I Fondi Strutturali Nelle Regioni Italiane Obiettivo 1

Vincenzo Mancusi
L’impatto economico
dei Fondi strutturali nelle
Regioni italiane Obiettivo 1
Un’analisi empirica
ANALISI E RICERCHE
Edizioni Change
© 2005 - Edizioni Change
20100 Milano – Via Vittor Pisani 13 – Tel. 02-6700230

www.archidata.it
Progetto grafico: Francesca Caricato

Indice
Introduzione 4
1. Un approccio alternativo per la valutazione delle politiche di

coesione 6
Le prime strategie di coesione 7
I Fondi Strutturali: un’introduzione 10
La progettazione degli interventi e le aspettative del programma
’94 – ’99 18
La valutazione secondo metodologie quantitative 23
2. Analisi regionale della funzione di produzione 31

Uno sguardo generale ai dati 33
I dati disponibili e le fonti 34
Le serie storiche costruite ad hoc 36
Lo stock di capitale umano 37
Lo stock di capitale privato nell’agricoltura e nel settore dei servizi 42
La funzione di produzione nelle regioni italiane, un’analisi
quantitativa 44
Il capitale umano e l’output 45
Infrastrutture e capitale pubblico: l’impatto sulla funzione di
produzione 54
L’evidenza empirica: effetti di lungo periodo 57
L’evidenza empirica: effetti sui tassi di crescita 60
Il capitale pubblico nelle regioni meridionali 62
Conclusioni 71
3. La stima dell’efficienza tecnica nella funzione di produzione 74

Il concetto di efficienza produttiva 75
I modelli econometrici per la misurazione dell’efficienza:
una breve introduzione 78
Il modello adottato per la misurazione dell’efficienza regionale 81
I risultati della stima: ranking delle regioni e variazione
dell’efficienza nel tempo 92
I risultati della stima:L’efficienza nelle regioni obiettivo 1 97
L’andamento dell’efficienza e i Fondi Strutturali Europei 99
Conclusioni 102
4. L’analisi degli investimenti regionali 105
I criteri adottati nella riclassificazione dei rapporti di esecuzione 105
La spesa sostenuta dalle regioni: le scelte di investimento 111
L’impatto degli investimenti:il contributo immediato alla crescita
regionale nel periodo ’94 – ‘01 117
L’impatto degli investimenti: analisi delle scelte mediante
le produttività marginali 121
Conclusioni 131
Conclusioni Finali 134

Le indicazioni di policy emerse dall’analisi quantitativa 134
I risultati macroeconomici e la valutazione delle scelte di policy 138
Bibliografia 145
Allegati 152
Allegato 1. Stima dell’efficienza regionale 152
Allegato 2. Stima delle produttività marginali 155
Introduzione
Nata come progetto politico economico negli anni del dopo-

guerra, dopo cinquanta anni di vita l’Unione Europea può definirsi
un considerabile successo. Sulla scena mondiale si sta assistendo allo
sviluppo di una nuova entità politica ed economica con caratteri eco-
nomici e politici di una superpotenza: già oggi l’UE è il più grande
mercato interno, con un P.I.L. ed una popolazione superiore a quella
degli Stati Uniti d’America. A queste cifre da gigante economico, tut-
tavia, corrisponde poca omogeneità economica ed istituzionale, tanto
pronunciata da trasmettere l’idea che nell’Unione europea regni in un
perenne stato di lavori in corso.
Se da un lato molti aspetti dell’Unione sono consolidati o in via
di cristallizzazione, molti altri ambiti, come la politica estera e militare,
si trova ancora ad un livello solamente potenziale. Uno di quegli aspetti
ancora in divenire è certamente la politica di coesione, il cui obiettivo
è armonizzare le condizioni economiche delle regioni obiettivo 1, ov-
vero quelle regioni che scontano differenziali di sviluppo economico e
sociale rispetto al livello che mediamente si registra nel resto dell’UE.
Per perseguire questo obiettivo ci si è dotati di vari strumenti operativi
e finanziari specificamente destinati allo sviluppo locale; questa precisa
scelta riguardo gli strumenti è stata il frutto di un lungo dibattito che,
a livello comunitario prima e nazionale dopo, ha spinto per la pro-
mozione dello sviluppo economico endogenamente, attraverso la pro-
mozione dello sviluppo locale. Alla luce dell’esperienza italiana questo
nuovo approccio ha sancito l’abbandono dell’impostazione secondo
cui i provvedimenti per lo sviluppo economico del Mezzogiorno sono
sempre dipesi da decisioni scollegate alla realtà locale. Tra gli elementi
di novità adottati per facilitare l’operatività delle politiche di coesione,
la valutazione ha rappresentato, soprattutto in Italia, una innovazione
molto importante. La necessità di avere un supporto alle decisione po-
litiche e l’esigenza di feedback riguardo le azioni intraprese ha reso ne-
cessaria l’introduzione di questa pratica nei meccanismi di governance
non solo nelle azioni di sviluppo ma in gran parte delle sfere che impli-
cano l’utilizzo delle risorse pubbliche. L’esercizio della valutazione con-
tribuisce così a tracciare lo scenario riguardo il rendimento economico
e all’impatto sociale che uno o più programmi d’investimento avranno
sul territorio e sul sistema economico e sociale locale. È evidente che
5 L’impatto Economico dei Fondi Strutturali

grazie alla valutazione è possibile controllare meglio la spesa pubblica
- si scelgono investimenti da cui ci si attende un rendimento ed un
beneficio per lo sviluppo - si evitano sprechi di risorse e, attraverso la
constatazione del fallimento di un determinato progetto, si ha la pos-
sibilità di modificare il target e la tempistica degli interventi limitando
così le perdite finanziarie.
Sin dalla sua nascita la politica di coesione si è così affiancata alla
valutazione, vi sono stati molti contributi metodologici e moltissimi
casi sono stati discussi al fine di diffondere sia conoscenza all’interno
della comunità dei valutatori, sia per promuovere tra gli attori delle
politiche di sviluppo le best practice.
Questo lavoro fornisce una valutazione del Piano Operativo Plu-
rifondo di sei delle sette regioni meridionali incluse nell’obiettivo 1, la
struttura del lavoro è stata ispirata da altri lavori svolti in altre esperien-
ze extra italiane, tuttavia non mancano elementi di novità, se non altro
dal punto di vista degli strumenti adottati. Il periodo di riferimento,
il ’ –’, è stato scelto per esprimere un giudizio d’insieme su di un
intero periodo di programmazione, non si è valutato nessun progetto
particolare, al contrario, attraverso specifici strumenti quantitativi, si è
espresso un giudizio sull’opportunità economica delle scelte maturate
durante il periodo di programmazione.
Il grado di novità del lavoro è legato alla scelta degli strumenti
adottati per l’analisi. Si tratta di metodologie macroeconomiche, uti-
lizzate prevalentemente in ambito accademico e qui mutuate per ana-
lizzare una specifica politica. E’ ben precisare che il lavoro, oltre ad
offrire una prospettiva alternativa nella valutazione del periodo di pro-
grammazione, mira ad illustrare le potenzialità e i vantaggi derivanti
dall’inclusione di strumenti quantitativi nell’insieme delle metodologie
già utilizzate da chi svolge professionalmente l’attività di valutatore.

1. Un approccio alternativo per la valutazione
delle politiche di coesione
Il Prodotto Interno Lordo delle dieci regioni più ricche dell’UE

è circa il triplo di quello delle dieci regioni meno sviluppate, si tratta
di differenze rilevanti, che possono compromettere le possibilità di svi-
luppo dell’Unione nei decenni a venire, la necessità di eliminare queste
disparità, migliorando nel contempo i sistemi economici e sociali del-
le aree meno sviluppate ha indotto l’istituzione di precisi programmi
di intervento finanziati attraverso i Fondi Strutturali: i programmi di
coesione e sviluppo. Si tratta di una strategia già sancita nel trattato
di Roma del  che persegue l’obiettivo della coesione economica e
sociale tra le regioni dell’Unione Europea.
La necessità di fornire un feedback riguardo l’efficacia di questi
programmi ha rappresentato un’occasione per favorire la diffusione,
anche in Italia, della valutazione, strumento attraverso cui la Com-
missione Europea mira a garantire e massimizzare i risultati degli in-
terventi. La particolare attenzione delle istituzioni comunitarie nei
confronti del processo valutativo ha contribuito a sensibilizzare an-
che i paesi membri riguardo le potenzialità associabili ad una corret-
ta valutazione che, almeno teoricamente, dovrebbe così contribuire a
migliorare il rendimento stesso della spesa in investimenti pubblici.
L’Italia in particolare ha beneficiato di questa richiesta che, sin dal
1988, ha migliorato gli strumenti e le metodologie applicate alla va-
lutazione delle politiche di coesione; si sono così creati i presupposti
perché la valutazione non fosse limitata alle politiche comunitarie ma
si estendesse anche a tutti gli investimenti pubblici. La messa in opera
e il funzionamento dei programmi di coesione, per via della estrema
1. Tipicamente capillarità che li caratterizza, necessita di una pluralità di soggetti1 cui
istituzioni locali competono compiti sia d’indirizzo che operativi, la complessità che
(Regione), caratterizza i programmi e il loro funzionamento è pienamente rispec-
nazionali chiata nei meccanismi e nelle procedure di valutazione. Innanzitutto
(Ministeri e comitati
il procedimento valutativo accompagna tutte le fasi del programma,
interministeriali)
e sopranazionali
dalla programmazione all’assessment finale, a questa dimensione tem-
(Commissione porale deve poi affiancarsi una valutazione per livelli che aggiunge una
Europea e DG dimensione verticale attraverso il coinvolgimento dal basso verso l’alto
regionale) delle istituzioni locali, nazionali ed europee. A fronte di un così alto

grado di burocratizzazione esiste una altrettanto marcata schematicità
nei contenuti che, per evidenti motivi di coordinamento tra le regioni,
tende ad imporre schemi e meccanismi di analisi delle politiche tali
simili tra loro. Conseguenza di questa scelta è una drastica riduzione
del margine relativamente all’analisi affidata alle istituzioni locali. cui
sono affidati compiti esecutivi inferiori.
La necessità di ovviare a questo ed altri problemi all’interno del
sistema valutativo delle politiche europee ha stimolato un interessante
dibattito all’interno della comunità accademica e professionale, dibat-
tito teso a migliorare i meccanismi organizzativi ma, soprattutto, all’in-
troduzione di nuove metodologie per migliorare l’efficacia della valuta-
zione. Il lavoro presentato nelle prossime pagine ambisce a supportare
la seconda tesi, auspicandosi di evidenziare i vantaggi che potrebbero
derivare adottando nuovi strumenti di valutazione.
Il fermento che riguarda il mondo della valutazione offre nume-
rosi stimoli per la maturazione di nuovi approcci, anche attraverso la
proposizione di esperienze 1.professionali concrete; questo lavoro illu-
stra, attraverso il caso delle regioni italiane obiettivo 1, un tentativo di
misurare il successo delle scelte compiute nel periodo di programma-
zione �- , questa misurazione avviene attraverso l’utilizzo di
strumenti di indagine che, pur avendo ampia credibilità accademica,
faticano ad essere introdotte nella professione.
Oltre che esprimere una valutazione sull’esito del periodo di pro-
grammazione è chiaro che questo a scopo deve affiancarsi a quello di
illustrare le potenzialità associabili all’uso di strumenti quantitativi per
arricchire la valutazione. Illustrare cose che sono ampiamente e più
chiaramente spiegate nella letteratura accademica avrebbe poco senso,
applicare invece questi strumenti all’analisi di una realtà che interessa
una platea come quella di chi svolge professionalmente l’attività di va-
lutatore, al contrario, attribuisce maggior significato a questo lavoro.
Le prime strategie di coesione
Nel , all’indomani della seconda Guerra Mondiale, Italia,

Germania Federale, Francia, Belgio, Lussemburgo e Olanda diedero
inizio ad una collaborazione economica e sociale volta ad evitare nuo-
vi conflitti e a favorire l’integrazione economica. Il Trattato di Roma,
stipulato originariamente con lo scopo di favorire il commercio e lo
scambio di risorse energetiche all’interno dell’Europa, istituì la prima

Comunità Europea del Carbone e dell’Acciaio, poi trasformatasi in
Comunità Economica Europea; in quasi cinquant’anni, la Comunità
Europea, divenuta Unione Europea, è cresciuta trasformandosi da or-
ganizzazione sopranazionale delegata alla istituzione di un unico mer-
cato europeo in un’istituzione che, acquistando sempre più sovranità, è
intervenuta attivamente nella vita politica economica e sociale dei pae-
si membri. L’introduzione della moneta unica europea, l’allargamento
ad Est e la recente sottoscrizione della Costituzione Europea sono tra
i più recenti segni della crescente cooperazione e integrazione che è
in atto in Europa.. Questi importanti cambiamenti confermano che
l’Europa sta costruendo il proprio futuro su due pilastri fondamentali.
Il primo, quello economico, prevede il costante aumento dell’integra-
zione economica attraverso la definizione di infrastrutture legislative e
normative necessarie per la la realizzazione di mercato europeo in cui
scambiare strumenti finanziari fattori produttivi e beni. Il secondo
pilastro, quello politico, il cui sviluppo presenta le maggiori problema-
tiche, prevede l’ampliamento del potere esecutivo della Commissione
Europea e del potere legislativo del Parlamento.
La forza propulsiva alla base dell’istituzione delle prime comu-
nità fu essenzialmente politica. Se lo scopo era quello di evitare che in
futuro potessero divampare nuovamente conflitti, tuttavia era altret-
tanto chiaro che le sole intenzioni non sarebbero state sufficienti, tutti
compresero che lo spettro della guerra sarebbe venuto meno solamente
se si fossero condivisi gli stessi interessi economici. A quasi mezzo se-
colo dal trattato di Roma si può asserire che, nonostante le difficoltà,
l’obiettivo è stato raggiunto e se politicamente manca ancora uno spi-
rito comunitario, economicamente gli sforzi compiuti per favorire la
libera circolazione di merci e beni sono stati molti e rilevanti.
Affianco all’obiettivo dell’apertura dei mercati come meccanismo
di integrazione era chiaro un’altro che tra gli obiettivo della nascen-
te comunità dovesse essere l’abbattimento delle disparità tra gli stati
membri: andavano colmate le differenze economiche e contestualmen-
te dovevano essere limati molti contrasti culturali e sociali ereditati
dal conflitto mondiale. In altre parole era sottolineata la necessità di
elaborare strategie e politiche con cui le regioni svantaggiate avrebbero
colmato i differenziali di sviluppo rispetto al resto d’Europa. Ciò che
non si rivelò sufficientemente chiaro fu la scelta degli strumenti, si
credeva, infatti, che la rimozione degli ostacoli alla libera circolazione
di merci, persone, servizi e capitali avrebbe avviato un circolo virtuoso
da cui sarebbe scaturita una sempre maggiore integrazione che avrebbe

avuto come conseguenza la riduzione delle disuguaglianze. Le scelte
compiute allora soddisfecero sia l’establishment politico ed economi-
co, tuttavia i risultati economici ottenuti durante i decenni seguenti
non suffragarono la teoria secondo cui il liberismo economico avrebbe
indotto la riduzione dell’arretramento economico delle regioni più
povere.
Durante gli ultimi duecento anni le popolazioni occidentali sono
diventate sempre più ricche, tutte le regioni del mondo hanno assistito
ad un sostanziale aumento del reddito pro capite. Nel Grafico contenu-
to in Figura 1 è chiaramente evidenziato che i paesi in cui il processo di
industrializzazione è stato più impetuoso- Europa Continentale e USA
il reddito pro capite è cresciuto di tredici volte, mentre la periferia eu-
ropea- costituita da paesi come Italia, Grecia, Irlanda, Spagna e Unione
Sovietica- ha visto aumentare nove volte tanto il proprio reddito.
Figura 1
GDP pro capite
Gdp Pro Capite delle macro Regioni Mondiali dal 1850 ad oggi
1985 US $ per
le regioni
del mondo,
1820 - 1989. L’Eu-
ropa
occidentale
core include
i pes capitalistici
centrali come UK,
Germania, Francia
e USA.
La periferia
Periferia tiene conto
di paesi come Grecia,
Irlanda, Spagna e
l’Unione Sovietica.
Fonte: Madddison
1994: 22-3
Il trend di lunghissimo periodo evidenzia che le condizioni eco-

nomiche, sebbene con tassi di crescita diversi e molto eterogenei da
regione a regione, tendono a migliorare nel tempo. I paesi occidentali
hanno assistito, negli ultimi due secoli, ad un aumento costante del
reddito. Inoltre, sia paesi in cui l’industrializzazione è cominciata pri-
ma, sia paesi in via di sviluppo durante gli anni post conflitto hanno
visto aumentare il proprio reddito. Il risultato è ancor più sorprendente

per Asia, Africa, America Latina in cui c’è stata una crescita nonostante
la ripresa fosse temperata dall’aumento della natalità.
Questa precisazione aiuta a capire meglio in quale ottica deve
essere inquadrato l’intervento comunitario per la coesione economica.
Dal dopo guerra alla fine del secolo tutte le economie sono cresciute, il
benessere e le condizioni di vita sono migliorate sensibilmente; nel giro
di cinquanta anni Paesi usciti devastati dai conflitti mondiali hanno
trovato energie, mezzi e capacità per riproporsi come protagonisti
della vita economica mondiale. La Storia e i dati economici evidenzia-
no chiaramente che non c’è stato un problema di scarso sviluppo, piut-
tosto si sono registrate delle ampie differenze nei ritmi della crescita.
Alla luce di quest’evidenza l’attenzione di politici, studiosi e osservatori
ha tentato di comprendere il perché di così ampie differenze nei tassi
di crescita; in particolare ci si è interrogati sulle politiche e sui provve-
dimenti adottabili perché si inneschi nelle regioni meno sviluppate il
processo di convergenza verso le regioni con redditi più elevati.
Gli studi e le ricerche in prospettiva storica hanno spesso eviden-
ziato che la conseguenza della crescita economica sia un aumento della
disuguaglianza all’inizio della crescita, una successiva stabilizzazione e,
in fine, una riduzione man mano che il paese diventa più ricco, si tratta
di un fenomeno anche descritto come curva di Kuznets2. Le ragioni di
questa particolare dinamica della povertà e della disuguaglianza all’in-
terno dei paesi industrializzati sono collegabili alle a quanto successo
dalla metà dell’Ottocento in poi agli stati che occidentali. La crescita
economica rilevata in questo periodo è sempre stata associata all’in-
dustrializzazione, fenomeno che ha provocato la nascita e lo sviluppo
di grandi agglomerati urbani, luoghi in cui, tipicamente, la disugua-
glianza si acuisce rispetto alle regioni rurali. Quanto detto pur non co-
stituendo una completa giustificazione può servire per giudicare meno
severamente la scelta di aver adottato il liberismo economico come
strumento di coesione economica e sociale:anche inserendo come prio-
rità l’intervento attraverso politiche dirette, in virtù della forte crescita
economica degli anni cinquanta e sessanta probabilmente non si sa-
2. Un famoso rebbe comunque favorita nessun tipo di convergenza nello sviluppo
economista regionale.
(1901-1985)
che fu tra i primi
ad interessarsi
ai problemi
I Fondi Strutturali: un’introduzione
dello sviluppo
economico. Soltanto agli inizi degli anni Settanta, alla vigilia di un significa-

tivo periodo di crisi, ci si rese conto che incentivare la concorrenza e il
libero mercato non sarebbe stato sufficiente per favorire la convergenza
tra le regioni. Fu così operata una rilevante svolta in favore di politiche
attive, politiche che avrebbero coinvolto regioni e stati membri nel-
la stesura e finanziamento di programmi d’intervento finalizzati alla
riduzione dei differenziali di sviluppo. La Comunità, presa coscien-
zadell’incapacità degli stati membri e delle regioni di attuare indipen-
dentemente delle politiche di sviluppo, stabiliti i primi programmi di
sviluppo regionale finanziati prima dalla Banca Europea per gli Inve-
stimenti e poi dai Fondi Strutturali. Da un approccio che impegna-
va poco le strutture sopranazionali e che affidava al libero mercato le
speranze di convergenza oltre che di crescita, gli stati membri decisero
di trasferire la responsabilità delle politiche per lo sviluppo agli organi
comunitari, adottando quindi una strategia di coesione notevolmente
più interventista. Alla fine del decennio furono istituiti la Banca Euro-
pea per gli Investimenti e i Fondi Strutturali. L’obiettivo di questi or-
gani fu inizialmente di favorire lo sviluppo delle regioni meno prospere
della comunità e quelle colpite da crisi di riconversione. Nonostante
il cambiamento di rotta è bene rilevare che si trattò solo di un flebile
inizio, in quegli anni ci si concentrò prevalentemente sugli aspetti mo-
netari dell’Unione.
La definitiva attribuzione del giusto peso degli interventi per
la coesione economica e sociale avvenne soltanto negli anni Ottanta.
Con la stesura del Trattato d’Unione Europea, nel , le politiche
attive per la coesione economica e sociale ebbero un nuovo impulso:
si definirono più chiaramente obiettivi, mezzi e risorse da impiegare.
Nel Trattato fu solennemente promossa l’idea che l’abbattimento delle
disparità potesse essere ottenuto solamente con politiche sovranazio-
nali e solidali. All’iniziale obiettivo di ridurre il gap nella dotazione
d’infrastrutture si è successivamente affiancata la necessità di colmare
le differenze sociali. Si è così deciso di promuovere l’investimento in
formazione ed accrescimento delle competenze professionali della for-
za lavoro delle regioni più svantaggiate. Nel Trattato di Maastricht, che
si affianca all’Atto Unico Europeo nel processo di riforma, si ridefini-
scono gli obiettivi dei fondi già operanti, si crea un nuovo fondo ed è
istituito il Comitato delle Regioni.
L’Atto Unico Europeo del  ed il Trattato di Maastricht del
3. Acro- , furono, come già rilevato, il punto di partenza per una prima
nimo di “Atto Unico riforma dei Fondi Strutturali. Alle linee guida, contenute nell’AUE3 e
Europeo”” nel Trattato, seguirono una serie di regolamenti quadro che hanno tra-

dotto in pratica le idee e i principi della riforma. Questi trattati hanno
completato la transizione da un approccio liberista nei confronti dello
sviluppo economico ad uno interventista che ha richiesto ai membri
della comunità una maggiore interessamento ai propri problemi. A
questa riforma si è aggiunto il regolamento CE n.  del  che,
ripresentando il principio generale della coesione economica, ha ope-
rato un aggiustamento volto a migliorare ulteriormente
l’operato delle politiche comunitarie e a fissare nuovi obiettivi da af-
fiancare a quelli della coesione (la cosiddetta Agenda ), il senso
fondamentale degli interventi non è stato mutato, si è trattato di un
perfezionamento mirato ad evitare che in futuro si ripresentino i limiti
4. Questi strumenti
palesati durante negli interventi nel periodo ’ - ’. Quanto agli stru-
speciali sono
caratterizzata dalla
menti operativi, negli ultimi quindici anni sono stati introdotti nuovi
specificità degli strumenti, nuove fonti finanziarie, nuove procedure e se da un lato gli
obiettivi che si obiettivi sono stati sempre ben chiari, la breve storia degli interventi
prefiggono di rea- comunitari per la coesione racconta di un accentuato dinamismo ri-
lizzare. Nello speci- guardo gli strumenti per lo sviluppo. Pur essendo i Fondi Strutturali lo
fico: INTERREG (per
strumento principe, ad essi si affianca la Banca Europea per gli Investi-
la cooperazione
transfrontaliera,
menti ed il Fondo di Coesione più una pluralità di Strumenti specifi-
transnazionale e ci4. La famiglia dei Fondi Strutturali, sui ci si concentrerà nel prosieguo
interregionale), UR- del lavoro, comprende quattro diversi fondi, il Fondo Sociale Europeo
BAN (per la rigene- (FSE), nato insieme al Fondo Europeo Agricolo di Orientamento e
razione economica Garanzia (FEAOG), nel , il Fondo Europeo di Sviluppo Regionale
e sociale delle città
(FESR) nato nel  insieme allo Strumento Finanziario di Orienta-
e dei quartieri in
crisi e per promuo-
mento della Pesca (SFOP). Si tratta di Fondi le cui disponibilità sono
vere uno sviluppo garantite dal contributo di tutti i paesi su cui esiste un forte vincolo
urbano durevole), di destinazione. Insieme i quattro fondi sono le risorse finanziarie che
Leader + (per lo alimentano la politica di coesione.
sviluppo rurale E’interessante notare che nel corso degli anni oltre alla messa a
mediante iniziative
punto di nuovi strumenti e nuove procedure si è assistito anche ad im-
di gruppi di azione
locale), EQUAL
portanti innovazioni relativamente ai principi stessi ispiranti l’esistenza
(Cooperazione e il funzionamento dei Fondi Strutturali. Dalla lettura dei testi rego-
transnazionale per lamentari si possono identificare cinque principi di base: sussidiarietà,
la promozione di compartecipazione, addizionalità, concentrazione e programmazione.
nuove pratiche di Questi principi sono stati poi nuovamente ripresentati, con l’aggiunta
lotta alle discri-
di alcune precisazioni, negli articoli , ,  e  del regolamento CE
minazioni e alle
disuguaglianze di
/.
ogni tipo nell’ac- Il principio si sussidiarietà è un concetto non nuovo nella pro-
cesso al mercato grammazione economica europea. Esso legittima l’intervento di livelli
del lavoro). superiori di governo soltanto quando sia palese l’incapacità dei livelli

inferiori di governo di esercitare le loro competenze. Questo principio
trova menzione all’interno dei regolamenti comunitari dal , anno
in cui fu citato per la prima volta nella Relazione sull’Unione Europea,
ed afferma che l’intervento della Commissione è giustificato solo se
si dimostra più soddisfacente di quello dello stato membro. Le regole
impongono alla Comunità di agire limitando la sua azione a quanto
espressamente previsto dai Trattati, l’intervento della Comunità deve
contenere un valore aggiunto, in altre parole l’azione deve essere chia-
ramente vantaggiosa e lo stato membro deve essersi dimostrato inca-
pace nel realizzare gli obiettivi dell’azione. Ultima norma da rispettare
è che l’intervento non sconfini invadendo competenze, tipicamente
nazionali, che non competono alla Commissione.
Il principio del partenariato o compartecipazione o patnership è
definito per la prima volta nell’art.  del Regolamento CEE /.
Successivamente l’articolo  del regolamento /, chiarisce che:
“le azioni comunitarie sono concepite come complementari alle

corrispondenti azioni nazionali o come contributi alle stesse. Esse
si fondano su una stretta concertazione, tra la Commissione e lo
stato membro, nonché, le autorità e organismi designati dallo sta-
to membro nel quadro delle proprie normative nazionali e delle
prassi correnti”.
Questa affermazione fa riferimento alla necessità che Commis-

sione, stato membro, organismi competenti ed enti locali, operino al-
l’unisono per garantire l’unitarietà e la massima efficienza socio-econo-
mica dell’intervento. Due condizioni sono davvero importanti perché
le sinergie auspicate abbiano una proficua attuazione. La prima con-
dizione è che ci sia coordinamento e spirito di collaborazione a tutti
i livelli di governo. Una seconda e più importante condizione è che
i Fondi Strutturali non siano un corpo estraneo nella spesa pubblica
dello stato, essi non possono essere slegati all’intervento nazionale. Per
soddisfare questo requisito si è imposta la compartecipazione finan-
ziaria dell’autorità locale o nazionale coinvolta. La compartecipazione
opera in tutte le fasi dell’intervento comunitario, nella preparazione,
nel finanziamento, nella valutazione ex-ante, nel monitoring e nella
valutazione ex-post. Il ruolo assegnato alle autonomie è mutato con le
riforme; la fase programmatoria, come si vedrà in seguito, è stata ridi-
mensionata, al contrario le responsabilità nella fase d’attuazione sono
cresciute notevolmente.

Un ulteriore elemento d’innovazione, relativamente ai principi
alla base dell’esistenza stessa dei Fondi Strutturali e riconosciuto piena-
mente in entrambe le riforme, è l’addizionalità delle risorse finanziarie.
Si tratta di un principio strettamente legato al già illustrato principio
della compartecipazione, e che nasce per ovviare ad un problema e
porvi soluzione. Se l’intervento della Comunità fosse completamente
assimilabile all’intervento pubblico si creerebbe un incentivo all’inte-
no dello Stato membro, della regione o dell’amministrazione a ridurre
l’esborso sostituendo alla spesa propria quella comunitaria. Quest’ul-
tima è ottenuta come trasferimento proprio mentre la spesa pubblica
propria è frutto dell’imposizione di tasse su scala nazionale. Il rischio
che si corre è che lo stock di spesa pubblica rimanga invariato vanifi-
cando l’intervento comunitario ed avvantaggiando solamente il bilan-
cio dello Stato membro che vedrebbe ridurre le proprie uscite. Adot-
tando tale principio si è introdotto un forte vincolo nei confronti degli
enti pubblici delle regioni beneficiare. Questi, non solo sono obbligati
a cofinanziare i vari progetti, ma devono tenere nettamente separate le
risorse nazionali da quelle ottenute dai vari fondi comunitari; spesa
comunitaria e spesa statale, pur potendo finanziare lo stesso progetto,
non sono assolutamente sostituibili, risulta più chiaro il motivo per cui
molto raramente risorse finanziare di origine comunitaria finanzino
intermente un intervento che, al contrario, vede sempre la partecipa-
zione finanziaria di stato regione e Comunità Europea.
Il terzo principio, quello della concentrazione, permette che la
maggiore massa di risorse si concentri a favore delle regioni più disa-
giate, vale a dire, laddove c’è maggior bisogno. E’ un principio molto
semplice ma molto efficace: la concentrazione delle risorse ha l’indub-
bio vantaggio di permettere il finanziamento di più obiettivi, trasfor-
mando l’operato comunitario da supporto verso il singolo progetto in
politica di sviluppo e rinnovamento.
L’ultimo principio da ricordare è quello della programmazione.
A differenza di tutti gli altri principi che hanno un riferimento preciso
nei documenti regolamentari, la programmazione non trova una de-
finizione scritta precisa, può essere visto come un insieme di precetti,
dettati sopratutto dal buon senso, che dovrebbero guidare l’operato
della Comunità. E’ quindi auspicabile che prima di agire vengano fatte
le dovute valutazioni sull’opportunità delle varie azioni di sviluppo e,
laddove emerga la necessità di intervenire sembra opportuno fissare il
raggiungimento di precisi, chiari e utili obiettivi. L’operato dovrà es-
sere poi monitorato per evitare comportamenti patologici; in ultimo,

poiché la ragionevolezza suggerisce di imparare dagli errori commessi,
è auspicabile un processo di riesame di tutto l’operato che evidenzi gli
errori commessi. In questa luce è vitale adottare strumenti di valuta-
zione efficaci.
Sintetizzando, l’essenza dell’azione comunitaria per la coesione è
chiaramente connessa ad una chiara incapacità delle istituzioni locali
di migliorare le condizioni economiche e sociali dell’area che ammi-
nistrano. In questo caso l’intervento comunitario, che comunque non
può prevaricare le regole e le competenze amministrative, è ammis-
sibile e prevede che esso sia affiancato e supportato, anche finanzia-
riamente, dalle istituzioni locali. E’ particolarmente importante che
le risorse fornite dalla Comunità non abbiano come effetto quello di
ridimensionare i bilanci delle autorità locali, tutta l’azione deve essere
scrupolosamente cadenzata e inquadrata in programmi organici prima
a livello locale, poi nazionale e poi comunitario.
Definiti i principi che costituiscono il fondamento teorico su cui
poggia la politica di coesione regionale è utile ricordare, per completez-
za di esposizione e per mantenere un nesso con la realtà, quali siano le
istituzioni che implementano i programmi di investimento accennan-
do brevemente all’iter seguito per implementare i preogetti.
Nell’analizzare gli organi che elaborano ed attuano la politica eu-
ropea si usa distinguere due classi di soggetti che intervengono in due
distinte fasi. I soggetti che concepiscono e sviluppano la politica di
coesione sono definiti gli “attori”. La seconda classe di soggetti è costi-
tuita dai soggetti che invece hanno la responsabilità di tradurre in atti
concreti quanto programmato. Tale classe è costituita dagli enti locali
chiamati nel gergo comunitario “gli attuatori”. Al livello più elevato vi
sono gli organi centrali della comunità: la Commissione, il Consiglio
dei ministri, dell’Unione europea, il Parlamento, il Comitato econo-
mico e sociale, le varie Rappresentanze permanenti. Ad un secondo
livello, inferiore, si trovano gli organi della Pubblica amministrazione
dello stato membro.
La forma delle politiche e gli obiettivi che essere perseguono è
quindi il frutto del confronto e dalla tensione tra esigenze e obiettivi
degli organi di questi due gruppi. In verità questo schema appare trop-
po rigido, è bene precisare che, nonostante la responsabilità di indiriz-
zo e coordinamento continuino ad essere nelle mani dell’autorità cen-
trale, l’affermazione del principio di compartecipazione ha comunque
garantito un ruolo alle autorità locali nella fase programmatoria. La
conseguenza più evidente è che il processo di decisione e di indirizzo

è sempre il frutto di un confronto tra più oggetti, gli organi centrali,
l’autorità nazionale, le autonomie regionali, vari gruppi di pressione
esterni. Questo lavoro “a più mani “, secondo molti osservatori, è la
condizione perché ogni singolo intervento abbia successo.
Il delicato compito di tradurre in atti concreti quanto predisposto
dai decisori delle politiche comunitarie è affidato alle autorità locali
che, di concerto con gli organi centrali dello Stato membro e della Co-
munità, implementano il progetto o la specifica iniziativa. Quest’iter è
costituito da tre diverse fasi: la pianificazione, la programmazione, l’at-
tuazione. A queste tre fasi se ne aggiunge una quarta che, coerentemen-
te con il principio della programmazione, si inserisce trasversalmente
alle altre tre, la sorveglianza e il controllo.
La pianificazione, come tutte le altre fasi è definita da un do-
cumento, il Piano di Sviluppo Regionale (PSR) che è redatto dalla
Regione che ha evidenziato la necessità di essere inclusa in uno o più
programmi d’intervento per la coesione (ovvero soddisfa i requisiti per
essere inclusa nell’ obiettivo ,  o ). I contenuti del documento de-
vono comunicare chiaramente la situazione economica e sociale della
regione, si devono illustrare e giustificare l’utilità economica e sociale
dei progetti che si intende avviare. In ultimo non deve mancare una
valutazione dell’impatto ambientale ed occupazionale che il program-
ma potrebbe avere. Ciò che deve essere chiaro dalla lettura del piano e
che l’azione di sostegno avanzata dalla regione o dallo stato deve essere
parte di un azione d’intervento organica e strutturata. Dal PSR, attra-
verso un’opera di concertazione tra autorità regionali e Nazionali, si
passa alla stesura del Quadro Comunitario di Sostegno che è un docu-
mento prodotto dalle Autorità Comunitarie e che cerca di racchiudere
le esigenze delle regioni dello Stato Membro; questo documento è
schematizzato per grandi linee di intervento, vi è inclusa la tempistica
del programma, la cui durata è tipicamente sei anni, i vari progetti e le
varie azioni di sviluppo.
Dopo aver esposto per grandi linee i principi e il meccanismo
alla base della politica di coesione europea è opportuno accennare ai
recenti sviluppi della politica regionale e il recente allargamento ad
est ha influenzato le politiche do coesione. Il Consiglio Europeo di
Copenghen ha concluso il periodo di negoziazioni che ha definito l’al-
largamento dell’Unione a dieci nuovi Stati Membri: il 1 Maggio 
Cipro, Estonia, Ungheria, Lituania, Lettonia, Malta, Polonia, Slovac-
chia e Slovenia sono diventati Membri della Comunità Europea. Alla
luce della situazione economica di molti di questi nuovi paesi è emerso

come prioritario l’investimento per favorire l’integrazione e la riduzio-
ne dei divari di sviluppo. Tutte le regioni di questi dieci membri sono
stati inclusi nei programmi di coesione regionale originando così una
ulteriore domanda di risorse finanziare a cui si è risposto con uno stan-
ziamento addizionale di circa ventuno miliardi di Euro per il periodo
di programmazione  - . La Figura 2 illustra la distribuzione
geografia degli interventi finanziati attraverso gli interventi per la coe-
sione regionale nel periodo di programmazione  - .
Figura 2
Regioni Interessate dagli interventi di coesione nella programmazione
2000 - 2006
Fonte:
DG Inforegio,
Bruxelles, 2000

Le regioni evidenziate in rosso indicano che sono interessate ai
programmi destinati all’obiettivo 1, quelle in azzurro le regioni incluse
nell’obiettivo 2, quelle viola - il Molise, relativamente alla situazione
Italiana - indicano le regioni che alla fine del periodo di programma-
zione  -  avranno raggiunto un valore del PIL pro capite pari
al % della media europea che le candiderà all’uscita del gruppo di
regioni obiettivo 1. L’ingresso di questi nuovi paesi ha alimentato non
poche polemiche legate soprattutto al ridimensionamento dei trasferi-
menti destinati ad ogni singola regione. L’ingresso di nuovi paesi e ha
sensibilmente aumentato la il numero di regioni incluse nell’obiettivo1
che, secondo il principio di concentrazione, sono anche quelle che as-
sorbono maggiori risorse. A questo problema si è ovviato aumento gli
stanziamenti per la politica di coesione, ciò nonostante alcune regio-
ni, tra cui anche quelle italiane, hanno sollevato un problema legato
all’abbassamento del valore medio del PIL pro capite. Il fatto che a
Maggio  siano entrati paesi con PIL pro capite basso rispetto alla
media dell’Europa a 15 paesi ha causato l’abbassamento, in aggregato,
del PIL pro capite5, questo effetto statistico ha avuto come conseguen-
za quello di ridimensionare l’obiettivo del PIL pro capite pari al %
della media europea, in virtù dell’abbassamento del valore della media
del PIL pro capite molte regioni hanno temuto una collocazione, nel
prossimo periodo di programmazione, fuori dall’obiettivo 1.
Se da un lato la politica di coesione è legata alla capacità delle re-
gioni di utilizzare con oculatezza le risorse le risorse, l’allargamento ha
sollevato un dibattito sulla sostenibilità di questi strumenti ponendo
sempre più attenzione alla valutazione come strumento per compren-
dere al meglio le prospettive e l’adeguatezza della politica di coesione.
La progettazione degli interventi e le aspettative del pro-

gramma ’94 – ’99
Le regole comunitarie che, dagli inizi degli anni Novanta, hanno

costretto il Paese a ridurre la spesa pubblica, a privatizzare le grandi im-
prese pubbliche e ad aprire maggiormente il proprio sistema produtti-
vo verso l’estero hanno messo quasi tutte le regioni italiane innanzi ai
5. Dove per
propri limiti. Uno dei problemi più urgenti con cui ci si è dovuti scon-
aggregato si trare per adeguare la finanza pubblica alle direttive comunitarie e per
intende rientrare nel patto di stabilità è stato il il ridimensionamento dei tra-
PIL allargato a 25 sferimenti verso le autorità locali. L’apertura verso l’estero, combinata

all’immediata sospensione dei sussidi pubblici, ha fatto emergere l’ina-
deguatezza e la scarsa competitività del sud Italia in particolare. A più
di dieci anni di distanza la domanda, cui si tenterà di dare una risposta
nel prosieguo di questo lavoro è se questi interventi, pur rispettando
formalmente i principi ispiranti la politica di coesione abbiano effet-
tivamente contribuito ad imprimere una svolta oppure finanziando il
cambiamento strutturale oppure, almeno nel caso italiano, siano stati
uno strumento di welfare.
Prima di illustrare il tipo di analisi che si è condotta sembra op-
portuno introdurre alcune precisazioni riguardo le aspettative che la
politica di coesione ha creato in Italia ed in particolare nelle regioni
obiettivo 1, ovvero Campania, Sicilia, Calabria, Molise, Puglia, Sar-
degna e Basilicata; coerentemente con l’approccio adottato in tutto
il lavoro il metodo migliore per comprendere quali fossero le priorità
regionali su cui si credeva si dovesse investire per favorire lo sviluppo
del Meridione, si sono considerati programmi operativi approvati nel
. Nonostante la sorveglianza imposta dalla commissione tutte le
regioni, nei limiti delle risorse finanziare loro destinate, sono state pie-
namente libere di spaziare nell’individuazione degli obiettivi ritenuti
prioritari. Ampio margine è stato altresì lasciato nella pianificazione
delle spese associate ai programmi la cui gestione è affidata alle auto-
rità centrali. Uno sguardo attento alle decisioni compiute a livello cen-
6. La teoria dello trale e regionale aiuta a far chiarezza su quali bisogni fossero ritenuti
“Sviluppo
come prioritari nel Mezzogiorno.
Endogeno” non è
una teoria
Il Piano Comunitario di Sostegno  -  è stato approvato
strutturata con con la decisione della Commissione il  Luglio , al momento del-
delle connesse l’approvazione il consenso sui provvedimenti da adottare fu vasto, sia
prescrizioni di poli- la classe politica che molti Accademici convenivano sull’opportunità di
cy ma solamente un intervento che non replicasse le azioni intraprese durante l’interven-
un campo di ricerca
to della Cassa per il Mezzogiorno. In particolare si condannava molto
orientato a dare
maggiore enfasi
negativamente la forzata industrializzazione del Mezzogiorno operata
alle caratteristiche dagli anni Sessanta fino alla metà degli anni Settanta, e si auspicava che
economiche i sei anni di programmazione seguenti portassero ad un ridimensiona-
regionali mento della spesa pubblica in trasferimenti ed una promozione dello
nel processo “Sviluppo Endogeno”6 da evitare con massicci investimenti e con gran-
di crescita.
di infrastrutture. Lo scopo doveva essere quello di finanziare una rete
Si veda E. Wolleb
and G.Wolleb
di piccole azioni indirizzate ad una plurarilità di soggetti imprendito-
(“Divari regionali riali per migliorarne la competitività, nel contempo si auspicava che si
e dualismo evitasse di concentrare tante risorse su pochi progetti, il finanziamento
economico”, 1990) doveva essere quanto più diffuso possibile.

Il compito di favorire il matching tra le richieste degli operatori
economici e le disponibilità finanziare, anche in virtù del principio di
compartecipazione, è spettato alle amministrazioni regionali. L’alloca-
zione delle risorse è avvenuta utilizzando due canali, uno multiregio-
nale, la cui gestione è stata affidata alle autorità centrali ed un canale
regionale, dettagliatamente descritto nei Piani Operativi Plurifondo,
in cui le regioni incluse nell’obiettivo 1 sotto la sorveglianza delle auto-
rità centrali ed europee hanno amministrato gli interventi.
Il Piano Multiregionale, i cui investimenti programmati sono
sinteticamente rappresentati in Tabella 1, si costituiva di 24 sottopro-
grammi, raggruppabili per convenienza espositiva in quattro macro
programmi. Si nota come l’allocazione e le scelte d’investimento ab-
biano rispecchiato l’andamento del dibattito tra politici e Accademici.
Tabella 1
Allocazione del Piano Multiregione, programmazione 1994, milioni
di euro
Totale Ripartizione
spesa percentuale
Programma Quota E.U. investimento
pubblica pubblico
Fonte:
Rielaborazioni su Infrastrutture economiche 2655 4147 31,79 %
dati estratti dal
Formazione
rapporto 938 1304 10 %
e aggiornamento
“Ex-post Evalua-
tion of the Agricoltura e pesca 471 697 5,34 %
Objective
R&S, PMI e sviluppo locale 3516 6866 52,63 %
1994-1999”, Ismeri
Europa, 2001
Assistenza tecnica 22 31 0,24 %
Valori ai prezzi
’94, il contributo
Totale Multiregionale 7733 13184 100 %
privato è escluso
Escludendo la parte impiegata per implementare i Piani Ope-

rativi, si nota che la maggior parte delle risorse è stato utilizzata per
finanziare lo sviluppo locale e le piccole imprese; in particolare dei
 milioni di euro destinati a finanziare la ricerca e sviluppo e gli
aiuti allo sviluppo dell’imprenditorialità regionale, ben  milioni
di euro, cioè il ,% dei Fondi, sono stati destinati per aiuti diretti
alle imprese e per finanziare l’acquisizione di servizi e per il migliora-

mento della competitività. Un’altra importante voce di spesa è stata
la programmazione degli investimenti in infrastrutture economiche,
a tale proposito è bene fare una precisazione:  milioni di euro,
circa il % delle risorse, è stato destinato al riassetto idrico, al netto
di questa voce di spesa, l’ammontare previsto dal piano multiregionale
per gli investimenti finalizzati alla costruzione di strade, ferrovie e porti
( che nel prosieguo verranno definite come infrastrutture produttive)
si ridimensiona scendendo a  milioni di euro, circa il ,% delle
risorse previste per il macro programma infrastrutture, e il ,% del
totale stanziato per il piano multiregionale.
Passando all’analisi degli otto Piani Operativi Regionali, la Tabel-
la 2 risulta molto istruttiva per valutare le scelte allocative delle singole
regioni. La Tabella è frutto di rielaborazioni sui dati estratti dai rapporti
di esecuzione dei Piani Operativi Plurifondo regionali. Dato l’ammon-
tare di spesa pianificato dalle singole Regioni, si sono effettuate delle
rielaborazioni per valutare come l’ammontare delle risorse destinato ad
ognuno degli otto assi di sviluppo sia stato ripartito tra le regioni.
Tabella 2
Distribuzione percentuale delle risorse nei p.o.p. regionali
BASILICATA
SARDEGNA
CAMPANIA
CALABRIA
ABRUZZO
TOTALE
ASSE
MOLISE
PUGLIA
SICILIA
1. Comunicazioni 100,0 3,8 4,1 6,2 22,0 6,0 11,9 24,3 21,5
2. Industria 100,0 2,5 7,8 15,2 25,4 2,0 17,6 7,8 21,7
3. Turismo 100,0 5,6 10,1 21,7 19,9 2,9 14,4 4,0 21,4
4. Sviluppo
100,0 4,0 10,1 12,3 16,3 5,7 16,8 15,5 19,0
Rurale
Fonte: Ministero
5. Pesca 100,0 0,0 3,6 6,0 36,9 0,0 10,7 28,6 14,3
del Tesoro (servizio
Fondi Strutturali) 6. Infrastrutture
100,0 1,6 6,5 9,4 26,6 3,1 19,2 11,6 22,1
e Rapporti di ese- Economiche
cuzione Regioni
7. Risorse Umane 100,0 2,4 7,8 11,4 19,8 2,6 17,8 12,4 26,0
Obiettivo 1.
Nota: Tutti gli 8. Assistenza
100,0 3,1 13,4 14,9 16,3 3,1 9,7 13,1 26,0
ammontari totali Tecnica
sono stati standar-
Totale 100,0 3,3 7,9 12,2 21,4 3,9 16,7 13,0 21,6
dizzati a 100

La Tabella rispecchia l’andamento delle scelte allocative a livello
regionale ma evidenzia soprattutto le modalità con cui le risorse sono
state ripartite tra le Regioni. L’Abruzzo, in quanto regione phasing out,
ha avuto accesso ad una quantità molto scarsa delle risorse destinate
ai Piani Regionali, tutti gli assi d’intervento dedicati a questa regione
hanno ricevuto mediamente meno del % degli ammontari program-
mati per gli otto assi di intervento all’interno dell’area obiettivo 1.
Come già evidente nella Tabella 2 la Sicilia e la Campania sono
state le regioni che, nell’ambito dei piani regionali, hanno assorbito
mezzi finanziari maggiori, infatti l’investimento in infrastrutture, al-
l’interno di queste due regioni, ha assorbito quasi la metà delle risor-
se messe a disposizione per l’asse Comunicazioni. La Basilicata e la
Calabria hanno avuto delle decisioni si spesa molto simili, entrambe
hanno puntato sul turismo e sulla riqualificazione dell’apparto produt-
tivo agricolo ed industriale come strumento di rilancio delle rispettive
economie. In particolare la Regione Calabria spicca come quella che
in sede di programmazione ha ottenuto la maggior quantità di risor-
se dedicate agli investimenti turistici, la regione siciliana ha adottato
ampi investimenti in formazione miranti, negli intenti, a riqualificare
la forza lavoro. E’ interessante notare le dinamiche decisionali della
Regione Sardegna che è riuscita ad ottenere ben il ,% delle risorse
destinate alle infrastrutture.
La riallocazione delle misure da un’asse verso l’altro è stato un
problema di molte regioni, le percentuali qui presentate quindi non
devono essere intese come definitive, infatti, durante i sei anni di pro-
grammazione, molte misure contenute nei P.O.P. originari sono state
ridimensionate e destinate a finanziare altri progetti. A questo fenome-
no, testimonianza delle difficoltà affrontate dalle regioni nel pianificare
e favorire la richiesta di spesa della regione, deve aggiungersi un ulte-
riore fattore che complica il confronto tra quanto pianificato e quanto
effettivamente speso: il meccanismo della premialità.
Dall’analisi delle tabelle emergono due riflessioni veramente
importanti. Sul piano Multiregionale, vale a dire quello direttamente
gestito dalle autorità centrali, si nota che le risorse sono state destina-
te prevalentemente al finanziamento delle attività produttive e delle
infrastrutture, a livello regionale non emerge un comportamento co-
mune, si può dire che tra i sette assi in cui è stato possibile incanalare
gli investimenti, in fase programmatoria non ci sono state preferenze
comuni, né si è assistito ad una eccessiva concentrazione delle risorse
in un particolare asse.

Com’è chiaro la politica di coesione si articola attraverso un pro-
gramma organico e multidimensionale, l’azione ha investito, e continua
a farlo in questo periodo di programmazione, ampie fette del tessuto
economico e sociale. Il programma di sviluppo, il Quadro Comuni-
tario di Sostegno, ha finanziato una serie diversa di interventi sia per
dimensione, per ammontari investiti e per settori coinvolti. L’ampia
dimensione verticale ed orizzontale è stato un indubbio elemento che,
come sarà più chiaro nello sviluppo del lavoro, ha permesso di adottare
una metodologia d’analisi complessa e molto articolata.
La valutazione secondo metodologie quantitative
Ogni intervento pubblico, ci si auspica, dovrebbe essere sotto-

posto ad adeguati processi di verifica e di monitoraggio. La necessità
di misurare e verificare se un singolo intervento o, più in generale,
una politica ha centrato gli obiettivi fissati in sede programmatoria ha
suggerito l’adozione di meccanismi di controllo attuabili alla fine della
specifica azione di intervento o della particolare politica, architettati
in modo da evidenziare gli errori commessi e capire le possibili cause.
La crescente necessità di un approccio più strategico che permetta di
trasformare la semplice individuazione degli errori in processo che miri
a costruisce nuove strategie e nuove linee guida per i futuri interventi
ha introdotto la pratica della valutazione. A questa necessità non sfug-
gono gli interventi per la coesione che al contrario hanno contribuito
in maniera significativa alla diffusione della cultura della valutazione
anche in paesi, vedi l’Italia, in cui si è sempre attribuita scarsa impor-
tanza al potenziale associato alla valutazione.
La valutazione deve essere intesa come una metodologia che,
inglobando completamente i processi di controllo, utilizza gli errori
come base informativa per la costruzione di una strategia finalizzata
all’attribuzione di un giudizio oggettivo relativamente alle criticità pa-
lesate dall’intervento, dalla politica o dal servizio. Nello specifico, la
letteratura individua due funzioni ben definite che vengono associate
al processo di valutazione di una politica o di una qualsiasi azione pub-
blica: accountability (rendicontazione oggettiva ) e learning (apprendi-
mento): si tratta di una differenziazione che da un lato mira a catturare
gli errori e a capirne le radici e che dall’altro evidenzia la necessità di
passare ad uno stadio di analisi evoluto il cui obiettivo è quello di mi-
gliorare sia l’adeguatezza allo scopo dei programmi (rispetto del prin-

cipio dei economicità, efficacia, rendimento dell’investimento) sia il
processo che ha materialmente dato origine all’intervento.
La valutazione, che per i programmi della Pubblica Amministra-
zione è specificamente contemplato come un obbligo, canonicamente
si colloca alla fine delle fasi di analisi, decisone e azione; tuttavia le
necessità di riscontri più immediati ha indotto a valutare ogni fase del-
lo sviluppo e dell’attuazione di una iniziativa, di una politica o di un
servizio. Il diffondersi di questo nuovo approccio permette che prima
dell’inizio di una qualsiasi attività si effettui una valutazione ex-ante
grazie alla quale si valuteranno le potenzialità e le caratteristiche del
progetto, potranno essere individuate eventuali falle e distorsioni do-
vute a particolari incentivi che gravano su uno o più portatori di inte-
resse, si potrà esprimere un giudizio di costo opportunità.
Quando le attività sono in corso o terminate, la necessità di va-
lutare acquista ancora maggiore importanza. Si può verificare come
hanno agito gli attori, quali sono stati i loro comportamenti e se gli
strumenti adottati hanno servito lo scopo (analisi di processo), si potrà
valutare se le risorse impegnate sono state adeguate rispetto a quanto
definito e se c’è stata discrepanza tra obiettivi prefissati e obiettivi rag-
giunto (analisi di performance).A questo potrà affiancarsi una verifica
in itinere per comprendere se l’oggetto della specifica azione o politica
ha visto effetivamente soddisfare gli specifici bisogni per i quali l’inter-
vento è stato ideato e se i vantaggi saranno duraturi , passeggeri o se
legati a fattori esterni alla politica (analisi d’impatto).
Si è appena parlato di soggetti coinvolti nella valutazione e non
di soggetti che fanno la valutazione, questo perché la recente tenden-
za evidenzia come prioritario coinvolgere nella valutazione tutti gli
stakeholders associati alla specificazione o programmo di sviluppo. Si
tratta di un processo molto delicato che,almeno in teoria, nasce per
modificare la stessa figura professionale del valutatore slegandolo dalla
consuetudine che lo vede come unico esperto chiamato dall’esterno
7 . Potrebbero
a valutare ignorando di fatto i suggerimenti e le osservazioni che in-
infatti esiste- vece potrebbero emergere da un confronto con e tra gli stakeholders.
re soggetti o Il rischio nella affidare la valutazione a soggetti esterni, e le politiche
stakeholders che comunitarie non fanno eccezione, è che i giudizi emersi da questa sia-
godano di canali no troppo legati al background del valutatore, inoltre si tratta di una
di comunicazione
procedimento di valutazione che evidentemente espone tutto il pro-
esclusivi attraverso
cui fare pressione
cesso a giudizi condizionabili e facilmente manipolabili. Se l’accesso da
su chi effettua la parte di regioni, autorità locali o centrali al valutatore è differenziato7
valutazione. non è escludibile che potrebbero esserci pressioni e condizionamenti

nei giudizi espressi. La tendenza corrente è invece quella di favorire
un incontro tra i soggetti stessi coinvolti nel processo di disegno e im-
plementazione della politica; questo approccio trasforma radicalmente
il compito di chi valuta: da esperto che impone la valutazione a coor-
dinatore che gestisce i flussi di informazione tra i soggetti. Secondo
questa teoria è dall’incontro tra le esperienze, i pareri e le riflessioni dei
vari stakeholder che devono emergere le riflessioni da cui scaturisce la
valutazione vera e propria: questo perchè nessuno meglio dei soggetti
che hanno elaborato la politica e la hanno implementata si sono resi
conto dei limiti e delle potenzialità evidenziate. Teoricamente questo
tipo di valutazione, detta valutazione partecipata, ha delle infinite po-
tenzialità, il realismo impone però una riflessione sulle difficoltà che
emergono nel trasformare la valutazione operata esclusivamente da
soggetti esterni in un processo interno all’organizzazione: le divergen-
ze, gli interessi personali e di gruppo, i diversi incentivi, le asimmetrie
associati ai diversi attori sono elementi distorsivi che rendono difficile
l’emersione delle opinioni, dei problemi e delle proposte necessarie ad
avere una valutazione neutrale e disinteressata.
Come già accennato tutte le fasi lungo le quali si articola un
qualsiasi programma di intervento della Pubblica Amministrazione
dovrebbe essere affiancato da meccanismi di revisione e valutazione.
Partendo dalla fase embrionale fino alla chiusura definitiva degli inter-
venti, l’attività di valutazione può intendersi come un sensore, una spia
che, se allarmata, indica la possibilità che gli obiettivi che si intendono
perseguire siano mancati, suggerendo contemporaneamente i possibili
accorgimenti per migliorare la struttura e la funzionalità del progetto,
della politica o del servizio. Imparare dagli errori e dalle imprecisioni
passate è certamente una buona metodologia per evitare errori, ciò no-
nostante valutare alla chiusura dei programmi appare troppo semplici-
stico, sopratutto in un’epoca in cui la crescita del peso politico e dei vo-
lumi di spesa associati ai programmi pubblici, ed in particolare a quelli
comunitari, impongono il rispetto di limiti di spesa: appare quindi
come essenziale massimizzare il rendimento che un investimento può
avere nel lungo periodo. Questa serie di ragioni impone che la valuta-
zione, con le indicazioni che da emerse, accompagni tutte le fasi in cui
si articola un progetto, adeguando ai vari stadi associati alle iniziative
gli strumenti metodologici più efficaci al fine di offrire indicazioni e
suggerimenti che massimizzino i risultati dello specifico intervento.
I Programmi Comunitari, in particolare quelli rivolti alle regioni
obiettivo 1, sono molto articolati, vi è un ventaglio di progetti molto

ampio che riguarda tutti gli aspetti della struttura economica regio-
nale. La complessità di questi programmi ha indotto la Commissione
Europea a predisporre un sistema di valutazione a più livelli che, grazie
al coinvolgimento di soggetti esterni ed interni alla Pubblica Ammi-
nistrazione, opera coinvolgendo soggetti diversi secondo tempistiche
precise. La valutazione accompagna le politiche lungo tutte le sue fasi:
dalla progettazione alla valutazione ex-post. Il monitoraggio e la va-
lutazione dipendono sia dalle Regioni sia dagli organi centrali italiani
ed europei che svolgono a livelli diversi valutazioni separate, lo scopo
dichiarato è quello di fare in modo che ad ogni livello decisionale pro-
duca una propria valutazione. Secondo questa regola ogni regione è
tenuta a scrivere un proprio rapporto annuale di monitoraggio a cui
segue un rapporto di valutazione alla fine del periodo programmatorio.
Allo stesso modo a livello centrale, riguardo i programmi gestiti dagli
organismi centrali ( Piano Operativi Plurifondo), vi è il chiaro obbli-
go di valutare. Le valutazioni e i rapporti di monitoraggio sono poi
condizionati al parere espresso a livello comunitario che quindi con-
tribuisce anche alla valutazione operata dalle autorità locali. Affianco
alla valutazione “sul campo” che spetta a chi è direttamente coinvolto
nell’implementazione dei programmi di sviluppo ovvero Regioni, Au-
torità Locali e, relativamente ai piani di sviluppo multiregionale, le
agenzie ministeriali8. Esiste anche una valutazione centrale relativa-
mente le strategie di coesione che , attraverso una serie di documenti
pubblicati con cadenza regolare, si occupa di sviluppare e sottoporre al
dibattito politico soluzioni e strategie per migliorare le azioni in corso e
per promuovere l’adozione di nuovi strumenti si coesione. Tutto il cor-
po dei documenti prodotti dai diversi attori e negli specifici tempi, in
definitiva, è stato specificatamente elaborato con l’obiettivo di offrire
valutazioni ex-ante, intermedia ed ex post, relativamente allo specifico
intervento, a cui si è poi affiancato un giudizio più qualitativo intima-
mente connesso al dibattito politico sulle politiche di coesione.
In precedenza si è rilevato come gli organi comunitari abbiano
contribuito sensibilmente alla diffusione della pratica valutativa attra-
verso l’imposizione presso la autorità coinvolte nello sviluppo dei pro-
grammi di coesione di diversi strumenti per condurre monitoraggio e
valutazione. Si tratta di un sistema, talvolta molto articolato, di docu-
8. Il Dipartimento
menti che condividono la struttura di base e che insieme danno vita
per le Politiche di ad un sistema articolato per livelli. L’esistenza di un modello valutativo
Sviluppo del Mini- cui deve attenersi chi valuta porta con sé il rischio di limitare il raggio
stero del Tesoro. d’azione e la potenzialità del valutatore, se da un lato l’esistenza di un

format preciso cui attenersi permette di ottenere documenti facilmente
confrontabili esiste il rischio che la valutazione non tenga conto delle
peculiarità regionali. Se infatti l’omologazione rende più gestibile, a
livello centrale, il processo valutativo, in futuro è auspicabile un’aper-
tura verso schemi valutativi più specifici che permettano di collegare
la valutazione alle caratteristiche socio-culturali regionali. Dopo un
tentativo di valutare attraverso l’adozione di modelli macroeconomici
la pratica valutativa, spinta in ciò anche dalla necessità di avere docu-
menti più accessibili, si è nuovamente orientata verso metodologie più
descrittive caldeggiando fortemente l’approccio valutativo best prac-
tice oriented che permette sicuramente una maggiore accessibilità ma
che sconta scarsa obiettività oltre ad una perdita della prospettiva mul-
tidimensionale che, al contrario, dovrebbe essere tipica degli interventi
per la coesione.
In questo lavoro si cercherà di illustrare ed applicare una serie di
strumenti, essenzialmente mutuate dalla letteratura accademica relati-
ve alle scienze sociali, per la valutazione delle Politiche Strutturali. Non
si tratta di metodologie prodotte ad hoc ma di strumenti ampiamen-
tediffusi in ambiti diversi dalla valutazione, la cui efficacia è verifica-
ta ed ampiamente accreditata nel dibattito economico. Il lavoro non
introduce nulla di nuovo, nel senso che non si propone nessun nuovo
modello econometrico o statistico ne si sostengono nuove teorie, l’ele-
mento di novità deve invece ritrovarsi nella filosofia che ha guidato
tutta la stesura: cercare di esprimere un giudizio sulle politiche per la
coesione avendo come linea guida l’utilizzo di metodologie ampiamen-
te diffuse per l’analisi dei fenomeni economici e sociali, si è cercato di
utilizzare le potenzialità di questi strumenti per produrre valutazioni
alternative. L’elemento d’innovazione rispetto a come sono canonica-
mente condotte le valutazioni è quindi definibile in termini di approc-
cio adottato.
La scelta degli strumenti, in seguito meglio illustrati, non deve
intendersi come vincolante per condurre analisi orientate verso l’utiliz-
zo di strumenti quantitativi, vi è infatti ampio margine per applicare
anche diverse metodologie, ciò che davvero importa è che gli strumenti
vengano scelti soltanto dopo che sia stato definita la direzione verso cui
9. Per margine
orientare l’analisi: definiti gli obiettivi e considerato il margine9 a di-
si intende le
possibilità di
sposizione si procede alla scelta degli strumenti che meglio soddisfano
analisi associabile gli obiettivi.
alla disponibilità Lo scopo ultimo del lavoro non è quello di proporre un nuovo
di dati modello valutativo tanto meno ridimensionare la valutazione effet-

tuata utilizzando gli strumenti tipici della professione, piuttosto si
vuole evidenziare che è possibile affiancare ai metodi tradizionali un
approccio diverso, elaborato attingendo ad un background differente
rispetto a quello, tipicamente più orientato a verso un approccio più
sociologico, sottostante la valutazione tradizionale. Non si pretende di
proporre un’alternativa più credibile bensì di dimostrare che introdur-
re nuove metodologie nella valutazione può arricchire e contribuire a
misurare meglio l’efficacia e il rendimento delle azioni e delle politiche
di sviluppo.
Prima di scendere nel vivo dell’analisi è necessario accennare bre-
vemente alle metodologie adottate, ciò anche per meglio chiarire le
scelte effettuate. La scelta degli strumenti più idonei è stata dettata
da precise esigenze, in particolare, dati gli strumenti - il cui numero
è teoricamente infinito - è compito di chi valuta scegliere quelli che
ritiene siano maggiormente redditizi per condurre l’analisi, si tratta di
una precauzione essenziale per evitare errori.
Una qualsiasi valutazione, specie se si sviluppa fuori degli schemi
ortodossi, non può iniziare senza che prima ci sia posti una serie di
domande cui si intende rispondere attraverso l’analisi, in funzione di
questo interrogativo e delle capacità di chi è chiamato a valutare devo-
no poi definirsi gli strumenti che si intendono adottare e che potranno,
eventualmente, essere econometrici o statistici. Bisogna poi fare anche
i conti con un’ulteriore limitazione: la disponibilità di informazioni
ovvero di dati o di campioni sufficientemente ampi in modo da avere
una buona rappresentatività della popolazione che è stata coinvolta
dallo specifica azione di sviluppo.
L’analisi delle politiche di coesione attraverso metodi e modelli
econometrici non è un idea nuova, questi strumenti, costruiti ad hoc
per esprimere una previsione sulle politiche di coesione, hanno costi-
tuito l’unico tentativo di valutazione che la Comunità ha adottato. Ciò
nonostante la letteratura accademica, pur mostrandosi incapace di at-
tirare nuovamente l’attenzione sui vantaggi collegabili ad un approccio
di analisi più rigoroso, ha continuato la propria ricerca. In particolare
sono state utilizzate metodologie basate sugli avanzamenti nel cam-
po della letteratura sulla convergenza che hanno testato il contributo
dei fondi strutturali sul processo di convergenza; altri contributi, pur
non utilizzando metodologie d’analisi essenzialmente quantitative, in-
quadrano l’analisi alla luce delle nuove teorie sulla localizzazione eco-
nomica della new economic geography arrivando a delle interessanti
conclusioni ed indicazioni per la valutazione delle politiche europee,

ponendo interessanti quesiti sul loro effettivo successo.
Utilizzando metodi d’analisi più rigorosi si può determinare se
una relazione ipotizzata come valida teoricamente presenta nella verifi-
ca empirica una robustezza sufficiente per essere accettabile come vera.
Questi strumenti hanno quindi una doppia utilità: da un lato permet-
tono di definire un rigoroso patrimonio informativo su cui poggiare la
valutazione, dall’altro consentono di supportare affermazioni prima
soltanto percepite ma non verificate.
Entrando più nel dettaglio del lavoro nelle pagine seguenti si ana-
lizzerà e valuterà il Quadro Comunitario di Sostegno relativamente al
periodo ’ - ’ tentando di analizzare in maniera originale e nei limi-
ti dei dati e delle informazioni disponibili la qualità delle scelte operate
nel Quadro Comunitario di Sostegno, relativamente a quel periodo di
programmazione, in sei delle sette regioni incluse nell’obiettivo 1. La
struttura degli interventi finanziati ha interessato molti settori dell’eco-
nomia, ciò ha permesso di compiere una riclassificazione e di trasfor-
mare l’investimento tramite le politiche di coesione in contribuito al-
l’offerta aggregata. Sotto questa linea guida si è sviluppata tutta l’analisi
che ha condotto alla valutazione delle politiche di coesione attraverso
l’analisi dell’offerta aggregata. Questo approccio ha un doppio vantag-
gio: ci si rende meglio conto dei settori critici per lo sviluppo, inoltre
si ha offre una prospettiva ulteriore relativamente al contributo che
un investimento ha sull’economia regionale. Si può comprendere se le
scelte e l’allocazione delle risorse siano state indirizzate verso i settori
dell’economia che in passato hanno evidenziato un maggiore impatto
sulla crescita del PIL regionale.
L’introduzione e l’analisi dell’offerta aggregata costituisce il pri-
mo passo, verrà illustrata brevemente la metodologia cui seguirà una
dettagliata discussione dei risultati ottenuti dall’applicazione di questo
strumento di indagine alle regioni incluse nell’obiettivo 1. In seguito
si estenderà lo studio introducendo la frontiera efficiente per misura-
re le dinamiche dell’efficienza tecnica dal’ ad oggi relativamente al
tessuto produttivo regionale. Come fatto in precedenza, anche qui sarà
prima illustrato il modello di base per poi procedere alla presentazione
e discussione dei risultati. Le ultime due sezioni del lavoro mettono poi
in relazione le informazioni ottenute dall’analisi aggregata delle regioni
con gli interventi direttamente gestiti dalle regioni, inquadrabili nel
Quadro Comunitario di Sostegno lungo il periodo ’ - ’.

2. Analisi regionale della funzione di produzione
I modelli economici rappresentano, attraverso semplificazioni e

formalizzazioni matematiche, le interrelazioni economiche causali che
accadono all’interno di un sistema socio economico. La necessità di
evidenziare e studiare in maniera rigorosa questi nessi ha sollecitato la
ricerca verso l’adozione di metodi semplici, ma rigorosi, attraverso cui
rappresentare sia i comportamenti sia le ragioni alla base di determina-
te scelte da parte degli attori sociali. Se l’uso di strumenti matematico
formali ha così permesso di analizzare e rappresentare le relazioni, la
statistica e i software per l’analisi dei dati hanno fornito gli strumenti
per verificare empiricamente le previsioni e le conclusioni contenute
nei modelli matematici. Queste due righe esprimono l’essenza della
scienza economica in senso stretto, scienza che si appropria costante-
mente di strumenti elaborati da altri nello specifico la matematica e la
statistica - e che manca quindi di ampia autoreferenzialità; non si tratta
di una questione di poco conto, gli strumenti di analisi condizionano
irreversibilmente l’esito degli studi; come risulterà chiaro, si tratta di
un interrogativo importante cui la comunità scientifica solo ora sta
aprendo seriamente un dibattito.
Il modello di riferimento teorico su cui si sviluppa questo lavoro
è la funzione di produzione, la cui prima elaborazione è attribuibile
a Cobb e Douglas. Come rilevato durante il primo capitolo, i pochi
tentativi di quantificare l’impatto dei Fondi Strutturali hanno fatto
affidamento su modelli macroeconometrici a livello nazionale in cui
è stata trascurata sia l’importanza degli effetti regionali sia gli effetti
di lungo periodo che gli interventi hanno avuto sull’offerta aggregata.
Risulta chiaro che questo lavoro offre una valutazione che si concentra
esclusivamente sull’impatto della spesa in programmi di sviluppo sul-
l’offerta aggregata.
In questa sezione del lavoro si discute la struttura e l’organizza-
zione delle fonti, dataset per brevità, e si inizia ad introdurre una parte
dell’analisi dell’offerta aggregata. Nella prima parte del capitolo sono
accuratamente descritti i dataset utilizzati, le fonti cui si è attinto, le
metodologie adottate e i problemi incontrati nella costruzione delle
serie storiche non reperibili da database pubblici. Non tutte le serie

incluse nel panel sono state prelevate direttamente da fonti esterne,
alcune di esse infatti sono state costruite partendo dai dati disponibili,
seguendo determinati metodi di calcolo. Nella seconda parte s’illustra-
no invece i modelli econometrici utilizzati per studiare e verificare em-
piricamente la funzione di produzione nelle regioni italiane. Partendo
dalla semplice funzione di produzione che analizza le serie in livelli si
passa poi ad una specificazione che cattura gli effetti di breve periodo.
In questa fase si sottopone sostanzialmente a verifica empirica il mo-
dello di produzione aggregata e tutte le sue elaborazioni successive. Per
alleggerire l’esposizione si è preferito affiancare ad ogni specificazione
la rispettiva verifica empirica e il relativo commento. Scopo ultimo di
quest’analisi, insieme alle osservazioni emerse dai capitoli successivi, è
elaborare una base di conoscenza sull’impatto delle politiche pubbliche
in Italia, dal ´ al´, in questo modo ci si auspica di poter ottenere
delle indicazioni di investimento ottimale, alla cui luce valutare gli in-
vestimenti e le scelte allocative compiute dalle regioni.
Un’ osservazione metodologica deve essere fatta prima dell’espo-
sizione dei risultati: l’aver utilizzato gli strumenti econometrici ha
sbilanciato tutta l’analisi verso un approccio di ricerca “positivista”,
cancellando ex-abrupto tutti gli elementi sociali, culturali, tecnologici,
e politici che hanno luogo nel contesto sociale della regione, difficil-
mente catturabili da una regressione. Una maggior considerazione di
questi elementi come determinanti dei pattern di sviluppo di ogni sin-
gola regione porta ad adottare un approccio di ricerca che si concentra
maggiormente su ogni singola realtà regionale. Secondo l’approccio
“interpretativista” le peculiarità dei singoli sistemi sociali influenzano
drasticamente la loro struttura economica e i modi con cui essi reagi-
scono a variazioni sociali, culturali e tecnologiche. Tale maggiore at-
tenzione agli aspetti sociologici e culturali rendono sostanzialmente
inutilizzabili gli strumenti quantitativi. Questo approccio ha dalla sua
la maggiore aderenza ed è particolarmente adatto all’analisi di realtà
singole, ma ha un limite non indifferente: è troppo dispersivo ed è
soggetto a giudizi di valore troppo soggettivi. Al contrario l’approccio
basato su metodi di analisi quantitativi pur soffocando le particolarità
dei sistemi economici, mette in chiara luce il giudizio sulle effettive
determinanti principali dello sviluppo regionale. Questa breve intro-
duzione metodologica fornisce uno strumento per la valutazione di
tutti i risultati che di seguito verranno esposti. Si evidenzieranno molte
similitudini tra regioni e tra aree geografiche italiane, nell’interpreta-
zione dei risultati è pertanto raccomandabile non dimenticare mai che

ciò che si è ottenuto prescinde dalle caratteristiche socio culturali che
differenziano tutte le Regioni.
La necessità, da un lato di tenere in maggiore considerazione le
peculiarità regionali e i diversi modi con cui queste reagiscono alle
nuove opportunità di sviluppo dall’altro, ha indotto, come sarà più
evidente nel prossimo capitolo, a tentare di identificare e definire le
peculiarità del tessuto sociale che spesso vengono trascurate e depresse
dall’approccio di analisi basato sui modelli econometrici tradizionali.
Uno sguardo generale ai dati
La base dei dati su cui è condotta l’analisi empirica è costituita

essenzialmente da due fonti. La prima è il dataset utilizzato per le stime
dei modelli econometrici mentre la seconda è costituita dai dati sui
volumi di spesa sostenuti dalle regioni nei P.O.P. del periodo ’-’10.
Il primo dataset è un panel riguardante le regioni coinvolte nel-
l’obiettivo 1, e comprensivo di svariate variabili economiche: il PIL
regionale, lo stock di capitale umano, gli stock di capitale pubblico e
privato, il numero di lavoratori.
10. I pagamenti Il secondo dataset, la cui struttura è descritta dettagliatamente
relativi ai Piani nell’ultimo capitolo, è stato estrapolato dai Rapporti di Esecuzione di
Operativi Molise, Puglia, Basilicata, Campania, Calabria, Sardegna11. In esso vi
Plurifondo hanno
sono contenuti: la spesa preventivata, i pagamenti effettuati e le spese
visto oscillare
l’effettivo
opportunamente riclassificate per le categorie funzionali. Tale riclassi-
finanziamento dei ficazione ha permesso di passare dalla suddivisione per “assi”, tipica dei
progetti rapporti di esecuzione, a quella per “fattori”. Permettendo così, di va-
finanziati per lutare l’impatto degli investimenti sull’offerta aggregata. I dettagli sulle
un periodo più modalità di riclassificazione saranno comunque analizzati nel Capitolo
lungo di quello
4 in cui si riprenderà in maggior dettaglio l’analisi dei Piani Operativi
pianificato.
In alcune regioni
Regionali.
i pagamenti sono La descrizione del primo dataset merita particolare attenzione.
continuati fino Il panel è stato infatti costruito ad hoc per l’analisi, in esso vi sono
al ’01. contenute serie prelevate da fonti esterne e serie calcolate ex-novo. La
diversità delle fonti consultate per il reperimento dei dati e la necessità
11. La Sicilia è
di costruire nuove serie ha reso necessario illustrare le caratteristiche
stata esclusa
dall’analisi in virtù
salienti dei dati in due paragrafi separati. Il primo in cui sono illustrate
dell’insufficienza e vengono referenziate le fonti che hanno prodotto i dati disponibili
del materiale ed un secondo in cui viene descritto con dettaglio la costruzione delle
fornito. serie necessarie utilizzate per l’analisi.

I dati disponibili e le fonti
Le serie che costituiscono il panel sono il P.I.L. (Y), lo stock di

captale pubblico (Kpub), lo stock di infrastrutture (Kinf), lo stock di
capitale privato (Kpr), una proxy dello stock di capitale umano (H), il
numero di lavoratori (L).
Il panel contiene serie costruite ad hoc (H, Kpr) e serie importate
da fonti esterne. E’ bene dire che sia le serie importate che quelle elabo-
rate sono comunque legate a delle basi di dati prodotte da due fonti: Il
C.R.E.No.S.12 un centro di ricerca fondato dalle Università di Cagliari
e Sassari, e la banca dati messa a disposizione dal Professor Lucio Picci
dell’Università di Bologna13.
La prima fonte, il C.R.E.No.S., ha elaborato diversi database
contenenti svariate variabili sulle regioni italiane dagli anni cinquanta
ad oggi, da questi dataset sono state estratti la maggior parte dei dati
utilizzati. Alcune serie, come P.I.L., numero lavoratori, popolazione
in età lavorativa ed altre variabili sono state utilizzate senza apportarvi
alcuna modifica se non la conversione nella unità monetaria adottata
(miliardi di lire); altre variabili, come investimenti e tassi di scolarità,
sono stati strumentali per la costruzione delle serie sul capitale privato
e lo stock di capitale umano.
La seconda fonte è costituita dalle serie calcolate da Picci, rese
disponibili sulla sua homepage. In particolare sono stati utilizzati i dati
relativi allo stock di capitale privato nel settore industriale e nel settore
pubblico per le regioni interessate all’analisi. Gli stock, sia privati che
pubblici, sono stati costruiti con la tecnica dell’inventario permanente
partendo dai dati sugli investimenti:
“Il capitale privato - disponibile dal  al  per tre tipologie
di beni - è costruito utilizzando le serie degli investimenti fissi per
12. Centro Ricer-
che Economiche
branca utilizzatrice dell’industria, ottenute a partire da dati di
Nord Sud diversa provenienza. L’investimento pubblico aggregato è ripartito
per regione e per tipologia di bene utilizzando i dati contenuti
13. Affianco a nella pubblicazione annuale dell’ISTAT “Opere Pubbliche”. Uti-
queste due fonti lizzando i dati di investimento così ottenuti, si calcolano le stime
devono aggiun-
del capitalepubblico regionale, per nove categorie di beni, per gli
gersi anche alcune
pubblicazioni
anni dal  al .” [da Bonaglia e Picci ()].
dell’ISTAT. Si veda,
a proposito la In questi paragrafi sono descritte le serie importate dalle diverse
Bibliografia fonti, queste sono: Y, Kinf, Kpub, Kpr (quest’ultimo relativamente al

setore industriale). La Tabella 3 chiarisce, limitatamente a questi dati,
le fonti e le eventuali elaborazioni apportate. Il P.I.L. e il numero di
unità di lavoro sono stati importati dalla base di dati del C.R.E.No.S.;
lo stock di capitale pubblico, e privato (ovvero Kinf, Kpub, Kpr) sono
le serie elaborate da Picci.
Tabella 3
Descrizione dei dati disponibili ed elaborazioni eventualmente apportate
Stock di
Capitale Pub-
Stock di Capitale
Tipo di dato P.I.L. blico Lavoratori
Privato14
(nove categorie
per regione)
Base di dati C.R.E.No.S. R.E.R. R.E.R. C.R.E.No.S
Conversione in Conversione in mld. e

Eventuali Conversione in
mld. Conversio- riaggregazione in due Nessuna
elaborazioni mld.
ne in mld. macro categorie
Una particolare attenzione merita lo stock di capitale pubblico.

Come si evidenzia dalla tabella, lo stock di capitale è costituito da nove
serie che sono state successivamente aggregate in due serie. Questa sud-
divisione è stata ottenuta riaggregando, sulla scia dei lavori di Picci, le
nove categorie di capitale in due macro categorie: lo stock di infrastrut-
ture (Kin) e lo stock di capitale pubblico non produttivo (Kpub).
La Tabella 4 chiarisce come dalle categorie degli investimenti
pubblici si passi agli stock di infrastrutture e di capitale pubblico non
produttivo. Dai dati sugli investimenti sono stati calcolate le nove ca-
tegorie di stock di bene pubblico, Kstrad: strade; Kferr: ferrovie; Kmar:
infrastrutture marittime; Kidr: infrastrutture idriche; Kcom: apparati
di comunicazione; Kedp: edilizia pubblica; Kigien: strutture igienico-
sanitario; Kbon: bonifiche; Kal: altre. Le nove categorie sono state poi
aggregate (somma degli stock) in infrastrutture e capitale pubblico non
produttivo. Tale riclassificazione si rende necessaria per ridurre il nu-
mero dei regressori nell’offerta aggregata senza far venir meno una dif-
ferenza fondamentale nelle caratteristiche delle due tipologie di stock.
14. Riferite al
settore industriale

Tabella 4
Le tipologie di capitale pubblico e le riaggragazioni apportate.
Nome della Riaggrega-

Categoria I.S.T.A.T. Descrizione
variabile zione
1. Strade Autostrade e tutti i tipi

Kstrad Kinf
2. Aeroporti di strade. Aeroporti
Ferrovie, Metropolitane,
3. Ferrovie Kferr Kinf
Ferrovie a cremagliera
Navigabilità marittima
4. Strutture marittime Kmar Kinf
e fluviale
Centrali elettriche,
5. Acqua
Kidr Kpub elettrodotti, Recupero
6. Energia
idrogeologico
7. Comunicazioni Kcom Kpub Telecomunicazioni
Scuole, Università,
Monumenti,
8. Scuole e strutture
Carceri, ricostruzioni
pubbliche
Kedp Kpub dopo calamità,
9. Edifici pubblici
edilizia pubblica
10. Edilizia residenziale
ed edilizia
residenziale sussidiata
11. Igiene pubblica Kigien Kpub Acquedotti, fogne, invasi
Miglioramento fondiario,
12. Bonifiche
Kbon Kpub bonifiche, recupero,
13. Recupero del suolo
impianti di irrigazione
Infrastrutture per
14. Altro Kal Kpub
il turismo, gasdotti, altro
Le serie storiche costruite ad hoc
Come detto non tutte le serie utilizzate per la stima del modello
sono state importate, alcune di esse, come lo stock di capitale umano
H e lo stock di capitale nel settore privato (agricoltura e servizi) Kpr,
hanno reso necessario un lavoro di stima. Nei successivi due paragrafi
verranno descritte dettagliatamente le metodologie adottate e le basi
di dati cui si è attinto per la costruzione delle due serie, mentre per il
calcolo dell’efficienza si rimanda al prossimo capitolo.

Lo stock di capitale umano
La carenza di una fonte diretta da cui attingere per reperire i dati

sul capitale umano ha portato ad elaborare ex-novo le serie su questa
variabile. La bibliografia riguardante il capitale umano è molto am-
pia, inoltre è in corso un vivace dibattito sulla significatività di questo
fattore come determinate per la crescita economica. Se però si limita
il campo di indagine all’economia regionale ed in particolare all’Italia
si avverte una certa carenza di ricerche su questo argomento, in parte
dovuta alla mancanza di un insieme omogeneo di dati.
La metodologia adottata nella costruzione delle serie regionali
è prevalentemente basata sul lavoro di Di Liberto e Symmons del ,
tuttavia si sono rese necessarie alcune modifiche nella ricostruzione per
raccordare al meglio le stime fatte fino al’ e i dati ISTAT dal’ al’.
I dati utilizzati sono stati resi disponibili dalla Dottoressa Di Li-
berto che ha fornito , per tutte e venti le Regioni italiane, i dati relativi
ai censimento negli anni’, ’, ’,’, le serie storiche sul numero
degli iscritti alla scuole medie e la popolazione in età compresa tra i
quattordici e diciannove anni. Tutte le serie partono dal´ ed arrivano
al’, il periodo ’-’ è stato integrato con i dati annuali sulla forza
lavoro pubblicati dall’ISTAT.
La metodologia adottata ha come scopo ultimo quello di stimare
delle serie che possano esprimere il totale degli anni di scolarità presenti
all’interno della forza lavoro scolarizzata sotto forma di variabile stock.
Questa è una fondamentale differenza rispetto al lavoro di Di Liberto
e Symmons che al contrario utilizzano la scolarità media all’interno di
tutta la forza lavoro. L’obbligo di dover raccordare le indagini a cam-
pione sulla forza lavoro, dal’ al’, con le serie stimate ha costretto a
considerare soltanto la forza lavoro scolarizzata.
Si definisce come stock di capitale umano all’interno della forza
lavoro come:
Stock Totale di Capitale Umano = ∑ YRj * LSj (2.1)

j
dove j è il livello si scolarità, YRj sono gli anni di trascorsi a scuola asso-
ciati a j e LSj è il numero di lavoratori con j anni di scuola alle spalle.
Il numero di anni di scuola da associare ai lavoratori non pre-
senta particolari difficoltà, si sono ipotizzati 18 anni per i lavoratori
che hanno conseguito la Laurea, 13 per i diplomati, 8 per coloro che
hanno finito la scuola media. Emerge un problema riguardo l’ultima

categoria di lavoratori costituita da lavoratori che hanno finito la
scuola elementare e dai lavoratori che, pur non avendo completato gli
studi elementari, hanno imparato a leggere e scrivere.
Sono esclusi dal calcolo i lavoratori analfabeti, tale scelta è essen-
zialmente legata alla necessità di trovare un raccordo con i dati ISTAT
dal’ in poi, anno in cui è cambiato il metodo di rilevazione.
Nei rapporti annuali sulla forza lavoro sono pubblicati, regione
per regione, i dati relativi alla scolarità della forza lavoro. Ad ogni li-
vello di scolarità è associato il relativo numero di lavoratori: la forza la-
voro è così separata in base al titolo di studio conseguito. Nel costruire
l’indice si è cercato, nei limiti del possibile, di raggruppare i lavoratori
cercando di avere una categorizzazione dei lavoratori che fosse quanto
più simile a quella ISTAT. L’Istituto Nazionale di Statistica, nell’in-
dagine sulla forza lavoro, infatti, non indica il numero di lavoratori
analfabeti e mette in un solo gruppo i lavoratori con licenza elementare
e quelli alfabetizzati ma senza titolo di studio; probabilmente questa
scelta è dettata dal fatto che, ad oggi, nella forza lavoro non ci sono
più lavoratori analfabeti. Accettando dunque tale ipotesi per il periodo
post ´, per omogeneizzare le serie sono stati esclusi dal computo
tutti i lavoratori che ai Censimenti risultavano analfabeti, mentre si
considerano come un aggregato unico i lavoratori almeno alfabetizzati
e quelli con licenza elementare.
Quest’ultima categoria risulta in tal modo conformata alla me-
todologia ISTAT, mantenendo una netta separazione tra i lavoratori
almeno alfabetizzati e quelli analfabeti.
Nonostante siano stati esclusi dai calcoli i lavoratori analfabeti
rimane un grado di eterogeneità all’interno di questo gruppo: non è
possibile attribuire a questi lavoratori un unico valore degli anni tra-
scorsi a scuola per ovviare al valore di anni di scolarità da assegnare a
questo gruppo. E’ ragionevole ipotizzare che il rapporto tra semplici
alfabetizzati e coloro che hanno finito la scuola elementare sia diminui-
to nel tempo. La Tabella 5 evidenzia l’evoluzione di questo rapporto e
nelle macro aree italiane, i dati sono quelli del censimento negli anni
’, ’, ’, ’.

Tabella 5
Evoluzione del rapporto tra lavoratori semplicemente alfabetizzati e
lavoratori con licenza elementare
Censimenti ‘61 ‘71 ‘81 ‘91
Nord 13,29% 23,56% 13,48% 10,38%
Centro 10,36% 33,36% 15,21% 9,21%
Fonte: rielabo- Sud 24,26% 55,57% 26,59% 17,14%

razione su dati
Media Italia 17,09% 38,32% 19,07% 12,85%
C.r.e.no.s.
La tabella conferma che il rapporto tra alfabetizzati e coloro che

hanno finito la scuola elementare presenta alcune peculiarità che se
ignorate porterebbero a delle stime errate. Un’ osservazione interessan-
te è che l’ipotesi che la forza lavoro solamente alfabetizzata diminuisca
nel tempo non trova conferma: negli anni Sessanta infatti i lavoratori
alfabetizzati sono aumentati per poi cominciare a diminuire nel ven-
tennio successivo. Emerge inoltre che esistono forti differenze tra Nord
e Sud, si nota che la convergenza nei tassi è abbastanza lenta. In con-
clusione si possono individuare due fenomeni:
• in tutta Italia il numero di lavoratori solamente alfabetizzati
è fortemente diminuito dal’ ad oggi.
• nonostante il trend comune a tutto il Paese, esistono ancora
delle disparità tra Nord e Sud, la convergenza è abbastanza
lenta.
Il modo per ovviare a questo elemento di distorsione nelle stime è
stato quello di attribuire un peso inferiore, in termini di anni trascorsi
a scuola, a questo gruppo di lavoratori. In particolare la scolarità di
questa classe di lavoratori è stata calcolata come:
Lprima *5 + Lalfa *1
YRprim =
Lprim + Lalfa
dove YRprim indica gli anni di scolarità, Lprim i lavoratori che hanno
finito le elementari, Lalfa coloro che hanno almeno imparto a leggere
e scrivere, infine 5 e 115 rappresentano gli anni che i due sottogrup-
pi hanno trascorso a scuola. La scolarità che viene loro attribuita, nel

computo totale dello stock è quindi fondamentalmente influenzata dal
rapporto tra alfabetizzati e coloro che invece hanno finito la scuola ele-
mentare. Il calcolo di questo valore è stato ripetuto per tutte e venti le
regioni utilizzando i dati disponibili dai censimenti. Si è cosi costruita
la scolarità media di questo gruppo di lavoratori negli anni del censi-
mento. Gli anni rimanenti sono stati interpolati ipotizzando un tasso
di variazione costante e lineare.
Il computo vero e proprio della variabile su tutto il periodo parte
dai dati relativi agli anni del Censimento, solamente in questo periodo
si rileva effettivamente il numero di lavoratori associato ai diversi titoli
di studio. Gli anni per cui non esistono dati sono interpolati utilizzan-
do i dati sugli iscritti alle scuole superiori e sulla popolazione compresa
nella fascia d’età tra quattordici e diciannove anni. Dal rapporto tra
queste serie si è ottenuto il tasso di iscrizione secondarie ∏ che è stato
utilizzato come dato di partenza per i calcoli.
Iscrit
πit =
Popit − (14 16)
i = 1, K, 20
t = ‘51, K,‘90
dove Iscr indica in numero di iscritti alle scuole superiori e Pop

è il totale della popolazione in età compresa tra i quattordici e i sedici
anni. Vengono quindi calcolate la scolarità della forza lavoro raggrup-
pando i lavoratori in quattro categorie sulla base degli anni trascorsi
a scuola: alfabetizzati, con Licenza Media Inferiore, con Diploma di
Scuola Superiore e Laurea.
Il passo successivo è stato il calcolo delle variazioni, anno per
anno, del numero di lavoratori all’interno di queste categorie. Le va-
riazioni che riguardano i primi due gruppi, gli almeno alfabetizzati e
coloro i quali hanno finito la scuola media, segue esattamente la meto-
dologia proposta da Di Liberto e Symmons.
In particolare ∆Prim calcola la variazione della forza lavoro al-
l’interno di questi due gruppi in ragione della:
(1 - πt+n )
∆PRIMt+n = (PRIMt+10 - PRIMt )* 10
15. Si è scelto un
anno soltanto per
∑(1-πt+1 )
i=1
evidenziare al me-
glio le differenze n = 1K K9

dove t corrisponde all’anno del Censimento, (1 - ∏) rappresenta
il tasso di iscrizione alla scuola elementare e media, cioè la percentuale
di giovani che, arrivata alla fine delle scuole medie inferiori decide di
fermarsi negli studi e il primo elemento del lato destro della formula
di calcolo, ( PRIMt +10 − PRIMt ) , è la variazione tra un censimento e
l’altro del numero di lavoratori che appartengono a uno dei due gruppi
di lavoratori. Esso è definito come “fattore di proporzionalità” e serve
per determinare da un decennio all’altro le variazioni effettive della
struttura della forza lavoro, in virtù di questo fattore si tiene conto
delle dinamiche all’interno della forza lavoro al netto di pensionamenti
e nuovi assunti.
Questo primo metodo è stato utilizzato per calcolare le variazioni
del numero di lavoratori appartenenti ai primi due gruppi: gli almeno
alfabetizzati e quanti hanno concluso le scuole medie. Si noti che l’uni-
ca differenza nel calcolo è dato dal diverso “fattore di proporzionalità”
mentre i tassi di iscrizione a queste due scuole sono ritenuti costanti.
Ovviamente si tratta di una approssimazione, è bene notare che
l’impossibilità di avere dati dettagliati riguardo i tassi di partecipazioni
alle scuole elementari costringe ad utilizzare i tassi di partecipazione
delle scuole medie, già ottenuti in via residuale, come approssimazione
di quelli delle scuole elementari, si tratta di una stima che diventa più
imprecisa quanto più indietro si va nel tempo. Infatti è possibile pre-
sumere che il tasso di abbandono nel passaggio dalle scuole elementari
delle scuole elementari fosse molto più alto negli anni Sessanta che
durante gli anni Ottanta.
La procedura per calcolare le variazioni nel gruppo di lavoratori
che hanno conseguito la maturità è molto simile:
π t + ( n - 5)
∆SECt-n = (SECt-10 - SECt )* 5
∑ πt+i
i=-4
n = 1K K9
anche qui t rappresenta l’anno del Censimento e ∏ continua ad

essere il tasso di iscrizione alle scuole secondarie. Viene introdotto un
lag temporale nel fattore di proporzionalità, questo per catturare l’idea
che dall’inizio dell’investimento in istruzione all’entrata nel mondo del
lavoro passino cinque anni; chi fa il suo ingresso nel mondo del lavoro
da diplomato oggi ha deciso cinque anni fa di continuare gli studi.
Questa idea è ripresa ugualmente per il calcolo delle variazioni

dei lavoratori con titolo di studio universitario. Chi decide di conti-
nuare a studiare dopo la maturità dovrà attendere almeno altri cinque
anni prima di fare il suo ingresso nel mondo del lavoro. La variazione
annuale del numero di lavoratori con titolo di studio universitario al-
l’interno della regione è così approssimato dalla variazione totale di
lavoratori laureati occorsa nel decennio, moltiplicata per il fattore di
proporzionalità che tiene conto del fatto che l’investimento in istruzio-
ne è iniziato dieci anni prima (chi entra adesso nel mondo del lavoro
con una laurea si è iscritto 10 anni fa alle scuole superiori). I calcoli per
effettuare l’interpolazione sono fatti seguendo questa formula:
πt+(n -10)
∆DEGt+n = (∆DEGt+10 - ∆DEGt )* 10
∑πt +1
i = -9
n = 1K K9
Questo lavoro è stato ripetuto per tutte le regioni. Una volta otte-
nute le variazioni di ogni categoria di lavoratori, per giungere gli stock
basta una semplice funzione dinamica che aggiunge allo stock rilevato
ad inizio decennio nel censimento, la variazione calcolata. Ad esempio
il numero di lavoratori laureati nel’ si ottiene sommando al numero
rilevato nel censimento del’ la variazione calcolata utilizzando la sud-
detta formula computazionale.
Ottenuti gli stock relativi alle quattro categorie e dato il numero
di anni di scolarità associato ad esse, la variabile stock di capitale uma-
no si ottiene applicando la (2.1).
Lo stock di capitale privato nell’agricoltura e nel settore dei

servizi
Nella costruzione di questa variabile partendo dai dati sugli in-

vestimenti nel settore agricolo e dei servizi si sono calcolati gli stock
utilizzando il metodo dell’inventario permanente.
Occorre evidenziare che esiste una leggera differenza nei dati con
quelli utilizzati da Picci, il quale nei suoi lavori elabora le serie uti-
lizzando dati regionali sugli investimenti in macchinari, impianti ed
immobili, effettuati nel settore industriale. I dati utilizzati in questa
sede, invece, presentano un livello di aggregazione per settore, hanno
quindi, un minor dettaglio se paragonati a quelli utilizzati da Picci.

A una prima analisi ciò può apparire come una potenziale limi-
tazione ma Aiello e Schioppa () costruiscono delle serie riferite
alle venti Regioni utilizzando addirittura i dati nazionali e procedendo
solo successivamente alla ripartizione per Regione. Queste serie, con-
frontate con le serie calcolate con quelle basate su dati regionali di Picci
presentano una correlazione altissima. Sulla scorta di questa evidenza
è possibile pensare che la carenza di dati dettagliati sugli investimenti
delle branche utilizzatrici del settore agricolo e del settore dei servizi
non costituisca un grosso problema.
Tutti i dati utilizzati nei calcoli sono stati prelevati dai dataset
C.R.E.No.S.; i dati sugli investimenti vanno dal’ ad’ e sono dispo-
nibili a prezzi correnti e prezzi costanti al .
Lo stock è calcolato utilizzando il metodo dell’inventario perma-
nente. Si tratta di una metodologia molto diffusa nella letteratura16,
anche l’ISTAT, nel calcolo dello stock di capitale, utilizza questo meto-
do. La tecnica è molto semplice: dato lo stock in t0, aggiungendo ad
esso l’ammontare investito durante l’anno e tenendo conto del
deprezzamento, si ottiene lo stock in t1.
Se si ha il valore dello stock di capitale in t0 calcolare il resto della
serie non presenta particolari problemi. Per avere una stima dell’am-
montare dello stock nel 17 viene fatto ricorso alla teoria neoclassica
e si ipotizza che nell’anno di partenza si verifichi lo steady-state. In tal
caso il modello economico neoclassico sostiene che il livello di stock di
capitale per lavoratore (k*=K/L) può essere così espresso:
I/L
k* = (2.2)
(n + g + δ )
dove I ed L sono rispettivamente gli investimenti e le unità di

lavoro, n è il tasso di crescita della forza lavoro, g è il tasso di crescita
16. Si veda ad della tecnologia, approssimabile dal tasso di crescita della produttività
esempio Barro del lavoro e δ è il tasso di deprezzamento dei beni. Quest’ultimo serve
e Sala-y-Martin a catturare l’idea che di anno in anno una frazione del capitale venga
(1995), Beck-Levi-
dimesso. Se si divide tutto per le unità di lavoro si ottiene lo stock totale
ne-Loayza (2000),
Hall e Jones (1999)
di capitale al tempo t0:
17. Anno da cui I0

partono tutte le k0 = (2.3)
altre serie. (n + g + δ )

Calcolato K0 è possibile passare al calcolo di Kt ovvero gli stock
di capitale per gli anni successivi in ragione della seguente equazione
dinamica:
kt+1= (1 - δ) * Kt + It (2.4)
Come detto l’anno di partenza, per i calcoli è il 17. Il tasso di

crescita della produttività del lavoro, all’interno di ogni settore, è cal-
colato come la media del rapporto tra valore aggiunto e numero di ad-
detti al settore produttivo, calcolata lungo il periodo ’ - ’. Il tutto
viene replicato per ogni singola Regione e per tutti i settori produttivi.
Il tasso di deprezzamento δ è stato fissato al % mentre n è il tasso di
crescita della forza lavoro regionale18.
La funzione di produzione nelle regioni italiane, un’analisi

quantitativa
In questo paragrafo viene condotta la prima parte dell’analisi che

alla fine costituirà, insieme alla valutazione dell’efficienza e alle produt-
tività marginali, la “cassetta degli attrezzi” che permetterà di esprimere
un giudizio sulle scelte di investimento effettuate dalle regioni incluse
nell’obiettivo 1.
17. Anno da cui L’analisi è condotta considerando, in fasi separate, diversi possibi-
partono tutte le
li fattori produttivi che verranno inseriti come regressori nella funzione
altre serie.
di offerta e che si andranno ad aggiungere allo stock di capitale privato
18. Benche 2,5% e al lavoro; lo scopo è valutare, secondo una metodologia quantitativa,
sia il tasso usato il loro impatto nelle diverse aree geografiche e in diversi intervalli tem-
usato nei calcoli porali. Verranno analizzate diverse tipologie di input, in particolare si
dell’Istat (si veda, valuteranno separatamente il capitale umano ed di capitale pubblico.
ISTAT, Rapporto
Per ogni fattore sottoposto ad analisi verrà presentata una breve rasse-
annuale, 1998),
la scelta del 6% è
gna della letteratura inerente e l’evidenza empirica ottenuta. Lo studio
essenzialmente è condotto stimando diverse forme funzionali della funzione di produ-
dettata dalla zione per verificare come il nuovo regressore influisce sulle conclusioni
necessità di cui si giunge. In sintesi, partendo da specificazioni semplici si passa poi
omogeneizzare le ad una forma della funzione di produzione che nella sua specificazione
serie con quelle di
ultima include il capitale pubblico ed umano tra i regressori e la cui
Picci che
utilizzano il un
formula è così specificata:
tasso di ∆yit = α+Өkin∆kinit+Өkpub∆kpubit+Өkpt∆kprit+Өkl ∆lit+Өh∆hit+εit
deprezzamento
del 10% dove ∆ indica la variazione annuale y è l’output, l le unità di

lavoro, kin le infrastrutture, kpub è lo stock di capitale pubblico non
produttivo, kpr è il capitale privato e h è il capitale umano. Si noti
l’assenza di indice per la costante, questo perché pur adottando una
metodologia basata sui panel si sono provati, nelle prime regressioni,
tre differentitecniche di stima che hanno implicato diverse distribuzio-
ni di questa variabile.
I commenti finali, che mettono insieme le osservazioni emerse
dall’analisi sono esposti in un paragrafo conclusivo.
Il capitale umano e l’output
La letteratura teorica ha riconosciuto le differenti dotazioni di

capitale umano come un fattore determinate nello spiegare le differen-
ze che intercorrono tra i Paesi. Gli approcci teorici hanno fondato le
ragioni per cui si investe in capitale umano sono diverse. La scelta di
trascorrere molti anni a scuola è stata interpretata in maniera diversa
dalla letteratura.
Gli avanzamenti della teoria del capitale umano sono andate ver-
so due direzioni entrambe associabili a due scuole di pensiero che han-
no affrontato l’analisi del problema sotto differenti approcci.
La prima scuola interpreta l’investimento in formazione come un
segnale mandato al mercato del lavoro per evidenziare che si è più ca-
paci, i maggiori anni trascorsi a scuola sono intesi come costo da soste-
nere per poter disporre di un segnale sul mercato del lavoro. Il secondo
ramo di ricerca, al contrario, vede la scelta di trascorrere più anni a
scuola come un investimento cui segue nel tempo un rendimento.
Se esistono scuole diverse che interpretano in maniera differente
la scelta di andare a scuola, si può dire lo stesso relativamente a propo-
sito degli effetti che l’investimento in istruzione ha sul GDP. Esistano
infatti diverse visioni su come la maggiore scolarità della forza lavoro
impatti positivamente sull’output. In particolare, anche qui si possono
individuare due filoni di ricerca, entrambi sono inclusi nella teoria del-
la crescita endogena, ma sono offerte due interpretazioni relativamente
alll’effetto del capitale umano sulla crescita.
Nelson Phelps (), Romer (), Barro (), nelle loro
ricerche interpretano il capitale umano come un prerequisito per la
crescita. In economie con un alto livello di capitale umano, secondo
queste teorie, le innovazioni sono assorbite e fatte proprie più veloce-
mente, la capacità di fare ricerca e di innovare aumenta favorendo la

crescita. Lucas (), Mankiw et al. () propongono un framework
di analisi che è basato sull’idea che trascorrere più anni tra i banchi di
scuola sia un investimento che ha un costo iniziale a cui segue un ren-
dimento, si analizza l’investimento in capitale umano come un qualsia-
si altro investimento, esso diventa un fattore addizionale alla funzione
di produzione. La conclusione cui arrivano è che aumentare l’investi-
mento in capitale umano influisce positivamente sulla crescita. Inoltre
l’aumento del capitale umano pro capite aumenta la produttività sul
posto di lavoro, riducendo il tasso di fertilità e aumentando quindi
l’output pro capite.
La prima funzione che è stata stimata è servita per verificare l’im-
portanza nelle regioni italiane del capitale umano, il campione utiliz-
zato si compone di ventisei anni nel periodo ’ – ‘ . Si noti che
l’approccio implicito nell’analisi vede il capitale umano come fattore
addizionale alla funzione di produzione. L’analisi parte dalla funzione
di produzione Cobb-Douglas del modello di Solow Yt = Kαt Lt(1 - α)
per verificare, in primis, l’impatto del capitale privato; successivamen-
te verrà preso in considerazione il modello elaborato dalla letteratura
sulla crescita endogena19 detto modello aumentato a cui si aggiunge il
capitale umano Yt = HβKαt(At Lt)(1- α - β) , dove Y è l’output K è il capitale
e L le unità di lavoro ed A il livello di efficienza il cui effetto è destinato
ad essere catturato, seguendo la letteratura, dalla costante, H è lo stock
di capitale umano. E’ bene precisare che lo scopo che ci si prefigge in
questa sede non è testare la validità del modello di Solow o della sua
versione aumentata, ma più semplicemente di verificare se il capitale
umano è una variabile importante nello spiegare le variazioni dell’ou-
tput. L’evidenza porterà comunque a fare delle osservazioni sulla possi-
bilità che si sia verificato un processo di convergenza.
La funzione di produzione stimata, come detto all’inizio del pa-
ragrafo ha avuto diverse specificazioni, una prima stima è stata effet-
tuata considerando solamente il capitale privato ed il lavoro, si è quindi
stimato:
∆yit = αi+Өkpr∆Kprit+Өl∆lit+εit (2.6)
dove le differenze prime dei logaritmi di reddito, capitale priva-
to e lavoro, le variabili sono scritte in minuscolo per evidenziare che
si tratta di logaritmi. Sotto questa specificazione ci si aspetta che α
19. Si veda
il lavoro
pionieristico di catturi eventuali differenze tra le regioni, quindi nelle stime si è uti-
Mankiw, Romer e lizzato l’approccio Fixed Effect. Questa metodologia che è quella pre-
Weil (1992) valentemente utilizzata nell’analisi di panel con dati macroeconomici

implica che le differenze tra le venti regioni possano essere catturate
assegnando costanti diverse alle regressioni. La Tabella 6 contiene i ri-
sultati ottenuti.
Tabella 6
Stima del modello di offerta aggregata à la solow
Variabile dipendente:differenza prima del logaritmo del GDP
Coefficiente Std. Error t - ratio Prob.
0.027 4.434 0.0000
0.053 13.198 0.000
S.E. della regressione 0.022
Metodo di stima:
GLS. Valori a prezzi
costanti 1990
Nella regressione non sono state effettuate restrizioni, entrambi i

fattori hanno segno positivo, quindi un impatto positivo sulla crescita
ma il test F per verificare l’esistenza di rendimenti si scala costanti rifiu-
ta l’ipotesi. I coefficienti hanno segno positivo ma le restrizioni impo-
ste dalla teoria non sono verificate. E’accaduto sostanzialmente quello
che ha spinto la teoria economica a cercare nuove specificazioni e che
ha portato all’elaborazione del modello di Solow aumentato. Mankiw,
Romer e Weil () verificano che l’inclusione del capitale umano è
fondamentale perché il modello teorico sia effettivamente riflesso nei
dati. Includendo questo nuovo regressore nella funzione di produzione
la nuova specificazione che viene stimata è:
∆yit = αi+ӨKpr∆Kprit+Өl∆lit+ Өh∆lit + εit (2.7)
dove h è lo stock di capitale.
La Tabella 7 contiene, relativamente a tutte le regioni, i risultati otte-
nuti e l’esito del test sull’ipotesi di rendimenti di scala costanti.

Tabella 7
Stima dell’impatto del capitale umano
Variabile dipendente: differenza prima del logaritmo del GDP
Coefficiente Std. Error t - ratio Prob.
0.054 1.8441 0.055
0.054 12.243 0.000
0.047 2.1143 0.004
S.E. della regressione 0.022
Metodo di stima:
GLS. Valori a prezzi
costanti 1990
Nonostante l’aggiunta di un nuovo regressore non sembra emer-

gere chiaramente l’importanza del capitale umano come variabile ca-
pace di spiegare il processo di crescita delle regioni. Il nuovo regressore
è significativo ma il test sull’ipotesi di rendimenti di scala costanti è
appena accettabile e non consente di dire con sicurezza che il capitale
umano si è effettivamente rivelato come fattore determinate nell’in-
fluenzare la variazione dell’output.
20. Nord:
Analizzando meglio l’andamento del capitale umano nel tempo
Lombardia,
Piemonte,
emergono alcune interessanti differenze che giustificano la necessità
Valle d’Aosta, di un’analisi più attenta. Nella Figura 3 è riportato l’andamento del-
Veneto, Liguria, la scolarità media all’interno della forza lavoro scolarizzata all’interno
Emilia Romagna, delle macroregioni italiane, la classificazione è quella tradizionale del-
Friuli Venezia l’ISTAT20.
Giulia, Trentino
Alto Adige.
Centro:
Figura 3
Toscana, Lazio, Stock di capitale umano pro capite suddiviso per macroaree Geografiche
Umbria, Marche.
Meridione:
Abruzzo, Molise,
Campania,
Basilicata,
Puglia, Calabria,
Sicilia, Sardegna.
Rielaborazioni su
dati C.r.e.no.s.

Nonostante il comune andamento crescente, nelle regioni meri-
dionali, a differenza del centro21, il valore della variabile è costantemen-
te inferiore al resto delle regioni, quasi ad evidenziare una incapacità di
convergere verso i valori del resto d’Italia.
Questa impressione è confermata dalla Figura 4 che illustra l’an-
damento nel tempo della differenza tra la scolarità media della forza
lavoro istruita del Settentrione con quella del Centro Italia e quella del
Meridione.
Il grafico mette in chiara evidenza come la differenza tra Nord e
Centro si sia gradualmente composta diminuendo notevolmente du-
rante gli anni Sessanta, in quello stesso periodo il divario tra Nord e
Sud, al contrario, è aumentato per cominciare a scendere successiva-
mente. Limitatamente ai dati disponibili si evidenzia che il Centro
ha colmato il gap nella scolarità media. Nel  le differenze nella
scolarità media all’interno forza lavoro che sa almeno leggere e scrivere
sono state colmate.
Figura 4
Differenze tra H pro capite nelle regioni settentrionali E delle regioni cen-
trali E meriodionali
21. In realtà il
Lazio, a causa
dell’alto numero
di impiegati nel-
l’amministrazione Il Mezzogiorno, pur presentando un processo di avvicinamento
centrale, influenza ai valori del resto d’Italia ha ancora una forza lavoro relativamente poco
in maniera istruita. In generale le differenze, col tempo, si riducono, i trend delle
rilevante l’anda-
due serie mostrano un coefficiente molto simile ma intercetta diversa.
mento di questa
variabile.
A questo punto sembra naturale testare l’ipotesi che la media
degli anni di scuola dei componenti della forza lavoro ed il suo anda-
Rielaborazioni su mento nel tempo, siano stati determinanti nel processo di convergenza
dati C.r.e.no.s. tra le regioni italiane del Centro e del Nord. Se così fosse ci si aspetta

che Nord e Centro presentino endogenamente redimenti di scala co-
stante θ%kpr + θ%l + θ%h= 1 , dove i tilde indicano che si tratta di coeffi-
cienti stimati. Alla luce di quanto detto si è stimata la (2.7) in maniera
disaggregata tra Nord e Sud Italia. La Tabella 8 contiene i risultati della
stima e il test F per verificare l’ipotesi di rendimenti di scala costanti. I
risultati ottenuti dalla stima evidenziano che per il Nord ed il Centro
vale pienamente quanto prospettato dalla teoria, il capitale umano è
una variabile rilevante e la sua omissione impedisce di spiegare la cre-
scita, tuttavia ciò non è verificato per le regioni del Sud in cui il capitale
umano non si evidenzia come una variabile rilevante: il suo coefficiente
infatti risulta essere basso e scarsamente significativo (anche utilizzan-
do gli OLS il capitale umano non sembra essere significativo per le
regioni nelle regioni meridionali). Una prima conclusione è che nelle
regioni italiane del Mezzogiorno l’impatto del capitale umano non è
stato una variabile chiave per la crescita.
Tabella 8
Stima dell’impatto del capitale umano per aree geografiche
Nord-Centro Sud
Coeff Std.Er. t-ratio Prob. Coeff. Std. Er. t-ratio Prob.
∆Kpr 0.097 0.069 1.310 0.191 0.103 0.027 3.693 0.000
∆L 0.758 0.097 7.733 0.000 0.587 0.063 9.302 0.000
∆H 0.110 0.038 2.859 0.004 0.041 0.061 0.687 0.492

S.E. S.E.
della della
R2
0.386 0.384
regressione regressione
0.0220. 0.021
Metodo di stima: F-statistic 0.088

Test
GLS. Valori a prezzi Probability 0.765 F-statistic 11.863 Probability 0.007
RSC
Obs. 300 Obs. 200
costanti 1990
Il fatto che nel Settentrione e nel Centro, h risulti essere signi-

ficativo più del capitale privato implica che esso ha avuto un effetto
positivo sui tassi di crescita. Emerge, guardando l’andamento del gra-
fico Figura 3, un legame tra la dimensione dello stock e la performance
del GDP:l’impatto delle variazioni di h sul tasso di crescita dell’output

sono significative solamente nelle aree in cui questa variabile presenta,
in livelli, i valori più elevati. Il capitale umano si rivela pertanto un
efficace fattore capace di aumentare la produzione solamente nelle aree
in cui esso è in maggiori quantità rispetto alle altre, cioè nelle regioni
che presentano una scolarità media superiore.
La giustificazione che è possibile dare è che una forza lavoro che
investe in formazione si prepara ad essere più produttiva sul posto di
lavoro, in questo caso la teoria di Lucas e Mankiw sarebbe conferma-
ta. Fatto salvo il trend di crescita della scolarità che è stato positivo in
tutta Italia, alla luce di quanto emerso, le regioni capaci di mantenere
il primato nel livello medio di formazione della propria forza lavoro
sembrano essere quelle che creano i presupposti perché la propria pro-
duzione aumenti.
I lavoratori più preparati sono quelli che assimilano prima e me-
glio una tecnologia, un investitore estero può includere come discrimi-
nate nella scelta di localizzare un impianto il grado di preparazione del-
la forza lavoro, regioni con centri di ricerca di qualità attirano studenti
che probabilmente rimarranno in quella stessa regione a lavorare. La
conseguenza ultima di questo processo è l’aumento della produttività
e quindi dell’output.
Queste conclusioni non tengono volutamente conto del feno-
meno inverso e cioè dell’impatto che l’aumento del reddito può avere
sulla decisione di investire in formazione. Famiglie con redditi più alti
incentivano i propri figli ad andare a scuola e magari all’Università, al
contrario un maggior output pro capite può avere un effetto distorsivo
sulla scelta di proseguire gli studi: le maggiori opportunità lavorative
possono influenzare la scelta di proseguire gli studi. Benché la recipro-
cità degli effetti tra y e h siano importanti ed abbiano stimolato un vi-
vace dibattito sulla letteratura, in questa sede, si è deciso di considerare
esclusivamente l’impatto di h su y.
Se è vero che nel Mezzogiorno la scolarità media è aumentata nel
tempo, è altrettanto vero che, visto il gap iniziale, ci si sarebbe dovuti
attendere una convergenza più veloce, ciò non è confermato dai dati,
si veda l’andamento dei trend in Figura 4. Si evidenzia quindi che le
regioni meridionali, pur scontando un ritardo ancora più grave nel
livello di scolarità della forza lavoro non sono state in grado di favorire,
secondo ritmi maggiori rispetto alle regioni centrali il rientro del gap
della scolarità.
A questo proposito può risultare interessante segnalare un rap-
porto del Ministero del Lavoro e delle Politiche Sociali che, nel ,

metteva in evidenza i limiti del sistema formativo nelle Regioni meri-
dionali:
“Sia alle elementari che alle medie il tasso di scolarità risulta più
basso nelle regioni del Sud Italia, sebbene permangano delle dif-
ferenze tra i due tipi di scuola. La differenza tra Nord e Sud è
insignificante per la scuola elementare, dove il tasso di scolarità è
rispettivamente del % e del %. Nella scuola media, invece,
il tasso di scolarità del -% nelle regioni settentrionali, ma
appena del % in quelle meridionali.” [Rapporto sulla condi-
zione dei minori in Italia”, Centro nazionale di documentazione
e analisi per l’infanzia e l’adolescenza, ]
Sempre in questo rapporto vengono ben evidenziate le negligen-

ze e le responsabilità delle amministrazioni regionali nella fornitura si
strutture scolastiche. Nel ‘⁄, cioè alla fine del periodo analizzato:
“le unità scolastiche delle scuole superiori collocate in edifici pre-

cari sono il ,% del totale contro il ,% delle regioni del
Centro-Nord. La scarsità di aule, l’uso di aule precarie e il ricorso
ai doppi turni sono fenomeni tuttora presenti nel nostro Paese, ma
quasi esclusivamente localizzati nelle regioni meridionali. ”
Un’ulteriore pubblicazione che può dare un’idea della scarsa

dotazione di strutture scolastiche e culturali e di come esse vengano
percepite vicino dai cittadini è stata pubblicata alla fine del  dal
C.N.E.L. [“Indagine sui presidi culturali nel Mezzogiorno”, Consiglio
Nazionale dell’Economia e del Lavoro: Gruppo di coordinamento per
le iniziative nel settore culturale”, Potenza, ].
Sebbene la rete di servizi culturali (i.e.= Biblioteche e Musei) sia
sentita vicina soprattutto dai cittadini più scolarizzati, la sua dimensio-
ne, se confrontata con quella del resto d’Italia, evidenzia una gravi ca-
renze. La Tabella 9 contiene una fotografia della situazione Italiana. Si
conferma il divario fra Nord e Sud. Il dato relativo al Centro Italia come
al solito deve essere preso con le dovute precauzioni visto che da sole Fi-
renze e Roma costituiscono la metà del patrimonio artistico Italiano.
A parte le regioni centrali, emerge chiaro il divario tra Nord e
Sud, anche trascurando il dato relativo ai musei, che impattano re-
lativamente poco sui tassi di scolarità e sul livello di conoscenze dei
lavoratori, il divario nella dotazione di biblioteche pro capite segnala

Tabella 9
Strutture per la produzione culturale ogni 100 mila abitanti
Regioni Musei (1994) Biblioteche (1992)
Piemonte 6,8 21,5
Valle d’Aosta 37,3 45,1
Lombardia 4,4 29,1
Trentino Alto-Adige 7,2 37,9
Veneto 5,4 21,4
Friuli-Venezia Giulia 9,6 40,3
Liguria 9,5 23,1
Emilia Romagna 9,9 25,2
Toscana 11,8 22,2
Marche 14,1 40,7
Umbria 14,9 30
Lazio 6,5 24,4
Abruzzo 6,9 26,5
Molise 5,8 41,8
Campania 2,9 10,7
Puglia 3 11,9
Basilicata 4 30,5
Calabria 3,2 17,4
Sicilia 3,8 29,9
Sardegna 5,7 28,6
Nord 6,7 26,4
Centro 9,9 25,7
Fonte: Indagine Sud 3,7 19,8

Formez – Istituto
Italia 6,2 23,9
Cattaneo

la carenza di investimenti delle regioni meridionali in poli culturali.
La mancanza di strutture culturali è particolarmente grave in alcune
grandi regioni italiane. La Puglia, insieme alla Campania registra il più
basso tasso di biblioteche pro-capite. In particolare il dato riguardan-
te quest’ultima regione è particolarmente preoccupante soprattutto se
valutata alla luce della tradizione universitaria e culturale della città di
Napoli.
In conclusione, la fotografia del sistema formativo nel Meridione
non è molto positiva: le evidenze empiriche sin qui apportate, assieme
a queste ultime considerazioni dimostrano come le carenze di investi-
menti nell’edilizia scolastica e culturale siano state per il Sud Italia una
delle cause che ha ritardato la convergenza del livello del capitale uma-
no al resto d’Italia, con influenze negative sulla crescita economica.
Infrastrutture e capitale pubblico: l’impatto sulla funzione di

produzione
Nell’ambito della letteratura internazionale il lavori di Ratner

(), Aschauer () e di Munnell () hanno verificato, relativa-
mente agli Stati Uniti, l’importanza dell’investimento pubblico nell’in-
fluenzare la produttività totale. Essi stimano un elasticità del output al
capitale pubblico che oscilla tra , e ,. La conclusione comune
cui arrivano questi autori è che il declino dell’output osservato negli
Stati Uniti durante gli anni Settanta può essere attribuito in gran parte
al crollo degli investimenti pubblici; essi inoltre evidenziano che la cre-
scita è essenzialmente legato all’investimento in infrastrutture.
Tatom (), Holtz-Eakin (), sollevano alcuni dubbi riguar-
do questi studi. Sono messe in evidenza alcuni problemi e alcune ca-
renze nella stima. In particolare essi criticano i lavori precedenti in
primis perché omettono di includere specifici fattori per catturare le
differenze interregionali, in secundis perché non si sono considerati
gli effetti dei prezzi ed in ultimo essi evidenziano che nelle stime sono
state utilizzate variabili non stazionarie che hanno aumentato la possi-
bilità di stime distorte.
Holtz-Eakin nel suo lavoro rifiuta la possibilità che gli effetti re-
gionali non siano rilevanti e non trova un significativo effetto del capi-
tale pubblico che diventa particolarmente significativo se disaggregato
isolando la componente infrastrutture.
Solo in questo caso questa tipologia di capitale diventa significativa.

A seguito di queste critiche sono stati prodotti numerosi lavori
che mettono in discussione l’importanza del capitale pubblico come
fattore non vitale per la crescita economica. L’insieme di questi la-
vori ha costituito una seconda branca di ricerca tra cui si segnalano i
lavori di Evans e Karras (), Garcia-Milà et al. () che hanno
evidenziato la necessità di distinguere tra le caratteristiche geografiche
e l’adozione di metodi di stima più raffinati.
Limitatamente agli Stati Uniti il crollo della produttività ha trova-
to molte interpretazioni successive, alcuni attribuito questo fenomeno
alla crisi petrolifera, altri approcci hanno giustificato il fenomeno in-
quadrandolo nel cambiamento della struttura produttiva del paese cha
ha spostato gli investimenti dall’agricoltura al settore industriale. Stock
e Watson () hanno testato la possibilità, rifiutando quest’ipotesi,
che capitale pubblico e privato siano due serie cointegrate.
Tutte le ricerche che hanno cercato di esprimere un giudizio
sull’efficacia del capitale pubblico hanno dato significativi contributi.
Sommando le conoscenza acquisite si posso evidenziare tre elementi
cruciali nello studio degli effetti del capitale pubblico sull’output:
• il Capitale pubblico è un fattore positivo nel processo di
crescita
• l’importanza delle singole caratteristiche regionali
• l’importanza della metodologia di stima
Nello specifico caso dell’Italia una valutazione dell’efficacia del
capitale pubblico è utile per spiegare cosa è successo nei decenni pas-
sati, per evidenziare gli errori di policy e utilizzare queste conoscenze
per una migliore gestione degli investimenti. Molti autori hanno preso
a cuore i problemi nella scelta degli investimenti alla luce dei limi-
ti imposti dal Patto di Stabilità. Questi vincoli obbligheranno negli
anni a venire a selezionare con maggiore oculatezza gli investimenti
pubblici,è quindi importante capire quale tipologia di capitale pubbli-
co è più giusto ed efficace per lo sviluppo economico. Uno dei rischi
collegati al vincolo di bilancio imposto dalla Comunità europea è la
possibilità che esso induca i Governi a tagli alla spesa infrastrutturale.
Per una analisi più dettagliata si veda Jappelli e Ripa di Meana ().
Sulla valutazione dell’impatto del capitale pubblico in Italia vi
sono stati numerosi contributi che, utilizzando diverse metodologie,
hanno evidenziato l’impatto positivo delle infrastrutture nelle regioni
Italiane. Si tratta di conclusioni in accordo con la letteratura Nord
Americana. Tra i numerosi contributi che si valutano l’impatto delle
infrastrutture come condizione per la crescita vanno ricordati i lavori

di Bracalente e Di Palma (), Barbieri e Causi (), Viviani e
Vulpes ().
Un altro gruppo di studiosi, rifacendosi alla letteratura sulla
convergenza economica sviluppata nei lavori di Barro e Sala-i-Martin
(), Sala-i-Martin (), hanno invece incluso il capitale pubblico
all’interno di funzioni di crescita della produttività per testare la pre-
senza di un processo di convergenza, si tratta di un approccio di analisi
originale ma che condivide gli stessi obiettivi delle analisi già ricordate:
esprimere un giudizio sulla efficacia dell’investimento in capitale pub-
blico. Tutti questi lavori hanno come scopo ultimo quello di testare
l’esistenza di un processo di crescita tra Mezzogiorno e regioni d’Italia,
le conclusioni cui giungono sono parzialmente unanimi. Tutti que-
sti contributi evidenziano che una migliore dotazione infrastrutturale
influenza positivamente la crescita, tuttavia nessun lavoro evidenzia
come il capitale pubblico sia l’unica variabile in grado di spiegare un
eventuale processo di crescita; un’altra importante conclusione è che la
convergenza sembra essersi interrotta a metà degli anni Settanta. I con-
tributi più importanti in Italia sono stati pubblicati da Paci e Pigliaru
(), Ferri e Mattesini () e in ultimo Aiello e Schioppa ().
Vi sono infine alcuni lavori che, seguendo la letteratura sugli Stati
Uniti, includono il capitale pubblico come regressore all’interno input
di una funzione di produzione e stimano il suo rendimento marginale.
In particolare, Picci () sulla base di una funzione di produzione
per l’Italia propone una doppia specificazione che separa infrastrutture
e capitale pubblico non produttivo. Il capitale pubblico, in aggregato,
risulta avere un impatto positivo sulla produzione. Quando esso viene
scomposto in core e non core, in aggregato, solamente il primo risul-
ta essere statisticamente significativo. La Ferrara e Marcellino ()
effettuano una valutazione dell’investimento in infrastrutture basando
l’analisi su tre approcci diversi. Non trovano una conclusione univoca
nel valutare l’effettiva validità del capitale pubblico e limitatamente a
quello basato sulla funzione di produzione essi trovano, come in Picci,
che lo stock di capitale, nel suo insieme, ha un impatto significativo
sulla crescita.
Un ultimo lavoro proposto da Paci e Saddi () utilizzando
un panel cui sono applicate le metodologie della letteratura della coin-
tegrazione determina che il capitale pubblico ha un impatto positi-
vo sulla crescita. Il lavoro risulta particolarmente interessante per la
raffinata metodologia d’analisi ma sopratutto per la suddivisione del
capitale pubblico in tra categorie: infrastrutture economiche, infra-

strutture sociali ed edilizia abitativa le conclusioni sono in accordo con
la letteratura, gli autori ribadiscono l’importanza delle le infrastrutture
economiche nel favorire lo sviluppo economico.
L’evidenza empirica: effetti di lungo periodo
L’analisi dell’impatto del capitale pubblico sulla ricchezza pro-

dotta a livello regionale parte dall’analisi dei risultati ottenuti dalla sti-
ma della funzione:
yt = αi+Өhkinit+Өkpubkpubit+Өkprkprit +Өllit +Өhhit+εit (2.8)
dove le lettere in minuscolo indicano che si stanno considerando

i logaritmi delle variabili. Questa funzione contiene, come regressori
aggiuntivi al modello standard, il capitale umano, lo stock di capitale
in infrastrutture, in beni pubblici non produttivi. E’ bene osservare
che qui a differenza di quanto operato precedentemente si stanno con-
siderando anche i livelli oltre che le differenza prime su cui si concen-
trerà successivamente.
Si potrebbe obiettare che considerare i livelli potrebbe portare a
delle stime inefficienti, l’esistenza di correlazioni spurie tra output e re-
gressori potrebbe generare delle stime inefficienti, tuttavia Picci ()
sottopone al test Bhargava - Franzini - Narendranathan i residui ot-
tenuti da una funzione simile alla (2.8). Il test BFN è la versione del
test di Durbin-Watson applicata ai panel in cui si utilizzano le serie
storiche, nel caso dei residui della funzione stimata da Picci, l’ipotesi
di radice unitaria è rifiutata. Il fatto che alcune serie siano comuni al
lavoro citato22 ha indotto ad condurre l’analisi considerando i livelli,
seguirà, nei prossimi paragrafi, l’analisi in differenze prime.
La Tabella 10 contiene i risultati ottenuti stimando la funzio-
ne secondo tre metodologie: OLS raggruppati, metodologia in cui si
22. In particolare ignora che possano esistere specifici effetti, Fixed Effects e Random Ef-
le serie comuni fect. Nell’approccio Random Effects si assume che gli effetti specifici
sono quelle sugli delle regioni e gli effetti temporali sino modellabili come vere e proprie
stock di capitale
variabili casuali. Questo triplice metodo sintetizza anche quello che è
privato, relativa-
mente al settore
stata l’evoluzione dei metodi di stima utilizzati dalla letteratura per lo
industriale, e studio dell’impatto del capitale pubblico sull’output. Munnel ()
gli stock sul capita- ha utilizzato la prima metodologia, le osservazioni e l’analisi condotta
le privato. da Holtz-Eakin () prende come modello di stima su cui basare le

Tabella 10
Risultati delle stima del modello di offerta aggregata con il capitale pub-
blico come regressore
Variabile dipendente: logaritmo del GDP
Metodo
FE RE FE
Pooled
Costante/i-3.002 Nessuna Nessuna Nessuna RSC
0.183 0.235 0.157 0.152

Kin
(-9.48) (6.53) (9.06) (2.27)
304 0.120 0.144 0.030
Kpub
(10.60) (6.66) (9.06) (0.55
0.156 0.158 0.202 0.062
Kpr
(7.99) (6.06 (9.06) (1.10)
0.726 0.462 0.387
L
(30.80) (7.96) (9.06)
0.040 0.314 0.308 0.086
H
Metodo di stima: (1.84) (8.71) (9.06) (1.82)
OLS prima colon-
R2 0.982 0.998 0.997 0.937
na, GLS tutte le al-
tre. Valori a prezzi
Obs 520 520 520 520
costanti 1990
conclusioni l’approccio Fixed Effect. Le stime basate sul Random Effect

sono riportate per illustrare semplicemente che le conclusioni di base
non cambiano, nemmeno se si cambia l’approccio alla stima. Nella
tabelle sono riportati i coefficienti e, tra parentesi, i P-value.
La prima colonna contiene le stime ottenute con il metodo dei
Pooled OLS, le diverse tipologie di capitale pubblico hanno due elasti-
cità diverse, quello in infrastrutture ha un impatto negativo e signi-
ficativo sulla crescita, quello in capitale pubblico non produttivo, al
contrario, ha un impatto positivo e significativo. L’applicazione di que-
sta metodologia è stata criticata da più fronti, l’omissione di variabili
cross-section, come la costante, impedisce di ottenere stime corrette.
La seconda colonna presenta i risultati ottenuti dalla stima del
modello introducendo l’effetto fisso, in questo modo si tiene in mag-
gior conto delle peculiarità regionali. Il metodo di stima sono i Mini-
mi Quadrati Generalizzati per controllare eventuali eteroschedasticità
nei residui, eteroschedasticità già ammorbidita avendo già considerato
tutte le variabili in logaritmi. Tutte le variabili sono significative per
la crescita dell’output, in particolare si conferma che l’investimento in
infrastrutture, ha un impatto migliore sulla crescita. La somma dei

fattori privati è vicina ad uno e come evidenziato dalla Tabella 11, il
test F non rifiuta l’ipotesi di rendimenti di scala costanti degli input
produttivi: lavoro, stock di capitale privato e stock di capitale umano.
Tabella 11
Test F per testare l’ipotesi di RSC sui fattori privati inclusi nella funzione
di produzione
RSC Test F-statistic 1.769881 Probabilità 0.193985
Somma coeff. input privati θkpr+θl+θh=
Le conclusioni della letteratura sono sostanzialmente riconfer-

mate, il capitale pubblico ha un impatto positivo, sia lo stock di infra-
strutture che lo stock di beni pubblici non produttivi sono significativi
nello spiegare la crescita dell’output. Sebbene l’investimento in capitale
umano presenti un coefficiente basso l’investimento in formazione è
confermato come redditizio.
Scendendo più nel dettaglio si nota che le infrastrutture sono più
importanti del capitale non core. Si tratta di un risultato coerente con
la letteratura. Questa differenza nel coefficiente del capitale non-core è
probabilmente riconducibile al fatto che nel set di variabili esplicative
c’è un regressore in più, h. Una seconda differenza è il diverso criterio
con cui si è differenziato tra infrastrutture e capitale non produttivo23.
Emerge una prima conclusione: l’investimento in infrastrutture
aiuta, più che l’investimento in stock di capitale pubblico non produt-
tivo, a spiegare i livelli di reddito.
La terza colonna contiene i risultati ottenuti applicando la me-
todologia Random Effect. Anche qui si conferma l’importanza della va-
riabile capitale pubblico, sebbene le stime presentino valori più bassi i
23. Si ricordi che
la classificazione
coefficienti stimati continuano ad essere significativi.
dello stock di ca- La quarta colonna contiene i risultati dalla stima del modello
pitale pubblico è con i rendimenti di scala imposti come restrizione nella stima. Si nota
avvenuta tenendo come le elasticità rimangano molto vicine a quelle già ottenute senza
presente la neces- imporre alcuna restrizione.
sita di conciliare le
La maggiore significatività delle infrastrutture rispetto al capita-
diverse categorie
di investimento
le pubblico non produttivo è spiegabile poiché il contributo dei beni
dell’Istat con gli pubblici non produttivi nel lungo periodo è perlopiù intangibile. Una
assi di investimen- scuola formerà lavoratori più preparati ma il suo contributo diretto
to dei P.O.P. sull’output regionale è limitato ai costi per il suo mantenimento in

attività: i consumi legati ai redditi dei professori e dei bidelli, l’energia
elettrica acquistata, la derrate per la mensa. L’infrastruttura, al con-
trario, influisce direttamente sulla struttura produttiva dell’economia
influenzando le scelte di localizzazione del capitale privato. Generaliz-
zando si può dire che se l’impatto le infrastrutture è prevalentemente
economico l’impatto del capitale non produttivo è tendenzialmente
“sociale”.
L’evidenza empirica: effetti sui tassi di crescita
La Tabella 12 contiene i risultati della stima della (2.8) conside-

rando le differenze prime, cioè i tassi di crescita. Il metodo di stima
adottato è quello Fixed Effect. Nella tabella vengono riportati i risultati
in base all’area geografica, in particolare si considera: l’Italia nel suo
complesso, il Mezzogiorno e l’area Nord-Centro. Vengono riportati
i coefficienti e, tra parentesi, i t-statistici. Nella parte bassa si trova il
P-value del test F per testare due ipotesi: rendimenti di scala costanti
degli input non pubblici e il test F sull’ipotesi θkpub+ θl+ θkpr = 1.
Tabella 12
Risultati delle stima del modello di offerta aggregata con il capitale pub-
blico come regressore. Divisione per regioni
Area Italia Nord-Centro Mezzogiorno

Metodo FE FE FE
Restrizione Nessuna Nessuna Nessuna
0.146 0.174 0.167
∆Kin
(2.35) (1.66) (1.96)
0.014 -0.092 0.152
∆Kpub
(-0.19) (-0. 79) (1.28)
0.096 0.073 0.113
∆Kpr
(2.92 (2.03 (2.96)
0.633 0.793 0.559
∆L
(12.07) (7.84) (8.57)
0.069 0.109 -0.045
∆H
(1.47) (1.99) (-0.53)
Metodo di stima: R2 0.386 0.394 0.427
OLS prima colon-
Obs. 500 300 200
na, GLS tutte le al-
Test 1 0.000 0.513 0.000
tre. Valori a prezzi
costanti 1990 Test 2 0.001 0.021 0.276

Nella prima colonna sono presentati i risultati della stima della
funzione su tutte le regioni d’Italia. I risultati di questa prima stima
sono concordi con quelli ottenuti dall’analisi precedente, ciò che im-
patta maggiormente sull’andamento dei tassi di crescita dell’output è,
dopo il numero di lavoratori, la crescita delle infrastrutture. L’unica
variabile non significativa è il capitale pubblico non produttivo. L’ela-
sticità dell’output rispetto allo stock di capitale privato presenta un coef-
ficiente basso ma estremamente significativo. Il capitale umano, come
già evidenziato nelle regressioni precedenti, pur avendo un coefficiente
molto basso si rivela essere una variabile che contribuisce a spiegare,
a livello aggregato soltanto parzialmente, la crescita. Il test 1 verifica
infatti l’ipotesi di rendimenti di scala costanti nei fattori produttivi pri-
vati, l’ipotesi θKpr +θl +θh = 1 è fortemente rifiutata. L’esito di questo
test conferma quanto già testato nell’analizzare l’impatto del capitale
umano nel paragrafo in cui si è affrontata l’analisi del capitale umano:
a livello nazionale non si verificano rendimenti di scala costanti negli
input produttivi privati.
Come fatto in precedenza si è condotta nuovamente l’analisi se-
parando il Meridione dal resto d’Italia. Si confermano alcuni risultati
già ottenuti precedentemente analizzando le serie in livelli ma emer-
gono anche nuovi risultati interessanti. La seconda colonna espone i
risultati della stima relativamente alle regioni del Nord e del Centro
intesi come un’unica macroregione.
Il capitale umano risulta più significativo e con un coefficiente più
alto. Si riconferma l’importanza delle infrastrutture come prerequisito
per favorire la crescita; il coefficiente associato al capitale pubblico non
produttivo, al contrario dei risultati ottenuti con un più alto livello
di aggregazione, risulta essere negativo e scarsamente significativo. Per
quello che riguarda il valore del coefficiente del capitale privato, il valo-
re è più basso rispetto a quello stimato su tutte le regioni ma continua
ad essere ugualmente significativo.
Anche qui si è verificata l’ipotesi di rendimenti di scala costanti
dei fattori produttivi non pubblici all’interno; come già accaduto nel-
l’analisi del capitale umano (si veda la Tabella 8), il test sull’ipotesi
θKpr +θl +θh = 1, dà esito positivo. Il valore del P-value, riportato nella
penultima riga della seconda colonna della Tabella 12, è 0.513 ed è tale
da non permettere di rifiutare l’ipotesi nulla. L’esito del test conferma
che anche se l’elasticità del capitale privato è bassa e anche se il numero
dei regressori è aumentato capitale privato e capitale umano e lavoro,
all’interno delle regioni centro settentrionali, sono stati elementi im-

portanti nella crescita economica. Il fatto che l’esito del test sui rendi-
menti si sia confermato è positivo anche per sottolineare la bontà della
specificazione del modello.
La terza colonna presenta i risultati ottenuti limitando l’analisi
alle regioni meridionali. Anche nel Meridione la crescita delle infra-
strutture impatta positivamente e significativamente sulla crescita.
Al contrario di quanto vale per il resto delle regioni la crescita del
capitale pubblico non produttivo ha, in quest’area, un impatto positi-
vo e significativo sul tasso di crescita dell’output. La stima dell’elasticità
associata a questo fattore è quasi uguale al coefficiente delle infrastrut-
ture, si tratta di un risultato che si contrappone all’evidenza riscontrata
nelle altre regioni. Il capitale umano, al contrario del resto d’Italia, si
conferma sostanzialmente ininfluente: il valore dell’elasticità stimata è
negativa e non significativa. Lo stock di capitale privato evidenzia un
contributo importante nel giustificare i tassi di crescita dell’output, il
coefficiente associato, infatti, è positivo e significativo. L’esito del test
sui rendimenti di scala costanti, conferma la conoscenza acquisita fino
ad ora, l’ipotesi nulla è rifiutata.
L’emersione di questa particolare caratteristica del capitale pub-
blico non produttivo all’interno delle regioni meridionali ha indotto
ad approfondire meglio l’analisi delle dinamiche di questa variabile
all’interno dell’area meridionale del Paese. Infatti il coefficiente stimato
si rivela significativo nello spiegare il tasso di crescita dell’output ma
ritorna ininfluente (si veda la seguente Tabella 13), nel lungo periodo.
Nei paragrafi che seguono si tenterà di analizzare in maniera più det-
tagliata l’andamento del capitale pubblico, lo scopo è quello di indivi-
duare eventuali criticità tali da giustificare l’anomalia rilevata.
Il capitale pubblico nelle regioni meridionali
In questi paragrafi conclusivi si tenterà di dare una giustificazione

al diverso impatto del coefficiente del capitale pubblico non produttivo
sulla crescita dell’output nelle regioni meridionali. Come detto esso è
stimato come positivo e significativo nel breve periodo, al contrario,
nelle analisi in livelli il coefficiente torna a valori più ortodossi risul-
tando meno importante dell’investimento in infrastrutture. L’ipotesi
che questa tipologia di capitale pubblico abbia avuto un ruolo nello
spiegare il tasso di crescita dell’output è verificata testando l’ipotesi che
esso, insieme al capitale privato e al lavoro, presenti rendimenti di scala
costanti.

Per far luce su questa anomalia si illustreranno inoltre possibili
giustificazioni: quella del sovradimensionamento del settore pubblico e
quella della carenza di capitale privato ed infrastrutture; queste ipotesi
saranno valutate separatamente utilizzando una prospettiva storica e la
conclusione cui si giungerà è che il capitale pubblico non produttivo
benché risulti capace di aumentare i redditi nel breve periodo palesa la
sua inefficacia nel lungo periodo perché incapace di creare i presuppo-
sti per lo sviluppo.
Il Test 2 in Tabella 12 si giustifica osservando il comportamento
dell’elasticità del coefficiente associato al capitale pubblico non pro-
duttivo nelle regioni meridionali. Il fatto che passi da negativo e non
significativo nell’area centro-settentrionale a positivo e significativo
nelle regioni meridionali induce a pensare che questo fattore produtti-
vo sia stato in qualche modo rilevante per giustificare i tassi di crescita
dell’output.
L’assenza, al contrario di quanto avviene nel resto d’Italia, di ren-
dimenti di scala costanti degli input non pubblici induce a verificare se
questo tipologia di capitale abbia surrogato uno o parte dei fattori pro-
duttivi privati, si è quindi testata l’ipotesi θkpub+ θl+ θkpr = 1 cioè che il
capitale pubblico definito come “non produttivo” possa aver contribui-
to positivamente alle variazioni nei tassi di crescita di Y. L’ipotesi è stata
testata a sui coefficienti contenuti nella Tabella 12. L’esito di questo
test è esposto nell’ultima riga della Tabella sotto il nome Test 2.
A livello aggregato si rifiuta fortemente questa ipotesi. Ripetendo
il test sui dati disaggregati si rifiuta nuovamente questa ipotesi nelle
regioni nell’aggregato Nord Centro. Al contrario, nelle regioni Meri-
dionali, l’ipotesi non è rifiutata. Sembra quindi che in questa regioni
l’investimento in questa tipologia di capitale abbia avuto una rilevanza
maggiore rispetto alle altre aree analizzate. Ciò sembra alquanto strano,
visto che la composizione intrinseca di questo bene non cambia da
Nord a Sud, si tratta sempre della stessa tipologia di capitale.
Prima di andare oltre è bene fare due precisazioni. La prima ri-
guarda la domanda cui si tenta di rispondere. Essa sorge dopo aver ef-
fettuato un test che non rientra nella pratica standard dell’analisi delle
funzioni di offerta. Il suo esito prospetta alcune giustificazioni ma non
si può pretendere che esso sia esaustivo nella spiegazione dell’ effettivo
impatto del capitale pubblico sul reddito. Tuttavia sarebbe altrettanto
sbagliato non tentare di dare una interpretazione ai risultati ottenuti.
La seconda osservazione riguarda la crescita e la convergenza tra
le regioni. Essa è fortemente condizionata dalla presenza di infrastrut-

ture. Questa affermazione continua ad essere valido anche per il Mez-
zogiorno. Per convincere il lettore di questo si consideri la Tabella 13,
essa è estratta da Picci (), contiene la stima dei coefficienti associati
allo stock di infrastrutture e al capitale pubblico non produttivo dalla
funzione di offerta i cui regressori sono capitale privato (solo il settore
industriale) e pubblico. Le regressioni sono state effettuate sul Mezzo-
giorno e su tutta Italia. Gli t-statistici sono indicati tra parentesi.
Come evidente in tabella il livello dell’output è spiegato essen-

Tabella 13
Elasticità dell’output alle infratrutture E al capitale pubblico
Variabile dipendente: log GDP
Area Italia Sud
Metodo FE FE
0.501 0.537
Kin
(15.7 ) (16.2 )
-0.052 0.1141
Kpub
Fonte: Picci (1999) (2.78 ) (4.52 )
zialmente dallo stock di infrastrutture. Questa tipologia di capitale

emerge come fattore determinate per la crescita nel lungo periodo. In
conclusione, qualsiasi giustificazione si tenti di dare al fenomeno della
significatività del capitale pubblico non produttivo nel breve periodo
essa deve essere valutata tenendo presente che questa tipologia di bene
pubblico spiga abbastanza male i livelli del reddito nel lungo periodo.
La significatività del capitale pubblico non produttivo nel breve
periodo può essere spiegata alla luce di diverse teorie. Una prima ipo-
tesi che trova conferma anche nella letteratura è che gli effetti positivi
nel breve periodo siano riconducibili ad un eccesso di investimenti
di questa tipologia di capitale. Si può quindi tentare di interpretare il
segno positivo e significativo di θkpub nelle regioni del Sud legandolo ad
un effetto dimensionale. Effetto che, però, si esaurisce lungo periodo.
Una seconda ipotesi è che le regressioni catturino l’effetto del capitale
pubblico solamente perché le variazioni degli altri fattori produttivi
sono poco rilevanti. In questo caso, si punta implicitamente più sulla
carenza di altri fattori produttivi che sulla relativa abbondanza di capi-
tale pubblico.
Per verificare la possibilità di un eccesso di investimento in ca-

pitale pubblico non produttivo si è considerato il rapporto tra questa
variabile e il capitale privato all’interno delle regioni analizzate. Il di-
verso andamento di questo rapporto può chiarire alcune cose. Il grafico
contenuto in Figura 5 è la media dei rapporti degli stock di capitale
pubblico non produttivo e gli stock di capitale privato all’interno delle
tre macroaree geografiche italiane.
Figura 5
Rapporto tra capitale pubblico non produttivo E capitale privato
Rielaborazione dati
Picci e C.r.e.no.s
Come è evidente, il Meridione d’Italia ha mantenuto, lungo

tutto il periodo considerato, un rapporto estremamente alto tra la do-
tazione di capitale pubblico non infrastrutturale e quello privato. Lo
stock di capitale pubblico non produttivo all’interno delle regioni del
Mezzogiorno, nel , era pari, al ,% del capitale privato contro il
,% del Nord ed il ,% delle regioni centrali.
E’ molto interessante analizzare le dinamiche di questo rappor-
to alla luce degli avvenimenti storici degli interventi per lo sviluppo
economico del Sud. Durante tutti gli anni Settanta il rapporto è di-
minuito ed è coinciso, come si osserva in Figura 6, con un riequilibrio
dell’assetto produttivo privato ed un aumento della quota di capitale
privato pro lavoratore.
Il campione analizzato comprende gli ultimi anni del periodo
d’oro dell’intervento straordinario della Cassa per il Mezzogiorno: gli
anni ’ -�. In questi anni la politica di promozione industriale per il
Meridione raggiunse la sua massima intensità: nel quinquennio ‘-�
gli investimenti fissi lordi rappresentarono il % del prodotto interno
lordo meridionale, mentre la quota dei soli investimenti industriali ne
rappresentò il 13%.

Figura 6
Quota di capitale privato pro lavoratore nelle macroaree geografiche
italiane
Rielaborazione
su dati Picci e
C.r.e.no.s
I massicci interventi pubblici, l’intensa emigrazione e la crescita

della capacità produttiva del Mezzogiorno, determinarono un signifi-
cativo processo di riduzione dei differenziali regionali che si protrasse
fino alla metà degli anni Settanta, la conseguenza fu un aumento del-
l’output e l’accelerazione del processo di convergenza del Meridione al
resto d’Italia. Il grafico in Figura 6 conferma quanto detto; durante la
metà degli anni Settanta il tasso di crescita dello stock di capitale pri-
vato pro lavoratore è cresciuto fino a mettersi in linea con quello del
Settentrione.
Benché il campione analizzato comprenda solamente la parte fi-
nale di quest’epoca, emergono chiaramente le conseguenze delle scelte
del periodo �-�. Gli investimenti in infrastrutture e per l’industria-
lizzazione hanno giovato agli indicatori analizzati, il capitale privato
si è espanso, la conseguenza è stata un miglioramento della quota pro
lavoratore di questa variabile e, come evidente dal grafico in Figura 5,
il rapporto tra capitale pubblico non core e capitale privato diminuisce
lungo tutti gli anni settanta. Emerge chiaramente un processo di con-
vergenza regionale.
Questo processo tuttavia sembra essersi fermato dagli inizi degli
anni Ottanta, anni in cui si è evitato di fare cresce ulteriormente gli
investimenti; il trend che purtroppo è continuato fino alla fine dell’in-
tervento straordinario per lo sviluppo del Meridione.
Dalla metà degli anni Settanta si è infatti assistito ad un graduale
cambiamento di rotta per cui le politiche di sviluppo, abbandonando
il processo di industrializzazione e di infrastrutturazione, si sono orien-

tate verso scelte dirette al sostegno dei redditi e alla creazione degli
apparati burocratici regionali.
L’abbandono del piano di industrializzazione e il suo impatto ne-
gativo sulla convergenza risulta confermato dai grafici. In particolare,
dal grafico in Figura 6 si nota che il tasso di crescita del capitale priva-
to pro lavoratore alla fine degli anni Ottanta si arresta uniformandosi
al resto d’Italia, ciò è senza dubbio negativo. Il tasso di crescita della
quota di capitale pro capite doveva continuare a crescere: quando esso
si è uniformato al resto d’Italia la convergenza si è interrotta. Ciò è
confermato anche dall’andamento del rapporto tra capitale pubblico
non produttivo e capitale privato (Figura 5), a causa dell’arresto della
crescita del denominatore, la quota relativa di capitale pubblico rispet-
to alle dotazioni dei privati ricomincia a crescere positivamente.
Questo cambiamento di rotta nelle modalità di sviluppo del
settore privato è stato accompagnato anche da un cambiamento nella
struttura degli investimenti destinati ad installare capitale pubblico.
Ad una generalizzata diminuzione degli investimenti in infrastrutture
e capitale pubblico si è aggiunta, come evidente nel grafico nella Figura
7, un cambiamento nell’allocazione tra spesa per infrastrutture e spesa
per capitale pubblico non produttivo. Si nota infatti che la quota di
spesa pubblica destinata all’infrastrutture sia stata gradualmente erosa
dai maggiori investimenti in capitale pubblico non produttivo.
Figura 7
Rapporto Kinf/kpub
Fonte: grafico
estratto da Picci
(1999)

Questo grafico avvalla ulteriormente l’idea di una crescita fuori
misura del capitale pubblico non produttivo. Nel Meridione, per una
unità di capitale pubblico non produttivo, esisteva nel , 1.2 unità
di infrastrutture contro le 1.8 del Centro e le oltre due del Settentrione.
La cosa grave è che dopo la metà degli anni Settanta anziché spingere
per aumentare questo rapporto si è assistiti ad una deprimente diminu-
zione: gli investimenti in infrastrutture sono drasticamente diminuiti
a favore di investimenti in altre tipologie di capitale pubblico.
Quanto detto finora sembra sufficiente per sostenere che la ca-
renza di infrastrutture e la successiva espansione della spesa in capitale
pubblico non produttivo ha affidato a questa tipologia di bene l’inat-
teso ed inefficiente ruolo di fattore per la crescita economica. La tesi
che lega la significatività di θkpub alle dimensioni del settore pubblico
sembra trovare una prima giustificazione.
Resta da verificare la seconda ipotesi, e cioè che più di un’abbon-
danza del fattore capitale pubblico si possa parlare di carenza degli altri
fattori produttivi, cioè infrastrutture e capitale pubblico.
Come già ribadito il processo di industrializzazione e di infra-
strutturazione hanno subito una drastica riduzione dalla fine degli anni
Settanta e questo potrebbe avvallare la seconda ipotesi. Le regioni me-
ridionali, pur mostrando una rapporto capitale privato pro lavorato-
ri molto simile a quello delle regioni del Settentrione hanno patito,
all’indomani del cambio di rotta della Cassa per il Mezzogiorno, la
carenza di investimenti in infrastrutture e capitale privato.
La carenza di fattori produttivi privati è evidente guardando gli
andamenti nel tempo dello stock di capitale privato nelle macro regio-
ni italiane. La Figura 8, mostra tre grafici che evidenziano come nelle
aree meridionali la densità assoluta del capitale privato sia stata molto
bassa.
Il primo grafico è il rapporto tra stock di capitale privato e su-
perficie, si evidenzia quanto già detto prima. La densità del capitale
privato, lungo tutto l’arco temporale analizzato, è stato costantemente
superiore nelle regioni settentrionali. In queste regioni nel ‘, ai prezzi
del , si registrava un valore del capitale privato pari a . Miliardi
per ettaro contro lo . delle regioni centrali e lo . delle regioni
meridionali.
Se si restringe l’analisi considerando solamente la superficie pia-
neggiante all’interno di ogni regione si riconferma quanto detto prima.
Emerge ancora più chiaramente l’incapacità delle regioni meridionali
di colmare il gap nella dotazione di capitale privato. Questi indicatori

potrebbero essere valutati nemmeno troppo negativamente se la scar-
sa dotazione di capitale privato fosse associata ad un’altrettanto scarsa
dotazione di unità di lavoro, sarebbe allora assolutamente logico atten-
dersi che in regioni poco popolose o con un tasso di inattività molto
alto ci sia poco capitale privato.
Purtroppo se si guarda il terzo grafico questa possibile giustifica-
zione scompare, ritorna in netta evidenza la carenza di capitale privato.
Il terzo grafico mostra l’evoluzione del rapporto tra la stock di capitale
e la popolazione in età lavorativa all’interno delle macro aree: dopo
un incremento importante tra il ’ e il ’ si assiste ad una paurosa
stagnazione che è durata quindici anni, la situazione sembra essere mi-
gliorata, e comunque di pochissimo, solo dopo il .
Figura 8
Dinamiche del capitale privato nelle macroaree italiane
Rielaborazione
su dati Picci e
C.r.e.no.s.

E’ grave notare come in tutti e tre i grafici il divario Nord Sud
sia aumentato anziché ridursi. La cronica latenza di capitale privato
perdurata per tutto i venticinque anni, associata al crollo della quota
di investimenti in infrastrutture ( Figura 7), sembra offrire validi argo-
menti in favore della seconda tesi: il capitale pubblico non produttivo
è rilevato come significativo solamente perché le variazioni degli altri
fattori produttivi sono meno intense.
Entrambe le giustificazioni ipotizzate per spiegare lo strano com-
portamento del capitale pubblico non produttivo paiono valide. Alla
luce dell’andamento del processo di convergenza emergechiaramente
che esso è stato compromesso dalla diminuzione degli investimenti in
infrastrutture e in capitale privato a cui è seguita una intensificazione
degli investimenti in capitale pubblico non produttivo. L’impatto di
questo fattore emerge come fondamentale dal ’ in poi. Diventa signi-
ficativo e spiega i tassi di crescita. Ciò per due motivazioni.
La prima è che, nel generale crollo degli investimenti pubblici
la quota relativa di investimenti nel settore pubblico non produttivo è
cresciuta a scapito delle infrastrutture, facendo così aumentare il già
alto stock di capitale pubblico non produttivo presente nelle regioni.
La seconda è legata alla diminuzione degli investimenti in capitale pri-
vato che dopo la stagione ruggente del periodo ’-� ha fatto registra-
re tassi di crescita nulli se non addirittura negativi (periodo ’-�⁾.
Il capitale pubblico non produttivo è allora emerso come il più
importante fattore produttivo nello spiegare le variazioni dell’output.
Non volendo entrare nella spiegazione dei motivi politici che hanno
indotto a cambiare gli indirizzi nella gestione degli investimenti per
lo sviluppo del Mezzogiorno è bene ricordare quali sono state le ul-
time conseguenza di tali scelte. Il capitale pubblico non produttivo è
diventato l’unico fattore a far registrare un impatto positivo sul tasso
di crescita dell’output; sebbene questo input abbia spiegato i tassi di
crescita, esso non ha favorito la convergenza né si è rivelato capace di
spiegare l’andamento dell’output nel lungo periodo.
Si conclude quindi che l’evidenza empirica induce a giudicare
negativamente la svolta negli investimenti avvenuta alla fine degli anni
Settanta: l’aver disincentivato l’industrializzazione e l’aver fatto dimi-
nuire gli investimenti in infrastrutture a favore dell’espansione della
spesa per l’insediamento di capitale pubblico non produttivo ha com-
promesso il processo di convergenza.

Conclusioni
Il capitolo è cominciato con una dettagliata spiegazione del da-

taset utilizzato per l’analisi, si sono descritte in dettaglio le fonti e le
metodologie adottate per calcolare le serie storiche non disponibili ma
necessarie per l’analisi.
Il secondo passo è stato analizzare nel dettaglio la funzione di
offerta. Questa scelta può sembrare inutile alla luce dell’obiettivo gene-
rale del lavoro ma uno studio dettagliato sull’evoluzione e sui risultati
di venticinque anni di politiche per gli investimenti sembra imprescin-
dibile per esprimere un giudizio sulle Politiche Comunitarie.
L’analisi dell’impatto del capitale umano e del capitale pubbli-
co sull’output regionale ha messo in chiara evidenza alcuni fenomeni
importanti, che possono indicare utili suggerimenti nel processo deci-
sionale degli investimenti. Sì è confermato quello che emerge in tutti
i lavori che hanno analizzato le regioni Italiane: esistono differenze tra
Nord e Sud. A fianco di queste differenze si sono evidenziati anche
alcuni fenomeni comuni.
L’investimento in infrastrutture, il numero di unità di lavoro, il
capitale pubblico e quello privato, coerentemente con la letteratura
internazionale e quella italiana, sono emersi come fattori comuni a
tutte le regioni nello spiegare l’output e i suoi tassi di crescita. Gli inve-
stimenti in queste tipologie di bene hanno effetti benefici per l’output.
Dall’analisi in differenze è emerso che il capitale umano è risul-
tato essere significativo solamente nel Settentrione; è emerso, lungo
tutto il periodo analizzato, come le regioni che godono della scolarità
media della forza lavoro più alta riescono ad essere quelle più produtti-
ve. Infatti, il capitale umano, pur restando un add-on alla funzione, si
è rivelato importante e significativo per spiegare i tassi di crescita delle
regioni settentrionali. Per quanto riguarda l’andamento del livello di
questa variabile nel resto d’Italia, si nota come le regioni centrali abbia-
no mostrato una convergenza verso il livello di scolarità delle regioni
settentrionali. Nel Meridione d’Italia è emerso, al contrario, l’incapaci-
tà delle regioni di far crescere la crescere media della forza lavoro.
L’analisi del capitale pubblico ha messo in evidenza che esso svol-
ge un ruolo importante nello spiegare le variazioni e i livelli dell’output;
le infrastrutture si sono rivelate un fattore vitale per la crescita tanto nel
Settentrione quanto nelle regioni meridionali. Al contrario, l’impatto
del capitale pubblico non produttivo ha impattato positivamente sulla

crescita dell’output solamente nelle regioni meridionali.
La giustificazione che viene data a questo fenomeno è legato ad
un fattore dimensionale. Il suo influsso è positivo e viene rilevato delle
regressioni perché nelle regioni italiane il capitale pubblico pro-lavora-
tore è stato, lungo tutto l’arco considerato, molto più alto rispetto alla
media pro lavoratore delle regioni settentrionali e centrali. Se a questa
evidenza si aggiunge la carenza di capitale privato e la carenza di infra-
strutture tale conclusione sembra accettabile.
Alla luce di queste evidenze emergono molti spunti ed indica-
zioni per esprimere un giudizio sulle scelte politiche passate ma anche
utili indicazioni per valutare meglio le scelte effettuate dalle ammini-
strazioni centrali e locali nell’ allocazione delle risorse comunitarie.
I risultati qui ottenuti costituiranno infatti un fondamentale set
di strumenti per esprimere un giudizio sull’efficacia della spesa pub-
blica tramite i P.O.P. Gli spunti di discussione, insieme a quelli che
emergeranno in seguito costituiranno il punto di partenza per le con-
clusioni finali.

3. La stima dell’efficienza tecnica nella funzione
di produzione
Questo capitolo ha l’obiettivo di calcolare un indicatore che

esprima la capacità di utilizzo dei fattori produttivi e del grado si avan-
zamento tecnico delle singole regioni. La metodologia seguita è pre-
valentemente ispirata al lavoro di de la Fuente al quale sono state
apportate alcune sostanziali variazioni, ispirate dalla letteratura sulla
frontiera deterministica. L’idea di partenza è quella di costruire un
indicatore che approssimi in prima battuta la capacità di ottimizzare la
produzione, dato il vincolo delle le risorse disponibili (stock di capitale
pubblico e privato, capitale umano, unità di lavoro), e che sia descrit-
tivo della capacità delle singole Regioni di assimilare e introdurre nel
sistema produttivo le innovazioni tecnologiche necessarie al migliora-
mento della struttura produttiva.
Il concetto d’efficienza può intendersi come un meccanismo,
un corpus di metodologie e tecniche per meglio accordare le pre-
stazioni degli operai a quelle delle macchine. Il concetto d’efficienza
come principio di massimizzazione del rendimento delle performance
uomo-macchina è stato ridefinito alla fine dell’Ottocento; l’avvento
dell’industrializzazione permise di ridefinire l’efficienza in termini pu-
ramente meccanici, ovvero come criterio per trasformare la minima
quantità di energia, lavoro e capitale nel massimo prodotto utilizzando
il tempo minimo. Il concetto di efficienza è legato agli scritti di Tayor
che per primo in America parlò di organizzazione scientifica del lavoro
in azienda, è interessante ricordare che i concetti contenuti nei suoi
scritti si estesero rapidamente a tutti gli ambiti della società permean-
done tutti gli aspetti.
Dalla sua nascita ai giorni nostri il concetto d’efficienza è rimasto
immutato, le importanti implicazioni che esso ha avuto sullo sviluppo
economico delle economie capitaliste non si sono limitate a migliorare
gli assetti produttivi ma hanno invaso, in misura più o meno prepon-
derante, grandi fette della società civile che ha così dovuto modifica-
re parte della sua struttura in ragione dell’efficienza, in questo senso
l’esperienza storica americana è sicuramente connessa maggiormente
al concetto di efficienza e alle implicazioni che esso ha avuto sulla so-
cietà (si pensi al contenuto morale che gli americani attribuiscono alla

manifesta inefficienza di un individuo). Anche l’Europa e il resto dei
paesi industrializzati hanno accolto il concetto di efficienza produttiva
rifiutando però parte delle implicazioni per la società civile.
Queste osservazioni, abbastanza scollegate dall’obiettivo della
trattazione, servono per sottolineare che non esiste uno strumento di
analisi univoco per cogliere tutte le peculiarità associabili ad un aspet-
to che si vuole indagare.
Il concetto di efficienza produttiva
Il primo concetto da introdurre è la frontiera della produzio-

ne Per illustrare il concetto di frontiera della produzione si pensi ad
un sistema che ha a disposizione un determinato livello tecnologico e
che produce un output y avendo a disposizione un set di n-input X.
Il sistema sceglie, in funzione della tecnologia, un piano produttivo
che, per ogni livello degli n-input, restituisce un determinato output;
l’insieme di tutte le possibili combinazioni di input ed output costi-
tuiscono un set T, dove:
T = {(y, x) : x può produrre y} (3.1)
Tra le possibili combinazioni possibili ne esiste una che è massi-

mizzante e che sfrutta al meglio la tecnologia, rappresentabile come:
y = 1* f (X) (3.2)
cioè, dato il particolare set X di input il massimo output produ-

cibile è f(X). Scritta sottoforma di massimizzazione, la produzione di
frontiera è espressa da:
f (x ) = Max {ý: T (x, ý) ≥ 0} (3.3)
Il grafico in Figura 9 chiarisce la differenza tra piano produttivo

massimizzante “di frontiera” e l’insieme degli altri piani produttivi.
Lo spazio cartesiano rappresenta il set di input X sulle ascisse e
sulle ordinate il set di output y, l’area T corrisponde alle possibili com-
binazioni ottenibili dagli input che si hanno a disposizione. Sull’asse
delle x ci sono due particolari set di input: a e b su cui sono basati due
particolari piani produttivi: g(.) ed f(.) cui sono associati i due set di

input. Il piano f(a) sfrutta solo parzialmente la tecnologia disponibile,
il piano g(b), al contrario riflette la scelta di adottare un piano produt-
tivo massimizzante. Il luogo dei punti generato dalla funzione g(.), cioè
l’insieme dei piani produttivi che sono massimizzanti, è la frontiera
produttiva.
Figura 9
Piano produttivo di frontiera E piano non efficiente

L’ipotesi implicita nel piano produttivo di frontiera è che il set di
input è utilizzato in maniera efficiente, mentre qualunque altro piano
produttivo adottabile è non massimizzante e, quindi, inefficiente.
Nella letteratura si trovano molte definizioni di efficienza e molte
metodologie per la sua misurazione modi di misurare l’efficienza tecni-
ca. Un primo approccio consiste nell’analizzare l’efficienza guardando
alla capacità di diminuire gli sprechi derivanti dalla produzione; un se-
condo metodo è centrato sulla capacità di aumentare istantaneamente
la produzione dell’output alle variazione dell’input e viceversa, questo
approccio valuta l’efficienza misurandola esclusivamente con criteri
tecnici.
Koopmans () ha fornito una definizione formale dell’effi-
cienza tecnica:
“un produttore è tecnicamente efficiente se un incremento in qual-

che output richiede una riduzione in qualche altro output o un
aumento in almeno un input, e se una riduzione di uno degli
input richiede un incremento in almeno un altro input oppure
una riduzione di almeno un output”.
Debreu () e Farrell () hanno introdotto una misura del-

l’efficienza tecnica definita come:
“one minus the maximum equiproportionate reduction in all

inputs that still allows continued production of given outputs”
Un valore pari ad 1 indica che c’è efficienza tecnica poiché non

è possibile ridurre proporzionalmente nessun input, un valore minore
di uno evidenzia una inefficienza tecnica , inefficienza che è maggiore
quanto più il valore è uguale a zero.
Gran parte dei lavori che hanno tento di dare una misura dell’ef-
ficienza sono stati sviluppati seguendo il pionieristico di Farrell ()
che ha proposto un approccio per misurare l’efficienza tecnica senza
fare ricorso ai prezzi degli input e degli output.

I modelli econometrici per la misurazione dell’efficienza:una
breve introduzione
In questa sezione del capitolo viene illustrato in maggior detta-

glio l’idea di base che ha condotto ad adottare il modello della frontie-
ra deterministica come strumento di analisi utile alla valutazione del
comportamento delle regioni nell’allocare al meglio le risorse comu-
nitarie; verrà introdotta e spiegata la variabile “inefficienza relativa”, si
tratta di una variabile introdotta nel modello con l’esplicito obiettivo
di condizionare il calcolo dell’efficienza. Prima di illustrare lo specifico
modello econometrico adottato si procederà ad illustrare nel dettaglio
qual è il metodo tradizionale attraverso sui si cerca di stimare l’efficien-
za tecnica di un sistema produttivo.
Tipicamente un modello di produzione frontiera produttiva de-
terministica può essere scritto come
yi = f (X;β)* TEi (3.4)
dove y è l’output reale, X la matrice degli input e TE è un in-

dicatore della capacità della i-esima unità produttiva di massimizzare
l’output. Tradizionalmente TE ha un valore che oscilla tra 1 e 0, se è 1
significa cha il produttore ha ottenuto un output esattamente uguale a
quello potenziale, se, al contrario il valore è, ad esempio, 0.5 vuol dire
che il sistema produttivo ha ottenuto solamente il % di quanto era
possibile fare col set di input disponibile. TE quindi si rivela essere un
indicatore dell’efficienza tecnica.
Per il calcolo di TE i modelli di frontiera produttiva scompongo-
no i disturbi della (3.4) in due elementi: uno strutturale u che eviden-
zia le inefficienze ed uno random v. La scomposizione delle inefficienze
in random e strutturale permette che il valore dell’efficienza tecnica, nei
modelli di frontiera di produzione deterministica sia uguale a:
TE = exp(-ûi) (3.5)
Dove ûi è la stima del disturbo strutturale, non si ipotizzano

disturbi esogeni. Definito il modo con cui si misura l’efficienza nei
modelli deterministici è bene ricordare che i modelli di frontiera sto-
castica arricchiscono il modello contemplando l’ipotesi che entrambe
le tipologie di disturbi convivano nel sistema produttivo. Al contrario

quando si assume v=0 si cade nel metodo di stima dell’efficienza appe-
na descritto: produzione di frontiera deterministica. La differenzafon-
damentale tra l’approccio stocastico e quello deterministico riguarda
le proprietà di massima verosimiglianza dei parametri. Tuttavia in en-
trambi i casi il calcolo di TE prevede che si abbia a disposizione una
stima di della inefficienza strutturale, cioè ûi .
Nel calcolare ûi si utilizzano diversi metodi di stima che scatu-
riscono da diverse ipotesi sull’andamento della variabile disturbo. La
procedura standard prevede che nella prima fase vengano stimati coef-
ficienti dell’offerta aggregata e che successivamente dai residui ottenuti
si passi al calcolo dell’efficienza vera e propria.
L’approccio più diffuso nello studio della frontiera deterministica
è quello di imporre che i residui assumano valori sempre positivi cioè
che si distribuiscano come una normale troncata a sinistra, senza valori
negativi. Indipendentemente dalla metodologia di stima deve sempre
valere che uit>0 in modo che TE assuma valori compresi tra 0 e 1.
La ragione economica attribuita all’ampiezza delle gap tra output
potenziale e prodotto realizzato si giustifica con l’incapacità dell’unità
produttiva di sfruttare al meglio il set di input che ha a disposizione.
Nulla è però detto sul legame tra l’eventuale inefficienza e le disponibi-
lità tecnologiche di ogni singolo produttore.
Non vi è un esplicito riferimento alla tecnologia, essa è implicita-
mente inclusa nell’andamento dei residui. Inoltre non emerge chiara-
mente quanta parte delle inefficienze possa essere legata ad una cattiva
gestione e quanta invece possa essere legata alla carenza di processi
produttivi efficienti.
Prima di procedere sembra opportuno fare un chiarimento su
cosa si intende per tecnologia. La tecnologia è il mezzo con cui realizza-
re un determinato processo, essa nasce con l’uomo, inizialmente frutto
dell’intuito e delle conoscenze empiriche e solo recentemente (100-
120 anni circa) ha potuto contare sull’apporto della scienza. Mentre
la scienza è rivolta a creare la conoscenza, la tecnologia si interroga sui
modi con cui utilizzare al meglio la conoscenza acquisita. In questo
lavoro si farà riferimento a un concetto di tecnologia applicata alla pro-
duzione che può definirsi come lo studio dei processi, degli strumenti
meccanici, dei metodi che sono connessi al processo di trasformazione
di un input in output.
Si parlerà in seguito di livello tecnologico. Esso, alla luce di quan-
to detto, è la quantità di conoscenze che, applicate alla produzione, ne

migliora la capacità di trasformare gli input in output e quindi la pro-
duttività. E’bene precisare che questo stock di conoscenze può essere
stato acquisito mediante attività di ricerca e sviluppo o più semplice-
mente per spill-over. Dalla definizione qui data di tecnologia emerge
che essa si differenzia dalla capacità allocativa o dalla efficienza tecnica
che esprimono idee leggermente diverse.
L’approccio adottato per valutare l’andamento dell’efficienza nel-
le regioni italiane differisce leggermente dall’approccio tradizionale e
nasce dalla volontà di tenere in maggiore considerazione le differenze
della struttura produttiva, ovvero i diversi livelli tecnologici, come fat-
tori che possono influire più o meno indirettamente sull’andamento
dell’efficienza.
L’ipotesi di base si poggia sulla imprescindibile distinzione tra
dotazioni di input, efficienza tecnica e livello tecnologico necessari per
ottenere un dato output. Dato il vincolo di risorse (gli input) e la
tecnologia utilizzata per produrre l’ output, risulta più efficiente colui
che a parità di output spreca meno input oppure chi a parità di input
produce di più.
Il discorso vale, in linea di massima, anche se il livello degli stock
di input e di tecnologia cambiano24 , se però si ipotizzano livelli diversi
di tecnologia il giudizio di efficienza risulta inevitabilmente distorto e
condizionato dall’eterogeneità nei livelli tecnologici acquisiti.
Scendendo nello specifico caso delle regioni italiane nel caso di
un accesso uniforme alla tecnologia vengono elaborati venti piani pro-
duttivi che differiscono tra loro solamente in virtù di una diversa capa-
cità di ottimizzare al meglio la produzione. In questo caso l’approccio
tradizionale sembra opportuno per condurre l’analisi, i residui della
regressione calcolati opportunamente possono essere utilizzati per de-
terminare TE = exp{-ûi} e valutare l’efficienza di ogni Regione.
Al contrario, l’esistenza di diversi gradi di dotazione tecnologica,
costringe ogni sistema economico a comportarsi diversamente nella
24. Ipotizzare scelta del piano produttivo da adottare. L’idea è che, indipendente-
che i rendimenti mente da come ogni regione gestisce e ottimizza il set produttivo a
di scala della sua disposizione, il piano produttivo, se comparato e sottoposto a
tecnologia giudizio di efficienza con quelli delle altre regioni, risente positivamen-
rimanga costante
te o negativamente del vantaggio o del gap nel livello di tecnologie
è un’ipotesi spesso
utilizzata dalla let- regionali. Una regione con uno stock più elevato di tecnologia, indi-
teratura, ma molto pendentemente dalla efficienza tecnica che sarà capace di esprimere nel
discussa. piano produttivo, parte con un vantaggio strutturale. In questa sede

si terrà conto, nei limiti del possibile, di entrambi questi elementi. In
particolare dato l’ammontare delle tecnologia e delle conoscenze che,
se implementate nel processo produttivo portano al rientro del gap
produttivo, l’efficienza si può definire anche come la capacità espressa
dalla Regione di assorbire efficacemente e velocemente le migliorie che
si evidenziano come necessarie perché il sistema produttivo diventi più
efficiente.
L’indicatore che si tenta di costruire parte dall’idea che, in ge-
nerale, l’insieme delle migliorie che sono necessarie per aumentare la
produzione siano facilmente diffondibili tra le regioni, la tecnologia
quindi sarà ipotizzabile come immediatamente trasferibile.
L’aumento di output che consegue all’aver introdotto efficace-
mente all’interno del sistema produttivo una quota di nuove “cono-
scenze produttive”, ovvero un aumento di tecnologie può essere ricon-
dotto alla volontà del sistema di ridurre le distanze che la separano da
regioni più avanzate tecnicamente e che le porta a migliorare la qualità
tecnologica del proprio sistema produttivo.Si tenterà quindi di speci-
ficare l’offerta in modo da mettere in evidenza l’efficienza regionale le-
gandola, oltre che alla abilità nell’allocare efficacemente la produzione,
anche alla capacità di introdurre nel sistema l’ammontare di fattori che
permette alla regione di adeguare il proprio livello tecnologico al livello
delle altre regioni.
Il modello adottato per la misurazione dell’efficienza regionale
Come detto all’inizio del capitolo il modello nasce dalla necessità

di calcolare l’andamento dell’efficienza introducendo però una varia-
bile che descriva il gap nei livelli tecnologici di ogni regione. Prima di
procedere con l’esposizione del modello si utilizzeranno due grafici per
esprimere sinteticamente l’idea che ha indotto a modificare il modello
per il calcolo dell’efficienza.
Il grafico in Figura 10 illustra l’idea che ha indotto a variare il
tradizionale modello standard di frontiera efficiente. Nel grafico sono
rappresentati l’andamento dell’output di frontiera e il prodotto di due
sistemi produttivi: a e b che hanno due dotazioni di input coincidenti,
Xa ̅-̲ Xb. Si ipotizzi che gli output prodotti da questi due sistemi siano
diversi ed in particolare che a produca meno di b perché probabil-
mente presenta un sistema produttivo più obsoleto ed una efficienza

tecnica più bassa. I modelli standard per la misurazione dell’efficienza
considerano la distanza dell’output dalla frontiera come l’espressione
dell’inefficienza dei due sistemi produttivi e trasformano, fatta salvi
errori random, queste distanze in un indicatore che, come detto, oscilla
tra zero e uno. Nel particolare caso in questione un modello tradizio-
nale di misurazione delle capacità produttive attribuisce una maggiore
efficienza al sistema produttivo b.
Figura 10
Inefficienza relativa di due unità produttive con la stessa dotazione
di Input

Se si fissa come riferimento per misurare l’inefficienza l’output
medio anziché la frontiera, si ottiene una misura relativizzata dell’inef-
ficienza. In altre parole se prima per stabilire l’inefficienza di a si sot-
traeva alla frontiera f (Xa), ora si sottrae f (Xmedio) a f (Xa), lo stesso per
f (Xb). In questo modo si relativizza la misura della inefficienza di ogni
unità produttiva a tutti gli altri sistemi produttivi. Data l’efficienza che
la regione riesce ad esprimere con il livello di tecnologia che ha a di-
sposizione, l’aver ottenuto una misura delle proprie inefficienze pone la
base per misurare, per ogni singola unità produttiva, lo stock 25 necessa-
rio di miglioramenti che devono essere apportati al sistema produttivo
affinché esso colmi il gap con le rimanenti regioni omogeneizzando il
proprio livello tecnologico. La funzione che sembra più opportuna per
approssimare la misura di questo ammontare di tecnologie che si ren-
dono necessarie al sistema produttivo è quella esponenziale.
Come si vede nella parte bassa del grafico, il sistema produttivo
b, in quanto relativamente più efficiente rispetto ad a, per spingere
ulteriormente oltre la produzione deve limitarsi ad introdurre nella
proprio sistema produttivo una quantità relativamente bassa di mi-
gliorie tecnologiche. Al contrario il sistema produttivo a, già risultante
estremamente arretrato, data l’efficienza tecnica di cui è dotato, nel
caso volesse colmare il gap e porre i presupposti per convergere verso la
frontiera produttiva, dovrà fare uno sforzo nell’introdurre nel proprio
sistema produttivo una quantità di migliorie che sono, in assoluto,
maggiori di b.
L’aver catturato questo effetto trasforma il livello di inefficienza
registrata in un valore che indica quanto le Regioni devono fare per
avvicinare il loro livello tecnologico al livello di medio nazionale e ri-
pianare le disuguaglianze tecnologiche. Calcolato quanto è necessario
ad ogni unità per convergere ai livelli di inefficienza medio, l’impegno
con cui ogni Regione si sforza di colmare questo gap sarà riflesso nel
valore dell’efficienza.
Il modello di partenza è quello della funzione di produzione sto-
castica, con inclusa l’efficienza tecnica:
yi = f (xi;β)* exp{vi}*TEi (3.6)
dove y, X e β sono le variabili già descritte nel capitolo prece-

dente, mentre vi cattura l’effetto di variazioni stocastiche specifiche ad
ogni produttore.

Sotto questa ipotesi si ha che:
yi
TEi =_______________ (3.7)
f (xi;β)* exp{vi}
in cui f (xi;β)* exp{vi} è, come definito da Kumbhakar e Lovell

(2000):
“The maximum feasible output in an environment characterized

by exp{vi}”
se si impone vi=0 si cade nel caso particolare della frontiera de-

terministica e si ha:
yi = f (Xi;β)*TEi (3.8)
in cui TE = exp(-ûi), dove gli ui sono stimati imponendo che

siano non negativi. Se dalla (3.6) si elimina TE e si ipotizza l’esistenza
di inefficienze si ottiene:
yi ≤ f (xi;β)* exp{vi} (3.9)
che è la produzione di frontiera stocastica. Per tornare all’equili-

brio della (3.8) e della (3.7) e per introdurre un parametro che misuri
l’efficienza si sostituirà a TE il coefficiente λi, con λi tale che 0< λi< 1.
Si tratta di un coefficiente specifico ad ogni produttore che fornisce
una misura dell’efficienza. La differenza tra λi ed exp(-ûi) è che mentre
il primo è un parametro specifico di ogni produttore, exp(-ûi) è otte-
nuto come estrazione da una distribuzione i cui unici parametri sono
quelli associati alla distribuzione di u.
Alla luce di queste variazioni la (3.5) può essere riscritta come:
yi = f (xi;β)* c*λi (3.10)
Prima di passare all’esposizione, in cui si entra nei dettagli della

stima, è bene evidenziare l’ultima e fondamentale modifica apportata
al modello tradizionale.
Come detto, vi è una variabile random che altera la frontiera di
ogni sistema produttivo e che ne caratterizza i livelli di output potenzia-
le definendo l’”ambiente” in cui il singolo sistema produttivo si trova

ad operare. Questa ipotesi implica che le differenze nelle frontiere di
ogni unità produttiva sono legate ad un fattore casuale ed in questa
sede invece che exp{vi} sarà sostituita da una variabile deterministica
d che altro non è che il livello tecnologico nella regione.
Questa variabile è stata introdotta con l’esplicito scopo di condi-
zionare il calcolo dell’efficienza, in questo modo si spera di avere un
indicatore che risulti condizionato dalle deficienze tecnologiche che
impediscono di raggiungere un livello di inefficienza omogeneo tra le
regioni.
Il coefficiente stimato dovrebbe allora essere l’espressione in pri-
mis della capacità della regione di allocare al meglio le risorse e in se-
condo luogo dello sforzo compiuto da quelle regioni che, pur avendo
un gap nelle dotazioni di tecnologie, sono riuscite a far rientrare queste
differenze. Il modello viene così riscritto:
yi = f (xi;β)*λi*di+vi (3.11)
Dove X e d sono variabili deterministiche mentre βi e λi sono

parametri da stimare. Si è introdotto un margine di errore v che si ipo-
tizzerà essere un disturbo esogeno sull’equilibrio della (3.11).
La funzione di offerta da stimare è la Cobb-Douglas del celebre
modello di Solow. Si assumerà, quindi, che la funzione è strutturata
nella seguente forma
Yit = Kin itθKin KpubitθKpub KpritθKpr LitθL HitθH (3.12)
Y indica l’output aggregato regionale, Kin lo stock di infrastrut-

ture, Kpr lo stock di capitale privato, Kpub lo stock di capitale pubblico
non infrastrutturale, L le unità di lavoro, H lo stock di capitale uma-
no.
Prendendo la (3.12) in logaritmi ed aggiungendo l’effetto fisso
regionale si ottiene:
yit = αi + θkinkinit + θkpubkpubit + θkprkprit + θklit + θhhit + εit

(3.13)
A questo punto la pratica standard è quella di considerare im-

plicitamente l’efficienza come una variabile esogena inosservabile, che
deve essere catturata dalla costante. Per calcolare l’efficienza si apporta
una modifica sostanziale alla (3.13). Essa viene trasformata moltipli-

candola, come nella (3.11), con λidit ed introducendo l’effetto fisso.
Si ottiene:
yit = αi + λidit (θkinkinit + θkpubkpubit + θkprkprit + θklit + θhhit ) +vit

(3.14)
differenziando, e mantenendo l’effetto fisso la (3.14) diventa:
Δyit = αi + λiΔdit(θkinΔkinit + θkpubΔkpubit + θkprΔkprit + θkΔlit + θhΔhit)+vi

(3.15)
Si noti che l’errore è diventato, dopo le variazioni introdotte, v.

Dall’output della regressione condotta sulla (3.15) verranno stimati,
come di consuetudine, i coefficienti associati ai vari regressori e λi,
dove il valore stimato di quest’ultimo coefficiente variabile sarà otte-
nuto inserendolo come coefficiente cross-section.
Il valore ottenuto dalla stima evidenzierà l’effettivo contributo
delle variazioni del livello tecnologico regionale sui tassi di crescita del-
l’output, data la variazione del livello tecnologico. Il coefficiente otte-
nuto dalla stima sarà interpretabile non come il contributo marginale
della la variazione del livello tecnologico, bensì come la capacità della
regione di ottimizzare rispetto al vincolo di risorse e di inserire nel
sistema le tecnologie necessarie. Si assume quindi che la variazione del
livello tecnologico disponibile possa teoricamente rimanere ininfluen-
te sulla crescita se il risultato della stima di λi è nulla. Ciò significa che
le novità tecnologiche, anche se disponibili ed accessibili non vengono
introdotte efficacemente nei processi produttivi di beni pubblici e pri-
vati, inoltre per la valenza attribuita a λi, un suo basso valore eviden-
zierà comunque una mancanza di efficienza. Emerge un primo limite
dell’indicatore che è l’incapacità di separare la semplice efficienza allo-
cativa dalla capacità di introdurre nel sistema le tecnologie che via via
si rendono necessarie. L’indicatore cattura i due effetti senza possibilità
di separarli.
Il vantaggio di questa specificazione è che λi e βi possono essere
calcolati direttamente e simultaneamente utilizzando gli OLS durante
la stima del sistema senza imporre particolari ipotesi sulla forma dei
residui v definiti come un rumore che influenza esogenamente l’equili-
brio. L’unica richiesta è che nella stima si stabilisca ex-ante una regione
che nell’arco temporale deve essere presa a termine di paragone come

misura cui confrontare le altre. Praticamente deve essere inserita in una
delle venti equazioni un valore predeterminato del coefficiente.
Nel passare dalla teoria all’evidenza empirica si incontrano diffi-
coltà pratiche nel calcolare ∆dit , cioè le variazioni nel livello tecnologi-
co regionale, ovvero la tecnologia che si evidenzia come necessaria e che
deve essere introdotta nel sistema per raggiungere il livello di efficienza
media delle altre Regioni. Lo schema in Figura 10 ritorna molto utile
adesso. Se dit è difficilmente calcolabile ∆dit al contrario può emergere
dai dati, cioè come esponenziale delle inefficienze relative.
Una volta calcolato ∆dit l’efficienza tecnica sarà completamente
inserita come regressore nel momento della stima dei coefficienti.
L’impossibilità di ottenere una serie precisa su ∆dit ha spinto ad
elaborare l’esistenza di un legame tra gap tecnologico e variazione del-
l’efficienza tecnica. L’intuizione è chiarita nel grafico in Figura 10. Il
gap tecnologico, pur non essendo di immediato calcolo, è una variabile
che è possibile calcolare indirettamente viste le dimensioni del data-
set.
Per quello che riguarda la natura del gap tecnologico e della varia-
zione della tecnologia regionale, il legame ipotizzato, come già prean-
nunciato nei paragrafi precedenti, segue questa struttura:
∆dit = exp(- Gdit) (3.16)
dove Gdit è il gap tecnologico della i-esima regione rispetto al

resto della nazione e ∆dit è la variazione della tecnologia trasferibile da
introdurre all’interno della regione.
La (3.16) è molto vantaggiosa per apprezzare le variazioni di dit.
Il dominio, compreso tra ±∞ si collega con l’ipotesi che il gap tecno-
logico possa assumere valori negativi o positivi. Il codominio è com-
preso tra 0 e ±∞ e riflette l’ipotesi che la variazione della tecnologia
da introdurre per raggiungere aumentare le possibilità di raggiungere
la frontiera è sempre positiva, anche nel caso in cui il gap rispetto alla
media nazionale sia nullo. Si ricorda nuovamente che avere tecnolo-
gie allo stato dell’arte non è comunque una condizione sufficiente per
raggiungere la frontiera, sarà necessario essere efficienti nella gestione
di tale tecnologia. Un produttore cha abbia a disposizione l’ultimo ri-
trovato in fatto di tecnologia produttiva ma non è capace di gestire tale
apparecchiatura sarà sempre e comunque meno efficiente di un altro
che, pur non contando sull’ultima novità, riesce ad ottenere da esso il
100% delle capacità.

Tornando al calcolo della tecnologia necessaria alla Regione per
colmare il gap, anche quando Gdit=0, si sarà registrato comunque una
sua variazione pari ad uno. Successivamente sarà meglio chiaro questo
passaggio.
In virtù della (3.16) un gap tecnologico (Gdit) negativo, implica
che la regione sta perdendo terreno rispetto alla media italiana, le sue
inefficienze per quanto compensabili con una efficienza tecnica elevata
sono destinate ad aumentare a causa del deterioramento della obsole-
scenza della tecnologia. Per colmare il gap che la separa dal resto delle
regioni è possibile che all’interno della regione vanga fatto uno sforzo
maggiore per importare tecnologie e far variare positivamente, nel cor-
so di t, la propria dotazione tecnologica.
Se Gdit , al contrario, ha un valore positivo significa che la regione
in t presenta un vantaggio tecnologico rispetto alla media nazionale,
la conseguenza, in virtù della (3.16) è che durante il periodo, per av-
vicinare l’output reale a quello di frontiera sarà necessario un ulteriore
aumento delle tecnologie necessarie. Ovviamente nel caso in cui la re-
gione dovesse introdurre le nuove tecnologie il loro impatto rimarrà
condizionato alle capacità delle singole regioni di sfruttare al massimo
queste tecnologie.
La (3.16) riflette un preciso andamento della tecnologia trasferi-
bile tra le regioni. Il bisogno di tecnologie è, ragionevolmente, maggio-
re nelle regioni più arretrate: chi si trova indietro, oltre ad avere incen-
tivi a colmare velocemente il gap importando tecnologie, ha bisogno,
in senso stretto, di produrre o importare più innovazioni delle regioni
più progredite. Si ipotizza quindi che esista un processo di convergenza
tecnologica che è veloce nelle prima fasi ma che rallenta diminuisce
quando le regioni diventano più simili.
Le regioni che, al contrario, godono di accesso alle tecnologie più
avanzate e che registrano una performance positiva rispetto al bench-
mark continuano ad accrescere il loro livello tecnologico e, quindi, la
loro efficienza tecnica ma incontrano maggiori difficoltà nell’immette-
re nuove tecnologie registrando ∆dit positivi ma bassi. L’idea incorpo-
rata in quest’ultima affermazione è infatti legata a tre osservazioni.
La prima osservazione è che le regioni che hanno accesso alle tec-
nologie migliori sono, presumibilmente anche quelle che più frequen-
temente producono, testano ed implementano nuove tecnologie nel si-
stema produttivo. Tuttavia l’attività di R&D ha dei costi ed incorpora
in se possibilità di insuccessi; la summa di rischi e costi sopportati per
mantenere una posizione dominante si riflettono poi sulla maggiore

difficoltà ad introdurre ulteriori nuove tecnologie.
La seconda osservazione è legata al fatto che le tecnologie diven-
tano più o meno velocemente vecchie e che esse si diffondono molto
rapidamente, la conseguenza è che il vantaggio tecnologico acquisitosi
erode velocemente. Il fenomeno è maggiormente accentuato se si con-
sidera la tecnologia trasferibile. Le regioni posso importarla colmando
così il gap le regioni così aumentano il livello medio della tecnologia
interregionale ed eliminano il vantaggio tecnologico di altre regioni.
La terza osservazione, la più importante, emerge guardando la
funzione di produzione in
Figura 10, le regioni che devono accrescere il loro livello tecno-
logico in misura minore sono anche quelle che presentano un livelli
produttivi più alti. Si veda ad esempio il sistema produttivo b, a parità
di input lo stock di nuove tecnologie da aggiungere è sempre più basso
tanto più quanto più esso si avvicina all’efficienza assoluta.
Il grafico nella Figura 11 prende in considerazione ed illustra il
processo di convergenza che si aspetta da una regione che in t presenti
un ritardo tecnologico dalla media nazionale.
Figura 11
GAP tecnologico E andamento del livello tecnologico: dal GAP all’over-
performance

Da t a t+n , nella regione, si nota un miglioramento; parten-
do da una situazione di gap, nel grafico è rappresentato il processo di
convergenza. Man mano che il gap rientra, all’interno della regione si
osservano diminuzioni della quantità di tecnologia che le servono per
avvicinarsi alla propria frontiera. Di conseguenza, la tecnologia mo-
strerà un tasso di crescita molto alto nelle regioni più arretrate, cioè
quelle con Gdit negativo, tasso che tende a scendere man mano che
l’efficienza tecnica si uniforma tra le varie regioni.
I miglioramenti che si registrano da t0 a t+n sono legati ad un
preciso andamento della quantità di tecnologia che deve essere intro-
dotta nel sistema e che condiziona il rientro del gap. Un alto livello
del gap tecnologico richiede che vengano introdotte molte migliorie al
sistema (∆d alto), col tempo l’ammontare decresce gradualmente fino
a diventare, in t+n, vicino a zero. In t+n il livello di efficienza relativo
è nullo, tale da posizionare, nel caso di una associata efficienza tecnica
altrettanto alta, il sistema verso l’efficienza assoluta.
Quando il gap rimane invariato, cioè Gdit=0 si ha che ∆dit=1 che
è sostanzialmente il valore cui, in ogni intervallo, si standardizza l’am-
montare di nuove tecnologie che possono essere introdotto all’interno
del sistema produttivo “medio”.
La stima delle variazioni della dotazione tecnologica impone che
in primis si calcoli Gdit. Si è detto che Gdit è una variabile che basata
sul confronto tra la singola regione e le altre, quindi il modo migliore
per approssimarla è impostare tutto il calcolo cercando di individua-
re un metodo che premetta di evidenziare le differenze tra le regioni.
Il metodo adottato parte dall’idea sottostante la teoria della frontiera
deterministica. Modificando la specificazione della funzione di pro-
duzione e conducendo l’analisi in differenze rispetto alla media delle
variabili indipendenti e dipendente, si ottengono dei residui che non
rappresentano più la distanza rispetto alla frontiera ideale ma che de-
scrivono l’andamento relativo delle inefficienze rispetto all’andamento
medio delle inefficienze interregionali. Il risultato cui si giunge infine è
che Gdit verrà scritto come funzione degli scarti, di ogni variabile della
funzione di produzione, rispetto al suo valor medio.
Gdit = f ((yit - ȳy),(hit - ht),(kinit-kint),(kpubit - kpubt),(kprit - kprt),(lit - lt))

(3.17)
dove le variabili soprassegnate indicano che si tratta di media

nazionali. Applicando l’analisi della frontiera di efficienza alle venti
Regioni italiane i residui darebbero origine a venti serie che rappresen-
tano le inefficienze della produzione regionale. Le serie indicherebbero
allora le inefficienze di ogni regione.
Se si stima y-yb=f (X-Xb), dove l’apice indica le media di ciascuna
variabile, questa funzione, attraverso l’utilizzo di un benchmark oltre
ad indicare il legame tra over performance26 della produzione e diffe-
renze all’interno del set di input permette di analizzare ed evidenziare
le eventuali variazioni di inefficienza. Un secondo vantaggio di que-
sta metodologia è che viene meno la necessità che i residui siano non
negativi. I residui positivi continueranno ad evidenziare che c’è stata
una inefficienza minore rispetto allo standard di confronto, quelli che
hanno valori negativi evidenziano invece che il livello di inefficienza è
stato maggiore rispetto a quello del benchmark.
I residui ottenuti stimando y-yb=f (X-Xb) approssimeranno Gdit,
cioè i gap tecnologici di ogni regione rispetto all’altra. E’ bene chiarire
che in pratica il benchmark è un’insieme di osservazioni, è una sorta di
regione ideale in cui le osservazioni relative alle variabili sono dati dalle
medie interregionali. Questo set viene costruito in modo che la serie
y-f(Xa) sia non nulla. Si vuole che il set di osservazioni sulle variabili
abbia delle inefficienze, possibilmente sia pari al livello di inefficienza
medio che si registrato nel tempo.
Il termine di paragone che permette di evidenziare le differenze
tra le regioni, come detto sopra, è la media interregionale di ciascuna
variabile, in questo modo si è ottenuto un set di variabili che costitui-
sce il benchmark di riferimento. Il sistema produttivo di riferimento,
basato sul set di variabili benchmark, deve presentare un livello di inef-
ficienza “medio” che sarà uguale a:
ineff = ȳt - αt + θkinkint+ θkpubkpubt + θkpr- kprt +θhht + θlly

(3.18)
dove la linea sul nome delle variabili e l’assenza di indici in-
dica che si sta lavorando con le medie. I residui di questa equazione
stimata sul set benchmark, presenta il livello di inefficienza che è il
riferimento a cui verranno confrontate tutte le inefficienze regionali
26. Cioè che si che sono uguali a:
è registrato un
valore della varia-
ineffi = yit - αit + θkinkinit+ θkpubkpubit + θkpr- kprit +θhhit +θllit
bile superiore alla
media nazionale. (3.19)

Definiti i due livelli di inefficienza, l’ipotesi che viene fatta è che
il gap tecnologico della i-esima regione viene approssimato da:
Gdit ; ineffit - inefft (3.20)
le regioni più o meno inefficienti rispetto al benchmark denun-

ciano un gap o un vantaggio tecnologico pari all’incirca alla differenza
tra i livelli di inefficienza regionale e medio.
Tralasciando i livelli di inefficienza assoluta di ogni Regione, ciò
che importa è la variazione delle inefficienza regionali rispetto all’anda-
mento del benchmark. Quanto maggior è la inefficienza di una regione
rispetto al benchmark tanto più dit sarà basso e viceversa, quanto più
una regione sarà stata meno inefficiente rispetto alla media nazionale
tanto più è evidente l’ampiezza del livello tecnologico.
Sottraendo la (3.19) dalla (3.20) si ottiene:
Gdit= ineffit - inefft = yit -θkinkinit +θkpubkpubit +θkprkprit +θeffhit +θllit-αt

(3.21)
dove i tilde indicano le variabili ottenute sottraendo loro il corri-

spondente valor medio e, in particolare,α, ͂i = αi-α dove
α = (1/N)�αi . Dalla stima della (3.21) si è ottenuto Gdit.
i
Dopo aver costruito il set di variabili di riferimento, si è stimata la
(3.21) con gli OLS ed imponendo l’effetto fisso. I residui così ottenuti
sono stati poi utilizzati per il calcolo delle variazioni delle dotazioni
tecnologiche secondo la (3.16).
I risultati della stima: ranking delle regioni e variazione del-

l’efficienza nel tempo
Dopo aver calcolato le differenza tecnologiche e ∆dit si è procedu-

to alla stima vera e propria della (3.15), cioè dell’offerta aggregata mo-
dificata per ottenere le stime di λi. Il metodo qui adottato, come nella
stima della funzione di offerta, sono i Minimi Quadrati Generalizzati
per ovviare alla sospetta eteroschedasticità dei residui. In particolare
la stima della funzione per in calcolo dell’efficienza è stata effettuata
costruendo un sistema di equazioni in cui ∆dit è stato inserito come
variabile cross-section, il valore del coefficiente associato alla distanza
tecnologica è la stima dell’efficienza regionale.

Nello stimare il sistema è necessario che si fissi ex-ante, su una
delle equazioni, il valore dell’efficienza. Si noti bene che questo valore
funge solamente da unità di misura in quanto i valori ottenuti stiman-
do λi utilizzeranno il valore numerario assegnato ad una delle variabili
come metro di misura. Un valore alto indicherà che si è stati molto
efficienti, al contrario valori bassi evidenzieranno scarsa efficienza.
La scelta della equazione e del valore di λi è completamente arbi-
traria. Per dimostrare che la stima è assolutamente indipendente dalla
scelta dell’equazione e della costante si vedano le spiegazioni e le Ta-
vole in Appendice I.
Qualunque equazione venga scelta per imporre la restrizione la
classificazione che segue vede sempre la stessa regione, lungo il periodo
’ � �, come la più efficiente: l’Emilia Romagna. Indipendentemen-
te dalla restrizione, e quindi dal termine di confronto scelto, il valore
dell’efficienza che viene stimato per questa regione è sempre il più alto,
anche se di pochissimo rispetto alla Lombardia.
Il computo dell’efficienza non si è limitato al periodo ’ � �
ma è proseguito separando in tre sottoperiodi ’ - �, � - �, �
- � l’arco temporale analizzato. Il motivo fondamentale per cui si è
sezionato l’intervallo temporale in tre blocchi è essenzialmente econo-
mico, anche se si è notato che le stime dei parametri associati al set i
regressori sembrano essere tanto più distorte quanto più il campione
viene ristretto.
Il periodo ’ -  è stato studiato essenzialmente per ottenere un
ranking iniziale cui comparare tutti gli altri risultati. Il secondo perio-
do è inteso a misurare i livelli di efficienza durante una congiuntura
negativa, lo scopo è quello di valutare l’andamento dell’efficienza nel
periodo della crisi petrolifera e della crisi fiscale di cui si è parlato nel-
l’primo capitolo. Il terzo periodo analizzato mira ad apprezzare come
l’introduzione delle politiche europee per la coesione, introdotte con
il Trattato d’Unione Europea dell’1, abbia influito sull’efficienza
regionale.
Nella seguente Tabella vengono indicati i risultati ottenuti sti-
mando l’efficienza nei quattro sottoperiodi considerati. Per ogni regio-
ne è stilato un ranking in cui la regione più efficiente fa anche da riferi-
mento per la standardizzazione. Nell’indicatore dell’efficienza calcolato
sul periodo ’ – ’ si è notato che l’Emilia Romagna, indipendente-
mente dalla regione su cui si è imposta la restrizione ha mostrato il va-
lore più alto per cui si è proceduto ad imporre. Lo stesso procedimento
è stato seguito per i tre sottoperiodi in modo che per ogni periodo
venisse associato alla regione più efficiente λEMR = 1.

Tabella 14
Efficienza tecnica delle venti regioni italiane. Andamenti registrati in tre
sottoperiodi
’70-‘96 ’70-‘75 ’76-‘85 ’86-‘96
Regione Valore Regione Valore Regione Valore Regione Valore
1 EMR 1,000 TAA 1,00 EMR 1,00 LOM 1,00
2 LOM 0,897 CAM 0,98 FVG 0,82 CAL 0,93
3 PIE 0,678 VEN 0,93 LOM 0,80 ABR 0,91
4 LIG 0,640 LIG 0,82 TOS 0,74 EMR 0,91
5 FVG 0,636 BAS 0,78 VEN 0,70 PIE 0,83
6 VEN 0,633 EMR 0,72 PIE 0,64 BAS 0,78
7 TOS 0,622 PIE 0,55 UMB 0,46 SAR 0,74
8 SIC 0,551 FVG 0,55 SIC 0,41 LAZ 0,73
9 UMB 0,527 PUG 0,55 BAS 0,37 MAR 0,71
10 BAS 0,495 MOL 0,53 CAM 0,37 TOS 0,68
11 MAR 0,490 LOM 0,46 MAR 0,33 FVG 0,66
Rielaborazioni 12 PUG 0,474 MAR 0,44 PUG 0,32 MOL 0,62

sulle basi dati Pic
C.r.e ta: dizz risp 13 CAM 0,461 LAZ 0,41 TAA 0,28 VEN 0,61
1. L col ella
regioni valutando 14 CAL 0,445 CAL 0,39 LIG 0,25 SIC 0,59
l’andamento di
λi lungo tutto 15 TAA 0,439 TOS 0,35 VDA 0,24 LIG 0,59
l’arco temporale
considerato. Emilia 16 MOL 0,412 UMB 0,31 MOL 0,23 PUG 0,56
Romagna e Lom-
17 LAZ 0,362 SAR 0,22 CAL 0,21 CAM 0,47
bardia sono state
le regioni ci e .no.s.
18 SAR 0,321 VDA 0,19 SAR 0,17 UMB 0,36
No standar azione
etto ad a prima
19 VDA 0,259 SIC 0,02 LAZ 0,10 VDA 0,17
onna d tabella
classifica le 20 ABR 0,253 ABR 0,001 ABR 0,9 TAA 0,14
regioni

Le prime tre regioni classificate sono confinanti, tutte e tre com-
prendono gran parte della pianura padana. La Liguria, il Friuli e il
Veneto condividono l’appartenenza alla macro area settentrionale e
condivido il fatto di affacciarsi tutte e tre sul mare, è possibile pensare
che queste regioni abbiano tratto beneficio dallo sfruttamento delle
opportunità legate al settore marittimo. Si pensi ai cantieri navali di
Venezia, ai porti di Genova e Trieste, storicamente i più importanti per
volume di merci mobilitato.
Scendendo nelle posizioni intermedie, diventa più difficile indi-
viduare delle particolarità tali da giustificare una minore o maggiore
efficienza. Il confronto tra le prime regioni e le ultime evidenzia l’im-
portanza dell’orografia del territorio e la posizione geografica rispetto al
resto delle regioni. L’ Abruzzo e la Valle d’Aosta, ad esempio, posso aver
subito un’influenza negativa dalla struttura del territorio, non hanno
pianure e questo potrebbe aver influito negativamente sull’andamento
dell’efficienza. In conclusione le cause che possono aver influito sui
differenziali di efficienza variano da regione a regione.
Le ipotesi fatte nel costruire l’indice di efficienza non attribuisco-
no rilevanza alla posizione geografica o alla orografia del territorio, il
valore dell’efficienza di ogni regione è legato alle disponibilità di fattori
produttivi e alla capacità di allocarle efficacemente. Quindi sembra di
poca utilità interpretare l’andamento dell’efficienza legandolo alle pe-
culiarità geografiche; è indubbio che l’andamento dell’efficienza possa
essere stato influenzato dalla posizione geografica o dall’accesso al mare
e non sarebbero realistico non concedere che la struttura orografia re-
gionale abbia influenzato l’efficienza tecnica, tuttavia l’indicatore è sta-
to calcolato essenzialmente per essere un metro di misura delle capacità
manageriali ipotizzando che questa possano essere condizionate dalla
dotazione tecnologica e non dalla struttura del territorio regionale.
Le rimanenti colonne illustrano come l’efficienza si sia evoluta
nei tre periodi temporali considerati. Il confronto tra la terza e la quar-
ta colona mette in chiara evidenza l’impatto negativo sull’efficienza
dei problemi affrontati dal paese in quegli anni. La caduta degli inve-
stimenti nelle Regioni italiane sembra aver depresso il livello generale
dell’efficienza. Il grafico contenuto in Figura 12 evidenzia come nei
due periodi analizzati ci sia stato una diminuzione del livello intrinseco
dell’efficienza associato ad ogni regione. La crisi economica quindi ha
messo in difficoltà le capacità direzionali della gran parte delle regioni.
Si conferma un vecchio principio contenuto in ogni manuale di mi-
croeconomia: una periodo di crisi serve a mettere in evidenza le unità

produttive meno efficienti che vengono espulse dal mercato. La diffe-
renza sostanziale è che qui non si considerano imprese ma regioni.
Figura 12
Andamento dell’efficienza regionale nei periodi ’70 - ’75 e ’76 - ‘85
Il periodo che coincide con l’inizio delle attività di intervento

della Comunità Europea può essere inquadrato, come già evidenziato
nel primo capitolo, come un era in cui le opportunità di investimento,
in congiunzione con la ripresa economica, hanno permesso alle regioni
di migliorare il livello di efficienza. Alla fine del ’96 la classifica delle re-
gioni vede molte regioni del meridione piazzarsi tra le prime posizione
il livello di efficienza raggiunto. Nel prossimo paragrafo verrà illustrato
meglio la ragione di questi risultati.
Il grafico nella Figura 13 evidenzia che i livelli di efficienza più
alti si sono registrati nel periodo ’ - ’. Fatta eccezione per la prima
posizione che presenta sempre il valore 1 in quanto riferimento cui
sono stati standardizzati tutti gli altri coefficienti, si nota che il valore
dell’efficienza associato ad ogni posizione raggiunge il valore massimo
solamente in questo periodo. Relativamente al periodo ’ -’ si nota
che tutti valori dell’efficienza, fatto salvo il valor associato alla prima
regione in classifica, sono i più bassi mai registrati.
Per chiarire meglio questo concetto si ritorni sulla sesta colonna
della Tabella 14. In questa colonna si trovano, ordinati in ordine de-
crescente, i valori dell’efficienza di tutte le regioni. Tralasciando per un
attimo la regione cui è associato, si nota che tutti i valori dei coeffi-
cienti sono sistematicamente inferiori ai valori dell’efficienza registrati
negli altri due periodi. Si nota anche che i valori registrati nel periodo

’ - ’ sono quelli più alti in assoluto. Ad esempio si consideri la
posizione 4, indipendentemente da quale regione ha occupato nei vari
sotto periodi questa posizione si nota come il valore del coefficiente
nel periodo�’-�’ sia 0.82 scenda a 0.74 nel periodo ’-’ per poi
salire al suo massimo assoluto di 0.91 nell’ultimo periodo.
Figura 13
Andamento dell’efficinza regionale nei periodi analizzati
Alla luce dei grafici in Figura 12 e Figura 13 emerge quindi anche

una valenza cardinale del valore dei coefficienti dell’efficienza. All’in-
terno dei sottoperiodi l’efficienza non solo è variata per ridefinire la
classifica delle regioni più efficienti ma il suo andamento generale può
essere inteso specchio dell’andamento dell’economia, da come è cam-
biata la posizione relativa l’andamento medio è peggiorato.
I risultati della stima: L’efficienza nelle regioni obiettivo 1
Passando all’analisi delle regioni incluse nell’obiettivo 1 è bene

mettere in evidenza le dinamiche dell’efficienza registrate nei tre in-
tervalli da questo gruppo di regioni. La Tabella 15 contiene i valori
dell’efficienza per le otto Regioni meridionali. E’ necessario fare tre
osservazioni importanti.
La prima è che nel calcolo dei coefficienti e nella classificazione
che ne è seguita, si è standardizzato, come già fatto in precedenza, con
1 il valore dell’efficienza che ha registrato l’efficienza più alta lasciando
che il resto delle regioni assuma valori inferiori.
La seconda, più importante, è che nonostante si conduca l’analisi
limitando l’analisi a solo otto equazioni il ranking finale con cui si clas-

sificano le regioni non cambia. Ciò che ovviamente cambia è il coeffi-
ciente dell’efficienza ma non l’ordina con cui le regioni si ordinano. Se
si confronta la classifica delle regioni utilizzando tutto il sistema con
quella ottenuta utilizzando solamente otto equazioni l’ordine con cui
le regioni si posizionano è invariato.
Tabella 15
Valori dell’efficienza all’interno delle regioni Obiettivo 1 nei periodi ’70-
’75, ’76-’85, ’86-‘96
Regione It ‘70-’75 It ‘76-’85 It ‘86-’96
ABR 0,001 0,10 0,88
MOL 0,69 0,59 0,62
CAM 1,00 0,8 0,53
PUG 0,59 0,79 0,57
BAS 0,764 0,98 0,72
CAL 0,57 0,54 1,00
SIC 0,42 1,00 0,61

Rielaborazioni
su dati Picci e SAR 0,15 0,38 0,63
C.r.e.no.s
Sia che si utilizzi tutto il sistema sia che si restringa l’analisi alle
regioni meridionali risulta sempre che la Regione meridionale più ef-
ficiente è stata la Campania nel periodo ’-’, la Sicilia nel periodo
’-’ e la Calabria nel periodo ’-’.
La classificazione delle regioni meridionali risulta indipendente
da come essa viene stilata, sia che si utilizzi tutto il sistema sia che si
restringa il pool alle sole regioni meridionali l’ordine che ne scaturi-
sce vede sempre la stessa regione occupare lo stesso posto nel ranking
finale.
La terza osservazione è legata all’andamento dei valori dei coeffi-
cienti stimati. La Figura 14 riporta un grafico le cui linee congiungono
i valori dell’efficienza registrati dalle otto regioni durante i tre periodi
considerati. I valori sono quelli presenti nella Tabella 3.

FIGURA 14
Andamento dell’efficienza nelle regioni meridionali
Ciò che salta subito agli occhi è che il gap tra la migliore e la
peggiore ha subito, durante il periodo ’-’, una drastica riduzione.
Si conferma quindi l’importanza del coefficiente dell’efficienza come
specchio dell’andamento economico generale.
E’ un fenomeno, come osservato precedentemente, comune a
tutta l’Italia. Il decennio dall’ al ’ ha implicato un netto aumento
dell’efficienza, i motivi essenziali di questa convergenza sono ricondu-
cibili a diversi fattori. Un primo fattore, abbastanza comune a tutte le
regioni è la crescita economica di quegli anni, una seconda è che gli
incrementi di efficienza possano essere in qualche modo legati ad un
corretto utilizzo da parte degli amministratori regionali delle opportu-
nità di innovazione e miglioramento dell’assetto produttivo regionale
offerto loro dai Fondi Strutturali Europei.
L’andamento dell’efficienza e i Fondi Strutturali Europei
Per avere un idea della dinamica associata all’andamento dell’ef-

ficienza nelle regioni meridionali e per apprezzare come le regioni
hanno reagito all’introduzione dei Fondi Strutturali è bene fare alcune
precisazioni sugli strumenti di investimento e su come stati intesi nel-
l’ambito della metodologia adottata per misurare l’efficienza.
Gli Strumenti forniti dalla Comunità Europea, visto il modo con
cui essi sono allocati nella regione, possono essere intesi come un’op-
portunità per migliorare gli assetti produttivi regionali, non sembra
quindi una cattiva idea pensare ad essi come un’opportunità per au-
mentare, in ultima analisi, il livello tecnologico regionale.
Ad esempio, qualificare la forza lavoro, migliorare le infrastruttu-

re, aggiornare le apparecchiature produttive non sono altro che espres-
sioni di quel processo di acquisizione di tecnologia che si traduce in
miglioramenti della capacità produttiva.
Quando un’azienda acquista un nuovo apparecchio ed organizza
un corso di aggiornamento per insegnare alla propria forza lavoro l’uti-
lizzo di questo strumento, il dirigente d’azienda, o chi per lui, non sta
facendo altro che tradurre la nuova tecnologia disponibile in aumenti
futuri di produttività. L’elettrificazione di un tratto ferroviario è un
processo identico. Treni elettrici inquinano e consumano meno, sono
più confortevoli e sono più redditizi. La riqualificazione delle attrez-
zature turistiche secondo standard che assicurino la conservazione del
bene/sito e la redditività avviene aggiornando le strutture a standard
tecnologici migliori. L’abilità del dirigente o del politico consta nel
cercare di mantenere questo processo costantemente vivo, l’inconve-
niente è che introdurre efficienza nel sistema produttivo ha un costo
non indifferente, spesso maggiore rispetto ai benefici attesi e alle pos-
sibilità e, come visto, profondamente legato all’andamento generale
dell’economia.
E’ facilmente osservabile che gran parte delle attività sopra descrit-
te sono ampiamente finanziabili con il contributo economico europeo.
Questo strumento si profila quindi come una opportunità offerta alle
regioni per attivare quel processo di acquisizione della tecnologia ne-
cessaria a ridurre il gap connesso alla mancanza di tecnologie, infatti
il costo derivante dal rinnovare il sistema produttivo è suddiviso tra
più soggetti. Il soggetto che riceve l’innovazione si giova di un nuovo
assetto produttivo senza aver sostenuto in toto il suo costo. Inoltre gli
interventi dovrebbero essere efficienti poiché le nuove proposte do-
vrebbero essere teoricamente introdotte dopo essere state valutate da
un terzo soggetto, ciò dovrebbe essere garanzia che vengano selezionati
progetti redditizi che introducano miglioramenti tecnologici effetti-
vi. Alla luce di queste considerazioni si spiega il forte contributo che
questi strumenti hanno dato all’aumento dell’efficienza registrato nelle
regioni meridionali.
Evidenziato il contributo dei Fondi Strutturali all’aumento del-
l’efficienza regionale è bene fare alcune osservazioni per evidenziare e
discriminare tra le regioni che hanno maggiormente approfittato di
questa opportunità utilizzando al meglio tutte le opportunità ed allo-
candole in maniera efficiente.
Si osservi lo schema contenuto in Figura 15: per ogni periodo
vi è il ranking assoluto delle regioni meridionali, le freccette aiutano a

comprendere la dinamica di ogni regione negli intervalli temporali con
cui sono stati divisi i venticinque anni considerati.
Figura 15
Cambiamenti nei livelli di efficienza delle regioni meridionali
Elaborazioni
su dati Picci e
C.r.e.no.s
Le regioni più immobili, lungo tutto l’arco temporale considera-

to sono state la Basilicata e il Molise. L’Abruzzo si è confermato come
fanalino di coda anche durante il secondo periodo seppure abbia visto
passare il coefficiente di efficienza da 0.001 a 0.41. E’ utile sottolineare
che nel passaggio dal primo al secondo periodo solamente due regioni
su otto vedono un miglioramento della propria posizione.
Osservando l’andamento dell’ efficienza tra i periodi ’ -’ e ’
-’ la regione più dinamica è stata l’Abruzzo che ha visto migliorare la
propria posizione relativa di ben sette posti questa regione insieme alla
Calabria ha nettamente migliorato la propria efficienza tecnica facendo
registrare una overperformance. Molise e Basilicata si confermano le re-
gioni in cui l’efficienza è stata più stabile nel tempo, queste regioni, pur
evidenziando incrementi assoluti dell’efficienza non hanno mostrato
particolari overperformances. La Campania, la Puglia e la Sicilia, pur
migliorando il grado di efficienza generale, sono state scavalcate nel
grado di efficienza relativa acquisita da altre regioni. L’aver illustrato la
dinamica delle regioni utilizzando questo schema non deve far perdere
di vista che anche se le posizioni relative di ogni regione è cambiata da
periodo a periodo l’andamento generale dell’efficienza, come evidente
dalla Figura 14 e come più volte ribadito, è migliorato in tutte le re-
gioni.
I risultati esposti sembrano abbastanza compatibili con i risultati

ottenuti dalle regioni nell’utilizzo dei Fondi. Si consideri la regione
Abruzzo, da regione con la più bassa efficienza allocativa, nel periodo
’ -’, come di vede nella Figura 14, ha fatto registrare un crescita
impressionante dell’efficienza. Questa regione era stata inclusa, all’epo-
ca, nell’obiettivo 1 e dato l’andamento dell’indicatore è ragionevole
attendersi che questa regione si sia giovata più opportunamente delle
altre degli strumenti di investimento europei. Certamente una impor-
tante componente del miglioramento di risorse è attribuibile a fatto-
ri diversi dagli investimenti promossi dalla Comunità Europea visto
che quest’ultimi sono iniziati sistematicamente soltanto agli inizi degli
anni ’.
La realtà conferma infatti quanto previsto dall’andamento del-
l’indicatore. L’Abruzzo, nel QCS elaborato nel ’ è stata inclusa nel-
l’obiettivo 1 come regione phasing-out. Si tratta di riconoscimento
dell’efficacia della regione nell’incrementare la propria efficienza, rico-
noscimento basato su indicatori quantitativi.
Affianco al forte incremento dell’efficienza registrato nel periodo
’ -’ si evidenziano le buone performance di Basilicata, Molise, e
Sardegna più volte portate ad esempio di best practice dalla Commis-
sione Europea. L’indicatore discorda per quello che riguarda la situa-
zione della regione Calabria che risulta essere una delle regioni in cui
l’efficienza ha registrato valori alti ma che in realtà non ha ottenuto
particolari lodi per la gestione dei Fondi Strutturali.
Conclusioni
La stima di un indicatore che tenga meramente conto dell’effi-

cienza regionale nella gestione dei fondi strutturali non può prescin-
dere dal valutare l’andamento dell’economia nazionale e dalle perfor-
mance regionali.
L’indicatore più adatto è quello derivabile adottando un modello
di di frontiera efficiente a cui è sembrato opportuno introdurre una
variazione al fine di legare l’efficienza alla capacità delle regioni di ge-
stire ed introdurre nel sistema produttivo le innovazioni tecnologiche
necessarie per ridurre il gap tecnologico. Questo approccio, basato sul
“bisogno” di tecnologie, è sembrato pienamente conformabile alla na-
tura dei Fondi Strutturali che in effetti possono assimilarsi una op-
portunità messa a disposizione dell’Unione Europea per le regioni più
disagiate per aggiornare e migliorare il proprio tessuto produttivo.

La stima di un tale indicatore si è dovuta scontrare con due li-
mitazioni. La prima di natura statistica dovuta alla necessità di avere
un campione molto ampio per avere delle buone stime della variabile
efficienza. La seconda legata all’impossibilità di avere un indicatore che
esprimesse il livello del gap della tecnologia trasferibile tra le regioni.
Il primo problema è stato risolto limitando il computo dell’indicatore
d’efficienza a tre macro periodi. Il secondo problema ha trovato al sua
soluzione utilizzando una regressione in differenze i cui residui sono
stati utilizzati come proxy del gap tecnologico e da cui è stato estratto
l’indicatore che approssima la quantità di tecnologia che una singola
regione deve immetter nel proprio sistema produttivo per raggiungere
il livello medio di inefficienza che intercorre mediamente tra le rima-
nenti regioni.
Il computo dell’efficienza ha messo in evidenza che l’andamen-
to dell’efficienza nella gestione della tecnologia è variabile tra regio-
ne a regione. Non esistono paradigmi particolari per quanto riguarda
l’andamento dell’indicatore e la capacità struttura geografica di ogni
singola regione tuttavia si intravede un debole legame tra la dimensio-
ne territoriale, l’orografia del territorio e l’indicatore d’efficienza. Non
mancano comunque le eccezioni.
Nel condurre l’analisi lungo i tre sottoperiodi l’indicatore ha
evidenziato non solo una valenza ordinale ma anche cardinale. Si è
quindi osservato come l’efficienza all’interno delle singole regioni sia
stata influenzata dall’andamento economico generale. Il declino degli
investimenti, la crisi petrolifera degli anni Settanta, la diminuzione del
GDP pro capite di quegli sono strettamente legati con il declino del-
l’efficienza registrato nel periodo ’ -’. Declino cui è seguita una
ripresa nel periodo ’ -’.
Limitando l’analisi alle regioni obiettivo 1 si è verificato come nel
periodo ’ -’, periodo in cui sono cominciati ad affluire le risorse
comunitarie, la regione capace di uscire dall’obiettivo 1, l’Abruzzo, si
stata anche quella che ha fatto registrare una la migliore performance
dell’efficienza all’interno del pool di regioni del Mezzogiorno.
L’esito dell’evidenza empirica ha confermato la bontà dell’indi-
catore, regioni come Sardegna, Molise e Basilicata, indicate come best
practice e candidate ad uscire dall’obiettivo 1, hanno fatto registrare
buone posizioni nel ranking calcolato.
Una osservazione finale deve essere fatta sulla natura dell’ indica-
tore. La classificazione ottenuta evidenzia come l’indicatore sia connes-
so alla capacità delle regioni di introdurre nel sistema le innovazioni,

nessuna ipotesi viene però fatta sulla qualità del miglioramento e sulla
effettiva validità dell’innovazione. Alla luce di questa osservazione di-
venta più chiaro il perché dell’analisi così dettagliata della funzione di
produzione. Senza uno strumento più preciso sarebbe rischioso espri-
mere giudizi sulla efficienza nello sfruttare i Fondi Strutturali facendo
pendere il giudizio solamente dall’indicatore di efficienza. Nel prossi-
mo capitolo verranno utilizzati tutti gli strumenti e gli spunti emersi in
questo capitolo per esprimere un giudizio qualitativo sull’efficacia dei
Fondi Strutturali.
L’indicatore d’efficienza come metro di misura per la valutazione
della capacità delle regioni di trasferire nella regione le risorse messe
a disposizione dall’Unione, insieme ai risultati ottenuti dallo studio
della funzione di produzione, affiancati ai dati estratti dai rapporti sui
P.O.P. regionali, permetteranno, nel seguente capitolo di esprimere un
giudizio sulla validità degli investimenti effettuati dalle singole regioni
di investire nei settori funzionali allo sviluppo.

4. L’analisi degli investimenti regionali
Lo scopo del Capitolo è quello di illustrare le spese sostenute

dalla regioni analizzate nel periodo ’ – ’, in particolare verranno
illustrate le modalità con cui i rendiconti finanziari contenuti nei re-
port di valutazione di fine periodo sono stati riclassificati per renderli
utilizzabili ai fini dell’analisi; successivamente, nella sezione 4.2 si pro-
cederà ad illustrare le scelte di investimento delle regioni e, in fine, nel-
la sezione 4.3, si effettuerà una valutazione dell’impatto della spesa in
Fondi Strutturali per verificare influenza di breve periodo sull’output
e la capacità allocativa delle degli investimenti all’interno delle regioni
oggetto dell’analisi.
I criteri adottati nella riclassificazione dei rapporti di esecu-

zione
I Piani Operativi Plurifondo, come ribadito nel corso del primo

Capitolo, contengono una suddivisione degli ammontari di spesa pia-
nificati per il periodo ‘ – ’ in categorie di investimento (misure e
sottomisure), la liquidazione dei finanziamenti accordati è, in realtà
continuata fino al ’01 e ciò ha implicato che la redazione dei rapporti
finali con tutti i rendiconti delle spese sostenute per ogni singolo asse
venisse fatta slittare alla primavera del ’. Questi documenti conten-
gono, per ogni singola misura, gli ammontari di spesa pianificati, gli
impegni e quanto effettivamente liquidato da ogni regione. Poiché lo
scopo dell’analisi è valutare l’impatto degli investimenti e la sua allo-
27. L’unità cazione, i dati e le rielaborazioni che verranno di seguito presentati
monetaria fanno riferimento ai pagamenti27 effettivamente sostenuti dalle singole
è il miliardo di regioni.
lire. Ciò si è reso Utilizzando i dati contenuti in questi rapporti si è proceduto a
necessario per
classificare i pagamenti sostenuti nei vari assi e sottoassi in cinque ca-
omogeneizzare gli
investimenti con
tegorie:
le serie sugli stock • investimenti in infrastrutture (Kin)
già espresse in • investimenti in capitale pubblico (Kpub)
miliardi di lire • investimenti in capitale privato (Kpr)

• spesa in formazione (H)
• il cofinanziamento dei soggetti privati
Questa riclassificazione, come già detto nei capitoli precedenti si

rende necessaria per conformare gli investimenti effettuati con i Fondi
Strutturali alle variabili della funzione di offerta aggregata.
La Tabella in pagina seguente schematizza la metodologia adot-
tata per condurre la riclassificazione. E’ bene precisare che la riclassifi-
cazione delle spese è in realtà avvenuta in maniera molto più flessibile
di quanto può trasparire dallo schema presentato; Per alcuni assi il
procedimento è stato molto veloce, al contrario alcune misure hanno
richiesto una lettura più accurata delle relazioni in cui si sono stati
descritti i progetti finanziati. Ad esempio il primo asse (destinato a fi-
nanziare gli investimenti in infrastrutture) coincide praticamente con
la prima voce di investimento adottata (Investimenti per la costruzione
di strade, porti e ferrovie), agli ammontari presentati nei rendiconti
della misura 1 sono stati aggiunti, se eventualmente previsti dai P.O.P
delle regioni, i pagamenti sostenuti per il miglioramento delle strade
rurali, il cui finanziamento è rientrato invece nell’asse 4. Altre misu-
re, visto l’ampio ventaglio di attività finanziate, hanno richiesto una
attenzione maggiore in sede di riclassificazione, ad esempio alcuni fi-
nanziamenti contenuti nell’asse 2 hanno riguardavano non solo sussidi
alle attività produttive private ma anche delle sovvenzioni destinate alla
formazione e alla ricerca e sviluppo. Un’altra importante osservazione
che deve essere ricordata è che nella riclassificazione sono stati esclusi
i fondi dedicati all’asse 8, l’assistenza tecnica, questo perché non può
attribuirsi alcuna valenza economica alla spesa in questo asse. Il lavoro
di conversione è quindi avvenuto in tre fasi:
1. rilevazione dei pagamenti effettuati per ogni singola misura
2. lettura delle relazioni che accompagnano i progetti
finanziati
3. riclassificazione nella categoria funzionale di investimento

Capitale di
Riclassificazione
riferimento
a. Investimenti in infrastrutture
=Investimenti in Infrastrutture per il trasporto (voci 1.2-1.6,

strade,autostrade, ferrovie, porti, aeroporti e altre infrastrutture
Inf (Kstrad,
di trasporto)
Kmar, Kaer)
+Riassesto strade rurali (alcune sottovoci dell’asse 4)
b. Investimento in capitale pubblico non produttivo
= Acquedotti (voce 6.1) Kidr
+ Protezione e miglioramento ambientale (6.3) Kal, Kbonif
+ Investimenti in Telecomunicazioni (variabile da regione a regione) Kcom
+ Investimenti in Energia (6.2) Kal
+ Investimenti in strutture sanitarie (6.5) Kigien
+ Investimenti per strutture educative (7.1) Kedp
+ Investimenti in risorse culturali e strutture di accoglienza (3.2) Kal
+Spesa per R&S (asse 6) (quota riservata alla costruzione di strutture

Kedp
adibite alla formazione)
c. Sussidi al settore privato
= Sostegno PMI (2.1)
+ Sviluppo locale e fornitura di servizi (2.2)
+ Recupero zone industriali (2.3)
+ Sussidi per le attività imprenditoriali turistiche (3.1) Kpr
+ Sussidi per l’attività agricola e lo sviluppo rurale (asse 4)
+Spese per R&S (asse 6)
+ Pesca (asse 5)
d. Formazione (sono escluse le forme di sussidiazione pure)
= Formazione Sostegno PMI (2.1)

H
+ Formazione Ind. e artigianato (ob.1)

+ Formazione Turismo (ob.1)
+ Formazione Ambiente (ob.1)
+ Formazione Agricoltura (ob.1)
+ Formazione Sanità (ob.1)
+ Formazione Pesca (ob.1) H
+ Formazione Ob. 3
+ Spesa per formazione specifica in R&S (asse6)
+ Formazione specifica in relazione all’asse 2 (talvolta inclusiva di spesa

per formazione del personale)
+ Formazione specifica in relazione all’asse 3 (talvolta inclusiva di spesa
per formazione del personale addetto)
e. Contributo privati
=Contribuzione dei privati ai vari programmi
Il lavoro è stato replicato per ogni Rapporto e talvolta è stato

necessario separare gli ammontari associati ad alcune misure; infatti
per ottenere una più dettagliata riclassificazione i pagamenti di alcuni
sottoassi, diretti a finanziare investimenti appartenenti a categorie fun-
zionali diverse sono attentamente riclassificati rispetto alla categoria
funzionale più idonea. Ad esempio i pagamenti destinati ad alcune mi-
sure del F.S.E. che hanno permesso di organizzare corsi di formazione
e contestualmente di sussidiare la costruzione di strutture formative;
in questo specifico caso si è quindi scorporato l’investimento in due
parti, una parte destinata a finanziare l’investimento in capitale umano
e un’altra come investimento destinato al capitale pubblico non pro-
duttivo. La frazione con cui si è suddiviso l’investimento totale è sta-
to desunta dagli indicatori fisici di realizzazione che hanno corredato
l’esposizione della misura.
Tutte le categorie di spesa riclassificate hanno finanziato investi-
menti in infrastrutture e altre tipologie di capitale, possono quindi es-
sere utilizzate direttamente per valutare l’impatto e, più in generale, per
condurre un lavoro di analisi rispetto alle variabili incluse nella funzio-
ne di produzione perché sono espresse nella stessa unità di misura. Le
serie storiche sul capitale umano, per come sono state computate nel

corso del lavoro, non sono espresse in unità monetarie bensì in anni28;
l’investimento in formazione, in virtù della diversa unità di misura con
cui è espressa, non permette quindi una valutazione efficace, infatti le
serie sono non conformabili. Questa differenza ha reso necessario un
lavoro addizionale per traslare l’investimento in formazione, espres-
so in unità monetarie, in investimento in capitale umano, espresso in
anni di scuola.
Il primo passo è stato quello di riclassificare finanziariamente la
spesa prevista dal F.S.E. all’interno delle varie regioni. Ciò ha permesso
di esprimere un confronto tra gli ammontari che ogni singola regio-
ne ha deciso di spendere per riqualificare la propria forza lavoro. Nel
28. Si veda il
paragrafo 2.4.1.2
riorganizzare le spese si è tenuto conto, come detto, di eventuali am-
montari destinati alla costruzione di strutture formative che sono stati
29. In realtà il fatti rientrare, più opportunamente, nella categoria degli investimenti
Fondo Sociale in capitale pubblico non produttivo.
Europeo finanzia Il contributo del P.O.P. al miglioramento dello stock di capitale
esclusivamente
umano è stato quindi trasformato in anni di scolarità addizionali forni-
corsi di forma-
zione, raramente
ti ai partecipanti dei corsi organizzati29 con il F.S.E. In tutti i rappor-
corsi universitari, ti, nella sezione dedicata al Fondo Sociale Europeo, oltre al prospetto
la formazione finanziario riguardante le misure, ogni regione non ha tralasciato di
aggiuntiva, quindi, comunicare alcuni utili indicatori fisici di realizzazione come il nume-
non è diretta- ro di allievi, il numero dei corsi attivati, la durata media30 dei corsi,
mente colle-
in verità si è rilevato un grado di eterogeneità nella predisposizione
gabile a quella
altresì fornita dalla
di questi indicatori che ha talvolta reso necessario utilizzare indicatori
scuola. Si tratta di alcune regioni31 come proxy di altre. L’insieme delle informazioni è
di un problema stato disaggregato distinguendo tra le varie tipologie di corsi forniti e
non indifferente i relativi destinatari e per ogni sottomisura è stato calcolato il contri-
che è stato risolto buto, misurato in anni di scolarità addizionali, dei corsi. Per chiarire
solo parzialmente
maggiormente le modalità con cui si è passati ad una misura espri-
nell’approccio
adottato.
mibile in anni, si veda la Tabella 16 che mostra il caso della Regione
Campania.
30.Espressa in ore
Tabella 16
31. La durata Schema di riclassificazione degli investimenti In F previsti dal F.S.E, pa-
media dei corsi niaormazione regione Campania
attivati in Molise
e Calabria è stata
approssimata dalle Misura Allievi Durata Anni Costo misura
durate medie dei
6.1 Industria
corsi di formazio- 7.154 965 0,670 28,93
artigianato e servizi
ne delle rimanenti
regioni 6.2 Turismo 1.525 782 0,543 9,12

6.3 Agricoltura
1.252 372 0,258 8,06
e sviluppo rurale
6.4 Pesca 750 372 0,521 6,73
6.5 Ambiente 1325 742 0,515 9,45
6.6 Sanità e
7.911 81 0,056 3,38
socio-assistenza
6.7.01 Disoccu
pati di lunga 6.438 336 0,233 84,64
durata ob.3
6.7.02 Aiuti
all’occupazione
2530 336 0,233 11,57
per disoccupati
di lunga durata ob.3
6.7.03 Formazione
iniziale per giovani
15.915 711 0,494 175,42
con meno di 25 anni
ob.3
6.7.04 Aiuti
all’occupazione per
2327 52 0,036 3,96
giovani con meno di
25 anni ob.3
6.7.05 Fasce deboli
6.317 746 0,518 18,07
ob.3
Rielaborazioni su 6.7.06 Formazione

1962 341 0,237 8,72
dati Rapporto di donne ob.3
Esecuzione finale 6.7.07 Formazione
9.985 103 0,072 27,86
Regione Campania lavoratori PMI ob.4
A differenza di lavori precedenti32 non si sono rese necessarie par-

ticolari ipotesi sui destinatari dei corsi, per ogni misura è indicata la
tipologia di allievo (settore di occupazione o fascia sociale di apparte-
nenza), il numero degli allievi, la durata del corso, il costo sostenuto
di ogni misura. Utilizzando questa base informativa relativa agli inve-
stimenti, per i calcoli si è ipotizzato che un anno di scuola fosse ap-
prossimabile con circa quaranta settimane da trenta ore l’una di corsi.
L’eccezione è stata, laddove prevista, la formazione universitaria per cui
si è ipotizzato un contributo alla formazione di un anno. Una volta
ottenuto il contributo, in termini di anni di scolarità che ogni corso
32. Vedi de la ha dato a chi lo ha frequentato, per ottenere l’investimento della regio-
Fuente (2002) ne in questo fattore produttivo è bastato moltiplicare il numero degli

allievi che hanno seguito il corso per il contributo fornito dal corso
nell’aumentare gli anni di scolarità di coloro che hanno frequentato il
corso.
La spesa sostenuta dalle regioni: le scelte di investimento
La Tabella 17 presenta i risultati delle riclassificazione dei P.O.P.

regionali; vi sono indicati gli ammontari di spesa pubblica effettiva-
mente sostenuti dalle regioni durante il periodo ’ – ’, la quota di
cofinanziamento dei privati, la suddivisione per categorie funzionali,
il tutto misurato in miliardi ai prezzi 33, i valori presentati fanno
essenzialmente riferimento a due tipologie di finanziatori: il settore
pubblico, a sua volta suddivisibile in Commissione Europea, Stato e
Regione, e il settore privato.
Come si nota, il volume delle risorse investite nelle regioni meri-
dionali34 è rilevante: in otto anni, nelle regioni analizzate e solamente
per quello che riguarda le risorse di diretta gestione regionale, sono
stati spesi circa ventimila miliardi di lire, cui devono aggiungersi al-
tri trentamila miliardi provenienti dal Piano Multiregionale che non
è stato preso in considerazione. I sussidi diretti verso il settore privato
ammontano a quasi il % della spesa totale e al % degli investimen-
ti pubblici. Il secondo maggior settore di investimento è stato, con
33. Nelle analisi
successive i valori,
circa il % delle risorse totali, il capitale pubblico non produttivo.
per essere confor- La spesa pubblica ha sostenuto, lungo tutto il programma circa l’%
mabili alle serie della spesa totale. La Campania, insieme alla Puglia, è la regione che ha
storiche, saranno ricevuto in assoluto la maggior quantità di risorse. La Regione che ha,
deflazionate ai invece, fatto registrare i volumi di spesa più bassi è la Basilicata insieme
prezzi del 1990.
al Molise. Per quello che riguarda l’investimento in capitale pubblico
34. Si ricordi che la spesa per infrastrutture e capitale pubblico non produttivo ha impe-
la Sicilia non è gnato circa la metà dei pagamenti. In particolare, quasi tutte le regioni
stata analizzata hanno preferito investire in capital pubblico non produttivo.

Tabella 17
Composizione funzionale E regionale dei trasferimenti35 effettuati Attra-
verso I P.o.p. nel periodo ’94 – ’99. Valori totali.
For- cap. cap. assi- tot. Spesa

Infr. privati
maz. pubb. priv. stenza pubb. totale
Molise 318,81 165,01 266,58 357,1640 4,66 1112,24 153,00 1265,24

Rielaborazioni
su dati es tratti Campa-
1118,68 358,73 1444,46 1489,06 13,90 4424,82 1182,03 5606,86
dai Rapporti di nia
Esecuzione delle 6
regioni analizzate. Puglia 469,02 550,13 1251,20 1355,40 30,19 3655,95 1030,10 4686,06
Valori in Miliardi
Basilicata 329,49 487,50 731,43 738,73 10,18 2297,33 421,52 2718,86
a prezzi del 1994,
sono incluse
Calabria 308,39 425,22 646,32 639,38 8,94 2028,24 446,78 2475,02
le quote di
finanziamento
Sardegna 853,14 448,95 696,01 1350,51 94,63 3443,26 119,93 3563,20
dei privati,
Spesa totale è la Totale 3.397,53 2.435,54 5.036,00 5.930,24 162,50 16.961,84 3.353,36 20.006,84
somma del tot.
pubb. % del
16,98% 12,17% 25,17% 29,64% 0,81% 84,78% 16,76% 100,00%
e privati. totale
La Tabella 18 mostra la media pro capite in ogni regione separata

per programma36 e normalizzata alla media della spesa pro capite all’in-
terno di ogni sottoprogramma.
Si nota subito una enorme differenza tra le dotazioni di Molise,
Basilicata e Sardegna ed il resto delle regioni analizzate, infatti se si
considera la spesa pubblica (colonna “tot. pubb”) si nota che queste tre
regioni sono state quelle che hanno ottenuto i trasferimenti pro capite
35. Per comodità maggiori. Il divario risulta davvero ampio, infatti la media del trasfe-
espositiva,
rimento pro capite in queste regioni è 155,6 contro il 44,4 di Puglia,
in questa sezione,
si utilizzerà trasfe-
Calabria e Campania.
rimenti e spesa
perindicare i pa-
gamenti effettuati Tabella 18
dalla regioni Spesa totale pro capite (media della spesa nelle 6 regioni = 100)
nelle varie tipolo-
Cap. Cap. tot. Spesa
gie di categori Infr. formaz. privati
pubb. priv. pubb. totale
e funzionali.
Molise 234,2 152,3 147,3 162,3 171,6 146,7 168,1
36. E’ stata esclusa
l’assistenza tecnica Campania 46,5 18,7 45,2 38,3 38,7 64,1 42,2

Nota : la spesa
totale di ogni Puglia 27,6 40,6 55,4 49,3 45,0 79,1 49,7
categoria
funzionale è stata Basilicata 131,0 243,3 218,6 181,6 191,7 218,7 195,4
suddivisa per
la popolazione di Calabria 36,3 62,8 57,2 46,5 50,1 68,6 52,7
ogni regione
(media valori ‘94- Sardegna 124,4 82,2 76,4 121,9 103,0 22,8 91,8
’01) e normalizzata Media
per la media 100 100 100 100 100 100 100
ob.1
della spesa pro-
capite all’interno di
ogni categria di
La Figura 16 mostra che, contrariamente a quanto ci sarebbe do-
investimento
e nell’ultima
vuti attendere, non sembra esistito un legame particolare tra trasferi-
colonna, menti pro capite annuale37 e reddito pro capite nel , cioè quello
per la spesa totale fatto registrare ad inizio della programmazione.
Fonte: Elabora-
zioni su dati del
Ministero del
Tesoro, C.R.E.No.S.,
e Rapporti di Esecu-
zione delle regioni
analizzate. Nota:
Entrambe le varia-
bili sono normaliz-
zate. I trasferimenti Figura 16
pro capite sono P.I.L. pro capite e trasferimenti pro capite
stati normalizzati
fissando con 100
il valore medio. Il
reddito pro capite è
stato normalizzato
dividendolo il GDP
regionale del 1994
per il reddito pro
capite dal resto
delle regioni non
incluse nell’Obietti-
vo 1. I trasferimenti
di Abruzzo e Sicilia
sono stati estratti
dal rapporto Ismeri
op. cit.
37. Il trasferimen-
to è quello medio
annuale

E’ interessante notare come il principio della concentrazione del-
le risorse38 non sembra essere stato rispettato durante la gestione dei
P.O.P. Si è già verificato39 che regioni con un P.I.L maggiore, in sede di
programmazione, hanno ricevuto una quota elevata di risorse, ciò è
confermato dalla Figura 17, tuttavia se si confronta il trasferimento pro
capite con la ricchezza pro capite si evidenzia chiaramente come questo
criterio di ripartizione non è stato efficientissimo poiché non vi è stata
una suddivisione omogenea. A parità di P.I.L. pro capite alcune regioni
hanno ricevuto quote pro capite di risorse molto diverse tra loro. Si
considerino, ad esempio, la Basilicata e la Campania, nel grafico in Fi-
gura 16 si nota che il P.I.L pro capite di queste due regioni nel  era
piuttosto simile, tuttavia la quota pro capite di risorse spese dalla Ba-
silicata è stata molto maggiore rispetto a quella della Campania; stan-
dardizzando a  la media del trasferimento pro capite nelle regioni
obiettivo 1 la Campania ha fatto registrare una quota pro capite di ,
mentre la Basilicata di ben ,. Questo discorso fatto per la Basilicata
può essere esteso tranquillamente anche al Molise e alla Sardegna.
Figura 17
Concentrazione delle risorse, trasferimenti pro capite e P.I.L. pro capite
regionale
Fonte: Elaborazio-
ni su dati del Mini-
stero del Tesoro e
C.R.E.No.S.
Nota: il P.I.L.
medio regionale
è l’ammontare
dei trasferimenti
programmati sono
stati standardizzati
a 100.
Dati di partenza
a prezzi costanti
anno base 1994.
E’ opportuno soffermarsi ancora su questo anomalo risultato per

esporre alcune osservazioni che servono a chiarire meglio la natura
38. Vedi
paragrafo 1.3.1
del problema. Benché i dati sulla spesa non confermano che l’alloca-
zione delle risorse è avvenuta concentrando maggiori risorse laddove
39. Si veda il gli indicatori macroeconomici sono stati meno positivi è necessario
Capitolo 1 fare alcune precisazioni. Innanzitutto i dati utilizzati fanno riferimento

soltanto ai Piani Operativi Plurifondocioè ai piani gestiti direttamente
dalle regioni, si ricorda che gli ammontari relativi ai Piani Multire-
gionali non sono stati inclusi nell’analisi. Sarebbe quindi opportuno,
prima di esprime un giudizio definitivo, valutare attentamente le scelte
riguardanti anche l’allocazione dell’altra metà delle risorse comunita-
rie, ma la carenza di dati sufficienti impedisce di estendere in questo
senso l’analisi. Occorre inoltre rammentare che la responsabilità di
un eventuale errore nelle scelte allocative non è comunque attribuibile
esclusivamente alle regioni; un giudizio definitivo non può prescindere
da un attento esame delle modalità con cui il totale delle risorse messe
a disposizione dai Fondi Strutturali per finanziare i Piani Operativi
Regionali sono stati ripartiti tra le regioni stesse. Se, infatti, si possono
attribuire dei giudizi definitivi sulle scelte regionali nell’allocare le ri-
sorse, risulta meno immediato spiegare quali sono state le dinamiche
che hanno portato le regioni a dividere il cumulo delle risorse disponi-
bili durante la programmazione. In conclusione, nel sostenere in pieno
il giudizio sull’operato e sul mancato soddisfacimento del principio di
concentrazione, è necessaria una certa cautela, che dovrebbe indurre ad
analizzare più dettagliatamente il P.O.N.
Dopo aver illustrato le dinamiche allocative intraregionali è ora
interessante analizzare le scelte allocative di ogni singola regione, dato
l’ammontare di risorse disponibili. Per meglio comprendere come la
struttura degli investimenti effettuati abbiano influenzato gli assetti
Tabella 19
Composizione funzionale e regionale dei trasferimenti effettuati attra-
verso i P.O.P. nel periodo ‘94-’99. Valori percentuali.
For- Cap. Cap. Tot. Spesa

Infr. Privati
maz. pubb. priv. pubb. totale
Molise 25,29% 13,09% 21,15% 28,33% 88,23% 12,14% 1265,24
Campania 20,00% 6,41% 25,83% 26,62% 79,11% 21,13% 5606,86
Puglia 10,07% 11,82% 26,87% 29,11% 78,52% 22,12% 46686,0
Basilicata 12,16% 18,00% 27,00% 27,27% 84,81% 15,56% 2718,86
Calabria 12,51% 17,24% 26,21% 25,93% 82,25% 18,12% 2475,02

Rielaborazione
su Rapporti di
Sardegna 24,60% 12,94% 20,07% 38,94% 99,27% 3,46% 3563,20
Esecuzione Finale
delle regioni
Totale 16,86% 12,09% 24,99% 29,43% 84,17% 16,64% 20.006,84
analizzate

Figura 18
Struttura degli investimenti
Rielaborazioni
su dati estratti
dai Rapporti di
Esecuzione delle
regioni analizzate,
2003
produttivi si consideri il grafico in Figura 18 che offre una rappresen-

tazione grafica della Tabella 19. Gli investimenti in capitale pubblico
(infrastrutture e capitale pubblico non produttivo) sono rappresentati
dai segmenti in bianco, le sezioni colorate degli istogrammi, invece
sono gli investimenti in formazione, il sussidio al settore privato e il
cofinanziamento dei privati.
Dato il vincolo delle risorse disponibili, le regioni che hanno
investito maggiormente in capitale pubblico sono state il Molise, la
Campania e la Sardegna, per tutte le regioni vale che l’ammontare di
risorse spese per investimenti in capitale pubblico non è mai sceso sot-
to il %. Analizzando meglio la composizione degli investimenti in
capitale pubblico si nota che le regioni che maggiormente hanno speso
in infrastrutture sono state la Sardegna e il Molise rispettivamente con
il % e % delle risorse disponibili, a queste regioni segue la Cam-
pania che ha destinato il % dei pagamenti effettuati all’infrastruttu-
razione.
Le spese per capitale pubblico delle altre regioni è constato pre-
40. Si veda valentemente di investimenti mirati ad aumentare il già abbondante40
la discussione stock di capitale pubblico. Per quello che riguarda i sussidi al settore
dell’impatto del
privato la Sardegna è stata la regione che ha investito più di tutte nel
capitale pubblico
non produttivo
settore privato, circa il % delle proprie risorse, circa  punti per-
nel Mezzogiorni centuali do ogni altra regione. In definitiva non emerge un quadro
effettuata nel omogeneo nelle scelte allocative, ciò testimonia l’ampia libertà lasciata
Capitolo 2 agli amministratori regionali.
L’impatto degli investimenti:il contributo immediato alla cre-
scita regionale nel periodo ’94 – ‘01
In questa sezione del capitolo sono proposte due metodologie per

valutare al meglio il contributo che le risorse investite nella regione
hanno avuto sulla crescita dell’output. La prima parte consiste nel valu-
tare l’efficacia degli investimenti comunitari sulla funzione aggregata;
in particolare, utilizzando i dati sugli investimenti e stimando il con-
tributo che nel periodo di programmazione i Fondi Strutturali hanno
dato alla crescita del GDP, si calcolerà il contributo che i fondi hanno
dato alle crescita dell’output delle singole regioni. La seconda parte,
invece, si concentra sullo studio delle capacità allocative delle regioni
attraverso il calcolo delle produttività marginali.
Utilizzando i dati sulle categorie funzionali illustrati nella prece-
dente sezione e le stime sulla funzione di produzione si può ottenere
una stima del contributo immediato della spesa comunitaria sulla cre-
scita in ogni regione. I calcoli sono basati sull’ipotesi che i pagamenti
previsti dai P.O.P. regionali descrivano completamente il loro effetto;
prendendo i valori degli investimenti nelle quattro categorie, ed assu-
mendo che non ci siano effetti addizionali che abbiano indotto cambia-
menti nella struttura degli investimenti dei privati, (a parte quelli gia
inclusi nel P.O.P. come cofinaziamento) il calcolo dell’effetto di breve
periodo degli investimenti viene compiuto aggiungendo il contributo
del Piano Regionale ad ogniuno dei quattro stock dei fattori produttivi
della funzione di offerta aggregata. Le elasticità sono quelle ottenute
dalla stima ricavata nel modello in sezione 2.5.2.3 del Capitolo 2.
Prima di presentare i risultati ottenuti devono essere fatte alcune
osservazioni: nel calcolo dell’impatto della spesa non si introduce alcun
lag temporale tra investimento e effetto sull’output, ciò è particolar-
mente irrealistico nel caso degli investimenti in infrastrutture dove i
pagamenti sono dilazionati su diversi anni e l’ effettiva produttività si
manifesta solo dopo il completamento dell’opera. Ciò porta conclude-
re che i risultati devono essere interpretati solamente come una prima
stima dell’effetto diretto annuale che i Fondi Strutturali hanno avuto
durante il periodo di programmazione. Si noti che per svolgere questo
tipo di analisi è risultato molto utile il lavoro di “conversione” per gli
investimenti del F.S.E illustrato nella sezione 4.1.2., a tal proposito è
necessario fare una piccola digressione sul Fondo Sociale Europeo per
meglio valutare l’impatto che l’investimento in formazione ha avuto
sulla crescita dell’output. Come già detto, la maggior parte dei Rappor-

ti Finali di Esecuzione, nella sezione in cui sono illustrati gli interventi
formativi, affiancano al rendiconto finanziario una serie di indicatori
fisici; benché questi indicatori abbiano permesso di convertire la spesa
per formazione in anni di scolarità addizionale fornita a coloro che
hanno seguito i corsi, in tutti i Rapporti non viene indicato quanti
degli allievi che hanno seguito i corsi fossero disoccupati e quanti oc-
cupati. Ciò costituisce un problema non indifferente visto che il fat-
tore produttivo su cui si vuole valutare l’impatto dell’investimento in
formazione è calcolato relativamente ai lavoratori e non a tutti i resi-
denti nella regione che, invece, sono stati la platea di riferimento per le
azioni formative. La mancanza di maggiori informazioni ha costretto a
considerare due scenari differenti un primo, forse più realistico, in cui
si è ipotizzato che tutti i fruitori dei corsi fossero composti solo per il
% da occupati ed un secondo, meno realistico ma più utile per otte-
nere delle indicazioni di policy, in cui si è posta come ipotesi che tutti
gli allievi fossero già occupati.
La Tabella 20 illustra i calcoli rilevanti e le stime di interesse.
La prima colonna (log stock) mostra l’incremento in logaritmi dello
Note: -La variabile
stock dei diversi fattori produttivi che possono essere attribuiti ai P.O.P.
∆ log stock è calco-
lata come segue.
regionali, l’aumento dello stock di capitale fisico è calcolato come la
Sia Kin96 l’osserva- somma degli investimenti pubblici in infrastrutture, capitale pubblico
zione dello stock di non produttivo, sussidi alle imprese, cofinanziamento dei privati. L’in-
infrastrutture alla vestimento in capitale umano è incluso come anni addizionali di scola-
fine del ‘96 e rità della forza lavoro. Tutti gli stock considerati per l’analisi sono quelli
Inv_Kinf la stima
riferiti all’anno  ai prezzi del’. gli ammontari investiti sono stati
della contributo
del P.O.P. a questa
aggiornati ai prezzi del’.
categoria durate il
1996, quindi ∆log Tabella 20
kinf=ln( Kin96+Inv_
Effetto del P.O.P sull’output lungo il periodo ‘96-’01. Regione Puglia.
Kinf )+ln(Kin93),
dove ln è loga-
(1) (2) (3)
ritmo naturale.
La metodologia
effetto diretto
resta invariata per il ∆ log stock stima θi
sull’offerta
resto dei fattori. (*)
Kinfr 0,25% 0,133 0,03%
- Effetto sul capitale
privato del Kpub 0,30% 0,332 0,10%
cofinaziamento (**) Kpr 0,23% 0,099 0,02%
– Effetto sul capi- Kpr* 0,18% 0,099 0,02%
tale umano sotto H** 0,01% 0,123 0,01%
l’ipotesi che tutti
gli allievi siano stati
Totale 0,180%
anche lavoratori.

La seconda colonna mostra i valori stimati delle elasticità dell’ou-
tput rispetto ai singoli fattori produttivi, le stime sono quelle ottenute
stimando la (2.8) in differenze prime, i coefficienti utilizzati sono il va-
lor medio delle stime ottenute seguendo il metodo degli OLS e quello
dei GLS41 . Moltiplicando i coefficienti con l’incremento percentuale
del corrispondente stock si ottiene la contribuzione diretta del P.O.P.
sull’output di ogni regione che è presentata nella terza colonna.
Come si nota sommando il contributo immediato dei diversi fat-
tori il contributo medio annuale alla crescita dell’output attribuibile agli
investimenti finanziati attraverso il P.O.P. nel periodo ’ – ’42 , è sta-
to dello ,% . L’impatto maggiore lo hanno avuto, gli investimenti
in capitale pubblico non produttivo, il contributo degli altri fattori
produttivi è stato praticamente nullo, in particolare l’investimento in
capitale formazione ha avuto un esito immediato praticamente nullo.
Estendendo il lavoro a tutte le regioni, si ottengono i risultati
presentati nella Tabella 21, ove vengono illustrati due scenari legati alle
scelte nella gestione del F.S.E.; come già detto, nel primo si ipotizza che
solamente il % degli allievi sia stato anche un lavoratore, nel secondo
41. I valori stimati scenario si impone che tutti i corsi finanziati siano stati esclusivamente
sono stati molto rivolti a lavoratori.
simili indipen-
Indipendentemente dalle caratteristiche e dalle scelte di ogni re-
dentemente dalla
metodologia di
gione, il fattore produttivo che ha avuto una risposta più immediata in
stima adottata, si termini di output per tutte le regioni è stato l’investimento in capitale
è quindi deciso di pubblico non produttivo, seguito dagli investimenti in infrastrutture e
considerare il valor dagli investimenti in capitale privato (inclusivo di spesa pubblica e co-
medio finanziamento). La regione in cui i Fondi Strutturali hanno impattato
maggiormente è stata la Basilicata seguita dal Molise e dalla Puglia, il
42. Arco tempo-
rale in cui sono
fanalino di coda è la Calabria. In tutte le regioni, alla luce dei risultati
avvenuti i paga- esposti, una quota importante dell’output può essere stata spiegata da-
menti gli afflussi di risorse.

Tabella 21
Impatto degli investimenti sugli output regionali.
Nota: La stima del Scenario 1 Scenario 2

contributo del P.O.P
in ogni categoria ∆ ∆
kc Knc Kpr Kpr* H out- kc Knc kpr Kpr* h out-
di investimento
put put
è stato calcolata
dividendo gli 0,062 0,100 0,028 0,008 0,000 0,198 0,062 0,100 0,028 0,008 0,005 0,203
Molise
% % % % % % % % % % % %
ammontari totali
per gli anni di
0,038 0,069 0,019 0,015 0,000 0,142 0,038 0,069 0,019 0,015 0,001 0,145
programmazione, Campania
% % % % % % % % % % % %
tranne la Campania
e la Puglia per cui 0,033 0,099 0,023 0,018 0,001 0,175 0,033 0,099 0,023 0,018 0,005 0,180
Puglia
si è diviso il totale % % % % % % % % % % % %
degli investimenti
0,039 0,118 0,054 0,007 0,002 0,226 0,039 0,118 0,054 0,007 0,019 0,247
per sei, tutte le altre Basilicata
% % % % % % % % % % % %
regioni hanno effet-
tuati i pagamenti in 0,012 0,048 0,018 0,013 0,000 0,091 0,012 0,048 0,018 0,013 0,004 0,095
Calabria
un arco temporale % % % % % % % % % % % %
di otto anni. (*)
0,060 0,052 0,025 0,002 0,000 0,139 0,042 0,151 0,017 0,013 0,004 0,143
– cofinanziamento Sardegna
% % % % % % % % % % % %
privati.
Un discorso a parte va fatto per la spesa in formazione, il suo

contributo alla crescita è stato molto basso, e la variazione del GDP
indotta nel breve periodo, in questa sede, si è rivelata molto bassa, qua-
si nulla; anche ipotizzando che tutte le risorse destinate alla formazione
abbiano finanziato corsi per lavoratori, l’impatto di breve periodo sulla
crescita è stato nullo. Benché il giudizio che si potrebbe azzardare ten-
da verso una sostanziale inefficacia degli investimenti in formazione è
necessaria qualche precauzione. Innanzitutto si ribadisce che l’analisi
è limitata ai soli P.O.P., sono quindi esclusi gli interventi formativi
finanziati con il P.O.N.; inoltre, pur avendo traslato la spesa in anni di
scolarità, esiste una differenza negli obiettivi che le due tipologie di of-
ferta formativa mirano a perseguire. Sebbene il F.S.E. abbia finanziato
molti programmi formativi offerti dalle università, il grosso della spesa
è stata rivolta verso corsi di formazione professionale. La formazione
che si riceve a scuola è molto diversa da quella che tipicamente è stata
offerta durante questi corsi, questi ultimi infatti sono stati organizzati
con l’esplicito scopo di migliorare le capacità professionali dei disoc-
cupati e dei lavoratori; al contrario, la formazione ricevuta a scuola,

è molto meno professionalizzante43 essa mira a migliorare la produt-
tività piuttosto che le specifiche competenze. Questa considerazione
deve indurre ad avere qualche precauzione sul giudizio che soi intende
esprimere sull’operato del F.S.E.
L’impatto degli investimenti: analisi delle scelte mediante le

produttività marginali
Quantificato l’ammontare dei flussi di investimento e stimato

l’impatto che questi flussi hanno avuto sulla crescita è interessante va-
lutare alla luce di un criterio strettamente economico, la capacità allo-
cativa delle regioni. Dati gli ammontari spesi e fatta salva la dinamica
con cui ogni regione ha avuto accesso alle risorse, la scelta allocativa,
come più volte sottolineato all’interno dei Rapporti di Esecuzione e di
Valutazione e come auspicato dalla Commissione stessa, è stata a carico
delle singole regioni. L’analisi che verrà di seguito presentata, quindi,
pur presentando alcuni limiti perché non essendo inquadrata in una
dimensione multiperiodale, mira a fornire un giudizio sulla capacità al-
locativa delle singole regioni nella selezione degli investimenti pubbli-
ci. Gli investimenti pubblici sono diventati, negli ultimi anni, un tema
molto discusso dagli accademici; affianco ad una ampia letteratura che
ha messo in discussione le dimensioni del capitale pubblico44, negli ul-
43. Nel Capitolo
timi anni la letteratura si è interrogata sulle capacità e sull’opportunità
2 si è brevemen-
te introdotto il
degli investimenti in capitale pubblico cercando di valutare non solo
dibattito su come l’impatto sulla crescita effettiva dell’output ma anche di esprimere un
può essere inteso giudizio sugli investimenti pubblici, alla luce dell’impatto che essi han-
l’investimento no sulla capacità di migliorare gli standard qualitativi di vita45 . Poiché
in formazione qui interessa più semplicemente valutare la capacità allocativa senza
scolastica
prendere in considerazione gli effetti indiretti che le decisioni di spesa
44. Si veda il para-
hanno sul welfare, la metodologia utilizzata per esprimere un giudizio
grafo 2.5.2.1 sulle scelte di policy è basata sul calcolo della produttività marginale. La
letteratura recente sulla valutazione della efficienza allocativa che utiliz-
45. Si veda un re- za lo strumento della produttività marginale si è orientata verso modelli
cente lavoro Tanzi complicati passando dallo studio delle produttività marginali calcolate
et.al.(2003) e Tanzi
dalla funzione Cobb-Douglas verso una stima della produttività mar-
(1998).
ginale che utilizzano modelli di offerta più complessi46 . In questa sede
46. Ad esempio verranno considerate le produttività marginali calcolate partendo dalla
Ohkawara e Yama- funzione di offerta aggregata, specificata secondo la forma funzionale
no (2003) Cobb-Douglas e stimata utilizzando le trasformazioni delle variabili in

logaritmi. I pochi calcoli necessari a stimare le produttività marginale
dei fattori produttivi sono illustrati, come i risultati ottenuti, nell’ap-
pendice 2 cui si rimanda per maggiori chiarimenti.
Prima di entrare nei dettagli dei risultati empirici è necessario
fare alcune precisazioni, il valore della produttività marginale associato
ad ogni input è definito come la quantità addizionale che un sistema
produttivo può ottenere aggiungendo una unità aggiuntiva di input nel
sistema produttivo. Quindi l’amministratore del sistema produttivo,
se ha intenzione di massimizzare la produzione minimizzando i co-
sti, molto semplicemente deve andare ad investire in quegli input che
garantiscono, a parità di investimento, l’output maggiore, ovvero que-
gli input che presentano la produttività marginale più elevata. Da un
punto di vista prettamente teorico, le scelte che l’amministratore effet-
tua dovrebbero condurre il sistema verso l’ottimo paretiano. In caso di
sistemi produttivi privati la responsabilità delle scelte di investimento
è riservata al management, al contrario, quando si studia l’efficienza di
un sistema economico complesso, questa metodologia di analisi, tipi-
camente microeconomica, si riallaccia alla teoria formulata da Arrow
nel I e II teorema dell’economia del benessere. Questi due teoremi si
riferiscono alle scelte dei governi nell’assicurare il benessere ai cittadini,
in particolare si parla di situazione di first best relativamente ad una
situazione in cui il Governo può far raggiungere l’ottimo paretiano al
sistema economico governato se gli unici vincoli sono la conoscenza
delle risorse e la tecnologia. Il Governo, in questo caso, utilizzando gli
strumenti fiscali e conoscendo l’ottimo cui ambire può teoricamen-
te portare il sistema economico verso l’equilibrio, situazione in cui le
produttività marginali dei fattori produttivi sono tutte nulle. In realtà
l’esistenza di asimmetrie informative non permette mai si raggiungere
allocazioni di first best ma al massimo ad allocazioni sub ottimali dette
di second best.
Per i fini cui è rivolta l’analisi si utilizzeranno i valori delle pro-
duttività marginali semplicemente come strumento per vagliare le
scelte allocative compiute da ogni regione nell’ipotesi che i governanti
mirino ad ottenere l’allocazione ottimale cioè abbiano come obiettivo
il first best, ovvero portare il sistema produttivo verso l’ottimo pare-
tiano, che, come detto è la situazione in cui le produttività marginali
sono tutte nulle. E’ ragionevole pensare che la convergenza delle pro-
duttività debba avvenire in modo economicamente efficiente, quindi
negli intervalli temporali che condurranno all’equilibrio, il Governo
dovrà indurre il sistema economico, attraverso la tassazione o utilizzan-

do proprie risorse, a dotarsi di quei fattori produttivi che presentano
la produttività marginale più alta, questa strategia è infatti quella più
efficiente: il Governo massimizza la resa degli investimenti con un con-
seguente vantaggio per la collettività amministrata, minimizzando la
tassazione e la spesa per investimenti.
La regola di valutazione è quindi chiara: le amministrazioni che
si saranno mosse meglio sono quelle che hanno destinato i maggiori
investimenti sui fattori che, all’inizio del periodo, hanno presentato le
produttività marginali più alte. Benché la regola decisionale sia chiara
e fondata su un modello economico ragionevole, è, comunque necessa-
ria qualche precauzione. L’ipotesi relativa alla possibilità di raggiungere
il first best allocativo è molto forte, ciò nonostante, questo approccio,
per l’idea di base utilizzata, sembra un criterio ragionevole, a tal punto
da permettere di trascurare le asimmetrie informative.
La Tabella 22 riepiloga le stime delle produttività marginali; essa
risulta molto utile per studiare al meglio le scelte effettuate dalle re-
gioni, poiché il calcolo delle produttività implica l’utilizzo del dataset
sull’offerta, si sono potuti calcolare anche i valori associati alla Sicilia,
inoltre si è estesa l’analisi anche all’Abruzzo. Le stime dei coefficienti
sono state effettuate, per maggiore chiarezza, considerando dapprima
semplicemente i coefficienti stimati e successivamente imponendo
l’ipotesi di rendimenti di scala costanti. I valori assoluti ottenuti delle
produttività, pur mostrando una certa sensibilità alla restrizione, non
presentano distorsioni tali da inficiare le indicazioni sul contributo
marginale dei fattori produttivi e il giudizio sulle scelte effettuate nella
gestione dei Fondi. Gli stock dei fattori produttivi su cui sono fanno
riferimento al’, al contrario i coefficienti sono stati stimati conside-
rando il periodo ’ – ‘.

Tabella 22
Produttività marginali
Restrizione sui coefficienti:

Restrizione sui coefficienti: RCS
nessuna
MP MP MP MP MP MP MP MP MP MP
(inf) (kpub) (kpr) (l) (h) (inf) (kpub) (kpr) (l) (h)
Abruzzo 6,91 4,09 6,85 7,56 8,66 7,42 4,95 7,34 8,04 9,02
Molise 6,02 3,68 6,16 6,71 7,79 6,59 4,45 6,61 7,15 8,12
Campania 7,62 4,54 7,59 8,40 9,58 8,14 5,46 8,12 8,90 9,95
Nota: i coefficienti
sono ottenuti Puglia 5,41 4,04 6,30 7,08 8,04 6,61 4,91 6,91 7,65 8,56
stimando la
Basilicata 6,72 4,01 6,62 7,18 8,26 7,21 4,84 7,09 7,64 8,61
funzione di offerta
lungo il periodo
Calabria 5,40 3,88 5,90 6,70 7,65 6,57 4,74 6,52 7,27 8,17
’90 – ’96. Gli stock
utilizzati, in logarit-
Sicilia 5,85 4,14 6,42 7,25 8,22 7,02 5,05 7,07 7,85 8,76
mi, sono riferiti al
’94. Valori a prezzi Sardegna 7,08 4,29 7,22 7,78 8,91 7,595 5,16 7,71 8,26 9,26
costanti 1990
La regione con la più alta produttività marginale associata ai vari

fattori produttivi, nel periodo considerato e dato lo stock di input,
è stata la Campania; i coefficienti non sono alterati significativamen-
te dalla restrizione imposta dalla stima. Come si nota, la produttività
media di ogni fattore marginale è, in valore assoluto, la maggiore ri-
spetto a tutte le atre regioni, anche rispetto alla più popolosa Sicilia. Ai
dati del’, la regione meno produttiva, è la Calabria. In un ranking
ideale, che classifica le regioni sulla base della media delle produttività
marginali associate ad ogni fattore produttivo, si avrebbe al secondo
posto, dopo la Campania con ,, la Sardegna a ,, poi l’Abruzzo
con ,, la Basilicata con ,, la Sicilia con 6,38, la Puglia con ,, il
Molise con , ed infine la Calabria con ,.
Se il valore assoluto della produttività è essenzialmente utile per
valutare come reagisce il sistema produttivo all’immissione si un nuova
unità di input, il confronto delle produttività marginali dei fattori pro-
duttivi permette, al contrario, di valutare al meglio l’andamento delle
scelte di politica economica compiute dalla regione e di compararle tra
loro. Per aver un’idea di come fosse la situazione interregionale delle
produttività marginali alla vigilia dell’approvazione dei P.O.P. si guardi

il grafico contenuto in Figura 19, vi sono riportate le medie interregio-
nali delle produttività marginali di ogni singolo fattore.
Figura 19
Media interregionale delle produttività marginali, con e senza restrizioni
Nota: Elaborazio-
ni su dati Picci,
C.r.e.no.s. stima
delle elasticità
ottenute stimando
l’offerta aggrega-
ta in differenze
prime. Metodo di
stima utilizzato:
OLS e GLS. Prezzi
costanti 1990.
Si conferma quanto detto precedentemente: le restrizioni sui

coefficienti non hanno influito in maniera rilevante sull’andamento
delle produttività marginali, infatti la gerarchia delle produttività in-
terregionali non risente delle scelte effettuate in sede di stima delle
elasticità. Il fattore che a livello aggregato presentava una maggiore
produttività è stato il capitale umano, seguito dal numero di lavora-
tori, dal capitale privato, dalle infrastrutture e, in ultimo, dal capitale
pubblico non produttivo.
La produttività marginale del lavoro, insieme a quella del capi-
tale privato, devono essere analizzati con particolare attenzione. Men-
tre l’investimento in capitale pubblico è controllato direttamente dal
Governo, l’investimento in capitale privato e il numero di lavoratori
sono controllabili, in generale, intervenendo solo indirettamente. La
decisione di investire in infrastrutture o capitale pubblico, sebbene
influenzabile dalle pressioni elettorali o da attività di lobbying di par-
ticolari gruppi di interesse, è, in ultima istanza, interamente a carico
del Governo; al contrario, l’investimento in capitale privato può essere
al più stimolato, proponendo sussidi o riducendo la pressione fiscale
sulle unità produttive regionali. La variazione del numero di lavoratori
è invece influenzabile attraverso due canali principalmente indiretti;
il primo canale agisce attraverso la variazione negli investimenti che
il Governo può indurre nel settore privato, il secondo è rappresentato

dagli investimenti che sostiene direttamente nel capitale pubblico, che
si concretano nelle assunzioni nell’ambito della P.A. E’ quindi chiaro
che lo studio delle scelte di investimento deve tener conto innanzitutto
dei limiti materiali legati alle reali possibilità di intervento pubblico e
degli effetti indiretti che le decisioni di investimento hanno sul lavoro.
Tuttavia la particolare struttura degli investimenti finanziati attraver-
so i Fondi Strutturali si presta quasi naturalmente ad essere analizzata
attraverso la produttività marginale, le categorie funzionali su cui le
amministrazioni possono investire riguardano infatti tutti i fattori pro-
duttivi precedentemente inclusi nella funzione di offerta aggregata.
Nell’esprimere un giudizio si terrà sempre presente che l’investi-
mento operato dal Governo in capitale privato induca un effetto “mol-
tiplicativo” su stesso che, in questa analisi, è parzialmente catturato dal
livello della contribuzione privata al finanziamento degli investimenti;
si ipotizzeranno inoltre due effetti indiretti, il primo, il più importante,
riguarda l’effetto del capitale pubblico e privato sull’aumento del lavo-
ro, il secondo è l’effetto che il capitale pubblico non produttivo ha sulla
scolarità e quindi sul capitale umano.
Scendendo con un maggior dettaglio su quelle che, al’, erano
le produttività specifiche di ogni regione il grafico in Figura 20 illustra
i valori delle produttività marginali di ogni singolo fattore produttivo
per tutte le regioni Obiettivo 1. Si nota che, a prescindere dai valori
associati ad ogni singola regione, le osservazioni fatte analizzando le
medie interregionali continuano a valere per la produttività di ogni
regione. In tutte le aree il fattore produttivo con il rendimento margi-
nale più elevato è stato il capitale umano, seguito dalle infrastrutture
e dal capitale privato che hanno produttività quasi identiche, segue in
ultimo, con valori molto bassi di produttività, il capitale pubblico non
produttivo. Inoltre si nota come Sicilia, Puglia e Calabria abbiano una
produttività del capitale privato che è sempre inferiore alla produttivi-
tà delle rimanenti regioni.
Il fatto che esista una così forte omogeneità nei fattori produttivi

Figura 20
Produttività marginali, regioni Obiettivo 1
Rielaborazioni
su dati Picci e
C.R.E.No.S. Nota: si
sono considerate
le produttività cal-
colate imponendo
la restrizione di
rendimenti di
scala costanti.
è dovuto principalmente all’aver utilizzato, per il calcolo delle produt-

tività, la stima delle elasticità utilizzando i risultati ottenuti dal panel.
Dopo aver introdotto la metodologia ed illustrato i risultati otte-
nuti, in questo paragrafo verranno illustrate le scelte delle regioni alla
luce dei valori della produttività marginale.
La Tabella 23 contiene, per ogni singola regione, la suddivisione
percentuale delle risorse utilizzate e l’impatto sull’output, quest’ultimo
è stato calcolato moltiplicando la quota di investimento con la pro-
duttività marginale associata. L’investimento effettuato tramite i Fondi
Strutturali è stato considerato come un unico input che gli ammini-
stratori hanno ripartito tra le varie categorie, le frazioni in cui è stato
suddiviso sono indicate in tabella, si nota come tutte le regioni, ad
eccezione della Calabria, abbiano ritenuto come prioritario investire
in sussidi al capitale privato (Kpr), dai dati si nota infatti che ogni
regione ha speso circa un terzo del proprio budget per sussidi al setto-
re privato; il picco di investimenti in settore privato si è registrato in
Sardegna dove il 40% dell’intero budget è stato destinato sotto forma
di aiuti a questa categoria di fattori produttivi. A questa tipologia di
investimenti sono seguiti, per quote mediamente investite, le spese in
capitale pubblico non produttivo (Kpub), benché gli investimenti in
questa variabile siano stati mediamente pari al trenta percento, esso si
è distribuito in maniera meno omogenea dei sussidi al settore privato.
L’eccezione è stata la Sardegna che ha destinato a questo fattore pro-

duttivo solo il 13,4% delle proprie risorse.
Per quello che riguarda l’investimento in infrastrutture (Kin) le
regioni che hanno puntato maggiormente su questa variabile sono state
il Molise, la Sardegna e la Campania con il 28,7% il 25,4% e il 25,4%
delle proprie risorse, ovviamente il volume dei pagamenti effettuati è
stato maggiore in Campania in virtù della maggiore disponibilità di
risorse cui ha avuto accesso. Al contrario, la Basilicata, è stata la regio-
ne che ha allocato la frazione più bassa delle proprie risorse in questa
tipologia di bene pubblico. In generale, limitatamente alle scelte di in-
vestimento in capitale pubblico, (Kin) e (Kpub), vale che ad eccezione
di Molise e Sardegna tutte le altre regioni hanno destinato una frazione
maggiore di risorse al capitale pubblico non produttivo.
Contrariamente a quanto ci si sarebbe atteso dal valore della
Tabella 23
Ripartizione percentuale delle risorse pubbliche E impatto sull’output
Mol Cam Pug Bas Cal Sar
dY %I dY %I dY %I dY %I dY %I dY %I
1,160 14,8 0,779 8,1 1,221 15,1 1,761 21,3 1,611 21,0 1,852 20,7
H % % % % % %
Nota: le produt-
1,988 32,2 2,563 33,7 2,355 37,3 2,139 32,2 1,868 31,6 2,914 40,3
tività marginali Kpr % % % % % %
utilizzate per i
calcoli sono state 1,751 28,7 1,934 25,3 0,700 12,9 0,968 14,4 0,825 15,2 1,805 25,4
Kin % % % % % %
ottenute imponen-
do la restrizione di
0,887 24,0 1,486 32,7 1,395 34,5 1,284 31,9 1,243 32,0 0,575 13,4
rendimenti di scala Kpub % % % % % %
costanti.
produttività marginale l’investimento in capitale umano (H) è stato

il fattore su cui le regioni hanno tendenzialmente investito di meno,
guardando la prima riga in Tabella si nota che mediamente, ad eccezio-
ne della Campania, ogni regione ha investito circa il % delle proprie
risorse, la regione che, dato le risorse disponibili, ha scelto di allocare
la frazione più alta di risorse disponibili sono state Basilicata, Calabria
e Sardegna. La Sardegna, la Basilicata e la Puglia, inoltre, sono state le
regioni in cui almeno un altro fattore produttivo ha ricevuto una quota
più bassa di risorse, ciò è positivo in quanto significa che queste regioni

non hanno destinato gli investimenti in questa categoria funzionale
come residuale.
Queste cifre mettono in chiara evidenza che le scelte adottate dai
Governi regionali nell’allocazione delle risorse sono in qualche modo
opinabili. Stando infatti a quanto è prescritto dalla teoria, era ragio-
nevole attendersi che i dati sulla spesa indicassero una concentrazio-
ne di risorse destinate al finanziamento degli investimenti in capitale
umano, infatti, in virtù delle produttività marginali calcolate, l’allo-
cazione più efficiente avrebbe dovuto vedere la maggior parte delle
spese destinate a finanziare miglioramenti di questo input, una quota
decrescente sarebbe dovuta andare invece alle rimanenti categorie fun-
zionali. Attendersi che ogni regione abbia destinato tutte le proprie
risorse per incrementare lo stock di capitale umano sarebbe stato abba-
stanza irrealistico, tuttavia è abbastanza chiaro come l’allocazione sia
stata alquanto inefficiente: si è investito poco nel fattore che avrebbe,
potenzialmente, potuto garantire un contributo maggiore alla crescita
dell’output (il capitale umano), al contrario si è investito troppo in un
fattore produttivo che, come già visto nel secondo capitolo, ha già sa-
turato il sistema produttivo: il capitale pubblico non produttivo.
Il first best, cioè il fattore su cui la teoria suggerisce di investire
maggiormente, (H) non ha purtroppo goduto degli investimenti mag-
giori, tuttavia, alla luce delle produttività marginali stimate, le regioni
che hanno fatto meno peggio delle altre sono state: Sardegna, Calabria
e Basilicata. Sebbene nessun abbia investito la quota preponderante
delle proprie risorse nel fattore produttivo con maggiore impatto sul-
l’output, queste regioni sono state quelle che hanno speso la quota
maggiore di risorse in formazione; non si tratta comunque di un risul-
tato lusinghiero, tuttavia si evidenzia una certa propensione di questa
regioni ad investire in fattori produttivi più redditizi. L’investimento di
second best, cioè il fattore su cui sarebbe stato conveniente investire nel
caso in cui il Governo sia tecnicamente impossibilitato ad investire nel-
la scelta di first best cioè il capitale umano, è stato quello su cui tutte le
regioni hanno concentrate la maggior parte delle risorse disponibili, la
frazione di risorse oscilla tra il ,% della Calabria e il ,% della Sar-
degna. Per quello che riguarda le scelte di investimento in infrastrut-
ture e capitale pubblico basti ricordare che insieme queste due voci,
risultate come il third ed il fourth best su cui il Governo può investire,
basti semplicemente ricordare che insieme i due fattori hanno ricevu-
to un ammontare pari a ben il 65% di tutte le risorse disponibili. In
particolare è interessante notare che ad eccezione di Molise e Sardegna,

tutte le atre regioni hanno concentrato la quota maggiore di investi-
menti in capitale pubblico non produttivo, cioè nel fattore produttivo
con la produttività marginale più bassa. Anche introducendo l’irreali-
stica ipotesi che durante la programmazione non fosse possibile per il
Governo intervenire investendo sulla formazione, l’insieme delle scelte
non risulta efficiente. Le regioni pur investendo nel fattore produttivo
più redditizio, il capitale provato (Kpr), hanno comunque devoluto ad
esso meno della metà delle risorse disponibili, inoltre l’allocazione della
restante quota è stata suddivisa preferendo un fattore con la produttivi-
tà marginale più bassa48, cioè il capitale pubblico non produttivo.
Il quadro che emerge, alla luce di questa metodologia di valutazio-
ne è, in definitiva, non molto positivo. Tutte le regioni hanno mostrato
delle caratteristiche abbastanza comuni nella scelta degli investimenti,
la ripartizione operata all’interno delle regioni mostra infatti signifi-
cativi tratti comuni. Generalizzando, circa il % delle risorse è stato
destinato per finanziare investimenti in capitale pubblico, il settore pri-
vato è stato sussidiato con il % del totale delle risorse mentre alla for-
mazione sono stati dedicati circa il % dei pagamenti. Le allocazioni,
evidentemente, non sono state effettuate secondo quanto sarebbe stato
auspicabile alla luce delle produttività marginale, non si è verificata
alcuna concentrazione degli investimenti in capitale umano, al contra-
rio questo fattore produttivo è stato quello su cui si sono concentrate
le risorse inferiori. La ragione è da ricercarsi probabilmente nel fatto
che investire in capitale umano ha un riscontro meno immediato se
comparato gli altri fattori produttivi che, al contrario, sono stock fisici.
Altre giustificazioni potrebbero essere legate, molto più semplicemente
a fatto che le risorse disponibili per essere investite in formazione sono
state limitate a livello centrale dalla Commissione Europea.
Un’ultima precisazione deve essere fatta riguardo le scelte di inve-
stimento effettuate dalle regioni sul capitale pubblico non produttivo.
Si è precedentemente ricordato il ruolo che lo Stato dovrebbe avere
47. In realtà la
nello spingere verso l’equilibrio paretiano il sistema economico, si è an-
teoria prescrive- che detto di una sempre maggiore attenzione degli economisti è rivolta
rebbe di investire a valutare l’efficacia dell’intervento pubblico non solo alla luce delle
il 100%delle performance economiche ma anche considerando il grado di benessere
risorse sull’output garantito agli amministrati. La completa misurazione degli effetti del-
con la produttività
le spesa pubblica implica quindi che vengano considerate indici tipi-
più alta.
camente non economici e comunque non catturati dalla produttività
48. Ad eccezio- marginale, la conoscenza di questi effetti dovrebbe indurre a ridimen-
ne di Molise e sionare il giudizio espresso sulle scelte di investimento in questo fattore
Sardegna produttivo.

Conclusioni
In questo capitolo si è proceduto a valutare in dettaglio le decisio-

ni di spesa effettuate durante la programmazione ’ – ’. Tutti dati
esposti sono stati estratti dai Rapporti di Esecuzione Finale resi gentil-
mente disponibili dai dipartimenti per le Politiche Comunitarie delle
regioni Molise, Campania, Puglia, Basilicata, Calabria e Sardegna. I
calcoli effettuati dicono che all’interno delle regioni sono stati investiti,
comprendendo anche il cofinanziamento dei privati quasi ventimila
miliardi di vecchie lire.
Il primo passo è stata la descrizione della metodologia con cui si
sono adattati i dati alle esigenze dell’analisi. Nel descrivere il dataset si
è dedicata particolare cura nel traslare gli investimenti in moneta in
anni di scolarità.
Dall’analisi delle scelte allocative dei finanziamenti tra le singole
regioni è emerso chiaramente che,per quello che riguarda l’allocazio-
ne delle risorse contenute nei P.O.P., il principio di concentrazione è
stato rispettato solo parzialmente, benché nelle casse delle regioni più
popolose e più produttive siano affluite le maggiori risorse, si e veri-
ficato, calcolando i trasferimenti in termini pro capite, che all’interno
delle sei regioni la Basilicata e il Molise hanno ricevuto una quota di
pagamenti pubblici pro capite pari al % circa della media obiettivo
1, al contrario Campania, Puglia e Calabria hanno speso pro capite un
ammontare medio pari a %. Si tratta di un divario importante che
indica che nella ripartizione degli ammontari le regioni più piccole,
fatti salvi eventuali premi legati alla midterm review, hanno ottenuto
un quota maggiore di risorse pro capite.
L’analisi è proseguita fornendo una stima del contributo imme-
diato che i fondi strutturali hanno avuto sulla crescita della produzio-
ne, l’impatto diretto, al netto di qualsiasi effetto indotto è relativamen-
te scarso, in particolare esso è oscillato tra lo ,% per la Basilicata
e lo ,% della Calabria. Considerando i tassi medi di crescita del
P.I.L. lungo il periodo ’ – ‘ si può facilmente calcolare che gli
investimenti effettuati attraverso i P.O.P. hanno contribuito a spiegare
in media il 10% della crescita, è un dato estremamente precario ma
alla luce del fatto che i Fondi Strutturali sono stati la principale, se non
l’unica, fonte di investimento diretto in queste regioni, non si tratta
di un risultato non molto incoraggiante. Quelle fatta resta comunque
una valutazione di impatto nel breve periodo, per delle valutazioni in
merito alle scelte e ai possibili esiti che queste scelte potranno aver nel

medio-lungo periodo si rimanda alle conclusioni finali in cui si discu-
tono, alla luce dei risultati ottenuti qui e nei capitoli precedenti, quali
possono essere le possibili prospettive degli investimenti effettuati.
L’ultima parte dell’analisi è stata dedicata a valutare la capaci-
tà delle amministrazioni regionali nell’allocare le risorse, l’approccio
adottato per l’analisi ha implicato il calcolo delle produttività margi-
nali. In tutte le regioni emerge come fattore critico su cui investire il
capitale umano, si è rilevato che l’allocazione delle risorse abbia teso,
al contrario di quanti ci si potesse attendere, a minimizzare gli inve-
stimenti in questo fattore, il fenomeno descritto è comune a tutte le
regioni, l’impressione che si carpisce è che gli investimenti destinati a
questo fattore produttivo sono stati essenzialmente fatti come residua-
li, le regioni hanno preferito l’investimento in fattori ritenuti storica-
mente più sensibili alla crescita, in particolare deve segnalarsi come
estremamente negativo il perseverare degli investimenti in un fattore
produttivo che storicamente si è rivale essere non fondamentale nel
processo di crescita: il capitale pubblico non produttivo.

Conclusioni Finali
Lo scopo del lavoro presentato nei precedenti capitoli è stato

quello di analizzare la qualità delle scelte e i possibili effetti degli in-
vestimenti finanziati dai Fondi Strutturali, all’interno di sei delle sette
regioni italiane incluse nell’Obiettivo 1. L’analisi è stata effettuata at-
traverso un approccio metodologico prevalentemente quantitativo.
L’ampio spettro di attività finanziabili dai Fondi ha indotto ad
utilizzare tre diverse metodologie di analisi. Il ventaglio di risultati così
prodotti ha permesso di spiegare in dettaglio l’evoluzione delle eco-
nomie regionali durante il periodo ’ - ’ e di fornire una pluralità
di vagli utili ad analizzare le decisioni di investimento effettuate dalle
regioni nel secondo periodo di programmazione.
Il lavoro, come già spiegato, può suddividersi in due parti. Nella
prima parte, sviluppata nei capitoli 1, 2 e in parte del 3, si è proceduto
ad una accurata indagine delle performance economiche delle regioni
italiane lungo l’arco temporale ’-’. La seconda parte dell’analisi
è stata illustrata nel capitolo 4, in questa sezione, nei limiti dei dati
reperiti, si sono studiate le scelte di investimento delle regioni incluse
nell’obiettivo 1. Come già anticipato la prima parte del lavoro è stata
effettuata utilizzando tre metodologie d’analisi distinte: lo studio della
funzione di offerta aggregata, il calcolo dell’efficienza ed in fine il com-
puto della produttività marginale.
Questa sezione conclusiva del lavoro si costituisce di due par-
ti, nella prima sezione si passeranno in breve rassegna le metodologie
adottate illustrando le implicazioni di policy direttamente derivabili dai
risultati dell’analisi, nella seconda e conclusiva parte si esprime un giu-
dizio sui risultati ottenuti e sulle scelte effettuate dalle regioni durante
il ciclo programmatico alla luce di alcuni indicatori macroeconomici e
dell’analisi degli investimenti effettuata nel Capitolo 4.
Le indicazioni di policy emerse dall’analisi quantitativa
Il primo strumento d’analisi, discusso nel Capitolo 2, è stato lo studio

dell’offerta aggregata attraverso l’utilizzo di tecniche econometriche

per l’analisi dei dati panel. L’analisi della funzione di offerta è stata ef-
fettuata per gradi: si è partiti da una specificazione inclusiva di capitale
privato e lavoro per poi passare a specificazioni sempre più complesse.
Particolare attenzione ha suscitato l’aggiunta della variabile capitale
umano (H) tra i regressori; è emerso infatti che questo fattore è sta-
to significativo per la crescita solamente nelle regioni settentrionali e
centrali, in queste aree geografiche le conclusioni già esposte in altri
lavori49 sono confermate in pieno. Si nota, infatti, che unità di lavoro,
capitale privato e capitale umano presentano rendimenti di scala co-
stanti. Si sono effettuate ulteriori analisi per dare una giustificazione ai
risultati ottenuti nel Mezzogiorno e si è evidenziato che nonostante la
scolarità media sia aumentata, l’area meridionale continua a mostrare
un ritardo nel livello di formazione della forza lavoro. Considerando
separatamente il Centro-Nord dal Sud, si è osservato che mentre nelle
regioni centrali, dal ’ al ’, la differenza nella scolarità media è rien-
trata, nel Meridione continuano ad evidenziarsi dei. Questi ritardi si
sono confermati nuovamente anche considerando altri indicatori come
la distribuzione di biblioteche e musei ogni centomila abitanti.
Sempre nell’ambito dello studio della funzione di offerta si è poi proce-
duto a verificare l’effetto che il capitale pubblico ha avuto sull’output.
L’analisi è stata condotta considerando due regressori per meglio cattu-
rare le due diverse tipologie di bene: le infrastrutture (Kin) ed il capitale
pubblico non produttivo (Kpub). L’evidenza empirica, coerentemente
con altri lavori50 , chiarisce che per tutte le regioni d’Italia lo stock di
capitale pubblico ha un impatto positivo sui livelli e sulla crescita del-
l’output, un’importante risultato cui si giunge è che le infrastrutture,
più del capitale pubblico non produttivo, hanno un ruolo importante
nello spiegare la variabile dipendente. Per offrire ulteriori evidenze e
per valutare meglio le dinamiche territoriali all’interno del Mezzogior-
no le elasticità sono state stimate nuovamente disaggregando i dati. E’
emerso che alla fine degli anni Settanta nell’area del Mezzogiorno si
è verificato un aumento degli investimenti in capitale pubblico non
produttivo a scapito di quelli in infrastrutture. Si è notato che a tale
fenomeno è seguito, durante tutti gli anni Ottanta e Novanta, una
stagnazione dei tassi di crescita dello stock di capitale privato, la con-
49. In particolare
seguenza di un tale cambiamento nell’allocazione degli investimenti è
Manwik, Romer e
Weil (1992)
che le regioni meridionali, alla fine degli anni Novanta continuavano
a presentare un settore pubblico sovradimensionato rispetto al settore
50. Picci (1999), privato.
Paci e Saddi (2002) La seconda metodologia d’analisi, descritta nel capitolo 3, è ser-

vita per avere uno strumento descrittivo delle modalità con cui ogni
regione ha reagito all’introduzione dei Fondi Strutturali. Si è pertan-
to elaborato e poi stimato un modello di frontiera produttiva deter-
ministica nel quale le opportunità di investimento offerte dai Fondi
strutturali sono state intese come strumenti in mano alle regioni per
migliorare l’efficienza dei propri assetti produttivi. L’indicatore di effi-
cienza, stimato su tutte le regioni d’Italia, ha evidenziato una maggiore
efficienza nelle regioni settentrionali, che risultano quindi essere quelle
che meglio sono riuscite a utilizzare il proprio set di input e che hanno
introdotto le innovazioni più efficaci nel sistema produttivo. Limitata-
mente al Meridione le regioni più efficienti e più propense a migliorare
il proprio assetto produttivo sono risultate quelle economicamente più
grandi e più popolose; vi è, però, stata un eccezione, la Basilicata, che
ha mostrato livelli di efficienza più elevati di Puglia e Campania. La
suddivisione temporale ha evidenziato come l’Abruzzo, unica regione
che alla fine del ’96 è uscita dall’obiettivo 1, sia stata anche la regio-
ne che più d’ogni altra ha migliorato la propria efficienza nel periodo
’ – ’.
Il terzo strumento d’analisi è stata la stima delle produttività mar-
ginali relative ad ogni fattore produttivo. L’adozione di tale strumento
mira a fornire un ranking dei fattori produttivi in cui risulta economi-
camente vantaggioso investire. I risultati hanno confermato quanto già
ottenuto in precedenza, in particolare è si è identificata come priorita-
ria la necessità di investire, nell’ordine, in capitale umano, in capitale
privato e infrastrutture, mentre è risultato fortemente sconsigliato l’in-
vestimento in capitale pubblico non produttivo.
Alla luce di quanto detto nelle sezioni precedenti emergono mol-
te indicazioni interessanti ed alcuni spunti di riflessione.
E’ affiorata come prioritaria, per le regioni meridionali, la neces-
sità di attuare investimenti finalizzati al miglioramento dello stock di
capitale umano; questo fattore, alla luce dei risultati prospettati dalla
teoria e confermati dall’evidenza empirica, risulta di vitale importanza
per la crescita. Nello studio degli effetti del capitale pubblico si è nota-
to che sarebbe consigliabile una limitazione del volume degli investi-
menti da devolversi al capitale pubblico non produttivo; al contrario,
l’investimento in infrastrutture, già indicato come variabile importan-
te perché capace di favorire l’insediamento del capitale privato, do-
vrebbe essere ulteriormente incentivato. Questa affermazione non deve
indurre a considerare il capitale pubblico non produttivo come inutile
o scarsamente efficace, al contrario, investire in bonifiche, acquedotti,

gasdotti, ospedali e scuole migliora sia la qualità della vita dei cittadini,
sia l’ambiente produttivo. E’ però anche vero che l’effetto diretto che
questi fattori hanno sulle scelte di localizzazione delle attività private
e sui livelli di reddito regionale sono molto inferiori rispetto all’effetto
delle infrastrutture.
Un discorso a parte deve essere fatto per quanto riguarda il ca-
pitale privato. L’obiettivo del lavoro qui presentato non è stato quello
di spiegare in una prospettiva storica le carenze di capitale privato nel
Meridione, tuttavia l’analisi del capitale pubblico ha portato ad ana-
lizzare anche le dinamiche di questo fattore produttivo. Ciò che si è
notato è che la diffusione di questo fattore sembra essere stato in parte
soffocato da una eccessiva presenza di capitale pubblico. In particolare,
i dati evidenziano come il capitale privato abbia sofferto particolar-
mente il cambio di direzione degli investimenti finanziati con la Cassa
per il Mezzogiorno. Quando, dalla fine degli anni Sessanta alla fine dei
Settanta si è registrata una maggiore enfasi degli investimenti pubblici
in infrastrutture, lo stock pro capite di capitale privato è aumentato;
dagli inizi degli anni Ottanta, la necessità di burocratizzare le regioni e
il cambiamento verso una politica di sussidiazione del settore privato
hanno indotto a ridurre gli investimenti in infrastrutture e l’investi-
mento in capitale privato guidato dalle imprese pubbliche51 . Molto si
è detto sugli errori nel processo di industrializzazione del Meridione,
resta un dato di fatto che quando, nel , di pose fine al processo di
industrializzazione capital-intensive la Cassa entrò irrimediabilmente
51. Attraverso l’ in crisi, ma soprattutto, il tasso di crescita dello stock di capitale priva-
I.R.I. e le imprese
to pro capite è vertiginosamente calato (si vedano il grafico in Figura
incluse nella
sua orbita negli
6 e il terzo grafico in Figura 8 del capitolo 2). Affermare che un ritor-
durante gli anni no alle modalità di insediamento di attività capital-intensive mediante
Settanta si sono l’intervento statale sia la strada da perseguire è scorretto, le “cattedrali
effettuati notevoli nel deserto” non si sono rivelate uno strumento utile, tuttavia appare
investimenti in altrettanto inefficiente il finanziamento della piccola borghesia, trop-
capitale privato, si
po spesso vessata dalla carenza di talenti imprenditoriali e dalla scarsa
pensi ai complessi
industriali della
protezione offerta ai pochi imprenditori dallo Stato, frequentemente
Liquichimica in- condizionato dalle lobby dell’industria pesante e poco impegnato nella
stallati in Sardegna lotta ai fenomeni malavitosi. Paradossalmente nel Meridione è la storia
e Calabria di successo che fa clamore, non i fallimenti.

I risultati macroeconomici e la valutazione delle scelte di policy
La possibilità di avere dati dettagliati sulle scelte di impiego delle

risorse comunitarie effettuate dalle regioni nel periodo ’ - ’ ha per-
messo di valutare in quale misura le implicazioni derivanti dai risultati
empirici siano coincise con le scelte effettivamente praticate da ogni
singola regione. Le scelte effettuate dalle regioni, ove possibile, saranno
accompagnate da alcuni indicatori macroeconomici registrati alla fine
del periodo di programmazione legandoli agli investimenti pro capite.
I dati relativi agli indicatori sono stati estratti e poi rielaborati dal Rap-
porto redatto dall’ ISMERI52 che è stato l’ente di valutazione cui la
Commissione ha affidato, nel , la valutazione ex-post.
I Fondi Strutturali hanno creato, nelle regioni obiettivo 1 circa
Figura 21
Trasferimenti pro capite e crescita assoluta del numero degli occupati
Fonte: ISMERI EURO-

PA, ISTAT, C.r.e.no.s.
Nota: Il trasferimento
pro capite è stato
standardizzato a 100.
Valori a prezzi costan-
ti, anno 1990.
 nuovi posti di lavoro; il settore che è cresciuto maggiormente

è stato quello dei servizi mentre si è osservato un calo del % nel nu-
mero degli occupati nel settore agricolo. Nonostante siano stati creati
nuovi posti di lavoro, deve essere fatta una precisazione: secondo le
stime ISMERI più di un terzo di queste nuove unità di lavoro sono
52. Ex-post
Evaluation of the
state generate tramite contratti temporanei di addestramento e forma-
Objective 1 1994- zione al lavoro, ovvero sussidi elargiti alle imprese in cambio di nuove
1999 National assunzioni temporanee. I dati aggregati, purtroppo, non permettono
Report – ITALY di individuare quanti di questi assunti sono stati inseriti stabilmente

nelle attività. Il grafico evidenzia come l’andamento dell’occupazione
sembra essere stato indipendente dalla quota di risorse investite pro
capite. La Sardegna, pur non essendo la regione che ha avuto maggiori
risorse pro capite è stata la regione in cui si è registrato la maggiore
variazione dell’occupazione, Basilicata e Molise, pur avendo ricevuto
una quota pro capite elevata non hanno registrato una performance
strabiliante, si tratta inoltre della conferma di quanto esposto durante
il primo capitolo: la capacità di spesa non è sufficiente per decretare il
successo degli interventi, al contrario le scelte allocative sembrano aver
influito drasticamente sulla crescita, maggiore è stato la spesa a favore
del settore privato migliore è stata la performance sugli occupati. Ciò
che si è indotti a concludere è che nonostante le regioni abbiano effet-
tuato delle scelte allocative abbastanza omogenee, non emerge un chia-
ro legame tra variazione dell’occupazione e risorse ricevute, l’eccezione
sembra essere stata la Sardegna e, in misura minore la Puglia, che, du-
rante il periodo analizzato, hanno utilizzato le risorse per incidere altre
che sul settore produttivo anche su mutato i propria profondamente
sul livello di occupazione.
Benché il rapporto attribuisca all’intervento tramite il Fondo So-
ciale Europeo il calo dal % al % della forza lavoro con un basso
livello di scolarità, alla luce dei risultati ottenuti in questo lavoro, sem-
bra opportuno slegare questa dinamica dall’intervento comunitario; i
miglioramenti ottenuti nel livello di scolarizzazione della forza lavoro
non posso e non devo ricondursi all’intervento comunitario. Premesso
che non si sono potuti valutare gli investimenti finanziati con il Piano
Operativo Nazionale è bene ricordare che il F.S.E. ha prevalentemente
finanziato corsi di formazione con delle eccezioni nel finanziamento
di progetti di ricerca operativa. Considerando il contributo del Fondo
Sociale Europeo come assimilabile, almeno parzialmente all’investi-
mento in capitale umano, l’effetto che esso ha avuto sulla crescita, alla
luce delle stime prodotte, è stato molto basso53. Tale tesi è confermata
anche sotto l’ipotesi in cui tutti i corsi di formazione siano stati rivolti
esclusivamente a lavoratori e non anche a disoccupati. La conclusione,
già illustrata è che l’apporto dato dalla spesa in formazione è pressoché
impercettibile. Questo risultato, considerando anche le quasi nulle ri-
53. Si guardi la
sorse destinate a finanziare la costruzione di infrastrutture scolastiche,
Tabella 21 del
capitolo 4.
conduce a un quadro generale di non adeguato impegno profuso dalle
regioni nel miglioramento della formazione della propria forza lavoro.
54. Si veda Puga Nel primo capitolo si è accennato ad una serie di lavori54 che
(2002). hanno sollevato il problema del crescente aumento delle disuguaglian-

ze all’interno delle regioni europee, e messo in discussione la effettiva
capacità degli interventi per la coesione economica. La Tabella 24 aiu-
ta parzialmente a capire le dinamiche del GDP pro capite all’interno
delle regioni vi è riportato, relativamente agli anni ’ e ’, il GDP
pro capite delle regioni obiettivo 1 italiane standardizzato rispetto alla
media dei quindici paesi europei. L’indicatore così costruito è molto
utile per valutare la capacità di ogni regione di convergere verso i livelli
di benessere del resto d’Europa.
In molte regioni si è assistito ad un arretramento del livello intrin-
Tabella 24
GDP pro capite nelle regioni Obiettivo 1
Regione 1994 2001
Molise 80,9 78,9
Campania 67,1 67,1
Fonte: Puglia 68,6 67

Rapporto ISMERI,
European economy Basilicata 69,2 75
n.72-2001.
Nota: Valori stan- Calabria 62,1 65,8
dardizzati rispetto
Sicilia 69 68,4
alla media dei 15
paesi europei.
Sardegna 79,8 79,1
Al ’94 risultava-
no: EUR 15=100,
Mezzogiorno 70 69,7
ITA=103,1.
seco di ricchezza pro capite. Se è vero che tutte le regioni del Meridio-
ne, durante gli anni di programmazione, hanno fatto registrare tassi di
crescita positivi i dati qui riportati evidenziano che la crescita registrata
non è stata sufficiente per rientrare dal gap nei livelli di prodotto pro
capite. Dopo sette anni di interventi, le regioni Meridionali hanno vi-
sto aumentare il GDP nominale pro capite, tuttavia nel confronto con
il resto d’Europa si evidenzia un sostanziale impoverimento, il reddito
pro capite non ha mostrato segni di convergenza. Le uniche eccezioni
sono state la Basilicata e la Calabria ovvero le regioni che insieme alla
Calabria hanno fatto registrare, nel periodo ’ – ’, un elevata effi-
cienza tecnica, questi risultati evidenziano un concetto cruciale che si è

già tentato di spiegare illustrando il modello della frontiera efficiente: il
semplice investimento non è sufficiente, ciò che differenzia le regioni è
la sostanziale capacità di investire in effettivi miglioramenti del sistema
produttivo; la Calabria che al’ presentava il GDP pro capite più bas-
so55 , pur avendo speso meno di altre regioni ha introdotto poche ma
efficaci miglioramenti tecnici per il proprio sistema produttivo.
Il grafico contenuto nella Figura 22 contiene uno scatter plot. La
prima variabile è la differenza tra il livello del GDP pro capite standar-
dizzato rispetto al resto d’Europa nel ’ ed il valore registrato nel’.
Si noti che anche gli ammontari dei trasferimenti pro capite sono stati
standardizzati a .
La Tabella e il grafico evidenziano che l’intervento comunitario
Figura 22
Variazione del reddito pro capite e trasferimenti pro capite
Fonte: Rapporto
ISMERI, European
economy n.72-
2001. Nota: Valori
standardizzati
rispetto alla media
dei 15 paesi euro-
pei. Al ’94 risulta-
vano: EUR 15=100,
ITA=103,1.
non sembra abbia influenzato l’andamento del GDP, è verosimile che

le variazioni dei redditi siano state influenzate solo parzialmente dalle
somme investite. La Calabria, ad esempio, pur avendo perso unità di
lavoro dal’ al’ e pur essendo risultata una regione che investe poco
ha fatto comunque registrare un incremento del GDP tale da ridurre
la distanza rispetto al resto delle regioni europee. La performance nel
livello di GDP sembra quindi essere stato legato all’andamento dell’ef-
55. Probabilmen- ficienza regionale.
te d’Europa I dati macroeconomici salienti (GDP e occupazione) non hanno

mostrato andamenti tali da poter essere riconducibili ad una partico-
lare scelta di investimento effettuata delle regioni. In conclusione, si
nota che ad una sostanziale eterogeneità nell’accesso delle risorse cor-
risponde una sostanziale eterogeneità dell’andamento degli indicatori
macroeconomici. I grafici precedenti risultano molto istruttivi in tal
senso, tre regioni con livelli di risorse pro capite molto simili: Calabria,
Puglia e Campania, hanno fatto registrare diverse performance dell’an-
damento degli indicatori macroeconomici.
Nell’esposizione dei dati relativi agli investimenti finanziati attra-
verso il Piano Operativo Plurifondo è emerso che l’allocazione delle ri-
sorse è avvenuta derogando al principio della concentrazione, ovvero il
principio secondo cui le maggiori risorse dovrebbero concentrarsi nelle
regioni con un livello di ricchezza inferiore; infatti la suddivisione degli
ammontari investiti in quote pro capite ha messo in luce che Basilicata
e Molise hanno avuto accesso a molte più risorse delle altre regioni.
Il capitale privato è stato un fattore su cui tutte le regioni hanno
investito, tuttavia il volume di spesa destinato ai trasferimenti ai privati
è stato sempre inferiore a quello sostenuto per il capitale pubblico, al
quale ogni regione ha destinato in media il % delle risorse a dispo-
sizione. In particolare gli investimenti destinati ad installare capitale
pubblico si sono concentrati soprattutto verso il capitale pubblico non
produttivo.
Alla luce dei suggerimenti di policy illustrati nel precedente pa-
ragrafo e dell’analisi delle scelte di investimento effettuata nel capitolo
4, si può concludere che le regioni hanno compiuto delle scelte solo
in parte aderenti a quanto sarebbe stato auspicabile. Se l’investimento
in formazione si è evidenziato abbastanza ininfluente, sia per lo scarso
contributo che i corsi di formazione sul GDP sia per le pochissime ri-
sorse destinate alla costruzione di strutture educative, l’investimento in
capitale privato è stato più quantomeno più abbondante. Quest’ultima
nota positiva è stata però parzialmente frustrata dalle scelte relative agli
investimenti in capitale pubblico, attraverso le quali si è continuato ad
alimentare la crescita del capitale non produttivo penalizzando, al con-
trario, l’investimento in infrastrutture. Visto il legame tra quest’ultimo
fattore ed il capitale privato capitale privato, sarebbe stato auspicabile
devolvere, contrariamente a quanto si è in realtà fatto, maggiori risor-
se agli investimenti in infrastrutture. In conclusione è bene ricordare
un principio fondamentale: il legame investimenti ergo crescita non è
ovvio. In questo lavoro si è dedicata particolare attenzione a chiarire
che l’investimento intrinsecamente non è la chiave per lo sviluppo, è

necessaria anche l’accortezza nel selezionare l’investimento al fine di
massimizzare il rendimento. Nel lavoro qui presentato si è individuato
nell’indicatore di efficienza la capacità di una regione di compiere ef-
ficacemente tale scelta. Costruire un’ autostrada, alla luce delle regres-
sioni e delle produttività, è una scelta positiva; la costruzione di una
infrastruttura viaria diventa però una scelta oggettivamente positiva
se e solo se collega due città, due poli industriali, ovvero se si inserisce
positivamente nel contesto produttivo.

Bibliografia
A.T.I. (): “Programma Operativo Plurifondo / Rapporto Di

Valutazione Finale”, Potenza: Regione Basilicata.
AIELLO, F., e V. SCOPPA (): “Uneven Regional Development in
Italy: Differences in Growth Rates or Productivity Levels?”, Giornale degli
Economisti e Annali di Economia, .
ARTONI, R. (): Lezioni Di Scienza Delle Finanze. Bologna: il
Mulino.
ASCHAUER, D.-A. (): “Is Public Expenditure Productive?”, Jour-
nal of Monetary Economics, , -.
BALTAGI, B. B. (): Econometric Analysis of Panel Data. New York:
John Wiley & Sons, Ltd.
BARBIERI, G., e M. CAUSI (): “Infrastrutture E Sviluppo Territo-
riale:Un’Analisi Delle Province Italiane”, Economia Pubblica, , -.
BARNASCO, A., M. BARBAGLI, and A. CAVALLI (): Corso Di
Sociologia. Bologna: Il Mulino.
BARRO, R., and X. SALA-Y-MARTIN (): Economic Growth. New
York: McGraw-Hill.
BASILICATA, REGIONE (Anno XXVII): “Programma Operativo
Plurifondo -”, Potenza: Regione Basilicata.
BASILICATA, REGIONE (Anno XXVII): “Quadro Comunitario Di
Sostegno Italia - Obiettivo1”, Potenza: Regione Basilicata.
BECK, T., R. LEVINE, e N. LOAYZA (): “Finance and the Sour-
ces of Growth”, Journal of Financial Economics, , -.
BENHABIB, J., e M. SPIEGEL (): “The Role of Human Capital in
Economic Development: Evidence from Aggregate Cross-Country Data”,
Journal of Monetary Economics, , -.
BERRETONI, P., R. DELOGU, C. PAPPALARDO, e P. PISELLI
(1999): “Una Ricostruzione Omogenea Di Dati Regionali: Conti Eco-
nomici E Reddito Disponibile Delle Famiglie 1970-1995”. Temi di
discussione Banca d’Italia. Roma
BRACALENTE, B., e M. D. PALMA (1982): “Infrastrutture E Svi-
luppo Regionale in Italia: Un’Analisi Multidimensionale,” Note Eco-
nomiche, 4, 13-42.
BRADLEY, J., J.-A. HERCE, e L. MODESTO (): “The Macroeco-
nomic Effects of the Csf - in the Eu Periphery: An Analysis Based
on Hermin Model,” Economic Modelling, , -.
BRADLEY, J., E. MORGENROT, e G. UNTIEDT (): “Macro-
Regional Evaluation of the Structural Funds Using the Hermin Modelling
Framework”, University of Jyväskylä, Jyväskylä, Finland.
BRUNNER, E. J. (): “Pooling Cross Sectional and Time Series
Data: An Introduction to Panel Data Techniques”, San Diego: San Die-
go State University.
CAMERANI, R. (): “Innovazione Tecnologica Ed Entrata Di Nuo-
ve Imprese Nel Settore Della Telefonia Mobile:Un’analisi Dei Brevetti”,
Milano: Università L. Bocconi.
CLARK, J. M. (): “Inductive Evidence on Marginal Productivity”,
The America economic review, , -.
COMMISIONE EUROPEA (Vari Anni): “Regolamenti Comunitari”.
CONTI, C. D. (): “Il Costo Del Lavoro Pubblico Negli Anni  E
”, Roma: Corte dei conti.
DEBREU, G. (): “The Coefficient of Resource Utilization”, Econo-
metrica, , -.
De La FUENTE, A. (): “The effects of Structural Funds Spending
on The Spanish Regions: an Assessment of The - Objective 1 CSF”
C.e.p.r. Working Paper
DELGADO, M. J., e I. ALVAREZ (): “The Effect of Public Infra-
structure on Private Activity: Evidence from the Spanish Regions”, Univer-
sitatat compultense de Madrid, dipartimento di economia, Working
paper series.
DI LIBERTO, A. (): “Human Capital Stocks and the Development
of Italian Regions. A Panel Approach”, Contributi di Ricerca Crenos,
/.
DI LIBERTO, A., e J. SYMONS (): “Education and Italian Regio-
nal Development”. London: Centre for Economics Performance, The
London School of Economics.
EVANS, P., e G. KARRAS (): “Are Government Activities Produc-
tive? Evidence from a Panel of Us States”, Review of Economics and
Statistics, , -.
FARRELL, M. J. (): “The Measurement of Productive Efficiency”,
Journal of the Royal Statistical Society, , -.
FERRI, G., e F. MATTESINI (): “ Finance, Human Capital and
Infrastructure: An Empirical Investigation of Post-War Italian Growth”,
Temi di discussione, Banca d’Italia, . Roma
GARCIA-MILÀ, T., e T. J. MC GUIRE (): “The Contribution of
Publicly Provided Inputs to States’ Economies”, Regional Science and Ur-
ban Economics, , -.
GREENE, W. H. (): Econometric Analysis. New York: Prentice Hall.
HALL, R., e C. JONES (): “Why Do Some Countries Produce So
Much More Output Per Workers Than Others?”, Quarterly Journal of
Economics, , -.
HOLTZ-EAKIN, D. (): “Public-Sector Capital and the Productivi-
ty Puzzle”, The Review of Economic and Statistics, , -.
ISMERI, E. (): “Ex-Post Evaluation of the Objective 1 - Na-
tional Report - Italy,” Roma: Commissione Europea: Politiche Regionali.
ISTAT (): “Forze Di Lavoro Media ,” Roma: ISTAT.
— (): “Forze Di Lavoro Media ,” Roma: ISTAT.
— (): “Forze Di Lavoro Media ,” Roma: ISTAT.
— (): “Forze Di Lavoro Media ,” Roma: ISTAT.
— (): “Statistiche Delle Scuole Secondarie Superiori Anno Scolastico
 -,” Roma: ISTAT.
— (): “Forze Di Lavoro Media ,” Roma: Istat.
— (): “Statistiche Delle Scuola Secondarie Superiori Anno Scolastico
-,” Roma: istat.
ISTAT (): “Forze Di Lavoro Media ,” Roma: Istat.
— (): “Forze Di Lavoro Media ,” Roma: Istat.
— (): “Forze Di Lavoro Media ,” Roma: Istat.

— (): “Forze Di Lavoro Media ,” Roma: Istat.
JAPPELLI, T., e A. RIPA DI MEANA (): “Investimenti Pubblici,
Onere Del Debito E Accumulazione Del Capitale”, Rivista di Politica
Economica, 12.
KOOPSMAN, T. C. (): “An Analysis of Production as an Efficient
Combination of Activities”, in Activity Analysis of Production and Allo-
cation, ed. by T. C. Koopmans. New York: John Wiley and Sons, Inc.
LIMBDOLM, C. (): Politica e Mercato. Milano: Etas Libri.
LYNDE, C., and J. RICHAMOND (): “Public Capital and Total
Factor Productivity”, International economic review, , -.
MANKIW, G., D. ROMER, and D. WEIL (): “A Contribution to
the Empirics of Economic Growth”, Journal of Economics, , -.
MARCELLINO, M., e E. L. FERRARA (): “Tfp, Costs, and Pu-
blic Infrastructure: An Equivocal Relationship”, I.G.E.R. Working
paper.
MONTI, L. (): I Fondi Strutturali Per La Coesione Europea. Roma:
Edizioni SEAM.
MORRISON, C., e A. E. SCHWARTZ (): “State Infrastructure
and Productive Performance”, The America economic review, , -.
MUNNEL, A. (): “How Does Public Infrastructure Affect Regional
Economic Performance?”, in Is There a Shortfall in Public Capital Inve-
stement?, ed. by A. MUNNELL. Boston MA: Federal Reserve Bank
of Boston.
MUNNEL, A. H. (): “Infrastructure Investment and Economic
Growth”, Journal of economic perspective, , -.
OHKAWARA, T., e N. YAMANO (2003): “Productivity of Regional
Public Capital -Specification of Flexible Production Functional Form
by Box-Cox-,” OSIPP Center for Regional Economic Studies, Osaka
Univesity.
PACI, R., R. PALA, e E. MARROCU (2000): “Estimation of Total
Factor Productivity for Regions and Sectors in Italy. A Panel Cointe-
gration Approach,” Contributi di ricerca CRENoS, 00/16.
PACI, R., e F. PIGLIARU (): “Differenziali Di Crescita Tra Le Re-
gioni Italiane: Un’Analisi Cross-Section”, Rivista di Politica Economica,
, -.

PACI, R., e S. SADDI (): “Capitale Pubblico E Produttività Nelle
Regioni Italiane”, Contributi di ricerca CRENoS, /.
PICCI, L. (): “Productivity and Infrastructure in the Italian Re-
gions”, Giornale degli Economisti e Annali di Economia, , -.
PICCI, L., e F. BONAGLIA (): “Lo Stock Di Capitale Nelle Regioni
Italiane”, Collana di Economia Applicata, Università di Bologna, .
PONTRANDOLFI, P. (): Pianificazione Complessa E Negoziata
Nella Programmazione Regionale. Potenza: Edizioni ERMES.
PUGA, D. (): “European Regional Policy in Light of Recent Loca-
tion Theories”, Journal of Economic Geography, , -.
RATNER, J. (): “Government Capital and the Production Function
for U.S. Private Output”, Economic Letters, -.
ROBERTS, P. (): “Partnerships, Programmes and the Promotion of
Regional Development: An Evaluation of the Operation of the Structural
Funds Regional Programmes”, Progress in Planning, , –.
SALA-I-MARTIN, X. (): “Regional Cohesion: Evidence and Theo-
ries of Regional Growth and Convergence”, European Economic Review,
, -.
SCHMIDT, P. (): “On the Statistical Estimation of Parametric Fron-
tier Production Function”, The Review of Economics and Statistics, ,
-.
SCOTESE, A. (): Sviluppo Di Nuovi Strumenti Dei Fondi Struttu-
rali Per Le Politiche Regionali: Il Caso Della Regione Basilicata. Potenza:
Regione Basilicata.
SMITH, S. (): Labour Economics. London: Routledge.
STOCK, J., e M. WATSON (): “A Simple Mle of Cointegrating Vectors
in Higher Order Integrated Systems”, NBER Working paper, .
SVIMEZ (): Rapporto  Sull’economia Del Mezzogiorno.
Bologna: Il Mulino.
— (): Rapporto  Sull’economia Del Mezzogiorno. Bologna:
Il Mulino.
TANZI, V. (): “Government Role and the Efficiency of Policy Instru-
ments”, in Public Finance in a Changing World, ed. by S. P: Macmil-
lan Press, -.

TANZI, V., A. ALFONSO, e L. SCHUKNECHT (): “Public
Sector Efficiency:An International Comparison”, European Central Bank
working paper series, .
TATOM, J. (): “Public Capital and Private Sector Performance”,
The Federal Reserve Bank of St. Louis Review, , -.
TEMPLE, J. (): “The New Growth Evidence,” Journal of Economic
Literature”, , -.
TOYA, H., M. SKIDMORE, e R. ROBERTSON (): “Why Are
Estimates of Human Capital’s Contribution to Growth So Small?”, Na-
goya: Nagoya City University, Department of Economics, Working
paper series.
VIVIANI, C., e G. VULPES (): “Dualismo Regionale, Divari Di
Produttività E Infrastrutture”, Rassegna Economica, , -.
WOLLEB, E., e G. WOLLEB (): “Divari Regionali E Dualismo
Economico”, Rassegna Economica, , -.

Allegati
Allegato 1. Stima dell’efficienza regionale
Nelle due tabelle seguenti sono riportati i valori stimati dell’ef-

ficienza cambiando di volta in volta l’equazione su cui si impone la
restrizione.
Nella prima tabella le colonne contengono gli esiti della stima
di λi, su ogni colonna è indicata l’equazione su cui è stata imposta la
restrizione. Nella prima colonna è riportato l’esito della stima dell’ef-
ficienza per tutte e venti le regioni imponendo la restrizione sul Pie-
monte, cioè λPIE =1, cioè che l’efficienza registrata dal Piemonte, lungo
il periodo ’-’, sia stata 1 (se fosse stato  non sarebbe cambiato
nulla). Dopo aver immesso la restrizione nel sistema il risultato dell’ef-
ficienza dice il coefficiente stimato per la Val d’Aosta è ., quello
della Lombardia è . e così via. Nella seconda colonna si riportano i
coefficienti stimati imponendo λVDA =1 . Ci si aspetta che le regioni più
efficienti registreranno coefficienti più grandi di uno e regioni meno
efficienti, avranno coefficienti più bassi i uno. Il risultato conferma
quanto auspicabile. Si nota come λLOM =3.456 mentre λABR =0.997 e
così via.
Ripetendo tutta l’analisi per tutte le rimanenti diciotto equazioni
si ottiene la matrice contenuta nella prima tabella in cui la diagonale è
costituita da tutti uno.
La seconda tabella conferma che la scelta dell’equazione sui cui
imporre la restrizione ex-ante è indifferente sul ranking delle regioni.
In ogni colonna si è ordinata, in maniera decrescente il valore dei coef-
ficienti stimati.

Valori dell’efficienza regionale restituiti dalla regressioni.
Regioni su cui si impone la restrizione
Re-
gio- PIE VDA LOM TAA VEN FVG LIG EMR TOS UMB MAR LAZ BR MOL CAM PUG BAS CAL SIC SAR
ne
PIE 1,000 2,613 0,756 1,545 1,072 1,067 1,060 0,678 1,089 1,287 1,384 1,874 2,675 1,644 1,469 1,431 1,368 1,524 1,231 2,113
VDA 0,383 1,000 0,289 0,591 0,410 0,408 0,406 0,259 0,417 0,493 0,530 0,717 1,024 0,629 0,562 0,548 0,524 0,583 0,471 0,809
LOM 1,322 3,456 1,000 2,044 1,417 1,411 1,402 0,897 1,441 1,703 1,831 2,479 3,538 2,175 1,943 1,893 1,810 2,015 1,629 2,795
TAA 0,640 1,691 0,706 1,000 0,694 0,690 0,686 0,439 0,705 0,833 0,896 1,213 1,731 1,064 0,951 0,926 0,886 0,986 0,797 1,368
VEN 0,933 2,439 0,709 1,442 1,000 0,995 0,989 0,633 1,017 1,201 1,292 1,749 2,496 1,534 1,371 1,335 1,277 1,422 1,149 1,972
FVG 0,938 2,450 0,713 1,449 1,005 1,000 0,994 0,636 1,021 1,207 1,298 1,757 2,508 1,542 1,378 1,342 1,283 1,428 1,154 1,981
LIG 0,943 2,465 0,720 1,458 1,011 1,006 1,000 0,640 1,028 1,214 1,306 1,768 2,523 1,551 1,386 1,350 1,291 1,437 1,161 1,994
EMR 1,474 3,854 1,115 2,279 1,581 1,573 1,564 1,000 1,607 1,899 2,041 2,764 3,945 2,425 2,167 2,110 2,018 2,247 1,816 3,117
TOS 0,918 2,399 0,694 1,418 0,984 0,979 0,973 0,622 1,000 1,182 1,270 1,720 2,455 1,509 1,349 1,313 1,256 1,398 1,130 1,940
UMB 0,777 2,030 0,587 1,200 0,832 0,829 0,823 0,527 0,846 1,000 1,075 1,456 2,078 1,277 1,141 1,111 1,063 1,183 0,956 1,642
MAR 0,722 1,888 0,546 1,116 0,774 0,771 0,766 0,490 0,787 0,930 1,000 1,354 1,932 1,188 1,062 1,034 0,989 1,101 0,890 1,527
LAZ 0,534 1,394 0,393 0,825 0,572 0,569 0,566 0,362 0,581 0,687 0,739 1,000 1,427 0,877 0,784 0,764 0,730 0,813 0,657 1,128
ABR 0,374 0,977 0,283 0,578 0,401 0,399 0,396 0,253 0,407 0,481 0,517 0,701 1,000 0,615 0,549 0,535 0,512 0,570 0,460 0,790
MOL 0,608 1,589 0,460 0,940 0,652 0,649 0,645 0,412 0,663 0,783 0,842 1,140 1,627 1,000 0,894 0,870 0,832 0,926 0,749 1,285
CAM 0,681 1,778 0,515 1,052 0,729 0,726 0,721 0,461 0,741 0,876 0,942 1,275 1,820 1,119 1,000 0,974 0,931 1,037 0,838 1,438
PUG 0,699 1,826 0,528 1,080 0,749 0,745 0,741 0,474 0,761 0,900 0,967 1,310 1,869 1,149 1,027 1,000 0,956 1,065 0,860 1,477
BAS 0,731 1,910 0,553 1,129 0,783 0,779 0,775 0,495 0,796 0,941 1,012 1,369 1,955 1,202 1,074 1,046 1,000 1,113 0,900 1,544
CAL 0,656 1,715 0,496 1,014 0,703 0,700 0,696 0,445 0,715 0,845 0,909 1,230 1,756 1,079 0,964 0,939 0,898 1,000 0,808 1,387
SIC 0,812 2,122 0,614 1,255 0,870 0,866 0,861 0,551 0,885 1,046 1,124 1,522 2,172 1,336 1,193 1,162 1,111 1,237 1,000 1,717
SAR 0,473 1,236 0,358 0,731 0,507 0,505 0,502 0,321 0,515 0,609 0,655 0,887 1,266 0,778 0,695 0,677 0,647 0,721 0,583 1,000
Valori dell’efficienza regionale restituiti dalla regressioni. In ordine decrescente.
Regioni su cui si impone la restrizione
Re-
gio- PIE VDA LOM TAA VEN FVG LIG EMR TOS UMB MAR LAZ ABR MOL CAM PUG BAS CAL SIC SAR
ne
EMR 1,474 3,854 1,115 2,279 1,581 1,573 1,564 1,000 1,607 1,899 2,041 2,764 3,945 2,425 2,167 2,110 2,018 2,247 1,816 3,117
LOM 1,322 3,456 1,000 2,044 1,417 1,411 1,402 0,897 1,441 1,703 1,831 2,479 3,538 2,175 1,943 2,893 1,810 2,015 1,629 2,795
PIE 1,000 2,613 0,756 1,545 1,072 1,067 1,060 0,678 1,089 1,287 1,384 1,874 2,675 1,644 1,469 1,431 1,368 1,524 1,231 2,113
LIG 0,943 2,465 0,720 1,458 1,011 1,006 1,000 0,640 1,028 1,214 1,306 1,768 2,523 1,551 1,386 1,350 1,291 1,437 1,161 1,994
FVG 0,938 2,450 0,713 1,449 1,005 1,000 0,994 0,636 1,021 1,207 1,298 1,757 2,508 1,542 1,378 1,342 1,283 1,428 1,154 1,981
VEN 0,933 2,439 0,709 1,442 1,000 0,995 0,989 0,633 1,017 1,201 1,292 1,749 2,496 1,534 1,371 1,335 1,277 1,422 1,149 1,972
TOS 0,918 2,399 0,694 1,418 0,984 0,979 0,973 0,622 1,000 1,182 1,270 1,720 2,455 1,509 1,349 1,313 1,256 1,398 1,130 1,940
SIC 0,812 2,122 0,614 1,255 0,870 0,866 0,861 0,551 0,885 1,046 1,124 1,522 2,172 1,336 1,193 1,162 1,111 1,237 1,000 1,717
UMB 0,777 2,030 0,587 1,200 0,832 0,829 0,823 0,527 0,846 1,000 1,075 1,456 2,078 1,277 1,141 1,111 1,063 1,183 0,956 0,642
BAS 0,731 1,910 0,553 1,129 0,783 0,779 0,775 0,495 0,796 0,941 1,012 1,369 1,955 1,202 1,074 1,046 1,000 1,113 0,900 1,544
MAR 0,722 1,888 0,546 1,116 0,774 0,771 0,766 0,490 0,787 0,930 1,000 1,354 1,932 1,188 1,062 1,034 0,989 1,101 0,890 1,527
PUG 0,699 1,826 0,528 1,080 0,749 0,745 0,741 0,474 0,761 0,900 0,967 1,310 1,869 1,149 1,027 1,000 0,956 1,065 0,860 1,477
CAM 0,681 1,778 0,515 1,052 0,729 0,726 0,721 0,461 0,741 0,876 0,942 1,275 1,820 1,119 1,000 0,974 0,931 1,037 0,838 1,438
CAL 0,656 1,715 0,496 1,014 0,703 0,700 0,696 0,445 0,715 0,845 0,909 1,230 1,756 1,079 0,964 0,939 0,898 1,000 0,808 1,387
TAA 0,640 1,691 0,706 1,000 0,694 0,690 0,686 0,439 0,705 0,833 0,896 1,213 1,731 ,064 0,951 0,926 0,886 0,986 0,797 1,368
MOL 0,608 1,589 0,460 0,940 0,652 0,649 0,645 0,412 0,663 0,783 0,842 1,140 1,627 1,000 0,894 0,870 0,832 0,926 0,749 1,285
LAZ 0,534 1,394 0,393 0,825 0,572 0,569 0,566 0,362 0,581 0,687 0,739 1,000 1,427 0,877 0,784 0,764 0,730 0,813 0,657 1,128
SAR 0,473 1,236 0,358 0,731 0,507 0,505 0,502 0,321 0,515 0,609 0,655 0,887 1,266 0,778 0,695 0,677 0,647 0,721 0,583 1,000
VDA 0,383 1,000 0,289 0,591 0,410 0,408 0,406 0,259 0,417 0,493 0,530 0,717 1,024 0,629 0,562 0,548 0,524 0,583 0,471 0,809
ABR 0,374 0,977 0,283 0,578 0,401 0,399 0,396 0,253 0,407 0,481 0,517 0,701 1,000 0,615 0,549 0,535 0,512 0,570 0,460 0,790
Allegato 2. Stima delle produttività marginali
In questo allegato verrà illustrata la metodologia adottata per il

computo delle produttività marginali. Partendo dalla funzione di of-
ferta aggregata, specificata secondo la funzione Cobb-Douglas, si deri-
verà l’equazione con cui sono state stimate le produttività marginali; di
seguito si illustrerà il procedimento adottato relativamente alle infra-
strutture. La funzione aggregata è:
Y = KinθKinKpubθKpubKprθKprLθlHθH
si ha che la produttività marginale del fattore produttivo infra-
strutture è calcolato effettuando la derivata parziale di Y rispetto a
Kin:
�Y = θ KinθKin-1 KpubθKpubKprθKprLθlHθH
MPKin = ______ Kin
�Kin
che trasformata in logaritmi fornisce:
MPKin = logθKin + (θKin -1)kin + θKpubkpub + θKprkpr + θll + θhh
ottenute le stime delle elasticità, il calcolo della produttività

marginale delle infrastrutture è semplice, basta applicare la formula
di calcolo ottenuta. Il procedimento, se ripetuto per tutti i fattori
produttivi, permette in fine di disporre di delle produttività associate
a tutti fattori produttivi.
Qui di seguito sono riportati i valori delle produttività marginali
calcolati utilizzando le elasticità stimate lungo il periodo ’ – ’ e
considerando gli stock dei fattori produttivi al ‘. La Tabella presen-
ta i valori delle produttività marginale utilizzando le elasticità calcola-
te senza e con l’ipotesi di rendimenti di scala costante.
90 - ‘96 RSC 90 - ‘96 no RSC

MP MP MP MP MP MP MP MP MP MP
(inf) (kpub) (kpr) (l) (h) (inf) (kpub) (kpr) (l) (h)
ABR 6,9168 4,096 6,851 7,562 8,669 7,425 4,951 7,348 8,042 9,02
MOL 6,0838 3,685 6,165 6,711 7,790 6,597 4,454 6,617 7,151 8,12
CAM 7,6273 4,540 7,594 8,401 9,583 8,141 5,469 8,120 8,909 9,954
PUG 5,4181 4,042 6,301 7,083 8,049 6,615 4,915 6,916 7,654 8,561
BAS 6,7256 4,018 6,623 7,184 8,269 7,215 4,840 7,094 7,644 8,615
CAL 5,4073 3,885 5,900 6,700 7,650 6,571 4,743 6,522 7,273 8,171
SIC 5,8578 4,147 6,429 7,254 8,225 7,029 5,056 7,071 7,850 8,761
SAR 7,0866 4,291 7,226 7,788 8,912 7,598 5,161 7,711 8,266 9,266
media 6,3904 4,088 6,636 7,335 8,393 7,149 4,949 7,1753 7,849 8,809

I Fondi Strutturali Nelle Regioni Italiane Obiettivo 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

I Fondi Strutturali Nelle Regioni Italiane Obiettivo 1

Diunggah oleh

Hak Cipta:

Format Tersedia

Vincenzo Mancusi

20100 Milano – Via Vittor Pisani 13 – Tel. 02-6700230

Progetto graﬁco: Francesca Caricato

1. Un approccio alternativo per la valutazione delle politiche di

2. Analisi regionale della funzione di produzione 31

3. La stima dell’eﬃcienza tecnica nella funzione di produzione 74

Conclusioni Finali 134

Nata come progetto politico economico negli anni del dopo-

5 L’impatto Economico dei Fondi Strutturali

6 L’impatto Economico dei Fondi Strutturali

Il Prodotto Interno Lordo delle dieci regioni più ricche dell’UE

7 L’impatto Economico dei Fondi Strutturali

Le prime strategie di coesione

Nel , all’indomani della seconda Guerra Mondiale, Italia,

8 L’impatto Economico dei Fondi Strutturali

9 L’impatto Economico dei Fondi Strutturali

Il trend di lunghissimo periodo evidenzia che le condizioni eco-

10 L’impatto Economico dei Fondi Strutturali

11 L’impatto Economico dei Fondi Strutturali

12 L’impatto Economico dei Fondi Strutturali

13 L’impatto Economico dei Fondi Strutturali

“le azioni comunitarie sono concepite come complementari alle

Questa aﬀermazione fa riferimento alla necessità che Commis-

14 L’impatto Economico dei Fondi Strutturali

15 L’impatto Economico dei Fondi Strutturali

16 L’impatto Economico dei Fondi Strutturali

17 L’impatto Economico dei Fondi Strutturali

18 L’impatto Economico dei Fondi Strutturali

La progettazione degli interventi e le aspettative del pro-

Le regole comunitarie che, dagli inizi degli anni Novanta, hanno

19 L’impatto Economico dei Fondi Strutturali

20 L’impatto Economico dei Fondi Strutturali

Escludendo la parte impiegata per implementare i Piani Ope-

21 L’impatto Economico dei Fondi Strutturali

22 L’impatto Economico dei Fondi Strutturali

23 L’impatto Economico dei Fondi Strutturali

La valutazione secondo metodologie quantitative

Ogni intervento pubblico, ci si auspica, dovrebbe essere sotto-

24 L’impatto Economico dei Fondi Strutturali

25 L’impatto Economico dei Fondi Strutturali

26 L’impatto Economico dei Fondi Strutturali

27 L’impatto Economico dei Fondi Strutturali

28 L’impatto Economico dei Fondi Strutturali

29 L’impatto Economico dei Fondi Strutturali

30 L’impatto Economico dei Fondi Strutturali

I modelli economici rappresentano, attraverso sempliﬁcazioni e

32 L’impatto Economico dei Fondi Strutturali

33 L’impatto Economico dei Fondi Strutturali

Uno sguardo generale ai dati

La base dei dati su cui è condotta l’analisi empirica è costituita

34 L’impatto Economico dei Fondi Strutturali

Le serie che costituiscono il panel sono il P.I.L. (Y), lo stock di

35 L’impatto Economico dei Fondi Strutturali

Base di dati C.R.E.No.S. R.E.R. R.E.R. C.R.E.No.S

Conversione in Conversione in mld. e

Una particolare attenzione merita lo stock di capitale pubblico.

36 L’impatto Economico dei Fondi Strutturali

Nome della Riaggrega-

1. Strade Autostrade e tutti i tipi

7. Comunicazioni Kcom Kpub Telecomunicazioni

11. Igiene pubblica Kigien Kpub Acquedotti, fogne, invasi

Le serie storiche costruite ad hoc

37 L’impatto Economico dei Fondi Strutturali