Modelli spaziali di regressione quantilica per l’analisi della convergenza economica regionale

Titolo Rivista RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO
Autori/Curatori Alfredo Cartone, Paolo Postiglione
Anno di pubblicazione 2017 Fascicolo 2016/3
Lingua Italiano Numero pagine 21 P. 28-48 Dimensione file 391 KB
DOI 10.3280/REST2016-003003
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit. Acquista Download Credits per scaricare questo Articolo in formato PDF

Anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

La letteratura in materia di convergenza regionale ha utilizzato finora principalmente modelli parametrici volti alla semplice individuazione di un parametro globale di β-convergenza. Sembra più plausibile, però, che la convergenza economica si realizzi solo sotto l’ipotesi di gruppi eterogenei (Postiglione et al., 2013). In aggiunta la presenza di dipendenza a livello spaziale richiederebbe una più approfondita e accurata analisi degli spillover. In questo lavoro, si propone l’utilizzo della spatial quantile regression al fine di delineare le distribuzioni condizionate della crescita economica e ottenere uno strumento utile a considerare la difformità dei parametri in corrispondenza di diversi quantili. Le variabili condizionanti utilizzati sono quelli del modello di crescita introdotto da Mankiw et al. (1992). Il classico modello di quantile regression (Koenker, 2005) è arricchito all’interno di un modello aumentato spazialmente di tipo spatial Durbin (McMillen, 2013). Il metodo sarà verificato sulle 103 province italiane. Le conclusioni evidenziano che il PIL, il capitale umano, il tasso di risparmio e il tasso di crescita della popolazione incidono in maniera significativamente differente a seconda del quantile osservato e ci permettono di svolgere importanti considerazioni su differenti sentieri di crescita.;

Keywords:β-convergenza condizionata, quantili spaziali, econometria spaziale, eterogeneità spaziale, province italiane

Jel codes:C01; C14; C21; C36; C52; O47

  1. Andreano M.S., Benedetti R., Postiglione P. (2016), Spatial Regimes in Regional European Growth: An Iterated Spatially Weighted Regression Approach, Quality & Quantity, Springer.
  2. Anselin L. (1988), Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers.
  3. Arbia G., Basile R. (2005), Spatial Dependence and Non-linearities in Regional Growth Behaviour in Italy, Statistica, 65, 2, pp. 145-167.
  4. Barreto R.A., Hughes A.W. (2004), Under Performers and over Achievers: A Quantile Regression Analysis of Growth, Economic Record, 248, pp. 17-35.
  5. Barro R.J. (1991), Economic Growth in a Cross-section of Countries, The Quarterly Journal of Economics, 106, pp. 407-443.
  6. Barro R.J., Sala-i-Martin X. (1991), Convergence across States and Regions, Brooking Papers on Economic Activity, 22, pp. 107-182.
  7. Barro R.J., Sala-i-Martin X. (1995), Economic Growth Theory. Boston: Mc Graw-Hill.
  8. Baumol W.J. (1986), Productivity Growth, Convergence and Welfare: What the Long-run Data show, American Economic Review, 76, pp. 1072-1085.
  9. Bera A., Galvao A., Montes-Rojas G., Park S.Y. (2015), Asymmetric Laplace Regression: Maximum Likelihood, Maximum Entropy and Quantile Regression, Journal of Econometric Methods, 5, pp. 79-101.
  10. Buchinsky M. (1998), Recent Advances in Quantile Regression Models: A Practical Guideline for Empirical Research, Journal of Human Resources, 33, 1, pp. 88-126.
  11. Canarella G., Pollard S. (2004), Parameter Heterogeneity in the Neoclassical Growth Model: A Quantile Regression Approach, Journal of Economic Development, 29, pp. 1-32.
  12. Chernozhukov V., Hansen C. (2005), An IV Model of Quantile Treatment Effects, Econometrica, 73, 1, pp. 245-261.
  13. Chernozhukov V., Hansen C. (2006), Instrumental Quantile Regression Inference for Structural and Treatment Effect Models, Journal of Econometrics, 132, pp. 491-525.
  14. Cunningham B.M. (2003), The Distributional Heterogeneity of Growth Effects: Some Evidence, The Manchester School, 7, 1, pp. 218-231.
  15. Dall’erba S., Le Gallo J. (2008), Regional Convergence and the Impact of European Structural Funds over 1989-1999: A Spatial Econometric Analysis, Papers in Regional Science, 87, pp. 219-244.
  16. Elhorst J.P. (2014), Spatial Econometrics. From cross-sectional Data to Spatial Panels. Berlin: Springer.
  17. Ertur C., Le GalloJ., Baumont C. (2006), The European Regional Convergence Process, 1980-1995: Do Spatial Regimes and Spatial Dependence matter?, International Regional Science Review, 29, pp. 3-34.
  18. Friedman M. (1992), Do Old Fallacies ever die?, Journal of Economic Literature, 30, pp. 2129-2132.
  19. Geraci M., Bottai M. (2006), Quantile Regression for Longitudinal Data using the Asymmetric Laplace Distribution, Biostatistics, 8, pp. 140-154.
  20. Kelejian H.H., Prucha I.R. (1999), A Generalized Moments Estimator for the Autoregressive Parameter in a Spatial Model, International Economic Review, 40, pp. 509-533.
  21. Kim T., Muller C. (2004), Two-stage Quantile Regression when the First Stage is based on Quantile Regression, The Econometrics Journal, 7, pp. 218-231.
  22. Koenker R. (2005), Quantile Regression. Cambridge: Cambridge University Press.
  23. Koenker R., Bassett G. (1978), Regression Quantiles, Econometrica, 46, pp. 33-50.
  24. Koenker R., d’Orey V. (1987), Computing Regression Quantiles, Journal of the Royal Statistical Society, Series C (Applied Statistics), 36, pp. 383-393.
  25. Koenker R., Hallock K.F. (2001), Quantile Regression, Journal of Economic Perspectives, 15, pp. 143-156.
  26. Koenker R., Machado J.A.F. (1999), Goodness of Fit and Related Inference Processes for Quantile Regression, Journal of the American Statistical Association, 94, pp. 1296-1310.
  27. Kostov P. (2009), Spatial Dependence in Agricultural Land Prices: Does it exist?, Agricultural Economics, 40, pp. 347-353.
  28. Kostov P. (2013), Empirical Likelihood Estimation of the Spatial Quantile Regression, Journal of Geographical Systems, 15, pp. 51-69.
  29. Kostov P., Le Gallo J. (2015), Convergence: A Story of Quantiles and Spillovers, Kyklos, 68, pp. 552-576.
  30. LeSage J.P. (2014), What Regional Scientists need to know about Spatial Econometrics, The Review of Regional Studies, 44, pp. 3-32.
  31. LeSage J.P., Fischer M.M. (2008), Spatial Growth Regressions: Model Specification, Estimation and Interpretation, Spatial Economic Analysis, 3, pp. 275-304.
  32. LeSage J.P., Pace R.K. (2009), Introduction to Spatial Econometrics. Boca Raton: CRC Press.
  33. Liao W.C., Wang X. (2012), Hedonic House Prices and Spatial Quantile Regression, Journal of Housing Economics, 21, pp. 16-27.
  34. Lucas R. (1988), On the Mechanics of Economic Development, Journal of Monetary Economics, 22, 1, pp. 3-42.
  35. Mankiw N.G., Romer D., Weil D.N. (1992), A Contribution to the Empirics of Economic Growth, Quarterly Journal of Economics, 7, pp. 407-437.
  36. McMillen D.P. (2013), Quantile Regression for Spatial Data. New York: Springer.
  37. Mello M., Perrelli R. (2003), Growth Equations: A Quantile Regression Exploration, The Quarterly Review of Economics and Finance, 43: 4, pp. 643-667.
  38. Panzera D., Postiglione P. (2014), Economic Growth in Italian NUTS 3 Provinces, The Annals of Regional Science, 53, pp. 273-293.
  39. Postiglione P., Andreano M.S., Benedetti R. (2013), Using Constrained Optimization for the Identification of Convergence Clubs, Computational Economics, 42, pp. 151-174.
  40. Postiglione P., Benedetti R., Lafratta G. (2010), A Regression Tree Algorithm for the Identification of Convergence Clubs, Computational Statistics and Data Analysis, 54, pp. 2776-2785.
  41. Rey S.J., Montouri B.D. (1999), US Regional Income Convergence: A Spatial Econometric Perspective, Regional Studies, 33, pp. 143-156.
  42. Sala-i-Martin X. (1996), Regional Cohesion: Evidence and Theories of Regional Growth and Convergence, European Economic Review, 40, pp. 1325-1352.
  43. Solow R.M. (1956), A Contribution to the Theory of Economic Growth, The Quarterly Journal of Economics, 70, pp. 65-94.
  44. Su L., Yang Z. (2007), Instrumental Variable Quantile Estimation of Spatial Autoregressive Model, Working Paper 05-2007. Singapore: Management University.

Alfredo Cartone, Paolo Postiglione, Modelli spaziali di regressione quantilica per l’analisi della convergenza economica regionale in "RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO" 3/2016, pp 28-48, DOI: 10.3280/REST2016-003003