Metodologie di misurazione proposte

Nonostante l’enfasi posta dalle linee guida sulla necessità di basare la strate- gia S3 su un’analisi delle caratteristiche già presenti sul territorio, poche regioni hanno provato a fornire misure specifiche a tal riguardo limitandosi ad analisi di tipo qualitativo. Quasi del tutto assente risulta l’analisi del grado di collegamento e complementarietà dei domini tecnologici scelti (Iacobucci, 2014; Iacobucci, Guzzini, 2016).

Ci sono due ragioni principali che spiegano queste carenze. La prima è l’as- senza di una metodologia comune per valutare il grado di coerenza e il grado di collegamento/complementarietà tra i domini tecnologici. La seconda è la mancanza di dati e informazioni adeguati per applicare metodologie di tipo quantitativo. Ad esempio, nella guida S3 una metodologia suggerita per l’analisi della relatedness è basata sui movimenti di capitale umano fra settori (Reveald Skill Relatedness). Questa richiederebbe la disponibilità di dati individuali sulla mobilità del lavoro tra le imprese, dati disponibili solo in poche regioni dell’UE e valida solamente per alcune tipologie di lavoratori.

La nostra metodologia propone di tradurre i domini tecnologi scelti dalle regioni in codici IPC, in modo da superare i problemi di ambiguità e comparabi- lità legati all’utilizzo del linguaggio naturale. I codici IPC inoltre permettono di quantificare la presenza sul territorio di capacità innovative in uno qualsiasi dei domini tecnologici, utilizzando i dati di produzione brevettuale.

I brevetti rappresentano uno dei principali risultati del processo di innova- zione ed indicano domini tecnologici in cui imprese e istituti di ricerca stanno investendo ed accumulando conoscenza. Nonostante questo, i brevetti non sono la sola produzione di attività innovative e potrebbero non fornire una rappre- sentazione esaustiva della base di conoscenza di una regione. In alcuni settori, i brevetti sono meno rilevanti per proteggere la conoscenza tecnologica e quindi il loro uso è limitato. Inoltre, mentre i brevetti rappresentano una forma di conoscenza codificata, una rilevante parte del know-how tecnologico si basa su conoscenze informali non codificate. Nonostante queste limitazioni, il numero di brevetti è uno dei principali indicatori della capacità di sviluppare nuove cono- scenze caratterizzate da una chiara applicazione pratica e implicitamente da una valenza economica, seppur solo potenziale. Considerato che uno degli obiettivi della S3 è ottenere un più efficace collegamento tra le attività di ricerca e gli output innovativi, i brevetti ben si prestano ad essere utilizzati per misurare le performance di questa politica. Inoltre, Acs et al. (2002) hanno dimostrato che i

brevetti possono essere considerati delle misure approssimate ma affidabili delle performance innovative a livello regionale.

L’analisi empirica si basa su due principali fonti di dati. Per individuare i domini di specializzazione target della S3 sono stati utilizzati i documenti uffi- ciali approvati dalle regioni italiane. Per quantificare le capacità innovative a livello territoriale, abbiamo usato le domande di brevetto contenute nel database REGPAT dell’OCSE (versione: febbraio 2016; vedere Maraut et al. 2008 per una descrizione).

Dai documenti S3 delle 20 regioni italiane sono stati estratti i domini tecno- logici scelti dalle autorità regionali al più alto livello di descrizione. Poiché ogni regione li ha definiti utilizzando il linguaggio naturale e senza fare riferimento a un sistema di classificazione comune, è stato attuato un processo di omogeneiz- zazione della tassonomia per avere informazioni completamente confrontabili.

A tal fine, è stata eseguita un’associazione sistematica tra la descrizione più detta- gliata dei domini tecnologici fornita nei documenti S3 e i corrispondenti codici a 3 cifre del codice internazionale della classificazione dei brevetti (IPC). Questa asso- ciazione è stata effettuata in modo semi-automatico utilizzando il servizio pubblico IPCCAT (Categorization Assistant nella classificazione internazionale dei brevetti). La mappatura automatica è stata quindi rivista manualmente da esperti. È bene sot- tolineare che in tutta la nostra analisi ciascun dominio tecnologico è identificato quindi da un codice IPC a 3 cifre, con cui c’è quindi una corrispondenza biunivoca.

Ad esempio, la regione Campania ha indicato 6 settori tecnologici tra cui l’ae- rospazio. Sotto quest’ultimo dominio, il documento S3 elencava 35 sottodomini tecnologici specifici (al livello più dettagliato). Ad ognuno di essi è stato asso- ciato un codice IPC, che ha portato a 5 codici IPC diversi e unici (a livello di tre cifre). Così è stata ottenuta una mappa dettagliata dei domini tecnologici scelti e dei codici IPC corrispondenti.

Nel complesso, i domini di specializzazione contenuti nei documenti S3 sono stati mappati in 64 diversi codici IPC, con G06 (sistemi o metodi di elaborazione dati) con la frequenza più elevata tra le regioni. Dei 64 codici IPC, 20 codici (31%) hanno una frequenza pari a 1, suggerendo un moderato livello di diversi- ficazione delle regioni italiane nella scelta dei loro domini di specializzazione.

Il database OECD RegPat fornisce informazioni sui codici IPC a cui appar- tiene un brevetto, l’indirizzo del richiedente (i) e dell’inventore (i) e l’anno di presentazione della domanda. Sono state prese in considerazione le domande di brevetto PCT dal 2002 al 2012 con almeno uno degli inventori localizzati in Europa assegnando a ciascuna regione europea NUTS2 il numero corrispondente di brevetti. Questi dati hanno permesso di valutare le dinamiche dell’innova- zione e della specializzazione tecnologica all’interno delle regioni europee, come misurato dai brevetti (Kogler et al., 2017).

Si è adottato il fractional count1 _{delle domande di brevetto di tipo PCT (quindi} al WIPO) per ogni classe IPC a 3 cifre (se un brevetto è stato classificato in più di una classe IPC, il suo conteggio frazionario è considerato per ogni classe IPC a cui appartiene) in ogni anno e in ogni regione europea NUTS2.