意大利：精选问题

2022年8月 意大利 精选问题 基金组织第22/256号国别报告 这份关于意大利的精选问题文件由国际货币基金组织的一个工作人员团队编写，作为与成员国定期协商的背景文件。它基于2022年7月14日完成时可用的信息。 本报告的副本可从以下网址向公众索取 国际货币基金组织出版服务邮政信箱92780华盛顿特区 20090电话：(202)623-7430传真：(202)623-7201 电子邮件：publications@imf.org网址：http://www.imf.org价格 ：每份印刷版18.00美元 国际货币基金组织华盛顿特区 ©2022国际货币基金组织 意大利 精选问题 2022年7月 14日 由La-BhusFahJirasavetakul、AnnaShabunina、GuillermoTolosa、Zhongxia(Sam)Zhang（均为欧元）编写， JeanChateau(RES)和AlanFeng(MCM)。 由...批准 欧洲部 内容 意大利的生产力：改进的范围2 参考10 盒子 1.结构指标的主成分分析——方法和数据5 2.结构性因素对区域和部门层面生产力的影响6 表格 1.意大利地区列表8 2.第一主成分中的可变载荷9 确保平稳的绿色过渡12 A.进展和目标12 B.绿色转型的宏观经济影响15 C.向绿色技术倾斜投资20 D.绿色政策框架22 E.结论和政策问题27 参考文献37 盒子 1.意大利私营部门的气候融资28 附件 I.碳税和资产搁浅31 II.欧盟“适合55人”的主要立法提案35 意大利的生产力：改进的范围1 本文研究了结构特征对意大利地区和部门层面劳动生产率的影响。发现提高生产力的结构性因素高度相关，表明改革是互补和强化的。因此，如国家恢复和复原力计划所设想的那样，一个协调一致的、多方面的改革计划可能最有效地提高生产力。改善意大利国界以外的结构特征对于将生产率提高到欧盟同行国家的水平至关重要。 生产力疲软的两个十年：区域和部门层面 1.近几十年来，意大利的生产力一直停滞不前。2000-19年间，每个工人的实际增加值下降了近5%，而全要素生产率下降了13.5%。加上劳动年龄人口的减少，潜在增长一直很低，经济明显放缓。2019年的实际人均收入比全球金融危机前的水平低约6%。意大利的生产力也与其他欧洲大经济体不同。 劳动生产率 （每个就业的实际GVA，2000=100） 劳动生产率：2019 （实际GVA单位为千欧元/份）90 120 115 110 105 100 95 80 70 60 50 40 30 20 10 0 伊塔法拉 ESPGBR 20022004 德国 90 2000 2006200820102012201420162018 ESP 资料来源：欧盟统计 国 德国 法兰 GBR 资料来源：欧盟统计 2.虽然生产力增长的缺失是意大利各地区和经济活动的共同特征，但内部生产力差距随着时间的推移而扩大。 区域生产力参差不齐，北部地区的生产力高于意大利其他地区。尽管如此，生产率下降的趋势是广泛的，在过去的二十年中，中部、南部和岛屿地区的生产率下降幅度最大，分别为6%和10%。尽管生产力相对较高，但北部地区的生产力也有所减弱，尽管近年来逐渐改善。 部门生产力差异也很大，一些活动显示生产力下降。特别是，相对劳动密集型和低技能的建筑和艺术和娱乐在2000-19年期间的生产率下降了20%以上。除了信息和通信技术(ICT)、农业以及最近的 1由La-BhusFahJirasavetakul和Zhongxia(Sam)Zhang（均为欧元）编写。 行业。然而，表现优异的ICT和工业部门仅占总增加值和就业的五分之一左右。 3.落后地区的生产力低下反映了它们在大多数活动中的生产力较弱以及它们更多地集中在生产力较低的活动中 。南方和 岛屿地区的总生产率远低于全国平均水平，反映出比其他地区下降得更快。这反映了这些地区：(i)生产力低于其他 地区 几乎涵盖所有活动；(ii)在低生产率活动（例如 贸易和酒店业、建筑业和农业），它们构成了他们的主要活动和就业来源。除了部门专业化之外，各地区的企业规模也有很大差异，这会影响它们的生产力。 按地区划分的劳动生产率 （每个就业的实际GVA，2000=100）102 按部门划分的劳动生产率 （每个就业的实际GVA，2000=100）140 100 98 96 94 130 120 110 100 90 80 92 01-西北03-中部02-东北04-南 05-岛屿 9020002002 2004 70 60 50 2006200820102012201420162018 A-农业。F-控制信 息通信技 术 O-Q-公共服务。 200020022004 B-E-工业。 G-I-Trade/transp./food/accom。K- N-Fin./realest./prof.服务。 R-U-艺术/耳鼻喉科。 20062008 20102012201420162018 资料来源：IStat。资料来源：Istat。 地区生产力和经济活动对区域生产力的贡献 （每个就业的实际GVA，2018年）（按部门就业份额加权的部门生产率，2018年） 140 01-西北04-南 02-东北05-海岛 03-中央部门平均 100 120 100 80 R-U-艺术/耳鼻喉科。F-控制 O-Q-公共服务。信息通信技术 A-农业。 G-I-Trade/transp./food/accom。B-E- 工业。 K-N-Fin./realest./prof.服务。 80 国家总体平均水平 60 60 40 40 20 20 0 农业。工业。控制。贸易/信息通信技术金融/公共艺术/耳鼻喉科。全部的 0 转发/ 食物/教授。陪伴。服务。 实物。/服务。 全面的平均 01-西北02-东北03-中部04-南部05-岛屿国家 生产力决定因素及其互补性 资源：伊斯塔特。 资料来源：Istat。 从高生产率部门到低生产率部门 4.意大利生产力低下的决定因素已在文献中得到充分研究，个别研究往往只关注一个或几个因果因素。使用跨国或意大利特定的视角，以前的文献已将许多结构变量确定为生产力的重要贡献因素2——包括公共部门的效率，3 2请参阅Bugamelli等人（2018年），全面回顾有关意大利生产率增长决定因素的文献。 3安德尔等人（2018年）；艾博年等人（2015年）；佐丹奴等人（2020）；经合组织（2021年）。 国际货币基金3 司法系统的质量，4监管复杂性，5公共资本存量，6创新和数字化的激励措施，7劳动力市场和产品市场监管。8发现进行改革以改善这些结构特征可以提高生产率。然而，这些因素中的每一个都被假定为独立于其他因素对生产力的贡献，即使考虑了多个因素，也忽略了效果可以互补的可能性。9,10 5.然而，提高生产力的结构特征被发现是高度相关的，这表明改革是互补和强化的。Coe和Snower(1997)认识到改革在劳动力市场政策背景下的潜在强化效应，当与提高制度质量的改革相结合时，这种效应会更加有效。此外，Blanchard和Giavazzi(2003)发现加强产品市场竞争的改革有助于促进放松劳动力市场管制的改革。 6.对于意大利来说，大量结构性指标中超过一半的信息内容可以用一个共同因素来描述，这与高度互补性一致。考虑到2015-19年间意大利约21个地区的56项结构性指标（表1）11，并使用主成分分析（PCA，见框1）显示，原始56系列中近60%的总方差由第一个主成分（PC1）解释。绝大多数相应的PCA负载符合经济直觉（表2） 。 主成分解释的方差 （百分） 60 主成分解释的累积方差 (百分比) 100 50 90 40 80 30 70 20 10 60 0 123456789 10 50 12345678910 零件 零件 资料来源：基金组织工作人员的计算。资料来源：基金组织工作人员的计算。 4埃斯波西托等人（2014年）；吉索等人（2015年）；贾科梅利和梅农（2017）；意大利银行（2020年）。 5迪维塔(2018)。 6马罗库和帕奇(2010)。 7Calligaris等人（2016年）；意大利银行（2020）；欧洲央行（2021）。 8安德尔等人（2018年）。 9例如，Andrle等人（2018年）假设个别改革带来的生产力收益是累加的。 10此外，在包含多个结构变量作为解释变量的模型中，结构变量之间的高度相关性表明各个估计系数将存在偏差。 11虽然大多数结构性变量变化缓慢，但使用了2015-19年结构性指标的平均值，以避免因商业周期而产生的潜在变化。 此外，第二主成分的解释力明显较低，表明PC1本身是一个很好的汇总统计量。12这反过来又表明原来的56个结构性指标之间的相关性非常高。因此，PC1是解释意大利各地区生产力表现的一个很好的潜在候选者。 专栏1.结构指标的主成分分析——方法和数据 主成分分析(PCA)是一种统计方法，用于从一组单独的、潜在相关的数据中提取信息.它通过识别来自N个原始序列中的每一个的信号并将它们转换为N个新的不相关变量（“主成分”），这些变量是原始数据的线性加权组合（“载荷”）。因此，主成分是新的不 相关变量的有序序列，其中排序由每个连续的主成分捕获原始数据中的方差的多少给出。因此，PCA是一种减少数据维数同时限制信息内容丢失的技术。 编制了区域层面56项结构性指标的综合数据集.该集合包括高级制度变量（例如，司法系统和政府的指标 特征）以及结果变量（例如，教育、健康、人口统计、研发、数字化、金融发展、银行和企业部门绩效以及社会状况）。该数据 集包含文献中考虑的提高生产力的指标，以及更多。为避免商业周期造成的潜在变化（尽管结构变量通常变化缓慢），使用了 2015-19年的平均值。 7.发现结构特征的第一主成分的区域特定值与区域生产力的差异密切相关。简单的OLS 回归表明，一个地区的PC1的提高与该地区更高的生产力相关，具有高度的统计显着性。该模型还具有合理的拟合优度， 其R平方值比其他研究中发现的更大，这表明同时改进多个结构特征对生产力的重要性。当使用差异中的差异方法来减轻潜在的内生性和反向因果关系问题时，PC1的生产力影响仍然显着（框2）。 (1) 0.0199***(0.00280) 主成回分归2主成分的区域生产力 (2) 0.0199***(0.00286) 0.00271 (0.00641) (3) 0.0199***(0.00288) 0.00271 (0.00645) 0.00734 (0.00816) 4.070***(0.0159) 21 0.741 生产率 拟合生产力 主成分1 预测能力 80 主成分3 60 持续的 4.070***(0.0155) 21 0.726 4.070***(0.0158) 21 0.729 40 #观察次数 R平方 C1C2C3C4F1F2F3F4F5F6G1G2H1H2H3H4H5I1I2I3I4 西北 小号 是 网 C 20 0 12第括号一中个的标和准第错误二。个**组*p成<0.部01，分**分p<别0.0解5，释*p了<0.结1。构指标中约57%和11%的差异。 地区1/ 资料来源：基金组织工作人员的计算。 1/地区代码见附录表A.1。 国际货币基金 5 实际GVA（每份工作数千欧元） 因变量：日志平均区域 每个员工的最终GVA 忠诚度，2015-19 框2.结构性因素对区域和部门层面生产力的影响 意大利各地区结构特征（由PC1衡量）的巨大差异以及经济活动中公共部门的不同风险敞口可用于评估差异中差异(DID)框架下PC1与生产率之间的因果关系。与Giordano等人（2020年）类似，识别假设是，更依赖公共部门（例如，由于公