Empirical analysis of convergence clubs using cross-country economic data

This thesis investigates the presence of club convergence across European regions NUTS 1, in the period 2000-2014. The collected cross-section database comprehends variables related to economic performance, social and political characteristics, demography and religion. The empirical strategy applies, firstly, an OLS estimation looking for convergence according to arbitrary subsamples; in particular, income thresholds, Eurozone and EU adhesion date. Secondly, the OLS estimation is compared with the threshold regression estimation developed by Hansen (2000), which samples the observations according to non-arbitrary group criteria. The Hansen threshold test is used for finding the best threshold variable. The OLS estimation turns out to be a weak and imprecise tool for this work, instead, the threshold regression estimation verifies different convergence clubs and it can be considered as a better instrument for club convergence and, thus, for determining multiple regimes equilibria. Moreover, tertiary education, according to the F-test, is found to be the best variable for splitting the regions, instead of income.

Il presente lavoro indaga la dinamica del fenomeno di convergenza economica tra gruppi di stati o regioni, detti “clubs”, conseguente al Modello di crescita economica di Solow (1956); in particolare, questa analisi empirica studia la convergenza tra le regioni NUTS 1 dei paesi Europei nel periodo compreso tra 2000 e il 2014. Questo studio empirico ha preso in esame dei dati cross-sectional riguardanti la performance economica, la demografia, gli aspetti socio-politici e infine culturali e religiosi delle diverse regioni europee. La strategia econometrica applica, in un primo momento, una regressione lineare OLS, utilizzando dei raggruppamenti scelti a priori, verificando la presenza di gruppi di convergenza in base al reddito, all’adesione all’Eurozona e ai tempi di integrazione all’interno dell’Unione Europea. Nella seconda parte, invece, viene adoperata la regressione threshold introdotta da Hansen (2000), la quale individua i potenziali gruppi di convergenza sulla base dei dati e non in modo arbitrario. Inoltre, il Test statistico, aiuta ad identificare una preferibile variabile come criterio per individuare i potenziali clubs. La regressione threshold può dunque considerarsi uno strumento più efficace per questa analisi.