Da circa trent’anni i modelli vettoriali autoregressivi (VAR) sono applicati con successo in diversi campi della macroeconomia empirica, quali l’analisi degli effetti delle politiche monetarie e fiscali e la previsione a breve termine.
Più di recente la metodologia VAR ha suscitato l’interesse dei ricercatori che si occupano di scienze regionali e geografia economica. In tale contesto, modelli VAR multiregionali correttamente specificati e identificati possono rappresentare uno strumento utile nell’approfondimento di tematiche di notevole rilevanza, tra cui: l’analisi della propagazione tra regioni diverse di shock locali alla domanda aggregata; la valutazione degli effetti, esterni all’area di destinazione, prodotti dalla spesa regionale per investimenti in capitale pubblico; lo studio dei processi di diffusione territoriale delle nuove conoscenze acquisite in ambito accademico.
La specificazione e la stima di modelli VAR multiregionali pone però notevoli difficoltà in merito all’eccessivo numero di parametri da sottoporre a stima. Allo stesso tempo, nell’identificazione delle relazioni strutturali tra le variabili incluse nel modello è necessario tener conto della natura bilaterale delle relazioni che caratterizzano economie regionali che interagiscono tra loro.
Obiettivo del presente lavoro è quello di fornire un contributo di tipo metodologico nel campo dell’identificazione, della stima e dell’utilizzo per analisi di tipo strutturale di modelli VAR multiregionali.
In tale contesto viene proposta e discussa una specificazione strutturale del modello di tipo recursivo a blocchi, in cui si sfrutta l’informazione a priori sulla rispettiva collocazione spaziale di un dato insieme di regioni ai fini dell’identificazione e della stima dei parametri del modello.
Con l’obiettivo di rendere più agevole l’utilizzo del modello nell’analisi degli effetti di propagazione nello spazio di shock macroeconomici di origine locale, viene successivamente definita un funzione di risposta all’impulso di tipo spazio-temporale (ovvero che analizza la risposta delle variabili del modello sia nel tempo sia nello spazio). I coefficienti di tale funzione consentono di apprezzare il processo di diffusione dei disturbi locali al crescere della distanza tra regioni e dell’orizzonte temporale di riferimento.
Il lavoro presenta infine i risultati della stima di un modello bivariato che include il PIL e la spesa pubblica per consumi di ognuna delle venti regioni italiane.
L’evidenza raccolta, seppure in tale contesto altamente semplificato, mostra effetti di propagazione tra regioni degli shock locali alla spesa pubblica o al reddito significativi e assai persistenti, che aumentano al diminuire della distanza geografica tra le regioni.
Pubblicato nel 2010 in: Journal of Geographical Systems, v. 12, 2, pp. 125-154
