Il lavoro si inserisce nell’ampio filone che esplora la connessione tra la crescita economica e quell’insieme di norme sociali e culturali, noto anche come “capitale sociale”, che consente agli individui di superare i problemi di azione collettiva.
In particolare, viene rivisitato un precedente lavoro di Tabellini (2010) sull’impatto del capitale sociale sulla crescita di 63 regioni europee. Sia il dataset sia l’analisi vengono estese, usando tecniche di regressione spaziale, fino ad ora scarsamente impiegate in questa letteratura. Questa innovazione permette di tenere conto dell’influenza della prossimità sulla trasmissione e accumulazione di capitale sociale: la distanza geografica e i costi d’interazione tra gli individui possono influenzare la densità, la qualità e la durata delle relazioni tra le persone, con riflessi sulla distribuzione territoriale e la concentrazione spaziale di quei valori e norme sociali che formano il capitale sociale. Empiricamente, questo risulta essere fortemente concentrato in alcuni cluster di regioni.
Data l’endogeneità del capitale sociale, le stime sono effettuate usando come variabili strumentali le stesse utilizzate da Tabellini (2010), cioè il tasso di alfabetizzazione nel 1880 e una proxy della qualità delle istituzioni politiche tra il 1600 e il 1850. Per evitare distorsioni connesse con la presenza di correlazione spaziale degli errori, sono utilizzati due differenti modelli di regressione spaziale*.
Le principali conclusioni del lavoro sono le seguenti: (1) il contributo del capitale sociale alla crescita è positivo e significativo, in linea con la preesistente letteratura empirica (tale risultato è robusto anche ad eventuali problemi di variabili strumentali deboli); (2) vi è traccia di correlazione spaziale nei residui che giustifica l’impiego di tecniche di regressione spaziale. Con tali tecniche l’impatto diretto stimato del capitale sociale sulla crescita si riduce però di circa un terzo, mentre risulta rilevante l’effetto indotto dalle regioni vicine.
[*] In particolare, uno Spatial autoregressive model with autoregressive disturbances (SARAR) e uno Spatial Durbin error model (SDEM)
