante, chiamato tasso “garantito” (“warranted”) e definito come quel tasso di crescita per cui “producers, if they remain on it, will be satisfied, and be induced to keep the same rate of growth in being” 10. Si tratta, in altri termini, di quel tasso di crescita che l’offerta vorrà sostenere nel tempo in quanto pienamente soddisfatto dalla domanda. L’autore dimostra come tale tasso di crescita sia direttamente proporzionale alla propensione marginale al risparmio ed inversamente proporzionale al prodotto marginale del capitale, definito da Harrod come “the value of the capital goods required for the production of a unit increment of output”11. Harrod sottolinea come il proprio equilibrio dinamico basato sulla “warranted rate of growth” determini conclusioni profondamente differenti riguardo agli stati di disequilibrio rispetto alle teorie “statiche”: i modelli tradizionali sostenevano che, in caso di divergenza dall’equilibrio del modello, il sistema sarebbe tornato a tale equilibrio attraverso aggiustamenti automatici; secondo Harrod, invece, la divergenza determina ulteriore divergenza dall’equilibrio e non un ritorno allo stesso. In particolare, second Harrod, quando una nazione cresce meno di quanto predetto, “there will be a redundance of capital goods, and a depressing influence will be exerted; this will cause a further divergence and a still stronger depressing influence; and so on” 12. Infatti, in caso di crescita inferiore alle aspettative, i produttori saranno in uno stato di sovrapproduzione rispetto al sistema nel complesso e, perciò, saranno spinti a ridurre la propria produzione, determinando ulteriore recessione economica. A causa della forza di queste spinte centrifughe, la teoria di Harrod-Domar è definita come un “knife-edge”13: lo scostamento dallo stato di equilibrio

Harrod, R.F. (1939), An Essay in Dynamic Theory, The Economic Journal, 49(139), 16 Ibid. 16 12 Ibid. 22 13 Ad es. Solow, R.M. (1956), A Contribution to the Theory of Economic Growth, The Quarterly Journal of Economics, 70(1), 65
10 11

10

determina virtuosa o viziosa divergenza economica da esso. A simili conclusioni, anche se con metodo e calcolo differenti, giungerà Domar nel 1946. Infine, Harrod sostiene che, a fianco al tasso garantito e al tasso effettivo, esista anche un tasso naturale di crescita, il quale è “the maximum rate of growth allowed by the increase of population, accumulation of capital, technological improvement and the work/leisure preference schedule, supposing that there is always full employment in some sense”14. In altri termini, il tasso naturale è quel tasso di crescita che garantisce il costante utilizzo massimo delle risorse a disposizione. Per quanto riguarda la relazione tra tasso “warranted” e tasso naturale, secondo Harrod, “there is no inherent tendency for these two rates to coincide” 15, in quanto implicitamente dipendenti da diverse variabili: per questo, la crescita “garantita” (e quindi quella effettiva) non sarà quasi mai pari a quella di piena occupazione. 1.3 I MODELLI POST-HARROD: KALDOR E SOLOW Nel 1957, l’economista ungherese Nicholas Kaldor propone una rivisitazione critica del modello di Harrod-Domar. Nello sviluppo del proprio modello, Kaldor parte da un presupposto contrastante con le conclusioni di H arrod: “Equilibrium of steady growth is inconsistent with under-employment equilibrium”16. Secondo l’autore, infatti, un’economia non può rimanere a lungo in un equilibrio di sotto-utilizzo delle risorse, in quanto la domanda non soddisfatta riporterebbe il sistema in equilibrio di “full employment”. Inoltre, l’autore, rifacendosi alle due variabili fondamentali alla base della crescita “garantita” di Harrod, sostiene che: “neither the proportion of income saved nor the rate of growth of productivity per man […] are independent variables with respect to the rate of increase in production”17. In altri termini, esse vanno rappresentate attraverso “functional relationships”18, più che attraverso costanti. All’interno di tale modello, secondo Kaldor, il sistema tenderà sempre al punto in cui capitale e produttività crescono in uguale misura: il tasso di crescita
Harrod, R.F. (1939), An Essay in Dynamic Theory, The Economic Journal, 49(139), 30 Ibid. 30 16 Ibid. 30 17 Kaldor, N. (1957), A Model of Economic Growth, The Economic Journal, 67(268), 591 18 Ibid. 591
14 15

11

economica di equilibrio di lungo periodo della nazione è dato dal tasso di crescita di capitale-produttività e dal tasso di crescita della popolazione. Kaldor dimostra che, in tale equilibrio, il tasso di crescita naturale e quello garantito à la Harrod coincidono: esiste quindi una condizione di equivalenza tra i due, a differenza della teoria di Harrod. Secondo Kaldor, il permanere dell’uguaglianza tra crescita naturale e garantita è basato sulla variazione della propensione media al risparmio. In particolare, il meccanismo di aggiustamento si basa sul variare della propensione media al risparmio negli stati di disequilibrio, in base al mutare della distribuzione del reddito tra profitto dei capitalisti e salari dei lavoratori e del peso differente della propensione al risparmio delle due categorie. Mentre Kaldor si è concentrato soprattutto sul tasso di risparmio, nel 1956 Robert M. Solow riprende gli studi di Harrod-Domar sviluppando, invece, l’analisi della produttività e criticandone una delle assunzioni implicite alla base: il modello di Harrod, secondo l’autore, si fonda sull’ipotesi, rigida ed irrealistica, per cui vi sia una proporzione fissa tra lavoro e capitale. Solow sostiene che “If this assumption is abandoned, the knife-edge notion of unstable balance seems to go with it”19. In altri termini, secondo l’autore, le conclusioni radicali del modello di Harrod-Domar sono dovute all’eccessiva semplicità dell’ipotesi di insostituibilità tra lavoro e capitale. Per dimostrare la propria affermazione, Solow realizza un modello dove la produzione è funzione di lavoro e capitale, o meglio del rapporto tra i due: il capitale per addetto. Supponendo rendimenti decrescenti, l’autore trova l’equilibrio generale nel rapporto capitale/lavoro tale per cui il risparmio/investimento è uguale alla sua riduzione per effetto dell’aumento della popolazione e del deprezzamento. Nel breve periodo, l’economia potrà crescere o decrescere a causa di aggiustamenti che riportino il capitale per addetto al livello di equilibrio. Nel lungo periodo, la nazione resterà però nel proprio stato stazionario. Tuttavia, introducendo l’innovazione tecnologica, Solow giunge alla conclusione che un tasso costante di innovazione permette cres cita permanente: “Indeed now the capital-labor ratio never reaches an equilibrium value but grows

Solow, R.M. (1956), A Contribution to the Theory of Economic Growth, The Quarterly Journal of Economics, 70(1), 65
19

12

forever”20. Secondo l’autore, perciò, solo lo sviluppo tecnologico può essere determinante di una crescita a lungo termine di una nazione, mentre capitale e lavoro sono meri strumenti di aggiustamento dell’economia a shock nel risparmio, nel deprezzamento e nella popolazione. 1.4 I MODELLI DI CRESCITA ENDOGENA Negli Anni ’80 nasce una corrente di studio dello sviluppo economico definita “endogena”: mentre le teorie classiche e neoclassiche ponevano le variabili alla base dello sviluppo di lungo periodo come esogene al modello (ad esempio, lo sviluppo tecnologico in Solow), i modelli di crescita endogena vogliono racchiudere tali determinanti all’interno del modello stesso. Una delle teorie più importanti all’interno di tale corrente è quell a di Paul Romer. L’autore sintetizza così il proprio lavoro: “The model here can be viewed as an equilibrium model of endogenous technological change in which long-run growth is driven primarily by the accumulation of knowledge”21. L’analisi di Romer si muove a livello microeconomico: l’autore suppone che la produzione di un impresa sia funzione non solo del lavoro e del capitale fisico, ma anche del capitale umano, inteso come insieme di conoscenze possedute dai lavoratori e definito come “measure of the cumulative effect of activities such as formal education and on-the-job training” 22. Secondo Romer, supponendo che il capitale umano si ripartisca tra “manufactoring sector” e “research”23, l’innovazione tecnologica è direttamente proporzionale alle innovazioni cumulate (supponendo che la conoscenza pregressa sia liberamente disponibile) e al capitale umano dedicato alla ricerca. Romer conclude che la crescita economica sarà proporzionale alla variazione della tecnologia a livello macroeconomico (come somma degli investimenti in R&D di ogni impresa), ossia sarà dipendente sia dalla quantità di capitale umano che si dedica in totale alla ricerca, sia dalla produttività della ricerca (che è posta in forma parametrica, ossia supponendo ritorni costanti).

20

Solow, R.M. (1956), A Contribution to the Theory of Economic Growth, The Quarterly Journal of

Economics, 70 (1), 85
21

Romer, P.M (1986), Increasing Returns and Long-run Growth, The Journal of Political Economy, 94(5), 1003 22 Romer, P.M (1990), Endogenous Technological Change, The Journal of Political Economy, 98(5), S79 23 Ibid. S84

13

Una prospettiva simile è quella del l’economista americano Robert Lucas. L’autore muove una fondamentale critica i modelli neoclassici, affermando che essi non si sono dimostrati in grado di spiegare efficacemente i differenti sviluppi delle nazioni. Per questo motivo, egli rivede il modello di Solow considerando il capitale umano, il “general skill level”24 dei lavoratori, come fattore fondamentale dello sviluppo tecnologico. Secondo Lucas, il tasso di accumulazione di capitale umano è direttamente proporzionale al capitale umano già posseduto, alla quota di tempo dedicata alla formazione (e non alla produzione) e ad un fattore positivo (indicante, di fatto, la produttività della formazione). Il capitale umano compare due volte nella funzione di produzione di Lucas: oltre al naturale effetto sulla produttività del lavoratore stesso coinvolto nella formazione, chiamato “internal effect”25, Lucas riconosce anche un contributo di tale crescita sulla produttività di tutti i fattori della produzione, chiamato dall’autore “external effect”26, ossia, in termini più moderni, esternalità positiva. Lucas conclude la propria analisi affermando: “ An economy beginning with low levels of human and physical capital will remain permanently below an initially better endowed economy”27. In altri termini, il peso del capitale umano e fisico accumulato è la vera determinante delle possibilità di sviluppo futuro di un paese e la spiegazione dei diversi cammini di crescita delle nazioni. 1.5 GLI SVILUPPI RECENTI Gli studi contemporanei della teoria dello sviluppo economico continuano la via percorsa dalle teorie endogene verso l’inclusione delle determinanti dello sviluppo tecnologico in un modello economico generale. Le strade intraprese sono tuttavia assolutamente differenti. Negli Anni ’90, Philippe Aghion e Peter Howitt hanno sviluppato un modello definito “schumpeteriano”, in quanto utilizza il concetto di “creative destruction”28 dell’economista austriaco Joseph Schumpeter all’interno dello studio della crescita economica.
24

Lucas, R.E. (1988), On the Mechanics of Economic Development, Journal of Monetary

Economics, 22(1), 17
25 26

Ibid. 18 Ibid. 18 27 Ibid. 25 28 Aghion, P., Howitt, P. (1992), A Model of Growth Trough Creative Destruction”, Econometrica, 60(2), 324

14

I due autori sostengono che la crescita di un paese sia funzione della quantità di ricerca (pubblica e privata) all’interno dello stesso. Gli agenti all’interno dell’economia scelgono l’ammontare di investimenti in ricerca (capitali e lavoro) sulla base delle previsioni di rendita monopolistica derivabile dalle innovazioni, ossia sulla base della durata del periodo in cui essa sarà la tecnologia dominante. Tale durata dipende dalla rapidità di sviluppo di una nuova tecnologia che la renda obsoleta, la quale è, a sua volta, determinata dagli investimenti in ricerca che verranno compiuti in seguito all’innovazione frutto della ricerca attuale. In altri termini, la quantità di ricerca corrente è legata negativamente alle aspettative di ricerca successiva a quella attuale: l’attesa di forti investimenti in futuro aumenta la probabilità che il periodo di rendita monopolistica sia breve e quindi scoraggia l’investimento attuale. Secondo gli autori, la relazione funzionale tra le ricerche attuali e future ha un punto di equilibrio stazionario, nel quale vi è crescita costante ed un’allocazione fissa di lavoro qualificato tra ricerca e produzione. Gli autori, tuttavia, sostengono che questo equilibrio non sia tuttavia l’unico: il sistema potrebbe tendere a “cyclical trajectories”29. In particolare, Haghion e Howitt sottolineano come sia anche possibile che un paese rimanga bloccato in una “no-growth-trap”30: le attese del futuro fermano la ricerca corrente e determinano crescita economica nulla; il permanere di tali aspettative future potrebbe impedire lo sviluppo della nazione in eterno. Uno sviluppo teorico particolare proviene dai recenti studi di Robert Ayres e Benjamin Warr, i quali legano lo studio economico alla termodinamica: gli autori partono dal concetto di efficienza termodinamica, ossia il rapporto di conversione tra input energetici e “useful work”, l’energia utilizzabile per sviluppare “lavoro utile” (muscolare, meccanica, elettrica e termica). All’aumentare dell’efficienza termodinamica, il costo del “lavoro utile” si riduce, determinando una conseguente diminuzione del costo dell’energia e del lavoro stesso. Gli autori affermano: “the increasing thermodynamic efficiency of the economy as a whole is closely related to the familiar measure of `total factor productivity’ or TFP”31 e ritengono, perciò, che tale fenomeno sia il driver
Aghion, P., Howitt, P. (1992), A Model of Growth Trough Creative Destruction”, Econometrica, 60(2), 325 30 Ibid. 325 31 Warr, B., Ayres, R. (2006), Economic growth, technological progress and energy use in the US
29

over the last century: Identifying common trends and structural change in macroeconomic time series, Working Paper, INSEAD, Fontainebleau, France and IIASA, Laxenburg, Austria

15

fondamentale dello sviluppo economico delle nazioni: l’innovazione tecnologica, quando si esprime in maggiore efficienza termodinamica, determina una crescita di lungo periodo per una nazione. Un approccio interdisciplinare viene anche da Heiner Rindermann e James Thompson, i quali hanno applicato lo studio psicologico alla teoria economica dello sviluppo. Gli autori partono dalla cosiddetta “ipotesi della classe intellettuale”, la quale recita: “Individuals who are cognitively highly competent should have a positive effect on affluence, politics, and culture in their society ”32. Riferendo tale ipotesi all’economia, gli autori sostengono che la dimensione relativa del percentile più elevato della popolazione in termini di quoziente intellettivo sia un fattore determinante per lo sviluppo economico di un paese. Per supportare tale tesi, gli autori hanno misurato le relazioni reciproche tra test cognitivi (tra gli altri PISA e SAS), risultati STEM (ossia pubblicazioni e brevetti in campi scientifici, tecnologici, ingegneristici e matematici) e ricchezza di più di 90 paesi del mondo. I risultati della ricerca mostrano una forte correlazione tra le variabili, addirittura maggiore di quella che lega ricchezza ed educazione media: “An increase of 1 IQ point in the intellectual class raises the average GDP by $468 U.S., whereas an increase of 1 IQ point in the cognitive ability of the mean raises average GDP by $229 U.S”33.

Rindermann, H., Thompson, J. (2011), Cognitive Capitalism: The Effect of Cognitive Ability on Wealth, as Mediated Through Scientific Achievement and Economic Freedom, Psychological Science, 22(6), 755 33 Ibid. 762
32

16

2 - LA TEORIA DELLA COMPLESSITA’ ECONOMICA
Tra gli sviluppi recenti della teoria economica si inserisce lo studio della complessità economica di Hausmann e Hidalgo, oggetto principale dell’elaborato: verranno discussi i suoi fondamenti, gli sviluppi logico-matematici, le possibili applicazioni, le modalità di rappresentazione e, infine, i suoi inevitabili limiti. 2.1 IL PRODOTTO COME VEICOLO DI CONOSCENZA Lo studio di Hausmann e Hidalgo parte dai prodotti, in quanto strumenti della soddisfazione dei bisogni degli individui e, perciò, espressione più pura e più facilmente osservabile della prosperità di una società. In generale, i prodotti possono essere studiati da più punti di vista: in primo luogo, essi possono essere presi nella propria materialità e analizzati per i diversi tipi di risorse che li compongono; in questo modo, il dentifricio34, ad esempio, è mero composto di acqua, agenti anti-batterici, sbiancanti, agenti lucidanti, addensanti, coloranti, edulcoranti e così via. Alternativamente, i prodotti possono essere considerati nel proprio valore monetario, come avviene, ad esempio, nello studio del Prodotto Interno Lordo: in questo caso, il tubetto di dentifricio è visto come un valore poco significativo, nell’ordine delle unità di euro. Hidalgo e Hausmann, invece, sostengono che “i prodotti sono veicoli di conoscenza”35, in quanto accumulazioni fisiche di competenze produttive. Rifacendosi ad Adam Smith, i due autori sostengono che le società umane si evolvono in base alla propria capacità di sviluppare la specializzazione dei ruoli dei propri componenti e di trasferire tra di essi le diverse competenze prodotte. Questa trasmissione di conoscenza produttiva può, però, solo parzialmente avvenire attraverso il binomio comunicazione-apprendimento: la gran parte del sapere, infatti, per poter essere trasmesso, richiede quantità di tempo e di capacità intellettivo-manuali della controparte tali da precludersi ai più (si pensi, ad esempio, se fosse necessario fabbricare da sé, ex novo, un paio di scarpe o

L’esempio del dentifricio riprende Hausmann, R., Hidalgo, C.A., Bustos, S., Coscia, M., Chung, S., Jimenez, J., Simoes, A., e Yıldırım, M.A. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.15 35 Ibid., p.15
34

17

un computer). In altri termini, il costo-opportunità dell’apprendimento è così alto da spingere la maggior parte degli individui a rinunciarvi. Il trasferimento all’interno di una società di queste competenze “non comunicabili - non apprendibili”, che per questo motivo sono chiamate “implicite”36, avviene invece, secondo Hausmann e Hidalgo, per mezzi fisici, attraverso lo scambio dei prodotti: in generale, è possibile infatti vedere l’acquisto di un bene come l’ottenimento indiretto di competenze di cui l’individuo acquirente non dispone. Il semplice tubetto di dentifricio assume, di conseguenza, una connotazione assolutamente nuova: esso è traduzione oggettiva e strumento di trasmissione di secoli di studi di chimica, ma anche di ingegneria meccanica, metallurgia, elettronica e design. 2.2 LO SVILUPPO ECONOMICO COME CRESCITA CONOSCITIVA Se i prodotti sono veicoli di conoscenza, disporre di una maggiore quantità di conoscenza rende più probabile la produzione di una maggiore varietà di prodotti, in quanto sono più probabili nuove combinazioni di competenze che siano ritenute di valore e quindi prodotte da parte degli imprenditori. In ultima istanza, secondo Hausmann e Hidalgo, la conoscenza, quantificando il numero di tipologie di prodotti producibili in un paese, è la vera determinante dello sviluppo economico e della prosperità di un territorio. In particolare, in senso cronologico-verticale, essi affermano: “[…] This progress [dell’età contemporanea] was possible because we got smarter. During the past two centuries, the amount of productive knowledge we hold expanded dramatically”37. Perciò, la crescita e lo sviluppo di una società nel tempo dipendono dalla crescita nella quantità di conoscenze produttive da essa detenute. In questo modo, l’esplosione della varietà dei prodotti e mercati nell’ultimo secolo è esplicitazione dell’aumento esponenziale della conoscenza implicita incorporata nella società occidentale contemporanea. In senso sezionale-orizzontale, gli autori affermano: “The enormous income gaps between rich and poor nations are an expression of the vast differences in

36

to Prosperity, Boston, MIT Media Lab, p.16
37

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths Ibid., p.6

18

productive knowledge amassed by different nations” 38. Differenze nella quantità di conoscenza implicita tra paesi determinano diversi livelli di prosperità. Per quanto riguarda i motivi dietro alla non-omogeneità conoscitivo-economica di società dello stesso periodo storico, Hausmann39 si rifà alla conformazione esponenziale dello sviluppo della conoscenza produttiva: i paesi più sviluppati accrescono sempre più le proprie conoscenze e la propria prosperità e, viceversa, i paesi meno sviluppati sono intrappolati nella propria scarsità di competenze produttive e faticano a sviluppare nuove competenze. Contemporaneamente, come notano Hausmann e Hidalgo, una convergenza conoscitivo-produttiva ed una riduzione del gap è impossibile, dato che la conoscenza produttiva è “hard to transfer”40: anche se esistente in altre società coeve, per la propria natura implicita e non-comunicabile, una certa competenza rimane perlopiù confinata solo ai paesi che l’hanno sviluppata. 2.3 COME MISURARE LA CONOSCENZA? Il riconoscimento della conoscenza come determinante dello sviluppo economico non è certamente un’invenzione concettuale di Hausmann e Hidalgo, ma era già rintracciabile in diversi autori a loro precedenti (in particolare a partire dalla teoria della crescita endogena, presentata nella prima parte di questo elaborato). La vera novità della teoria dei due autori si sviluppa nella misurazione, valutazione e confronto della conoscenza contenuta nei diversi sistemi economici. Secondo Hausmann e Hidalgo, le teorie tradizionali hanno cercato di giungere ad una comprensione quantitativa della conoscenza e del suo impatto sullo sviluppo attraverso la creazione di misure aggregative semplificatrici, quali ” i.e. physical capital, labor, land, skills or human capital, infrastructure, and institutions”41. Hidalgo sottolinea: “Traditionally, development has been measured through a host of aggregated variables […]. Yet, as a concept, development has always been associated with an increase in diversity that cannot be captured by such
Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.7 39 Hausmann, R., Hidalgo, C.A (2010), Country diversification, product ubiquity, and economic divergence, Working Paper N°201, Harvard College, Boston, p.1 40 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.16 41 Hidalgo, C. A. (2008), Three Empirical Studies on the Aggregate Dynamics of Humanly Driven Complex Systems, Working Paper, University of Notre Dame, Indiana, p.48
38

19

averages”42. Aggregando, infatti, si semplifica in modo forzato una realtà

caratterizzata, invece, da profonda varietà e interconnessione. La teoria di Hausmann e Hidalgo nega lo studio aggregativo tradizionale: la chiave della comprensione delle dinamiche del mondo economico sta nell’analisi della sua struttura disgregata. Essi spiegano: “we aim to describe and compare economies in a manner that eschews aggregation. We do this by using network science, instead of aggregative models, and identify new stylized facts about both, the economic features of the world and that of individual countries ”43. 2.4 IL CONCETTO DI COMPLESSITA’ Uno studio e una classificazione di tutte le competenze racchiuse nei prodotti del mondo sarebbe pressoché irrealizzabile e, certamente, profondamente arbitraria. Per questo motivo, Hausmann e Hidalgo hanno deciso di studiare le competenze produttive “without making any assumptions regarding their nature”44: si basano invece sulla “network science” e sull’analisi dell’economia come una complessità. Pur essendo un concetto intuitivo, la complessità manca di una definizione univoca. Secondo Holt, Rosser e Colander45, esistono fondamentalmente tre definizioni di complessità: una definizione dinamica, come sistema non tendente in modo endogeno ad un equilibrio asintotico; una computazionale, come sistema richiedente una certa lunghezza minima di stringhe di software per essere descritto o, addirittura, indescrivibile computazionalmente; una generale, di Herbert Simon, che preferiremo per i nostri fini. La definizione di Simon recita: “Roughly by a complex system I mean one made up of a large number of parts that interact in a non-simple way”46. In altri termini, possiamo, in generale, definire complessità un’interazione nonsemplice tra più elementi. Hausmann e Hidalgo considerano esplicitamente il sistema economico come una complessità à la Simon, in quanto lo ricollegano alle due componenti essenziali
Hidalgo, C. A. (2008), Three Empirical Studies on the Aggregate Dynamics of Humanly Driven Complex Systems, Working Paper, University of Notre Dame, Indiana, p.72 43 Hausmann, R., Hidalgo, C.A. (2011), The Network Structure of Economic Output, Journal of Economic Growth, 16(4), 310-311
42

Ibid., 316 Holt, R.P.F, Rosser, J.B. Jr., Colander, D. (2010), The Complexity Era of Economics, Discussion Paper, Middlebury College, Vermont, p. 6-10 46 Simon, H.A. (1962) The Architecture of Complexity, Proceedings of the American Philosophical Society, 106 (6), p.468
44 45

20

della definizione: da un lato, gli elementi, i “nodi”, sono i prodotti e i paesi produttori; dall’altro, le connessioni tra di essi saranno rappresentate dalle rispettive diversità ed ubiquità. Dopo aver definito questi due concetti, si vedrà come essi si ricolleghino alla conoscenza produttiva e perché rappresentino interazioni non semplici. 2.5 MISURARE ATTRAVERSO LA COMPLESSITA’: DIVERSITA’ ED UBIQUITA’ I due autori definiscono “diversità” “the number of distinct products that it [a country] makes”47, ossia la varietà di prodotti sviluppati da una nazione; essi chiamano, invece, “ubiquità” “the number of countries that make a product”48, ossia la diffusione produttiva di un certo bene. Hausmann e Hidalgo ricollegano i concetti di diversità ed ubiquità alla conoscenza intrinseca di un sistema economico, formulando due ipotesi. La prima ipotesi è: “[…] we can expect the diversity of […] products that a […] country can make to be strongly related to the number of […] capabilities that […] it has”49. Perciò, essi ipotizzano che una maggiore varietà dei prodotti (diversità) sia conseguenza di una maggiore quantità di conoscenza produttiva all’interno del paese. La seconda ipotesi è: “ubiquitous products are more likely to require few capabilities, less ubiquitous products are more likely to require a large variety of capabilities”. Si suppone perciò che, al crescere della quantità di conoscenza alla base di un certo prodotto, si riduca il numero di paesi in grado di produrlo (ossia si riduca l’ubiquità del prodotto stesso). Accettando queste ipotesi, le due misure di diversità ed ubiquità, permettendo di valutare la relazione reciproca tra produttori e prodotti, rappresentano la chiave per comprendere e quantificare il sostrato conoscitivo di un paese: secondo Hausmann e Hidalgo, infatti, “the amount of knowledge that a country has is expressed in the diversity and ubiquity of the products that it makes” 50.

47

Prosperity, Boston, MIT Media Lab, p.20
48 49

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to

Ibid., p.20 Ibid., p.20 50 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.20

21

Tuttavia, più che ad un’osservazione individuale delle due misure, è necessario fare riferimento alla loro combinazione, in quanto diversità ed ubiquità si spiegano e si correggono a vicenda: come mostrato nella Fig. 1, non è possibile comprendere pienamente la diversità di una paese se non guardando anche all’ubiquità dei suoi prodotti, che a sua volta dipende dalla diversità dei suoi paesi produttori e così via.
Diversità produttiva di un paese - Perché possiede molte competenze, se i suoi prodotti non sono ubiqui - Perché possiede competenze non rare, se i suoi prodotti sono ubiqui Non diversità produttiva di un paese - Perché possiede poche competenze, se i suoi prodotti sono ubiqui - Perché possiede competenze rare, se i suoi prodotti non sono ubiqui Ubiquità di un prodotto - Perché richiede poche competenze, se i produttori sono paesi non diversificati - Perché richiede competenze non rare, se i produttori sono paesi diversificati Non ubiquità di un prodotto - Perché richiede molte competenze, se i produttori sono paesi diversificati - Perché richiede competenze rare, se i produttori sono paesi poco diversificati

Fig. 1 - Dipendenza reciproca di diversità e ubiquità. Elaborazione personale, a partire da: Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab, p.20

E’ così visibile la non-semplicità interattiva di diversità ed ubiquità: ogni nodo (prodotto o paese) ha un valore (diversità o ubiquità) che dipende dal valore dei nodi a cui è connesso, a loro volta dipendenti dai valori dei rispettivi collegamenti. Si tratta di una situazione che ricorda molto da vicino il sistema di “PageRank” utilizzato da Google, il noto motore di ricerca: all’interno della complessità del “world wide web”, il valore di ogni pagina è fondamentalmente dato dal numero di pagine che la linkano, ponderate per i rispettivi valori. 2.6 ECONOMIC COMPLEXITY INDEX E PRODUCT COMPLEXITY INDEX A partire da queste basi, Hidalgo e Hausmann hanno quindi calcolato diversità ed ubiquità di 128 paesi e di 775 tipologie merceologiche da loro esportate. I due autori hanno applicato un algoritmo ricorsivo: ad ogni calcolo di una delle due misure è seguita la correzione per l’altra (perciò: calcolo dell’ubiquità dei prodotti; calcolo della diversità produttiva dei paesi sulla base dell’ubiquità dei prodotti; nuovo calcolo della ubiquità dei prodotti sulla base della diversità appena calcolata; e così via). La mutua correzione delle due misure è potenzialmente infinita ed è stata reiterata asintoticamente attraverso un calcolatore elettronico.

22

Il risultato è duplice, a seconda che il calcolo sia sviluppato dal punto di vista dei paesi o dei prodotti: nel primo caso, si ottiene ciò che gli autori chiamano ECI, “Economic Complexity Index”, misura della complessità economico -conoscitiva di un paese (ossia la sua diversità, asintoticamente corretta per l’ubiquità dei prodotti); nel secondo caso, invece, si ha il cosiddetto PCI, “Product Complexity Index”, indicatore della complessità economico-conoscitiva di un prodotto (ossia la sua non-ubiquità, asintoticamente corretta per la diversità dei produttori). 2.7 UTILIZZARE ECI E PCI: COMPARARE IL PRESENTE E PREDIRE IL FUTURO L’utilizzo di ECI E PCI è importante sia in ottica di analisi economica (comparativa e predittiva), sia in fase di definizione di politica economica. Innanzitutto, le misure di complessità economica sono uno strumento di analisi comparativa molto importante, in quanto riescono a spiegare con grande significatività le differenze di reddito tra paesi. Questo è chiaramente dimostrato dalla forte correlazione esistente tra ECI e reddito procapite corretto per le esportazioni di risorse naturali (che, come sottolinano gli autori, ”has more to do with geology than knowhow”51) (Fig. 2). Ciò dà nuova profondità (soprattutto quantitativa) all’analisi delle differenze strutturali in senso orizzontale-sezionale tra i paesi e, inoltre, riconferma la centralità della conoscenza produttiva, riflessa nell’ECI, in qualità di determinante del diverso sviluppo economico dei paesi. Ancora più importante è il ruolo dell’ECI in termini di analisi predittiva dello sviluppo del PIL e della prosperità dei paesi. A questo fine, Hausmann e Hidalgo hanno creato un modello di regressione della crescita storica a 10 anni dei paesi del mondo, rispetto a quattro variabili: il reddito iniziale, l’aumento del reddito per la crescita dell’export di risorse naturali, l’ECI ed un termine interattivo tra ECI e reddito iniziale. Il risultato è una regressione con R 2 pari a 0,434, di cui quasi un terzo (0,149) è attribuibile agli ultimi due elementi: ECI e termine interattivo ECI-reddito iniziale.

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.27
51

23

Fig. 2 - Correlazione tra ECI e Reddito procapite corretti per le esportazioni di risorse naturali. Fonte: Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab, p.28

Il legame tra ECI (semplice) e crescita è intuitivamente riferibile al fatto che una maggiore complessità economica, ossia più competenze produttive, permettono di produrre una maggiore quantità di beni e quindi determina maggiore sviluppo economico. Più in dettaglio, gli autori notano che: “An increase of one standard deviation in complexity […] is associated with a subsequent acceleration of a country’s long-term growth rate of 1.6 percent per year”52. Riguardo al rapporto tra termine interattivo ECI – reddito iniziale e crescita economica, invece, Hausmann e Hidalgo ipotizzano che “Countries whose economic complexity is greater than what we would expect, given their level of income, tend to grow faster than those that are “too rich” for their current level of economic complexity”53. In altri termini, se un paese ha un livello di reddito procapite sproporzionato rispetto a quello che corrisponderebbe al suo ECI (osservabile attraverso il termine interattivo ECI – reddito iniziale), allora la sua crescita economica sarà congruentemente maggiore o minore per riavvicinarlo allo stato atteso (expected). L’insieme di questi due elementi fa dell’ECI un indicatore predittivo senza eguali tra le misure utilizzate tradizionalmente a tali fini54: i 6 World Governance Indicators per la qualità delle istituzioni di un paese, utilizzati dalla Banca
52

Prosperity, Boston, MIT Media Lab, p.27
53 54

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Ibid., p.27 Ibid., p.33-37

24

Mondiale, contribuiscono all’R2 di un modello predittivo della crescita economica per un mero 0,016 (rispetto allo 0,15 dell’ECI); le variabili del capitale umano (anni di scolarizzazione o risultati di test cognitivi internazionali) non superano, congiuntamente, lo 0,036; il Global Competitiveness Index, pur comprendendo al proprio interno oltre 150 misure di competitività, non riesce a superare una contribuzione all’R2 di 0,05. Alla luce delle sue potenzialità analitiche comparativo-predittive, infine, l’ECI assume profonda importanza in termini di politica economica. Infatti, se lo sviluppo economico è riflessione di un processo di “capability -building”55, il passo successivo è domandarsi come le istituzioni politiche possano impegnarsi per favorire la crescita della complessità conoscitiva di un territorio. Al riguardo, Hidalgo parla di “help catalyze market activities and solve coordination problems that emerge naturally when countries try to accumulate capabilities”56, riferendosi specialmente ai paesi meno complessi, bloccati in quella che Hausmann e Hidalgo chiamano “quiescence trap”57: la scarsità di competenze in possesso del paese ne impedisce lo sviluppo naturale di nuove e blocca la crescita conoscitivo-economica del territorio. In particolare, Hidalgo sottolinea: “[..] policies to promote large jumps are more challenging. Yet, it is precisely these long jumps that generate subsequent structural transformation, convergence, and growth”58. E’ importante, quindi, che le istituzioni di un paese bloccato nella “quiescence trap” si impegnino per far nascere competenze nuove, che permettano poi nuova innovazione e crescita. Secondariamente, oltre a favorire la crescita della complessità nazionale, un importante compito delle istituzioni può certamente risiedere nel favorire la rapida esplicitazione di questa accresciuta complessità in una maggiore crescita economica, assecondando la riduzione del gap rispetto al PIL teorico del modello. Hausmann e Hidalgo lasciano, tuttavia, a futura analisi l’approfondimento di concreti studi applicativi della teoria della complessità in politica economica.

Hidalgo, C.A (2009), The Dynamics of Economic Complexity and the Product Space over a 42 year period, Working Paper N°189, Harvard College, Boston, p.17
55

Ibid., p.1 Hausmann, R., Hidalgo, C.A (2010), Country diversification, product ubiquity, and economic divergence, Working Paper N°201, Harvard College, Boston, p.1 58 Hidalgo, C. A. (2008), Three Empirical Studies on the Aggregate Dynamics of Humanly Driven Complex Systems, Working Paper, University of Notre Dame, Indiana, p.68-69
56

57

25

2.8 IL PRODUCT SPACE: RAPPRESENTARE LO SVILUPPO DELLA COMPLESSITA’ L’analisi della complessità economica di Hausmann e Hidalgo è strettamente legata ad uno studio antecedente che ha coinvolto i due autori e che ha avuto come oggetto lo sviluppo del “product space”, lo spazio dei prodotti. Hausmann e Hidalgo, insieme a Barabasi e Klinger, descrivono i prodotti attraverso uno spazio in due dimensioni, che essi chiamano “product space” 59, dove la distanza tra i prodotti (i punti) è data dalla reciproca prossimità, ossia dalla probabilità che due beni siano prodotti in una stessa nazione (Fig. 3).

Fig. 3 – Il “Product Space”. Fonte: Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab, p.45

Hausmann e Hidalgo descrivono così l ’importanza di osservare come le esportazioni di una certa nazione si dispongano nel “product space”: “the location of a country in the product space captures information regarding both the productive knowledge that it possesses and the capacity to expand that knowledge by moving into other nearby products“60. Perciò, in primo luogo, il “product space” è la base per studiare e confrontare la conformazione della struttura produttiva dei paesi. E’ così, ad esempio ,
Hidalgo, C.A., Klinger, B., Barabasi, A.L., Hausmann, R. (2007), The Product Space Conditions the Development of Nations, Science, 317, p.482-487 60 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.47
59

26

interessante notare come i paesi più complessi (e sviluppati) abbiano una forte concentrazione delle proprie esportazioni nel centro del “product space”, mentre i paesi meno complessi (e sottosviluppati) tendano ad avere una struttura delle esportazioni molto dispersa nella periferia. In secondo luogo, il “product space” è in grado di descrivere quali siano i più probabili sviluppi merceologici futuri per un certo paese: infatti, una nazione tenderà a produrre nuovi beni “prossimi” a quelli già esistenti nella propria economia, in quanto già dispone della maggior parte delle competenze necessarie per la sua produzione (“the probability that a pair of products is coexported carries information about how similar these products are”61). Per questo motivo: “A highly connected product space […] makes the problem of growing the complexity of an economy easier. Conversely, a sparsely connected product space makes it harder”62. In questo modo, si può comprendere perché vi siano differenti potenziali di sviluppo nei diversi paesi e, in particolare, perché esista la “quiescence trap”: la facilità di sviluppo di nuovi prodotti dipende dalla varietà ed interconnessione dei prodotti già esistenti; se essi sono poco vari e complessi (ossia sono sparsi e confinati nella periferia del network), allora il paese può rimanere intrappolato nel proprio sottosviluppo. 2.9 LO STUDIO DI HAUSMANN E HIDALGO COME TEORIA ECONOMICA Lo studio di Hausmann e Hidalgo, pur introducendo innovativi sviluppi teorici, non è stato formalizzato dagli autori in una vera e propria teoria economica. Si tenterà, tuttavia, di supplire a tale mancanza, creando una personale elaborazione di un modello economico Hausmann-Hidalgo. Innanzitutto, gli autori considerano ogni prodotto (y) come la somma degli input conoscitivi (h) necessari per la sua produzione. A livello aggregato, una nazione x disporrà di un determinato insieme di n input conoscitivi, definibile come Hx :

Tale quantità è in parte costituita da conoscenza formalizzata e trasmessa attraverso strutture formali (ad esempio, istituiti scolastici, università, centri di
61

to Prosperity, Boston, MIT Media Lab, p.47
62

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths Ibid., p.45

27

formazione professionale); per la gran parte, tuttavia, tali input conoscitivi sono dispersi disomogeneamente tra tutti gli operatori economici all’interno del paese. Hausmann e Hidalgo sostengono che una nazione tenderà naturalmente a produrre i beni per cui dispone dei necessari input conoscitivi . E’ quindi possibile definire la funzione di produzione aggregata di equilibrio come:

Dato che lo sviluppo dei prodotti è un processo di combinazione di competenze ritenute profittevoli dagli imprenditori, sarà personalmente ipotizzato che:

dove il termine in sommatoria rappresenta il numero totale di combinazioni possibili tra n input conoscitivi del paese e P è la frazione di combinazioni profittevoli sul totale. P molto probabilmente non è una costante, ma è a sua volta una funzione crescente rispetto ad n, in quanto maggiore è il numero di input conoscitivi, più probabile è che essi possano formare occasioni di profitto. Quindi:

Si potrebbe notare che, come sottolineato da Hausmann e Hidalgo, vi sia molto spesso la forte presenza in un paese di redditi legati all’esportazione di risorse naturali: questo fattore, tuttavia, non può rientrare nel l’equilibrio sopra formalizzato, in quanto, per definizione, le risorse naturali sono scarse e non possono costituire una fonte di reddito a lungo periodo. In sintesi, in assenza di innovazione, il paese tenderà naturalmente a raggiungere tale stato stazionario conoscitivo-produttivo, proporzionale al numero di competenze disponibili nel paese e alla proporzione di combinazioni profittevoli possibili tra loro. Alla luce di ciò, la crescita del paese in un certo momento t dipende, secondo il modello Hausmann-Hidalgo, dalla discrepanza tra produzione in stato stazionario e produzione attuale, oltre che dalla crescita dei redditi legata alle esportazioni di risorse naturali. Si può perciò formalizzare:

28

Ciononostante, tale equazione rappresenta una crescita di breve-medio periodo, in quanto, una volta raggiunto lo stato stazionario, gx,t sarà uguale a zero. Introducendo l’innovazione conoscitivo -tecnologica, tuttavia, Hx non sarà più una costante, bensì crescerà ad un certo tasso a(H), a sua volta crescente al crescere di H, in quanto l’accumulazione di conoscenze è, secondo Hausmann e Hidalgo, un processo esponenziale:

Perciò, è possibile concludere, solovianamente, che lo stato stazionario di lungo periodo non è fisso, bensì tende a crescere ad un tasso crescente a(H). 2.10 I LIMITI DELLA TEORIA DI HAUSMANN E HIDALGO La teoria della complessità economica di Hausmann e Hidalgo rappresenta un’importante novità all’interno dello s tudio dello sviluppo economico, sfruttando metodologie fondamentalmente trascurate dalle teorie tradizionali. Ciononostante, essa non è priva di criticità e, in particolare, si è cercato di identificarne i limiti analitici, metodologici e teorici. A livello analitico, come ammettono gli autori stessi63, la necessità di disporre di dati precisi ed affidabili ha determinato la scelta di utilizzare le esportazioni come base di calcolo dell’indice di complessità economica. Tuttavia, questa decisione porta con sé un profondo limite: non tutti i beni che una nazione produce vengono esportati e, perciò, molti prodotti sono, di fatto, totalmente esclusi dall’analisi, pur essendo parte integrante della struttura produttiva di un paese. La parzialità dell’analisi di Hausmann e Hidalgo, inoltre, è anche determinata dalla non inclusione dei servizi e del terziario, i quali rappresentano il fondamento della creazione dei prodotti fisici e la parte più importante (e probabilmente più knowledge-based) dell’economia contemporanea. A livello metodologico, la teoria di Hausmann e Hidalgo trova un forte limite concettuale in una delle sue ipotesi di base: la teoria, implicitamente, sostiene che se un paese non produce un determinato prodotto è perché esso non possiede le competenze necessarie per farlo. Questa affermazione appare forzata, in quanto esistono molte altre cause, oltre alla incapacità conoscitiva, dietro alla mancata produzione di certi beni in un determinato paese:

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.23
63

29

    

perché manca del clima adatto (come nel caso di molti frutti tropicali) o delle risorse naturali necessarie (per esempio, la produzione di petrolio) perché i costumi o la religione nazionale lo condannano (si pensi, ad esempio, al rapporto dell’Islam con la carne di maiale o con l’alcool); perché la legislazione lo vieta (per esempio, in Italia, dal 1992 è proibita la produzione o qualsiasi utilizzo dell’amianto 64); perché non ha sufficiente mercato all’interno della nazione (ad esempio, la produzione di navi in un paese senza sbocchi sul mare); perché le barriere all’entrata del mercato internazionale del bene sono troppo alte per permettere la nascita di un’industria nazionale (si pensi, ad esempio, all’industria aeronautica civile e al peso nel mercato mondiale delle economie di scala e dei brand di Airbus e Boeing); perché la sua produzione è strettamente legata, per motivi economici o politico-strategici, a quella di un altro bene, non prodotto nel paese: può essere un legame di input-output (come tabacco e sigarette), co-input (come transistor e diodi in un microchip), co-output (come benzina e plastica dal petrolio), economia di scopo (come pane e biscotti) e così via.

Questo limite determina contemporaneamente due effetti distorsivi. Dal punto di vista della diversità, si ha una sottostima della complessità conoscitiva di molti paesi, i quali, pur non producendo effettivamente determinati beni, possiedono tuttavia le competenze produttive alla loro base. Dal punto di vista dell’ubiquità, invece, c’è una sopravvalutazione della complessità di alcuni prodotti, in quanto risultano meno ubiqui del dovuto, essendo prodotti da un numero di paesi inferiore a quanti avrebbero le conoscenze per farlo. Questa distorsione è ben visibile nell’esempio della Fig. 4.
Cod Nomenclatura SITC4 PCI

7922 AIRCRAFT NOT EXCEEDING AN UNLADEN WEIGHT 2000 KG 7923 AIRCRAFT NOT EXCEEDING AN UNLADEN WEIGHT OF 15000 KG 7924 AIRCRAFT EXCEEDING AN UNLADEN WEIGHT OF 15000 KG

0,62 0,37 -0,04

Fig. 4 – Confronto dei PCI di tre tipologie di aeromobile. Elaborazione personale, a partire dai dati di Hausmann e Hidalgo sui PCI dei prodotti nella nomenclatura SITC 4

Il modello di Hausmann e Hidalgo attribuisce una complessità maggiore agli aeromobili sotto le 2 tonnellate (ad esempio, un aereo agricolo come il Piper PA25) rispetto a quelli sopra le 15 tonnellate (ad esempio, l’Airbu s A380, un aereo civile che può portare più di 500 passeggeri).
64

L. 27 Marzo 1992, n. 257, “Norme relative alla cessazione dell'impiego dell'amianto”, art. 1

30

Tuttavia, non è plausibile che al crescere delle dimensioni dell’aeromobile diminuisca la complessità di conoscenza produttiva richiesta per la sua produzione, in quanto la difficoltà ingegneristica certamente aumenta. Questa distorsione è probabilmente risultato dell’effetto congiunto dei fenomeni descritti. Infine, dal punto di vista teorico, la teoria economica desumibile dal modello di Hausmann e Hidalgo, brevemente formalizzata nel paragrafo precedente, appare incompleta, in quanto tralascia lo studio delle modalità concrete di accumulazione e di esplicitazione delle competenze. Al riguardo, invece, il modello sembra sottintendere che il meccanismo di sviluppo di nuova conoscenza sia automatico, estendendosi progressivamente a competenze simili a quelle già detenute; allo stesso modo, il processo di esplicitazione di tali competenze appare come naturalmente svolto dagli imprenditori, meri “combinatori di competenze” in nuovi prodotti Nella realtà, si tratta, invece, di meccanismi profondamente complessi: lo sviluppo di conoscenza dipende dal livello di istruzione del paese, dagli investimenti pubblici e privati in ricerca, dalla tutela dei brevetti, dalla facilità di acquisizione delle competenze già esistenti, etc. La capacità di un territorio di esplicitare competenze in nuovi prodotti dipende dalla sua cultura imprenditoriale (soprattutto in termini di “cultura del rischio”), dalla facilità di avviamento di una start-up, dalla ricettività della domanda del mercato interno rispetto a nuovi prodotti, etc. Per questo motivo, è auspicabile che, in futuro, si sviluppino o si individuino teorie complementari che descrivano in modo più efficace questi fenomeni, in modo da poter inquadrare la teoria di Hausmann e Hidalgo all’interno di un modello economico più generale e completo.

31

3 - LA COMPLESSITA’ DELLE REGIONI ITALIANE
3.1 GLI OSTACOLI AD UNO STUDIO REGIONALE DELLA COMPLESSITA’ L’applicazione a livello regionale di un calcolo sviluppato per uno studio a livello nazionale è ostacolata da due problemi intrinseci. In primo luogo, pur essendo la complessità legata al tessuto produttivo di un territorio e perciò analizzabile a livello locale, essa è fortemente condizionata da fattori ambientali-politici che, in Italia, sono perlopiù controllati a livello nazionale: gli incentivi fiscali per la produzione in determinate regioni o settori industriali, la burocrazia necessaria per lo start-up, gli investimenti in ricerca e così via. Per questo motivo, l’analisi comparativa della complessità a livello regionale è viziata dalla forte centralità decisionale. In secondo luogo, spingere lo studio della complessità ad un livello molto più “micro” riduce la precisione d’analisi e la prevedibilità dei fenomeni: infatti, mentre a livello aggregato le variabilità individuali tendono ad elidersi, riducendo il raggio dell’analisi l’incertezza si accresce di molto. Per questo motivo, i risultati presentati di seguito sulla crescita futura attesa del PIL regionale sono certamente più imprecisi rispetto alle stime a livello nazionale. 3.2 CALCOLO ED ANALISI DEGLI ECI REGIONALI Al fine di calcolare l’Indice di Complessità Economica (ECI) delle regioni italiane, replicare l’algoritmo ricorsivo utilizzato da Hausmann e Hidalgo non sarebbe stato un procedimento corretto: infatti, spezzare l’Italia nelle proprie venti regioni e introdurle nel calcolo mondiale della complessità falserebbe profondamente il significato dell’analisi, in quanto modificherebbe l’ubiquità e la diversità di molti prodotti (ad esempio, se due regioni producessero un certo bene, l’ubiquità di tale prodotto andrebbe ingiustamente ad aumentare a livello mondiale). L’unica via per poter applicare tale algoritmo sarebbe confrontare tutte le singole regioni del mondo tra di loro, ma ciò andrebbe ben oltre la portata dell’elaborato. Per questo motivo, si è deciso di ricorrere ad un’approssimazione: si calcolerà l’ECI di una regione come media dei PCI (Product Complexity Index) delle sue esportazioni, utilizzando come pesi di ponderazione le quantità esportate delle singole categorie merceologiche. Questo metodo, tuttavia, ha un profondo limite: pur riflettendo efficacemente l’ubiquità e la complessità dei prodotti, non

32

considera concretamente la diversità delle esportazioni, perdendo parte del valore analitico originale dell’ECI. Ciononostante, si tratta di una approssimazione accettabile, come confermato65 personalmente da Alexander Simoes, co-autore de ”The Atlas of Economic Complexity” di Hausmann e Hidalgo. Adattando i PCI della classificazione SITC4 alla ATECO utilizzata dall’Istat (Appendice 2) e applicandoli ai dati sulle esportazioni delle Regioni italiane, sono stati personalmente calcolati gli ECI regionali dal 1991 al 2011 (Fig. 5).
1991 Lombardia Piemonte Valle d'Aosta Liguria Trentino Alto-Adige Veneto Friuli-Venezia Giulia Emilia Romagna Toscana Umbria Marche Lazio Abruzzo Molise Campania Puglia Basilicata Calabria Sicilia Sardegna Italia (aggregato) 1,3859 1,5394 1,1632 1,2647 0,9341 0,8825 1,4990 1,2540 0,4264 0,7014 0,7315 1,5974 1,5829 0,2780 0,8450 0,3233 1,0247 0,6946 0,8418 0,9628 1,1776 1996 1,4226 1,5720 1,5167 1,0685 1,0202 0,9917 1,3934 1,3364 0,5601 0,7321 0,9788 1,6784 1,5733 0,3425 0,7915 0,4503 1,5649 0,7820 0,9838 0,8685 1,2300 2001 1,4784 1,5200 1,3636 1,1546 1,0423 1,0122 1,4450 1,3822 0,6101 0,8255 1,0305 1,6858 1,5263 0,3031 1,0725 0,7247 1,9492 0,5634 0,9724 0,8905 1,2639 2006 1,4531 1,5067 1,0041 1,1199 1,1435 1,1090 1,4831 1,4673 0,8331 0,9369 1,3183 1,6549 1,6078 0,3131 1,0779 0,7865 1,9052 0,4366 0,9174 0,8602 1,3099 2011 1,4204 1,4244 0,9911 1,2172 1,0389 1,1336 1,4270 1,4353 0,7820 0,9004 1,1282 1,6652 1,7278 0,8971 0,8918 1,0202 1,8294 0,6100 0,8421 0,8765 1,2785

Fig. 5 – ECI delle Regioni italiane (1991-2011). Elaborazione personale, a partire da: Dati Istat Export Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

E’ possibile analizzare i risultati da vari punti di vista. Innanzitutto, si può notare l’ampiezza dell’intervallo in cui si distribuiscono le complessità regionali: nel 2011, si passa dall’1,83 della Basilicata allo 0,61 della Calabria. Se trasposta a livello internazionale, questa differenza corrisponde approssimativamente a quella
Consultato riguardo alla proposta di approssimazione personale: “I think that would certainly be a fine approximation, since that is essentially what the ECI is telling you anyway. How complex your region is should be related to the complexity of the products the given region exports”.
65

33

osservata da Hausmann e Hidalgo tra Svezia (1,86) e Bosnia-Erzegovina (0,60)66. Ciò conferma come, all’interno di una nazione complessa quale l’Italia , sussistano profonde differenze conoscitivo-produttive. In secondo luogo, i dati a livello regionale confermano come una maggiore complessità corrisponda ad una maggiore ricchezza: infatti, sette delle dieci regioni attualmente più complesse sono anche tra le prime dieci in Italia per reddito pro-capite ai dati Istat del 2009.
2,00 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00

Fig. 6 – Confronto tra ECI delle Regioni italiane nel 2011. Elaborazione personale, a partire da: Dati Istat Export Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), Atlas of Economic Complexity, MIT Media Lab

Ciononostante, è interessante notare la contro-intuitività di alcuni risultati: la regione attualmente più complessa, secondo il modello, è la Basilicata, pur essendo tra le ultime a livello nazionale per PIL procapite (era 16° nel 2009). Dall’altro lato, la Toscana, ottava regione per PIL procapite nel 2009, si pone in penultima posizione per ECI. Il motivo di queste differenze diventa chiaro alla luce delle composizione dell’export delle due regioni: la Basilicata esporta beni complessi come autoveicoli e relative parti ed accessori; la Toscana, invece, ha esportazioni relativamente meno complesse, come metalli di base (preziosi o non ferrosi), prodotti di cuoio e pelletteria. Ciò dimostra come sia errato porre l’equivalenza assoluta tra ricchezza e complessità: la complessità non è sinonimo, bensì determinante dello sviluppo e,

Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.67
66

ECI

34

soprattutto, è un indicatore del potenziale futuro di un territorio, più che del suo stato attuale. E’, inoltre, importante analizzare cronologicamente i dati. Negli ultimi venti anni, la complessità delle regioni italiane è variata in modi diversi: a livello aggregato, l’ECI italiano è cresciuto del 2,5%; la maggior parte delle regioni ha accresciuto la propria complessità dal 1991 ad oggi, con picchi di oltre il 200% (nel caso di Puglia e Molise); nello stesso arco di tempo, alcune regioni (Piemonte, Valle d’Aosta, Liguria, Friuli-Venezia Giulia, Calabria e Sardegna) hanno, invece, ridotto il proprio Indice di Complessità Economica. Questi diversi trend di crescita sono chiaramente visibili anche osservando le variazioni nella classifica di complessità regionale dal 1991 al 2011 (Fig. 7).

Elaborazione personale, a partire da: Dati Istat Export Regionali (1991-2011); Hausmann, R.,
Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Fig. 7 – Classifica delle Regioni italiane per ECI nel tempo (1991-2011).

In generale, le regioni complesse nel 1991 (denotate da tonalità blu) sono rimaste tali fino ad oggi e, allo stesso modo, le regioni meno complesse (tonalità rosse) sono ancora oggi, perlopiù, nelle ultime posizioni per ECI. Ciò nonostante, alcune regioni hanno subito profonde trasformazioni in termini di complessità: prendiamo come esempi le regioni che hanno variato maggiormente le proprie posizioni in classifica, ossia Basilicata e Sardegna.

35

La Basilicata, dalla metà degli anni Novanta, ha conosciuto un’improvvisa crescita di complessità, dovuta principalmente alla nascita di un grande polo automobilistico Fiat a Melfi ed al conseguente indotto di parti e componenti per veicoli. Data la complessità dei prodotti in questione e la relativa povertà delle esportazioni tradizionali della regione, il salto in termini di ECI è stato grande e ciò si è riflesso in quella che è stata la massima crescita del PIL procapite tra tutte le regioni dal 1991 ad oggi (ben il 120%, contro una media del 90%). Dall’altro lato, la Sardegna, invece, ha subito una flessione del proprio Indice di Complessità Economica perché la sua crescita economica è stata sempre più guidata dal settore petrolchimico, che presenta una complessità relativamente bassa rispetto ai settori di sviluppo delle altre regioni italiane. 3.3 PREVISIONI SULLA FUTURA CRESCITA DELLE REGIONI ITALIANE Infine, l’ECI può venire utilizzato come strumento di calcolo della crescita attesa delle regioni italiane per il periodo 2009-2029. Nel paragrafo 2.7 è stato descritto il modello di Hausmann e Hidalgo: per l’impossibilità del suo utilizzo in questa sede, esso verrà approssimato da un modello personale, giustificato e presentato in dettaglio in Appendice 1. Le stime risultanti sono rappresentate in Fig. 8.
Lom Pie Val Lig Tre Ven Fri Emi Tos Umb 2,24% 2,44% 2,08% 2,47% 2,19% 2,47% 2,40% 2,35% 2,68% 2,76% Mar Laz Abr Mol Cam Pug Bas Cal Sic Sar

2,74% 2,37% 2,92% 3,53% 3,11% 3,75% 3,32% 2,98% 3,04% 2,82%

Elaborazione personale, a partire da: Dati Istat Export e PIL Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Fig. 8 – Crescita annuale attesa delle Regioni italiane per il periodo 2009-2029.

Il modello stima una crescita media futura per l’Italia del 2, 73% annuo, pur con forti differenze regionali: dal 3,75% della Puglia al 2,08% della Valle d’Aosta e comunque fortemente concentrata nel Sud Italia.

36

Queste previsioni di crescita determinano un nuovo scenario in termini di classifica per PIL procapite regionale: nel 2029, la regione con massimo reddito pro capite sarà, secondo il modello, il Trentino Alto-Adige, superando l’attuale primato della Valle d’Aosta. La Puglia, invece, sarebbe la regione con il massimo spostamento in graduatoria: dalla 19° posizione attuale alla 16° (Fig. 9).
1. Trentino Alto-Adige 2. Valle d'Aosta 3. Lombardia 4. Emilia Romagna 5. Lazio 6. Toscana 7. Veneto 8. Friuli-Venezia Giulia 9. Piemonte 10. Marche

50.344 49.501 49.419 48.521 47.672 47.388 46.981 45.433 44.332 44.048

11. Liguria 12. Umbria 13. Molise 14. Abruzzo 15. Basilicata 16. Puglia 17. Sardegna 18. Sicilia 19. Calabria 20. Campania

43.719 40.543 40.215 36.820 35.733 34.921 34.865 31.003 30.429 30.106

Fig. 9 – Classifica delle Regioni Italiane per PIL procapite atteso in euro nell’anno 2029. Elaborazione personale, a partire da: Dati Istat Export e PIL Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Per valutare la bontà di queste stime, è necessario osservare se il modello, applicato nel 1991, avrebbe ben descritto quella che sarebbe stata la futura crescita delle regioni italiane. A questo fine, la Fig. 10 presenta, in blu, la crescita prevista dal modello per il PIL della Lombardia tra il 1991 e il 2009 e, in rosso, l’andamento effettivo della crescita nello stesso periodo.
10,00% 8,00% 6,00% 4,00%

2,00%
0,00% -2,00% -4,00% -6,00% Crescita annuale PIL attesa dal modello Crescita annuale PIL effettiva
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Fig. 10 – Confronto crescita prevista dal modello e crescita effettiva del PIL della Lombardia (1991-2009). Elaborazione personale, a partire da: Dati Istat Export e PIL Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Prescindendo dalle inevitabili variazioni annuali, legate anche al mutevole andamento dell’economia globale (come nel caso della recessione del 200 8-

37

2009), si può affermare che la stima compiuta dal modello abbia discretamente descritto l’andamento medio dell’effettiva crescita annuale del PIL lombardo. Ancora più utile che osservare l’andamento annuale, può essere considerare il PIL procapite regionale stimato dal modello per il 2009 e il PIL procapite effettivo in quell’anno per ognuna delle venti regioni italiane (Fig. 11).

Fig. 11 – Confronto crescita prevista dal modello e crescita effettiva del PIL della Lombardia (1991-2009). Elaborazione personale, a partire da: Dati Istat Export e PIL Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Guardando al complessivo sviluppo ventennale, il modello ha descritto il futuro PIL procapite regionale con coefficiente di determinazione pari a 0,89: in particolare, l’errore standard del modello è stato di 1380,55€, ossia, in media, il 12,62% dell’effettiva crescita regionale; annualizzando il dato, l’errore medio nella previsione di crescita annua è stato dello 0,66%. Considerando le inevitabili approssimazioni che stanno alla base del modello personalmente sviluppato, si tratta di errori tollerabili in questa sede e che permettono, in ogni caso, di affermare una sostanziale affidabilità del modello predittivo. Tuttavia, di essi è necessario tenere conto in riferimento alle stime della crescita annuale 2009-2029 delle regioni italiane, che dovranno perciò essere mediamente corrette per ±0,66%.

38

3.4 UNA NUOVA INTERPRETAZIONE DEL DIVARIO TRA NORD E SUD Aggregando i dati regionali, si possono analizzare le differenze di complessità tra le tre macro-regioni in cui geograficamente ed economicamente viene ripartita l’Italia, ossia Nord, Centro e Sud. I risultati sono rappresentati nella Fig. 12.
1,60 1,40 1,20 ECI 1,00 0,80 0,60 0,40 0,20

2009

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2010

Nord Italia

Centro Italia

Sud Italia e Isole

Elaborazione personale, a partire da: Dati Istat Export Regioni; Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab

Fig. 12 – ECI di Nord, Centro e Sud Italia nel tempo (1991-2011).

Il primo dato interessante da notare è la convergenza tra Nord e Centro Italia in termini di complessità: la distanza si è ridotta a quasi un quarto rispetto a venti anni fa. Sulla base del modello di Hausmann e Hidalgo, ciò dovrebbe significare che, nel prossimo futuro, i redditi procapite delle due macroregioni tenderanno, a loro volta, ad una convergenza. Un dato completamente opposto, invece, emerge confrontando le complessità del Centro-Nord e del Sud Italia: il divario con il Mezzogiorno, pur essendosi ridotto nel corso degli anni Novanta, è rimasto pressoché inalterato a partire dal 2000 e, ancora oggi, permane molto ampio. Riguardo alle cause di questa mancata convergenza, si potrebbe ipotizzare che sia opera della già citata “quiescence trap”: il Sud Italia, incorporando nel proprio tessuto produttivo una quantità di conoscenze produttive di molto inferiori rispetto al Centro-Nord, non riuscirebbe a sviluppare nuova conoscenza produttiva ad un ritmo tale da permettere un “catch-up” e rimarrebbe, perciò, “intrappolato” nella propria bassa complessità. Ina critica alla validità di questa teoria potrebbe, tuttavia, venire dalla considerazione che il Centro Italia, all’inizio del proprio cammino di convergenza, avesse lo stesso livello di complessità presso cui il Sud Italia è rimasto bloccato fino ad oggi. La risposta che ristabilisce la credibilità dell ’ipotesi della “quiescence

2011

39

trap” risiede nell’analisi comparata dei “product space” del Centro Italia nel 1991 e del Sud Italia nel 2000, creati personalmente e raffigurati nelle Fig. 13 e 14.

Fig. 13 – “Product Space” del Centro Italia nel 1991 (i quadrati neri sono le esportazioni rilevanti, ossia con RCA > 1,1). Elaborazione personale, a partire da: Dati Istat Export Regioni; Dati Volumi export mondiale dell’International Trade Center; Dati Observatory of Economic Complexity

Fig. 14 – “Product Space” del Sud Italia nel 2000 (i quadrati neri sono le esportazioni rilevanti, ossia con RCA > 1,1). Elaborazione personale, a partire da: Dati Istat Export Regioni; Dati Volumi export mondiale dell’International Trade Center; Dati Observatory of Economic Complexity

40

Essi raffigurano con quadrati neri le esportazioni “rilevanti” delle due macroregioni, secondo il concetto di RCA (“Revealed Competitive Advantage”) di Balassa: si tratta, brevemente, di quei prodotti esportati dai due territori in quantità percentuale maggiore rispetto alla percentuale teorica media riferibile ad ogni territorio, data dalla percentuale del volume di traffico mondiale del prodotto sul totale del commercio globale. In generale, si considerano “rilevanti” i prodotti con RCA maggiore di 1; nel presente elaborato, date le forti approssimazioni alla base del modello, si è optato per un RCA di almeno 1,1, considerando un margine di errore del 10%, al fine di evitare sopravvalutazioni che potessero palesemente falsare i dati. Osservando la diversa disposizione delle esportazioni “rilevanti” nei due “product space”, si può notare come le due macroregioni nei rispettivi momenti storici, pur avendo il medesimo ECI, esibissero una conformazione produttiva assolutamente differente: il Centro Italia nel 1991 presentava esportazioni fortemente concentrate verso il centro della mappa; al contrario, le esportazioni “rilevanti” del Sud Italia nel 2000 erano profondamente disperse, distanti tra loro, perlopiù collocate ai confini della mappa. Come illustrato nel paragrafo 2.8, la crescita conoscitivo-produttiva di un paese si sviluppa verso categorie merceologiche prossime (nel “product space”) a quelle esistenti e, perciò, la probabilità che un certo nuovo prodotto venga realizzato dipende dalla sua vicinanza ai beni attualmente prodotti: per questo motivo, se un territorio, come il Sud Italia, si dispone in modo sparso nel “product space” è più difficile che esso possa sviluppare nuovi prodotti e quindi accrescere la propria complessità, rispetto ad un territorio che abbia invece esportazioni fortemente concentrate nel centro del “product space” , come il Centro Italia. Ciò sembra perciò confermare l’ipotesi di una sostanziale “quiescence trap” del Mezzogiorno. Qualunque sia la causa del divario di complessità tra Centro-Nord e Sud, esso è comunque importante di per sé, in quanto apre un nuovo punto di vista sulla questione del ritardo economico del Mezzogiorno, tema da sempre al centro del dibattito politico del nostro paese: ciò che ha frenato e ancora frena lo sviluppo del Sud e la sua convergenza economica con il resto d’Ita lia potrebbe essere anche la sua scarsa complessità conoscitivo-produttiva. Anche se certamente molte altre sono le concause del ritardo, questo riconoscimento della ridotta complessità del Meridione potrebbe fornire una nuova prospettiva alla politica economica italiana, passata e futura.

41

Guardando al passato, si dovrebbe riconsiderare con scetticismo la politica industriale per il Sud dal dopo-guerra ad oggi, concentratasi soprattutto sullo sviluppo di settori relativamente poco complessi, quali il chimico e petrolchimico, l’agro-alimentare e il siderurgico: essa ha certamente permesso un’iniziale crescita economica, ma non avrebbe invece posto le basi per una crescita della complessità di tali regioni, la quale sarebbe, seconda la teoria presentata, la fondamentale determinante della competitività e dello sviluppo a lungo termine di un territorio. Queste conclusioni potrebbero essere uno spunto per la futura politica economica italiana: al fine di spezzare questo circolo vizioso di bassa complessità e basso sviluppo del Mezzogiorno, si dovrebbe intervenire per favorire lo sviluppo di una maggiore varietà di competenze produttive all’interno del Sud Italia. Una proposta potrebbe essere la seguente: incentivare l’investimento in settori produttivi più complessi, soprattutto da parte di imprese estere, affinché esse possano apportare le proprie competenze, supplendo al deficit interno e sviluppando intorno a sé un importante indotto produttivo. In altri termini, si potrebbe cercare di replicare l’esperienza della Basilicata, dove gli investimenti di Fiat della metà degli anni Novanta hanno permesso una notevole crescita del settore delle parti per autoveicoli (il cui export è quadruplicato in quindici anni, secondo i dati Istat). Gli strumenti di azione per favorire l’insediamento di imprese estere di settori complessi potrebbero essere, tra gli altri, agevolazioni fiscali mirate, aiuto nell’adempimento delle pratiche amministrative, investimenti infrastrutturali, supporto formativo per i futuri dipendenti, incentivazione della nascita di distretti produttivi nazionali ad alta complessità. In ogni caso, se i risultati di questo lavoro dovessero essere confermati da future ricerche, sviluppate con metodi di calcolo più elaborati e con dati più dettagliati, intervenire per la crescita della complessità del Sud Italia dovrà diventare una priorità per il futuro economico italiano. Secondo Aristotele, il “vero sapere” risiede nella conoscenza delle cause. Tuttavia, è necessario completare tale affermazione con quanto sosteneva Protagora di Abdera: “La pratica senza la teoria è cieca, come cieca è la teoria senza la pratica”. Senza un’applicazione concreta, infatti, a nulla serve il “vero sapere” e inutili sono gli sforzi per raggiungerlo.

42

APPENDICE 1: MODELLO DI STIMA DELLA CRESCITA ATTESA A 20 ANNI DEL PIL PRO CAPITE REGIONALE
Hausmann e Hidalgo, per calcolare la crescita attesa a vent’anni del PIL pro capite dei diversi paesi del mondo, utilizzano un modello di regressione multipla, con variabili l’indice di complessità economica (ECI), il reddito procapite attuale, ma anche l’aumento atteso della percentuale di esportazioni in risorse naturali. Purtroppo, però, gli autori non forniscono le basi per replicare questo studio, in quanto non pubblicano l’elenco dei prodotti intesi come “naturali”; d’altro canto, operare una scelta in modo assolutamente arbitrario sarebbe un atto di profonda imprecisione, soprattutto considerando che i dati regionali Istat seguono la nomenclatura ATECO e non la SITC dell’Atlante. Per questo motivo, la scelta è stata quella di approssimare il modello di Hausmann e Hidalgo attraverso un modello personale semplificato. In primo luogo, è stata operata una regressione lineare tra i redditi procapite e gli ECI degli 87 paesi del mondo considerati “rilevanti” da Hausmann e Hidalgo (ossia nazioni che esportino meno del 10% in risorse naturali), similmente a quanto svolto dall’Atlante stesso67. Il risultato è rappresentato in Fig. 15.
Reddito procapite in USD
70000 60000 50000 40000 30000 20000 10000 -1,5 -1,0 0 -0,5 0,0 -10000 -20000 0,5 1,0 1,5 2,0 2,5

Indice di Complessità Economica (ECI)

Fig. 15 - Regressione lineare tra ECI e Reddito procapite. Elaborazione personale da: Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab, p.64-78

Questa regressione è la base da cui si sviluppa l’assunto iniziale del modello di Hausmann: se una nazione ha un reddito procapite (effettivo) inferiore a quello
Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.28
67

43

che corrisponderebbe alla sua complessità (reddito ex modello), allora tenderà a crescere per compensare questo scarto. In altri termini: “the error terms of the relationship [tra ECI e PIL] are predictive of future growth”68. A questo fine, si è operata una seconda regressione per comprendere quale fosse la relazione che meglio approssimasse la crescita stimata da Hausmann e Hidalgo a partire dalla suddetta differenza tra reddito pro capite stimato ed effettivo. In altri termini, trovare i migliori α e β tali per cui:

dove g è il tasso atteso di crescita a 20 anni e ΔRPC, delta reddito pro capite, è:
a

ossia, utilizzando i risultati della precedente regressione:
a

Questa seconda regressione è rappresentata nella Fig. 16.
Crescita del Reddito procapite E(g) stimata dal modello di Hausmann e Hidalgo (in %) 5 4,5 4 3,5 3 2,5 2

R² = 0,7628

1,5
1 0,5 0

-40

-30

-20

-10

0

10

20

30

Delta Reddito procapite stimato - effettivo (in migliaia di USD)
Fig. 16 - Rappresentazione della regressione lineare tra Δ RPC stimato-effettivo e stime di crescita ex modello Hausmann-Hidalgo. Elaborazione personale, da: Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity, MIT Media Lab, p.64-78

Hausmann, R., Hidalgo, C.A. (2011), The Network Structure of Economic Output, Journal of Economic Growth, 16(4), 311
68

44

Il risultato finale della combinazione delle due regressioni è un modello di determinazione della crescita attesa di un territorio che vuole semplificare il modello di Hausmann e Hidalgo, utilizzando solo dati disponibili, ossia l’indice di complessità economica e il reddito procapite attuale. L’equazione riassuntiva del modello semplificato personale per il calcolo della crescita attesa a vent’anni è il seguente :

Nel calcolo delle stime di crescita regionali, questa equazione è stata reiterata per ogni anno dal 2009 al 2029, in modo da tenere conto della crescita del reddito procapite effettivo (sulla base delle stime dell’anno precedente) e per includere anche la probabile crescita annuale dell’ECI regionale (che è stata considerata pari alla crescita media annualizzata degli ultimi vent’anni). Il risultato è stato una stima del PIL procapite regionale previsto nel 2029: questo dato è stato poi utilizzato per calcolare la crescita annuale attesa della singola regione (Fig. 8 nel paragrafo 3.3). Infine, è comunque necessario evidenziare l’approssimazione che sta alla base del modello appena sviluppato: esso cerca di replicare, anche se con inesattezza (anche se R2 è pari a 0,7628), un modello, il quale è a sua volta frutto di stime, ipotesi e semplificazioni.

45

APPENDICE 2: RICONGIUNZIONE ATECO – SITC4
Data la diversità delle nomenclature utilizzate, da un lato nelle statistiche Istat sulle esportazioni regionali (Ateco a 3 cifre) e dall’altro nell’elenco dei PCI offerto da Hausmann e Hidalgo (SITC 4), è stato necessario operare una ricongiunzione tra di esse, al fine di calcolare le complessità regionali. Di seguito, verranno riportate le diverse categorie merceologiche Ateco e tutte le rispettive categorie SITC personalmente ritenute ad esse ricollegabili.
ATEC03 011 - Prodotti di colture agricole non permanenti 2654) Agave fibers, 2235) Castor oil seeds, 2927) Flora, 548) Fresh & dried vegetables, roots & tubers N.E.S., 541) Fresh or chilled potatoes, excluding sweet potatoes, 544) Fresh or chilled tomatoes, 2221) Green groundnuts, 2234) Linseed, 2238) Oil seeds & fruits N.E.S., 545) Other fresh or chilled vegetables, 412) Other wheat & meslin, unmilled, 2226) Rape & colza seeds, 2225) Sesame seeds, 2224) Sunflower seeds, 430) Unmilled barley, 459) Unmilled buckwheat, millet & other cereals N.E.S., 411) Unmilled durum wheat, 440) Unmilled maize, 452) Unmilled oats, 451) Unmilled rye. ATEC03 012 - Prodotti di colture permanenti 577) Edible nuts, 576) Figs, 2924) Flora in pharmacy, 574) Fresh apples, 572) Fresh or dried citrus N.E.S, 579) Fresh or dried fruit N.E.S., 571) Fresh or dried oranges & mandarins, 575) Grapes & raisins, 752) Spices other than pepper. ATEC03 013 - Piante vive 2926) Live plants ATEC03 014 - Animali vivi e prodotti di origine animale 11) Live bovines, 15) Live equine, 14) Live poultry, 12) Live sheep & goat, 13) Live swine, 252) Fresh dried or preserved bird eggs not in shell, 251) Fresh, dried or preserved bird eggs in shell, 616) Honey, 6114) Bovine & equine leather, 6113) Calf leather, 6116) Leather of other hides or skins, 6115) Sheep & lamb leather, 9410) Live animals, N.E.S. (zoo animals, pets, insects, etc), 2111) Raw bovine & equine hides, 2112) Raw calf skins, 2120) Raw furs, 2114) Raw goat skins, 2117) Raw sheep skin with wool, 2116) Raw sheep skin without wool, 2681) Sheep or lambs greasy wool, 2614) Worm cocoons and waste from silk, 2682) Degreased sheep or lambs wool. ATEC03 021 - Piante forestali e altri prodotti della silvicoltura 2926) Live plants ATEC03 022 - Legno grezzo 2479) Pitprops, poles, piling, post and other wood in the rough, 2471) Sawlogs & veneer logs of coniferous, 2472) Sawlogs & veneer logs of non-coniferous. ATEC03 023 - Prodotti vegetali di bosco non legnosi 4314) Waxes, 5826) Epoxide resins, 2922) Natural gums, resins, lacs & balsams, 2320) Natural rubber, latex & gums. ATEC03 030 - Pesci ed altri prodotti della pesca; prodotti dell’acquacoltura 341) Fresh or chilled fish, excluding fillets, 343) Fresh or chilled fish fillets, 371) Fish N.E.S. ATEC03 051 - Antracite 3221) Anthracite ATEC03 052 - Lignite 3223) Lignite

46

ATEC03 061 - Petrolio greggio 3330) Crude petroleum ATEC03 062 - Gas naturale 3415) Coal & water gases ATEC03 071 - Minerali metalliferi ferrosi 2816) Agglomerated iron ore, 2815)Not agglomerated iron ore, 2742) Unroasted iron pyrites ATEC03 072 - Minerali metalliferi non ferrosi 2877) Manganese, 2713) Natural calcium phosphates & aluminium, 2712) Natural sodium nitrate, 2872) Nickel, 2876) Tin, 2785) Quartz metal family, 2879) Other non-ferrous base metals, 2860) Uranium ATEC03 081 - Pietra, sabbia e argilla 6613) Building & monumental stone, 2731) Building stone, 2733) Non metal-bearing sands. ATEC03 089 - Minerali di cave e miniere n.c.a. 2789) Crude minerals N.E.S., 2714) Crude natural potassium salts, 5223) Halogen & non-metal sulphur compounds, 5231) Inorganic acids metallic salts & peroxysalts, 3353) Mineral tar pitch, 3352) Mineral tars, 2741) Other Sulphurs, 3224) Peat, 3354) Petroleum bitumen N.E.S. ATEC03 101 - Carne lavorata e conservata e prodotti a base di carne 111) Bovine meat, 129) Dried, salted or smoked meat & entrails, 115) Equine meat, 118) Other animal meats, 149) Other prepared or preserved meat & entrails, 114) Poultry meat, 142) Sausages, 112) Sheep & goat meat, 113) Swine meat. ATEC03 102 - Pesce, crostacei e molluschi lavorati e conservati 360) Fresh, chilled, frozen or salted crustaceans & mollusks, 344) Frozen fish filet, 342) Frozen fish, excluding fillets, 372) Prepared crustaceans & mollusks, 350) Salted, dried or smoked fish. ATEC03 103 - Frutta e ortaggi lavorati e conservati 561) Dried or evaporated vegetables, excluding leguminous, 542) Dried or shelled legumes, 546) Frozen or temporarily preserved vegatables, 585) Fruit or vegetable juices, 589) Prepared or preserved fruit, 565) Prepared or preserved vegetables, 586) Temporarily preserved fruit. ATEC03 104 - Oli e grassi vegetali e animali 4111) Fat & oils of marine animals, 4113) Animal oils N.E.S., 2919) Animal origin materials, 4245) Castor oil, 4312) Hydrogenated oils, 4241) Linseed oil, 914) Margarine, 4235) Olive oil, 4234) Peanut oil, 913) Pig and poultry lard and fat, 4311) Processed oils, 4236) Sunflower seed oil, 4249) Vegetable oils N.E.S.. ATEC03 105 - Prodotti delle industrie lattiero-casearie 230) Butter, 240) Cheese & curd, 223) Fresh milk & cream, 224) Preserved, concentrated or sweetened milk & cream. ATEC03 106 - Granaglie, amidi e di prodotti amidacei 812) Bran, sharps & other cereal residues, 470) Meals & flour from cereals other than wheat, 2239) Meals and flours from oil seeds, 422) Semi or wholly milled rice, 5921) Starches, 421) Unprepared rice in the husk or husked, 460) Wheat or meslin meal or flour, 481) Work or prepared cereal grains N.E.S., 482) Roasted & unroasted malt, including flour. ATEC03 107 - Prodotti da forno e farinacei 484) Bakery, 488) Malt extract & cereal preparations containing less than 50% cocoa, 483) Pasta. ATEC03 108 - Altri prodotti alimentari 730) Chocolate, 723) Cocoa butter & paste, 712) Coffee extracts, essences or concentrates, 711) Green & roasted coffee & coffee substitutes, 583) Jams, jellies & marmalades, 564) Meals & flours from potatoes, fruits & vegetables, 721) Raw & roasted cocoa beans, 612) Refined sugar, 620) Sugar confectionary (not chocolate), 619) Sugar syrups, caramel & artificial honey, 741) Tea, 722) Unsweetened cocoa powder, 615) Molasses, 980) Edible products N.E.S. ATEC03 109 - Prodotti per l'alimentazione degli animali 819) Animal feed and food waste, 811) Green or dry hay.

47

ATEC03 110 - Bevande 1124) Alcoholic beverages, 1123) Beer, 1122) Fermented beverages, 1110) Non-alcoholic beverages N.E.S., 1121) Wine. ATEC03 120 - Tabacco 1222) Cigarretes, 1221) Cigars, 1213) Tobacco refuse, 1223) Tobacco, extract, essences & manufactures, 1211) Unstripped tobacco, 1212) Wholly or partly stripped tobacco. ATEC03 131 - Filati di fibre tessili 6553) Elastic knitted fibres, 6552) Non synthetic knitted fibres, 6511) Silk yarn & spun from noil and waste, 6512) Wool yarn or animal hair, 6516) Yarn (<85% synthetic fibres), 6515) Yarn for retail (>=85% synthetic fibres), 6514) Yarn not for retail (>=85% synthetic fibres), 6518) Yarn of regenerated fibres, 6517) Yarn of regenerated fibres not for retail, 6519) Yarn of textile fibres, 6513) Cotton yarn. ATEC03 132 - Tessuti 6542) >=85% wool woven fabrics, 6574) Elastic fabrics and trimming, 6522) Finished cotton woven fabrics, 6544) Flar/ramie woven fabrics, 6541) Silk woven fabrics, 6521) Unbleached cotton woven fabrics, 6549) Woven fabrics N.E.S., 6543) Wool woven fabrics N.E.S. ATEC03 139 - Altri prodotti tessili 6531) Continuous synthetic woven fabrics, 6532) >=85% discontinuous synthetic woven fabrics, 6534) <85% discontinuous synthetic woven fabrics, 6535) Continuous regenerated woven fabrics, 6536) >=85% continuous regenerated woven fabrics, 6538) <85% continuous regenerated woven fabrics, 6573) Coated textile fabrics N.E.S., 6592) Knotted carpets, 6595) Man-made carpets N.E.S., 6571) Not coated articles of felt N.E.S, 6596) Other materials carpets N.E.S., 6589) Other textile articles N.E.S., 6579) Special products of textile, 6582) Textile camping goods, 6583) Travelling rugs & blankets, 6560) Tulle, lace, ribbons & similar, 6577) Wadding, wicks & textiles fabrics, 6594) Wool carpets, 6584) Linens & furnishing textile articles, 6575) Ropes & cables, 6935) Gauze & netting. ATEC03 141 - Articoli di abbigliamento, escluso l'abbigliamento in pelliccia 8435) Blouses, 8471) Clothing accessories of textile fabrics, 8465) Corsets, 8433) Dresses, 8472) Knitted clothing accessories of textile fabrics, 8462) Knitted undergarments of cotton, 8463) Knitted undergarments of synthetic fibers, 8452) Knitted women's suits & dresses, 8421) Men's coats, 8424) Men's jackets, 8422) Men's suits, 8423) Men's trousers, 8441) Men's undershirt, 8442) Men's underwear, 8459) Other knitted outerwear, 8429) Other men outerwear, 8439) Other women outerwear, 8434) Skirts, 8464) Under-garments of other fibres, 8461) Under-garments of wool or fine animal hair, 8431) Women's coats & jackets, 8432) Women's suits, 8443) Women's underwear. ATEC03 142 - Articoli di abbigliamento in pelliccia 8483) Fur clothing (not headgear) ATEC03 143 - Articoli di maglieria 8451) Knitted jerseys, pullovers & cardigans, 6539) Man-made pile & chenille woven fabrics ATEC03 151 - Cuoio conciato e lavorato; articoli da viaggio, borse, pelletteria e selleria; pellicce preparate e tinte 8481) Clothing accessories from leather, 6118) Dressed or finished leather, 6121) Leather articles used in machinery, 6112) Leather sheets or rolls, 8310) Luggage & handbags, 6129) Other articles of leather, 6122) Saddlery & harness. ATEC03 152 - Calzature 8510) Footwear. ATEC03 161 - Legno tagliato e piallato 2482) Worked wood of coniferous, 6349) Simply shaped wood N.E.S., 6341) Wood sawn lengthwise up to 5 mm in thickness, 6344) Wood-based panels. ATEC03 162 - Prodotti in legno, sughero, paglia e materiali da intreccio 6330) Cork manufactures, 6354) Decorative manufactures of wood, 6359) Manufactured of wood N.E.S., 6597) Plaited products, 6342) Sheets of plywood, 2923) Vegetable plaiting materials, 6351) Wood boxes, 2481) Railway or tramway sleepers.

48

ATEC03 171 - Pasta-carta, carta e cartone 6424) Cut to size paper N.E.S., 6415) Paper & paperboard in rolls or sheets, 2512) Mechanical wood pulp, 2519) Other cellulosic pulps, 2460) Pulpwood, 6428) Articles of paper pulp N.E.S ATEC03 172 - Articoli di carta e di cartone 6421) Paper packing containers, 6412) Printing & writing paper in rolls or sheets, 6418) Rolls/sheets of coated paper, 6417) Rolls/sheets of creped paper, 6413) Rolls/sheets of kraft paper, 6411) Newsprint. ATEC03 181 - Prodotti della stampa 8928) Printed matter N.E.S. ATEC03 191 - Prodotti di cokeria 3232) Coke & semi-coke of coal ATEC03 192 - Prodotti derivanti dalla raffinazione del petrolio 5113) Halogenated derivatives of hydrocarbons, 3300) Petroleum products, 5123) Phenols, phenol-alcohols & derivatives, 5821) Phenoplasts. ATEC03 201 - Prodotti chimici di base, fertilizzanti e composti azotati, materie plastiche e gomma sintetica in forme primarie 5221) Chemical elements, 5989) Chemical products, 2711) Crude fertilizer, 5629) Fertilizers, 5239) Inorganic chemical products, 5621) Nitrogenous fertilizers, 5148) Other nitrogen-function compounds, 5622) Phosphatic fertilizers, 5623) Potassic fertilizers, 2331) Synthetic rubber & latex. ATEC03 202 - Agrofarmaci e altri prodotti chimici per l'agricoltura 5912) Fungicides, 5913) Herbicides, 5911) Insecticides. ATEC03 203 - Pitture, vernici e smalti, inchiostri da stampa e adesivi sintetici (mastici) 5331) Other colouring matter, 5332) Printing inks, 5311) Synthetic organic dyes, 5334) Varnishes & lacquers. ATEC03 204 - Saponi e detergenti, prodotti per la pulizia e la lucidatura, profumi e cosmetici 8993) Candles & matches, 5914) Disinfectants, 5530) Perfumery & cosmetics, 5543) Polishes & creams, 5541) Soaps. ATEC03 205 - Altri prodotti chimici 5836) Acrylic & methaacrylic polymers & copolymers, 5121) Acyclic alcohols & derivatives, 5111) Acyclic hydrocarbons, 5162) Aldehyde, ketone & quinone-function compounds, 5147) Amide-function compounds, excluding urea, 5145) Amine-function compounds, 5822) Aminoplasts, 5982) Anti-knock & anti-corrosive preparation, 5415) Bulk hormones, 5835) Copolymers of vinyl chloride & vinyl acetate, 5122) Cyclic alcohols & derivatives, 5112) Cyclic hydrocarbons, 5922) Glues, 5513) Essential oils, 5983) Organic chemical products, 5169) Organic chemicals, 5542) Organic surface-active agents N.E.S., 5154) Organosulphur compounds, 5723) Pyrotechnic articles, 5155) Other organo-inorganic compounds, 5839) Other polymerization & copolymarization products, 5139) Oxygen-function acids & derivatives, 8821) Photographic chemicals, 5831) Polyethylene, 5832) Polypropylene, 5833) Polystyrene, 5825) Polyurethanes, 5721) Prepared explosives, 5241) Radioactive chemical elements, 5827) Silicones, 5981) Woods & resin chemical products. ATEC03 206 - Fibre sintetiche e artificiali 2666) Continuous synthetic fibres, 6551) Knitted synthetic fibres, 2665) No carded discontinuous synthetic fibres, 5823) Polyesters. ATEC03 211 - Prodotti farmaceutici di base 5161) Ethers, epoxides, acetals, 5414) Vegetable alkaloids & derivatives. ATEC03 212 - Medicinali e preparati farmaceutici 5413) Antibiotics, 5416) Glycosides & vaccines, 5417) Medicaments, 5419) Not medicaments pharmaceutical goods.

49

ATEC03 221 - Articoli in gomma 8482) Clothing accessories from rubber, 5851) Derivatives of natural rubber, 6210) Materials of rubber, 6289) Other articles of rubber, 6259) Other tires articles, 6253) Tires & pneumatic for aircraft, 6254) Tires & pneumatic for bikes, 6252) Tires & pneumatic for buses, 6251) Tires & pneumatic for cars, 6281) Rubber for hygienic & pharmaceutical articles, 2332) Reclaimed & scrap rubber. ATEC03 222 - Articoli in materie plastiche 8931) Closable plastic packing, 8939) Miscellaneous articles of plastic, 8935) Plastic lamps, 8933) Plastic ornaments, 8932) Plastic sanitary & toilet articles. ATEC03 231 - Vetro e di prodotti in vetro 6649) Glass N.E.S., 6658) Glass articles N.E.S., 6651) Glass bottles, 6652) Glassware, 6641) Nonoptical balls, rods or tubes of glass, 6642) Optical glass, 6646) Pressed or moulded glass, 6647) Safety glass, 6645) Unworked cast glass, 6643) Unworked drawn or blown glass, 6644) Unworked surface-ground cast glass. ATEC03 232 - Prodotti refrattari 6623) Refractory bricks, 6637) Refractory goods N.E.S. ATEC03 233 - Materiali da costruzione in terracotta 6639) Ceramic materials articles N.E.S., 6624) Non-refractory ceramic bricks, 6665) Pottery. ATEC03 234 - Altri prodotti in porcellana e in ceramica 6666) Ceramic & porcelain ornaments N.E.S., 8122) Ceramic fixtures, 7732) Electrical insulators, 6664) Porcelain. ATEC03 235 - Cemento, calce e gesso 6612) Cement, 2732) Gypsum, plasters, limestone flux & calcareous stone, 6611) Lime. ATEC03 236 - Prodotti in calcestruzzo, cemento e gesso 6612) Cement, 2732) Gypsum, plasters, limestone flux & calcareous stone, 6611) Lime. ATEC03 237 - Pietre tagliate, modellate e finite 2734) Stones. ATEC03 239 - Prodotti abrasivi e di minerali non metalliferi n.c.a. 6632) Abrasive powder, 2772) Other natural abrasives. ATEC03 241 - Prodotti della siderurgia 6997) Articles of iron or steel N.E.S., 6716) Ferro-alloys, 6713) Iron & steel powders, 2820) Iron & steel waste, 2814) Roasted iron pyrites. ATEC03 242 - Tubi, condotti, profilati cavi e relativi accessori in acciaio (esclusi quelli in acciaio colato) 6785) Iron or steel tubes, pipes, & fittings, 6781) Iron pipes, 6783) Other iron or steel tubes & pipes, 6782) Seamless tubes, pipes of iron or steel. ATEC03 243 - Altri prodotti della prima trasformazione dell'acciaio 6745) Iron/steel 3 - 4.75mm tick sheets, 6746) Iron/steel <3mm tick sheets, 6744) Iron/steel >=4.75mm tick sheets, 6724) Iron/steel bars, 6725) Iron/steel billets, 6727) Iron/steel coils, 6794) Iron/steel rough castings, 6732) Iron/steel rods, 6793) Iron/steel rough forging & stampings, 6733) Iron/steel shapes, 6911) Iron/steel structures, 6731) Iron/steel wire rod, 6749) Other worked iron/steel sheets, 7491) Roller bearings, 6747) Steel tinned sheets.

50

ATEC03 244 - Metalli di base preziosi e altri metalli non ferrosi; combustibili nucleari 2873) Aluminium ore, 6912) Aluminium structures, 5233) Compounds of precious metals, 2871) Copper, 6880) Depleted uranium & waste N.E.S., 9710) Gold, non-monetary, 2874) Lead ore, 2890) Ores and precious metals, 5249) Other radioactive materials, 6841) Unwrought aluminium & aluminium alloys, 6821) Unwrought copper & copper alloys, 2875) Zinc, 6851) Unwrought lead & alloys, 6812) Unwrought metals of platinum, 6831) Unwrought nickel & nickel alloys, 6811) Unwrought silver, 6871) Unwrought tin & alloys, 6861) Unwrought zinc & alloys, 6842) Worked aluminium & aluminium alloys, 6822) Worked copper & copper alloys, 6852) Worked lead & alloys, 6832) Worked nickel & nickel alloys, 6872) Worked tin & alloys, 6863) Worked zinc & alloys. ATEC03 245 - Prodotti della fusione della ghisa e dell'acciaio 6712) Pig & cast iron ATEC03 251 - Elementi da costruzione in metallo 6760) Iron/steel rail construction materials ATEC03 252 - Cisterne, serbatoi, radiatori e contenitori in metallo 6921) >300lt capacity metal tanks ATEC03 253 - Generatori di vapore, esclusi i contenitori in metallo per caldaie per il riscaldamento centrale ad acqua calda 7129) Parts of steam power units N.E.S., 7119) Parts of boilers N.E.S., 7126) Steam power units, 7111) Super-heated water boiler. ATEC03 254 - Armi e munizioni 8946) Non-military arms ATEC03 257 - Articoli di coltelleria, utensili e oggetti di ferramenta 6353) Builders` carpentry & joinery, 8991) Carving & molding tools, 6960) Cutlery, 6951) Farming and forestry hand tools, 6954) Interchangeable hand and machine tools, 7493) Mechanical tools for building, 7451) Non-electric powertools, 6953) Other handtools. ATEC03 259 - Altri prodotti in metallo 6974) Base metal domestic articles N.E.S., 6978) Base metal household appliances N.E.S., 6975) Base metal indoors sanitary ware N.E.S., 6991) Base metal locksmiths wares N.E.S., 6924) Metal cask for packing goods, 6992) Metal chains, 8951) Metal office products, 6994) Metal springs, 6996) Miscellaneous articles of base metal, 6940) Nails, nuts & bolts, 6999) Other base metal manufactures N.E.S., 6998) Metal articles N.E.S.. ATEC03 261 - Componenti elettronici e schede elettroniche 7763) Diodes & transistors, 7764) Electronic microcircuits, 7762) Electronic valves & tubes, 7768) Parts N.E.S. of electronic circuits, 7722) Printed circuits & parts N.E.S.. ATEC03 262 - Computer e unità periferiche 7523) CPUs, 7525) Control & peripheral hardware, 7522) Digital data processing machines, 7528) Data processing equipment N.E.S. ATEC03 263 - Apparecchiature per le telecomunicazioni 7649) Parts of telecom & sound recording equipment, 7648) Telecom equipment N.E.S. ATEC03 264 - Prodotti di elettronica di consumo audio e video 7611) Color T.V., 7631) Electric record players, 7642) Microphone, amplifiers & loudspeakers, 7628) Other radio receivers, 8811) Photo cameras & parts, 7622) Portable radio receivers, 7761) T.V. tubes & cathode rays, 8812) Movie cameras, projectors & parts, 7643) Television & radio transmitters, 7638) Video & sound recorders N.E.S.

51

ATEC03 265 - Strumenti e apparecchi di misurazione, prova e navigazione; orologi 7521) Analogue data processing machines, 7512) Calculating & ticketing machines, 8852) Clocks, 8742) Drawing & mathematical calculating instruments, 8748) Electrical measuring & controlling instruments N.E.S., 8743) Gas, liquid & electric control instruments, 8731) Gas, liquid & electric meters, 8732) Nonelectrical counting devices, 8741) Non-electrical navigating devices, compasses, 8744) Nonmechanical or electrical instruments for physical analysis, 8749) Parts & accessories for meters & counters, 8745) Scientific instruments N.E.S., 8851) Watches. ATEC03 266 - Strumenti per irradiazione, apparecchiature elettromedicali ed elettroterapeutiche 7741) Electro-medical equipment, 7742) X-ray apparatus. ATEC03 267 - Strumenti ottici e attrezzature fotografiche 8710) Optical instruments, 8813) Photo & movie equipment. ATEC03 268 - Supporti magnetici ed ottici 8710) Optical instruments, 8813) Photo & movie equipment. ATEC03 271 - Motori, generatori e trasformatori elettrici; apparecchiature per la distribuzione e il controllo dell'elettricità 7162) AC electric motors & generators, 7161) DC motors & generators, 7711) Electrical transformers, 7723) Electrical resistors, 7411) Gas generators & parts, 7721) Switchboards, relays & fuses. ATEC03 272 - Batterie di pile e accumulatori elettrici 7781) Batteries, 7112) Condensers. ATEC03 273 - Apparecchiature di cablaggio 7731) Electric wire, 6770) Not insulated iron/steel wire, 6931) Wires, cables & ropes. ATEC03 274 - Apparecchiature per illuminazione 7782) Incandescent & fluorescent bulbs, 8124) Lighting fixture & lamp parts N.E.S. ATEC03 275 - Apparecchi per uso domestico 7753) Dishwashers, 7757) Electro-mechanical home appliances N.E.S., 7758) Electro-thermal home appliances N.E.S., 7751) Laundry equipment, 7752) Refrigerators & freezers, 7415) Air conditioning machines. ATEC03 279 - Altre apparecchiature elettriche 7434) Fans & parts N.E.S., 7788) Other electrical machinery & equipment N.E.S., 7784) Powertools ATEC03 281 - Macchine di impiego generale 7431) Air pumps, vacuum pumps & compressors, 7422) Centrifugal pumps, 7449) Centrifugal pumps parts N.E.S., 7435) Centrifuges, 7188) Engines & motors, 7148) Gas turbines N.E.S, 7499) Non-electric parts of machinery N.E.S., 7428) Other pumps for liquids & liquid elevators, 7149) Parts of gas & reaction engines, 7432) Parts of pumps and compressors, 7429) Pumps & liquid elevators parts N.E.S, 7421) Reciprocating pumps, 7423) Rotary pumps, 6282) Transmission & conveyor belts, 7492) Valves, 7439) Centrifuges machinery parts N.E.S., 7163) Rotary converters, 7139) Piston engines parts N.E.S. 7138) Internal combustion piston engines N.E.S. ATEC03 282 - Altre macchine di impiego generale 6973) Domestic non-electric stoves, 7412) Furnace burners, mechanical stokers & parts, 7413) Furnaces, ovens & parts N.E.S., 7416) Heating & cooling equipment N.E.S., 7442) Lifting & loading machinery, 7414) Non-domestic refrigerators & parts N.E.S., 7518) Office machines N.E.S., 7599) Parts of cash registers & calculating machines, 8121) Parts of not electrical heating equipment N.E.S., 7591) Parts of type writers, 7263) Type-setting machines, 7511) Typewriters & cheque-writing machines. ATEC03 283 - Macchine per l'agricoltura e la silvicoltura 7219) Agricultural machinery, appliances, & parts, 7212) Harvesting & threshing machines, 7211) Machinery for soil preparation, 7223) Track-laying tractors, 7224) Wheeled tractors.

52

ATEC03 284 - Macchine per la formatura dei metalli e altre macchine utensili 7371) Metal foundry equipment & parts N.E.S., 7361) Metal cutting machine-tools, 7362) Metal forming machine-tools, 7369) Metalworking machine-tools parts, 7281) Specialized industry machinery tools & parts N.E.S, 7367) Working metal & metal carbides machines N.E.S. ATEC03 289 - Altre macchine per impieghi speciali 7246) Auxiliary weaving machinery, 7268) Bookbinding machines, 7239) Bulldozers, angledozers & levellers parts N.E.S., 7247) Cleaning & cutting textile machinery N.E.S., 7234) Construction & mining machinery, 7272) Food processing machinery & parts N.E.S., 7271) Grain milling machinery, 7283) Mineral working machinery & parts N.E.S., 7267) Other printing machines, 7252) Paper making machines, 7712) Parts of electric power machinery N.E.S., 7259) Parts of paper making machines, 7169) Parts of rotating electric plants N.E.S., 7264) Printing presses, 7243) Sewing machines & parts N.E.S., 7284) Specialized industry machinery & parts N.E.S, 7248) Tanning leather machinery N.E.S., 7244) Textile machinery, 7245) Weaving, knitting & yarn preparing machines, 7373) Welding, brazing & cutting machines & appliances N.E.S., 7213) Diary machinery, 7251) Cellulose pulp making machines, 7269) Parts of printing press machines. ATEC03 291 - Autoveicoli 7810) Cars, 7832) Tractors for semi-trailers, 7821) Trucks & vans, 7441) Work trucks. ATEC03 292 - Carrozzerie per autoveicoli; rimorchi e semirimorchi 7842) Vehicle bodies ATEC03 293 - Parti ed accessori per autoveicoli e loro motori 7783) Auto parts, 7841) Chassis fitted with engines, 7132) Internal combustion engines for motor vehicles, 7849) Other vehicles parts, 7621) Vehicles radio receivers ATEC03 301 - Navi e imbarcazioni 7133) Internal combustion piston engines for ships & boats, 7932) Ships & boats, 7933) Ships & boats for breaking up, 7938) Special floating structures, 7931) Warships ATEC03 302 - Locomotive e di materiale rotabile ferro-tranviario 7911) Electric trains, 7913) Mechanically propelled railway, 7915) Not mechanically propelled railway for freight, 7914) Not mechanically propelled railway for passengers, 7912) Rail tenders, 7919) Railway track & vehicle parts N.E.S., 7831) Public transportation vehicles. ATEC03 303 - Aeromobili, veicoli spaziali e relativi dispositivi 7928) Aircraft equipment N.E.S., 7929) Aircraft equipment parts N.E.S., 7922) Aircrafts of less than 2 tons, 7923) Aircrafts of between 2 and 15 tons, 7924) Aircrafts of more than 15 tons, 7921) Helicopters, 7131) Internal combustion engines for aircraft, 7144) Reaction engines. ATEC03 309 - Mezzi di trasporto n.c.a. 9510) Armoured fighting vehicles, 7852) Bicycles, 7851) Motorcycles, 7868) Not mechanically propelled vehicles N.E.S., 7233) Road rollers, 7822) Special purpose trucks & vans, 8941) Strollers & parts, 7853) Wheelchairs. ATEC03 310 - Mobili 8211) Chairs & seats, 8219) Furniture parts N.E.S., 8959) Other office supplies. ATEC03 321 - Gioielleria, bigiotteria e articoli connessi; pietre preziose lavorate 9610) Coin, non-gold, 8972) Imitation jewellery, 6673) Not mounted precious stones, 6672) Not mounted diamonds, 8974) Other articles of precious metals N.E.S., 8973) Precious jewellery. ATEC03 322 - Strumenti musicali 8989) Musical instrument parts, 8982) Musical instruments N.E.S., 8981) Pianos & string instruments ATEC03 323 - Articoli sportivi 8947) Sporting goods ATEC03 324 - Giochi e giocattoli 8942) Toys

53

ATEC03 325 - Strumenti e forniture mediche e dentistiche 8841) Lenses, 8212) Medical & dental furniture, 8720) Medical instruments N.E.S., 8996) Orthopaedic appliances, 8842) Spectacles. ATEC03 329 - Altri prodotti delle industrie manifatturiere n.c.a . 8997) Basketwork, wickerwork, brooms & paint rollers, 6576) Hats & hoods, 8484) Headgear, 8999) Manufactures N.E.S., 8952) Pens & pencils, 7754) Shavers & hair clippers, 8994) Umbrellas & canes, 6648) Mirrors. ATEC03 351 - Energia elettrica 3510) Electric current ATEC03 352 - Gas manufatti e combustibili gassosi 3414) Petroleum gases ATEC03 370 - Acque e fanghi di depurazione 9310) Unclassified transactions ATEC03 381 - Rifiuti 9310) Unclassified transactions ATEC03 382 - Prodotti del trattamento e dello smaltimento dei rifiuti 9310) Unclassified transactions ATEC03 383 - Prodotti del recupero dei materiali (esclusi prodotti nuovi derivanti da materie prime secondarie) 5841) Regenerated cellulose, 2671) Regenerated fibre, 6343) Improved wood & reconstituted wood ATEC03 581 - Libri, periodici e prodotti di altre attività editoriali 6423) Books & registers, 8922) Newspapers & journals, 8924) Postcards & stickers, 8921) Printed books & maps. ATEC03 582 - Giochi per computer e altri software a pacchetto 9310) Unclassified transactions ATEC03 591 - Prodotti delle attività cinematografiche, video e televisive 8830) Cinematographic film (developed) ATEC03 592 - Prodotti dell'editoria musicale e supporti per la registrazione sonora 8983) Sound recording tapes & discs ATEC03 742 - Prodotti delle attività fotografiche 8822) Photographic film, plates & paper ATEC03 900 - Prodotti delle attività creative, artistiche e d'intrattenimento 9310) Unclassified transactions ATEC03 910 - Prodotti delle attività di biblioteche, archivi, musei e di altre attività culturali 8960) Works of art ATEC03 960 - Prodotti di altre attività di servizi per la persona 9310) Unclassified transactions

Nota: Alcune categorie merceologiche della nomenclatura SITC4 sono state escluse dall’analisi perché non includibili nelle categorie ATECO a tre cifre o perché riferentesi a prodotti assolutamente estranei alla realtà italiana.

54

BIBLIOGRAFIA
Alighieri, D. (XIV sec), Commedia: Paradiso, Milano, Edizione Mondadori (2005). Aghion, P., Howitt, P. (1992), A Model of Growth Trough Creative Destruction, Econometrica, 60(2), 323-351. Balassa, B. (1986), Comparative Advantage in Manufactured Goods: a reappraisal, Review of Economics and Statistics, 68, 315-319. D’Aquino, T., Lorenzo Alberto Perotto (a cura di) (1996), Commento alla Politica di Aristotele, Bologna, Edizioni Studio Domenicano. Harrod, R.F. (1939), An Essay in Dynamic Theory, The Economic Journal, 49(139), 14-33. Hausmann, R. in O’Neill, R. (2009), Plotting Economic Complexity, Impact: Research from Harvard Business School, 2(1). Hausmann, R., Hidalgo, C.A (2010), Country diversification, product ubiquity, and economic divergence, Working Paper N°201, Harvard College, Boston. Hausmann, R., Hidalgo, C.A., Bustos, S., Coscia, M., Chung, S., Jimenez, J., Simoes, A., e Yıldırım, M.A. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab. Hausmann, R., Hidalgo, C.A. (2011), The Network Structure of Economic Output, Journal of Economic Growth, 16(4), 309-342. Hidalgo, C.A., Klinger, B., Barabasi, A.L., Hausmann, R. (2007), The Product Space Conditions the Development of Nations, Science, 317, 482-487. Hidalgo, C. A. (2008), Three Empirical Studies on the Aggregate Dynamics of Humanly Driven Complex Systems, Working Paper. University of Notre Dame, Indiana. Hidalgo, C.A (2009), The Dynamics of Economic Complexity and the Product Space over a 42 year period, Working Paper N°189, Harvard College, Boston. Hidalgo, C.A., Hausmann, R. (2009), The Building Blocks of Economic Complexity, Proceedings of the National Academy of Sciences of the United States of America, 106 (26), 10570-10575.

55

Holt, R.P.F, Rosser, J.B. Jr., Colander, D. (2010), The Complexity Era of Economics, Discussion Paper. Middlebury College, Vermont. Kaldor, N. (1956), Alternative Theories of Distribution, The Review of Economic Studies, 23(2), 83-100. Kaldor, N. (1957), A Model of Economic Growth, The Economic Journal, 67(268), 591-624. Lucas, R.E. (1988), On the Mechanics of Economic Development, Journal of Monetary Economics, 22(1), 3-42 Marx, K., Macchioro, A. e Maffi, A. (a cura di), (2009), Il Capitale, Torino, UTET. Page, L., Brin, S., Motwani, R., Winograd, T. (1999) The PageRank Citation Ranking: Bringing Order to the Web, Technical Report, Stanford InfoLab. Ricardo, D., Sraffa, P. (a cura di) (1951), The Works and Correspondence of David Ricardo, disponibile su http://oll.libertyfund.org. Rindermann, H., Thompson, J. (2011), Cognitive Capitalism: The Effect of Cognitive Ability on Wealth, as Mediated Through Scientific Achievement and Economic Freedom, Psychological Science, 22(6), 754-763. Romer, P.M (1986), Increasing Returns and Long-run Growth, The Journal of Political Economy, 94(5), 1002-1037. Romer, P.M (1990), Endogenous Technological Change, The Journal of Political Economy, 98(5), S71-S102. Setterfield, M. (2010), Alternative Theories of Growth, Northampton (MA), Edward Elgar Publishing. Simon, H. A. (1962) The Architecture of Complexity, Proceedings of the American Philosophical Society, 106(6), 467-482. Smith, A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Penn State Electronic Classics Series Publication. Solow, R.M. (1956), A Contribution to the Theory of Economic Growth, The Quarterly Journal of Economics, 70(1), 65-94. Warr, B., Ayres, R. (2006), Economic growth, technological progress and energy

use in the US over the last century: Identifying common trends and structural

56

change in macroeconomic time series, Working Paper. INSEAD, Fontainebleau,
Francia e IIASA, Laxenburg, Austria. FONTI DEI DATI STATISTICI Banca Dati Istat (http://www.coeweb.istat.it): esportazioni delle regioni italiani per le categorie merceologiche Ateco 2007 a tre cifre. Banca Dati International Trade Center (http://www.intracen.org/): dati sulle esportazioni a livello mondiale delle diverse categorie merceologiche. Hausmann, R., Hidalgo, C.A., Bustos, S., Coscia, M., Chung, S., Jimenez, J., Simoes, A., e Yıldırım, M.A. (201 1), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab: dati sulle complessità e sui reddito procapite delle nazioni del mondo. Osservatorio della Complessità Economica (http://atlas.media.mit.edu/): dati PCI e posizioni dei prodotti SITC4 nel “product-space”.

57

Sign up to vote on this title
UsefulNot useful