3 ANALISI DEL MERCATO: LA DIPENDENZA DALLE BANCHE DELLE
3.3 L’ANALISI DEL MERCATO: EFFETTI DELLA QUOTAZIONE SULLA
Alla luce delle considerazioni tratte in questo elaborato di tesi, l’obiettivo di questo paragrafo sarà quello di verificare come muta l’incidenza del debito finanziario al
42 variare della lunghezza della quotazione, controllando per alcune variabili di carattere economico e non economico.
In merito alle variabili utilizzate per lo svolgimento dell’analisi, come variabile dipendente verrà utilizzata:
• Incidenza del Debito Finanziario: tale indicatore è calcolato come rapporto. Al numeratore si ha la posizione finanziaria netta, misurata come la differenza fra i debiti di carattere finanziario (prescindendo dalla scadenza) e le attività finanziarie (escluse le partecipazioni). La PFN è quindi una misura del peso dell’indebitamento oneroso netto nel finanziamento degli impieghi. Al denominatore, invece, si ha il totale dell’attivo. L’indice viene espresso principalmente in termini percentuali.
Per quanto riguarda i regressori invece, verranno utilizzati:
• Lunghezza quotazione: misura da quanti anni un’azienda è quotata sul mercato. • ROE (Return On Equity): misura la redditività del capitale proprio e si calcola
come rapporto fra il reddito netto conseguito nel corso dell’esercizio ed il valore del capitale proprio impiegato in media nel corso dello stesso esercizio. Normalmente, tale indice, è espresso in termini percentuali.
• ROS (Return On Sales): misura la redditività delle vendite ed è calcolato come rapporto fra risultato operativo caratteristico, dato dall’aggregazione di quei componenti di reddito positivi e negativi che si riferiscono alla gestione operativa dell’impresa, e le vendite nette del periodo rappresentato dal valore dei ricavi derivanti dalle vendite dei prodotti, delle merci e/o dei servizi, effettuate nel periodo al netto di detrazioni, come ad esempio sconti o abbuoni. Anche in questo caso, solitamente, l’indice viene espresso in termini percentuali.
• Dummies relative alla localizzazione geografica: variabili binarie che assumono valore 0 o 1 a seconda che la variabile possegga una data caratteristica o meno. In questo caso, la caratteristica in questione è la provenienza geografica: in sede di analisi saranno utilizzate solamente la variabile Nord e Centro, dal momento che non ci sono aziende quotate su FTSE AIM Italia che abbiano sede legale nell’area meridionale.
43 • Dummies relative alla tipologia di attività svolta: per la classificazione delle aziende in base alla tipologia di attività svolta ci si è serviti del sistema di classificazione statistica delle attività economiche nelle Comunità europee, meglio conosciuta come codice NACE. Le aziende analizzate saranno ripartite fra i seguenti settori di attività: Attività manifatturiere, Fornitura di energia elettrica e gas, Costruzioni, Commercio e riparazione di auto e moto, Trasporto merci e magazzinaggio, Alloggio e ristorazione, Servizi di informazione e comunicazione, Attività finanziarie e assicurative, Attività immobiliari, Attività professionali e tecniche, Attività amministrative e di supporto, Attività di intrattenimento.
Nelle statistiche descrittive delle variabili, osservabili alle tabelle successive (vedi tabelle 5,6,7), per ogni variabile verranno mostrate:
• Media: Tale elemento fa riferimento ad un indice di posizione che fornisce l’ordine di grandezza dei valori esistenti.
• Mediana: Data una distribuzione di carattere quantitativo o qualitativo ordinabile, la mediana è il valore assunto dalle unità statistiche che si trovano nel mezzo della distribuzione.
• Minimo: Si fa riferimento al valore minimo della distribuzione. • Massimo: Si fa riferimento al valore massimo della distribuzione.
• Deviazione Standard: Si tratta di un indice di dispersione statistico, vale a dire una stima della variabilità di una popolazione di dati o di una variabile casuale (viene chiamato anche Scarto Quadratico Medio).
• Coefficiente di Variazione: Consiste in un indice di dispersione che permette di confrontare misure di fenomeni riferite a unità di misura differenti, in quanto si tratta di un numero adimensionale (viene chiamato anche Deviazione Standard Relativa).
• Asimmetria: Si tratta di un valore che indica la mancanza di simmetria in una distribuzione. Se tale valore è positivo, si fa riferimento ad un’asimmetria positiva e la distribuzione considerata avrà una coda più lunga a destra rispetto ad una distribuzione Normale, se è negativo, si parla di asimmetria negativa e la distribuzione avrà una coda più lunga a sinistra rispetto ad una distribuzione Normale, se è nullo, la distribuzione è simmetrica.
44 • Curtosi: Riguarda un allontanamento dalla normalità distributiva, rispetto alla quale si verifica un maggiore appiattimento o un maggiore allungamento. Nel caso in cui la distribuzione presa in considerazione mostri un indice di curtosi maggiore di 3, essa verrà definita leptocurtica e si mostrerà come più allungata rispetto ad una Normale, con code più pesanti. Viceversa, se la distribuzione presenta un indice di curtosi minore di 3, essa verrà definita platicurtica e si mostrerà come più appiattita di una normale.
• 5° e 95° Percentile: I percentili generalizzano il concetto di mediana. Il 5° e 95° percentile sono i valori che delimitano rispettivamente il primo 5% e 95% dei dati, dagli altri dati.
• Range Interquartile: Si tratta di un indice di dispersione che misura quanto i valori si allontanino dal valore centrale, nello specifico è la differenza fra il terzo ed il primo quartile, ossia l’ampiezza della fascia di valori che contiene la metà “centrale” dei valori osservati.
• Osservazioni Mancanti: Il numero delle osservazioni che non sono state reperite inerentemente ad una data variabile in quanto non messe a disposizione da parte dell’azienda stessa.
Tabella 5 - Statistiche Descrittive Variabili (Parte Prima)
Media Mediana Minimo Massimo
ROS 4,232 5,445 -48,710 28,480 ROE 9,876 5,965 -137,360 99,610 Lunghezza quotazione 0,600 0 0 18 Nord 0,653 1 0 1 Centro 0,347 0 0 1 Attività manifatturiere 0,173 0 0 1
Fornitura di energia elettrica e gas 0,053 0 0 1
Costruzioni 0,027 0 0 1
Commercio e riparazione di auto e moto 0,040 0 0 1
Trasporto merci e magazzinaggio 0,027 0 0 1
Alloggio e ristorazione 0,013 0 0 1
Servizi di informazione e comunicazione 0,227 0 0 1
Attività finanziarie ed assicurative 0,147 0 0 1
Attività immobiliari 0,013 0 0 1
Attività professionali e tecniche 0,240 0 0 1
Attività amministrative e di supporto 0,027 0 0 1
Attività di intrattenimento 0,013 0 0 1
45 Tabella 6 - Statistiche Descrittive Variabili (Parte Seconda)
Dev. Std. Coeff.di
variazione Asimmetria Curtosi
ROS 12,384 2,926 -1,509 3,954 ROE 29,700 3,007 -0,390 4,344 Lunghezza quotazione 1,872 3,120 5,506 37,465 Nord 0,476 0,729 -0,644 -1,585 Centro 0,476 1,374 0,644 -1,585 Attività manifatturiere 0,379 2,185 1,726 0,979
Fornitura di energia elettrica e gas 0,225 4,216 3,976 13,806
Costruzioni 0,161 6,046 5,876 32,527
Commercio e riparazione di auto e moto 0,196 4,902 4,695 20,042
Trasporto merci e magazzinaggio 0,161 6,046 5,876 32,527
Alloggio e ristorazione 0,115 8,608 8,486 70,014
Servizi di informazione e comunicazione 0,419 1,848 1,306 -0,295
Attività finanziarie ed assicurative 0,354 2,414 1,998 1,990
Attività immobiliari 0,115 8,608 8,486 70,014
Attività professionali e tecniche 0,427 1,781 1,218 -0,518
Attività amministrative e di supporto 0,161 6,046 5,876 32,527
Attività di intrattenimento 0,115 8,608 8,486 70,014
Incidenza del debito finanziario 0,263 2,757 -1,166 3,622
Tabella 7 - Statistiche Descrittive Variabili (Parte Terza)
5% perc. 95% perc. Range interquartile Osservazioni mancanti ROS -21,355 22,283 9,370 310 ROE -38,320 66,358 21,418 246 Lunghezza quotazione 0 3 0 0 Nord 0 1 1 0 Centro 0 1 1 0 Attività manifatturiere 0 1 0 0
Fornitura di energia elettrica e gas 0 1 0 0
Costruzioni 0 0 0 0
Commercio e riparazione di auto e moto 0 0 0 0
Trasporto merci e magazzinaggio 0 0 0 0
Alloggio e ristorazione 0 0 0 0
Servizi di informazione e comunicazione 0 1 0 0
Attività finanziarie ed assicurative 0 1 0 0
Attività immobiliari 0 0 0 0
Attività professionali e tecniche 0 1 0 0
Attività amministrative e di supporto 0 0 0 0
Attività di intrattenimento 0 0 0 0
46 Analizzando in primo luogo la distribuzione geografica delle aziende si può notare come il 65% di queste si trovi al Nord e circa il 35% al Centro, con un’assenza di aziende quotate sul FTSE AIM Italia che abbia sede legale nel Sud Italia: ciò riflette una notevole spaccatura fra le aree italiane, dovuta probabilmente ad una diversa cultura finanziaria e ad una differente capacità di sviluppo. Per quanto riguarda, invece, l’attività svolta dalle imprese quotate, si osservi che la maggior parte, ossia il 24%, opera nel settore delle Attività Professionali e Tecniche: a seguire, i settori con il maggior numero di imprese operanti sono Servizi, Informazione e Comunicazione con il 22%, Attività Manifatturiere con il 17% e Attività Finanziarie e Assicurative con il 14%. Un altro dato interessante che riguarda le aziende del campione è quello relativo agli anni passati dalla quotazione: le imprese sono quotate in media da 7 mesi (dato ottenuto proporzionalmente allo 0,6 della media della variabile Lunghezza quotazione), con un campo di variazione che va da 0 anni di quotazione, quindi un certo numero di aziende del nostro campione che hanno deciso di quotarsi nell’ultimo anno, a 18 anni di quotazione, dato relativo ad una sola azienda del campione.
Dal punto di vista economico verifichiamo come il ROE abbia una media superiore al ROS (rispettivamente di 9,87% e 4,23%), a fronte di una maggiore variabilità: considerando le osservazioni mancanti per le due variabili, 310 per il ROS e 246 per il ROE, possiamo facilmente dedurre come sia più opportuno considerare il coefficiente di variazione (pari a 2,92 per il ROS e circa 3 per il ROE) rispetto alla deviazione standard come misura della variabilità, dal momento in cui il coefficiente tiene conto anche della media della distribuzione. Per quanto riguarda la distribuzione del ROE e del ROS si può verificare come si tratti, in entrambi i casi, di distribuzioni asimmetriche a sinistra e leptocurtiche ossia con coda destra più lunga e più appuntite rispetto ad una distribuzione normale. Nel caso dell’Incidenza del Debito Finanziario invece, in media per le aziende quotate è pari al 9%: questo valore può essere interpretato come la parte di attivo che dev’essere liquidata al fine di coprire una parte di debito finanziario rimasta senza copertura, dal momento che al numeratore del rapporto si ha la posizione finanziaria netta, ossia, la differenza fra i debiti di carattere finanziario e le attività finanziarie (escluse le partecipazioni), mentre al denominatore si trova il totale dell’attivo. In merito alla variabilità dell’Incidenza del Debito Finanziario possiamo osservare una deviazione standard pari a 0,26 ed un coefficiente di variazione di 2,75, mentre per quanto riguarda la distribuzione della variabile è possibile affermare che si
47 tratta di una distribuzione leptocurtica, dal momento che l’indice di curtosi è superiore a 3, ed asimmetrica, con la coda di sinistra più lunga.
Modello Pooled OLS
Usate: 423 osservazioni Incluse: 63 unità cross section
Lunghezza serie storiche: minimo 1, massimo 10 Variabile dipendente: Incidenza del debito finanziario Omesse per perfetta collinearità: Centro; Attività di intrattenimento
coefficiente errore std. rapporto t p-value
Costante 0,043 0,079 0,543 0,588 Lunghezza quotazione 0,002 0,006 0,437 0,662 ROE −0,001 0,000 −3,377 0,001 *** ROS 0,000 0,001 0,254 0,800 Nord 0,055 0,028 1,976 0,049 ** Attività manifatturiere 0,075 0,081 0,930 0,353
Fornitura di energia elettrica e gas −0,010 0,090 −0,112 0,911
Costruzioni 0,079 0,102 0,779 0,436
Commercio e riparazione di auto e moto −0,011 0,090 −0,123 0,902
Trasporto merci e magazzinaggio 0,057 0,093 0,616 0,538
Alloggio e ristorazione 0,162 0,111 1,456 0,146
Servizi di informazione e comunicazione 0,129 0,078 1,643 0,101
Attività finanziarie ed assicurative −0,033 0,093 −0,355 0,722
Attività immobiliari 0,006 0,151 0,037 0,971
Attività professionali e tecniche −0,070 0,080 −0,889 0,374
Attività amministrative e di supporto −0,160 0,173 −0,926 0,355
Media var. dipendente 0,109 SQM var. dipendente 0,236
Somma quadr. Residui 19,884 E.S. della regressione 0,221
R-quadro 0,153 R-quadro corretto 0,122
F(15, 407) 4,919 P-value(F) 0,000
Log-verosimiglianza 46,441 Criterio di Akaike −60,882
Criterio di Schwarz 3,875 Hannan-Quinn −35,294 rho 0,621 Durbin-Watson 0,637
Note: SQM = scarto quadratico medio; E.S. = errore standard
Escludendo la costante, il p-value è massimo per la variabile 121 (Attivita_Immobiliari)
Analizzando i risultati ottenuti mediante il modello Pooled OLS si può immediatamente osservare come i risultati ottenuti non siano nel complesso statisticamente rilevanti: solamente nel caso del ROE e della dummy variable indicante le aziende che hanno sede legale al Nord si ottengono risultati significativamente diversi da zero
48 rispettivamente all’1% e al 5% (il p-value del ROE è pari a 0,001 mentre quello della variabile Nord è 0,049)2. Il coefficiente di determinazione R2 del modello, il quale varia tra 0 e 1 a seconda che i dati non vengano spiegati per nulla dal modello o vengano spiegati perfettamente, è abbastanza basso e pari a 0,153: quest’ultimo indica un altro elemento a favore della tesi secondo cui vi siano ulteriori fattori all’interno del termine d’errore capaci di spiegare, in maniera più efficace la variazione dell’incidenza del debito finanziario. Andando a controllare i singoli coefficienti delle variabili emergono alcuni risultati interessanti: innanzitutto, il coefficiente della lunghezza della quotazione è positivo (0,002). Tale risultato comporterebbe che più sono gli anni passati dalla quotazione dell’impresa, maggiore è l’incidenza del debito finanziario relativamente a tale impresa. Sebbene la variazione in termini percentuali dell’incidenza sia minima, si tratta di un risultato abbastanza sorprendente dal punto di vista significativo, poiché abbiamo spiegato in più parti di questo elaborato che la quotazione dovrebbe costituire una fonte di finanziamento alternativa al debito finanziario e quindi alleggerire la dipendenza dal canale bancario in particolare. In questo caso il risultato ottenuto mostrerebbe il contrario. Il coefficiente del ROE è negativo invece (-0,001). Anche in questo caso la significatività economica è minima poiché la variazione che un aumento del ROE provocherebbe nell’incidenza del debito finanziario sarebbe molto piccola però, il fatto di aver ottenuto un coefficiente negativo, ha una sua logica dal momento che un aumento del ROE starebbe a significare un maggiore rendimento del capitale versato dai soci e quindi minore dipendenza dal debito contratto con le banche. Premettendo che l’applicazione del modello Pooled OLS omette per perfetta collinearità due delle dummy variables inserite nel modello (nello specifico “Centro” e “Attività di intrattenimento”) si passi ad analizzare ora le variabili relative all’area geografica dove operano le aziende e alla tipologia di attività. La dummy facente riferimento alle aziende che hanno sede legale nel Nord Italia ha coefficiente positivo (0,055) e significativamente diverso da zero al 5%: ciò significherebbe che un’azienda, solamente per il fatto di operare nel Nord Italia, ha una maggiore incidenza del debito finanziario e quindi probabilmente una maggiore propensione a sfruttare il canale bancario per finanziare la propria attività. Se da un lato questo risultato sorprende, perché il centro finanziario italiano si trova al Nord e lì vi è situato il maggior numero delle aziende quotate su FTSE AIM Italia, dall’altro non bisogna dimenticarsi del background italiano
49 in termini di cultura finanziaria. L’Italia, infatti, è un paese storicamente banco-centrico e le imprese hanno ancora poca propensione a quotarsi, sebbene il livello di finanziarizzazione sia in aumento. Per quanto riguarda invece le dummies relative al tipo di attività svolta dall’azienda è necessario constatare che sono tutte statisticamente non rilevanti: l’unica cosa che sembra risaltare è una maggioranza di coefficienti negativi (quindi di variazioni negative dell’incidenza del debito finanziario a fronte della presenza di una certa caratteristica nell’azienda) per tipologie di attività più tecnologicamente sviluppate quali per esempio attività finanziarie e assicurative (- 0,033) o attività amministrative e di supporto (-0,160), anche se ci sono delle eccezioni in questo senso come nel caso del commercio e riparazione di automobili e moto (- 0,011).
Modello Effetti Casuali
Usate: 423 osservazioni Incluse: 63 unità cross section
Lunghezza serie storiche: minimo 1, massimo 10 Variabile dipendente: Incidenza del debito finanziario Omesse per perfetta collinearità: Centro; Attività di intrattenimento
coefficiente errore std. z p-value
Costante 0,069 0,189 0,364 0,716 Lunghezza quotazione −0,013 0,009 −1,558 0,119 ROE −0,0009 0,000 −2,762 0,006 *** ROS 0,0003 0,001 0,335 0,738 Nord 0,042 0,059 0,708 0,479 Attività manifatturiere 0,077 0,191 0,404 0,686
Fornitura di energia elettrica e gas −0,052 0,210 −0,249 0,803
Costruzioni 0,027 0,225 0,120 0,905
Commercio e riparazione di auto e moto −0,038 0,208 −0,183 0,854
Trasporto merci e magazzinaggio 0,046 0,220 0,211 0,833
Alloggio e ristorazione 0,137 0,261 0,523 0,601
Servizi di informazione e comunicazione 0,096 0,186 0,513 0,608
Attività finanziarie ed assicurative −0,160 0,207 −0,777 0,437
Attività immobiliari 0,027 0,273 0,099 0,922
Attività professionali e tecniche −0,084 0,187 −0,450 0,652
Attività amministrative e di supporto −0,157 0,246 −0,641 0,521
Media var. dipendente 0,109 SQM var. dipendente 0,236
Somma quadr. Residui 20,808 E.S. della regressione 0,226
Log-verosimiglianza 36,831 Criterio di Akaike −41,662
50 Note: SQM = scarto quadratico medio; E.S. = errore standard
Varianza 'between' = 0,028 Varianza 'within' = 0,027
theta medio = 0,616 corr(y,yhat)^2 = 0,117
Test congiunto sui regressori
Statistica test asintotica: Chi-quadro(15) = 23,323 con p-value = 0,077
Test Breusch-Pagan
Ipotesi nulla: varianza dell'errore specifico all'unità = 0 Statistica test asintotica: Chi-quadro(1) = 201,05
con p-value = 1,232e-045
Test di Hausman
Ipotesi nulla: le stime GLS sono consistenti Statistica test asintotica: Chi-quadro(3) = 6,699
con p-value = 0,082
Mediante il modello ad effetti casuali si mette in atto il processo di quasi-demeaning dei dati, riducendo in parte l’effetto distorsivo dovuto all’inserimento nel termine di errore di valori che rimangono costanti nel tempo. Gli effetti del processo di quasi-demeaning sono subito individuabili nell’interpretazione del coefficiente relativo agli anni passati dalla quotazione: in questo caso il coefficiente, sebbene non sia ancora statisticamente significativo, è negativo (-0,013) e ciò sta a significare che più passano gli anni dalla quotazione di un’azienda, più si riduce l’incidenza del debito finanziario. Contrariamente a quanto previsto dal modello Pooled OLS, in questo caso, un’azienda quotata da molti anni sul mercato AIM Italia – Mercato Alternativo del Capitale si presume abbia sviluppato una propensione alla ricerca di nuove fonti di finanziamento sul mercato, alleggerendo così la dipendenza dal canale bancario: si tratta di un’interpretazione sicuramente più logica della precedente. Il coefficiente del ROE è ancora più statisticamente significativo di quello ottenuto con il modello Pooled OLS: è ancora negativo (-0,0009) e significativamente diverso da zero all’1% (p-value di 0,006). L’unico dettaglio che ridimensiona leggermente l’importanza di questo
51 coefficiente è la significatività economica: l’aumento del ROE implicherebbe una variazione in negativo dell’incidenza del debito finanziario talmente piccola da renderla quasi trascurabile. Per quanto riguarda invece l’indice del ROS, sia nel caso con il modello Pooled OLS che in questo, si osserva un coefficiente positivo (0,0003): ciò significa che incrementando il margine operativo su ciascuna unità monetaria, l’azienda propende ad un aumento dell’incidenza del debito finanziario. Questo effetto potrebbe essere spiegato, probabilmente, con le cosiddette economie di scala: mediante l’accesso a maggiori capitali, garantito dai finanziamenti concessi dalle banche, si cerca di incrementare la scala di produzione di un bene al fine di abbatterne il costo medio unitario di produzione e realizzare maggiori margini di profitto. Osservando le dummy variables, si noti che vengono eliminate per perfetta collinearità le stesse variabili del modello Pooled OLS, ossia “Centro” e “Attività di intrattenimento”. Inoltre, in questo caso, la variabile Nord pur non essendo più statisticamente significativa (ha un p-value di 0,479), detiene ancora un coefficiente positivo (0,042): valgono ancora quindi le riflessioni fatte in precedenza sulla contrapposizione fra il Nord inteso come polo finanziario italiano e la cultura finanziaria italiana ancora troppo ancorata al banco- centrismo. Le stesse riflessioni possono essere effettuate anche per le dummies relative all’attività svolta dall’azienda: anche utilizzando questo modello si ha una prevalenza di coefficienti negativi per le attività appartenenti al settore terziario dell’economia, come per esempio attività finanziarie e assicurative (-0,160) o attività amministrative e di supporto (-0,157), con alcune eccezioni, ed è il caso di commercio e riparazione di automobili e moto (-0,038). Il test di Hausman in questo caso farebbe propendere per il non rifiuto dell’ipotesi nulla e l’utilizzo del modello ad effetti casuali: infatti, la statistica H assume un valore pari a 6,699 con un p-value di 0,082. È importante considerare però che, a fronte del numero esiguo di osservazioni utilizzate nell’analisi, gli stimatori potrebbero essere ugualmente distorti ma per dare un giudizio completo si proceda prima all’analisi mediante il modello ad effetti fissi.
52
Modello Effetti Fissi
Usate: 423 osservazioni Incluse: 63 unità cross section
Lunghezza serie storiche: minimo 1, massimo 10 Variabile dipendente: Incidenza del debito finanziario
coefficiente errore std. rapporto t. p-value Costante 0,134 0,012 11,050 0,000 ***
Lunghezza quotazione −0,026 0,011 −2,458 0,015 **
ROE −0,0009 0,000 −2,606 0,010 ***
ROS 0,0003 0,001 0,317 0,752
Media var. dipendente 0,109 SQM var. dipendente 0,236 Somma quadr. Residui 9,671 E.S. della regressione 0,165
R-quadro LSDV 0,588 R-quadro intra-gruppi 0,032
LSDV F(65,357) 7,847 P-value(F) 0,000
Log-verosimiglianza 198,882 Criterio di Akaike −265,763
Criterio di Schwarz 1,363 Hannan-Quinn −160,213
rho 0,223 Durbin-Watson 1,249
Note: SQM = scarto quadratico medio; E.S. = errore standard Test congiunto sui regressori
Statistica test: F(3, 357) = 3,871 con p-value = P(F(3, 357) > 3,87112) = 0,009
Test per la differenza delle intercette di gruppo Ipotesi nulla: i gruppi hanno un'intercetta comune
Statistica test: F(50, 357) = 7,537
con p-value = P(F(50, 357) > 7,53979) = 1,529e-032
A differenza del modello con effetti casuali, nel modello con effetti fissi viene sottratta l’intera media di gruppo da ognuna delle variabili e non solo una percentuale: il processo di data-demeaning che si mette in atto consente di eliminare l’intera parte del termine di errore che rimane costante nel tempo, dal momento che contiene valori non osservabili che verrebbero considerati parte dell’errore e contribuirebbero a creare una distorsione nella stima. La forza di questo modello è che, così facendo riduce il rischio da variabile omessa e gli effetti “benefici” sono subito riscontrabili sui coefficienti delle variabili in termini di significatività statistica. È necessaria una premessa prima di
53 continuare: dal momento che il modello elimina i fattori che restano costanti nel tempo, è facile comprendere come le dummy variables siano eliminate dall’analisi; si tratta infatti di variabili qualitative che restano immutate nel tempo. In primis si può notare come è cambiato il coefficiente di determinazione R2: rispetto al modello Pooled OLS, l’R2 è aumentato notevolmente attestandosi su un valore pari a 0,588. L’aumento del
coefficiente di determinazione segnala una maggiore capacità del modello di spiegare i dati presi in considerazione, ciò a testimonianza del fatto che il termine d’errore includeva nei precedenti modelli troppi fattori che rimanevano costanti nel tempo e contribuivano alla distorsione dei coefficienti. A conferma di ciò che è stato appena spiegato si può verificare come in questo modello, il coefficiente relativo agli anni passati dalla quotazione è statisticamente significativo: è negativo (-0,026) e significativamente diverso da zero al 5%. Il fatto che grazie al modello con effetti fissi il suddetto coefficiente abbia assunto anche significatività dal punto di vista statistico