È richiesta una conoscenza di base di microeconomia.
Sono utili conoscenze introduttive di statistica ed econometria. Non è richiesta una conoscenza preliminare di R.

ll corso analizza il ruolo delle politiche pubbliche nei processi di innovazione, investimento e crescita delle imprese. Particolare attenzione è dedicata alle ragioni economiche dell’intervento pubblico nei mercati dell’innovazione e agli strumenti utilizzati per sostenere ricerca e sviluppo, accesso alla finanza,
digitalizzazione, transizioane tecnologica e sviluppo territoriale. Il corso affronta inoltre il problema della valutazione empirica delle politiche pubbliche. La parte quantitativa introduce la logica controfattuale, i principali approcci di identificazione causale e l’utilizzo di strumenti econometrici e di machine learning per l’analisi degli effetti delle politiche

Al termine del corso lo studente sarà in grado di:
• comprendere le principali motivazioni economiche dell’intervento pubblico a sostegno dell’innovazione e delle imprese;
• analizzare criticamente i principali strumenti fiscali, finanziari e industriali;
• comprendere il ruolo delle infrastrutture e delle politiche territoriali nei processi di innovazione e sviluppo;
• analizzare gli effetti diretti, indiretti ed eterogenei delle politiche pubbliche;
• comprendere la logica controfattuale della valutazione;
• utilizzare R per la preparazione, manipolazione e analisi di dati economici;
• interpretare applicazioni empiriche basate su metodi econometrici e di machine learning

Il corso combina lezioni frontali, discussione di casi, lettura di contributi scientifici, applicazioni empiriche ed esercitazioni in R. L’enfasi è posta sulla capacità di collegare il problema economico, il contesto istituzionale e l’evidenza empirica.

La valutazione finale combina una prova individuale e un progetto applicato.

https://gmonturano.github.io/

1. Economia pubblica dell’innovazione
• Fallimenti del mercato e intervento pubblico;
• esternalità e spillover di conoscenza;
• appropriabilità dei rendimenti dell’innovazione;
• rendimento privato e rendimento sociale della R&S.

2. Finanziamento dell’innovazione
• Asimmetrie informative e vincoli finanziari;
• investimenti intangibili;
• startup e giovani imprese;
• financing gap e ruolo dell’intervento pubblico.

3. Incentivi pubblici a innovazione e investimenti
• Sussidi e crediti d’imposta;
• incentivi alla R&S e agli investimenti;
• additionality e crowding-out;
• targeting e design degli incentivi.

4. Garanzie pubbliche e finanza per l’imprenditorialità
• Garanzie pubbliche e accesso al credito;
• strumenti finanziari pubblici;
• venture capital e co-investimento;
• politiche per startup e PMI innovative.

5. Politica industriale e politiche per l’innovazione
• Politiche orizzontali e verticali;
• problemi di coordinamento;
• selezione di settori e tecnologie;
• nuova politica industriale;
• limiti e rischi dell’intervento selettivo.

6. Infrastrutture, digitalizzazione e territorio
• Infrastrutture e produttività;
• infrastrutture digitali e digital divide;
• complementarità tra investimento pubblico e privato;
• politiche territoriali e di coesione.

7. Transizione verde e domanda pubblica
• Green innovation;
• transizione tecnologica ed energetica;
• public procurement;
• domanda pubblica e diffusione dell’innovazione.

8. Reti d’impresa e spillover
• Cluster ed ecosistemi dell’innovazione;
• supply chains e reti tra imprese;
• spillover territoriali e produttivi;
• effetti indiretti delle politiche.

9. Politiche italiane ed europee per innovazione e imprese
Attraverso casi selezionati saranno analizzati interventi relativi a:
• ricerca e innovazione;
• investimenti e digitalizzazione;
• accesso alla finanza;
• politiche di coesione;
• transizione verde e tecnologica.

10. Introduzione a R e manipolazione dei dati
Prima dell’introduzione dei modelli di valutazione, il corso prevede una lezione operativa dedicata all’utilizzo di R.
• Introduzione all’ambiente R;
• importazione e organizzazione dei dati;
• manipolazione, trasformazione e aggregazione;
• dati longitudinali e panel;
• visualizzazione e analisi descrittiva;
• principi di riproducibilità.

Le applicazioni utilizzeranno dati relativi a imprese, territori e interventi pubblici.
11. Valutazione controfattuale delle politiche
• Outcome potenziali e problema del controfattuale;
• effetti di trattamento;
• selection bias;
• costruzione del gruppo di confronto;
• esperimenti naturali e strategie quasi-sperimentali.
Saranno introdotti, attraverso applicazioni selezionate, alcuni dei principali approcci alla valutazione controfattuale, tra cui matching, weighting, Difference-in-Differences e Regression Discontinuity Design.

12. Machine learning e policy evaluation
• Prediction e causal inference;
• eterogeneità degli effetti;
• effetti condizionali del trattamento;
• regolarizzazione e metodi ad alta dimensionalità;
• tree-based methods;
• targeting e policy learning.

La parte finale del corso mostra come strumenti di machine learning possano essere integrati nella
valutazione delle politiche quando gli effetti variano tra imprese, territori o gruppi di beneficiari

Economia pubblica
P. Bosi (a cura di), Corso di scienza delle finanze, Il Mulino.

Innovazione e politiche pubbliche
A. Goolsbee e B.F. Jones (eds.), Innovation and Public Policy, University of Chicago Press.

Valutazione delle politiche e machine learning
G. Cerulli, Econometric Evaluation of Socio-Economic Programs: Theory and Applications, 2nd revised and extended edition, Springer, 2022.
G. Cerulli, Fundamentals of Supervised Machine Learning: With Applications in Python, R, and Stata, Springer, 2023.

Materiali del corso
Slide, note didattiche, dataset, codice R, esercitazioni, letture integrative e ulteriori materiali saranno resi disponibili in una sezione dedicata del sito personale del docente: https://gmonturano.github.io/