Le variabili del dataset

Nella tabella sotto riportata (Tabella 4.1.), si definiscono le sole variabili utilizzate nell’analisi e, quindi, presenti nel dataset generato, fornendo una spiegazione delle informazioni che racchiudono.

Tabella 4.1. Elenco delle variabili presenti nel dataset.

Variabile Descrizione

ateco2007_3d Attività economica dell’impresa classificata rispetto a tre dimensioni (sezione, divisione e gruppo).

coverage_UBB Percentuale di famiglie con accesso al servizio a banda ultra larga nel comune dove l’impresa ha la sede legale.

forma_giuridica Forma giuridica dell’impresa. Si scinde tra S.R.L. e S.P.A..

gender Dummy:

1 il CEO è di genere femminile 0 il CEO è di genere maschile

grado_urbanizzazione Grado di urbanizzazione nel luogo in cui l’impresa ha la sede legale. Si categorizza in: alta densità, bassa densità e zone rurali.

kpi_innovative Dummy:

1 l’impresa è una start-up innovativa e/o è una PMI innovativa

0 altrimenti

ln_age Logaritmo in base naturale del numero di anni trascorsi dalla costituzione dell’impresa.

ln_employees Logaritmo in base naturale del numero di dipendenti dell’impresa nel 2019.

old Dummy:

1 l’impresa è stata costituita da 10 o più anni 0 l’impresa è stata costituita da meno di 10

anni

province_sl_istat Provincia della sede legale dell’impresa.

share_intangible Percentuale di asset intangibili sul totale delle attività relativa all’anno 2019.

share_old Percentuale di popolazione over 65 nel comune in cui l’impresa ha la sede legale.

share_tangible Percentuale di asset tangibili sul totale delle attività relativa all’anno 2019.

share_universitari Percentuale di universitari presenti nel comune in cui l’impresa ha la sede legale.

size Dimensione dell’impresa secondo i parametri definiti per legge. Si compone di quattro categorie:

• micro: meno di 10 dipendenti e fatturato o bilancio annuo inferiore a 2 milioni di euro;

• small: da 10 a 49 dipendenti e fatturato o bilancio annuo inferiore a 10 milioni di euro;

• medium: da 50 a 249 dipendenti e fatturato annuo inferiore a 50 milioni di euro o bilancio annuo non superiore a 43 milioni di euro;

• large: oltre 249 dipendenti e fatturato annuo superiore a 50 milioni di euro o bilancio annuo superiore a 43 milioni di euro.

tfp_acf_fe Logaritmo del fattore di produttività dell’impresa.

UBB_gender Termine di interazione tra coverage_UBB e gender.

Queste variabili sono state selezionate per rappresentare e tener in considerazione di alcuni fattori descritti dalla letteratura.

Sono state utilizzate le variabili size, e ln_employees per supportare gli studi relativi alla dimensione dell’impresa, che dimostrano un effetto sia sul genere dell’amministratore delegato che sulla connessione a internet delle aziende: le società di dimensioni superiori richiedono connettività elevate per la realizzazione del loro business internazionale e per il maggior numero di interazioni che instaurano con il mondo esterno.

Le variabili ln_age e old, sono state valutate per riflettere da quanto tempo l’impresa è stata costituita, con il presupposto che le imprese di nuova creazione generino fatturati inferiori, ed essendo di dimensioni limitate richiedono livelli di connessioni a internet minori.

Per considerare la copertura della fibra all’interno del territorio, sono state inserite le grandezze share_old e share_universitari, che tengono in considerazione degli aspetti riguardanti i cittadini che risiedono nella città in cui l’impresa opera. Con l’intensificarsi della percentuale di universitari, si eseguono maggiori accessi a

internet e si richiede un livello di banda superiore. Al contrario, la presenza di anziani ha un effetto negativo sulla connessione a internet.

La letteratura sostiene il costrutto che la presenza di società che operano in settori high tech richiede connessioni veloci a banda ultra larga e, dal lato opposto, si registra una limitata partecipazione di leadership femminile. Per prendere atto di questo fattore, sono stati inclusi degli indicatori che catturano il livello tecnologico e gli asset intangibili di cui l’impresa dispone (share_tangible, share_intangible, kpi_innovative e ateco2007_3d).

La provincia (province_sl_istat) e il grado di urbanizzazione (grado_urbanizzazione) hanno lo scopo di valutare l’area in cui le società operano poiché non tutte le zone dispongono della stessa velocità di connessione a internet. Occorre precisare che è stata utilizzata la variabile che considera le Province, e non il Comune dove l’impresa opera, in quanto quest’ultimo genererebbe un effetto di collinearità con la grandezza coverage_UBB.

4.2.1. Il total factor productivity

La variabile dipendente è costituita dalla produttività delle imprese (tfp_acf_fe).

Questa grandezza contiene un valore precalcolato e, pertanto, la sua determinazione non è argomento della tesi. Tuttavia, si presenta un breve excursus per meglio comprendere cosa raffigura tale parametro.

L’acronimo tfp_acf_fe è traducibile come Total Factor Productivity calcolato con il metodo elaborato da Ackerberg, Caves e Frazer a Effetti Fissi (Fixed Effect).

Per quantificare la produttività, la prima fase consiste nell’impiegare la funzione di produttività a valore aggiunto di Cobb-Douglas trasformata in logaritmo:

𝑎_𝑖𝑡 = 𝑦_𝑖𝑡+ 𝛽_𝑙𝑙_𝑖𝑡 + 𝛽_𝑘𝑘_𝑖𝑡 dove:

𝑌_𝑖𝑡 ≡ 𝑦_𝑖𝑡 = 𝛼 + 𝜈_𝑡+ 𝜇_𝑗+ 𝜎_𝑟+ 𝜔_𝑖𝑡+ 𝜖_𝑖𝑡

quindi si stimano i parametri:

𝑌̂_𝑖𝑡 = 𝑎_𝑖𝑡− 𝛽̂_𝑙𝑙_𝑖𝑡+ 𝛽̂_𝑘𝑘_𝑖𝑡

La fase successiva prevede la stima dell’impatto della banda ultra larga e del genere del CEO sulla produttività delle imprese.

I termini 𝑦𝑖𝑡 , 𝑙𝑖𝑡 e 𝑘𝑖𝑡 rappresentano, rispettivamente, i logaritmi in base naturale del valore aggiunto, del lavoro e del capitale dell’impresa i al tempo t. In questa analisi empirica l’anno analizzato è solo uno: il 2019.

Tale metodologia si basa sull’approssimazione dei livelli di produttività non osservati attraverso una funzione di osservabilità chiamata “funzione di controllo”.

Il problema di simultaneità nella stima di produzione, ossia la presenza di input correlati con un livello di produttività non osservabile (𝜔_𝑖𝑡) ma, che occorre tenere in considerazione durante la stima della produttività, è risolto utilizzando il metodo ACF-FE.

Introducendo nella seconda fase gli effetti fissi non osservabili specifici della società, si garantisce l’eliminazione dell’eterogeneità fissa dell’impresa non osservata e il miglioramento della capacità della variabile proxy di catturare e controllare il livello di produttività non osservabile.

Con questa metodologia è possibile adattare la funzione di produzione aumentata con qualsiasi variabile di interesse. La procedura presuppone che la produttività delle imprese segua un processo di Markov di primo ordine. In questo modo è possibile prevedere il livello di produttività del periodo successivo, con un certo grado di errore, basandosi solamente sul livello di produttività del periodo attuale.

La variabile generata tfp_acf_fe rapportata alla copertura banda ultra larga delle imprese oggetto dell’analisi, genera il grafico seguente (Figura 4.2.).

Figura 4.2. Grafo a dispersione che rappresenta la produttività e la copertura a banda ultra larga di cui dispone ogni impresa.