Dipendenza spaziale contemporanea e non contemporanea nei tassi di disoccupazione: un tentativo di analisi empirica dei dati provinciali italiani

Titolo Rivista RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO
Autori/Curatori Massimiliano Agovino, Antonio Garofalo
Anno di pubblicazione 2014 Fascicolo 2013/3
Lingua Italiano Numero pagine 38 P. 45-82 Dimensione file 1309 KB
DOI 10.3280/REST2013-003002
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

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

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

Anteprima articolo

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

L’obiettivo del presente lavoro è quello di analizzare il trend spazio-temporale dei tassi di disoccupazione delle province italiane attraverso l’uso di strumenti dell’econometria spaziale. A tale scopo, avvalendoci di tecniche ESDA (Exploratory Spatial Data Analysis) e ESTDA (Exploratory Space-Time Data Analysis) si indagherà la presenza di dipendenza spaziale contemporanea e non contemporanea nei tassi di disoccupazione. Dai risultati si evince che: la disoccupazione è un fenomeno caratterizzato da persistenza spazio-temporale; uno shock nel tasso di disoccupazione che si manifesta nel passato in una data provincia continua a produrre i propri effetti nel presente nelle province a essa limitrofe. Di conseguenza, interventi di policy indirizzati alla provincia dove lo shock si è generato non sono sufficienti ad arginare il problema prescindendo dal carattere non circoscritto né temporaneo della disoccupazione.;

Keywords:Modelli spaziali, econometria spaziale, correlazione spaziale, ESDA, disoccupazione

Jel codes:C21, C51, C53, J08, J64

  1. Prioetti T. (2003), Forecasting the US Unemployment Rate, Computational Statistics and Data Analysis, 42, pp. 451-476.
  2. Rey S., Montouri B. (1999), US Regional Income Convergence: A Spatial Econometric Perspective, Regional Studies, 33, 2, pp. 143-156.
  3. Sweet D. (2005), Forecasting Unemployment with Spatial Correlation, PhD Thesis presented to the Faculty of the Graduate School University of Missouri-Columbia.
  4. Upton G., Fingleton B. (1985), Spatial Data Analysis by Example. Chichester: Wiley, vol. 1.
  5. Wartenberg D. (1985), Multivariate Spatial Correlation: A Method for Exploratory Geographical Analysis, Geographical Analysis, 17, pp. 263-283.
  6. Yilmaz S., Haynes K.E., Dinc M. (2002), Geographic and Network Neighbors: Spillover Effects of Telecommunications Infrastructure. Journal of Regional Science, 42, 2, pp. 339-360.
  7. Case A. (1991), Spatial Patterns in Household Demand, conometrica, 59, pp. 953-965.
  8. Arbia G. (1988), Spatial Data Configuration in Statistical Analysis of Regional Economics and related Problems. In: Advanced Statistical Theory and Applied Econometrics. Boston: Kluwer Academic Publisher.
  9. Arbia G., Basile R., Mirella M. (2002), Regional Convergence in Italy 1951-1999: A Spatial Econometric Prospective. Roma: ISAE.
  10. Anselin L. (1988), Spatial Econometrics: Methods and Models. Dordrecht: Kluwer.
  11. Anselin L. (1995), Local Indicators of Spatial Association – LISA, Geographical Analysis, 27, pp. 93-115.
  12. Anselin L. (2001a), Spatial Econometrics. In: B.H. Baltagi (ed.), A Companion to Theoretical Econometrics. Oxford: Basil Blackwell, pp. 310-330.
  13. Anselin L. (2001b), Spatial Effects in Econometric Practice in Environmental and Resource Economics, American Journal of Agricultural Economics, 83, 3: pp. 705-710.
  14. Anselin L., Bera A. (1998), Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics. In: A. Ullah, D.Giles (eds.), Handbook of Applied Economic Statistics. New York: Marcel Dekker, pp. 237-289.
  15. Anselin L., Syabri I., Smirnov O. (2002), Visualizing Multivariate Spatial Correlation with Dynamically Linked Windows. Urbana-Champaigne: Regional Economics Application Laboratory (REAL), University of Illinois. Baltagi B.H., Li D. (2003), Prediction in the Panel Data Model with Spatial Correlation.
  16. In: L. Anselin, R. Florax, S. Rey (eds.), New Advances in Spatial Econometrics. Berlin: Springer-Verlag, pp. 283-296.
  17. Baltagi B.H., Song S.H., Koh W. (2003), Testing Panel Data Regression Models with Spatial Error Correlation, Journal of Econometrics, 117, 1, November, pp. 123-150.
  18. Bronars S.G., Jansen D.W. (1987), The Geographic Distribution of Unemployment Rates, US Journal of Econometrics, 36, pp. 251-279.
  19. Chasco C., Lopez F.A. (2004), Space-time Lags: Specification Strategy in Spatial Regression Models, Econometrics 0411005, EconWPA.
  20. Chasco C., Lopez F.A. (2006), Is Spatial Dependence an Instantaneous Effect? Some Evidence in economic Series of Spanish Provinces. Germany: University Library of Munich, MPRA Paper 1777.
  21. Chasco C., Lopez F.A. (2007), Time-trend in Spatial Dependence: Specification Strategy in the First-order Spatial Autoregressive Model, Estudios de Economia Aplicada, 25, pp. 631-650.
  22. Cracolici M., Cuffaro M., Nijkamp P. (2007), Geographical Distribution of Unemployment: An Analysis of Provincial Differences in Italy, Growth and Change a Journal of Urban and Regional Policy, 38, 4, pp. 649-670.
  23. De Luna X., Genton M.G. (2004), Spatio-temporal Autoregressive Models for US Unemployment Rate, Advances in Econometrics: Spatial and Spatiotemporal Econometrics, 18, pp. 283-298.
  24. Di Giacinto V. (2006), A Generalized Space-Time ARMA Model with an Application to Regional Unemployment Analysis in Italy, International Regional Science Review, 29, 2, pp. 159-198.
  25. Elhorst J.P. (1995), Unemployment Disparities between Regions in the European Union. In: H.W. Armstrong, R.W. Vickerman (eds.), Convergence and Divergence among European Regions. London: Pion.
  26. Elhorst J.P. (2001), Dynamic Models in Space and Time, Geographical Analysis, 33, pp. 119-140.
  27. Elhorst J.P. (2003), Specification and Estimation of Spatial Panel Data Models, International Regional Science Review, 26, 3, pp. 244-268.
  28. Espa G., Arbia G., Giuliani D. (2013), Conditional versus Unconditional Industrial Agglomeration: Disentangling Spatial Dependence and Spatial Heterogeneity in the Analysis of ICT Firms’ Distribution in Milan, Journal Geographical Systems, 15, 1, pp. 31-50.
  29. Florax R., Folmer H. (1992), Specification and Estimation of Spatial Linear Regression Models: Monte Carlo Evaluation of Pre-test Estimators, Regional Science and Urban Economics, 22, 3, pp. 405-432.
  30. Getis A., Ord J.K. (1992), The Analysis of Spatial Association by Use of Distance Statistics, Geographical Analysis, 24, pp. 189-206.
  31. Giacomini R., Granger C.W.J. (2004), Aggregation of Space-Time Processes, Journal of Econometrics, 118, 1-2, pp. 7-26. Mobley L.R. (2003), Estimating Hospital Market Pricing: An Equilibrium Approach using Spatial Econometrics, Regional Science and Urban Economics, 33, pp. 489-516.
  32. Molho I. (1995), Spatial Autocorrelation in British Unemployment, Journal of Regional Science, 35, pp. 2-24.
  33. Montgomery A., Zarnowitz V., Tsay R., Tiao G. (1998), Forecasting the US Unemployment Rate, Journal of the American Statistical Association, 93, pp. 478-493.
  34. Nosvelli M. (2006) Apprendimento e conoscenze nei sistemi locali, un’analisi economica. Milano: FrancoAngeli.
  35. O’Sullivan D., Unwin D.J. (2003), Geographic Information Analysis. Hoboken: Wiley.
  36. Pace R.K., Barry R., Clapp J.M., Rodríguez M. (1998), Spatiotemporal Autoregressive Models of Neighborhood Effects, Journal of Real State Finance and Economics, 17, 1, pp. 15-33.
  37. Pace R.K., Barry R., Gilley O.W., Sirmans C.F. (2000), A Method for Spatialtemporal Forecasting with an Application to Real Estate Prices International, Journal of Forecasting, 16, pp. 229-246.
  38. Pagnini M. (2005), Spillovers geografici e dinamica dell’occupazione nell’industria italiana. In: M. Omiccioli, L.F. Signorini (a cura di), Economie locali e competizione globale. Bologna: Il Mulino.

  • The Probability Density Function of Interest Rates Implied in the Price of Options Fabio Fornari, Roberto Violi, in SSRN Electronic Journal /1998
    DOI: 10.2139/ssrn.899976

Massimiliano Agovino, Antonio Garofalo, Dipendenza spaziale contemporanea e non contemporanea nei tassi di disoccupazione: un tentativo di analisi empirica dei dati provinciali italiani in "RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO" 3/2013, pp 45-82, DOI: 10.3280/REST2013-003002