la teoria della complessità di hausmann e hidalgo

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

6

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.

1 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

7

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

8

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

7 Smith, A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Penn State

Electronic Classics Series Publication, 280-281

9

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.

8 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

10

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

10 Harrod, R.F. (1939), An Essay in Dynamic Theory, The Economic Journal, 49(139), 16 11 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

11

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 Harrod: “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 14 Harrod, R.F. (1939), An Essay in Dynamic Theory, The Economic Journal, 49(139), 30 15 Ibid. 30 16 Ibid. 30 17 Kaldor, N. (1957), A Model of Economic Growth, The Economic Journal, 67(268), 591 18 Ibid. 591

12

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 crescita permanente: “Indeed

now the capital-labor ratio never reaches an equilibrium value but grows

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

Economics, 70(1), 65

13

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 quella 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

14

Una prospettiva simile è quella dell’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 Ibid. 18 26 Ibid. 18 27 Ibid. 25 28 Aghion, P., Howitt, P. (1992), A Model of Growth Trough Creative Destruction”, Econometrica,

60(2), 324

15

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

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

16

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.

32 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

http://www.ncbi.nlm.nih.gov/pubmed?term=Rindermann%20H%5BAuthor%5D&cauthor=true&cauthor_uid=21537056

http://www.ncbi.nlm.nih.gov/pubmed?term=Thompson%20J%5BAuthor%5D&cauthor=true&cauthor_uid=21537056

17

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

34 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

18

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 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.16 37 Ibid., p.6

19

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

38 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

20

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 non-

semplice 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

42 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 44 Ibid., 316 45 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

21

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 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.20 48 Ibid., p.20 49 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

22

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 Ubiquità di un prodotto

- Perché possiede molte competenze, se i

suoi prodotti non sono ubiqui - Perché possiede competenze non rare, se i suoi prodotti sono ubiqui

- Perché richiede poche competenze, se i

produttori sono paesi non diversificati - Perché richiede competenze non rare, se i produttori sono paesi diversificati

Non diversità produttiva di un paese Non ubiquità di un prodotto

- Perché possiede poche competenze, se i

suoi prodotti sono ubiqui - Perché possiede competenze rare, se i suoi prodotti non sono ubiqui

- 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.

23

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 R2 pari a 0,434, di cui

quasi un terzo (0,149) è attribuibile agli ultimi due elementi: ECI e termine

interattivo ECI-reddito iniziale.

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

Prosperity, Boston, MIT Media Lab, p.27

24

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 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.27 53 Ibid., p.27 54 Ibid., p.33-37

25

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.

55 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 56 Ibid., p.1 57 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

26

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,

59 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


27

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 co-

exported 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 Hausmann, R., Hidalgo, C.A. et al. (2011), The Atlas of Economic Complexity: Mapping Paths to Prosperity, Boston, MIT Media Lab, p.47 62 Ibid., p.45

28

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 nell’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:

29

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 studio 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:



30

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’amianto64);

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 0,62

7923 AIRCRAFT NOT EXCEEDING AN UNLADEN WEIGHT OF 15000 KG 0,37

7924 AIRCRAFT EXCEEDING AN UNLADEN WEIGHT OF 15000 KG -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 PA-

25) rispetto a quelli sopra le 15 tonnellate (ad esempio, l’Airbus 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

31

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.

32

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

33

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 1996 2001 2006 2011

Lombardia 1,3859 1,4226 1,4784 1,4531 1,4204

Piemonte 1,5394 1,5720 1,5200 1,5067 1,4244

Valle d'Aosta 1,1632 1,5167 1,3636 1,0041 0,9911

Liguria 1,2647 1,0685 1,1546 1,1199 1,2172

Trentino Alto-Adige 0,9341 1,0202 1,0423 1,1435 1,0389

Veneto 0,8825 0,9917 1,0122 1,1090 1,1336

Friuli-Venezia Giulia 1,4990 1,3934 1,4450 1,4831 1,4270

Emilia Romagna 1,2540 1,3364 1,3822 1,4673 1,4353

Toscana 0,4264 0,5601 0,6101 0,8331 0,7820

Umbria 0,7014 0,7321 0,8255 0,9369 0,9004

Marche 0,7315 0,9788 1,0305 1,3183 1,1282

Lazio 1,5974 1,6784 1,6858 1,6549 1,6652

Abruzzo 1,5829 1,5733 1,5263 1,6078 1,7278

Molise 0,2780 0,3425 0,3031 0,3131 0,8971

Campania 0,8450 0,7915 1,0725 1,0779 0,8918

Puglia 0,3233 0,4503 0,7247 0,7865 1,0202

Basilicata 1,0247 1,5649 1,9492 1,9052 1,8294

Calabria 0,6946 0,7820 0,5634 0,4366 0,6100

Sicilia 0,8418 0,9838 0,9724 0,9174 0,8421

Sardegna 0,9628 0,8685 0,8905 0,8602 0,8765

Italia (aggregato) 1,1776 1,2300 1,2639 1,3099 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

65

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”.

34

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.

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,



0,00 0,20 0,40 0,60 0,80 1,00 1,20 1,40 1,60 1,80 2,00

ECI

35

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).

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

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

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.

36

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 2,24% Mar 2,74%

Pie 2,44% Laz 2,37%

Val 2,08% Abr 2,92%

Lig 2,47% Mol 3,53%

Tre 2,19% Cam 3,11%

Ven 2,47% Pug 3,75%

Fri 2,40% Bas 3,32%

Emi 2,35% Cal 2,98%

Tos 2,68% Sic 3,04%

Umb 2,76% Sar 2,82%

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

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.

37

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 50.344 11. Liguria 43.719 2. Valle d'Aosta 49.501 12. Umbria 40.543 3. Lombardia 49.419 13. Molise 40.215 4. Emilia Romagna 48.521 14. Abruzzo 36.820 5. Lazio 47.672 15. Basilicata 35.733 6. Toscana 47.388 16. Puglia 34.921 7. Veneto 46.981 17. Sardegna 34.865 8. Friuli-Venezia Giulia 45.433 18. Sicilia 31.003 9. Piemonte 44.332 19. Calabria 30.429 10. Marche 44.048 20. Campania 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.

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 2008-

-6,00%

-4,00%

-2,00%

0,00%

2,00%

4,00%

6,00%

8,00%

10,00%

1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Crescita annuale PIL attesa dal modello Crescita annuale PIL effettiva

38

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%.

39

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.

Fig. 12 – ECI di Nord, Centro e Sud Italia nel tempo (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

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

0,20

0,40

0,60

0,80

1,00

1,20

1,40

1,60

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

ECI

Nord Italia Centro Italia Sud Italia e Isole

40

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

41

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’Italia 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.

42

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.

43

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.

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



-20000

-10000

0

10000

20000

30000

40000

50000

60000

70000

-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5

Red

dit

o p

roca

pit

e in

USD

Indice di Complessità Economica (ECI)

44

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.

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

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

Economic Growth, 16(4), 311

R² = 0,7628

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

-40 -30 -20 -10 0 10 20 30

Cre

scit

a d

el R

edd

ito

pro

cap

ite

E(

g) s

tim

ata

dal

mo

del

lo d

i H

ausm

ann

e H

idal

go (

in %

)

Delta Reddito procapite stimato - effettivo (in migliaia di USD)

45

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.

46

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

47

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.

48

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.

49

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) Organo-

sulphur 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.

50

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.

51

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.

52

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) Non-electrical 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.

53

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

54

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.

55

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.

56

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

http://oll.libertyfund.org/

57

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. (2011), 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”.

http://www.coeweb.istat.it/default2.htm

http://www.intracen.org/

http://atlas.media.mit.edu/

la teoria della complessità di hausmann e hidalgo

Documents