An Improved procedure for Bootstrapping Malmquist Indices and its applications on the regional economic growth

Estendendo l’approccio di decomposizione dell’Indice di Malmquist proposto da Fare et al. (1992) secondo cui la variazione della produttivita e descritta come variazione della tecnologia e dell’efficienza, Simar e Wilson (1999) hanno fornito per la prima volta un’interpretazione statistica dell’indice e dei suoi componenti, proponendo un algoritmo basato sul bootstrap per stimare gli intervalli di confidenza degli indici sopra definiti. In questa tesi si e, per la prima volta, proposto un nuovo metodo di stima della densita, basato su una selezione piu accurata della bandwidth, partendo e adattando i recenti sviluppi introdotti da Simar e Wilson (2007) nel caso univariato al caso bivariato. Inoltre, per la prima volta e stata testata la performance delle procedure per stimare gli indici, attraverso l’implementazione di simulazioni Monte Carlo. Essi hanno mostrato un basso livello di performance del modello proposto da Simar e Wilson nel 1999 rispetto a quello proposto in questo lavoro. In particolare, essi hanno evidenziato che la procedura di stima della densita e molto sensibile alla presenza di valori unitari dell’efficienza, tanto da fornire seri problemi nella valutazione della stima della funzione di densita continua. Inoltre, sono stati applicati e adattati i data driven methods, che hanno evidenziato risultati diversi rispetto alla procedura originale, lasciano ampi spazi a ricerche future. Da un punto di vista empirico, e stata analizzata la crescita delle regioni italiane attraverso la Total Factor Productivity (TFP), nel periodo 1980-2001. Quindi sono stati stimati l’indice di Malmquist e i suoi componenti come pure i loro rispettivi intervalli di confidenza, applicando la procedure migliore, identificata nella fase di ricerca precedente. E’ stato registrato un guadagno complessivo della variazione della produttivita, corretta nella bias, del 2.1%, dell’efficienza del 0.5% e della tecnologia del 1.6%. L’analisi di sensibilita, basata su tecniche bootstrap, ha rilevato che per la maggior parte delle regioni italiane l’efficienza e la tecnologia non hanno mostrato cambiamenti statisticamente significativi. Secondo questi risultati, l’approccio inferenziale ha fornito un’analisi piu accurata e rigorosa rispetto all’approccio tradizionale, adottato da Leonida et al.(2004 ,Table 1, pg. 2190) nella quale le stime sono state valutate come miglioramenti o recessioni, trascurando sia la correzione della bias che il loro significato statistico.