Baggetta, C. Countries classification: a multidimensional analysis.

Chiara Baggetta

Soluzioni residenziali sostenibili per il terzo millennio: un progetto per Castel San Giovanni.

Rel. Giovanni Vaggi. Università degli Studi di Pavia, Dipartimento di Scienze Economiche e Aziendali, Corso di Laurea magistrale in Economics Finance and International Integration, A.A. 2018/2019.

 

 

 

Abstract

Questa tesi propone un nuovo metodo di classificazione dei paesi, senza l’utilizzo di alcun indicatore di reddito tradizionale al fine di mettere in evidenza le molteplici dimensioni dello sviluppo. Le classificazioni esistenti sono basate principalmente sul reddito pro capite; ciò, inevitabilmente, porta a trascurare la multidimensionalità dello sviluppo. Tra le tassonomie esistenti, in questo elaborato verranno descritte nel dettaglio la classificazione della Banca mondiale, la classificazione elaborata dal Professore Vaggi dell’Università di Pavia basata sulla revisione delle soglie della Banca Mondiale e, infine, la cluster analisi trattata dai ricercatori del Global Center for Development Sergio Tezanos e Andy Sumner. Questa tesi presenta una nuova cluster analisi che tiene in considerazione tre dimensioni dello sviluppo: sviluppo economico, sviluppo umano e sostenibilità ambientale. Quest’ultime sono state misurate attraverso dieci variabili. La cluster analisi compiuta attraverso l’algoritmo K-means è stata implementata attraverso il software R Studio con l’obiettivo di creare cinque cluster internamente omogenei e, allo stesso tempo, differenti dagli altri gruppi. È stato scelto di dividere i paesi in cinque gruppi, invece che in quattro, al fine di verificare se più gruppi fornissero informazioni diverse rispetto a quelle fornite dalla banca mondiale. La cluster analisi permette di individuare le principali caratteristiche all’interno di ogni gruppo e di osservare quale cluster sia più adeguato per la singola osservazione. Lo studio è stato compiuto per gli anni 1990 and 2015 al fine di osservare il posizionamento dei paesi durante un periodo di 25 anni. Inoltre, l’obiettivo finale di questo lavoro è confrontare le tassonomie già esistenti con questo nuovo tipo di classificazione e osservare se qualcosa sia cambiato e se vengano fornite nuove informazioni riguardo la ricchezza relative dei paesi. Il problema principale verificatosi durante l’analisi è stata l’ingente quantità di valori mancanti. Sebbene sia preferibile un metodo statistico, questa problematica è sta risolta completando i dati secondo un criterio di similarità. Dopo aver verificato la correlazione tra le variabili, tre di quest’ultime sono state eliminate poiché poco correlate e, successivamente, la cluster analisi per i due anni è stata implementata. I risultati sono in linea con l’ipotesi iniziale per cui la classificazione della Banca mondiale risponde solo ad una parte della questione. Infatti, adoperando la strumento Silhouette (una misura di bontà del cluster), è possibile affermare che, considerando altre variabili diverse dal reddito (le variabili adottate nella cluster analisi descritta in questo elaborato), la composizione dei quattro gruppi della Banca mondiale desta non pochi dubbi. Ad ogni modo, si possono riscontrare alcune similitudini tra le due classificazioni: è facile ritrovare i gruppi “low income” and “high income” all’interno della divisione in cluster sia per il 1990 che per il 2015. Al contrario, la classe dei “middle income” risulta più difficile da interpretare poiché i paesi nel periodo di interesse hanno cambiato il proprio posizionamento all’interno dei cinque cluster. Inoltre, all’interno di questo gruppo sono collocate alcune delle principali economie emergenti, come Cina ed India, le quali hanno acquisito sempre più rilevanza nelle dinamiche economiche mondiali. A conclusione della tesi, viene presentato un approfondimento sul reddito mediano. Quest’ultimo può costituire un valido ed alternativo metodo di tassonomia dei paesi poiché rappresenta in maniera più adeguata il benessere materiale del cittadino “che sta in mezzo”, pur essendo uno specifico indicatore di reddito. La classificazione dei paesi è e sarà un tema cruciale nei prossimi anni: è un argomento complesso da affrontare ma, allo stesso tempo, imprescindibile per capire come stia evolvendo l’economia mondiale. In futuro, il reinserimento di un puro indicatore di reddito sarà necessario per ottenere un’analisi completa. Ad esempio, una valida alternativa potrebbe essere l’introduzione di indicatori di reddito più specifici come il Gross National Disposable Income (GNDI) o il reddito mediano.

Parole chiave

Benessere, Sostenibilità, SDGs, Classificazione, Povertà, Sviluppo Umano, Cluster analysis.